小讯AIGC

文 | 财观二姐

资本和市场的双重推动力让2025年成为人形具身智能概念和产业大热的一年，而尽管取得了明显的进步，但最终决定人形机器人能否规模化渗透部署到各种场景、实现真正落地的关键，还是技术实现的各种瓶颈。

一方面，技术所对应的诸多制造业节点并没有被完美方案攻克，所带来的直观后果就是由这些部件组成的人形机器人成本依旧偏高。另一方面，数据、模型等事关机器人“大脑”的问题让其在面对非结构化的环境和工作任务时还是力所不及，尤其达不到人们对于人形机器人进入个人和家庭场景时能“干活”的期待。

而从行业玩家的角度来说，在消费级市场尽快取得可持续的商业化突破有助于个体企业自身的存续发展，也能维持住市场和资本的有利预期。

所以，在这样的“矛盾”下，我们能看到，一些公司在加紧人形机器人业务进展的同时，也并没有放弃推动“非完全人形”机器人业务，两者在互相推动的过程里演变出不同的发展节奏，也根据场景区别产生了落地的优先级----后者某种程度上正在成为进入消费者家庭个人场景的“先锋”。

机器狗，或者说四足机器人，应该是人们最熟悉常见的机器人形态之一了。曾经名噪一时的波士顿动力，最早传播“出圈”的产品，就是旗下的四足机器人。

这种以仿生腿作为支撑和运动基础的足式机器人，通过结合不断进步的传感器、运动控制和AI能力，在能力上不断提升，实现稳定行走和相关的任务操作。

而由于人类自古已经习惯了在生活工作中使用四足动物的畜力以及其的陪伴，所以这种形态的机器人，很容易就被人在心理层面上接受，可以说在人形机器人因为各种限制尚未能完全成熟的当下，四足机器人在家庭场景里就自然成了一种“退而求其次”的可考虑选择。

进一步说，机器“狗”暂时取代机器“人”成为消费级市场最大可能性的原因包括了以下几点。

首先是相对更低的技术要求。机器狗聚焦的技术点在于其仿生学核心----对于四足的控制和对各种地形的适配通过上，这种形态载具的平衡问题不仅在克服难度上低于人形机器人始终要面对的两足平衡问题，更是规避了如今让后者行业头疼的灵巧手困局。功能的简化，也让四足机器人更容易专注于在稳定性和安全等C端市场看重的维度里取得高分。

其次就是随之而来的成本优势，人形机器人的许多部件高企的成本使得整机售价无法在消费级市场打开局面，尤其是灵巧手这样的迄今还没有兼具成本和性能平衡点解决方案的部件。而四足机器人随着功能的简化，在人机交互的设计上也远较人形机器人简单，这些因素的综合作用下其量产的成本大幅降低。

最后，就像前文所说，人们习惯了犬类等小型四足动物的陪伴，这让他们在心理上更能接受这种形态机器人进入家庭场景，以及更重要的是，对于这种形态机器人功能和工具属性有一个大致的锚定认知--用户心里清楚它能做什么、做不了什么。如果加上适当改造，让机器狗还能具有负重、引路（导盲）、照明等延展功能。

机器狗的技术特点和相对于人形机器人更低的门槛，让其目前在整体产业链上的成熟度更高，核心零部件的国产化率也更高，这些因素都让机器狗的量产能力得到更稳定的保证。

从应用来看，机器狗产品通过在B端诸如安检、巡防等场景的验证和数据训练，近年来已经向C端逐渐扩展渗透。

所以从结果而言，这几年机器狗的市场规模得到了明显的增长，有研报显示目前该市场整体正在以每年超过60%的速度增长。

目前国内机器狗赛道的主要玩家宇树、云深处、蔚蓝等，这几家公司都同时拥有自己的机器狗和人形机器人产品。无独有偶，他们都是先以自己的机器狗产品来打开市场，所以我们能看到这样一条清晰的路径：

