機(jī)器人賽道闖入一枚重磅玩家。
3月25日，在博鰲亞洲論壇2025年年會現(xiàn)場，vivo宣布成立「vivo機(jī)器人實(shí)驗(yàn)室」，正式進(jìn)軍機(jī)器人行業(yè)。
vivo執(zhí)行副總裁、首席運(yùn)營官胡柏山表示，vivo將聚焦消費(fèi)級市場，推出個(gè)人和家庭場景的機(jī)器人產(chǎn)品。具體路徑，則是依托“藍(lán)科技”在AI大模型與影像領(lǐng)域的積淀，疊加自研MR（混合現(xiàn)實(shí)）頭顯積累的實(shí)時(shí)空間計(jì)算能力，重點(diǎn)孵化機(jī)器人的“大腦”和“眼睛”，讓機(jī)器人“看得懂場景，聽得懂需求，給得了回應(yīng)”。
手機(jī)廠商時(shí)下最流行的跨界可能是造車，但vivo卻做出了完全不同的選擇。相比起已足夠成熟的汽車行業(yè)，機(jī)器人的技術(shù)挑戰(zhàn)性顯然更大，但拉長時(shí)間來看，也無疑更具有想象空間。
此前胡柏山在接受媒體采訪時(shí)就明確表示過，vivo選擇一個(gè)新賽道，“不會看是不是風(fēng)口，也不會單純的看市場規(guī)模，而是去看與我們的核心能力是否匹配，以及我們能不能進(jìn)去給用戶創(chuàng)造價(jià)值。對于vivo的基因而言，相比于汽車行業(yè)，機(jī)器人是更好的選擇。”
在第三方招聘網(wǎng)站上，vivo已經(jīng)掛出多個(gè)機(jī)器人相關(guān)崗位，年薪高達(dá)百萬以上。在公司成立的第三十個(gè)年頭，vivo再次集聚頂尖研發(fā)資源，押注科技行業(yè)的變革時(shí)刻。
手機(jī)廠商，突破機(jī)器人技術(shù)卡點(diǎn)？
得益于資本和政策的大力加持，具身智能無疑已是當(dāng)下最火的賽道之一，而機(jī)器人則是具身智能最重要的載體?；鸨氖袌鲂枨笾拢瑱C(jī)器人已經(jīng)被視為繼智能手機(jī)、電動(dòng)汽車后的下一代超級終端，有望成為千行百業(yè)乃至每一個(gè)家庭的標(biāo)配。
如今的機(jī)器人的確展示出了十足的“賽博感”。尤其是在運(yùn)動(dòng)能力上，機(jī)器人已經(jīng)學(xué)會了像人一樣自如地行走、奔跑、攀爬、側(cè)空翻，甚至“鯉魚打挺”。這是因?yàn)?，由于直接關(guān)聯(lián)產(chǎn)品穩(wěn)定性，多數(shù)初創(chuàng)公司都將研發(fā)資源聚焦在機(jī)器人的四肢上，也是初期商業(yè)化落地的關(guān)鍵。
盡管如此，機(jī)器人的商業(yè)化落地仍處于十分早期的階段，人形機(jī)器人目前最主要的落地場景仍是科研。一些汽車廠商開始引入人形機(jī)器人進(jìn)行實(shí)訓(xùn)，但距離真正在產(chǎn)線上發(fā)揮作用還有很長時(shí)間。由于靈活程度受限，更難以在家庭等To C場景實(shí)現(xiàn)大規(guī)模普及。
解決這一切的前提，要克服當(dāng)下機(jī)器人最大的技術(shù)卡點(diǎn)：大腦。
具身智能的未來“在腦不在形”。許多從業(yè)者的共識是，要做出具有泛化能力的通用機(jī)器人，最重要的并非物理形態(tài)，而是能夠適應(yīng)各種形態(tài)的、相對通用的智能。
這與vivo的想法不謀而合。
vivo機(jī)器人實(shí)驗(yàn)室的研發(fā)重點(diǎn)在于機(jī)器人的“大腦”和“眼睛”。胡柏山在接受采訪時(shí)表示，現(xiàn)階段的機(jī)器人更多服務(wù)于物理世界或某個(gè)封閉場景，但沒有辦法真正為人所用，原因就在于它沒有把物理世界和數(shù)字世界能夠真正交流在一起。
要讓機(jī)器人充分地理解物理世界，再通過數(shù)字世界的能力來處理物理世界的問題，需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練。以家庭場景為例，由于機(jī)器人從來沒有真正走進(jìn)過家庭場景，多數(shù)機(jī)器人廠商都通過復(fù)刻家居、廚房等場景采集來采集多模態(tài)數(shù)據(jù)。但真實(shí)家庭環(huán)境的復(fù)雜性和多樣性仍遠(yuǎn)超于實(shí)驗(yàn)室仿真環(huán)境，這也成為機(jī)器人始終無法突破的桎梏。
