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

中國的人形機(jī)器人公司，近年來在技術(shù)發(fā)展層面，持續(xù)探索硬件與AI的協(xié)同發(fā)展路徑。在近期一次對話中，美國知名人形機(jī)器人公司Figure AI的創(chuàng)始人布雷特·阿德考克（Brett Adcock）表示，硬件與AI的協(xié)同發(fā)展，是實(shí)現(xiàn)技術(shù)突破的關(guān)鍵所在。他強(qiáng)調(diào)，一家優(yōu)秀的機(jī)器人公司，不能只專注于其中一部分技術(shù)，而必須在硬件與AI兩個(gè)維度上均衡發(fā)展。

阿德考克還提到，目前中國市場上的部分機(jī)器人公司，過分強(qiáng)調(diào)硬件建設(shè)，卻忽視了AI技術(shù)的投入。這種"偏科"的現(xiàn)象，實(shí)際上正在改變中國頭部人形機(jī)器人企業(yè)的戰(zhàn)略方向。具體來說，這類企業(yè)正在將硬件與AI協(xié)同發(fā)展作為核心戰(zhàn)略，以實(shí)現(xiàn)技術(shù)突破。

3月10日，在一次采訪中，智元公司合伙人、具身業(yè)務(wù)部總裁姚卯青進(jìn)一步分析了這一現(xiàn)象。他指出，在人形機(jī)器人賽道上，"偏科"現(xiàn)象普遍存在。一些公司雖然在算法研發(fā)方面投入較大，但卻在硬件制造能力上有所欠缺，這會(huì)嚴(yán)重制約算法研發(fā)的效果。而另一些公司雖然注重硬件建設(shè)，但在AI技術(shù)投入方面則受到限制。只有像智元這樣的公司，能夠在硬件與AI兩個(gè)維度上實(shí)現(xiàn)全面布局，才能在競爭中脫穎而出。

值得注意的是，智元的這種"雙輪驅(qū)動(dòng)"戰(zhàn)略，正是其在2023年2月成功獲得"獨(dú)角獸"稱號的重要原因。確實(shí)有部分中國機(jī)器人公司，將重心放在硬件建設(shè)上。去年8月，宇樹科技創(chuàng)始人王興興在接受采訪時(shí)曾提到，由于具身智能大模型的研發(fā)投入較大，宇樹科技在這一領(lǐng)域采取了較為謹(jǐn)慎的態(tài)度。他指出，考慮到當(dāng)前具身智能模型技術(shù)路線尚不清晰，投入可能會(huì)帶來不確定性，因此選擇暫時(shí)觀望。然而，王興興也強(qiáng)調(diào)，宇樹科技不會(huì)放棄對這一領(lǐng)域的研發(fā)，因?yàn)橛布沁B接AI的橋梁，缺乏對具身智能模型的深入了解，很難設(shè)計(jì)出優(yōu)秀的機(jī)器人本體。

相比之下，姚卯青認(rèn)為，智元在這一領(lǐng)域的投入更為積極。他指出，機(jī)器人公司如果不具備強(qiáng)大的AI能力，就無法實(shí)現(xiàn)智能化轉(zhuǎn)型，也就無法實(shí)現(xiàn)真正的作業(yè)能力。在姚卯青看來，AI技術(shù)能力將成為未來機(jī)器人產(chǎn)品競爭力的關(guān)鍵所在，就像新能源汽車和智能手機(jī)等終端產(chǎn)品一樣，隨著硬件方案逐漸趨于統(tǒng)一，供應(yīng)鏈高度整合，最終的競爭將集中在AI能力上。

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。據(jù)公司介紹，這款具身智能模型最大的創(chuàng)新在于其架構(gòu)設(shè)計(jì)。智元GO-1采用了Vision-Language-Latent-Action (ViLLA)架構(gòu)，這一架構(gòu)由多模態(tài)大模型（VLM）與混合專家模型（MoE）組成。

其中，VLM通過學(xué)習(xí)海量的互聯(lián)網(wǎng)純文本與圖文數(shù)據(jù)，幫助機(jī)器人理解通用知識(shí)和場景信息。而MoE則由兩個(gè)"專家"組成：隱式規(guī)劃器（Latent Planner）利用大量的人類與機(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)作專家（Action Expert）則通過仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)的結(jié)合，獲得精細(xì)的動(dòng)作執(zhí)行能力。

