就在10年以后，中国可能有10%的家庭会养一个家庭型机器人

2026年春晚舞台上，宇树的人形机器人穿着花袄扭秧歌、打太极，一下子把"机器人"三个字从科幻片里拽进了亿万人的除夕夜。倒回去几年，这些家伙走两步就摔一跤，如今已经能在聚光灯下比划武术套路，节奏踩得比不少人还稳。

研发时间前后就那么几年，技术进步的速度是真快。

有人开始畅想，再过十年，会不会出现能自动判断环境、有逻辑、有记忆、有思维的机器人？

带着这个问题，2026年世界人工智能大会WAIC的《AI面对面》节目请到了北京通用人工智能研究院的研究科学家、具身智能中心主任黄思远博士。

主持人张群英上来就抛了个最接地气的问题：技术上最大的难点在哪？大概多久我能买到一个人形机器人？大概要花多少钱？黄思远的回答挺实在——这其实是行业里的最高要求，让机器人无缝进入家庭，了解主人喜好，能陪聊，能记住习惯，还得带着一点温暖的心态。

要做到这一步，机器人的模型需要有一个高层的价值来驱动，还要有更强的自主能力。而这跟眼下的机器人之间存在不小的技术代差。黄思远给出了一个乐观的时间表：3到5年，我们应该能看到这样的人形机器人出现。主持人当场表态，希望3到5年以后能从黄博士的公司买到一台。

怎么衡量当前的机器人？黄思远给了两个维度：一个是social interaction，社交交互能力；另一个是physical interaction，物理交互能力。

现在的机器人整体处在"弱社交、弱物理交互"的状态。要变成有温度的伙伴，就得走向强社交——通过自己的价值系统跟你交流，自主产生行为、自主规划下一步，无论是端水倒茶还是跟你聊人生。

物理层面同理，抓抓放放（pick and place）这类活儿已经做得不错，但整体依然算弱物理交互，未来必须往强物理交互走。

这两条轴同时往前推，配上一个价值导向的系统设计，才可能足够安全、足够可靠。

把镜头从客厅拉到车间，情况就完全不一样了。主持人追问：那企业里、生产线上，对精度、对流程敏锐度要求更高的场景呢？黄思远说，这两条路径面对的挑战是完全不同的。

工业机器人干的是单一任务、封闭场景，追求的是极高的成功率和效率。比如让机器人进厂打螺丝，就希望它做到99%甚至更高的成功率，还能连续工作24小时。

这样才能在成本上算得过来，才谈得上替代人干苦力。硬件要够稳，模型要在特定场景里滚起数据和模型的飞轮。

进家庭就是另一套逻辑了，首先是安全和隐私，其次最难啃的是泛化。人在家里对机器人的容忍度并不高——你可以犯错，但试个两三次得学会。这个要求比工厂里高一到两个甚至更多层级。

眼下具身智能（scalable AGI）最大的瓶颈就在这里：能不能从固定场景快速泛化到没见过的场景，这是toC和家用机器人首先要跨过的门槛。

如果真有那么一天，带逻辑、带记忆、带思维的机器人进了每个家庭，前期一定得有人培养它，就像养自己孩子一样。

合理的路径可能是这样：初期阶段由机器人公司负责培养基本的记忆和思维能力，这需要时间；等技术成熟，公司就只批量生产"童机"，价格压下来，性格和技能由各家根据自己的用途慢慢调教。

几年之后练出一个相当于8到10岁孩子认知能力的伙伴，再上岗为家庭工作或替个人减轻负担。

按用途分，家用机器人大概会有几大类。家政机器人负责做饭、洗衣、清洁，顺带兼职保安；情感机器人陪伴单身老人，聊聊天解解闷，做情感交流；教育机器人给孩子做双语启蒙、陪玩游戏。

再按更特殊的工种细分下去，还能派生出私人秘书、私人医生、重载搬运这些角色。这不是幻想小说——眼下已经有大量没有思维的智能型机器人进了工厂、公司和家庭，不领工资地干活。

