当虹科技吴奕刚：自主智能与远程接管协同或是物理AI落地形态

公司情报专家《财经涂鸦》获悉，7月17-7月20日，当虹科技以“AI多模态+空间视频+行业”为主题亮相世博展览馆，首次系统展示覆盖理解、连接、交互、控制四大能力的专业级AI多模态能力体系，以及公司从“以视频为核心”迈向“AI多模态+空间视频+行业”全新发展阶段的最新成果。

现场，科技工作人员拿起手机，隔空“指挥”起了一只远在280多公里外的四足机器人。在这之前，这只机器狗还在宁波具身智能产业基地，沿着既定路线，对机器人整机产线、关键零部件工厂和测试中心执行自主巡检，实时识别异常并上报告警。

“平时机器人自主巡检，必要的时候，我们远程接管。”针对上述演示，当虹科技首席技术官、机器人业务线负责人吴奕刚表示，看似简单的“自主巡检+远程接管”，其实串联起了感知、理解、传输、交互与控制等多项能力。他认为，自主智能与远程接管协同，或是物理AI可预见的落地形态。

这也成为当虹科技此次亮相WAIC的核心看点之一：从看懂视频、理解真实环境、预测环境变化，到远程控制物理设备，一条面向物理AI的关键能力链，已经开始在真实场景中验证。

赋予机器人多模态感知能力

当机器人真正进入工厂、园区、道路和应急救援现场，仅有执行任务的机器人本体、作为“大脑”的大模型和负责运动控制的“小脑”仍然不够。

“物理世界是连续变化的。”吴奕刚说，机器人不仅要识别眼前有什么，还要理解人物、动作、事件及其空间关系，并且能预测行动之后环境的变化。

以巡检场景为例，机器人既要识别前方有没有障碍、人员是否进入危险区域、设备状态是否异常，还要进一步判断这些变化对当前任务意味着什么，以及执行动作之后环境的变化情况。

当虹科技研发人员提出的解决路径是，赋予机器人多模态感知能力，让机器人不再只依赖一双“眼睛”判断环境。在WAIC现场，当虹科技展出的BlackEye Vision机器人巡逻巡检平台，可以协同处理视频、音频、雷达点云、图像、文本、信令等多模态数据。

其中，激光雷达能够实时扫描周边空间，识别道路、障碍物和环境结构。即使在弱光、逆光或画面模糊的情况下，机器人依然可以基于空间信息完成导航和避障。

再结合视频等其他感知数据，机器人能够对现场信息进行交叉验证，减少光照、天气、遮挡等因素带来的误判，让机器人从二维画面识别，进一步走向多模态空间感知与环境理解。

不仅要看得懂，还要传得回、控得住

吴奕刚认为，成熟的物理AI系统不仅要知道“下一步怎么做”，还要能够判断自身是否具备继续自主行动的条件。当信息不足或风险超过设定阈值时，机器人需要暂停任务、发出告警，并将处置权交给人类。

以文远程巡检为例，宁波的机器狗持续采集现场画面、声音、空间结构和设备状态，上海的工作人员则需要根据这些信息判断现场情况。任何明显的卡顿、信息丢失或延时，都可能让远端人员看到的变成“过去的现场”，进而影响接管的准确性和安全性。

然而，工业园区、地下空间、危化区域和应急救援现场，往往存在带宽有限、网络波动和信号遮挡等问题。随着机器人搭载的传感器越来越多，需要传输的数据也从单一视频扩展到图像、音频、点云和控制信令。如何在有限网络条件下保留真正影响判断与行动的信息，成为AI走入真实场景必须解决的问题。

针对这一问题，当虹科技将视频感知压缩、关键区域优先、动态码率调节和低延时传输等能力应用到机器人系统中。在保留关键目标，且不影响AI分析前提下，尽可能降低多模态数据的传输压力。当网络状况发生变化时，系统还可以动态分配有限的带宽，优先保障第一视角画面、异常区域和控制信令。

物理AI与远程接管融合

谈及物理AI，多数人很容易将“完全自主”视为最终答案。但在开放、复杂、高风险场景中，物理AI与人类远程接管可能长期共存。

比如在工业巡检、危化区域和应急救援等高风险场景中，真实环境存在大量难以预设的长尾情况，让机器人独立处理所有情况，现阶段既不现实，也未必安全、经济。

更实际且能够快速落地的路径，或许是机器人自主完成高频、重复和标准化任务，由人处理复杂、突发和高风险情况。人不必始终跟在机器人身后，而可以从现场操作者转变为远程监督者，在必要时接管一台甚至多台设备。

吴奕刚认为，在复杂、高风险的真实场景中，机器自主执行、人类远程兜底，可能是一种务实的产业形态。

远程接管也不只是自主能力不足时的“补丁”。远程接管产生的数据，还可以反过来推动机器人自主能力进化，每次人工判断和处置，都可能沉淀为机器人理解复杂场景、优化策略的数据。