人形机器人正以惊人的速度走进现实，从赛场上的马拉松冠军到春晚舞台上的演员，再到进厂“打工”。在业内看来，人形机器人正处于与十余年前新能源汽车产业相似的爆发前夜，即将迎来从技术验证迈向规模化商用的关键战略窗口期。然而，挑战仍然不少：技术融合存在“堵点”，高保真、多模态、可扩展的物理交互数据仍显稀缺；在应用层面，推动机器人实现大规模工程化落地、进入更多行业场景，亟须突破多重瓶颈。

雷军认为通用人形机器人被认为是继计算机、智能手机、智能汽车之后的又一超级智能终端，正在成为未来产业的重要方向。相关预测显示，我国人形机器人出货量有望在2035年超过260万台，市场规模超1400亿元，远期将达到万亿级规模。周云杰指出，当前人工智能正成为全球科技竞争的新高地，人工智能的发展正从“感知-认知”阶段迈向“具身智能”新阶段。作为人工智能与机器人技术的深度融合方向，具身智能对推动制造业智能化升级、培育新质生产力具有战略意义。何小鹏提到，2026年马年春晚舞台上，多款人形机器人集中亮相，凭借稳定的运动控制与协同表演能力引发社会广泛热议。这意味着具身智能正在从小众科技话题进入公众认知视野，也标志着产业发展进入新的阶段。“十五五”规划建议明确提出，前瞻布局未来产业，推动具身智能产业成为新的经济增长点，国家战略层面政策框架已初步构建。

伴随通用人工智能技术的持续突破，近年来中国人形机器人的创新全球瞩目，我国在人形机器人技术领域已经形成先发优势。但是随着通用人形机器人的广泛应用，目前整个行业依旧面临大规模工程化应用难题。为推动人形机器人尽早从“学徒工”转向“正式工”，建议加快推动通用型人形机器人在智能制造中的应用。我国具身智能仍处于技术爆发与产业导入的交叉期，要实现领跑，亟须突破多重瓶颈。技术融合的“堵点”尚未解决，高保真、多模态、可扩展的物理交互数据稀缺，行业级数据共享机制缺位，国产高并行、高保真仿真训练平台供给不足。此外，在高端装配、柔性生产等高复杂度、高灵巧性、高可靠场景的应用深度不足，标准体系缺乏也是阻碍规模化应用的因素之一。

从技术结构上看，我国当前大部分人形机器人属于软件规则控制的类型，并在运动控制系统层面展现出强大的能力，但在“大脑”（自主思考与决策）与“小脑”（运动控制）的协同体系、更多场景任务泛化能力、商业化落地前景方面尚未形成行业优势。相对而言，在本地部署自主感知、决策、执行，具备泛化能力，由物理世界大模型驱动的高阶智能人形机器人，更有利于真正推广到工业、商业乃至家庭等场景，拥有更广泛的商业化价值。

为了加快突破工程化落地难题，形成规模化量产条件，建议以智能制造实际生产需求为牵引，重点提高人形机器人的工艺稳定性，力争到2027年实现特定工业场景下MTBF（平均无故障工作时间）突破1万小时、任务成功率超过99%。同时强化政策的精准引导，快速提升人形机器人的工程化能力，并有效降低人形机器人的单体成本。扩大智能制造应用场景，提高人形机器人使用率，鼓励工厂提供更多生产工位，打造机器人规模化运行场景；支持人形机器人在具体产线落地应用，承担中高强度劳动；有序推进人形机器人的规模部署，开放更多生产场景，建设领先水平的全机器人生产线。突破关键核心技术，设立具身智能国家重点研发专项，集中力量攻克多模态感知与理解、环境自适应学习、仿生灵巧操作等核心算法；同时支持高精度传感器、智能关节、实时控制系统等关键硬件部件的研发与产业化。开展应用示范，支持龙头企业打造具身智能标杆场景，通过专项资金、试点示范等方式，支持龙头企业联合技术公司，开展具身智能在复杂装配、精密检测、高危作业、个性化定制等环节的深度应用试点，打造一批可复制、可推广的标杆案例。

推进高阶智能人形机器人端侧“大脑”技术突破与商业化落地，在涉及端侧大模型的架构研发与训练、数据的采集与合成以及算力相关的研发投入巨大，建议出台针对性的研发鼓励政策，例如设立国家级专项研发基金、强化全链条税收政策梳理等，对高阶智能人形机器人的研发给予支持与引导，推动大模型在人形机器人本地的部署，加速技术突破与商业化落地。加强安全标准体系建设，促进人形机器人应用，希望加快推动人形机器人唯一编码的制定实施，保障人形机器人生产过程的安全性，同时强化人形机器人作业场景中的数据安全与伦理隐私。加强人形机器人领域的国际交流合作，参与制定“人形机器人+智能制造”的全球标准，助力中国人形机器人走向全球。构建具身智能基础设施，建设国家级开放创新平台与数据集，建议建设若干国家级具身智能开放创新平台，同时启动国家具身智能数据专项。构建工规级具身智能机器人标准体系，加速推动机器人工厂级规模化落地。建议加快建立覆盖设计、生产、测试、应用全链条的工规级具身智能机器人标准体系，同时推动制定细分场景下的机器人系统集成与工艺适配标准。加快构建人形机器人智能化标准体系，参照汽车行业自动驾驶分级标准，建立人形机器人智能化标准、技术规范及配套要求，并明确算力、数据、应用场景与训练强度等核心指标，为技术研发、产业落地与行业监管提供统一依据。