来源：中国经营报

中经记者 李玉洋 上海报道

2026年被定义为人形机器人量产元年。时间已过半，这一判断还对吗？

《中国经营报》记者注意到，7月7日，在2026世界人工智能大会暨人工智能全球治理高级别会议新闻发布会上，工信部有关官员表示：“大模型、智能体等加速迭代，我国今年人形机器人全年整机产量有望突破10万台。”

这个“突破10万台”的预测，无异于给火热的行业再注入一把信心。“截止到5月，今年中国AI产业投资达到1500亿元，其中具身芯片相关的投资约占到30%，也就是三四百亿元。”近期，上海国投先导私募基金管理有限公司投资管理三部董事总经理王溪在芯原股份（688521.SH）具身机器人专题技术研讨会上表示。

这场技术研讨会汇聚了芯原股份、优必选科技（09880.HK）、地瓜机器人、上海国投先导、Yole Group等产业链上下游企业，一起对具身机器人的算力架构、芯片复用、场景落地展开了深度探讨。优必选科技高级副总裁、战略投资总顾问侯宗放透露，该公司2025年全尺寸智能服务类、不用遥控器、超过164cm的机器人产品出货1079台，

“今年我们预期出货量要×10，也就是说工业级的轮盘式+商用服务+商业导览机器人，加起来出货量大约会在1万台；另外情感陪伴类的机器人也会有1万台左右出货量。今年我们整体产能规划就是按照2万台的标准去走的。”侯宗放表示。

市场研究机构Yole Group汽车及机器人首席分析师杨宇指出，若区分“双足”与“轮式”，今年全球人形机器人总量达到10万台可能较快实现，但单一型号突破10万台则面临巨大挑战，预计还需3—5年时间。

对于“单个型号的人形机器人出货量预计何时可达10万级别”这个话题，侯宗放表示，需求端的量远超行业所能提供的，有信心在未来2年内实现，但“主要问题就是行业的基模都还没有产生”。

在AI与大模型领域，VGI，即视觉通用智能（也叫通用视觉智能），是通用人工智能（AGI）在视觉维度的核心分支。区别于传统只能完成单一任务的计算机视觉模型（如仅做目标检测、图像分割），VGI指AI系统能够跨领域、跨场景理解和推理视觉信息，具备开放世界感知、上下文推理、零样本泛化的能力，可以作为视觉方向的通用基础底座，适配工业、医疗、安防等多行业的视觉任务。

走向规模化量产的最关键障碍

芯原股份方面认为，当前的人形机器人有着“大脑—小脑—肢体—系统工程”这样的技术架构，具身机器人的本质是在物理世界中实现“感知—认知—决策—执行”的闭环智能，其算力体系并非依靠单一的端侧AI芯片，而是囊括了CPU、GPU、NPU、ISP、VPU、DSP等异构协同的混合计算平台。同时，计算不能全部堆在设备端，还需要端云分层协同。

该公司董事长、首席执行官、总裁戴伟民博士表示，2026年正是具身机器人能否从“演示”跨越到“稳定交付任务”的关键转折点，而对于芯原股份这样的芯片设计服务和IP提供商来说，具身机器人是一个极具价值的市场。

对照汽车自动驾驶的分级体系，戴伟民还判断具身机器人整体尚处L2阶段，远未达到L3，运动平衡层面（即“小脑”）已有进展，但认知决策能力（即“大脑”）仍是核心短板。

根据Yole的总结，“本体（body）—灵巧手（hand）—数据（data）—零部件（parts）—运动控制（motion control）—大脑（brain）”是人形机器人的6大关键技术。杨宇表示，在Physical AI框架下，机器人关键芯片之间呈现高度协同特征，“大小脑协同”的系统架构路线逐渐成为主流方向；目前的人形机器人在本体、运动控制两方面进步明显、发展迅速。

