產業鏈各環節發展迅速，具身智能商業化路徑逐漸清晰｜甲子引力

中國具身智能產業的元年，已經真正到來。

2024年12月3日，以“轟然成勢，萬象歸一”為主題的2025甲子引力年終盛典在北京舉辦，本次大會共吸引了2000余人次到場參會。

會上，70多位科技行業重要嘉賓，從算法創新、基礎設施架構、具身系統等核心技術，到開源生態、產業落地、資本流向等方面，帶來了系統性的最新分享與深刻洞見。

在圓桌對話《我們距離具身智能機器人規模商業化還有多遠？》上，UQI優奇技術合伙人兼聯席CEO楊繼峰、大界機器人創始人兼CEO孟浩、非夕科技副總裁胡曉平、鹿明機器人聯合創始人趙廣智、弘暉基金董事總經理肖立等嘉賓，圍繞人形機器人落地場景、機器人產業鏈發展成熟度，以及資本對機器人產業的關注情況等話題展開了深度探討。

關于人形機器人落地場景問題，楊繼峰表示，目前機器人產品已經在一些特定場景完成了落地，并擁有了執行相應任務的能力，但這種解決問題的能力的泛化程度還不夠，還需要產業鏈不斷在硬件及數據上持續升級。

UQI優奇技術合伙人兼聯席CEO楊繼峰

孟浩認為具身智能，其實是面向硬件的手眼腦融合，人形機器人的落地瓶頸或許在于硬件精度與細分場景智能的不足，需通過專注工業場景的智能系統提升操作精度、效率與魯棒性，才能釋放其柔性作業潛力。

大界機器人創始人兼CEO孟浩

在具體的機器人本體技術層面，胡曉平則認為，力控技術是提升機器人操作可靠性、安全性與泛化能力的核心，同時其也是人形機器人實現靈巧作業與規模化落地的必經技術路徑。

非夕科技副總裁胡曉平

趙廣智則在機器人數據采集方面發表了自己的見解，他認為，如何低成本、高效地采集可以在不同形態的機器人之間泛化的真機數據，是目前機器人產業發展中最重要的一環。在運營側，要以真機數據為基礎做模型訓練，同時在機器人出貨和運營過程中不斷產生數據回流。

鹿明機器人聯合創始人趙廣智

同時，具身智能產業的投資熱潮也是近年來市場極為關注的話題，對此肖立表示，機器人產業目前雖然存在一定的泡沫，但這也說明了社會形成了發展人心機器人的共識。在肖立看來，十年后，讓10%的家庭可以先擁有人形機器人是一個值得全產業共同努力的目標。

弘暉基金董事總經理肖立

以下是本場圓桌的文字實錄，經「甲子光年」編輯，在不改變原意的基礎上略有刪改。

1.人形機器人還是協作機器人？落地形態要因地制宜

張麟（主持人）：大家好，首先請各位嘉賓先做個簡單的自我介紹，也介紹一下自己公司的業務。

楊繼峰：我是來自UQI優奇的楊繼峰，我們主要做全場景的無人物流解決方案。通過AGV、無人叉車、無人牽引式的工業移動機器人、室外無人物流車，、物流領域里的人形機器人，我們為汽車、輪胎、3C電子、電池、電商/3PL等行業客戶提供一體化的無人工廠、無人倉和無人配送解決方案。

孟浩：大界機器人是為機器人提供智能系統和工業軟件的公司。我們也是最早一群在數據建模平臺上研究工業機器人具身智能的華人，現在已經在切割、打磨、焊接、裝配等細分場景，落地了非常多的端到端應用和解決方案。

胡曉平：大家下午好，我是來自非夕科技的胡曉平，非夕科技的業務主要聚焦機器人操作能力的提升。大家可以看得到，最近人形機器人在肢體運動方面已經做出了非常多的成果，但是從我們的角度來說，更期待通過技術的升級，能夠讓機器人在手臂操作能力方面，更接近人的靈巧作業能力，從而去賦能各行各業。

所以我們從2016年成立，一直圍繞力控賽道，把機器人手臂的力控能力跟AI技術進行結合，從而實現跨行業的落地和應用。目前我們已經落地了工業制造、食品加工、醫療服務領域，未來理療、康養等場景也是我們的技術落地范疇，希望通過我們的技術，能夠讓機器人真正給人類創造價值，謝謝！

