出品｜搜狐科技

作者｜梁昌均

“人形機器人是不是過10年或15年進入家庭，我無法下定論。但基于之前的技術(shù)發(fā)展歷程和客觀規(guī)律來講，我們覺得它沒有這么快。”

從阿里高德離職加入具身智能創(chuàng)業(yè)大潮的張濤，雖然最終目標同樣希望讓機器人走進家庭，但他對這個實現(xiàn)過程有著更為清醒的認知。

此前，行業(yè)內(nèi)有樂觀聲音認為三年內(nèi)就有望實現(xiàn)，這讓張濤恍惚中想起了15年前的自動駕駛。“那時候我們講明年或者兩三年，L4就滿街跑，結(jié)果到今天還沒有實現(xiàn)。”

這個判斷一定程度影響了張濤創(chuàng)業(yè)的選擇。去年他聯(lián)合清華大學車輛與運載學院黨委書記、人工智能學院教授李升波成立了光象科技，張濤擔任CEO，希望共同推動通用具身智能技術(shù)的產(chǎn)業(yè)化應(yīng)用。

這家公司把落地方向優(yōu)先選在了B端，并率先切入汽車制造場景。在6月10日的技術(shù)開放日上，張濤發(fā)布了號稱行業(yè)首個工業(yè)級自進化具身智能機器人Phi-Bot X1。

他介紹稱，光象科技已圍繞汽車制造中的上下料、質(zhì)檢等典型工位完成真實場景驗證，并已與某國際車廠、蔚來等企業(yè)達成合作。

張濤表示，接下來公司還會從汽車制造拓展到3C電子、軌道車輛、工程機械等工業(yè)領(lǐng)域，整體路徑是從工業(yè)到商業(yè)，最后到家庭服務(wù)。

對于為何選擇這樣的路徑，張濤解釋稱，具身智能最好的落地方式是從單點做突破，而不是多點開花。“對標自動駕駛，從L2往L4去做可能是更合理的路徑，今天的具身智能同理。”

當然，不可否認，當下的具身智能還面臨不少挑戰(zhàn)，核心在于模型和數(shù)據(jù)瓶頸。究竟是做VLA，還是世界模型；是采集真實數(shù)據(jù)，還是采用仿真數(shù)據(jù)，行業(yè)吵翻了天。

張濤的判斷是，以模仿學習或監(jiān)督學習為核心的VLA不會是終局，因為數(shù)據(jù)量級差太多。

在他看來，如果數(shù)據(jù)問題解決了，具身智能的長期AGI就不遠了。“今天的VLA、世界模型在模型結(jié)構(gòu)和訓練范式上有差異，但核心都是由數(shù)據(jù)驅(qū)動的端到端范式。”

今年以來，行業(yè)企業(yè)包括不少大廠都在紛紛加強數(shù)據(jù)采集工作，但路徑依然還未收斂。張濤更看好仿真數(shù)據(jù)，因為其是唯一有可能實現(xiàn)數(shù)據(jù)指數(shù)級擴增的方案。

張濤還談到了行業(yè)定位和市場競爭，強調(diào)具身機器人在工廠場景里不是要取代傳統(tǒng)的工業(yè)機器人或人，而是要追求效率的最佳組合。“具身智能是一個大賽道，不會只存在一家或幾家。”

他還提到，行業(yè)里很多具身機器人并沒有去干該干的事情，如雙足人形機器人去搬箱子，毫無必要。“行業(yè)要更多面向真實場景需求，做真正發(fā)揮具身智能機器人價值的事情。”

雖然目前具身智能目前應(yīng)用多數(shù)還停留在科研教育、商業(yè)服務(wù)等領(lǐng)域，還未真正規(guī)模化走進工業(yè)和家庭場景，但資本熱潮還在持續(xù)，宇樹等多家企業(yè)也已開啟上市。

“雖然現(xiàn)在融資看起來很熱，但我們并不認為這是泡沫，因為具身智能，尤其是它在物理環(huán)境真實泛化產(chǎn)生的價值是非常高的，對比未來的價值，現(xiàn)在的投入并沒有那么高。”

