摸著石頭過河的具身智能公司，正在尋求“確定性”

 　　在種種不確定因素之下，對(duì)于具身智能，唯一可以確定的是，其未來巨大的市場(chǎng)空間。從紛紛入局的科技巨頭、創(chuàng)業(yè)公司的市場(chǎng)現(xiàn)狀即可窺見一二。而類比到自動(dòng)駕駛，其也是拋開層層迷霧后才得以在今天看見曙光。

　　相信，于具身智能而言，站在如今大模型和自動(dòng)駕駛的臂膀上，其成熟期將來得更快。

　　作者|思杭

　　編輯|皮爺

　　出品|產(chǎn)業(yè)家

　　“具身智能注定會(huì)成為最具價(jià)值的AI應(yīng)用，未來還可能會(huì)改變我們與科技的交互方式。”

　　2024年5月，英國自動(dòng)駕駛獨(dú)角獸Wayve完成了10.5億美元C輪融資，這也是英國史上最大規(guī)模的AI融資，本次融資方除了老股東微軟，還有新入局的軟銀集團(tuán)和英偉達(dá)。值得注意的是，上述正是Wayve聯(lián)合創(chuàng)始人兼CEO在完成融資當(dāng)天寫下的一句話。

　　令人好奇的是，為什么一家自動(dòng)駕駛公司要在融資當(dāng)天提到具身智能，甚至還極為看好?不僅如此，仔細(xì)研究融資方還能發(fā)現(xiàn)，在不少具身智能公司里，都有英偉達(dá)的身影，比如年初的Figure。

　　實(shí)際上，從自動(dòng)駕駛到具身智能，每一個(gè)前沿AI領(lǐng)域都少不了英偉達(dá)的參與。那么，自動(dòng)駕駛與具身智能究竟有何關(guān)系?

　　如果說，“自動(dòng)駕駛的存在是取代司機(jī)，那么具身智能的存在就是替代整個(gè)人類。”當(dāng)然，這只是跟隨如今互聯(lián)網(wǎng)風(fēng)格的一種狹隘理解。自動(dòng)駕駛與具身智能的真正相似之處是，從技術(shù)到底層邏輯的相似。而一種更好的理解則是，既然2024是自動(dòng)駕駛的商業(yè)化元年，那么同樣地，它也見證了具身智能的“元年”。

　　據(jù)南方都市報(bào)統(tǒng)計(jì)，從2023下半年至今，與具身智能概念相關(guān)的公司，已有12家實(shí)現(xiàn)融資。而更夸張的是，華為天才少年“稚暉君”辭職后創(chuàng)立的智元機(jī)器人，過去一年時(shí)間就完成6輪融資，估值一路飆升至70億元。

　　具身智能賽道的瘋狂還不止于此，從馬斯克到AI知名學(xué)者李飛飛，從英偉達(dá)、OpenAI甚至到國內(nèi)幾乎所有互聯(lián)網(wǎng)大廠，全部紛紛涌入具身智能賽道，用腳投票一致看好這個(gè)如今AI大模型加持下的機(jī)器人產(chǎn)業(yè)。

　　然而，這個(gè)看起來波濤的賽道，如今真的如此光明嗎?擺在它前方的，究竟是何種機(jī)遇和挑戰(zhàn)?

　　一、2024，機(jī)器人開始有了人的“身體”

　　回溯過去70多年人工智能的歷史長河中，有幾個(gè)極為關(guān)鍵的標(biāo)志性事件，其中一件就發(fā)生在70年代的日本。1964年，日本早稻田大學(xué)教授加藤一郎開始潛心研究人工下肢 ，五年時(shí)間，世界上第一個(gè)雙足機(jī)器人WABOT-1誕生。

　　這個(gè)當(dāng)時(shí)行走一步要45秒，步伐也僅有10厘米左右的機(jī)器人馬上就引起了全世界的轟動(dòng)，要知道，彼時(shí)的人工智能才剛剛起步，從操控到感知，一切都還處于探索初期。因此，WABOT-1的問世則也標(biāo)志著整個(gè)人工智能發(fā)展史上的一個(gè)重要里程碑。

