做人形机器人的第12年，他为什么转型AI for Science | 专访源络科技联创谢铮

如果你在展会上看过具身智能的演示，画面大概率是这样的：一张空旷的桌面，机器人不紧不慢地抓取、递送、码放，观众鼓掌。

但在某国家级实验室里，画面完全是另一回事。机器人要把一支移液枪对准枪头盒里的小孔，插进去。这个动作实验员每天要做几百上千次，闭着眼都能完成，对机械臂却是一道复合难题：精度要求在亚毫米级，稍微偏一点，可能就进不去，同时还要足够柔顺。源络科技的解法是视-力融合的学习策略：直观来说，就是机器人通过末端感知接触阻力，识别未完成插入的状态，实时微调姿态。目前这个动作的内部测试成功率在99%以上，而客户场景的要求，是逼近100%。

为什么一个插枪头的动作要抠到小数点后面？源络科技联合创始人谢铮的回答很直接：一旦操作失误损毁一管病毒样本，“那就是彻底的失误”，样本一旦丢失就无法复原。

真实实验室的复杂度还不止于此：机器人常常要把手臂伸进仪器设备内部去放取孔板，地面上可能横着一个纸箱、一条插线板、一段线槽。展会上的空旷桌面，在这里并不存在。

谢铮入行是在 2013 年，那一年，国内几乎没有几家公司在做人形机器人，用他自己的话说，那是“孤独寂寞的时代”。契机来自大洋彼岸：2009 年波士顿动力发布军用人形机器人PETMAN（Atlas前身），受此启发，航天三院通过申报拿到一个人形机器人研发项目，谢铮参与其中，研究了两年液压人形。

2015年他离开航天系统南下深圳，加入优必选。他牵头大型人形产品线，走了一段典型的从0到1：第一代人形，三个人做出来，结构、控制算法、整机各一个；第二代，十几个人；第三代，几十号人。七年多，从原型机到Walker X共四代人形产品，那支团队后来被行业称为人形机器人的“黄埔军校”。“现在各家做人形的公司，基本上都有当时我们团队出来的人。”谢铮说。

不过技术范式已经彻底换了一轮。他形容当年“AI还没有这么发达，很多是model-based的东西”，而今天的路线是数据驱动，机器人通过神经网络生成新动作，对世界有感知和决策。

真正让他从大厂走出来的，是创始人连文昭。这位长期在海外深耕AI与机器人的合伙人2023年回国，告诉他：AI和机器人的结合，发展速度出乎意料。两人得出的判断是，到这个时间点，AI应该能够给机器人赋能，补上感知和决策上最突出的那块短板。决定创业之后，他们花了几个月把行业里的客户走了一遍。

2023年7月，源络科技成立，第一站是生命科学，泛实验室场景。产品线目前有两条：人形形态的Monte系列（轮式底盘+双臂+可动躯干与头部，已迭代两代，Monte 02于2025年8月在世界机器人大会公开发布），以及更偏工业、成本更低的简化系列Monte S（工业AGV+单臂）。

着陆TouchBase专访了源络科技联合创始人谢铮，就具身智能的切入场景和技术路径展开讨论。

以下是访谈实录，经着陆TouchBase编辑整理：

谢铮与他研发的机器人

着陆TouchBase：今天的具身智能公司几乎人人都在讲“通用”。你们一上来就把自己框在实验室里，这是想清楚了，还是不得已？

谢铮：我们当时提出过一个概念，叫不可能三角：机器人的可靠性、作业节拍、泛化能力，这三者无法同时做到最优，企业必须找到自己的权衡落点。

智能制造和物流、物业最大的问题是，机器人的作业节拍达不到人工作业的效率，设备成本却高于人力。目前中国的人力成本还没有高到那个程度，用机器人替代人，账是算不过来的。家庭方向一定是未来，但是因为对泛化能力的要求太高，每个家庭的物品、场景、地形、需求都不一样，希望选择一个能牵引我们到未来通用智能但同时能够得着的场景。

着陆TouchBase：那实验室凭什么就“够得着”？它听上去比工厂更精细、更不容错。

谢铮： 实验室毕竟更结构化一些。比如一些典型的操作，像 孔板的转运、移液枪的分液 ，再叠加操作离心机、 PCR 仪等常见仪器的能力，就能覆盖 80% 以上的常见实验室流程。

机器人正在完成高精度移液枪插枪头任务

在这之上再加一层：像人一样操作实验仪器。我要学会按哪些按钮、看懂屏幕上的变化代表什么意义，通过 AI 学习这些知识，然后决策下一步做什么。

实验室里做这些基础操作的，不少是本科、大专学历的实验员，也有硕士、博士，人力成本整体不低。而且他们不想做这些事，每天操作仪器、转移液体，太枯燥了。

但这个岗位又不能随便招一个没有领域知识的人：他需要一定的知识、技能和经验，得知道这一步操作会带来什么反应。大模型和机器人结合的价值就在这里，把这部分能力赋给机器人。

机器人开展移液任务

着陆TouchBase：客户心里的及格线在哪儿？

谢铮：落地可靠性是第一位的。可靠性达到两个9，客户才愿意用；如果做100次失败五六次，客户基本不会考虑。

而且失误是要分级的：机器人是没夹起来，要重新拿一次，还是把液体和实验样品打翻了？前者相对好一些，后者是彻底的失误。耗材本身还好，但样本、病毒样本一旦损毁就没有了。

