人形机器人为何短期内无法追上人类劳动者

—— 人形机器人发展现状深度解析

作者：Kai Williams 2026‑09‑01

如果你过去两年一直关注机器人行业，大概率已经发现：人形机器人正以惊人的速度迭代升级。

2024 年 10 月，埃隆・马斯克在特斯拉新一代无人驾驶出租车 Cybercab 的发布活动上，安排数台 Optimus 机器人现场为宾客端送饮品。“Optimus 并不是预制录好的视频画面，也不是隔离演示。未来 Optimus 机器人将会行走在你身边。” 马斯克在发布会上说道。

而后在 2026 年 2 月，宇树科技的机器人登上春晚，带来了一场惊艳的武术表演。人类舞者与人形机器人同台，完成了一套节奏丝滑、高度同步的舞蹈动作。机器人实现了旋转、跳跃，甚至后空翻等高难度动作。

对比2025年机器人僵硬踏步、挥舞手帕的舞台表演，这次已是巨大飞跃。

就在上周，在北京举办的 2026 世界人形机器人运动会上，一款名为 “天工” 的机器人跑完百米用时不到 9 秒，打破了博尔特 9.59 秒的人类百米世界纪录。而就在不久前，性能顶尖的机器人跑完百米还需要 20 秒以上。

这类炫酷的演示视频让不少普通观众眼前一亮，也引发了大量关于岗位被替代的焦虑。既然人形机器人已经可以端茶送水、跳复杂舞蹈、跑赢人类，那距离数百万劳动者被机器人取代还有多久？

但如果你和机器人领域的业内专家深入交流（近几个月我采访了不少从业者），就会看到一个更为客观、复杂的现实图景。

正如物理智能公司联合创始人卡罗尔・豪斯曼（Karol Hausman）所说，包括他自己在内的大多数人，“并不擅长判断机器人技术的真实进展，分不清哪些演示具备实际价值，哪些只是噱头。” 诚然，机器人能够完成一些对人类而言难度极高的特技动作，但像拿起一罐可乐这种简单任务，对机器人来说却无比艰难。

很多看上去效果震撼的人形机器人演示，背后其实有人远程操控，这种技术被称为遥操作。2024 年现场端饮料的 Optimus 机器人大概率就是这种情况。特斯拉的硬件已经可以胜任服务员工作，但配套软件尚不达标，因此特斯拉雇佣了人类操作员远程操控机器人完成动作。

而宇树机器人的舞蹈动作虽然并非远程操控，这项演示却无法证明它们可以胜任实际工作。绝大多数体力劳动，都需要在真实环境中操控物体：装箱、钉钉子、煎汉堡等等。事实证明，训练机器人完成这类物体操作任务，远比训练它跳舞困难得多。

除此之外还有许多超越单一任务本身的深层难题。人类劳动者拥有极强的灵活性：可以胜任五花八门的工作，并且能够边工作边快速学习新技能。到目前为止，还没有人能让机器人 AI 模型拥有同等的泛化适应能力。

如今最亮眼的机器人演示项目，大多耗时最多不过几分钟。但人类还可以完成长达数小时的工作任务，例如重建汽车发动机、组装橱柜。想要训练机器人完成这类长周期项目，就必须额外培养一项短任务不需要的能力：记住自己已经完成了哪些步骤。

等到真正落地商用，经济成本与安全隐患等现实问题也会接踵而至。机器人需要连续工作数小时不出故障；它的制造成本、训练成本以及维修成本不能过高；当机器人和人类一同工作时，必须保证绝对安全。

想要攻克以上所有难关，还需要许多年，甚至数十年的时间。所以不可否认，人形机器人近几年进步飞快，但前路依旧漫长。

物体操控很难

机器人领域一大关键挑战，就是预判外部世界会对机器人的动作产生怎样的反馈。从这个角度来说，跳舞远比大部分工作简单。正如机器人公司 Bracketbot 首席执行官布莱恩・马查多（Brian Machado）所言：“地板不会做出任何反应。”

