近日，南方医科大学中西医结合医院教授杜庆锋团队联合中国疾病预防控制中心慢性非传染性疾病预防控制中心主任吴静团队，首次基于中国大规模人群数据研究发现，糖尿病共病高血压会显著提升老年人认知障碍的发生风险。其中，共病10年以上的患者痴呆风险激增73%，不过规范药物治疗可明显降低此类风险。相关成果发表于《阿尔茨海默病研究与治疗》。
研究人员依托“中国老年人神经退行性疾病预防与干预数据库”纳入13252名受试者，系统分析了糖尿病、高血压及其共病状况对不同阶段认知障碍的影响，为在中老年群体中开展认知障碍防控提供了关键循证依据。
研究发现，糖尿病共病高血压对痴呆的影响（OR=1.53）显著高于单一疾病，其中高血压对痴呆的影响OR值为1.18，糖尿病对痴呆的影响OR值为1.26。这表明，两种疾病共病时对认知功能的损害并非简单的相加，而是存在协同放大效应。
随着共病时间的延长，认知障碍发生风险持续上升。持续10年以上共病的患者，发生轻度认知障碍和痴呆的风险分别升至1.43倍和1.73倍。这表明，对于糖尿病共病高血压的患者，长期的病情管理至关重要。
高血压患者若在45至64岁确诊，痴呆风险显著上升（OR=1.22）。这说明，高血压发病年龄越早，对认知功能的潜在损害可能越早开始积累。糖尿病早期患病对认知功能的影响更为显著，45岁以下确诊的患者痴呆风险高达4.55倍。这进一步强调了早期预防和干预糖尿病对于保护认知功能的重要性。
该研究明确指出，糖尿病和高血压作为单一危险因素均会影响认知功能，而其共病状态会导致风险叠加效应，且早期发病及病程延长会进一步加剧认知障碍的进展。研究结果强调，要高度关注糖尿病共病高血压患者的高认知障碍风险，重视在共病人群中推行规范治疗与长期管理。
“该研究为将来在社区和临床中制定认知障碍高风险人群的早期干预策略提供了重要科学依据。”论文共同通讯作者杜庆锋建议，应加强对中老年糖尿病共病高血压人群的筛查管理与用药依从性支持，这可能是延缓或降低认知障碍发生的有效途径。
相关论文信息：https://doi.org/10.1186/s13195-025-01761-3
（原标题为《南方医科大学中西医结合医院等：糖尿病共病高血压显著加剧认知障碍风险》）
10月22日，中美两国人工智能领域的顶尖专家和技术领袖联名发起一项呼吁，在科学界达成“安全可控开发超级智能的广泛共识”前，应暂停“超级智能”的研发。
中外顶尖科技专家联名签署情况
该声明由非营利组织未来生命研究所发起，包括人工智能先驱杰弗里·辛顿（Geoffrey Hinton）、苹果公司联合创始人史蒂夫·沃兹尼亚克（Steve Wozniak）、维珍集团董事长理查·布兰森（Richard Branson）、经济学家达龙·阿西莫格鲁（Daron Acemoglu）以及前美国国家安全顾问苏珊·赖斯（Susan Rice），都参与了签名。
值得一提的是，哈里王子及其妻子梅根、萨塞克斯公爵和公爵夫人、史蒂夫·班农（Steve Bannon）和等知名人士也参与了联合签署声明。
截至10月23日中午，这份声明的签署人数已经达3193人。中国科学院院士、图灵奖得主姚期智、清华大学智能科学讲席教授、智能产业研究院院长张亚勤，以及清华大学战略与安全研究中心学术委员、苏世民书院院长薛澜等中国学者也位列其中。
声明 来源：官网截图
“超级智能”是一种在所有认知任务上都超过人类的人工智能形式。有别于当下绝大多数公司研发通用人工智能，“超级智能”的前景引发业界担忧。该声明称，许多顶尖AI企业将要打造超级智能，“引起了人们的担忧，从人类经济过时和被剥夺权力、自由、公民自由、尊严和控制的丧失，到国家安全风险，甚至潜在的人类灭绝。”
