中新經(jīng)緯
在上海市智元機(jī)器人數(shù)據(jù)采集中心的廚房場(chǎng)景中，一名數(shù)據(jù)采集員手持操作手柄指揮著機(jī)器人用一只手在調(diào)料架上拿起雞精調(diào)料瓶，另一只手輕輕打開(kāi)調(diào)料瓶蓋子，小心翼翼地捏起瓶?jī)?nèi)的小勺，將雞精撒入鍋中。之后，機(jī)器人將調(diào)料勺放回調(diào)料瓶，蓋上蓋子，將調(diào)料瓶放回調(diào)料架。這樣，一條接近真實(shí)使用場(chǎng)景下的數(shù)據(jù)采集才算完成。
該數(shù)據(jù)采集中心每天可以產(chǎn)出數(shù)萬(wàn)條機(jī)器人真機(jī)數(shù)據(jù)和仿真環(huán)境數(shù)據(jù)，這些數(shù)據(jù)將用于訓(xùn)練大模型，讓人形機(jī)器人學(xué)習(xí)并掌握這些技能。智元機(jī)器人的通用具身機(jī)器人已實(shí)現(xiàn)量產(chǎn)，在該公司的工廠，一排排機(jī)器人正在組裝、下線(xiàn)，目前的年產(chǎn)能力能達(dá)到數(shù)千臺(tái)。
中新經(jīng)緯近日實(shí)地走訪智元機(jī)器人，探究人形機(jī)器人的應(yīng)用前景。智元機(jī)器人研究院執(zhí)行院長(zhǎng)、具身業(yè)務(wù)部總裁姚卯青表示，人形機(jī)器人走向家用市場(chǎng)大約需要5年時(shí)間，而價(jià)格可能在5萬(wàn)元這一級(jí)別。
“數(shù)百條數(shù)據(jù)能實(shí)現(xiàn)比較好的倒水效果”
人形機(jī)器人的話(huà)題已討論多年，但近期著實(shí)又火了一把，從央視春晚的機(jī)器人扭秧歌到資本市場(chǎng)相關(guān)板塊的火熱、投融資市場(chǎng)的摩拳擦掌，人形機(jī)器人成了科技賽道上的 “流量密碼”。
▲智元機(jī)器人人形機(jī)器人產(chǎn)品。中新經(jīng)緯 薛宇飛攝
上海市張江機(jī)器人谷聚集多家機(jī)器人行業(yè)的知名公司，成立于2023年2月的智元機(jī)器人就是其中之一。目前，智元機(jī)器人已完成多輪融資，公司估值超過(guò)70億元人民幣。
姚卯青對(duì)中新經(jīng)緯表示，一方面，資本市場(chǎng)的大力推動(dòng)對(duì)人形機(jī)器人的發(fā)展起到了很大作用，從全球看，美國(guó)特斯拉創(chuàng)始人埃隆·馬斯克布局人形機(jī)器人行業(yè)，英偉達(dá)也在這方面動(dòng)作頻頻。另一方面，大語(yǔ)言模型不斷實(shí)現(xiàn)突破，給機(jī)器人的智能化提供了技術(shù)基礎(chǔ)。
數(shù)據(jù)尤其是高質(zhì)量數(shù)據(jù)，就如同一道道練習(xí)題，大模型在數(shù)據(jù)的不斷投喂下進(jìn)行練習(xí)與模仿，才能變得更加智能。而是否擁有高質(zhì)量數(shù)據(jù)，成為發(fā)展人形機(jī)器人的卡點(diǎn)之一。姚卯青稱(chēng)，具身智能訓(xùn)練領(lǐng)域大規(guī)模的開(kāi)源數(shù)據(jù)集是美國(guó)Google公司的Open X-Embodiment，但該數(shù)據(jù)是全球幾十家機(jī)構(gòu)拼湊起來(lái)的，質(zhì)量較差，而且有些數(shù)據(jù)已經(jīng)丟失，行業(yè)需要一個(gè)高質(zhì)量、大規(guī)模的數(shù)據(jù)集。
▲智元機(jī)器人數(shù)據(jù)采集中心。中新經(jīng)緯 薛宇飛攝
在4000平方米的智元機(jī)器人數(shù)據(jù)采集中心，搭建出家居、餐廳、工業(yè)、商超、辦公五大類(lèi)場(chǎng)景，包含超過(guò)兩百個(gè)細(xì)分場(chǎng)景的任務(wù)。在這些場(chǎng)景中，數(shù)百名數(shù)據(jù)采集員通過(guò)頭戴VR眼鏡、手持操作手柄指揮著機(jī)器人進(jìn)行各種動(dòng)作。比如，家居場(chǎng)景依據(jù)真實(shí)住宅進(jìn)行布局，包括臥室、客廳、廚房、衛(wèi)生間等空間，可以實(shí)現(xiàn)機(jī)器人整理物品、收拾碗筷、打掃房間等。在奶茶店場(chǎng)景下，采集機(jī)器人奶茶制作、送餐、收拾桌子等過(guò)程。