随着机器狗功能的延展，既帮助了机器人公司借助其使用案例完成场景和技术验证，有利于在其他形态机器人上实现应用，又能帮助公司取得用户口碑和商业化的回报。

说完了机器狗这种与人形机器人在形态上相去甚远的机器人，我们还可以看看另一种“非完全人形”机器人----就是说，虽然有着大体上类似于人的形体（头、躯干、四肢等区分），但在诸如上下肢等关键部件上却并没有仿照或者仿生人体的设计构造。

这方面的新锐代表，国外的可能首推硅谷具身智能创业公司Sunday于上个月发布的家庭场景机器人“Memo”。

这款由两位斯坦福大学博士联手打造的机器人，号称把目前的顶级技术融入了真实的家庭场景，是目前最能帮人做家务的机器人之一。

从外形看，Memo大概具有一个类人的本体轮廓，但它的底盘却采取了轮式设计，在其上搭配了升降柱，来帮助机器人应对空间环境里的不同位置的任务。而在上肢机械臂的末端，它采用的是相对“保守”的夹爪方案而非目前人形机器人最热衷追求的灵巧手形态。整体看上去，它像是一个由乐高积木搭建起来的机器人。

这样的设计，其实和机器狗一样，规避了人形机器人所要面对的双足平衡稳定性、灵巧手耐用度和成本问题等等目前的瓶颈。

更关键的是，随着Memo的出现，Sunday还推出了Skill Capture Glove（技能捕捉手套）。真人带上这款单价400美元、带有传感器的手套，在真实环境下做家务的数据就会被采集并被用于训练Memo，帮助团队搭建起一个不断增长的真实环境数据集。

面对因为不同使用者自身条件而难免出现的数据参差不齐的问题，Sunday通过使用其研发的Skill Transform技术对原始采集数据进行校准对齐，目前团队已经能以近90%的成功率把手套数据转换为等效的Memo数据，形成高保真训练集，最终在此基础上推出ACT-1模型，从而能让Memo在之前没进过新家的前提下也能正常完成家务工作，也就是所谓的零样本泛化能力。

这一套“组合拳”下来，对于解决让家务机器人头疼的“数据”难题能有不小的帮助。

在展示视频里，这款Memo已经具备了多种家庭场景下的操作能力，并在执行长时间任务的过程里表现出优异的环境适配性和持续性。

目前尚未形成量产能力的Memo每台成本约为2万美元左右，要知道这个成本价格已经是马斯克心心念念想让特斯拉Optimus机器人未来降至的程度。而Sunday团队还表示，未来成本还能再降接近一半。

但是也必须要指出，这款Memo目前计划量产时间约在2027年到2028年，对于发展飞速的机器人行业来说，这个速度可能会让他们的创新优势被时间所吞没。但是，Memo和它背后的数据模型采集-生成模式依旧为我们提供了某些启示。

回看这些案例，无论是机器狗、还是Sunday推出的Memo机器人，它们其实都是在某些维度上满足了家庭环境真实的需求特点，从而具备了各自立足于这些场景的可能性。

首先就是老生常谈的成本和量产问题，只有通过克服目前人形机器人在部件和整机层面上存在的成本-售价难题，才能真正让它们打开消费级市场的大门。这方面能走的路，要么靠设计去规避某些部件，要么靠核心技术的自研迭代，加上后期对供应链环节的把控整合。

其次，在技术上，分两个层面说：表层上是要让机器人在家庭场景中具有高适应度，能执行各种符合用户需求认知的精细化任务。深层则是要最终让机器人能实现对真实物理世界的理解并与之进行有效交互。

最后，在技术上的深层要求说到底离不开对于消费级场景的能力覆盖，也就是说机器人要从单一的能力场景升级到“能尽可能多的干不同的活”，这就要求机器人能接受不同功能的训练、甚至要求机器人的大脑模型具有在未见过的新数据上进行预测的能力，也就是要求其具有很强的泛化能力。

人形机器人距离真正进入人类家庭环境还有不少的路要走，在那之前，它还需要从它的机器人同行那里多“取取经”。