　　不僅如此，世界上第一個(gè)雙足機(jī)器人在日本誕生后，對(duì)于抓住了先機(jī)的日本，汽車和電子制造業(yè)的崛起也隨之而來。而在機(jī)器人領(lǐng)域，日本更是占據(jù)了整個(gè)機(jī)器人產(chǎn)業(yè)的半壁江山。

　　盡管早在70年代人形機(jī)器人就有了“雛形”，然而從自然語言到操控、感知、決策等等人工智能領(lǐng)域的關(guān)鍵性技術(shù)都未有突破，這也導(dǎo)致在過去很長一段時(shí)間，關(guān)于人形機(jī)器人的發(fā)展也不得不按下暫停鍵。

　　而此后的機(jī)器人領(lǐng)域則開始圍繞著“非人形”機(jī)器人展開，比如工業(yè)場(chǎng)景里常見的機(jī)械臂。可以說，由“ABB、庫卡KUKA、發(fā)那科FANUC和安川電機(jī)YASKAWA”組成的機(jī)器人“四大家族”，地位至今都難以撼動(dòng)。

　　如果說當(dāng)年，世界上第一個(gè)人形機(jī)器人的誕生對(duì)后續(xù)的人工智能發(fā)展，發(fā)揮了至關(guān)重要的作用;那么今天，人工智能領(lǐng)域的重大突破，同時(shí)也讓停滯不前的“人形機(jī)器人”產(chǎn)業(yè)重新 找回屬于自己的光環(huán)。

　　據(jù)不完全統(tǒng)計(jì)，在AI大模型風(fēng)口上的2023年，單單是以“人形機(jī)器人”或“具身智能”概念入局的創(chuàng)業(yè)公司就有24家;而到了今年，截至2024年8月，這條賽道共聚集了29家創(chuàng)業(yè)公司。

　　在這其中，不僅有一年內(nèi)連續(xù)融資6次，估值達(dá)70億人民幣的智元機(jī)器人，更有不少被阿里、騰訊、華為、美團(tuán)等“選中”的初創(chuàng)公司。

　　而在過去這一年，資本的瘋狂也再一次證明了人形機(jī)器人的“覺醒”：據(jù)IT桔子統(tǒng)計(jì)，2023年中國一級(jí)市場(chǎng)機(jī)器人行業(yè)融資金額達(dá)240億元，單筆十億元量級(jí)以上投資事件約4起。

　　在2024年世界人工智 能大會(huì)上，一場(chǎng)“人形機(jī)器人盛宴”讓其火熱程度更加具像化。

　　而與此同時(shí)，在海外，這場(chǎng)盛宴則要更為壯觀，從特斯拉的“擎天柱”(Optimus)到今年3月刷屏的Figure AI，再到英偉達(dá)的人形機(jī)器人通用基礎(chǔ)模型GR00T，可以說，對(duì)于這些逐夢(mèng)AI的硅谷科技企業(yè)而言，它們對(duì)人形機(jī)器人的追逐和野心，以及害怕錯(cuò)過(FOMO)的焦慮，無一不暴露在這場(chǎng)盛宴之下。

　　同樣地，作為走在AI前沿的國內(nèi)科技企業(yè)，也并沒有人想錯(cuò)過入局人形機(jī)器人的最佳時(shí)間點(diǎn)。

　　對(duì)此，一些自身有大模型能力的科技大廠，選擇的是投資，并以大模型賦能機(jī)器人的方式入局這一新賽道，如華為、百度、騰訊、阿里、字節(jié);甚至一些有硬件研發(fā)基礎(chǔ)的企業(yè)不惜重金自研入局，如科大訊飛、小米。

　　而另一些更聚焦實(shí)際場(chǎng)景的科技企業(yè)則是用投資的方式，更垂直、也更有針對(duì)性地為特定場(chǎng)景打造屬于他們的人形機(jī)器人，如美團(tuán)、小米。

