中新經(jīng)緯2月22日電 (薛宇飛)在上海市智元機(jī)器人數(shù)據(jù)采集中心的廚房場景中，一名數(shù)據(jù)采集員手持操作手柄指揮著機(jī)器人用一只手在調(diào)料架上拿起雞精調(diào)料瓶，另一只手輕輕打開調(diào)料瓶蓋子，小心翼翼地捏起瓶內(nèi)的小勺，將雞精撒入鍋中。之后，機(jī)器人將調(diào)料勺放回調(diào)料瓶，蓋上蓋子，將調(diào)料瓶放回調(diào)料架。這樣，一條接近真實使用場景下的數(shù)據(jù)采集才算完成。
該數(shù)據(jù)采集中心每天可以產(chǎn)出數(shù)萬條機(jī)器人真機(jī)數(shù)據(jù)和仿真環(huán)境數(shù)據(jù)，這些數(shù)據(jù)將用于訓(xùn)練大模型，讓人形機(jī)器人學(xué)習(xí)并掌握這些技能。智元機(jī)器人的通用具身機(jī)器人已實現(xiàn)量產(chǎn)，在該公司的工廠，一排排機(jī)器人正在組裝、下線，目前的年產(chǎn)能力能達(dá)到數(shù)千臺。
中新經(jīng)緯近日實地走訪智元機(jī)器人，探究人機(jī)器人的應(yīng)用前景。智元機(jī)器人研究院執(zhí)行院長、具身業(yè)務(wù)部總裁姚卯青表示，人形機(jī)器人走向家用市場大約需要5年時間，而價格可能在5萬元這一級別。
“數(shù)百條數(shù)據(jù)能實現(xiàn)比較好的倒水效果”
智元機(jī)器人人形機(jī)器人產(chǎn)品。中新經(jīng)緯 薛宇飛攝
人形機(jī)器人的話題已討論多年，但近期著實又火了一把，從央視春晚的機(jī)器人扭秧歌到資本市場相關(guān)板塊的火熱、投融資市場的摩拳擦掌，人形機(jī)器人成了科技賽道上的 “流量密碼”。
上海市張江機(jī)器人谷聚集多家機(jī)器人行業(yè)的知名公司，成立于2023年2月的智元機(jī)器人就是其中之一。目前，智元機(jī)器人已完成多輪融資，公司估值超過70億元人民幣。
姚卯青對中新經(jīng)緯表示，一方面，資本市場的大力推動對人形機(jī)器人的發(fā)展起到了很大作用，從全球看，美國特斯拉創(chuàng)始人埃隆馬斯克布局人形機(jī)器人行業(yè)，英偉達(dá)也在這方面動作頻頻。另一方面，大語言模型不斷實現(xiàn)突破，給機(jī)器人的智能化提供了技術(shù)基礎(chǔ)。
數(shù)據(jù)尤其是高質(zhì)量數(shù)據(jù)，就如同一道道練習(xí)題，大模型在數(shù)據(jù)的不斷投喂下進(jìn)行練習(xí)與模仿，才能變得更加智能。而是否擁有高質(zhì)量數(shù)據(jù)，成為發(fā)展人形機(jī)器人的卡點(diǎn)之一。姚卯青稱，具身智能訓(xùn)練領(lǐng)域大規(guī)模的開源數(shù)據(jù)集是美國Google公司的Open X-Embodiment，但該數(shù)據(jù)是全球幾十家機(jī)構(gòu)拼湊起來的，質(zhì)量較差，而且有些數(shù)據(jù)已經(jīng)丟失，行業(yè)需要一個高質(zhì)量、大規(guī)模的數(shù)據(jù)集。
智元機(jī)器人數(shù)據(jù)采集中心。中新經(jīng)緯 薛宇飛攝
