人形機(jī)器人公司不想當(dāng)炮灰，就“長點(diǎn)腦子”，別秀機(jī)器人翻跟頭了

一直以來，各家人形機(jī)器人公司秀動(dòng)作成風(fēng)。

譬如，近日宇樹科技又發(fā)布了一段視頻，宣布人形機(jī)器人G1實(shí)現(xiàn)了側(cè)空翻，宣稱是“首次”，吸睛無數(shù)。

宇樹科技微博截圖

視頻發(fā)出后不到 12 小時(shí)，遠(yuǎn)在美國的波士頓動(dòng)力也發(fā)布了一段視頻，演示了人形機(jī)器人Altas側(cè)空翻等一系列的動(dòng)作。

一時(shí)間，網(wǎng)友被這場“中美大戰(zhàn)”給吸引了，紛紛分析宇樹與波士頓動(dòng)力的人形機(jī)器人誰更勝一籌。

在此之前，國內(nèi)各大人形機(jī)器人公司就沒少秀自家機(jī)器人的各種動(dòng)作。而且，這種機(jī)器人翻跟頭、打拳、唱歌跳舞的動(dòng)作視頻，獲得關(guān)注十分多。

但是，業(yè)內(nèi)人士對這種秀動(dòng)作的行為，早就審美疲勞了。

截圖于“具身前沿”微信群

高盛近期對宇樹科技等進(jìn)行調(diào)研，認(rèn)為宇樹H1人形機(jī)器人在運(yùn)動(dòng)能力上表現(xiàn)出色，能流暢行走、跳躍，甚至跳舞。如果把人形機(jī)器人放進(jìn)工廠，情況就完全不同。

工廠里，H1遠(yuǎn)不及人類工人的靈活性，無法完成精細(xì)操作，如螺絲組裝、焊接等任務(wù)，與真正大規(guī)模工業(yè)應(yīng)用仍有差距。

至于原因，宇樹科技創(chuàng)始人王興興在接受采訪時(shí)，就曾通俗地解釋：“你能讓他（人形機(jī)器人）倒立、空翻，或者做一些避障，這些都是針對固定任務(wù)做了專門的AI訓(xùn)練”，是單一功能的AI。

但是，如今泛用性的AI還是不太夠，即，人形機(jī)器人的具身智能大模型（可稱之為機(jī)器人的“大腦”）依然很落后。

全球都在等待真正的人形機(jī)器人“大腦”的誕生。

沒有消費(fèi)者會為“笨蛋”人形機(jī)器人買單，只有聰明的人形機(jī)器人，才能快速商業(yè)化落地。王興興就曾說過，如果出現(xiàn)像人一樣聰明的人形機(jī)器人，就是一個(gè)億一臺，也不愁銷售。

對此，“刃辛機(jī)器人”建議，廣大人形機(jī)器人公司別再秀“翻跟頭”等動(dòng)作了，讓機(jī)器人“長點(diǎn)腦”吧。

Figure AI 的 CEO 布雷特·阿德科克在近期的一次訪談中預(yù)測，人形機(jī)器人領(lǐng)域最終勝出的公司數(shù)量會很少，可能只有一兩家。

要想成為“最終勝出”的這“一兩家”，靠“四肢發(fā)達(dá)、頭腦簡單”的人形機(jī)器人產(chǎn)品可不行。

已開始卷“大腦”

在業(yè)內(nèi)都在卷動(dòng)作之外，已有一些人形機(jī)器人公司開始卷“大腦”了。

譬如，曾經(jīng)的華為天才少年彭志輝就認(rèn)為，人形機(jī)器人“大腦”研發(fā)是一個(gè)很有意思的賽道。

彭志輝

彭志輝放棄高達(dá)200萬元華為年薪，離職創(chuàng)辦智元機(jī)器人公司，就沒跟隨同行，將公司重心放在機(jī)器人軀體上，而是放在機(jī)器人“大腦”上。

近期，智元公司發(fā)布了首個(gè)通用具身基座模型——智元啟元大模型Genie Operator-1（GO-1）。

這不是智元公司一家的舉動(dòng)，目前人形機(jī)器人業(yè)內(nèi)的一個(gè)潛在趨勢，就是都在發(fā)力做通用機(jī)器人的“大腦”——具身智能大模型。

例如，F(xiàn)igure AI 推出了通用具身智能模型 Helix。據(jù)介紹，這個(gè)Helix 模型能以 200Hz 的高頻率協(xié)調(diào) 35 自由度的動(dòng)作空間，控制從單個(gè)手指運(yùn)動(dòng)到末端執(zhí)行器軌跡、頭部注視和軀干姿勢等一切。

