人形机器人百年发展史与未来展望

从1920年捷克作家卡雷尔·恰佩克在戏剧中首次提出“机器人”一词，到2025年全球人形机器人出货量突破万台大关，百年来这一领域的发展始终沿着两条主线推进：一是硬件端的运动控制、核心部件工程化突破，二是智能端的认知、决策与交互能力升级。人形机器人的发展曾长期受限于硬件性能不足，而近年来随着大语言模型、多模态技术的爆发，直接推动行业驶入具身智能全新赛道。物理AI（人工智能）的落地，开始打破传统人形机器人“动作僵硬、智能不足”的发展瓶颈，加速推动具身智能机器人从科幻世界走进工厂、家庭等真实场景。

人形机器人百年发展史的

4个阶段

概念萌芽期（1920年—1950年），从文学想象到实体样机。1920年，卡雷尔·恰佩克在戏剧《罗素姆万能机器人》中首次提出“Robot”（机器人）一词，剧中的人形机械仆人第一次在大众认知中建立起“人形机器人”的形象。对人形机器人的探索并非只停留在文学层面，1927年，德国默片《大都会》中的机器人“玛利亚”，成为电影史上第一个人形机器人荧幕形象，进一步强化了公众对人形智能机器的想象空间；1939年，西屋电气在纽约世博会上展出身高2.1米、重120千克的人形机器人“Elektro”，成为全球首个具备行走、说话等演示能力的机器人工程实体。1941年，美国科幻小说作家艾萨克·阿西莫夫提出著名的“机器人三定律”，建立了机器人领域早期伦理框架，为人形机器人技术发展迭代划定了安全边界。

工程探索期（1950年—2010年），运动控制与场景演示突破。半个多世纪里，无数科研人员将解决人形机器人“动起来”的问题作为核心目标。1973年，日本早稻田大学开发全球首台全尺寸、可缓慢行走的人形机器人“WABOT-1”，推动人形机器人正式进入工程化研发阶段。1980年以后，本田重点研发步行机器人，在2000年推出可稳定双足奔跑的人形机器人“ASIMO（阿西莫）”，实现了机器人高难度运动控制。1980年—1990年，我国多所高校与科研院所先后开展人形机器人研发工作，涉及六关节平面双足样机、12自由度空间双足机器人、多指灵巧手等领域。2000年，国防科技大学推出中国首台全尺寸人形机器人“先行者”，搭载语音交互系统，可实现动态稳定行走、转头、摆臂。2002年，北京理工先后推出“BHR-1”汇童一号及后续迭代样机，可打乒乓球、上下台阶，成为国内人形机器人学术标杆。

受限于硬件成本高昂、智能系统依赖预编程等因素，这一时期的人形机器人仍停留在演示场景，无法规模化落地。

智能觉醒期（2010年—2020年），感知能力与智能算法融合。这一时期，随着以深度学习为代表的AI（人工智能）技术快速发展，人形机器人逐步迈入“智能时代”。机器视觉、强化学习技术的引入，让机器人第一次拥有了自主感知环境的能力。融合多传感器的人形机器人可自主完成路径规划、简单物体识别等任务，但整体上仍处于“弱人工智能”阶段，距离全面自主决策差距明显。2013年，波士顿动力第一代人形机器人“Atlas”亮相，配置3D摄像头与激光雷达用于环境感知，通过液压驱动和动态平衡算法可完成灵活行走、攀爬、操作工具等基础动作。

具身落地期（2020年—2026年），大模型技术与物理AI爆发。2020年以后，随着大模型横空出世与多模态技术爆发，具身智能时代全面来临。机器人研发重心从“能运动”转向“会思考”，物理AI概念逐步成为行业共识，机器人将成为与物理世界自主交互学习的智能体。近两年，国产宇树人形机器人H1两届春晚从“扭秧歌”进化到“打功夫”；2026年8月，北京成功举办第二届世界人形机器人运动会，来自16个国家的666支队伍、2056台机器人参赛。在“百米飞人”大战中，机器人以9秒39的成绩超越人类世界纪录。中国优必选Walker S、小米CyberOne（铁大），美国Figure 03、特斯拉 Optimus（擎天柱）（Gen-3）已在不同汽车厂流水线上岗，整个行业正式从技术验证阶段迈入商业化落地的早期阶段。

人形机器人三大模型演进路径

当前，人形机器人的产业化落地，离不开世界模型、VLA（视觉—语言—动作）模型、具身小脑模型3类核心 AI 模型协同支撑。三者各司其职，共同构筑起具身智能的技术底座。

世界模型：从环境感知到物理预测。世界模型的核心是让机器人建立对物理世界的虚拟映射，能够预测动作发生之后的环境变化。早期的世界模型仅能实现简单的二维环境重建，近期开源的“WAM”（世界动作）模型，旨在通过联合学习“世界状态演变”与“机器人行动策略”，实现跨机器人本体、跨场景的通用化能力，无需重新编程，可赋予机器人在陌生环境中自主规划任务的能力。世界模型的成熟，大幅降低了人形机器人的场景部署成本，让机器人摆脱了对结构化预设环境的依赖。

VLA模型：打通语言与动作的鸿沟。“VLA”模型是具身智能人形机器人的核心交互枢纽。VLA模型通过海量多模态数据训练，直接建立“视觉输入-语言指令-动作输出”的端到端链路，解决大语言模型的语言能力无法直接映射到机器人的物理动作问题，用户仅用自然语言就能指挥机器人完成复杂的家务、工业操作任务。2025年开源的通用VLA模型，已经在真机实验中验证了多场景作业能力，成为当前具身智能领域最核心的技术突破点之一。

具身小脑模型：机器人的动作控制中枢。具身小脑模型采用3层架构实现物理约束下的动态控制，集成多模型投票算法与本体感知技术，结合机器人本体动力学与环境感知数据完成实时规划。该模型在传感器数据部分丢失的情况下仍能维持基础运动功能，大幅提升机器人运动控制的鲁棒性，解决传统大模型响应延迟、本体约束适配不足的问题。2025年，该模型在复杂工业场景进入实际应用阶段，适配动态避障、精密零件装配、力觉反馈控制等高实时性要求工序。（中国冶金报）