人形不是終極答案,機器人如何真正完成演化?

2025-12-04 | 來源: 知識分子 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

圖源：Unsplash / Possessed Photography

撰文｜劉少山

● ● ●

過去一年裡，我被問得最多的問題之一是：未來的機器人是否一定會走向人形？這一問題在科技界引發了大量討論，其背後其實對應著兩種截然不同的技術哲學，“創世論”與“進化論”。所謂“創世論”，是指只要把某一種機器人形態做到足夠強大、足夠全面，它最終就能解決所有類型的問題。在這種理念中，人形機器人被視為最接近“通用形態”的存在，因此許多公司試圖通過不斷增強一款人形機器人，讓它承擔從搬運、清潔到陪伴、護理的各種任務，仿佛在“創造”一個萬能的技術生命體。

與之相對的“進化論”則認為，機器人應像自然界的生命一樣，根據場景需求不斷分化和演化為不同形態，沒有任何一種形態是預設的終極答案，而是依靠大規模應用帶來的數據、成本、效率和場景適配度來決定成敗。從掃地機器人到倉儲機械臂，從室內移動底盤到外骨骼，每一種形態都在市場競爭和現實約束中經歷“物競天擇”：適應場景和經濟性的形態得以規模化，不具備場景價值或成本優勢的形態則自然會被淘汰。在具身智能逐步走向大規模應用的過程中，我個人更相信“進化論”的道路，它更符合商業規律、技術演化的真實路徑，也更符合這個復雜世界的真實結構。

美機器人巨頭暴雷欠中國代工廠25億元

美國將全力支持機器人行業,特斯拉股價上漲4%

中印邊境中國一側機器人站崗?視頻在印度流傳

01

觀點一：讓一個機器人適應所有場景是線性進化，而多種形態並行演化才是指數級效率

如果從工程和商業的角度冷靜審視，試圖讓單一機器人形態適應所有場景，幾乎注定是一條線性且低效的演進路徑。假設我們希望一台人形機器人同時勝任清潔、烹飪、護理、遞物、整理等完全不同的任務，那麼每新增一個場景，都意味著要額外構建一整套動作庫、采集對應的數據、開發新的感知與決策模型，並通過大量安全與可靠性驗證。這類能力擴展本質上是“串行累積”：每跨入一個新領域，都需要投入巨量工程資源，而且不同場景之間的技能遷移度有限，很難通過某一次突破帶來整體能力的指數級躍遷。現實中，人形機器人在高自由度控制、精細力控和復雜視覺理解等方面仍存在大量技術難題，而在許多具體任務場景裡，人形的結構優勢並不明顯，甚至不如專用機器人高效。這使得“讓一台人形機器人包打天下”在實踐中往往陷入緩慢的線性演進：可以做的事越來越多，但每邁出一步都成本高昂、周期漫長。

反觀現實世界，許多機器人形態已經在各自垂直場景中實現了大規模應用，並沿著自己的賽道高速進化。以掃地機器人為例，經過十多年的發展，全球清潔機器人市場已經形成“數億台級別”的保有量，僅頭部廠商就累計出貨數千萬台。在這樣的大規模基礎上，導航、路徑規劃、避障、地面建模、纏繞處理等能力得到了持續優化，背後依托的是每天在真實家庭環境中產生的海量運行數據，而不是在實驗室中“設計出完美通用形態”。外賣配送和園區/校園配送機器人在中國等地已較為常見，它們在復雜道路結構和高頻任務調度中，快速積累了導航策略、傳感器融合和異常場景處理的豐富經驗。倉儲物流中的機械臂與 AGV 系統，每天在電商和制造企業的倉庫裡執行上億次抓取與搬運操作，形成了極其龐大的動作樣本和失敗樣本，使得抓取策略、路徑規劃和系統魯棒性在幾年內實現了跨越式迭代。

從這個角度看，多種機器人形態在各自高頻場景中並行演化，形成的是一種“生態式”的指數級能力增長。每一種形態都在自己最擅長、最高頻的場景裡快速迭代，通過真實世界持續反饋推動算法和系統不斷優化，而並不需要等到某個“終極形態”完善之後再統一賦能。這種結構性的差異意味著，多形態並行演化比單形態通吃式通用化，更符合技術發展規律和商業規模化邏輯。即便未來不同形態之間會逐漸沉澱出一組“共性能力”，甚至在某些場景中自然收斂為類似人形的結構，那也應被視為規模化進化後的結果，而不是一開始就被寫死在技術藍圖上的答案。具身智能真正的效率和活力，來自一個多物種、多路徑的生態，而不是來自某個單一形態的極限強化。