在4000平方米的智元機(jī)器人數(shù)據(jù)采集中心，搭建出家居、餐廳、工業(yè)、商超、辦公五大類場景，包含超過兩百個細(xì)分場景的任務(wù)。在這些場景中，數(shù)百名數(shù)據(jù)采集員通過頭戴VR眼鏡、手持操作手柄指揮著機(jī)器人進(jìn)行各種動作。比如，家居場景依據(jù)真實住宅進(jìn)行布局，包括臥室、客廳、廚房、衛(wèi)生間等空間，可以實現(xiàn)機(jī)器人整理物品、收拾碗筷、打掃房間等。在奶茶店場景下，采集機(jī)器人奶茶制作、送餐、收拾桌子等過程。
智元機(jī)器人人形機(jī)器人正在采集數(shù)據(jù)。中新經(jīng)緯 薛宇飛攝
中新經(jīng)緯看到，在數(shù)據(jù)采集員的操控下，一臺機(jī)器人拿起桌上的茶壺，慢慢地將水倒入面前的杯子中，然后將水壺放回原位。不過，重復(fù)、單一的數(shù)據(jù)，對訓(xùn)練大模型作用甚微，采集過程中，數(shù)據(jù)采集員會不斷挪動杯子和茶壺的位置，記錄下不同場景下的數(shù)據(jù)。同樣，采集機(jī)器人掃地時，數(shù)據(jù)采集員也將垃圾擺放在不同位置，通過操作手柄讓機(jī)器人手臂上的吸塵器去吸取。該數(shù)據(jù)采集員表示，這項動作一天約能采集數(shù)百條。
姚卯青說：“智元機(jī)器人的模型訓(xùn)練路線與語言大模型比較類似。最開始是預(yù)訓(xùn)練，該階段使用盡量多的數(shù)據(jù)進(jìn)行訓(xùn)練，形成對環(huán)境的基本感知等。之后，會采集數(shù)百條高質(zhì)量數(shù)據(jù)，里面也會做一些泛化，比如倒水的動作，對水壺、桌面、光照等進(jìn)行更換，拿放位置及倒水姿態(tài)進(jìn)行調(diào)整等，大概數(shù)百條數(shù)據(jù)能讓機(jī)器人實現(xiàn)比較好的倒水效果。”
智元機(jī)器人數(shù)據(jù)采集中心負(fù)責(zé)人阮丞向中新經(jīng)緯解釋稱，簡單來說，智元機(jī)器人具身基座大模型是端到端的VLA大模型，它以互聯(lián)網(wǎng)多模態(tài)大模型為基礎(chǔ)，先讓模型具有通用的感知和動作理解能力，再使用相同本體的高質(zhì)量真機(jī)動作數(shù)據(jù)進(jìn)行訓(xùn)練，也就是數(shù)據(jù)采集中心所采集的數(shù)據(jù)，讓模型具備動作的精細(xì)執(zhí)行能力。
阮丞說：“這個過程可以對比教小孩子學(xué)做菜，最開始是認(rèn)識菜、肉、調(diào)料，之后告訴他操作步驟，最后是實踐操作。就倒水這一動作來說，(我們)先讓大模型認(rèn)識各式各樣的水壺、杯子以及杯子里的水位等，之后讓它具備在不同場景下的泛化能力，最后在高質(zhì)量真機(jī)動作數(shù)據(jù)的訓(xùn)練下，能夠精準(zhǔn)理解倒水的相關(guān)動作�！�
阮丞也稱，教會人形機(jī)器人學(xué)會每項動作需要采集多少條數(shù)據(jù)，因任務(wù)和要求不同可能有所差異，沒辦法準(zhǔn)確量化，而且，隨著對人形機(jī)器人的要求越來越高，可能需要更多的數(shù)據(jù)。
2024年底，智元機(jī)器人對該數(shù)據(jù)采集中心的百萬真機(jī)數(shù)據(jù)集AgiBot World進(jìn)行了開源。據(jù)介紹，相較于Google的Open X-Embodiment，AgiBot World長程數(shù)據(jù)規(guī)模高出10倍，場景范圍覆蓋面擴(kuò)大100倍，數(shù)據(jù)質(zhì)量也從實驗室級上升到工業(yè)級標(biāo)準(zhǔn)。
