人形机器人产业是以仿生人类形态与运动能力为核心，融合人工智能、精密制造、新材料等前沿技术的战略性新兴产业，涵盖本体制造、核心零部件、智能控制系统及行业应用解决方案等全链条。该产业纵贯伺服电机、减速器、传感器、灵巧手等核心零部件研发，中游整合本体设计、运动控制算法及具身智能系统，下游深入工业制造、商业服务、家庭护理及特种作业等多元场景。
作为具身智能的终极载体与通用人工智能（AGI）在物理世界的终极应用，人形机器人不仅是颠覆传统生产方式、缓解劳动力短缺的关键手段，更是衡量一国高端制造与科技创新能力的重要标志，在推动新质生产力发展与全球产业竞争中发挥着不可替代的战略引领作用。
1、人形机器人行业概览
（1）具身智能概述
人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的综合性学科，其核心目标是实现智能 体对环境的感知、认知、决策与交互能力。
人工智能依据智能载体形态划分为“离身智能（DisembodiedAI）”与“具身智能（EmbodiedAI）”，前者以纯软件形 态存在（如大语言模型），聚焦虚拟空间的信息处理与逻辑推演；后者则依托物 理实体，通过与现实世界的动态交互生成智能行为。
具身智能是人工智能与机器人学深度交叉的前沿领域，其核心要义在于强调 智能的产生必须依赖物理实体（“具身本体”），并通过该实体与环境的实时互 动完成感知、学习与适应。具身智能的本质是“交互生成型智能”，通过“感知 —决策—行动—再感知”的闭环回路，在与物理世界的交互中积累经验、优化行 为，实现对复杂场景的自主适配。
具身智能是 AI 走向物理世界的关键体现，它并非单一技术的突破，而是融合了 AI 技术、感知交互、计算存储、通信网络、三电（电池、电机、电控）、 机械动力等多领域技术的综合产物，它让 AI 首次拥有了“实体身躯”与“实时 互动能力”，摆脱了纯软件形态的局限。这种有“身体”的智能形态，不仅能在 真实物理世界中自主完成移动、抓取、操作等复杂任务，更能通过与环境的动态 反馈持续优化决策，成为连接人工智能技术与现实应用场景的核心桥梁，也是推
动人工智能（AI）迈向通用人工智能（AGI）跨越的关键一步。通用人工智能需要理解物理世界的规则，而具身智能正是 AI 感知、适应、改造物理世界的重要载体。从广义范畴来看，未来具身智能将应用于三大行业领域：智能驾驶、智能机器人及低空经济。智能机器人系具身智能最重要的物理载体与应用形态。依据应用场景、运动形态等维度可分为工业机器人、协作机器人、人形机器人、四足机器人、服务机器人、特种机器人等多个品类。不同品类的智能机器人各有侧重，而无论是哪一类智能机器人，搭载具身智能系统后，均能打破传统形态的功能边界与场景限制。在这些智能机器人形态中，人形机器人凭借拟人化的结构设计与全场景适配能力，成为当前技术集成度最高、综合性能要求最严格的智能机器人类型。
（2）人形机器人概述
人形机器人是一种具备人类尺寸、外形特征和行动能力的智能机器人，以双腿行走或轮式底盘驱动为主要的移动方式、通过手臂和身体的协调完成功能，同时能够基于通用型算法和生成式 AI，具备语义理解、人机交互、自主决策等能力。
人形机器人因其仿人结构为具身智能提供了最适配人类环境的交互接口，被认为是具身智能的最优载体，即通过将人工智能 AI 融入人形机器人物理实体，使得人工智能实现与真实世界动态感知、交互、执行的能力。在智能机器人领域中，人形机器人也因所需的人工智能技术及应用泛化度均显著高于其他类别的机器人，被认为是智能机器人的最高级形态。
①人形机器人的结构
人形机器人主要由“大脑”“小脑”“本体”三部分组成，其中“大脑”负责实现环境感知、人机交互等功能，目前主要是基于人工智能大模型技术提高人形机器人的智能水平。“小脑”负责控制人形机器人的运动和操作，目前主要是基于运动控制算法、机器人底层操作系统等技术，实现各种环境下的运动控制。“本体”则负责实施各项运动，集成人体动力学、机械结构设计、新材料、传感器等诸多技术，包括仿人机械臂、关节、灵巧手、腿足等关键结构，并通过集成传感器和续航动力单元，实现感知、结构、能源一体化。
从功能模块角度，人形机器人“大脑”主要包含环境感应模块、信息决策模块，“小脑”主要包含运动控制模块，“本体”主要包含动力模块和躯体结构。
②人形机器人的分类
A、从人形机器人的尺寸、功能应用和目标场景的角度，一般可分为全尺寸人形机器人、中型人形机器人和小型人形机器人。
全尺寸人形机器人，通常指身高与人类平均身高相仿的人形机器人，一般身高设计在 1.5 米以上，目标为适配人类大部分生产生活场景提供服务。全尺寸人形机器人具有较强的运动性能和较高的负载能力，设计目标是为能够执行相对复杂的任务，如工业生产中的货物挑拣、搬运、产线装配等。
如果设计功能能胜任多种场景的任务，如工业生产、商业服务和家庭服务等，则称为通用人形机器人。目前行业内全尺寸人形机器人的代表有特斯拉的擎天柱（Optimus Gen2）、FigureAI 的 Figure 03、宇树科技的 H2、智元创新的远征 A3、优必选的 Walker S2 和发行人的夸父（Kuavo4pro、Kuavo5）等。
中型人形机器人，通常指身高在 1.0-1.5 米之间的人形机器人，身高略低于人类平均身高，具有一定的运动能力和负载能力，目标功能主要用于科研教育、商业表演等场景。目前行业内中型人形机器人的代表有宇树科技的 G1、智元创新的灵犀 X2、优必选的 walker X、发行人的 Roban2 等。