机器人后空翻、特技表演固然观赏性十足，但几乎没有实际商用价值。绝大多数有价值的工作，都需要和物体交互，而物体受到外力之后会移动、变形，做出各种反馈。

“想要释放机器人 90% 以上的商用潜力，物体操控是尚未攻克的核心难题。” 机器人初创企业 Genesis.AI 总裁西奥菲尔・热尔韦（Theophile Gervet）表示。

拿起一个物体，不单单只是改变它的位置，物体本身形态也可能随之变化。枕头、一袋薯片、一杯水，被拿起之后的反应各不相同，很难建立一套通用模型去预判。

2025 年 9 月，曾任职于谷歌 X、现就职于 OpenAI 的机器人专家本吉・霍尔森（Benjie Holson），发起了一项 “人形机器人奥运会”，列出 15 项操控任务。想要完成这些任务，机器人的技术水平必须达到行业前沿。

这些任务对于 8 岁小孩来说都轻而易举，其中三项是开门；一项是利用面包和未开封的花生酱罐子制作三明治；就连最难的剥橙子任务，普通人也可以轻松完成。

一开始，几乎没有机器人能够通关。三个半月之后，物理智能公司宣布，他们的机器人成功完成了其中 10 项挑战，这在当时已经是一项了不起的成就。

但这份成果背后有诸多限制条件。研究人员一遍遍地手动操控机器人演示动作，采集数据，微调模型。仅仅是把袜子翻面，就需要 176 次成功示范，约 8 小时的训练素材。为了练习剥橙子，实验室买了大量橙子，就连团队里最爱吃柑橘的员工都吃到腻了。

几乎所有任务中，机器人耗时都是人类的 4‑10 倍，成功率仅有 52%！

这份成果值得肯定，但即便是完成这些简单任务，机器人距离人类水平依旧相差甚远。还有大量人类随手就能完成的工作，机器人至今束手无策。

今年 1 月，霍尔森又发布了第二批操控挑战清单，任务难度有所上升，但对于成年人依旧十分简单：铺床、钉钉子、接住鸡蛋且不能把鸡蛋摔碎。

清单里还有一类值得关注的任务：长周期任务。人类可以花费数小时完成组装床铺、粉刷房间这类复杂工作。但当下机器人很难执行由多个子步骤组成、耗时较长的任务。

霍尔森列出两项 “长周期任务”：把家里的垃圾带出去、煎一份单面煎蛋，两项任务耗时都不超过 5 分钟。

想要把机器人的工作时长从几分钟拉长，还有大量技术难关需要攻克。目前机器人模型能够记忆过往动作的时长十分有限；物理智能最新一代模型，借助文本压缩记忆最多只能回溯 15 分钟以内的画面。机器人还无法稳定地将几十上百个不同的子任务串联起来，一次性完整执行。

当问到长周期任务规划难题时，热尔韦并不焦虑。“我认为机器人基础模型公司，首要目标是先做好大量 5‑10 分钟的短期任务，长周期推理规划问题，可以交由通用大模型企业去攻克。”

但短期任务和长期规划未必可以清晰拆分。人类在一步步执行工作时，会根据当下情况随时调整整体方案。如果长周期规划、短期执行由两套独立模型负责，机器人很难拥有人类这种实时应变的能力。

泛化能力：机器人落地的第二道瓶颈

第二批挑战清单发布距今已经 7 个多月，据我所知，至今还没有任何一家企业宣布完成其中任意一项任务。即便物体操控能力迎来爆发式增长，另一道相互关联的难关依旧横亘在前 ——泛化迁移能力。

企业可以投入海量资源，训练机器人完成某一项单一任务。但这种高成本训练方式适合的岗位，大多早已被传统自动化设备占领。当下人形机器人最核心的卡点在于：机器人抵达全新的陌生环境时，不需要投入大量新的训练素材，就能快速上手工作。

