【ITBEAR】9月20日消息，
作者 | 王欣
編輯 | 苗正卿
頭圖 | 阿里供圖
“通用機(jī)器人一定要做成人形，而且是有兩條腿的人形?！?/p>
在圓桌討論的一開(kāi)始，逐際動(dòng)力創(chuàng)始人張巍就火藥味十足地定義了他眼中的人形機(jī)器人理想形態(tài)。自稱(chēng)“先看腿”的張巍認(rèn)為：人形機(jī)器人不是傳統(tǒng)機(jī)械臂公司的延續(xù)，它的本質(zhì)就是要長(zhǎng)出兩條腿來(lái)。通用的移動(dòng)能力其實(shí)是不太需要雙臂的，只要弄成一個(gè)單臂就可以了。
不過(guò)有趣的是，逐際動(dòng)力最新的人形機(jī)器人——CL-1采用的卻是雙臂設(shè)計(jì)。
而北大-銀河通用具身智能聯(lián)合實(shí)驗(yàn)室主任王鶴則持有不同觀點(diǎn)，王鶴認(rèn)為：相比雙足形態(tài)，將兩條腿并成一條的輪式能以最便宜的價(jià)格穩(wěn)定落地。這是因?yàn)槠降厣?，輪子是夠用的。而在零售商超和工廠場(chǎng)景的諸多動(dòng)作都需要用到雙臂。
在9月19日，云棲大會(huì)主題為《人形機(jī)器人的“圖靈時(shí)刻”》的圓桌對(duì)話現(xiàn)場(chǎng)，星動(dòng)紀(jì)元?jiǎng)?chuàng)始人陳建宇、北大-銀河通用具身智能聯(lián)合實(shí)驗(yàn)室主任王鶴、宇樹(shù)科技創(chuàng)始人王興興、逐際動(dòng)力創(chuàng)始人張巍以及至頂科技CEO高飛，共同探討了人形機(jī)器人當(dāng)下最受關(guān)注的幾個(gè)問(wèn)題。
與路線高度統(tǒng)一的大模型行業(yè)不同，這些人形機(jī)器人公司的路線各不相同，他們旗幟鮮明地表明不同觀點(diǎn)，也讓我充分感受到人形機(jī)器人行業(yè)最有趣的地方：永遠(yuǎn)不缺乏顛覆傳統(tǒng)的“暴論”和鮮活的非共識(shí)。
比如，在一眾人形機(jī)器人和大模型公司都在探索商業(yè)化路徑時(shí)，張巍反而認(rèn)為：
要避免過(guò)早做商業(yè)化。
張巍舉了ChatGPT2.0的例子——在ChatGPT初期做一個(gè)超級(jí)應(yīng)用，要打一堆補(bǔ)丁增加了部署和售后的很多成本，最終商業(yè)邏輯還是挺難跑通。關(guān)鍵點(diǎn)還是要看技術(shù)的開(kāi)關(guān)何時(shí)打開(kāi)。
而在衡量人形機(jī)器人技術(shù)水平的話題上，大家的想法終于收斂到了一個(gè)關(guān)鍵節(jié)點(diǎn)：
泛化。
“把一個(gè)機(jī)器人拉到它以前沒(méi)有見(jiàn)到的場(chǎng)景，只要簡(jiǎn)單演示一下怎么操作，它就可以很自然地做好了。”宇樹(shù)科技創(chuàng)始人王興興認(rèn)為這種泛化的性質(zhì)非常有價(jià)值。
那么如何測(cè)試機(jī)器人有沒(méi)有達(dá)到一個(gè)真正的泛化性？
“在演示的過(guò)程中，你就給它搗亂，走的時(shí)候突然去踹一腳，突然給它下面擺很多不平的東西。它做操作抓取的時(shí)候，突然把這個(gè)東西給拿開(kāi)。再看它還能不能很穩(wěn)定的、很智能的去適應(yīng)完成?！毙莿?dòng)紀(jì)元?jiǎng)?chuàng)始人陳建宇給出了方法論。
這種測(cè)試方法，讓我想到了宇樹(shù)出圈的“王興興暴力測(cè)試機(jī)器人”場(chǎng)景。
和許多機(jī)器人公司相同，2022年表現(xiàn)驚艷的大語(yǔ)言模型，讓曾經(jīng)遲疑的王興興看到了人形機(jī)器人的更多可能，于是很快發(fā)布了兩款人形機(jī)器人。
這次大模型浪潮，也給具身智能帶來(lái)了新的機(jī)遇——“行業(yè)開(kāi)始思考，怎么樣去做機(jī)器人的Scaling Law?！标惤ㄓ钸@樣總結(jié)大模型帶來(lái)的啟發(fā)。
受到大模型技術(shù)的影響，機(jī)器人領(lǐng)域的發(fā)展經(jīng)歷了從“規(guī)則驅(qū)動(dòng)”到“算法驅(qū)動(dòng)”再到“數(shù)據(jù)驅(qū)動(dòng)”的跳變。
