2026年第3周科技制造行业产业月报（2025年12月）：奔跑的机器人，与变局的制造业

一场精心策划的机器人跑步“表演”，为何震动全球产业？

过去十余年间，波士顿动力的机器人系列——从 Atlas 的完美后空翻，到 Spot 的四足灵 动舞蹈——始终代表着双足与四足机器人领域工程艺术的巅峰。每一次新视频的发布， 都在全球范围内引发现象级的技术膜拜与未来想象。然而，一个尖锐的问题始终伴随着 这些炫技表演：为何这些足以“封神”的机器人，其商业化道路却步履维艰，难以走出实 验室与特定演示场景？它们如同精密而昂贵的机械舞者，虽能完成高难度动作，却难以 适应工业流水线对成本、可靠性、易用性与投资回报率的严苛要求。技术的前沿性与商 业的普适性之间，似乎横亘着一条难以逾越的鸿沟。 如今，特斯拉 Optimus 和 Figure AI 发布的机器人流畅跑步视频，却带来了截然不同的感 官冲击。12 月 3 日，特斯拉 CEO 马斯克在社交平台 X 转发特斯拉擎天柱（Optimus）团 队发布的一段“擎天柱”人形机器人平稳直线跑步的短视频，展示了基础运动能力的稳 定性，同时团队配文称：刚在实验室刷新了个人纪录（PR，Personal Record）；不到 24 小 时，Figure AI 便以一段 Figure 03 机器人在公司总部完成复杂折返跑（包括加速、急停、 转向）的视频作为回应，凸显了其在动态环境下的敏捷性与平衡控制。同时，Figure AI 创始人 Brett Adcock 表示，人类动作与机器人动作之间的差距正在迅速且不可逆转地缩 小。两段视频一经发布，引起全球产业的震动。观众在惊叹人形机器人动态平衡能力显 著提升的同时，更产生了一种强烈的潜意识认知：“这次，可能真的不一样了。”

于是，核心问题随之浮现：这场高调的“秀肌肉”，是否意味着人形机器人终于穿越了“死 亡之谷”，踏上了可规模复制、可经济闭环的商业化征途，抑或这只是在新一轮资本热潮 推动下，似曾相识的技术狂欢前奏？其背后，是扎实的工程化突破与清晰的市场切入策 略，还是对传统制造业升级焦虑的又一次概念透支？ 本文旨在超越对技术参数与视频剪辑的浅层讨论，进行一场穿透表象的产业纵深分析。 我们将首先拆解两家公司人形机器人跑步演示背后截然不同的技术哲学与商业逻辑，揭 示特斯拉的“通用平台野心”与 Figure AI 的“垂直场景掘金”战略。进而，我们将分析 这场高调演示如何像一块投入静湖的巨石，在全球核心供应链、传统自动化巨头与新兴 机器人生态中激起连锁反应与暗战博弈。最后，我们将目光投向未来几年的关键窗口期， 审视那些将决定这场产业浪潮是走向坚实落地，还是沦为泡沫的核心验证指标与生死战 场。

技术拆解：“跑步”背后的商业语言

人形机器人流畅奔跑的视频，在视觉上是如此直观，以至于其背后的技术深渊常常被低 估。实现这一动作，远非仅仅让机器人走得更快，而是机器人技术从“功能实现”迈向 “类人能力”的一次本质性跨越。

（一）动态平衡的圣杯：从“走”到“跑”的惊险一跃

人形机器人从“行走”到“奔跑”的跨越，是实现从“功能实现”迈向“类人能力”的 关键质变。“行走”本质是追求静态平衡的保守策略，依赖精密控制但敏捷性不足；而“奔 跑”则意味着进入“动态平衡”领域，它通过主动利用失衡（如腾空）并实现毫秒级调 整，在复杂环境中展现出跨越障碍、吸收冲击、适应动态任务的高阶能力。实现奔跑面 临指数级挑战：它要求硬件具备极限的响应速度与耐用性，算法拥有毫秒级的感知、预 测与协调能力，以及系统实现接近生物的高效能量循环。因此，“跑起来”远不止是更快 的移动，它是一个综合性的技术里程碑，标志着机器人的感知、决策、控制与硬件系统 已能协同应对真实世界的不确定性。同时，流畅的奔跑更是一份有力的商业承诺：它直 观验证了机器人在能耗控制、智能决策与硬件可靠性上的成熟度，直接对应着高效率、 高稳定性与低运营成本的核心商业指标，从而向产业界证明，机器人将逐步具备在复杂、 动态的工业环境中持久、可靠工作的实用化能力。

