

2025“量产元年”？具身智能企业准备好了吗？

原力无限机器人

2024-12-23

导读：若能在技术、商业与生态三方形成多方协作与战略整合，具身智能或将成功打破成本与产能的怪圈，实现真正意义上的技术与商业腾飞

作为国内领先的AI Agent与具身智能机器人科技企业，亦是在具身智能领域冉冉升起的新星，原力无限机器人凭借全球首发的FORCE系列低空智能充电机器人，成功破解了新能源车辆数量激增与充电基础设施不足的难题。其AI赋能的“机器人找车”创新模式，将时间、空间、效率、成本与实际场景深度融合，为新能源车辆提供更灵活便捷的充电体验，不仅震撼业界，也为原力无限赢得了数千万元的商业化订单。

同时，依托智能化管理与调度能力，原力无限还为政府有序用电、有序充电提供了完善的解决方案。对于亟须升级服务设施与提升用户体验的运营商、物业、小区及写字楼等场地业主而言，原力无限的“超前”方案无异于一场及时雨，不仅为行业注入全新活力，更在实际应用中展示出颠覆性成效。

日前，「具身研习社」就具身智能专题对原力无限机器人执行副总裁刘扬进行采访，双方就产业落地、关键挑战以及未来趋势等问题展开深入探讨。

伴随着技术突破与政策加码，具身智能产业正从实验室走向产业化前沿。尽管业内对2025年成为“量产元年”充满期待，但阻碍其大规模落地的核心，仍在于如何破解高昂成本、有限数据与真实需求不足的三重难题。

工业场景如巡检与晶圆上下料，因其对灵活度与效率的高要求，正为具身智能提供落地先机；而C端市场则亟待能切实提升生活品质的产品。仅凭技术加持与炫技式宣传远不足以赢得客户买单，企业需以解决痛点为原动力，方能撬动规模化采购意愿。正是在这条以需求为导向的路径上，具身智能量产的蝶变才逐渐清晰。

若能在技术、商业与生态三方形成多方协作与战略整合，具身智能或将成功打破成本与产能的怪圈，实现真正意义上的技术与商业腾飞。

在本次采访中，刘扬提出了以下核心观点：

01 首先，价格并非核心，关键在于能否真正解决下游用户的实际问题并带来实在价值。刘扬认为，如果产品只能提升少量效率，客户的付费意愿将随效率提升幅度而有所限制；但若能在差异化场景中触及行业痛点，下游客户自然乐意为更高价值买单。

02 其次，真实需求才是促使企业降本和推动量产的终极驱动力。只有当产品切中痛点、解决足够重要的难题，才会形成规模化的购买意愿，并带动成本下降与技术迭代。

03 最后，在市场选择与技术路径上，他强调“先做大市场”，即聚焦可控且易于复制的应用场景，避免盲目“炫技”，从而最大化应用价值与需求面。总而言之，唯有为客户创造实在价值、对症下药地打造真正可行的产品，才能打破成本与量产的门槛，持续为行业带来增长动力。

——以下为本次稿件原文

成本、数据集、下游客户的真实需求横亘在具身智能量产前，市场呼唤的不是量产时间节点，而是真正有用且具备大规模布局能力的具身智能产品。

作者：吕鑫燚

编辑：张从容

出品：具身研习社

继技术大爆发、进厂打工潮后，具身智能迎来新发展拐点。业内较为乐观的看法是，2025年或将成为具身智能“量产元年”。

原本北京、上海、深圳争夺具身智能产业高地的“三国杀”，已经扩容为国内多地“混战”的竞争赛。

政策方面，近半个月国内多地接连发布了机器人支持文件，重庆市出台支持具身智能机器人产业创新发展若干政策措施；杭州市市场监督管理局签订支持杭州市机器人产业高质量发展标准战略合作框架协议；安徽省工业和信息化厅研究起草了《安徽省人形机器人产业发展行动计划（2024—2027）》正式发布。

另一方面，具身智能厂商也捷报频传，各家能炫技、会打工的机器人轮番上台标志着具身智能产品摆脱技术枷锁后，已经迈入下一个发展阶段。华为和乐聚合作的机器人被曝预计2025年量产；魔法原子也将在2025年一季度发布新一代人形机器人产品并同步小规模量产。

如今业内不再讨论具身智能的“必要性”，而是转向思考量产后激发的无限可能。

但我们真的触碰到具身智能的量产临界线了吗？当马斯克喊出2025年开始“限量生产”Optimus（擎天柱）机器人之际，当年摆在他面前的量产难题，原封不动地转移给国内具身智能企业。

图源：特斯拉

诚然，技术攻关、应用场景训练、政策支持等多方因素已经点燃具身智能量产的引线。但量产并不意味着“生产”，产能也不是唯一需要前置考虑的因素。用在哪？用处几何？谁会用？这些问题的答案都将决定量产上限和下限的空间。

