今年的政府工作报告中，“具身智能”被再次提及；全国两会现场，人形机器人（886069）成为备受瞩目的“新星”。从科技部部长点赞，到行业领军者建言，一场关于“人形机器人（886069）产业化”与“具身智能新赛道”的深度讨论正在热烈展开。
01
人形机器人大放异彩
在全国两会现场，身高1.65米的深圳市越疆（HK2432）科技股份有限公司人形机器人（886069）Atom正在为参会嘉宾提供服务：它不仅能自主制作爆米花，还能与主持人从容互动。
“人形机器人（886069）大放异彩，在春节晚会上，从去年的扭秧歌、转手绢，到今年的翻跟头、演小品，十八般武艺竞相展示。”科技部部长阴和俊在十四届全国人大四次会议首场“部长通道”上为人形机器人（886069）点赞。
“人形机器人（886069）有望成为继计算机、智能手机、新能源汽车（885431）后的颠覆性产品，是未来产业的重要方向之一。从‘人形机器人（886069）+汽车制造’的实践来看，人形机器人（886069）具有显著的产业价值，能降低生产成本并提高生产效率。人形机器人（886069）的产品力与技术泛化功能日趋增强，量产应用后将为我国经济社会发展注入新动能。”全国人大代表，小米（K81810）集团创始人、董事长兼CEO雷军认为。
为推动人形机器人（886069）从“学徒工”向“正式工”转变，雷军建议，加快突破工程化落地难题，推动规模化量产；扩大智能制造应用场景，提高人形机器人（886069）使用率；加强安全标准体系建设，推动人形机器人（886069）规范化应用。
全国人大代表、小鹏汽车（HK9868）董事长兼CEO何小鹏（HK9868）表示，人形机器人（886069）作为人工智能（885728）的物理载体与具身智能的核心形态，正处于与十余年前新能源汽车（885431）产业相似的爆发前夜，即将迎来从技术验证迈向规模化商用的关键战略窗口期，市场潜力巨大，但在加速迈向规模化、真实场景商业化上仍面临诸多挑战。
何小鹏（HK9868）建议出台针对性的研发鼓励政策，例如设立国家级专项研发基金、强化全链条税收政策梳理等，对高阶智能人形机器人（886069）的研发给予支持与引导，推动大模型在人形机器人（886069）本地的部署，加速技术突破与商业化落地。
同时，何小鹏（HK9868）还建议加快构建人形机器人（886069）智能化标准体系，参照汽车行业自动驾驶分级标准，建立人形机器人（886069）智能化标准、技术规范及配套要求，并明确算力、数据、应用场景与训练强度等核心指标，为技术研发、产业落地与行业监管提供统一依据。
02
抢占战略先机
当代表委员们热议人形机器人（886069）的应用前景与商业化路径时，关于其背后的“智慧大脑”——具身智能的战略价值与技术瓶颈，同样引发了更深层次的探讨。
“当前人工智能（885728）正成为全球科技竞争的新高地，人工智能（885728）的发展正从‘感知—认知’阶段迈向‘具身智能’新阶段。作为人工智能（885728）与机器人技术的深度融合方向，具身智能对推动制造业智能化升级、培育新质生产力具有战略意义。”全国人大代表，海尔集团董事局主席、首席执行官周云杰认为。
为抢占具身智能战略先机，赋能新型工业化（886057），周云杰建议，突破关键核心技术，设立具身智能国家重点研发专项；构建具身智能基础设施，建设国家级开放创新平台与数据集；构建工规级具身智能机器人标准体系，加速推动机器人工厂级规模化落地；开展应用示范，支持龙头企业打造具身智能标杆场景。
“具身智能的价值在于它有可能自主地适应环境、自主决策、自主执行。正是这种可能性，使具身智能成为推动下一轮工业革命的关键技术力量，也是其在制造业、农业及各行各业广泛赋能的核心所在。”全国政协委员、中国科学院自动化研究所研究员赵晓光说。为加速推动具身智能“进厂入户”，她建议，推动科技创新与场景应用的深度融合，构建多层次的人才培养体系，重视科技创新与产业创新的紧密结合，充分发挥金融支撑作用。
在行业专家看来，具身智能行业处于早期探索阶段，正逐步从技术研发向场景落地过渡。全国人大代表、科大讯飞（002230）董事长刘庆峰认为，大模型技术的渗透为具身智能提供了强大的认知支撑，人形机器人（886069）、陪伴机器人等产品已开始在特定场景崭露头角。但也应看到，行业仍面临数据获取难度大、通用性与效率难以平衡、商业模式不成熟、标准体系有待完善等挑战。
全国政协委员、天娱数科（002354）董事长贺晗认为，当前具身智能仍面临四大瓶颈：任务级交互数据获取成本高、孤岛化严重，缺乏大规模开源数据集；具身大模型泛化能力不足，实验室表现与真实场景存在落差；场景牵引不足，试点多、规模小，难以形成持续采购；产业同质化、重复建设突出，软硬解耦程度低，研发成本高企。
贺晗建议，以数据、模型、场景、生态协同破局：在数据层面，建议启动国家级“具身数据要素（886041）工程”；在算法层面，必须突破“大脑”泛化能力瓶颈；在场景方面，应以“场景牵引+政府采购/首台套保险+央国企带头应用”的组合拳，拉动规模化上岗；在生态构建上，做强软件栈与开源生态。
