2025年，人形机器人行业正站在关键的转型节点，从早期的“主题炒作”逐步迈向“产业趋势投资前期”。华泰证券近日研报显示，随着特斯拉、Figure等海外龙头及国内企业开启小批量量产，市场对人形机器人的远期空间已形成共识，但真正推动行业进入非线性增长的“Scaling Law”（规模法则）时刻，仍取决于硬件降本与机器人大脑智能的双重突破。具身智能作为核心驱动力，正从技术探索走向工程落地，重塑行业技术路线与商业化路径。

当前人形机器人的核心矛盾并非“能否出货”，而是“能否形成可持续的产业飞轮”。2024年底至2025年初，国内多家本体企业已完成百台至千台交付，但交付场景多集中于科研、教育、展示等ToG领域，采购方更多用于算法研发，本体企业仍扮演“硬件卖铲人”角色，软件层的智能突破尚未显现。华泰证券指出，初期订单数并非关键信号，行业真正的转折点在于“机器人大脑的Scaling Law时刻”：即智能随数据量、模型规模增长呈非线性提升，进而突破场景泛化能力瓶颈。

▍为何Scaling Law时刻还未出现

从产业卡点看，两大难题亟待解决。硬件端主要体现在成本高、方案未定型。以特斯拉Optimus Gen1为例，当前BOM成本仍处高位，目标未来降至2万美元/台，关节模组、灵巧手、六维力传感器等核心环节是降本关键。更重要的是，行业尚未形成统一技术标准——行星滚柱丝杠与微型丝杠、轴向磁通电机与无框力矩电机等方案并存，差异化竞争虽推动创新，但也延缓了规模化降本进程。不过，国内制造业企业通过投资、并购拓展业务的大规模入场已显现效果，硬件成本非线性下降的预期逐步增强。

软件端依然缺乏“机器人版ChatGPT”。机器人大脑需同时具备“感知决策”与“运动控制”能力，但当前模型面临数据困境：运动数据模态复杂（需定义全新数据标准）、真实场景采集成本高、专用场景数据缺失。大模型普及前，任务拆解、运动代码生成依赖工程师手动完成；如今虽向“仿真+真实环境强化学习”演进，但高质量、低成本的数据集仍未形成，制约智能泛化。

技术路线上，“大小脑协同”成工程主流，端到端VLA锚定远景机器人大模型的演进已形成三条清晰路径，而双系统分层VLA（大小脑架构）凭借“均衡性”成为当前工程落地的最优解，端到端VLA则被视为通用AGI（通用人工智能）的终极方向。

以Figure在2025年2月发布的Helix系统为例，其“快慢双系统”完美诠释了大小脑协同的价值：慢系统（S2）：7B参数端侧视觉语言模型（VLM），以7-9Hz频率运行，基于互联网数据预训练，可理解自然语言指令与场景图像，输出“阶段性任务目标”（如“拿起左侧黄油”）；快系统（S1）：80M参数轻量级Transformer，以200Hz高频输出上半身控制指令（包括手腕姿势、手指屈曲、躯干方向），实现毫秒级响应。

这种架构既利用了大模型的“认知能力”，又保留了小模型的“实时控制能力”，可在有限算力下实现复杂任务——例如Helix能完成“从多层布料中分离单层面料”的精细操作，为服装制造等柔性场景落地奠定基础。华泰证券判断，若未来算力芯片效率提升、低成本数据生成技术突破，端到端VLA仍将是终极方向，但“大小脑路线”将作为桥梁，引导行业稳步过渡。

▍ToB成“深水区第一站”，服装制造率先突围

人形机器人的商业化可能遵循“从易到难”的路径：先ToG（科研、教育），再ToB（工业制造），最终ToC（家庭服务）。当前ToG场景已实现小规模落地（如宇树H1成为全球科研院校优选产品，国内本体价格下探至3.99万元），而ToB场景正成为行业突破的“关键战场”——其任务相对固定、场景半开放，且存在刚性替代需求。

服装制造业是ToB落地的典型案例。据缝制机械协会数据，全球缝纫工人约6000万人，年人工开支超万亿人民币，但传统工业机器人渗透率极低——核心痛点在于面料柔性强、工艺非标、款式更新快，传统编程模式无法适配。而大模型的端到端架构改变了这一现状：无需手动编程，机器人可通过视觉识别面料特性、自主调整动作参数。例如杰克科技联合浙江人形机器人创新实验室，推出“人形机器人+模板机”方案：先通过模板机实现贴袋等复杂工艺的“去技能化”，再由机器人完成上下料劳动，目前已能解决“单层面料分离”难题，拟推进批量化应用。

除服装制造外，AGV协同、仓储分拣、汽车底盘装配等场景也在加速落地。Agility Robotics的Digit机器人已在工厂实现“从AGV取袋-放至传送带”的闭环任务。华泰证券预测，2030年前后，人形机器人将全面进入B端装配、质检、柔性搬运环节；2035年则有望在家庭场景实现护理、家务协作，并与AGV、机械臂形成柔性产线协同体系。

▍具身智能大模型成新风口，平台化企业补位生态

目前，行业资本的流向正发生显著变化，从早期“重硬件本体”转向“重软件大脑”。2024年前，国内融资多集中于本体厂商，而谷歌、英伟达等国外科技大厂已率先布局具身智能大模型，初创企业如SKid AI、Physical Intelligence备受青睐。

国内外融资规模这种差距正在缩小。2024年下半年起，国内具身智能大模型赛道迎来融资潮：千寻智能2025年3月完成5.28亿元Pre-A轮融资，穹彻智能累计获数亿元融资，自变量机器人完成亿元级Pre-A+轮融资。同时，平台化企业开始补位行业生态短板——由于机器人开发存在“选型难、协同难、工具少”等问题（如激光/视觉SLAM算法不兼容、场景数据缺失），仙工智能等企业正尝试以控制器为核心，搭建“机器人大脑开发平台”，连接本体厂商与零部件企业，减少重复研发，提升行业效率。

▍未来展望：等待“Scaling Law”时刻，复刻智能终端成长路径

人形机器人行业的终极目标，是复刻新能源车、智能手机的“非线性增长曲线”。而这一曲线的启动按钮，正是机器人大脑的“Scaling Law”时刻。华泰证券指出，若未来两年内，头部企业能在如跨产品、跨工序的自主适配等简单工业场景验证“智能泛化能力”，并形成成熟硬件方案，行业将真正脱离“边际变化+百万台终局估值”的投资范式，进入规模化增长阶段。

当然，挑战仍存，例如大模型训练进度、国产化降本速度、贸易政策变化可能影响行业节奏。但不可否认的是，硬件降本的中国力量、具身智能的技术突破、商业化场景的刚性需求已形成合力，人形机器人正从实验室走向生产线，等待着那一个智能爆发的“Scaling Law”时刻。