南方财经记者郑康喜实习生钟宸广州报道
12月13日，在2025广东省人工智能与机器人技能大赛现场，几十具机器人不仅爬坡过坎、跌跌撞撞，也在模拟工业场景中的精准作业与系统集成包括设备巡检、零部件装配等任务。
赛中，有机器人因失去重心向前栽倒，脑袋滚落一旁；有机器人稍有不慎便会跑偏。但比赛也不乏强悍的机器人参赛。来自联通（广东）产业互联网有限公司的选手凭借良好的产品性能和技能能力，拿到机器人工业特种应用赛道第一名。
一场技能竞赛，机器人的机械结构设计、运动控制算法等各项性能被全方位拷问，其在制造、交通、教育等核心场景的融合应用程度也被立体化检验。更为重要的是，让这些钢铁之躯拥有“灵魂”的训练师，不断探索人机交互的边界，推动着技术的革新和产业化进程。
竞赛的背后，是广东对当下机器人产业核心痛点的精准思考：当前，机器人尤其是人形机器人的能力，还不足以满足产业化应用的需求，具身智能的进阶速度远落后于大语言模型。背后的原因在于缺乏大量场景训练。但目前，行业内诸多产品缺乏后半段真实场景的训练，其数据仍依赖通用大模型，这就使得机器人无法完全自主应对各类开放环境，以及封闭环境中的柔性化需求。
“和教孩子学走路需要大量练习一样，机器人也需要在多种场景中反复训练，才能变得更聪明。这就需要训练师在一个又一个真实场景中完成训练。”广东省人工智能与机器人产业联盟副理事长兼秘书长张崟告诉南方财经记者。
而举办训练师的技能大赛，就是要通过搭建高度贴合人工智能与机器人训练师实际工作的环境，设计数据处理、系统搭建、交互设计等核心工作环节，引导参赛者提出切实可行的解决方案。这种模式能有效加速人工智能技术在传统产业中的渗透和应用，推动产业智能化升级。
手把手教机器人“学做人”
在美丽魔方机器人展位前，一名工作人员正头戴智能摄像头、穿戴一只灵巧手，不断以不同力度、角度拿起苹果、鼠标和水杯，将训练数据传至云端，每一次尝试都被精准记录，成为灵巧手学习“如何像人手一样活动”的宝贵数据。
“现有产品识别速度较慢，因为只是科研性质的。如果让它识别一个白点，它可能会将目标物和旁边其他白色物质混淆，这也是我们需要不断优化的地方。其次，要真正实现商业化落地，还需要让它保持更高稳定性。”该名工作人员在接受南方财经记者采访时说，作为训练师，他的工作就是对不同使用场景重新进行数据采集，提高灵巧手的准确率、稳定性。
图为训练师正在训练机器人。郑康喜摄
在本次大会现场，这样的画面不胜枚举。很多面向医疗、制造业、交通等细分场景的机器人旁边，都有一位专属训练师，根据不同任务需求，他们会手把手教机器人重复执行动作，从而训练上千条数据，汇总到AI模型中重新训练，再部署到机器人身上，实现从离身向具身智能的跨越。
2025年对于中国机器人而言，的确是忙碌的一年。从年初忙着参加马拉松，到年中机器人格斗赛，再到现在训练师带着参加技能竞赛，在找落地、找融资的同时，机器人首先需要让“大脑”对身体的控制足够灵敏，在各类复杂环境中，模型的泛化性和鲁棒性越来越强。
要提升机器人的“泛化能力”，让它学会举一反三，不只在特定场景下工作，就得靠训练师人为“制造变量”：同样是拿苹果的动作，苹果的大小、机器人的站位，甚至它的手臂摆动幅度和角度不同，都形成一次新的训练。一个动作从初步掌握到灵活通用，数据需求量会发生量级飞跃。
对于机器人的数据采集而言，过去业内的技术路线主要有三种：遥控操作获取数据、AI模型合成数据、视频观看姿态捕捉。“机器人训练师的出现，解决了机器人数据获取‘从0—1’的问题。接下来企业要思考的是，如何把这些数据精度和质量提高，成本降低。”广州里工实业有限公司的CEO李卫铳认为。
广东很多机器人企业正在解决这个问题。以帕西尼感知科技为例，企业自研了多维触觉采集设备PMEC，并在此基础上建设了全球最大的具身智能数据采集工厂Super EID Factory，通过“多维触觉采集设备PMEC”+“空间视觉矩阵”这类“人因”数据采集方式，可采集包含触觉、视觉、关节角度、动作轨迹、语言等人类与物理世界交互的全模态数据。