王興興表示，通用機(jī)器人尤其通用人形機(jī)器人算是目前大模型最好的落地載體。
在巨量的資金人才投入和技術(shù)的快速迭代下，大家對(duì)于未來(lái)仍然較為樂(lè)觀。
王鶴預(yù)測(cè)，從明年開(kāi)始將會(huì)是商用的元年，銀河通用5年的目標(biāo)則是在零售和工廠場(chǎng)景中達(dá)到1萬(wàn)臺(tái)。銀河通用向虎嗅展示了他們?cè)谡桂^現(xiàn)場(chǎng)布置的零售場(chǎng)景，前來(lái)體驗(yàn)的觀眾排出了10米的長(zhǎng)隊(duì)，觀眾在iPad端下單后，銀河通用的GALBOT的通用機(jī)器人從貨架上拿到對(duì)應(yīng)物品遞給觀眾。而這項(xiàng)技術(shù)已經(jīng)達(dá)到了產(chǎn)業(yè)化的邊界。
銀河智能展臺(tái)排起了十米長(zhǎng)隊(duì) 圖源：銀河智能
王興興認(rèn)為，三年內(nèi)相對(duì)通用性的人形機(jī)器人大概率會(huì)出現(xiàn)。5年后，可能會(huì)發(fā)生天翻地覆的變化。
在圓桌討論的最后環(huán)節(jié)，大家對(duì)一個(gè)問(wèn)題卻一反常態(tài)地達(dá)成了共識(shí)，或許這能解釋這些人早早潛入人形機(jī)器人行業(yè)的原因。
——當(dāng)被問(wèn)道“人形機(jī)器人的圖靈時(shí)刻是否會(huì)到來(lái)”時(shí)，所有嘉賓都堅(jiān)定地相信，這一時(shí)刻終會(huì)來(lái)臨。
以下為對(duì)話實(shí)錄，由虎嗅整理編輯：（在不改變?cè)獾那闆r下，有刪減調(diào)整）
主持人：AI已經(jīng)讓我們的信息有點(diǎn)真假難辨了，但目前AI還是基于文本，它不是物理世界的，所以我們需要討論一下人形機(jī)器人這樣的物理智能載體，它在大模型帶動(dòng)下會(huì)發(fā)生什么樣的變化，或者某一天我們也會(huì)迎來(lái)它的圖靈時(shí)刻？令我們難分真假，敲門(mén)的不知道是機(jī)器還是人，這一天是否會(huì)到來(lái)？我們圍繞這個(gè)話題請(qǐng)4位嘉賓交流。
我們第一輪問(wèn)題討論的是初心，因?yàn)榇蠹叶际莿?chuàng)業(yè)者，創(chuàng)業(yè)者初心是很重要的，你們初心就是產(chǎn)業(yè)的創(chuàng)新。第一個(gè)問(wèn)題想問(wèn)王興興，我知道宇樹(shù)已經(jīng)創(chuàng)立很多年了，曾經(jīng)一度你還反對(duì)過(guò)做人形機(jī)器人。但前兩年宇樹(shù)很快把人形機(jī)器人做出來(lái)了，所以我想問(wèn)的是：什么使你改變了態(tài)度，還是一開(kāi)始你隱藏了意圖？
王興興：對(duì)，三四年前有投資人問(wèn)我，做不做人形機(jī)器人，我堅(jiān)決反對(duì)做人形機(jī)器人。
原因也比較簡(jiǎn)單，2009、2010年我大一時(shí)，就做過(guò)小的人形機(jī)器人。我發(fā)現(xiàn)，當(dāng)前人類(lèi)技術(shù)其實(shí)沒(méi)有辦法駕馭這么復(fù)雜的機(jī)器人系統(tǒng)。一個(gè)機(jī)器人系統(tǒng)復(fù)雜到一定程度以后，就變成非人力可維護(hù)，做一些簡(jiǎn)單事情可以，想要復(fù)雜或者泛用性，人類(lèi)的技術(shù)沒(méi)辦法駕馭，所以就沒(méi)有做人形機(jī)器人。
但后來(lái)大家也知道，最近一波差不多從2016年開(kāi)始，新的AI技術(shù)誕生了，并且2018年、2019年，在機(jī)器人AI上已經(jīng)看到一些苗頭。在2022年時(shí)，大語(yǔ)言模型發(fā)展非常驚艷，我們就在2023年初開(kāi)始正式做人形機(jī)器人。大家可以看到，雖然我們做人形機(jī)器人起步相對(duì)比較晚的，但到現(xiàn)在差不多一年半多時(shí)間，我們已經(jīng)發(fā)布過(guò)兩款人形機(jī)器人，而且目前取得的效果也非常驚艷。所以，在某種程度上，無(wú)論是硬件還是軟件的發(fā)展節(jié)奏，都超過(guò)我自己的預(yù)計(jì)。
