人形機器人行業近年來備受資本追捧，但其商業化路徑的模糊性與技術挑戰的復雜性，正引發行業內外的激烈爭議。金沙江創投管理合伙人朱嘯虎的“批量退出”言論，將這一爭議推向高潮，同時也揭示了行業在資本狂熱與技術攻堅之間的復雜處境。

商業化爭議：泡沫還是未來？

朱嘯虎的退出理由直指人形機器人商業化前景不明。他認為，當前人形機器人的客戶需求“更像是想象而非真實存在”，單臺售價動輒數十萬元，遠超實際場景的付費意愿。這一觀點引發了行業內的激烈反應。經緯創投創始人張穎反駁稱，機器人領域“大賽道，百花齊放”，短期內存在泡沫是正常現象，長期來看必將誕生大公司。眾擎機器人CEO趙同陽則批評朱嘯虎“用眼前否定未來”，認為人形機器人需要長期投入，五年內將“無處不在”。

智源研究院院長王仲遠指出，具身智能的訓練非常復雜，需要海量數據，5年時間都是樂觀的，也許需要10年后才能成熟。不同風格的投資機構對產業落地的時間預期存在分歧，短期內商業化路徑不明晰，導致部分資本選擇退出。然而，從長期來看，多模態大模型、世界模型與硬件迭代的共振，可能逐步將具身智能推向“數字-物理”融合的臨界點。

技術挑戰：數據瓶頸與硬件成熟度

數據是具身智能發展的核心難題。銀河通用創始人王鶴指出，當前數據分為真實數據與仿真合成數據兩類。真實數據中，互聯網視頻雖量大但“不足夠”，無法直接應用于機器人訓練。他主張“用合成數據做預訓練，用真機數據完成后訓練”，并類比自動駕駛：“人形機器人存量達百萬臺前，合成數據是最寶貴資產。”樂聚機器人冷曉琨坦言，硬件采集觸覺等模態數據成本高企，當前采集的數據模態數量不夠，且模型未完全確定時，投入大量精力采集的數據有被推翻的可能性。

硬件成熟度不足也是人形機器人商業化的重要障礙。樂聚機器人冷曉琨表示，硬件從實驗室到產業化需要3-5年，軟硬件最終合起來才能真正迎來質變。當前人形機器人完成的任務相對簡單，如搬箱子等，更多精細性任務需要后期更復雜的訓練。銀河通用王鶴認為，輪式機器人與人形機器人有不同的適應場景，輪式機器人成本低、續航長，但復雜地形需要人形機器人穿越，最終目標是走進家庭，但距離這一目標還有很長的路要走。

人形必要性：噱頭還是必需？

關于“人形必要性”的爭論由來已久。行業里有觀點認為，當前70%的場景并不需要機器人具備“人形”，因此“機器人做成人形”的必要性是否不夠充分。智源研究院王仲遠在一定程度上認同這一觀點，他舉例說明，行業內也有不少機器人公司已開始迭代輪式構型機器人，以克服雙足機器人穩定性欠佳的問題。然而，從長遠來看，人形機器人具有獨特優勢，因其與人的構型相似，能更好地適應社會基礎設施，復用技能，從互聯網數據中學習人類技能，推動具身智能和具身大腦模型的迭代。

穹徹智能盧策吾從工具使用角度力挺靈巧手：“拿錘子、筷子需五指靈活調整，二指無法完成復雜操作。”當前，隨著具身機器人任務種類和任務量不斷增加，如何在跨本體、跨場景以及跨任務的情況下解決具身機器人的泛化問題，成為具身機器人和具身智能領域面臨的重大挑戰。

未來展望：耐心等待技術爆發

對于人形機器人的爆發節點，行業內觀點不一。穹徹智能盧策吾認為，具身智能的ChatGPT時刻不是單一的，而是一批場景，階梯性、漸進地實現。“兩年一周期，物流、食品加工等場景可能會有第一波變化。”銀河通用王鶴預測，輪式機器人貨架級別的智能可能在2025年、2026年迎來突破，但如果是每個人都用上人形機器人，這個目標實現的周期就會比較長，尤其未來，人形機器人走進家庭，需要硬件成本與安全性再突破。

智源研究院王仲遠類比深度學習發展史：“從2006年論文到ChatGPT用了16年，具身智能受硬件制約，比較可能的突破時刻，可能是會現在受限的場景下具備可用性、一定的智能性以及一定程度的泛化，積累幾年之后，逐步進化。”他指出，受到大模型快速迭代的正面影響，具身智能的發展也會加速。

朱嘯虎的“撤退”，揭開了人形機器人行業理想與現實的激烈碰撞。短期內，商業化路徑不明、數據成本高企、硬件成熟度不足仍是攔路虎；但長期來看，多模態大模型、世界模型與硬件迭代的共振，可能逐步將具身智能推向“數字-物理”融合的臨界點。泡沫是技術爆發的前奏，耐心者才能等到春天。當人形機器人真正走入家庭時，今天的爭議或許會成為一段精彩的注腳。