趙廣智：大家好，我是鹿明機器人的趙廣智，鹿明機器人是一家擁有領先數據技術的全棧具身智能公司。我們擁有領先的無本體數采技術，在進行大規模的真機數據采集和模型訓練，同時我們擁有完整的具身智能產品線，在商業化和運營過程中也在不斷積累真機數據。謝謝！

肖立：大家好，我是弘暉基金的肖立。弘暉基金是一家國內一線的雙幣投資機構，主要投資生物醫藥和科技兩個方向，我是負責科技方向的主管合伙人。

弘暉基金這兩年在具身智能和AI硬件方向做了比較多布局，具身智能主要投資了眾擎機器人，我們是在天使輪的時候進入；也投資了千尋智能，我們在第二輪作為領投支持的；同時，我們也在具身智能的關鍵組件和技術方向上進行了布局，如靈巧手、關節模組、仿生人臉等領域。很高興今天能與各位企業家交流合作，謝謝！

張麟（主持人）：我先問兩個關于人形機器人的問題，希望楊總和趙總可以回答。之前市場上普遍認為人形機器人最優的落地場景是“進工廠打螺絲”，但是現在看來這個場景好像并不那么理想，無論是已經落地的機器人，還是前段時間小鵬汽車發布的機器人，都沒有選擇“進工廠打螺絲”這一場景。所以兩位是怎么看待人形機器人落地場景的問題的？

楊繼峰：從我們的角度來講，UQI優奇今天的實踐主要是在搬運和分揀場景上，更多的是把料箱、堆垛、零部件分揀跟物流的任務連起來，還有一些泛化性的分解。

從問題本身去看，在工業或物流體系里，什么樣子的機器人硬件是最佳的，這個問題到現在其實沒有一個明確答案。我們一開始用人形機器人去做，后來也用輪式雙臂去做，但本質上都是希望能夠以更高效、更經濟、更可靠的模式完成對現代工業場景中重復性高、安全風險大的人力勞動的替代。

所以從這個角度來講，輪式雙臂在移動方面的穩定性，精度控制、建模方式的難易程度上都有優勢。

從另外一個角度看，具身智能應該從算法出發，去解決今天工業場景里的問題，比如更難、更柔性化的操作、更低的遷移成本，這些都和它（算法）的硬件載體是無關的。

比如不同類型的工裝夾具不應該被定制，應該被柔性化；分解任務無論用機械臂去做，還是用人形機器人去做，其實都是這一代人工智能算法要解決的問題。

所以總結一下，新本體和新算法，其實都在螺旋上升的過程，企業應該不斷地在今天的工業場景里找到你能做的事情，找到可以更快實現商業閉環的事情。從這一點上來講，“打螺絲”是并不難解決的問題，但用泛化性的算法“打螺絲”是很難解決的問題。

趙廣智：這一代機器人具身的技術，最大的魅力還是在于scaling law（描述AI模型性能隨參數量、數據量和計算量增長而提升的數學規律，通常表現為冪律關系）實現之后，AI模型擁有了泛化性能，能夠解決一些通用性的問題，而不像上一代的機器人技術，在很多的特定場景去做很多定制的事情，這是這一代技術的魅力。

從這個角度出發，首先數據積累是場景落地的基礎。所以對于我們來說，現階段核心的目標還是圍繞著怎么通過場景落地去積累真機數據這件事情。

第二，具體的落地場景可能沒有好壞之分，因為不同的場景各有千秋，通常我們可以分為兩類，一類是工廠和物流這些偏工業性質的場景。還有一類是偏C端消費的場景，工業場景的好處是可以比較結構化，但通常對節拍和準確率的要求非常高。

消費者場景正好相反，場景可能會相對復雜，但是對成功率、節拍的要求沒有那么嚴苛，所以從落地的角度，不同的企業都有不同的選擇，所以很難說哪種是最合適的，大家都在探索。重要的是如何在這個過程中規模化地積累數據。

張麟（主持人）：楊總和趙總從更高的維度解答了我的問題。接下來我想請教一下孟總和胡總，二位業務的實際落地產品，更多應用在協作型機器人上，最近一段時間人形機器人所帶來的浪潮，對二位的業務，或者對產品下一代的開發方向上有沒有影響或沖擊？二位覺得以后市場上人形機器人和機械臂的占比，大概能達到什么樣的水平？

