如果你问我,具身智能行业现在最缺什么,我的回答是:钱不缺,小天才不缺,落地场景也不缺,唯独缺审美。
这里说的审美,不只是把机器人设计得更好看。它更代表一家公司的整体思考:为什么选择这条技术路线,愿意付出什么代价,又准备怎样把技术、产品和商业拧到一起。
过去几年,我们看过太多机器人的“完美时刻”。连续空翻,长程任务一镜到底。很多美来自精心设计:场景提前布置,动作反复训练。至于那些失败的片段,大众往往看不到,因为瑕疵都被留在了镜头之外。
这种过拟合的“完美”,也算一种能力吧。但真实世界从来不按脚本运行。
机器人抓取落空怎么办?指令说得不清楚怎么办?人突然改变主意,机器人能不能停下原来的动作,去理解一个新目标?
失败和变化,恰恰更能暴露一家公司的底色和选择。
11月17日,我参加了自然意志的真机开放日。
![]()
在此之前,我对这家公司的第一印象来自官网。页面做得很漂亮,留白克制,视频和文字也把新发布的物理基模Natura-1讲得很清楚。我当时已经觉得,这家公司有些审美的。
到了现场,我才发现,这个理解还是浅了。
自然意志的审美更像一种持续的取舍:目标很坚定,方法可以随时修正;敢选难题,也愿意把失败和边界摆到人们面前。
这种审美背后,还有更大的野心。自然意志想让机器人摆脱逐个场景反复调试的老路,让同一套模型适配更多机器人本体,处理更多陌生任务,最终改变机器人公司的产品和交付方式。
1.
技术审美,是让所有选择互相解释
具身智能到处都是岔路。
是VLA还是世界模型?先做本体还是先做大脑?用夹爪还是灵巧手?采真机数据还是人类视频?先拿项目还是先练模型?每个选择都能讲出道理,一家公司很难同时把所有方向做好。
自然意志成立于今年1月。几天前,它发布了物理世界的基础模型Natura-1:500亿参数的混合专家模型,用超过100万小时的人类第一视角经验进行预训练,在100毫秒的控制周期里驱动20自由度灵巧手,并且还能零样本遵循复杂的自然语言指令。
几个数字都很大。更值得看的是,它们为什么会被放到一起。
![]()
自然意志认为,人类已经在厨房、办公室和工厂里积累了大量操作经验,第一视角视频可以把这些经验记录下来。既然数据来自双手,执行端也尽量接近人手。于是,人类视频、通用模型和灵巧手被串成了一条路线。
这条路很重。灵巧手的动作空间远大于夹爪,百万小时视频也不是买回来就能直接训练。
去重、清洗、动作重建和语言标注,都是脏活、累活。影响结果的地方,往往就藏在这些最不性感的工作里。
很多机器人项目会先把一个任务调通。桌子、物体和动作顺序固定下来,成功率可以很快提高。环境稍微发生变化,工程师又要重新采数据、调动作、改夹具。
自然意志选择了更慢的起步。它想先把模型的能力底座垫高,再去解决一个个具体任务。
我理解的技术审美就在这里。路线的价值要放回目标里判断,看这些选择能否彼此咬合,短期动作能否服务于长期目标。
2.
两次临时改题,比丝滑Demo更有意思
开放日现场有两个细节,让我对自然意志说的泛化能力和执行速度有了更具体的理解。
第一个是让机器人“打德州”。
机器人面前放着两张手牌和五张公共牌。主持人现场给它的任务,是从五张公共牌中选出三张,与手牌组成最强牌型。机器人需要看清每张牌,理解指令,比较不同组合,最后再把选择变成手上的动作。
![]()
公允地说,机器人的执行速度比我预想的要快。而且,这个任务带有很强的随机性,机器人的牌也是由现场嘉宾挑选的,但它还是顺利地完成了任务。
这个牌桌任务把视觉识别、关系判断、指令理解和真机操作压进了同一个过程。相比“把某个东西从A点放到B点”的固定动作,它更像一道临时出现的新题。
第二个例子来自我自己的体验。
我让机器人帮我抓一串葡萄。下指令时,我故意没有说得太精确,只说了一句“给我葡萄”。它还是理解了目标,开始执行。过程中,我又打断它,重新下了一条指令,让它把葡萄放回去。
它很快地接受了新指令,也把葡萄放了回去。仅从现场体感来看,它的动作足够流畅,屏幕上显示的思维链也能迅速响应新指令。至少在这次体验里,我愿意给出“优秀”的评价。
这次体验更有价值的地方,在于机器人能够在任务进行中放弃原来的目标,接住一个新的意图。
真实用户不会永远说出标准提示词,家庭和工厂里的任务也经常被打断。通用能力若想变成产品,就要容得下这些不标准的表达和临时变化。
当然,两次现场成功无法代替严格评测。它们提供的是另一种信息:当任务没有提前写进脚本,人也没有完全配合机器人时,模型还能不能继续工作。
自然意志的同学解释,机器人模型很难像大模型那样开放一个网页或API,让所有人随时测试。于是,他们选择“把模型能力搬到大家面前”。
这场只有二三十人的活动,把真实排在了完美前面。
3.
