问题——“四肢”更灵巧，“大脑”仍欠火候 各类展会上，人形机器人凭借行走、舞蹈和抓取等动作频频吸引关注。但业内普遍认为，产业能否从“演示”走向“应用”——关键不在外形与运动能力——而在智能系统能否在复杂物理环境中稳定完成理解、决策与操作的闭环。中国科学院院士丁汉在会上表示，人形机器人集成机械、电气、材料与算法等多学科能力，是未来制造与服务的重要载体；但现阶段其实用功能与社会期待仍有差距，通用性、可靠性与适应性仍是必须攻克的核心指标。 原因——“行动智能”底座尚未形成共识，成本与效率矛盾凸显 产业界观察显示，我国具身智能正处在机电系统进展快、智脑系统相对滞后的阶段。上海人工智能研究院智脑创新中心负责人孙博认为，机电与传感等环节的技术路线正在收敛，但“脑系统底座”仍难统一，也是国产化难度最高的领域之一。当前不少系统在泛化、推理与实时性上偏弱：面对复杂场景变化，往往需要频繁依赖大模型“重新计算”，带来算力消耗高、响应延迟大、工程部署成本高等问题。更关键的是，具身智能需要的不是简单“堆算力”，而是面向行动的系统架构，必须把感知、决策、规划与运动控制深度耦合，才能提升稳定性与可用性。 影响——决定产业链价值释放与规模化落地速度 “身强脑弱”的直接结果，是人形机器人难以真实生产生活场景中长期、低成本运行：在工厂装配、仓储分拣、家庭照护、公共服务等高频场景里，系统不仅要“能动”，更要“会做、做对、做久”。如果每一次动作决策都高度依赖大规模计算，能耗与散热压力会增加，硬件与维护成本也会明显上升，进而影响企业采购意愿与商业化节奏。更深层的影响在于：智脑底座不稳，行业就难形成可复制的工程范式与标准体系，生态协同也容易被碎片化方案牵制，进而影响我国在全球新一轮机器人竞争中的话语权与产业主动权。 对策——以类脑分层与记忆机制提升效率，构建自主可控生态体系 围绕如何让机器人从“可展示”走向“可使用”，与会机构提出借鉴生物智能机制，探索更贴近真实世界运行逻辑的系统架构。会上受到关注的“德沃夏克”具身范式超异构架构，核心思路是将生物脑的应激反应等机制映射到软硬件体系，通过“大脑—小脑”分层协同提升实时性与能效：上层负责感知与决策，下层负责运动控制，让部分高频、低时延动作不必反复进行复杂推理，从而降低算力依赖与时延波动。有关负责人以“烫到手会躲开”的应激反应为例：许多动作并不需要完整的逻辑推演，更需要快速、可靠的反应与控制。 同时，引入经验系统与长期记忆系统，被视为提升“举一反三”能力的重要方向。其要义在于让机器人具备持续学习能力：把成功策略沉淀为可复用经验，把失败样例转化为可避险规则，使其在相似场景中减少重复计算、提高任务成功率，逐步形成类似“熟练工”的技能迁移能力。业内认为，这有助于缓解大模型在具身场景中面临的数据稀缺、反馈昂贵与部署受限等问题，为规模化落地提供更可行的工程路径。 在产业协同上，上海人工智能研究院院长宋海涛介绍，研究院联合国内头部企业发起“人形机器人AI软硬件生态融合工作组”，围绕技术趋势研判、标准与评价体系、产学研协同及生态支撑等板块推进合作，目标是打通应用落地的“最后一公里”。与会信息显示，面向国家战略导向，业界正加快推动产业链关键环节的自主可控与协同配套，并同步推进相关国际标准组织建设，提升我国具身智能领域的规则参与度与技术影响力。 前景——从“单点突破”迈向“体系化竞争”，关键在标准、生态与应用牵引 多位专家认为，具身智能的下半场竞争将从单一模型或单一硬件能力的比拼，转向“架构—芯片—算法—数据—标准—场景”一体化的体系能力较量。未来一段时期，人形机器人的突破路径可能呈现三上趋势：其一，智脑将更强调分层控制与多模态协同，以更低成本实现更高可靠性；其二，经验与记忆机制将成为提升泛化能力的重要抓手，推动机器人从“按脚本执行”走向“可迁移学习”；其三，标准体系与生态联盟将加速形成，通过统一接口、评测方法和安全规范，降低企业开发门槛与场景适配成本，推动产品从样机走向规模化交付。
具身智能的竞争，表面看是机器人“更像人”，实质是“更懂世界、更会做事”；围绕“身强脑弱”的阶段性矛盾，通过类脑架构强化实时控制与经验记忆，并以生态协同和标准建设夯实产业底座，有望推动人形机器人从舞台走向车间、从展示走向服务。能否让“硅基大脑”真正学会在现实中积累经验、实现能力迁移，将决定具身智能能走多远、落得多深。