　　2023年，有鹿機(jī)器人聯(lián)合阿里云通義千問共同發(fā)布了具身智能大模型LPLM-10B;同年12月29日，人形機(jī)器人第一股“優(yōu)必選”正式登陸港交所，騰訊成為優(yōu)必選最大機(jī)構(gòu)股東。而就在最近，北京銀河通用機(jī)器人有限公司也完成了7億元的天使輪融資，其中投資方就包括了美團(tuán)。

　　上述種種信號(hào)都在表明，在科技企業(yè)、創(chuàng)業(yè)公司、老牌機(jī)器人廠商等等參與者的合力之 下，人形機(jī)器人正在一步步走向產(chǎn)業(yè)，走向有著千家萬戶的現(xiàn)實(shí)世界。

　　二、通用機(jī)器人之前：

　　人形機(jī)器人的形態(tài)之爭(zhēng)

　　從1970年的世界首個(gè)人形機(jī)器人到以機(jī)器人四大家族為首的非人形機(jī)器人，再到今天重新覺醒的人形機(jī) 器人，為什么一有“機(jī)會(huì)”就會(huì)發(fā)展人形機(jī)器人?而機(jī)器人又為何必須是“人形”?人形機(jī)器人的魅力究竟在哪?

　　對(duì)此，產(chǎn)業(yè)各界都給出了不同的解釋。更為感性的說法是，機(jī)器人的形態(tài)越像人，就越符合大眾對(duì)機(jī)器人的幻想，這也是為什么科幻電影中的機(jī)器人大多都與真人無異。

　　但如果站在更為理性和客觀的角度，機(jī)器人之所以是人形，實(shí)際上是為了更符合人類對(duì)一個(gè)全能、通用機(jī)器人的期待。UniX AI創(chuàng)始人兼CEO楊豐瑜告訴產(chǎn)業(yè)家，“我更愿意將人形機(jī)器人稱之為通用的具身智能機(jī)器人。當(dāng)機(jī)器人進(jìn)入到L5階段，只需一個(gè)通用的機(jī)器人即可完成掃地、洗衣服、取快遞等全部家務(wù)。”

　　因此，一個(gè)更好的理解便是，無論是目前的人形機(jī)器人，還是具身智能，他們都是為了走向未來的通用機(jī)器人。而至于機(jī)器人的形態(tài)，究竟是人形還是非人形，是雙足還是輪式，目前業(yè)界可以分為三個(gè)派別，分別是激進(jìn)派、溫和派和保守派。

　　首先是身為激進(jìn)派的馬斯克，在6月的特斯拉股東大會(huì)上，其宣稱將于明年量產(chǎn)1000臺(tái)雙足人形機(jī)器人Optimus。

　　相比之下，國內(nèi)一眾機(jī)器人創(chuàng)業(yè)者則較為溫和。比如，銀河通用所發(fā)布的GALBOT就是一個(gè)身高173CM的輪式雙臂人形機(jī)器人，再比如，上半年剛成立的UniX AI，已發(fā)布并即將量產(chǎn)的Wanda也同樣是輪式雙臂機(jī)器人;而與此同時(shí)，據(jù)產(chǎn)業(yè)家了解，雙方公司都在默默研發(fā)雙足人形機(jī)器人，并正在著手解決相關(guān)技術(shù)難題。

　　而對(duì)于機(jī)器人的形態(tài)問題，也有不少“保守派”不認(rèn)可或不看好雙足。

　　在這其中，最為典型的兩個(gè)代表，一個(gè)是獵戶星空，其董事長兼CEO傅盛認(rèn)為，“雙足機(jī)器人目前很難成功商業(yè)化，如果落地到產(chǎn)線上工作，沒有三五年根本不可能。”另一個(gè)則是知名人形機(jī)器人公司Sanctuary AI，其創(chuàng)始人Geordie Rise則是最近在X平臺(tái)上發(fā)文稱，“幾乎所有工作都更適合在有輪子的環(huán)境下完成”，甚至又補(bǔ)充道，“雙足人形機(jī)器人是愚蠢的”。

　　然而，在如今這場(chǎng)機(jī)器人的形態(tài)之爭(zhēng)下，無論是雙足還是輪式，大家的終點(diǎn)都只有一個(gè)，即通 用機(jī)器人。

