【财新网】在工业场景，人形机器人的硬件可靠性、核心算法能力仍面临多重挑战，模型训练环节亦有数据不足、模拟环境与真实场景之间存在落差等难题。在10月23日由明珞股份主办的第十二届智能制造与数字化创新论坛上，中国工程院院士、华中科技大学原校长李培根提出上述观点。

人形机器人是最受关注的新兴领域之一。该品类整体上仍处于发展早期，尚难以进入家庭服务场景。工业场景因环境相对封闭、流程相对标准，成为近年来人形机器人企业抢滩的主要应用方向之一。

2024年以来，国内外不少人形机器人公司都公布过自家机器人进厂“实训”的信息。美国人形机器人公司Figure是代表性企业之一，其机器人产品进入了宝马Spartanburg工厂进行规模化验证。

双方在2025年11月完成了首期项目。在此次实践中，人形机器人的首要任务是抓取、放置用于焊接的钣金零件。据Figure和宝马方面披露，人形机器人参与了超过3万辆宝马X3车型的生产，操作零件数量超过9万个，累计工作时长超过1250小时。

2026年6月，双方使用新一代机器人开启第二阶段项目，工作由钣金上料变为零部件排序。李培根称，在一期项目中，Figure机器人的工作主要是固定点位抓取；在新项目中，机器人需要行走调整站位，同时双手操作零件，考验持续环境感知和动态调整能力，难度进一步提升。

机器人进厂测试暴露出不少问题。例如，Figure曾明确提出，前臂是其人形机器人在宝马项目中最主要的故障部位。

在国内，小鹏集团董事长何小鹏亦曾在2025年11月公开称，公司一度认为进厂“打螺丝”是机器人最容易切入的场景，但在一年多的实践后，小鹏公司自己推翻了这个判断。核心原因在于，“灵巧手”是人形机器人目前成本最高的硬件，其耐久性有待提升。

李培根还提出，以Figure为代表的人形机器人采用VLA（视觉语言动作模型）技术，在工厂非理想的光照环境下，它们可能出现视觉感知漂移。在汽车工厂，车身产线的焊接火花、传送带投下的移动阴影、金属钣金件的强反光都会带来光影突变。

在模型训练层面，人形机器人还面临数据瓶颈。李培根提出，训练通用机器人模型所需的数据量，比训练汽车自动驾驶模型高出“1到2个数量级”。机器人模型训练会涉及触觉、力度、精细操控等能力，数据量需求呈指数级膨胀。

仿真训练是当前人形机器人模型训练的重要手段之一。李培根指出，在模拟仿真环境下训练的算法，迁移到真实环境时需要确保有效性。“往往是在仿真环境里表现蛮好，一到真实场景，还是出现问题。”他说。

知名AI学者李飞飞曾在2026年7月提出，人类进化出手指、双腿等身体结构，不是为了在某项特定能力上达到极致，而是要在复杂环境中具有较强的通用性。她认为，机器人模仿人类形态，未必是解决具体问题的最佳方式。

李培根在发言中引用了上述观点。他判断称，未来人形机器人在工业领域可能会有很多应用，例如在危险场景，以及在柔性需求非常高的场景。

他亦提出，未来人形机器人即使已完全可靠，是否要大规模应用在工业场景，仍然值得思考。“能用简单的（方法）去解决问题，就不要用复杂的。”他说。■