首页科技快讯香港大学席宁：资本热潮之下，机器人产业须跨越产学研 “死亡谷”

香港大学席宁：资本热潮之下，机器人产业须跨越产学研 “死亡谷”

来源：晰数塔互联网快讯时间：2026年08月28日 08:10

香港大学讲座教授、新兴技术研究所所长席宁

2026年的人形机器人赛道，上演着典型的资本冰火两重天。

以宇树科技上市后的估值震荡为典型样本：企业登陆资本市场后，开盘暴涨随即快速回调，一级市场高估值泡沫与二级市场理性定价形成剧烈对冲。

据行业统计，当前排队冲刺港股IPO的机器人、具身智能相关企业达30至50家，多数企业尚未跑通稳定商业模式，却已坐拥数十亿乃至百亿估值，IPO俨然成为一级资本核心退出通道。

热潮喧嚣之下，行业深层隐患愈发凸显：资本催熟的赛道、扎堆内卷的企业、悬而未决的商业化，共同构成人形机器人量产元年的真实底色。

面对行业当下形势，香港大学讲座教授、新兴技术研究所所长席宁在2026世界机器人大会期间对产联社表示，资本可以加速技术迭代与场景落地，但过热的资本也会推高市场预期，滋生行业浮躁；企业必须平衡资本压力与技术积累，不能一味追逐短期叙事。

席宁是IEEE Fellow，世界著名机器人学者，近30年深耕机器人与自动化全球前沿，长期聚焦工业机器人智能化、物理AI、产学研转化方向，兼具学术高度与产业视野。

在他看来，中美走出差异化人形机器人发展路径，国内轮式、上半身人形等轻量化方案商业化提速，全尺寸双足人形是否是行业终极形态也引发争论。

无论选择哪条技术路线，整个行业都绕不开同一个现实难题——产学研转化的“死亡谷”：大量实验室先进技术难以走向真实产业场景，科研端与产业端双向脱节，成为制约中国机器人产业高质量规模化发展的核心瓶颈。

资本的双刃剑

场景落地、技术迭代、全球竞争构成了机器人产业发展的核心基本面，资本作为产业发展的重要助推力，深刻影响着行业发展节奏与生态格局，其双面效应愈发凸显。

IT桔子数据显示，2026年上半年，国内具身智能赛道融资总金额超900亿元，较去年同期增长5倍，融资事件超300笔，同比增幅达137%。大规模资本入场为行业注入发展动能的同时，也带来了全新的行业考验。

席宁认为，资本对行业的影响具备双面性。正向层面，资本的持续涌入汇聚了产业资源，有效加速技术研发迭代与场景落地进程；但负面层面，大量市场参与者集中入局，快速推高行业市场预期，一旦技术落地、商业化进度不及预期，极易引发行业波动，滋生浮躁风气，影响产业长期健康发展。

资本压力与技术积累之间的平衡，是所有机器人企业都要面对的课题。席宁表示，不同的企业有不同的特点，技术路线、资源禀赋、目标场景都存在差异，因此很难有统一的平衡模式。企业需要结合自身情况，选择适合的发展节奏，在满足资本市场合理预期的同时，保障核心技术的长期投入。

这种审慎并非没有依据。在WRC现场，有参展商透露，公司B轮融资还没谈完，C轮已经启动，从去年11月至今已完成4轮融资。融资节奏和估值变化之快，已经让一些从业者感到“接不住”。而机器人能否真正从展台走向工厂和家庭，或许才是IPO之后更值得追问的事。

对于未来五年的行业变化，席宁认为整体方向是明确的，技术会持续进步，应用场景会不断拓展。但发展过程必然充满曲折，不会一直保持高速增长。行业需要对技术难度有充分认知，避免过度乐观的预期。

“技术成熟没有捷径，需要在一个个场景中打磨，在一个个问题的解决中推进。”在席宁看来，机器人产业化没有速成的答案，但方向是清晰的。这个过程需要耐心，需要摒弃浮躁的量产叙事，回归技术与需求的本质。

跨越产学研“死亡谷”

技术落地难，是机器人行业长期面临的痛点，也是本次世界机器人大会的核心议题之一。在席宁看来，当下机器人领域普遍存在的产学研转化“死亡谷”，本质是科研端与产业端双向脱节造成的行业困境。

传统认知中，死亡谷指的是实验室研究成果难以转化为产业应用。但席宁认为，这只说出了问题的一半。另一半问题在于，应用场景中的真实需求，没有有效转化为研究课题。研究端从论文中寻找问题，最终成果回到论文，形成学术内卷。应用端缺乏新技术注入，只能在价格层面竞争，形成商业内卷。双向内卷最终拉大了研究与落地之间的鸿沟。

“而数据体系不完善、技术可解释性弱、模型迁移性不足这三大核心问题，是物理AI技术长期难以走出实验室的关键原因。”席宁表示，机器人的发展有70多年历史，这个过程中我们开发了很多方法。今天大模型虽然非常有效，但我们应该考虑利用以前的知识，跟今天大模型的优势结合起来。”

