对话蚂蚁灵波科技CEO朱兴:具身智能规模红利兑现时刻尚未到来,具身基模长期或仅剩3至5家
过去,大模型主要活跃于数字世界,完成文本生成、信息检索、方案推演;如今,具身智能逐步走出仿真环境,机器人开始在工厂、物流场景承担分拣、拆垛、物料搬运等实体作业,具身商业化试点加速落地。但技术快速发展的同时,跨硬件适配难、行业标准缺失等痛点凸显。赛道未来会形成怎样的竞争格局?参与者又该如何寻找生存位置...
过去,大模型主要活跃于数字世界,完成文本生成、信息检索、方案推演;如今,具身智能逐步走出仿真环境,机器人开始在工厂、物流场景承担分拣、拆垛、物料搬运等实体作业,具身商业化试点加速落地。
但技术快速发展的同时,跨硬件适配难、行业标准缺失等痛点凸显。赛道未来会形成怎样的竞争格局?参与者又该如何寻找生存位置?11月16日,蚂蚁灵波具身大模型挑战赛在上海收官,蚂蚁灵波科技CEO朱兴接受北京商报等多家媒体采访。朱兴指出,具身智能想要实现规模化落地,模型能力只是基础,产业基建与理性判断才是发展的前置条件。
朱兴认为,数字大模型已经演绎过完整的产业路径,大量玩家入场,经过竞争之后快速收敛。具身物理基础模型,大概率会复制类似的产业逻辑。做物理世界的基础模型,要同时扛住团队、数据Knowhow、整套训练与数据闭环Infra(基础设施)三重考验,综合门槛很高。
他判断,明年具身智能行业就会迎来第一波收敛。数据范式、评测Benchmark(基准)、技术路线、产业分工都会慢慢定型。收敛之后,产业才会进入加速期。“当然具身的周期会比自动驾驶更长,先收敛一波,再分裂一波,再收敛一波,但我们还是要扎扎实实做好自己的工作。”
在朱兴看来,行业短期比拼模型训练能力,中长期比拼数据沉淀。真正决定企业能不能留在牌桌上的,是穿越技术范式变迁的能力。“不管技术范式怎么改变,不管模型架构怎么样,有几个东西不会变,团队、数据理解、底层基础设施要保证能够快速跟上,不从牌桌上退下来。”朱兴称,放眼国内具身产业,物理基础模型赛道不会留存大量玩家,长期看3—5家会是市场的主要格局。灵波的目标,就是成为留下来的3—5家之一。
不强求统一人形构型
当前宇树、智元等机器人本体厂商,纷纷自研VLA(视觉-语言-动作)模型,绑定自家硬件做闭环。面对行业软硬一体的浪潮,朱兴提出不同判断,未来机器人本体构型并不会走向大一统。
“我们一直不相信构型会那么收敛,以工业或者To B为例,一个非常重载的作业跟一个非常轻载的分拣,为什么用同一个构型?今天有很多是固定工位的工作,为什么非要强制配移动能力?有时候大家讲所谓的‘第一性原理’,机器人像人,这个对也不对,但走过头了就物极必反了。”朱兴认为,重载作业、轻载分拣、固定工位任务,需求天然不一样,强求统一人形构型,会带来高昂成本,很难规模化。在他看来,机器人作为生产力工具,应当匹配差异化场景需求。
朱兴介绍,“跨构型”是蚂蚁灵波长期坚守的技术路线。模型要实现跨机器人身体、跨不同本体硬件,兼容夹爪、灵巧手、吸盘等各式各样末端执行器;在感知层面,对双目、结构光、被动相机,以及电磁、压阻等不同原理的触觉传感器实现广泛适配。不同传感器方案各有所长,也各有局限,灵波希望打通多元感知信号来源,为机器人输出统一高质量输入。在他看来,坚持这套通用兼容路线,不是技术偏好,而是整个产业发展的客观需要。
不是数据越多效果就越好
近期,通用大模型做机器人大脑成为热点,不少观点期待明后年迎来物理AI临界点。在朱兴眼中,大语言模型的发展对机器人产业具备巨大推动作用,但手段不能替代最终目的。
