当机器人跑完马拉松，这项技术的竞赛才刚刚开始

发布时间：2026-04-20来源：机器人大讲堂

4月19日，北京，2026人形机器人半程马拉松鸣枪。

21.0975公里的赛道上，300多位人形机器人选手迈开双腿，像真正的运动员一样向前奔跑。赛道两侧，观众举起手机，无人机低空掠过，转播设备紧紧跟随，这是一场属于机器人的竞技盛宴，全世界的目光都在聚焦于此。

不少人注意到，赛道边还有一位“机器人摄像师”，背着一套专业拍摄设备，灵活地穿梭在赛道侧方，时而加速跟拍领跑选手，时而放慢脚步捕捉掉队选手的细节。它的运镜流畅、构图精准，甚至在选手之间的缝隙中找到了几个堪称教科书级的动态特写镜头。

（当虹科技“机器人摄像师”拍摄的比赛画面）

现场观众有人忍不住问：这位“机器人摄像师”的操作员在哪？

答案是：杭州。一家咖啡厅里。

操控这台四足机器人的工程师，桌前放着一杯美式，眼前的手机上实时显示着1200公里外北京赛场的画面。他滑动屏幕，千里之外的“机器人摄像师”就在赛道上改变跟拍路线，镜头也缓缓转向。整个过程延迟极小，就像他本人站在赛场边上一样。

令人意外的是，这场看似不可能实现的产品验证，竟由一家不生产机器人本体的公司当虹科技完成。

他们目前正在探索与验证的东西，远不止“机器人摄像师”拍摄机器人跑马拉松这么简单。

01.

机器人行业最不愿意面对的真相

本届马拉松赛场，近四成人形机器人在试图提升自主性，减少对近距离遥操的依赖。然而，这正是当下机器人行业最不愿意面对的真相。

企业是为了展示自主性，但真实的场景中，完全自主的机器人其实离我们还很远。

因为现实世界里，一只突然出现的动物、一辆违停的货车、一滩没人清理的积水、一段信号突然中断的盲区，任何一个教科书上没写的意外，都可能让一台自主机器人当场宕机。“理想环境”这四个字，本身就是一个巨大的限定条件。

更关键的问题是：当机器人在核辐射区域、火山口、地震废墟里遇到意外时，你不可能派一个人跑过去重启它。

大家可能还记得，2011年福岛第一核电站事故后，机器人被大量用于高辐射、狭窄、人员难以进入的环境调查与后续退役作业，但第一批机器人到了现场后却犯难了，不是因为辐射影响硬件，而是在极端环境下，通信链路断了，数据传不出来，操作员看不见里面的情况。

我们制造机器人的初衷，是让它代替人去到人不想去、不能去、去了有危险的地方。但现实是，大部分机器人依然离了人就趴窝，部分场景也不放心完全放手。

近期我们在调研中就听到一个很现实的故事。广东一家做清洁机器人的公司，产品已经卖到全国几十个城市。每当新项目交付，都需要派工程师飞到当地，花3-5天时间完成机器人在新环境中的部署调试，建图、标路径、调参数、跑测试。一个熟练的部署工程师，全公司不超过10个。但每个月要交付的项目有几十个。人飞不过来，而且后期出现问题，还要往现场跑。

这就远程遥操价值在2026年被越来越多人看见的原因。它不是一个锦上添花的功能，而是机器人从能用到敢用，从近距离遥操到具身智能之间，那座必须跨过去的桥。

02.

