跑步只是入场券，机器人下一步拼什么？

来源：市场资讯

（来源：第一财经资讯）

20多年前，德国慕尼黑工业大学认知系统讲席教授Gordon Cheng和团队制造一台用于神经科学研究的人形机器人，花了整整五年。

这次来到中国参加世界机器人大会，让他深有感触的是，就在展馆所在的这条街上，一家工厂15分钟就可以整装下线一台人形机器人。

机器人的学习速度也在变快。今年参加北京机器人半程马拉松时，他的团队从慕尼黑运来一台全新的机器人，只用了12个小时就让它学会了跑步。

但“造得快”和“跑得快”，并不意味着机器人已经足够聪明。

Gordon Cheng认为，目前绝大多数人形机器人企业都在采用让机器人模仿人类进行学习的范式，这推动了行业快速向前，却存在一个重要问题——“很难在数量级上去扩展”。机器人下一步不仅要学会动作，还需要理解动作背后的目的。

今年世界机器人大会上，从GPU厂商、机器人企业到科研机构和行业组织，多位业内人士谈到了具身智能进一步发展的瓶颈：高质量数据不足、模型参数规模仍小、算力需求不断增加，不同本体、软硬件架构、接口和数据体系又尚未统一。与此同时，机器人进入工厂和家庭之后，还要面对可靠性、成本、安全和伦理问题。

至少落后语言模型5年

具身智能什么时候迎来GPT时刻，成为今年大会上反复被提及的问题。

在摩尔线程董事长兼CEO张建中看来，如果把今天的具身智能与大语言模型的发展轨迹放在一起比较，两者之间仍存在明显的数量级差距。

目前绝大多数VLA模型参数规模约为70亿，而早期大语言模型已经达到千亿级；训练VLA模型，很多团队目前使用几十张GPU，甚至几张卡就可以完成。“它肯定离GPT时刻还有一定的差距。”他说。

更大的挑战是数据。语言模型能够利用人类长期积累的知识和互联网数据，但智能体训练所需要的物理世界数据则明显匮乏。机器人面对的是复杂的物理世界：机械臂如何完成精细操作，机器人如何适应不同光线、天气和环境干扰，以及如何处理柔性物体等。这些数据不像互联网知识一样可以直接获得。

“今天具身智能的训练数据是最大的难题。”张建中表示，依靠采集物理世界的真实数据很难满足模型训练需求。在他看来，当前具身智能的基础模型“比语言模型至少落后5年”，没有足够好的高质量数据、足够大的参数模型和足够大的智算集群，是机器人GPT时刻尚未到来的重要原因。

这也意味着，如果具身智能继续沿着大模型Scaling Law的方向发展，对算力的需求仍可能继续增长。下一阶段视觉模型、世界模型的GPT时刻突破，一定需要千卡、万卡级以上集群。

不过，算力只是其中一个条件。真实世界数据昂贵且难以穷举，让合成数据和仿真成为另一条重要路线。

张建中举例说，一些真实场景中的极端情况很难依靠实际采集覆盖，例如车辆驶出隧道时突然出现的光线变化，而通过GPU可以在合成数据中构造不同背景、灯光、天气以及各种极端场景。训练好的模型还需要经过从仿真到真实世界的迁移和验证。

他还展示了机械臂DIY组装机的案例：机械臂可以将GPU卡插入主板。他称，目前这套体系已经能够利用一个小型模型，使机器人的操作复刻精度达到工业生产级别。随着参数规模以及高质量真实和合成数据继续增加，他认为具身智能的GPT时刻会进一步接近。

但另一种思路是：机器人是否真的需要无限堆数据？

Gordon Cheng给出的答案有所不同。他的团队曾让机器人通过观察人类玩保健球学习灵巧操作，也让机器人观察人类切面包、完成橙子分拣。其核心思路不是简单复制每一个动作，而是让机器人逐渐理解动作背后的目标。

例如，不同的人完成切面包任务时可能使用不同的手、采用不同的动作，甚至会转动面包，但这些动作背后的共同目的是做三明治而切面包。

Gordon Cheng希望机器人不仅能够观察动作，还能够理解“为什么要这么做”，再将这种关于任务目的的知识迁移到其他机器人上。

他的团队已经实现机器人在一天之内学习工厂里的新任务。一个案例中，机器人早上才开始学习，晚上已经能够切面包；另一个项目中，机器人还可以通过观察，在触觉辅助下按大小分拣橙子。

