今年以來，以具身機器人為代表的機器人賽道異常火爆，“機器人馬拉松”、“機器人運動會”等活動的舉辦，也推高了民眾關注的熱度。中國企業表現出領先的創新能力得到廣泛認可，圍繞人形機器人的本地生態系統也在加速構建。當前，人形機器人正在實現從原型走向量產的關鍵階段，今年也被視為人形機器人的規模量產元年。

國家統計局數據顯示，2025年上半年，工業機器人累計產量達到36.93萬套，同比增長30.4%。來自第三方機構IDC的最新預測，到2029年全球機器人市場規模將超過4000億美元。其中，中國市場占據近半份額，且以近15%的復合增長率位居全球前列。

在工業領域，如果說過去10年，過去10年，數字工廠對生產自動化和數字驅動決策起到了很大的推動作用，那么機器對環境的感知、理解和靈巧操作，將代表著工業智能的未來。

“我們要讓機器具備感知、連接、控制和解譯的能力，讓工廠成為一個有思想、有觸感和有行動力的智能系統。AI、機器人和自動化的深度融合，正在開啟人機協作的新紀元。”在日前ADI舉辦的“激活邊緣智能 共繪具身未來”人形機器人媒體溝通會上，ADI公司院士兼技術副總裁陳寶興博士在接受集微網等媒體采訪時表示。

推動產業變革的具身機器人

AI經歷了70年的發展，從1950年的圖靈測試，到1956年正式提出人工智能學科，從2012年深度學習取得突破性進展，到2022年生成式AI爆發。

從今年起，具身機器人將在未來幾年成為現實，推動產業變革。在過去，AI、自動化和機器人都各有其賽道，但現在這些領域正在融匯成一個超級生態。

陳寶興博士指出了三方面驅動機器人發展因素：

一是AI加速，AI算法推動了機器學習和適應的能力，能在復雜環境下自主優化動作。

二是由于市場需求，對靈活制造的需求更大，工廠需要柔性生產，機器人更需要能夠快速地切換任務。

三是人口減少與勞動力短缺，制造業面臨用工荒。未來更加需要人機協作，機器人與人類并肩協作，共同完成復雜任務。

人形機器人需要的核心能力包括感知、連接、控制和解譯，相當于人的眼睛、神經網絡、肌肉與大腦，而這些工業智能領域的核心能力也正是ADI的優勢所在。

據陳寶興介紹，ADI能夠提供針對人形機器人的從核心技術到系統解決方案的全套產品。其中包括測量景深的ToF攝像頭模組；針對關節數據傳輸的GMSL、以太網等高速連接技術；ISO-USB等穩健的外部連接可以保證讓維護、調試、充電更加安全；此外，ADI還有高效的電源與電池管理方案、用于實現類人靈巧操作的IMU、以及實現先進抓握與觸覺感知的觸覺傳感器；在電機控制方面，有磁性編碼及控制器、位置傳感器等。

如何讓機器人擁有一雙靈巧手？

靈巧手將是人形機器人智能的下一個突破口。特斯拉的CEO埃隆·馬斯克就在近期的采訪中表示，特斯拉最新一代的機器人Optimus Gen3最具挑戰的部分就是靈巧手。

陳寶興博士介紹，實現類人靈巧有五大技術因素：

一是低延遲，相當于類比人類的“脊髓反射”，人類能在20到50毫秒之內完成本能動作，而機器人要實現本能級反應，控制環路的總延遲必須控制在10到20毫秒之內甚至更低。

二是精密的電機控制，如同人類的手指可以精確地控制力度和角度，機器人需要高分辨率的位置與力反饋。

三是觸覺傳感，機器人的手指要像人類一樣感知壓力、滑移和材質的變化。

四是高速互聯，類比人的神經網絡，機器人需要高速的、低抖動的數據通路。

五是需要高寬帶的數據共享。考慮到工業現場的海量數據，機器人需要在本地和云端之間高效地同步狀態，學習經驗，最新的AI算法也支持“邊云協同”，讓機器人能夠實時上傳操作數據，遠程云端可以根據數據對機器人的動作進行即時優化。

“因此，類人靈巧不是單點突破，而是低延遲、精密控制、觸覺感知、高速互聯的全系統協同。”陳寶興博士指出。

以其中比較關鍵的環節——低延遲的控制環路為例，最終目標是能夠實現機器人反應速度逼近人類本能。比如人類的手指觸碰到冷熱物體會本能收回，整個過程只需要20到50毫秒，實際上這個過程不需要通過大腦，而是人類的脊髓反射。

