人形机器人产业竞争白热化：从南北对标到细分卡位的派系之争与商业博弈

2025年行业风向发生显著转变：上半年，各企业仍以挑战宇树科技为共同目标；下半年，市场焦点已迁移至在各自细分赛道中，成为下一个“宇树式”的领军者。

回顾2025年上半年，具身研习社在进行人形机器人产业一线走访时，最常被问及的核心问题是：在北方区域，哪一家头部企业有潜力与宇树形成正面竞争？当时，针对这一普遍的产业关切，我们曾撰写《南宇树北xx，市场在寻找北方代表选手》一文，深入剖析了南北产业力量的对比态势。

然而，仅仅数月时间，人形机器人赛道的竞争生态已发生剧烈演进。虽然一个“被公认的北方对标者”仍未浮现，但市场的审视维度早已超越简单的“南北对抗”框架。随着竞争进入深水区，行业内部依据技术路线、落地场景等衍生出多个鲜明派系。

相应的，市场评价一家企业的标尺，也从“能否与宇树直接抗衡”转变为对其在细分维度上卡位能力的深度评估。

一个有趣的现象是，所谓“细分维度”并无统一标准，往往取决于观察视角。常见分类包括：从技术布局看，分为专注本体硬件的“本体派”和倡导“大模型+本体”协同的“融合派”；从应用场景看，则分为主攻工业制造的“工业派”和聚焦商业服务的“商用派”。视角不同，企业在投资者及同行眼中的估值逻辑也迥异。

在具身研习社看来，无论是“派系标签”还是“行业排位”，都难以完整刻画一家人形机器人企业的真实商业潜力。颠覆性的变革往往在意料之外发生，重塑所有人的认知，今日看似表现平平的企业，未来未必不能实现弯道超车。

这种现象的根源，实则是整个行业对于填补“下一个宇树科技”这一头部空白的强烈期待，叠加了资本与从业者害怕错过赛道红利的FOMO（错失恐惧症）情绪。二者合力，共同驱动市场从初期的“粗放式对标”加速转向当下的“精细化卡位”竞争阶段。

工业派VS商用派：场景落地路径的可行性论战

或许几十年后，当人形机器人如同今日的智能手机一样普及时，人们会讶异于一个历史细节：其发展初期，业界曾为“它们到底该用在哪儿”而激烈争论。

尽管现阶段人形机器人的落地尝试已呈现多样化，人类愿意或不愿从事的工作它几乎都已尝试。但宏观归类，主要集中于两大方向：工业场景与商业服务场景。（至于家庭场景，目前尚属远期展望）

“工业派”阵营拥有一套自洽的商业逻辑。首先，工厂端存在的结构性用工短缺是客观现实；其次，制造业向自动化、智能化转型升级是不可逆转的大趋势；最后，工厂高度结构化的环境与标准化的作业流程，恰好与当前人形机器人的技术成熟度相匹配。

因此，作为新质生产力的代表，人形机器人似乎天生就肩负着“进厂光荣”的使命，而那片可见的用工缺口，正是它们有望分食的市场蛋糕。

此外，机器人“进厂”有着清晰的推进节奏。绝大多数专注工业场景的企业都从巡检、物料搬运等相对简单的任务切入，仅有少数先锋在尝试柔性装配、非标操作等复杂工作。原因很直接：巡检、搬运等技术门槛较低，能提升机器人在实际应用中的可靠性与成功率，更符合工业生产对安全与稳定性的核心要求。

工业场景落地还有一个值得玩味的现象：关于该用双足还是轮式的争论几乎平息，企业不约而同地倾向于采用轮式底盘。就连近期在工厂进行规模部署的智元，也选择了轮式方案。似乎在工业场景中，移动平台的构型已非争议焦点。毕竟，双足行走仍面临稳定性不足、移动速度偏低的现实挑战。

然而，“工业派”较少公开言明的是，当前人形机器人进厂存在一个结构性矛盾。工厂固然存在用工缺口，但大量空缺岗位恰恰具有柔性强、非标准化操作的特点，这正是当前人形机器人的能力短板。而机器人眼下能胜任的搬运、巡检等工作，传统的AGV（自动导引车）和机械臂早已做得又快又好、成本更具优势。相比之下，价格更高、效率却未必更优的人形机器人，处境略显尴尬。

这些“工业派”未明言的现状，正是“商用派”予以反驳的核心论据。在“商用派”看来，工业场景短期内难以承载高附加值任务，投入产出比可能并不经济。其次，工厂过于结构化、标准化的环境，与具身智能需要在真实、动态环境中汲取数据以反哺技术迭代的闭环逻辑并不完全契合。相反，商用场景（如酒店、展厅）的高动态环境和复杂交互任务，更有利于机器人能力的快速进化。

更重要的是，商用场景对错误的容忍度相对较高，通常不会导致重大生产事故，有助于提升终端用户的接受度。频繁的人机交互也能为未来走入家庭积累经验。因此，在“商用派”眼中，商用场景兼具高价值数据反哺、广阔的市场空间以及部分任务的一致性特点，有利于机器人能力的横向迁移与拓展。

从商用落地实践看，企业偏爱的任务包括酒店接待、展厅导览等，旨在承接人类重复性高、价值较低的劳作。与工业场景普遍采用轮式不同，商用场景更青睐双足形态。一方面，这类场景对绝对稳定性的要求并非苛刻；另一方面，拟人化的双足形态在吸引关注、提升用户体验方面更具优势。

目前，工业派与商用派均已孕育出各自的代表性企业，并在各自领域内塑造了“细分领域的宇树”。两者的博弈，本质上是对于技术发展速度与商业需求匹配度的不同预判，比拼的最终是谁能率先啃下更大的市场蛋糕。

