自學(xué)干活自訓(xùn)練，智元機(jī)器人沖刺億級(jí)數(shù)據(jù)“涌現(xiàn)”丨科技奇點(diǎn)“破壁人”②

策劃 | 盧嶸 宋德萍 記者 | 溫夢華 丁舟洋 編輯 | 楊夏

在春晚舞臺(tái)上“扭秧歌”、表演720度回旋踢還不夠，如今機(jī)器人還能在葡萄上細(xì)膩縫針、悠然自得地騎自行車。兩家由“90后”參與創(chuàng)業(yè)的國產(chǎn)智能機(jī)器人公司宇樹科技、智元機(jī)器人最近吸引了不少眼球。

3月，“稚暉君”（本名彭志輝）作為聯(lián)合創(chuàng)始人的智元機(jī)器人放出大招——發(fā)布了行業(yè)內(nèi)首個(gè)通用具身基座大模型GO-1和新品機(jī)器人靈犀X2。前者是能讓所有人形機(jī)器人加速“變聰明”的通用大腦，后者以具象的方式呈現(xiàn)了人形機(jī)器人的進(jìn)化程度。

“機(jī)器人不只可以跑跑跳跳、翻跟頭、看熱鬧。從長遠(yuǎn)來看，上肢能力是勞動(dòng)價(jià)值所在，這也是智元機(jī)器人在具身智能方面的主要布局。”智元機(jī)器人合伙人、具身業(yè)務(wù)部總裁、研究院執(zhí)行院長姚卯青在接受《每日經(jīng)濟(jì)新聞》記者專訪時(shí)直言不諱地指出。人形機(jī)器人僅憑硬件本體無法構(gòu)建核心競爭力，AI（人工智能）能力將是未來競爭的核心。

姚卯青本科畢業(yè)于清華大學(xué)，博士畢業(yè)于美國南加州大學(xué)，師從兩院院士。他曾供職于硅谷，是谷歌和甲骨文的高級(jí)工程師。2022年他加入蔚來汽車，任自動(dòng)駕駛技術(shù)總監(jiān)，負(fù)責(zé)自研感知算法。2024年，姚卯青加入智元機(jī)器人，負(fù)責(zé)數(shù)據(jù)驅(qū)動(dòng)具身智能產(chǎn)品研發(fā)。

姚卯青 圖片來源：受訪者供圖

“今年出貨量將達(dá)3000~5000個(gè)”

GO-1如何讓機(jī)器人“自主進(jìn)化”

“預(yù)告一下，下周有好東西發(fā)布。”“明天還有驚喜，上大號(hào)發(fā)。”幾天前，智元機(jī)器人發(fā)布了首個(gè)通用具身基座大模型GO-1后，在B站擁有百萬粉絲的科技UP主，同時(shí)也是智元機(jī)器人的聯(lián)合創(chuàng)始人兼CTO（首席技術(shù)官）的“稚暉君”也在其個(gè)人社交媒體上預(yù)告了新的“驚喜”。一時(shí)間，網(wǎng)友們被吊足胃口，相關(guān)話題迅速?zèng)_上熱搜。

圖片來源：微博@稚暉君

早晨在家中為你烤吐司做早餐的機(jī)器人，穩(wěn)穩(wěn)拿住咖啡杯沖泡咖啡的機(jī)器人，站在大廳中幫助員工刷卡發(fā)放工牌的機(jī)器人??在智元機(jī)器人3月10日發(fā)布的視頻中，這些機(jī)器人在家庭、辦公、商務(wù)場景中游刃有余，讓打工人對“人人擁有一臺(tái)自己的機(jī)器人”充滿期待。

作為最新發(fā)布的國內(nèi)首個(gè)通用具身基座大模型，GO-1大模型擁有人類視頻學(xué)習(xí)能力，在極少數(shù)據(jù)甚至零樣本下能快速泛化到新場景、新任務(wù)，還可以從實(shí)際執(zhí)行中遇到的問題持續(xù)進(jìn)化學(xué)習(xí)。相比已有模型成功率大幅領(lǐng)先，平均成功率提高了32%。

“等到機(jī)器人可以走進(jìn)家庭去做通用任務(wù)，同時(shí)，它的成本和售價(jià)達(dá)到一個(gè)日常家庭可以接受的范圍時(shí)，機(jī)器人走進(jìn)千家萬戶非常有可能。”采訪剛開始，多年從事AI研發(fā)的姚卯青便肯定了記者的暢想。

