美国人形机器人系统的技术发展和市场成熟度

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

提供 27 种语言版本 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2025年11月29日 / 更新日期：2025年11月29日 – 作者： Konrad Wolfenstein

美国人形机器人系统的技术开发和市场准备情况——图片来源：Xpert.Digital

在劳动力短缺和全能型自主机器的幻觉之间

市场概况及人形机器人技术的意义

美国劳动力市场面临着一个结构性悖论：物流、制造业和护理等行业对体力劳动的需求不断增长，而能够从事重复性、体力劳动强度大的工作的劳动力供应却在减少。在这种宏观经济紧张局势下，人形机器人的研发已从纯粹的研究导向型课题演变为一场资本密集型的市场份额争夺战。比较美国领先的几款人形机器人系统——特斯拉（Optimus）、Figure AI、Agility Robotics（Digit）、波士顿动力（Atlas）、Apptronik（Apollo）和Sanctuary AI（Phoenix）——的意义不仅在于它们不同的技术方案，还在于它们无需进行昂贵的改造即可实现现有基础设施的自动化。

与在安全笼内运行的专用工业机器人不同，这些人形机器人系统旨在与人类工人直接协同工作。2024 年和 2025 年是一个转折点：视觉-语言-动作模型 (VLA) 和先进神经网络的集成，将纯粹的运动控制扩展到了语义维度。机器人不再仅仅是遵循预设路径，而是能够理解指令并对意外障碍做出反应。然而，对这六款竞争产品的分析表明，通往通用“通用机器人”的道路绝非一帆风顺。相反，在执行器、认知和商业化策略方面，截然不同的理念正在涌现。.

与此相关：

“物理人工智能”、工业5.0和机器人技术——德国在物理人工智能领域拥有最佳机遇和先决条件。

技术融合与对普适智能的追求

尽管这六家公司的技术基因各不相同，但它们之间存在一些根本性的共性，这些共性定义了当前机器人技术的发展趋势。所有被考察的系统都基于双足（两腿）运动的前提。选择这种设计范式并非出于美观考虑，而是出于在垂直布局的环境（例如楼梯、狭窄的通道和货架）中移动的实用需要。

另一个共同点是，人工智能正从僵化的规则集转向数据驱动的学习方法。无论是通过远程操作（由人远程控制以收集训练数据）还是通过虚拟环境中的模拟（例如 NVIDIA Isaac Lab），所有厂商都在试图解决“莫拉维克悖论”。该悖论指出，人工智能完成高度复杂的认知任务通常比完成幼儿简单的运动技能任务更容易。.

此外，所有系统都面临着类似的能源限制。目前的电池技术通常将混合负载下的续航时间限制在四到五个小时，这使得工业轮班工作在后勤方面面临挑战。通过快速充电或换电系统解决这一能源问题是各方共同关注的重点。最终，总体目标是一致的：创建一个边际成本趋近于电力成本，并将劳动力视为可随时下载到硬件上的“软件应用程序”的系统。.

系统评价：建筑、认知和体格

为了客观地比较这六个系统，有必要将其细分为关键技术标准：执行器、操作、认知架构和能量概念。

在执行器方面，电气化趋势已然显现。波士顿动力公司多年来一直依赖液压系统，而新款 Atlas 则标志着向更安静、更清洁、更节能的全电动驱动系统的过渡。特斯拉、Apptronik、Figure 和 Agility 等公司也在朝着这个方向发展。Sanctuary AI 则是个例外，它继续在其机械臂（手）中使用微型液压系统，以实现更高的功率密度和速度，而这通常是目前电机在该应用领域尚无法实现的。

在操作（手部操作）方面，物流专家和通用型机器人之间存在着明显的区别。Agility Robotics 公司在其 Digit 机器人中特意避免使用五关节手，而是采用针对箱子（手提袋）优化的抓取垫。这降低了复杂性和成本。相比之下，特斯拉、Figure 和 Sanctuary 等公司则大力投资研发拥有高达 22 个自由度 (DoF) 的灵巧机械手，以模拟人类的精细运动技能。

认知架构或许是二者之间最显著的差异化因素。特斯拉采用了一种激进的端到端方法，将视频数据直接转化为控制指令，并通过其庞大的车辆车队和远程操控进行训练。而Figure AI和波士顿动力公司则与外部人工智能合作伙伴（分别是OpenAI及其自身的人工智能研究院，以及NVIDIA）广泛合作，以整合自然语言理解和规划功能。Sanctuary AI则着重于通过远程操控（“Carbon AI”）进行数据采集，通过人类演示来教会机器人执行复杂的任务。.

