产业的现实问题依然存在：订单数量虽多，但真正的完成规模化应用的场景仍然有限。

　　在2025第十四届中国智能产业大会与吴文俊AI创新大会上，在接受《科创板日报》记者正常采访时，多名行业专家和企业高管认为，无论是人形还是更广义的“具身智能”产品，要从概念走向产业，核心在于技术与商业逻辑的双重验证——产品必须“用得上、用得起”，并能持续产生数据闭环。

　　其中，工业场景因其封闭环境、成本可控、需求刚性，仍是当前落地的首选战场。但客户更看重ROI（投资回报率），单价与稳定性成为决定成败的核心指标。

　　相比之下，养老护理、教育等被视为增长潜力巨大的民生赛道，其对算法稳定性要求极高，且干扰因素多、成本压力大，短期难以形成真正的商业化突破。

　　“今天无论订单多大，本体数量依旧偏少，数据积累不足，距离大规模应用还有距离。”在接受《科创板日报》记者正常采访时，微亿智造董事长兼CEO张志琦表示，机器人行业要真正跨越从“量变”到“质变”的门槛，必须形成可持续的数据与成本闭环。

　　“制造业仍是中国最具底气的产业领域。”谈及机器人的起量场景，在接受《科创板日报》记者正常采访时，清华大学计算机科学与技术系教授孙富春认为，借助云边端协同和具身智能技术，可以将“中国模式”输出为自动化工厂，既提升生产效率，又规避国际贸易摩擦带来的不确定性。

　　然而，工业场景有其自身的“铁律”——成本和可靠性。张志琦表示：“客户不关心你背后用什么技术，只关心你能不能帮我处理问题，并且把账算过来。”

　　一个典型的工业客户会进行严格的ROI（投资回报率）计算：如果一个工人的年成本是10万元，那么替代他的设备成本必须在1.5年内收回，即售价不能超过15万元。此外，工业生产对误操作的容忍度极低，任何失误都可能会引起整条产线的停滞。

　　这道“经济题”是对所有机器人厂商的终极考验。随着3C、汽车等行业产品迭代加快，对“柔性化生产”的需求日益迫切，传统的自动化设备已难以为继。具身智能机器人虽能应对“不同物品、不同工序流程”的复杂任务，但其高昂的成本和部署周期，常常让客户望而却步。

　　“机器人渗透率低并非因为买不起，而是因为用不起。”张志琦举例，在PCB板上下料及烧录等混合工位中，全自动化方案无法覆盖数百种规格的工件，也无法应对随时变化的物料摆放。“客户买得起机器人，但没法用。”

　　辛顿CEO李科频认为，从“自动化”到“智能化”的演进，本质是让机器人真正替代部分人工劳动，尤其是柔性生产环节。“过去机器人解决重复劳动，今天则要在多变场景下协助甚至统筹生产流程，这是具身智能的核心目标。”

　　张志琦认为，工业客户关注的核心是成本与稳定性。一台机器人售价过高或误操作率高，就不可能被工厂大规模引入。因此，软硬件必须协同优化，不能单靠堆砌传感器或算力提升来处理问题，而应通过算法改进在有限硬件条件下达到工业级标准。

　　尽管工业场景被视为“现实主义”的选择，参加会议的专家同样看好机器人在民生领域的长期潜力。

　　在清华大学计算机科学与技术系教授孙富春孙富春看来，民生领域的巨大需求不容忽视。中国已步入老龄化社会，超过3.6亿的60岁以上人口构成了庞大的养老护理市场。“为老人花钱”的意愿以及对高品质、可靠服务的追求，为服务机器人的应用打开了广阔空间。

　　最后，是另一个潜力巨大的市场。孙富春认为，中小学本质上是“具象教育”。许多抽象的科学概念，如微分方程，学生难以理解，但通过机器人的具象化演示，可以极大地加深他们对知识的理解和兴趣。

　　为孩子的教育投入，是中国家庭消费的重要组成部分，这也为教育机器人的商业化提供了坚实的基础。

　　然而，这些开放场景的商业化之路远比工业复杂。张志琦坦言，生活场景的“数据鸿沟”是最大瓶颈。与无人驾驶依赖海量真实路况数据类似，服务机器人也需要在真实环境中持续积累交互数据以提升AI能力。

　　但目前人形机器人本体数量稀少，数据采集标准不一，难以支撑模型的有效训练。

　　中国联通大数据首席科学家范济安认为，具身智能机器人对算力需求极高，端侧AI具有低时延、安全性强的优势，但云端依然承担大模型训练与OTA迭代的核心任务。随着车规级芯片普及、算力价格下降，机器人硬件成本曲线正快速下探。

　　“柔性化生产是具身智能的核心目标。”辛顿CEO李科频表示，从“自动化”到“智能化”，机器不再仅是执行重复劳动，而是与人协作完成高精度、多变工序，形成“越用越好”的数据驱动闭环。这种能力不仅决定了产品能否落地，也决定了企业能否从试点走向规模化。