文｜數(shù)智前線 周享玥
編輯｜趙艷秋
2024年剛開始一個(gè)月，機(jī)器人領(lǐng)域已經(jīng)十分熱鬧。
前腳，斯坦福大學(xué)華人團(tuán)隊(duì)開源的既會(huì)做家務(wù)、又會(huì)煎蛋煮飯的MobileALOHA機(jī)器人，剛在全網(wǎng)刷屏，讓不少人直呼“用機(jī)器人養(yǎng)老有望”。后腳，馬斯克就發(fā)了一段特斯拉“擎天柱”（Optimus）人形機(jī)器人疊襯衫的炫技視頻，并緊接著透露Optimus最早將在2025年實(shí)現(xiàn)交付，狠狠刷了一波存在感。
這種熱鬧景象從2023年就開始了。業(yè)界觀察，過去一年間，在大模型以及具身智能熱潮的帶動(dòng)下，整個(gè)機(jī)器人行業(yè)的各種動(dòng)作都快了起來。不管是政策端、學(xué)術(shù)端，還是產(chǎn)業(yè)端，都發(fā)生了不少變化。
“2023年，具身智能賽道十分火熱，一下子就有十幾家公司出來?！遍L期追蹤并投資機(jī)器人行業(yè)的云啟資本合伙人陳昱告訴數(shù)智前線。這些公司中，既有原來做機(jī)器人研究的，也有從自動(dòng)駕駛公司出來的創(chuàng)業(yè)者，試圖將在自動(dòng)駕駛行業(yè)積累的經(jīng)驗(yàn)，復(fù)用到具身智能賽道。
而這波具身智能熱潮，像漣漪一樣一圈圈外延。一位在國內(nèi)某知名航運(yùn)公司從事物聯(lián)網(wǎng)應(yīng)用的人士就向數(shù)智前線透露，自己在去年下半年關(guān)注到具身智能，并專門去了不少相關(guān)展會(huì)，進(jìn)行學(xué)習(xí)研討。
具身智能到底是什么？為什么突然在機(jī)器人領(lǐng)域爆火？又將給機(jī)器人行業(yè)帶來怎樣的變革？
01、舊概念，新熱潮
2023年5月，英偉達(dá)創(chuàng)始人黃仁勛突然拋出一個(gè)大膽預(yù)測(cè)：人工智能的下一個(gè)浪潮將是具身智能（Embodied AI）。簡單來說，就是能理解、推理并與物理世界互動(dòng)的智能系統(tǒng)，比如機(jī)器人、自動(dòng)駕駛汽車。
具身智能并非新概念，1950年，“計(jì)算機(jī)科學(xué)之父”圖靈就曾在論文中提到過它，只不過過去幾十年間都未見太大進(jìn)展。
最近一兩年，隨著AI技術(shù)的突破，以及關(guān)鍵零部件性價(jià)比的逐漸提升，情況有所改變。學(xué)術(shù)界以李飛飛、姚期智、盧策吾等為代表，都發(fā)布了“具身智能”相關(guān)的學(xué)術(shù)論文或不斷推動(dòng)具身智能的發(fā)展。
“大模型的出現(xiàn)，讓行業(yè)內(nèi)的人覺得既然機(jī)器可以理解語言了，它就能夠通過語言的邏輯理解整個(gè)世界?！?獵豹移動(dòng)CEO傅盛說。
中關(guān)村智友研究院院長王田苗進(jìn)一步解釋，大模型出現(xiàn)后，具身智能相當(dāng)于一個(gè)成長速度極快的孩子，能夠通過人機(jī)交互，將宏觀的任務(wù)分解為一系列思維鏈路和子任務(wù)，并利用自動(dòng)編程，逐步自主地完成任務(wù)。期間，具身智能將逐漸學(xué)習(xí)和成長，同時(shí)在復(fù)雜環(huán)境下可以利用感知、視覺和觸覺等功能來校準(zhǔn)行為動(dòng)作或控制模型的誤差，以適應(yīng)環(huán)境變化。
與具身智能不同，傳統(tǒng)機(jī)器人每一項(xiàng)智能都是人來定義和編程實(shí)現(xiàn)的。
大模型雖然并非走向具身智能的唯一路徑，但業(yè)界普遍認(rèn)為，機(jī)器人擁抱AI大模型的過程就是具身智能機(jī)器人的實(shí)現(xiàn)過程。