今年 5 月，我走访多家机器人企业时，亲眼见过嘉博智能的半人形机器人在药品仓库作业。它的任务十分简单：将货架上的盒子取下，放到传送滑道上交给配送人员。

即便任务如此简单，机器人放下每件货物依旧需要 40 秒。企业表示新款机型速度已经翻倍。每当仓库新增一款货品，工作人员都要重新训练机器人识别抓取这款新品，虽然企业称只需要 5 分钟训练时间。

现如今几乎所有人形机器人落地项目，都是这套思路。企业挑选一份工作：难度超出传统自动化设备，但环境变化幅度又不能太大，否则当下的 AI 机器人同样无法胜任。而每一次落地部署，前期调试、训练都要耗费巨大人力成本。

不少初创企业寄希望于 AI 大模型，让机器人可以适配更多岗位。Rhoda.AI 首席执行官贾格迪普・辛格（Jagdeep Singh）透露，他们正在推进制造业、仓储行业超 100 个不同场景的落地项目。

今年 3 月英伟达 GTC 大会上，多位机器人工程师告诉我，现场最令人震撼的演示来自一家叫 Generalist 的公司。两台机械臂将手机从包装盒中取出、放回。这项任务本身难度很高，但最让业内惊叹的一点是：团队只有短短几天准备时间，没有在展会现场重新训练机器人，就直接把实验室里学会的动作迁移到全新的展厅环境中完成演示。

这件事之所以让专家眼前一亮，恰恰反衬出过去机器人模型的脆弱性：仅仅灯光发生一点变化，机器人就有可能任务失败。

Generalist 首席执行官皮特・佛罗伦萨（Pete Florence）表示，把任务从一个环境迁移到另一个环境，环境背景变化带来的难题基本已经被他们攻克。但是还有另一类泛化难题悬而未决。他举了一个例子：“假设机器人学会了往拉链款背包里放便当盒，现在换一个搭扣款式的背包，机器人能不能顺利完成？”

当下机器人泛化技术正在飞速迭代。8 月 20 日，Generalist 发布 Gen‑1.5 模型，仅需要一次人类示范，机器人就可以学会一项全新任务。就在上周，Skild AI 发布 S1 模型，仅凭一条演示视频，就能让机器人完成最长 10 分钟的新任务。

多家企业公开宣布，计划 2026 年底之前将机器人推向家庭场景 —— 而居家环境场景千差万别，变数极大。我预判这类落地项目的功能会十分受限，甚至部分产品依旧离不开人类远程兜底操控。

双腿行走机器人，现阶段自带安全隐患

前面重点讨论了物体操控难题，这也是所有形态机器人想要创造商用价值，都必须跨过的门槛。而人形机器人不只有双手，依靠双腿移动又带来了全新的工程难题，安全问题首当其冲。

目前绝大多数双足人形机器人必须时刻主动发力维持身体平衡。一旦腿部电机停止运转，机器人就会直接摔倒，极有可能砸伤旁边的人类。

电机过载停转的事故真实发生过。2025 年斯坦福大学与西蒙弗雷泽大学的研究团队开发出一套动作复刻控制系统，操作员做出肢体动作，机器人就同步模仿。这套系统效果不错，但是有致命短板：连续工作 5‑10 分钟电机就会过热，尤其是蹲起动作。每次测试之后都必须停机冷却。一旦超时运转，机器人就会断电倒地。

过热问题也是宇树 G1（全球普及率最高的人形机器人之一）长期存在的痛点。行业分析师雷克・克努特森（Reyk Knuhtsen）在访谈中提到，一年前初代 G1 最多只能搬运几公斤重物工作 5 分钟，随后就要冷却半小时到一小时，才能再次启动 5 分钟工作。虽然宇树已经优化硬件散热，但是过热问题并未彻底根除。如今可以连续工作 5‑15 分钟，之后依旧需要 10 分钟冷却。