小型人形机器人，高度通常在 1 米以下，主要特点是体型小巧、灵活轻便，成本相对较低。小型人形机器人一般用于人工智能编程教育，根据运动控制的编程要求高低，可适用于初、中、高级教育。目前行业内代表性小型人形机器人有优必选的 Yanshee、鲸鱼机器人的 H1、幻尔科技的 TonyPi、乐聚智能的 Aelos和 Roban 等。
B、从人形机器人的移动方式的角度，一般可分为双足人形机器人和轮式人形机器人。
双足人形机器人是采用仿生双足设计，通过双足行走来实现移动的机器人。双足人形机器人具有完整的类人身体结构，包括头部、躯干、双臂和双腿，能够完成各种复杂的动作和任务，具有高度的灵活性和适应性。双足人形机器人的技术难度较高，主要技术挑战在于平衡控制。双足动态平衡对实时计算要求极高，需要精确控制每个关节的角度、速度和力量，以保持身体的稳定。双足人形机器人可适用于非结构化环境，应用环境一般比轮式更广泛。前文列举的实例均为双足人形机器人。
轮式人形机器人是一种混合形态机器人，其设计融合了人形上半身（包含头部、躯干、双臂和双手）与轮式移动底盘。这种设计允许机器人在保留人形操作灵活性的同时，通过轮式运动实现高效、稳定的移动。轮式人形机器人更适合在结构化环境中工作，充分发挥其高效移动和稳定操作的特点，且轮式人形机器人技术难度相对较低，在结构化环境中使用更具经济性。
（3）人形机器人行业的发展历程
人形机器人具身智能的发展主要经历了萌芽探索阶段、集成发展阶段、高动态发展阶段、智能化发展阶段四个阶段，具体如下：
①萌芽探索阶段（20 世纪 60 年代末至 90 年代）
该阶段主要特点是基本实现双足行走功能和控制能力，以日本早稻田大学为代表，开发了 WAP、WL、WABLAN、WABOT 等一系列机器人，初步具备了拟人化的结构，但整体上运动能力较弱。
②集成发展阶段（21 世纪初至 2010 年）
该阶段以感知和智能控制整合为主要特点，以日本本田公司的 ASIMO 系列机器人为代表，机器人具备了初步的感知系统，能够感知周围环境的基本信息，并根据感知输入作出简单判断并调整动作，其 ASIMO2000 机器人不仅外观类人，还能预测未来动作并主动调整重心，实现转弯时的流畅行走。
③高动态发展阶段（2010 年至 2022 年）
控制理论和技术的进步提升了机器人的认知能力，使其能够独立、稳定的执行复杂动作，且此阶段人形机器人已具备较强的运动能力。如本田公司的升级版ASIMO 机器人采用电驱动技术路线，并通过整合视觉和触觉物体识别技术，能够精确完成抓取物体和倒液体等精细任务。波士顿动力的 Atlas 机器人采用液压驱动技术路线，能够在具有挑战性的场景中保持平衡并实现高动态运动。
④智能化发展阶段（2022 年至今）
在人工智能技术的赋能下，机器人具有了更智能化的感知、交互和决策能力，成为具身智能的重要载体。同时电驱动成为人形机器人“肢体”运动的主流技术路线，实现了更加精准的行走和操作，并提高了研发迭代速度。如特斯拉的Optimus 机器人，基于人工智能技术和自研 FSD（全自动驾驶）芯片，通过端到端的神经网络模型实现任务级和动作级的决策，以及复杂环境中物体、人脸和手势等识别，同时，通过全身压力计算和实时反馈机制，使机器人的四肢运动更加灵敏，能够实现流畅和自然的动作。
经过发展和技术迭代，在巨大的潜在市场需求牵引及人工智能技术深度赋能的带动下，人形机器人具身智能已进入技术集中突破和规模化商业应用逐步拓展深入的关键发展阶段。
2、人形机器人下游应用场景
人形机器人已有和潜在的应用场景包括科研教育、商业服务、数据采集、工业制造、家庭服务等领域，具体如下：
（1）科研教育
在人形机器人发展的初期阶段，产品功能性、可靠性存在较大进步空间，商业化应用场景尚未清晰成熟，整个行业也未进入工业化大规模批量生产阶段。在此阶段，软件算法迭代优化、核心硬件性能突破、场景应用落地等行业发展的各类关键问题有待破解。基于行业前景的乐观估计，以及抢占前沿技术高地、开展核心课题研究的需求，诸多企业和科研院校会采购行业内技术领先、具有代表性的人形机器人，用于基础理论研究和技术攻坚，从而产生科研教育的应用场景。
人形机器人在高等院校、科研院所作为科研教具使用，为研究者提供可编程、可拆解、可二次开发的开放式验证平台，尤其是面向高端科研需求的人形机器人往往搭载多模态传感器、高算力主控芯片，通过高精度仿生关节与实时力学反馈系统，不仅能够完整复现人体动力学模型，还可支撑双足步态规划、复杂环境感知、人机协同决策等前沿算法的验证与迭代，成为连接理论研究与工程实践的有效载体。
小型人形机器人凭借成本可控、操作简便、适配性强等优势，也已成为教育场景中覆盖全学段需求的优质教学工具——在基础教育与科普教育场景中，根据中小学的各阶段学生的认知水平，设计出适应的硬件结构、编程与开发模式，在互动实践中培养学生的编程思维、机械原理认知与科技创新兴趣；在职业教育阶段，小型人形机器人可模拟工业场景应用的基础功能，用于机电控制、运控调试、机器人编程等技能培训。