張濤還呼吁，要尊重整個行業(yè)的發(fā)展規(guī)律，路要一步一步走。“具身智能行業(yè)未來也會經(jīng)歷波峰波谷，我們還是盡可能堅定地按照自身的技術(shù)和業(yè)務(wù)節(jié)奏去推進。”

以下是對話精編：

VLA不會是具身智能終局

數(shù)據(jù)解決了AGI也就不遠了

Q：對具身智能的技術(shù)路線，有觀點認為，VLA不太夠用，您怎么看？公司技術(shù)壁壘是什么？

張濤：我們會以強化學習為最核心的技術(shù)能力做具身智能。過去絕大部分VLA模型都采用模仿學習，這種方式是不是終局，能不能走到最后，我們的結(jié)論是不太可能。

為什么？如果要用模仿學習或監(jiān)督學習的方式完成通用具身智能模型開發(fā)，對數(shù)據(jù)量的要求很高。今天具身的數(shù)據(jù)量級基本在幾十萬到幾百萬，而且非常分散。具身要解決幾百個、幾千個任務(wù)，需要的數(shù)據(jù)量級大概是十億、百億。

但強化學習能夠突破，在探索和試錯的過程當中，通過獎勵信號讓模型自己學到什么樣的方式和策略是最優(yōu)的，能夠不斷迭代，得到性能提升，這種方式可能會走到最后。

Q：今年行業(yè)都在加速獲取具身數(shù)據(jù)，公司看好什么類型的數(shù)據(jù)？

張濤：目前為止，我們還沒有看到非常明確的數(shù)據(jù)范式收斂。第一人稱視角數(shù)據(jù)相比遙操作數(shù)據(jù)，雖然能更好地降成本并體現(xiàn)泛化通用操作能力。但數(shù)據(jù)規(guī)模與成本之間的關(guān)系仍然是線性的，沒有變成指數(shù)級別。

因此，我們認為它可能也未必是最終路徑。我們會更優(yōu)先采用仿真數(shù)據(jù)，這是唯一有可能實現(xiàn)數(shù)據(jù)指數(shù)級擴增的方案。

如果數(shù)據(jù)問題解決了，具身智能的長期AGI就不遠了。今天的VLA、世界模型，在模型結(jié)構(gòu)和訓練范式上有差異，但核心都是由數(shù)據(jù)驅(qū)動的端到端范式，沒有本質(zhì)區(qū)別。

對強化學習來說，最合適的方式是在仿真環(huán)境里做強化，能夠保證更大的安全性和更大并行的訓練規(guī)模。這條技術(shù)路線，無論是從邏輯上，還是從規(guī)模上，都是更可行性的方案。

具身機器人不是要去替換自動化設(shè)備和人

Q：公司在商業(yè)場景上選擇先去做汽車制造領(lǐng)域，是出于什么考慮？

張濤：我們討論過是To C還是To B，是做工業(yè)還是進家庭，這無所謂對錯。要看具身智能的本質(zhì)，機器人需要在某個環(huán)境下去完成某個任務(wù)，要找到一條真實可落地的路徑。

我們認為具身智能最好的方式是在一個點上去做突破，而不是多點開花。對標自動駕駛，我認為從L2往L4去做可能是一條更合理的路徑，今天的具身智能同理。

汽車制造是目前最大規(guī)模、復(fù)雜度程度最高的行業(yè)，而且有非常好的一致性和標準化，對品控、時間節(jié)拍和效率的要求也非常高，這對具身機器人落地而言是非常好的練兵場。

接下來我們還會不斷拓展其他工業(yè)場景，像軌道車輛、輪船、零部件、工程機械、3C電子等，我們整個路徑是從工業(yè)到商業(yè)再到家庭服務(wù)。

Q：在工業(yè)場景，很多人認為機械臂等傳統(tǒng)應(yīng)用型機器人更有發(fā)展前景，具身機器人是泡沫，您怎么看？如何看待未來的市場格局？

張濤：我們做具身智能機器人，并不是讓機器人去替換自動化設(shè)備，更不是替換人，而是期望把工業(yè)自動化設(shè)備、具身機器人和人進行整合，產(chǎn)生最高的效率。