▲智元機(jī)器人正在采集收拾桌子的數(shù)據(jù)
中新經(jīng)緯看到，在數(shù)據(jù)采集員的操控下，一臺(tái)機(jī)器人拿起桌上的茶壺，慢慢地將水倒入面前的杯子中，然后將水壺放回原位。不過(guò)，重復(fù)、單一的數(shù)據(jù)，對(duì)訓(xùn)練大模型作用甚微，采集過(guò)程中，數(shù)據(jù)采集員會(huì)不斷挪動(dòng)杯子和茶壺的位置，記錄下不同場(chǎng)景下的數(shù)據(jù)。同樣，采集機(jī)器人掃地時(shí)，數(shù)據(jù)采集員也將垃圾擺放在不同位置，通過(guò)操作手柄讓機(jī)器人手臂上的吸塵器去吸取。該數(shù)據(jù)采集員表示，這項(xiàng)動(dòng)作一天約能采集數(shù)百條。
姚卯青說(shuō)：“智元機(jī)器人的模型訓(xùn)練路線(xiàn)與語(yǔ)言大模型比較類(lèi)似。最開(kāi)始是預(yù)訓(xùn)練，該階段使用盡量多的數(shù)據(jù)進(jìn)行訓(xùn)練，形成對(duì)環(huán)境的基本感知等。之后，會(huì)采集數(shù)百條高質(zhì)量數(shù)據(jù)，里面也會(huì)做一些泛化，比如倒水的動(dòng)作，對(duì)水壺、桌面、光照等進(jìn)行更換，拿放位置及倒水姿態(tài)進(jìn)行調(diào)整等，大概數(shù)百條數(shù)據(jù)能讓機(jī)器人實(shí)現(xiàn)比較好的倒水效果。”
▲智元機(jī)器人人形機(jī)器人正在采集數(shù)據(jù)。中新經(jīng)緯 薛宇飛攝
智元機(jī)器人數(shù)據(jù)采集中心負(fù)責(zé)人阮丞向中新經(jīng)緯解釋稱(chēng)，簡(jiǎn)單來(lái)說(shuō)，智元機(jī)器人具身基座大模型是端到端的VLA大模型，它以互聯(lián)網(wǎng)多模態(tài)大模型為基礎(chǔ)，先讓模型具有通用的感知和動(dòng)作理解能力，再使用相同本體的高質(zhì)量真機(jī)動(dòng)作數(shù)據(jù)進(jìn)行訓(xùn)練，也就是數(shù)據(jù)采集中心所采集的數(shù)據(jù)，讓模型具備動(dòng)作的精細(xì)執(zhí)行能力。
阮丞說(shuō)：“這個(gè)過(guò)程可以對(duì)比教小孩子學(xué)做菜，最開(kāi)始是認(rèn)識(shí)菜、肉、調(diào)料，之后告訴他操作步驟，最后是實(shí)踐操作。就倒水這一動(dòng)作來(lái)說(shuō)，（我們）先讓大模型認(rèn)識(shí)各式各樣的水壺、杯子以及杯子里的水位等，之后讓它具備在不同場(chǎng)景下的泛化能力，最后在高質(zhì)量真機(jī)動(dòng)作數(shù)據(jù)的訓(xùn)練下，能夠精準(zhǔn)理解倒水的相關(guān)動(dòng)作。”
▲智元機(jī)器人正在采集倒茶水的數(shù)據(jù)
阮丞也稱(chēng)，教會(huì)人形機(jī)器人學(xué)會(huì)每項(xiàng)動(dòng)作需要采集多少條數(shù)據(jù)，因任務(wù)和要求不同可能有所差異，沒(méi)辦法準(zhǔn)確量化，而且，隨著對(duì)人形機(jī)器人的要求越來(lái)越高，可能需要更多的數(shù)據(jù)。
2024年底，智元機(jī)器人對(duì)該數(shù)據(jù)采集中心的百萬(wàn)真機(jī)數(shù)據(jù)集AgiBot World進(jìn)行了開(kāi)源。據(jù)介紹，相較于Google的Open X-Embodiment，AgiBot World長(zhǎng)程數(shù)據(jù)規(guī)模高出10倍，場(chǎng)景范圍覆蓋面擴(kuò)大100倍，數(shù)據(jù)質(zhì)量也從實(shí)驗(yàn)室級(jí)上升到工業(yè)級(jí)標(biāo)準(zhǔn)。
