賦予人工智能以形體的「具身智能」，正在走紅。

具身智能，這場機器人與人工智能行業(yè)的「雙向奔赴」，讓人們看到了想象中能夠「在家打掃衛(wèi)生、在工廠上班」的高智能機器人開始走入現(xiàn)實。

隨之而來，國內(nèi)外誕生了一批形態(tài)各異的雙足、雙臂機器人、四足機器狗。

站在聚光燈中心的，首推人形機器人。

那么，人形機器人是不是具身智能最佳載體？

2022 年之后興起的具身智能機器人創(chuàng)業(yè)潮，特斯拉的擎天柱、Figure AI 的 Figure 02 成為人形機器人的典型代表。

這批硅谷創(chuàng)業(yè)者認(rèn)為，在一個人類改造、創(chuàng)造的世界里，人形機器人是具身智能最佳載體。人形機器人將獲取人類社會數(shù)據(jù)，為人服務(wù)為目的而出現(xiàn)。

做「人形」還是「非人形」，背后真正決定具身智能機器人賽道選擇的是技術(shù)驅(qū)動或場景驅(qū)動。

• 肉眼可見的是，「不缺錢」的玩家高舉高打，大多在做人形機器人，是為「技術(shù)驅(qū)動」；

• 而更多的是以盡快商業(yè)化為目的的「場景驅(qū)動」型玩家，進(jìn)入了非完整人形（有手、有腳）機器人賽道，比如用技術(shù)更成熟、容易落地的「輪式」代替「雙足」；

• 還有一類是打著人形機器人旗號，為了獲取市場好感度，只是給機器人披上了一層人形外衣，徒有其「表」而無其「實」。

具身智能，成為人形機器人的「試金石」。

無論是「完整、非完整、假完整」人形機器人，智能化程度（大腦+小腦+本體）的高低，是判別機器人「成色」的最佳標(biāo)準(zhǔn)。

人形機器人站在具身智能技術(shù)金字塔尖。

具身智能賽道正在推開多模態(tài)大模型技術(shù)大門，打造充分利用人類行為數(shù)據(jù)、場景的機器人，釋放出迷人魅力。

1、「非完整」和「完整」人形機器人之爭：為什么國內(nèi)機器人大多「缺胳膊少腿」？

今年 6 月，北京大學(xué)助理教授王鶴掌舵的銀河通用機器人，獲得來自美團(tuán)等投資機構(gòu) 7 億元融資，打破了今年的天使輪融資記錄。

與特斯拉等科技巨頭打造的有雙腿、能走路的一類人形機器人不同，銀河通用的產(chǎn)品 Galbot G1 沒有采用「雙足」方案，而是運用可折疊的單腿+輪式底盤。

是否有完整人形，將人形機器人賽道里分出「非完整」和「完整」人形機器人兩大板塊。

（1）、「非完整」人形機器人之「雙臂優(yōu)先」派

以銀河通用為代表的一派認(rèn)為，研發(fā)雙足耗費巨大成本，不是現(xiàn)階段的重心，目前主要精力應(yīng)放在雙臂操作能力上。

其中最具影響力的，包括 Open AI 唯二投資的人形機器人之一的 1X，已在北美和挪威推出了輪式機器人 EVE。

明星公司 Sanctuary 在雙足機器人產(chǎn)品經(jīng)過六七代產(chǎn)品迭代后，宣布放棄「雙足」轉(zhuǎn)為「輪足」產(chǎn)品。

國內(nèi)的由騰訊 RobticsX 機器人實驗室前一號員工創(chuàng)辦的星塵智能 S1、清華系的星海圖 R1，以及順為資本投資的颯智智能推出的移動雙臂作業(yè)機器人「白猱」等，下半身均采用了輪式底盤。

即便都在重點發(fā)力上肢的機器人，但這些產(chǎn)品的手指數(shù)量及形態(tài)不一。

比如，銀河通用 G1 有右夾爪+左吸盤組合，星塵智能 S1 采用雙機械臂+二指夾爪，UniX AI Wanda 是三指手，而戴盟機器人的 Sparky 1 配備五指靈巧手。