自動化設(shè)備的技術(shù)路線、工位需求和具身機器人完全不同，它們事先設(shè)定好軌跡，重復(fù)即可，通過運控算法和本體能力保證極高的定位精度就可以實現(xiàn)。

具身智能核心是端到端的AI驅(qū)動，沒有必要做這件事，要做的事情需要非常好的靈活性、魯棒性，并且能夠面向不同的工位做到很好的泛化操作，所以跟他們沒有直接的競爭關(guān)系。

Q：公司的客戶主要是車廠，但現(xiàn)在也有不少車廠，比如理想都在做機器人，長期來看他們有什么壁壘？公司如何與之競爭？

張濤：現(xiàn)在很多車廠都在做機器人，但他們最終要服務(wù)的是C端客戶。他們更關(guān)注的事情是怎么樣在繼手機和汽車之后的下一代智能終端，開發(fā)通用機器人，而且走入家庭。這也在我們未來的目標之內(nèi)，但目前我們跟車廠做的機器人不存在競爭關(guān)系。

當然，這些車廠有很好的制造能力和模型、資金能力，會成為具身智能行業(yè)非常優(yōu)秀的玩家。但具身智能是一個大賽道，不會只存在一家或者幾家，每個細分場景中都會有一批頭部公司。

具身智能沒有泡沫

人形機器人不會很快進入家庭

Q：您怎么看目前具身智能公司的商業(yè)模式？公司如何選擇自己的落地路徑？

張濤：整個行業(yè)還在非常早期的階段，有賣機器人的，有賣軟件的，有去做租賃的，賣工具平臺服務(wù)的，都還在探索的階段，具體哪個會成為未來主流，可能還要時間。

今天行業(yè)很多具身機器人并沒有去干該干的事情，如用雙足人形機器人去搬箱子，毫無必要。我們希望行業(yè)更多面向真實場景需求，做真正發(fā)揮具身智能機器人價值的事情。

我們希望做軟硬一體化的具身智能的完整產(chǎn)品。今天具身智能行業(yè)是不成熟的，我們希望能夠為生產(chǎn)力服務(wù)，路徑是首先把能夠解決真實問題的機器人造出來，賣出去，去干活，再把數(shù)據(jù)收回來，然后再去產(chǎn)生更多的數(shù)據(jù)和更強大的模型，從而再去拓展范圍。

Q：您此前說人形機器人落地還需十年，但行業(yè)有觀點認為幾年就可以進入家庭，您怎么看？未來進入家庭的機器人會是什么形態(tài)？

張濤：行業(yè)里有觀點講三年人形機器人就能夠進入家庭干活了，恍惚中我好像回到了15年前的自動駕駛，那時候我們講明年或者兩三年，L4就滿街跑，結(jié)果到今天還沒有實現(xiàn)。

人形機器人是不是過10年或15年進入家庭，我無法下定論。但基于之前的技術(shù)發(fā)展歷程和客觀規(guī)律來講，我們覺得它沒有這么快。

機器人走進家庭，人形是不是最好的？我覺得這沒有答案，還是要回到讓機器人進入家庭，到底想讓它提供什么樣的價值。如果去做鋪床疊被、整理東西、擦桌子，確實不需要雙足。

有些機器人做得非常擬人，它提供的價值不在功能層面，更多是情感價值，這確實需要人形，而且是擬人度非常高的人形，所以關(guān)鍵是取決于到底想讓機器人提供什么樣的價值。

Q：有觀點認為目前具身智能有泡沫，資本都聚集到頭部，估值上百億的公司越來越多，對新入局的公司可能會越來越艱，您怎么看待這種局面？

張濤：雖然現(xiàn)在融資看起來很熱，但我們并不認為這是泡沫。具身智能尤其是它在物理環(huán)境真實泛化產(chǎn)生的價值是非常高的，對比未來的價值，現(xiàn)在的投入并沒有那么高。

當然，我們還是要尊重行業(yè)發(fā)展規(guī)律，未來是有那么大的市場，但路總要一步一步走。具身智能行業(yè)未來也會經(jīng)歷波峰波谷，我們還是盡可能堅定地按照自身的技術(shù)和業(yè)務(wù)節(jié)奏推進。

運營編輯 | 曹倩 審核｜孟莎莎