科研教育场景并非人形机器人未来的主流商业化场景，但在技术成熟度提升、商业化路径探索的重要过渡期间，其阶段性主力地位也颇为显著。在此场景的应用过程中，人形机器人产品集各家之长，形成良性竞争，促进硬件和软件技术进步、功能逐渐完善；同时，创业初期的人形机器人公司可凭借科研场景的商业化成果，实现收入和资金流入，支持技术和业务的可持续发展。科研教育场景的深度应用，可调动全行业智力资源，推动核心算法迭代和硬件性能升级，为多场景应用的纵深拓展提供技术基础；该场景培养的专业人才也为行业持续发展提供智力支持。
因此，科研教育场景存在具有现实必然性，是人形机器人行业技术发展和商业化探索过程中的必经阶段。
（2）商业服务
在具身智能大模型技术持续提升人形机器人人机交互能力的背景下，人形机器人已在商业服务领域逐步落地。目前商业服务人形机器人主要应用在特定环境下的迎宾接待、导览讲解、互动娱乐等场景，此类场景环境复杂度低、任务流程标准化程度高，对人形机器人的运控精度和鲁棒性要求不高，且部署周期短、运营成本可控。人形机器人现阶段的运动性能、感知能力等能够匹配上述类别商业
服务应用，商业服务领域已成为继科研教育场景之后出现的具有一定规模的商业应用场景。目前国内主要人形机器人厂商已实现产品在展览展厅、商超酒店等商业服务场景的应用。
然而，现阶段人形机器人在该领域应用整体上仍然存在阶段性瓶颈，主要表现在功能较为单一、跨场景泛化能力相对不足，以致下游客户分布分散，商业订单多以小批量、定制化为主，未能形成规模化放量。
从未来发展来看，商业服务场景市场空间的拓展，还需具身智能模型持续升级，通过融合更强的环境感知、意图理解与自主决策能力，突破现有局限，逐步拓展至酒店智能接待、展厅智慧导览、零售门店服务、餐厅自动送餐、仓储货架分拣、商品配货等需求量更大、品类更丰富的商业场景，实现更广泛的规模化应用。值得关注的是，现阶段行业内人形机器人数据采集中心逐步投入运营，有望通过复刻标准化场景、采集高质量真机数据，持续升级运控和感知能力，提升人形机器人对多样化场景的适应性，加速在商业服务场景中的泛化应用。
（3）数据采集
数据采集的应用领域源于具身智能模型训练的需求。数据训练对于人形机器人发展的重要性具有深刻的底层逻辑——人形机器人是“在真实非结构化物理环境中自主完成类人任务”的智能工具，其自主作业能力的实现，高度依赖 AI 大模型能力。而无论 AI 模型的框架和范式如何，其“输入—输出映射关系”的建立，都离不开海量数据训练的支撑。
模型训练的数据来源可分为互联网数据、仿真数据与真实世界数据三大类，人形机器人的物理实体属性，以及需适配多样化真实场景的任务目标，决定了互联网数据与仿真数据不足以支撑人形机器人对丰富广泛的物理规律的学习，因此，构建大规模、高质量、跨场景的真机数据生态，是人形机器人走向实用化、落地多样化场景的关键路径。
真机数据的采集可分为企业自主采集与产业化集中采集两大模式。企业自主采集是人形机器人研发初期的主流数据来源，企业在自有实验室、试点场景中，通过真机测试自主完成数据采集，具有明显的量小且分散的特征。因场景覆盖局限、数据质量不稳定、效率低成本高等弊端制约，企业自主采集难以满足人形机器人行业发展所需的高质量海量真机数据的需求，在此背景下，以数据采集中心主导的产业化采集模式便应运而生，其优势表现在：
①场景覆盖广：集中化场景搭建可覆盖跨行业、跨领域的核心场景与长尾场景，为模型提供多样化的数据分布。
②质量控制统一：建立标准化的数据采集生产体系，提升数据合格率，确保数据高质量与可用性。
③高效低成本：规模化采集形成显著的成本效应，可降低数据采集成本，同时通过多机器人并行作业，采集效率大幅提升；
④数据生态共享：通过“政产学研用”协同模式搭建数据共享平台，实现数据的有序流通与复用，既避免重复采集造成资源浪费，又能通过数据交易或开源共享等方式，推动全行业技术迭代。
因此，成体系、规模化、产业化的数据采集，将成为人形机器人产业迈入规模化发展阶段的核心数据来源，甚至将成为行业发展的核心基础设施，贯穿人形机器人技术升级迭代、场景深入拓展、商业化落地深化等整个行业发展周期。这种产业化采集模式一般是由政府、企业、科研机构协同共建的专业平台——数据采集中心，主要通过人形机器人在模拟场景中作业，实现真机数据的集中化、标准化采集生产。
目前，国家层面也为人形机器人数据采集与生态建设提供了明确的政策指引与支持。2025 年 8 月，国务院发布《关于深入实施“人工智能+”行动的意见》中明确，“以应用为导向，持续加强人工智能高质量数据集建设。完善适配人工智能发展的数据产权和版权制度，推动公共财政资助项目形成的版权内容依法合规开放。鼓励探索基于价值贡献度的数据成本补偿、收益分成等方式，加强数据供给激励”，给予了数据集建设明确的政策指引。
2026 年 1 月，工信部联合八部门发布《“人工智能+制造”专项行动实施意见》提出，“推动具身智能产品创新，建设人形机器人中试基地和训练场，打造人形机器人标杆产线，在典型制 造场景率先应用”，明确了建设人形机器人训练场的重要意义和发展要求。2026 年 3 月，《国民经济和社会发展第十五个五年规划纲要》发布，提出对于具身智 能行业，“统筹布局具身智能实训场，推进虚实融合的协同训练与进化，深入研 究物理人工智能，研发大小脑一体化的具身模型与算法，攻关本体及核心零部件 等关键技术，加速人形机器人等各类形态产品升级和应用落地。”
在国家政策的指引下，2025 年以来，我国各地方政府开始加速推动人形机器人数据采集中心建设，积极打造区域性的人形机器人数据采集产业。
