具身智能还处在“春秋战国”。
整理 |「AIX财经」
作者 | 金玙璠
会跳舞、能打拳的机器人接连刷屏，进工厂的人形机器人也越来越多，融资消息一个接一个。但热闹背后，有几个核心问题很少有人正面回答：未来的机器人一定都是人形吗？机器人进工厂，现有技术路线面临哪些现实挑战？在这条产业链上，大脑、小脑、本体，到底谁该做什么？
7月30日，北京前沿国际人工智能研究院“AI月光社·走进百家创新企业系列活动”第9期在千诀科技举行。千诀科技COO肖海默做了题为《具身智能产业化应用的试错和思考》的演讲，把上面这些问题全部正面回答了，而且答案有些“反共识”：我们现在看到的机器人，一定不是10年之后的样子；在部分工业场景中，现有技术路线仍面临可靠性、精度和成本等现实挑战；一个起初只“聪明一点点”的大脑，也可能凭借持续快速迭代逐步建立长期优势。
作为一家专注于机器人“大脑”的公司，千诀这两年踩过的坑、想明白的事，此前从来没有书面化过，这次都呈现在了这场演讲里：从“未来机器人长什么样”的判断，到“是否进入本体制造”的战略取舍，再到“大脑怎么造、凭什么赢、先落地到哪里”的实践途径，最后是对整个行业发展阶段的判断。“希望能对大家后续的科研、创业、投资带来一些启发。”肖海默说。
千诀科技COO肖海默
本文用7个问题，梳理这场演讲的精华内容。
回到“具身智能”这个词本身，英文embodied AI里的bodied，是“有躯体”的意思。要谈具身智能，第一个话题就是本体。
肖海默展示了一张让AI生成的图：自然界生物进化的过程。他想说明的道理很简单。在每一个自然生态环境下，都演化出了不同形态的生物躯体，而自然界没有一种生物能适应所有环境。“如果把机器人理解为一种‘硅基生物’，那么不同的环境和任务，同样会催生出不同的本体形态。”
每一款机器人的应用场景都有比较大的差异，这些场景存在很多外部约束，包括但不限于成本、功能、性能、效率、可靠性、作业精度、目标用户群特点等，比如有些环境需要防水，有些环境需要非常静音。千诀围绕工业、商业、家庭、特种和农业等场景进行了调研和应用探索，也在实践中发现，一些场景的环境约束与当前的技术成熟度和技术路线并不完全匹配
这些实践让千诀形成了一个判断：不同场景需要不同的机器人本体，未来的机器人很难收敛为单一形态。
他举了个很具体的例子：针对行动不便的老年人，三星的这款概念产品，比常见的人形机器人形态更贴合这类人群的需求：平时是代步车，给身体提供支撑；需要时变成轮椅，提供移动服务；同时搭载机械臂，协助完成部分日常辅助任务。
“不同的目标人群、任务、环境和成本约束，会催生出不同的机器人形态。”肖海默认为，对于老年人服务等具体场景，人形未必是唯一答案，更重要的是产品形态能否真正匹配用户需求。
“现在我们看到的机器人，一定不是10年之后机器人的样子。10年之后的机器人也不一定都是人形，有可能出现各种各样的形态，但它们背后都需要有持续进化的智能化能力。”
不同本体厂商都希望持续提升产品的智能化水平。千诀看到的机会，是为不同形态的机器人提供相对通用、能够持续迭代的大脑能力，帮助合作伙伴缩短研发周期，更快推动产品落地。
我们认为，给不同的身体提供相对通用、持续进化的大脑，是一种更快到达未来的方式。
另一个原因，来自软件和硬件的“速度差”。 相比模型和软件算法，硬件从研发、验证到量产通常需要更长的周期，也涉及供应链、生产制造、质量与可靠性验证等多个环节。基于这一差异，千诀选择将资源集中在机器人大脑的研发和迭代上，与本体厂商形成专业分工。
保持平台的开放性和中立性，是千诀不进入本体制造的另一个重要原因。