（2）「非完整」人形機器人之「雙足優(yōu)先」派

與「雙臂優(yōu)先」派相反，更重視移動能力的雙足玩家也有「非完整」一派，先給機器人發(fā)展出了跑、跳運動技能。

對比對應(yīng)，上肢「五花八門」：

宇樹 H1，雙手為兩個球體；

逐際動力 CL-1 的雙手為兩圓柱、雙足機器人 P1 無上半身/機械臂。

更甚者，小鵬鵬行前總裁創(chuàng)辦的眾擎雙足機器人 SA01，竟然沒有安裝手臂。

（3）「完整」人形機器人派

相比各有側(cè)重的企業(yè)，這一派則是「全都要」，本體形態(tài)上從雙足到雙臂和智能上的大腦、小腦，被稱為「全尺寸雙足人形機器人」。

「完整」人形機器人產(chǎn)品也是最為矚目、智能化程度最高的，有 Figure AI 的 Figure 02，特斯拉的擎天柱（第二代）等。

「技能點」加滿、一步到位多條技術(shù)點并行研發(fā)，這一路線國內(nèi)最具沖勁的是由前「華為天才少年」稚暉君（彭志輝）創(chuàng)立的智元機器人。

智元在一年內(nèi)收獲 5 輪融資，估值超 70 億，可謂國內(nèi)吸金最多的人形機器人創(chuàng)業(yè)者。

實際上，一些「非完整」人形機器人甚至不認(rèn)為它們在做人形機器人，而是冠以「具身智能」機器人。

廣東省具身智能機器人創(chuàng)新中心負(fù)責(zé)人、深圳市人工智能與機器人研究院常務(wù)副院長丁寧認(rèn)為，人工智能和機器人結(jié)合，就是具身智能。

這一定義簡單明了。

一般來說，具身智能（Embodied AI），指的是機器通過感知交互，像人一樣感知周圍環(huán)境變化并作出相應(yīng)反應(yīng)，具備敏銳而靈活的感官。

人形或非人形機器人只賦予了機器人以「形」，而具身智能卻亮點了「智」。

對于具身智能產(chǎn)品而言，形態(tài)不是最重要的，關(guān)鍵是適應(yīng)不同形態(tài)的足夠智能的大腦和小腦。

因此，具身智能，也是人形機器人的技術(shù)核心。

人形機器人由本體和智能體組成

資料來源：特斯拉官網(wǎng)，機器人在線，中金公司研究部

順其自然，具身智能的實現(xiàn)方式，不一定是人形機器人。

星海圖 CEO 高繼揚在一次公開采 訪中提及，機器人現(xiàn)在面對的環(huán)境是人類改造過的社會環(huán)境，人形機器人對于高度特化的任務(wù)崗位未必是最合適的。

在他看來，具身智能的未來應(yīng)該是「一腦多形」。

進(jìn)入人形機器人更本質(zhì)的存在——具身智能大腦，出現(xiàn)了一批備受關(guān)注的產(chǎn)品。

• 英偉達(dá)的多模態(tài)人形機器人通用基礎(chǔ)模型 Project GR00T，專為人形機器人打造，支撐機器人學(xué)習(xí)技能、完成任務(wù)；

• 前阿里達(dá)摩院機器人實驗室負(fù)責(zé)人陳俊波博士創(chuàng)辦的有鹿機器人，專注于機器人通用大腦研發(fā)，目前，已經(jīng)獲得超千萬元的具身智能通用大腦 Master2000 的訂單，是具身智能領(lǐng)域商業(yè)化走得快的一家；

• 上海交通大學(xué)計算機科學(xué)與工程系教授盧策吾，重點切入具身智能大腦領(lǐng)域，身兼非夕科技聯(lián)合創(chuàng)始人、穹徹智能 CEO。穹徹具身大腦 Noematrix Brain，能夠賦能各種機器人或執(zhí)行體，曾展示過疊衣服和削黃瓜技能；

具身智能大腦另一大優(yōu)勢是價格低廉。

據(jù)報道，相比于 15-20 萬元的硬件本體，協(xié)作機器人的具身機器人大腦的價格只是零頭。

那么，從雙臂、雙足到大腦，決定一家具身智能公司選擇創(chuàng)業(yè)方向的關(guān)鍵是什么？

根本上來說，這取決于公司由技術(shù)驅(qū)動還是場景驅(qū)動。

曾任字節(jié)任飛書產(chǎn)品副總裁、人形機器人公司「加速進(jìn)化」創(chuàng)始人程昊曾表達(dá)過他對人形機器人公司商業(yè)化路徑的看法：

「最理想的養(yǎng)活自己方式是，先鍛煉出幾百臺、上千臺的量產(chǎn)能力就行了，積累期先賣給科研機構(gòu)。產(chǎn)品形態(tài)一直保持通用人形，不需要中途去做垂類專用機，商業(yè)規(guī)模上慢慢擴(kuò)大?！?/span>