主持人：第二個(gè)問(wèn)題我想問(wèn)一下張巍，我看到我們的定位寫(xiě)的是我們是一個(gè)通用機(jī)器人公司，通用機(jī)器人一定要做成人形嗎？因?yàn)檫@個(gè)很有爭(zhēng)議，你怎么看？
張?。何矣X(jué)得一定要做成人形，而且是有兩條腿的人形機(jī)器人。可能這個(gè)見(jiàn)仁見(jiàn)智，每個(gè)人觀點(diǎn)不一樣。
我簡(jiǎn)單說(shuō)一下我對(duì)通用機(jī)器人的理解，我首先覺(jué)得，機(jī)器人和AI，它的使命是不同的，AI是代替人來(lái)思考決策的，機(jī)器人本質(zhì)上要代替人來(lái)運(yùn)動(dòng)的，所以它必須能動(dòng)。大家看到的各式各樣的機(jī)器人非常多，它們本質(zhì)上就在做兩件事情，一件事情就是要移動(dòng)，另外一件事情就是操作。所謂的通用機(jī)器人，就是在這兩個(gè)能力上都能達(dá)到跟人一樣的環(huán)境適應(yīng)能力和任務(wù)的泛化性。
值得一提的是，通用的移動(dòng)能力其實(shí)是不太需要雙臂的，只要弄成一個(gè)單臂就可以了。但是通用的操作能力反而是需要雙腿的，不然你可能都沒(méi)法到人能夠到的地方去干活。我覺(jué)得這一代AGI的發(fā)展，相比上一代最大的區(qū)別，是從專(zhuān)用到通用的一個(gè)變化。可是在大模型出來(lái)之前，我感覺(jué)通用這個(gè)詞是個(gè)貶義詞，感覺(jué)一說(shuō)什么通用就證明它是沒(méi)什么用。
但是大模型出來(lái)以后，大家發(fā)現(xiàn)像以前我們這種在專(zhuān)業(yè)領(lǐng)域里搜數(shù)據(jù)、做專(zhuān)項(xiàng)任務(wù)的訓(xùn)練方式是有很大局限性的，反而我們要忽略一下專(zhuān)項(xiàng)的能力，要先構(gòu)建一個(gè)通用的基礎(chǔ)模型的能力，然后再在上面長(zhǎng)出專(zhuān)用的能力，這才是系統(tǒng)化解決泛化性的一個(gè)關(guān)鍵。我覺(jué)得軟件算法的通用性靠大模型技術(shù)；機(jī)器人跟物理世界交互的這個(gè)通用性，靠人形機(jī)器人。這也是我們公司關(guān)注的賽道。
主持人：但是您剛才說(shuō)的是有腿的，我不是挑事，我看到王鶴老師的官網(wǎng)上有機(jī)器人沒(méi)有腿的。我想問(wèn)一下王鶴您對(duì)人形機(jī)器人怎么理解，有什么形態(tài)算人形？
王鶴：我們公司叫銀河通用，所以從建立的第一天，我們的目標(biāo)就是要達(dá)成通用機(jī)器人。但是通用機(jī)器人有一個(gè)過(guò)程，它要先做到單一場(chǎng)景、多任務(wù)、可移動(dòng)，然后再做到多場(chǎng)景、多任務(wù)，最后做到全場(chǎng)景，幾乎是全任務(wù)。在這個(gè)過(guò)程中，不同階段的形態(tài)，也有它最適合、最經(jīng)濟(jì)、最穩(wěn)定的載體。所以通用機(jī)器人這個(gè)萬(wàn)億市場(chǎng)剛剛開(kāi)局的時(shí)候，我們選擇了先從幾個(gè)場(chǎng)景里頭的多任務(wù)做起：比如說(shuō)在零售商超場(chǎng)景去上貨、下貨，在工廠里去抱箱子。
在這些場(chǎng)合，我們發(fā)現(xiàn)平地上，輪子是夠用的。并不能說(shuō)我們沒(méi)有腿，我們是把兩只腿并在了一起，這樣它能夠手碰到地，撿地面的東西。那為什么要雙手呢？因?yàn)槲覀儼l(fā)現(xiàn)，抱箱子需要兩只手，在超市里頭一只手拿籃子、一只手拿貨，也是需要兩只手。
所以，我們的形態(tài)目前是360度輪，雙腿并成一條腿，站直1.73米，最高可以夠到2.4米，蹲下來(lái)可以摸地，能以最便宜的價(jià)格、最穩(wěn)定的機(jī)器人技術(shù)率先實(shí)現(xiàn)可以落地的場(chǎng)景。
主持人：我聽(tīng)明白了，王鶴老師說(shuō)也要有腿，但是對(duì)腿的定義不一樣。我問(wèn)一下陳建宇，我們的定位當(dāng)中也一個(gè)詞叫“具身智能和人形機(jī)器人”，大家討論的時(shí)候總是把兩個(gè)詞放到一塊兒，你怎么看？
