作者 | 黎詩韻

編輯 | 靖宇

人形機(jī)器人不是新事物，但它的熱潮在兩年前再次被喚起，隨著特斯拉發(fā)布人形機(jī)器人 Optimus、以及 ChatGPT 的出現(xiàn)，整個(gè)行業(yè)爆發(fā)出巨大的想象力。技術(shù)上，它意味著人形機(jī)器人可以擁有真正智能的大腦，進(jìn)化成有自主感知決策執(zhí)行能力的智能體。而商業(yè)上，更智能的人形機(jī)器人可能會形成全新的生產(chǎn)力供給，為工業(yè)、家庭等場景帶來萬億美元規(guī)模的產(chǎn)值。 特斯拉的 Optimus 最大的目標(biāo)是服務(wù)特斯拉的汽車產(chǎn)線，這也是眾多人形機(jī)器人公司在發(fā)力的方向。今年 3 月，人形機(jī)器人公司 Apptronik 與奔馳工廠合作；8 月，OpenAI 扶持的人形機(jī)器人公司 Figure 繼續(xù)加深與寶馬工廠合作。

而和前幾次技術(shù)革命不同，中國企業(yè)在這一進(jìn)程上并不落后。

在正在舉行的 2024 世界機(jī)器人大會上，優(yōu)必選發(fā)布了全球首個(gè)面向多任務(wù)工業(yè)場景的通用人形機(jī)器人解決方案，把人形機(jī)器人在工廠的實(shí)訓(xùn)成果直接搬到了現(xiàn)場，讓觀眾現(xiàn)場觀摩人形機(jī)器人在工廠執(zhí)行質(zhì)檢、分揀和搬運(yùn)的任務(wù)。

大會現(xiàn)場，優(yōu)必選還與奧迪一汽和北京具身智能機(jī)器人創(chuàng)新中心簽署合作協(xié)議，三方會共同研發(fā)人形機(jī)器人智能化解決方案，將人形機(jī)器人引入汽車產(chǎn)線的智能搬運(yùn)、質(zhì)量檢查和過程材料操作等工位，推動人形機(jī)器人在汽車工廠的大規(guī)模應(yīng)用。

北京具身智能機(jī)器人創(chuàng)新中心總經(jīng)理熊友軍、奧迪一汽工程技術(shù)部部長利貝克·托比亞斯、優(yōu)必選首席品牌官譚旻分別代表三方簽署合作協(xié)議

奧迪一汽也成為繼吉利汽車、東風(fēng)柳汽、一汽-大眾青島分公司、一汽紅旗之后，又一家和優(yōu)必選達(dá)成合作的車企。目前，優(yōu)必選是全球范圍內(nèi)合作車企數(shù)量最多的人形機(jī)器人企業(yè)，而除了車企之外，與優(yōu)必選達(dá)成合作的企業(yè)還包括了全球最大的精密電子制造商富士康，以及全球第四大的綜合物流服務(wù)提供商順豐。

在這套解決方案下，優(yōu)必選先為人形機(jī)器人在工廠應(yīng)用規(guī)劃了搬運(yùn)、質(zhì)檢、分揀、螺絲擰緊、零件安裝、過程材料操作 6 大任務(wù)。目前，工業(yè)版 人形機(jī)器人 Walker S 系列已經(jīng)進(jìn)入多家車廠實(shí)訓(xùn)，車企付一定費(fèi)用，人形機(jī)器人會通過大約 12-24 個(gè)月的實(shí)訓(xùn)不斷驗(yàn)證產(chǎn)品性能。

這意味著，中國人形機(jī)器人行業(yè)在走入市場驗(yàn)證（POC，Proof of Concept）階段，雖然距離想象中人形機(jī)器人在工業(yè)場景的真正通用、以及商業(yè)化落地，還有一定距離。但優(yōu)必選的選擇似乎表明，在人形機(jī)器人相關(guān)技術(shù)還未成熟的今天，通過對客戶需求和使用場景的了解和掌握，現(xiàn)有技術(shù)依然可以滿足工業(yè)場景最細(xì)小的需求、形成最小的 TPF（技術(shù)產(chǎn)品匹配）。

雖然距離想象中人形機(jī)器人在工業(yè)場景的真正通用、以及商業(yè)化落地，還有一定距離。但優(yōu)必選的選擇似乎表明，在人形機(jī)器人相關(guān)技術(shù)還未成熟的今天，通過對客戶需求和使用場景的了解和掌握，現(xiàn)有技術(shù)依然可以滿足工業(yè)場景最細(xì)小的需求、形成最小的 TPF（技術(shù)產(chǎn)品匹配）。談及人形機(jī)器人星辰大海的未來，有人認(rèn)為在實(shí)驗(yàn)室里研發(fā)一個(gè)通用具身大模型是關(guān)鍵。但優(yōu)必選認(rèn)為，盡可能地把人形機(jī)器人安排到真實(shí)應(yīng)用場景里，先把一個(gè)垂直細(xì)分場景做好，再拓展到其它更多領(lǐng)域，這也許是打造一個(gè)通用人形機(jī)器人的最終答案。

