国精产品一二三区区别在哪_永久免费无码网站在线观看_亚洲欧洲另类日韩_美女脱了内裤张开腿让男人添_国产精品制服丝袜第一页蜜芽_a级毛片100部免费看_亚洲系列中文字幕在线_色香蕉网大香色香蕉_一级黄色毛片高清视频_国产?Ⅴ无码日韩?Ⅴ无码网站

關(guān)于人形機(jī)器人是否有用的爭(zhēng)論還在繼續(xù)，比如，工業(yè)場(chǎng)景是否需要人形？

「如果工業(yè)場(chǎng)景有一個(gè)具備感知、認(rèn)知、執(zhí)行的能力的智能體，人形并不一定是工業(yè)現(xiàn)場(chǎng)中的最優(yōu)解?！?/span>

「工業(yè)現(xiàn)場(chǎng)最初是為人類設(shè)計(jì)的，所以人形機(jī)器人可以第一時(shí)間進(jìn)入到現(xiàn)場(chǎng)，但今天，工業(yè)現(xiàn)場(chǎng)的生產(chǎn)并不一定要為人設(shè)計(jì)?！?/span>

這是微億智造張志琦的觀點(diǎn)，他們剛剛推出了一款具身智能工業(yè)機(jī)器人「創(chuàng) TRON」，實(shí)現(xiàn)了 LLM 在機(jī)器人領(lǐng)域的技術(shù)落地和商業(yè)化。

大模型在工業(yè)場(chǎng)景，相比消費(fèi)端，在數(shù)據(jù)上有更多的優(yōu)勢(shì)，「（大模型）集成到工業(yè)領(lǐng)域后，我們能夠在每個(gè)場(chǎng)景中積累數(shù)據(jù)，并通過機(jī)器人載體有效執(zhí)行和落地，沉淀有價(jià)值的數(shù)據(jù)?！?/strong>

最近，在 Founder Park 直播間，F(xiàn)ounder Park COO 艾之與微億智造董事長(zhǎng)&CEO 張志琦、捷勃特機(jī)器人副總裁&CTO 賀巖，一起聊了聊新產(chǎn)品「創(chuàng) TRON」誕生的幕后，以及工業(yè)機(jī)器人在今天商業(yè)落地的更多可能性。

文章基于直播整理，略有調(diào)整。

一些有趣的點(diǎn)：

今天國(guó)內(nèi)市場(chǎng)上的機(jī)械臂已經(jīng)很便宜了，但為什么企業(yè)還不用？很多老板吐苦水說，買了幾萬塊的機(jī)械臂，還得配一個(gè)月薪幾萬的工程師來調(diào)教它，而且訂單和產(chǎn)線經(jīng)常變化，工程師還需要時(shí)間去不斷調(diào)整。相比之下，招一個(gè)臨時(shí)工，或者讓老師傅帶一下，幾乎就可以立即上崗。這是現(xiàn)實(shí)中的情況。

具身智能工業(yè)機(jī)器人會(huì)改變行業(yè)對(duì)自動(dòng)化的思考。傳統(tǒng)的流水線設(shè)計(jì)，把人當(dāng)機(jī)器一樣去「使用」。通過流程和 SOP 標(biāo)準(zhǔn)化，去除個(gè)體差異。穩(wěn)定后，再逐步用機(jī)械設(shè)備替代人力。但當(dāng)機(jī)器人具備人類的理解和認(rèn)知能力，能夠基于感知來思考，同時(shí)在執(zhí)行側(cè)又能夠像人一樣靈活應(yīng)對(duì)執(zhí)行任務(wù)，工作流要發(fā)生變化。

「創(chuàng)TRON」在設(shè)計(jì)上對(duì)標(biāo)人類員工。人有時(shí)會(huì)犯錯(cuò)，它也會(huì)，但有機(jī)制來糾正和提升。類似于自動(dòng)駕駛的 L1-L5 級(jí)別，「創(chuàng) TRON」大概是 L2、L3 級(jí)別。它需要人類監(jiān)督，在執(zhí)行時(shí)，發(fā)現(xiàn)問題，及時(shí)糾正，而這些糾正會(huì)幫助模型在下一次的能力提升中表現(xiàn)得更好。