过热并不是机器人摔倒的唯一诱因。电池意外断电、大规模落地使用之后才暴露出来的硬件隐患，同样会引发事故。

Agility Robotics 公司首席技术官普拉斯・维拉加普迪（Pras Velagapudi）分享过一个棘手故障：一批已经投入现场使用一段时间的机器人，只要做出下蹲动作，其中一条腿就会突然失效摔倒；站起来之后又恢复正常。

经过排查，故障根源是腿部电路板经过成千上万次弯折，线缆慢慢松动。下蹲动作拉扯线缆导致电路断开，腿部伸直之后线缆又重新接通。

为了防止这类故障伤害人类，企业在部署时做出了多重限制。目前 Agility 旗下 Digit 机器人，全部安置在隔离安全围栏之内，不和工人一同作业。企业计划后续新增安全防护机制：一旦人类靠近，机器人立刻减速停机，未来实现人机共岗。

另一家企业 1X 计划今年年底将双足机器人送入家庭，他们选择把机器人机身做轻、机械结构设计成柔性缓冲结构，就算摔倒也降低伤人风险。即便如此，企业依旧明确表示：带小孩的家庭不能参与今年的机器人内测。

还有一条折中路线：放弃双腿，改用轮子。轮式机器人研发生产成本更低；断电之后车身依旧稳定，不会倾倒伤人。但轮子也牺牲了地形适应能力：无法爬楼梯，不能在坑洼地面通行。

长期来看，工程师终将攻克双足机器人的安全难题。但这些属于硬件工程层面的硬核挑战，并不会随着 AI 大模型快速迭代而自动迎刃而解。

从演示视频到大规模商用，还有漫漫长路

Agility 机器人腿部离奇故障的案例，恰恰印证了一个残酷的现实：实验室里效果完美的演示样机，想要大范围落地商用，难度超乎想象。

传奇机器人专家罗德尼・布鲁克斯 2024 年曾说：“几乎没有一项机器人技术，可以从实验室演示，在十年之内顺利走向大规模落地。你需要长时间观察设备在真实世界的稳定性，充分排查各种失效隐患，才能让机器人脱离人工监护独立工作。”

从惊艳的演示视频到面向市场发售的产品，注定要经历漫长的周期。机器人操控领域当下所处的阶段，非常像 2015 年自动驾驶行业的处境。

2015 年前后，大量初创企业涌入自动驾驶赛道，很快做出了效果惊艳的演示与小规模测试。所有人都乐观地认为自动驾驶几年之内就可以全面落地。

谷歌无人车项目负责人克里斯・厄姆森当年公开放话，要让自动驾驶赶在自己儿子拿到驾照之前普及。福特宣布 2021 年量产无方向盘自动驾驶汽车；Lyft 高管预言 5 年之后无人驾驶将占据平台绝大多数订单。

十年后的今天，Waymo 的无人出租车仅在 11 座城市开展运营，服务范围仅限少数城市片区。即便无人车本身已经做到比人类司机事故率更低，规模化落地依旧卡在无数现实瓶颈当中。最大的难题就是真实世界无穷无尽、无法穷尽的极端路况。

人形机器人落地遇到的困境和自动驾驶并不完全相同。机器人操作失误致人死亡的风险相对更低。但是二者却有着大量共通的落地瓶颈：真实世界环境无比复杂，想要跨过 “演示能力” 和 “可用落地能力” 之间的鸿沟，需要投入海量资源。

历史经验证明：机器人采购标价，仅仅只是落地总成本的冰山一角。AI 技术虽然有望降低部署调试成本，但是神经网络故障排查等全新难题，又带来了新的开销。

以上论述，并不是否定当下 AI 机器人领域取得的突破。5 年前看上去遥不可及的任务（例如叠衣服）如今已经可以顺利完成；宇树机器人流畅的舞蹈动作，代表着硬件与训练技术的巨大飞跃。

炫酷的宣传片，距离随处可见、真正好用的人形机器人，中间还有一条漫长的道路。

本文编译自 substack，原文作者Kai Williams

https://www.understandingai.org/p/why-humanoid-robots-wont-catch-up