参与这一呼吁的北京前瞻人工智能安全与治理研究院院长，中国科学院自动化研究所研究员曾毅告诉澎湃科技（www.thepaper.cn），目前我们还没有坚实的科学证据和切实可行的方法来确保超级智能的安全，使其不会给人类带来灾难性的风险。世界尚未准备好迎接不是可控工具的超级智能。
当前，超级智能已成为人工智能领域的热门词汇。从埃隆·马斯克（Elon Musk）的xAI到萨姆·奥特曼（Sam Altman）的OpenAI等公司都在竞相推出更先进的大语言模型。Meta甚至将其LLM部门命名为“Meta超级智能实验室”。
科技界的人们对人工智能的看法越来越两极分化：一方认为它是推动社会进步的强大力量，理应不受限制地发展；另一方则担忧其潜在风险，主张加强监管。
然而，即使是马斯克和奥特曼等世界领先人工智能公司的领导人，过去也曾警告过超级智能的危险。在担任OpenAI首席执行官之前，奥特曼在2015年的一篇博客文章中写道：“发展超人类机器智能（SMI）可能是对人类持续存在的最大威胁。”
曾毅认为，绝大多数公司研发的只是通用人工智能工具，这并不是超级智能。但是超级智能的风险是并没有科学依据可以控制的。美国企业，例如Meta建立超级智能实验室，以及阿里声称的开发超级智能，这并不只是通用人工智能工具。
澎湃科技注意到，据《纽约时报》报道，10月22日联合声明发布当天，Meta在超级智能实验室裁员 600人。该部门拥有约 3000 名员工，他们被授权开发“超级智能”，即超越人脑的人工智能。
Ｍeta新任首席人工智能官亚历山大·王 （Alexandr Wang）表示，裁员旨在清理因三年来过快建立Meta人工智能工作而导致的组织臃肿，从而帮助Meta更快地开发人工智能产品。Meta高管强调，裁员并不意味着他们正在缩减人工智能方面的工作，超级智能仍然是扎克伯格公司的首要任务之一。
10月21日，OpenAI推出人工智能浏览器ChatGPT Atlas，这是一款基于ChatGPT构建的新型浏览器。它保留了传统浏览器的外观，但核心功能是让用户能在任意网页上，直接使用ChatGPT来生成摘要、解答疑问或完成各种任务，相当于在浏览器内置了一颗ChatGPT的聪明大脑。
OpenAI推出人工智能浏览器ChatGPT Atlas
据了解，Atlas将首先在macOS系统上推出，随后将支持Windows、iOS和Android，并向所有用户免费开放。
OpenAI首席执行官萨姆·奥特曼（Sam Altman）在直播中谈到Atlas产品理念时说：“我们认为，人工智能代表了一个罕见的、十年一次的机会，可以重新思考浏览器是什么，以及如何最高效、愉快地使用网络。”
据OpenAI产品负责人亚当·弗莱（Adam Fry）介绍，ChatGPT Atlas将具备侧边栏功能，能自动获取屏幕内容的上下文。用户可以在任何文本字段中调出ChatGPT进行编写或编辑，无需来回复制、粘贴。
Atlas 主页 来源：OpenAI 官方截图
此外，ChatGPT Atlas拥有浏览器历史记录功能，这意味着ChatGPT可以记录用户访问的网站及其操作，并利用这些信息使回答更加个性化。例如用户可以向ChatGPT提问：“查找我上周查看的所有招聘信息，并创建行业趋势摘要，以便我为面试做准备。”用户始终控制存储于Atlas中的浏览器记忆，可以随时查看、存档或删除。
