圆满落幕 | 2025第三届具身智能机器人产业发展论坛

2025年3月13日，第三届具身智能机器人产业发展论坛在深圳圆满落幕。

随着人工智能技术的飞速发展，具身智能机器人产业正迎来前所未有的发展机遇。它让算法从“数字世界的思考者”进化为“物理世界的行动者”。当大模型赋予机器认知能力，具身智能则通过多模态感知、实时决策和物理交互，让AI真正“扎根现实”。

2025年，《政府工作报告》首次将“具身智能”纳入国家战略，标志着这一领域正式迈入政策红利期。在技术层面，具身智能机器人正处于从实验室走向市场的关键拐点，大模型技术的突破为其提供了更强大的感知与交互能力。商业化应用方面，具身智能机器人已在工业、医疗、服务等领域逐步落地，展现出巨大的应用潜力。生态建设也在加速推进，产业链上下游企业通过合作与创新，共同构建多元互补的产业生态。

然而，具身智能产业的发展并非坦途。尽管中国机器人产业链完备、应用规模庞大，但在大规模量产和商业落地方面仍面临诸多挑战：基础技术能力有待提升，产品研发高亏损问题突出；产品力不足导致市场需求受限；算力需求日益增长；机器人数据安全体系尚需完善。

在此背景下，“光速进化，智能生长”2025第三届具身智能机器人产业发展论坛，重点围绕大模型、数据驱动、灵活移动、灵巧操作等核心议题展开探讨，汇聚全球智慧，探讨技术前沿，推动商业化进程，助力产业迈向新高度。

东湖高新区党工委委员、管委会副主任李世庭，武汉市人民政府驻广州办事处副主任隋鹏出席本次论坛。

政府致辞

武汉市人民政府驻广州办事处副主任隋鹏指出，今年，中国的AI创新力量与世界级巨头并驾齐驱，春晚舞台扭秧歌机器人大军惊艳亮相，科技的光芒照亮了千家万户。具身智能机器人作为人工智能与机器人技术的深度融合，正以光速进化的姿态引领着未来产业发展的新方向。

作为长江经济带的核心城市，武汉始终坚持科技创新引领高质量发展，全力打造具有国际影响力的产业集群。在具身智能机器人领域，武汉具备雄厚的科研实力和产业基础。正以创新为驱动，抢占智能机器人创新的制高点。每年投入40亿元的产业基金，重点支持具身智能机器人等新赛道的发展，吸引了300余家相关产业链企业在武汉发展壮大。

未来，武汉有望在工业、医疗、公共服务等领域实现具身智能机器人的规模化应用，并推动中国在全球具身智能机器人产业中的竞争力提升。人工智能时代已经呼啸而至，每个人都是这一时代的见证者和参与者。

诚挚邀请各位企业家、专家学者到武汉考察交流、投资兴业，共同分享武汉发展的历史机遇，共同谱写智能时代的美好未来！

政府推介

武汉东湖高新区投促局副局长汪超表示，武汉光谷是中国首批国家级高新区、第二个国家自主创新示范区。三十多年来，光谷始终坚持自主创新，现已发展成为全国十家重点建设的世界一流高科技园区之一。高新技术企业总数已突破5700家，上市公司更是多达68家，占据了全省三分之一，成为湖北省和武汉市产业创新的核心引擎。

光谷为机器人产业提供了丰富的工业应用场景和广阔的潜在市场，尤其在高端制造领域，如光纤光缆、光模块、中小尺寸显示面板等方面，光谷已处于全球领先地位。目前，光谷已全面布局机器人整机和零部件的研发生产，涵盖操作系统、智能芯片控制器、运动规划控制等多个关键环节，形成了完整的产业链生态。

在大模型领域取得显著成果，成功打造了全球首个千亿参数全模态大模型“紫东太初2.0”，全球首款显示领域模型“星智 X-intelligence”、国内首个出版行业大模型“Books GPT”等。同时，光谷在算力基础设施方面也不遗余力，建成了全国首家国产架构智算中心——武汉人工智能计算中心，形成了多元算力矩阵，为人工智能产业的发展提供了坚实的硬件基础。

为了进一步推动智能产业的发展，光谷围绕智能产业推出了多项专项政策，从政策、空间、人才等多个方面提供全方位的支持。诚挚邀请各位企业家朋友共同参与光谷的发展，携手并进！

