日本真的错过了人形机器人风口吗？

日本失去的是“人形叙事”，还是下一代机器人的定义权？

摘要：日本曾是全球最早布局人形机器人的国家之一，却没有成为这一轮AI人形机器人热潮的主角。问题并不是“技术落后”：日本仍拥有工业机器人、精密减速器、伺服控制、传感器和制造体系等深厚积累，真正的短板更多集中在VLA、机器人基础模型、数据、软件生态、资本和跨学科人才。随着Physical AI兴起，日本正在尝试把工业时代的“身体优势”重新接入AI。人形机器人从Demo走向规模量产后，日本是否能抓住下一波风口？

从ASIMO到VLA，日本错过的不是人形，而是“AI定义机器人”

如果把时间拨回二十多年前，日本几乎就是全球人形机器人的代名词。Honda的ASIMO曾让双足机器人真正进入公众视野，Toyota随后推出T-HR3等机器人平台，川崎重工也长期研发Kaleido。与此同时，FANUC、安川电机等企业在工业机器人市场建立起深厚基础，日本还拥有减速器、伺服电机、轴承、传感器和精密加工等完整产业链。很长一段时间里，“机器人强国”都是日本制造业最鲜明的标签之一。

但到了2023年以来这一轮人形机器人热潮，舞台中央换了主角。美国把大模型、VLA、世界模型、GPU和风险资本带入机器人，中国则依靠完整供应链、制造场景和快速迭代能力，大量推出人形机器人整机并推进工厂验证。相比之下，日本在人形机器人创业、融资热度以及AI机器人产品定义上的存在感明显下降。据了解，2023—2026年VLA、世界模型和机器人基础模型的一批代表性成果主要由美国高校和科技企业推动，日本虽然拥有Preferred Networks、Toyota Research Institute、Sakana AI等研究力量，却没有形成同等规模的整机创业和模型产业化浪潮。

这很容易让人产生一种印象：日本“起了个大早，却赶了个晚集”。

但如果因此得出“日本不会做人形机器人了”的结论，又明显过于简单。ASIMO后来没有演变成今天意义上的通用人形机器人，并不意味着此前的技术积累被清零。Honda此后仍在持续推进相关机器人技术，将平衡控制、感知和全身运动等能力延伸到Avatar Robot等项目；2025年Honda在介绍ASIMO OS时也明确表示，即便ASIMO机器人本身的开发阶段已经过去，公司仍在继续推进相关机器人技术。 Toyota同样没有停止机器人研究，T-HR3等项目继续探索远程操控、力反馈以及机器人辅助人类，川崎重工的Kaleido也延续了双足和全身控制路线。换句话说，日本并没有突然失去制造人形机器人的能力。

真正让这一轮机器人产业与ASIMO时代拉开距离的，是AI开始从辅助技术变成机器人产品定义的起点。

过去的人形机器人遵循的是典型的机电一体化路线：先把机械结构、电机、减速器和控制系统做好，解决怎么站稳、怎么走路、怎样实现精准运动和安全控制，再逐步增加视觉、识别和自主能力。机器人首先是一台复杂而可靠的机器，然后再一点一点变得聪明。

大模型时代的逻辑却开始反过来。VLA、世界模型、模仿学习和强化学习让企业能够先问“AI可以学会什么任务”，再围绕模型需要的感知、动作和数据重新设计机器人身体。机器人研发正在从“机械定义智能”逐步转向“智能反过来定义机械”。模型、数据、算力、仿真和软件平台的重要性迅速上升，机器人也第一次越来越像一种能够依靠数据持续迭代的AI终端。

这正是日本这一轮没有第一时间接住的变化。

日本过去几十年建立的是一套高度成熟的工业机器人创新体系：重视精度、可靠性、安全、寿命和客户ROI，产品在交付之前需要经过严密验证。而当前具身智能产业仍处于高速试错阶段，竞争更强调模型能力、数据积累、软件迭代和资本投入。在工业机器人体系里，“尽量不要出错”是一项核心工程目标；但在机器人学习阶段，允许机器不断试错、获得数据，再通过模型迭代提高成功率，恰恰是技术进步的一部分。两种研发逻辑之间存在天然张力。

