在上海市智元機(jī)器人數(shù)據(jù)采集中心的廚房場景中，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，另一只手輕輕打開調(diào)料瓶蓋子，小心翼翼地捏起瓶內(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)使用場景下的數(shù)據(jù)采集才算完成。
記者近日實(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、具身業(yè)務(wù)部總裁姚卯青表示，人形機(jī)器人走向家用市場大約需要5年時(shí)間，而價(jià)格可能在5萬元這一級(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相關(guān)板塊的火熱、投融資市場的摩拳擦掌，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。
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70億元人民幣。
姚卯青對(duì)記者表示，一方面，資本市場的大力推動(dòng)對(duì)人形機(jī)器人的發(fā)展起到了很大作用，另一方面大語言模型不斷實(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。
▲智元機(jī)器人數(shù)據(jù)采集中心。
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、辦公五大類場景，包含超過兩百個(gè)細(xì)分場景的任務(wù)。在這些場景中，數(shù)百名數(shù)據(jù)采集員通過頭戴VR眼鏡、手持操作手柄指揮著機(jī)器人進(jìn)行各種動(dòng)作。
記者看到，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，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：“智元機(jī)器人的模型訓(xùn)練路線與語言大模型比較類似。最開始是預(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)器人數(shù)據(jù)采集中心負(fù)責(zé)人阮丞向記者解釋稱，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，沒辦法準(zhǔn)確量化，而且，隨著對(duì)人形機(jī)器人的要求越來越高，可能需要更多的數(shù)據(jù)。
“解決一個(gè)工序也有上萬臺(tái)市場規(guī)?！?/span>
2023年11月，中國工業(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》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)下線達(dá)1000臺(tái)。此前，中國國內(nèi)的傅利葉、宇樹科技等機(jī)器人公司也對(duì)外宣布過有關(guān)機(jī)器人量產(chǎn)的消息。國際上，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)5萬至10萬臺(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。
記者在智元機(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)下線的機(jī)器人還需要進(jìn)行最后的測試。
智元機(jī)器人制造部總經(jīng)理張紹政對(duì)記者稱，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)場景和一些展館內(nèi)機(jī)器人導(dǎo)覽介紹等交互服務(wù)場景。在工業(yè)生產(chǎn)場景，機(jī)器人主要從事“PPT”工序，即Pick（抓?。lace（放置）和 Transfer（轉(zhuǎn)運(yùn)）。姚卯青表示，在汽車制造、3C制造等場景下，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)工序也有上萬臺(tái)市場規(guī)模，未來如果真正能實(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，基于簡單的機(jī)器視覺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)一定程度上的場景遷移和泛化。這一階段的機(jī)器人已經(jīng)能夠基于大語言模型（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)不同場景和任務(wù)，通過持續(xù)學(xué)習(xí)不斷優(yōu)化自身性能。
姚卯青說：“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，我覺得還需要5年時(shí)間，而到G5階段則要10年。簡單講，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)?！?/p>
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，明后年會(huì)繼續(xù)向更多場景與任務(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。
今年2月，宇樹科技的H1和G1人形機(jī)器人開售，G1的售價(jià)為9.9萬元，H1的售價(jià)為65萬元。2024年12月，眾擎機(jī)器人的人形機(jī)器人PM01發(fā)售，售價(jià)8.8萬元。
目前，智元機(jī)器人的客戶主要來自企業(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，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)類組件，隨著行業(yè)量產(chǎn)，這類組件的價(jià)格會(huì)明顯下降。智元機(jī)器人去年推出了全棧開源機(jī)器人靈犀X1，科技愛好者、開發(fā)者可在智元商城購買相應(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，大約需要5年時(shí)間。他說：“走向家用的人形機(jī)器人，到時(shí)能接受一些開放式的指令，可以從事一些常見的家庭工作，比如取放東西、泡杯茶、拿快遞、丟垃圾、疊被子、洗衣服等常見工作。走入家庭的產(chǎn)品，價(jià)格可能在5萬元這一級(jí)別?！?/p>
姚卯青稱，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：“是否能讓人形機(jī)器人爬到窗戶外面擦窗，這還需要行業(yè)共同努力?！?/p>
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)國家都在人形機(jī)器人行業(yè)發(fā)力，中國的優(yōu)勢在哪里？姚卯青表示，一是，供應(yīng)鏈方面，中國擁有龐大而完整的零部件供應(yīng)鏈，這是其他國家或地區(qū)無法比擬的；二是，人才方面，中國擁有數(shù)量龐大的工科人才和專家隊(duì)伍，人才的專業(yè)技術(shù)過硬，同時(shí)，整個(gè)人力成本也相對(duì)較低；三是，政策支持，政府部門對(duì)人形機(jī)器人的支持力度較大。
編輯 王世杰
責(zé)編 鐘亮
審核 練才榕