“其中，具身智能對(duì)人形機(jī)器人影響最大。”一位機(jī)器人領(lǐng)域人士告訴數(shù)智前線，四足或人形機(jī)器人將是具身智能的最佳載體。馬斯克的觀點(diǎn)還要更激進(jìn)一點(diǎn)，他預(yù)測(cè)，未來人形機(jī)器人的需求將遠(yuǎn)超電動(dòng)汽車，達(dá)到100億-200億臺(tái)，且最終單價(jià)有望低于2萬美元，低于一部車的價(jià)格。多重因素下，人形機(jī)器人在市場(chǎng)上的熱度明顯高漲。
面對(duì)具身智能這一確定的未來趨勢(shì)，產(chǎn)業(yè)端和政策端都已快速反應(yīng)。
在政策端，主要國家及地區(qū)都把機(jī)器人產(chǎn)業(yè)發(fā)展上升到了國家戰(zhàn)略。2023年10月，工信部等部委一連拋出多份重磅文件，并給出了官方發(fā)展目標(biāo)：到2025年，人形機(jī)器人實(shí)現(xiàn)批量生產(chǎn)，2027年綜合實(shí)力達(dá)到世界先進(jìn)水平。
而在產(chǎn)業(yè)端，不管是谷歌、特斯拉、英偉達(dá)、阿里、小米，還是機(jī)器人創(chuàng)業(yè)公司，高校里的技術(shù)團(tuán)隊(duì)，甚至產(chǎn)業(yè)鏈企業(yè)，都在積極跟進(jìn)相關(guān)產(chǎn)品和技術(shù)布局。
比如英偉達(dá)發(fā)布了多模態(tài)具身智能系統(tǒng)NvidiaVIMA，微軟在探索如何將ChatGPT擴(kuò)展到機(jī)器人領(lǐng)域，OpenAI投資了挪威人形機(jī)器人公司1X Technologies，阿里千問大模型在實(shí)驗(yàn)接入工業(yè)機(jī)器人……
谷歌是更為顯眼的存在。依托旗下兩大AI研究機(jī)構(gòu)——谷歌大腦和DeepMind，谷歌在具身智能上擁有眾多技術(shù)路線，且各路線間有著技術(shù)延續(xù)性。
2023年3月，谷歌發(fā)布參數(shù)量高達(dá)5620億的多模態(tài)具身視覺語言模型PaLM-E，6月，推出全球第一個(gè)可以解決和適應(yīng)多種任務(wù)的機(jī)器人AI智能體“RoboCat”，7月，又基于RT-1和PaLM-E，升級(jí)得到了融合視覺、語言、動(dòng)作能力的多模態(tài)大模型RT-2。據(jù)悉，基于RT-2的機(jī)器人，不僅能直接聽懂自然語言指令，還會(huì)主動(dòng)思考，當(dāng)聽到“撿起滅絕的動(dòng)物”指令，能準(zhǔn)確理解其中含義，并完成從恐龍、鯨魚、獅子三種塑料玩具中抓取恐龍的連續(xù)性動(dòng)作。
資本層面也動(dòng)作頻頻，尤其在人形機(jī)器人領(lǐng)域，融資消息不斷。2023年年初，華為天才少年“稚暉君”離職創(chuàng)業(yè)，成立智元機(jī)器人，一度被資本追著“喂飯”，成功創(chuàng)下一年6輪融資的“奇跡”。銀河通用、宇樹科技、加速進(jìn)化等大批人形機(jī)器人公司也都在這一年獲得融資。
02、八仙過海，各顯神通
業(yè)界在進(jìn)行各種“機(jī)器人+大模型”的探索和嘗試。
雖然工業(yè)機(jī)器人如工業(yè)機(jī)械臂、AGV、巡檢機(jī)器人等應(yīng)用廣泛，但有數(shù)據(jù)顯示，2022年，我國工業(yè)機(jī)器人總體滲透率僅在2%左右。面向勞動(dòng)力成本上升、人力資源趨緊的大趨勢(shì)，機(jī)器人的提升空間巨大。
更重要的是，當(dāng)前的機(jī)器人大多是靠著預(yù)先編程，來重復(fù)執(zhí)行固定的動(dòng)作，泛化能力低，一旦進(jìn)入新場(chǎng)景，就需要程序員重新編程和調(diào)整，費(fèi)時(shí)且費(fèi)力。
基于這些痛點(diǎn)和需求，一些機(jī)器人企業(yè)正在加速與大模型的結(jié)合。比如工業(yè)機(jī)器人企業(yè)，此前在噴涂、焊接、打磨等場(chǎng)景中積累了不少數(shù)據(jù)集，正在探索將這些經(jīng)驗(yàn)形成專家知識(shí)，結(jié)合大模型的能力，快速形成新產(chǎn)品的加工路徑，以減少機(jī)器人調(diào)試布置的時(shí)間?！斑@將更適應(yīng)小批量、多品種、柔性化的產(chǎn)品生產(chǎn)?！北本┖娇蘸教齑髮W(xué)副教授陶永告訴數(shù)智前線。
