本報記者 張曉玉

近期，特斯拉發布Optimus（一款人形機器人）的最新進展，引發市場廣泛關注。而隨著科技巨頭紛紛加碼人形機器人賽道，投資者的熱情愈發高漲。12月2日，機器人產業鏈在滬深兩市掀起熱潮，三豐智能、巨輪智能等20余只機器人概念股漲停。

這場資本熱潮背后，是泡沫的滋生，還是孕育著一個全新的產業風口？

企業加碼布局

事實上，除特斯拉外，華為、英偉達、OpenAI、科大訊飛、百度等公司也紛紛加碼布局人形機器人賽道。而在AI技術推動下，越來越多的公司開始涉足這一領域。

12月2日，申昊科技在回應投資者提問時稱，公司關注到人形機器人發展趨勢，并嘗試利用公司多年深耕機器人領域積累的圖像識別、自主導航、環境感知、AI算法、機器人控制、語音交互等技術探索人形機器人的應用開發。

利亞德表示，公司空間定位技術已在無人機的編隊控制、動態建模和編隊控制等方向參與相關研究。人形機器人方向也在與相關公司進行技術溝通與合作。

埃夫特-U表示，人形機器人樣機目前仍在研發中，預計2025年上半年會發布相關樣機。

此外，豪森智能作為特斯拉資深供應商，已交付多條動力鋰電池模組/PACK智能生產線，在人形機器人應用與裝配領域進行技術儲備，與浙江人形機器人創新中心等頭部廠商達成戰略合作，具備產業遷移能力。

清華大學戰略新興產業研究中心副主任胡麒牧在接受《證券日報》記者采訪時表示：“國內廠商在人形機器人本體結構、運動控制算法、軟件工程等方面持續進行技術迭代，并積極探索下游產業化應用場景。這些公司的加入為人形機器人產業注入了強大的技術動力，有望使其充分受益于AI技術的飛速發展，進而推動產業化進程提速?！?/p>

政策也在持續引導行業發展。2023年11月份，工信部印發《人形機器人創新發展指導意見》，明確了人形機器人產業的發展目標和重點任務，為企業的技術創新和產品研發提供了方向。北京、上海、深圳、山東、安徽等地也紛紛發布地方性支持政策，進一步推動人形機器人產業發展。

例如，近日南京市印發《南京市促進機器人產業高質量發展行動計劃（2024—2026年）》，提出到2026年，南京機器人產業總體發展水平居全國前列。

與此同時，各地還積極設立機器人相關產業基金，如北京機器人產業發展投資基金，圍繞國家及北京市機器人產業相關領域戰略性布局開展直接股權投資，重點投向機器人本體、產業鏈零部件、產業鏈創新應用等領域。

胡麒牧表示：“這些政策在資金支持、產業園區建設、人才引進等方面給予了支持，為人形機器人產業的發展提供了良好的政策環境。自上而下的政策推力正在逐步落地，為產業發展提供了堅實的保障?！?/p>

面臨多重考驗

據高盛預測，到2035年全球人形機器人市場規模有望突破千億美元。廣闊的市場前景也使得資本的熱情愈發高漲，人形機器人賽道融資火熱。

優必選作為人形機器人領域的龍頭企業，上市不到一年時間就已完成三次配售發行，合計再融資11.54億港元，超過了其IPO時的募資總額。

銀河通用成立一年半時間已累計融資12億元，其中，公司于6月份完成7億元的天使輪融資，11月18日又完成5億元戰略輪融資，投資方包括美團、訊飛、商湯等。

此外，戴盟機器人、埃斯頓酷卓、自變量機器人、星海圖、月泉仿生、千尋智能、靈初智能等諸多公司亦傳融資捷報。

資本的涌入為人形機器人行業的研發和生產提供了充足的資金支持，也促進了相關技術的突破和市場的拓展。不過，業界也有聲音提到，市場的追捧是否會導致泡沫的形成？短期內的資本追逐是否忽略了行業發展的實際需求和技術成熟度？

復星母基金總經理江玉華表示：“短短9個月時間就有40億元資金投入，（對企業來說）錢是沒問題的。通過持續‘燒錢’可以實現產業加速，這種紅利后續會形成馬太效應，但剛開始大家都有機會?！?/p>

有專家表示，從目前的市場情況來看，盡管資本熱潮促使許多初創企業得到了資金支持，但大部分公司尚處于技術研發階段，距離量產和商業化還有較長的路要走。部分企業雖然宣布開始布局，但尚未提供明確的產品樣式和量產計劃。如何在技術未成熟時保持投資者的熱情，是行業目前面臨的一大挑戰。

胡麒牧對記者表示，人形機器人主要應用場景應該是第三產業。從目前來看，人形機器人的成本控制尚不能滿足商業化要求，規模經濟效應也尚未顯現。

對于未來的商業化應用，胡麒牧提到，人形機器人的采購和運維成本需要大幅下降才有可能產業化應用，對人工形成大規模替代。目前人形機器人無論是在技術成熟度還是成本控制上都依然有很大進步空間。技術進步、市場需求、資本的理性流動將是決定這一產業能否真正成為“新風口”的關鍵因素。

工業和信息化部信息通信經濟專家委員會委員盤和林認為，雖然人形機器人行業的發展潛力巨大，但在資本的推動下，行業同樣面臨著技術和市場的雙重考驗。從技術研發的角度來看，行業仍處于一個較為初期的階段，盡管巨頭們已經開始布局，但要實現大規模商用仍需解決諸多問題。

例如，特斯拉Optimus在實驗室中進行的測試雖然表現出色，但該團隊表示，年底之前仍然需要考慮觸覺感知和重量分布的問題。此外，雖然Optimus在運動方面取得了一定進展，但要實現真正的量產，機器人在復雜環境中的自主適應能力、與人類的交互能力仍需進一步提升。

“大規模應用的難點，主要是多關節運行的穩定性、精準性和柔性，由于多關節要形成一個整體，往往人形機器人需要通過機器學習來同時優化感知層和執行層，而這些領域都具有比較高的技術算法壁壘?！北P和林說。