具身智能产业应用与展望

盖世汽车CEO周晓莺谈到，“人工智能”与“具身智能”技术的融合正逐步迈向临界点。从技术层面来看，人工智能的持续进步迫切需求与物理世界的深度交互能力，而“具身”技术的未来发展同样离不开智能化水平的进一步提升。这种双向的深度融合需求，使得具身智能成为当前科技发展阶段下的必然产物。在2024年，具身智能技术已成为科技产业投资的最大热点，特别是在人形机器人领域，其发展更是驶入快车道。

具身智能产业链可以划分为三个主要环节：基础硬件和软件环节、本体集成环节以及应用场景和服务环节。基础环节涵盖了芯片、传感器、控制系统、通讯技术、能源供应以及大模型操作系统等关键要素，这些与智能汽车产业链有着诸多相似之处。本体集成环节则主要包括人形机器人、自动驾驶系统、无人机以及机械臂等产品的集成商，它们作为产业链的终端，将各类技术和零部件进行集成，形成最终的产品。而应用场景和服务环节则聚焦于工业品领域，占比高达65%，如自动化机械手和清洁设备等；同时，也涉及20%的服务业和特殊作业场景，如高空检测、深海探索等，这些领域为人类难以触及或环境恶劣的地方提供了有效的解决方案。

具身智能将在各个领域带来显著的价值和创新，但其商业化落地进程存在代际差异，不同时间点会有不同的行业热点涌现。因此，创新企业在选择进入哪个细分赛道和品类时，需要深思熟虑。

此外，降低成本和规模化生产一直是我国工业能力的显著优势，机器人技术的降本和规模化生产将开辟新的竞争赛道。技术的复用性、产业生态的融合以及新场景的不断创造将推动产业蓬勃发展，据预测，到2026年，机器人产业的市场规模将突破万亿大关。

周晓莺 | 盖世汽车CEO

数据驱动的通用具身基座大模型GO-1

上海智元新创技术有限公司成立于2023年2月，是一家致力于以Al+机器人融合创新、打造世界级领先的具身智能机器人产品及应用生态的创新企业。

智元具身研究中心常务主任任广辉认为，具身智能是未来十年人工智能技术发展的核心驱动力，预计将催生一系列革命性产品。具身智能的演进与发展离不开海量数据的支撑。当前，具身智能面临的最大瓶颈在于缺乏充足的机器人操作数据，这限制了技术的进一步发展和应用。现有具身模型在落地过程中存在泛化性差、场景适应性弱等问题，一旦场景发生变化，成功率会大幅下降。此外，扩展新任务时需要重新收集大量数据，成本高昂，且不同机器人本体的数据无法共享，进一步加剧了数据稀缺的问题。由于缺乏实际落地和数据回流，模型无法持续进化。

针对这些挑战，智元提出了Vision-Language-Latent-Action（ViLLA）这一创新性架构，该架构能够充分利用数字金字塔中各个层级的数据资源，具备人类视频学习能力、小样本快速泛化能力、一脑多形能力和持续进化能力。

任广辉 | 智元具身研究中心常务主任

具身智能VLA模型

在过去两年，机器人智能领域取得了显著成就。斯坦福大学成功实现了桌面级别的机器人操作，涵盖双臂系鞋带、操作透明物体等精细动作。通过模仿学习技术，机器人已能执行家庭日常操作，并在医疗领域完成精细的缝线作业。

星海图首席科学家赵行提到，高质量的真实数据与模仿学习的结合，被视为推动通用机器人智能发展的关键路径。在数据金字塔结构中，高质量的真实数据位于顶端，数量有限但质量上乘。相比之下，仿真数据和互联网数据分别位于中间和底部，尽管易于获取，但与真实世界场景存在差距。因此，在推动机器人智能发展的过程中，有效获取和利用这些不同层级的数据至关重要。

星海图技术通过模仿、学习并利用高质量数据，已在机器人本体上实现了多项复杂且有趣的任务，例如自动清理桌面垃圾、精确调配果汁等。全球多家机构，包括斯坦福大学的一个课题组已采购星海图的机器人，用于执行一系列家务任务，如衣物整理、货架摆放、家庭清洁等。

此外，空间智能的发展也备受关注。与传统AI和视觉AI相比，空间智能旨在处理更复杂任务。当前开发阶段包括基于模仿学习的预训练和后训练，以及模仿学习与强化学习的联合优化。