機器人要實現類似的反應，必須在感知、處理、通信、驅動四個環節能做到極致的低延遲。首先是感知延時，快速響應磁觸覺陣列可做到1ms響應。其次是處理，邊緣AI芯片要進行實時推理和控制。第三是高速通信，比如GMSL、以太網等需要達到毫秒級的傳遞速度。最后從驅動上來講，要能夠進行高響應的電機驅動。只有把每個環節低延遲做到極致，機器人才真正地具有“類人靈巧”，成為工業現場的伙伴。

高性能傳感器：從復雜手術到穿針引線

在一些工業、醫療場景，機械手（手術、工具抓取擺放，或穿針引線等操作），機器人需要執行極其精密的復雜操作，這需要其在操控的精度和靈敏度上要逼近甚至超過人類。

從角度檢測精度來講，現在的機器人可以做到±0.1–0.5度，將來機器人如果實現對標人類，指關節角度感知精度需要達到大約±0.02–0.05度。如果從觸覺的靈敏度來看，機器人要能夠識別1克的壓力變化或者是1毫米的位移，這樣才能實現精確的抓取和柔順操作。從運動控制精度上來講，現在機器人一般可以做到±1–2毫米，如果接近人類水平，大約要達到0.01毫米。從閉環控制上來說，如果各個關節進行復雜動作同步，關節延遲要達到1毫秒，而現在一般能做到5到10毫秒。

“所以，機器人要做到逼近人類的精度和靈敏度還有一段距離要走。”陳寶興博士指出。

觸覺傳感器作為靈巧手的關鍵組成部分，在提升機器人的操作精度和靈敏度方面發揮著關鍵作用。目前市場上的產品包括壓阻式、電容式和光學檢測等方式，但上述產品容易受到水分、灰塵等環境影響，使得可靠性大打折扣。而ADI的磁耦合觸覺傳感器則具有較好的魯棒性和穩定性。ADI的觸覺傳感器的力檢測靈敏度可以達到1克，分辨率可以達到12個比特，同時實現很小的空間分辨率——低于1mm。

陳寶興博士指出，加速人形機器人的創新和落地，最重要的是AI要與物理智能緊密、深度融合。“AI和物理智能”的關系比成“大腦跟人體”的關系，比如AI是機器人的“大腦”，負責學習、推理、決策。物理智能是“身體”，負責感知、運動、與環境互動。只有兩者深度融合，機器才能像人一樣靈活、聰明、可靠。

物理智能的核心是高性能傳感器，ADI的機器人團隊正致力于將傳感器和執行器模型集成進 NVIDIA的Isaac Sim平臺，如此可以模擬真實世界的物理反饋，訓練可直接部署的控制策略，從而實現Sim2Real，從仿真到現實的突破路徑。

“因為工業應用的場景非常復雜，可訓練的數據非常少，但隨著高仿真的出現，我們就可以用其產生數據。如果想實現仿真的準確性，就需要準確的模型，這就是ADI正在發力的領域。”陳寶興博士指出。

規模落地需過幾道坎？

此次媒體溝通會上的圓桌環節，陳寶興博士還同國家地方共建具身智能機器人創新中心具身天工事業部負責人劉益彰、北京因時機器人科技CMO房海南、松延動力人形機器人電控系統負責人吳雅劍就人形機器人量產商業化等問題進行了觀點分享。

陳寶興博士認為，現在的具身智能、物理智能的成熟度還比較有限，需要與AI和算法進行更多融合，從而提升AI對物理環境的認知，以便于在未來復雜的工業場景下能夠自我感知、適應和運行。而復雜場景的數據訓練較為困難，業內也存在一些相關方法的討論，ADI的主張是建立一個非常準確的物理模型，通過數字孿生仿真平臺進行訓練，從而在機器人進入現場之前就可以對動作和場景進行一些優化。

劉益彰指出，今年是人形機器人量產元年，各家機器人廠商都在積極摸索階段，這需要一個過程，后續需要把機器人整體的可靠性、穩定性進一步提升。

房海南認為，人形機器人的需求一直存在，而且當前外界的期待高于發展速度。對于人形機器人的落地應從簡單場景開始由易而難，比較利于行業良性向上發展。

吳雅劍表示，技術上而言，工業機器人自由度越來越高，再加上復雜的環境，以及很多場景加入AI，所以具身AI現在也成為一個大規模量產的挑戰。同時，核心零部件、動力的成本也是影響規模量產的關鍵因素。

與會嘉賓比較一致的判斷是，短期內，人形機器人將率先在相對簡單的工業、物流等場景規模落地，實際上，目前已經有落地于物流、分揀、高危場景，無人超市等已經。未來3-5年內，將會進入部分康養、服務和家庭場景。

“長期來看，我認為終極目標是實現人機交互。機器人可以陪伴人類，人類的全部場景都可以預測，可以幫助人類規劃和完成任務，不需要人類指導。它能夠想人在想什么，幫助人完成任務，甚至可以幫助人完成自身無法完成的任務。”陳寶興博士指出。