野心,是把一个月变成一天
自然意志的野心,藏在工作人员说的一句话里。
“今天花一个月把一个场景打通,可能一个月之后,模型能力到了新的阶段,同样的事情只需要一天。”
这句话很值钱。它算的是具身智能最难算的一笔账。
机器人公司可以不断接项目。每进入一个新场景,工程师重新采数据、磨成功率,最后把项目交出去。
订单增加,交付团队也跟着膨胀。机器人每卖一台,公司就多背上一份定制工作。
![]()
基础模型想改变这套成本结构。模型先吸收足够多的通用经验,进入新场景时只补少量数据,做有限适配。模型能力每提高一次,后续任务都有机会少走一段重复的路。
自然意志目前把更多资源放在提高模型能力上。机器人进入家庭,还需要硬件、产业和政策共同成熟,时间不会短。服务和工厂等相对容易定义任务、计算回报的场景,可能更早出现机会。
这是一次昂贵的押注。它赌模型的进步能够持续压低新任务的适配成本。
一个月能否真的变成一天,将决定“通用”究竟是一种技术理想,还是一门可以规模化复制的生意。
自然意志想改变的,其实是机器人公司的交付单位:从一个个项目,变成一套能够反复复用的能力。
4.
审美和野心,都要过两道现实关
在与自然意志交流的过程中,他们给Natura-1打了大约50分。
我觉得,这个分数多少有些谦虚。
对于一家成立不到一年的年轻公司来说,在算力和资源都有限的情况下,能够绕开“VLA还是世界模型”的路线之争,按照自己的判断做出选择,本身就很难得。
不过,50分也点出了另一面:所有做模型大脑的公司,如果想继续往前走,都绕不开身体和生意。
![]()
先说身体。
做机器人大脑,很难绕开机械臂、灵巧手、相机和触觉。模型做得再好,硬件的稳定性和精度也会直接限制它的上限。现场一次抓取没有做好,原因可能出在模型,也可能出在手、臂和传感器之间的配合。
计算机科学家艾伦·凯说过:“对软件极度较真的人,应该生产自己的硬件。”
这句话放在具身智能行业里格外现实。自然意志早晚要回答一个问题:它准备把软硬件协同做到多深?继续适配不同本体,与硬件伙伴共同定义接口,还是在成本下降后走向部分自研?三种选择对应着不同的研发投入,也决定了模型最终能释放多少能力。
大脑公司做着做着,往往会被身体往前拽。这未必意味着一定要自己造机器人,但它很难只关心模型。
再说生意。
机器人行业从来不缺场景,真正稀缺的是一个能够率先变成产品、产生收入并带来持续复购的入口。
通用模型最容易遇到的尴尬是:到底选择哪个场景,才能产生持续的收入和更大的社会价值?家庭需要安全和低成本,工厂看重节拍与稳定性,服务业还要考虑空间、人员和流程。不同场景对模型、硬件和产品形态的要求并不相同。
所以,自然意志第一款进入市场的产品会是什么?谁愿意为它付钱?客户又会用什么指标验收?
这个选择会反过来影响训练数据、产品设计和硬件配置。通用决定能力的上限,具体产品决定公司从哪里开始赚钱。
恰恰因为自然意志的路线值得看,这两个问题才应该更早回答。野心走向现实,迟早要支付这些成本。
开放日结束后,我对这家公司印象最深的,还是那些年轻的工作人员。他们谈起技术很自信,聊到短板也不躲。有人会告诉你哪项能力超出了预期,也有人会直接承认,精细操作还不行。
官网的留白只是最直观的部分。现场愿意开放,团队坦然给自己打出50分,技术路线又紧紧咬住规模化,这些细节放在一起,才构成了所谓的审美。
高级的审美里,有坚持,也有修正。目标可以稳定,方法要接受结果的审判。
昨天,机器人在抓葡萄的过程中收到一条新指令,停下原来的任务,把葡萄放了回去。
未来,自然意志也会不断收到来自硬件、成本和客户的新指令。能不能调整动作,同时不丢掉通用物理智能这个目标,才是这家公司的审美与野心最终要接受的考验。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.