聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

出品 | 網(wǎng)易科技《態(tài)度AGI》欄目

作者 | 崔玉賢

編輯 | 丁廣勝

"下周智元機(jī)器人有重要進(jìn)展。"華為離職天才少年、智元聯(lián)合創(chuàng)始人稚暉君（彭志輝）在社交媒體上率先作了預(yù)告。

3月10日上午，"重要進(jìn)展"如期而至。智元機(jī)器人官方賬號正式發(fā)布首個通用具身基座模型——智元啟元大模型GO-1（Genie Operator-1），這也是國內(nèi)首個通用具身基座大模型。

消息一經(jīng)傳出，便登上兩個熱門話題。

智元官方介紹，其GO-1大模型開創(chuàng)了Vision-Language-Latent-Action (ViLLA)架構(gòu)。該架構(gòu)由多模態(tài)大模型（VLM）與混合專家（MoE）組成，具備人類視頻學(xué)習(xí)、小樣本快速泛化、一腦多形、持續(xù)進(jìn)化等優(yōu)勢。這不僅使機(jī)器具備了拓展運(yùn)動能力，更賦予了其AI能力，使機(jī)器真正獲得了價值。

智元官方在五個不同復(fù)雜度的任務(wù)上測試了GO-1，與現(xiàn)有最優(yōu)模型相比，GO-1的成功率大幅提升，平均成功率提高了32%（從46%增至78%）。

其中"倒水"、"清理桌面"和"補(bǔ)充飲料"等任務(wù)表現(xiàn)尤為突出。

在MoE架構(gòu)中，Latent Planner作為一組專家，基于VLM的中間層輸出預(yù)測Latent Action Tokens作為CoP（規(guī)劃鏈），進(jìn)行通用的動作理解和規(guī)劃。智元單獨(dú)驗(yàn)證了Latent Planner在ViLLA架構(gòu)中的作用，結(jié)果顯示增加Latent Planner可提升12%的成功率（從66%增至78%）。

智元表示，GO-1的推出不僅使具身智能的范圍從單一任務(wù)擴(kuò)展到多種任務(wù)，還使它從封閉環(huán)境擴(kuò)展到開放世界，并從預(yù)設(shè)程序走向指令泛化，從而將這一技術(shù)提升到了新的高度。

智元將于2025年第三季度推出首個基于強(qiáng)化學(xué)習(xí)的Foundation Model。

在GO-1大模型發(fā)布之后，智元合伙人、具身業(yè)務(wù)部總裁、研究院執(zhí)行院長姚卯青以及智元具身研究中心常務(wù)主任任廣輝接受了網(wǎng)易科技的采訪。

關(guān)于發(fā)布具身基座大模型的初衷，姚卯青非?？隙ǖ乇硎?，AI能力將成為區(qū)分機(jī)器人產(chǎn)品競爭力的核心要素，而機(jī)器人公司若不投入大模型，將難以在競爭中立于不敗之地。

對于智元來說，AI的投入可以視為一項具有戰(zhàn)略意義的堅定舉措。

此外，智元在發(fā)布基座大模型的同時，還將相關(guān)論文公開發(fā)布，這在一定程度上可以視為開源行為。據(jù)姚卯青透露，智元計劃于今年第一季度向核心用戶開源整個大模型。

在采訪中，姚卯青還提到了行業(yè)內(nèi)的熱門話題“9.9萬人形機(jī)器人”。他認(rèn)為，硬件的基礎(chǔ)同樣決定了機(jī)器能力的上限。在當(dāng)前階段，智元仍然堅信，以價值為導(dǎo)向，使機(jī)器人的硬件與軟件協(xié)同合作，才能產(chǎn)生理想的效果，而不是簡單地購買一個大型電動玩具。

姚卯青認(rèn)為，人形機(jī)器人的應(yīng)用將是一個漸進(jìn)的過程，未來1至2年，這一技術(shù)將在特定場景中實(shí)現(xiàn)落地。而人們期待的機(jī)器人進(jìn)入家庭場景，還需要大約5年時間。

智元機(jī)器人成立于2023年，創(chuàng)始人之一彭志輝曾是華為的"天才少年"，人稱"稚暉君"或"野生鋼鐵俠"。公司成立不久就發(fā)布了首款人形機(jī)器人，截至目前已下線1000臺機(jī)器人產(chǎn)品，智元機(jī)器人已完成多項融資，累計融資金額超過16億元。

