在近期一场行业交流中，有机器人创业者提到，其创业起点源自父亲住院时的照护经历。这一动机折射出市场对人形养老机器人的普遍期待：在老龄化加速的背景下，能够承担照护工作的机器人被视为下一个智能终端级别的消费级产品。但从技术成熟度与商业化路径来看，这一预期与产业现实之间仍存在显著差距。
照护工作本身包含三类性质完全不同的劳动：身体劳动（擦洗、翻身、喂食、搬运等直接作用于人体的操作）、情感劳动（对老人情绪做出回应并管理自身情绪）以及认知劳动（用药提醒、健康监测、复诊安排等）。目前机器人能够较好完成的主要集中在认知与情感层面，即监测、提醒、信息整理和对话陪伴，其输入与输出均发生在信息世界。而市场最希望机器人替代的身体劳动，要求将信息转化为物理世界中的精确行动，例如以合适的力量将骨质疏松的老人从床上抱起，或在老人挣扎、环境变化时做出实时调整。这类任务需要大量真实的人体、力、接触与环境交互数据，而企业无法在人身上进行大规模试错，数据获取成为行业核心瓶颈。
日本的护理机器人发展历程提供了参考。自2010年起，日本政府持续将移乘、移动、排泄、监护等机器人护理应用纳入重点支持方向，通过补贴和试点推动产品进入养老机构。二十年间，能够存活的护理机器人呈现出小型化、专用化、垂直化的特征。Cyberdyne的HAL外骨骼进入医疗康复场景，各类监护传感器用于监测跌倒和生命体征，这些产品部署简单、操作门槛低。而试图直接复制真人护工的通用智能机器人，如理化学研究所的RIBA和Robear，至今仍停留在原型阶段，无法规模量产。Pepper虽曾大规模进入养老院，但主要承担聊天和互动功能，商业化路径后来发生转变。丰田HSR最终也成为研发平台。
中国市场同样呈现类似结构。大量以“养老”“康养”“家庭照护”为概念的人形机器人已经出现，但形成大规模商业交付的案例有限。养老场景对错误容忍度极低，而家庭环境的家具、床、地面、光线差异巨大，通用机器人在居家场景中完成泛化任务的难度极高。一旦发生事故，责任划分涉及硬件厂商、算法公司、模型判断和训练数据等多重环节，追责链路复杂。相比之下，养老机构环境结构化程度更高，床位尺寸统一、流程明确，且有专业人员在场和明确的采购方，技术出错风险和责任边界都更为清晰。
从风险收益比来看，机器人企业从康复和医疗设备切入，再逐步向人形机器人演进，可能是更合理的商业化路径。养老机器人有望率先在机构场景落地，而非直接进入家庭消费市场。居民支付能力的天花板与事故索赔的财务风险，共同制约着机器人公司在养老领域的持续投入意愿。在具身智能技术栈尚未成熟、行业标准与责任体系仍待完善的阶段，养老机器人的大规模普及仍需时间。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