對比起來，那些「不缺錢」的美國硅谷創(chuàng)業(yè)者們（如特斯拉、Open AI），則致力于直接啃下技術(shù)高地，甚至不必過多考慮商業(yè)化前景。

「不缺錢」的具身智能公司才做人形機器人，這一現(xiàn)象在國內(nèi)同樣適用。

融資最多、在資本市場融資多輪走得最遠(yuǎn)的，都在做人形機器人，比如：

創(chuàng)業(yè)企業(yè)智元機器人（2023 年 12 月，A3 輪，6 億元），以及老牌機器人廠商優(yōu)必選（2023 年 12 月，IPO）、傅利葉智能（2022 年 1 月，D 輪，4 億元）、樂聚（2023 年 2 月，C 輪）、宇樹科技（2024 年 2 月，B2 輪，10 億元）等。

若要走得遠(yuǎn)，「缺錢」的玩家則須適配落地場景，實現(xiàn)小步快跑。

機器人界泰斗王田苗曾表示，面向大 B 端市場的機器人創(chuàng)業(yè)公司來說，第一個要素是場景背后的資源（大廠不僅能投錢，還能提供經(jīng)驗和數(shù)據(jù)）。

比如，小米汽車、美團(tuán)物流都能為機器人提供場景數(shù)據(jù)。

第二要有產(chǎn)品技術(shù)；

第三要能整合資源、融資，「不然（機器人公司）融到 5 億、10 億之后，就融不下去了」。

接受美團(tuán)融資的銀河通用在場景驅(qū)動下，產(chǎn)品主要銷售方向之一是美團(tuán)的商業(yè)化的場景，其研發(fā)的「移動抓取放置」技術(shù)，希望做到在藥房里拿藥，機器人可以替代夜間值班人員，抓藥交給快遞員。

沒有大廠背景的玩家，出貨渠道還是以學(xué)校和科研所等科研場景。

人形機器人對大眾形成的情感沖擊力，讓外界知道了具身智能，催生了又一硬科技創(chuàng)業(yè)板塊。

1、「人形」不是具身智能唯一形態(tài)，但是最佳落地形態(tài)

文藝復(fù)興時期，意大利畫家、科學(xué)家達(dá)·芬奇在手稿中繪制了世界上的第一款人形機器人，機械感十足。

1973 年，日本早稻田大學(xué)的實驗室里走出來世界上第一臺真人大小的人形智能機器人——WABOT-1。

現(xiàn)如今，誕生了智能程度最高的人形機器人，波士頓動力的「Atlas」、特斯拉（TSLA.US）的「擎天柱（Optimus）」和初創(chuàng)公司 Figure 在今年發(fā)布的「Figure 01」。

人形，成為全世界對機器人最完美的想象，并被反復(fù)影視化，熱情從未磨滅。

無論智能化程度高低，科技公司推出的機器人普遍希望做出具有親和力的人形外殼。

我們生活的這個世界，由人改造和創(chuàng)造，是為人設(shè)計的。人形機器人，也是具身智能最佳落地形態(tài)，終極實現(xiàn)目標(biāo)。

具身智能，正是對人類物理世界的「數(shù)字化」。數(shù)據(jù)，決定了人形機器人智能程度的關(guān)鍵因素。

ChatGPT 的 AI 大模型，只需要理解語意和人類交互，而具身智能機器人具備運動能力。

不同于 AI 大模型采用的文字、圖像、視頻等數(shù)據(jù)庫訓(xùn)練數(shù)據(jù)，具身智能需要真實人類社會各個場景的數(shù)據(jù)——開門、做飯、清潔等居家場景，或會擰螺絲的工業(yè)場景，進(jìn)而理解物理世界的運作規(guī)則。

能夠成為具身智能終極形態(tài)，一是因為人形機器人能更好地利用人的數(shù)據(jù)來學(xué)習(xí)；二是具身智能硬件需要在現(xiàn)實場景中鋪開，否則難以獲得大量可靠數(shù)據(jù)，「在岸上學(xué)不會游泳」。

科學(xué)家（廠家）在機器人身上安裝各類傳感器，包括光、聲音、溫度、距離、壓力、定位、接觸等，讓機器人形成「感官刺激」感知外界信息。

特斯拉部署端到端運行的神經(jīng)網(wǎng)絡(luò)，這個神經(jīng)網(wǎng)絡(luò)在為人形機器人 Optimus 打造的嵌入式 FSD 計算機上運行（特斯拉的全自動駕駛系統(tǒng) FSD 直接被應(yīng)用）。

