文｜ IT時報記者 沈毅斌

編輯｜孫妍

“桌面有點亂，你幫忙清理一下?！?/p>

“好的，正在為您清理桌面?！?/p>

聽到指令后，“青龍”一邊回答一邊緩緩抬起雙臂，用雙手緩慢且輕柔地抓起桌面上混合擺放的面包和水果，分類放進(jìn)左右兩個籃筐內(nèi)，即使是柔軟的面包，也不會變形。在人形機器人與具身智能發(fā)展論壇上展示的這款“青龍”人形智能機器人不僅擁有識別認(rèn)知能力，185厘米的身高和80公斤的體重，放在機器人界也是妥妥的“型男”一枚。

從國內(nèi)外眾多機器人企業(yè)“大秀肌肉”展出的“十八金剛”，到各種論壇暢想著機器人的發(fā)展前景，人形機器人、具身智能成為2024世界人工智能大會（WAIC 2024）當(dāng)之無愧的“頂流”。主辦方數(shù)據(jù)顯示，本屆大會合計展出的人形機器人超過25款?；馃岬娜诵螜C器人賽道，正在迎來商業(yè)化蝶變的關(guān)鍵時刻。

但冷靜下來思考，人形機器人的發(fā)展依舊面臨諸多挑戰(zhàn)，上海人形機器人制造業(yè)創(chuàng)新中心首席科學(xué)家江磊表示，人形機器人當(dāng)前面臨的問題可以總結(jié)為“一高五難”，硬件門檻高、軟件算法難、軟硬解耦難、知識積累難、人才聚集難、安全應(yīng)用難。

人形機器人與具身智能目前發(fā)展現(xiàn)狀如何？何時能夠商業(yè)化落地？怎樣讓人形機器人遵循“機器人三大定律”？帶著這些問題，走進(jìn)WAIC 2024的人形機器人“世界”。

人形機器人應(yīng)該“論斤賣”

人形機器人由控制器、傳感器、精密減速器、交流伺服電機等核心零部件組成，每一個部件都需要不菲的成本。

根據(jù)Macquarie Research在2023年發(fā)布的報告，人形機器人的硬件總成本目前約為5萬美元。其中，端到端AI軟件大腦、傳感器與芯片、伺服電機與電機驅(qū)動器都各需要1萬美元，慣性測量單元與扭矩傳感器需要5000美元，精密減速器需要8000美元，電池與電池控制系統(tǒng)需要2000美元，其他部件約5000美元。

以色列智能機器人中心主席Yosi Lahad在人形機器人前沿論壇上表示，為了讓人形機器人能夠得到大規(guī)模采用，其成本需要降到2萬美元以下，是現(xiàn)在成本的一半以下，甚至可能需要對機器人的外型進(jìn)行一些改變，例如重新考慮模仿人類腿部的底座設(shè)計。而特斯拉預(yù)計明年量產(chǎn)的Optimus，預(yù)計成本控制在1萬美元左右，預(yù)計售價2萬美元。

相比之下，國內(nèi)人形機器人已經(jīng)將售價降至10萬元以下，今年5月，宇樹科技發(fā)布的最新的人形機器人產(chǎn)品Unitree G1，市場售價僅9.9萬元起?！拔覀円恢闭J(rèn)為，人形機器人未來應(yīng)該像豬肉一樣論斤賣?！庇顦淇萍悸?lián)合創(chuàng)始人陳立在“國際人形機器人技術(shù)與應(yīng)用發(fā)展論壇”上表示，拋開研發(fā)成本，人形機器人其實是鐵、鋼、銅等材料的堆疊，隨著零部件的量產(chǎn)，成本自然也會隨之降低。

根據(jù)《2024年中國人形機器人行業(yè)研究報告》，人形機器人按量產(chǎn)規(guī)模不同，降本大致可劃分為三個階段：小批量千臺量級生產(chǎn)，降本20%~30%至約10萬美元；萬臺級別降本50%至5萬美元；數(shù)十萬至百萬臺大規(guī)模量產(chǎn)，降本70%~80%至2萬~3萬美元。一時間，人們感到人形機器人商業(yè)落地近在咫尺。

但需要注意的是，Unitree G1與Optimus的區(qū)別在于沒有搭載大模型，若按照智能標(biāo)準(zhǔn)來看，特斯拉的Optimus依舊可以作為行業(yè)的風(fēng)向標(biāo)之一。

成本不僅來自硬件

硬件是人形機器人最直觀的成本，但在降低成本方面不能只依賴于硬件的量產(chǎn)。

“硬件成本降低我認(rèn)為已經(jīng)不是主要難題，而是時間問題，設(shè)計和研發(fā)環(huán)節(jié)的成本才是人形機器人目前需要突破的成本問題?！本劢箛嵭疚⒍麻L方婷婷在論壇上表示，國內(nèi)人形機器人領(lǐng)域有許多核心技術(shù)依賴國外進(jìn)口，如人形機器人仿真工具平臺。

