曾是華為“天才少年”、現(xiàn)智元聯(lián)合創(chuàng)始人“稚暉君”彭志輝（央視網(wǎng)）

曾憑借華為“天才少年”計(jì)劃以201萬年薪加入、現(xiàn)任智元聯(lián)合創(chuàng)始人兼CTO的“稚暉君”彭志輝，日前在微博發(fā)布預(yù)告“下周智元機(jī)器人有好東西發(fā)布”。

3月10日上午，智元機(jī)器人正式發(fā)布首個(gè)通用具身基座模型——智元啟元大模型GO-1（Genie Operator-1）。

該模型基于Vision-Language-Latent-Action(ViLLA)框架，由VLM(多模態(tài)大模型)+MoE(混合專家)組成，具有采訓(xùn)推一體，小樣本快速泛化、“一腦多形”的跨本體應(yīng)用、持續(xù)進(jìn)化、人類視頻學(xué)習(xí)等突出優(yōu)勢(shì)，可以借助人類和多種機(jī)器人數(shù)據(jù)，賦予機(jī)器人革命性學(xué)習(xí)能力。

上述消息引發(fā)熱議。10日上午，、 等多個(gè)詞條登上了微博熱搜。

3月10日上午溝通會(huì)上，智元具身研究中心常務(wù)主任任廣輝對(duì)鈦媒體AGI等表示，截至目前，智元機(jī)器人已經(jīng)量產(chǎn)下線1000臺(tái)機(jī)器人。他還透露，Go-1基于通用數(shù)據(jù)訓(xùn)練，擁有非常強(qiáng)的泛化能力，在零數(shù)據(jù)下可以泛化到一個(gè)新場(chǎng)景、新任務(wù)，而基于該模型可以部署到各行各業(yè)當(dāng)中，整體成本會(huì)比較低。

任廣輝強(qiáng)調(diào)，“具身智能”會(huì)向通用化、開放化和智能化邁進(jìn)，走向開放世界，不再局限于實(shí)驗(yàn)室了。

智元機(jī)器人合伙人、研究院執(zhí)行院長(zhǎng)、具身業(yè)務(wù)部總裁姚卯青表示，智元對(duì)于 AI 技術(shù)的投入是戰(zhàn)略級(jí)的，非常堅(jiān)定，今年也將開始規(guī)模化的生產(chǎn)和交付，并不會(huì)去顯著將一些 AI 研發(fā)投入轉(zhuǎn)移到最終的終端售價(jià)上面。他認(rèn)為，在智元啟元大模型GO-1下，智元機(jī)器人進(jìn)入到G3-G4過程當(dāng)中，能夠很好完成某一任務(wù)，同時(shí)也逐步具備這種通用能力。

“機(jī)器人公司如果不做大模型，那是屬于沒有未來的，機(jī)器人沒有智能化、沒有作業(yè)能力只是一個(gè)硬件，他能做的事情非常有限。”姚卯青對(duì)鈦媒體AGI等強(qiáng)調(diào)，未來，AI 能力一定是區(qū)分機(jī)器人產(chǎn)品競(jìng)爭(zhēng)力的核心。硬件也許大家會(huì)有一些類似的方案逐漸收斂，供應(yīng)鏈也會(huì)高度整合，那么在最后大家比拼一定是AI的能力，這對(duì)于機(jī)器人落地和自主作業(yè)能力至關(guān)重要。

據(jù)悉，成立于2023年的智元機(jī)器人，是當(dāng)前國(guó)內(nèi)人形機(jī)器人賽道頭部企業(yè)之一，其創(chuàng)始人之一彭志輝是坐擁250多萬粉絲的B站UP主“稚暉君”。

公司成立不到1個(gè)月，智元就完成天使輪融資、年內(nèi)更斬獲4次融資，成立僅6個(gè)月就發(fā)布首款人形機(jī)器人，2024年還發(fā)布五款商用人形機(jī)器人新品，并且去年底開源百萬真實(shí)機(jī)器人數(shù)據(jù)集，以及年初率先達(dá)成1000臺(tái)機(jī)器人量產(chǎn)等，引發(fā)行業(yè)關(guān)注。

截至目前，智元機(jī)器人已完成天使輪、A1、A1+等多輪融資，累計(jì)募資總額超過16億元。

智元機(jī)器人共有三條主打產(chǎn)品線，分別是遠(yuǎn)征、Genie和靈犀。

事實(shí)上，現(xiàn)有具身模型面臨多個(gè)落地困境，包括泛化性差，到新場(chǎng)景時(shí)成功率大幅下降；擴(kuò)展新任務(wù)時(shí)需要大量數(shù)據(jù)，落地成本高；不同本體的數(shù)據(jù)無法共用，數(shù)據(jù)成本高；模型無法持續(xù)進(jìn)化；DP/ACT等具身小模型技能單一且無法快速學(xué)習(xí)新技能，GR-1/2等模型無法構(gòu)建通用的場(chǎng)景感知、指令理解等能力，語義指令泛化受限，以及小樣本泛化到新場(chǎng)景/新任務(wù)能力較弱等。