1、“跑起来”到底有多难？

从技术层面分析，人形机器人实现“奔跑”是机器人学领域公认的极限挑战之一，其难 度远超行走甚至复杂地形移动。这种难度源于动态平衡的物理本质、毫秒级的多系统协 同需求，以及硬件性能的极限要求。

（1）物理层面的根本挑战：从“静态平衡”到“动态失衡控制”

人形机器人的移动能力，存在着一条清晰的技术分水岭，其两侧分别是代表“功能实现” 的行走与代表“类人能力”的跑步。理解这条界限，是洞悉当前技术突破本质的关键。 行走，本质是一种“保守的能量管理”策略。在理想的双足行走中，机器人的运动可以 被近似视为一个“静态”或“准静态”过程。其核心控制目标，是确保身体的重心始终平 稳地落在由双脚支撑构成的多边形区域内，如同一个搬运重物的人，每一步都力求稳当， 避免任何失控的晃动。这个过程极度依赖精密的关节力矩闭环控制与事先规划好的步态 轨迹。行走模式下的机器人，是在一个相对受限的动力学范围内活动，其稳定性的代价 是速度、敏捷性与环境适应性的严重局限。它能在平坦地面上完成位移，但面对不规则 地形或突发干扰时，往往显得笨拙而脆弱。 跑步，则代表了一次彻底的质变，这意味着机器人跨入了“动态平衡”的领域，其本质 是主动的失衡与控制。最根本的物理特征，是步态周期中存在明确的“腾空期”——即 双脚同时离开地面的瞬间。这一特性颠覆了行走的底层逻辑：机器人大部分时间实际上 处于一种内在的不稳定状态。它不再试图始终将重心维持在支撑面内，而是必须像驾驭 一个不断下坠的倒立摆一样，通过主动、高频且精准的调整，在失衡与复衡的动态循环 中维持前进。这从“避免跌倒”的防守思维，转变为“控制跌倒”的进攻思维。

从行走迈向跑步，面临的挑战是指数级攀升的： Ⅰ、控制频率与精度的极限挑战：跑步时，脚与地面的撞击力更大、更突然，且单腿支撑 期极短。这就要求关节处的执行器（电机）必须具备极高的响应速度（高带宽）、毫牛米级的扭矩精度以及瞬间输出大扭矩的能力，以在毫秒级时间内实时抵消地面的冲击和各 种扰动，实现脚尖一点地即调整到位。 Ⅱ、感知与预测的生死考验：在腾空阶段，机器人失去了与地面的直接力反馈。它必须 仅凭视觉系统和本体感知传感器（如惯性测量单元 IMU），在瞬间预测出合适的落点位 置、地面特性，并在触地前的极短时间内（毫秒级）计算出最优的腿部姿态。触地瞬间， 更需完成冲击力的柔顺吸收与全身姿态的协调调整，任何一个环节的微小误差都可能导 致连锁失稳。 Ⅲ、能量效率的苛刻门槛：高效的奔跑不是蛮力的挥霍，而是涉及类似生物肌腱的弹性 能量储存与释放机制。机器人需要在每一步中，利用电机和机械结构的柔顺性，将着地 冲击力部分转化为助力起跳的弹性能，从而显著提升能效比。缺乏这种能力的“笨拙奔 跑”会迅速耗尽电池，使机器人毫无实用价值。

（2）核心分系统技术瓶颈

奔跑的实现是“感知-决策-控制-硬件”闭环的终极体现，其技术深度体现在硬件极限性 能、毫秒级实时计算与动态不确定性处理三大维度，缺一不可。人形机器人奔跑的难题 并非单一技术短板，而是由一系列相互耦合的性能极限共同构成的技术高原。要跨越这 一高原，必须在材料科学、执行器设计、专用芯片算力以及核心算法框架等多个前沿领 域同步取得突破性进展。首先，硬件是基础性瓶颈，当前执行器的性能指标（如扭矩密 度、响应带宽）已逼近材料与物理规律的极限，亟待颠覆性设计的突破，例如采用仿生 驱动原理或开发新型复合材料。其次，系统存在一场感知与控制的“速度博弈”，毫秒级 的闭环控制要求感知环境、计算决策与执行动作三者实现深度协同，任何环节的微小延 迟都可能引发失稳。同时，算法必须在“优”与“快”之间取得平衡，复杂的动力学优化 问题需要在极短时间内完成求解，这对算法效率和计算硬件提出了双重挑战。此外，学 习与泛化能力高度依赖于“数据飞轮”，然而在真实世界中采集高强度奔跑数据成本高昂、 风险巨大，严重限制了迭代速度，这使得高保真仿真技术成为关键的训练与验证突破口。