机器人在物理世界作业,核心追求是成功率、泛化能力、响应速度、成本可控。至于实现路径,无论是大语言模型向下渗透,还是具身原生模型向上迭代,只是路线差异,不必非黑即白争高下。
“未来会存在超级云端大脑,打通数字智能体和物理机器人智能体。但这不代表直接把通用大模型拿来,就能解决机器人全部实操难题。”朱兴打比方,基模就像把孩子培养成高中生,综合能力很强,但从来没有骑过自行车,依旧需要反复练习才能掌握技能。具身智能足够复杂,需要一轮轮技术发散再收敛,逐步逼近最终目标。
虽然赛道热度高涨,但朱兴反复提示行业要保持理性。时至今日,全球还没有任何一家企业找到具身智能明确的Scaling Law(规模法则)路径。不要看到新的技术热点就盲目乐观。
朱兴提到,整个行业都在期盼具身智能迎来“Scaling Law时刻”,但当前尚未确定究竟哪一类数据的规模化能够触发模型智能涌现,该问题仍待全行业探索。
他进一步提醒到,目前,不存在万能的数据类型,互联网操作视频、第一视角Ego(本体)数据、UMI(无本体数据)、真机、仿真数据分别适配模型不同训练周期。
总的来说,越是靠近预训练,越是以人为中心的更好的Scaling up(规模化跃升)数据更合适,比如互联网操作视频、Ego数据;越是到模型落地干一个非常具体的任务,比如拆垛、上下料、插拔、物流分拣,一定要越接近于这个真实的任务、真实的场景,包括越贴近机器人物理身体本身的数据,那真机就会发挥更大的价值,每种数据有不同的价值,且在不同模型训练的阶段会发挥价值。
另外,数据并非越多越好,要讲究科学上量,在没有吃透数据质量与处理经验的前提下盲目扩量,只会浪费资源。此外,真正的数据需求由基础模型团队定义,模型厂商才最清楚数据缺口与需要维持的数据多样性,这一核心能力并不掌握在供应链、本体或解决方案企业手中。
长期格局或只剩下3至5家
回顾近一年来,朱兴称,模型虽未出现颠覆式质变,但实现量级提升。
“所有复杂问题的解决是一步一步迈出来的,哪怕从今天看过去一年,无论在数据的采集方式、在数据的供给,哪怕像婴儿的奶粉一样作为冷启动的养料也好,它还是改变了很多;另外,模型的能力,哪怕不是质变,但是在量级上是有进展的。去年很少有说已经在工厂和物流里面做试点了,大家看不到有一些比较复杂的真机操作视频,哪怕是demo(原版演示),每年都在变化。”他说道。
不过,放眼国内具身产业,朱兴认为,物理基础模型赛道不会涌现大量玩家,长期格局大概率只剩下3—5家核心企业。
参考大语言模型市场,如今几家主导,具身赛道也会复刻类似路径。当下做具身模型的公司不少,技术路线各有不同,按照朱兴的判断,行业在明年之前会迎来第一波收敛,灵波的目标就是成为最终留存下来的厂商之一。
在朱兴看来,具身行业的发展周期甚至会比自动驾驶更长,会经历多轮收敛、分裂、再收敛的往复过程,企业需要踏实深耕。
“无论未来技术范式、模型架构如何迭代,有三样核心要素不会改变:优秀的研发团队、数据沉淀与数据认知、数据闭环和训练相关的Infra基础设施能力。回看大语言模型市场,赛道完成收敛之后,头部企业能够持续留在牌桌上,新参与者很难入场,比拼的正是团队与底层基建实力。”
他预计,从明年开始,产业应用落地会迎来一定规模的加速。“它回过头来会带来具身智能模型迭代真正的闭环,包括非常宝贵的异常数据,类似于自动驾驶这种感觉的回流。这些东西就像小孩学走路一样,前面可能走得不稳,两条腿一起走就摔倒了。所以,不要盲目乐观,也不要过度悲观。”
北京商报记者 刘四红