十年之后，具备初级思维能力的机器人进入千家万户几乎是必然趋势，粗略估算，可能会有10%左右带逻辑记忆的机器人先走进普通家庭，剩下的会随着价格下探和培养体系成熟慢慢铺开。

主持人还问了一个更远的问题：黄博士心里觉得未来的世界会是什么样？黄思远说，未来的人类社会将是人和机器人共存的社会。目前还有距离。

某种程度上我们已经和一些智能体，比如豆包、各种大模型，在生活和工作里共存了，但我们还没有真正和机器人共存。

他所在的团队做三维场景理解、做AGI和scalable AGI，就是奔着这个目标去的——让机器人拥有类似人类的能力，让人和机器人共存。到那时候，人类社会本身可能也会往下一个阶段迈。他补了一句：非常希望在有生之年看到这样的变化。

过去一年，VLA（视觉-语言-动作模型）、世界模型成了具身智能圈的高频词，也代表着不同的技术路线。主持人请黄思远聊聊这些路线的关系。

黄思远的态度挺鲜明：真的想把机器人做好，靠的不是这些比较fancy的模型结构或模型设计。

这些东西对研究人员来说并不新鲜，包括世界模型本身怎么formulate state和action，也不是什么新鲜事。

机器人真正的挑战，是把全栈能力和数据打通——那些"dirty work"：怎么拿到更好的数据、怎么训练得更好、怎么搭建和训练更好的controller（控制器）。

大家现在意识到了数据重要，但对机器人来说，控制器同样是关键。有了好的数据和好的控制器，才能在上面更快迭代大脑架构、大小脑架构，还有底层的系统操作架构。

黄思远还讲了一个反直觉的事实：人脑大约有800亿个神经元，其中80%是小脑神经元，20%是大脑神经元。小脑神经元颗粒小，处于类似天空网络的状态，需要极高的交流速率和频率。

这也提醒大家，机器人的底层控制系统同样要命。

作为研究人员和公司创始人，他觉得业界应该往更底层去看，别只盯着上层架构，也别只顾着刷榜——刷榜有意义，但拿到充足资源的机构应该去啃底层，把能力打通，把demo做成真正鲁棒、可部署的系统。

主持人还提了一个大家都关心的问题：安全性。机器人自己的安全、跟人交互界面的安全都重要。要是我跟它聊天，说了它不爱听的，它对我来个语言暴力甚至肢体暴力，怎么办？黄思远把这个问题拆成两层来讲。

高层（high level）上，机器人得有自己的价值和判断体系，跟人类价值观对齐，降低危险行为发生的概率，还要能在动作产生之前做出预判并阻止。

低层（low level）上，机器人需要更好的环境感知。他举了个例子：现在有些机器人挥动手臂时，如果对碰撞没有感知，动作已经在"脑子里"编好了，你撞它一下它也不停，周围的人就有可能受伤。

网上其实已经流传过这类视频，未来真正安全的机器人系统，得能感知周围环境对它施加的力。现在的机器人通常只知道自己产生的力，还需要随时知道自己有没有被推、周围物体有没有碰撞。

这就要求一个好的力感知系统，加上底层的力位混合控制，让机器人从单点受力传导到全身协调动作。这两层，都是眼下正在集中攻关的技术问题。

把黄思远描绘的3到5年时间表，和春晚舞台上宇树机器人扭秧歌的画面放在一起看，会觉得这个行业的节奏是真的在加快。

舞台上的表演现在还依赖预先编排，可十年之后的家庭机器人则要面对完全不可预测的日常——孩子突然扔过来的玩具、老人手里没端稳的水杯、猫从桌下窜出来的一瞬间。

价格和普及率会像今天的智能手机、扫地机一样，被规模生产和市场竞争一点点拉进普通家庭的承受范围。

至于是不是每家都要来一台，这就交给时间和市场来回答。