陳建宇：我覺(jué)得這是大家比較容易混淆的概念，雖然這兩個(gè)詞非常的相近，但是它們的側(cè)重點(diǎn)還是不太相同的。對(duì)于具身智能來(lái)說(shuō)，我們主要的是關(guān)注智能性所謂軟的這個(gè)層面。但它對(duì)形態(tài)其實(shí)是要求不高的，可以是人形的、四足的、輪式的、機(jī)械臂的，甚至就是一個(gè)桌子、椅子，只要它能動(dòng)，都可以給它賦予具身智能，它是在這一層面更廣泛的概念。
當(dāng)然，人形機(jī)器人顧名思義，形態(tài)一定是人形的。當(dāng)然它不僅僅是要研究人形機(jī)器人所對(duì)應(yīng)的具身智能怎么去做？同時(shí)我們也需要去研究它的本體怎么去做？這里面有很多的挑戰(zhàn)性，包括我們講人形機(jī)器人還會(huì)討論它的核心零部件、它的產(chǎn)業(yè)鏈、它的工程量產(chǎn)。
星動(dòng)紀(jì)元同時(shí)非常重視具身智能和人形機(jī)器人這兩個(gè)層面，其實(shí)也是代表我們非常重視軟件和硬件的協(xié)同一體的發(fā)展。因?yàn)閷?duì)我們?nèi)祟?lèi)來(lái)說(shuō)，我們?nèi)四X和身體本身就是不可分割的，本身就是從小到大我們同時(shí)去發(fā)育起來(lái)的，所以我們也是秉承這個(gè)觀點(diǎn)，我們認(rèn)為機(jī)器人的軟件和硬件也需要協(xié)同發(fā)展。
主持人：不只是腿的變化，其他的物件，能動(dòng)的桌子、椅子也是一種具身智能。接下來(lái)我問(wèn)第二輪問(wèn)題，人形機(jī)器人現(xiàn)在很熱，很多人關(guān)心，有這種表演等等，大家都去看。但是不同的人看人形機(jī)器人他的角度不一樣。請(qǐng)各位聊聊，人形機(jī)器人怎么看門(mén)道，它的技術(shù)含量到底體現(xiàn)在哪兒？如果我們?nèi)ヒ粋€(gè)展會(huì)看到人形機(jī)器人你到底看哪個(gè)位置，會(huì)說(shuō)這個(gè)東西有技術(shù)含量很大？
陳建宇：如果我們非常粗略的把人形機(jī)器人技術(shù)分成三大塊，就是大腦、小腦和本體。相對(duì)來(lái)說(shuō)，這里面最關(guān)鍵的，我個(gè)人認(rèn)為是小腦的層面，因?yàn)樗亲罨A(chǔ)的一個(gè)部分。如果只有一個(gè)本體和一個(gè)大腦，缺了小腦的話，只能成為會(huì)思考的一堆爛鐵。所以，它是承接大腦的你的思考、你的規(guī)劃，并調(diào)用我們這個(gè)硬件本體，真正能幫助我們到這個(gè)世界里面干活的。
而同時(shí)我個(gè)人認(rèn)為，相比于其他幾個(gè)部分，現(xiàn)在人形機(jī)器人的小腦部分，反而是最薄弱的，同時(shí)也是技術(shù)的不確定性最高的，最沒(méi)有收斂的。雖然本體核心硬件的做法也非常難，但是我們可以借鑒很多產(chǎn)業(yè)，包括工業(yè)機(jī)器人、電動(dòng)車(chē)的產(chǎn)業(yè)。受益于大語(yǔ)言模型，大腦的技術(shù)相對(duì)來(lái)說(shuō)還挺強(qiáng)大的。但是對(duì)于小腦來(lái)說(shuō)，我們發(fā)現(xiàn)大部分的機(jī)器人現(xiàn)在還是用的十幾年前、甚至幾十年前的工業(yè)機(jī)器人或者掃地機(jī)這一類(lèi)的技術(shù)來(lái)去做。所以，這是局限的一個(gè)關(guān)鍵。
我們希望人形機(jī)器人的小腦，使它的雙腿能夠像人一樣的又穩(wěn)又快又靈活，能夠幫助我們到達(dá)任何地方，我們希望它的雙手能夠幫助我們上的廳堂、下的廚房、進(jìn)得工廠，什么都能夠去干，做非常靈巧的事情，這是我們希望的，但是現(xiàn)在其實(shí)沒(méi)達(dá)到。
回答剛才的問(wèn)題，怎么去鑒別？我們會(huì)看到各種各樣的一些demo存在。我覺(jué)得鑒別的點(diǎn)是，不管是行走還是操作有沒(méi)有達(dá)到一個(gè)真正的泛化性？比如說(shuō)在演示的過(guò)程中，你就給它搗亂，走的時(shí)候突然去踹一腳，突然給它下面擺很多不平的東西。然后它做操作抓取的時(shí)候，突然把這個(gè)東西給拿開(kāi)，或者給它搗一些亂。你看它還能不能很穩(wěn)定的、很智能的去適應(yīng)、去完成。