具身研习社同多家具身智能企业深入探讨后发觉，市场并不需要一个明确的时间点，而是需要参与者主动探寻市场发展趋势通过真实需求预判量产节奏，加速“量产时代”到来。

售价难题不在于价格

成本是横亘在具身智能量产门前最高的门槛。

据了解，目前双足人形机器人的成本在80-100万区间，轮式人形机器人成本在50-70万区间。相比于目前大规模运用的十万元区间的工业机械臂，具身智能产品成本高出不止一个量级。

高昂的成本成为阻碍跃跃欲试的下游客户的最大绊脚石，唯有成本降低才有可能激发客户的需求欲，进而完成由需求侧带动生产侧爆发的变革。换言之，已经存在的可应用场景只是量产的前置因素，为新技术买单的意愿度才是决定量产规模的核心因子。

厘清成本和量产的底层关联后，新的问题便随之而来，即为什么具身智能产品成本居高不下？

一方面，作为集前沿技术于一身的新产物，具身智能产品在研发阶段难免走过长时间的研发资金“焚烧炉”阶段。大模型、数据集打造、数据训练等多个有关“大脑”技术的研发成本在短时间内很难迎来成本下滑的曲线。单从数据训练环节来看，想要具身智能产品“像人”，凭几千条数据难以实现数据泛化，至少上亿条的数据才能有效赋予机器人更智慧的表现。

目前尚未有企业公布具身智能软件技术的成本，但我们仍可以透过自动驾驶技术的研发成本窥测。据了解，2019年至今华为在智能汽车解决方案侧累计研发投入达300亿以上，2020年至今，奔驰在电动车和自动驾驶上投入研发成本为140亿欧元。

软件成本并不是“一次性”的生意，前期大量资金注入后还要面临后期维护、迭代的成本。唯有实现技术复用等能力，才有可能实现软件成本的降本机会。

目前业内主流的降软件成本方式为“自研”，虽然前期投入较大但可以掌握更多技术、成本投入的主动权，也能在技术能力上实现差异化优势。

相比于软件，硬件成本则更有机会带动整体产品降本。

实际上，目前硬件已经出现了成本下滑趋势，原力无限执行副总裁刘扬对具身研习社透露，2024年已经有“降本潮”趋势，预计2025年将会爆发。原力无限的概念机成本是目前的三到四倍，未来还会继续降低。某深耕具身智能领域的投资人对具身研习社表示，以谐波减速器为例，现阶段的售价1500元/个*1在一年前要高出20%-50%。

根据优必选预测，人形机器人降本进程大致分为三个阶段：几千台生产降本20%-30%，约10万美元；1万-几万台量产，降本50%至5万美元；几十万至上百万台人规模量产，降本70%-80%至2-3万美元。

图源：泓沣资本

由此可见，成本和量产的关系像是陷入了怪圈，唯有产能规模化发展才能带动降本，但产能规模化发展的前提又是成本降低。

这个看似无解的怪圈，暗藏着另一条脉络。据刘扬表示，下游客户的购买意愿不单是一个简单的报价。而是具身智能产品所能解决问题的能力是否能匹配的上价格。

刘扬说道，如果具身智能产品只能提升生产效率，没有解决特定问题的能力，那售价是和效率提升幅度成正比的。但如果具身智能产品具备解决特定问题能力，且能实现差异化应用优势的结果，那下游客户愿意为其技术实力支付更高的价格。

简单来说，成本虽然是门槛，但降低门槛的解法在于技术实力。具身智能企业想要突破成本难题，一方面要实现软件侧的技术复用，硬件侧的上游降本，另一方面还有拿实力说话，用实力打消价格犹豫。

数据难题和数据共享之争

从实际应用侧来看，客户需要的具身产品应当具备两大特质：泛化能力、解决问题能力。这两大能力指向了技术，都指向了数据难题。

具身智能产品的进化本质就是拆解人类的意图和动作，用人工智能的技术试图还原甚至超越人类的思考和动作能力。如果说模型是人类的“大脑”和“小脑”，本体和关节灵巧度是人类的“身体”和“关节”。那数据或数据训练则可以看作成是人类的“神经”，人类在思考、执行任务时离不开脑神经和肌肉神经，具身智能产品也同样离不开数据采集和数据训练。

因此数据的质量和数量直接决定了机器人的执行能力，例如互联网数据缺少关于下肢的动作，导致早期人形机器人难以通过互联网数据大规模采集。实际上，早期大模型文生图也曾面临着这一痛点，由于互联网上缺少真实多元化的手部数据，使得“AI画不了手”成为外界分辨图片作者的重要依据。

可见，更多元化、更高质量的数据集才能让具身智能在理解、执行层面更像人类工作者。

但当下数据集的打造面临诸多难点。先从数据采集来看，目前市面上主流的数据采集为仿真数据、合成数据、互联网数据等。其中，仿真数据属于“金字塔尖”的存在，是最能辅助机器人完成在物理世界的模拟数据。