記者了解到，目前智元機(jī)器人擁有三條主要產(chǎn)品線，分別是遠(yuǎn)征、Genie和靈犀。其中，遠(yuǎn)征主要是面對商用場景的雙足人形機(jī)器人，Genie主要面向通用具身操作的輪式雙臂機(jī)器人，而靈犀產(chǎn)品線則聚焦拓展家用場景的小型人形機(jī)器人。

智元靈犀X2 圖片來源：智元機(jī)器人供圖

能在某些工種上代替人類，每天24小時(shí)工作，能真正去創(chuàng)造價(jià)值，是姚卯青視為“可落地”的狀態(tài)。他總結(jié)道，目前，全尺寸的人形機(jī)器人主要面向交互類場景；輪式雙臂機(jī)器人則主要應(yīng)用于工業(yè)項(xiàng)目和科研項(xiàng)目等。

3月11日，“稚暉君”帶來的靈犀X2更接近人類對人形機(jī)器人的終極想象，它能靈活地運(yùn)動(dòng)并使用工具，能閱讀，能毫秒級(jí)地與人交互對話，通過人類的面部表情和語音語調(diào)精準(zhǔn)判斷情感狀態(tài)，并作出相應(yīng)的回應(yīng)。甚至還學(xué)會(huì)了人類的好奇心、觀察力，具有細(xì)微的各類小動(dòng)作和肢體語言。“不再只是個(gè)遙控玩具了。”一位投資人感嘆道。

正如“稚暉君”所言，他辭職創(chuàng)業(yè)智元機(jī)器人的這兩年，“世界像是被按了快進(jìn)鍵的科幻片”。智元機(jī)器人又何嘗不是這部科幻片的主角之一。截至今年1月，智元機(jī)器人的具身智能機(jī)器人已實(shí)現(xiàn)1000臺(tái)下線的規(guī)模。如今，姚卯青更是對今年“3000（臺(tái)）甚至5000（臺(tái)）的出貨量”信心滿滿，“我們有個(gè)客戶已經(jīng)驗(yàn)收了幾百臺(tái)，今年可能會(huì)繼續(xù)采購幾百臺(tái)”。

浪潮之下，人形機(jī)器人在商業(yè)化之前的最后一個(gè)挑戰(zhàn)，就是量產(chǎn)。在姚卯青看來，目前機(jī)器人量產(chǎn)被制約的背后，很多應(yīng)用亟待開發(fā)，同時(shí)，動(dòng)輒幾十萬元的價(jià)格對于家庭而言仍是較高的門檻。

“未來三年，機(jī)器人的成本有望下降到10萬元級(jí)，到那時(shí)普及率就相當(dāng)高了。”姚卯青認(rèn)為，只要量起來了，電機(jī)、減速器、關(guān)節(jié)模組等這些關(guān)鍵零部件，（成本）都是可以被規(guī)?；?jǐn)偟?，這些零部件開模后，都可以大幅降低成本；而隨著整個(gè)產(chǎn)業(yè)鏈的逐漸成熟，良率也會(huì)持續(xù)提升，也會(huì)進(jìn)一步降低成本。“機(jī)器人走進(jìn)千家萬戶，陪伴孩子的成長，會(huì)在十年之內(nèi)實(shí)現(xiàn)，對此我非常樂觀。”

每天5萬條數(shù)據(jù)訓(xùn)練仍嫌不夠

機(jī)器人的“肌肉記憶”從何而來

“如果只是在展廳里展示或引導(dǎo)講解，那它和‘小度’‘小愛’有什么區(qū)別？”

面對記者的詢問，姚卯青進(jìn)一步解釋，移動(dòng)效果、引導(dǎo)跟隨的作用、面部互動(dòng)等，這些都是優(yōu)于“小度”“小愛”的區(qū)別，“它就相當(dāng)于一個(gè)4S店里能做一部分銷售工作的客服，可以為顧客開車門、遞水、講解和對話等等”。