“如果大脑厂商同时进入本体制造，其他本体企业可能会对合作边界和长期竞争关系产生顾虑。千诀选择不做本体，是希望与不同本体厂商建立清晰、长期互利的合作关系。”
本体研发涉及机电工程、供应链、制造能力，大脑研发则更强调模型、数据和软件工程能力。两者所需的能力体系和迭代节奏不同，专业分工有助于各方集中资源，提升整体产品的研发和交付效率。
“我们选择专注于机器人大脑，保持平台开放性，不进入本体制造。希望与芯片、传感器、本体厂商等开展深度合作，通过软硬件协同，共同推动机器人产品的智能化和规模化落地。”
机器人大脑面临一个现实难题：升级一项能力，是否要对整个模型重新训练？换一种机器人形态，是否又要从头开始？千诀给出的答案，是多项式表征架构。
千诀科技由清华大学类脑计算研究中心孵化。其多项式表征架构围绕感知、决策、控制等不同能力进行针对性训练，再根据具体任务灵活组合。“简单来说，升级一项能力，不必把整个大脑推倒重来；换一种机器人形态，也不必从头训练。”肖海默说。
这套架构既能兼容客户已有模型，也能将成熟能力更快复用到轮式、单臂、双臂等不同机器人形态。同时，除机器人自身采集的数据外，还可以利用仿真、第一视角视频、人类操作视频等更广泛的数据进行训练，提高数据利用效率。
更重要的是，系统能够追踪机器人执行任务过程中的关键信息。出现异常时，可以更快定位问题来自感知、决策还是控制环节，并支持故障诊断、行为审计以及任务中断与恢复，让机器人大脑不仅能够持续进化，也能够实现更安全、可靠的交付。
多项式表征架构回答的是机器人大脑“怎么造”，接下来要回答的是“凭什么赢”。
千诀选择专注“大脑”并保持中立，能够与更多本体厂商合作，将相对通用的大脑应用到不同机器人形态和真实场景中。多项式表征架构让成熟能力可以跨本体复用，而不同场景中的应用反馈，又能帮助千诀发现模型的不足，明确还需要补充哪些数据和能力。
肖海默认为，数据是机器人大脑最特殊的养料，也会让这一领域形成较强的“网络效应”，甚至出现“马太效应”。机器人模型的训练需要大量数据，但单一本体受到产品形态和应用场景的限制，很难在短时间内进入足够多的场景。相对通用的大脑则可以搭载到更多本体中，服务更多真实用户，并在获得授权、符合数据安全要求的前提下，形成持续的应用反馈和数据积累。
“本体厂商最终会选择智商更高、交互体验更好、适配效率更高的大脑。放到5到10年的周期来看，最终形成优势的，可能正是最初只比其他大脑‘聪明一点点’，但能够持续迭代的那个大脑。”
这一模式对整机厂商同样具有吸引力。自研一套完整的机器人大脑，可能需要百人规模的团队、亿元以上的数据和算力投入，还要经历较长的试错、研发及工程化过程；第三方大脑则能够帮助整机厂商缩短研发周期，更快完成产品验证和上市。
肖海默设想了一个场景：同一个细分领域的三家企业，一家选择第三方大脑，更快推出产品并取得市场先发优势，另外两家则坚持自研。当先发企业率先抢占市场份额时，也可能促使其他厂商重新评估自研与第三方合作之间的投入产出比。“这是我们认为第三方机器人大脑商业模式能够成立的一个关键因素。”
战略、架构、商业模式都想清楚了，只剩最后一个问题：先落地在哪里？
行业给出的答案看起来是工厂。现在行业里的很多POC（概念验证）、demo（演示）、直播都发生在工厂。但千诀在实际探索中发现，机器人进入工厂不能只看动作能否完成，还要回到制造业最关心的产品良率、停线时间、单件成本和设备综合效率。“这些是制造业常见的KPI，也决定了机器人能否稳定在生产线服役。”肖海默说。
在部分工业场景中，当前的模型和产品能力与制造业的核心KPI还没有完全匹配；技术是否真正有价值，最终还是要回到工厂关注的核心经营指标上。