孟浩：我們其實是一家非常純粹的做機器人工業軟件的公司，人形機器人我們也是關注上半身，也就是雙臂機構。其實我們對于人形機器人的出現還是非常興奮的，因為工業機器人非常重，在工廠里面非常占地方，所以現在協作機器人已經慢慢趨于人形姿態了，現在很多人形機器人的雙臂，也都是基于協作機器人來做的。

我們的客戶其實有非常多的需求，尤其是我們現在做一般工業場景，基本都需要柔性制造，對于我們來說，如果在汽車或者3C行業，做標準產品的重復性生產的設備，不叫機器人，叫機床。

我們是最早在仿真CAD的平臺里面研究怎么樣用數據模型圖紙驅動機器人自主識別，然后生成加工策略和執行高精度任務的團隊，只是在那個時候沒有這么強大的芯片和算力，但我們已經能夠通過幾萬個數據，或者不停的生成式設計，在仿真空間里面讓虛擬機器人以“端到端”的方式執行任務了。

我本人其實在這兩年就開始看雙臂機構、看人形機器人，我其實是非常期待的，我覺得有很多場景里面是需要更多的人形機器人、協作機器人、工業機器人協同作業的。比如有些場景是需要人形機器人的，在一些柔性制造的環節，需要工人一只手抓這個，一只手干那個，兩只手的任務還會轉換，這樣肯定是人形機器人的作業效率比較高；在一些輕量級的汽車制造場景里面，其實更需要高速的雙臂協作機器人保證更精準的加工，無論是足式的還是輪式的，都可以讓這個機器人在工廠里面完成多種任務，所以我覺得這里面有非常大的機會。

另外我認為，現在人形機器人在工業和其他行業里落地情況不好主要有兩個原因，第一個是大家還在嗑硬件，有很多人形機器人的企業目前還做不到協作機器人和工業機器人在工廠里的操作精度。

第二個原因是大家也在繼續“做機器人的大腦”，但這個大腦只是讓這些機器人能夠走的穩、抓的起東西，沒有辦法關注細分行業里高級工人所達到的精度、效率、魯棒性。關于這個方面，我們已經做了10年了，所以我們覺得現在是一個非常好的機會，能夠讓我們和人形機器人的企業一起探索工業里的復雜場景，把人形機器人的能力發揮出來。

胡曉平：我們理解人形機器人以及整個具身智能的這一波熱潮，對于所有從事機器人這個行業的人來說都是一個非常好的機會。

實際上產業的發展是先從自動化，到泛化的智能化的狀態，就像剛才幾位嘉賓所分享的，未來我們追求的肯定是智能化泛化能力的提升。但是真正意義上的自動化本身的提升，其實市場還沒有做到非常好，還是有非常大的比例的工作目前只能由人來完成。

所以實際上對于機械臂廠家來說，還是有很大的機會，可以提升自己產品的能力，可以有很多可以去突破的地方。對于人形機器人來說，最終支撐其落地的還是它雙臂操作能力的提升，這同樣需要機械臂性能的充分提升。但純粹做人形機器人的企業可能并不會特別聚焦手臂的能力，這中間有很多壁壘。

非夕科技過去10年一直聚焦在力控能力怎么樣在機械臂得到實現，以及怎樣模擬人的手眼配合來提升機器人操作的可靠性和穩定性。這個是個目前傳統的機械臂的企業和人形機器人企業都不太聚焦的一個賽道，也是我們能夠發揮價值的地方。

我覺得力控雙臂結構能夠有效提升機器人操作的可靠性，能夠為未來具身智能的產品落地提供非常好的通用基座，這也是為什么從今年開始，我們看到了硅谷或者國內有很多做具身智能的企業會買這種力控雙臂作為機器人的硬件基礎，去完成各種操作的原因。

從另外一個維度來說，力控機械臂天然有很多安全優勢，我們未來的人形機器人的落地，安全是不可忽視的一個要素。這方面力控機械臂也是提供了非常好的落地路徑。

最終的市場是什么樣的還需要大家共同探討，但至少從我們現在實踐的角度來說，力控能力是未來人形機器人雙臂操作繞不過去的一條路線，這是我們的一些理解。

2.開放的心態是投資關鍵

張麟（主持人）：謝謝，聽過四位嘉賓的發言后，我想問肖總一個問題。我們能夠發現目前有一些廠商的目標是要做全尺寸的人形機器人，也有的廠商是聚焦于某一套軟件平臺或是某一套雙臂系統的，如果從投資人的角度來看，您覺得這兩種不同的業務方向您更傾向于哪種？哪種在未來有更大的發展空間？