Helix 模型具備優(yōu)秀的零樣本泛化能力，能夠識別并操作數(shù)千種從未見過的小型家居物品。

在近期的GTC大會上，英偉達(dá)不僅推出了通用人形機(jī)器人基礎(chǔ)模型 GR00T N1，而且宣布開源。GR00T N1一躍成為首個(gè)人形機(jī)器人開源通用模型。

GR00T N1的開源特性，大幅降低了機(jī)器人研發(fā)門檻，可以吸引廣泛的行業(yè)參與者，包括工業(yè)機(jī)器人巨頭、人形機(jī)器人公司以及迪士尼等跨界玩家。

簡而言之，中小型企業(yè)和初創(chuàng)公司可以低成本接入GR00T N1，開發(fā)定制化機(jī)器人，推動(dòng)技術(shù)在制造業(yè)、物流、醫(yī)療等領(lǐng)域的滲透。小型工廠可基于GR00T N1訓(xùn)練機(jī)器人完成特定裝配任務(wù)，而無需依賴昂貴的專有系統(tǒng)。

另外，北京人形機(jī)器人創(chuàng)新中心已推出了通用具身智能平臺“慧思開物”。

這些人形機(jī)器人的“大腦”的具體形態(tài)，既包括通用具身智能模型，也包括通用具身智能平臺。

大家的目的，都和英偉達(dá)類似，就是讓自家的通用“基座”能夠跨實(shí)體，適用于不同場景，從而成為人形機(jī)器人領(lǐng)域的“安卓”，重塑機(jī)器人產(chǎn)業(yè)生態(tài)。

動(dòng)作數(shù)據(jù)是關(guān)鍵

人形機(jī)器人賽道的一個(gè)重要現(xiàn)實(shí)是：據(jù)Gartner技術(shù)成熟度曲線顯示，當(dāng)前的這些具身智能技術(shù)依然處于萌芽期。

這是因?yàn)榫呱碇悄艽竽Ｐ偷挠?xùn)練，十分復(fù)雜。

眾所周知，大模型的訓(xùn)練是需要大量的數(shù)據(jù)投喂的。ChatGPT、Deepseek等非具身智能大模型，在訓(xùn)練過程“吃”下去的數(shù)據(jù)可謂不計(jì)其數(shù)。單就ChatGPT，就已消化了全球互聯(lián)網(wǎng)2/3的文本語料。

人形機(jī)器人的具身智能大模型也不例外，對數(shù)據(jù)需求很大，且數(shù)據(jù)十分重要。

Figure AI 的 CEO 布雷特·阿德科克也曾在一次訪談中，就提到對于機(jī)器人數(shù)據(jù)的重要性。數(shù)據(jù)，決定了人形機(jī)器人智能程度的關(guān)鍵因素。

具身智能大模型需“投喂”的數(shù)據(jù)，更多的是動(dòng)作數(shù)據(jù)。

具體來看，就是真實(shí)人類社會各個(gè)場景的動(dòng)作數(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(yùn)作規(guī)則。

只要這樣，依靠具身智能大模型，人形機(jī)器人才能像人一樣進(jìn)行各種動(dòng)作。

文本語料從互聯(lián)網(wǎng)中就可以獲得，但動(dòng)作數(shù)據(jù)卻非常難找。即使行業(yè)內(nèi)開源了百萬條由真實(shí)機(jī)器人收集的訓(xùn)練數(shù)據(jù)集，但這些數(shù)據(jù)實(shí)際上由不同公司、不同型號規(guī)格的機(jī)器人采集，高質(zhì)量、統(tǒng)一格式的數(shù)據(jù)，幾乎不存在。

智元公司訓(xùn)練GO-1所需的數(shù)據(jù)，主要來自2023年9月建立的動(dòng)作數(shù)據(jù)采集工廠。

在工廠里，智元公司一比一地模仿人類生活中的每一個(gè)動(dòng)作，將其采集下來，形成數(shù)據(jù)，然后“喂”給大模型。

采集“收銀”機(jī)器人的數(shù)據(jù)，圖源：36氪“智能涌現(xiàn)”

人形機(jī)器人每完成一個(gè)動(dòng)作，就相當(dāng)于一套數(shù)據(jù)。這些數(shù)據(jù)聚集起來，上傳至云端，便被智元團(tuán)隊(duì)喂給大模型，從而讓機(jī)器人真正掌握一項(xiàng)技能，比如沖咖啡、熨衣服等。

與智元公司類似，特斯拉、Google為了獲得足夠多真實(shí)數(shù)據(jù)，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(yùn)動(dòng)捕捉設(shè)備），捕捉人體全身高精度運(yùn)動(dòng)關(guān)節(jié)的角度，進(jìn)而訓(xùn)練完成機(jī)器人要學(xué)的多種技能，比如走、跑、跳、抓、拿、放等。

