特斯拉 Optimus 产线停摆的消息，刚刷爆科技圈。这家曾把人形机器人吹成未来十年核心赛道的公司，直接封存了千余台下线机型。火了三年的人形机器人行业，到底为啥连一杯水都端不稳？

　　这一波人形机器人的热潮，起点是 2023 年 7 月谷歌推出的 RT-2 模型。不少人只看到机器人跳舞的酷炫镜头，没看懂这是行业的真正拐点。

　　之前控制机器人要么靠提前写代码，要么靠遥控器一步步指挥，而 RT-2 让机器人只要看画面、听指令，就能自己完成动作，比如把香蕉放到德国国旗上。

　　RT-2 的 VLA 模型思路，很快点燃了全球科技圈。伯克利、斯坦福、丰田联合推出 OpenVLA，创业公司 Physical Intelligence 的 Palm 更是把技术开源，大幅降低了入门门槛。

　　资本闻风而动，一场针对人形机器人的大跃进正式开启。但这场冲锋很快撞上了南墙。人形机器人的核心卡点，从来不是算法，而是数据。

　　目前主流的数据采集有三种方式：真人戴 VR 设备同步动作、摄像头记录手部动作、虚拟环境模拟。但每一种都有致命缺陷。

　　真人采集效果最好，但速度极慢。训练一个机器人需要百万小时的多样性物理数据，真人一天能采集的量微不足道，猴年马月才能凑够？

　　靠摄像头拍手部动作？人的手腕手指有 20 多个自由度，机械臂根本达不到那么灵活，拍了也白拍。

　　虚拟环境再逼真，也复刻不了真实世界的摩擦力、关节磨损这些细节。仿真里跑通的动作，放到现实里就抓不住杯子，根本没法用。

　　在 A 工厂训练好的机器人，换到 B 工厂的地板材料变了、光照不一样，就连开门都打不开。同一个公司的两只机械手，换一下都可能失灵。

　　工业界甚至有个玩笑：今天拍的开冰箱视频，明天换个冰箱就识别不出来。面对这些死穴，行业分成了三路人马。

　　第一路是大厂主导的世界模型。简单来说就是让 AI 看懂文字、图片、视频，融合所有感官数据，彻底认识真实世界，再通过机器人落地。

　　目前只有五家大厂能玩这个游戏：英伟达、OpenAI、谷歌 DeepMind、字节、阿里。英伟达甚至推出 WAM 模型，把技术研究推到了新高度。

　　第二路是学者们提出的新范式。以杨立坤、李飞飞为代表的顶级学者，直言大语言模型只是 “猜下一个词” 的概率游戏，根本不懂真实世界。九游会J9

　　他们主张放弃海量数据堆料，让 AI 主动理解世界，用小数据实现高效学习。

　　第三路是创业者们的细分破局。他们不跟大厂抢算力，也不跟学者搞理论，而是扎进具体问题里死磕：

　　有人专攻机械手，把自由度做到极致；有人降低数据采集成本；有人放弃全人形机器人，先专攻餐具收纳这类单一家务。

　　即便各路高手各显神通，距离造出能当保姆的人形机器人，还有极其遥远的距离。行业内部评估，目前整体进度大概只有 0.2%。

　　马斯克曾说特斯拉 80% 的市值来自人形机器人，2025 年计划生产 5000 台 Optimus，到年中只造出 1000 多台就停了产线，这也是整个行业的缩影。但这场探索并非全无收获。

　　动作捕捉技术原本只用于影视游戏，如今因为机器人热潮变得更快更成熟。AI 生成视频的质量飞跃式提升，背后就是大厂卷世界模型的功劳。

　　更不用说机器人核心零部件的成本被大幅压缩，伺服电机从几千元降到几百元，减速器、传感器的性能提升、价格下降，九游会J9让工业机械臂、智能仓库的门槛大幅降低。

　　人形机器人就像登陆火星，看起来遥不可及，但探索的过程会倒逼整个科技行业进步。

　　游戏、自动驾驶、硬件制造这些领域，已经率先尝到了甜头。与其嘲笑人形机器人还很鸡肋，不如看看它到底能带我们走到哪一步。返回搜狐，查看更多