工業(yè)現(xiàn)場(chǎng)最初是為人類設(shè)計(jì)的，所以人形機(jī)器人可以第一時(shí)間進(jìn)入到現(xiàn)場(chǎng)，但今天，工業(yè)現(xiàn)場(chǎng)的生產(chǎn)并不一定要為人設(shè)計(jì)。

工業(yè)現(xiàn)場(chǎng)的第一個(gè)問題就是要把賬算清楚。今天許多與人形機(jī)器人相關(guān)的成本，一部分是在執(zhí)行結(jié)構(gòu)上，另一部分是用了大量傳感器，如果我們把這種模式應(yīng)用到工業(yè)現(xiàn)場(chǎng)，問題就很難解決，賬是算不過來的。所以我們給團(tuán)隊(duì)設(shè)定了一個(gè)預(yù)設(shè)條件——不能使用貴的傳感器，也不能用更貴的技術(shù)來實(shí)現(xiàn)這些目標(biāo)。

從 AI 公司成長(zhǎng)為機(jī)器人公司很難，從機(jī)器人公司成長(zhǎng)為 AI 公司也很難。像「創(chuàng) TRON」這種具身智能產(chǎn)品，必須是硬件與軟件、機(jī)器人與 AI 的深度結(jié)合。今天很多人形機(jī)器人公司動(dòng)輒有 400-500 人的團(tuán)隊(duì)，至少需要 200 多人的硬件團(tuán)隊(duì)，100 多人的算法和軟件團(tuán)隊(duì)，才能逐步將產(chǎn)品做起來。

「創(chuàng)TRON」：

有自主學(xué)習(xí)能力的具身智能工業(yè)機(jī)器人

艾之：這不是你們合作的第一款機(jī)械臂產(chǎn)品了，能不能請(qǐng)您先介紹一下，相比之前的產(chǎn)品，「創(chuàng)TRON」從功能到任務(wù)完成上，有哪些突破？

張志琦：「創(chuàng)TRON」這個(gè)產(chǎn)品是微億智造和捷勃特聯(lián)合推出的第一款具身智能工業(yè)機(jī)器人。為什么稱它為具身智能工業(yè)機(jī)器人，與傳統(tǒng)的機(jī)械臂有什么區(qū)別？這個(gè)機(jī)器人在使用的過程中，真正實(shí)現(xiàn)了從傳統(tǒng)的人工編程或手動(dòng)拖動(dòng)方式的示教過程，轉(zhuǎn)變?yōu)樽詣?dòng)落地執(zhí)行。這跟傳統(tǒng)機(jī)器人在傳統(tǒng)的機(jī)械臂中間加上視覺能力的方式有很大差別。

這款機(jī)器人就像一個(gè)學(xué)徒。一般在工業(yè)現(xiàn)場(chǎng)，師傅帶徒弟時(shí)，師傅演示一遍，徒弟在旁邊看一遍，然后自己操作一遍，如果操作正確，徒弟就算合格上崗了。我們的「創(chuàng)TRON」也是類似的模式，師傅做一遍，機(jī)器人通過視覺系統(tǒng)「看」一遍，然后在仿真系統(tǒng)里學(xué)習(xí)，再在真實(shí)物理環(huán)境中操作一遍，所有這些事情成功之后，最后把所有指令下達(dá)給工業(yè)機(jī)器人，工業(yè)機(jī)器人就能用更高效、更精準(zhǔn)的方式完成所有工作。

這就是「創(chuàng)TRON」與傳統(tǒng)機(jī)器人之間的最大差異。過去我們看到的是冷冰冰的自動(dòng)化設(shè)備，而今天的「創(chuàng)TRON」是一個(gè)活生生的、可以和人進(jìn)行交互的智能化產(chǎn)品。