　　三、從技術(shù)路線到場(chǎng)景，

　　具身智能企業(yè)“摸著石頭過河”

　　簡單來理解通用機(jī)器人，就是既會(huì)做飯、洗衣服，又會(huì)打掃衛(wèi)生、取快遞，而這也就意味著機(jī)器人需要能夠更 好地掌握真實(shí)的物理世界。

　　“在此之前，上一代的機(jī)器人并沒有環(huán)境感知能力，其單純依靠外圍設(shè)備的節(jié)拍信號(hào)驅(qū)動(dòng)來執(zhí)行固定運(yùn)動(dòng)，也沒有智能可言;而未來的人形機(jī)器人則一定是具身大模型+通用的人形機(jī)器人，兩者缺一不可。”銀河通用向產(chǎn)業(yè)家表示。

　　而這也就詮釋了為什么具身智能，或人形機(jī)器人的風(fēng)口出現(xiàn)在如今大模型的浪潮之下。

　　從整個(gè)人工智能的發(fā)展角度來看，AI大模型為機(jī)器人領(lǐng)域所帶來的是更強(qiáng)大的感知能力。 在銀河通用看來，這種強(qiáng)感知能力是建立在“大參數(shù)模型和巨量數(shù)據(jù)展現(xiàn)出來的智能，它能將長任務(wù)拆解成短任務(wù)，再將短任務(wù)拆解成機(jī)器人的運(yùn)動(dòng)”。

　　在機(jī)器人領(lǐng)域，一個(gè)最大的難點(diǎn)便是缺乏與物理世界的真實(shí)數(shù)據(jù)，而得不到這些數(shù)據(jù)，就無從對(duì)機(jī)器人進(jìn)行訓(xùn)練;即使是互聯(lián)網(wǎng)上得到的信息，在過去也很難根據(jù)這些信息進(jìn)行擴(kuò)展，并使機(jī)器人更好地理解世界。

　　而大模型則很好地解決了這一問題。在楊豐瑜看來，如今的大語言模型已經(jīng)實(shí)現(xiàn)了視覺語言上的智能涌現(xiàn)，這就意味著，通過互聯(lián)網(wǎng)上的數(shù)據(jù)，機(jī)器人的感知已經(jīng)出現(xiàn)了相當(dāng)強(qiáng)的泛化，因此能夠更好地理解真實(shí)的物理世界。

　　實(shí)際上，除了具身智能，被大模型隨之帶火的還有自動(dòng)駕駛。像開篇提到的英國自動(dòng)駕駛獨(dú)角獸Wayve在融資當(dāng)天，不惜花大量筆墨描繪了一個(gè)屬于“具身智能”的未來，類似的言論也同樣出現(xiàn)在不少機(jī)器人公司的內(nèi)部。

　　其中，銀河通用在對(duì)具身智能的詮釋中就提到，“具身智能是一個(gè)相對(duì)寬泛的概念，像自動(dòng)駕駛、掃地機(jī)器人，嚴(yán)格意義上來說都屬于具身智能，當(dāng)然也包括我們今天在做的擁有具身大模型，能主動(dòng)干活的人形機(jī)器人。”

　　此外，關(guān)于自動(dòng)駕駛與具身智能的相似性，UniX AI創(chuàng)始人楊豐瑜則進(jìn)行了更具象的類比，“如今的具身智能，其實(shí)更像2015、2016年的自動(dòng)駕駛，仍然處于缺少真實(shí)數(shù)據(jù)的階段。而如果以L0-L5幾個(gè)階段來詮釋，目前大多數(shù)具身智能公司都在L0到L4的過程中，而到真正的L5則還有一段距離。具體而言，L4狀態(tài)指大多數(shù)場(chǎng)景下，機(jī)器人可以完成某個(gè)指定動(dòng)作;而L5則指任意場(chǎng)景下，機(jī)器人可以完成某一動(dòng)作。現(xiàn)階段，大家所缺少的便是真實(shí)數(shù)據(jù)。”

