《科創板日報》6月13日訊（記者 李明明） “在北京機器人馬拉松比賽后的一個月之內，我們就拿到了1000臺以上訂單，到今天為止，總的訂單規模已經突破2000臺，總合同額已經超過1個億。”近日，松延動力創始人、董事長姜哲源在北京前沿國際人工智能研究院“AI月光社·走入百家創新企業”系列活動第一站——走入松延動力活動上表示。

不只是松延動力，此前宇樹創始人王興興也表示，目前包括宇樹在內的人形機器人企業發展都處于良好狀態，“很多企業訂單都爆掉了。”

人形機器人爆單之后，也衍生出一系列問題，比如爆單背后的客戶需求是否真實可持續、何時能在應用場景創造真正的價值？

關于人形機器人落地應用，北京前沿國際人工智能研究院理事長、英諾天使基金合伙人王晟對《科創板日報》記者分析，特種行業將率先應用，工業場景因容錯率低有挑戰，家庭、商業服務場景對容錯和效率要求寬松或更合適。

總訂單規模已超2000臺

在昌平區未來星科能源谷智造產業園，《科創板日報》記者見到了近期名聲大噪的機器人“小頑童”，作為能實現室內外多地形連續空翻的人形機器人，“小頑童”走路、空翻、握手等一系列動作流暢自然。

N2小頑童連續空翻

現場，《科創板日報》記者還與仿生機器人1.0“Hobbs”和2.0“小諾”進行了互動，Hobbs和小諾可以跟隨真人實時同步面部表情，并可實時流暢對話。據公司方面介紹，小諾面部擁有32個自由度，是全球面部自由度數量最多的仿生機器人之一，能夠實現近乎于真人的面部表情。

仿生機器人1.0的Hobbs

姜哲源表示，目前，松延動力已經形成兩大產品線，一類是雙足人形機器人包括N2和E1，一類是仿真人形機器人，公司的最終目標是讓機器人真正走入千家萬戶，“給大家當保姆和管家。”

其進一步表示，今年，松延動力著力推進商業化，通過線上渠道引流，以N2產品低定價制造話題。“未來公司還將談落低價市場，N2定價下探5萬元左右價格帶。”

記者注意到，N2機器人在五一前的促銷價為3.99萬元，相較宇樹科技Unitree G1基礎款9.9萬元人民幣的售價，其還要低約59.7%。姜哲源在此前的采訪中曾對記者表示，這一定價策略旨在通過價格維度避開競爭，并且這一定價之下，公司仍有健康的毛利。

馬拉松帶來的出圈效應疊加價格優勢，推動了松延動力的訂單增長。姜哲源坦言，現在最主要壓力在于生產和交付，“所以公司搬到標準廠房，搭起了一個最基礎的生產線，開始了機器人的組裝。”目前，除了昌平廠房，松延動力還在常州、東莞都布局了生產基地。**

在松延動力新辦公樓的生產線，《科創板日報》記者看到，數十個訓練有素的工作人員正在忙碌著，旁邊則是幾個 “裸裝”的機器人和各種零部件。有工作人員告訴記者，其正在組裝機器人手臂的1號件和2號件，每天大概可以完成約二三十個。

值得一提的是，松延動力新辦公樓所在的北京市昌平區，是北京市“一南一北”機器人產業空間布局的重要組成部分。據介紹，昌平區已經擁有各類的新型企業97家，產業收入超過100億元。目前，昌平區還在努力打造北京機器人產業應用示范高地，構建以機器人本體為核心，關鍵零部件、智能感知系統與技術為焦點的“一核心兩聚焦”研發生產體系。國家人形機器人檢驗檢測平臺也已在該區落地。

人形機器人落地家用場景或早于工業

當下，人形機器人正加速走進現實生活。姜哲源透露，當前松延動力人形機器人最主要的落地場景是科研、教育、商業演出和文旅展廳，需求最大的是教育和商業演出。關于需求市場的新變化，他表示，目前新增了一些圖書館客戶，“相較輪式機器人而言，這類客戶都更青睞雙足機器人。”

北京前沿國際人工智能研究院理事長、英諾天使基金合伙人王晟亦表示，具身智能這一行業發展仍處于早期，目前需求集中于高校、科研院所等，但也誕生了婚慶公司等消費場景的租賃需求，由此可見，隨著市場的發展這一行業或會被創造出更多需求。

王晟進一步對記者分析，人形機器人領域，特種行業將率先應用，工業場景因容錯率低有挑戰，家庭、商業服務場景對容錯和效率要求寬松或更合適。

“對于機器人是進入工業領域、家庭服務領域還是商業服務領域，市場上尚未形成統一意見。不過，我認為機器人進入工業場景的難度較大。一旦機器人在生產線上出現故障，導致組裝部件出現問題，整個生產線可能會停滯，造成巨大的經濟損失。相比之下，家庭服務場景對機器人的容錯率要求相對寬松，對時間效率的要求也不那么高。例如，機器人在疊衣服時可能效率較低，但只要它能在人們上班的8小時內完成任務，就足夠了。” 王晟認為，機器人可以在人們需要休息時接管工作，例如在24小時藥店中，如果使用機器人代替人工值班，即使機器人不智能，完全依賴遠程操作，也能有效降低成本。

長遠而言，機器人的普及和實用性，仍高度依賴智能化水平的提升。在眾多人工智能方法中，強化學習因其能優化機器人在動態環境中的自主決策，被視為實現智能化的重要引擎之一。松延動力的N2機器人之所以能在此前的馬拉松賽上取得優異成績，也和優越的強化學習訓練密不可分。

姜哲源介紹，人類完成決策一般會經歷試錯、重復記憶、改進的過程，強化學習也是通過不斷犯錯、改進進行學習。讓人形機器人得以跑起來的技術則是深度強化學習，它將深度學習與強化學習結合，利用神經網絡增強智能體的感知和決策能力。

據悉，深度強化學習在機器人中的應用可大致分為四個步驟：算法設計、仿真訓練、仿真環境間驗證（Sim-to-Sim）、以及真機部署。在仿真訓練環節，松延動力使用的是英偉達高性能物理仿真平臺 NVIDIA Isaac Gym，該平臺專為大規模機器人學習和強化學習任務設計，具備高效并行計算能力。

在實際訓練流程中，松延動力通常先在低保真仿真器中測試策略，再在高保真環境（如 Mujoco）中驗證其泛化能力，最終部署到真機，以此降低風險、提升適應性。

不過，王晟也指出，強化學習在機器人移動任務中表現良好，但“Sim-to-Real Gap”（仿真與現實之間的性能落差）仍是一個技術瓶頸，特別是在操作類任務中，這一差距尤為明顯。