同時(shí)，它在執(zhí)行過程中如果遇到任何干擾，比如運(yùn)行線路被阻擋、抓取過程中受到干擾，東西掉了、被拿走等等，它都可以自己感知、修正，繼續(xù)執(zhí)行任務(wù)。這是傳統(tǒng)自動(dòng)化設(shè)備無法實(shí)現(xiàn)的，而具身智能的工業(yè)機(jī)器人有能力處理這類任務(wù)。

艾之：過去的自動(dòng)化機(jī)械臂生產(chǎn)線上是不存在這樣的任務(wù)學(xué)習(xí)環(huán)節(jié)的。那傳統(tǒng)的自動(dòng)化機(jī)械臂在生產(chǎn)線上，如何把一個(gè)任務(wù)分解為不同機(jī)械臂需要協(xié)作和執(zhí)行的指令？

賀巖：傳統(tǒng)工業(yè)機(jī)器人要在線上工作的話，實(shí)際上并不是簡(jiǎn)單的把人替換成機(jī)器人。這是一個(gè)很復(fù)雜的過程。

首先，原始材料要規(guī)整地排列在固定的位置上，然后要有工程師為機(jī)器人編程，這是需要專業(yè)知識(shí)的，只有專業(yè)的機(jī)器人工程師才能編寫程序，告訴機(jī)器人去哪個(gè)點(diǎn)抓取物品，在哪個(gè)點(diǎn)安裝。每一步都要程序化地編好。

這個(gè)過程要求兩點(diǎn)：一是上料必須規(guī)整，二是編程初始化。這是傳統(tǒng)工業(yè)機(jī)器人替代工人的過程，非常復(fù)雜。而「創(chuàng) TRON」就像一個(gè)學(xué)徒，能在師傅示范下學(xué)習(xí)并完成任務(wù)，這是一個(gè)革命性的突破。

艾之：大家挺關(guān)心機(jī)器人在實(shí)際應(yīng)用中的穩(wěn)定性，機(jī)器人在跟真實(shí)的人交互的時(shí)候，表現(xiàn)的穩(wěn)定性如何？

賀巖：實(shí)話實(shí)說，我們確實(shí)有失敗的案例，但我認(rèn)為，失敗的案例在整個(gè)過程中給我們提供了很多學(xué)習(xí)機(jī)會(huì)。同時(shí)，我覺得「示教」這個(gè)切入點(diǎn)選得非常好。

正如志琦總提到的，大多數(shù)工業(yè)場(chǎng)景對(duì)可靠性、容錯(cuò)性要求很高，而「示教」這件事本身是有一定容錯(cuò)性的。比如我示范一次，你做錯(cuò)了，我告訴你錯(cuò)了，再做一遍，直到你做對(duì)為止。這個(gè)過程就像 ChatGPT 一樣，你回答錯(cuò)了，我告訴你錯(cuò)了，再來一次，直到你答對(duì)為止。在「示教」環(huán)節(jié)，目前這個(gè)狀態(tài)下，它是可用的，并且能創(chuàng)造很大的價(jià)值。

艾之：對(duì)，在一些對(duì)容錯(cuò)率要求相對(duì)寬松的場(chǎng)景里，它已經(jīng)達(dá)到了實(shí)際可用的狀態(tài)。

張志琦：我們?cè)诂F(xiàn)場(chǎng)演示時(shí)分為兩部分，一部分是學(xué)習(xí)區(qū)，另一部分是工廠的執(zhí)行區(qū)。坦白說，在學(xué)習(xí)過程中它確實(shí)有時(shí)會(huì)出錯(cuò)。因?yàn)楸澈蟮牟僮髁鞒淌菣C(jī)器人先在仿真環(huán)境中學(xué)習(xí)，再在實(shí)際環(huán)境中執(zhí)行。就像人類員工，能力稍弱的徒弟第一次不一定能學(xué)會(huì)，沒學(xué)會(huì)，師傅就得再教一遍。而在每次教學(xué)的過程中，系統(tǒng)其實(shí)會(huì)通過這些失敗的樣本，進(jìn)一步將數(shù)據(jù)回流到模型中，進(jìn)行進(jìn)一步提升。而在執(zhí)行區(qū)，也就是工廠那一側(cè)，成功率非常高，因?yàn)槟遣糠质窃诟咝Лh(huán)境下執(zhí)行的。