“跑起来”远非一个更快的行走动作，它是证明一个机器人具备应对真实世界不确定性 的高级自主能力的关键标志。机器人“跑起来”是一个综合性的技术里程碑，是机器人 其感知、决策、控制、硬件和能源系统能否协同应对高度动态、不确定真实环境的终极 测试。它标志着机器人从一台在受控环境中执行预设动作的精密机器，向一个具备高级 自主性与环境适应性的“智能体”演进。攻克奔跑的难题，就是拿到了打开实用化大门 的钥匙，这无疑是整个人形机器人领域必须摘取的圣杯。

2、“跑起来”等于“能干活”吗？

当特斯拉的 Optimus 以稳定的小跑姿态持续前进，当 Figure 机器人流畅地转向并敏捷加 速，我们所目睹的早已超越了单纯的技术迭代。这些场景构成了一套精密的商业符号系 统，每一帧动态画面都在向产业界清晰传递着关乎效率、成本控制与技术可行性的关键 信号。理解“跑起来”背后所承载的技术内涵，正是在破译人形机器人如何跨越从实验 室原型走向规模化货架的核心商业密码。 人形机器人的流畅奔跑，意味着其运动能力实现了从静态平衡向动态平衡的突破。 在静态或准静态平衡阶段（如行走），机器人如同走钢丝者一般小心翼翼地维持重心，控 制目标集中于最小化能耗、保持绝对稳定。这种模式适用于平坦且可预测的环境，然而 一旦面对地面颠簸、湿滑或突如其来的外力碰撞，其行动往往显得迟缓且脆弱。 进入动态平衡阶段（如跑步或敏捷移动），则意味着机器人掌握了主动利用不稳定性的高 阶能力。它能够通过单腿支撑、身体摆动甚至短暂的腾空——这正是跑步的核心特征— —来快速调整姿态、跨越障碍并有效吸收冲击。这种能力直接转化为在复杂、非结构化 工业环境中的实际生存与工作效能：例如追赶移动中的传送带或 AGV 小车；在堆满物料 与工具的地面灵活穿行；应对人类操作员的无意碰撞或执行紧急避障；以及完成需要全 身协调的推、拉、搬运等重负载任务。 而流畅性是对效率与可靠性的商业承诺。人形机器人的“流畅”奔跑，背后是多项关键 工程技术指标达标的综合体现，这些指标直接对应商业客户最为关心的核心价值维度： （1）能耗控制：流畅运动意味着能量利用效率高，电机、减速器与身体动力学之间实现 协同优化。低能耗直接对应更长的单次充电工作时间与更低的运营电费，是影响客户总 拥有成本（TCO）计算的关键因素。（2）控制算法：流畅表现背后离不开强大、实时的控制算法支持，能够高效处理多传感 器信息并在毫秒级别作出决策。这代表了机器人的智能水平，决定了其在无需人工频繁 干预下可自主、可靠完成的任务复杂度与序列长度。 （3）硬件可靠性：流畅奔跑对关节、减速器及结构件施加了持续且巨大的周期性冲击载 荷。能够稳定、持续地奔跑，无疑是对硬件耐用性与机械设计水平的严峻考验，直接关 联到产品的平均无故障时间（MTBF）以及后续维护成本。 因此，“跑起来”不仅仅是一个动态演示，更是对“单位时间工作量（效率）”与“故障 率（稳定性）”这两个商业核心指标的前置性技术验证。它以直观而有力的方式向潜在买 家宣告：这样的人形机器人不仅能够运动，更能在真实、复杂、动态的工业场景中实现 高效、持久且可靠的工作。

（二）特斯拉 VS Figure AI：发展路径殊途同归，均指向实用化

特斯拉的 Optimus 与 Figure AI 的人形机器人虽都展示了令人瞩目的“跑步”能力，但这 一相似动作的背后，是两家公司基于不同商业哲学与市场判断所选择的迥异路径，它们 共同描绘了行业未来可能的分野与融合图景。