从替身到自主，这座桥如何跨越？

这座桥如何跨过？并不是一跃而过。机器人大讲堂在与多位行业专家交流后发现，这座桥少不了四道“桥拱”支撑，并且每个支撑都指向一个无法绕开的现实需求。

第一道支撑是机器人作为替身，帮助人类去危险或者去不了的地方。福岛核泄漏十五年过去了，前面提到的问题，依然是全球核工业的噩梦。其实，不只是核电站。火山口的气体采样、地震废墟里的生命搜索、深海管道的裂缝检测、高空输电线路的覆冰巡查，所有这些场景都有一个共同特征，人进不去，但信息必须出来。

前面提到的当虹团队，去年完成了一次技术验证，操控一台四足机器人，跨越1700公里，从远端控制室实时操控它走进乌兰察布一座火山的边缘地带，完成了气体数据采集和高清影像回传。这无疑就是人类替身的最佳表现形式。

（跨越1700多公里，当虹科技工作人员“隔空”指挥机器狗探火山）

第二道支撑是分身能力，让一个专家变成十个。前面提到的清洁机器人公司，后来他们接入了远程遥操模块。部署工程师坐在总部，远程接管机器人的传感器和运动控制，在线完成环境建图和路径规划。一个人一天可以处理3-4个城市的部署任务，效率直接翻了好几倍。

“让稀缺的专家资源脱离物理空间的限制，实现一人多机、一人多地的效率跃升。”北京一所重点大学控制学院的教授也和我们说，这对于许多已经实现批量化部署机器人厂商来说尤其关键。如果你的产品每卖到一个新客户，都需要派一个人去驻场，那你的商业模型永远是线性的。只有当你能远程交付、远程运维、远程处理异常时，你的业务才真正可能指数级增长。

第三道支撑是数据。对于关注具身智能赛道的玩家来说，这可能是最性感的部分。目前全球具身智能领域最大的瓶颈是什么？不是算法，不是算力，不是硬件。而是数据。更准确地说，是真实世界中、真实物理交互的操作数据。

大语言模型可以在互联网上找到几乎无限的文本数据来训练。但一台机器人在不规则地形上迈步、在复杂障碍间穿行、在变化光照下识别目标的操作数据，从哪里来？答案是从人类的操控中来。对一些复杂、危险场景来说，超远距离远程遥操在实现替身、分身的同时，还在同步积累数据——操作员在这个时刻看到了什么画面，做出了什么决策，发出了什么指令，机器人的关节如何响应，地形如何变化，任务是否完成。这些数据都能够成为未来具身智能模型的燃料。

最后一道支撑是兜底，远程遥控其实也是自主智能的最后一道安全网。这一层可能是最容易被忽视的，也是最重要的。目前人形机器人与具身智能行业里最主流的机器人部署模式，叫自主化，机器人按预设路线自动行走，自动拍照，自动记录数据，不需要人干预。但每一个做过现场部署的人都知道，不需要人干预只是一个美好的愿望。

03.

为什么这件事比看起来难十倍？

看到这里，可能有人会觉得：远程遥操不就是视频传输+远程控制吗？视频会议不是都在用吗？无人机没有远程操控不是也在飞吗？

如果你真的这么想，说明你还没走进过现场。用一个最直观的对比来说明远程遥操与普通视频通信之间的鸿沟：你在办公室里开视频会议，画面卡了一秒，你最多皱个眉头。但一台机器人在核电站内部执行精密操作，画面卡了一秒，操作员可能在那一秒内发出了一条错误的运动指令，导致机器人撞上了反应堆容器壁。

再比如无人机操控依赖图传可以飞很远，这是因为无人机是在天上飞，缺少遮挡，而机器人我们要放在狭小、复杂的环境里面，图传技术在建筑物遮挡的情况下画面很快就会出现卡顿。

这就是延迟这个参数在不同场景下的分量差异。

那么远程遥操到底难在哪？其实，远程遥操对通信链路的要求，至少要闯过四道关。每一项，都是一道工业级的硬题目。

（跨越1300公里，身处山西文博会现场的当虹科技工作人员，远程操控机器人直播西湖）

首先是延迟问题。人类神经系统从眼睛接收画面到大脑产生反应，极限是100毫秒左右。也就是说，如果视频传输的延时超过100ms，操作员的反应就会出现时延，他看到的画面已经是过去式，而他基于过去的画面做出的操作，又会在未来的某个时刻才生效。这种时延在日常视频通话中可以忍受，在远程操控精密机器人时可能是致命的。

