南方财经 21世纪经济报道记者吴斌 报道

当人形机器人从舞台中央的聚光灯下走向工厂产线与家庭，这场技术浪潮已经离人们的生活越来越近。

3月24日至27日，博鳌亚洲论坛2026年年会在海南博鳌举行，在“人形机器人的进阶与飞跃”分论坛上，与会嘉宾围绕人形机器人的技术突破、产业趋势、安全伦理、监管治理等核心议题展开了深入讨论。

新西兰前总理希普利从社会伦理和监管角度分享了深刻见解。她指出，第一代人形机器人并不具备人工智能功能。近年来，人形机器人在物理形态上已非常接近人类，这既令人惊叹，也需要保持谨慎。她特别提到，即便数字人工智能拥有个性，也不应失去人性。在过去6到18个月里，人形机器人的发展让我们迫切需要追求“人工智能向善”，并充分考虑其社会影响。

人形机器人正加速走向产业应用，但技术瓶颈、数据短板、伦理规范等问题仍需行业共同应对，技术前沿突破与社会价值选择需要双向奔赴。

北京人形机器人创新中心CEO熊友军从技术发展、产品发展和产业应用三个维度，系统梳理了人形机器人的演进趋势。在技术层面，人形机器人分为本体、小脑和大脑三个维度。本体技术逐步趋于收敛，随着大模型进步，运动控制能力快速提升。大小脑协同进化趋势明显，技术范式多元，包括世界语言行为大模型分层控制、多模态大模型与相关感知技术协同，以及世界模型与多功能大模型融合统一等路径。

在产品发展趋势上，熊友军指出，国产化和规模化趋势明显。许多零部件公司开始与主机厂、系统集成商合作，形成集团化发展模式，大幅降低成本，提升核心零部件的可靠性、稳定性和标准化水平，从而降低行业门槛和应用成本。

从产业应用来看，熊友军认为，过去人形机器人更多是表演式炫技，现在正向产业应用和服务国民经济主战场转变。在泛工业领域，如汽车、家电生产，机器人正向搬运、分拣、物流等方向渗透。未来，人形机器人应优先应用于与生命健康相关、对人类有害或不利的场景，并随着技术进步逐步向更多场景和用户扩展。总体趋势是从炫技到实用，从专业到通用。

商汤联合创始人、大晓机器人董事长王晓刚补充了技术突破的另一关键维度——数据。他指出，过去机器人数据采集依赖人工操控，效率极低，累计仅约10万小时。相比之下，特斯拉FSD技术路线中，每天训练量相当于人类400万小时的经验。

一个重要的趋势是，行业正从真机数据采集转向通过穿戴传感器观察人类在真实环境中的行为，以此训练大模型和世界模型。王晓刚举例说，近期网络上一段机器人收拾房间的视频中，机器人在手被占用时，将毛巾搭在肩上、用胳膊夹住桶，这些拟人化行为明显是从人类行为中学习而来，代表了数据上的突破。此外，“OpenClaw”的出现赋予了人形机器人自我进化能力，一个平台可控制多台机器人，实现从单机具身到群体协同的跨越。

在人形机器人技术飞速发展之际，希普利强调，我们需要思考当机器人威胁到人类生存或生命安全时该如何应对。她指出，对行业而言，监管需要确立国家法律框架。大家都提到了数据，这些数据是由每个人产生的，但数据的整合从未经过许可。她支持科技发展，但认为需要知情同意的过程，个人数据应用许可是未来机器人数据收集中的关键事项。

希普利还提醒，企业之间竞争激烈，机器人数据收集需要找到明确的边界——我们是否在通过机器人挑战人性？“替代人类”这一想法会带来社会危害。有能力购买机器人的人将获得更多优势，这是需要持续思考的问题。在回答机器人如何获得人类信任时，她表示，机器人需要证明自己是稳定的、适应环境的、负责任的。