赵    行 | 星海图首席科学家

追寻智能上限-缔造通用智慧劳动力

随着老龄化趋势的日益严峻，养老问题的凸显和劳动力市场的短缺已成为社会关注的重点。在此背景下，具身智能被视为应对这些挑战的重要手段。通过实现与人类的全语言交互，具身智能不仅能有效承担工厂生产等任务，从而缓解劳动力短缺的问题，还能深入家庭和各行各业，提供养老服务，进而开辟出万亿级别的市场潜力。

千寻智能董事、数据中心总经理孙荣毅坦言，工业机器人行业在过去十年间经历了从高度关注到泡沫化，再到低谷的波动。当前，国内约80%的企业在智能制造能力成熟度上仍处于较低水平。中国制造业的工人约1亿，工业机器人总体渗透率约1%-2% (1台机器人替代0.5-2人，按平均数1计算)。

具身智能技术采用基于海量互联网视频预训练的机构大模型，并结合真实数据的模仿学习，以此提升机器人在执行任务时的泛化能力和作业的可扩展性。其技术路线主要聚焦于工业场景，特别是智能制造领域，旨在解决传统机器人在柔性生产和频繁换线过程中面临的调试难题。通过智能化的迭代优化，具身智能技术有望创造新的生产模式。

孙荣毅 | 千寻智能董事、数据中心总经理

具身多模态大模型解锁通用机器人产业应用

当前，工业领域广泛应用的机器人多为专用型，其泛化能力至不同场景受到限制。这一局限性的核心原因在于训练数据的缺乏或质量不佳。

对此，银河通用机器人合伙人史雪松提到，为了解决数据瓶颈问题，采用仿真环境生成大量合成数据成为一种有效策略。

通过仿真环境大量生成并利用数据，能够显著提升机器人在执行抓取任务时的泛化能力。此方法打破了仅适用于特定物体或环境的局限，确保模型在背景快速变化或物体发生碰撞时仍能稳定执行任务。利用物理仿真引擎自动产生大量高质量的训练数据，使模型能在各种环境和条件下学习如何成功抓取物体，从而在真实环境中实现高成功率。数据量的累积是一个“量变导致质变”的过程，达到一定的数据规模是实现良好泛化效果、满足实际应用场景需求的关键。

此外，机器人的能力培养需遵循特定的学习顺序，这与人类的教育过程相似，强调循序渐进。首先，通过大规模数据训练基础模型，使其掌握基本技能；随后，针对特定需求进行后训练，以培养专业技能。

史雪松 | 银河通用机器人合伙人

多模态大模型让具身智能成为可能

自2022年11月起，GPT等模型的引入及其迅猛发展极大地提升了机器人在语言智能和复杂推理能力方面的表现。尤为显著的是，多模态模型，特别是视觉语言模型，为人形机器人在理解开放式场景和执行复杂认知任务上带来了突破性的进展，预计未来10到15年间，预计机器人在知识密度和运算智能上将可能超越人类水平。然而，在抽象演绎和联想创造新知识方面，人类依然保持着无可比拟的优势。

在这些变革的推动下，机器人被定位为人类的辅助工具而非替代者，特别是在处理重复性和危险性任务时展现出巨大价值。另外，这也有望催生新的职业角色，例如机器人技能训练师。

聆动通用创始人兼CEO，原科大讯飞机器人首席科学家季超认为，在机器人技能训练的过程中，数据采集和仿真扮演着核心角色，尽管真实数据的价值更高，但其采集成本也相对较高。为了克服这一挑战，可以依托通用预训练模型，针对垂直领域和客户特定需求进行定制化训练，从而构建出适用于不同行业的强大模型。展望未来，具身机器人有望像智能手机那样重塑商业格局，引领从功能型机器人时代步入智能机器人时代。

季    超 | 聆动通用创始人兼CEO，原科大讯飞机器人首席科学家

具身智能操作发展挑战与进展

浙江人形机器人创新中心首席科学家、浙江大学求是特聘教授熊蓉谈到，机器人智能操作的演变经历了从简单的抓放到高精度作业的显著飞跃，这一进步得益于大模型的融合应用，极大地提升了机器人的行为规划与决策能力。

随着数据驱动技术的不断进步，机器人正逐步从感知智能向行为智能转变，这一转变过程中，接触交互的重要性愈发凸显。然而，数据获取与应用仍是当前面临的主要挑战，数据稀缺成为制约发展的关键瓶颈。为了应对这一挑战，人工遥控采集和合成数据生成成为常用的数据获取手段。但遥控采集对设备的实时性和操作人员的经验提出了高要求，导致成本高昂；而合成数据虽然在视觉渲染方面取得了较为成熟的成果，但在接触仿真方面仍存在明显不足。