從人形機器人軟件形態(tài)來說，大量的跨學(xué)科內(nèi)容都需要軟件來融合，需要更多的相關(guān)產(chǎn)業(yè)企業(yè)來抱團。而人形機器人本體廠商也要從設(shè)計之初就考慮軟硬件成本。

鑫精誠傳感器董事長吳浩認(rèn)為集成化也是降低人形機器人成本的方式之一，比如在靈巧手方面，人類的手指可以感受溫度、力度等，人形機器人的傳感器也可以借鑒，將多模態(tài)的感受集成在同一零部件上，這樣既能降低成本，也能減少體積。

人形機器人會在哪些應(yīng)用場景爆發(fā)？B端場景下，開普勒CEO胡德波認(rèn)為，第一類是工業(yè)場景，尤其是重工業(yè)，工人的安全得不到保障，用人成本高，適合用人形機器人替代；第二類是倉儲物流場景，可能是最快實現(xiàn)落地的場景之一；第三類是制造業(yè)，如3C制造、汽車制造等。業(yè)內(nèi)人士對C端場景的應(yīng)用已經(jīng)達(dá)成共識，人形機器人將走進(jìn)千家萬戶，賦能養(yǎng)老育兒場景。

據(jù)高盛最新預(yù)測，人形機器人到2035年將呈爆發(fā)式增長，出貨量將達(dá)到140萬臺，全球市場總規(guī)模（TAM）達(dá)380億美元。全球從事物流和制造業(yè)的人形機器人將在2030年左右達(dá)到100萬臺，人形機器人有望在十年內(nèi)走入服務(wù)、家庭護(hù)理、健康和教育產(chǎn)業(yè)。

5~10年迎來大突破

如今的人工智能如同一顆封在瓶子中的“大腦”，雖然會計算、思考，卻不能付諸行動。具身智能是一種智能系統(tǒng)或機器通過感知交互與環(huán)境進(jìn)行實時互動的能力，通俗的理解是為人工智能打造一款可操控的身體，包括四足機器狗、工業(yè)機器人、動物仿生機器人、自動駕駛汽車等多種形態(tài)，但人形機器人的類人形態(tài)，可以更貼合人們的互動需求，無疑是具身智能的最佳載體。

中國工程院外籍院士張建偉在人形機器人與具身智能發(fā)展論壇上表示，實現(xiàn)具身智能需要完成三個維度的突破，即空間維度，在開放式、復(fù)雜、動態(tài)的空間環(huán)境下，實現(xiàn)二維、三維動態(tài)語義建模；時間維度，除了簡單移動外，還要同時具備操作和使用工具的能力；交互能力，讓機器人基于知識和人、環(huán)境做出正確的交互行為。這其中依賴的便是AI大模型。

僅靠大模型進(jìn)行感知、策劃還不能讓具身實現(xiàn)真正智能，加入“小腦”才能進(jìn)行動作執(zhí)行。

以“青龍”為例，名為“朱雀”的具身大腦以多模態(tài)大模型為核心，通過文字信息、圖像信息作為輸入，輸出語音交互以及任務(wù)決策信息?！靶洹毙∧X模型則是具體任務(wù)執(zhí)行模型，軌跡規(guī)劃模塊由端到端模仿學(xué)習(xí)所驅(qū)動，以人類的作業(yè)作為模仿對象，進(jìn)行機載視覺輸入，并輸出人們所期待的行動軌跡。運動控制器則基于強化學(xué)習(xí)的智能運動控制方法和全身動力學(xué)的模型預(yù)測控制方法兩條技術(shù)路徑，通過環(huán)境信息以及機器人的狀態(tài)，完成任務(wù)執(zhí)行。

盡管AI大模型開始“移植”到具身智能上，但效果并不算理想。“青龍”機器人平臺技術(shù)負(fù)責(zé)人梁振杰坦言，目前，模型還處于發(fā)展的初期階段，功能尚不完善，能力仍需提升。

宇樹科技CEO王興興在論壇中表示，目前大語言模型、多模態(tài)模型對整個世界的理解其實是非常糟糕的，包括時間、時空、物理定律等方面的理解。世界模型+具身智能才是通向AGI的最佳路徑。

上海人工智能實驗室主任、首席科學(xué)家周伯文也認(rèn)為，具身智能不只是大模型加機器人的應(yīng)用，而是需要根據(jù)物理世界的反饋及時進(jìn)化的大模型。

不過，對于人形機器人和具身智能未來的發(fā)展，業(yè)內(nèi)依舊持積極開放態(tài)度?！拔磥?年肯定有很大的技術(shù)突破，絕對不會超過10年?！蓖跖d興預(yù)測道。國家地方共建人形機器人創(chuàng)新中心總經(jīng)理許彬也表示，會把相關(guān)的人形機器人的全棧技術(shù)，包括大腦、小腦、肢體的相關(guān)技術(shù)全部開源。通過5年~10年，在人類的家政服務(wù)、交流陪護(hù)領(lǐng)域進(jìn)行更多應(yīng)用。

規(guī)模化數(shù)據(jù)是最大痛點

數(shù)據(jù)無論是對人工智能，還是具身智能而言，都是靈魂般的存在。目前，人形機器人主要數(shù)據(jù)來源是國外的開源數(shù)據(jù)，以及研發(fā)機構(gòu)通過動作捕捉、視覺捕捉等方式自行采集。