　　但自動(dòng)駕駛和具身智能也都各有各的難點(diǎn)，前者的難點(diǎn)在于安全性，而后者的難點(diǎn)則在于數(shù)據(jù)獲取。

　　為解決具身智能目前的種種挑戰(zhàn)，目前市面上不同企業(yè)內(nèi)部的技術(shù)路線都各不相同。從具身智能公司的創(chuàng)始團(tuán)隊(duì)背景就得以窺見，從大廠機(jī)器人實(shí)驗(yàn)室到智駕公司，甚至連從AI頂尖院校畢業(yè)的創(chuàng)業(yè)者都來自不同科系，可以說，在這個(gè)仍發(fā)展初期的具身智能賽道上，各路大神在各顯神通。

　　無法達(dá)成共識(shí)的還不僅是技術(shù)路線，對(duì)于機(jī)器人的落地場(chǎng)景，尤其是未來走向通用機(jī)器人的人形機(jī)器人，究竟誰能更快地實(shí)現(xiàn)商業(yè)化，或哪些更適合當(dāng)下的具身智能機(jī)器人?目前都還并沒有定論。

　　“目前整個(gè)行業(yè)，大家都還處于摸索PMF的階段，很難說B端和C端哪條路更容易或有利于商業(yè)化。”楊豐瑜向產(chǎn)業(yè)家說到。

　　的確如此，如果說在過去非人形機(jī)器人階段，商業(yè)化較為成熟的場(chǎng)景是生活服務(wù)、智能倉儲(chǔ)和智能制造。那么對(duì)于如今的具身智能的人形機(jī)器人階段，則既有面向B端的，也有從C端入手的。

　　比如，具身智能公司UniX AI即將發(fā)布的輪式雙臂機(jī)器人Wanda面向的就是家庭場(chǎng)景。而之所以先選擇C端，有幾方面考慮。在楊豐瑜看來，首先，針對(duì)具身智能缺乏真實(shí)數(shù)據(jù)的特點(diǎn)，如果能用脫敏處理從用戶端獲取更廣泛的真實(shí)數(shù)據(jù)，從而形成數(shù)據(jù)飛輪，從這一角度來講則可以極大地增強(qiáng)機(jī)器人的泛化能力。

　　然而，對(duì)于處于發(fā)展初期的當(dāng)下，究竟何種場(chǎng)景更有利于具身智能發(fā)展還是未知數(shù)，因此UniX也并沒有完全將場(chǎng)景限定在C端。另一方面，相較于B端“強(qiáng)替代”的場(chǎng)景，C端的容錯(cuò)率也更高。

　　通常來講，在B端，企業(yè)選擇是否要大規(guī)模使用某類機(jī)器人則要根據(jù)人工成本進(jìn)行對(duì)比，因此這也決定了B端更復(fù)雜的商業(yè)邏輯。

　　然而，毋庸置疑的是，從機(jī)器人產(chǎn)品本身出發(fā)，不同于C端場(chǎng)景，B端場(chǎng)景并不會(huì)如此多樣化。與此同時(shí)，這也意味著，在缺乏數(shù)據(jù)的當(dāng)下，B端機(jī)器人的技術(shù)難度也相對(duì)較低。

　　對(duì)此，目前不少具身智能公司都選擇從toB出發(fā)。最為代表的則是銀河通用，在他們看來，“現(xiàn)階段先落地在B端場(chǎng)景是更好的選擇，當(dāng)技術(shù)積累到一定的程度，再推動(dòng)其走進(jìn)家庭。”據(jù)銀河通用機(jī)器人透露，目前GALBOT計(jì)劃在商超、車廠、工業(yè)、物流、科研等領(lǐng)域進(jìn)行更深入的場(chǎng)景驗(yàn)證和應(yīng)用落地。

　　可以看到，從相差各異的技術(shù)路線，到難決高下的落地場(chǎng)景，如今具身智能企業(yè)都正在探尋更適合自己的路。

　　四、人形機(jī)器人的「確定性」在哪?

