炒股的时候，看看金麒麟的分析师报告。本报告权威、专业、及时、全面，将帮助您抓住潜在的专题机会。 2025 年被称为“具身智能元年”。在资本、政策和产业链的配合下，具身智能机器人正从实验室走向工商业，从“一展身手”走向“干活”，有望成长为生产力工具。
今年，业界普遍认识到，机器人从“主动”到“智能”的转变离不开高质量数据的推动，而数据是体现智能进化的“燃料”和基础。 “有机硅生活”不再局限于示范和表演。需要在简单的小场景中“一路种下种子”，走向复杂的大场景。这就是具身智能的道路。一旦企业拥有了较大的GE规模化的量产能力，能否经受住市场的考验，建立起商业闭环，是整个行业必须通过的“成熟度考验”。
风景：鸡蛋产在路上。
从今年开始，让机器人走出实验室，进入特定的制造和服务场景，将其变成功能性的生产力工具，已经成为几乎所有嵌入式智能公司的重要目标。目前，大多数机器人只能执行导航、科教、运输配送等简单任务，体现智能的实现还处于起步阶段。
“目前的人形机器人只是2到3岁儿童的水平，最多是学龄前儿童。”上海启朗智能科技有限公司（以下简称“启朗智能”）所长邓强文在接受证券时报记者采访时表示：“有许多职业是学龄前儿童的。” “你不能直接询问成绩。就像人类学习一样，要先学语文、数学，然后是物理、化学等，一一逐步发展学科，所以机器人的发展也是必要的。“循序渐进。”
作为商业服务机器人领域的领先企业，擎朗智能已在全球部署了超过10万台机器人，尤其是在物流服务机器人等领域。多年的发展。多年来，该公司探索了开发“基于岗位”的嵌入式智能的途径。
邓强文告诉证券时报记者，“发表为主”的策略侧重于单一岗位上的综合工作。以送货机器人为例。最初，这是一个“基础平台+分发功能”。之后又演变为酒店的“四仓布局”、医院的指纹认证和人脸识别、以及“避障”和“即时”工厂“停”了。配送机器人的特性开始逐渐分化。
业界普遍认可的路径是从工业、物流等可控性和容错性高的领域入手，积累真实数据，分阶段落地场景，验证智能在高端家居服务等场景中嵌入的价值。
上海开普勒机器人有限公司（简称“开普勒”）致力于打造驱动智能制造、仓储物流、特种任务等场景的“人形作业机器人”。开普勒全球业务总监刘爱成在接受证券时报记者采访时表示，公司专注于工业级嵌入式智能搬运车，就是要利用嵌入式智能的“大脑”重构工业物流搬运逻辑，从传统的“固定路径、单一功能”转向适应制造的“自主灵活”。荷兰国际集团的情报。满足能源化转型需求，解决汽车制造、新能源电池制造等领域“动态环境适应困难、重载难以精准搬运、多机协同效率低”的核心问题。
他表示，今年开普勒还基于VLA+分层模型实现了精确的语义识别和任务执行。例如，机器人可以发出“搬运2号集装箱”等自然语言指令，并自主完成从环境感知到规划和抓取的整个过程，使其能够快速适应工厂中的不同任务。
与最初进入工商业相比，机器人进入家庭还需要更长的时间。一些企业主表示，这已经过去了大约10年左右。我预计这需要一段时间。其根本原因在于两者之间的本质区别日常生活场景和工业/商业场景。
上海人工智能行业协会外部专家、中国人工智能协会实体智能专业委员会首届委员张晔告诉证券时报记者，工业环境追求精准，但生活中很多任务更需要灵活性。以机器人插花为例，不仅需要抓取精度和执行能力，还需要“灵活操作”，牢牢抓住花枝而不折断花枝。
上海卓易机器人股份有限公司创始人兼首席执行官李庆都告诉《证券时报》记者，该公司的仿人机器人正在为导游、演艺等环境赋能业务闭环。未来我们会走“路上生蛋”的路子，从简单的场景到复杂、高级的场景。所有设计都是根据您的需求而设计的未来的家庭。
“我们攻克的演艺场景侧重于提供情感价值、增强互动能力，并将逐步拓展到健康陪伴、家务劳动等实际家庭需求。”李庆都表示，预计五年内引入高收入家庭规模，嵌入式智能机器人交付数量预计将达到数万台甚至更多。
数据：情报的基础
与最初对硬件和算法的关注相比，嵌入式智能行业普遍认识到，训练数据将是 2025 年及以后机器人从“活跃”变为“可用”的关键，但高质量的数据极其稀有且收集成本高昂。为此，今年各地正在积极建设数据采集工厂和标准化数据集平台，力争通过实际采集、仿真等多种方式，为嵌入式智能机器人“补血”。方法。