因此，日本真正错过的可能并不是“人形机器人”本身，而是AI第一次重新定义机器人的产业切换，以及由此带来的第一轮产品定义权。

那么我们就要问下一个问题：这种落后是否会一直持续？

笔者认为，当人形机器人从Demo走向工厂、商业空间和家庭，竞争最终还要回到精度、运动控制、可靠性、安全、寿命、成本和规模制造。日本在工业机器人、精密机械和核心零部件上积累几十年的能力并没有失效，日本企业只是在等待一个机会。

日本工业机器人这么强，为什么不能直接“平移”到人形机器人？

如果只看产业基础，日本理应是人形机器人最有竞争力的国家之一。国际机器人联合会（IFR）数据显示，日本企业约占全球工业机器人产量的38%，仍是全球最大的机器人生产国。2024年日本新增工业机器人约4.45万台，在役量约45.05万台，制造业机器人密度达到每万名员工约446台；汽车行业2023年更达到每万人1531台。

日本机器人工业会（JARA）的数据也表明这一产业仍在增长。2025年日本机器人产业受注额达到1.0456万亿日元，同比增长25.7%；生产约20.7万台，生产额9453亿日元，同比增长21%。

这种竞争力来自一个完整的机器人产业集群。FANUC是全球工业机器人头部企业，2023年累计出货突破100万台；安川MOTOMAN在2021年累计出货达到50万台，其优势还延伸到伺服和运动控制；川崎重工长期深耕汽车焊接、喷涂和重载场景；爱普生则以小型、高速、高精度见长，据富士经济对2024年金额口径的统计，其工业SCARA机器人出货居全球第一。三菱电机的优势则在于把机器人与PLC、伺服、控制器和FA系统结合起来。再加上减速器、电机、轴承、丝杠和传感器，日本形成的并非单一企业优势，而是一整套工业机器人生态。

但工业机器人强，并不意味着这些能力可以直接“平移”到人形机器人。

传统工业机械臂通常固定在地面，面对确定的工件和轨迹，核心指标是高刚性、高精度、高重复性和长期稳定运行。人形机器人却要把几十个关节、电机、减速器、电池和计算单元背在身上，同时解决轻量化、续航、动态平衡、柔顺控制和跌倒冲击等问题。传统工业机器人使用的减速器、伺服和结构如果直接搬过来，很容易面临重量、能耗和体积过大的问题。

控制方式也变了。工业机器人主要处理固定基座上的多轴同步，人形机器人则属于“浮动基座”系统，抬腿、伸手、搬重物都会改变身体重心，需要腿、腰、躯干和手臂几十个自由度实时协调。

“当今的人形机器人大行其道，好像取得了很大的进展，但实际上让人形机器人做一些比较大的动作是简单的，真正的难点是在细节之处，也就是最后一英寸、一毫米、一厘米这种实现精细动作的技术上，而在这方面，爱普生是有自己的特点的，我们拥有很好的控制技术。”爱普生机器人业务负责人吉野泰德对与非网记者表示，AI负责更高层的指令和智能，但机器人最终能否把任务落到物理世界，仍然取决于精细的传感与控制。

因此，日本的问题并不是工业机器人优势消失了，而是迁移方式发生了变化。伺服、减速器、精密加工、轴承和传感器仍然是重要基础，但关节需要变得更轻、更柔顺，控制器需要接入ROS 2、GPU和AI，传统示教和规则编程也要进一步与VLA、强化学习和Sim2Real结合。

日本工业机器人几十年积累留下了一副很好的“身体”。但能不能让这副身体适应AI时代，并完成从精密机械和运动控制优势，还需要看Physical AI能力。

减速器、丝杠、轴承、传感器：日本产业链上游优势还剩多少？

如果说日本在这一轮人形机器人整机热潮中的存在感有所下降，那么产业链上游的情况要复杂得多。

在机器人领域，日本真正难以绕开的优势包括一整套精密零部件体系：Harmonic Drive Systems的谐波减速器、Nabtesco的精密减速器、THK的直线运动部件、NSK和NTN的轴承、Nidec的电机，以及Sony、TDK、Murata、MinebeaMitsumi覆盖的视觉、惯性和力觉器件。这些能力仍然是日本切入人形机器人的重要基础。