對(duì)具身大模型的不斷訓(xùn)練已經(jīng)產(chǎn)生效果。阮丞說(shuō)：“以最早期的抓取放置任務(wù)訓(xùn)練為例，讓機(jī)器人抓取一個(gè)物品從一個(gè)筐放進(jìn)另一個(gè)筐，隨著訓(xùn)練數(shù)據(jù)的增加，模型的能力也得到很大擴(kuò)展，對(duì)不同樣式不同位置的筐和物品，甚至完全沒(méi)見(jiàn)過(guò)的物品，機(jī)器人也能進(jìn)行識(shí)別并投放。在不斷的研究與探索中，我們的認(rèn)知也在不斷地被顛覆。現(xiàn)在的模型具備了同時(shí)執(zhí)行多個(gè)任務(wù)，對(duì)不同場(chǎng)景和新物體的泛化能力，同時(shí)還能理解跟隨語(yǔ)言指令。”
“解決一個(gè)工序也有上萬(wàn)臺(tái)市場(chǎng)規(guī)模”
2023年11月，中國(guó)工業(yè)和信息化部發(fā)布的《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見(jiàn)》中提出，到2025年，人形機(jī)器人創(chuàng)新體系初步建立，“大腦、小腦、肢體”等一批關(guān)鍵技術(shù)取得突破，確保核心部組件安全有效供給。整機(jī)產(chǎn)品達(dá)到國(guó)際先進(jìn)水平，并實(shí)現(xiàn)批量生產(chǎn)，在特種、制造、民生服務(wù)等場(chǎng)景得到示范應(yīng)用，探索形成有效的治理機(jī)制和手段。
今年1月初，智元機(jī)器人對(duì)外宣布，公司通用具身機(jī)器人累計(jì)下線(xiàn)達(dá)1000臺(tái)。此前，中國(guó)國(guó)內(nèi)的傅利葉、宇樹(shù)科技等機(jī)器人公司也對(duì)外宣布過(guò)有關(guān)機(jī)器人量產(chǎn)的消息。國(guó)際上，埃隆·馬斯克在今年1月份表示，特斯拉計(jì)劃在今年生產(chǎn)數(shù)千臺(tái)套人形機(jī)器人Optimus，若進(jìn)展順利，明年產(chǎn)量將達(dá)5萬(wàn)至10萬(wàn)臺(tái)。
▲智元機(jī)器人上海臨港量產(chǎn)工廠內(nèi)正在組裝的人形機(jī)器人。中新經(jīng)緯 薛宇飛 攝
中新經(jīng)緯在智元機(jī)器人上海臨港量產(chǎn)工廠看到，一些機(jī)器發(fā)出嗡嗡聲響，200多名工人操作著不同的程序組裝人形機(jī)器人，一些已經(jīng)下線(xiàn)的機(jī)器人還需要進(jìn)行最后的測(cè)試。
智元機(jī)器人制造部總經(jīng)理張紹政對(duì)中新經(jīng)緯稱(chēng)，除了一些標(biāo)準(zhǔn)化的組件外，人形機(jī)器人的大多數(shù)核心部件都是該公司自研，再交由相關(guān)工廠完成部件的生產(chǎn)后，最后的組裝交由臨港量產(chǎn)工廠完成。目前，臨港量產(chǎn)工廠的年產(chǎn)能達(dá)到了數(shù)千臺(tái)，后續(xù)還有進(jìn)一步擴(kuò)大產(chǎn)能的計(jì)劃。
智元機(jī)器人已交付的機(jī)器人主要用于工業(yè)生產(chǎn)場(chǎng)景和一些展館內(nèi)機(jī)器人導(dǎo)覽介紹等交互服務(wù)場(chǎng)景。在工業(yè)生產(chǎn)場(chǎng)景，機(jī)器人主要從事“PPT”工序，即Pick（抓取）、Place（放置）和 Transfer（轉(zhuǎn)運(yùn)）。姚卯青表示，在汽車(chē)制造、3C制造等場(chǎng)景下，機(jī)器人可以替代一些重復(fù)、機(jī)械的工作，需求量龐大，“解決一個(gè)工序也有上萬(wàn)臺(tái)市場(chǎng)規(guī)模，未來(lái)如果真正能實(shí)現(xiàn)完全的工業(yè)自動(dòng)化，人形機(jī)器人行業(yè)會(huì)成為比汽車(chē)制造業(yè)更大的一個(gè)產(chǎn)業(yè)。”
