具身智能還沒(méi)有迎來(lái)ChatGPT時(shí)刻，人形機(jī)器人還需要在不斷嘗試各種應(yīng)用場(chǎng)景中等待真正爆發(fā)的機(jī)會(huì)。

文｜邱慧

編輯｜張劍

一個(gè)月前，宇樹(shù)科技G1 人形機(jī)器人在全球首個(gè)以人形機(jī)器人為參賽主體的格斗賽上，展示了刺拳、勾拳、踢腿等格斗動(dòng)作。

一如此前人形機(jī)器人的馬拉松賽事，這場(chǎng)格斗賽同樣引來(lái)網(wǎng)友爭(zhēng)議：“機(jī)器人為何要參加人類(lèi)賽事？”

6月6日，在第七屆“北京智源大會(huì)”上，獲得格斗比賽冠軍的“AI策算師”向到場(chǎng)觀(guān)眾展示了一套格斗動(dòng)作后，宇樹(shù)科技CEO王興興首次回應(yīng)外界對(duì)機(jī)器人參加各項(xiàng)賽事的質(zhì)疑。

王興興表示，過(guò)去無(wú)論是春晚上的表演還是格斗比賽，宇樹(shù)希望給大家真正展示一下當(dāng)前全球機(jī)器人發(fā)展的情況，同時(shí)也能帶動(dòng)整個(gè)機(jī)器人行業(yè)的發(fā)展。

他坦言，目前“還不能直接去家里和工廠(chǎng)干活”是全球機(jī)器人行業(yè)都面臨的現(xiàn)實(shí)性問(wèn)題。王興興稱(chēng)，宇樹(shù)終極目標(biāo)就是希望人形機(jī)器人真正去干活，但在真正干活之前，參加各類(lèi)賽事，也是希望展示已經(jīng)達(dá)到的技術(shù)成果，并且做更多的商業(yè)化拓展和嘗試。

具身智能還沒(méi)到ChatGPT時(shí)刻？

過(guò)去的兩年里，無(wú)論是資本市場(chǎng)還是AI賽道，具身智能都是毋庸置疑的“頂流”。

企業(yè)前赴后繼，爭(zhēng)相涌進(jìn)具身智能賽道。然而，盡管廠(chǎng)商蜂擁而至，但具身智能面臨的挑戰(zhàn)仍不少。

智源研究院院長(zhǎng)王仲遠(yuǎn)指出，當(dāng)下的具身智能大模型面臨“不好用、不通用、不易用”的特點(diǎn)?！安缓糜谩笔侵妇呱泶竽Ｐ瓦h(yuǎn)沒(méi)有到ChatGPT時(shí)刻；“不通用”是指具身大模型只能用于一個(gè)本體或同一品牌的本體；“不易用”是指大腦、小腦本體的適配難度比較高。

王仲遠(yuǎn)坦言，當(dāng)下由于具身智能硬件依然不夠成熟，帶來(lái)數(shù)據(jù)短缺問(wèn)題，由此導(dǎo)致模型能力弱、落地應(yīng)用難、機(jī)器人難以量產(chǎn)等壁壘性問(wèn)題。王仲遠(yuǎn)表示，這些問(wèn)題構(gòu)成了一個(gè)發(fā)展中的循環(huán)悖論，為了破解這些挑戰(zhàn)和瓶頸，就需要行業(yè)里各個(gè)參與方的共同努力。

2025年，通過(guò)參加人類(lèi)賽事的人形機(jī)器人進(jìn)入公眾視野，從長(zhǎng)跑到格斗、分揀貨品，技能無(wú)一不令觀(guān)者嘆服。大眾對(duì)人形機(jī)器人入戶(hù)“解放勞動(dòng)力”的期待值日漸拉滿(mǎn)。

但王興興認(rèn)為，目前讓人形機(jī)器人進(jìn)入家庭干活“還是不現(xiàn)實(shí)”的。他指出，從今年1月份的春晚到格斗比賽，人形機(jī)器人的露出多是展示了目前行業(yè)的發(fā)展水平。

“宇樹(shù)的核心本質(zhì)是希望通過(guò)AI技術(shù)，讓一個(gè)機(jī)器人尤其人形機(jī)器人可以做各種類(lèi)似跳舞和格斗的全身動(dòng)作，入戶(hù)后的端茶倒水或者洗衣做飯，同樣也是全身動(dòng)作的一部分?！彼硎?，“但在讓人形機(jī)器人去真正干活這個(gè)終極目標(biāo)未實(shí)現(xiàn)之前，宇樹(shù)選擇先參加一些表演、參加一些格斗比賽來(lái)給大家展示一下機(jī)器人的情況，并且產(chǎn)生一部分商業(yè)價(jià)值。”