在技术方法层面，大模型虽然具备一定的通用性，但在准确性方面仍有待提升，尤其是在机器人行为的高精度、高可靠性和高效率要求下，这一不足尤为明显。此外，机器学习领域也面临着可解释性差、灾难性遗忘等亟待解决的问题，亟需进一步优化。

尽管面临诸多挑战，但当前人形机器人、大动作模型和空间智能等技术正处于产业起步阶段，资本和研究投入十分活跃。

熊    蓉 | 浙江人形机器人创新中心首席科学家、浙江大学求是特聘教授

热点对话：智能机器人的“黄金三年”：技术突围、商业反杀与生态重构

热点对话环节由盖世汽车CEO周晓莺主持，围绕“技术路线生死局—端到端大模型 VS 模块化技术栈”“数据飞轮陷阱—谁为千万级训练数据买单？”“成本绞杀战—2026年BOM成本压到10万以下的可行性路径”“生态霸权争夺—车企、科技巨头、机器人公司，谁将制定规则？”等行业热点话题展开，浙江人形机器人创新中心首席科学家、浙江大学求是特聘教授熊蓉，智元具身研究中心常务主任任广辉，银河通用机器人合伙人史雪松，千寻智能董事、数据中心总经理孙荣毅，自变量机器人联合创始人兼CTO王昊，吉利汽车AI前瞻技术研究负责人冯朝明，蓝驰创投合伙人曹巍参与讨论。

基于具身大模型构建可精细操作的通用智能体

自变量聚焦于“通用具身大模型”的研发，是国内最早实现端到端统一具身大模型的公司。当前，自变量自研的Great Wall 操作大模型系列的 WALL-A 在多个性能上已达到世界级领先水平，可以实现机器人自主感知、自主判断、自主操作完成复杂而精细的物理世界任务。

自变量机器人联合创始人兼CTO王昊谈到，传统的工业自动化及机器人技术有相应的瓶颈：预编程、固定轨迹的技术无法解决现实物理世界的复杂操作问题；大模型的发展为突破传统机器人学的天花板带来契机，使其能处理非结构化场景和多样任务，用一个通用模型替代多个小模型，减少了提前建模需求。尽管机器人硬件性能超越人类手部，但在自主执行复杂任务上仍显不足，系统不稳定、传感器失效等问题限制了其表现。物理世界的随机性，如摩擦、软硬接触等，增加了操作难度，且难以被现有传感系统感知。人类通过亲历和交互学习复杂任务，而机器人单纯依赖语言描述难以掌握类似技能。

未来方向是让机器人像人一样学习，通过反思和调整行为形成经验，促进更好学习。

王    昊 | 自变量机器人联合创始人兼CTO

多模态触觉感知赋能具身智能落地

千觉机器人创始人兼首席科学家马道林表示，触觉感知是机器人实现精细操作能力的关键，尤其是手部的灵巧操作能力。过去，人们关注机器人的跑酷、翻跟头等行为能力，但现在更看重机器人如何通过双手实现灵巧和精细操作，这对其在实际生产和生活中的应用至关重要。与自动驾驶技术相比，机器人不仅要规避障碍，还需主动与物理世界接触并改变其状态。这种能力的构建依赖于闭环控制系统，其中触觉感知起着关键作用，使机器人能规划和控制与环境的接触，从而改变目标物体的状态。

为了实现微米级精度操作，机器人需要类似人手的触觉感知能力。人手能通过感受器感知力、滑动、温度等多种模态信息，这些信息帮助大脑控制手臂和手指的肌肉，形成协同控制闭环。为赋予机器人这种能力，需设计高分辨率的触觉传感器，并通过神经网络系统处理多模态信息。千觉机器人正在研发基于视觉触觉感知原理的触觉传感器，具备多维度、多模态感知能力，使机器人能执行以往无法完成的任务，如使用螺丝刀等工具时的间接感知。

马道林 | 千觉机器人创始人兼首席科学家

大模型时代的机器人开发与应用探索

智能机器人的细分领域中，工业仓储机器人成为投资热点，2024年融资额激增至35亿美元，同比飙升90%，特别是泛机器人领域的投资增长了7至8倍，相比之下，家庭服务机器人融资则减少了40%。