01 車企需要人形機(jī)器人

如果說大模型是技術(shù)取得了突破之后、企業(yè)急著去找應(yīng)用場景，那人形機(jī)器人則是在技術(shù)不斷迭代的同時(shí)，市場的需求就已經(jīng)很強(qiáng)烈。這也要求人形機(jī)器人企業(yè)需要真實(shí)地了解市場的真實(shí)需求，利用已有技術(shù)布局來針對真實(shí)需求進(jìn)行功能研發(fā)。

事實(shí)上，優(yōu)必選提出這個(gè)工業(yè)解決方案的起點(diǎn)，并不是它想落地人形機(jī)器人技術(shù)、于是找車企合作。恰恰相反，正是汽車企業(yè)有了強(qiáng)烈的需求，于是找到優(yōu)必選看、問是否能為其工業(yè)場景提供人形機(jī)器人。

這背后反映了汽車行業(yè)對人形機(jī)器人強(qiáng)烈、真實(shí)的市場需求。

汽車制造分為沖壓、焊接、涂裝和總裝四大工藝，其中前三個(gè)環(huán)節(jié)幾乎 90% 以上都由傳統(tǒng)自動化設(shè)備，如機(jī)械臂、協(xié)作臂或 AGV（自動導(dǎo)引車）等完成。但在總裝環(huán)節(jié)，由于工藝相對非結(jié)構(gòu)化、復(fù)雜，其自動化率只有 20% 左右、終究離不開人工，車企招工難、成本高。

比如非結(jié)構(gòu)性的搬運(yùn)場景，工人整天要搬十幾斤重的箱子，不僅枯燥、而且對身體有損傷，崗位很難招人。又比如非結(jié)構(gòu)性的涂料場景，工作環(huán)境有高輻射、高粉塵、甚至有害化學(xué)物品，招人同樣困難。

「大家可能想象不到，一些領(lǐng)先的新能源汽車生產(chǎn)商即便有數(shù)十萬甚至上百萬的工人，但是依然長期處于不滿工的狀態(tài)。車廠工人的流動性實(shí)際上非常高。」優(yōu)必選副總裁、研究院執(zhí)行院長焦繼超表示。

在這些場景中，能像「人」一樣干活的人形機(jī)器人是急需的。傳統(tǒng)的機(jī)械臂、簡單機(jī)器人往往只能完成給定的、被規(guī)劃好的任務(wù)。 而人形機(jī)器人或具身智能的定義是，其可以自主決策、規(guī)劃、執(zhí)行，像人一樣行動——而其技術(shù)成熟度越高，通用性、泛化性就越強(qiáng)，越能在不同場景、任務(wù)中切換，最終降低服務(wù)成本。

今年以來，焦繼超帶著研發(fā)團(tuán)隊(duì)走訪了接近 20 家車企，并與車企研究院和產(chǎn)線的負(fù)責(zé)人進(jìn)行了深度、持續(xù)的溝通。通過這些調(diào)研，他與團(tuán)隊(duì)梳理出了大家的一些共同需求，以及車企對于人形機(jī)器人的能力要求。

最終，優(yōu)必選得出了車企對于人形機(jī)器人的幾個(gè)基本能力要求，包括要有足夠的自主能力、靈巧操作能力、穩(wěn)定可靠性等。基于這些要求以及目前已有的技術(shù)邊界，優(yōu)必選最終選中了幾項(xiàng)任務(wù)來開啟人形機(jī)器人在車廠中的實(shí)訓(xùn)，包括第一階段的搬運(yùn)、質(zhì)檢、分揀，之后，他們還計(jì)劃將實(shí)訓(xùn)任務(wù)拓展到螺絲擰緊、零件安裝、過程材料操作等。

優(yōu)必選人形機(jī)器人演示搬運(yùn)動作｜圖片優(yōu)必選

盡管人形機(jī)器人領(lǐng)域的基礎(chǔ)具身大模型（一般指 VLA 視覺語言動作模型，和基礎(chǔ)語言大模型不同，它輸出的是動作）尚未有根本的技術(shù)突破，但在焦繼超看來，這并不十分重要。 「在工業(yè)里面我不是一定要跑個(gè)底座大模型，你可以理解為訓(xùn)個(gè)小模型就可以實(shí)現(xiàn)了。」他說。