1、特斯拉：以“数据与规模”驱动的通用运动智能，以平台思维定义未来

特斯拉为 Optimus 选择了一条技术集成度极高、远景宏大的路径，其核心信仰在于，利 用在自动驾驶领域验证成功的“数据飞轮”与“端到端神经网络”，可以催生出具备通用 物理智能的机器人。特斯拉人形机器人 Optimus 的发展路径，深度承袭了其自动驾驶汽 车的技术哲学，可概括为“端到端 AI+视觉主导+成本优先”的战略框架。这条路径的核 心在于利用数据驱动和规模效应，旨在构建一个具有通用运动智能的机器人平台。 端到端神经网络的全面应用是特斯拉的核心技术王牌。Optimus 的设计目标，是通过一个 统一的庞大神经网络模型，直接将摄像头捕捉的视觉信息和身体传感器反馈的本体感知 原始数据，实时映射转化为对各关节电机的精确控制指令。这种方法摒弃了传统机器人 控制中依赖工程师手工编写具体步态规则和运动逻辑的做法，转而让系统通过海量的仿 真数据与真实世界交互数据进行自主学习。其带来的根本优势在于，使机器人的运动模 式具备了高度的自适应性和灵活性，理论上能够从容应对未经预先编程的陌生地形或突 发的外部扰动。

在环境感知层面，Optimus 深度融合并移植了特斯拉在汽车 FSD 技术栈上积累的纯视觉 解决方案。Optimus 高度依赖其纯视觉感知系统，主要依靠摄像头阵列来实时感知环境、 构建三维空间理解，并在此基础上进行路径规划和安全的落脚点选择。这一战略选择不 仅延续了其技术生态的连贯性，更重要的是，它通过避免使用昂贵的激光雷达等精密传 感器，为实现机器人整体成本的革命性下降奠定了关键基础。 为实现极具颠覆性的两三万美元的成本目标，特斯拉正集中攻坚高性能、低成本的定制 化执行器（包括旋转关节和直线关节）。其技术突破的关键，在于执行器的高度集成化设 计——将电机、减速器、传感器和控制器深度整合为一个紧凑、高效的单元。这种设计 需要在满足扭矩输出、响应速度等苛刻性能指标的同时，充分利用特斯拉在汽车工业领 域所擅长的规模化、自动化制造工艺，从而将单个执行器的成本压缩到极致。 特斯拉的终极野心是打造一个通用的、可规模化部署的机器人平台，未来通过持续的软 件更新解锁新技能，从而将产品和服务渗透至千家万户与千行百业，其商业模式更侧重于长期的平台生态价值与数据网络效应。从战略本质来看，特斯拉试图证明机器人可以 像智能手机一样，成为一个由软件定义能力、并通过极致规模效应实现硬件成本断崖式 下降的通用平台。其将成本目标设定在极具颠覆性的 2 万美元以下，正是这一逻辑的体 现。特斯拉所追求的远非一个仅能完成跑步或特定任务的专用机器人，其终极目标是打 造一个通用的运动智能平台，该平台的能力不局限于预设场景，而是能够像人类一样， 通过持续的观察、交互与学习，自主掌握并完成多样化的体力劳动。因此，Optimus 的奔 跑演示，首要目的是展示其 AI 模型强大的环境适应与泛化能力——同一个底层 AI“大 脑”，不仅可以驾驶汽车，也能让机器人在多样化的未知地形上稳健移动；其次也是对其 高度集成化硬件平台在持续冲击下是否具备足够鲁棒性的考验，这标志着特斯拉正朝着 构建通用物理智能体的长期目标迈出关键一步。

