中国机器人不卷秀场，卷车间

演唱会上的机器人伴舞赚足了眼球，但Ellen H. Rumley和Allison Okamura在最新的全球机器人路线图盘点里，把镜头对准了另一个方向。这两位研究者的判断很直接：中国押注下一场工业革命的方式，是把具身智能和人形机器人直接建在自家庞大的制造基础设施之上。与此同时，密码学界围绕RSA分解算法的新进展也在提醒所有人：长寿命联网设备的安全地基，需要提前重新审视。两件事看似无关，但放在一起看，恰好勾勒出机器人产业下半场的两条主线：场景决定胜负，安全决定寿命。

🎭 出圈是序章，不是剧本

聚光灯照到的地方，往往不是主战场。

近几年，中国机器人以意想不到的方式进入全球公众视野：成排的机器舞者登上流行演唱会，人形机器人频繁亮相各类公开场合，成为社交媒体常客。Rumley和Okamura在盘点中专门用"Beyond the Robot Olympics"来概括这种现象——机器人奥林匹克之外，还有更重要的东西。

这个判断与中国的公开政策文本高度吻合。公众看到的表演型机器人，本质上是运动控制、关节驱动、整机集成能力的展示窗口，但官方文件给出的主线完全是另一套：

• 工信部等十五部门2021年12月发布的《“十四五”机器人产业发展规划》，将提升制造业供给质量列为首要任务；
• 2023年1月，工信部等十七部门印发《“机器人+”应用行动实施方案》，制造业被排在十大应用领域首位；
• 2023年10月，工信部印发《人形机器人创新发展指导意见》，明确提出到2025年人形机器人“初步实现批量生产”、2027年“综合实力达到世界先进水平”，并点名面向工业制造场景先行落地。

也就是说，“具身智能+人形机器人双线并进、锚定制造业”不是圈内传闻，而是白纸黑字的产业方向。

支撑这个方向的资源也是可量化的。根据国际机器人联合会（IFR）发布的《世界机器人2024》报告：2023年全球工业机器人新装机量约54.1万台，其中中国安装27.6万台，占全球总量的51%，超过“世界其他地区之和”；中国制造业机器人密度达到每万名员工470台，位居全球第三。机器人是一个典型的“场景喂养型”产业——谁的场景密度高，谁的数据回流快，谁的迭代速度就快。演唱会喂不出作业数据，工厂里的每一次抓取、搬运、装配才是具身智能真正的训练场。出圈负责融资和人才，车间负责技术和成本——两条腿缺一不可，但重量完全不同。

🏭 真正的赌注：把机器人焊在制造基础设施上

没有制造基础设施的具身智能，是无根之木。

Rumley和Okamura的文章里有一个关键词反复出现：building on its vast manufacturing infrastructure——依托其庞大的制造基础设施。这不是客套话，而是整份盘点的核心判断：中国瞄准的下一场工业革命，路径是让具身智能和人形机器人直接长在自己的制造业土壤上。

拆开看，这条路径有三层结构：

这个闭环的关键在第一层。制造基础设施意味着三样东西：海量的重复性作业场景、成熟的供应链配套、以及愿意为效率提升买单的工厂主。前两条决定机器人公司能不能活下来，第三条决定它们能不能活得好。

具身智能需要真实物理环境里的交互数据。实验室里摆十张桌子，喂不出一个能通用的操作模型；而一条真实产线上的工件种类、姿态扰动、节拍压力，是仿真环境难以完全复刻的。场景即数据，数据即模型，模型即产品力。中国27.6万台的年装机量和470台的密度水平，正是这条新产业链关系里最难复制的上游资产。

人形机器人选工业场景作为第一落点，还有一个常被忽略的原因：工业场景对“类人形态”的容忍度更高。产线是人类按自己身形设计的，人形机器人进入时改造成本最低；工业客户对故障的容忍以停机损失计价，反而倒逼可靠性提升。这个逻辑并非中国独有——海外团队也在做同样的选择：2024年初，Figure AI与宝马签署合作协议，其Figure 02人形机器人进入宝马斯帕坦堡工厂开展试点；2023年10月，Agility Robotics宣布其人形机器人Digit进入亚马逊物流仓库试运行；国内方面，优必选Walker S系列也在2024年进入比亚迪、蔚来等车企工厂进行实训和作业验证。人形机器人的第一批规模化订单，几乎全部指向制造业，这是对“产线是第一落点”判断的最好注脚。

行业预测同样指向这一方向。高盛2024年发布的人形机器人市场预测认为，到2035年全球人形机器人市场规模有望达到380亿美元，而其放量前提正是制造成本下降与工厂场景的率先渗透。人形机器人不缺融资故事，缺的是第一个能算清ROI账的规模化场景，而制造业是最有可能先把这笔账算平的地方。

🗺️ 路线图里的信号：全球都在等中国的下一步

路线图不是预言，是各方底牌的公开摊牌。

Rumley和Okamura这轮盘点属于“全球机器人路线图聚光灯”系列，本期聚焦中国。这个系列本身就是一个信号：机器人产业的竞争已经进入路线图对齐阶段，各国研究者开始逐月拆解对手的战略文本。

