Три гиганта Кремниевой долины запускают революцию массового производства: сможет ли китайский иммерсивный интеллект занять центральную позицию на мировой арене?

Введение: Предустановленные действия — это билет на вход сегодня, а обобщающая способность — это билет на финал завтра.

Редактор｜Цзинчэн

Автор｜Цзянь Цзин

На фоне завершения первого квартала 2026 года глобальная синхронная акция в мире технологий официально объявила о том, что индустрия гуманоидных роботов достигла исторического поворотного момента.

Три гиганта Кремниевой долины — Google, Amazon и Tesla — одновременно активизировались, от технологий до сценариев и масштабного производства, полностью рванув вперед, выводя гуманоидных роботов с технологической выставки на промышленную арену.

В то же время, на стороне Китая также наблюдаются новые шаги. 26 марта Китайский исследовательский институт информационных и коммуникационных технологий совместно с более чем 40 организациями выпустил первый отраслевой стандарт в области эмпирического интеллекта. С учетом продолжающейся поддержки со стороны правительства, ускорения внедрения со стороны предприятий и высокого интереса со стороны капитала, Китай осуществляет переход от отставания к равноправному участию и даже начинает стремиться к лидерству в нескольких областях.

Сможет ли Китай занять центральное место в этой революции, меняющей правила будущей коммерции и индустриальной экосистемы?

Глобальный взлет: Гиганты Кремниевой долины переходят к массовому производству, реконструируя будущее производительности

Никто больше не рассматривает гуманоидных роботов как концепцию научной фантастики.

Недавние синхронные действия тройки гигантов Кремниевой долины сделали шаги к эпохе массового производства четко слышимыми. Каждый шаг, который они делают, направлен на реконструкцию будущей производительности, а совместные действия глобального капитала и местных компаний лишь увеличивают интерес к этой области.

Google первым создал “умный мозг” для роботов, выпустив две новые модели ИИ — Gemini Robotics и Gemini Robotics-ER. Первая позволяет роботам понимать новые ситуации без специального обучения, в то время как вторая способна “понимать сложный и динамичный мир”, предоставляя технологическую основу для внедрения роботов в реальные сценарии.

Amazon сосредоточилась на реализации сценариев, за одну неделю последовательно приобрела стартапы в области гуманоидных роботов Fauna Robotics и логистических роботов Rivr. Их стратегия направлена не только на оптимизацию доставки, но и на создание “капилляров роботизированного сервиса” от заводских конвейеров до домашних гостиных, строя систему следующего поколения рабочей силы.

Наиболее заметные действия по массовому производству исходят от Tesla. 25 марта робот Optimus объявил о наборе талантов, заявив о намерении изменить структуру рабочей силы и экономики производства, с целью как можно быстрее реализовать массовое производство, а этим летом запустить первую в истории человечества производственную линию по производству гуманоидных роботов с годовыми объемами в миллион единиц, что вывело массовое производство на реальную стадию.

Однако планы Кремниевой долины не ограничиваются этим; местные компании в США также ускоряют внедрение. В тот же день гуманоидный робот Figure03, разработанный Figure AI, вошел в Белый дом и стал первым гуманоидным роботом, произведенным в США, обладающим многоязычной коммуникацией и способностью самостоятельно выполнять домашние дела. За полгода эта компания привлекла более 1 миллиарда долларов инвестиций, а такие гиганты, как Nvidia и LG, тоже поддержали ее, что демонстрирует глобальный интерес к области гуманоидных роботов.

Заместитель директора инвестиционного отдела Института городского развития Китая Юань Шуаи отметил, что действия гигантов Кремниевой долины по массовому производству и публикация стандартов в области эмпирического интеллекта в Китае вместе знаменуют переход индустрии гуманоидных роботов от глубоких исследований к золотой эре коммерциализации. Прорывы в ключевых технологиях поддерживают масштабное производство, а отраслевые стандарты определяют технические нормы и уменьшают беспорядочную конкуренцию.

Тем не менее, эксперт Китайского общества научной журналистики Гао Хэн высказывает осторожное мнение, утверждая, что индустрия сейчас находится накануне коммерциализации и частичной реализации, а не в золотой эпохе полного коммерческого взрыва. Основное изменение в индустрии заключается в том, что стороны начали совместно проверять, “могут ли роботы продолжать работать в реальных условиях, и контролируемы ли затраты”, а не просто достигать прорыва в технических разработках.

Прорыв Китая: Множественные преимущества для устойчивого положения, но критические недостатки требуют устранения

Когда гиганты Кремниевой долины поднимают волну массового производства, Китай не просто пассивно следует за ними, а уже давно подготовился к этому, используя стандарты, сценарии, рынок и капитал, чтобы занять устойчивую позицию на глобальной арене эмпирического интеллекта. Однако, по сравнению с кремниевыми гигантами, все еще существует разрыв в ключевых технологиях и возможностях, что является тормозом для дальнейшего развития индустрии.