事實(shí)上，一個(gè)機(jī)器人能端茶倒水、穿針引線，這“一雙手”背后離不開靈巧手技術(shù)。早在去年8月智元機(jī)器人舉辦的年度新品發(fā)布會(huì)上，智元機(jī)器人就成功研發(fā)出19個(gè)自由度的靈巧手，并融入了創(chuàng)新的MEMS觸覺技術(shù)以及視觸覺多傳感融合功能。

“不同定位的產(chǎn)品有不同自由度的靈巧手，因?yàn)槲覀兏宄煌a(chǎn)品可能會(huì)應(yīng)用的場景。有一些基礎(chǔ)款是6個(gè)自由度的，還有一些是10自由度的，以及正在做的一個(gè)更高的，有20個(gè)自由度的。”姚卯青告訴記者。而在視覺傳感器上，智元機(jī)器人目前主要是純視覺的方案。

當(dāng)下，面對機(jī)器人的新一輪浪潮，靈巧手作為其核心部件，已成為技術(shù)迭代的關(guān)鍵戰(zhàn)場。中商產(chǎn)業(yè)研究院數(shù)據(jù)顯示，2024年全球機(jī)器人靈巧手市場規(guī)模為76萬只/17億美元，預(yù)計(jì)到2030年將突破141萬只/30億美元。

不過，雖然市場需求旺盛，但靈巧手技術(shù)與機(jī)器人產(chǎn)品仍面臨諸多挑戰(zhàn)。一個(gè)機(jī)器人要學(xué)會(huì)一個(gè)動(dòng)作，背后是成千上萬次的練習(xí)和數(shù)據(jù)采集。

現(xiàn)階段，機(jī)器人的數(shù)字采集仍主要依靠人工。記者看到，在智元機(jī)器人4000平方米的數(shù)字采集中心，最多時(shí)有接近100臺(tái)機(jī)器人在重復(fù)練習(xí)，每天采集的有效數(shù)據(jù)達(dá)5萬條。

“真機(jī)數(shù)據(jù)的成本很高，同時(shí)在它采集過程中還有很多需要經(jīng)驗(yàn)才能去克服的具體問題，比如如何維持機(jī)器人的一致性等。機(jī)器人見過、做過的事情越多，它的整個(gè)能力會(huì)越強(qiáng)。”姚卯青向記者介紹，目前機(jī)器人數(shù)據(jù)采集需要兩種人工協(xié)同，一類是遙操員遙控機(jī)器人做動(dòng)作，另一類則是數(shù)據(jù)審核員。

不過，與語言大模型萬億數(shù)據(jù)量的規(guī)模相比，目前智元機(jī)器人百億數(shù)據(jù)量還遠(yuǎn)遠(yuǎn)不夠。“我們希望達(dá)到億級(jí)規(guī)模，兩年內(nèi)有望達(dá)到智能機(jī)器人數(shù)據(jù)涌現(xiàn)的階段，未來機(jī)器人的訓(xùn)練可以自學(xué)習(xí)。”姚卯青坦言，智元率先提出開源，也是鼓勵(lì)行業(yè)往大規(guī)模數(shù)據(jù)驅(qū)動(dòng)的方向去努力，推動(dòng)整個(gè)行業(yè)的數(shù)據(jù)共享、建立交易機(jī)制等，將來數(shù)據(jù)也會(huì)成為非常有價(jià)值的資產(chǎn)。

世界上首個(gè)大規(guī)模高質(zhì)量機(jī)器人學(xué)習(xí)數(shù)據(jù)集AgiBot World 

圖片來源：智元機(jī)器人官網(wǎng)

在最容易被“卡脖子”的算力部分，姚卯青稱，目前機(jī)器人所用到的基本是英偉達(dá)的芯片。“我們現(xiàn)在倒還沒有囤芯片。一是市面上比較容易買到，很多大模型的創(chuàng)業(yè)公司也在逐步退出；另外可替代的芯片國內(nèi)也在逐步出現(xiàn)。”

“去年收入過億元、今年目標(biāo)數(shù)倍增長，近兩年有望盈虧平衡”

中國發(fā)展“AI+”產(chǎn)業(yè)優(yōu)勢獨(dú)一無二

2022年，特斯拉發(fā)布人形機(jī)器人Optimus，正式掀起人形機(jī)器人賽道的投資熱潮；一年后，英偉達(dá)創(chuàng)始人黃仁勛表示具身智能將成為人工智能的下一個(gè)浪潮。而如今，宇樹科技在春晚的“全面刷臉”，再次讓人形機(jī)器人成功“圈粉”。