這一系列“笨辦法”搜集數(shù)據(jù)，十分辛苦，且總量有限。從量級上看，目前這些動(dòng)作數(shù)據(jù)總量與ChatGPT“吃”下的全球互聯(lián)網(wǎng)2/3的文本語料相比，少的可憐。

為此，已有玩家通過虛擬合成等形式搜集數(shù)據(jù)，以降低成本，提高速度。

譬如，銀牛微電子的 3D 空間計(jì)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(jī)器人克服觸覺等其他感知的不足，實(shí)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”。

不要成為“炮灰”

人形機(jī)器人的具身智能大模型訓(xùn)練，僅僅依靠實(shí)驗(yàn)室，也是不行的。

具身智能必須進(jìn)入真實(shí)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(shí)場景可以幫助機(jī)器人更好地完成任務(wù)、適應(yīng)人類社會。

人形機(jī)器人必須親身到工廠“打螺絲”，進(jìn)入真實(shí)的制造環(huán)境中，收集流水線上的場景數(shù)據(jù)。

在真實(shí)環(huán)境下，還可能有一些意外情況出現(xiàn)，比如，當(dāng)人和人形機(jī)器人共處一個(gè)場景，人類行為的隨機(jī)性也增加了人形機(jī)器人“隨機(jī)應(yīng)變”的難度。

簡而言之，讓人形機(jī)器人在真實(shí)場景“歷練”，一次次摔倒、犯錯(cuò)，再疊加實(shí)驗(yàn)室中動(dòng)作數(shù)據(jù)的投喂，最終量變引發(fā)質(zhì)變，使人形機(jī)器人在某個(gè)時(shí)間點(diǎn)，突然出現(xiàn)的、難以預(yù)測的、超越了模型初始設(shè)計(jì)和預(yù)期的智能行為或能力，即“智能涌現(xiàn)”。

這樣，人形機(jī)器人才能像人一樣“聰明”地完成任務(wù)。

這一天也許很遙遠(yuǎn)，但行則必達(dá)。而且，廣大人形機(jī)器人公司絲毫不能松懈，因?yàn)檫@一路上的競爭，將十分殘酷。

可預(yù)測的是，在殘酷競爭中，很多人形機(jī)器人公司將成為“炮灰”，成為助推別家公司前進(jìn)的“墊腳石”。

此前，上海交通大學(xué)清源研究院研究員劉志毅表示，截至2024年上半年，在做人形機(jī)器人的公司可能已超70家，但未來能持續(xù)發(fā)展的可能不到10家。

目前，F(xiàn)igure AI 的 CEO 布雷特·阿德科克在近期的一次訪談中預(yù)測，人形機(jī)器人領(lǐng)域最終勝出的公司數(shù)量會很少，可能只有一兩家。

布雷特·阿德科克表示，這是因?yàn)槿诵螜C(jī)器人公司的發(fā)展，“需要大量的資金、優(yōu)秀的團(tuán)隊(duì)以及大規(guī)模的機(jī)器人生產(chǎn)來降低成本并實(shí)現(xiàn)數(shù)據(jù)共享和學(xué)習(xí)”，這不是所有人形機(jī)器人公司都能具備的。

單就資金方面，就已成為很多人形機(jī)器人公司“難以承受之重”。

2024年11月，已經(jīng)入局人形機(jī)器人賽道的小鵬汽車創(chuàng)始人何小鵬表示，做人形機(jī)器人比做汽車更難，集成度要求更高，沒有500億元做不好。

已有不少人形機(jī)器人初創(chuàng)企業(yè)的合伙人表示，他們深知融資得到的錢十分珍貴，都“省著用”。

不得不說的是，選擇比那里重要，“省著用”雖能減少支出，如果“錢用錯(cuò)地方”，一天到晚展示人形機(jī)器人的運(yùn)動(dòng)，如各種翻跟頭的動(dòng)作上，不僅浪費(fèi)了投資人的錢，而且錯(cuò)失了研發(fā)具身智能大模型的時(shí)間。

猴，最會翻跟頭；人，必須有腦子。

人形機(jī)器人要成功，得“長點(diǎn)腦子”，相關(guān)公司要把錢用到機(jī)器人“大腦”上。“聰明”的人形機(jī)器人，才有商業(yè)化落地的場景，才有消費(fèi)者愿意掏錢購買。（文/刃辛機(jī)器人 陳重山）

參考資料

[1]《2025 年，通用機(jī)器人要從實(shí)驗(yàn)室走向市場了嗎？》，機(jī)器之心

[2]《具身智能，人形機(jī)器人的“試金石”》，星河頻率

[3] 《英偉達(dá)的開源人形機(jī)器人通用模型，Isaac GR00T N1會帶來什么？》，芝能汽車