量产前夜的人形机器人产业链：轻量化降三成、情感识别超85%、出海认证需前置

　　日前，在一场聚焦人形机器人产业多场景发展的行业圆桌论坛上，鹏孚隆、万马集团、腾飞科技、达索系统、德国莱茵T V等上游零部件、整机、数字化、第三方合规企业负责人围绕上游材料、线缆、柔性感知硬件如何适配不同机型定制需求，家用、工业、特种机器人产品落地、情感交互与全球化出海策略，以及国内三大赛道未来技术走向等议题展开实操层面讨论。

　　圆桌论坛（黄鑫磊 摄）

　　中国人形机器人产业正处于从“百花齐放”走向“殊途同归”的前夜。供应链在定制化与标准化之间寻找平衡点，整机企业在通用平台与垂直场景之间探索商业模式，家用侧重情感交互，工业、特种机器人优先考量作业收益与安全刚需，数字仿真、海外合规认证是产品走向商业化不可缺失的配套环节。

　　供应链从逐个定制走向模块化

　　如今，人形机器人产业尚处早期，上游供应链如何适配不同类型机器人的定制化需求？浙江鹏孚隆科技股份有限公司应用开发总监史海兵指出，当前最大的挑战在于拿着标准化的材料去加工，很难发挥出材料应有的特性。

　　PEEK（聚醚醚酮）作为一种高性能特种工程塑料，在人形机器人关节、齿轮等部件上有重要应用价值。史海兵认为，材料厂商不能只做材料供应商，更要做制造能力的提供者，需要深度参与下游企业的设计需求定义和解读，才能真正释放材料的性能潜力。

　　万马集团代表刘莹磊介绍，在2024年刚接触人形机器人领域时，万马面对的是每家客户需求不同、逐个定制的局面，到了2026年，公司已将所有需求整合，推出了系列化产品，客户可以基于现有产品快速开展测试。

　　“人形机器人和机器狗对负载控制要求极高，过重的电缆直接影响灵活性和续航能力，万马为此开发了轻量化电缆，整体重量较传统产品下降近30%。”刘莹磊表示。

　　腾飞科技代表吴玉婷则表示，公司从生物结构汲取了灵感，构建了“从织物、服装、皮肤到感知的神经层、肌肉层和脂肪层”的底层逻辑，在行业尚未进入完全标准件流程的阶段，供应链应首先建立一套底层逻辑和模块化方案，再根据不同应用场景和用户需求进行定制化调整，“有的用户只需要把机械外壳替换掉，不需要任何感知功能——我们基于底层逻辑和现有技术积累去实现他们的目标。”

　　对此，浙江人形机器人创新中心副总经理许学成总结称，供应链的演进路径与整机发展路径是一致的，在众多需求中总结出通用的共性平台，再去做适配，最后走向专业化。

　　虚拟试错、情感交互与出海合规

　　场景多元化带来的挑战，不仅是技术问题，更是产品逻辑问题。四川具身人形机器人科技有限公司CEO冯振宇谈到，公司主打情感陪伴方向，其自研的情感交互人形机器人爱湫已能精准识别不低于15种情感，情绪识别准确率不低于85%。

　　他认为，人形机器人从能进工厂打工到能够融入人的生活，情感交互是绕不开的课题。企业以数据驱动优化本地多模态模型，持续采集真实人机交互数据集，让机器人具备情绪识别、主动安抚、情景适配能力，这也是家用赛道区别于工业机型的核心研发投入方向。

　　达索系统大中华区工业技术总监冯升华则从虚拟仿真角度表示，作为工业软件巨头，公司开发了七代世界表征方式，第六代已涉及“生命”的表达，包括如何表征由37.2万亿个细胞组成的人。

　　冯升华提出，场景多元化的第一步是在虚拟世界中做无数种尝试，不断试错，找到那个最好的、没有风险的方案，再在真实世界里复现。这一逻辑同样适用于情感交互，机器人需要理解场景上下文，比如康复机器人在主人睡着时要轻手轻脚，这需要行业世界模型去理解场景和情感。

　　另外，德国莱茵T V电子电气产品服务高级经理戚鹏举则从出海认证角度给出了务实的提醒，很多企业要发货了才发现认证还没做下来。他建议人形机器人企业在产品研发阶段就引入专业的第三方机构，不要等到产品已经不能改了，才发现有很多不合规的地方。

　　未来将形成从通用到泛化的供应链模型体系

　　国内人形机器人的家用、特种、工业等不同赛道，未来会走向细分深耕还是技术互通？

　　北京加速进化科技有限公司生态及战略合作总监张悫认为，当前行业存在两种发展路径，一种是比较垂直的，专注做本体、运控及深度解决方案；另一种是既做大脑也做本体，覆盖全链条。

　　“现阶段两种路线并行发展，长期产业链分工协同更具备成本优势。很难判断谁对谁错，用对错去衡量不科学，谁做得更好才是更合理的结果。”张悫倾向于以生态方式整合产业上下游，大家各自发挥优势，而非一家企业包揽一切。

　　深圳赛博格机器人有限公司CTO张怀东则从特种机器人角度阐述了“大垂域”概念。所谓“大垂域”，是指那些用通用机器人去做有点多余的场景，通用人形机器人自重几十公斤，成本很难降下来；而定制化的特种机器人泛化能力比传统工业机器人强，能解决很多工业场景痛点，且价格能打下来。

　　许学成在总结时用一个比喻概括了行业共识：人出生时大脑底层的神经元奠定了认知基础，长大后根据学习和经历走向不同方向。从通用到细分，这是自然的演进过程，而在工业场景中，团队面对众多需求一个一个去探索，看有没有共性的技术，最终收敛到从通用到泛化的供应链模型体系。