一位行業(yè)人士也透露，他們投資的一家機(jī)器人企業(yè)正在嘗試將打磨機(jī)器人和大模型結(jié)合，解決過去“很多件打不了、換件時(shí)間長”等問題。該方案目前已完成驗(yàn)證，將在今年放量。
廣州高新興機(jī)器人正在將大模型和巡邏機(jī)器人結(jié)合?！皺C(jī)器人看似智能，但它的智能是人定義出來的?！惫径麻L柏林告訴數(shù)智前線，比如在落地部署時(shí)，就要對(duì)機(jī)器人進(jìn)行精心調(diào)教，做大量配置，部署周期以半月計(jì)。如果通過大模型，把任務(wù)下發(fā)到機(jī)器人，它能自動(dòng)生成配置，就能降低落地成本。
工業(yè)機(jī)器人之外，另一個(gè)比較成熟的細(xì)分領(lǐng)域——掃地機(jī)器人，也正在嘗試引入大模型的能力。比如追覓，在去年9月官宣將與華為云機(jī)器人平臺(tái)合作，為掃地機(jī)器人等產(chǎn)品注入大模型“云智力”。科大訊飛去年10月推出的首款A(yù)I掃拖機(jī)器人，也搭載了星火認(rèn)知大模型的能力，試圖讓掃地機(jī)器人能聽懂用戶通過APP語音輸入的長語句或口語化的清掃需求。
在更廣泛的服務(wù)機(jī)器人領(lǐng)域，更多探索也在繼續(xù)。比如獵戶星空，據(jù)稱已將自研大模型技術(shù)應(yīng)用到機(jī)器人業(yè)務(wù)——“大模型機(jī)器人全家桶”中。其中，餐廳場(chǎng)景下的“招財(cái)豹”系列機(jī)器人服務(wù)員在升級(jí)后，相當(dāng)于擁有了一個(gè)生成式AI大腦，與消費(fèi)者的交互自然度以及回復(fù)的專業(yè)度、準(zhǔn)確率都大幅提升。
人形機(jī)器人領(lǐng)域也不例外，包括宇樹科技、達(dá)闥科技、追覓、智元機(jī)器人等公司在2023年，推出過集成了AI大模型能力的人形機(jī)器人或四足機(jī)器人。達(dá)闥科技還在2023年7月，專門推出了機(jī)器人多模態(tài)人工智能大模型RobotGPT。
機(jī)器人企業(yè)大部分都很歡迎大模型的到來?！碧沼揽偨Y(jié)稱，盡管現(xiàn)階段而言，大家更多還是在探索和嘗試中，在機(jī)器人領(lǐng)域真正大規(guī)模的推廣和應(yīng)用尚未實(shí)現(xiàn)。
而據(jù)他觀察，一些大模型廠商也在主動(dòng)找到機(jī)器人企業(yè)進(jìn)行合作。比如科大訊飛，就和宇樹科技合作，在去年10月推出了首個(gè)“大模型+具身智能”人形機(jī)器人。據(jù)悉，該人形機(jī)器人在復(fù)雜任務(wù)拆解準(zhǔn)確率上，提升了 95%，強(qiáng)化學(xué)習(xí)泛化抓取成功率提升了30%。
03、具身智能剛走到0.1？
1月初，在看到MobileALOHA機(jī)器人項(xiàng)目聯(lián)合負(fù)責(zé)人親自放出MobileALOHA執(zhí)行任務(wù)失敗的視頻，并解釋“機(jī)器人還沒有準(zhǔn)備好接管世界”后，一位機(jī)器人行業(yè)人士在朋友圈表達(dá)了自己對(duì)這一項(xiàng)目的肯定，以及對(duì)具身智能iPhone時(shí)刻的期待。
“iPhone時(shí)刻之后，以人機(jī)器人為代表的通用機(jī)器人將走入千家萬戶。”該人士表示，但他同時(shí)強(qiáng)調(diào)，具身智能的iPhone時(shí)刻仍需較長時(shí)間才會(huì)到來，這就好比智能手機(jī)的iPhone時(shí)刻并非iPhone1發(fā)布的時(shí)間，而是以iPhone4的發(fā)布作為標(biāo)志。