給人形機(jī)器人做訓(xùn)練，實(shí)際上就是讓它在跟真實(shí)世界的交互中，提升它自主感知決策執(zhí)行的能力。

目前，主流的訓(xùn)練路徑分為兩種，一是大模型加小模型，即大模型作為「大腦」負(fù)責(zé)多模態(tài)感知、理解、規(guī)劃，而小模型作為「小腦」執(zhí)行，包括步態(tài)和靈巧操作等，這一方式已超過部分通用大模型的表現(xiàn)。另一種方式是端到端，即通過海量的數(shù)據(jù)訓(xùn)練，讓人形機(jī)器人看到數(shù)據(jù)就能輸出執(zhí)行，但這種訓(xùn)練方式更難捉摸。

人形機(jī)器人的訓(xùn)練路徑 | 圖片優(yōu)必選

優(yōu)必選表示，目前在工業(yè)場景領(lǐng)域，主要還是采用大模型加小模型的技術(shù)路線，因?yàn)槠溆?xùn)練效率更好。不過它也在做端到端的嘗試，未來面向更通用的場景，端到端的路線也許會是更好的選擇。

以搬運(yùn)場景為例，大模型先感知環(huán)境，判斷料箱的大小和重量、搬運(yùn)點(diǎn)的位置等，接著進(jìn)行路徑規(guī)劃，下命令給電機(jī)，要求調(diào)整相應(yīng)的力度進(jìn)行抓取，重的貨物用大力、輕的貨物用小力，最終實(shí)現(xiàn)搬運(yùn)。

在這樣的訓(xùn)練框架下，優(yōu)必選讓人形機(jī)器人在搬運(yùn)、分揀、質(zhì)檢等任務(wù)上初步驗(yàn)證了可行性。過去，這種之前只能由人類完成的工作，現(xiàn)在都可以由人形機(jī)器人完成。

通過智能化的能力，人形機(jī)器人執(zhí)行這些任務(wù)時(shí)還具有一定的通用性、泛化性。以擰螺絲為例，人形機(jī)器人在 A 公司學(xué)會了擰螺絲，而切換到 B 公司、螺絲的型號和尺寸發(fā)生變化，機(jī)器人適配的成本很低、可以做到迅速部署。

在焦繼超看來，目前這個(gè)階段的任務(wù)在于，通過人形機(jī)器人在多個(gè)真實(shí)應(yīng)用場景中的數(shù)據(jù)反饋，不斷進(jìn)行產(chǎn)品的驗(yàn)證、優(yōu)化，為之后實(shí)現(xiàn)人形機(jī)器人在工業(yè)場景的大規(guī)模商用打下基礎(chǔ)，「到時(shí)候我們把人形機(jī)器人交給客戶，它們可以直接拿它當(dāng)工人用。」他說。

02 人形機(jī)器人不是一上來就通用，而是場景由點(diǎn)及面地通用

在工業(yè)場景的應(yīng)用落地上，優(yōu)必選確實(shí)覺得自己有一種「急迫感」。這倒主要不是出于商業(yè)化的考慮，作為一家成立了 12 年的人形機(jī)器人公司，優(yōu)必選這些年已經(jīng)探索出了一條成熟的自我供血路徑——一條腿研發(fā)人形機(jī)器人，另一條腿則將相關(guān)技術(shù)「沿途下蛋」，它最重要的收入來源是 AI 教育、物流、康養(yǎng)等智能機(jī)器人服務(wù)。

在人形機(jī)器人這條腿上，現(xiàn)階段更重要的意義在于通過在真實(shí)場景的落地實(shí)訓(xùn)，一是實(shí)現(xiàn)技術(shù)突破，保持技術(shù)領(lǐng)先性，二是爭取在細(xì)分場景實(shí)現(xiàn)應(yīng)用突破。

原因在于，目前制約人形機(jī)器人發(fā)展的核心要素是數(shù)據(jù)。大模型擁有海量的互聯(lián)網(wǎng)數(shù)據(jù)，自動駕駛擁有海量的行車數(shù)據(jù)，但人形機(jī)器人的訓(xùn)練數(shù)據(jù)則少之又少、采集困難、成本也高。

現(xiàn)在盡管目前一些公司提出，可以通過虛擬的仿真數(shù)據(jù)訓(xùn)練，但這條路也并未形成共識。比如焦繼超認(rèn)為，單純的仿真數(shù)據(jù)只是換了信息表達(dá)的方式、并不能準(zhǔn)確描述物理世界。最終，還是要依靠真實(shí)物理世界的數(shù)據(jù)、并在此基礎(chǔ)上形成仿真數(shù)據(jù)，真實(shí)數(shù)據(jù)的占比至少需要 80%。