使用Atlas浏览器，用户还可以用“智能体（agent mode）模式”让ChatGPT执行任务。比如规划晚宴时可以直接把食谱交给ChatGPT，它就能自动搜索超市、将所需食材加入购物车并配送到家。在工作中也可以直接指示ChatGPT调取以往的团队文件，进行最新的竞品调研，并把关键发现整理成简报。目前该模式仍处于实验阶段，仅适用于为ChatGPT Plus和Pro版本支付月费的用户。
Atlas 主页 来源：OpenAI 官方截图
浏览器正迅速成为人工智能行业的下一个战场。科技公司一直在大力投资自己的浏览器和新的人工智能功能，试图从谷歌的Chrome手中抢夺市场份额，后者占据了全球浏览器市场近72%的份额。
此前，已有多家初创企业推出自主研发的AI浏览器，例如Perplexity的Comet和总部位于美国纽约的浏览器公司The Browser Company推出的Dia。谷歌和微软也分别尝试通过为Chrome和Edge添加AI功能来升级产品，力求让自家传统浏览器在竞争中脱颖而出。
相较于其他初创企业推出的AI浏览器，Atlas的核心优势在于强调“ChatGPT在浏览器中的深度整合”，能够减少用户从“浏览器到聊天工具”转换的步骤。此外，OpenAI强调，Atlas的记忆能力更强，可以记住用户的浏览记录。
Atlas推出当日，谷歌母公司Alphabet的股价收盘下跌2.4%，反映投资者对Alphabet核心业务部门面临潜在威胁的担忧。谷歌的 Chrome浏览器一直在网络浏览器领域占据着绝对的市场份额，任何依托OpenAI人工智能能力的新进入者都可能构成竞争挑战。
美国深水资产管理公司（Deepwater Asset Management）管理合伙人吉恩·芒斯特（Gene Munster）分析认为OpenAI和谷歌都能在搜索领域获胜，Atlas提高了浏览器的门槛，谷歌可能会在一年内做出回应。
在本月初于阿塞拜疆举行的国际大学生程序设计竞赛（ICPC）世界决赛中，OpenAI、谷歌DeepMind两家公司的人工智能模型获得了金牌级别的成绩，顺利解出人类参赛者无法完成的问题。DeepMind称之为“朝着通用人工智能（AGI）迈进的历史性时刻”。
ICPC世界总决赛汇集了来自全球103个国家、近3000所大学的139支顶尖队伍。在一共12道题目中，排名第一的是OpenAI，成功解决全部12道题目。Gemini 2.5 Deep Think模型最终解决10道题目，达到金牌水准，位列第二。
OpenAI参赛系统由多个通用模型组成，包括GPT-5和一个实验性推理模型。其中，GPT-5解决了11题，实验性推理模型解决了最难的第12题，并负责最终提交决策。所有模型均未针对ICPC进行专门训练。OpenAI技术团队在赛后表示，“我记得刚加入OpenAI时，我们最好的AI模型甚至连Codeforces的简单问题都解决不了。看到过去两年的进步速度，真是令人难以置信。”
谷歌方面介绍，参赛的Gemini2.5并非专门为ICPC训练，而是用户在Gemini应用中可直接使用的版本。模型在比赛开始10分钟后启动，前45分钟便解出8题，三小时内又完成两题。DeepMind称，这一表现是人工智能在“解决抽象问题能力上的飞跃”。例如，Gemini在不到半小时内解出了“问题C”——一项关于管道网络向储液器分配液体的复杂优化问题，而这一题目无人类队伍成功解答。
“对我来说，这是一个相当于国际象棋的‘深蓝’和围棋的AlphaGo的时刻。”DeepMind副总裁Quoc Le进一步解释说，“更重要的是，它更接近现实世界，而不仅仅是像国际象棋和围棋这样受限的环境。正因如此，我认为这一进步有可能改变许多科学和工程学科，”比如设计新药或芯片。