概况分析：特斯拉（Optimus）

加强

特斯拉最大的优势不在于机器人技术本身，而在于其垂直整合和制造深度。通过获取从电池单元（4680）到推理芯片（FSD计算机）等汽车技术，特斯拉能够比任何竞争对手更有效地降低成本。Optimus机器人直接受益于“完全自动驾驶”（FSD）软件的进步，尤其是在无需激光雷达（LiDAR）的视觉导航方面。另一个独特的卖点是庞大的训练数据量：特斯拉计划在其自有工厂（超级工厂）部署数千台Optimus机器人，从而创建一个初创公司难以复制的闭环数据循环（数据飞轮）。最新一代（第三代）手持式机器人拥有22个自由度，旨在操作人类使用的几乎所有工具。.

削弱

最大的缺陷在于宣传与实际情况之间的差距。进度经常延误，公开演示往往在受控条件下进行，无法反映真实工厂环境的不可预测性。此外，该系统是一个“封闭花园”：客户完全依赖于特斯拉的软件生态系统。批评人士还指出，这种纯粹的视觉方法（不借助激光雷达等深度传感器）在低对比度或光线昏暗的工业环境中可能会达到其物理极限，尽管特斯拉否认了这一点。.

概况分析：图 AI（图 02）

加强

Figure AI凭借其极快的迭代速度和高规格的合作伙伴关系脱颖而出。与OpenAI的合作使Figure 02能够进行目前市场领先的语音处理和推理。这款机器人可以实时“说和听”，从而降低了交互门槛。其硬件设计极其简洁，并针对大规模生产进行了优化，集成的布线和类似外骨骼的结构确保了其稳健性。此外，在宝马位于斯帕坦堡的工厂开展的试点项目，也证明了其在汽车制造领域的早期验证，而汽车制造正是对精度要求最为严苛的测试环境之一。.

削弱

作为一家年轻的公司，Figure 缺乏像 Boston Dynamics 等竞争对手那样数十年的机电一体化经验。其硬件在持续负载下的长期耐久性仍有待验证。此外，对外部人工智能模型（OpenAI）的依赖也带来了战略风险：API、成本或可用性的变化都可能直接影响机器人集群的功能。令人印象深刻的演示性能与持续运行中 99.9% 的可靠性之间的平衡尚未最终实现。

公司概况分析：敏捷机器人（Digit）

加强

Agility Robotics 秉持着该领域最务实的理念。Digit 并非“模仿人类”，而是一款专用于物料搬运的工具。它像鸟儿一样向后倾斜的腿部设计，使其能够在需要时折叠起来，从而更高效地到达货架层。通过与亚马逊的合作以及“RoboFab”的建立，Agility 在商业化和规模化方面取得了先机。由于无需复杂的操作，Digit 专注于提升和运输标准化的容器（周转箱），从而大幅降低了技术复杂性。这使得 Digit 成为目前物流应用中最可靠的系统之一。.

削弱

这种专业化也是它最大的弱点。Digit几乎无法执行物流以外需要灵巧性的任务，例如组装或操作工具。如果市场转向能够灵活切换仓储和组装等工作的通用机器人，Agility的设计可能会陷入困境。此外，由于其腿部结构，它的动作对人类来说往往不如拟人化系统那样直观，这可能会影响它在混合团队中的社交接受度。

概况分析：波士顿动力公司（Atlas）

加强

随着新款Atlas机器人从液压驱动转向电动驱动，波士顿动力公司将其在控制理论领域数十年的领先地位转化为商业上可行的产品。新款Atlas的关节运动范围超越了人类生理极限（例如，躯干和关节可360度旋转）。这使得机器人的运动效率远超人类，因为它无需“转身”，只需改变自身姿态即可。加入现代集团不仅能确保资金到位，还能提供理想的测试平台。“Orbit”车队管理软件已通过Spot机器人得到了市场验证。.

削弱

尽管波士顿动力公司技术卓越，但其在将研究项目转化为盈利产品方面一直面临挑战。由于其向电动平台转型较晚，因此与Agility公司不同，该公司仍然缺乏在客户环境中积累的真实、长期的数据。此外，该公司需要在高级人工智能（语义理解）领域迅速追赶，因为其长期以来主要专注于低级控制（平衡、动力学）。与丰田研究院和英伟达的合作旨在弥补这一差距，但整合过程十分复杂。.

公司概况分析：Apptronik（Apollo）

加强

Apptronik 将 Apollo 定位为机器人领域的“iPhone 时刻”，并着重强调安全性和模块化设计。其关键的独特卖点在于可互换电池系统。其他机器人需要数小时充电，而 Apollo 理论上可以通过手动更换电池实现全天候运行。其设计旨在展现友好无害的形象，从而提高人与人之间的互动接受度。此外，模块化设计使得 Apollo 的上半身可以安装在固定底座上，使其适用于无需腿部的装配线作业。这降低了客户的投资成本。.