北京人形機(jī)器人創(chuàng)新中心總經(jīng)理熊友軍同樣認(rèn)為，機(jī)器人賽事更像是機(jī)器人知識(shí)普及的機(jī)會(huì)，同時(shí)也是讓人形機(jī)器人能夠走出實(shí)驗(yàn)室，走向人類(lèi)真實(shí)生活場(chǎng)景的技術(shù)訓(xùn)練場(chǎng)。對(duì)于行業(yè)而言，有可能會(huì)促成機(jī)器人加速產(chǎn)業(yè)化，或加速在真實(shí)場(chǎng)景里做試點(diǎn)的應(yīng)用。

人形機(jī)器人“炫技”背后，如何讓具身智能走向產(chǎn)業(yè)化是行業(yè)內(nèi)尚在尋求共識(shí)的命題?！半m然我們看到了（機(jī)器人）很多炫酷的功能，但也一定要反思這樣的技能在新環(huán)境下，在客戶(hù)需要百分百成功率的情況下，能不能成功。”銀河通用創(chuàng)始人王鶴分享了他與聯(lián)合團(tuán)隊(duì)思考后的結(jié)果，即先把最重要的技能打通。

“如果我們能讓人形機(jī)器人24小時(shí)服務(wù)，這樣就能讓具身智能真正走向產(chǎn)業(yè)化、真正服務(wù)人民，是創(chuàng)造生產(chǎn)力的開(kāi)始?！蓖斛Q透露，目前，銀河通用機(jī)器人已經(jīng)在北京開(kāi)了7家無(wú)人藥店，由銀河通用的人形機(jī)器人24小時(shí)分揀藥品、對(duì)接騎手，無(wú)人藥店可以在夜間為急需用藥的患者服務(wù)，且不需要人類(lèi)24小時(shí)在崗，“2025年，我們將在北京、上海、深圳一共開(kāi)100家藥店?！?/p>

另有與會(huì)學(xué)者談及，在特定的場(chǎng)景下，機(jī)器人具備多樣式的能力，但后續(xù)的問(wèn)題是如何將這些技能泛化。該學(xué)者認(rèn)為，目前，機(jī)器人技能泛化領(lǐng)域，還處于早期階段，在大語(yǔ)言模型等方面，還有很多工作待完善。此外，他提到，要讓機(jī)器人能夠更加穩(wěn)定，持續(xù)地表現(xiàn)出高效和可靠性，還需要通過(guò)更加精確的數(shù)據(jù)集對(duì)它們進(jìn)行預(yù)先和預(yù)后培訓(xùn)。

在王仲遠(yuǎn)看來(lái)，未來(lái)三年，具身智能最可能在諸如工廠(chǎng)一樣、相對(duì)封閉的特定場(chǎng)景里規(guī)?；涞貞?yīng)用，規(guī)避當(dāng)前具身智能不成熟安全隱患的同時(shí)，也能代替人類(lèi)進(jìn)行重復(fù)性勞動(dòng)任務(wù)。

具身智能商業(yè)化突破的臨界點(diǎn)在哪？

然而，在以人形機(jī)器人為代表的具身智能發(fā)展階段，學(xué)界、業(yè)界內(nèi)外尚存分歧的問(wèn)題是，機(jī)器人形態(tài)選擇上為什么要“類(lèi)人”？通俗而言，就是具身智能最終呈現(xiàn)的形態(tài)一定是人形機(jī)器人嗎？

此前，清華計(jì)算機(jī)系張鈸院士曾公開(kāi)表示，人形機(jī)器人不是具身智能和AGI的最佳路徑，走向通用機(jī)器人，硬件要多樣化，軟件要通用性。

王興興認(rèn)為，機(jī)器人在A(yíng)GI或通用AI發(fā)生以后，可以是千奇百怪的形態(tài)，并不一定是人形。“工廠(chǎng)里干活、醫(yī)療的機(jī)器人，到時(shí)候形式比現(xiàn)在多很多，甚至?xí)?00倍?！蓖跖d興說(shuō)，現(xiàn)階段，之所以大家喜歡用人形，尤其是上半身保持人的樣子，是因?yàn)楝F(xiàn)在A(yíng)I基于人的數(shù)據(jù)進(jìn)行采集和訓(xùn)練，尤其是上半身和人的動(dòng)作一致，數(shù)據(jù)采集方便很多，也方便AI做訓(xùn)練。

熊友軍也認(rèn)同于此。他提到，現(xiàn)在具身智能的發(fā)展和形式，確實(shí)是多種多樣，不一定要局限于人形，人形只是具身智能研究最佳的載體。他指出，今天機(jī)器人可以不必像人，也可以是四足與輪式。從市場(chǎng)的應(yīng)用情況來(lái)看，最多的場(chǎng)景是走路、商用和家庭，今天的工廠(chǎng)應(yīng)用場(chǎng)景只是開(kāi)胃小菜，“人形機(jī)器人的市場(chǎng)容量比其他的機(jī)器人容量要大?！?/p>