肖海默用一个象限区分工业场景：对于节拍严格、精度要求高、容错空间小的连续精密产线，现阶段仍有较高的落地门槛；而节拍相对宽松、工序复杂度适中的离散型场景，更有可能率先跑通。
千诀现阶段没有把主要资源投入工业产线类场景，还有一层战略考虑：工业项目通常需要与MES（制造执行系统）系统逐一集成，不同工厂也有各自的交付要求，往往需要较高比例的定制化工作，深度嵌入每个工厂的工序流程和自动化设备网络。而千诀当前更希望发挥自身优势，建立能够跨本体、跨场景复用的机器人大脑平台。
不同工业场景的落地条件差异较大，千诀现阶段更关注日常生活相关的场景，因为这些场景对泛化能力、语义理解和人机交互的需求，与当前语言模型、多模态模型的发展方向更加匹配。
功能多样性，对应模型的泛化能力；人机交互体验，对应语言模型和多模态模型已经取得的突破。同时，日常生活场景对精度、效率、可靠性和容错率的要求，远没有工业那么严苛。
我们的长期愿景，也是大家在科幻片里更多看到的场景：让新一代的智能机器人，大规模进入我们的日常生活，协助完成面对面服务、家务、养老照护及其他重复性工作。”肖海默说。
这个判断背后，是一个更大的趋势：我国和很多发达经济体正在迎来人口结构的拐点。老龄化加深，年轻劳动力越来越少，90后、00后越来越不愿意做伺候人的事。
“这些长期趋势会推动更多智能机器人进入第三产业，承担部分重复性和体力性工作，缓解服务业的劳动力供给压力。”而这些场景对泛化能力、语义理解、空间智能都有很高的要求，也是机器人大脑能够发挥优势的增量市场。
基于这一判断，千诀希望成为机器人产业的智能基础设施：未来机器人的形态会各种各样，但背后都有智能化的需求。
落到产品上，是两大类。一类是云端大脑：通过云端推理为机器人提供理解和决策能力，再由本体执行具体任务。另一类是本地大脑：面向网络连接受限、数据安全要求较高或需要本地实时处理的场景，在机器人端侧完成推理。
支撑这一定位的，是覆盖数据采集、标注、模型训练和产品交付的完整能力。千诀已经搭建了一支数百人的专业数据团队。
目前千诀的大脑已经适配多种本体形态，可公开的包括双足双臂人形机器人、轮式单臂机器人、轮式双臂机器人、四足机器人等。本体由不同生态伙
伴研发，千诀则提供机器人大脑及相关适配能力。
最后，肖海默把视野拉回整个行业。
“具身智能不可能一直都在做demo，也不可能一直都在POC。”对当前阶段，肖海默用了一个很形象的类比：春秋战国的“春秋”阶段。他用六个词来概括：
诸侯并起：行业参与者越来越多；礼崩乐坏：上一代机器人控制技术已经难以满足下一代机型的应用需求，但新一代技术路线还没有被大规模应用和形成共识；百家争鸣：技术路线和商业模式都还没有完全收敛；尊王攘夷：世界模型、人形机器人等前沿方向成为行业获取注意力的名片；合纵连横：生态合作、供应链联盟、平台化能力输出，已经开始慢慢出现；霸主未定：真正具有规模化应用能力和市场份额的头部企业尚未形成。
图源 / pexels
接下来的市场怎么走？肖海默认为，最关键的是技术、产品和市场的匹配，他把它缩写为TPMF。
“以前创业领域经常讲PMF（产品与市场匹配）。但对具身智能这样的全新技术，还要考虑T（技术）和P（产品）的匹配、T和M（市场）的匹配。只有把T、P、M三个环节都做好匹配、完全咬合，才有可能让机器人产生大规模的应用。”
再下一个阶段，会从已经找到TPMF的公司里，逐渐出现具备产品化、规模交付和自我造血能力的公司。再往后，才会出现相对比较大的平台型企业。
至于千诀自己，则是专注于机器人大脑，帮助生态伙伴，共同推进新一代机器人的规模化落地。
“我们认为，给不同的身体提供相对通用而且持续进化的大脑，是一种更快到达未来的方式。”肖海默说。
*题图来源于千诀科技官网。