所以，「創(chuàng)TRON」這個(gè)產(chǎn)品本質(zhì)上就是對(duì)標(biāo)人類員工的。人有時(shí)會(huì)犯錯(cuò)，它也會(huì)，但我們有機(jī)制來糾正和提升。同樣的，我們的機(jī)器人在執(zhí)行時(shí)也有監(jiān)督機(jī)制，類似于自動(dòng)駕駛的 L1-L5 級(jí)別的過渡，今天我們的產(chǎn)品大概是 L2、L3 級(jí)別。它需要人類監(jiān)督，在執(zhí)行時(shí)，發(fā)現(xiàn)問題，及時(shí)糾正，而這些糾正會(huì)幫助模型在下一次的能力提升中表現(xiàn)得更好。這是我們覺得比較有意思的一點(diǎn)。

當(dāng)然，在實(shí)際現(xiàn)場(chǎng)我們也遇到過一些意外情況。比如這次國(guó)際工業(yè)博覽會(huì)上，很多媒體對(duì)設(shè)備感興趣，拿著閃光燈猛拍，結(jié)果我們突然發(fā)現(xiàn)，一個(gè)機(jī)器人的「眼睛」暫時(shí)失明了，因?yàn)殚W光燈太強(qiáng)烈了。這其實(shí)是個(gè)很好的 Badcase。接下來我們就要考慮怎樣讓模型更好地處理這種干擾，快速修正和恢復(fù)，確保在學(xué)習(xí)過程中能更有效地執(zhí)行。

所以，我們認(rèn)為，AI 和具身智能類產(chǎn)品最不怕失敗，只有在這種模式下，才能有效提升模型能力。不過，我們需要解決的核心問題是，如何在工業(yè)現(xiàn)場(chǎng)中將這些失敗變?yōu)榭煽匾蛩?，從而讓產(chǎn)品能夠真正落地和執(zhí)行。如果產(chǎn)品一直不穩(wěn)定，坦白講，像人類員工一樣，如果他一直不穩(wěn)定，早就被解雇了。如果我們的產(chǎn)品也不穩(wěn)定，肯定也沒人用。

因此，在示教的過程中，我們?cè)试S一定程度的失敗，人類在這個(gè)過程中會(huì)不斷對(duì)它進(jìn)行矯正，一旦模型穩(wěn)定下來，它就能快速落地執(zhí)行，且效率極高。以前，我們可能需要編程來讓設(shè)備理解人的指令，要花費(fèi)幾天甚至幾周時(shí)間。今天通過示教和修正，機(jī)械設(shè)備可以在幾個(gè)小時(shí)內(nèi)快速實(shí)現(xiàn)。

02 

工業(yè)機(jī)器人不需要是人形，

但需要比人做得好

艾之：作為一直深耕工業(yè)領(lǐng)域的人，具身智能概念火起來之后，給這個(gè)行業(yè)帶來哪些變化？

賀巖：具身智能這個(gè)概念興起之后，尤其是馬斯克公布了他的人形機(jī)器人計(jì)劃，讓人們對(duì)未來有了更高的期望，比如我可以做百萬臺(tái)甚至上千萬臺(tái)低成本的機(jī)器人。我切身的感覺是，可選的供應(yīng)商變得越來越多了，因?yàn)樵絹碓蕉喙?yīng)商對(duì)這件事充滿了希望，會(huì)在之前比較小眾的零部件上投入更多資源。

對(duì)于我們來說，可以想象一下，如果人形機(jī)器人售價(jià)是 2 萬美金，那么單個(gè)手臂的成本可能會(huì)低至 2,000 美金，這樣的話，在很多場(chǎng)合，我們可能不需要整個(gè)人形機(jī)器人，只需要一個(gè)手臂就能完成很多任務(wù)，怎么算賬都算得過來。