减速器是最典型的例子。工业机器人关节需要把电机高速旋转转换为低速、大扭矩、高精度运动，谐波减速器和RV减速器因此长期是日本企业的强项。到了人形机器人时代，精度和寿命依然重要，但机器人要把几十个关节背在身上，减速器还必须更轻、更小，同时承受行走、跳跃甚至跌倒产生的冲击。过去依靠“高精度、高刚性、高寿命”建立的壁垒仍然存在，只是需要围绕轻量化、抗冲击、低摩擦重新设计。需要注意的是，现有资料尚不足以证明这些企业已经主导人形机器人供应链，实际订单和收入贡献仍需结合企业财报确认。

丝杠、轴承也面临类似变化。THK、NSK、NTN长期积累的滚珠丝杠、直线导轨和精密轴承技术，可以进入线性执行器、膝关节和肘关节等机构，高推力密度、低摩擦和可靠性依然重要。资料显示，THK也开始推出面向轻量化、紧凑化需求的相关模组。

真正发生变化的是价值链结构。

工业机器人时代，厂商可以分别采购电机、减速器、编码器、轴承和驱动器，再完成系统集成；人形机器人却越来越倾向于把这些器件压缩进高度集成的关节模组。整机厂商关注的不再只是某一颗减速器精度有多高，而是整个执行器的扭矩密度、重量、能耗、散热、成本和维修便利性。

这对日本供应商构成新的挑战。过去把一个零部件做到极致，就可能掌握高价值环节；未来如果竞争转向“一体化执行器”，单项性能优势可能被系统集成能力稀释。尤其在中国人形机器人产业链中，传统标准伺服产品与高度定制化关节模组的匹配度正在下降，本土供应商和整机厂自研驱动的比重上升。

传感器领域同样如此。Sony在CMOS图像传感器方面积累深厚，TDK、Murata在MEMS和惯性传感领域具备技术基础，MinebeaMitsumi则覆盖微型电机和力觉相关能力。但视觉传感器本身已经是充分竞争的成熟市场，进入机器人BOM并不等于掌握感知系统的定义权。更高的技术壁垒可能出现在六维力传感、触觉阵列，以及传感器与关节控制、AI模型之间的深度融合。

因此，日本在人形机器人上游的状态可以概括为：单项硬件依然很强，但竞争正在从“零部件”向“模组和系统”移动。

日本机器人产业链优势，来源：与非研究院整理

这也是日本机器人产业接下来最关键的一道转折：它仍然拥有一副很强的“身体”，但能不能把零部件优势升级成系统能力，将直接决定其在人形机器人时代的位置。

日本真正的短板：从AI、数据到跨学科工程师

如果把机器人拆成“大脑”和“身体”，日本今天的反差相当明显。在“身体”一侧，日本依然拥有工业机器人、精密减速器、电机、伺服、传感器和制造工艺等深厚积累；但过去几年推动人形机器人快速发展的另一套能力——基础模型、VLA、世界模型、机器人数据、GPU算力和软件生态——日本整体存在感弱于美国和中国。

这并不意味着日本缺少AI研究。Toyota Research Institute、Preferred Networks、Sakana AI以及高校和研究机构都在机器学习和机器人领域持续投入，也出现了Diffusion Policy等有影响力的成果。更明显的差距，在于这些技术尚未形成类似中美那样密集的“模型—数据—算力—机器人本体—资本—应用”循环。

其中一个重要原因来自软件体系。传统日本工业机器人长期围绕确定性控制构建，PLC、专用控制器、示教器和轨迹规划追求的是实时、可靠和可验证；具身智能需要的技术栈却越来越接近ROS 2、Python、PyTorch、CUDA、强化学习和大规模仿真。由此产生的软件接口、控制架构和开发范式断层，成为传统机器人能力向Physical AI迁移的重要障碍。

数据问题甚至更加典型。日本拥有大量机器人长期运行在汽车、电子和精密制造产线，看起来应该拥有丰富的物理世界数据。但传统工业机器人保存的往往是运动轨迹、设备状态和I/O信号，而VLA和机器人基础模型需要同步的视觉、语言、关节状态、力觉、触觉、人类示教以及成功和失败记录。再加上工厂数据往往归客户所有，不同厂商和设备之间格式、协议各不相同，日本的机器人运行经验并没有自然转化为可以训练大模型的标准化多模态数据。