С точки зрения преимуществ, Китай демонстрирует яркие местные особенности и эффект предшественника. Во-первых, он обладает правом голоса в стандартах. 26 марта Китайский исследовательский институт информационных и коммуникационных технологий совместно с более чем 40 организациями выпустил первый в области эмпирического интеллекта отраслевой стандарт, создав единую рамку для базовых тестов и захватив инициативу в разработке стандартов на ранних стадиях развития отрасли.

Во-вторых, Китай опережает в реальных сценариях. Развитие эмпирического интеллекта в Китае никогда не ограничивалось демонстрациями, а действительно осуществляло практическое применение, например, четырехногий робот Yushu уже внедрен на подстанциях в Чжэцзян, в подземных трубопроводах Ханчжоу, на нефтехимических заводах в Гуандуне и других промышленных проектах по инспекции.

В то же время Китай обладает огромным рынком и активной капиталовложенной средой. К 2025 году в стране будет более 140 компаний в области эмпирического интеллекта, выпущено более 330 моделей гуманоидных роботов, а объемы поставок составят около 17 тысяч единиц, при этом рынок эмпирического интеллекта и гуманоидных роботов достигнет 5,295 миллиарда и 8,239 миллиарда юаней соответственно.

На стороне капитала, компания Yushu Technology была принята на IPO и стала первой акцией гуманоидных роботов на фондовом рынке A, с начала года в индустрии эмпирического интеллекта было зарегистрировано множество крупных финансовых вложений, процесс капитализации ускоряется, а в период с января по сентябрь 2025 года доходы от продаж четырехногих и гуманоидных роботов Yushu Technology увеличились на 182,22% и 6,42 раза соответственно, что наглядно подтверждает рыночный потенциал.

Несмотря на стремительное развитие, недостатки Китая в глобальной гонке также очевидны.

Многие эксперты отмечают, что основное различие между китайскими и иностранными гуманоидными роботами заключается не в производстве аппаратного обеспечения, а в накоплении данных, способности к обобщению моделей и глубинной технологии. Это проявляется в недостаточной гибкости движений робота и способности к обобщению.

Юань Шуаи считает, что разрыв между китайскими и иностранными гуманоидными роботами на первый взгляд проявляется в отличиях в гибкости движений и способности к обобщению, однако корни проблемы находятся в глубинных технологиях, накоплении данных и концепции разработки. Например, робот Google RoboCat может осуществлять гибкие обобщающие движения благодаря длительному технологическому накоплению, особенно в области алгоритмов больших моделей, интеграции сенсоров и управления динамикой роботов, полагаясь на огромные объемы данных для обучения в различных сценариях, что позволяет роботам обладать способностями к самостоятельному обучению и адаптации к окружающей среде.

Он указал, что отечественные продукты в настоящее время в основном находятся на стадии предустановленных действий и воспроизведения фиксированных сцен. Ключевые недостатки заключаются в отсутствии высококачественных, масштабных данных для обучения в реальных сценариях, а также в зависимости от импорта таких ключевых компонентов, как высокоточные сервомоторы и датчики силы, что ограничивает точность движений и уровень восприятия.

Гао Хэн добавил, что истинное различие заключается в том, смогут ли данные, модели, системная инженерия и возможность замыкания сценариев образовать совместную связь. Иностранные ведущие компании стремятся создать интеллектуальных роботов, способных понимать окружающую среду и самостоятельно выполнять задачи, и ключевым моментом является то, что они рассматривают роботов как данные, которые можно устойчиво итеративно разрабатывать. Способность к обобщению по своей сути является сложной способностью. В Китае дело не только в том, что технологии отстают, а в том, что данные и сценарии не смогли образовать итеративный маховик, в результате чего роботы могут регулировать параметры только для единственной задачи, что затрудняет их интеллектуальное развитие.

Известный финансовый писатель, директор Института влияния Цяо Чэнъюань отметил, что основное различие сконцентрировано на накоплении данных и способности к обобщению моделей. За границей явные преимущества существуют в области трансферного обучения от симуляции к реальности и универсальных стратегий для многозадачности, благодаря длительным вложениям были созданы замкнутые циклы данных и базовые модели для различных сценариев. В Китае по-прежнему преобладают предустановленные действия, что по сути является недостатком высококачественных эмпирических данных, а также существует межпоколенческий разрыв в вычислительной мощности и инженерной способности алгоритмов для моделей больших данных.

Yushu Technology также признает, что ключевые технологии, необходимые для крупномасштабного коммерческого применения в промышленных и домашних сценариях, все еще требуют прорыва, включая “мозговую” способность эмпирических больших моделей и уровень точности и надежности “ловких рук”. Основная техническая проблема заключается в том, что в мире эмпирические большие модели все еще находятся на ранней стадии развития, и их способность к обобщению недостаточна.

Путь к решению: Многоаспектные пути повышения возможностей, баланс между текущим и долгосрочным развитием

На фоне недостатка данных и сценариев, как повысить гибкость движений роботов и способность к обобщению становится ключевым вопросом для отечественных компаний, стремящихся к догонке.

Многие эксперты, основываясь на текущем состоянии индустрии, предложили практические и перспективные пути развития, подчеркивая, что компаниям необходимо сбалансировать краткосрочные результаты и долгосрочные исследования, используя предустановленные действия в качестве входного билета, а способность к обобщению в качестве основного барьера.

