人形機器人賽道融資火熱，但核心硬件多數處在從發展期到成熟期的過渡中。

　　資本注入成為人形機器人賽道火熱的注腳。僅在這個11月，就至少有星海圖、自變量機器人、埃斯頓酷卓、銀河通用、戴盟機器人5家人形機器人廠商完成億元級融資。

　　資金投入下，人形機器人產業快速成長。不過，第一財經記者了解到，在極高的市場熱度下，人形機器人技術體系和供應鏈還亟需搭建起來，不少人形機器人產業鏈從業者近期都注意到技術路線分歧、硬件標準不統一、應用場景割裂等帶來的困擾。人形機器人產業還需攻克各種層面上的“亂”走向標準化并實現更快速的增長。

　　80多家企業、至少60起融資

　　“短短9個月時間就有40億資金投入，（對企業來說）錢是沒問題的。” 11月29日，復星母基金總經理江玉華在高工人形機器人年會上表示，通過持續“燒錢”可以實現產業加速，這種紅利后續會形成馬太效應積聚到頭部企業，但剛開始大家都有機會。

　　據高工機器人產業研究所今日發布的《人形機器人產業地圖（2024）》，據不完全統計，今年前10個月國內人形機器人行業至少有55起融資。

　　據記者梳理，如果加上11月5起融資事件，今年國內人形機器人行業至少發生了60起融資。有披露融資具體數額或數量級的融資中，有22起是億元級融資，獲得億元級融資的企業包括光鑒科技、星動紀元、宇樹科技、本末科技、帕西尼感知科技、銀河通用、逐際動力、星海圖等。

　　從企業數量看，國家地方共建人形機器人創新中心總經理許彬在上述年會上透露，截至2024年，國內外通用人形機器人整機商業公司約150家，國內超過80家，國內的人形機器人整機商業公司中有半數來自高校的學生和教師創業。截至2023年，中國已累計申請6618件人形機器人技術專利，成為申請人形機器人技術專利數量最多的國家。

　　從國內人形機器人產業鏈企業的分布看，《人形機器人產業地圖（2024）》則顯示，深圳、北京、上海、杭州、蘇州分別擁有22.4%、14.5%、11.8%、5.8%和5.5%的產業鏈企業。高工機器人產業研究院預計，2034年中國人形機器人市場年銷量將突破100萬臺。

　　標準缺失、場景割裂

　　頗高的市場熱度下，記者了解到，更多實際問題需要解決。人形機器人產業鏈頗為復雜，既涉及多種硬件，又涉及軟件和算法。據江玉華介紹，包括環境感知硬件、運動執行硬件在內，人形機器人核心硬件多數處在從發展期到成熟期的過渡中，腦機接口、電子皮膚、六維觸覺傳感器、三維觸覺傳感器等則正從萌芽期過渡到發展期，還沒有核心硬件完全進入成熟期。

　　這種階段下，人形機器人廠商還未邁出一致性的步伐，例如還未通過硬件標準化提高供應鏈效率、研發效率并降低成本。人形機器人廠商也還未解決算法層面的路徑分歧，通過行業共同努力提高人形機器人的智能表現。甚至在數據收集層面，數據也割裂在各種場景中，要收集什么數據、怎么收集，人形機器人廠商無法給出最佳答案。“亂”成為人形機器人行業目前發展狀況的一個注腳。

　　供應鏈上游的實時操作系統及工業軟PLC（可編程邏輯控制器）研發商國訊芯微董事長方婷婷注意到，人形機器人當前的狀況出現了“卷”和“亂”兩個關鍵詞。

　　“人形機器人部件在沒有統一化、底層痛點還沒解決的時候，就已經開始拼成本。‘亂’的現象則有很多，例如各家模型很多、廠商玩法不同、業內沒有足夠的標準。”方婷婷表示，例如多模態感知方面，不僅各家人形機器人采用的部件不一樣，感知器件接入方式和通信交互方式也非常原始、多樣，包括了USB、485接口等，這讓人形機器人在某種程度上變得不像人，因為要實現人的智能化狀態需要有統一化的互動方式。

　　此外，方婷婷發現，現在業內關節很復雜，上下游做輪子的廠商很多，通訊非常冗余。具有全局能力的人才缺失，很多公司更多是在各自板塊中單點擅長，例如關節廠商對關節理解很深，但對于與關節融合的一些領域理解淺。

　　站在硬件廠商的視角，諧波減速器等硬件供應商巨蟹智能合伙人、市場營銷部總經理邵暉也注意到“亂”的現象。“硬件廠商與人形機器人廠商配合打造機器人生態時，遇到沒有標準的問題。我們現在比較困擾的一點是，客戶有多種多樣的要求。” 邵暉表示。軸承廠商鐵近特微軸承市場總監鈕棟成也發現了“非標”的問題，他表示，包括軸承在內一些硬件是“非標”的，在這種情況下，需要客戶地理位置跟公司比較近，解決技術等問題才會更方便。

　　較為混亂對硬件供應商造成困擾的情況下，人形機器人廠商對硬件可用性的體感也不算很好。多名人形機器人業內人士告訴記者，硬件層面目前是處于能買到的階段。一名人形機器人創業公司負責人告訴記者，人形機器人硬件現在只能說基本可用，還不能說好用。

　　除了硬件層面的混亂，人形機器人廠商也遇到路線分歧、場景割裂等情況。國家地方共建具身智能機器人創新中心本體總負責人劉益彰提到，該中心在近一年時間調研了很多商業化場景，發現場景非常碎片化。例如，政務服務中心場景中，機器人要做好材料核準需要用到相應場景的數據，而這些數據存在相應單位的數據庫中。還有很多行業數據掌握在各種企業手里，如果不對外開放，人形機器人公司就無法使用。人形機器人廠商也難以通過完全復制搭建出訓練場景來收集數據。難以獲取割裂的數據成為商業化場景最大的技術難點。

　　受到類似困擾的人形機器人廠商還包括銀河通用。就能否通過自己搭建產線等場景去獲得特定數據，銀河通用聯合創始人姚騰洲解釋，這種做法無法完全解決問題。“這是一種方式，但數據規模對于模型最終表現影響非常大，如果要讓模型真正泛化，就需要很大數據規模，這時大家就不得不考慮如何以低成本、高效率的方式收集數據。” 姚騰洲表示，一個大模型至少幾B（百萬）數據量，訓練所需的數據規模可能是幾十、幾百B。

　　華為云計算BU EI算法創新Lab具身智能研發總監歐陽明則提到，目前業內還在往各個方向努力，除了數據這座“大山”需要翻過，模型本身的多種技術路線也未收斂，目前還未能見到Scaling Law（縮放定律）在哪家廠商的具身大模型中體現出來。

　　多名業內人士認為，混亂在人形機器人現階段發展中難以避免，但硬件層面可以嘗試短期標準，邁向標準化。據記者了解，也有供應鏈廠商開始嘗試通過操作系統提供統一的軟件平臺接口。從另一個層面看，浙江人形機器人創新中心聯合創始人兼首席運營官宋道靈告訴記者，混亂某種程度上也是好事，說明行業還在上升的階段。