谷歌表示，Gemini 2.5 Deep Think是一款经过专门训练的通用人工智能模型，可以解决非常困难的编码、数学和推理问题，其表现“与世界前20名的程序员一样好”。在这些竞赛中解决复杂的任务需要深度抽象推理、创造力、综合新解决方案的能力，以及真正的创造力火花。
不少网友在社交平台庆祝这一历史性时刻。AI在ICPC上斩获金牌可能意味着人工智能可以成为程序员真正的问题解决伙伴。但同时也引发了未来人类的编程能力可能会永远落后于AI的担忧。
加州大学伯克利分校的计算机科学教授斯图尔特·拉塞尔（Stuart Russell）在细节公布之前表示，“具有划时代意义的说法似乎有些夸大其词。”他认为，人工智能系统在编程任务上表现优秀已经有一段时间了，而“人工智能公司一直声称取得突破要面临巨大的压力。”
同时他也承认，“要正确回答ICPC的问题，代码实际上必须能够正常工作（至少在有限数量的测试用例上），所以这种性能可能表明，人工智能编码系统在足够准确地生成高质量代码方面取得了进步。”
截至10月27日，上交所融资余额报12465.07亿元，较前一交易日增加115.07亿元；深交所融资余额报12101.60亿元，较前一交易日增加128.64亿元；两市合计24566.67亿元，较前一交易日增加243.71亿元。
·AI的出现，使得物质科学研究的范式已经发生了变化，也将推动新材料的研发数量和质量出现本质变化。
·创新首先是激发人才的创新兴趣，其次是社会要能够容忍创新过程中的失败”。
一、
作为一名从事计算的物理学工作者，如果没有AI的出现，我可能已经在思考“退休”了；但AI来了，物理研究的范式已经发生了变化，研究技术、研究效果和解决问题的难度都发生了根本性的变化。以前解决不了的问题，现在有了解决的可能。这是一个激动人心的契机，但也是充满压力的挑战，对于我来说，现在我们所做的AI物理，是一个全新的领域，也是我从事学术研究以来从未遇到过的大挑战。
技术的革新和经济的发展越来越依赖新材料的进步。以往的新材料研发主要依据研究者的科学直觉和大量重复的“尝试法”实验。材料的研发有点像玩乐高积木，可以有很多种搭法、无穷的组合可能，但什么样的材料是有用的，过去没法直接回答。但有了AI技术后，可以在一定程度上回答这个问题，AI可以快速地进行配比、模拟来验证。AI提供了一种全新的研究范式。
AI技术，特别是深度学习，正在深刻地变革分子动力学模拟领域，解决了该领域长期存在的一些核心瓶颈问题。譬如传统分子动力学的核心是“力场”，即描述原子之间相互作用力的数学函数。传统力场基于简单的物理近似，虽然计算快，但精度有限；而高精度的量子力学计算虽然准确，但计算成本极高，无法用于大体系或长时间模拟。AI通过从量子力学计算产生的大量数据中学习，可以构建出既接近量子力学精度、又接近传统力场计算速度的机器学习力场。
用传统的实验设备是无法捕捉分子的动态过程的，但AI（如无监督学习算法）能分析模拟数据，自动识别出描述动态过程本质的关键变量（反应坐标），让我们能实际“看到”原本几乎不可能捕捉到的动态过程。因此，AI使得分子动力学模拟在物质科学领域再一次出发。
二、
2024年，上海高校人工智能交叉中心——数智物理（AI Physics）在复旦大学成立，这是国内第一个“AI+物理”数智中心，对于我来说，跨入这一领域，压力很大，因为这是一个交叉学科，而我也只熟悉我自己那一小部分，以前在我的研究领域知识面，现在这个领域被重构了，需要涉及很多不熟悉的内容，我们需要更多的人来参与这一研究。
