现在对于机器人产业的看法，非常两极化。
一种看法认为，人形机器人已经开始量产，很快就会应用到我们的生活中方方面面。尤其是看到人形机器人的那些跳舞表演，震撼于动作仿人的迅速进步，就更觉得落地应用的那一天马上就到了。
但也有悲观的看法，认为“机器人只能跳舞”，属于花架子，距离实用于生活还差很远。再加上成本的高昂，我们应该在很长一段时间内都看不到机器人在生活中大规模出现。
但真实的答案，其实并不拘泥于乐观和悲观，而跟现在机器人发展本身的思路有关。
长期以来我们看到，主流的机器人研发方向被称为“人形机器人”，能够逼真地模仿人的动作，成了它最主要的标志。
但现在实际发展中的机器人产业，正在进行一种产业层面的内部博弈和再分化：让机器人“能用”，可能比“像人”要重要得多。
能跳舞的人形机器人固然吸引眼球，但也一直在业内饱受争议。
因为，我们所需要的机器人到底是以能干活为标准，还是要尽可能像人一样灵巧和执行灵活任务为标准，始终没有定论。
要说应用，肯定是“能干活”有优先。比如那些清洁机器人、医疗机器人、工业机器人、送餐机器人，等等。这类机器人已经在大规模落地应用中，任务也都是直接明了的，很切合实际。
2025年全球工业机器人市场呈现稳步扩张态势，全球安装量预计增至约57.5万台，市场总价值创下165亿美元的历史新高。亚洲是核心增长引擎（占比超70%），中国稳居全球最大单一市场。
像这样的专业机器人，其实已经大规模应用了，只不过在我们的生活中还看不到。
这类专业机器人可以不用像人，就能完成非常复杂的任务。
这类机器人最大的好处是可以用简单的结构完成人类不适合做的任务，或者替代人类去做那些危险的、枯燥的、需要更加精细化的工作。
这个赛道的支持者认为，机器人发挥最大作用的地方，在于特定的场景，比如医院、工厂、仓库、矿场、物流……等等。而不是渗透进我们身边的生活。
所以这类机器人走在了应用的前端。它们不需要像人，就没有了约束，让这类机器人的研发更加的灵活和务实，不用一直模仿人类的身体结构——毕竟这是非常难和高成本的。
但这类专业机器人也有一个最大的短板，就是不够智能和多任务化。
所以，对于人形机器人的追求，也一直存在，而且越来越强烈。不管是资本还是科研界，都对于人形机器人有一种执着。
这不光是因为看起来更带劲，而是因为一个实际的问题：如果机器人要执行复杂的多任务，就应当更加智能化。而智能化如果要让机器人服务于人类的生活，就最好是让机器人的外观像人。
于是，“具身智能”概念浮现了。
“具身智能”，其实它最大的特性不在于外观像人——这一点已经实现了。关键是，它到底能智能化到什么程度。
比如在家中，我们可以精准地抓握豆腐、鸡蛋或者抚摸孩子，但机器人作为一个冷冰冰而且力气极大的机械，它能不能做到？
在动态环境中，机器人有没有即时观察和适应的能力？这一点从机器人马拉松可以看到，在即时适应环境方面，绝大部分机器人还有待提高，因为它们面对环境经常有误判和不适应，导致摔倒或者走歪等等。
人形机器人成为具身智能之后，必须要适应人类极其复杂的社会生活。
他们要学会搀扶老人——即便对于人类自己来说这也是一个不太容易的任务，因为你必须仔细灵活地适应老人的身体动作和力度，还要应对突发的摔倒或者歪斜等情况。
在家庭生活中，不管是叠被子、洗碗，还是更精细的做饭、打扫房间，机器人都需要能够适应各种各样复杂的情形。
诸如带孩子之类的任务就更难了。对于人类自己而言，都需要不断地判断孩子的动作和情绪，常常发生失误，对于机器人来说，要达到相当高的智慧程度才行。
还有那些日常的运送物品、跑腿办事等等任务，其实都会面临各种各样非常复杂细腻的场景。
这些，对于具身智能机器人来说都是在学习和发展中的。
但现在这样的智慧人形机器人面临一个很大的问题，就是数据学习和训练到底该如何完成。
大语言模型的训练很容易，因为它只需要根据上下文进行海量的数据学习就好，很快就能学习到逻辑和思考——毕竟它只需要面对文字。
但具身智能的训练难度要多很多很多倍。
如果是真机遥操作，也就是人手把手地教机器人，用穿戴设备给它传导数据，不光效率低，成本还奇高，会导致单台机器人达到几十万元的成本。
但如果是用仿真的合成数据，比如在虚拟的厨房、虚拟的道路上进行学习训练，成本会降低很多，但面临的问题就是水土不服——当机器人面对真实的场景时，无法应对那样的复杂性。
如果用互联网视频学习，也是一个路径，但问题又是精细化的动作不够。
而且，具身智能还要能够将这些精细的动作学习，再传导到身体动作中，这对于机械层面的要求又是进一步的提高。
总体而言，人形机器人是一个“进步极快但挑战依然巨大”的赛道。
到底是“先用”还是“追逐人形”？其实这两条赛道并行不悖。实用级的非人形机器人也在大量落地，而人形机器人的具身智能也在进一步学习进步中。
对于未来的社会，很可能不是“二选一”，而是二者都有。
