更深层的问题是数据获取的“鸡生蛋”悖论。银河通用创始人王鹤指出，特斯拉在为机器人分拣电池采集数据时，雇佣了40人进行了数月的数据采集，“这样的人形机器人生产力背后其实潜藏着高昂的数据成本”。让机器人在真实世界里摔一万次才能学会走路，这个成本谁也扛不住。
由此可见，“模糊匹配”之所以遥远，是因为它要求机器人实现从“能用”到“好用”的质变——这不仅需要智能的飞跃，更需要一场深刻的“场景革命”。
六、全球视野：不只是中国的困境
有必要将目光投向太平洋彼岸，看看美国人形机器人的处境。这并非为了对比优劣，而是为了说明一个事实：这场从“舞者”到“工作者”的艰难蜕变，是全球行业共同面对的难题，而非中国独有的“困境”。
特斯拉的Optimus被视为最有可能率先实现工业落地的选手。依托特斯拉在自动驾驶、电池管理和大规模制造上的积累，Optimus走的是一条“为干活而生”的路径——从设计之初就瞄准工厂场景，与特斯拉的产线深度耦合。然而，即便有马斯克的“第一性原理”加持，Optimus至今仍未走出实验室，距离真正的“工厂工友”尚有距离。马斯克本人预计，2025年将有小批量Optimus投入特斯拉工厂使用，但也承认“这是一个漫长的过程”。
波士顿动力则走了另一条路。从Atlas的后空翻到跑酷，这家公司代表了人形机器人运动控制的极致。但“极致”的背后是难以商业化的尴尬——Atlas的液压驱动系统成本高达数百万美元，且能耗惊人。几经易主后，波士顿动力至今仍在寻找可持续的商业模式，其机器狗Spot虽然实现了小规模商用，但主要应用于巡检等利基市场，远未形成规模。
这两家美国标杆企业，恰好映射了人形机器人的两大技术路线及其各自困境：特斯拉试图用“场景定义产品”倒逼技术迭代，但受限于通用智能的瓶颈；波士顿动力则在“性能定义产品”的路上走到了极致，却困于成本与商业化的死结。
将它们与中国的“政策驱动型繁荣”并置，会发现一个更完整的图景：无论东方还是西方，无论走哪条技术路线，人形机器人都在经历从“实验室奇迹”到“商业现实”的艰难跨越。美国的困境在于技术与成本的平衡，中国的困境在于政府信号与市场信号的错位。但殊途同归的是，所有人都必须回答同一个问题：除了跳舞，你还能做什么？
七、资本的盛宴与技术的长跑
将视线拉长，会发现一个规律：每一轮新的工业技术革命，似乎都伴随着泡沫的狂欢。而人形机器人，凭借其极高的技术上限和足够性感的想象力，毫无意外地成为当下资本最拥挤、泡沫感也最浓烈的赛道之一。
但也正是在这种狂热中，出现了清醒者的撤退信号。知名投资人朱啸虎曾公开表示，正在批量退出人形机器人相关公司。理由很直接：看不到清晰、可落地的商业化路径。这番表态在当时引发行业震荡，因为它戳破了一层窗户纸——那些被资本捧上神坛的故事，究竟有多少能真正变成生意？
更深层的焦虑，其实藏在技术本身。当前AI技术的最终边界与发展上限，至今仍是未知数。在基础理论尚未取得根本性突破、底层技术仍在爬坡的前提下，人形机器人所展现出的种种“突破”，多少显得有些根基不稳。它们更像资本与舆论共同堆砌出的空中楼阁，外表华丽，却经不起一阵寒风的推敲。
一旦行业进入冷静期，最先感受到现金流寒意的，必然是那些缺乏核心硬件自主研发能力、依赖外部集成的“组装厂”。没有自己的电机、没有自己的减速器、没有自己的控制系统，在这样的赛道里，本质上只是给别人的零部件做了一个漂亮的外壳。
更何况，资本还有一个更大的缺陷，尤其是在中国——它普遍缺乏耐心。习惯了互联网模式下的快进快出，面对需要十年磨一剑的硬科技，很多钱其实并没有做好准备。而当潮水退去，那些等不及收获的资本，早已转身离场，留下一地尚未长成的项目。
技术的长跑，从来不等资本的短跑。高歌猛进固然动听，但能跑到终点的，从来不是嗓门最大的，而是步子最稳的。
八、教母的视角：从符号世界到物理世界
至此，我们或许可以追问一个更本质的问题：为什么机器人只能活在预设的“舞台”里，而无法真正走进真实世界？
被业界与全球媒体公认为“人工智能教母”的李飞飞，为这个问题提供了一个极具穿透力的答案。在她看来，今天的人工智能虽然强大，却存在一个根本性的缺陷——它活在符号的世界里，从未真正触碰过物理世界。
今天的大模型，确实能写诗、能编程、能在几秒内读完人类一生的书。但它们读过亿万篇关于“杯子”的文字，看过无数张杯子的图片，却不知道拿起一只装满热水的杯子需要用多大的力，不知道陶瓷杯子落在硬地上会碎，也不知道绕过桌腿走到你身边需要调整怎样的步态。
它们活在文字和图像里，却从未真正触碰过这个世界。