手機(jī)廠商進(jìn)入機(jī)器人行業(yè)的合理之處也在于此。作為人體最重要的設(shè)備延伸，智能手機(jī)掌握大量用戶物理行為數(shù)據(jù)（如運(yùn)動(dòng)軌跡、家居使用習(xí)慣、影像偏好等）。通過手機(jī)生態(tài)積累的規(guī)?；瘮?shù)據(jù)與應(yīng)用場景經(jīng)驗(yàn)，可快速適配機(jī)器人需求，而vivo覆蓋的全球5億智能設(shè)備用戶，也能夠?yàn)闄C(jī)器人場景落地提供試驗(yàn)場。
手機(jī)廠商一直在致力于實(shí)現(xiàn)的事情，就是聯(lián)接物理世界與數(shù)字世界。
大腦+眼睛，vivo的機(jī)器人宣言
那么問題來了，vivo要做怎樣的機(jī)器人？
vivo機(jī)器人實(shí)驗(yàn)室想做的第一件事，就是讓機(jī)器人有更精準(zhǔn)的眼睛。
這也是機(jī)器人處理所有任務(wù)的起點(diǎn)：理解環(huán)境。如果拆分成一個(gè)個(gè)小任務(wù)的話，它需要識別面前的每一個(gè)物體，并了解它們之間的關(guān)系。例如，不僅理解當(dāng)前環(huán)境下有水、桌子、凳子，還要理解它們各自的特質(zhì)、物體之間的距離，以及它們有可能會產(chǎn)生的互動(dòng)。
理解環(huán)境首先要求機(jī)器人有強(qiáng)大的影像能力和AI能力，盡可能清晰、真實(shí)地還原畫面，并讀懂照片中物理世界所蘊(yùn)含的信息。而在智能手機(jī)時(shí)代，vivo就已經(jīng)將影像作為持續(xù)投入的四大長賽道之一，無論是自研影像芯片的硬件突破，還是藍(lán)圖影像算法等軟件層面的優(yōu)化，都為這雙“眼睛”提供了良好的技術(shù)基礎(chǔ)。
其次是空間感知能力。硬件廠商的一個(gè)切入口是混合現(xiàn)實(shí)設(shè)備，例如蘋果此前發(fā)布的Vision Pro。它能夠清楚地判斷出當(dāng)前所處環(huán)境的基本信息，例如空間構(gòu)造、尺寸等，并通過簡單的手指操作來與環(huán)境進(jìn)行互動(dòng)。短期內(nèi)，MR的需求主要在游戲、觀影場景，但長期來看，它也將是機(jī)器人還原物理世界的重要輸入設(shè)備。
在MR領(lǐng)域，vivo同樣有儲備。在此次論壇上，vivo展示了名為vivo Vision的首款MR混合現(xiàn)實(shí)頭顯，這也是vivo在混合現(xiàn)實(shí)領(lǐng)域的一個(gè)重要里程碑。這款MR的前面板集成了大量的攝像頭，采用外接電池設(shè)計(jì)。胡柏山去年透露過，vivo MR相關(guān)人員編制已經(jīng)達(dá)到500人，目標(biāo)是在今年秋季推出高保真的MR原型機(jī)。
vivo想做的第二件事是“大腦”。胡柏山表示，vivo機(jī)器人實(shí)驗(yàn)室的重要子任務(wù)之一，就是AI領(lǐng)域?qū)I Agent （人工智能代理）能力的訓(xùn)練，要求機(jī)器人能夠在特定環(huán)境中自主感知、決策并執(zhí)行行動(dòng)以實(shí)現(xiàn)目標(biāo)。
為此vivo已經(jīng)做好充分的技術(shù)儲備。早在2018年，vivo就成立了AI全球研究院，覆蓋知識圖譜、自然語言處理、機(jī)器視覺等前沿方向，相關(guān)人才儲備超過1000人。vivo還發(fā)布了自研AI大模型矩陣藍(lán)心大模型，其云端千億級模型在C-Eval、CMMLU等中文榜單中均穩(wěn)居第一梯隊(duì)。
基于此，vivo已經(jīng)在智能手機(jī)快速中實(shí)現(xiàn)了類似能力，例如PhoneGPT智能體。它能夠基于藍(lán)心大模型矩陣來實(shí)現(xiàn)全自動(dòng)任務(wù)執(zhí)行，具備屏幕識別與操作能力，如通過語音指令完成從餐廳訂位、跨App操作等。
由于芯片能力限制，現(xiàn)階段手機(jī)端還難以承載太多復(fù)雜任務(wù)。相比之下，機(jī)器人并沒有這種煩惱，可以用算力更強(qiáng)的硬件來跑更大的模型。如果把手機(jī)比作二維，那么機(jī)器人就是將手機(jī)升到了三維甚至四維，也能夠?qū)⑹謾C(jī)廠商的優(yōu)勢進(jìn)一步放大。如果未來機(jī)器人在AI Agent上跑出了好的體驗(yàn)，也可以考慮針對手機(jī)平臺做裁切，形成“機(jī)器人-手機(jī)-MR”的體驗(yàn)反哺與技術(shù)閉環(huán)。