"具身智能還是一個(gè)相對(duì)遙遠(yuǎn)和長線的東西，還遠(yuǎn)遠(yuǎn)沒有達(dá)到像大家當(dāng)初見到ChatGPT時(shí)那種驚艷程度和變革性的階段。”云啟資本合伙人陳昱告訴數(shù)智前線，大家目前還只是看到了潛在的技術(shù)發(fā)展方向，而且是一個(gè)需要長期投入和持續(xù)鉆研的方向，“有點(diǎn)像15年前的自動(dòng)駕駛”。
陳昱舉例稱，就市場(chǎng)上的融資量級(jí)來看，具身智能也還遠(yuǎn)遠(yuǎn)比不上大模型企業(yè)，“大家現(xiàn)在全憑預(yù)期和想象投資?！痹谒磥?，具身智能要真正大規(guī)模商業(yè)化應(yīng)用，至少還要8至10年，“按0-100算的話，現(xiàn)在最多走到了0.1。”
而在此之前，具身智能機(jī)器人作為一個(gè)硬件、軟件均涉及的復(fù)雜系統(tǒng)，要想真正實(shí)現(xiàn)，還有算法、工程技術(shù)、數(shù)據(jù)、場(chǎng)景和復(fù)雜軟硬件等諸多層面的挑戰(zhàn)要解。
在2023世界機(jī)器人大會(huì)上，圖靈獎(jiǎng)獲得者、中國科學(xué)院院士姚期智曾在談到機(jī)器人時(shí)稱，未來AGI需有具身實(shí)體，具身機(jī)器人還面臨四大主要挑戰(zhàn)：
第一，機(jī)器人不能夠像大語言模型一樣有一個(gè)基礎(chǔ)大模型直接一步到位，做到最底層的控制。
第二，計(jì)算能力的挑戰(zhàn)，即使是谷歌研發(fā)的Robotics Transformer模型，要做到機(jī)器人控制，距離實(shí)際需要的控制水平仍有許多事情要做。
第三，如何把機(jī)器人多模態(tài)的感官感知全部融合起來，仍面臨諸多難題需要解決。
第四，機(jī)器人的發(fā)展需要收集很多數(shù)據(jù)，也面臨很多安全隱私問題。
解決技術(shù)上的種種挑戰(zhàn)外，業(yè)界人士認(rèn)為，類比自動(dòng)駕駛的發(fā)展，在具身智能機(jī)器人領(lǐng)域，找到可商業(yè)化閉環(huán)和可數(shù)據(jù)閉環(huán)的“L2”級(jí)駕駛，也尤為重要。
上述機(jī)器人領(lǐng)域人士告訴數(shù)智前線，機(jī)器人領(lǐng)域商業(yè)化的進(jìn)程，就好比一個(gè)天平。天平的一邊，是機(jī)器人能夠?qū)崿F(xiàn)什么樣的功能，能創(chuàng)造多少價(jià)值，另一邊，則是為了實(shí)現(xiàn)這樣的價(jià)值，用戶需要付出的成本?！爱?dāng)天平的收益大于成本時(shí)，機(jī)器人就會(huì)在這個(gè)領(lǐng)域里實(shí)現(xiàn)大規(guī)模應(yīng)用?！?/p>
此前工業(yè)場(chǎng)景的工業(yè)機(jī)器人、酒店或餐飲門店場(chǎng)景的服務(wù)機(jī)器人、家用的掃地機(jī)器人，都已經(jīng)完成或初步完成這樣的階段。這些場(chǎng)景的機(jī)器人與大模型去結(jié)合，是目前能較快看到一些效果和價(jià)值的方向。而人形和四足機(jī)器人領(lǐng)域，雖仍處于成本高于價(jià)值的階段，但在大模型和具身智能熱潮的催動(dòng)下，正在迎來商業(yè)化應(yīng)用的前夕。
實(shí)際上，不少人士認(rèn)為，2024年將有望成為人形機(jī)器人商業(yè)化元年。“大家都在瘋狂找場(chǎng)景。”
部分頭部企業(yè)已經(jīng)鎖定一些場(chǎng)景，并展開驗(yàn)證。比如中國電科21所，預(yù)計(jì)今年一季度將人形機(jī)器人投入智慧物流生產(chǎn)場(chǎng)景中做應(yīng)用驗(yàn)證。智元機(jī)器人則透露，今年下半年首先在工業(yè)制造領(lǐng)域?qū)崿F(xiàn)商業(yè)化落地，此前已和一些頭部汽車公司、3C制造商接觸。
不過，這只是第一步，距離真正的具身智能機(jī)器人成為現(xiàn)實(shí)，走進(jìn)千家萬戶，仍然還有很長一段路要走。