從技術(shù)原理上來看，這種架構(gòu)構(gòu)建了從通用場景感知、指令理解、動(dòng)作理解到動(dòng)作最終執(zhí)行的全鏈條。姚卯青用乒乓球教學(xué)的比喻進(jìn)一步解釋了這一架構(gòu)的創(chuàng)新之處。他指出，VLM之于機(jī)器人的作用，好比是基礎(chǔ)理論課，幫助機(jī)器人理解乒乓球的基礎(chǔ)知識(shí)。隱式規(guī)劃器（Latent Planner）的作用，好比是讓初學(xué)者觀看世界冠軍的比賽視頻，幫助他們理解乒乓球的高級技巧。而動(dòng)作專家（Action Expert）則通過仿真數(shù)據(jù)進(jìn)行模擬訓(xùn)練，如同使用發(fā)球機(jī)進(jìn)行訓(xùn)練，而利用真實(shí)數(shù)據(jù)進(jìn)行訓(xùn)練，則如同請乒乓球教練手把手指導(dǎo)。

這一創(chuàng)新性的技術(shù)架構(gòu)，不僅為智元的人形機(jī)器人開發(fā)開辟了新的技術(shù)路徑，也為整個(gè)機(jī)器人行業(yè)的發(fā)展提供了重要的參考價(jià)值。

具身智能模型的四類訓(xùn)練數(shù)據(jù)。智元公司為其提供技術(shù)支持。

智元具身研究中心常務(wù)主任任廣輝指出，當(dāng)前市場上具身智能模型面臨著諸多實(shí)際應(yīng)用難題。例如，斯坦福大學(xué)的ACT小模型雖然在訓(xùn)練方法上有所創(chuàng)新，但未能充分運(yùn)用大規(guī)模圖文和操作視頻數(shù)據(jù)，導(dǎo)致其技能單一且難以學(xué)習(xí)新技能?；赩ision-Language-Action（VLA）構(gòu)建的模型雖然在場景感知和指令理解方面表現(xiàn)突出，但在缺乏大規(guī)模機(jī)器人操作視頻數(shù)據(jù)的情況下，其迭代成本過高。

智元發(fā)布的實(shí)驗(yàn)數(shù)據(jù)顯示，其推出的GO-1模型較現(xiàn)有最優(yōu)模型顯著提升了成功率，從46%提升至78%，改進(jìn)幅度達(dá)32%。

智元方面表示，GO-1模型在泛化能力方面進(jìn)行了顯著優(yōu)化，降低了具身模型的使用門檻。同時(shí)，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)反饋場景測試中的錯(cuò)誤數(shù)據(jù)，并將這些數(shù)據(jù)融入后續(xù)模型訓(xùn)練，實(shí)現(xiàn)模型的持續(xù)迭代。

為拓展應(yīng)用場景，智元正在尋求與頭部大模型公司合作開發(fā)具身智能模型。2月下旬，跳星星辰宣布與智元達(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。智元介紹稱，雙方將基于跳星的多模態(tài)、推理和訓(xùn)練等底層技術(shù)能力，開發(fā)出符合機(jī)器人應(yīng)用場景的產(chǎn)品。

在數(shù)據(jù)采集路線的探索方面，目前仍存在不同的策略選擇。部分企業(yè)傾向于利用合成數(shù)據(jù)，但也有不少公司認(rèn)為真實(shí)機(jī)器人的數(shù)據(jù)是解決數(shù)據(jù)瓶頸的重要途徑。為此，智元在上海建立了 dedicated的數(shù)據(jù)采集工廠，部署了近100臺(tái)機(jī)器人，日采集量達(dá)到3萬至5萬條真實(shí)數(shù)據(jù)。

業(yè)內(nèi)普遍認(rèn)為，2025年是具身智能模型"量產(chǎn)元年"。1月初，智元宣布已累計(jì)下線1000臺(tái)通用具身機(jī)器人，其中包括731套雙足人形機(jī)器人和269套輪式通用機(jī)器人。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，其余作為樣機(jī)投入研發(fā)。

姚卯青預(yù)估，公司今年的出貨量將突破數(shù)千臺(tái)，并預(yù)計(jì)營收較去年將實(shí)現(xiàn)數(shù)倍增長。此外，智元計(jì)劃在科研教育、服務(wù)業(yè)等領(lǐng)域進(jìn)一步拓展應(yīng)用場景。

采寫：南都記者 楊柳