文 | 田哲

編輯 | 蘇建勛

AI大模型的加速發展，催化了國產人形機器人陸續走出實驗室，讓量產成為人形機器人新的關鍵詞。

今年以來，多家國產人形機器人公司發布首款人形機器人產品，他們之中，最年輕的公司還不到兩歲。在傅利葉創始人兼CEO顧捷看來，這背后除了大模型的應用之外，還離不開國內高度發達的汽車、消費電子工業體系，讓人形機器人的本體得以量產。

傅利葉是國內率先量產通用人形機器人的公司之一。在推出多款康復機器人后，傅利葉于2019年開始研發通用人形機器人，2023年推出的首款雙足人形機器人GR-1，至今已在數十個場景交付百余臺。

GR-1的多場景應用，讓傅利葉聽見了客戶不同的反饋，也發現了人形機器人的不足。顧捷坦言，GR-1是一款原型機，距離完美仍然有很遠的距離。

傅利葉理想狀態的人形機器人，需要同時滿足六個條件，即運動智能、認知智能、仿生設計、靈巧作業、商業應用、用戶體驗。而讓人形機器人逐漸趨于完美，唯一方式是將人形機器人在多個場景商業化應用，吸收市場反饋不斷迭代，從而讓人形機器人真正產生商業價值。

近日，傅利葉發布其第二款通用人形機器人GR-2，其全身自由度達到53個，單臂運動負載達3kg，能夠完成更復雜的操作。續航方面，GR-2的電池容量提升一倍，將續航時間提升至兩個小時，同時新增換電方案。

傅利葉第二代人形機器人GR-2

外觀方面，GR-2在保留雙足、五指的設計基礎上，整體更接近人類。GR-2的身高達到175cm，體重63kg，整機布局采用內走線設計，線纜布置于機器人內部。顧捷解釋，將機器人設計趨向于人類，可以采集真實數據進行功能泛化，讓機器人在不同場景工作。

為了優化控制策略和性能，GR-2的關節布置由并聯改為串聯，使得每個關節的運動可以獨立計算，有利于開發者部署控制算法，方便調試和維護，降低制造成本。

顧捷表示，自去年發布GR-1后，傅利葉就立刻啟動第二款人形機器人的研發，GR-2正是吸收首款人形機器人應用后各方聲音的研發結果。

傅利葉沒有設定GR-2的銷量目標，依舊小批量進行量產。顧捷認為，當下人形機器人遠遠沒有達到大批量量產階段，今年行業量產規模預計為數百臺，但他預計，明年行業內人形機器人產量將同比增長10倍。

人形機器人的量產，可能會帶來行業價格戰嗎？對于這一問題，顧捷表示，傅利葉不會打價格戰，并且人形機器人行業遠未到價格戰的時期，應該更關注如何讓人形機器人產品成熟。

關于未來GR-X系列人形機器人的研發，傅利葉表示沒有一年發布一款人形機器人的節奏，顧捷認為，需要根據行業相關技術發展程度，才能決定啟動項目時間。他相信，隨著業界的持續研究推動，將在明年看見更多大模型與機器人融合的新進展。

以下是《智能涌現》等媒體與傅利葉創始人兼CEO顧捷、傅利葉通用機器人事業部副總裁周斌的對話，內容略經編輯：

關注機器人功能，而不是局部

Q：從第一代到第二代人形機器人，研發過程中存在哪些難點？傅利葉如何解決？

A：難點在于機器人的多維度都需要同時滿足同一個要求，簡單來說就是“既要又要”。比如12自由度的靈巧手，要求它在小型化同時還需實現非常精密的動作，我們通過優化設計動作、傳動結構等方面，最終實現了小型12自由度的靈巧手。

從商品角度設計，靈巧手需要和整個機器人外殼結構無縫連接，需要跨模塊思考，這是我們一直面臨的技術難點。因此，我們按照整個項目設定大將多個團隊融合為大團隊一起研發，把機器人整體作為一個產品進行設計。

Q：第二代機器人的電池有哪些方面的升級？

A：根據GR-1在交付后客戶的反饋，我們將GR-2的電池容量提升了超200%，并且可拆卸進行換電補能。

未來，傅利葉會和電池頭部企業合作開發機器人電池。因為電池對我們來說只是一個模塊，我們會采用最先進的商業可用技術應用至整個系統。

Q：GR-2的研發周期多長時間？

A：從去年發布第一代之后，我們就開始策劃第二代性能指標達到SPEC，花了大概半年的時間，結合客戶反饋、制造工藝搭樣機。直到現在GR-2的樣品出現，共有三個GR-2的形態迭代，過程中根據匯總的經驗和反饋，進行了一些修改。