Исследователь Пекинского института социальных наук Ван Пэн предложил, что отечественные компании могут реализовать догонку через два пути: “закрепление сцен + повторное использование технологий”. С одной стороны, сосредоточиться на замыкающихся данных для вертикальных сцен, сначала определяя стандартизированные сценарии, такие как промышленная сварка и перемещение материалов, получая специализированные наборы данных через ограниченное внедрение, а затем обучая модели эмпирического интеллекта для вертикальной области. С другой стороны, опираться на сотрудничество в рамках открытой экосистемы, используя отраслевые стандарты, опубликованные Институтом информационных и коммуникационных технологий, для содействия обмену данными между предприятиями и совместному обучению универсальных моделей на основе данных с единым форматом.

Юань Шуаи также предлагает параллельное использование нескольких путей, объединяя усилия с университетами и научными учреждениями, используя симуляцию и цифровые двойники для генерации виртуальных данных, которые затем могут быть перенесены в реальные сценарии. Также следует открыть интерфейсы для взаимодействия с участниками сцен, чтобы собирать реальные данные и итеративно обновлять алгоритмы; одновременно необходимо продвигать анонимный обмен данными между предприятиями, разрывая изоляцию данных и увеличивая внутренние инвестиции в ключевые компоненты для поддержки гибкого движения роботов.

Гао Хэн предложил четыре практических пути: во-первых, собирать данные из реальных сценариев, глубоко связываясь с такими сценами, как заводы и склады, чтобы роботы могли интегрироваться в реальный рабочий процесс и накапливать данные; во-вторых, сначала провести симуляцию, затем замкнуть цикл с реальными устройствами, сначала обучая стратегии в симуляционной среде, а затем дорабатывая в реальных условиях, снижая затраты на обучение; в-третьих, сначала реализовать обобщение задач, сосредоточив внимание на обобщении единичных задач, таких как выбор и перемещение, чтобы сначала реализовать коммерческую ценность; в-четвертых, создать систему совместного использования данных и стандартов в отрасли, чтобы решить проблемы несоответствия интерфейсов и систем оценивания, формируя индустриальную итерацию.

Эксперты единодушно согласны, что предустановленные действия и способность к обобщению одинаково важны для развития компаний.

Ван Пэн считает, что в краткосрочной перспективе роботы с предустановленными действиями уже могут покрывать большую часть потребностей промышленных сцен, и их стоимость составляет лишь малую часть от стоимости роботов с обобщающей способностью. Однако в долгосрочной перспективе способность к обобщению — это основной барьер, который определяет, сможет ли компания преодолеть циклы индустрии. С расширением нестандартных сцен, таких как услуги для домашних хозяйств и экстренные спасательные операции, роботы, способные самостоятельно адаптироваться к окружающей среде, постепенно станут мейнстримом.

Гао Хэн также согласен, что предустановленные действия — это билет на вход сегодня, а обобщающая способность — это билет на финал завтра. Для компаний важно не забывать о долгосрочных вложениях в обобщающую способность, полагаясь на предустановленные действия для получения прибыли сегодня. Но также нельзя игнорировать текущие возможности, стремясь только к обобщению. Сначала нужно взять заказы, а затем развивать интеллект — это более реалистичный маршрут.

В настоящее время рынок эмпирического интеллекта в Китае занимает половину мирового рынка и уже реализовал практическое применение в таких сценариях, как промышленность и экстренные ситуации. В будущем, какие сцены станут прорывными для масштабной коммерциализации гуманоидных роботов в Китае?

Гао Чэнъюань считает, что промышленное производство станет тем сценарием, в котором Китай первым достигнет масштабной коммерциализации, особенно в области автомобилестроения, сборки 3C электроники и логистики. Для выявления потребностей в сценах необходимо углубиться в производство, сотрудничая с ведущими производственными компаниями для создания совместных лабораторий, начиная с замены отдельных операций и постепенно расширяя до автоматизации целых линий. Ключом к интеграции технологий и сцен является создание механизма обратного воздействия “технологий, определяющих сцены”, позволяющего реальным потребностям производственной линии направлять итерацию аппаратного обеспечения и оптимизацию алгоритмов, а не двигаться от технологий к поиску сцен.

От “равного участия” к “глобальному лидерству” Китаю все еще необходимо преодолеть ключевые瓶颈 в политике, технологиях и индустриальной экосистеме.

Юань Шуаи предлагает, чтобы на политическом уровне усилили поддержку и финансовые вложения, улучшили защиту интеллектуальной собственности; в области технологий сосредоточиться на алгоритмах больших моделей и ключевых компонентах, улучшая способности роботов к самостоятельному обучению и обобщению; в области индустриальной экосистемы укрепить сотрудничество между верхними и нижними уровнями, ускоряя локализацию компонентов, углубляя интеграцию исследований, образования и применения, а также способствуя трансформации результатов. В то же время активно развивать международное сотрудничество, участвуя в разработке глобальных стандартов для повышения влияния в отрасли и в конечном итоге создавая полноценную экосистему эмпирического интеллекта для достижения цели лидерства.