这形成了一个很值得关注的“工业大国悖论”：日本可能拥有极其丰富的机器人经验，却没有及时把这些经验变成AI时代的数据资产。

NEDO等机构近年开始建设机器人数据基础设施和基础模型项目，也说明日本已经意识到这一问题。传统机器人企业同样开始调整方向，FANUC、安川、川崎等厂商正在增加AI、仿真和开放软件平台投入，试图让过去的运动控制体系接入Physical AI。

但真正执行这场转型的最终还是工程师。

日本不缺机械、伺服、运动控制和嵌入式人才，真正稀缺的是一种跨界能力：既懂机器人动力学、关节摩擦、结构共振和电机控制，又能够使用PyTorch、CUDA、强化学习、VLA和Sim2Real训练机器人。笔者查看了相关日系厂商的招聘信息，发现FANUC、安川等传统企业仍更偏向motion control、mechanical design和embedded systems，而中美具身智能企业更密集招聘RL、VLA、foundation model、CUDA和data engineer等人才。

因此，日本下一阶段真正需要补的，既不是单独增加几个AI岗位，也不是简单给传统工程师增加几门算法课程，而是重构整个机器人研发流程，让模型、数据、仿真、控制、关节和本体能够同步迭代。

日本已经拥有很强的“Physical”。接下来能否重新进入机器人竞争中心，很大程度上取决于它能否培养出一批站在AI与物理世界之间、既能调模型，也能调机器人的“新物种”工程师，并由此完成从工业机器人强国向Physical AI强国的转换。

日本真的错过了吗？真正的比赛可能才刚开始

回到最初的问题：日本真的错过人形机器人了吗？

如果把“风口”定义为2023年以来的整机发布、融资、VLA模型和人形机器人Demo，日本确实慢了一拍。无论是美国Figure AI、Physical Intelligence等公司掀起的资本和模型热潮，还是中国人形机器人企业在整机、供应链和应用场景上的快速迭代，日本都没有成为这一阶段最活跃的玩家。

但人形机器人产业真正困难的部分，可能才刚刚开始。

过去几年的竞争更像一场“0到1”的比赛：机器人能不能跑起来、完成抓取、理解自然语言指令，模型能不能在新的任务上表现出一定泛化能力。在这一阶段，AI模型、GPU算力、融资能力和快速试错尤其重要，这恰好是美国和中国企业更活跃的领域。我们可以把2023—2026年的产业特征概括为机器人Demo竞争。

但当机器人进入实际应用场景落地时，一个漂亮的Demo远远不够。

机器人必须回答一系列非常传统、甚至有些“无聊”的工程问题：一天能运行多少小时？连续工作几个月后关节精度是否下降？摔倒之后还能不能继续工作？电机、减速器和驱动器的寿命是多少？故障率能否接受？维修需要多久？一台机器人到底能不能比人工或者传统自动化设备更便宜？

这些问题恰恰是日本机器人产业几十年来一直在解决的事情。

FANUC、安川、川崎、爱普生等传统工业机器人厂商形成的产品逻辑，往往首先考虑可靠性、精度、安全、维护成本以及客户ROI。这种方式在具身智能快速试错的早期阶段显得保守，却可能在人形机器人进入工厂之后重新变得重要。日本上游企业在减速器、轴承、电机、传感器和精密加工等领域积累的能力，也更容易在这一阶段体现价值。

因此，日本下一阶段的机会，并不是简单重复工业机器人时代的成功。

人形机器人需要更轻的关节、更柔顺的控制、更开放的软件架构，也需要VLA、机器人基础模型和大规模数据训练。日本过去的优势必须完成至少三次转换：把工业机器人的精密工程转化为轻量化、柔顺化的人形机器人能力；把制造现场积累的经验转化为可以训练AI的数据；再把减速器、伺服和传感器组成的“Physical”优势，与VLA、世界模型和开放软件生态连接起来。

这三次转换如果做不到，日本最终可能仍然只是下一代机器人的高端零部件供应商，把整机、模型和产业定义权交给中美企业。

最后，笔者认为，日本确实错过了第一波由AI模型、整机Demo和风险资本推动的人形机器人热潮，但这个热潮还没结束。

二十多年前，日本证明了机器人可以像人一样走路；这一轮中美企业正在证明机器人可以理解任务并学习动作。接下来，机器人能不能像一名工人一样可靠地工作，同时把成本降到真正具有商业价值的水平。

这场比赛，才刚刚开始。