华为云计算技术有限公司具身智能产品孵化负责人张靖坦言，当前，具身智能面临两大技术难关：一是算力需求巨大，机器人需依赖至少10亿参数规模的大模型驱动，训练数据量需扩增10至100倍，这可能导致需要1万张显卡持续训练一个月以上的算力支持；二是数据匮乏，现有数据总量有限且任务类型单一、碎片化，难以适应复杂应用场景。例如，多数数据仅适用于单臂机器人在桌面操作的任务，双臂机器人的相关数据则更为稀缺。

对此，华为云提出了利用少量真实数据合成高质量数据的方法。同时，华为还开发了集数据平台、训练平台、运行平台于一体的具身智能开发与运行平台。数据平台负责数据的重建、增广及合成，以提升数据质量和多样性；训练平台则利用这些数据对机器人的“大脑”（决策）和“小脑”（动作控制）进行训练；运行平台则负责统一管理运行中的机器人，包括位置监控和运行状态监测。

张   靖 | 华为云计算技术有限公司，具身智能产品孵化负责人

多维触觉灵巧手：助力具身智能的触觉革命

帕西尼感知科技（PaXini Tech）是一家拥有前沿核心触觉技术及人形机器人公司，推动新一代以多维触觉为核心的商用人形机器人是重要使命。

机器人已经在工业和自动化等结构化场景中获得高度认可。随着智能化程度的迅速提升，人们无不期待机器人加速走进人们的生活和工作。

然而，要让机器人适应复杂多变的生活场景并不简单，组装纤细的产品，拾取柔软的布料，端起易碎的玻璃杯，甚至搬运大小重量不一的箱子都是机器人作业的阻碍。人类克服这一困难的利器是布满双手的触觉感受器，借由多维度阵列式的触觉反馈，人类可以在行动过程中不断的调整姿势和力度，实现对各类物体和工具的操控，因而，触觉感受能力是机器人进入复杂柔性场景的关键。

帕西尼技术&销售总监顾宏康表示，帕西尼感知科技的itpu多维度触觉传感技术可以赋予机器人像人类一样强大的多维度触觉感知能力，使其能够感知各种形状和材质的物体，为机器人的自主学习提供基础，使得机器人可以在更复杂和柔性场景里实现抓取和操纵，将其引入生活和工作的方方面面。

顾宏康 | 帕西尼技术&销售总监

合成数据是具身智能必经之路

光轮智能致力于成为以技术驱动AI在物理世界的落地的数据基础设施服务商，从自动驾驶、具身智能等空间智能（Spatial Intelligence）场景切入，向客户提供全栈式的 Data for AI 解决方案，通过合成数据放大人类对物理世界的认知和示范。

光轮智能技术生态负责人甘宇飞坦言，AI 2.0时代，端到端已成为明确的行业共识。端到端架构避免了传统机器学习中手动设计中间过程的复杂性，大大简化了模型的设计，提升了效果和效率，使Scaling Law在大模型迭代上成为可能。

端到端的算法架构之下，模型算法设计已相对成熟，数据取代模型成为新一代AI性能提升新突破口。而Self-play RL有可能成为模型提升新途径。新范式下，高质量数据仍是关键。与传统监督学习依赖大量标注数据不同，Self-Play RL会通过智能体与环境的交互生成数据，这些数据的质量和多样性直接影响模型的性能和泛化能力。具身模型训练数据极度短缺的情况下，合成数据是实现Scaling Law的重要突破。

甘宇飞 | 光轮智能技术生态负责人

大族机器人赋能汽车行业新质生产力发展实践

深圳市大族机器人有限公司成立于2017年，是由大族激光科技产业集团股份有限公司投资组建的国家级高新技术企业和国家级专精特新小巨人企业，拥有近二十年电机，伺服器和运动控制经验。

2024年中国工业机器人市场仍面临压力，预计全年销量同比增幅5%左右。2024年工业机器人在制造业各细分行业需求分化明显，光伏市场面临大幅下滑情况，电子、汽车、金属制品及食品饮料等通用工业等回暖迹象明显。

大族机器人汽车BU总经理戴劲谈到，大族机器人携手合作伙伴，打造CNC上下料一站式解决方案。协作机器人上下料精准、易用、安全，并可7x24小时连续作业且部署灵活，缓解了用工难问题，调试方便容易上手，切换产品省时省事，满足多种工件加工需求。

大族机器人基于协作机器人领域的技术和产品优势，与北京某汽车行业客户进行深度合作，为汽车4S店喷漆车间提供免示教、全自动的机器人喷涂解决方案，并在汽车保险杠喷涂方面成功落地，破解喷漆品质不稳定、劳动力短缺等问题。Elfin-Ex系列防爆型，通过桁架及外部轴，可以在4mx7m的喷漆房内同时为4种不同车型的保险杠，进行喷漆作业。

