連機器人先驅都示警：為何砸錢仍解不了人形機器人的關鍵難題？
近期在矽谷山景城舉行的 Humanoids Summit，聚集超過 2,000 位來自迪士尼、Google 及多家新創公司的工程師與業界人士，集中展示人形機器人的最新技術突破，成為當前物理 AI 領域最受矚目的焦點之一。
在創投資金與科技巨頭持續加碼下，人形機器人看似正快速逼近日常應用場景，但產業內部對「距離真正上工還有多遠」的看法，卻尚未形成共識。Humanoids Summit 創辦人 Modar Alaoui 便直言，物理 AI 將成為常態，但真正的問題在於，這個轉變究竟需要多長時間才能發生。
在 Humanoids Summit 上，許多站在第一線的機器人「創造者」，本身也對前景保持高度警覺，試圖為過熱的市場降溫。事實上，來自製造商與工程師的討論皆顯示，產業對人形機器人的質疑，已逐漸聚焦在三個現實層面：展示能力與實際任務之間的落差、是否能長時間穩定運作並承擔錯誤成本，以及在雇用與管理層面，企業是否能清楚評估投資報酬率。
問題一：展示能力與實際任務之間的落差
儘管市場投資者在 2025 年已向人形機器人領域投入約 50 億美元，全球也有約 50 家公司各自籌集超過 1 億美元資金，但產業整體仍處於從「科學實驗」邁向「實際勞動力」的轉型陣痛期。
2025 年人形機器人在硬體方面展現出突破性的進展。例如 Figure AI 推出的新一代 Figure 03，具備更強的感知與觸覺控制，還可以展現與人類極其相似的跑步姿態。波士頓動力（Boston Dynamics）也在 CES 2025 公開新版 Atlas，進一步強化物理性能與移動力。
雖然多款人形機器人已能完成動態平衡，可以在不平整地面行走，甚至在狹窄空間操控物體，然而這些亮眼示範仍主要侷限於「受控環境」中，與真正的「通用」仍有距離，因為目前的技術仍難以讓人形機器人在多變、非結構化的場景下可靠地完成類人任務，尤其是在「處理脆弱物品或雜亂情境」時，這正涉及機器人最核心的缺陷：缺乏「物理直覺與適應力」。
正如麥肯錫管理顧問公司合夥人 Ani Kelkar 所說，現在許多大眾正根據影片進行「大舉推斷」，像是把摺衣服的示範過度聯想為全能管家。但現實是，即使是目前最先進的視覺語言動作系統（VLA），仍處於早期採用階段，且面臨「訓練數據不足」的瓶頸，導致機器人難以在混亂的現實環境中做出可靠決策。
問題二：是否能長時間穩定運作並承擔錯誤成本
「人形機器人領域仍有一座非常、非常大的高山需要攀登，還有大量的研究有待解決，」新創公司 Haptica Robotics 聯合創辦人 Cosima du Pasquier 表示，Haptica Robotics 正致力於賦予機器人觸覺，而這正是目前機器人難以在非結構化環境中處理精細任務的關鍵技術缺口。
此外，全球第一家突破 10 億美元估值的人形機器人公司 Agility Robotics 技術長 Pras Velagapudi，也對目前的產業持保留態度。 Pras Velagapudi 表示，讓機器人在倉庫中搬運箱子，與打造能處理複雜家務的「機器人管家」，在技術難度上屬於完全不同的層次，現階段的人形機器人仍過於不可靠，難以同時處理多目標、具高度變化性的任務，且在多個關鍵技術面向上仍面臨瓶頸。
問題三：在雇用與管理層面，企業是否能清楚評估投資報酬率？
麥肯錫管理顧問公司合夥人 Ani Kelkar 分析，企業在部署人形機器人時面臨的最大障礙，往往不是機器本身，而在於高昂的安全與系統整合成本。Ani Kelkar 形容，企業每投入 100 美元部署機器人，僅約 20 美元用於機器本體，其餘 80 美元實際花在安全防護與系統整合上，以避免對人類造成傷害。這樣的成本結構顯示，在現階段人形機器人若要與人類共同工作，其防護與維運支出仍難以被企業接受。
《Abacus AI News》指出，在策略層面上，人形機器人領域正進入 2025 年至 2035 年的關鍵「基礎十年」（Foundational Decade），重點在於透過反覆的技術改進、小規模的試點部署，以及 AI 與控制系統的同步成長，來解決目前的技術瓶頸。因為人形機器人在物流與高風險工業環境中雖已展現應用潛力，但要真正走進客廳或醫院、成為可被廣泛雇用的通用助手，仍可能需要數年以上的技術迭代。
機器人先驅、iRobot 聯合創辦人 Rodney Brooks 雖然未親自出席，但他於 9 月發表的文章卻在會場被反覆引用。Rodney Brooks 直言：「即便投入數億甚至數十億美元，當前的人形機器人仍無法學會靈巧的操作（dexterous），儘管創投與科技巨頭正投入重金資助這些訓練。」Rodney Brooks 認為，單純靠資金和大量數據訓練，其實並不能跳過基礎工程中對於「精細動作」與「物理直覺」的挑戰。
美國機器人與 AI 新創公司 Persona AI 執行長 Nicolaus Radford 在專題演講中，進一步強調業界必須對「採用的時間線抱持責任感」，意即不能過度承諾。這種來自產業內部的冷靜評估，有助於讓市場認知到，比起馬斯克（Elon Musk）所預言的「需求將是無窮無盡的」，或黃仁勳認為技術「就在轉角處」的樂觀展望，現實的技術成熟曲線與安全標準，將使大規模部署的時間線拉得更長。
人形機器人的未來：挑戰與希望並存
目前人形機器人在高度可預測、結構化的場景中已找到部分應用價值，例如 Agility Robotics 的 Digit 已在亞馬遜及 Mercado Libre 的物流中心協助搬運包裹；Persona AI 則開發用於造船廠的焊接機器人，針對危險且缺工的特定工業角色進行部署。
人形機器人雖已在特定、結構化場域展現初步價值，但距離成為可被廣泛雇用的通用助手，仍受限於多重現實門檻。正如多位產業領導者所提醒，技術進展需要時間累積，過度提前承諾只會拉高風險，因此對企業而言，理解人形機器人的真實成熟曲線，或許比追逐短期想像更為關鍵。
＊本文開放合作夥伴轉載，資料來源：《WSJ》、《Abacus News》、《newo.ai》、《IEN》，首圖來源：Humanoids Summit
立即報名 1/10【2026 AI 人才年會】，聽簡立峰、台積電、NVIDIA 等重磅講者剖析與 AI 協作成為超級人才的關鍵戰略！