根据公开信息，目前还有多个地方政府正在招标采购人形机器人，规划建设数据采集中心。随着更多区域数据采集中心的投入运营，全国性的人形机器人数据采集生态网络有望逐步形成，成为支撑人形机器人行业发展的基础设施，为具身智能大模型的持续迭代提供坚实的数据保障，加速推动人形机器人在全场景的商业化落地。
国内此类数据采集中心普遍采用地方政府主导、人形机器人厂商协同的建设和运营模式，通过搭建产线、酒店、商超等典型的 1:1 模拟场景，部署人形机器人开展标准化日常任务，系统性采集真实物理约束下的多模态、高质量数据。
作为聚焦应用场景的人形机器人数据采集专业化平台，数据采集中心服务对象覆盖机器人本体及具身智能大模型厂商、科研院所等多元客户群体，以数据产品销售与训练设施租赁为主要业务。数据采集中心一方面可为下游客户提供标准化训练数据集，也可开放场地与设备供客户自主采集生产经营所需的定制化数据；另一方面，采集的海量数据可反哺人形机器人所使用的模型迭代升级，最终形成“数据采集—商业变现—模型优化—数据质量提升”的闭环飞轮效应，驱动产业生态持续健康发展。
（4）工业制造
人形机器人应用于工业制造领域，是社会规模化生产从“结构化自动化”向“非结构化自主化”跨越的必然选择，有望成为破解工业生产全自动化“最后一公里”难题的最有效路径。
现代社会生产一直在追求自动化和智能化，以期持续提高生产效率。在此过程中，各生产主体在标准化作业场景中已实现自动化生产设备以及工业机器人、协作机器人的规模化使用，而非结构化、高动态、多任务协同的作业场景则成为企业实现全面柔性制造的核心瓶颈和全自动化生产最后的“盲区”。人形机器人恰好能凭借全域移动能力、全向灵巧操作能力、多模态环境自适应能力填补这一空白。人形机器人在工业场景普及和应用，与工业机器人、协作机器人协同合作、融合互补，将成为完成工业生产全流程的自动化、智能化闭环的关键步骤。
汽车制造和 3C 制造，均是以生产规模大、制造工序长、成本敏感度高为显著特征，系人形机器人应用解决行业“痛点”的代表性行业。尽管多年来，两大行业在持续推动自动化升级，但部分环节因传统的自动化设备难以触达，依然保留明显的劳动密集属性，自动化和智能化程度明显偏低。
在汽车行业，目前冲压、焊装、涂装车间自动化率已超 90%，但总装车间（如仪表盘装配、线束插接、电池包柔性装配、SPS 分拣等工序）人工占比依然较高。这些工序受多车型产品混线、狭窄空间操作、物料繁多等因素制约，传统自动化手段难以解决。在 3C 行业，目前精密零部件制造、CNC 加工、贴片焊接等环节自动化率超 80%，但终端装配（手机屏幕贴合、SMT 上下料等工序）和质检环节依然高度依赖人工。这些工序面临电子产品迭代快、部件微型化、多规格混线的挑战，传统自动化手段存在局限。
人形机器人的技术特点和产品属性恰好能解决上述行业“痛点”，完成工业生产全流程自动化最后一环。具体来说：
①全域移动能力和全身自由度设置，使人形机器人突破空间限制，自主抵达目标场景。轮式人形机器人，适用于平坦地形作业，兼顾场景实用性和经济性；双足人形机器人具备更强的地形适应能力，能够灵活穿梭于狭窄通道、非平整地面等传统机器人难以触及的区域，实现跨工位、全场景的作业覆盖。
②全向灵巧操作能力，突破任务限制，实现多任务自主执行。通过增设自由度及优化自由度布局，赋予人形机器人全向操作能力，结合视觉感知、力控感知等技术，使其自主决策完成装配、分拣等多种操作任务，适配从微型零部件到大型组件的多样化作业需求。
③跨场景适应能力和泛化能力。通过模仿学习、强化学习，快速适应新场景，掌握新作业流程，大幅降低调试与换产成本，适配高频次工艺切换需求。
人形机器人的技术优势与工业生产自动化升级的需求形成高度匹配，催生了行业刚性应用需求，而工业领域的市场需求量庞大，可以预见，未来工业场景将成为人形机器人最主要的应用场景之一。
当前国内外主流人形机器人厂商正加速布局工业场景，积极开展在工业场景的探索和应用尝试。一方面，将人形机器人直接部署在实体工厂现场作业，通过实际生产场景完成技术与产品的实地验证，持续优化作业能力；另一方面，在数据采集中心复刻标准化生产场景，系统性获取高质量真机数据，升级运控和感知能力，提升人形机器人对多样化场景的适应性，加速在工业场景的泛化应用。特斯拉人形机器人（Optimus Gen2）在其超 FigureAI 人形机器人（Figure02）在宝马工
（5）家庭服务
家庭服务场景，将成为人形机器人应用数量最多、覆盖范围最广、市场容量最大的领域。人形机器人的技术特性与物理属性，决定了其有望成为家庭服务场景最具通用性与适配性的智能工具。全球老龄化进程持续加速，家庭劳务缺口持续扩大，传统家电及专用服务机器人（如扫地机器人、清洁机器人等）仅能完成单一、固定任务，而具备强泛化能力的人形机器人具备多任务集成的能力，匹配家庭“一站式服务”的核心需求。例如，面向独居老人群体，人形机器人可同时实现服药定时提醒、跌倒智能监测、日常情感陪伴、家务辅助执行等复合功能，这项综合服务能力，是任何单一功能专用设备都无法替代的。