目前，“原始创新不足”是我们的一个很大挑战。以前我们可以学别人，跟着别人跑，但现在我们的科技发展已经跑到了很前面，后面能否跑好，其中一个重要的因素在于我们的创新人才。基础研究和应用研究都需要创新人才。
中国的人才培养有自己的特色。在过去的几十年，国家在人才培养方面下了很多功夫，但在创新人才培养方面，我觉得还有很多可以向别人借鉴的地方。比如说，鼓励学生创新，激发学生兴趣，容忍失败等。
我觉得中国的教育应该发展不同的教育元素，应该更加多元。中国现在有3000所大学，应该有一些不同类型的大学。如果教育都是一个模式，所有人都做一样的事，内卷一定会发生。
今年复旦大学物理系首次设立了量子智能英才班，我们尝试更多地加入创新人才培养理念与中国教育实践相结合，探索人才培养的新模式。英才班计划分两类招生：一是高考统考，二是入校后的“二次选拔”。入选的学生进行本博融通教育，本科毕业后授予物理学、人工智能的双学位。在校期间，英才班鼓励学生创新，开展批判性思考，并与清华、南大等高校建立交流机制。我觉得中国的本科生教育最重要的目标，应该是培养一些创新能力比较强的学生。
马斯克 视觉中国 资料图
特斯拉股东于当地时间周四投票批准了埃隆·马斯克惊人的新薪酬方案，超过75%的股份投票赞成这项薪酬方案，最终的奖金预计将在几天后在证券交易委员会的文件中披露，预计最高价值可达1万亿美元。《纽约时报》报道称，这项方案有可能让马斯克成为世界上首个万亿富翁。
马斯克说，“我们即将开始的不仅仅是特斯拉未来的新篇章，而是一本全新的书。”
拟议的薪酬方案是特斯拉董事会去年9月提出的，这将使马斯克获得超过4.23亿股的额外股份，从而将他的持股比例从目前的15%提升至约25%。为此，马斯克需要实现一系列里程碑式的目标，包括在10年内将特斯拉的市值从目前的1.5万亿美元提高到8.5万亿美元。马斯克还必须投入100万辆无人驾驶出租车，销售1200万辆汽车，1000万份全自动驾驶订阅服务，以及100万台类人机器人。
在投票前的准备阶段，特斯拉警告股东，如果不批准这笔巨额支付，马斯克可能会被其他公司抢走。这份薪酬方案旨在吸引他重返电动汽车公司，尽管马斯克似乎更受激励的是创造并控制“机器人军队”的想法。
此次薪酬表决对特斯拉至关重要，因为此前马斯克曾暗示若得不到对这家汽车制造商更大的控制权，他可能会卸任或将更多时间投入到自己的其它公司。
此次投票遭到了特斯拉一些大股东的反对，包括管理挪威主权财富基金的挪威银行投资管理公司（Norges Bank Investment Management）。“尽管我们认可在马斯克富有远见的领导下创造的巨大价值，但我们对该奖励的总规模、股权稀释以及对关键人物风险缺乏缓解措施感到担忧。”该公司表示，这里的“关键人物风险”是一个商业术语，指公司对某个人的过度依赖。
其他反对者称，该方案的条款让特斯拉董事会拥有过大的自由裁量权，即便马斯克未达成产品目标，董事会也可能授予他股票。
特斯拉董事会驳斥了这些质疑。“该薪酬方案的设计有一个首要目的：推动特斯拉进入下一个卓越增长、创新和价值创造阶段。”特斯拉董事会主席罗宾·登霍姆上月在致股东的信中表示，“这其中没有轻易能实现的目标，只有在埃隆达成宏伟的市值和运营目标后，他才能获得额外的投票权。”
马斯克目前的薪酬方案价值超过500亿美元，是2018年由股东批准的，但这一方案此前遭到特拉华州的一家法院的否决，因为法官认为特斯拉董事会与这位亿万富翁CEO之间的独立性不足，存在严重缺陷。特斯拉已对该决定提出上诉提交给特拉华州最高法院。这一裁决促使马斯克提出将特斯拉的合法总部从特拉华州迁往德克萨斯州。