“如果你扩大规模，这种重现不需要太多数据去学习有目的的任务。”Gordon Cheng说，未来甚至可以将一种任务能力做成“压缩包”，分发给不同机器人执行。

这也体现出当前具身智能多元的探索路径：一部分选择继续扩大数据、模型和算力规模，寻找类似大语言模型的能力涌现；另一部分则尝试让机器人获得更接近人类的认知、模仿和目标理解能力，以减少对每一种动作路径分别进行训练的依赖。

从“各自为战”到规模部署

即便大模型能力持续提高，产业仍然面临另一个现实问题：一台机器人学会的能力，能不能方便地迁移到另一台机器人？

开放原子开源基金会理事长、工业和信息化部人形机器人与具身智能标准化技术委员会主任委员谢少锋对此给出了更为谨慎的判断。

他将当前行业形容为“百花齐放却又各自为战”。从硬件构型到软件架构，不同企业采用不同技术路线，大量企业反复进行基础适配、系统集成和工程验证。同一个底层问题被多次解决，不同机器人的传感配置、动作空间、任务定义和数据结构又并不统一，由此形成“数据孤岛”。

“我们尚未迎来机器人领域的大模型时刻，很大程度上是因为我们的力量分散在无数个重复的底层轮子上。”谢少锋援引业内观点时表示。

更现实的问题是商业化。他表示，目前不少企业仍停留在样机研发和展示阶段，商业化落地路径尚不清晰。部分产品虽然能够完成短时间展示，但在长期运行、环境适应、故障恢复、系统协同以及运维成本等方面仍存在不足。项目定制化程度较高，也意味着行业尚未形成稳定的成本控制和场景复制机制。

如果这种状态长期持续，技术路线分散造成重复研发和数据割裂，标准缺失又会进一步抬高协同成本，最终阻碍产品成熟、成本下降和市场扩张。

北京人形机器人创新中心总经理熊友军也提到了类似问题。他总结目前行业的痛点包括重复建设严重、验证成本较高以及体系割裂，“各个公司互不兼容”。

这也是为什么机器人产业越来越频繁地谈论“开源”和“标准”。

今年6月，在工业和信息化部的指导下，开放原子开源基金会牵头，联合88家单位共同启动了“人形机器人开源社区”建设工作，旨在打通操作系统、算法、模型、数据、通信与本体全链条。

北京人形机器人创新中心正在尝试把本体、大脑、小脑以及数据等技术底座进一步向行业开放。熊友军透露，目前其开源开放技术累计下载已经超过1600万次，培育开发者超过1000名。北京人形已在导览导购、电力巡检等场景进行落地、验证。

相比跑步速度、跳跃高度，这些进展并不容易吸引观众，却可能决定机器人能否真正从实验室走进工厂。

“产业并不关心你的参数，不关心你是怎么实现的，更关心你对产业带来的价值。”熊友军说。

Arm物理AI机器人技术研究全球负责人 Federico Pecora提到，下一阶段机器人规模化部署将围绕四大系统级挑战展开，包括能力如何实现、不同能力如何在运行过程中持续协同、如何映射到计算资源以及能力管控，这需要产业链上下游共同协作、突破。

这意味着，随着单项能力不断成熟，如何将不同能力组合成一套能够稳定运行的系统，也正在成为机器人走向真实世界的新挑战。

至于真正的大规模部署究竟还要多久，产业人士尚无定论。

谈到机器人规模化部署以及相关技术生态成熟，黑芝麻智能首席市场营销官杨宇欣给出的判断相对谨慎。他认为可能需要5至8年。芯片在3至5年内可能达到相对可接受的性能和成本，但软件生态系统的成熟需要更长时间。

沐曦AI研究院院长李兆石则把工厂和家庭进行了区分。他认为，工业和家庭场景可能需要5至8年，但在半结构化工厂环境中，3至5年就可能实现大规模部署。家庭存在大量伦理、长尾和安全问题，而在半结构化工厂中，一些需要感知、决策和记忆的岗位，机器人甚至可能在3年内先把任务“做到8分”，再通过实际运行中收集到的样本进行强化学习继续提升。

英飞凌科技副总裁刘伟认为3至5年存在可能。他认为，如果能够将复杂问题拆解，把不同动作需要多少Token、需要多大功率等问题定义清楚，产业推进速度可以更快。相比之下，软件体系仍然是更难解决的问题。