主持人：我擔(dān)心您說(shuō)完之后，大家把線頭拉上了。王鶴老師，您怎么看？
王鶴：銀河通用目前最關(guān)心的是機(jī)器人上半身的“手眼腦”協(xié)調(diào)，這里有大腦、有小腦、有對(duì)本體的控制。首先是我們的泛化抓取技術(shù)，這項(xiàng)技術(shù)可以明了地展示何謂具身智能。泛化的意思是不管給我透明的、高光的、吸光的，各種材質(zhì)，任意擺放的物體，機(jī)器人都能抓。此外，像抱箱子、拿藥盒，是完全靠視覺(jué)引導(dǎo)的泛化，貨架、地面等等都沒(méi)有任何二維碼或者標(biāo)記，跟我們?nèi)祟?lèi)一樣，都是看圖去理解。談到跟大腦耦合，那就是我們說(shuō)一句話，機(jī)器人直接零代碼部署。第一次見(jiàn)過(guò)這個(gè)任務(wù)，機(jī)器人就能夠操作，包括我們現(xiàn)在最前沿的技術(shù)，端到端的大模型。（屏幕上展示的）是我們?cè)谟糜顦?shù)的四足機(jī)器人去訓(xùn)練和測(cè)試導(dǎo)航能力，我們說(shuō)一句話，在完全沒(méi)見(jiàn)過(guò)的環(huán)境中，機(jī)器人就能夠沿著我們的命令不見(jiàn)圖的、只用視頻作為輸入按照指令行走。
所以，我認(rèn)為人形機(jī)器人的技術(shù)含金量可以從這兩個(gè)地方總結(jié)：一是它的泛化性到底有多強(qiáng)，是不是通向未來(lái)真正的通用；二是它能不能跟人之間能夠用自然語(yǔ)言來(lái)溝通，然后實(shí)現(xiàn)零代碼的部署。
主持人：不止能干活，還能交流，興興怎么看，你主要看哪個(gè)位置？
王興興：對(duì)人形機(jī)器人，大家還是希望有一個(gè)AI模型，無(wú)論是運(yùn)動(dòng)、操作都能做。當(dāng)下，基本上大家分開(kāi)的會(huì)多一些。比如說(shuō)對(duì)于全身運(yùn)動(dòng)的話，我個(gè)人希望到明年，機(jī)器人能做非常復(fù)雜的全身運(yùn)動(dòng)表演之類(lèi)的事情。當(dāng)然，我們現(xiàn)在也做了一部分，但目前大部分動(dòng)作還是單個(gè)做訓(xùn)練的，不是全連在一起，而且每次訓(xùn)練還是挺花時(shí)間和花人力的。如果能有一套全面的，比如說(shuō)能做全身運(yùn)動(dòng)，只要給它看個(gè)視頻，或者做一個(gè)簡(jiǎn)單的演示，它完全能學(xué)會(huì)一個(gè)動(dòng)作，這樣對(duì)于表演這個(gè)事情，就會(huì)有天翻地覆的變化。
另外，希望有更好的操作能力。比如操作一些簡(jiǎn)單桌面的整理，或者做一些復(fù)雜的生產(chǎn)裝備，或者相對(duì)來(lái)說(shuō)設(shè)計(jì)更復(fù)雜的推理事情，操作能力有更強(qiáng)的提升，或者真正解決生活中手臂操作相關(guān)的事情，都是非常有價(jià)值的。目前這兩部分，大家都已經(jīng)取得了一定的進(jìn)步，但離真正比較泛用性的還有一些距離。舉個(gè)例子，你把一個(gè)機(jī)器人拉到它以前沒(méi)有見(jiàn)到的場(chǎng)景，你只要簡(jiǎn)單演示一下怎么操作，它就可以很自然地，或者自我強(qiáng)化地做好了，我覺(jué)得這是非常有價(jià)值的。
主持人：如果你看到一個(gè)機(jī)器人，第一眼看哪個(gè)，眼光落到哪里？
王興興：都可以看一下，個(gè)人的審美不太一樣！
主持人：張巍覺(jué)得呢？
張?。嚎礄C(jī)器人門(mén)道，和幾位嘉賓一樣，就看兩個(gè)關(guān)鍵詞：泛化、通用，這是本次變革最關(guān)鍵的兩個(gè)詞。具體看哪兒，看腦還是手，我提供一個(gè)角度，咱們先看腿。因?yàn)槿诵螜C(jī)器人之所以是一個(gè)新的物種，它不是一個(gè)傳統(tǒng)機(jī)械臂公司的延續(xù)，它的本質(zhì)就是要長(zhǎng)出兩條腿來(lái)，我覺(jué)得腿是機(jī)器人有通用能力的基礎(chǔ)。看腿看什么呢？主要看兩點(diǎn)：一個(gè)是腿有沒(méi)有完成本職的工作，地形的泛化能力；二是看它能否支撐雙臂完成全身協(xié)同通用的操作，這也是腿存在的重要價(jià)值。