那么，当前人形机器人从原型走向规模化商用的核心障碍是什么？不少观点认为，机器人“大脑”的泛化能力不够是当前最关键的障碍。

杨宇也表示，当前人形机器人的泛化能力成熟度低，要真正实现大规模应用，需要这6个维度都成熟才行。“尤其在数据这块——自动驾驶每天有百万千万的车可收集数据，使得自动驾驶模型更好用；而机器人领域，目前还没有看到特别有效、成本可控的收集数据的方式。”他指出，即便有合成数据解决方案，但还是不够。

站在落地应用的角度，侯宗放则表示人形机器人从实验室走向规模化量产的当前最关键障碍是行业的基模还没有出来。

“这是最本质的问题。任何产业链、供应链的问题，包括数据的问题、算力的问题、算法的问题，这些都是在表象层。我们觉得最主要的问题就是行业的机模moment还没有到来。”侯宗放说。

具身机器人芯片平台的最大性能瓶颈

目前，应用于具身智能领域的芯片，更多是从汽车自动驾驶芯片平移过来的。即便是英伟达，其面向机器人的芯片产品实际上也用在汽车或边缘场景。

芯原股份方面认为，人形机器人和汽车自动驾驶芯片本质类似，因此车企的很多技术都可以直接复用到人形机器人上，而它们在机器人领域的布局主要有“投资（如吉利）＋自研（如特斯拉/小鹏、小米、广汽）＋合作（如奇瑞）”。

“不光是OEM厂商，供应链上的一级供应商、二级供应商里面，汽车和机器人这两个行业的协同是非常显著的。”杨宇指出，“自动驾驶和人形机器人的大脑可以共享，更不必说其他硬件资源，还有运动控制、电控等。”

杨宇还直言：“现在还很难找到专门为机器人设计的芯片。如果专门做机器人芯片，恐怕很难赚到钱。”当然，车企下次做机器人芯片也有出于市场估值、讲新故事的需求，毕竟投资界如今对汽车行业持保守态度。

地瓜机器人CEO王丛从芯片产业规律角度分析，所有新兴行业早期都是“借用”现有算力（如早期手机用电脑CPU，早期智驾用显卡），复用是降低早期研发成本、快速验证原型的必经之路。

然而，他还表示随着机器人任务的明确化，专用芯片必将取代通用芯片。“只有专门设计，才能满足特定场景下极致的PPA（性能、功耗、面积）要求。”

“很多主流观点认为，汽车和机器人的芯片复用率能达到80%。我个人并不认同这一观点。机器人的底层逻辑和汽车还是有比较大的区别。”侯宗放表示。

他进一步提到，首先，汽车从A点到B点是平面的；机器人则需要具备动态三维甚至四维能力。其次，机器人更具有综合性，除了交互还有运控，操作精准动作。

杨宇提到汽车与机器人的差异，典型的是汽车对响应延迟要求很高，但精确性要求不及机器人，机器人在交互时，需要了解对象的材质、重量、物理形态等。此外，汽车与机器人摄像头数量的不同、机器人更多的是做长程任务，所以对带宽要求更高。

侯宗放指出，做具身智能AI芯片，应该从0到1开辟全新的理论架构和技术方向，这也正是优必选与国产GPU厂商沐曦股份（688802.SH）合资新公司研发具身智能端侧芯片的原因之一。

“未来的具身行业，或许还要很多年才能走入家庭；在此过程中会历经多轮迭代，这不是一代芯片就能做对的过程。”他说。

侯宗放还透露，优必选在实测中发现，即便是英伟达2000T算力的芯片，在应对复杂三维空间交互任务时也显得捉襟见肘。

“第一，坚持端边云一体化，也就是整个架构的分层；第二，汽车和消费领域的经验告诉我们，只做芯片是不行的，需要围绕芯片做上下游产业链。”侯宗放如此建议。

芯原股份首席战略官、执行副总裁、IP事业部总经理戴伟进也谈到了“协作计算”的可能性，即部分计算负载交由云完成，实现边缘与云的协作；分布式计算方式，例如感知层可以做中间计算，输出特征数据，简化后端中央决策的过程，实现数据传输最小化、算力效率的最大化。

（编辑：吴清 审核：李正豪 校对：颜京宁）