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

（人形機(jī)器人公司）在布雷特·阿德考克看來(lái)，軟硬件一體化是未來(lái)發(fā)展的關(guān)鍵。他指出，很多公司過(guò)分強(qiáng)調(diào)某一部分，結(jié)果失去了整體效果。

阿德考克還提到，中國(guó)的機(jī)器人公司往往更注重硬件制造，而對(duì)人工智能技術(shù)的投入相對(duì)較少。實(shí)際上，同時(shí)發(fā)展硬件與AI技術(shù)，已經(jīng)成為中國(guó)頭部人形機(jī)器人企業(yè)的重要戰(zhàn)略選擇。

智元合伙人姚卯青在對(duì)話(huà)中表示，人形機(jī)器人賽道上的企業(yè)普遍存在“偏科”現(xiàn)象。一些公司擅長(zhǎng)算法研發(fā)，但在硬件制造方面投入不足，這會(huì)嚴(yán)重制約技術(shù)驗(yàn)證；另一些公司則專(zhuān)注于機(jī)器人本體制造，對(duì)AI技術(shù)的投入受到限制。而智元?jiǎng)t致力于實(shí)現(xiàn)硬件與AI技術(shù)的全面布局，這是一家2023年2月在上海成立的“獨(dú)角獸”公司。

許多中國(guó)的機(jī)器人公司更傾向于將重心放在硬件制造上。去年8月，宇樹(shù)科技創(chuàng)始人王興興在接受采訪時(shí)表示，開(kāi)展具身智能大模型研究需要投入大量資金，因此公司選擇謹(jǐn)慎投入。他強(qiáng)調(diào)，考慮到當(dāng)前技術(shù)路線尚不清晰，公司不會(huì)輕易在這一領(lǐng)域進(jìn)行投入。但王興興也補(bǔ)充指出，宇樹(shù)科技依然會(huì)繼續(xù)關(guān)注和研發(fā)具身智能大模型，因?yàn)橛布茿I的基礎(chǔ)，缺乏對(duì)具身智能模型的深入了解就很難打造優(yōu)質(zhì)的人形機(jī)器人本體。

相比之下，姚卯青認(rèn)為智元將具身智能研發(fā)作為公司的戰(zhàn)略級(jí)投入領(lǐng)域。

姚卯青指出，機(jī)器人公司如果不具備智能化能力，那么它們就缺乏未來(lái)。沒(méi)有智能化，機(jī)器人就無(wú)法執(zhí)行具體任務(wù)。

智元的人形機(jī)器人

3月10日，智元發(fā)布了首個(gè)通用具身基座大模型GO-1。公司介紹稱(chēng)，這一模型的最大創(chuàng)新在于采用了Vision-Language-Latent-Action (ViLLA)架構(gòu)。該架構(gòu)由多模態(tài)大模型（VLM）和混合專(zhuān)家模型（MoE）組成。

其中，VLM利用海量互聯(lián)網(wǎng)純文本與圖文數(shù)據(jù)的學(xué)習(xí)能力，幫助機(jī)器人理解通用知識(shí)和場(chǎng)景。MoE則由兩組“專(zhuān)家”組成：隱式規(guī)劃器（Latent Planner）借助大量的人類(lèi)和其他機(jī)器人本體的操作數(shù)據(jù)，獲得通用的動(dòng)作理解能力；動(dòng)作專(zhuān)家（Action Expert）則借助仿真數(shù)據(jù)和真實(shí)機(jī)器人數(shù)據(jù)，獲得精細(xì)的動(dòng)作執(zhí)行能力。

姚卯青用乒乓球進(jìn)階過(guò)程比喻VLM、隱式規(guī)劃器和動(dòng)作專(zhuān)家的作用。他指出，VLM之于機(jī)器人的作用好比上乒乓球的基礎(chǔ)理論課，從圖文指導(dǎo)中形成對(duì)乒乓球招式的初步理解。隱式規(guī)劃器的作用，類(lèi)似于給初學(xué)者觀看乒乓球世界冠軍打比賽的視頻。動(dòng)作專(zhuān)家則利用仿真數(shù)據(jù)進(jìn)行模擬學(xué)習(xí)，利用真實(shí)數(shù)據(jù)進(jìn)行手把手教學(xué)。