值得一提的是，稚暉君還是B站的熱門UP主，他于2017年11月26日開始在B站上傳視頻。2020年，憑借在B站發(fā)布自制硬核小電視內(nèi)容，他迅速走紅。2024年，陳睿在其公開演講中盛贊其"從野生鋼鐵俠到70億估值企業(yè)CTO"的成長路徑。

以下為對話智元合伙人、具身業(yè)務(wù)部總裁、研究院執(zhí)行院長姚卯青以及智元具身研究中心常務(wù)主任任廣輝的部分內(nèi)容：

提問：智元具身基座大模型的研發(fā)初衷是什么？

姚卯青：這與公司的使命緊密相連。我們公司的使命是希望通過通用機(jī)器人創(chuàng)造無限生產(chǎn)力。我們認(rèn)為，機(jī)器人僅憑硬件本體是遠(yuǎn)遠(yuǎn)不夠的。這一點(diǎn)，國內(nèi)外一些機(jī)構(gòu)的評論也證實(shí)，雖然中國形機(jī)器人公司在硬件方面表現(xiàn)突出，但在AI能力方面尚未見到顯著進(jìn)展。

我們認(rèn)為，AI能力將成為機(jī)器人產(chǎn)品競爭力的核心要素，就像當(dāng)今的新能源車和智能手機(jī)一樣。硬件領(lǐng)域已逐漸趨于收斂，供應(yīng)鏈也將高度整合，最終的競爭焦點(diǎn)將落在AI能力上。

對于機(jī)器人而言，自主作業(yè)能力至關(guān)重要?；谶@一初衷，我們將具身智能的AI研發(fā)提升為公司的戰(zhàn)略級投入。我們是 industry first 在行業(yè)內(nèi)實(shí)現(xiàn)了大規(guī)模量產(chǎn)，并用 produced 的機(jī)器人編隊采集了百萬級高質(zhì)量數(shù)據(jù)。同時，我們將這些數(shù)據(jù)用于自研大模型，并將大模型部署回硬件本體。

我們實(shí)現(xiàn)了從硬件到大模型的完整閉環(huán)研發(fā)迭代。

提問：大模型將應(yīng)用于哪些場景？如何應(yīng)用？

姚卯青：我們預(yù)計大模型在機(jī)器人行業(yè)的應(yīng)用將經(jīng)歷逐步推進(jìn)的變化。它將首先在結(jié)構(gòu)化、明確場景的領(lǐng)域內(nèi)落地，然后逐步擴(kuò)展到半結(jié)構(gòu)化和半開放的任務(wù)和場景。通過在各行業(yè)、各場景中持續(xù)積累海量數(shù)據(jù)和交互數(shù)據(jù)，我們最終將實(shí)現(xiàn)通用人工智能（AGI）在物理世界中的應(yīng)用。到那時，大模型可能會真正走入千家萬戶，在家庭中執(zhí)行各種開放式的指令任務(wù)。

從這一角度來看，我們將在未來兩年內(nèi)重點(diǎn)布局工業(yè)、服務(wù)業(yè)和商業(yè)領(lǐng)域的應(yīng)用，同時也將堅定不移地為最終實(shí)現(xiàn)AGI、走進(jìn)家庭這樣的開放式場景而持續(xù)技術(shù)突破。

提問：智元的具身基座大模型GO1能否降低成本？大概能降低多少？

任廣輝：我們可以回顧一下之前的研究，通常情況下，完成一個任務(wù)需要數(shù)萬條數(shù)據(jù)才能達(dá)到較好的成功率，而現(xiàn)在只需要數(shù)千條或幾百條，效率提升了幾個數(shù)量級。

提問：智元的具身基座大模型開源的發(fā)展前景如何？

姚卯青：在同步發(fā)布視頻的同時，我們還公開了技術(shù)博客和對應(yīng)的論文，這在某種程度上可以視為開源。同時，我們計劃在Q1對智元的核心用戶進(jìn)行模型的開源，以便他們可以將模型部署到智元的機(jī)器人上。

提問：機(jī)器人在基座模型上的技術(shù)是否已進(jìn)入技術(shù)收斂階段？

姚卯青：我們認(rèn)為，機(jī)器人的技術(shù)目前還處于早期階段，尚未達(dá)到技術(shù)收斂的程度。這主要是由于行業(yè)受限于數(shù)據(jù)的問題，還未完成對Scaling Low的完整驗(yàn)證工作。

提問：根據(jù)機(jī)器人智能等級標(biāo)準(zhǔn)，智元的GO1技術(shù)相當(dāng)于哪個等級？

姚卯青：我們的發(fā)布技術(shù)目前處于G3至G4等級的過渡階段。

提問：未來，數(shù)據(jù)采集、標(biāo)注、審核以及數(shù)據(jù)交易等環(huán)節(jié)可能會單獨(dú)剝離出來形成一個產(chǎn)業(yè)嗎？