削弱

与特斯拉的资源或Figure AI的估值相比，Apptronik的财务策略较为保守。在规模经济决定价格的市场中，这可能是一个劣势。其约25公斤的有效载荷虽然可靠，但与专业起重设备相比仍有局限性。Apptronik的定位介于纯粹的物流机器人和高端人工智能机器人之间，这可能导致它无法在任何细分市场占据主导地位（“进退两难”）。.

公司概况分析：Sanctuary AI（凤凰城）

加强

Sanctuary AI 的独特之处在于其对人手的极致追求。其核心理念是，机器人的智能主要体现在其操控世界的能力上。Phoenix 的机械手采用液压系统，实现了远超纯电动机械手的灵巧度和力量控制。“Carbon AI”控制系统旨在通过远程操控学习并逐步实现任何可想象任务的自动化。这使得 Phoenix 成为执行复杂装配任务（例如，零件分拣、焊接、实验室工作）时用途最广泛的机器人，而其他技术水平较低的竞争对手则无法胜任。.

削弱

液压系统即使小型化，也存在泄漏风险，且需要更多维护。在洁净室或办公环境中洁净地操作液压系统在技术上极具挑战性。此外，远程操作方式对数据量要求极高。目前尚不清楚需要多少百万小时的人工演示才能实现完全自主。只要需要人为干预（飞行员辅助），这种商业模式就难以盈利，因为必须将飞行员的薪资成本和机器人的成本都考虑在内。指望通过模仿实现完全自主既冒险又耗时。

借助“托管人工智能”（人工智能）实现数字化转型的新维度——平台及B2B解决方案 | Xpert咨询

“托管式人工智能”开启数字化转型新篇章——平台及B2B解决方案 | Xpert Consulting - 图片来源：Xpert.Digital

在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.

托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.

主要优势一览：

⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.

🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.

💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.

🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.

📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.

更多信息请点击这里：

托管式人工智能解决方案——工业人工智能服务：服务业、工业和机械工程领域保持竞争力的关键

为什么没有“最好”的机器人——只有最适合您流程的机器人？

部署场景：专业化与通用化

这些系统之间的选择很大程度上取决于具体的“使用案例”。.

对于主要侧重于将标准集装箱从 A 点运送到 B 点的内部物流和仓储而言，Agility Robotics（Digit）目前是最高效的选择。该系统与企业资源计划 (ERP) 系统的集成已相当完善，并且专为此用途而设计。如果轮班工作需要频繁更换电池，或者机器人还需要在装配线上执行固定任务，则 Apptronik（Apollo）提供了一个强有力的替代方案。

在汽车制造和复杂的装配流程中，需要固定钣金、拧入螺丝或铺设电缆，特斯拉（Optimus）、Figure AI 和波士顿动力（Atlas）占据主导地位。在这些环节中，车身整体的移动性和与数字化工厂的集成至关重要。特斯拉的价格优势最终可能起到决定性作用，而 Atlas 则凭借其在狭小空间内的超强灵活性而脱颖而出。

Sanctuary AI（Phoenix）非常适合需要触觉反馈和灵巧性的精细操作和实验室任务。对于需要处理硬度、质地或易碎程度各异的物体（例如，回收分拣或纺织品加工）的场景，则可受益于人工手的液压精度。

与此相关：

生成式物理人工智能与机器人基础模型：通过学习系统变革机器人技术

规模化之路

对比分析表明，那种早上能煮咖啡、下午能焊接汽车的通用机器人愿景仍处于未来阶段。当前市场正处于分化阶段：制造商正在针对特定的垂直市场（物流与制造）优化其系统，以便尽快为客户创造投资回报。

从技术角度来看，液压执行器和电动执行器之间的竞争已基本尘埃落定，电动执行器占据上风，只有高性能机械手这一小众领域例外。如今，真正的瓶颈已从硬件（硬件性能已日趋“足够好”）转移到人工智能所需的数据质量。特斯拉通过其车队战略，以及Figure/Sanctuary通过其仿真和远程操作流程，分别押注于不同的方向。.

对于决策者而言，这意味着：没有“最佳”机器人，只有最适合特定流程的系统。如今的投资者购买的与其说是成品，不如说是快速学习型软件平台的使用权。未来几年将出现整合，最终生存下来的供应商很可能是那些无法完成最炫酷操作，但却能以最可靠、最具成本效益的方式处理最普通的箱子运输任务的公司。.