在2025年世界人工智能大会（WAIC）的璀璨舞台上，人形机器人成为当之无愧的明星。超过150台这样的人形机器人集体亮相，标志着它们正从科研的象牙塔中走出，迈向更广阔的应用天地。从春晚舞台上的网红角色，到工厂和超市中的实际劳动力，这些机器人正引领着一场从“数字大脑”向“物理智能”的深刻变革，同时也预示着中国制造在全球新一轮产业竞争中的强劲起跑。
在此次大会上，北京大学助理教授、银河通用机器人的创始人及首席技术官王鹤，带来了他的团队历经两年多研发的全球首个基于端到端VLA大模型的智慧零售机器人。观众只需在iPad上下单，机器人便能凭借“手眼脑”的实时协同，自主走到货架前，精准抓取指定商品，再亲手递送到顾客手中。这一过程无需任何预设轨迹，完全依赖于视觉和语言指令的实时处理。
王鹤介绍，这款机器人与传统药房自动取药机械臂的最大区别在于其“非结构化”处理能力。传统药房自动化需要大规模的空间改造和高昂的资金投入，而银河通用的人形机器人则如同即插即用的劳动力，夜间值守、白天补货，不仅大幅降低了成本，还无需对原有店面结构进行改造。
在谈到人形机器人的演进历程时，王鹤将其划分为三个时代。从1967年至2017年，是机器人的“雏形时代”，这一时期的机器人如ASIMO、Atlas等，主要依靠预设轨迹运行，难以在实际环境中应用。自2022年起，机器人进入“运动时代”，通过强化学习在仿真环境中训练，再迁移到真实机器上，虽然实现了复杂的运动，但仍处于“蒙眼”状态。而2024年之后，随着VLA（Vision-Language-Action）大模型的应用，机器人进入了“手眼脑时代”，能够实时理解视觉信息、处理语言指令并执行动作，从而实现了在零售、工厂、药房等多场景的广泛应用。
当被问及与亚马逊仓储机器人的区别时，王鹤指出，亚马逊采用的是AGV+结构化改造的方案，仍然是上一代自动化的思路。而中国城市空间紧张，小药店、小仓库难以承担这样的改造成本。人形机器人则能够直接走进人类环境，用视觉理解各种物体，用“手”完成抓取、搬运等任务，这才是真正的下一代解决方案。
针对制造业听众关于机器人难以完成“简单”动作如打螺丝的疑问，王鹤解释说，这关键在于操作的结构化程度。对于孔位固定、工具垂直下落的场景，传统自动化早已解决。但手持小产品、双手协作、孔位每次不同的非结构化操作，才是目前的难点。银河通用从最简单的“抓—放”动作做起，逐步提升精度，未来将逐步攻克更复杂的装配任务。
王鹤还提到，AI正在从象牙塔走向产业化。文本、图文大模型的成功已经证明，能够落地的模型都需要产业界的重投入。具身智能仍处于早期阶段，但银河通用已经在真实场景中跑通了商业化闭环，与宣武医院、华西二院等医疗机构合作，让机器人承担量血压、做认知测试等任务，并逐步过渡到夜间查房。未来，随着硬件、安全、成本等方面的不断优化，人形机器人有望走进千家万户。
