一年時間機器人能有多大進步？近日舉行的2026北京亦莊人形機器人半程馬拉松給出“量尺”——冠軍成績由2025年的2小時40分42秒突飛猛進至50分26秒，一舉打破人類半程馬拉松世界紀錄。

“這是一個重要的技術跨越。”國家地方共建人形機器人創新中心首席科學家江磊在接受《中國科學報》採訪時表示，本屆比賽中，機器人不僅跑得更快，而且跑得更“聰明”，能夠在真實道路環境中獨立完成彎道、坡道、避障等複雜任務。他同時表示，目前尚無國際賽隊能夠獨立完成類似規模、類似難度的機器人半程馬拉松比賽。

而對中國賽隊來說，這場賽事已從去年初試啼聲的“小規模秀場”，成長為檢驗行業真技術、真能力的“國家級考場”，考驗著整個產業鏈的耐力與智慧。

扔掉“拐杖”自主跑

作為全球首個人形機器人馬拉松品牌賽事，本屆賽事在規模、賽道、技術呈現和保障體系上均達到新高度。

今年的賽道串聯起北京亦莊南海子公園的生態濕地與經開區國家信創園的產業地標。比賽的一大亮點是賽道難度升級，與去年相比新增了南海子公園路段，道路坡度起伏明顯，並且設有約90度的急彎，對機器人的穩定性和轉向能力提出了更高要求。

2025年首屆比賽，多數機器人仍需領航員手持遙控器一路陪跑，被戲稱為“遙控玩具”。而今年，38%的參賽隊選擇完全扔掉“拐杖”，依靠機器人自身的感測器與演算法實現自主導航。

所謂自主導航，意味著機器人不再依賴人類遙控指引，而是通過鐳射雷達、視覺相機等感知環境，即時識別道路、避讓障礙、規劃路徑，自主決策每一步走向。這對機器人的環境理解能力、運動控制能力和可靠性提出了極高要求。賽道上還有一個細節令人印象深刻，上屆比賽中，許多機器人跑到一半就斷電需要更換電池；而在本屆賽事，熱插拔技術已經普及，機器人可以在不關機的情況下快速換電，持續奔跑。這看似微小的改進，折射出工程化能力的顯著提升。

江磊指出，當前人形機器人發展分為“感知到執行”“認知到執行”“自我決策到執行”三個階段。本屆比賽雖處於第一階段，但通過極限場景評測，為行業樹立了可量化、可追趕的技術標杆，可以推動企業跳出低水準重複階段，聚焦更高層次的技術創新。

北京郵電大學人機交互與認知實驗室主任劉偉認為，當前人形機器人正處於由“技術秀場”向“實際應用”轉型的關鍵階段，未來的競爭焦點不是誰跑得更快、跳得更高，而是誰能建立更智能、更可靠、更值得信賴的“人-機器人-環境”融合系統。

一次集中檢閱

如果說去年的比賽還帶有濃厚的“炫技”色彩，那麼今年的亦莊賽道則成了中國在人形機器人領域產業實力與技術能力的一次集中檢閱。

從關節電機到熱插拔電池管理，從多感測器融合導航到即時運動控制演算法，多個技術環節都在這場長時間的奔跑中得到了實戰檢驗。

據工業和資訊化部統計，2025年國內人形機器人整機企業數量已超140家，發佈產品超330款，行業迎來商業化加速期。然而，繁榮景象的背後，“訂單熱、交付難”成為普遍痛點。

參賽企業之一、加速進化創始人程昊坦言，多數企業正處於從“小批量試產”到“規模量產”的艱難過渡期，產線、供應鏈、品控體系尚未完全跑通，導致供需結構性錯位。

程昊補充道，產業還面臨具身智能決策與泛化能力不足、缺乏統一技術底座與開發生態、商業化路徑模糊等挑戰，多數場景仍停留在教育、科研等開發領域，消費級、工業級產品與真實需求之間仍有明顯差距。

中國科學院自動化研究所研究員張正濤對人形機器人未來三年的商業化落地場景作出了清晰的判斷。他認為，從工業到家庭會呈現齊頭並進的格局，但相對而言，工業製造和倉儲物流更容易落地。

“能重複擰一萬次螺絲不出錯，比能做一百種動作更重要。工業場景對硬體的核心要求是負載能力、精度和續航，演算法更看重泛化操作與視覺伺服能力；倉儲物流則更強調續航、移動穩定性和導航避障能力，需要長時自主運行和動態環境適應。”張正濤說。

更值得關注的是，中國在人形機器人領域的獨特優勢正在顯現。張正濤認為，中國的競爭力在於“場景、供應鏈、政策”三位一體。

張正濤表示，全球最大規模的製造業提供了最豐富的應用場景和訓練數據；最完整、最具成本優勢的零部件供應鏈正在從“便宜”向“精密”升級；政府決策快、執行效率高的政策體系，為產業提供了強力支撐。

奔跑中的產業困局

此次賽道上，不少人形機器人奔跑自如，但也不乏顛簸與踉蹌，這暴露了人形機器人產業的深層瓶頸。

張正濤直言，目前制約人形機器人規模化應用的核心短板在軟體端。“硬體已經能‘用’，但軟體還沒讓機器人真正‘會’。”百萬級真機數據遠不足以訓練出成熟的大模型，機器人在仿真環境中能做到100%成功，落地到真機卻只有60%至70%的成功率。

同時，江磊提到，不少人形機器人企業仍沿用傳統製造業的思路，優先選擇低端、低成本的方案“先入門”，導致行業在早期發展階段就陷入了低水準重複的困境。

與此同時，標準化體系缺失同樣掣肘產業發展，不僅造成研發和生產資源的巨大浪費，也嚴重制約了產業鏈的協同和規模化應用。

對此，江磊認為要構建國家級開源生態與標準體系，加快制定數據互聯互通、訓練場建設、介面安全等52項急需標準，推動標準與知識產權授權綁定，引導人形機器人企業從低水準重複轉向高水準創新。

“中國製造業場景的複雜度遠超歐美，這本是訓練泛化能力的絕佳土壤，但如果數據無法共用，這一優勢就會被稀釋。數據採集和標注的標準化是比硬體更難的問題，需要行業聯盟主導解決。”張正濤說。

關於技術路線選擇，張正濤也作出了務實的判斷。他認為，“通用性”與“專用性”的矛盾本質上是錘子與螺絲刀的矛盾，不可能一把工具做所有事。未來三年人形機器人將以專用為主，把垂直場景做深，建立投資回報模型，實現批量部署；五到十年後，隨著具身大模型能力提升和硬體成本下降，通用基礎平臺才會成為可能。

張正濤指出：“不要被‘通用’這個詞綁架，先打穿一兩個場景，實現商業回報，再逐步擴展，這比做一臺全能但平庸的機器更有價值。”

來源：中國科學報