AI·具身会客厅｜对话银河通用创始人兼CTO王鹤：人形机器人赛道将诞生万亿级市场

策划 靖程

作者 高雅

近日，第二届世界人形机器人运动会在京举行，银河通用机器人夺得本届运动会的家庭、餐饮、商超三项场景赛的全部金牌，在三个赛项中，均选择难度最高的全自主模式参赛，全程由银河星脑（AstraBrain）世界动作模型自主决策、自主执行。

具体来说，机器人需要在真实环境中理解任务、感知周围，在不同区域之间自主移动，并连续完成多个步骤；当物体位置发生变化、任务流程被打断，甚至出现新的随机指令时，它还必须重新规划，并继续完成此前未完成的工作。

相比竞技类项目，场景赛不只展示单一运动技能，而是对机器人“大脑”与“小脑”协同能力、底层硬件稳定性、感知与决策效率等综合维度的一次大考，这背后不只是技术难度的差异，更在于场景赛承载着人们对人形机器人真正走入日常、承担实际工作的期待——机器人能否从“表演”走向“干活”。

“具身智能正在不断接近属于自己的‘ ChatGPT 时刻’”，银河通用创始人兼 CTO 王鹤博士曾提出，真正的突破，并不只是机器人学会越来越多预设技能，而是让机器人在越来越多真实任务中具备泛化能力，让普通人也能够以自然的方式教会机器人新的技能。对于未来的具身智能市场，王鹤充满信心，他认为，人形机器人赛道才刚刚起步，未来将诞生万亿级市场。

以下为王鹤与财经网科技等的对话原文（略经编辑）：

Q：今年是第二届世界人形机器人运动会，和上一届相比，赛事在技术、规模上都有巨大进步。您如何看待两届赛事的变化？

A：今年是第二次举办世界人形机器人运动会，整体来看，赛事首先在项目数量、尤其是场景赛方面取得了长足进步。

去年受行业整体发展阶段限制，场景赛赛题整体偏简单，而今年我们拿下金牌的家庭赛道，机器人完整完成全流程自主作业要二十多分钟，整套任务全程一旦中断就不得分，这是全球范围内难度很高的取材真实家庭场景的比赛。

通过这种高难度、贴近现实的赛题，整个行业能够清晰认知现阶段大模型与人形机器人的真实能力边界，看清行业顶尖水平到底能做到什么程度，也方便后续筛选优秀团队，去攻克更复杂的任务，以及迭代更优质的模型。

Q：银河星仔实现了网球人机对抗，现在网球机器人达到什么水平？后续会如何迭代？

A：本次我们完成了世界首次公开人形机器人网球人机对抗，机器人和网球世界冠军郑洁完成混双、单打对抗，郑洁不断变换球路，调动机器人左右跑动、前后救球，机器人摔倒之后也可以快速起身，这是双足双臂人形机器人，在动态对抗任务上首次达到人类初级水平，能力大致等同于初级网球业余爱好者。

但想要做陪练，还需要水平高于普通使用者，未来一年，我们会扩大网球运动员动作数据采集规模，学习更多高难度动作；同时使用全尺寸人形机器人，在标准网球场开展对抗，依托大量对打训练，把能力提升到业余高手级别，到那个阶段，就具备大规模部署做网球陪练、初级教练的条件。

网球对抗未来很可能成为人形机器人的里程碑事件，类似当年AlphaGo的发展路径，从战胜普通选手，向着挑战顶尖运动员前进，未来一两年，我们有望看到人形机器人在网球这类专精动态对抗任务达到专家级，甚至挑战世界冠军。

Q：您团队多次参与场景类赛事并且取得良好成绩，请介绍一下银河通用的具身大模型“银河星脑”，如何实现“一脑多行、一脑多用”？这套模型的泛化能力目前达到什么水平？

A：银河通用的具身大模型银河星脑，采用“大脑‑脑桥‑小脑”端到端架构，大脑负责感知、规划，输出粗粒度动作；小脑接收大脑相对低速的信号，高频转化为全身机器人的控制指令。

这套模型训练吞吐海量多维度数据，让模型拥有很强泛化能力和学习效率，这也是我们能够在世界人形机器人运动会家庭、商超、餐饮赛道拿到金牌的核心。在比赛中，现场开放了两天采集数据，各家拿到的数据体量差不多，但由于基座模型能力不同，最终结果差距巨大。

