今年以来，以具身机器人为代表的机器人赛道异常火爆，“机器人马拉松”、“机器人运动会”等活动的举办，也推高了民众关注的热度。中国企业表现出领先的创新能力得到广泛认可，围绕人形机器人的本地生态系统也在加速构建。当前，人形机器人正在实现从原型走向量产的关键阶段，今年也被视为人形机器人的规模量产元年。

国家统计局数据显示，2025年上半年，工业机器人累计产量达到36.93万套，同比增长30.4%。来自第三方机构IDC的最新预测，到2029年全球机器人市场规模将超过4000亿美元。其中，中国市场占据近半份额，且以近15%的复合增长率位居全球前列。

在工业领域，如果说过去10年，过去10年，数字工厂对生产自动化和数字驱动决策起到了很大的推动作用，那么机器对环境的感知、理解和灵巧操作，将代表着工业智能的未来。

“我们要让机器具备感知、连接、控制和解译的能力，让工厂成为一个有思想、有触感和有行动力的智能系统。AI、机器人和自动化的深度融合，正在开启人机协作的新纪元。”在日前ADI举办的“激活边缘智能 共绘具身未来”人形机器人媒体沟通会上，ADI公司院士兼技术副总裁陈宝兴博士在接受集微网等媒体采访时表示。

推动产业变革的具身机器人

AI经历了70年的发展，从1950年的图灵测试，到1956年正式提出人工智能学科，从2012年深度学习取得突破性进展，到2022年生成式AI爆发。

从今年起，具身机器人将在未来几年成为现实，推动产业变革。在过去，AI、自动化和机器人都各有其赛道，但现在这些领域正在融汇成一个超级生态。

陈宝兴博士指出了三方面驱动机器人发展因素：

一是AI加速，AI算法推动了机器学习和适应的能力，能在复杂环境下自主优化动作。

二是由于市场需求，对灵活制造的需求更大，工厂需要柔性生产，机器人更需要能够快速地切换任务。

三是人口减少与劳动力短缺，制造业面临用工荒。未来更加需要人机协作，机器人与人类并肩协作，共同完成复杂任务。

人形机器人需要的核心能力包括感知、连接、控制和解译，相当于人的眼睛、神经网络、肌肉与大脑，而这些工业智能领域的核心能力也正是ADI的优势所在。

据陈宝兴介绍，ADI能够提供针对人形机器人的从核心技术到系统解决方案的全套产品。其中包括测量景深的ToF摄像头模组；针对关节数据传输的GMSL、以太网等高速连接技术；ISO-USB等稳健的外部连接可以保证让维护、调试、充电更加安全；此外，ADI还有高效的电源与电池管理方案、用于实现类人灵巧操作的IMU、以及实现先进抓握与触觉感知的触觉传感器；在电机控制方面，有磁性编码及控制器、位置传感器等。

如何让机器人拥有一双灵巧手？

灵巧手将是人形机器人智能的下一个突破口。特斯拉的CEO埃隆·马斯克就在近期的采访中表示，特斯拉最新一代的机器人Optimus Gen3最具挑战的部分就是灵巧手。

陈宝兴博士介绍，实现类人灵巧有五大技术因素：

一是低延迟，相当于类比人类的“脊髓反射”，人类能在20到50毫秒之内完成本能动作，而机器人要实现本能级反应，控制环路的总延迟必须控制在10到20毫秒之内甚至更低。

二是精密的电机控制，如同人类的手指可以精确地控制力度和角度，机器人需要高分辨率的位置与力反馈。

三是触觉传感，机器人的手指要像人类一样感知压力、滑移和材质的变化。

四是高速互联，类比人的神经网络，机器人需要高速的、低抖动的数据通路。

五是需要高宽带的数据共享。考虑到工业现场的海量数据，机器人需要在本地和云端之间高效地同步状态，学习经验，最新的AI算法也支持“边云协同”，让机器人能够实时上传操作数据，远程云端可以根据数据对机器人的动作进行即时优化。

“因此，类人灵巧不是单点突破，而是低延迟、精密控制、触觉感知、高速互联的全系统协同。”陈宝兴博士指出。

以其中比较关键的环节——低延迟的控制环路为例，最终目标是能够实现机器人反应速度逼近人类本能。比如人类的手指触碰到冷热物体会本能收回，整个过程只需要20到50毫秒，实际上这个过程不需要通过大脑，而是人类的脊髓反射。

机器人要实现类似的反应，必须在感知、处理、通信、驱动四个环节能做到极致的低延迟。首先是感知延时，快速响应磁触觉阵列可做到1ms响应。其次是处理，边缘AI芯片要进行实时推理和控制。第三是高速通信，比如GMSL、以太网等需要达到毫秒级的传递速度。最后从驱动上来讲，要能够进行高响应的电机驱动。只有把每个环节低延迟做到极致，机器人才真正地具有“类人灵巧”，成为工业现场的伙伴。