其次是画质。机器人回传的画面不是给人看个大概的，而是需要提供给操作员做精确决策。变电站巡检要看清表计读数，管道巡检要看清焊缝裂纹，夜间巡逻要在几乎全黑的环境下识别人形。这就要求在极限压缩的前提下，还要做画质增强，例如去抖、去雾、夜视增强、超分辨率重建，这些都非常考验一个公司的技术积淀。

第三道关，是我们要提到的多模态。不同模态的信息作用不一样，比如摄像头最大的优势，是信息丰富，但容易受到光照等环境影响；雷达点云数据则擅长识别障碍物的准确位置，擅长回答“离我多远”“空间结构是什么样”。

目前空间视频、激光雷达、红外与多光谱、单目深度感知等先进技术，更多用于智能网联汽车等领域，尚未在机器人行业内得到广泛应用。我们了解到的案例是，当虹科技已经能对机器人的多模态数据进行处理了，这样操控人员不仅能看到高清影像，还能通过三维空间数据感知地形起伏、障碍物距离，获得接近真实的临场感。

（当虹科技BlackEye Vision融合处理视频、音频、激光雷达、图像、信令、文本等多模态数据）

在解决延迟、画质、多模态的问题后，机器人想要进入更广环境，想要哪里都能用，还有全网适配的问题。因为未来机器人的价值，恰恰体现在信号不好的地方，地下管廊、远洋船舶、沙漠油田、高海拔矿区、火山口。这些场景的实际部署中，可能面临4G、5G、卫星、专网、自组网等不同通信环节。链路必须能识别所有网络制式、适应所有带宽条件、在任何一种网络上都跑得起来。甚至在短暂断网后，还要能自动恢复连接、补传关键数据。这些都对技术实现提出了近乎苛刻的要求。

这四道关，任何一道单拿出来都够一家公司啃几年。全部做到工业级可用，需要的不是灵感，是积累。

04.

一个不像机器人公司的关键玩家

有意思的是，在远程遥操这个领域，我们发现了开头提到的这个很不寻常的角色——当虹科技。

如果你在机器人领域没听过这个名字，那也很正常。因为这家公司过去三十年干的事情，和机器人关系并不大。1994年，这家公司开始做视频编码。那时候中国还在用模拟电视，数字电视都还是个概念。此后的三十年里，他们给央视做了8K超高清编码系统，给卫星运营商做了卫星视频压缩传输。他们的核心技术一直在一条线上：怎么把又多又重的视频数据，在又窄又不稳定的通信管道里，又快又清晰地传过去。

视频压缩、低延时传输、弱网适配、画质增强，这些当虹科技在做的关键词串起来看，恰恰和前面列出的远程遥操的四道技术难题有着高度重合。这不是巧合，更像是技术演化的必然路径。

我和同事在调研后感叹，当虹做远程遥操，不是跨界，而是降维。他们用三十年积累的视频编码能力，把远程遥操的端到端延时压到了80毫秒，比人类神经反应极限更快，这意味着操作员看到的画面和真实场景之间几乎没有时差，操控手感接近就在现场。

他们的视频压缩算法，常规场景下能实现10倍左右的压缩比，保证画质基本不变，在卫星链路等极限带宽场景下，压缩比可以拉到10-100倍。这意味着卫星链路上，其依然能传输可用的高清视频流，这在任何需要远程控制的行业都是相当硬核的能力。

还有多模态融合传输、全网自适应切换、AI画质修复与增强，这些他们所具备的能力也并不是重头研发的，而是在过去三十年的广电、航天、公安项目中反复打磨过的成熟技术模块，现在被重新融合，装进了一个叫BlackEye Vision的超远距离远程遥操系统里。这使得一个做了三十年视频传输的公司，拿出一套从延时到压缩到画质到网络全链条打通的解决方案，突然出现在机器人赛道上，却并不令人意外。

