在近日舉行的芯原具身機器人專題技術研討會上，Yole Group汽車及機器人首席分析師楊宇發表了題為《具身機器人發展趨勢觀察，從人形機器人市場看產業未來》的主題演講。楊宇從半導體與市場研究的雙重視角出發，深度剖析了Physical AI（具身智能）的產業現狀、技術瓶頸以及未來演進路徑。
Yole Group汽車及機器人首席分析師楊宇
他指出，盡管距離真正的大規模泛化應用尚需時日，但具身機器人產業已邁入以“應用場景”為核心的落地期，未來十年市場將保持50%以上的年復合增長率。
Physical AI不止于人形
與傳統部署在云端的AI不同，Physical AI的核心在于其與物理世界的直接交互。楊宇在演講中強調，Physical AI部署在邊緣端，不僅需要解決云端的延遲控制問題，更在前端依賴復雜的物理信號感知，在后端則需要強大的執行器來完成動作輸出。
在產業應用層面，Physical AI的形態并非單一的人形機器人，而是涵蓋了自動駕駛（ADAS）、飛行汽車、無人機、移動機器人及四足機器人等多個維度。楊宇展示的產業圖譜揭示了這些技術之間的強關聯性。例如，小鵬汽車在ADAS、飛行汽車以及人形機器人領域均有深度布局，其自研的圖靈大算力芯片在車端和機器人端上實現了算力復用；而以四足機器人起家的宇樹科技，如今在人形機器人領域同樣大放異彩。
這種跨界融合的背后，是汽車與機器人兩大產業鏈日益緊密的協同效應。楊宇以北京車展的調研為例指出，無論是在運動控制還是電控系統方面，汽車與機器人行業的相關度極高。大量汽車行業的OEM及一二級供應商正跨界進入機器人領域，這不僅因為兩者在底層技術上存在共通性，更因為汽車制造場景為機器人的早期應用提供了天然的試驗田和落地空間。
運動控制突飛猛進，數據與泛化成核心瓶頸
針對具身機器人的技術結構，楊宇提出了一個包含六個維度的關鍵模型：本體集成、運動控制、關鍵零部件（如關節、充電設施）、靈巧手、大腦（感知、思考、決策）以及數據。過去兩年間，機器人產業在本體設計和運動控制方面取得了令人矚目的進步。從宇樹科技機器人在春晚舞臺上與人類的復雜協同表演，到小鵬機器人宣稱“證明自己不是人類”的卓越運動控制能力，再到美國FigureAI長達200多小時的連續任務直播分解，都表明系統穩定性與散熱控制已達到前所未有的高度。
然而，面向大規模泛化應用，技術短板依然明顯。楊宇直言，目前在靈巧手操作、類人腦決策以及數據采集方面，產業成熟度仍然較低。特別是數據維度，成為制約機器人實現通用智能的最大痛點。與自動駕駛每天有數百萬輛車在路上實時收集海量數據不同，機器人領域至今缺乏一種有效且成本可控的高質量數據采集方式。當前大量機器人出貨流向各地數據生產中心，這種依賴集中式采集的模式能否支撐起大模型的訓練需求，仍是行業亟待解決的開放性課題。
此外，從芯片層面來看，目前支撐具身智能的底層算力芯片仍以美國頭部供應商為主，國內供應鏈在核心算力環節仍處于相對初期的追趕階段。這意味著，在未來的技術博弈中，算力與數據的雙重突破將是中國機器人產業必須跨越的鴻溝。
而面對技術尚未完全成熟、泛化能力有限的現狀，楊宇提出了“應用為王”的戰略思考。他認為，在技術要素尚未全部齊備的當下，將機器人目前最為突出的技術能力與實際工業環境相結合，能夠創造出立竿見影的商業價值。
楊宇分享了其在河南調研的真實案例。在汽車整車生產中，線束制造是自動化程度最低的環節之一。由于每款車型的線束長短、顏色和走線方式各不相同，傳統自動化設備難以勝任。然而，通過引入輪式具身機器人，企業成功實現了人機協作的新模式：機器人利用高精度的視覺識別系統完成線束的拾取與精準放置，隨后由人工完成最后的捆扎動作。這種“機器執行+人工輔助”的混合模式，大幅降低了線束生產對人工的依賴，同時保證了生產的靈活性。這一案例生動地證明，在機器人尚不能解決所有問題的情況下，聚焦細分場景的痛點，以實用主義導向推動落地，是產業實現自我造血的關鍵。
對標新能源汽車，尋找產業的“起飛節點”
從全球競爭格局來看，具身機器人正呈現出中美雙雄并立的態勢。楊宇透露，根據Yole Group今年發布的《機器人報告》，在跟蹤的全球60家頭部機器人企業中，美國占據12席，而中國企業數量占據半壁江山。中國不僅是制造大國，更正在成為定義機器人形態和產業未來的核心力量。
海外機構甚至預測，中國機器人行業有望復制電動汽車的奇跡，在全球范圍內成為強大的力量。為了預判機器人的未來，楊宇回顧了中國新能源汽車的崛起歷程：從2009年開始政策醞釀與高額補貼，到2015年因發現補貼未能有效轉化為產業鏈優勢而推出“動力電池白名單”，再到2021年以比亞迪為首的磷酸鐵鋰技術爆發，推動年銷量躍升至1500萬輛的驚人規模。
這一歷程對當下的機器人產業極具借鑒意義。楊宇指出，目前國家將具身智能列為明確的戰略方向，產業正處于類似新能源汽車早期的“補貼與探索”階段。行業需要深入思考的是，機器人產業的“電池白名單”時刻何時到來？哪些關鍵零部件或技術節點將成為推動產業爆發的真正引擎？