这恰恰是李飞飞所说的通用智能的“核心缺口”。在她看来，空间智能与世界模型，才是具身智能真正的底座。AI需要通过感知、行动、反馈的完整闭环，建立起对三维物理世界的理解与预测能力。换句话说，机器人需要的不仅仅是一套能跑能跳的精密“小脑”，更是一个能理解物理常识、能应对真实混乱的“大脑”。
用这个视角回看“机器人为什么只能跳舞”，答案便清晰了：它们之所以能在春晚舞台上完美表演，是因为那个世界是“符号化”的——一切变量都被提前编码，没有意外，没有未知。而一旦进入真实世界，那些无法被提前编码的“物理常识”就成了系统的盲区。一只滚动的苹果、一个歪斜的衣架，之所以能让机器人“死机”，不是因为它们复杂，而是因为机器人从未真正“理解”过它们。
有意思的是，李飞飞始终强调一个容易被忽略的维度：方向。她反复提及，具身智能的发展应以人类为中心，聚焦医疗、服务、生活辅助等场景，用实体化的智能去增强人类的能力，而非单纯地替代人类。这不仅是技术路径的选择，更是一种价值观的锚定。在她看来，下一代人工智能的方向，不是造出比人更强的“超人”，而是造出能与人共处、能理解人、能帮助人的“伙伴”。
九、跨越“死亡谷”：泡沫及其刺破的意义
将人形机器人简单定义为“骗局”，既是对复杂现实的简化，也是对无数工程师日夜攻坚的不公。
更客观的视角或许是：这是一场由资本强力驱动、但技术仍在艰难爬坡期的产业探索。那些在舞台上蹦跳的机器人、那些动辄数十亿的估值、那些看似遥不可及的承诺——所有这些喧嚣与争议，本质上是一场针对未来的“压力测试”。
中国人形机器人产业正站在经典的“创新死亡谷”边缘。
谷的这边，是政策红利与供应链优势催生的供给狂欢，是融资市场的狂热追捧，是春晚舞台上的流光溢彩；谷的那边，是追求极致性价比、可靠性、经济性的残酷商业现实，是工厂车间里的冰冷算盘，是家庭场景中的苛刻期待。
跨越这道深渊的唯一路径，不是继续在舞台上打磨更复杂的武打动作，而是沉入具体的垂直场景，去完成一场从“表演性”到“工具性”的价值重构。
值得关注的是，一些企业已经开始探索正确的方向。有的公司选择深耕工业场景，聚焦“拧螺丝”“插拔线”等单一但高频的工序，在有限场景中积累真实数据；有的公司则切入商业清洁、仓储巡检等相对结构化的垂直领域，先做“专用智能”，再图“通用智能”。这些尝试或许不够性感，却是让机器人从“舞者”变成“工作者”的必经之路。
2026年，将是行业的关键转折之年——落地与出清，会同时到来。一方面，头部企业将实现万台级交付，商业销售正成为核心驱动力；另一方面，缺乏商业化落地能力、融资不利的企业将面临淘汰。毫无疑问，第二梯队及以下的厂商，正站在悬崖边缘。
泡沫终有破裂之时。而那一刻并非终点，却是淘汰与筛选的真正开始。
当潮水退去，真正能够沉淀下来、穿越周期的，必然是那些在运动控制、环境感知、成本工程以及核心零部件上建立起真实壁垒的企业。它们或许不在聚光灯下，但每一次关节的转动、每一次力觉的反馈、每一次成本的精简，都在为那个尚未到来的未来铺路。
毫无疑问，具身智能赛道已出现不容忽视的泡沫化倾向。但泡沫本身并不可怕，可怕的是把泡沫当成本身。它的刺破，才是行业真正走向成熟的起点。届时，一批盲目跟风的项目会被出清，不少追逐风口的热钱或将血本无归。这很残酷，却是每一个新兴产业的成人礼。
对于那些只会跳舞的机器人，它们或许终有一天会走出舞台，走进我们的生活。但在那一天到来之前，保持清醒，就是对这场技术变革最大的尊重。
更何况，科学技术的演进从来都不是一条笔直的斜线。那些在黎明前倒下的企业、那些被刺破的泡沫、那些曾经被嘲笑为“提线木偶”的尝试，终将化作养分，沉入泥土，成为日后那座金字塔最底层的坚实基底。
结语：从舞者到工作者
从远古的类人猿到现代人类，进化的脚步跨越了数百万年的漫长岁月。猿人学会站立，是为了解放双手，去触摸、去使用、去改造这个世界。那是一段从“只能行走”到“能够劳作”的漫长进化。
如今，我们正站在一个新的起点上——人形机器人的诞生与发展，或许可以被看作是人类进化在新时代的延续。而这一进程，同样需要时光的沉淀与耐心的等待，悠远而深长。
如果说人类在漫长岁月中学会了站立与行走，那么人形机器人也在经历着从“舞者”到“工作者”的蜕变。
回到《经济学人》的问题：谁会购买中国人形机器人？
答案从来都是如此：不是那些最会跳舞的，而是那些最会干活的。
正如一位业内人士所言，2026年具身智能行业的关键词是“转向”——在资本追捧之后，行业需尽快从概念转向应用，做出可交付、能长期运维的产品。这是一条漫长而艰难的路，却也是通往未来的必经之路。
届时我们再回头看，或许会发现：今天所有的喧嚣与质疑，都只是序章。
（注：翁一，公众号“翁见”主理人。本文仅代表作者个人观点。责编邮箱bo.liu@ftchinese.com）