我們的視頻大家看到這個(gè)小的雙足機(jī)器人，它是沒(méi)有腳掌的，相當(dāng)于人踩著高蹺，其實(shí)是很難平衡的，是我們用來(lái)測(cè)試AI算法能力的。大家可以看到機(jī)器人地形上適應(yīng)能力和泛化能力基本達(dá)到了類(lèi)人的能力，我個(gè)人踩著高蹺在山里，你推我一把，我估計(jì)也會(huì)摔倒，這方面算是一個(gè)比較重要的進(jìn)展。
另外，它在一定負(fù)載4公斤前提下全身協(xié)同的操作，這樣的展示，尤其有負(fù)載的情況下相對(duì)比較少的。主要是雙腿既要保持自身的平衡，同時(shí)要四肢協(xié)同發(fā)力來(lái)完成這樣大負(fù)載的操作。過(guò)程中還要?jiǎng)討B(tài)通過(guò)腿，全身協(xié)調(diào)來(lái)調(diào)整重心，有一定的挑戰(zhàn)性。但這樣全身協(xié)同的操作任務(wù)，我覺(jué)得是區(qū)分人形機(jī)器人和固定雙臂機(jī)器人最重要的區(qū)別，也是我們比較關(guān)注的技術(shù)點(diǎn)。
主持人：我總結(jié)一下，幾位看法有一定一致性。
一，它不能認(rèn)生，它去別的地方就認(rèn)生，“社恐”這個(gè)事就不行，它必須是E型人格。
二，雙手和雙腳，四肢的作用很重要，移動(dòng)和操作的控制是非常重要的兩個(gè)觀察切入點(diǎn)。
接下來(lái)，我們已經(jīng)討論完技術(shù)的點(diǎn)，大家肯定很關(guān)心干活問(wèn)題，因?yàn)橹皟奢営懻摃r(shí)也提及到了，機(jī)器人到底什么時(shí)候能干活？干活指的是進(jìn)工廠，或者在商業(yè)場(chǎng)景，我們進(jìn)家門(mén)了。我想請(qǐng)幾位專(zhuān)家聊一聊，從你們眼中看，人形機(jī)器人干活的時(shí)間線是怎樣的？馬斯克很樂(lè)觀，馬斯克說(shuō)大概2-3代以后100萬(wàn)臺(tái)出貨量，可能很多人會(huì)購(gòu)買(mǎi)，你們有沒(méi)有一個(gè)時(shí)間點(diǎn)？因?yàn)檫@是一個(gè)公眾場(chǎng)合，我希望大家說(shuō)的具體一點(diǎn)，無(wú)論對(duì)和錯(cuò)，以后我們做媒體都有稿子寫(xiě)了。
陳建宇：我覺(jué)得這個(gè)應(yīng)用，包括落地也需要準(zhǔn)確的定義，如果不是特別嚴(yán)苛的定義，不管是工業(yè)還是商用，甚至是家用，可能在一兩年時(shí)間就能初步簡(jiǎn)單工作。根據(jù)羅杰斯創(chuàng)新擴(kuò)散的模型，任何產(chǎn)業(yè)都有早期的使用者，他愿意去嘗試、試錯(cuò)，在產(chǎn)品還沒(méi)有特別完善的時(shí)候。我相信這兩年你們會(huì)看到各個(gè)行業(yè)會(huì)有早期的試用者。
如果真的大規(guī)模應(yīng)用的話，進(jìn)入家庭，它一定相對(duì)來(lái)說(shuō)需要比較長(zhǎng)的時(shí)間。因?yàn)閷?duì)家庭來(lái)說(shuō)，它是一個(gè)沒(méi)有邊界的泛化要求。從大規(guī)模應(yīng)用發(fā)展一定是工業(yè)這種場(chǎng)景會(huì)更先進(jìn)一些，因?yàn)樗怯羞吔绲模梢匀藶橹贫ㄒ恍┮?guī)則，包括一些標(biāo)準(zhǔn)場(chǎng)景是怎么樣的，你可以人為去控制它。在最終的機(jī)器人ChatGPT，或者它的“圖靈時(shí)刻”還沒(méi)有到來(lái)之前，我們能逐步應(yīng)用起來(lái)。
同時(shí)第二個(gè)難點(diǎn)，對(duì)工業(yè)場(chǎng)景的話，你可以把它和人隔開(kāi)，并且它做的事情相對(duì)比較固定一些，小腦取得一定進(jìn)展之后，它就可以用起來(lái)了。在工廠里干活不需要工人必須會(huì)做數(shù)學(xué)題，他能干這道工序就可以了，但對(duì)人來(lái)說(shuō)，它的要求就會(huì)高很多，同時(shí)也會(huì)引來(lái)安全性的問(wèn)題。