2、Figure AI：以“场景与效率”攻坚工业场景效能，解决具体问题创造即时价值

Figure AI 的发展路径展现出一条更为聚焦和务实的工业化道路，其核心理念可以概括为 “任务优先、模仿学习、场景深耕”。这一路径与特斯拉的通用化愿景形成鲜明对比，体 现了从具体工业需求出发、以解决实际问题为导向的技术演进逻辑。 Figure AI 路径的技术核心在于高速视觉模仿学习。Figure 机器人通过头戴式摄像头直接 观察人类工人的实际操作，系统能够快速解构人类的动作序列——无论是精细的工具操 作还是重物的搬运——并将其编码转化为机器人可直接执行的指令。这种学习过程具有 惊人的效率，在理想情况下甚至能够实现“看一次就会”的快速技能迁移。在备受关注 的跑步能力演示中，这项技术的优势得到了充分展现：机器人通过对人类跑步姿态和步 态韵律的高保真模仿，呈现出异常流畅自然的运动模式，超越了传统程序化步态的机械 感。 与追求通用能力的路径不同，Figure AI 选择了对特定工业场景进行深度优化的战略方 向。公司从一开始就与宝马等制造业巨头建立了深度合作关系，这意味着其整个技术栈 ——从软件算法到硬件设计——都是针对汽车制造车间这一具体环境进行量身定制的。 无论是应对车间特定的地面材质、适应标准化的工作台高度，还是处理规整的工业工件， 其感知系统、控制算法乃至灵巧手的设计都蕴含着鲜明的行业属性。这种深度绑定确保 了技术开发与产业需求的精准对接。

更重要的是，Figure AI 构建的是一个完整的“闭环任务执行系统”。该系统将环境感知、 任务规划、灵巧操作和全身运动控制有机整合，强调从接收到指令到完成任务的端到端 能力。在这个框架下，奔跑能力不再是孤立的技术展示，而是作为整个生产流程中的一 个功能性环节——是为了让机器人能够在不同工作站之间快速移动、精准追赶生产节拍 而服务的。移动能力直接转化为提升整体作业效率的关键因素。 Figure AI 的策略是先成为一个深度垂直的解决方案提供商，其追求的是在汽车制造等高 价值工业场景中率先形成稳定可靠且经济可行的自动化解决方案，实现商业闭环，建立 坚固的行业壁垒。Figure AI 过往发布的演示视频都是一份面向制造业巨头的“能力证明 书”与“投资回报率计算书”。它重点展示的是机器人对具体工业流程的快速学习与高保 真执行能力。其核心价值主张非常务实——一个 Figure 机器人能否通过替代特定岗位（例 如一名年薪数万美元的产线工人），在可接受的周期内（如一至两年）为客户收回成本并 创造净效益？在此框架下，其展示的奔跑能力，并非为了证明通用移动智能，而是为了 证明机器人能在广阔的工厂车间里自主、快速、可靠地移动，证明自身能够满足现代制 造业对“柔性自动化”的迫切需求——不再是固定在某个工位上的传统机械臂，而是可 以像人类工人一样被灵活调度、快速重新部署的智能劳动单元。这条路径体现了一种从实际应用场景反向推导技术需求的务实哲学，致力于在有限的领域内率先实现商业闭环。

3、小结：殊途同归，指向实用化

特斯拉与 Figure AI 的技术路线分野，深刻诠释了技术选择如何服务于商业定位。特斯 拉自上而下选择了一条更具挑战性、旨在颠覆范式的通用 AI 之路，押注于长期的平台垄 断与生态统治力，其价值在于无限的可能性；Figure AI 则自下而上选择了一条更为务实、 追求快速见效的垂直整合之路，旨在细分市场率先建立不可替代性，其价值在于确定的 回报。 特斯拉与 Figure AI 所代表的两条发展路径虽然策略迥异，但二者共同揭示并推动了人形 机器人领域一个根本性的范式变革：整个行业的重心正从追求极限性能的炫技工程，全 面转向追求系统可靠性、商业成本与场景适应性的实用化工程。 这一转向具有深刻的历史意义，它标志着人形机器人技术度过了以实验室演示和单项突 破为主的早期探索阶段，开始进入以解决实际问题、创造经济价值为核心的新阶段。昔 日“跑起来”或许主要是为了展现技术的前沿性与可能性，意在登上科技头条；而今， “跑起来”的内涵已转变为证明机器人能够高效、稳定地在真实、动态的工作环境中移 动与作业，其根本目的是为了更快地抵达实际工作岗位，并在此过程中更可靠地创造可 量化的经济效益。 因此，特斯拉 Optimus 与 Figure AI 所发布的演示视频，其意义远超精彩的技术展示。 它们实质上是两份风格迥异却同样基于坚实工程实践的技术宣言，以不同的逻辑和证据， 共同向世界宣告了一个相同的核心论断：人形机器人技术已经跨越了关键门槛，正从实 验室的受控环境稳步迈向广阔而复杂的现实世界，并已准备好开始承担实际的工作任务。 这两条路径的并行与竞争，并非简单的技术路线之争，而是共同拓宽了整个人形机器人 商业化落地的可能性边界，加速了整个产业迈向成熟与实用的进程。

编辑：火腿肠