家庭场景用户需求呈现高度的广谱性与多样性：从儿童教育陪伴、成人家务减负、病患康养护理、老人健康照料，不同年龄层、不同家庭结构的用户均存在明确且差异化的需求。家庭任务的“碎片化、非结构化、多类型”特征，对人形机器人提出了通用感知、智能决策、灵活执行的全方位能力要求；而家庭场景的独特性，还在于其不仅需要机器人完成物理层面的服务任务，还需满足自然交互、情感陪伴的深层需求。人形机器人的类人形态设计，结合面部表情模拟、自然语音交互等技术，更契合人类的社交认知习惯，能够实现更高效的沟通与互动。这些优势，是受形态限制的专用服务机器人难以比拟的。
家庭服务场景的需求特性，对人形机器人的运行稳定性、环境适应性、任务泛化能力、人机交互能力提出了极高要求。随着多模态感知、AI 大模型智能决策、全身运动控制、智能灵巧手等技术发展和产品迭代，为人形机器人实现多样化生活服务提供了可行性。可以预见，未来一旦人形机器人的能力可以满足家庭场景的大部分需求，且成本降至大众可接受范围，其将快速走进千家万户，迎来海量市场需求的爆发。当前全球主流人形机器人企业也均将具备家庭服务能力的
通用型人形机器人列为中长期发展目标，持续进行研发投入并积极开展应用探索。但基于家庭服务人形机器人的技术复杂性，同时考虑成本、安全、隐私等进入家庭所无法避免的因素，人形机器人产品规模化进入家庭服务场景仍需较长的技术迭代与市场培育周期。
（6）其他领域
随着人工智能技术的持续迭代与深度赋能，人形机器人的应用边界将进一步拓展，深刻重塑人类社会的生产组织模式与生活服务形态。除上述主要的应用领域外，人形机器人的核心价值还体现在高重复性、高危险性劳动场景的人力替代上，可广泛覆盖消防救灾、电网巡检、应急救援、安防巡逻等传统人力难以胜任或风险极高的领域，这些领域属于有别于常规场景的特种场景。
特种场景对人形机器人的环境适应性、任务可靠性、极端工况耐受能力提出严苛要求——不同于常规场景的温和环境，特种场景中常面临高低温、易燃易爆、高空作业、复杂地形等极端条件，而人形机器人凭借类人运动结构、多模态感知能力与自主决策体系，能够深度适配此类复杂环境的非结构化场景，展现出专用设备或一般服务机器人难以比拟的特殊场景执行优势。例如，在工业园区运维中，人形机器人可替代人工进入有毒害、高电压等风险区域，完成设备巡检、异常排查等任务；在消防救灾场景中，可深入火场核心区域，实现火情探测、被困人员搜救等高危作业，大幅降低人员伤亡风险等。
当前，特种场景应用整体仍处于技术验证与试点部署阶段，但基于工业安全的需求与高危岗位人力替代的压力，其远期市场空间与商业潜力同样较大。全球主流机器人企业在布局常规场景的同时，也已将特种场景的专用人形机器人列为重点研发方向，推动技术迭代与应用落地。2025 年 11 月，乐聚智能联合南方电网、中国移动、北京通用人工智能研究院，发布首个基于 5G-A 网络人形机器人在真实电网环境下的应用示范
（7）应用场景之间的关系
人形机器人的各类应用场景并非孤立存在、独立发展，而是呈现“技术迭代互哺、场景梯度落地、市场分层拓展”的协同关系，共同构成从技术验证迈入规模商业化阶段的完整产业生态。科研教育是技术孵化池，商业服务是场景练兵场，数据采集是能力基石，工业制造是大规模商业化起点，家庭服务是最大规模市场，特种场景是高价值补充。
科研教育场景的深度应用，调动全行业智力资源，推动核心算法迭代和硬件性能升级，为多场景应用的纵深拓展提供技术基础；同时，该场景培养的专业人才，为行业持续发展提供智力支持。
商业服务场景兼具技术验证与商业造血双重价值。前期为人形机器人提供多样化的场景演练，助力企业积累人机交互经验与运营数据，同时带来持续的现金流，支持企业可持续经营；后期则可依托机器人任务泛化能力的提升，实现场景深入与拓展，推动市场规模快速扩张。
数据采集是所有场景落地和边界拓展的核心手段，将贯穿场景深入和拓展的全过程，是数据驱动技术迭代、技术赋能场景拓展的关键环节。
工业制造是人形机器人商业化进程中至关重要的核心场景，更是其迈入大规模商业应用的标志性起点，是商业化进度跨越式突破的关键跳板。在工业场景的规模化部署中，人形机器人的运行稳定性、作业可靠性及成本控制能力将得到极致检验与全面提升，积累的技术成果可快速迁移至商业服务与家庭服务等领域，大幅加速相关场景的应用拓展与深度渗透。与此同时，工业场景的商业化收益，也为家庭服务等长周期研发方向提供充足的资金支持，并为全行业的降本增效探索提供实践路径。
家庭服务场景作为规模最大的应用场景，是人形机器人产业发展的长期目标，其海量市场空间将成为技术价值与商业价值变现的最终落脚点，家庭服务场景的落地进度是衡量人形机器人产业成熟度的核心指标。
特种场景对极端环境适应性、高可靠性的严苛要求，将倒逼核心技术实现突破性进展，而这些技术成果可进一步下沉至商业、工业、家庭等常规场景，全面提升全场景产品的性能上限。
结合应用场景之间的协同关系和产业发展逻辑可见，现阶段率先实现工业场景应用突破的企业，有望凭借技术积累的先发优势、应用导向的经验积累、商业化的资金闭环能力，在行业竞争中构建核心壁垒，在工业场景大规模应用中抢占发展先机，并顺势切入未来家庭服务的海量市场，获取更大的市场份额与收益。
3、人形机器人行业市场规模
目前，人形机器人行业已顺利度过前期基础技术积累的培育阶段，行业发展重心逐步从技术研发转向市场化落地和商业价值挖掘，2025 年被普遍认为是行业商业化元年，全行业人形机器人出货交付量大幅增加，已经从“千台级试点”步入“万台级商用”的阶段，形成数十亿元级规模的市场。在全球人形机器人企业的发展和竞争格局中，中国企业凭借本土化产业链优势、高效的技术研发与转化能力、多元丰富的场景优势，商业化落地效率领先全球，成为全球行业发展的核心驱动力，也因此占据了全球人形机器人市场的主要份额。