智元公司的具身智能訓(xùn)練數(shù)據(jù)的四大類(lèi)型。

智元具身研究中心常務(wù)主任任廣輝指出，目前市場(chǎng)上現(xiàn)有的具身智能模型在實(shí)際應(yīng)用場(chǎng)景中面臨著諸多挑戰(zhàn)。例如，斯坦福大學(xué)的ACT小模型雖然在學(xué)習(xí)能力上有所突破，但未能充分利用大規(guī)模圖文和操作視頻數(shù)據(jù)，導(dǎo)致其技能單一，無(wú)法很好地學(xué)習(xí)新技能?；谝曈X(jué)-語(yǔ)言-動(dòng)作多模態(tài)大模型（Vision-Language-Action，VLA）構(gòu)建的模型，雖然在場(chǎng)景感知和指令理解方面取得了顯著進(jìn)展，但缺乏對(duì)大規(guī)模人類(lèi)和機(jī)器人操作視頻數(shù)據(jù)的學(xué)習(xí)，這使得模型的迭代成本明顯增加。

智元發(fā)布的實(shí)驗(yàn)數(shù)據(jù)顯示，與現(xiàn)有最優(yōu)模型相比，GO-1的成功率提升了32%，從46%躍升至78%。

智元方面表示，GO-1模型具備更強(qiáng)的泛化能力，顯著降低了具身模型的使用門(mén)檻。此外，該模型搭配了一套完整的數(shù)據(jù)回流系統(tǒng)，能夠?qū)崟r(shí)反饋場(chǎng)景測(cè)試中的錯(cuò)誤數(shù)據(jù)，并將其納入后續(xù)模型訓(xùn)練，從而實(shí)現(xiàn)模型的持續(xù)優(yōu)化。

智元正在積極尋求與多家頭部大模型公司開(kāi)展合作。2月下旬，階躍星辰宣布與智元達(dá)成戰(zhàn)略合作，共同探索AI+具身機(jī)器人在各領(lǐng)域的應(yīng)用。據(jù)智元介紹，雙方將基于階躍的多模態(tài)、推理和訓(xùn)練等底層平臺(tái)能力，開(kāi)發(fā)出更具實(shí)用價(jià)值的產(chǎn)品。

當(dāng)前，具身智能大模型的數(shù)據(jù)采集路線仍存在分歧。銀河通用等公司傾向于利用合成數(shù)據(jù)，但許多企業(yè)仍認(rèn)為真實(shí)數(shù)據(jù)（真機(jī)數(shù)據(jù)）是解決數(shù)據(jù)瓶頸的關(guān)鍵。為此，智元在上海專(zhuān)門(mén)建設(shè)了一個(gè)大型數(shù)據(jù)采集工廠，部署了近百臺(tái)機(jī)器人，日均采集3萬(wàn)至5萬(wàn)條真實(shí)數(shù)據(jù)。同時(shí)，智元還針對(duì)工業(yè)場(chǎng)景開(kāi)展概念驗(yàn)證項(xiàng)目（POC），前往工廠進(jìn)行實(shí)地?cái)?shù)據(jù)采集。

業(yè)內(nèi)普遍認(rèn)為，2025年是具身智能模型量產(chǎn)的關(guān)鍵一年。1月初，智元宣布已累計(jì)下線1000臺(tái)通用具身機(jī)器人。其中，雙足人形機(jī)器人有731臺(tái)，輪式通用機(jī)器人有269臺(tái)。姚卯青透露，這1000臺(tái)機(jī)器人中，有數(shù)百臺(tái)已經(jīng)交付給客戶(hù)，其余的則作為研發(fā)樣機(jī)使用。

姚卯青預(yù)估，今年公司的出貨量將突破數(shù)千臺(tái)，營(yíng)收也將較去年實(shí)現(xiàn)數(shù)倍增長(zhǎng)。同時(shí)，公司將進(jìn)一步拓展科研教育、服務(wù)業(yè)等新興場(chǎng)景的應(yīng)用。

采寫(xiě)：南都記者 楊柳