一年时间机器人能有多大进步？近日举行的2026北京亦庄半程马拉松暨人形机器人半程马拉松给出“量尺”——冠军成绩由2025年的2小时40分42秒突飞猛进至50分26秒，一举超越人类半马世界纪录。

“这是一个重要的技术跨越。”国家地方共建人形机器人创新中心首席科学家江磊在接受《中国科学报》采访时表示，本届比赛中，机器人不仅跑得更快，而且跑得更“聪明”，能够在真实道路环境中独立完成弯道、坡道、避障等复杂任务。他同时表示，目前尚无国际赛队能够独立完成类似规模、类似难度的机器人半马比赛。

而对中国赛队来说，这场赛事已从去年初试啼声的“小规模秀场”，成长为检验行业真技术、真能力的“国家级考场”，考验着整个产业链的耐力与智慧。

扔掉“拐杖”自主跑

作为全球首个人形机器人马拉松品牌赛事，本届赛事在规模、赛道、技术呈现和保障体系上均达到新高度。

今年的赛道串联起北京亦庄南海子公园的生态湿地与经开区国家信创园的产业地标。比赛的一大亮点是赛道难度升级，与去年相比新增了南海子公园路段，道路坡度起伏明显，并且设有约90度的急弯，对机器人的稳定性和转向能力提出了更高要求。

时间回到2025年首届比赛，多数机器人仍需领航员手持遥控器一路陪跑，被戏称为“遥控玩具”。而今年，38%的参赛队选择完全扔掉“拐杖”，依靠机器人自身的传感器与算法实现自主导航。

所谓自主导航，意味着机器人不再依赖人类遥控指引，而是通过激光雷达、视觉相机等感知环境，实时识别道路、避让障碍、规划路径，自主决策每一步走向。这对机器人的环境理解能力、运动控制能力和可靠性提出了极高要求。赛道上还有一个细节令人印象深刻，上届比赛中，许多机器人跑到一半就需要断电更换电池；而本届，热插拔技术已经普及，机器人可以在不关机的情况下快速换电，持续奔跑。这看似微小的改进，折射出工程化能力的显著提升。

江磊强调，当前人形机器人发展分为“感知到执行”“认知到执行”“自我决策到执行”三个阶段。本次比赛虽处于第一阶段，但通过极限场景评测，为行业树立了可量化、可追赶的技术标杆，可以推动企业跳出低水平重复，聚焦更高层次的技术创新。

北京邮电大学人机交互与认知实验室主任刘伟认为，当前人形机器人正处于由“技术秀场”向“实际应用”转型的关键阶段，未来的竞争焦点不是谁跑得更快、跳得更高，而是谁能建立更智能、更可靠、更值得信赖的“人—机器人—环境”融合系统。

打造人形机器人的世界工厂

如果说去年的比赛还带有浓厚的“炫技”色彩，那么今年的亦庄赛道则成了中国在人形机器人领域产业实力与技术能力的一次集中检阅。

从关节电机到热插拔电池管理，从多传感器融合导航到实时运动控制算法，多个技术环节都在这场漫长的奔跑中得到了实战检验。

据工信部统计，2025年国内人形机器人整机企业数量已超140家，发布产品超330款，行业迎来商业化加速期。然而，繁荣景象的背后，“订单热、交付难”成为普遍痛点。

参赛企业之一、加速进化创始人程昊坦言，多数企业正处于从“小批量试产”到“规模量产”的艰难过渡期，产线、供应链、品控体系尚未完全跑通，导致供需结构性错位。

程昊也补充道，产业还面临具身智能决策与泛化能力不足、缺乏统一技术底座与开发生态、商业化路径模糊等挑战，多数场景仍停留在教育、科研等开发者领域，消费级、工业级产品与真实需求之间仍有明显差距。

中国科学院自动化研究所研究员张正涛对未来三年的商业化落地场景给出了清晰的判断。他认为，从工业到家庭会呈现齐头并进的格局，但相对而言，工业制造和仓储物流更容易落地。

“能重复拧一万次螺丝不出错，比能做一百种动作更重要。工业场景对硬件的核心要求是负载能力、精度和续航，算法更看重泛化操作与视觉伺服能力；仓储物流则更强调续航、移动稳定性和导航避障能力，需要应对长时自主运行和动态环境适应。”张正涛说。

更值得关注的是，中国在人形机器人领域的独特优势正在显现。张正涛分析认为，中国的竞争力在于“场景、供应链、政策”三位一体。

张正涛表示，全球最大规模的制造业提供了最丰富的应用场景和训练数据；最完整、最具成本优势的零部件供应链正在从“便宜”向“精密”升级；政府决策快、执行效率高的政策体系，为产业提供了强力支撑。

他判断：“美国有技术，但没有场景密度；日本有制造，但没有数据规模；欧洲有标准，但没有执行效率。中国如果能把三者打通，就能成为人形机器人的世界工厂。”

奔跑中的产业困局

此次赛道上，不少人形机器人奔跑自如，但也不乏颠簸与踉跄，这也暴露了人形机器人产业的深层瓶颈。

张正涛直言，目前制约人形机器人规模化应用的核心短板在软件端。“硬件已经能‘用’，但软件还没让机器真正‘会’。”百万级真机数据远不足以训练出成熟的大模型，机器人在仿真环境中能做到100%成功，落地到真机却只有60%至70%的成功率。

同时，江磊提到，不少企业仍沿用传统制造业的思路，优先选择低端、低成本的方案“先入门”，导致行业在早期发展阶段就陷入了低水平重复的困境。

与此同时，标准化体系缺失同样掣肘产业发展，不仅造成研发和生产资源的巨大浪费，也严重制约了产业链的协同和规模化应用。

对此，江磊认为要构建国家级开源生态与标准体系，加快制定数据互联互通、训练场建设、接口安全等52项急需标准，推动标准与知识产权授权绑定，引导企业从低水平重复转向高水平创新。

“中国制造业场景的复杂度远超欧美，这本是训练泛化能力的绝佳土壤，但如果数据无法共享，这一优势就会被稀释。数据采集和标注的标准化是比硬件更难的问题，需要行业联盟主导解决。”张正涛指出。

关于技术路线选择，张正涛也给出了务实的判断。他认为，“通用性”与“专用性”的矛盾本质上是锤子与螺丝刀的矛盾，不可能一把工具做所有事。未来三年应以专用为主，把垂直场景做深，建立投资回报模型，实现批量部署；五到十年后，随着具身大模型能力提升和硬件成本下降，通用基础平台才会成为可能。

“不要被‘通用’这个词绑架，先打穿一两个场景，证明商业回报，再逐步扩展，比做一台全能但平庸的机器更有价值。”张正涛强调。