具身智能落地难在哪：工厂已常规作业，赚钱还要等多久

浙江一家汽车工厂里，十几台人形机器人已经干了两个多月的常规活。快递小包分拣这道工序上，星动纪元的机器人效率追平了人工，眼下在全国5个省市十多个分拣中心跑着。可是一场有30多家企业参加的座谈会上，聊到物料上下料、邮政包裹处理这些应用，气氛就不一样了：有些场景试了好几回，还是“没打穿”。

11月5日，第九届虹桥国际经济论坛人形机器人与具身智能产业创新发展合作论坛上，乐聚机器人董事长冷晓琨、星动纪元董事长石选阳分别讲了上述汽车工厂和快递分拣项目。国家地方共建人形机器人创新中心（以下简称“国地中心”）首席科学家江磊说的是前一天跟企业座谈的场面：用户带着需求来，厂家带着产品来，两边都在找机会，卡住的地方在于厂家手里的机器人到底能把用户的活干到什么程度。

讨论环节，主持人追问企业“还有多少时间能赚到钱”。摩尔线程联合创始人、执行总裁王东提到了业内惦记的另一个节点：大语言模型已经一轮接一轮迭代过了，具身智能要等来自己的“ChatGPT时刻”，还缺什么。

从未来产业到新质生产力：具身智能的“整链跃迁”圆桌。本文图片均来自 澎湃新闻记者 秦盛

一套算法能用在四种场景，为何还有工序“没打穿”？

江磊拿“锤子”和“钉子”比喻座谈会上的供需两方。应急、消防等领域的用户有具体任务，机器人厂家也愿意进场试，可有些应用“可能都锤了几下”，用户的问题还是没解决。

宇树上市后股价波动，行业一度冒出“虚火”和泡沫之争，江磊说起了日前的一场国际技能挑战赛。团队挑了百联超市、汽车、上海消防和物料上下料四类场景，同一套算法四种场景都能用，少量样本就能适应不同任务。接下来要提的是机器人完成任务的成功率和操作精度。江磊对这类应用比较乐观，再有一年到一年半有望落地。

“现在这个行业的概念特别多，概念多了以后会产生技术的不收敛性。”江磊建议，定标准时可以把各行业待解的问题列成清单，写清楚用户要机器人干什么、现有产品哪些指标还差着，再交给企业去解决。标准之外，他还想通过中试平台提供一块“木头板”，让拿锤子的人和拿钉子的人在同一个场地反复试。国地中心此前推出“实景实训”行动计划，用意也是拿真实作业积累的数据训练机器人，再放到现场检验它学了多少。

石选阳指出，先选哪道工序做，关系到一家创业公司把有限的人力和时间花在哪。“对于一个创业公司来讲，资源和时间都是这个公司的命门。”据他介绍，星动纪元于2023年从

到2025年，星动纪元开始把机器人和模型放进真实场景试用，之后选定物流作为优先投入的方向。石选阳表示，过去展示机器人的单项能力，看它跳得多高、跑得多快，一只灵巧手能完成多少个动作。快递分拣中心要求的是机器人在同一道工序里兼顾速度和准确性，现场情况变了，模型也得跟着应对。

工厂愿意用，机器人企业多久能赚钱？

快递分拣中心里，机器人处理小包的效率赶上人工，客户那边还有一笔账要算。石选阳表示，设备能不能持续稳定运行、作业中要多少次人工介入，都会影响运营成本。星动纪元还配了数据采集、项目实施和现场支持团队，跟客户一起维护设备。

对机器人厂家来说，产品卖得出去，收入还得撑住后续研发。冷晓琨用“沿途下蛋”形容乐聚过去十年的做法。公司一直做双足人形机器人，盼着有一天能进家庭、用于养老，但最初五年主要做的是高校科研和中小学人工智能教育。大约三年前，乐聚判断，人形机器人进家庭之前，会先在工厂找到与自动化设备、机械臂互补的岗位。

冷晓琨说，乐聚前两年只在一汽红旗、3C和家电等场景做了小批量验证，直到今年，才有一些项目进入批量部署阶段。浙江那家汽车工厂的十几台人形机器人之所以能连干两个多月常规活儿，是因为效率和成本都达到了工厂的要求。今年前三季度，乐聚工业板块的占比涨得比公司预想快，其中不少应用是合作伙伴做出来的。乐聚出机器人本体、模型和数据，合作伙伴再根据工厂需要做二次开发。

在冷晓琨看来，工业项目头一两年很难见效，可一道工序跑通以后，才有机会从一两台测试走到批量部署。数据、模型、本体、安全这些环节都还有硬骨头，反倒是已经成熟的技术能找到肯掏钱的客户。“是市场在等技术成熟。等你成熟一点的时候，它就能卖出去一点。”

被问到还有多少时间能赚钱，冷晓琨回答：“从单一产品来看，如果你不做预研了，我就盯着现在的产品干，我觉得今年很多企业都能赚到钱”，可企业还得为下一代技术铺路，“这就是一个长期投入了”。

AI生成概念图

离具身智能的“ChatGPT时刻”，还差什么？

王东说：“大家不知道什么时候那个爆发时刻会发生。”大语言模型差不多一两个月就迭代一次。回看语言模型此前的突破，他觉得参数规模到千亿级别是重要原因。再瞧机器人，国内企业在关节、电机、材料这些方面已经做得不错，可一说到机器人的“大脑”，“大家总觉得好像还欠一点”。

王东表示，除了扩大模型参数规模，算力和仿真训练平台也要跟上，“这个三位一体才能把事解决掉”。

头一件事是数据从哪儿来。王东说，机器人在真实环境里做一个动作、物体跟着怎么变，这种物理交互数据很难大规模拿到，有一部分只能靠仿真合成。仿真里不光要模拟物体和动作，光线、场景、观察视角的变化也得模拟。这既要模型运算用的张量算力，也要图形渲染，有时候还得上光线追踪。摩尔线程选做全功能GPU，看重的正是这些能力。

从数据合成、预训练、强化学习、仿真验证，一直到把模型装到机器人上，中间好几个环节得接起来。王东说，眼下这些步骤还比较割裂，数据在中间倒腾，精度可能掉，开发周期也会拖长。他介绍，摩尔线程已经和合作伙伴搭了物理仿真数据合成平台，也和京东等企业合作做模型预训练。

江磊把注意力放在另一件事上：机器人学到的经验，能迁移到多少种新任务。他提到，“AI加机器人的通用泛化能力，决定了你行业的上限”。行业过去更看重数据质量，接下来要做的还有扩大训练数据的覆盖面。要让机器人在没有专门训练过的任务上也能干活，就得把更多真实经验喂给它。机器人适应的环境一多，安全边界怎么划，也需要业内一起定标准。

冷晓琨拿乐聚过去一年的项目举例。团队先用合成数据和仿真数据预训练基础模型，模型能应付多种场景，任务成功率却只有40%左右。换成训练场采集的真机数据，再去训练特定领域的模型，成功率能升到80%上下。照他的经验，到了这个水平，工厂才肯让机器人进场实训。从80%再往95%走，靠的正是进厂之后采到的实际作业数据。