Q：GR-2發布后，下一代產品是否即將啟動研發？

A：研發是一個滾動的過程，今天發布的人形機器人是GR-X系列，包括GR-1、 GR-2等其它系列產品，下一代GR-X系列產品留個懸念。

我們沒有嚴格按照一年發布一款的節奏設定研發周期，因為現在的技術迭代和技術突破有自己的節奏，我們希望技術成熟一代，傅利葉發布一代人形機器人，相當于這一代人形機器人基本達到了我們目前所有的客戶的需求，以及我們調研的認知高度，我們選擇最可靠、最穩定的量產的工藝技術定義了一款當前的產品。

但是研究中的很多技術超前不少，比如我們之前在研究端到端感知，包括后面可能考慮有更大的算力、新材料，我們會多方面預演，之后才能按照時間節點排下一代的產品時間。

Q：智能化方面，傅利葉如何訓練？

A：傅利葉的人形機器人沒有AI的概念，我們側重于將機器人本體的潛能和應用性能做好。算法層面，我們會進行組成算法調試，也會聯合知名院校、AI公司研究、開發。

Q：傅利葉從首個研發方向是醫療機器人，到現在研發通用人形機器人，傅利葉的競爭優勢是什么？

A：現在大家關注人形機器人的活動自由度，傅利葉更關注提升機器人的功能，而不是機器人本身。就像一個人類可以參加奧運會，也能做普通的工作。我們更加關注機器人整體的運動智能、認知智能、仿生設計、靈巧作業、商業應用、用戶體驗六個方面，這樣的機器人才是好機器人。

2025年行業內人形機器人產量將提升10倍

Q：包括GR-1在內，你對目前這兩款產品今年或明年的整體銷售目標有預期嗎？

A：目前計劃是小批量量產人形機器人，還遠遠沒有達到大批量量產階段。今年整個行業量產規模我認為是是數百臺，但是一些產品具有復制性，明年行業人形機器人產量能夠以10倍速度增長，具體的量現在難以預測。

Q：人形機器人逐漸走向量產，相關零部件供應鏈近兩年是否發生變化？

A：人形機器人的量產成本無論是10萬元還是20萬元，對于現有行業來說的影響都不明顯，我們希望機器人量產后能達到產品級，有用且可靠。

人形機器人的供應鏈和汽車行業高度相似，大約40%零部件接近消費電子，因此消費電子、電動汽車供應鏈的良好基礎，讓中國機器人產業領先，能讓未來的人形機器人產品價格低至消費者買得起，但這個前提是人形機器人足夠有用，目前人形機器人行業發展還沒達到第一步。

Q：觸控單元作為一號部件容易導致成本增加，傅利葉在這一方面有何降本方式？

A：觸摸傳感器單元可拆換，所以我們考慮的主要成本是加工和耗件成本。我們將整個觸覺傳感器的接口統一化，以方便拆換。另外，由于觸覺傳感器有差異，因此只要統一接口，就能更替手指等零部件。

Q：不同場景對于機器人手指可能有不同要求，傅利葉未來可能推出二指、三指的機器人嗎？

A：從通用人形機器人角度看，我們不會做二指、三指，因為人的手指是五根手指，從業務操作泛化性來看，五根手指的人形機器人可以像人類般操作，從而采集真實數據進行泛化，這條路線能夠讓機器人更接近人類。傅利葉推出統一化的接口，客戶可以針對應用需求，自己添加模塊。

Q：傅利葉的人形機器人技術路線是怎樣的，與其他廠家有什么差異？

A：我們的機器人是“Made for AI”的這樣一個概念，會更加側重把機器人的本體做好，把它本身的潛能、活動度、運動性能做扎實。

算法層面上，我們自己會做一些底層的算法調試，另外和一些知名院校聯合開發，與一些公司合作來進行實現。所以基本上一些最前沿的，包括有突破性的最新的算法架構、訓練方式，在我們本體上都在做相應的部署和實踐。而且所獲得的一些成果也是非常令人驚奇的。

Q：傅利葉的人形機器人已經在銀行、工廠等多個場景應用，傅利葉如何分配人力？

A：人形機器人落地效果最明顯的是回報率高場景。比如某個場景有痛點卻沒得到滿足，需要根據客戶需求定義人形機器人的功能優先級。

技術指引未來機器人的發展方向，如果脫離大量技術去滿足客戶需求，對于我們來說只是一個短期利益；如果著眼長期技術方向，需要大量實驗室和頂尖的研發團隊確定技術方向，這是不緊急卻非常重要的工作。

緊急、重要且能立刻落地的場景，需要一部分工程化能力，迅速滿足客戶需求。這其中，長期看技術判斷，根據客戶需求快速輸出、反饋、迭代。

Q：不同場景的應用，對傅利葉機器人的迭代有哪些幫助？

A：機器人在應用中產生的數據儲存在客戶的服務器中，這些數據未來會成為各企業自己的資產，企業可以根據內部數據研發AI Agent。傅利葉做AI Agent本體，相當于身體和大腦。客戶和第三方合作數據歸屬于客戶，他們基于數據進行配置和訓練，我們提供工具鏈和方法論。