肖立：兩種不同的業務各有價值，我們還是保持一個比較開放的心態。因為我覺得現在機器人整體技術還是在收斂的過程當中，所以我覺得不管是單獨做大腦的團隊，還是更鐘情于機體控制的團隊，以及大腦+本體或者其他各種各樣業務組合的團隊，其實我們都在很開放地去看待。

我覺得最后要形成一個比較好的，真正能泛化在各種場景下，不管是在工廠、在服務端、在家庭端，能好用和多任務的去執行的機器人，需要整個產業鏈努力。所以我們一直是以比較開放的心態去看待產業迭代的，從多種技術路線、多產業的下注。在技術迭代如此迅速的大環境 下，如果要預測一個技術發展的未來，我覺得不是很明智的，包括大語言模型和機器人大模型在內的先進技術，很有可能過幾個月就會發現有些過時了。

所以不同的企業做出來的東西我們盡量要覆蓋全，我覺得一個開放的平臺特別重要。

張麟（主持人）：那我追問一個問題，您剛剛說我們沒有辦法很好地預測技術發展的未來，比如像自動駕駛行業就是一個很明顯的例子。那我們在觀察一個項目的時候，判斷標準或者說價值標準是什么呢？總不能為了覆蓋全而覆蓋全吧？

肖立：我前面說行業終局是看不清的，但是大概的發展階段是可以判斷的。

前面的投資專場我也在聽，投資標準是一個大家經常討論的話題。我覺得萬變不離其宗，最核心的還是團隊，我們要看這個團隊本身具有什么樣的精力和能力，能做成什么樣的事情，尤其是具身智能這樣比較復雜的技術，要看團隊是不是具備相對全棧的技術和能力，甚至要看這個團隊是不是團結，他們的股份分配是不是合理。有的團隊做著做著就會出現創始人要離職的情況，這肯定是不行的，好的創始團隊是企業發展的基礎。

3.執行機構比行走機構更重要

張麟（主持人）：謝謝肖總，我們接下來問題還是聚焦到人形機器人，想問一下楊總和趙總，根據我的觀察，發現目前我們的人形機器人需要克服的技術上的困難還是挺多的，比如行步機構不是很穩定，以及手臂的力控或者柔性皮膚不耐用等。從二位的角度來看，人形機器人市場接下來的一段時間里著重發力的應該是上半身還是下半身？

楊繼峰：我覺得應該是在上半身，至少在工業領域里應該是上半身。人形機器人的核心問題還是在于從場景的角度出發怎么解決工業任務，然后從這個角度出發思考，如果說今天的工業任務能明顯抽象成搬運、分揀，以及一些缺陷檢測等細分動作，就會發現人形機器人解決的并不是一個下肢的移動問題。

當然如果下肢做的非常好，機器人可能并不會局限于簡單的平面移動，而是在一個空間里怎樣轉換自己的姿態。但對比于上半身能解決的具體問題，高超的移動能力更像是一個錦上添花的能力，而非在商業閉環里的必備能力。

如果我要通過升級機器人的上半身來解決一些典型問題，比如從識別到操作、手眼協同，實現方法是依靠精度還是依靠數據驅動？這是機器人上半身下能力提升的一個核心問題。

接下來應該考慮的更深層的問題是，如果機器人依賴精度，那么最后大概率研發人形機器人的解題的思路會走向一個如何用更好的、更可控的、更精細的硬件，再加上構建一個更魯棒性的解方程方法，走向數據驅動的路徑，我覺得人形機器人的發展應該是沿著這條路去實踐的。

張麟（主持人）：趙總有什么想法嗎？如果必須要從上半身和下半身中選一個的話。

趙廣智：說實話我不太愿意按照上半身和下半身這個分類去討論，我覺得我們還是抓住最核心的要素，就是數據和硬件。

數據剛才我已經提到，目前來看具身智能的真機數據規模是非常有限的，如何低成本、高效地采集可以在不同本體之間泛化的真機數據，是一個非常重要的事情，這也是我們現在無本體數據采集技術正在做的事情。