戴    劲 | 大族机器人汽车BU总经理

以“大小脑+感知”，驱动多形态机器人商业化落地

跨维（深圳）智能数字科技有限公司成立于2021年6月，是一家以Sim2Real为核心，研发高通用性具身智能技术的国家高新技术企业。公司凭借在3D生成式AI、多模态大模型及三维成像方面的长期技术积累，打造了软硬一体的产品矩阵，包含 DexVerse™具身智能引擎、基于3D VLA (3D Vision Language Action) 大模型的成像感知套件等产品，率先实现了具身智能核心技术的规模化商业落地。

实现高通用具身智能的核心技术，关键在于突破基于多模态大模型的三维感知、任务决策与运动控制等方面的瓶颈。然而，目前智能侧的发展尚未与硬件本体相匹配，数据已成为行业内最为关键的瓶颈所在。为了高效推进这一领域的发展，采用高质量合成数据作为具身智能大模型训练的“燃料”成为了一条切实可行的路径。具体而言，跨维智能构建了一个高质量数据到模型的高效工具链，即Sim2Real具身智能引擎DexVerse™，将极大地促进这一进程。DexVerse™引擎通过模拟到现实的技术转换，为具身智能的发展提供了强有力的支持，推动了从数据到模型的高效转化与应用。

林嘉伟 | 跨维智能市场副总裁

人形机器人的应用场景和未来潜力

加速进化（Booster Robotics）成立于2023年，希望通过打造人形机器人产品，联合全球开发者，推动生产力变革。早期战略面向科研教育场景，基于团队在机器人、软件、芯片和商业化等全方位经验，打造人形机器人、操作系统、开发工具等软硬件平台，加速具身智能的落地。

加速进化商业化负责人刘威彤谈到，第三次工业革命由芯片引领，催生了电脑、手机等虚拟化行业的繁荣。而今，第四次工业革命需重点关注实体世界的变革，如低空经济、电动汽车及人形机器人等。人形机器人发展历经轮式、双轮、轮臂、轮足、四足等过渡形态，终以人形为终极形态，功能广泛，几乎无所不能，唯速度稍逊。预计未来十年，人形机器人将迎来爆发式增长。

产业链方面，上游零部件发展类似电动汽车，有许多投资与创业机遇；下游应用则更为丰富，涵盖操作系统及众多应用程序，类比iPhone初期，未来或将涌现众多知名企业及上市公司。

人形机器人行业仍需时日发展成熟，初期以科研等方面为主，逐步拓展至工业物流、商业场景，最终进军家庭市场。C端市场潜力巨大，但需技术与市场需求进一步成熟。

刘威彤 | 加速进化商业化负责人

先进电驱平台 加速智能具身

钛虎机器人成立于2020年，聚焦于为具身智能和通用自动化两大领域客户提供优质的底层软硬件解决方案，具备全栈产品的设计、研发、生产制造能力，致力于在提升产品性能的同时，降低硬件成本，使得人形机器人的实用化成为可能。

钛虎机器人产品及生态负责人谌威谈到，当前，人形机器人关节研发的挑战和难点主要有四大方面：

高爆发力和响应性方面，人形机器人需要大扭矩和高响应性的关节，方能实现行走、跑、跳和姿态快速调整，目前主流人形机器人关节最大扭矩已经达到300Nm以上。

轻量化和紧凑性方面，除了高爆发力的要求，人形机器人关节还需要更轻、更小，使得最终整机易于控制和响应调整，而非臃肿的“庞然大物”。

冷却散热方面，大扭矩输出以及结构紧凑就会带来电机散热的难题，从而影响精度以及使用寿命，在结构设计、散热方式和材料选用上都需极为考究。

寿命和耐用性方面，机器人摔倒、外部冲击、电机过热以及材料形变等等因素都可能导致关节以及人形机器人整机损坏和老化，故满足前述约束条件的同时，结实耐用也极为关键。

谌    威 | 钛虎机器人 产品及生态负责人

至此，第三届具身智能机器人产业发展论坛圆满落幕。未来，随着数据的完善、多模态感知融合等技术的持续突破，具身智能将向更自然的类人化交互、更精准的环境适应能力进化，而智能机器人或将在日常家务、医疗陪护、特种作业等领域重塑人机协作范式，推动人工智能从"工具属性"向"伙伴属性"跃迁。