李庆都告诉证券时报记者，公司机器人训练的数据来源包括真机数据、综合数据模拟和专业技能数据库。其中，从真机收集数据是最困难的。该公司的方法是将机器人引入真实站点，然后优先考虑独立执行的任务。如果遇到无法处理的情况，我们会远程控制视线之外的位置。这不仅保证了任务的完成，同时也从机器上收集了真实有效的数据。
在李庆都看来，三大数据源可以形成稳定的“倒三角”数据体系。使用模拟合成数据在行业中是常规做法。真实数据可以明确数据边界，并反馈模拟合成数据以提高质量。专家数据对应一个“标准答案”，为机器人的能力设定了很高的标准。
之后通过积累各种d通过垂直领域的强化训练，具有泛化能力的嵌入式智能机器人自然就能诞生。开普勒高级产品经理朱彬彬在接受证券时报记者采访时表示，公司机器人“大脑”的训练主要分为两个阶段。第一个是工业环境中基本通用能力的培训，如果数据的数量和质量符合标准，通常需要六个月到一年的时间。二是分段野外适应训练。例如，当机器人在流程或现场发生变化时，如何快速适应同一套动作。这通常只需要几个月的时间。
邓强文告诉记者：“公司坚持‘工作型’机器人的发展道路，首先要彻底提升一个岗位。比如1000个机器人，已经积累了1000个不同岗位的独家数据。我们积累了足够的数据，结合机器人自身的泛化学习能力。”或许1001号机器人会是一个更智能、更实用、适应性更强的设备。当然，我们只有1000条数据。 “仅靠机器人肯定是不够的。”
量产：大规模测试
行业具备量产能力，这是2025年被称为“实体智能元年”的重要标志。前阵子，致远官方宣布，第5000台万能分身机器人灵犀X2下线量产，宣告开始。致远联合创始人彭志辉表示：“这一成绩体现了公司的大规模分销能力。”几家大公司最近也宣布了大型商用机器人订单——人形机器人。具身智能似乎已经从技术验证阶段走向了大规模实际应用的时代。
最初，该行业发展了大规模生产能力，零部件供应链的普及就证明了这一点。上海奥伊i信息科技有限公司（简称“奥一科技”）专注于机器人手推车。奥意科技首席运营官陈耀在接受证券时报记者采访时表示，公司今年已交付灵巧手产品近5000款，实现出货目标，基本覆盖国内市场150多家仿人机器人企业和200多家终端企业。
不过，人形机器人商业订单的“含金量”也受到质疑。在前阵子举行的2025智元赋智开放会上，有专家坦言，行业需要区分量产是真正的商业需求驱动，还是仅仅是政治补贴和投资热情。如果没有基于实际需求的大规模生产，就很难实现可持续性。如果实施效果未达到预期，买家将停止采购，行业将进入抑郁症。
陈耀告诉记者，明年将是检验量产能力的重要一年。竞争的核心是订单到达时能否接收和交付。该公司已在规划明年上半年的产能。但市场仍存在不可控的风险因素。中间机器人制造商有可能无法跟上产能，无法交付产品，这将间接影响产能公司的订单接收能力。
围绕嵌入式智能机器人在市场层面面临的挑战，邓强文对证券时报记者表示，企业采购机器人是为了增加收入或降低成本。机器人要真正进入市场，计算交易账户的能力将至关重要。许多机器人的售价高达数十万元。这样的成本使得机器人很难制造出“生态”在现实世界的业务场景中，这是“经济的”。“但是，行业必须遵守这条路线。只有不断投入，大量真实现场数据的积累，机器人的作业能力才会越来越稳定，只有达到一定的出货量，才能降低成本，打通业务闭环。”
张晔表示，目前嵌入式智能的发展速度既没有想象中那么快，也没有想象中那么慢，行业还需要经历较长的发展周期。未来社会必然是人与机器共存的环境，人类必须学会更好地利用这些技术和产品。与此同时，关于具身智能的核心技术还存在一些争议，比如VLA是否是机器人“大脑”进化的唯一技术路线。整个行业还处于探索和完善阶段。北京湾区硅谷创新科技有限公司CEO罗军告诉记者，他预计嵌入式智能至少需要10年的发展才能成熟。然而，随着整个社会对具身智能和人形机器人保持宽容和开放的态度，商业化的进程加速。
新浪财经公众号
我们每天24小时播放最新的财经新闻和视频。更多粉丝福利，请扫描二维码关注我们（新浪财经）