也就是说，基座模型架构、数据规模与数据构成是（取得优良成绩的）关键，具体展开，我们采用五级金字塔数据体系，包含互联网数据、人类演示数据、仿真合成数据、真机遥操作数据和真机回流数据，多维度的数据能够增强机器人在各类场景任务中的表现。

依托这套体系，银河星脑已经具备一定零样本泛化能力，在桌面抓取、摆放、摆盘这类任务上，面对从未见过的物体，也可以实现一定成功率。

我们规划，从现在到2028年，将训练数据规模从100万小时提升至1000万小时，随着数据规模持续增长，机器人面对从未见过的任务、陌生物体，也可以完成高质量操作。

Q：银河通用新发布的中尺寸人形机器人“银河星仔”，未来会落地哪些应用场景？下一届人形机器人运动会，它计划参与哪些项目？

A：银河通用现有G1、S1两款轮式机器人，G1负载较轻，是轮式双臂灵巧手机器人；S1为重载双臂机型，可以握持100斤重物，两款产品已经在工业、商业、药房等场景落地应用。

银河星仔是本次世界机器人大会上刚刚对外发布的中尺寸人形机器人，外观精致、肢体运动灵活，依托银河星脑中小脑的运动控制能力，它可以完成舞蹈、后空翻等高难度流畅动作，本次WRC开幕式和歌手刘雨欣共舞的两台机器人，就是银河星仔，卡点精准，动作富有活力。

银河星仔定位是面向文娱、体育运动、陪伴场景。受限于身高与负载，它只适合处理轻量任务，工厂重载、专业工业场景，还是交给我们轮式轻重载机器人。具体来说，小脑运动能力再叠加大脑智能体能力，机器人可以从人类肢体动作中实时学习，给它示范一段舞蹈，它就可以提取动作，实现与人共舞，这就很适合面向儿童、舞蹈爱好者做互动。同时智能体能力还可以自主生成肢体动作，实现与人交互，我们也做过它招揽客源、带货的实际测试。

至于下一届运动会，过去两年我们没有参与田径赛事，不排除银河星仔未来参加这类双足机器人竞技项目。

Q：人形机器人持续迭代，形体越来越接近人类，是不是未来进化方向就是方方面面无限接近人？

A：这是很值得探讨的问题。具身智能产业演进过程中，机器人本体形态一直在迭代，最早是小车搭载单机械臂的复合机器人，之后发展为小车搭载双臂，我们G1、S1是轮式可升降、可以跪立的双臂双手机器人，后来又进一步迭代到全人形。

本体形态迭代的背后，是具身大模型驾驭躯体的能力持续变强，当模型能力足够强，全人形机器人会成为“最大公约数”形态，比如在同一个场地，送盒饭、收拾桌子、清洁服务，一款双足人形机器人就可以全部完成。

而且，未来如果行业达到千万甚至上亿台的年出货量，双足人形机器人的成本，甚至有可能低于现在小批量生产的复合机器人，形态通用、成本低廉，就会成为市场主流产品，人形机器人会向着通用本体收敛，占比持续提升。

但这不代表它会完全替代现有自动化设备，我认为，只有原本需要人来完成的工作，才会是人形机器人未来的应用场景，原本就不需要人完成的工作，不会由人形机器人接手，比如不会让人形机器人充当载人交通工具。

Q：本届赛事机器人表现相比去年进步巨大，但距离真正走进家庭、给普通人生活带来实质帮助，仍有差距，您判断人形机器人什么时候可以真正走入日常生活？当前存在哪些技术瓶颈？

A：拿本次家庭赛道举例，任务流程非常复杂，机器人要从洗衣机取出衣物，放到床上，把散乱的衣物折叠，再悬挂收纳进柜子，而现场衣物又是随机乱扔的状态。

我们算法已经可以应对这类现实环境的不确定性。

以我们的G1机器人搭配二指夹爪为例，人类通过遥控可以完成的任务，现在模型基本都可以实现，那为什么还不能直接走入千家万户？核心问题是完成一项特定任务，现在还需要针对场景采集对应数据，举个例子，面对训练见过的POLO衫、牛仔裤可以完成折叠，换成没有采集过数据的连衣裙，任务成功率就会明显下降。

但随着基座模型数据持续扩充，其举一反三能力会不断提升，采集数据的成本也会随之快速下降。现在完成一项任务需要两天采集数据，半年之后可能只需要数小时，两年之后甚至不需要专门采集，语言指令或者简单观察就可以完成任务，彼时完成任务的综合成本可能降到现在千分之一，动作效率提升数倍。

