人形机器人进家门槛悄然松动各方观点
观点组1: 当前万元级人形机器人价格跳水本质是供应链红利与工程降级的结果，而非技术质变；其功能与用户核心需求严重错配——家务覆盖率仅15%，而陪伴功能达60%，导致经济性与实用性双重不足。
观点作者：松延动力
观点内容：Bumi售价9998元，得益于谐波减速器国产化率超90%，单价从2000元降至800元；但为控成本，我们妥协了负载（≤2kg）、续航（1–2小时）与环境适应性，使其成为教育编程与轻量陪伴设备，而非家务工具——价格下降不等于能力跃升，而是精准匹配极客与高收入尝鲜人群。
观点作者：合十思维
观点内容：行业数据显示，万元机型在真实家庭中家务成功率不足15%，穿针引线成功率不足30%，叠衣耗时超10分钟；而用户最刚需的家务处理功能覆盖率仅15%，情感陪伴却达60%；20万元机器人创造的价值，远低于同等预算雇佣专业家政4000小时的服务产出。
观点作者：特斯拉Optimus团队（引述）
观点内容：Optimus若完全脱离中国供应链，物料成本高达13.1万美元；依托本土供应链可降本70%，但手部电机过热与材料疲劳问题仍未根治，单只灵巧手成本仍超17万元——这印证了‘硬件降价快、智能升级慢’的客观规律，价格标签不能掩盖技术成熟度的真实刻度。
观点作者：变量机器人（58到家服务方）
观点内容：我们曾上线机器人保洁服务，但抓苹果掉落、机械臂卡顿、全程需安全员陪同，6月初已全面下架；夹爪对软物、变形物抓取成功率极低，而灵巧手商用成本不可承受；用户付万元买的是‘未来感’，但实际获得的是高维护成本的‘科技摆件’，性价比显著低于传统人力。
观点组2: 人形机器人进家庭必须分阶段演进：先情感陪伴与健康监护，再逐步渗透至结构化家务，最后实现通用家庭服务，该路径已被产业共识与商业实践共同验证。
观点作者：周剑
观点内容：机器人在家庭场景落地将分两步走：第一步是陪伴功能的应用落地，比如看球赛、聊天、情绪响应；第二步才是服务功能，如叠衣、做饭；当前已具备任务分解与规划能力，但运动能力与泛化操作仍需突破，因此陪伴先行是理性且必然的路径。
观点作者：九康科技
观点内容：养老机器人‘小康’已稳定运行于真实家庭场景，可完成血压血氧监测、跌倒报警、带领康复操等任务，用户付费率达100%，但所有功能均规避精细操作与非结构化交互；我们坚持‘先守护生命，再解放双手’，因为安全与信任是家庭准入的第一道门槛。
观点作者：杨丰瑜
观点内容：家用机器人不应追求完全拟人形态，Wanda采用轮式底盘+三趾触觉抓夹，专注解决‘收拾桌面’‘扔垃圾’等单一高价值任务；家庭场景复杂多变，泛化能力要求极高，必须从最易标准化的子任务切入，而非一上来就挑战‘全能管家’。
观点作者：越疆科技
观点内容：我们将力控系统与具身大模型‘空弈DobotWAM’结合，在LIBERO评测中物体操作任务达100%稳定执行，但该能力优先部署于工业协作与康复辅助场景；家庭应用需叠加隐私合规、长时续航、柔体操作等新约束，因此我们选择先落地养老陪护与儿童教育，再迁移家务能力。
观点组3: 当前人形机器人尚不具备通用家务能力，其真实定位是科研教具、商用展示品或情感陪伴工具，而非家庭保姆。
观点作者：林旭东
观点内容：我花16.9万元把宇树G1 EDU版带回湛江农村老家，期待它端茶送水、陪98岁奶奶，但它只能走路、跳舞，在土路上走不稳，喇叭音量还不如手机，充满电高负荷运行仅2.5小时——它根本不是为家务设计的，而是一个昂贵的科研教育平台。
观点作者：宇树科技
观点内容：G1 EDU版明确面向商演租赁与科研教育市场，其核心价值在于自研运动控制算法，可完成后空翻与奔跑等高精度动作；但热管理保守、单臂负载仅2公斤、缺乏物理常识理解能力，官方从未宣称其具备家庭环境下的泛化家务执行能力。
观点作者：优必选
观点内容：U1系列虽具备88个自由度和仿生皮肤，但产品定义清晰排除清洁、烹饪等家务功能；我们聚焦情感交互、语音响应与陪伴场景，因其技术成熟度高、安全风险低、用户付费意愿强，而家务任务因灵巧手成本高、成功率不足15%、可靠性未达家用标准（需99.99%操作成功率），暂不纳入量产功能。
观点作者：未来不远机器人
观点内容：我们已向500多个家庭交付租赁机器人，主要承担收纳玩具、陪下棋、补充猫粮、老人独居监测等任务；‘整理客厅’等演示依赖语义中枢与空间记忆模型，但在真实家庭中仍需人工兜底；现阶段绝不承诺家务替代，而是以教育陪伴为第一落地切口，因为这是技术可行、伦理可控、用户可接受的起点。
观点组4: 制约人形机器人干家务的根本瓶颈是系统性失衡：AI大脑缺乏物理常识与世界模型，硬件身体受限于能耗、触觉与灵巧手可靠性，而高质量家庭数据缺口超2000倍，三者共同构成难以逾越的‘认知鸿沟’。
观点作者：孙富春
观点内容：机器人学习面临‘非平稳性’挑战——每做一个动作环境即改变，导致预设模型快速失效；当前VLA架构是模块拼接式‘背题’，而突破方向在于原生‘世界模型’，让视觉、语言、动作、物理预测联合训练，否则无法理解‘盘子悬在桌边会掉落’这类因果常识。
观点作者：赵普
观点内容：机器人只认识训练过的特定‘凳子’，不会推理其他凳子也能坐；它用裁纸刀拆快递，却想不到钥匙也能划开胶带——因为它没有‘坚硬物体可划开胶带’的底层常识；这种常识缺失源于具身数据匮乏，实验室50万小时数据 vs 文本大模型百亿小时，差距超2000倍。
观点作者：清华大学研究团队
观点内容：当前最先进腿足机器人运动能耗效率（CoT值）仅为0.11–0.28，远低于人类0.39和鸡的0.03；灵巧手触觉传感器不足200单元，而人类单手约1.7万个；这导致机器人‘能抓不会摸’，在家庭中既无法感知草莓软硬，也无法判断湿滑杯子所需握力，本质是物理层能力断层。
观点作者：智元机器人
观点内容：我们的LWD框架推动机器人在真实部署中‘边干边学’，长程任务成功率提升17%，但前提是硬件具备基础触觉反馈与热稳定性；目前行业仍困于‘高价买硬件、低智配大脑’的失衡结构——谐波减速器与力矩传感器占整机成本66%，智能研发却被数据荒严重制约。