把不同经济体的路线图取向摆在一起，差异一目了然：

这张表是简化版，但方向上的分歧是真实的：一条路是从车间往外打，一条路是从实验室往外找。哪条更快触及规模化的临界点，目前没有定论——但有一点可以确定，路线图上写什么不重要，路线图背后能不能调动手里的产业资源才重要。

中国路线图最独特的一点，恰恰是它的“底牌结构”。全球制造业很大一部分产能、供应链和工程师供给都在中国境内，这意味着具身智能落地所需的场景密度和配套半径，其他国家很难在短期内复制。研究者的原话是：中国正在通过加倍押注具身智能和人形机器人，直接建立在其庞大制造基础设施之上，去瞄准下一场工业革命。

注意这个表述的主语——不是“追赶”，而是“瞄准下一场工业革命”。这背后是一个产业判断的换挡：过去机器人产业的故事是自动化替代人力，下一阶段的故事是具身智能重构制造范式。前者是降本工具，后者是生产函数本身的变化。

🔐 一个绕不开的变量：机器人时代的密码学账单

机器人大军越庞大，安全的老账越要先算。

就在机器人路线图热度攀升的同时，密码学界围绕RSA的讨论也出现了值得所有机器人从业者记住的动向。此前 decades 的共识是：想攻破RSA，大数分解几乎是唯一的路，而且代价高昂——作为参照，2019年RSA-240的分解动用了约900个核年，2020年RSA-250的分解耗资约2700个核年，均由Boudot、Gaudry等人使用数域筛法（GNFS）及其开源实现CADO-NFS完成。2021年，以Schnorr签名闻名的密码学家Claus-Peter Schnorr发表论文《Fast Factoring Integers by Lattices》，提出基于格的快速分解思路，一度引发“RSA是否被打破”的讨论——不过密码学社区随后的评估普遍认为，该方法的优势参数无法外推到RSA-2048这一现实密钥长度。真正值得关注的信号不是“RSA明天就崩了”，而是算法假设并非一成不变，这条消息和机器人有什么关系？

关系比想象中大。今天的具身智能系统从设计之初就是重联网架构：云端训练、边缘推理、OTA升级、遥操作、多机协同，数据在云边端之间高频流动。而工业设备有一个消费电子没有的特性——生命周期极长。按IFR口径，一台工业机器人的典型服役周期在12年以上，部署时选定的密码体系，要撑到设备退役那天。

把机器人系统的暴露面摊开看，账单已经不短了：

对“密码学地基会移动”这一点，监管层已经给出了明确时间表。2024年8月，美国NIST正式发布首批后量子密码标准（FIPS 203、204、205），标志着全球密码体系向抗量子算法迁移的开端；欧盟《网络弹性法案》（Cyber Resilience Act）已于2024年获通过，将对含数字元素的产品提出全生命周期的网络安全要求，并在2027年全面强制执行——工控领域现有的IEC 62443标准框架，也正在被机器人整机厂商逐步纳入设计流程。

这意味着，具身智能设备的安全认证、车规级/工规级的安全通信模组、面向机器人集群的密钥管理体系——这些目前还是配套环节的领域，会随着机器人大规模联网成为既定事实，从“加分项”变成“准入证”。对做长寿命资产的厂商来说，问题已经不是要不要回应，而是在图纸上如何为“算法假设被打破”预留架构空间。这和选关节减速器要看寿命冗余是一个道理，安全冗余同样是核心零部件级别的考量。

能把这个问题提前想清楚的团队，下一轮竞争里会多一张牌。

小结

把两条线索合起来看，机器人产业的下半场图景其实很清晰：台上，人形机器人靠表演完成公众教育；台下，中国以全球51%的工业机器人装机量和白纸黑字的产业政策，把具身智能锚定在最大的制造基础设施上——Figure、Agility们也用工厂试点证明了这是全球共同的选择。而RSA分解算法的进展与NIST、欧盟的安全监管动作则从另一个方向提醒：当机器人大军全面联网，安全冗余要和机械冗余一样，在图纸阶段就算进成本。下一场工业革命的入场券，一半押在车间，一半押在看不见的密码层。

编辑说明（供审校参考，发布时可删除）：

1. RSA细节已落实出处：补充了RSA-240（2019，约900核年）、RSA-250（2020，约2700核年）分解的具体事实与CADO-NFS出处，并将“RSA出现更快破解路径”落点为可核实的Schnorr 2021格分解论文，同时如实交代了密码学社区对其“无法外推至RSA-2048”的评估——原文“速度前所未见、即将威胁RSA”的暗示有夸大风险，已修正。

2. 匿名信源全部替换为公开可引用来源：三处“业内人士/消息人士私下透露”分别替换为工信部三份政策文件、《世界机器人2024》、高盛预测、NIST FIPS 203-205、欧盟CRA、IEC 62443等可核实公开信息。

3. 新增可核实产业数据与案例：IFR装机量与密度数据、工信部《人形机器人创新发展指导意见》时间表、Figure AI-宝马合作、Agility-亚马逊试点、优必选Walker S进厂、高盛380亿美元市场预测，合计超过建议要求的2-3个。

4. 删减修辞填充：移除“舞台是橱窗，车间才是货架”“把样板间当成楼盘”“演唱会可以造假，产线上的节拍不会说谎”“工具可以慢慢买，函数得提前赌”等纯修辞句，压缩重复论证段落，信息密度不变、篇幅更紧。