随着技术持续迭代与产品性能不断优化，人形机器人下游应用场景持续拓展和深化，行业将迎来快速增长期。人形机器人的核心功能与人类社会生产、生活的两大核心活动高度契合，呈现明显的刚需产品属性——在生产端“打通最后一公里”，在生活端“填补服务空白区”，人形机器人潜在的需求空间极为广阔。随着核心技术迭代和关键部件升级，叠加成本持续下行、场景应用纵深拓展，行业有望实现从“万台级起步”向“百、千万台级普及”的跨越，复刻汽车和消费电子的普及路径，逐步走入千家万户，成为以亿台计的超级市场。
根据 IDC 发布的《Worldwide Humanoid Robotics MarketAnalysis 2026》（世界人形机器人市场分析 2026》）的数据，2025 年全球人形机器人出货量约 1.8万台，市场营收规模约 4.4 亿美元，较上一年同比增长约 508%，其中，中国厂商在全球人形机器人市场中占据主导地位。
根据 Counterpoint Research 在其官网发布的报告，2025 年全球人形机器人装机量约 1.6 万台，中国市场占比超过 80%；同时预测，到 2027 年，人形机器人累计安装量将超过 10 万台。
根据北京赛迪出版传媒有限公司与中国电子报联合发布的《2025 年人形机器人市场研究报告》，2025 年全球市场人形机器人出货量约 1.7 万台，市场规模达 28.8 亿元；中国人形机器人企业出货量约 1.44 万台，占全球总出货量的 84.7%，中国相应的市场规模达到 15.5 亿元，占全球市场规模约 53.8%。
整体来看，人形机器人行业已完成基础技术积累并迈入商业化关键阶段，2025 年的行业突破进一步印证了其商业化落地的可行性，中国企业凭借全产业链、技术转化和场景落地的多重优势，在全球竞争中占据核心地位，成为推动行业发展的关键力量。展望未来，随着技术升级、成本下降与场景拓展，人形机器人的市场规模将持续扩容，根据市场机构预测，2035 年前后有望在全球范围内形成千亿级规模的市场。
4、人形机器人行业现状及发展态势
（1）应用场景持续探索和拓展，商业化进程加速
在人工智能技术持续发展、算力基础设施加速完善的趋势下，人形机器人在2022 年后迎来快速发展期，国内外企业在运动控制算法、多模态大模型和硬件结构等核心领域持续探索突破，推动行业快速发展。总体来看，在行业产品的初代阶段，人形机器人以科学研究为主要落地场景，客户主要是从事人形机器人相关软硬件研究的高校和科研机构，随后逐步渗透至结构化程度较高的特定商业服务场景。
在技术发展和场景应用需求的双重推动下，国内外部分主要企业平均以每年一次的速度进行产品迭代，目标指向工业生产的应用场景，加快在工业场景的探索和应用尝试。譬如，特斯拉通过官方渠道展示其旗下 Optimus Gen2 在汽车超级工厂内以“正式员工”身份自主完成领取工牌、分拣电芯及搬运物料等任务；FigureAI 亦在官网宣称其旗下 Figure 02 在宝马工厂实现了连续 10 个月的金属板装载作业；乐聚智能成功将 Kuavo 4pro 部署于一汽工厂的 POC 项目，进行料箱搬运和 SPS 拣选等场景验证。
此外，国内各级政府纷纷出台具身智能、人形机器人相关产业支持政策。在真机数据对行业技术发展、产业生态演进的重要作用日益凸显的背景下，2025年以来多地政府建设人形机器人数据采集中心，并将其作为行业发展的基础设施开展运营。数据采集中心成为人形机器人行业新的市场采购力量，不仅在产业链创造了增量市场空间、激发了市场活力，也从数据供给侧激活产业创新活力，加速人形机器人技术发展及在更广阔市场的场景落地应用。
随着运动稳定性、灵活度、负载能力、感知能力等方面的提升，人形机器人在多种应用场景持续探索，在科研教育场景之外，目前也已逐渐进入商业服务、数据采集、工业制造等更多领域，行业覆盖面持续拓宽，商业化订单数量也随之增加。从国内主要厂家公开宣告及行业公开的中标信息来看，2025 年人形机器人行业订单数量与订单规模均有大幅增加。2025 年被普遍认为是人形机器人行业商业化“元年”，期间行业的各项突破为后续发展奠定了坚实基础。随着技术进步和场景应用探索的深入，未来商业化进程有望持续提速，迎来规模化发展新阶段。
（2）生产成本持续降低，行业量产推进加速
2019-2023 年，人形机器人行业整体处于研发攻坚和小批量试产阶段，由于核心零部件缺乏规模化生产支撑，全球人形机器人厂家普遍面临零部件成本较高的问题。对于国内人形机器人厂家来说，该阶段伺服电机、精密减速器、六维力矩传感器等核心零部件高度依赖进口，进一步推高生产成本；叠加初期研发成本较大，企业运营成本居高不下，一定程度上阻碍了人形机器人的商业化和产业化进程。
得益于我国完备的工业基础和齐全的产业链体系，人形机器人核心零部件具备良好的发展基础。2024-2025 年，国内供应链相关企业与人形机器人厂商深度协同，在关键零部件研发与选用、软硬件整合、本体设计以及应用场景开拓等方面实现突破，基本上打破供应链上游核心零部件的进口垄断格局，同时下游需求增加开启量产规模效应，使得成本大幅下降。乐聚智能的夸父系列 Kuavo4pro 和Kuavo5 产品的主要核心零部件已经基本实现国产化，同时，公司深度参与关节及结构的精密设计与改进，硬件成本从开发之初的百万元级下降至现阶段的十万元级。