着陆TouchBase：“世界模型”这四个字，今年快被用烂了。你们的模型该怎么定义？

谢铮：我们针对场景做了专门的模型设计和优化，对外叫“以物体为中心的物理原生模型”。

核心还是长序列任务的整体成功率：要保证长序列任务跑通，首先得保证每一步之间的拆解、以及物体状态的转移是可信的。

所有实验流程，本质上都是物体的状态转移：孔板从桌面放到仪器上，或者从仪器里拿到冰箱里；移液枪在试管里、孔板在孔槽里。我们要做的，就是一步步推理物体的状态转移，再通过机器人的闭环执行完成每一次状态转移，最终跑通长流程任务。

机器人正在使用灵巧手操作移液枪吸取试管中液体

着陆TouchBase：你们并不指望“涌现”？

谢铮：我认为在具身领域， 需要步步为营 。习得的能力足够多了，自然未来会“涌现” 。

着陆TouchBase：对于一个典型的客户，从接触到落地，最难的环节是技术，还是说服客户？

谢铮：最大的难点还是把可靠性提到99%。

这里面有很多工程问题：一是数据维度要足够多，要足够丰富；第二是机器人本体的稳定性和可靠性；第三是软件支持，对不同任务做抽象处理，划清可靠性边界。

着陆TouchBase：那是不是意味着，每换一个场景就得把这套苦工重做一遍？

谢铮：我们希望通过数据和机器人的skill来减少后续的调试工作量和交付成本，从而快速复制场景。

如果数据足够多、机器人的skill适应能力足够强，在新场景下可能不需要采集新数据，直接通过技能组合部署，交付周期就能从周级别降到天级别。

机器人将孔板放入仪器孔槽

着陆TouchBase：看到你们也有农场的项目，从实验室跳到温室，是一次挺大的跨越。农场这个项目是怎么做的？

谢铮：这个农场在温室里，环境高温高湿，并不适合人长时间工作。有些活儿是学生做，有些是雇人做，但确实不适合久待。所以他们希望用机器人执行植物全周期的工作：授粉、采摘等。

着陆TouchBase：跟实验室比，植物这个“操作对象”难在哪？

谢铮：首先，植物天然是柔性的、动态的，每一根枝叶、每一个花朵的大小都不同，每天都需要重新感知和决策。其次，枝叶花朵都是软的，执行时可能遇到环境变化，要判断下一步任务是什么、下一个动作在哪里；要确定哪些花可以授粉、花开到多大可以动手。这对模型能力的要求更高。

着陆TouchBase：这部分经验是农民带进来的？

几个方面都有，前期图片和视频数据占比更高。我们通过视觉数据让模型理解要执行的目标，具体动作则通过遥操作等方式采集。

着陆TouchBase：你是国内最早做双足的人之一，最后自己的产品却是轮式。这算不算一种“背叛”？

谢铮：我们选择“人形”，主要是围绕移动能力和操作能力这两件事，而且是相当实用主义的。

移动能力上我们没有追求一定要双足，轮式能解决问题，在生命科学场景里，绝大部分是平整地面，可能有线槽等设备，但他们的管理是5S、6S的，非常规范。双足更适合非结构化场景或非常狭窄的空间，但成本更高、复杂度更高、可靠性相对更低。如果有更便宜、更可靠的方案，就没必要追求双足。

着陆TouchBase：那为什么还留着双臂、躯干和头？这些明明是“人形”里最贵的部分。

谢铮：双臂是从效率角度考虑的。理论上单臂也能完成，但双臂能完成的实验种类更多、整体执行效率更高；有些需要协调操作的动作，单臂只能靠工装等方式凑合完成。

头部是为了增大视野，同时获得更多感知维度的信息输入。躯干是从人形上借鉴过来的，它可以增大腰部的活动空间。这本质上是一个浮动基座的机械臂，基座的运动能力越大，就能够到越远、越低、越高的位置，操作空间也就越大。

着陆TouchBase：听说你们腰部还比同行少了一个自由度。

谢铮：行业里腰部通常是4个自由度，我们减到了3个，一个左右回转，一个前后俯仰，通过其他结构做等效替代，降低一部分成本。最早做灵巧手时我们也没有直接上五指，都是从综合可靠性和实用性的角度做的调整。

着陆TouchBase：那双足这件事，你是彻底放下了，还是先放一放？

谢铮：当成本和可靠性达到一定程度之后，双足可以拓宽功能边界，如果提升的功能价值大于成本，我们肯定也会推出双足的。

目前我们还没有看到特别刚需的情况。可以想象的场景是：实验室环境复杂、过道狭窄、地上摆放着各种箱子和插线板、管理不规范，那确实需要更强的空间行动能力。

机器人将试管放入离心机

着陆TouchBase：最后一个问题。你从2013年做到今天，中间有很长一段时间，这个行业几乎没人相信它会成，现在所有人都在等“具身智能的GPT时刻”。你判断一件事到底值不值得做，标准是什么？

谢铮：有两条。

第一，我们能不能可靠稳定地交付、满足客户的需求，能不能有PMF。这是商业化最基本的本质。

第二，我们希望自己的存在能带来生产力变革。 AI 在生命科学的前期实验设计和分析上已经产生了很多影响，但它无法在物理世界里把实验真正做完。我们希望通过引入具身，把这一环补上、实现闭环，加速整个生产力的变革，让生命科学更快地发展。

「以往内容」

新闻：||||||||||||||||||

深度：|||||||||||||||||

专访：|||||| ||||||||||

大公司：||||||||||||||||||||

1