借鑒自動(dòng)駕駛的等級(jí)劃分思路，智元機(jī)器人將具身智能技術(shù)的發(fā)展也分為五個(gè)階段，即G1至G5。G1階段，屬于基礎(chǔ)自動(dòng)化階段，基于簡(jiǎn)單的機(jī)器視覺(jué)加上人工程序化編程，這一階段的機(jī)器人系統(tǒng)設(shè)計(jì)和配置都針對(duì)特定的應(yīng)用需求，缺乏泛化能力。G2階段，通過(guò)抽象出可復(fù)用的原子技能，機(jī)器人可以實(shí)現(xiàn)一定程度上的場(chǎng)景遷移和泛化。這一階段的機(jī)器人已經(jīng)能夠基于大語(yǔ)言模型（任務(wù)編排大模型）進(jìn)行任務(wù)編排，具備一定的智能水平。到G3階段，機(jī)器人將能夠更靈活地適應(yīng)不同場(chǎng)景和任務(wù)，通過(guò)持續(xù)學(xué)習(xí)不斷優(yōu)化自身性能。
姚卯青說(shuō)：“目前整個(gè)行業(yè)的具身智能技術(shù)還處于G1到G2的階段，學(xué)術(shù)陣地可能到了G3階段。到G4階段，我覺(jué)得還需要5年時(shí)間，而到G5階段則要10年。簡(jiǎn)單講，在G3階段，具身智能技術(shù)會(huì)在單一任務(wù)上可以實(shí)現(xiàn)與人一樣的成功率；在G4階段，可以實(shí)現(xiàn)用一個(gè)模型完成多種任務(wù)；到G5階段，則是具身智能技術(shù)的終極形態(tài)，它可以實(shí)現(xiàn)推理、反思、糾錯(cuò)。”
就智元機(jī)器人而言，姚卯青透露，公司今年計(jì)劃走通G3階段產(chǎn)品的技術(shù)路線(xiàn)，明后年會(huì)繼續(xù)向更多場(chǎng)景與任務(wù)進(jìn)行拓展，同時(shí)對(duì)G4階段的產(chǎn)品進(jìn)行一些布局。
走向家用市場(chǎng)或需要5年時(shí)間
相比于一些花式炫技，消費(fèi)者更關(guān)心人形機(jī)器人何時(shí)能夠“飛入尋常百姓家”。
▲智元機(jī)器人上海臨港量產(chǎn)工廠內(nèi)的人形機(jī)器人。中新經(jīng)緯薛宇飛攝
今年2月，宇樹(shù)科技的H1和G1人形機(jī)器人開(kāi)售，G1的售價(jià)為9.9萬(wàn)元，H1的售價(jià)為65萬(wàn)元。2024年12月，眾擎機(jī)器人的人形機(jī)器人PM01發(fā)售，售價(jià)8.8萬(wàn)元。
目前，智元機(jī)器人的客戶(hù)主要來(lái)自企業(yè)端，采訪中并未透露人形機(jī)器人的零售價(jià)格。但姚卯青稱(chēng)，智元機(jī)器人的人形機(jī)器人產(chǎn)品的生產(chǎn)成本正在不斷下降，每年大約會(huì)有15%～20%的降幅。人形機(jī)器人的成本主要是一些關(guān)節(jié)類(lèi)組件，隨著行業(yè)量產(chǎn)，這類(lèi)組件的價(jià)格會(huì)明顯下降。智元機(jī)器人去年推出了全棧開(kāi)源機(jī)器人靈犀X1，科技愛(ài)好者、開(kāi)發(fā)者可在智元商城購(gòu)買(mǎi)相應(yīng)的組件套餐。
姚卯青預(yù)計(jì)，人形機(jī)器人走向家用市場(chǎng)，大約需要5年時(shí)間。他說(shuō)：“走向家用的人形機(jī)器人，到時(shí)能接受一些開(kāi)放式的指令，可以從事一些常見(jiàn)的家庭工作，比如取放東西、泡杯茶、拿快遞、丟垃圾、疊被子、洗衣服等常見(jiàn)工作。走入家庭的產(chǎn)品，價(jià)格可能在5萬(wàn)元這一級(jí)別。”
姚卯青稱(chēng)，具身智能技術(shù)發(fā)展到G4階段時(shí)，智力上與人已經(jīng)差不多，在居家場(chǎng)景使用時(shí)，會(huì)替代家政服務(wù)人員完成部分基礎(chǔ)工作，但體力上是否可以跟上要取決于硬件的迭代情況。他說(shuō)：“是否能讓人形機(jī)器人爬到窗戶(hù)外面擦窗，這還需要行業(yè)共同努力。”