據(jù)高工機(jī)器人產(chǎn)業(yè)研究所（GGII）不完全統(tǒng)計(jì)，2024年1月—10月全球人形機(jī)器人行業(yè)共發(fā)生69起融資事件，公布的融資總額已超過110億元。高盛在報(bào)告中預(yù)測稱，到2035年全球人形機(jī)器人出貨量將達(dá)140萬臺(tái)，市場規(guī)模約380億美元。

姚卯青同樣深有感觸。“和很多投資人聊天，他們說年后大家特別瘋狂，每天都會(huì)有很多投資人咨詢，甚至有投資人年前決定投的，年后還超額增加金額。”

而從“天才少年”到B站百萬粉絲UP主，從自動(dòng)縫合葡萄皮的機(jī)器手臂到螃蟹殼做的火星車，在網(wǎng)上頗有名氣的“野生鋼鐵俠”“稚暉君”和他背后的智元機(jī)器人，也始終是資本眼中的“香餑餑”。

成立不到三年時(shí)間，智元機(jī)器人單是A輪就進(jìn)行了8次融資，有高瓴、比亞迪、上海臨港新片區(qū)基金等投資方加持，估值超過百億元。

“目前公司正處于B輪融資接近結(jié)束的狀態(tài)。一直以來，公司對于現(xiàn)金儲(chǔ)備采取的是比較穩(wěn)健的策略，保證公司有三年左右開支所需的現(xiàn)金儲(chǔ)備，目前來看，對智元來說融資相對還比較容易。”姚卯青告訴記者。

而對于盈利，智元機(jī)器人也給出了詳細(xì)的“時(shí)間表”。姚卯青表示：“去年我們（營收）是過億（元）的，今年目標(biāo)數(shù)倍增長，近兩年有希望做到盈虧平衡。對于上市，我們順其自然，可能后年才會(huì)考慮。”

身處“局內(nèi)”，對于這波機(jī)器人投資熱潮，姚卯青的直觀感受是“過熱”。他坦言，可能背后有一些資本的推動(dòng)，這幾天也看見在回調(diào)了。“任何事物的發(fā)展，早期都會(huì)有一些人利用一些信息差，制造過于前沿的幻覺，把愿景拉得特別高，但很快市場會(huì)回歸理性，像自動(dòng)駕駛也是這樣走過來的。”

過去說起中國創(chuàng)業(yè)者，似乎難以和全球最尖端科技聯(lián)系起來。但今天以AI技術(shù)為代表的一批中國學(xué)者做出了驚艷世界的成果，對此，姚卯青深有感觸。“我本科畢業(yè)后去美國深造，博士畢業(yè)后在谷歌的智能駕駛Waymo工作8年，2022年我回國加入蔚來汽車交付了自研的感知算法系統(tǒng)，我的確感受到大模型外溢到了機(jī)器人這樣的物理形態(tài)上，形成了從數(shù)字智能到物理智能的遷移。”

“2022年、2023年，國內(nèi)外已經(jīng)有了一股具身智能的創(chuàng)業(yè)浪潮。我看到一段視頻，機(jī)器人在聽到人的指令后，就進(jìn)廚房找到一包薯片拿出來，這是非常激動(dòng)人心的。說明機(jī)器人是可以被智能所賦能的，也能擁有一些人的通用能力，可以實(shí)現(xiàn)你讓他做什么就做什么，不再只是過去的經(jīng)過編程后的固定自動(dòng)化功能。”姚卯青說，2023年，他加入智元機(jī)器人，承擔(dān)了AI技術(shù)開發(fā)及研發(fā)工作，確保智元在本體基礎(chǔ)上具備強(qiáng)大的軟件能力。

他還提到了中國發(fā)展“AI+”產(chǎn)業(yè)的獨(dú)特優(yōu)勢——大量的AI人才，以及強(qiáng)大的硬件制造能力。“我回國招人面試發(fā)現(xiàn)，即便是校招，哪怕不是985、211院校的碩士，都在國際頂級(jí)會(huì)議上發(fā)表過六七篇第一作者的研究成果。”“只有中國才有這樣的軟硬件結(jié)合的土壤。”姚卯青說。