从行业主要厂家的产能和出货量来看，2025 年相比 2024 年均有大幅增加，2025 年被普遍认为是人形机器人行业的产业化“元年”。未来，随着技术持续迭代升级、生产成本进一步下行、应用场景不断开拓，预计人形机器人行业量产进程将持续加速。
（3）行业技术体系逐渐完善，全栈技术布局构建竞争壁垒
人形机器人的技术竞争已从单一环节突破转向全栈体系化比拼，头部企业正构建涵盖运动控制、硬件结构、感知决策、人机交互等多维度的核心技术体系，推动行业持续向前发展。“大脑—小脑—本体”的全栈技术布局成为头部企业构筑竞争壁垒的关键。
在运动控制领域，企业通过迭代步态规划算法、优化关节驱动方案，持续提升人形机器人的运动稳定性与环境适应能力，夯实多场景商业化应用基础。运动控制技术的成熟，需长期的技术积累与丰富的真机实测验证，是行业企业核心竞争力的重要基石。硬件层面，在产业链协同发力下，核心零部件加速技术迭代与国产化水平提升，性能亦稳步提高，有效带动整机综合性能优化与生产成本下行，助力产品规模化落地。
感知决策与人机交互领域，多模态融合感知技术成为主流方向，通过多类传感器协同工作，结合大模型的决策能力，实现对环境多样信息的理解和决策。同时，多模态大模型通过真机数据训练升级，深度赋能人形机器人的任务理解与泛化能力，大幅提升人机交互体验。
随着 AI 大模型与机器人本体的深度融合、运动控制算法持续迭代，人形机器人将实现“感知—决策—执行”全方位升级，企业核心竞争力将从单一维度的技术比拼转向“软硬协同+场景适配”的综合能力较量，为行业高质量发展注入持续动力。在此趋势下，行业头部企业也纷纷抓紧全栈技术布局，抢占未来市场竞争先机。以乐聚智能为例，公司在巩固运动控制算法领先优势的同时，深入关节模组和本体结构设计的研发，持续推动降本，并强化具身智能大模型链路优化与开发，推进具身智能数据生态体系建设，通过全栈技术能力的系统性构建，为未来参与市场全面竞争奠定坚实基础。
（4）产业链深度协同，行业生态布局成为长期竞争关键
人形机器人行业的发展已从单一企业的技术攻坚，迈入全产业链协同共进的新阶段，“上下游联动、跨领域融合、生态化布局”成为行业普遍现象。当前，以人形机器人本体厂商为核心，上游核心零部件供应商、中游软硬件集成商、下游应用场景方已形成紧密的协同网络，围绕技术研发、产品迭代、集成量产、场景落地等深度合作，加速产业资源的优化配置。
从产业链协同来看，与上游核心零部件企业的深度合作，加速了国产化进程，不仅降低了本体厂商的成本压力，还通过联合研发模式，推动关键零部件的性能迭代与定制化适配。与下游企业的深入合作，使人形机器人切实深入应用场景、获取真实场景数据、把握实际需求，推动解决方案落地。软硬件企业的协同也在发力，AI 算法厂商与机器人本体厂商深度合作，将多模态感知、决策等技术快速集成应用至本体厂商，推动“大脑”技术进步；同时，政府发起设立数据采集中心，打造行业数据生产的基础设施，为行业长期发展夯实数据底座。
生态化布局已成为头部企业抢占竞争高地的核心策略。国内外主流厂商不再局限于人形机器人整机产品的研发与产销，而是积极构建涵盖算法、硬件、场景、数据的全生态体系，通过开放算法及数据平台、提供开发者工具包，吸引第三方开发者参与任务场景的应用开发，丰富人形机器人的产业生态；通过与场景方建立长期合作，打造标准化的解决方案并快速复制推广；通过布局数据采集与训练中心，积累多场景数据资源，为技术迭代提供支撑。
长远来看，行业竞争将从单一产品性能比拼，逐步转向产业链整合、生态构建及长效运营能力的综合竞争。以乐聚智能为例，公司通过供应链协同、多元场景实测、开源数据生态共建，系统性打造生态化竞争壁垒，持续巩固并扩大竞争优势。
5、人形机器人智能化发展等级
从人形机器人功能实现的角度看，类似于智能驾驶，人形机器人智能化技术发展可以分为五个等级，具体如下：
L1 人形机器人实现基础能力，具备稳定的走、跑、跳功能和初步的交互能力
L2 人形机器人实现初步智能，可实现特定场景下的特定功能，满足结构化任务的需求，但泛化能力整体较弱
L3 人形机器人实现场景智能，在特定场景下能够完成大部分非结构化任务，具备一定的泛化能力
L4 人形机器人实现多场景适配，能够在多个场景（不少于三个场景）中完成大部分非结构化的任务
L5 人形机器人实现全面智能，能够通过简单的学习即可完成各类任务
从目前产业技术现状上看，目前全球大多数人形机器人产品处于 L1、L2 等级，部分头部企业的人形机器人正在逐步向 L3 等级探索，目标为实现人形机器人具身智能在商业服务、工业制造等部分封闭场景的 To B 领域产业化应用，并逐步实现应用场景泛化及向家庭服务等 To C 领域探索。
6、人形机器人行业技术发展情况
人形机器人的技术发展路线主要体现在“本体”“小脑”“大脑”三个维度，各维度形成了差异化的技术路线体系，同时呈现出技术融合、场景适配的发展趋势。三大维度技术协同发展，共同决定了人形机器人的运动性能、智能决策能力和场景落地潜力，成为行业技术研发与商业化探索的核心方向。
（1）“本体”技术发展情况
“本体”作为人形机器人的物理硬件载体，是所有功能实现的基础，其技术发展已逐步迈入成熟阶段，技术发展主要体现在驱动方式、核心零部件、本体结构设计三个方面，且各环节均形成了适配不同场景的细分技术方案。