當(dāng)一個(gè)硬件載體擁有了能夠識別信息的雙眼、會感知和處理信息的大腦，再配上“身體”，交由大腦控制，就形成了一個(gè)機(jī)器人的雛形。至于它的下肢是雙足、四足還是輪足履帶，則交給由用戶場景和需求來決定，也是產(chǎn)業(yè)伙伴們大顯身手的時(shí)刻。
不強(qiáng)調(diào)競爭，更期待產(chǎn)業(yè)合作
具身智能火熱的幾年間，活躍的機(jī)器人玩家大多數(shù)都是初創(chuàng)公司。產(chǎn)業(yè)界最好奇的是，作為國內(nèi)首家官宣入局的科技巨頭，vivo能夠帶來怎樣的影響。
vivo給出了明確的答案：設(shè)立清晰的業(yè)務(wù)邊界，只做自身能力擅長的事情，聚焦于更貼近普通用戶的消費(fèi)級市場，不做工業(yè)機(jī)器人；聚焦于“大腦”和“眼睛”，不做初創(chuàng)公司都在“卷”的機(jī)械臂、靈巧手，以及機(jī)器人的雙腿和身體。
換言之，vivo并不打算以競爭的姿態(tài)進(jìn)入機(jī)器人行業(yè)，反而更強(qiáng)調(diào)產(chǎn)業(yè)合作共贏。這與vivo做手機(jī)的路徑相似：只做核心智能終端，不做SoC、屏幕等零部件，“因?yàn)檫@個(gè)產(chǎn)業(yè)鏈里面有人比我們更擅長做這些。”
更有趣的是，巨頭的入局反而有望帶動(dòng)行業(yè)的降本和規(guī)范。
人形機(jī)器人難以量產(chǎn)的一大瓶頸，就是是缺乏成熟的供應(yīng)鏈。由于硬件成本占比過高，行業(yè)規(guī)?；当韭窂缴形创蛲?。并且，機(jī)器人用到的諧波減速器、行星滾柱絲杠等關(guān)鍵部件國產(chǎn)化率不足四成，高端零部件仍依賴日本哈默納科、THK等廠商。
相比之下，智能手機(jī)已經(jīng)形成了相當(dāng)成熟的專業(yè)化分工體系。國泰君安研報(bào)指出，智能手機(jī)與機(jī)器人供應(yīng)鏈重疊度超60%，機(jī)器人規(guī)?；慨a(chǎn)后可完全復(fù)用3C產(chǎn)業(yè)的快速迭代和大批量生產(chǎn)模式，從而快速實(shí)現(xiàn)成本優(yōu)化。同時(shí)，巨頭有望通過技術(shù)標(biāo)準(zhǔn)來反向規(guī)范供應(yīng)鏈。例如vivo影像調(diào)校標(biāo)準(zhǔn)就已被供應(yīng)鏈廠商直接納入生產(chǎn)線檢測流程。
必須要明確的事實(shí)是，任何行業(yè)都有其自身發(fā)展的邏輯與節(jié)奏。巨頭能夠給行業(yè)帶來新風(fēng)，但也無法以一己之力快速扭轉(zhuǎn)行業(yè)的進(jìn)程。vivo方面也表示，能夠?qū)崿F(xiàn)體驗(yàn)閉環(huán)的機(jī)器人原型機(jī)，大概需要三到五年的時(shí)間，2C商用則要拉到更長。
但在此過程中，vivo可以通過“漸進(jìn)突圍、沿途下蛋”的路徑，與產(chǎn)業(yè)伙伴合作共研，在特定場景推出具有針對性功能的產(chǎn)品，回歸場景，解決痛點(diǎn)，并不斷迭代，讓技術(shù)走出實(shí)驗(yàn)室，走進(jìn)用戶的真實(shí)生活。
目前正在博鰲論壇現(xiàn)場展示的vivo混合現(xiàn)實(shí)頭顯探索版，就是一個(gè)階段性成果。而在下個(gè)月即將發(fā)布的vivo X200 Ultra上，也將集成vivo在影像領(lǐng)域最新的技術(shù)突破，這些嘗試都將成為vivo 進(jìn)軍機(jī)器人行業(yè)并逐步實(shí)現(xiàn)商業(yè)化落地的鋪路石。
無論如何，vivo的入局對產(chǎn)業(yè)界來說都是一個(gè)好消息。手機(jī)行業(yè)有著最大基數(shù)的消費(fèi)人群，最前瞻的技術(shù)生態(tài)，和最多元的應(yīng)用場景，這或許就是機(jī)器人行業(yè)的下一個(gè)拐點(diǎn)，讓機(jī)器人實(shí)現(xiàn)從實(shí)驗(yàn)室到場景落地的轉(zhuǎn)折，真正成為聯(lián)接物理世界和數(shù)字世界的橋梁。