这场资本热潮背后，是泡沫的滋生，还是孕育着一个全新的产业风口？

企业加码布局

事实上，除特斯拉外，华为、英伟达、OpenAI、科大讯飞、百度等公司也纷纷加码布局人形机器人赛道。而在AI技术推动下，越来越多的公司开始涉足这一领域。

12月2日，申昊科技在回应投资者提问时称，公司关注到人形机器人发展趋势，并尝试利用公司多年深耕机器人领域积累的图像识别、自主导航、环境感知、AI算法、机器人控制、语音交互等技术探索人形机器人的应用开发。

利亚德表示，公司空间定位技术已在无人机的编队控制、动态建模和编队控制等方向参与相关研究。人形机器人方向也在与相关公司进行技术沟通与合作。

埃夫特-U表示，人形机器人样机目前仍在研发中，预计2025年上半年会发布相关样机。

此外，豪森智能作为特斯拉资深供应商，已交付多条动力锂电池模组/PACK智能生产线，在人形机器人应用与装配领域进行技术储备，与浙江人形机器人创新中心等头部厂商达成战略合作，具备产业迁移能力。

清华大学战略新兴产业研究中心副主任胡麒牧在接受《证券日报》记者采访时表示：“国内厂商在人形机器人本体结构、运动控制算法、软件工程等方面持续进行技术迭代，并积极探索下游产业化应用场景。这些公司的加入为人形机器人产业注入了强大的技术动力，有望使其充分受益于AI技术的飞速发展，进而推动产业化进程提速。”

政策也在持续引导行业发展。2023年11月份，工信部印发《人形机器人创新发展指导意见》，明确了人形机器人产业的发展目标和重点任务，为企业的技术创新和产品研发提供了方向。北京、上海、深圳、山东、安徽等地也纷纷发布地方性支持政策，进一步推动人形机器人产业发展。

例如，近日南京市印发《南京市促进机器人产业高质量发展行动计划（2024—2026年）》，提出到2026年，南京机器人产业总体发展水平居全国前列。

与此同时，各地还积极设立机器人相关产业基金，如北京机器人产业发展投资基金，围绕国家及北京市机器人产业相关领域战略性布局开展直接股权投资，重点投向机器人本体、产业链零部件、产业链创新应用等领域。

胡麒牧表示：“这些政策在资金支持、产业园区建设、人才引进等方面给予了支持，为人形机器人产业的发展提供了良好的政策环境。自上而下的政策推力正在逐步落地，为产业发展提供了坚实的保障。”

面临多重考验

据高盛预测，到2035年全球人形机器人市场规模有望突破千亿美元。广阔的市场前景也使得资本的热情愈发高涨，人形机器人赛道融资火热。

优必选作为人形机器人领域的龙头企业，上市不到一年时间就已完成三次配售发行，合计再融资11.54亿港元，超过了其IPO时的募资总额。

银河通用成立一年半时间已累计融资12亿元，其中，公司于6月份完成7亿元的天使轮融资，11月18日又完成5亿元战略轮融资，投资方包括美团、讯飞、商汤等。

此外，戴盟机器人、埃斯顿酷卓、自变量机器人、星海图、月泉仿生、千寻智能、灵初智能等诸多公司亦传融资捷报。

资本的涌入为人形机器人行业的研发和生产提供了充足的资金支持，也促进了相关技术的突破和市场的拓展。不过，业界也有声音提到，市场的追捧是否会导致泡沫的形成？短期内的资本追逐是否忽略了行业发展的实际需求和技术成熟度？

复星母基金总经理江玉华表示：“短短9个月时间就有40亿元资金投入，（对企业来说）钱是没问题的。通过持续‘烧钱’可以实现产业加速，这种红利后续会形成马太效应，但刚开始大家都有机会。”

有专家表示，从目前的市场情况来看，尽管资本热潮促使许多初创企业得到了资金支持，但大部分公司尚处于技术研发阶段，距离量产和商业化还有较长的路要走。部分企业虽然宣布开始布局，但尚未提供明确的产品样式和量产计划。如何在技术未成熟时保持投资者的热情，是行业目前面临的一大挑战。

胡麒牧对记者表示，人形机器人主要应用场景应该是第三产业。从目前来看，人形机器人的成本控制尚不能满足商业化要求，规模经济效应也尚未显现。

对于未来的商业化应用，胡麒牧提到，人形机器人的采购和运维成本需要大幅下降才有可能产业化应用，对人工形成大规模替代。目前人形机器人无论是在技术成熟度还是成本控制上都依然有很大进步空间。技术进步、市场需求、资本的理性流动将是决定这一产业能否真正成为“新风口”的关键因素。

工业和信息化部信息通信经济专家委员会委员盘和林认为，虽然人形机器人行业的发展潜力巨大，但在资本的推动下，行业同样面临着技术和市场的双重考验。从技术研发的角度来看，行业仍处于一个较为初期的阶段，尽管巨头们已经开始布局，但要实现大规模商用仍需解决诸多问题。

例如，特斯拉Optimus在实验室中进行的测试虽然表现出色，但该团队表示，年底之前仍然需要考虑触觉感知和重量分布的问题。此外，虽然Optimus在运动方面取得了一定进展，但要实现真正的量产，机器人在复杂环境中的自主适应能力、与人类的交互能力仍需进一步提升。

“大规模应用的难点，主要是多关节运行的稳定性、精准性和柔性，由于多关节要形成一个整体，往往人形机器人需要通过机器学习来同时优化感知层和执行层，而这些领域都具有比较高的技术算法壁垒。”盘和林说。