From "showing off skills" to "getting the job done," wheels are more popular than bipedalism... Goldman Sachs summarizes the latest trends in humanoid robots at WAIC

對於關注人形機器人賽道的投資者而言，2025 年的世界人工智能大會（WAIC）釋放了幾個極為清晰且重要的信號。高盛的最新觀察報告揭示，整個行業正大步邁向商業化的務實階段，這意味着單純的技術 “炫技” 正在退潮，而真正能 “幹活” 的機器人正在成為主角。

據追風交易台消息，高盛在 28 日的研報中表示，與以往追求雙足人形的 “酷炫” 不同，今年的展會上，帶有輪式底盤（類似 AGV）的機器人原型成為絕對主流。這一 “輪子優先” 的趨勢是廠商為加速短期商業化落地做出的務實選擇。

此外，機器人產品的應用場景百花齊放，超過 60 款機器人產品亮相，遠超去年的 25 款靜態原型。它們不再是靜止的展品，而是深入到製造業、倉儲物流、消費零售乃至家庭養老等具體場景進行任務演示。行業正在積極探索可行的商業化路徑。

然而，“手” 依然是核心瓶頸。儘管機器人的移動能力進步明顯，但精細操作仍然是最大的挑戰。任務成功率、穩定性和操作速度距離真正取代人力還有很大差距。

高盛表示，機器人成本曲線正在下移，宇樹科技甚至推出了售價 4 萬元人民幣的入門級機型，但整體成本下降並不顯著。技術拐點日益臨近，但尚未到來，相關股票要實現可持續的優異表現，仍需等待更明確的行業信號。

規模空前，務實主義當道：輪式方案加速商業化

今年的 WAIC 無論是從規模還是參與度上，都展現出行業投資與政府支持的顯著增強。會場面積擴大到 7 萬平方米，同比增長 35%；門票價格上漲 31% 至每天 168 元人民幣；參展商數量更是猛增 60% 至 800 家。

尤其在具身智能領域，展出的機器人產品超過 60 種，而去年僅有 25 個靜態原型。大多數機器人已經從展台上走下來，進行實時的交互式任務演示，標誌着行業取得了實質性的產品進步。

高盛表示，本屆大會最值得關注的趨勢之一，是工作原型機在設計上明顯趨同於採用 AGV 式的輪式底座，而非技術更復雜、成本更高的全驅動雙足行走方案。

這一轉變表明，行業正在從追求技術上的 “完全擬人” 轉向優先考慮 “近期商業可行性”。輪式方案在穩定性、成本和能耗上優勢明顯，更容易在工廠、倉庫等平坦地面環境中快速部署。高盛明確指出，這一趨勢可能對行星滾柱絲槓等與雙足步態強相關的零部件供應商構成利空。

與此同時，硬件領域的創新也更為聚焦，例如多家公司推出了新的靈巧手模型。值得注意的是，一些傳統的機器人零部件公司，如機器人執行器公司 Ti5 Robot 和 TLIBOT，以及傳感器公司 SYSMO，也僅用約 6 個月的研發時間就推出了自己的人形機器人原型。

應用場景明確：深入製造業與服務業

高盛表示，與 2024 年相比，各大廠商對應用場景的探索更具針對性。機器人不再是 “萬金油”，而是被設計用於解決特定問題。

• 工業與高危場景： 北京人形機器人創新中心展示了用於電力巡檢和燈泡品控的機器人。寶信軟件的 Turin 機器人則專為鋼鐵廠等 “骯髒、危險、嚴苛” 的 “3D” 環境設計。
• 消費與服務業： 進化矩陣的輪式機器人可以打冰淇淋、將衣物放入洗衣機甚至提供按摩。X Square Robotics 展示了能整理房間和製作紀念品的機器人。蓋博特的零售機器人系統已在北京部分門店部署，並獲得 100 家門店的訂單。
• 醫療康復： 傅利葉智能的 GR-3 機器人專為醫療保健互動設計，其集成的康復中心解決方案據稱已在超過 300 家醫療機構部署。

核心瓶頸：“心靈手巧”仍需時日

高盛表示，雖然機器人的自主導航和動態運動能力取得了長足進步，例如蓋博特的機器人實現了自主導航，宇樹科技的機器人在無人操控下進行了拳擊比賽熱身。但“手”的精細操作能力依然是最大的短板。

展會現場的演示中，操作失敗的情況時有發生。任務速度也遠不及人類，例如從貨架上取下一個物體可能需要 30-40 秒。即使是遠程遙控的機器人，在精確復現人類動作時也存在困難。

行業普遍認為，視覺 - 語言 - 行為（VLA）大模型是實現通用能力的 “大腦” 基礎，而強化學習（RL）則是提升特定任務表現和適應性的 “專家調校師”，兩者的結合是通往商業化成功的關鍵。

成本與數據：價格戰初現，數據收集面臨權衡

成本方面，宇樹科技發佈的新款車型 R1 起售價為 4 萬元人民幣，是目前行業最低價。但主流廠商的全尺寸（約 1.7 米高）機器人售價仍在 40-50 萬元人民幣左右，小型（約 1.3 米高）機器人價格在 10-30 萬元人民幣區間。成本曲線雖在下行，但並未出現顯著的拐點。

數據方面，高盛表示，高質量的真實世界交互數據對訓練通用 VLA 模型至關重要，但收集成本高昂。因此，各公司普遍採取混合策略，根據預算將 10% 至 50% 的真實世界數據與合成數據結合進行模型訓練。

基於 WAIC 2025 的觀察，高盛維持對人形機器人作為長期技術趨勢的建設性觀點，儘管技術拐點越來越近但尚未到達強勁可見性能夠推動相關股票持續跑贏的階段。