第二個是硬件方面，我認為無論是上肢還是下肢，目前來看大家要解決的都是量產的穩定性和可靠性問題，當然還有成本問題。從這幾個角度來說，我覺得在硬件結構被安裝在上肢還是下肢并不重要，重要的是能夠找到一個機會去規模出貨，然后在這個過程中去錘煉和完善自己的硬件量產可靠性。

張麟（主持人）：關于數據我追問您一個問題，如果把人形機器人和自動駕駛來類比，是不是自動駕駛的數據來源會更容易？汽車在道路上去行駛，所謂不同場景也就是白天、黑夜和道路結構的不同，但是在具身智能產品上，它的不同場景則完全不同，有家庭場景、商超場景、工業場景，這種情況下，可以通過什么樣的方法來大規模的獲取數據，并且保證通用呢？

趙廣智：首先這個判斷是正確的。汽車已經存在100多年了，已經有很多車在路上跑并且產生數據了，但具身智能是剛起步的產業，沒有那么多機器人在實際的商業環境中去運營，所以數據有著數量級的差別，這是毫無疑問的，而且機器人所涉及到的場景會更多。

我們要做的首先是在技術上解決數據采集的效率、成本和泛化的事。其次也要進一步探索怎樣在機器人的實際運營過程中，能夠自動完成數據采集。現在的數據采集工廠，可以解決一部分的問題，但如果想更進一步，最好是在機器人部署的環境中，在運營甚至是商業化的同時采集數據，這可能是每個具身智能公司都想做的事情。

4.機器人產業鏈逐漸完善，產業應用元年已經到來

張麟（主持人）：接下來我想問肖總一些比較尖銳的關于投資的問題。現在有一些機器人公司的估值非常高，頭部的廠商甚至一度傳言估值超過了500億元人民幣。您是怎么看待目前這種機器人公司估值很高的情況的？這里面會有泡沫嗎？

肖立：這是一個很值得探討的問題，根據我們自己的觀察，毫無疑問機器人產業有泡沫，尤其是今年春晚上宇樹科技的產品跳舞以后，很多具身智能公司的估值比春節前都漲了非常多，甚至直接翻倍的都有。

但估值高說明市場形成了高度共識，說明大家有一定的信仰，覺得人形機器人在未來會成為手機和汽車以外的最大的智能終端。

我們希望十年后，10%的家庭可以擁有人形機器人，這是一個值得努力的目標。所以社會和產業的共識，能夠把更優質的資源聚攏到一起，資金也是很重要的資源，具身大腦訓練、算力投入，包括數據采集都會耗費大量的資金，而有了共識就可以推動行業發展。

不過也要注意行業的發展可能是線性或者是穩步的，但是資本是有周期性曲線的，這個過程當中，如果一個團隊跟不上形勢，可能就會被淘汰。

不只是具身智能行業，任何一個行業的規律基本都是這樣，但是我相信技術優秀的團隊、商業化能力比較平衡的團隊，是可以穿越周期的。

張麟（主持人）：謝謝肖總，最后問兩個共性的問題。一個問題給想問各位嘉賓對機器人產業鏈的看法，機器人的發展是依賴于整個產業鏈進步的，不管是軟件層面還是硬件層面的，都會影響機器人產品最終的實際效能。各位覺得目前中國市場機器人產業鏈的成熟度大概是什么水平？如果選擇在某一個方向發力，各位覺得在哪個環節去做突破，能夠最大程度的拉動整個產業鏈升級？

楊繼峰：今天的機器人產業鏈在一個非常早期的階段，任何方向上，如果用五年或十年的跨度看，都有可能做成一個大生意。

我們從芯片開始說起，具身智能產業今天看到了有一些新的芯片企業進入，但具身智能最典型的算法架構現在是什么樣子？我覺得還有很大的發展空間。

從軟件層面來講，今天很多機器人的控制算法還是串行的進程，把全身關節所有自由度放在一個巨大的算法里，但如果對比去看，我們在汽車行業或者工業行業里經歷的那些分布式、可靠性的操作系統層還沒有出現。

再深度去觀察，目前的機器人在算法和數據規模上仍處于特別早期的階段，如果最終解決問題的方式是世界模型，那機器人的物理表征毫無疑問只能從海量的互聯網數據里去學，但今天這種方式就沒有開展過實踐，還是在研究階段。

從硬件的角度上去看，電機、關鍵模組這些暫且不談，深度視覺、非深度視覺現在也沒有很明確的技術供應。所以如果要穿越周期，以機器人最后會成為以百萬計的行業規模來看，無論是硬件、軟件、操作系統、本體、傳感器，以及基于場景的數字化系統，今天看起來還在原點。

