咱们全国政协委员贺晗说了，得赶紧建立国家级的“人形机器人上岗清单”。他觉得这事儿特别关键。今年啊，2025年了，咱们国家的人形机器人产业发展得真快，企业多、产品更新也快。这两年，大家的注意力已经从机器人能动起来、能表演，转到了它们能不能上岗、能不能干活上。贺晗是天娱数科的董事长，他也参加了今年的全国两会。他说这次主要是关注AI产业的底层基础建设，重点是破解数据和应用场景的难题，让AI不光是在屏幕上看看，还得在真实世界里干活儿。现在这个“具身智能”是个大趋势，“具身智能”把算法能力从电脑屏幕带进了物理世界。比如说制造、物流、安防巡检、应急救援还有养老这些场景，“具身智能”能让机器人变得会感知、能决策、还能动手去做事情。工信部那边也有意见出来了，说要到2027年让人形机器人的技术创新能力更强，供应链体系更安全可靠，形成有国际竞争力的产业生态。到时候呢，产业就会实现规模化发展，应用场景也会更丰富。2026年2月，咱们国家发布了首个覆盖全产业链和全生命周期的国家标准体系。这个体系有六个板块构成：基础共性、类脑与智算、肢体与部组件、整机与系统、应用还有安全与伦理。这就给产业从野蛮生长转向规范发展奠定了一个好的制度基础。贺晗还建议咱们得用“数据、模型、部件、整机、场景、标准”一体化的思路来补齐短板。他觉得要把热闹的展厅变成可复制的工位，把单点突破变成系统胜利。不过呢，现在具身智能发展还面临很大挑战。最大的问题就是“数据荒”，就是说数据碎片化严重，大家都不愿意共享或者复用。不像通用大模型可以用海量的互联网数据来训练，“具身智能”需要大量任务级和过程级的交互数据。收集这些数据太难了，成本高而且标注也费劲。国内各个机构和企业都在各自为战，弄出来的传感器接口和数据格式都不一样，形成了大量的“数据孤岛”。这就导致大家都没有高质量的大规模开源数据集。另外一个问题就是“具身智能”的大脑泛化能力不够强。现在很多企业都是针对特定任务做定制化算法的。这样训练出来的机器人在实验室里表现挺好的，但是一旦到了真实环境里遇到光照变化或者物体多样性就容易出错。还有行业场景牵引不强也是个问题。虽然大家都想让机器人上岗干活儿，但真实需求还没完全挖掘出来。好多地方的试点项目多但规模小。制造、物流、商服还有养老这些领域确实需求很大但落地难啊！经常遇到碎片化、验收标准不一还有预算不足这些问题。政府采购补贴也增加了一些但整体还处于导入期呢。贺晗还提到了同质化竞争和泡沫风险也得注意。标准体系虽然发布了但产业还在“多赛道拥挤、差异化不足”的风险里面呢。要是没有统一标准和公共数据底座的话，可能会出现低水平重复竞争或者价格战。 为了解决这些问题贺晗建议咱们先搞个国家级的“具身数据要素工程”来破局。建几个公共数据底座和统一格式规则。然后支持头部企业和高校联合研发具身通用大模型。“拉动规模化上岗”是必须的啊！建立那个国家级的清单后先选一些收益能算清楚的场景让他们先搞起来。保险担保这些方式降低采购门槛。央企国企当锚定客户带带中小企业。最后还要做强软件栈和开源生态降低重复研发成本啊！开放接口提高协同效率！