摘要：2025年，被视为人形机器人从实验室迈向现实工业应用的转折点。随着技术突破与商业化进程加速，这类能够模仿人类动作的机器人正逐步走进工厂车间，与人类并肩作业。从波士顿动力的新一代阿特拉斯，到多个初创企业的双足机器人产品，工业界正掀起一场“类人化自动化”的新浪潮。

特斯拉的机器人“擎天柱”在带孩子。（图源：Tesla）

据Wired报道，2025年，被视为人形机器人从实验室迈向现实工业应用的转折点。随着技术突破与商业化进程加速，这类能够模仿人类动作的机器人正逐步走进工厂车间，与人类并肩作业。从波士顿动力的新一代阿特拉斯，到多个初创企业的双足机器人产品，工业界正掀起一场“类人化自动化”的新浪潮。本文将探讨人形机器人在制造业的崛起背景、潜在市场、技术进展与现实挑战，描绘这一颠覆性技术即将带来的变革图景。

波士顿动力公司的全电动人形机器人“阿特拉斯”。（图源：Boston Dynamics）

今年晚些时候，波士顿动力公司计划将其全电动人形机器人“阿特拉斯”（Atlas）部署到现代汽车的一家工厂中。这款新型阿特拉斯脱胎于自2013年以来多次在爆款视频中亮相的液压版本，并于去年春季首次公开亮相。尽管波士顿动力的四足机器人“点”（Spot）和仓储机器人“伸展”（Stretch）已被广泛应用于工业现场，但这将是阿特拉斯首次参与商业制造。

自2021年被现代汽车以11亿美元收购以来，波士顿动力对阿特拉斯的具体用途一直讳莫如深。不过公司发言人凯莉·尼龙表示，该机器人旨在具备比人类更强的力量与稳定性，“它可以完成一些人类难以完成的工作，比如搬运沉重或笨重的物品。”

而阿特拉斯也并非孤军奋战：2025年似乎注定将成为多功能人形机器人“出圈”的一年。这类机器人过去大多只存在于科研场景中，如今正逐步投入实际工作。例如，敏捷机器人公司（Agility Robotics）的Digit机器人已在仓库中搬运货物，“图形”（Figure）公司的双足机器人也已于去年开始面向商业客户出货。

科技巨头们也不甘落后。据传苹果和Meta正在研发面向消费者的人形机器人。高盛在2024年发布的一份报告中预测，到2035年，人形机器人市场规模将达到380亿美元（约合人民币3763亿元），是该公司前一年预测的六倍以上。

人形机器人的核心优势在于它们可以像人类一样灵活地在多种任务之间切换。这与传统的流水线自动化形成鲜明对比，后者需要为特定任务量身打造整个作业环境。敏捷机器人公司联合创始人兼首席机器人官乔纳森·赫斯特表示，这类机器人并不会取代现有的自动化流程，而是作为补充存在。

“专用自动化方案在特定任务上总是效率更高、成本更低，”赫斯特说，“但这前提是你需要全天候运行这个任务。而对于一些不需要24小时运转的工作，灵活的机器人可能反而更高效。”

波士顿动力则换了种说法。该公司认为，既然现代工厂已经是高度自动化的安全空间，阿特拉斯的设计初衷就是为了适应更广泛的使用场景。“我们生活在一个以人为本的世界，”尼龙说，“所以我们应该打造一款以人为本的机器人。”

不过，要让人形机器人真正投入市场，还有不少难题。特斯拉自2021年推出人形机器人“擎天柱”（Optimus）以来备受关注，但2024年10月的一次演示却暴露了问题——现场展示的机器人由人类遥控，引发了关于其自主能力的质疑。今年1月，马斯克曾表示，公司将在2025年制造“数千台”机器人，但到了4月，他又对投资者表示，由于贸易战争，产能或将受到影响。

阻碍多功能人形机器人普及的最大难题之一，是训练机器人完成不同任务所需的时间。但专家认为，大语言模型的飞跃式发展可能为这一问题带来解决方案。这也是苹果、Meta和特斯拉等拥有强大人工智能实验室的公司纷纷涉足人形机器人领域的原因之一。今年3月，谷歌DeepMind发布了名为“双子座机器人”（Gemini Robotics）的新人工智能模型，正是为了借助大语言模型的适应能力，提升机器人对复杂情境的处理能力。

一旦机器人能够实时学习新技能，它们就能像人类工人一样在任务间自由切换。“你可以想象，一个杂货店或农机店配备了一台机器人，它能在仓库里拆托盘、清洁地面、补货、盘点库存，应对各种不同的工作场景。”赫斯特说，“这才是它真正的价值所在。”

自然语言处理的持续进步也意味着，未来人类可以直接用语音指令控制机器人。比如，只需一句“请拖地”，机器人便能执行任务，这大大简化了操作流程，也便于其与人类协作。

但同时，重型金属机器人与人类共处一室仍存在安全隐患，且各种“边缘情况”难以预料。卡内基梅隆大学机器人研究所教授克里斯·阿特克森指出，可靠性将是最大挑战。他举例说，如果一个机器人被安排在夜间自动补货，可能几个月都运行良好，但一旦系统失效，后果可能是货物散落一地，甚至引发火灾。

“想象一下，某天店主早上进门，发现货架空空如也，商品全堆在地上，甚至店铺被烧毁。”阿特克森说，“那样的故障代价太高了。”

不过，他也对技术进展持谨慎乐观态度。“如果你五年前问我这事成不成，我会说‘不可能’。”他说，“但现在，大语言模型在‘常识理解’方面取得了巨大突破，也许我们真的快到那一步了。”

来源：人工智能学家