孟浩：我們是一家軟件公司，就談一下現在軟件的產業鏈。我們要做具身智能，其實是面向硬件的手眼腦融合，手就有各種各樣的工業機器人、協作機器人、人形機器人廠家，眼睛有各種視覺廠家，現在還有很多大腦、小腦的廠家，但很多硬件公司其實他們的出發點都是想賣更多的本體，也就是賣自己的機器人，所以他們的軟件會相對比較封閉，會做一層窗戶紙。

我們其實在公司發展的10年里面，打通幾十家頭部廠家，作為軟件公司，一是要用更加開放的心態，在細分領域面向軟硬件的產品，形成數據打通和數據閉環。

在工業領域，數據都是很碎片化的，就是因為硬件廠家的軟件比較封閉。當然這個事情其實全球范圍內做的都不好，因為原來工業軟件就是dos系統，所有的大廠的軟件都是工程師版本，數據很難打通，但現在隨著更輕量的軟件架構，我覺得中國市場的產業鏈會有機會彎道超車。

胡曉平：如果把產業鏈分成上游本體和下游應用，從上游來說，零部件的發展速度是非常快的；對于場景應用來說，政府在這一側非常關注，從政策的維度上給與了非常多的政策引導。

但最重要的還是機器人本體的發展，從目前的情況來說，無論硬件還是軟件，發展過程中要真正實現所預期的具身能力，提供產業化價值的，還需要有些耐心，要投入更多的研發加上迭代才可以，這是我的理解。

趙廣智：產業鏈里的很多環節都是有價值的，比如零部件，像我們的一些上游廠商做齒輪、做減速器、做傳感的，都是產業鏈很有價值的環節，但如果從整個具身的發展來看，我始終認為數據才是最核心的東西，這也是我們正在做的事情。

肖立：趙總說的我非常認可，我們最近也在看做機器人數據采集的企業，現在大家也在做訓練，很多大規模的有效數據能夠把機器人性能迭代到很高的水平，可以說數據是非常重要的環節。

同時我們也在看世界模型的可能性，這個技術雖然比較早，但我們還是保持開放心態，產業鏈多環節的參與者要定期交流，可能有些技術路線過段時間會有變化，原來不是主流的會成為主流，所以我認為企業要跟著時代一起迭代向前。

張麟（主持人）：最后一個問題，十年前，也就是2015年的時候，當時市場上就說2015年是人形機器人的元年，十年過去了，到了2025年，依然有人說2025年是人形機器人的元年。各位覺得人形機器元年是不是真的已經到了？如果沒有到，各位認為什么時候才能到？

楊繼峰：從應用角度來講，機器人從產品出貨量上確實有量級的躍遷，但是從算法角度來講我覺得沒有到，只有大規模的物理交互能夠在模型內部做表征的事后，我覺得才是所謂人形機器人的ChatGPT時刻。

孟浩：我們2016年成立公司的時候，工業機器人其實也不具備智能，但現在技術發展越來越快，包括人形機器人在內的機器人形態，已經具備了最基礎的運動和感知能力。

所以站在我的角度，我覺得元年已經到了，無非是怎樣輸出執行力和勞動力，如果要有更高的效率，我覺得還需要大概五年左右的時間。

胡曉平：我從一些展會上其實獲得了很深的感觸。去年的世界人工智能大會在上海，當時的機器人還是八大金剛站在那里一動不動，但今年的世界人工智能大會，以及北京的世界機器人大會，人形機器人已經充滿整個展館，相信接下來隨著技術的發展，這樣的改變會越來越多。如果從量產的維度上來說，我認為人形機器人的元年已經來到。

趙廣智：至少從目前來看，通過數據在具身里面實現scaling law的曙光已經出現了，所以從這個角度來講，我認為是元年已經到了。

肖立：我很認同胡總的觀點。我們之前也去參加了人工智能大會，發現機器人確實比前一年運動狀態好了很多，比較穩定，這也是中國的硬件本體，以及小腦研發的優勢，不管是電機、減速器、關節，這些關鍵機構在國內肯定是有產業鏈優勢的。但是機器人大腦的部分，到底什么時候能做好，我們都很期待。

（封面圖及文中配圖來源：2025甲子引力年終盛典）