Q：世界人形机器人运动会现场有大量青少年前来观赛，您认为中国在具身智能青少年人才培养上具备哪些优势？另外您为什么选择回国在北京创办银河通用？

A：先说人才培养。中国青少年在具身智能领域拥有得天独厚条件，国内的人形机器人、四足机器人普及程度远高于海外，中小学、文化宫都有机会接触机器人设备，WRC现场一半观众都是带孩子体验科技的家长。

银河通用也在推进具身智能科普教育，针对低龄儿童，以兴趣体验为主，比如模仿跳舞、让小朋友遥控机器人采集数据、一键训练模型等，明白数据对机器人能力的影响。

我们也和国内头部中学共建具身智能实验室，给高中生提供平台做二次开发，完成机器人开发和赛事挑战。我们认为，人形机器人是未来二三十年高速增长的产业，未来全球销量有望达到上亿台，我们愿意持续培育下一代行业人才。

至于回国创业的缘由，我土生土长在北京海淀，本科之后才赴美读博。2015年我就开始做具身智能方向，那时候行业甚至还没有“具身智能”这个名词，博士毕业的时候，美国具身智能研究热度很高，但短板十分突出，即缺少完整硬件生态，现实场景数据供给严重不足，缺少产业落地土壤；而中国拥有全球最完备的硬件供应链，是具身智能创业的“天选之地”，2021年我回到北大，建立国内最早以“具身”命名的实验室，把海外前沿研究思路带回国内，银河通用2023年5月成立，短短时间成长为行业龙头，也印证回国创业的选择是正确的。

Q：您同时担任北大银河通用联合实验室主任，银河通用也接收大量高校实习生，目前国内具身智能行业，产学研协同的现状如何？

A：具身智能行业非常需要产学研复合型人才，产学研联动推动具身智能发展，未来会成为行业常态。

从产业链来看，具身智能的产业链条很长，从电机、材料等底层硬件，到数据采集、遥操设备，再到大模型训练、模型部署，还有通信、边缘算力等工程化问题的解决，都需要相关人才。

高校擅长做突破性学术创新，但很难覆盖完整长链条，而企业可以打通硬件到落地全流程，但颠覆性的前沿技术突破，往往很难从传统机器人行业从业者身上产生，从目前来看，具身智能领域的产学研协同，整体做得比传统数字智能行业还要好。

以银河通用为例，北大以知识产权入股我们公司，我们还和中关村学院、首医宣武医院等多家机构共建联合实验室，企业、高校、医疗机构三方要素在同一个团队形成闭环，创新的速度和深度都会大幅提升。

Q：近期人形机器人相关企业上市之后股价出现大幅波动，有观点认为人形机器人行业存在泡沫，您怎么看待？

A：宇树科技是国内非常优秀的企业，银河通用和对方有深度合作，我们产品也使用了宇树的关节，宇树登陆科创板，上市初期市值冲高，存在市场投机追高，后续资金退出带来市值波动，是资本市场的正常现象。

长期看，国内头部具身智能企业的价值，远不止两三千亿、四千亿市值，人形机器人赛道有机会诞生万亿美金市值的中国企业，它拥有接近手机的销量规模、接近汽车的产品价值，同时具备全球化市场空间，未来很多海外市场会面临“用人还是用中国人形机器人”的选择。

目前来看，这个行业发展时间还很短，我认为到2028年，依靠十倍规模的训练数据，具身智能领域的“ChatGPT时刻”将真正到来。到那时候，现在很多被视作玩具的机器人，会真正变成生产力工具，所以对头部企业的估值我个人认为具备合理性，希望大家对这个行业保持信心。

Q：网络上流传很多比赛中机器人倒地、损坏的视频，网友调侃人形机器人比赛是“一次性比赛”，您如何看待这种观点？

A：人形机器人现阶段本质还是受程序控制的机械装备，和人类不一样，人类跑百米冲线会主动减速保护自身，但现阶段研发中，团队优先攻克速度、任务完成这类核心指标，赛后的保护、停机缓冲还没有做到位，才会出现比赛之后机器人损毁的现象，但这不代表技术上做不到安全停机。我们的网球人机对抗就是很好的例子，机器人和人类运动员完成百拍以上对抗，赛后本体完好无损，完全可以实现安全人机交互。

赛事本身就是技术迭代的试验场，追求可持续、高可靠性的赛事表现，会是下一届人形机器人运动会的发展趋势，欢迎大家持续关注行业接下来一年的技术进展。