不过，现在行业的难点在于，人类的经验并不能被原样迁移到机器人身上，一些需要人类双手协同完成的重物操作，机器人可能通过单手或不同的路径完成。
“因此，训练师不仅要教会机器人‘人类如何做’，更要不断探索‘机器人最适合怎么做’，并针对机器人的能力特点，对学习算法进行适配性调整。这种从人类经验到机器人策略的转化，是当前具身智能训练中的核心挑战之一。”帕西尼感知科技联合创始人聂相如说。
本次技能大赛正在尝试为这种转化找到新的方法论。南方财经记者在大赛现场看到，此次大赛不仅包括对训练师在数据智库构建优化、数据分析与可视化等层面的考核，还包括对训练师在不同场景、不同领域实战问题解决能力的考核。
赛事裁判长，华南师范大学计算机学院、人工智能学院教授郝天永告诉南方财经记者，大会希望通过举办技能比赛，实现以赛促教、产研结合，最终开创产学研用协同发展的新局面。“所以我们不仅是选拔人才，也在解决人工智能与机器人的实际问题。”
从训练师到训练场
“我们不只是在做一份工作，还在参与一个产业从零到一的过程。”正在广州凡拓数字创意科技股份有限公司展位，机器人训练师展宇希笑着说。
这两天，展宇希穿着数据采集装置，忙着不断做各种动作测试，行走、跑步、举手、摆臂、转弯甚至跳舞等，每做一个动作，眼前的机器人就跟着提升一点。他介绍，训练成熟之后，还将进驻广东省具身智能训练场，与合作伙伴一起进行下一步公共训练。
展宇希的介绍，侧面展现了广东机器人产业发展的核心逻辑——从算法到场景再到产业，具身智能的终点应当通向更通用的场景。
不过，华数机器人有限公司华南营销中心总经理张健健分析，除了训练师之外，广东机器人要实现产业突围，拥有规模化、多场景训练场，推动机器人训练模式创新，则是解决场景问题的核心一步。
而今，除上海“模速空间”大模型创新生态社区外，其他省份也在纷纷建设人形机器人创新中心，背靠各自产业需求的多样化，推动机器人训练模式创新。
张健健表示，目前其他地方的省级、市级训练场，大部分是公共平台，可避免企业重复投入训练场而造成浪费，也解决了机器人场景训练中的行业共性问题。
“比如，对于手机企业来说，柔性包装产线场景是通用的。所以，建设多单位融合训练场，不仅能提高机器人训练效率，也能很快把各类场景融合起来，专注于为不同产业链的企业提供赋能。”张健健告诉南方财经记者。
今年以来，这种独特的平台属性，成为推动人形机器人产业化的“加速器”。在这一模式的驱动下，很多训练场已开始吸引产业链上下游企业聚集，形成了从整机、核心零部件到算法模型的“10分钟创新圈”。
此次大会，广东也重磅发布了自己的具身智能训练场。广东宣布，建立具身智能训练场“1+1+N”体系——包括“1”个核心枢纽——广东省具身智能训练场，由主训练场和管理中心两部分构成；“1”个示范窗口——深圳具身智能示范区；以及“N”个地市、行业细分领域的分训练场。
与机器人在展会上展演，在赛场奔跑、搏击不同，真实的行业需求，不仅是一场对科技边界的试探，更是一个需要不断提升良品率，降低容错率的枯燥过程。张健健认为，和家庭、商业、文旅等场景相比，真实的工业场景对机器人的稳定性要求更高，的容错率要求更低。“这就要求广东具身智能训练场既要有更多元的场景，更要有更稳定的生态。”
训练场组建和运营单位广晟控股集团对此回应，不同于现有的国地创新中心模式，或单一品牌机器人本体厂商主导的训练场，“1+1+N”体系从规划起，就希望既发挥各地政府和各类市场主体的力量建设训练场，又以合作机制统筹省内训练资源、数据的联动和融通，加快高质量数据集规模化，促使训练场体系扩大体量、优化资源配置、提升综合能力，以数据驱动和异构训练加快迈向通用智能进程。
这种“全省一盘棋”的做法，将通过充分统筹省内具身智能训练场资源，发挥协同效应，既赋能具身智能产业，又助力做强做优做大地方优势产业。
不过，我们也要清楚地意识到，有了训练场和生态体系，人工智能和机器人领域的征途仍将任重道远。正如聂相如所言，只有形成持续运行、真实交付、闭环反馈的产业链路，机器人量产才具备实际意义。