　　英國自動(dòng)駕駛獨(dú)角獸Wayve之所以成立自動(dòng)駕駛公司，其更深層次的意義實(shí)際上是實(shí)現(xiàn)“具身智能”的愿景。

　　“從理論上，如果說自動(dòng)駕駛的感知和決策已經(jīng)達(dá)到成熟，那么具身智能的技術(shù)成熟度也沒有問題。”具身智能領(lǐng)域的某業(yè)內(nèi)人士告訴產(chǎn)業(yè)家。

　　但如果說，2024是自動(dòng)駕駛的商業(yè)化元年，那么，具身智能的“確定性”又在哪?

　　目前看來，從機(jī)器人形態(tài)到技術(shù)路線，從落地場(chǎng)景再到商業(yè)模式，關(guān)于具身智能的一切似乎都充滿了不確定性。

　　甚至更夸張地講，在過去很長一段時(shí)間，究竟什么是人形機(jī)器人，什么是通用機(jī)器人?又該如何定義具身智能?概念都還并不清晰。而實(shí)際上，業(yè)界人士對(duì)具身智能不同定義的背后，反映的正是各家技術(shù)路線的差異。

　　比如有些企業(yè)將具身智能定義為需要與物理世界交互的智能體，而有些則將其定義為一具屬于AI的身體。而這兩者的區(qū)別就在于，前者更注重?cái)?shù)據(jù)獲取，后者則更注重AI或大模型技術(shù)的積累。

　　而如果拋開現(xiàn)實(shí)層面的阻礙去談理想。具身智能的未來是面向通用機(jī)器人。但如今，我們距離通用機(jī)器人究竟有多遠(yuǎn)?

　　如果用L0-L5做類比，在上文中提到，UniX AI創(chuàng)始人楊豐瑜認(rèn)為，如今的具身智能機(jī)器人正在接近L4階段的過程中。而真正的通用機(jī)器人則是L5階段。

　　根據(jù)全球頂級(jí)對(duì)沖基金Coatue近日發(fā)布的一篇關(guān)于“具身智能”的報(bào)告《The Path to General-Purpose Robots》(通往通用機(jī)器人之路)，如果將具身智能的階段與自動(dòng)駕駛的階段做類比，“過去無人駕駛汽車從L1到L2花了大約20年，而從L2到現(xiàn)在的L4只用了不到10年;那么人型機(jī)器人從L1到L2用了大約50年，從L2到L4預(yù)計(jì)只 需要不到5年。”

　　最后，從商業(yè)化周期來看，擺在具身智能企業(yè) 面前的，也不只有技術(shù)及數(shù)據(jù)獲取障礙，單從研發(fā)周期和研發(fā)成本以及硬件成本來算，具身智能的商業(yè)化之路也同樣充滿了不確定。

　　五源資本董事總經(jīng)理Peter將目前的通用機(jī)器人比作1980年的PC。早在機(jī)器人還未出現(xiàn)在大眾視野時(shí)，Peter就已為這條賽道灑下了希望的種子。但多年來的投資經(jīng)驗(yàn)依然告訴Peter，“目前的通用機(jī)器人很難，商業(yè)化也遙遙無期”。

　　Peter認(rèn)為，這條賽道上的商業(yè)化標(biāo)準(zhǔn)并不像其他賽道，動(dòng)輒年銷量幾個(gè)億，對(duì)于機(jī)器人賽道而言，100萬臺(tái)就足以稱之為商業(yè)化標(biāo)準(zhǔn)。然而國內(nèi)能達(dá)到這個(gè)標(biāo)準(zhǔn)的并不多。

　　然而，在種種不確定因素之下，在具身智能領(lǐng)域，唯一可以確定的是，其未來巨大的市場(chǎng)空間。對(duì)此，從紛紛入局的科技巨頭、創(chuàng)業(yè)公司的市場(chǎng)現(xiàn)狀即可窺見一二。

　　要記得，過去幾年的自動(dòng)駕駛也是拋開層層迷霧，才得以在今天看見曙光。

　　而對(duì)于如今的具身智能領(lǐng)域而言，從目前“各顯神通”的技術(shù)路線來看，很難確定具身智能未來的周期會(huì)如何發(fā)展。但有一點(diǎn)可以確定，站在如今大模型和自動(dòng)駕駛的臂膀上，具身智能的成熟期將來得更快。