9月23日，第25届中国国际工业博览会（下称“工博会”）在上海开幕，“AI智能制造”是今年展馆里最醒目的主题：“工业+具身智能”、“AI驱动，让算法更智能”、“数智融合”等与AI智能制造相关的标语随处可见，从能与人实现对话交互的协作机器人，到工业具身智能柔性生产线在展会现场演绎一条产线“永不停歇”，AI正以前所未有的密度出现在工业制造的舞台。人工智能技术正在推动行业的数字化转型和智能化发展，AI正成为影响工业企业发展的重要因素。
但眼下产线的稳定性和AI落地后的成本问题，仍是绕不过的两大门槛。
AI超级生产队
在工博会现场，微亿智造携手捷勃特发布工业具身智能柔性生产线“创TRON”新产线。这条工业具身智能柔性生产线由8台机器人组成，既能完成生产过程中将物料上下料，还能进行检测和装配，一旦有机器发生故障，临近的机器设备会自动分担任务。“这是24小时不间断标准化生产的超级生产队”。微亿智造董事长兼CEO张志琦这样形容。
张志琦认为，要让AI很好地赋能生产，关键是让AI吸收人类老师傅的经验，把人类几十年的制造智慧转化为模型。“过去是师傅带徒弟，现在是师傅教AI，AI再去组织生产。”
在本届工博会上，英特尔以工业AI为核心概念，携手多家生态合作伙伴，对外展示了在具身智能、人形机器人、工业AI与大模型、工业机器视觉、工业控制等领域的前沿解决方案与算力平台，还发布了基于英特尔® 酷睿™ Ultra平台的具身智能工厂落地案例。
根据英特尔发布的《智启边缘：英特尔软硬件一体化赋能产业AI应用实践白皮书》（以下简称《白皮书》），预计到2028年，中国工业企业AI支出将达到900亿元人民币， CAGR（复合年增长率）为37.7% 。利用先进的算法和强大的计算能力，AI和大模型能够优化生产流程、提高产品质量、降低成本，并增强供应链管理。
微亿智造则提出一种可能性，未来工厂生产线70%仍将保持传统自动化，20%由具身智能补足，10%留给人创造更大价值。“具身智能不会让工人都下岗，而是释放人力，从繁重重复劳动中解放出来。”张志琦称。
微亿智造携手捷勃特发布工业具身智能柔性生产线“创TRON”新产线。
高成本与“不稳定性”的担忧
AI正在逐步渗透进工业制造，但算力、数据、成本和生态的现实瓶颈，决定了它不可能一蹴而就。
未来工业领域AI智能化的趋势是让机器人能够自主判断要抓取的物体、要焊接的工件，业内人士判断，这一过程需要5到20年才能实现。
在工博会现场，上海松川远亿机械设备有限公司展示了一款AI语音交互功能的协作码垛机器人操作。该公司工作人员黄云龙介绍，操作员可以用语音对话唤醒机械臂抓取，但目前还未正式投入产线使用。
英特尔中国边缘计算事业部行业解决方案总经理李岩在接受澎湃科技采访时指出，工业制造领域本身是一个高度讲究可靠性、准确性的场所，对新技术、新产品的接受度一定不会太激进。企业必须看到数据验证结果，算清ROI（投资回报率），确认有实效，才会真正部署，“这是我们常说的‘最后一公里’问题”。
眼下，企业普遍担心AI落地后的高成本和产线稳定性问题。
据黄云龙介绍，不加AI语音功能的码垛机器人，一台售价在3万到4万元，一旦搭载了AI功能，单价会明显上涨。对于多数工业制造企业而言，加入AI功能必须算得过一笔账，一台设备替代两个人工，两年内若收不回成本，就不可能投入生产线。
产线的稳定性同样关键，机器一旦出问题，停一条产线的损失，远比少几个人力大。 另有参展商告诉澎湃科技，工业机器人加入AI功能，具备自主判断的“智能抓取”还处于展示阶段，到真正应用还需一定的时间。
