人形机器人企业先做通用机器人，还是先切入专用场景一直是机器人行业讨论的热点话题。多数创业公司默认人形机器人落地的逻辑是深耕单一专用场景，比如养老机构做康养陪护，商业空间做导览巡检，试图用垂类场景的订单验证产品能力。但在国家地方共建人形机器人创新中心（下称“国地中心”）首席科学家江磊看来，这条路径存在明显的缺陷。在日前举行的2026张江具身智能供应链大会上，江磊在发表题为《人形机器人前沿技术挑战与中长期发展战略》的主旨演讲中指出：人形机器人不应过早走向专用化，而应先建立“AI+人形机器人”的通用技术底座，再在通用底座之上发展垂类能力。
应先建立“AI+人形机器人”的通用技术底座
江磊并不是否定专用场景的价值。相反，他认为人形机器人未来一定会走向工业、农业、康养、家政、商用服务等千行百业。但关键在于，产业应先建立“AI+人形机器人”的通用技术底座，再通过垂类数据和应用生态，衍生适配工业、康养、商用巡检等各类专用机型，这也是他所强调的“AI+人形机器人”路线。
江磊指出，过去50年，凡是做专用路线的机器人公司，甚至巨头集团公司，全部都消亡了，这条专用路线已经证明难以走通，“我们人形机器人行业才刚刚开始走了3年的通用路线，为什么不再坚持10年，看看能否继续往下走。”
在他看来，过去很多机器人公司陷入的困境在于：为一个行业做一款机器人，为一个场景做一次定制。这样的模式早期看似更容易拿到订单，但长期来看，边际成本居高不下，能力难以跨场景复用，数据也无法沉淀成通用智能资产。最终，企业可能被拖入“做一款机器人服务一个行业”的低效循环。
江磊认为，2022年开始的这一轮人形机器人革命，并不是传统机器人路线的简单延续，而是由AI驱动的人形机器人新范式。其核心技术体系可以概括为“大脑、小脑、肢体”：大脑负责感知与认知，小脑负责运动控制和实时协同，肢体则是机器人与物理世界交互的执行系统。
按照他的判断，2025年，行业基本完成了“AI+机器人”从0到1的技术体系构建；2027年前后，行业仍应重点推进通用模型；2030年前后，垂类模型和各行业专用机器人能力才会进一步成熟。
这一路线与当下部分企业的焦虑形成了鲜明对照。过去一年，人形机器人行业快速升温，融资、订单、量产、场景示范等持续出现。很多公司都在急于证明自己能“干活”，能进入工厂、商超、药店、展厅、康养机构。
但江磊提醒，越是在行业热度上升阶段，越需要避免路线摇摆，很多媒体报道称80%的人形机器人公司会消亡，这一观点江磊赞同。但他并不认为，人形机器人行业有泡沫，“因为80%的人还没有走在新的研发范式下。”
“我反复建议大家不要焦虑，坚定不移地按照AI+机器人技术路线往下走。”江磊说，人形机器人不是百米冲刺，而是一场马拉松。企业不应过度盯着同行比较，而应明确自己的长期技术蓝图，“不折腾、不摇摆、不碎片化，一张蓝图坚持到底”。
所有公司2026年一定要建立自己的数据训练场
在人形机器人发展的战略蓝图中，江磊把2026年的核心卡点指向了数据。
他表示，当前人形机器人的架构、模型和基础设施已经基本完善，但数据仍然严重不足。国地中心去年收集了一整年的数据，大约为600万条；而从行业需求看，人形机器人未来需要的是1亿条，甚至10亿条级别的数据。若按照现有速度积累，显然远远不够。
江磊在演讲中呼吁，“所有的公司现在都可以放下手上的事，不论做减速器还是大模型底座，今年一定要建立一个数据训练场，这是决定公司未来能否在数字经济时代有生存力的关键。”
他认为，人形机器人行业的新范式已经发生变化：先有机器人，再建训练场，再做数据集，最终通过数据不断训练和迭代模型。
江磊表示，数据不仅是当前行业卡点，也是未来企业避免内卷的重要基础。不同企业如果能够围绕自身行业积累数据，就会形成各自的数据壁垒，而不是所有公司都在同一种本体、同一种价格、同一种场景里竞争。
现阶段行业本质仍然是“体外智能”
在模型层面，江磊对当前行业流行的VLA、世界模型等路线也提出了进一步思考。他认为，大模型驱动正在成为人形机器人发展的主流方向，但现阶段行业普遍采用的由“大模型驱动”的机器人，本质上仍然是“体外智能”，模型在服务器和训练场中学习，知识被上传到机器人之后，机器人本身尚不能在真实环境中自主完成知识进化。
他认为，下一阶段更重要的是走向“身体智能”，让机器人自身带有智能。
他提出三个标准，一是人形机器人的身体要自带因果，智能产生于身体与真实物理世界的交互之中，但现在人形机器人的智能显然不是；二是感知、动作、认知、适应一体化内生，感知与动作闭环内生，不依赖于外部模型；三是身体自带因果、自带常识、自带适应性，新环境、新任务自适应、自泛化、自修复。
江磊用人类智能作类比：人的知识并不是脱离身体存在的，人通过行走、触碰、操作和探索世界，才不断形成对环境的理解。他认为，未来人形机器人要重新定义身体。机器人的大脑、小脑、神经末梢和肢体，不应只是机械结构与软件模块的拼接，而应按照AI原生的方式重新组织，AI基础设施也不应被放在与大脑、小脑、肢体并列的位置，而应成为整个技术体系的底座。
“如果把AI基础设施放在并列的位置，大脑、小脑、肢体就很容易变成插件式的软件。”江磊表示，人形机器人不能把AI当作外挂能力，而要从底层架构上实现AI原生化。
未来五年，绝大多数公司适合做“超级应用”
江磊在演讲中表示，未来五年，对绝大多数公司来说，更适合做的是“超级应用”。如果把人形机器人看作超级终端，那么类似智能手机时代的微信、美团、拼多多，围绕终端形成的应用市场可能更大。
在他看来，纺织、家政、商场清洁等行业企业，可以先通过遥操作把人类操作数据录制下来，形成垂类数据。等到2027年前后更多开源通用模型出现后，再将垂类数据导入其中，形成工业大脑、农业大脑、康养大脑、家电大脑等不同方向的垂类大脑。
江磊还提出，人形机器人可能成为“下一个机床、下一台电脑、下一台手机”，每个人、每家公司都应把人形机器人当作新的生产力工具。在标准层面，则可以先刻画每个场景需要什么样的机器人能力，最终从通用人形机器人走向各行各业的专用机器人。
在演讲最后，江磊将这一路线概括为三句话：全栈体系不折腾，数据支持不内卷，标准引领不散乱。