不过，大规模真实数据的采集成本高昂，且需要大量人力、物力与时间。此外，物理世界场景丰富多样充满变化因子，难以采集到近乎全面的真实数据。

面对数据难题，各家企业都有不同的解决方案，例如用合成数据完成成本更低、规模更多、质量更高的的数据集采集。目前也出现了明显进展，刘扬表示，现阶段机器人的下肢数据已经得到提升，不再成为阻碍。

但是各家发力最终会造成一种现象，即行业层面的数据孤岛和整体进展较慢。因此市面上开始出现呼吁数据共享的声音。

一来，数据共享能解决各自企业单打独斗的困境，提升每个企业的前进速度；二来，共享或开源是最能促进行业整体前行的动作。波士顿动力开源四足机器人就贡献了案例。

但数据共享带来的并不全是利好因素，也很难在短时间内存在。首先，数据已经是具身智能企业的货币化工具，涉及到股东利益、企业核心机密等。在刘扬看来，具有商业价值的数据很难做到共享，但并不排除数据脱敏后可以赋能G端。

在魔法原子业务负责人吴长征看来，数据共享还有可能造成劣质数据流入市场的结果，很难用标准化把控数据。在某复合型机器人企业看来，机器人的数据涉及到应用场景的工厂私密，这是涉及到多方利益因素的话题，很难达成共识。

相比之下，产业投资者带来的生态优势则明显展现出解决数据难题的能力。产业投资者具有大规模生产线，具备提供真实数据采集的场景优势。能通过资方自身的资源加速被投机器人在数据侧的商业化发展。

真实需求决定上限

上述成本和数据难题最终指向的都为同一个答案--需求。需求越大成本越低；需求越多数据越多。

从商业视角审视，需求代表着真实市场，成本和数据则更偏向实验室技术，二者的关系属于互相辩证。技术发展方向依赖于真实市场的需求反馈，技术本身和长远发展之间并不是单纯的等号关系。这一点依旧可以在汽车行业找到答案，增程式电车的技术路线算不上最优解，但其油电通吃的特点确实能俘获更多消费者。

可以说，技术只是具身智能企业商业化的重要因子，但能透过市场真实反馈预判技术发展方向才是核心护城河。

因此困住具身智能企业量产的核心，还是要从真实需求中找答案。正如刘扬曾说过的，只有解决问题的能力越大，才会触碰降本临界点。

从需求侧来看，目前具身智能核心应用场景为半导体、3C等生产制造领域。一方面，工业场景的稳定性具备具身智能应用的前提条件；另一方面，工业自动化进程中，工业机械臂、协作机器人早已成新生产力，在自动化进程的催化下，工厂对具身智能的接受度更高。

虽然场景已经给出大概方向，但如何挖掘出场景的最大需求，还需要具身智能企业具备更差异化的思考能力。

魔法原子团队并没有醉心于“炫技”，则是保持更冷静和理智的态度，看到更未来的事情，做更有用的机器人才能为下游客户带来价值。在刘扬看来，原力无限选择先做大市场，寻找相对可把控的市场。其好处在于，可控不会造成成本指数级增加，且可复制性极高，能找到具身智能应用的最大公约数。

虽然技术突破一定程度上是实力的外显，但客户并不需要会跳“科目三”的具身智能产品，而是需要能进行特定工作任务的产品。

从具身智能企业角度出发，应用方向的选择往往要大于实验室的技术突破。例如巡检、晶圆上下料、配电间等场景，具备广阔的商业价值，其真正的研发方向或许就藏在这些商业价值中。

除了工业场景外，C端场景也一直在具身智能企业的探讨中。C端是更广泛且存在更多细分机会的场景。而这则更是考验企业眼光毒辣的时候，例如，陪老机器人和居家保姆机器人哪个更适合未来？

理解需求、满足需求才是具身智能企业量产前最重要的课题。对市场环境的预判，倾听下游客户真实声音，方能找到最优解。

2025年将至，市面上不乏优秀具身智能企业代表，相信在多方共同探索前行路线下，量产不再存在任何难题，马斯克所畅想的人形机器人数量将超过人类，也不再只是畅想，具身智能终将走进千家万户。

更/多/推/荐

喜讯！原力无限机器人荣获i黑马《2024年度“人工智能+”》榜单Top 50奖项

深度报道｜与波士顿动力、特斯拉同台领奖，这家新势力科技公司凭什么？

【声明】内容源于网络

原力无限机器人

原力无限（INFIFORCE）是中能坤域科技集团（ELU.AI）倾力打造的智能AI机器人品牌，专注于具身智能领域，以“一脑多身”全栈自研技术领先于全行业，并通过AI Agents挖掘最佳商业化场景。

内容 59

粉丝 0

原力无限机器人原力无限（INFIFORCE）是中能坤域科技集团（ELU.AI）倾力打造的智能AI机器人品牌，专注于具身智能领域，以“一脑多身”全栈自研技术领先于全行业，并通过AI Agents挖掘最佳商业化场景。

总阅读0

粉丝0

内容59