“机会是留给有准备的人”，这句话放在当下的机器人行业，再合适不过。2025年11月，ROSCon China大会刚落幕，界面新闻记者就围着行业大佬们聊了个透——资本砸钱、政策托底，机器人眼看要火，可它真能像ChatGPT那样突然爆火吗？人形机器人非得长“人样”才行？这些疑问，藏着整个行业的焦虑与期待。

先说说大背景，现在的机器人行业，早已不是“小打小闹”。IDC今年7月就预测，到2029年全球机器人市场规模能冲过4000亿美元，中国直接占走近一半，妥妥的“半壁江山”。再看2024年的商用服务机器人，出货量超10万台，其中送货和清洁机器人最吃香，占比分别达到38.4%和33.3%，更厉害的是，这些机器人里84.7%都出自中国厂商之手。就连争议不小的人形机器人，IDC也给出了乐观预期：2025年中国商用人形机器人能卖5000台，到2030年直接飙到近6万台，年复合增长率超95%，这增速，简直像坐了火箭。可数据再好看，行业里的“老大难”问题，还是绕不开。

第一个绕不开的问题：具身智能啥时候能还是自己的“ChatGPT时刻”？有人信心满满，也有人泼冷水。地瓜机器人的胡春旭就觉得，现在AI大模型这么火，机器人肯定会被彻底改造，未来大规模落地是板上钉钉的事，只不过现在还有个小毛病——“认场景不认活”，在A场景干得顺风顺水，换个B场景就频频掉链子，但这都是必经之路。深圳市机器人协会的谭维佳也补了一句，前十年机器人渗透率低到可怜，连10%都不到，核心就是换个场景就要花大价钱二次开发，企业根本扛不住；而具身智能就像给行业“续了命”，不仅能缩短开发时间，还能让AI算法真正用起来，说不定哪天就像ChatGPT一样突然爆发，就算慢，也能在一个个场景里慢慢攒数据、赚收益。

但非夕科技的施丰鸣就理性多了，他提醒大家别被短期宣传冲昏头：具身智能想实现通用人工智能，还有不少坎要过，最关键的是，得让机器人的“智能”真正和现实世界好好“互动”，别动不动就出故障。大湾区大学的姚嘉俊也觉得，不能好高骛远，现在机器人的底层架构还有缺陷，算力、通信都跟不上，想在复杂环境里稳定工作太难，而且找工人要数据也不容易，人家总担心被机器人抢了饭碗。所以与其一开始就盯着“啥都会干”的通用机器人，不如先盯着那些没人愿意去的高危岗位、招不到人的工位，先把这些场景吃透，慢慢攒数据、学经验，一步一步来才靠谱。

第二个问题更有意思：机器人非得长“人样”吗？这事儿业内吵了好久。麦肯锡今年6月就说过，机器人形态多了去了，不一定非要仿人，但人形机器人有个“天生优势”——能直接用人类的空间。你想啊，家里的桌子、工厂的过道，都是按人的尺寸设计的，人形机器人不用改环境就能用，这一点确实没法比。

可现实是，人形机器人现在还没到“挑大梁”的时候。北京人形机器人创新中心的刘益彰就透露，国内人形机器人市场才刚起步，去年总共才卖几百台，今年就算涨，也就2万台左右，而且这些机器人大多去了科研机构和学校，真要进工厂、做服务，还在“试错阶段”。国家地方共建人形机器人创新中心的专家Echo也建议，别想着一口吃成胖子，就像互联网、航天技术那样，先在国家支持的特殊场景里练手，攒够经验再往外推。还有芝能智芯的烟烟，说得更实在：家里陪护这种场景太复杂，机器人根本搞不定，不如先从半结构化场景入手，比如特定的工业工位；而且还能搞“机器人租赁”，企业先试用，觉得好用再买，门槛一下子就降下来了。说到底，机器人长啥样，全看场景需求，人形不是唯一选择，改改环境、换个其他形态的机器人，可能更划算。

第三个问题最实际：花了钱买机器人，啥时候能回本？这可是企业最关心的事，毕竟没人愿意做“亏本买卖”。谭维佳就吐槽，现在制造业里机器人的渗透率还是个位数，就算是帮工人搭把手的智能辅助机器人，也没多大突破，核心就是换个场景就要砸钱二次开发、部署，成本太高。企业心里都有本账，要是算不清“投入产出比”，就算机器人能24小时连轴转，效率跟不上，还是赚不回钱，所以机器人厂商得根据场景来优化，别盲目堆配置。

姚嘉俊也举了个例子，比如焊接这种非标准化的工作，工人根本不愿意配合采集数据，就怕机器人学会了，自己就失业了。所以还是老办法，先盯着那些高危、招工难的领域，比如高空作业、有毒环境，先让机器人在这些地方证明自己“有用”，能帮企业省钱、省事，再谈大规模推广。古月居的顾强还拿手机举例子，刚开始手机也贵，后来量产了、技术成熟了，价格自然就降了；机器人也一样，现在不用急着降价，先找到能真正解决问题的场景才是关键。刘益彰还提醒，现在不少企业为了抢订单，把人形机器人价格压得快亏本了，这种“内卷”根本不利于行业发展，毕竟机器人的价值，不光在硬件，还在情感陪伴、优质服务这些“附加项”上。

最后一个问题，也是制约行业发展的“老顽固”：数据和标准跟不上，咋整？胡春旭就坦言，现在行业里连个统一的数据采集标准都没有，你家采视觉数据这么算，我家算力反馈数据那么算，最后攒下来的全是“脏数据”，根本没法给模型用。而且机器人的数据量，跟自动驾驶比差远了——马路上跑着几千万辆汽车，随便就能攒海量数据，可机器人场景零散，样本少得可怜，这简直是“最大的痛点”。

谭维佳也说，以前采集数据全靠单一机器人，换个机器人型号，之前的工作全白费，还得重新来一遍，最好能搞个通用的方法，让数据能在不同机器人之间“流转”。标准方面就更落后了，刘益彰透露，人形机器人从生产流程、测试方法，到安全指标、零件接口，现在都没个定论——比如机器人运动时多安全才算合格？能用多久才算靠谱？没人说得清。没有标准，大家就只能各自为战，根本没法大规模推广。更麻烦的是，企业都把数据当“商业秘密”，传感器厂商、算法公司，谁都不愿把核心数据共享出来，怕被竞争对手抄了底。

其实行业大佬们心里都清楚，通用人工智能是机器人的终极目标，但想一步到位根本不现实。就像种地一样，得先选好地块、播下种子，再慢慢浇水、施肥，才能收获果实。机器人行业也一样，与其等着“突然爆发”，不如在一个个实际场景里“沿途下蛋”——解决一个痛点，攒一批数据，优化一次模型，降低一点成本。相信再过几年，机器人不会再是实验室里的“稀罕物”，而是能走进工厂、走进家庭，帮我们扛下高危工作、解决生活难题的“好帮手”。毕竟，任何新技术的成长，都需要时间沉淀，机器人的“黄金时代”，或许正在路上。