对此，席宁带领团队提出的GAT模型（Generative Adversarial Trimodel，生成式对抗三模型架构），构建了符号模型与数据驱动模型双向融合、互相学习的全新技术架构。

席宁表示，当前的大模型脱胎于语言模型，擅长处理逻辑关系，但在空间、时间与互动层面存在天然短板。语言是一维的逻辑组合，而动作是四维的复杂系统。将大模型应用于机器人控制，意味着要在现有能力基础上，补足另外三个维度的功能。

因此，该架构的核心是将符号模型与数据驱动模型相结合。有限状态机、动力学方程、运动学方程等传统符号模型，基于对物理世界的规律认知建立，可解释性强、迁移成本低，擅长处理空间、时间与互动关系。大模型则依托数据训练形成，擅长处理复杂逻辑关系。两者存在明显的能力互补性。

为验证该技术路线的落地价值，团队选取新能源汽车线束装配开展研究。汽车线束线缆柔软易变形，形态极易受尺寸、材质、环境温度等多重因素影响，形态不确定性高，传统自动化方案难以适配复杂工况，长期依赖人工操作，是典型的产业刚需痛点场景。

在GAT模型落地应用中，团队引入线缆三维力学符号模型搭建基础装配方案，同时通过二维数据驱动模型持续精细化修正参数，适配真实物理场景特性。最终，这套融合方案无需海量三维训练数据，即可精准完成复杂三维形状的线缆折弯与装配工作，落地效率、数据成本、场景适配性均大幅优于纯数据驱动方案。

席宁强调，该案例的核心价值，不仅在于攻克了一项工业生产技术难题，更实证了应用驱动研发模式的可行性与必要性。从真实产业痛点提炼科研课题，通过技术研发输出解决方案，再回归产业场景迭代优化、落地商用，这一闭环模式正是机器人产业跨越产学研死亡谷的核心路径。

赛道分化与路线之争

线束装配的落地实践并非孤例，它揭示了一条普适规律：技术能否走出实验室，不取决于理论多先进，而取决于是否精准切入高价值刚需场景。这一逻辑投射到整个机器人产业，便清晰勾勒出不同赛道的分化轨迹。

当前，国内工业机器人国产化进程持续提速，国产市场占比已突破55%，在中低端市场构建起稳固的竞争优势；服务机器人依托国内海量、多元的应用场景，出货规模稳居全球前列；而资本市场重点追捧的人形机器人赛道，虽入局企业扎堆、行业热度极高，但受限于核心技术尚未完全成熟，实际商业化落地进度仍不及市场预期。

“脱离实际需求的技术迭代，无法形成完整的商业闭环。”席宁总结，机器人应用场景覆盖面广，但唯有刚需清晰、附加值高的领域，才能支撑技术持续迭代、快速规模化。无论是工业机器人的智能化升级，还是人形机器人的场景拓展，最终都必须回归产业需求，贴合市场落地规律。

当前，全球人形机器人产业形成了中美差异化的发展路径。中国企业依托国内丰富的场景资源，以多场景铺量试错的方式快速推进产品落地、扩大市场规模；美国企业则更侧重底层基础技术深耕，聚焦实验室核心技术的长期迭代打磨。

“二者并无绝对高下之分，只是技术产业化的突破顺序、切入路径不同。”针对两种发展模式的争议，席宁认为中美路线的核心目标一致，均是实现技术成熟与场景落地，属于异曲同工的发展模式。而从短期落地节奏来看，无论选择何种技术路线，只有精准对接刚需场景、能够创造明确商业价值的技术方案，才能率先实现规模化普及。

与技术路径争议并行的，还有机器人终极形态的行业讨论。目前资本市场高度青睐全尺寸双足人形机器人，将其视作行业终极形态；但在实际商业化落地中，轮式、履带式、上半身人形等轻量化、低难度方案，落地进度更快，已在工业、物流、民生服务等多个场景实现规模化商用，行业关于双足人形是否为过渡方案的讨论持续发酵。

对此，席宁表示，当前行业尚未形成统一的机器人终局形态，各类形态的机器人均有适配的专属应用场景，不会出现单一形态完全替代其他形态的局面。落地难度直接决定产业化节奏，技术门槛更低、适配性更强的方案会率先落地，而全尺寸双足人形等高阶形态，技术打磨周期更长，需要行业长期深耕，其商业化进程必须遵循技术与产业的客观发展规律。

在全球竞争维度，中国机器人产业已具备显著的规模与市场份额优势。2026年上半年，中国人形机器人出货量已突破4万台，全球市场占比提升至97%。但规模之外，高端核心技术、软件生态、全球品牌影响力方面仍存在明显短板。叠加海外供应链限制、技术封锁等外部政策因素，国内机器人产业高端化、国际化发展面临多重挑战。

针对国内机器人企业出海布局，席宁提醒，不同国家和地区的文化环境、产业体系、场景需求存在显著差异，企业不能简单复制国内产品模式与运营经验，必须结合本地市场特征完成针对性适配优化，这对企业的核心技术能力、本地化运营能力都提出了更高要求。

完整产业数据报告、市场趋势分析，移步「产联社」客户端

发布于：北京