驱动方式分为液压驱动和电机驱动，液压驱动功率密度高、爆发力强，适合高动态运动场景，但存在系统复杂、能耗高、维护成本大等问题；电机驱动凭借控制精度高、清洁安静、能量效率优的特点，成为当前最主流的方案——通过伺服电机搭配减速器实现动力输出。行业内企业持续探索研发高功率电机和高密度扭矩关节，以突破在大负载、高爆发力场景中的应用瓶颈。
核心零部件是本体性能的关键支撑，各部件按功能和负载需求形成了明确的应用分工。人形机器人常用电机分为无框力矩电机和空心杯电机，分别适配重载关节和精细关节；减速器则一般有谐波减速器、行星减速器、摆线针轮减速器三类，对应轻负载和重负载部位的不同需求。以电机和减速器为主要硬件组成的关节模组，系决定人形机器人运动性能的最核心部件。
除使用减速器的旋转执行器之外，行业内还逐步出现以丝杠为核心部件的直线执行器的应用，行星滚柱丝杠因性能优势成为发展的主要方向。传感器承担机器人“感知”功能——编码器、IMU、力矩传感器保障机器人自身姿态和动作控制；激光雷达、深度相机等则实现环境识别与导航。灵巧手作为精细操作核心部件，以电机驱动为主，腱绳、齿轮、连杆等传动方式也各有应用，是当前零部件研发重点和难点领域。
本体结构设计则需兼顾强度与轻量化——轻质合金、碳纤维复合材料等为主要选材；3D 打印助力复杂一体化结构制造；结构构型上采用仿生学设计，上下半身分区以实现灵活性与稳定性的平衡；腿部、手臂自由度设计已接近人类，等等。各方面设计旨在适配不同的运动与操作需求。
（2）“小脑”技术发展情况
“小脑”承担人形机器人的运动协调、平衡控制与精准执行功能，是连接“大脑”指令与实际动作的关键底层中枢，目前主流技术路线为“基于模型控制”和“强化学习”，二者各有场景适配优势，且未来将走向融合发展。
基于模型控制依托精确的物理动力学模型进行动作计算与优化，具备稳定性高、精度优、可预测性强的特点。该路线对数据需求相对较低，在工厂流水线、物流仓库等结构化、产业化场景中应用有相对明显的优势，能满足工业场景对稳定性、可靠性与安全性的高要求。
强化学习则通过“试错”自主学习最优控制策略，无需复杂物理建模，具备高泛化性优势，能应对非结构化复杂场景和未知干扰，还可能涌现出高效的自然运动模式，在特殊场景中更具潜力，但其需要大量计算资源进行仿真训练与实地训练。
单一的技术方案往往难以满足复杂的场景需求，二者的融合应用是“小脑”技术的未来主流发展方向之一：以基于模型控制为基础，保障人形机器人基本运动的稳定性与安全性；以强化学习为优化手段，提升机器人的环境适应能力和动作灵活性。这种优势互补的融合架构，将打造出兼具稳定性与智能适应性的运动控制系统，成为推动人形机器人从实验室走向规模化应用的关键技术路径之一。
（3）“大脑”技术发展情况
“大脑”作为人形机器人的智能决策核心，现阶段全球范围内技术方向尚未收敛，正处于技术发展的探索阶段。行业主流技术路线主要分为分层架构（VLM+运动控制）、端到端架构（VLA 模型）和世界模型（WM）三大方向，路线选择本质上是企业在技术长期演进方向与商业化落地节奏之间的综合判断和战略权衡。
分层架构将感知、决策、运动控制解耦为独立模块，高层任务规划负责语义理解与行动决策，底层运动控制专注动作执行。该架构具备工程实现难度低、系统可控性强、数据需求相对较小等优势，适配行业发展早期数据稀缺的产业现状，但该路线模块间串联易产生信息损耗和响应延迟，跨模态信息融合能力相对较弱。
端到端架构构建统一模型，直接将多模态输入映射为动作控制信号，响应速度快、泛化能力强，且随算力提升和数据积累具备智能涌现潜力，但该路线高度依赖大规模、高质量多模态数据集，因大规模数据采集时间和经济成本均较高，在商业化前期落地难度相对较大。
世界模型通过构建机器人对物理环境的内在认知模型，实现环境预判、时序推理与自主规划，被视为实现通用智能的重要前沿方向。该架构可基于历史观测与交互数据，预演环境变化与行为后果，具备更强的因果推理、泛化迁移与小样本学习能力，理论上可大幅降低对真实世界数据的依赖，长期智能成长空间显著。但当前相关研究仍处于前沿探索阶段，模型训练复杂度高、环境建模与时空表征难度大、算力消耗巨大，距离规模化工程落地仍有较长距离。
目前全球范围内在多模态大模型探索整体呈现多路线并行的态势。根据公开报道，英伟达、FigureAI、智元创新等均推出相关自研模型，聚焦分层架构技术路线；谷歌 DeepMind、特斯拉、银河通用等企业则布局端到端架构探索；也有部分企业在路线上采取并行策略，如英伟达和谷歌也同步发布了世界模型，宇树科技则先后推出了端到端模型和世界模型。事实上，当前大模型技术正逐步进入融合期，不同路线在工程实践中互补演进，持续探索成熟可行的商业化应用路径。
与此同时，目前大部分人形机器人厂商处于商业化初期阶段，聚焦运动控制算法与核心零部件优化。在环境感知、智能决策领域，通过多模态大模型链路优化升级“大脑”能力，高层决策模块多基于开源模型或第三方技术方案搭建，亦是现阶段较为务实的技术策略。
整体而言，人形机器人三大核心维度的技术路线均形成了“细分探索、场景适配、融合发展”的特征，各技术路线在不同发展阶段和应用场景中各有优势。未来随着产业链协同创新、算力基础设施完善和数据闭环构建，各维度技术的融合与迭代将持续推进，推动人形机器人向更通用、更智能、更贴近实际应用的方向发展。