高性能传感器：从复杂手术到穿针引线

在一些工业、医疗场景，机械手（手术、工具抓取摆放，或穿针引线等操作），机器人需要执行极其精密的复杂操作，这需要其在操控的精度和灵敏度上要逼近甚至超过人类。

从角度检测精度来讲，现在的机器人可以做到±0.1–0.5度，将来机器人如果实现对标人类，指关节角度感知精度需要达到大约±0.02–0.05度。如果从触觉的灵敏度来看，机器人要能够识别1克的压力变化或者是1毫米的位移，这样才能实现精确的抓取和柔顺操作。从运动控制精度上来讲，现在机器人一般可以做到±1–2毫米，如果接近人类水平，大约要达到0.01毫米。从闭环控制上来说，如果各个关节进行复杂动作同步，关节延迟要达到1毫秒，而现在一般能做到5到10毫秒。

“所以，机器人要做到逼近人类的精度和灵敏度还有一段距离要走。”陈宝兴博士指出。

触觉传感器作为灵巧手的关键组成部分，在提升机器人的操作精度和灵敏度方面发挥着关键作用。目前市场上的产品包括压阻式、电容式和光学检测等方式，但上述产品容易受到水分、灰尘等环境影响，使得可靠性大打折扣。而ADI的磁耦合触觉传感器则具有较好的鲁棒性和稳定性。ADI的触觉传感器的力检测灵敏度可以达到1克，分辨率可以达到12个比特，同时实现很小的空间分辨率——低于1mm。

陈宝兴博士指出，加速人形机器人的创新和落地，最重要的是AI要与物理智能紧密、深度融合。“AI和物理智能”的关系比成“大脑跟人体”的关系，比如AI是机器人的“大脑”，负责学习、推理、决策。物理智能是“身体”，负责感知、运动、与环境互动。只有两者深度融合，机器才能像人一样灵活、聪明、可靠。

物理智能的核心是高性能传感器，ADI的机器人团队正致力于将传感器和执行器模型集成进 NVIDIA的Isaac Sim平台，如此可以模拟真实世界的物理反馈，训练可直接部署的控制策略，从而实现Sim2Real，从仿真到现实的突破路径。

“因为工业应用的场景非常复杂，可训练的数据非常少，但随着高仿真的出现，我们就可以用其产生数据。如果想实现仿真的准确性，就需要准确的模型，这就是ADI正在发力的领域。”陈宝兴博士指出。

规模落地需过几道坎？

此次媒体沟通会上的圆桌环节，陈宝兴博士还同国家地方共建具身智能机器人创新中心具身天工事业部负责人刘益彰、北京因时机器人科技CMO房海南、松延动力人形机器人电控系统负责人吴雅剑就人形机器人量产商业化等问题进行了观点分享。

陈宝兴博士认为，现在的具身智能、物理智能的成熟度还比较有限，需要与AI和算法进行更多融合，从而提升AI对物理环境的认知，以便于在未来复杂的工业场景下能够自我感知、适应和运行。而复杂场景的数据训练较为困难，业内也存在一些相关方法的讨论，ADI的主张是建立一个非常准确的物理模型，通过数字孪生仿真平台进行训练，从而在机器人进入现场之前就可以对动作和场景进行一些优化。

刘益彰指出，今年是人形机器人量产元年，各家机器人厂商都在积极摸索阶段，这需要一个过程，后续需要把机器人整体的可靠性、稳定性进一步提升。

房海南认为，人形机器人的需求一直存在，而且当前外界的期待高于发展速度。对于人形机器人的落地应从简单场景开始由易而难，比较利于行业良性向上发展。

吴雅剑表示，技术上而言，工业机器人自由度越来越高，再加上复杂的环境，以及很多场景加入AI，所以具身AI现在也成为一个大规模量产的挑战。同时，核心零部件、动力的成本也是影响规模量产的关键因素。

与会嘉宾比较一致的判断是，短期内，人形机器人将率先在相对简单的工业、物流等场景规模落地，实际上，目前已经有落地于物流、分拣、高危场景，无人超市等已经。未来3-5年内，将会进入部分康养、服务和家庭场景。

“长期来看，我认为终极目标是实现人机交互。机器人可以陪伴人类，人类的全部场景都可以预测，可以帮助人类规划和完成任务，不需要人类指导。它能够想人在想什么，帮助人完成任务，甚至可以帮助人完成自身无法完成的任务。”陈宝兴博士指出。