春晚4分钟吸金1亿！人形机器人还没卖几台，怎么就卷成这样了？

*本文仅在今日头条发布，请勿转载

人形机器人有多卷呢？春晚露脸就几分钟，四家机器人公司的合作金额就高达一个多亿，新技术预告扎堆发布，智元、众擎还同一天发了相关视频。

更有意思的是，1月初有机构出了份调研报告，说致远排第一、宇树排第二，没过多久宇树就立马澄清，说这统计不对，宇树机器人2025年的出货量才是世界第一。

虽说现在人形机器人没卖出去多少，商业化进度条可能连20%都不到，但这个行业已经卷得不成样子了。那人形机器人到底在卷什么？谁又能卷出来？谁又会被卷成PPT呢？

人形机器人和传统的工业机器人不一样，行业内的普遍认知是，它们的终局应该是能打拳击、能打螺丝，也能打扫卫生，这也叫通用劳动力，简单来说就是最终都要学会“做人”。

人类能成为通用劳动力，靠的是大脑的经验平移能力：学会开横向门把手，遇到球形锁时，不用教也知道伸手转动。机器人要实现这一点，就需要通过AI大模型的算法泛化，完成逻辑平移，这便是“通用性”的核心。

早期的机器人主要用于极端环境作业，比如发电厂高温巡检，无需通用性，全靠工程师预设程序。波士顿动力的机器人能完美跑酷、后空翻，就是因为所有动作都被提前写死在代码里。

但预设程序的弊端致命：换个环境就得重写程序、加硬件，而真实世界场景随机且无限，根本无法穷举。这让人形机器人陷入“暴力堆料—成本飙升—可靠性下降”的死结，甚至不如固定场景下的工业机器人易规模化。

毕竟机械臂只干一样活，没必要为了打螺丝，特意给它安上一双腿。所以长时间以来，人形机器人都只是个乐子，直到AI大模型火起来，它的命运才开始反转。

现在的AI大模型，最常见的就是一个聊天框，你问它问题，它给你一长串回答，但这回答不是程序员在后台预设好的，而是大模型基于搭建好的框架，在海量数据训练下自动生成的，这也叫算法泛化。

正因为大模型能实现算法泛化，才能回答那些从来没见过的问题——当然，别管它回答得对不对，这种能力刚好能破解预设程序的死结。于是很多公司就把AI大模型的那一套，平移到了人形机器人身上。

也因为大模型的算法泛化，有些机器人开始出现了解决通用问题的迹象。比如特斯拉Optimus能自学分拣电池，有人捣乱也会自动修正动作；春晚上的“铁哥们”能盘核桃、捡玻璃碎片，其动作也并非提前编程。

魔法原子、智源机器人纷纷推出专属大模型，就连深耕近30年液压驱动的波士顿动力，也全面转向纯电架构与端到端强化学习。

这里有必要说明一下，人形机器人的大模型和AI大模型有点类似，但也不是完全一样。时至今日，行业已经形成共识：要实现通用性，就得靠大模型实现算法泛化。不过目前行业内做大模型，有几种不同的路径。

人形机器人要“做人”，就得让大模型学会人工作的方式。人工作能拆分成三层：工作到任务，任务到技能和本能。

就像便利店负责补货的店员，补货是他的工作，这工作又能拆成几项任务——巡视货架、检查空缺、仓库分拣、货物搬运、精准上架等等。而要完成这些任务，店员还得掌握基本技能、拥有基本本能，比如会走路、下蹲、抓拿，还得有保持平衡的本能，不然瓶瓶罐罐就得碎一地。

对应到人形机器人身上，工作拆分为任务（高阶规划）、任务拆分为技能（具身操作）、任务拆分为本能（动态平衡）。机器人要“做人”，大模型就得实现这三者的算法泛化。

只不过有的公司把它们放在一个大模型里捣鼓，有的公司拆分成模块来练，这就跟辅助驾驶一样：所有东西都扔给一个大模型，叫一段式端到端；拆开单独学，就是模块化端到端。

几年前，宇树科技就用模型训练机器人的动态平衡，但当时模型算力不足，无法解决高阶规划、具身操作这类高维度问题。就算把聪明的模型塞进去，延迟也很高，机器人的反应就跟《疯狂动物城》里的闪电一样慢。