但自行采集往往需要大量的人力成本，去不斷模擬演示。北京大學(xué)助理教授、銀河具身智能聯(lián)合實驗室主任王鶴在人形機器人與具身智能發(fā)展論壇上舉例道，把電池放到盒子里這樣一個對于人類而言十分簡單的動作，特斯拉靠40人的采集團隊進(jìn)行遙操實現(xiàn)，每一個傾斜、橫倒、錯位等所有失效案例都要采集。

“人形機器人規(guī)?；瘮?shù)據(jù)是整個行業(yè)目前最大的痛點?！眹业胤焦步ㄈ诵螜C器人創(chuàng)新中心研發(fā)體系總監(jiān)邢伯陽也同樣表示。

面對這一行業(yè)痛點，王鶴認(rèn)為當(dāng)下可以真正實現(xiàn)規(guī)?；慨a(chǎn)的數(shù)據(jù)就是合成數(shù)據(jù)。所謂合成數(shù)據(jù)，是一種通過算法生成的數(shù)據(jù)，雖與真實數(shù)據(jù)相似，卻并不直接來源于真實世界。

靠合成數(shù)據(jù)具身智能實現(xiàn)了從0到1的突破。在銀河通用機器人訓(xùn)練時發(fā)現(xiàn)，二維傳感器存在泛化問題，跳脫出訓(xùn)練數(shù)據(jù)便不會處理；三維傳感器又無法識別玻璃等透明物體。最終，靠合成數(shù)據(jù)進(jìn)行千萬場景十億抓取的大規(guī)模訓(xùn)練，才實現(xiàn)銀河通用機器人對各種物體的任意抓取。

邢伯陽代表的國家地方共建人形機器人創(chuàng)新中心則主張通過數(shù)據(jù)開源的方式來共享海量數(shù)據(jù)。為此打造出Openloong開源社區(qū)，通過社區(qū)和訓(xùn)練場創(chuàng)新的機制加速人形機器人、具身智能訓(xùn)練和數(shù)據(jù)集構(gòu)建的工作。

不發(fā)展是最大的不安全

人形機器人已不再是科幻小說中的幻想，而是融入日常生活的現(xiàn)實。試想一下，未來人形機器人穿梭于繁華都市的大街小巷，在工廠、醫(yī)院等地按照系統(tǒng)指令按部就班，這將改變?nèi)藗兊纳罘绞胶蜕鐣Y(jié)構(gòu)。而與這一科技進(jìn)步相伴而來的，是關(guān)于人形機器人治理的思考與挑戰(zhàn)。

“高鐵剛進(jìn)入中國時，許多人擔(dān)心電磁波輻射；早期飛機、電話等發(fā)明同樣被人們所擔(dān)憂?？梢哉f人類的進(jìn)步史就是對科技發(fā)展的擔(dān)憂史。我們應(yīng)該制定一部促進(jìn)人工智能發(fā)展的法律，而不是一部規(guī)范人工智能行為的法律?！痹谌诵螜C器人法治與倫理論壇上中國政法大學(xué)副校長時建中表示，面對擔(dān)憂不應(yīng)過度焦慮，要對人工智能采取包容和審慎態(tài)度，這體現(xiàn)在訓(xùn)練數(shù)據(jù)易獲取、算力與算法鼓勵合作、生成內(nèi)容容錯并及時糾錯等方面。

聯(lián)合國人工智能高級別咨詢機構(gòu)成員、中國政法大學(xué)數(shù)據(jù)法治研究院教授張凌寒同樣表示，不發(fā)展是最大的不安全，要全力促進(jìn)人工智能的發(fā)展。

“它就像一歲半大的孩子，需要我們的正確引導(dǎo)?！比A東師范大學(xué)人工智能金融學(xué)院院長、教授邵怡蕾表示，目前，人形機器人在人工智能的加持下已經(jīng)具備感知智能和認(rèn)知智能，最后一座需要攻克的“堡壘”是行為智能。而當(dāng)人形機器人行為出現(xiàn)在人類社會后，是對人類身份與法律的挑戰(zhàn)，這不僅需要對人形機器人進(jìn)行身份界定，更需要人類對其行為進(jìn)行引導(dǎo)和約束。

如何協(xié)調(diào)機器人與人類之間的互動？阿西莫夫的“機器人三定律”曾經(jīng)被視為基礎(chǔ)規(guī)范。但是，當(dāng)具身智能時代來臨之際，這樣的“約法三章”已經(jīng)難以解決人機共生的復(fù)雜問題，需要一種新的法律治理架構(gòu)。

中國海洋大學(xué)法學(xué)院教授李晟在《東方法學(xué)》人形機器人法治?？斜硎荆卫砑軜?gòu)需要立足于人形機器人與人的差距，考慮當(dāng)前發(fā)展階段的應(yīng)用問題，而不是關(guān)注人形機器人替代人時所產(chǎn)生的未來問題。

排版／ 季嘉穎