王鶴：今天在云棲大會(huì)的現(xiàn)場(chǎng)，我們銀河通用的機(jī)器人也展示了在零售場(chǎng)景的億應(yīng)用，我剛剛看到同事給我們發(fā)來(lái)的圖片，有10米的長(zhǎng)隊(duì)，觀眾在我們ipad端下單，銀河通用的GALBOT的通用機(jī)器人就給大家從貨架上拿你想要的東西遞給觀眾。像這樣的零售場(chǎng)景，主要是抓取和放置的東西，現(xiàn)在的技術(shù)已經(jīng)達(dá)到了產(chǎn)業(yè)化的邊界。我們預(yù)測(cè)，從明年開(kāi)始將會(huì)是商用的元年。5年，我們的目標(biāo)是在零售和車(chē)廠的抱箱子達(dá)到1萬(wàn)臺(tái)；10年，我認(rèn)為安全性可以達(dá)到家庭標(biāo)準(zhǔn)；15年，我預(yù)計(jì)可能會(huì)產(chǎn)生千萬(wàn)乃至大千萬(wàn)級(jí)別的市場(chǎng)。
王興興：我個(gè)人其實(shí)還是相對(duì)比較樂(lè)觀的，我覺(jué)得到明年，在一些公益場(chǎng)景，或者在固定場(chǎng)景做一些有商業(yè)價(jià)值的落地應(yīng)用，像銀河通用這邊，基本上問(wèn)題不大。我個(gè)人還是相對(duì)樂(lè)觀，我覺(jué)得3年左右，至少全球范圍內(nèi)大概率會(huì)出現(xiàn)通用型的機(jī)器人AI。因?yàn)楦^(guò)去10年不一樣，現(xiàn)在整個(gè)機(jī)器人AI的人才、資金都是幾百倍甚至上千倍的巨量投入，所以整個(gè)時(shí)間進(jìn)展會(huì)比較快。5年左右，可能會(huì)發(fā)生天翻地覆的變化。
張?。何矣X(jué)得幾位嘉賓都預(yù)測(cè)得非常好，我就不預(yù)測(cè)準(zhǔn)確的時(shí)間點(diǎn)，我談?wù)劼涞剡^(guò)程中的一些思考，我補(bǔ)充一下。
首先這個(gè)賽道，我認(rèn)為用時(shí)間衡量它是比較難的一件事情，我管這個(gè)賽道的產(chǎn)業(yè)發(fā)展叫“事件驅(qū)動(dòng)”，它更關(guān)鍵看AI技術(shù)的關(guān)鍵開(kāi)關(guān)什么時(shí)候能找到，而不是用具體時(shí)間衡量它。
我也是相對(duì)樂(lè)觀，只不過(guò)我們要避免過(guò)早做商業(yè)化。比如在大模型ChatGPT2.0、3.0的時(shí)候你要做一個(gè)超級(jí)應(yīng)用，肯定要打一堆補(bǔ)丁。因?yàn)樯弦淮斯ぶ悄芎蜋C(jī)器人落地過(guò)程中也遇到了很多挑戰(zhàn)，大家都調(diào)侃“人工智能等于智能不夠靠人工”，所以增加了部署和售后的很多成本，最終商業(yè)邏輯還是挺難跑通。所以我覺(jué)得不用太用時(shí)間衡量，關(guān)鍵是看技術(shù)的開(kāi)關(guān)。
主持人：說(shuō)到這兒，我再補(bǔ)充最后一輪問(wèn)題，就是關(guān)于大模型和機(jī)器人之間的關(guān)系。大模型這個(gè)技術(shù)和背后的體系對(duì)于人形機(jī)器人的發(fā)展起到了什么樣的影響？
張?。悍浅４?。因?yàn)槲矣X(jué)得機(jī)器人這一波的發(fā)展不是它自我革命，就是Agent發(fā)展所帶來(lái)的，所以發(fā)展是靠大模型技術(shù)和大模型技術(shù)背后的技術(shù)。
我說(shuō)一個(gè)背后的思考，不說(shuō)具體的應(yīng)用。我覺(jué)得這幾年由于受到大模型技術(shù)的啟發(fā)，機(jī)器人領(lǐng)域的發(fā)展也經(jīng)歷了從“規(guī)則驅(qū)動(dòng)”到“算法驅(qū)動(dòng)”再到“數(shù)據(jù)驅(qū)動(dòng)”的跳變。以前可能看你有什么算法，然后根據(jù)算法的需求來(lái)收數(shù)據(jù)、來(lái)解決問(wèn)題?，F(xiàn)在的思維變了，我們首先要看你有什么數(shù)據(jù)、你有多少量的數(shù)據(jù)，然后你獲取新數(shù)據(jù)的方式和成本是怎么樣的，這些數(shù)據(jù)的quality分布是什么樣的，這就直接決定了你采用什么樣的算法做訓(xùn)練，甚至也決定了你的訓(xùn)練。所以我們公司有一個(gè)口號(hào)叫“軟件定義硬件，但數(shù)據(jù)定義軟件”，這是我們的思路。
