8月14日晚间，“2025世界人形机器人运动会”在国家速滑馆开幕，一场集结26个比赛项目、487场巅峰对决的机器人竞技盛会将于8月15日至17日的3天里火热开展。

　　这是全球首个以人形机器人为竞赛主体的机器人运动会。
 

　　机器人运动会开幕式现场 人形机器人运动会整体参赛阵容强大，涵盖127个品牌，汇聚500余台人形机器人。

　　从4月的人形机器人半程马拉松到8月的机器人运动会，人形机器人技术发展迅猛。近日，多位业内人士表示，具身智能的技术曲线正“陡峭”上升，落地场景的边界也在不断外扩。不过，在“走出实验室后”到“走进家庭前”的这段过程中，人形机器人还有多重挑战。

　　在接受等媒体的至少到目前为止，人形机器人的大范围商业化落地依旧面临着多重关卡。数据鸿沟就是其中一道难关。

　　熊友军直言，人形机器人在通用性方面确实还有很大的提升空间。

　　其中一个难题是，动作类数据的获取不仅昂贵，且数据产能不足，真实环境下的数据采集成本更高。穹彻智能联合创始人、上海交通大学人工智能学院副院长卢策吾强调，要找到特别好的数据收集方式，才能真正提升泛化能力。

　　另一个难题在于模型跨本体泛化，不同形态机器人在自由度、传感器类型、模型输出维度上的差异，直接限制了模型迁移效果。

　　陈建宇介绍，针对这一问题，星动纪元的解决方式是采用“数据金字塔”和分阶段训练。“在预训练的阶段，我们尽量使用跟具体本体无关、不是从这个真机上面采取的数据。”陈建宇说，然后在真机训练阶段进行适配，如果形态相对接近，迁移成果会比较好，但他也承认，跨形态迁移的难度依旧很大，“直接从人形迁移到四足上，或者从机器狗上迁移到人形上，这可能就不行”。

　　硬件的不统一与标准化缺失同样限制了产业规模化。不同厂商在本体设计、零部件选择上的差异，造成了高昂的适配成本和系统复杂度。“今天我们一台机器人上面可能会存在3台不同的主控，带来了整个系统的复杂、低效。”达摩院乐云具身智能平台负责人陈明修直言，缺乏统一标准阻碍了机器人成本下降和生产规模扩张。

　　具身大脑的打造同样成为关注焦点，国家地方共建人形机器人创新中心首席科学家江磊将问题拆解为“感知局限、决策断层、泛化瓶颈”，他提出，如果一个具身智能没有思考和进化能力，它的定义就值得商榷。

　　江磊还强调，关键是要打造感知、认知、决策、执行的闭环，“现在基本上打造的都是感知直接到执行，但是再往下的认知和决策其实做得不多”。

　　他还归纳说，大脑模型不够大，小脑模型不够小，实时输出能力不足，意味着当前的系统很难支撑复杂场景下的高效执行。

　　此外，莫磊在中表示：“如果说GPT-5这样的大语言模型已达博士水平，具身智能的大模型最多算是高中生。”这种差距直接导致机器人难以实现“开箱即用”。

　　技术瓶颈、数据鸿沟、硬件非标，这些问题在短期内都难以完全消除。行业正在探索不同的解法。但无论路径如何分化，普遍共识是，具身智能要跨过“临界点”，必须在感知、认知、决策、执行的全链路取得突破，并依托低成本、高质量的数据体系与统一的硬件标准。