AI落地工业制造离不开算法、算力和硬件的支撑。
英特尔技术专家介绍，工业现场很多场景无法依赖云端算力。视觉检测和机器人控制都要求毫秒级响应，只能在端侧部署。因此，如何在功耗和成本受限的边缘设备上运行AI，成为关键挑战。对此，英特尔提供的解决方案覆盖从边缘端到数据中心的全链算力平台，包括酷睿Ultra处理器、Xe内核与MXM矩阵加速引擎显卡系列等产品，满足从机器视觉到大模型部署的多类需求，就是为了帮助客户加速工业AI大规模落地。
张志琦称，具身智能和AI时代，很多传统自动化理论和经验已经被颠覆。市场需要一个认知过程。就像自动驾驶经历了从“全自动”到“辅助驾驶”的回调，工业AI也在寻找最合适的落地姿态。
“人形机器人去年全国销售量只有几百台，今年年底预估会有2万台左右的销售。”日前，在上海举行的机器人开发者生态全球性技术大会ROSCon China2025上，北京人形机器人创新中心负责人刘益彰透露出目前人形机器人行业的市场现状。
根据机构GGII（高工机器人产业研究所）数据显示，2024年中国人形机器人销量在800台左右，2025年上半年销量超过4000台。一年间，从“实验室样机”到“批量交付”，人形机器人产业正在加速走向量产化。然而，行业热度飙升的另一面，是出货量有限、成本高投入大、投资回报率偏低的现实。
大会上的机器人。
人形机器人落地场景目前尚有限
人形机器人此前已被工信部列为“未来产业十大重点方向”之一，全国多地正在布局生产与测试基地。然而，尽管增势明显，目前的市场仍主要集中于科研、教育及具备二次开发能力的B端领域，消费级C端市场尚未真正打开。
刘益彰表示，目前人形机器人集中在示范应用为主，比如在巡检导览场景；其次是集中在工厂里搬运箱子，这一机器人形态更多的是用轮式底盘加上协作双臂的方式，场景跑通后人形机器人才有可能直接进入这类场景；居家养老场景是机器人应用的最后一步。
古月居ROS机器人社区联合创始人顾强认为，目前真正具备刚需且拥有支付能力的场景虽已被识别，例如部分专业工业场景，但技术与实际需求之间的融合仍显不足，尚未形成规模化落地路径。
而人形机器人市场尚未成熟，却似乎开始打起了价格战。
芝能汽车、芝能智芯创始人陶冶指出，“人形机器人商业化面临的主要瓶颈在于ROI（投资回报率）过低，难以从一次性投资中获得回报。”
深圳市机器人协会秘书长谭维佳同样指出，由于机器人跨领域应用的开发成本过高，企业更倾向于选择成熟领域落地，这种策略趋同反而导致了有限赛道的内卷和价格战。
刘益彰坦言，“现在很多机器人企业在卷价格，已经接近底板，甚至亏本。”机器人行业现阶段入局者多，未必是一件好事。当前人形机器人量产刚刚开始，机器人的工艺流程、测试标准和性能标准，甚至关键模组接口的标准还没有完全敲定。在这种情况下，“卷价格的意义不大。”
古月居联合创始人顾强将当前的人形机器人发展阶段比作“手机刚问世时的大哥大时代”，价格高昂，只有实现规模化之后才有可能实现降价。即便会有卖得很贵的机器人，但也会出现可以进入千家万户的经济型机器人。顾强担忧价格战最终会导致恶性循环，“价格内卷逼近原材料，可能会导致创新成为很大的负担，更加没有机会再去拓展新的应用场景。”
刘益彰认为，人形机器人的价值不应只以成本衡量。“如果人形机器人只是没有感情的工程机械，那它就只是材料费。真正的价值在于附加价值——能够为人提供情绪价值与长期陪伴。”如果继续价格内卷，导致新的入局者越来越少，机器人上游产业链也会越来越内卷。