通過機器人 2D 攝像頭、機載本體感受傳感器的視頻，Optimus 能直接生成關(guān)節(jié)控制序列，模仿人類的 78 個關(guān)節(jié)進(jìn)行活動。

為了獲得足夠多真實數(shù)據(jù)，特斯拉、Google 都選擇用「遙操」方式采集數(shù)據(jù)，即真人戴上一些采集設(shè)備（全身運動捕捉設(shè)備），捕捉人體全身高精度運動關(guān)節(jié)的角度，進(jìn)而訓(xùn)練完成機器人要學(xué)的多種技能，比如走、跑、跳、抓、拿、放等。

人為演示一個動作大約 50 次之后，機器人才能學(xué)會。

人形機器人在真實世界里很難獲得十億量級的數(shù)據(jù)，這是因為收集真實數(shù)據(jù)耗費巨大。

Google 做十幾萬條數(shù)據(jù)，花去了十多個月時間和大量經(jīng)費。

為了提升收集數(shù)據(jù)的效率，2023 年 10 月 4 日，谷歌旗下著名 AI 研究機構(gòu) DeepMind 發(fā)布全球最大通用大模型之一 RT-X，并開放了訓(xùn)練數(shù)據(jù)集 Open X-Embodiment。

該訓(xùn)練數(shù)據(jù)集由全球 33 家頂級學(xué)術(shù)實驗室合作，整合了 22 種機器人和近 100 萬次試驗數(shù)據(jù)。

此外，也有玩家在通過虛擬合成等形式在降低成本。

銀牛微電子的 3D 空間計算解決方案，以「三維空間多模態(tài)大模型數(shù)據(jù)庫」幫助人形機器人克服觸覺等其他感知的不足，實現(xiàn)低成本、超高精細(xì)度的精巧操作能力，「幫助大模型的發(fā)展擺脫對算力和數(shù)據(jù)量的過度依賴」。

具身智能必須進(jìn)入真實人類生活，與人為伴，才能夠構(gòu)建在新環(huán)境中的適應(yīng)能力。現(xiàn)實場景可以幫助機器人更好的完成任務(wù)、適應(yīng)人類社會。

在工廠「打螺絲」也應(yīng)該進(jìn)入真實的制造環(huán)境中，收集流水線上的場景數(shù)據(jù)。

還可能有一些意外情況出現(xiàn)，比如，當(dāng)人和人形機器人共處一個場景，人類行為的隨機性也增加了人形機器人「隨機應(yīng)變」的難度。

對人形機器人來說，關(guān)鍵的是數(shù)據(jù)、模型和場景。

基于「大腦」數(shù)據(jù)，類似 ChatGPT 的 AI 大模型植入人形機器人，可以理解語意和人類交互，發(fā)展。

而「小腦」讓具身智能機器人都需要運動，也非常多數(shù)據(jù)進(jìn)行綜合訓(xùn)練，模仿學(xué)習(xí)到人類的軌跡。

實際上，人形機器人的落地需要有兩套數(shù)據(jù)，滿足物理世界的模型和機器人行為模型。

所以，迄今為止，具身智能因部署成本很高，泛化能力的提升尚有賴于大量部署產(chǎn)品收集數(shù)據(jù)之后的規(guī)模效應(yīng)。

讓人形機器人在真實場景「歷練」，一次次摔倒、犯錯，直到最終像人一樣站起來完成任務(wù)。

這就是具身智能領(lǐng)域?qū)θ诵螜C器人的愿景。

3、人形機器人，站在具身智能技術(shù)金字塔尖

具身智能技術(shù)發(fā)展至今，有兩個最具影響力的事件。

一是 2022 年 11 月，ChatGPT 的問世展現(xiàn)了大型語言模型（LLM）的突破；

二是 2023 年 7 月，谷歌 DeepMind 推出了一款新的機器人模型 Robotics Transformer 2（RT-2），融合了視覺、語言、動作能力的多模態(tài)大模型。

嵌入大型語言模型（LLM）交互后，機器人能夠開始理解人類需求；而多模態(tài)大模型能夠根據(jù)用戶的自然語言指令和環(huán)境的圖像，操控機器人本體完成任務(wù)。