英国牛津大学马丁学院人工智能治理倡议高级顾问兼多边人工智能主任萨姆·道斯从国际视角介绍了各国监管框架。他指出，欧洲有《人工智能法案》，涉及机器人在儿童或老人护理中的应用；中国有相关的监管框架草案；英国也推出了机器人监管法案。许多监管措施基于伦理考量，如新加坡的监管强调社会、人类认知与道德伦理，同时避免切断人与人之间的联系。

此外，萨姆·道斯特别强调了语言与文化的重要性。实验发现，模型在低资源语言中更容易执行被禁止的任务。协作型机器人需要理解不同语言与文化中手势的含义及其背后的文化内涵。中国的机器人未来若要在东盟、中东、中亚、欧洲等地应用，必须充分考虑语言与文化的影响。

关于业内热议的人形机器人的“ChatGPT时刻”何时到来，嘉宾们给出了不同的时间判断。

王晓刚认为，基于数据量级的规划——从当前10万小时到2027年达到1000万小时量级，再经加持可达上亿小时——大约两年时间可迎来这一时刻。

vivo机器人Lab首席科学家邵浩则持更为审慎的态度。他指出，从2012年深度学习兴起到ChatGPT出现，关键变化在于找到了低成本、海量、免费的数据来源。而机器人数据维度极高，文本是一维，机器人数据是六十多维，必须找到如人类视频数据这样的低成本海量数据来源，这仍是前沿研究方向。他估计这一过程需要十年。

熊友军则认为机器人的“ChatGPT时刻”不是一刀切的，而是与技术成熟度、商业价值和社会需求相耦合。去年中国人形机器人发货量近2万台，预计今年将大幅增长，明年增速更大。他认为应用场景落地可能比人们预想的更快，这是一个循序渐进的过程，而非非此即彼的时间点。

萨姆·道斯提出三个关键关切领域：第一，人形机器人行业的“ChatGPT时刻”与数据密切相关，真正的突破在于从实际应用中获取反馈数据；第二，通用人工智能水平、数据标注与格式同样重要；第三，各国都希望在技术领域占据领先地位，生成式人工智能与智能体会反过来影响机器人与人工智能发展。

邵浩聚焦家庭机器人场景，详细阐述了安全与责任问题。他指出，机器人进入家庭必然涉及物理安全、数据隐私安全和系统失效风险。在物理安全上，硬件设计需考虑物理围栏、即停机制、安全距离等，确保问题出现时物理安全有保障。在数据隐私上，机器人配有摄像头、麦克风等，需明确数据采集边界，通过软件系统防止泄露，尽量在端侧处理数据，确保数据不流失。在责任认定上，可参考自动驾驶的成熟条例，如欧盟《人工智能法案》规定L2及以下责任归用户，L3及以上归车厂和系统提供者，这值得人形机器人家庭应用借鉴。

邵浩强调，当前最迫切的是找到用户真正需要机器人解决的问题，并且是端到端地解决。例如叠衣服只是衣物处理的一小环，从进门脱下外套开始，就涉及洗、烘干等一系列流程。我们需要在家庭上千个场景中找到子流程，确定哪些机器人能做、哪些不能做，再设计合适形态的机器人进入家庭。若自主智能尚不成熟，可先采用人机协同方式，在数据飞轮加持下逐步实现自主。总之，从用户场景出发，端到端地解决问题。

关于当前最迫切的工作，熊友军提出了三点建议：第一，人形机器人技术尚未完全成熟，当前需要抓住技术创新，通过平台进行底层关键技术的创新，并将成果开源开放，形成良好生态，推动行业共同发展。第二，推动技术尽快在可用行业中应用，通过政产学研协同，形成一致发展。第三，行业存在无序发展可能造成资源浪费，亟需制定产业发展标准，通过标准引导产业协同发展，从定制化转向标准化、规模化。

展望未来，王晓刚认为，最重要的是找到研究范式的变革，确定具身智能领域的方法，使我们在扩大模型、算力和投入时能够获得确定性。邵浩则强调，从用户场景出发，端到端地解决问题，是推动机器人落地的关键路径。