王興興：我一直感覺(jué)通用機(jī)器人尤其通用人形機(jī)器人算是目前大模型最好的落地載體，它其實(shí)可以解決大模型目前落地場(chǎng)景的問(wèn)題，所以我覺(jué)得兩個(gè)是非常好的組合關(guān)系。
王鶴：我覺(jué)得現(xiàn)在的通用機(jī)器人，我們雖然有一些技能，但幾乎都是分立的一些小模型。所以大模型賦能這些技能有幾步：第一步是大模型可以作為一個(gè)Agent來(lái)調(diào)用這些API進(jìn)行長(zhǎng)程的任務(wù)規(guī)劃，第二步是大模型可以作為一個(gè)Monitor，它看小模型執(zhí)行過(guò)程中有沒(méi)有出任何錯(cuò)誤，及時(shí)去終止或者調(diào)用別的技能來(lái)挽救這些錯(cuò)誤，比如藥盒掉到地上了，它立馬說(shuō)“你得給它撿起來(lái)”；第三步則是最有想象力的端到端，Vision、Language、Action，把動(dòng)作作為大模型輸出的模態(tài)，像自動(dòng)駕駛一樣，我們實(shí)現(xiàn)一個(gè)把通用感知、通用規(guī)劃或通用執(zhí)行融為一體的大模型。
陳建宇：我認(rèn)為大模型帶給我們最重要的啟發(fā)，就是告訴我們Scaling Law的存在。大家都說(shuō)通用機(jī)器人，必須要有它所匹配的通用智能，所以大模型啟發(fā)我們?nèi)ニ伎迹ㄒ龑?dǎo)我們?nèi)ニ伎荚趺礃尤プ鰴C(jī)器人的Scaling Law。同時(shí)，它也帶給我們一些語(yǔ)言模型領(lǐng)域的技術(shù)，比如說(shuō)Transformer的架構(gòu)，比如說(shuō)Predict next Token的算法技術(shù)，包括你怎么Scaling這樣的數(shù)據(jù)和這樣的算力。當(dāng)然這些也還是不夠的，畢竟我們的機(jī)器人需要在物理世界去交互、去做事情，去理解整個(gè)物理世界。所以在算法，模型、數(shù)據(jù)層面，都有很多不同需要我們探索。
主持人：剛剛您談到算力和數(shù)據(jù)，我想追問(wèn)一個(gè)問(wèn)題。現(xiàn)在合成的、網(wǎng)絡(luò)的、仿真數(shù)據(jù)的比例是什么情況？算力的匹配是怎樣的，是云端還是本地的？
陳建宇：現(xiàn)在應(yīng)該還沒(méi)有數(shù)據(jù)的比例，其實(shí)還沒(méi)有達(dá)到一個(gè)完全收斂的狀態(tài)、固定一定是多少的比例。比如以我們來(lái)說(shuō)，我們是根據(jù)機(jī)器人的特性。比如我們的運(yùn)動(dòng)、控制、行走的數(shù)據(jù)，我們幾乎是純粹的仿真里面的數(shù)據(jù)。但是我們對(duì)操作來(lái)說(shuō)，我們目前又幾乎是純粹的真實(shí)世界獲取的數(shù)據(jù)，這是根據(jù)它的仿真難度、數(shù)據(jù)獲取的難度，以及你的算法所匹配的程度來(lái)定的，未來(lái)可能會(huì)有一些改變。
主持人：算力在云端還是本地，這個(gè)分配是什么樣的？
陳建宇：我認(rèn)為這個(gè)跟大模型不一樣，大模型的算力可以完全在云端，但是對(duì)于機(jī)器人來(lái)說(shuō)，你必須要有本地的算力。因?yàn)樗鼘?duì)延時(shí)或者斷網(wǎng)零容忍，會(huì)對(duì)物理世界造成嚴(yán)重的影響。所以說(shuō)大體一分的話，如果你分大腦和小腦，簡(jiǎn)單一分，小腦在本地，大腦在云端。
主持人：是云端協(xié)同的設(shè)計(jì)。我們最后還有1分鐘時(shí)間，大家覺(jué)得人形機(jī)器人能變成真假難分嗎？
陳建宇：能。
王鶴：一定能。
王興興：能。
張?。阂欢ê捅仨毮?。
Tips：我是虎嗅科技醫(yī)療組的王欣，關(guān)注AI及創(chuàng)投領(lǐng)域，行業(yè)人士交流可加微信：13206438539，請(qǐng)注明身份。
正在改變與想要改變世界的人，都在虎嗅APP