多模態(tài)大模型，突破了單一模態(tài)不足以應(yīng)對復(fù)雜場景的限制。從大型語言模型到多模態(tài)大模型，具身智能大腦，初具雛形。

最近在一次行業(yè)論壇上，北航機器人研究所名譽所長、中關(guān)村智友研究院院長王田苗指出，目前具身智能創(chuàng)新研究的熱點包括：

大腦、小腦、空間智能、肢體與上游核心部件。

• 大腦涉及到通用機器人大模型、數(shù)據(jù)模擬器、數(shù)據(jù)制造工廠、端到端算力芯片；

• 小腦包括運動、空間智能、視覺識別獲取建模理解能力；

• 肢體有核心零部件研究。

這是一副具身智能研究領(lǐng)域的恢宏圖景，集各項技術(shù)于一身的人形機器人，站在具身智能的金字塔尖。

而多模態(tài)大模型，正是具身智能機器人的核心，讓本體機械裝置擁有了智能，成為推動具身智能領(lǐng)域向前發(fā)展的關(guān)鍵動力。

國內(nèi)外最受關(guān)注的多模態(tài)大模型技術(shù)，包括：

• 特斯的端到端技術(shù)的具身多模態(tài)大模型；

• OpenAI 基于 GPT-4o 為 Figure 01 搭建的具身智能 AI 模型；

• 加州大學(xué)伯克利分校推出的融合了硬件本體、運動小腦、決策大腦三部分的 LM Nav。

在國內(nèi)，各家具身智能創(chuàng)業(yè)者將多模態(tài)大模型朝著標(biāo)配方向進(jìn)化。

比如，智元機器人遠(yuǎn)征 A1 搭載了自研的 WorkGPT；達(dá)闥機器人推出了多模態(tài)大模型 RobotGPT。

值得注意的是，集成多模態(tài)大模型和大型語言模型（LLM），成為初創(chuàng)玩家獲得具身大腦技術(shù)的一條捷徑。

國家地方共建人形機器人創(chuàng)新中心打造的「朱雀」具身大腦共集成 3 個大模型（科大訊飛星火大模型、上海人工智能實驗室書生·浦語大模型、上海人工智能實驗室書生·萬象多模態(tài)大模型）。

有行業(yè)觀點認(rèn)為，在多模態(tài)大模型技術(shù)推動下，機器人「大腦」進(jìn)化速度遠(yuǎn)超機器人本體，或?qū)⒃谖磥?2 至 3 年內(nèi)駛?cè)胍?guī)?；a(chǎn)業(yè)。

在具身智能領(lǐng)域，「大腦」的技術(shù)發(fā)展比上肢領(lǐng)先，上肢比下肢領(lǐng)先。

機器人「大腦」需要準(zhǔn)確規(guī)劃任務(wù)，而「小腦」則要負(fù)責(zé)精確的動作執(zhí)行。

目前，「小腦」控制的下肢（雙腿）的運動能力發(fā)展不及「大腦」。

這也回答了一個問題：為什么將具身多模態(tài)大模型，集成于經(jīng)過數(shù)十年的發(fā)展形成成熟的技術(shù)體系和產(chǎn)業(yè)鏈的機械臂技術(shù)，主攻「非雙足」的人形機器人路線，有不少擁躉。

具身智能多模態(tài)大模型加上「大腦」，可以率先做出泛化能力較高的具身智能機器人。

具身智能技術(shù)仍在早期階段，未來是否人形機器人會占據(jù)主流并未可知。

星塵智能投資方云啟資本合伙人陳昱接受媒體采 訪時表示：

「具身智能的技術(shù)路線尚未收斂，有端到端機器學(xué)習(xí)方案、大模型加強化學(xué)習(xí)的方案，還有其他方案。在技術(shù)早期我們也會多布局不同技術(shù)路線的公司，未來技術(shù)路線可能也未必收斂，可能每種技術(shù)路線都有存在價值，都有可能做出高性價比、高功能的具身智能?！?/span>

人們更熟悉的自動駕駛領(lǐng)域的 corner case 問題長期難以解決，特斯拉為代表的企業(yè)在推進(jìn)端到端神經(jīng)網(wǎng)絡(luò)方式的大模型路線，依賴規(guī)模定律（scaling law）發(fā)展，是否能夠在具身智能領(lǐng)域跑通？

從投資的角度來說，正如李開復(fù)不看好具身智能當(dāng)下的發(fā)展，「我們肯定不能現(xiàn)在去投一個 10 年后才發(fā)生的事」。

作為一項美好愿景，人形機器人許諾了人類「星辰大?！埂?/span>

人形機器人一旦成熟，可能會比碳基生命——人的能力更厲害，甚至超過人類。

人形機器人或許可以從單智能體到多智能體協(xié)作、機器與人類的協(xié)作，以群體智能完成復(fù)雜任務(wù)。

而對未來的想象，是推動了人類持續(xù)進(jìn)行技術(shù)探索的動力。

返回第一電動網(wǎng)首頁 >