姚卯青表示，人形機(jī)器人的發(fā)展也面臨硬件與軟件上的瓶頸。硬件方面，對(duì)機(jī)器人的手部研發(fā)亟待突破，目前市場(chǎng)的高自由度靈巧手的靈活度與人手相比仍存差距。另外，關(guān)節(jié)和電機(jī)的輕量化、小型化，外殼材料的高強(qiáng)度、輕量化、仿真化，電池的功率密度的提升，芯片的更大算力及更低成本，更豐富和精密的傳感器等，都需要改進(jìn)。軟件方面，具身智能技術(shù)還處于G1到G2階段，因此在算法方面還有很長(zhǎng)的路要走，這中間，數(shù)據(jù)也比較核心。
當(dāng)前，全球多個(gè)國(guó)家都在人形機(jī)器人行業(yè)發(fā)力，中國(guó)的優(yōu)勢(shì)在哪里？姚卯青表示，一是，供應(yīng)鏈方面，中國(guó)擁有龐大而完整的零部件供應(yīng)鏈，這是其他國(guó)家或地區(qū)無(wú)法比擬的；二是，人才方面，中國(guó)擁有數(shù)量龐大的工科人才和專(zhuān)家隊(duì)伍，人才的專(zhuān)業(yè)技術(shù)過(guò)硬，同時(shí)，整個(gè)人力成本也相對(duì)較低；三是，政策支持，政府部門(mén)對(duì)人形機(jī)器人的支持力度較大。
2月17日在北京召開(kāi)的民營(yíng)企業(yè)座談會(huì)引發(fā)廣泛關(guān)注。座談會(huì)上，6位民營(yíng)企業(yè)負(fù)責(zé)人代表先后發(fā)言，就新形勢(shì)下促進(jìn)民營(yíng)經(jīng)濟(jì)發(fā)展提出意見(jiàn)和建議。智元機(jī)器人相關(guān)負(fù)責(zé)人表示，黨和國(guó)家對(duì)民營(yíng)經(jīng)濟(jì)發(fā)展的支持是有目共睹的，對(duì)培育新質(zhì)生產(chǎn)力更是不遺余力。當(dāng)前正值人形機(jī)器人產(chǎn)業(yè)的快速發(fā)展期，既需要民營(yíng)企業(yè)充分發(fā)揮主觀能動(dòng)性，也需要各級(jí)政府政策的支持與幫助，相信中國(guó)的人形機(jī)器人產(chǎn)業(yè)一定大有作為。
國(guó)信證券機(jī)械首席分析師滿(mǎn)在朋在2月16日的研報(bào)中稱(chēng)，2024年是國(guó)內(nèi)外人形機(jī)器人的原型機(jī)發(fā)布大年，經(jīng)過(guò)半年到一年的技術(shù)優(yōu)化與調(diào)試，2025年有望成為真正的量產(chǎn)元年。DeepSeek AI成功突破AI發(fā)展的高昂成本問(wèn)題，憑借降本、開(kāi)源的優(yōu)勢(shì)，在人形機(jī)器人領(lǐng)域展現(xiàn)出強(qiáng)大的賦能能力，有望助力機(jī)器人在環(huán)境感知、任務(wù)規(guī)劃與決策、持續(xù)進(jìn)化等大模型方面實(shí)現(xiàn)質(zhì)的飛躍。
中信證券表示在研報(bào)中稱(chēng)，在全球勞動(dòng)年齡人口下降、人工成本上升的背景下，用機(jī)器替代流水線(xiàn)上的簡(jiǎn)單重復(fù)勞動(dòng)并逐步成為人類(lèi)生活的多場(chǎng)景下的助手是一大趨勢(shì)。“人形”是最適合人類(lèi)社會(huì)所有場(chǎng)景的形態(tài)，無(wú)需改變場(chǎng)景來(lái)適應(yīng)機(jī)器，一旦技術(shù)成熟可直接用于所有社會(huì)場(chǎng)景。中信證券認(rèn)為，2025年全球人形機(jī)器人出貨量將會(huì)突破1萬(wàn)臺(tái)，預(yù)計(jì)到2030年將達(dá)到500萬(wàn)臺(tái)左右，市場(chǎng)需求會(huì)提升至約7500億元。
（中新經(jīng)緯）
責(zé)編：
審核：馬婉瑩
責(zé)編：馬婉瑩