如今，智元希望解決上述一系列問題，并于今天發(fā)布了首個(gè)具身基座大模型Genie Operator-1 (GO-1)。

這是全球第一個(gè)基于大規(guī)模、高質(zhì)量自有數(shù)據(jù)，基于自有機(jī)器人本體訓(xùn)練并部署的機(jī)器人基座模型。

該模型開創(chuàng)性地提出了Vision-Language-Latent-Action （ViLLA） 架構(gòu)，該架構(gòu)由VLM（多模態(tài)大模型） + MoE（混合專家）組成，其中VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場(chǎng)景感知和語言理解能力，MoE中的Latent Planner（隱式規(guī)劃器）借助大量跨本體和人類操作視頻數(shù)據(jù)獲得通用的動(dòng)作理解能力，MoE中的Action Expert（動(dòng)作專家）借助百萬真機(jī)數(shù)據(jù)獲得精細(xì)的動(dòng)作執(zhí)行能力，三者環(huán)環(huán)相扣，實(shí)現(xiàn)了可以利用人類視頻學(xué)習(xí)，完成小樣本快速泛化，降低了具身智能門檻，并成功部署到智元多款機(jī)器人本體。

Genie Operator-1有五大特點(diǎn)：采訓(xùn)推一體，搭配智元軟硬件一體化框架，可以實(shí)現(xiàn)數(shù)據(jù)采集、模型訓(xùn)練、模型推理的無縫銜接；小樣本快速泛化，具有強(qiáng)大的泛化能力，使得后訓(xùn)練成本非常低，能夠在極少數(shù)據(jù)甚至零樣本下泛化到新場(chǎng)景、新任務(wù)；一腦多形，是一個(gè)通用機(jī)器人策略模型，能夠在不同機(jī)器人形態(tài)之間遷移，快速適配到不同本體；持續(xù)進(jìn)化，搭配智元一整套數(shù)據(jù)回流系統(tǒng)，可以從實(shí)際執(zhí)行遇到的問題數(shù)據(jù)中持續(xù)進(jìn)化學(xué)習(xí)；人類視頻學(xué)習(xí)，可以結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí)，增強(qiáng)模型對(duì)人類行為的理解。

據(jù)智元介紹，相比已有的最優(yōu)模型，GO-1平均成功率提高了32%（46%->78%）。其中，在執(zhí)行“Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（補(bǔ)充飲料） 任務(wù)表現(xiàn)尤為突出。

智元機(jī)器人方面表示，GO-1的出現(xiàn)，為機(jī)器人代替人類完成工作生活中的各種事情，提供了強(qiáng)大的腦力支持。從準(zhǔn)備餐食、收拾桌面這樣的家庭場(chǎng)景任務(wù)，到接待訪客、發(fā)放物品這類辦公和商業(yè)場(chǎng)景的常見工作，再到工業(yè)等更多場(chǎng)景的其他操作任務(wù)，通用具身基座大模型都可以快速實(shí)現(xiàn)。這也意味著“具身智能”從單一任務(wù)到多種任務(wù)、從封閉環(huán)境到開放世界、從預(yù)設(shè)程序到指令泛化加速邁進(jìn)，讓機(jī)器人走向更多不同場(chǎng)景、適應(yīng)多變的真實(shí)世界。

此外，任廣輝透露，公司已與階躍星辰合作，后續(xù)圍繞階躍的多模態(tài)、推理和訓(xùn)練、工程化等底層模型能力，進(jìn)行深度的合作，將階躍星辰多模態(tài)等能力賦能到機(jī)器人上面。

在姚卯青看來，利用 AI 大模型，能夠助力機(jī)器人操作上手能力，從而加速進(jìn)入工廠、零售、服務(wù)業(yè)等場(chǎng)景工作，長(zhǎng)期還能進(jìn)入家庭。“這才是機(jī)器人價(jià)值被充分發(fā)揮的時(shí)刻。”

談到最受關(guān)注的9.9萬元機(jī)器人話題，姚卯青對(duì)鈦媒體AGI獨(dú)家表示，9萬9的機(jī)器人只具備基礎(chǔ)運(yùn)動(dòng)能力，在本體、硬件、算法都還沒有收斂的情況下，大家急著“卷”價(jià)格戰(zhàn)，沒有什么意義。因此，姚卯青呼吁人形機(jī)器人產(chǎn)業(yè)需要看產(chǎn)品競(jìng)爭(zhēng)力，如果都達(dá)不到給用戶創(chuàng)造價(jià)值的時(shí)候打9.9萬元，只會(huì)把整個(gè)行業(yè)變成一個(gè)很不健康的狀態(tài)。

姚卯青強(qiáng)調(diào)，未來1-2年，人形機(jī)器人能夠在局部工業(yè)場(chǎng)景應(yīng)用落地，機(jī)器人走進(jìn)家庭還需要5年左右的時(shí)間。此外，機(jī)器人實(shí)現(xiàn)像人一樣有通用能力的物理世界AGI（通用人工智能）還需要5-10年時(shí)間。

據(jù)鈦媒體AGI獨(dú)家了解，預(yù)計(jì)2025年第二季度，智元將會(huì)推出基于強(qiáng)化學(xué)習(xí)的仿真模型，今年下半年，智元機(jī)器人將發(fā)布X2等多個(gè)新款商用機(jī)器人產(chǎn)品，以及“靈巧手”等多個(gè)新技術(shù)，加速推進(jìn)2025年智元10倍營(yíng)收增長(zhǎng)目標(biāo)。

（本文首發(fā)于鈦媒體App，作者｜林志佳）