本体派VS本体+模型派：技术路线背后的商业逻辑抉择

无论是进军工厂还是商用服务，一个主流共识已然形成：具身智能的终极上限取决于“大脑”的智力水平。然而，在共识之下，关于“要不要自主研制大脑”却出现了明显分野。

一部分机器人本体厂商坚持将智能上限的主动权掌握在自己手中。他们认为，唯有亲自打磨并成功部署“大脑”，才是探索人形机器人通用生产力价值的最优路径。就像一名工人，仅有强健的体魄难以胜任复杂工作，必须理解原理、掌握思维，才能精通多种技能。

因此，这部分企业选择了“本体+大模型”全栈自研的技术路线，旨在以更懂物理世界的智能大脑，与更适配任务需求的硬件本体深度融合。星动纪元、千寻智能等是这条路径的典型代表。

以星动纪元为例，其对具身研习社阐释，选择全栈路径既是手段也是目的。“通用大脑”与“通用本体”的紧密结合，能实现软硬件协同进化，使机器人在物理世界中具备更强的适应性与通用性。

在“大脑”侧，星动纪元研发的具身大模型ERA-42融合了分频视觉语言模型（VLA）与世界模型，集视觉感知、语义理解、状态预测与行动控制于一体。该模型实现了用一个端到端的VLA模型控制高自由度人形机器人完成全身灵巧操作，通过语音指令即可执行上百种复杂任务，包括柔性物品分拣、扫码、使用电动工具等。

在“本体”侧，星动纪元采用硬件通用化、模块化设计，既能适配多种本体构型，又能像拼装乐高一样按场景需求灵活组合，提升了硬件与任务诉求的匹配精度。

一个能听懂自然语言并精准控制动作的“大脑”，搭配灵活可变的“身体”，使得星动纪元实现了产品的批量交付。据悉，全球市值前十的科技巨头中，有九家已成为其客户。

千寻智能同样坚定走“软硬协同”之路。其观点是：仅做硬件本体价值有限，因为硬件能力在过去十多年未有颠覆性突破，核心进展在于模型“大脑”；而没有“大脑”的硬件无法实现通用智能。反之，只做“大脑”不落地也不行，因为模型需要适配具体硬件结构来训练“肌肉记忆”，脱离本体无法实现精准的动作控制。

在模型侧，千寻智能近期推出了具备“边想边做”能力的OneTwoVLA大模型，赋予机器人初步的思考与推理能力。该模型将传统分离的“推理模块”与“执行模块”整合进单一Transformer架构，首次实现了“推理与执行同步进行”，在长周期复杂任务中的成功率较纯动作模型提升约30%。

例如，在执行“帮我涮牛肉”这类指令时，模型能够实时判断“何时需要推理下一步、何时执行当前动作”，并具备错误检测与自主恢复能力（如抓取偏移后迅速调整）。

与之相匹配的，是千寻智能的硬件本体设计与VLA模型需求深度绑定，从底层避免了“逆运动学求解失败”等问题。通过架构优化，确保模型输出的动作指令能被硬件精准无误地执行，从而支撑“边想边做”这类需要硬件实时响应的复杂能力。

与全栈自研路线形成鲜明对比的是，“纯本体派”厂商秉持着差异化的商业战略。部分企业认为，当前阶段的“大脑”研发仍是投入巨大而回报不确定的领域，并非全力投入的最佳时机；另一些企业则将商业化落点明确锁定在科研教育、竞技赛事等垂直场景，这些场景更看重本体性能、开源接口与成本控制，因此需要将核心资源聚焦于本体结构创新、供应链优化等硬件环节。

宇树科技是“本体派”的标杆企业。其在本体结构设计、核心零部件及运动控制能力上已达到行业顶尖水平，并不断挑战性能极限，但公司战略重心始终未向“大脑”能力建设大幅倾斜。尽管这与创始人王兴兴的技术背景有关，但这条路径确实为宇树蹚出了一条年营收超十亿元的商业化成功之路。

基于对硬件本体的极致投入，宇树不仅在关节模块等核心技术上有深厚积累，还通过自研推动了成本持续下探，以数万元级的显著价格优势，占据了全球科研市场的较大份额，成为众多开发者进行二次开发的首选硬件平台。

众擎机器人作为较宇树更为年轻的“后起之秀”，也是“本体派”的代表之一。其本体设计在追求实用性的同时兼具美学考量，并通过领先的直膝步态等技术在运动控制上树立了差异化优势。商业化方面，众擎基于其本体性能，选择了“硬件开源+生态分润”的模式切入市场。据悉，其即将在12月举办的机器人格斗大赛，将进一步展现这位“本体派”选手独特的商业探索雏形。

当下，本体派与“本体+大模型”派都涌现出了出色的代表企业，它们凭借差异化的技术路线成为了各自细分领域的领头羊。尽管有部分业内人士将“纯本体派”视为缺乏长远竞争力的“遥控玩具”，但具身研习社认为，从产业实践看，两条技术路线并无绝对的优劣之分，本质上是企业基于自身资源、技术积累与市场判断做出的战略性选择。全栈自研派押注的是长期的通用智能能力，而纯本体派则在特定场景的短期落地与成本控制上更具优势。

值得注意的是，一级资本市场显然对“本体+大模型”的宏大叙事表现出更强的青睐。这一偏好并非空穴来风，毕竟大模型赛道此前已在AI领域验证了其巨大的商业潜力与想象空间。然而，商业世界的最终裁判永远是市场与用户，哪种路径能率先跑通规模化盈利的闭环，仍有待时间给出答案。