圖靈獎得主楊立昆質疑人形機器人熱潮：智能瓶頸與產業泡沫何解？
2025年3月，計算機視覺領域泰斗、Meta首席AI科學家楊立昆在一檔科技播客又發表了一場“爆論”："當下人形機器人的所有演示都令人印象深刻，但這些機器人實際上都很蠢。"這位2018年圖靈獎得主的批評，猶如冷水澆向如火如荼的機器人產業。
楊立昆指出三重困境：當前既沒有能完成貓狗基本任務的機器人，也缺乏家用服務機器人，更未實現完全自主的L5級自動駕駛。其核心觀點直指AI系統的根本缺陷——現有技術無法讓機器人真正理解物理世界。"它們不能做人類能做的事情，不是因為缺乏身體能力，而是根本不夠聰明。"這種認知差距在家庭場景尤為明顯：能完成前后空翻的機器人，面對疊衣服、擦桌子等基礎任務卻頻頻失誤。
作為卷積神經網絡（CNN）之父，楊立昆的質疑絕非外行妄言。1987年提出CNN概念，1998年開發的LeNet-5模型首次實現手寫體識別突破，其主導的Llama系列開源大模型更推動AI產業落地。這位學界與工業界的雙棲權威，對智能本質有著深刻認知。
在技術層面，他持續批判行業兩大誤區：
感知缺陷：現有系統無法處理視覺等復雜感官輸入，RT-X項目數據顯示，即使收集超100萬片段覆蓋500多項技能，機器人仍難應對桌子高度變化的簡單調整。
規劃短板：生成式AI僅擅長文本預測，缺乏分層規劃能力。家務清潔需分解數十個決策節點，現有算法難以實現因果推理與動態調整。
產業層面，他警示資本市場的"豪賭"風險。數據顯示，截至2024年底中國智能機器人企業超45萬家，注冊資本達6.44萬億元。即便1%企業專注人形機器人，投入規模仍堪稱天文數字。但楊立昆直言："很多公司賭未來3-5年AI會突飛猛進，這缺乏科學依據。"
人形機器人的技術難題在哪兒？
物理理解鴻溝。人類疊衣服需實時感知布料質地、判斷褶皺形態、動態調整施力，這些涉及多模態感知與物理建模的能力，恰是AI的短板。楊立昆團隊提出的聯合嵌入預測架構（JEPA）正是試圖突破這一瓶頸，但距離實用仍有差距。
機械性能桎梏。人手22個自由度的精妙結構難以復刻，頂尖仿生手如Shadow hand雖達20+自由度，但能耗與成本激增。智元機器人工作人員坦言，其產品效率僅人類20%-30%，且續航不足兩小時，行業普遍存在"充電兩小時，工作五分鐘"的窘境。
能源不可能三角。動力、續航、成本的矛盾尖銳。為維持雙足行走，某國產機器人需搭載48個關節電機，單日耗電量相當于普通家庭全天用電。硬件工程師戲稱："這不是造機器人，是在造移動充電寶。"
行業內是怎么解決的？
面對技術困局，前沿機構已轉向務實路線：
場景深耕：藍橙實驗室與清華合作的五軸并聯機器人專攻航空發動機葉片打磨，精度達微米級；華中科大吸附式機器人專注船舶焊接，放棄人形換取環境適應性。
技術開源：哈工大朱延河團隊建立工業機器人開源架構，共享運動控制算法降低研發成本。
智能重定義：RT-2模型雖在泛化能力上受挫，但特斯拉Optimus通過限定倉儲場景，將分揀準確率提升至92%。
這些實踐揭示新方向：與其追求"通用智能"的虛幻目標，不如在特定場景建立技術閉環。正如工業機器人歷經60年發展，從Unimate機械臂到現代協作機器人，突破均源于對專用場景的深度適配。
總結
楊立昆的言論其實正反映出了當下行業正面臨的根本性路線之爭：一方堅持"人形是通用智能最佳載體"，認為雙足移動與人類環境天然兼容；另一方主張"形態服務于功能"，推崇輪式、模塊化設計。現實數據給出警示——在2024世界機器人大會上，人形機器人熱舞視頻刷屏社交網絡的同時，其擦桌失敗視頻播放量卻高出37%，輿論期待與實際表現形成鮮明反差。
楊立昆的批評恰逢其時：機器人產業的終極目標不應是創造"人造人"，而是拓展人類能力邊界。當45萬家企業深陷仿生迷思，或許更需要冷思考：繼續追逐人形幻想，可能重蹈早期自動駕駛追求全場景的覆轍；轉向場景創新，或能開辟真正的商業藍海。
站在2025年的技術臨界點，楊立昆預測未來十年將迎來AI實質性突破。但要實現從";人工智障"到"智能伙伴"的跨越，行業需要回歸本質——少些炫技演示，多些場景深耕；警惕資本泡沫，專注技術攻堅。唯有如此，機器人才能真正從實驗室走向千家萬戶，完成從"玩具"到"工具"的歷史性蛻變。