從人機(jī)交互來(lái)說(shuō)，熊友軍認(rèn)為，在不遠(yuǎn)的將來(lái)，人形機(jī)器人會(huì)走入人類(lèi)家庭和生活，成為人類(lèi)的朋友，從接受程度上而言，人形機(jī)器人的確有一些優(yōu)勢(shì)。除此之外，目前大部分應(yīng)用環(huán)境是人設(shè)計(jì)的，人形機(jī)器人也可以更方便地適應(yīng)這些環(huán)境。

熊友軍直言，自己了解行業(yè)里的擔(dān)心，“現(xiàn)在成本和技術(shù)不占優(yōu)勢(shì)。但放在歷史比較長(zhǎng)的角度來(lái)看，我堅(jiān)持人形機(jī)器人是一個(gè)很好的載體?！?/p>

需要注意的是，具身智能領(lǐng)域有包括視頻、語(yǔ)音等多模態(tài)，成本、技術(shù)研發(fā)的另一重困境是，具身智能及多模態(tài)大模型應(yīng)用的商業(yè)化、持續(xù)造血問(wèn)題。

多模態(tài)大模型應(yīng)用商業(yè)化的臨界點(diǎn)是否已經(jīng)到來(lái)？智象未來(lái)創(chuàng)始人梅濤認(rèn)為，突破這類(lèi)商業(yè)化困境最關(guān)鍵是要把多模態(tài)模型進(jìn)行應(yīng)用。比如，在一個(gè)合適的商業(yè)場(chǎng)景里，把視頻和圖像等多模態(tài)技術(shù)應(yīng)用于客戶(hù)的場(chǎng)景，幫助客戶(hù)創(chuàng)造價(jià)值。

智譜CEO張鵬提到，傳統(tǒng)的CV模型落地應(yīng)用比較成熟，大模型在視覺(jué)理解能力變強(qiáng)且泛化后，可以迅速替代和填補(bǔ)原來(lái)傳統(tǒng)的視覺(jué)模型應(yīng)用領(lǐng)域的空白需求，“通過(guò)壓縮成本形成規(guī)模化應(yīng)用，即可達(dá)到商業(yè)化應(yīng)用的臨界點(diǎn)。”

但不可忽視的問(wèn)題是，訓(xùn)練數(shù)據(jù)帶來(lái)的正面局限。張鵬提到，市場(chǎng)上的數(shù)據(jù)被用于大量訓(xùn)練，這其中就會(huì)涉及到版權(quán)、成本等問(wèn)題，或許會(huì)對(duì)新技術(shù)的進(jìn)展有一些影響。

令張鵬欣喜的是，隨著技術(shù)不斷的迭代，如今模型的復(fù)雜推理能力、深度思考的推理能力，已經(jīng)有了大幅度提升。同時(shí)，基于推理能力的增強(qiáng)，使得模型在智能體的能力上，有了長(zhǎng)足的進(jìn)步，大模型自己能規(guī)劃任務(wù)、執(zhí)行任務(wù)，根據(jù)環(huán)境的反饋?zhàn)孕姓{(diào)整任務(wù)流程。

至于包括具身智能在內(nèi)的多模態(tài)大模型公司如何解決商業(yè)化“最后一公里”？梅濤認(rèn)為，目前有兩條路，分別適合不同類(lèi)型的公司。對(duì)諸如OpenAI或Gemini類(lèi)模型即產(chǎn)品的公司而言，如果其底座模型做得優(yōu)秀，有流量、資源優(yōu)勢(shì)，可以在很短時(shí)間內(nèi)獲取大量的用戶(hù)，提供一些較底層的服務(wù)。另一種即是構(gòu)建垂直商業(yè)閉環(huán)的場(chǎng)景，“對(duì)整個(gè)商業(yè)或垂類(lèi)應(yīng)用非常理解其業(yè)務(wù)流程，形成閉環(huán)的業(yè)務(wù)?！?/p>

“產(chǎn)經(jīng)在線(xiàn)”注意到，與會(huì)嘉賓反復(fù)提到的是，目前，行業(yè)內(nèi)對(duì)于最適合多模態(tài)模型的技術(shù)路線(xiàn)仍在探索中，還未形成普適性共識(shí)?！叭斯ぶ悄軓臄?shù)字世界跨向物理世界就需要突破數(shù)字世界的隔閡，其中最重要的隔閡就是是對(duì)空間與時(shí)間的感知?！蓖踔龠h(yuǎn)說(shuō)。