迈向智慧物理世界“Al+”机器人重构未来产业生态

智元机器人联合创始人、副总裁

姜青松

各位领导，各位来宾，大家下午好！接下来我就介绍一下智元机器人在具身智能布局里的一些思考。

人形机器人跟汽车行业是一样的，更多的是智能体，汽车驱动的很大的点是在于自动驾驶FSD普及，人形机器人的发展很大的驱动力也是来自具身智能，大家也看到具身智能是人工智能的下一跳，因为目前人工智能基本是线上的，但是机器人作为一个物理世界的Agent更多的是具身智能的载体。这样通过硬件和模型的配合，为下一个行业打开了一个很大的想象空间。

具身智能在很早就有了，只是到了现阶段在大模型的这个推进下，发展迅猛，特别是在现阶段，在VLA或者强化学习技术的成熟下，这块的发展会更加迅猛，这也是人形机器人很快镶嵌发展的一个基石。整个人形机器人发展得很大的一个方向，更多的是往通用型来发展，因为目前为止各类机器人更多是专业性洗涤的洗涤，送餐的送餐，派送的派送，我们也希望有一个泛化性的，就是载体能够为人类做很多的事情，所以说就出现了人形机器人，因为特别是在工厂，因为原先一条产线都是固定化的工业臂和机械臂，投入一年大家都希望持续很长时间，但是现在随着泛化产线和柔性制造的需求，大家对通用型和泛化型的机器人就成了刚需，这也是我们对第四代人形机器人的一个定义。

具身智能的发展与大模型非常相似，基本上都是说，同大模型的发展在我看来差个一两年的时间，因为大模型现在已经进入GPT4.0，往后面发展已经很快了，但是GPT到一定阶段以后进行快速发展，具身智能目前有点GPT1.0的感觉，已经是有那个味道了，但是离商用还有那么一段距离，但是这个时间不会很长，这个时间我们也做了一个路线的划分。在我看来今年具身智能会有一个初步的发展，能够进行少量的一些商用场景进行试用，大概接下来1到2年会有巨大的发展。

具身智能要发展最大的一个瓶颈就是数据，大家也知道，具身智能其实它采集的是人类的运动数据，在原先的很多的场景里面，是很难采集到的，

就像在工厂里面，大家一直做数据，其实做的也是ID和CT的数据，对工人的所有的操作数据是没有进行采集的，而这部分的数据其实就是具身智能所需要的数据，所以说如何能够获得更多的具身智能数据就是这个产业发展的最核心的部分。

具身智能其实跟汽车的无人驾驶非常相似，在我看来汽车的无人驾驶就是一个具身智能，因为它的数据简单，因为整个的汽车其实就是三个关节，就是油门、方向盘和刹车，把这三个关节控制好汽车无人驾驶就容易做了，但是具身智能不一样，是以机器人作为载体，机器人的关节有50多个，光手就有十几个，整个的数据的处理量，和它的算力就会更加复杂，这也是具身智能比自动驾驶更难的地方，其中的技术路线是一样的，在我看来具身智能就是自动驾驶的延伸，能够处理更多的关节和应付更加复杂的环境。而这样的数据，会是一个最大的难度。

为此，我们在此构建了一个数据金字塔。金字塔底层数据为互联网数据，其特点是获取相对容易，但价值较低。在互联网上，人类烹饪菜品的相关数据，对于机器人而言，通过观看学习存在一定困难。就当前阶段的技术积累而言，让机器人通过观看视频学习此类数据仍有难度。

第二类数据是仿真数据。仿真数据能够以较低

成本获取，然而其价值有限。我们运用部分仿真数据进行VLA推理，结果显示成功率大致在60%至70%之间。

最为难得的当属真机数据，它是由人类对机器人进行一对一数据采集而得。这也是具身智能数据目前成本居高不下的主要原因，因为需要人工手把手教导机器人。国内目前已涌现出众多具身智能采集厂，智元去年于上海建成了首个此类采集厂，主要致力于采集人类实际运动数据。

我们认为今年应该是一个起始年，整体的物理载体和具身智能有点样子了，能够在一些简单的场景开始使用，整个的ROI我们以两年作为一个点，做到一个商用点，今年是做一些有限性的工作和场景，随着具身智能的发展，数据的丰富整个使用场景会更加广泛。

我们做了一个简单的视频展示我们的X2我们在下个月就能上市，里面分别展示了运动、交互和作业。

我们对整个人形机器人做了一个定义，这个定义大家可以作为参考，我们把整个人形机器人的能力，定义成“1+3”一个本体加三个智能，本体就是机器人的硬件，其实最核心的是关节和灵巧手，关节现在发展已经比较快了，灵巧手的话目前百花齐放，但是接下来也会有很多的突破。但是三个智能尤为重要。

这个是我们一些典型的使用场景，今年的话我们会从导览、讲解、具身智能研究然后慢慢地再切入交互里面的康养、陪护再到工业制造，这是我们的商业路径。我们也会持续地发布基座大模型，在我看来最重要的一个是本体，一个是模型，本体的话就是硬件，然后模型就是驱动机器人的具身智能。

首先是运动，这是大家熟悉的运动智能，运动智能大家看到现在视频上有很多的能跳舞的，能翻跟斗的，这就是具身智能的技术突破。随着本体和运动的突破，那一些商用场景就可以开始了，比如像文娱、表演类的，这些是人形机器人第一个商用的场景。其次是交互，交互就是说机器人能够变成最了解你的，能够进行就是跟你对话和了解你，这样交互也变成一种可能性。最后是作业智能，就是双手的能力，其实作业智能才是整个人形机器人最大的挑战，但是随着这三个智能的逐步成熟，机器人的商用场景就会打开。

智元机器人肯定是想成为一个全球领军型的具身智能机器人企业，我们这次也是想跟移动形成深度的战略协同，我们聚焦的就是一体三智，机器人跟汽车手机一样本身就是一个巨大的智能终端，在我看来它就是接下来最大的智能终端，需要5G网络、边缘算力和整体的数据中心的配合。所以接下来运营商变成机器的运营商就会成为一个趋势，智元的角色就是希望能够做好本体，在此基础上我们可以进行一些联合开发，我们聚焦本体的完善，对应模型的训练和算力，由运营商一起配合，这样就会形成1+1大于2的效果，最后一起来共拓市场。谢谢大家！

（以上内容根据嘉宾发言速记整理）