我們會建設數據采集的訓練中心，完成部分數據閉環。另外我們將任務中單獨采集的數據集，結合網絡公開數據、仿真數據集進行混合訓練，進而完成部分具體任務。

端到端大模型融合機器人，將在今明兩年有新進展

Q：上半年人形機器人出現了類似價格戰的情況，下半年的競爭可能會激烈，傅利葉怎么應對？

A：首先傅利葉不打價格戰，其次人形機器人行業目前還遠遠沒到價格戰的時期。

舉個例子，假設人力成本一個月一萬塊，買一臺售價一萬塊的人形機器人回家，你會問這款機器人能為你做哪些事情。我們更應該注重讓人形機器人產品成熟，能夠落地完成某些工作，產生真正的商業價值，而不是一開始就關注價格。

Q：機器人技術或產業方面，傅利葉面臨的挑戰是什么？

A：通用機器人只有將身體和大腦結合使用，才能產生作用。大腦方面，現在大模型能夠識別圖片、聊天，但沒有具象化的生成能力。而機器人身體成本高昂，精度有限，也很難執行動作。

現在通用機器人應用場景近百個，總結起來存在的應用問題可分為七大類，因為機器人的大腦和身體能力不足，但場景問題未來會被逐漸解決。

Q：大模型與機器人結合，如何推動機器人發展？

A：最近半年我們看到不少的文獻，可以通過大模型生成動作，讓機器人做一些簡單動作。另外，也可以通過強化學習讓這個機器人學會一些反應要求很高，動作要求很快的動作，這些放在以前不敢想象。

現在機器人有50多個自由度，50多個電機，以前控制每個電機，要向每一行發指令。如果是全身運動控制，每一刻、每一秒都是不同的位置，不同力量的變化，通過傳統編程控制簡直是一個不可能完成的任務。

現在通過大模型，一個神經網絡就可以控制人形機器人，而且機器人的動作可以產生一些意想不到的東西，因為是它自學的。你給它做了一些示范，它可以模仿學習，你給了它一些獎勵函數，它可以通過強化學習快速反應。通過大模型直接給它一張圖片，可以讓它根據圖片闡釋下一個坐標的動作。目前，這些分塊已經有非常頂尖的大佬和實驗室研究。我們覺得大模型與機器人融合在今明兩年能夠看到更多進展。

Q：目前國內的機器人公司更多相信大模型+小模型路線，為什么傅利葉會選擇端到端這條看起來“非主流”的技術路線？

A：我們覺得對于最底層的來說，比如說控制電機發力，首先就能夠做一個位置。舉一個例子，這時候用傳統算法比如 PID算法以及控制算法，容易解決單個問題。

如果要做一些運動控制條件反射，或者實現走路等復雜動作，通過神經網絡模仿學習、強化學習，這些方式能夠讓機器人達到一個非常好的精確運作，穩定度也比較好。

但是再往上，如果說是要真正意義完成一個復雜任務，我們覺得端到端的可能性還是最大的。端到端原本是一個小眾技術，但現在端到端在自動駕駛領域變成了主流認知。人形機器人其實也一樣，原大家看到的是傳統任務規劃，軌跡控制，這些東西都是人形機器人的底子。現在我們更想嘗試端到端方案，解決原來的任務復雜度。

Q：機器人和自動駕駛發展相似，隨著產品智能化不斷提升，不少公司自研零部件以跟上智能化需求。傅利葉已經自研部分核心零部件，未來是否會自研芯片等關鍵零部件？

A：我們對人形機器執行器的關鍵模組是全自研，比如電機、減速機、驅動器、傳感器等，目的是讓整個機器人適配性能夠達到最好。

目前芯片不在自研計劃之內，但是未來不排除這個可能。我們覺得芯片性能會大大影響整機性能，我們可以把很多邊緣側計算放在執行器側，很多算力放在本地。就像特斯拉FSD的大量計算在本地完成，大型服務器集群放在云端，通過連接云端完成復雜問題，需要高速響應的問題在本地解決，所以芯片的需求量未來會很大。

Q：芯片算力未來會多大？

A：算力越大，支撐的神經網絡越大，理論上模型越大，機器人的知識儲備量越大。目前算力瓶頸是，人形機器人的身材比較苗條，不能裝上很多算力板。按照半導體發展情況，未來幾年芯片算力可能提升十倍、百倍。

Q：人形機器人未來的終局會是什么？

A：現在有兩種觀點，一種是認為人形機器人行業將像國內電動汽車品牌，很多廠家有著不同的品牌，產品有不同的定位和價格，機器人行業生態豐富。另一種觀點認為，可能會出現安卓、iOS般的巨頭，具備一定AI能力。我們認為兩種情況都有可能實現，傅利葉希望能推動機器人產品化，實現真正意義的產品泛化性。