直到后来大模型发展、算力提升，机器人才有能力练高阶规划、具身操作这种高维算法泛化，也催生了两种不同的训练路径。

可能有小伙伴会想，这事至于这么复杂吗？还搞一套SOP，流程管理只会影响“拔刀速度”。

和大家想的一样，有些机器人公司也觉得没必要拆这么细，练大模型就直接走一段式端到端，典型代表就是特斯拉的Optimus——它靠一个巨大的神经网络，输入要做的工作，直接输出肢体动作，中间所有分层环节全跳过。

大多数机器人公司并未选择特斯拉的一段式端到端方案，而是采用模块化端到端。比如网上常见的遥操作，人穿动捕设备做动作，机器人同步跟随，其背后的数据工厂会大量收集动捕数据，本质就是为了积累动态平衡、具身操作相关数据，这正是模块化端到端的思路，只是很少有公司明确表态自身路径。

从春晚机器人公司的表述来看，魔法原子提到“大脑和小脑闭环”，银河通用强调“集成大脑、小脑的端到端大模型”，可见靠大模型实现算法泛化是行业共识，但路径分为一段式和模块化两种，且模块化占主流。

机器人选择哪种路径，核心由商业闭环决定。大模型算法泛化需要海量现实场景数据，这就形成“算法泛化决定场景、场景决定数据、数据反哺算法”的闭环，谁先跑通，谁就能存活，否则只会沦为PPT。

一段式端到端的问题是输入输出无中间分层，像个黑盒，出bug难以排查，解决办法只能是多积累场景和数据。但多数公司无法采用这种方式，唯有特斯拉可行——因其有自有工厂，可包容机器人犯错。

多数公司无自有工厂，若用一段式，算法出问题会陷入“出bug—无法解决—信用崩塌—失去场景”的恶性循环，因此只能选模块化。

但两者核心都是场景、数据、大模型，最终会卷死小公司、集中头部资源。多数模块化公司因无自有工厂，无法解决高阶规划问题，只能先靠数据工厂和遥操作，打磨具身操作与动态平衡能力。

大家的路子都一样，自然就内卷了。你看宇树科技，春晚上秀的是更高难度的打拳，但它的新闻稿里，反复强调“真实场景”“规模化作业”；和蔡明一起演小品的松延动力，说未来一年的目标是推进商业化、走进更多场景；以前专注在工厂打螺丝的智源，也开始秀武术了。到最后大家走的路都差不多，殊途同归。

人形机器人的终极目标是成为通用劳动力，要实现这一点，就得靠大模型解决通用性，也就是算法泛化。商业闭环决定了，目前有一段式和模块化端到端两种路径，最终模块化大概率会转向一段式。

但不管哪种路径，公司之间的差异都不明显，行业必然会陷入内卷。谁先跑通商业闭环，谁就能活下来，不然就真成PPT了。

回到开头的问题：机器人公司热衷上春晚、扎堆发视频，到底在卷什么？

说白了，行业到最后干的事都大同小异，差异化不明显，核心就是卷更多场景、更多数据、更多客户、更强算力，本质上就是卷更多钱、更高的知名度。

所以与其说春晚的机器人在表演节目，不如说它们还在表演商业计划书和项目可行性方案——可行性方案给客户看，商业计划书给投资人看。

人形机器人商业化还有个大问题：成本太贵了。不过我记不清是华为还是哪家公司，提了个“软件定义硬件”的概念：如果机器人的算法足够强，能不能用强算法补偿弱硬件？贵的硬件会不会被便宜的替代？

其实人形机器人，早就不是“能不能成为劳动力”的问题，而是“什么时候能成为”以及“谁能让它成为”的问题。现在还看不清是谁，但大概率这个产业，会像AI大模型一样，是少数人的游戏。

#上头条 聊热点##我要上头条##财经##科技##ai##机器人##春晚机器人##机器人新春“打工”忙#