当然，更值得关注的是他们选择的切入领域。“我们不生成机器人‘身体’，但赋予机器人‘灵魂’和‘技能’。”在调研中，当虹产品经理提到的这句话让我们为之一震。原来，当虹不做机器人本体。不做关节电机，不做运动控制算法，不做具身大模型。他们只做一件事：通信链路层和多模态融合。用一个可能不太严谨但很直观的比喻，如果把机器人比作人的身体，具身大模型是大脑，运动控制是小脑和脊髓，那当虹做的就是神经系统，连接大脑和四肢的那根高速通道。没有神经系统，大脑再聪明，四肢再灵活，也只是一堆互不相关的零件。但当虹将它们串了起来。

（跨越1700多公里，当虹科技工作人员“隔空”指挥机器狗探火山）

最终，当虹提供的标准化远程遥操能力模块，可以被任何机器人本体厂商集成。无论是四足机器狗、轮式巡检机器人、人形机器人，接入这个模块就能获得超低延时、超高压缩、多模态融合的远程遥操能力。

对本体厂商来说，这意味着不需要自己重新造一遍通信链路的轮子。面向电力、公安、石油、应急等行业客户，当虹提供端到端的巡检解决方案。不只是给你一个通信模块，而是从机器人选型、任务规划、远程操控、数据回传到报告生成的全链条交付。

对行业客户来说，这意味着不需要自己去做机器人+通信+平台的系统集成。当虹还提供一个多机器人汇聚控制平台。这类似一个操控中台，能同时管理不同品牌、不同类型的多台机器人，统一调度、统一监控、统一数据管理。这个架构让我想到了一个类比：智能家居领域的米家。

在智能家居早期，每个品牌的设备都有自己的App、自己的协议、自己的生态。用户买了五个品牌的设备，手机上要装五个App。后来米家做了一件事：统一协议、统一平台、统一控制，不管你是什么品牌的灯、什么品牌的锁、什么品牌的摄像头，接入米家就能统一管理。

机器人行业今天也面临同样的碎片化问题。一个电力公司可能同时采购了三家厂商的巡检机器人，每家的操控系统互不兼容，数据格式各不相同。当虹想做的，是在通信和控制这一层建立一个统一平台，让不同品牌的机器人都能说同一种语言。

这让我们突然意识到，一个做了三十年视频技术的老兵，正在用模块+方案+平台的三层架构，在机器人行业里构建一个关于连接的基础设施。

05.

结语与未来

人形机器人马拉松背后，其实让更多人看到一个更本质的问题上。

行业里有一种声音认为，远程遥操是机器人走向具身智能必经之路，但只是一个过渡阶段的产物，等具身智能成熟了，机器人完全自主了，遥操就没用了。

这种观点的逻辑缺陷在于，它假设了一个机器人100%自主的终局。但如果你看看自动驾驶行业的发展就会明白，L5级别的完全自动驾驶，喊了十年了，至今没有任何一家公司敢说不需要人类介入。

机器人也是一样。即使在最乐观的技术预期下，未来十年内，人类远程监督+异常接管仍然会是绝大多数商用机器人的标配运营模式。更重要的是，正如前文所述，远程遥操本身就是具身智能训练数据的核心来源。如果没有大量的人类遥操数据，具身大模型的训练在固定训练场必然存在局限性。

所以远程遥操不会消失。它会从操控工具演化为数据管道，最终成为机器人产业的基础设施。

就像互联网时代的TCP/IP协议，你不会天天想起它的存在，但没有它，整个数字世界就无法运转。

远程遥操之于机器人，也将如此。

（工程师使用手机遥操机器人拍摄马拉松中段）

回到文章开头那个杭州咖啡厅里的工程师。

他那天在北京赛道上操控的只是一台摄像机器狗，完成的只是一次直播跟拍任务。但他所使用的那条通信链路，已经实现了80毫秒延时、千公里级距离、公网环境下的实时操控。这条链路所承载的可能性，远远超出了一场马拉松转播。

核电站、火山口、地震废墟、深海、矿井、太空，所有人类想抵达但无法抵达的地方，都在等待这样一条链路。

机器人跑完了马拉松。但对于远程遥操来说，真正的长跑才刚刚开始。

END

工业机器人企业

服务与特种机器人企业

人形机器人企业

具身智能企业

医疗机器人企业

上游产业链企业

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。