作者：电子创新网张国斌
近日，人形机器人领域一个重大进展是优必选旗下消费级品牌优世界（UWORLD）在6月30日年度全球发布会上正式推出的U1系列全尺寸超仿生人形机器人全渠道订单量突破1.1万台！
这在人形机器人领域属于里程碑式突破！数据显示，2025年中国企业人形机器人出货量约1.3万台，而摩根士丹利预测2026年中国人形机器人销量将达2.8万台！仅优必选一家出货就直逼2025年全年出货！
有如此骄人的业绩，优必选是如何看待具身智能机器人的未来发展呢？在7月3日召开的芯原具身机器人专题技术研讨会上，优必选科技高级副总裁、战略投资总顾问侯宗放给出了他的判断：”具身智能的本质，不是单体机器人能力的突破，而是“系统级工业智能体”的构建。“
换句话说——行业的问题，从来不是“机器人像不像人”，而是：能不能稳定、可控、低成本地进入生产体系。
一、具身智能的技术断层：大模型≠行动能力
侯宗放在演讲中指出优必选首先明确了一件事： 传统AI（尤其大语言模型），并不能直接转化为物理世界的行动能力。他举例说：一个简单任务——“帮我拿一瓶可乐”，背后至少包含四层技术链路：
任务理解（语言 → 意图）
任务拆解（意图 → 子任务）
空间导航（A点 → B点）
物体识别 + 操作执行
当前大模型的能力，主要停留在前两步。而真正决定机器人价值的，是后两步： 感知 + 运动控制 + 执行闭环。这意味着一个关键结论：具身智能不是“大模型延伸”，而是“AI体系重构”。
二、核心架构：总控大脑 + 分布式“小脑”的物理AI体系
他提出了一个非常关键的架构范式： Central Brain + Distributed Sub-Brains（总控大脑 + 模块小脑）
这本质上是一种“分布式智能体系统”：
1. 总控大脑（Global Brain）
负责任务理解、决策、路径规划
对应大模型 / 世界模型
更偏向云侧或高算力节点
2. 模块小脑（Local Intelligence Units）
嵌入在：
关节
执行器
传感器
材料单元
具备局部感知 + 局部控制能力
3. 结果：系统级智能，而非单点智能
这带来一个重要变化：智能不再集中在“一个大脑”，而是分布在“整个身体”。甚至进一步延伸：未来的“材料本身”，也可能具备感知与计算能力。这就是优必选所说的“物理AI进阶形态”。
三、为什么坚持做人形？但又不迷信人形
具身机器人一定要人形吗？他表示优必选对“人形”的态度非常有代表性：战略上重视，战术上克制。
1. 人形的三大价值
兼容性
：适配人类构建的世界（工具、空间、设备）
自由度
：双足结构带来更高操作灵活性
平台化能力
：可向四足、轮式等形态演化
他们提出一个关键概念：人形是“第一个1”，不是最终答案。
2. 当前现实：轮式仍然主导工业
他表示在实际出货中：轮式机器人还是主力，而人形机器人还在探索中，原因很现实：
指标 | 人形 | 轮式 |
|---|---|---|
成本 | 高 | 低 |
稳定性 | 中 | 高 |
通过性 | 强 | 更高（工业场景） |
工程成熟度 | 低 | 高 |
结论：工业优先级 ≠ 人形优先级
四、工业落地逻辑：从“单机替代”到“系统重构”
他指出优必选明确反对一个常见但错误的商业模型： “一台机器人 = 替代一个工人”
他们提出新的计算方式：多机器人 + 人类协同 = 工业智能综合体工业智能综合体（Industrial Intelligence System）构成：人形机器人、机械臂、移动机器人（AGV/AMR）、人类工人
目标： 整体效率优化，而不是单点替代
五、典型可落地任务：六大工业场景
他指出优必选将当前可行任务收敛为六类：
搬运（搬箱）
质量检测
物料操作
螺栓拧紧
零件装配
SPS分拣
当前能力边界：效率 ≈ 人类40%，但在质检环节已超越人类，关键约束：一致性 + 节拍控制
六、能力瓶颈：不是算力，而是“技能结构”
他表示优必选提出一个非常工程化的指标：机器人是否具备5–10个“技能包”，决定是否能进入规模化。技能包（Skill Package）体系构成：
原子动作（抓取、移动）
组合任务（搬运、装配）
场景适配（工厂/物流）
方法： 先训练“原子技能”，再组合成复杂任务
这本质上类似：软件中的“函数库” → 工业中的“动作库”
七、三层智能架构：从控制到认知的分层设计
他给出了一个清晰的具身智能技术分层：
第一层：本体控制层（实时层）
小模型 + 控制算法
高实时性、强稳定性
封闭系统为主
第二层：任务执行层（VLA层）
Vision-Language-Action
多模态理解 + 任务分发
小模型即可完成
第三层：世界模型层（认知层）
空间理解 + 时间推演
未来预测能力
依赖大模型 + 高算力
所以：不是一个模型解决一切，而是分层协同。
八、算力与数据的真实问题：不是不够，而是“用不起”
他在演讲中指出一个被低估的瓶颈：数据与算力结构不匹配，现实问题：单个数据包：5GB–10GB，但500T算力仍难支撑复杂VLA训练
关键痛点：
数据过重（效率低）
缺乏标准化
训练成本极高
由此引出一个产业机会：“数据压缩 + 数据结构优化”将成为关键赛道，这也是芯原戴伟进提出的关键技术，就是要高效的压缩。
九、关键技术趋势：从芯片到材料的全面智能化
优必选给出三个重要趋势：
1. 算法写入硬件（Algo-in-Sensor）
感知前移
降低延迟
降低系统复杂度
2. 材料智能化（Smart Material）
材料具备感知与响应能力
适应环境变化（温度、压力等）
3. 能源系统重构
自动换电
24小时运行
专用能源管理芯片
因此我们可以得出如下结论：机器人，不只是“AI + 机械”，而是“AI + 硬件系统 + 材料科学”。
十、时间表：工业→商业→家庭的三级跃迁
他表示优必选给出具身智能的明确发展节奏：
阶段 | 时间 | 场景 |
第一阶段 | 2–3年 | 工业制造 |
第二阶段 | 3–5年 | 商用服务 |
第三阶段 | 5–8年 | 家庭/陪伴 |
核心逻辑就是从结构化 → 半结构化 → 非结构化
最终结论：具身智能的胜负，不在“像人”，而在“能用”
综合侯宗放的分享可以得到一个非常清晰的技术路线：不是单体智能，而是系统智能；不是模型驱动，而是架构驱动；不是替代人，而是重构生产；不是追求人形，而是追求适配；不是算力问题，而是数据与结构问题
也可以说：任何脱离应用场景的具身智能，都是伪命题。所以具身机器人行业真正的分水岭，不是发布会，也不是Demo，而是——
什么时候，它能稳定地出现在产线上，并持续创造价值。
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利