他描绘了一幅理想化的未来图景：“一个孩子从出生到成长、成家、养老，都有一台人形机器人陪伴。这是我们希望技术最终实现的状态。”
展会上对外展示的机器狗。
从“散装机器人”再到具身智能
圆桌讨论中，多位嘉宾提到当前机器人“散装化”问题突出——各模块发展割裂，尚未形成系统智能。
国家地方共建人形机器人创新中心感知与自主系统技术专家朱华章指出，“现在会打功夫的机器人只会打功夫，会后空翻的只会后空翻。我们更需要让机器人真正成为能解决现实问题的工具，而不是炫技产品。”
他认为，企业与资本应将资源更多投入到核心技术和通用智能能力上，“先让机器人能用，再谈它能不能降价进入家庭。”
陶冶强调，人形机器人的落地将会是一个“从结构化到半结构化，再到非结构化”的演进过程。比如先在预设的平整厂区使用轮式机器人；再逐步进入半结构化场景，在特定要求下找到需求落地的场景。至于居家养老陪护，“肯定是杀手级的场景，这中间还有很长一段路要走。”
基于对人形机器人市场应用的观察，刘益彰同样认为，短期内巡检导览将成为首批示范场景。另外在搬运领域，会先采用轮式底盘加协作双臂的方案，待技术成熟后，双足人形机器人再逐步跟进。而养老陪护场景，则是商业化路径的最后一步。
陶冶认为，在此过程中可以采用RaaS（Robot-as-a-Service，机器人即服务）等创新模式，通过租赁等服务形式，减轻用户的资金压力，让商业场景快速试水，并在实践中持续优化和迭代。
朱华章则认为，人形机器人是一种非常先进的生产力，而“类似的新兴产品都需要一段不计成本的投入，慢慢等技术积累成熟之后，自然有需求对号入座。”历史上的计算机、互联网和航天技术基本遵循了这样一条发展史。
他表示，当前人形机器人领域正处在一个良性发展阶段，呈“遍地开花”的态势，每一个子技术、子模块都在朝着可落地的方向发展，等技术成熟、成本降低后，产业链自然会活络起来。“我们可以不必为此感到焦虑，让市场的需求牵引技术的发展。”
在谭维佳看来，在具身智能的“GPT时刻”尚未来临之前，也有‘沿途下蛋’创造商业价值的可能。不过，“落地不能靠整机厂商单打独斗，必须与系统集成商、场景方共同推动，毕竟真正理解场景know-how（技术诀窍）的，是使用者自己。”
人形机器人的未来在哪里
人形机器人的发展之路，在形态上一直伴随着“人形形态是否有必要”的根本争议。有人认为它是技术的终极形态，也有人质疑其工程意义与商业合理性。
刘益彰从功能角度指出，双足人形拥有无可替代的地形通过性，能轻松应对楼梯、坑洼等复杂环境，这是轮式底盘无法比拟的。
顾强提出人形的另一种价值，正如在F1赛事中，赛车、车手和赛车服已经成为体育精神的象征，“人形也可以传递其他附加的信息、能量或精神。”
陶冶强调，人形是最符合人类直觉期待的终极形态。“我们生活的场景——比如圆形的门把手本就是为人设计的。机器进化都要尽快适应这一环境。”它越像人，需要付出的沟通成本和学习成本也越低。
在她看来，目前大量以效率为导向的非人形机器人，只是阶段性的产物，长期来看，机器人应该像人一样满足陪伴的最终需求。她认为，“机器人的终局就是人形化。”
刘益彰预测，人形机器人的普及将经历两个阶段。短期内，机器人4S店会像曾经汽车一样逐渐普及；而从长期看，人形机器人会逐渐替代对人有伤害的危险工作。同时，养老陪伴、留守儿童教育等社会需求也有望通过机器人得到缓解。
顾强提出“通机器人”（Universal Robot）的概念，认为当机器人像水、电、网络一样成为基础设施时，才意味着真正的新生产力革命。
或许当机器人走上街头不再被人围观的那一刻，它才真正意味着融入了人类社会。