姚卯青：我們認(rèn)為，數(shù)據(jù)的采集、標(biāo)注、審核以及數(shù)據(jù)交易等環(huán)節(jié)可能會獨(dú)立出來形成一個產(chǎn)業(yè)。

提問：未來，機(jī)器人的核心競爭力將主要集中在人工智能技術(shù)上，其發(fā)展路線和趨勢是怎樣的？

姚卯青：我認(rèn)為算法目前尚未完全達(dá)到收斂狀態(tài)，仍處于多元發(fā)展的階段。但在這一過程中，我們也發(fā)現(xiàn)了不少挑戰(zhàn)，例如偏科現(xiàn)象普遍存在，一些公司在算法方面表現(xiàn)突出，但往往缺乏完善的機(jī)器人硬件支持。以國外公司為例，雖然他們在算法領(lǐng)域有一定造詣，但硬件本體的規(guī)模和質(zhì)量仍有待提升，這對算法研發(fā)和驗(yàn)證工作構(gòu)成了制約。另一方面，許多專注于硬件制造的公司，在AI領(lǐng)域投入的資源較為有限。

所以，我們希望看到更多像智元這樣，能夠從硬件、數(shù)據(jù)、算法等端到端進(jìn)行全面研發(fā)的企業(yè)涌現(xiàn)出來。

問題：您認(rèn)為機(jī)器人何時能真正走進(jìn)家庭生活？

姚卯青：我們判斷，這可能需要五到六年的時間，才能真正走進(jìn)家庭并創(chuàng)造價值。

問題：之前有人討論過價格9.9萬元的機(jī)器人，您認(rèn)為這在行業(yè)內(nèi)引發(fā)了很多爭議。您曾指出，9.9萬元的價格沒有實(shí)際意義?，F(xiàn)在大模型發(fā)布后，這對機(jī)器人終端售價會產(chǎn)生什么影響？

姚卯青：定價9.9萬元的機(jī)器人確實(shí)受到了行業(yè)內(nèi)外的高度關(guān)注。但業(yè)內(nèi)人士知道，現(xiàn)在高性能的零部件成本已經(jīng)很高了。如果價格特別低，那可能使用的材料就很普通。同時，硬件的基礎(chǔ)決定了機(jī)器人的能力上限。在這個階段，我們?nèi)匀粓孕牛嬲膬r值在于硬件和軟件協(xié)同工作的效果，而不是單純地購買一個大號的電動玩具，長期來看，這種產(chǎn)品不具備良好的商業(yè)價值。

問題：智元今年的商業(yè)計劃是什么？

姚卯青：今年我們的商業(yè)化目標(biāo)是實(shí)現(xiàn)營收比去年增長幾倍，出貨量預(yù)計將達(dá)到數(shù)千臺。

問題：智元公司成立時間較短，如何在與成立時間較長的公司競爭？有什么優(yōu)勢？

姚卯青：我覺得成立時間較短的公司有較大的競爭優(yōu)勢。因?yàn)閺募夹g(shù)角度來看，人形機(jī)器人產(chǎn)業(yè)是一個新興領(lǐng)域。我們看到，那些在大模型領(lǐng)域取得成功的企業(yè)，他們的組織結(jié)構(gòu)和人才方向都非常年輕化。

在經(jīng)營戰(zhàn)略和技術(shù)創(chuàng)新規(guī)劃方面，我們希望能夠在"unlearned"的基礎(chǔ)上進(jìn)行學(xué)習(xí)和吸收。如果公司積累了一定的歷史包袱，就很難以"abrupt"的方式進(jìn)行戰(zhàn)略調(diào)整。同時，發(fā)展到一定規(guī)模的公司，從資本運(yùn)作層面和經(jīng)營層面往往都會變得更加保守和務(wù)實(shí)。

智元公司作為一家只有兩年歷史的初創(chuàng)企業(yè)，其平均研發(fā)團(tuán)隊的年齡不到30歲。無論是出貨量還是營收表現(xiàn)，都在以一個非常快速的速度增長。

相信今年我們有很大的機(jī)會能夠在經(jīng)營層面上實(shí)現(xiàn)國內(nèi)行業(yè)頭部地位，成為真正的龍頭企業(yè)。我們用兩年時間走完了行業(yè)同行可能需要八年、九年才能完成的路程，而且是在一個快速上升的行業(yè)中。