考慮到場景的采集是海量的、而采集的成本又是極高的，最合適的方式就是選一個(gè)細(xì)分場景，既能從技術(shù)上收集數(shù)據(jù)做訓(xùn)練、又能同時(shí)商業(yè)化。那么目前能跑通的這些細(xì)分工業(yè)場景，就是不錯的起步選擇。

「誰掌握了場景，誰就掌握了數(shù)據(jù)。誰掌握了數(shù)據(jù)，誰就掌握了做出真正通用人形機(jī)器人的關(guān)鍵要素。」焦繼超表示。 在他看來，和大語言模型不同，機(jī)器人的大模型大概率不是一上來就通用，而是由點(diǎn)及面、慢慢實(shí)現(xiàn)通用。

談及率先能夠與多家車廠達(dá)成合作的原因，焦繼超總結(jié)為三點(diǎn)：

一是技術(shù)積累。作為有 12 年歷史的人形機(jī)器人公司，優(yōu)必選在人形機(jī)器人全棧式技術(shù)，包括硬件、軟件等方面都有更多積累。「實(shí)訓(xùn)一旦開始就是一兩年時(shí)間，如果車企對人形機(jī)器人公司的技術(shù)沒有足夠的認(rèn)識和認(rèn)可，大概率會認(rèn)為這家公司做不成他們想要的方案，最終不會達(dá)成合作。」焦繼超表示。

二是對客戶真實(shí)需求的認(rèn)識。如果說很多初創(chuàng)公司仍需技術(shù)「秀肌肉」，優(yōu)必選已經(jīng)經(jīng)歷過了該階段，更關(guān)注客戶需求。畢竟在一個(gè)現(xiàn)實(shí)的工廠環(huán)境中，人形機(jī)器人最重要的能力是能不能干活。

三是穩(wěn)定可靠性。早在 2021 年推出人形機(jī)器人 Walker X 時(shí)，優(yōu)必選就將它用于大型展館等場景，例如，在迪拜世博會中國館，Walker X 和熊貓機(jī)器人優(yōu)悠就穩(wěn)定服務(wù)了六個(gè)月。在中國科學(xué)技術(shù)館，Walker 也服務(wù)了超過兩年。這種穩(wěn)定服務(wù)的能力，對于車廠來說尤為重要。

從小到大、從垂直到通用，優(yōu)必選將人形機(jī)器人的應(yīng)用場景擴(kuò)張分為三步：

一、今年底，從新能源汽車廠切入，在搬運(yùn)和分揀等任務(wù)進(jìn)行測試，持續(xù)穩(wěn)定性和可靠性，并實(shí)現(xiàn)小批量交付；

二、明年起，從車廠逐步擴(kuò)展到更多的場景，并推動人形機(jī)器人完成中等難度任務(wù)，提升產(chǎn)品性能，逐步實(shí)現(xiàn)規(guī)模商業(yè)化；

三、從 2028 年起，進(jìn)一步拓展更復(fù)雜的任務(wù)場景，成為多任務(wù)通用性工業(yè)人形機(jī)器人。

人社部、工信部、教育部聯(lián)合發(fā)布的《制造業(yè)人工發(fā)展規(guī)劃指南》中給出的預(yù)測數(shù)據(jù)顯示，到 2025 年，中國制造業(yè)工業(yè)缺口將接近 3000 萬人，這也會是人形機(jī)器人的一個(gè)巨大的潛在市場。優(yōu)必選就表示，目前已收到來自車廠的 500 臺人形機(jī)器人意向訂單。他們認(rèn)為，隨著人形機(jī)器人等技術(shù)的引入，工業(yè)場景會形成「721」的格局：70% 是傳統(tǒng)機(jī)械臂、20% 是人形機(jī)器人、10% 是人工。這 500 臺走入工廠的「鋼鐵實(shí)習(xí)生」，正是人形機(jī)器人成為那「20%」的第一步。

那時(shí)，制造業(yè)的用工短缺將不再是問題、成本也會進(jìn)一步降低，我國先進(jìn)制造的競爭優(yōu)勢也將繼續(xù)保持。而當(dāng)工業(yè)場景實(shí)現(xiàn)突破之后，人形機(jī)器人將向家庭場景進(jìn)發(fā)，這是所有公司的最終目標(biāo)。

一位人形機(jī)器人創(chuàng)業(yè)者感慨道，從來沒有碰到過這樣一個(gè)時(shí)刻，國家的需求、市場的需求、技術(shù)的可行性，這三件事完美地聚焦在了當(dāng)下這個(gè)時(shí)間窗口，因此預(yù)示了一個(gè)龐大市場的到來。這也許正是優(yōu)必選等人形機(jī)器人公司，如此積極地投入、力圖搶占先機(jī)的原因。