對具身大模型的不斷訓(xùn)練已經(jīng)產(chǎn)生效果。阮丞說：“以最早期的抓取放置任務(wù)訓(xùn)練為例，讓機(jī)器人抓取一個物品從一個筐放進(jìn)另一個筐，隨著訓(xùn)練數(shù)據(jù)的增加，模型的能力也得到很大擴(kuò)展，對不同樣式不同位置的筐和物品，甚至完全沒見過的物品，機(jī)器人也能進(jìn)行識別并投放。在不斷的研究與探索中，我們的認(rèn)知也在不斷地被顛覆�，F(xiàn)在的模型具備了同時執(zhí)行多個任務(wù)，對不同場景和新物體的泛化能力，同時還能理解跟隨語言指令。”
“解決一個工序也有上萬臺市場規(guī)�！�
2023年11月，中國工業(yè)和信息化部發(fā)布的《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》中提出，到2025年，人形機(jī)器人創(chuàng)新體系初步建立，“大腦、小腦、肢體”等一批關(guān)鍵技術(shù)取得突破，確保核心部組件安全有效供給。整機(jī)產(chǎn)品達(dá)到國際先進(jìn)水平，并實現(xiàn)批量生產(chǎn)，在特種、制造、民生服務(wù)等場景得到示范應(yīng)用，探索形成有效的治理機(jī)制和手段。
今年1月初，智元機(jī)器人對外宣布，公司通用具身機(jī)器人累計下線達(dá)1000臺。此前，中國國內(nèi)的傅利葉、宇樹科技等機(jī)器人公司也對外宣布過有關(guān)機(jī)器人量產(chǎn)的消息。國際上，埃隆馬斯克在今年1月份表示，特斯拉計劃在今年生產(chǎn)數(shù)千臺套人形機(jī)器人Optimus，若進(jìn)展順利，明年產(chǎn)量將達(dá)5萬至10萬臺。
智元機(jī)器人上海臨港量產(chǎn)工廠內(nèi)正在組裝的人形機(jī)器人。中新經(jīng)緯 薛宇飛 攝
中新經(jīng)緯在智元機(jī)器人上海臨港量產(chǎn)工廠看到，一些機(jī)器發(fā)出嗡嗡聲響，200多名工人操作著不同的程序組裝人形機(jī)器人，一些已經(jīng)下線的機(jī)器人還需要進(jìn)行最后的測試。
智元機(jī)器人制造部總經(jīng)理張紹政對中新經(jīng)緯稱，除了一些標(biāo)準(zhǔn)化的組件外，人形機(jī)器人的大多數(shù)核心部件都是該公司自研，再交由相關(guān)工廠完成部件的生產(chǎn)后，最后的組裝交由臨港量產(chǎn)工廠完成。目前，臨港量產(chǎn)工廠的年產(chǎn)能達(dá)到了數(shù)千臺，后續(xù)還有進(jìn)一步擴(kuò)大產(chǎn)能的計劃。
智元機(jī)器人已交付的機(jī)器人主要用于工業(yè)生產(chǎn)場景和一些展館內(nèi)機(jī)器人導(dǎo)覽介紹等交互服務(wù)場景。在工業(yè)生產(chǎn)場景，機(jī)器人主要從事“PPT”工序，即Pick(抓取)、Place(放置)和 Transfer(轉(zhuǎn)運(yùn))。姚卯青表示，在汽車制造、3C制造等場景下，機(jī)器人可以替代一些重復(fù)、機(jī)械的工作，需求量龐大，“解決一個工序也有上萬臺市場規(guī)模，未來如果真正能實現(xiàn)完全的工業(yè)自動化，人形機(jī)器人行業(yè)會成為比汽車制造業(yè)更大的一個產(chǎn)業(yè)�！�
借鑒自動駕駛的等級劃分思路，智元機(jī)器人將具身智能技術(shù)的發(fā)展也分為五個階段，即G1至G5。G1階段，屬于基礎(chǔ)自動化階段，基于簡單的機(jī)器視覺加上人工程序化編程，這一階段的機(jī)器人系統(tǒng)設(shè)計和配置都針對特定的應(yīng)用需求，缺乏泛化能力。G2階段，通過抽象出可復(fù)用的原子技能，機(jī)器人可以實現(xiàn)一定程度上的場景遷移和泛化。這一階段的機(jī)器人已經(jīng)能夠基于大語言模型(任務(wù)編排大模型)進(jìn)行任務(wù)編排，具備一定的智能水平。到G3階段，機(jī)器人將能夠更靈活地適應(yīng)不同場景和任務(wù)，通過持續(xù)學(xué)習(xí)不斷優(yōu)化自身性能。
姚卯青說：“目前整個行業(yè)的具身智能技術(shù)還處于G1到G2的階段，學(xué)術(shù)陣地可能到了G3階段。到G4階段，我覺得還需要5年時間，而到G5階段則要10年。簡單講，在G3階段，具身智能技術(shù)會在單一任務(wù)上可以實現(xiàn)與人一樣的成功率；在G4階段，可以實現(xiàn)用一個模型完成多種任務(wù)；到G5階段，則是具身智能技術(shù)的終極形態(tài)，它可以實現(xiàn)推理、反思、糾錯�！�
就智元機(jī)器人而言，姚卯青透露，公司今年計劃走通G3階段產(chǎn)品的技術(shù)路線，明后年會繼續(xù)向更多場景與任務(wù)進(jìn)行拓展，同時對G4階段的產(chǎn)品進(jìn)行一些布局。
走向家用市場或需要5年時間
智元機(jī)器人上海臨港量產(chǎn)工廠內(nèi)的人形機(jī)器人。中新經(jīng)緯 薛宇飛攝
相比于一些花式炫技，消費(fèi)者更關(guān)心人形機(jī)器人何時能夠“飛入尋常百姓家”。
今年2月，宇樹科技的H1和G1人形機(jī)器人開售，G1的售價為9.9萬元，H1的售價為65萬元。2024年12月，眾擎機(jī)器人的人形機(jī)器人PM01發(fā)售，售價8.8萬元。
目前，智元機(jī)器人的客戶主要來自企業(yè)端，采訪中并未透露人形機(jī)器人的零售價格。但姚卯青稱，智元機(jī)器人的人形機(jī)器人產(chǎn)品的生產(chǎn)成本正在不斷下降，每年大約會有15%～20%的降幅。人形機(jī)器人的成本主要是一些關(guān)節(jié)類組件，隨著行業(yè)量產(chǎn)，這類組件的價格會明顯下降。智元機(jī)器人去年推出了全棧開源機(jī)器人靈犀X1，科技愛好者、開發(fā)者可在智元商城購買相應(yīng)的組件套餐。
姚卯青預(yù)計，人形機(jī)器人走向家用市場，大約需要5年時間。他說：“走向家用的人形機(jī)器人，到時能接受一些開放式的指令，可以從事一些常見的家庭工作，比如取放東西、泡杯茶、拿快遞、丟垃圾、疊被子、洗衣服等常見工作。走入家庭的產(chǎn)品，價格可能在5萬元這一級別�！�
姚卯青稱，具身智能技術(shù)發(fā)展到G4階段時，智力上與人已經(jīng)差不多，在居家場景使用時，會替代家政服務(wù)人員完成部分基礎(chǔ)工作，但體力上是否可以跟上要取決于硬件的迭代情況。他說：“是否能讓人形機(jī)器人爬到窗戶外面擦窗，這還需要行業(yè)共同努力�！�
姚卯青表示，人形機(jī)器人的發(fā)展也面臨硬件與軟件上的瓶頸。硬件方面，對機(jī)器人的手部研發(fā)亟待突破，目前市場的高自由度靈巧手的靈活度與人手相比仍存差距。另外，關(guān)節(jié)和電機(jī)的輕量化、小型化，外殼材料的高強(qiáng)度、輕量化、仿真化，電池的功率密度的提升，芯片的更大算力及更低成本，更豐富和精密的傳感器等，都需要改進(jìn)。軟件方面，具身智能技術(shù)還處于G1到G2階段，因此在算法方面還有很長的路要走，這中間，數(shù)據(jù)也比較核心。
當(dāng)前，全球多個國家都在人形機(jī)器人行業(yè)發(fā)力，中國的優(yōu)勢在哪里？姚卯青表示，一是，供應(yīng)鏈方面，中國擁有龐大而完整的零部件供應(yīng)鏈，這是其他國家或地區(qū)無法比擬的；二是，人才方面，中國擁有數(shù)量龐大的工科人才和專家隊伍，人才的專業(yè)技術(shù)過硬，同時，整個人力成本也相對較低；三是，政策支持，政府部門對人形機(jī)器人的支持力度較大。
2月17日在北京召開的民營企業(yè)座談會引發(fā)廣泛關(guān)注。座談會上，6位民營企業(yè)負(fù)責(zé)人代表先后發(fā)言，就新形勢下促進(jìn)民營經(jīng)濟(jì)發(fā)展提出意見和建議。智元機(jī)器人相關(guān)負(fù)責(zé)人表示，黨和國家對民營經(jīng)濟(jì)發(fā)展的支持是有目共睹的，對培育新質(zhì)生產(chǎn)力更是不遺余力。當(dāng)前正值人形機(jī)器人產(chǎn)業(yè)的快速發(fā)展期，既需要民營企業(yè)充分發(fā)揮主觀能動性，也需要各級政府政策的支持與幫助，相信中國的人形機(jī)器人產(chǎn)業(yè)一定大有作為。
國信證券機(jī)械首席分析師滿在朋在2月16日的研報中稱，2024年是國內(nèi)外人形機(jī)器人的原型機(jī)發(fā)布大年，經(jīng)過半年到一年的技術(shù)優(yōu)化與調(diào)試，2025年有望成為真正的量產(chǎn)元年。DeepSeek AI成功突破AI發(fā)展的高昂成本問題，憑借降本、開源的優(yōu)勢，在人形機(jī)器人領(lǐng)域展現(xiàn)出強(qiáng)大的賦能能力，有望助力機(jī)器人在環(huán)境感知、任務(wù)規(guī)劃與決策、持續(xù)進(jìn)化等大模型方面實現(xiàn)質(zhì)的飛躍。
中信證券表示在研報中稱，在全球勞動年齡人口下降、人工成本上升的背景下，用機(jī)器替代流水線上的簡單重復(fù)勞動并逐步成為人類生活的多場景下的助手是一大趨勢。“人形”是最適合人類社會所有場景的形態(tài)，無需改變場景來適應(yīng)機(jī)器，一旦技術(shù)成熟可直接用于所有社會場景。中信證券認(rèn)為，2025年全球人形機(jī)器人出貨量將會突破1萬臺，預(yù)計到2030年將達(dá)到500萬臺左右，市場需求會提升至約7500億元。
(更多報道線索，請聯(lián)系本文作者薛宇飛：xueyufei@chinanews.com.cn)(中新經(jīng)緯APP)
(文中觀點(diǎn)僅供參考，不構(gòu)成投資建議，投資有風(fēng)險，入市需謹(jǐn)慎。)
中新經(jīng)緯版權(quán)所有，未經(jīng)書面授權(quán)，任何單位及個人不得轉(zhuǎn)載、摘編或以其他方式使用。
責(zé)任編輯：魏薇 羅琨