張志琦：人形機(jī)器人火了之后，讓工業(yè)場(chǎng)景也變得更熱鬧了。大家看到打工人突然多了一個(gè)「鋼鐵之身」，能夠幫助我們解放人力。

傳統(tǒng)的流水線設(shè)計(jì)，把人當(dāng)機(jī)器一樣去「使用」。通過流程和 SOP 標(biāo)準(zhǔn)化，去除個(gè)體差異。當(dāng)這種模式穩(wěn)定后，再逐步用機(jī)械設(shè)備替代人力。但現(xiàn)在突然出現(xiàn)了一個(gè)「鋼鐵之身」，這個(gè)機(jī)器人具備人類的理解和認(rèn)知能力，能夠基于感知來思考，同時(shí)在執(zhí)行側(cè)又能夠像人一樣靈活應(yīng)對(duì)執(zhí)行任務(wù)。它在突然間就改變了我們對(duì)自動(dòng)化的許多思考。

以前自動(dòng)化追求的是高效率，犧牲的是柔性和個(gè)性，大家一直認(rèn)為效率和柔性是矛盾的。而現(xiàn)在，好像來了一個(gè)新事物，可能有機(jī)會(huì)把效率和柔性統(tǒng)一起來。

柔性化：一般機(jī)器的小批量快速量產(chǎn)能力，相對(duì)于通用的定制化，需要有更多靈活性。

當(dāng)然，目前人形機(jī)器人在工業(yè)現(xiàn)場(chǎng)的效率還不夠高，需要加快，還在努力解決柔性化的問題。但我們想通過「創(chuàng) TRON」這款產(chǎn)品，讓行業(yè)理解，實(shí)際上我們是有機(jī)會(huì)將柔性化和高效率結(jié)合起來的，因?yàn)檫@才是真正意義上工業(yè)的需求——就是要做到比人更好，才能真正用設(shè)備去替代人力。

艾之 ：當(dāng)我們談?wù)摼呱碇悄苓@個(gè)概念時(shí)，大多數(shù)人可能首先想到的是人形機(jī)器人。具身智能工業(yè)機(jī)器人（Embodied Intelligent Industrial Robots, EIIR）這個(gè)品類是如何一步步被創(chuàng)造出來的？與傳統(tǒng)工業(yè)機(jī)器人的差別是什么？

賀巖：在工業(yè)機(jī)器人普及的過程中，調(diào)試和傳統(tǒng)示教是非常復(fù)雜的過程。企業(yè)如果要使用工業(yè)機(jī)器人，需要招聘有資質(zhì)、有專業(yè)背景且有經(jīng)驗(yàn)的人，才能把機(jī)器人用起來，這極大限制了工業(yè)機(jī)器人的應(yīng)用范圍。很多企業(yè)主寧愿用人，因?yàn)槿丝梢赃m應(yīng)各種隨意的來料，而且人還可以做別的事，只要去吩咐他就行了。

布置一個(gè)機(jī)器人是非常繁瑣的，如果有這樣一種示范教學(xué)的模式，工業(yè)機(jī)器人可以被應(yīng)用的場(chǎng)合會(huì)大幅增多。

關(guān)于二者的分野，我覺得「智能」這個(gè)詞是有時(shí)效性的，比如說我們現(xiàn)在管手機(jī)叫「智能手機(jī)」，但是我覺得我女兒不會(huì)這么認(rèn)為，她會(huì)覺得手機(jī)不就是現(xiàn)在這樣嗎，為什么還要強(qiáng)調(diào)智能兩個(gè)字？我們對(duì)具身智能的理解是，目標(biāo)是讓它把我們操心的事情都干了。現(xiàn)階段的第一步任務(wù)是，怎樣更方便的向機(jī)器人傳達(dá)指定任務(wù)？不用專業(yè)支持就能夠把我想要的事情交給機(jī)器人來做。這是從傳統(tǒng)工業(yè)機(jī)器人向具身智能機(jī)器人邁出的重要的邁進(jìn)。

張志琦：我從通俗的角度再聊一聊。我們?cè)谠O(shè)計(jì)具身智能工業(yè)機(jī)器人時(shí)，實(shí)際上是根據(jù)我們?cè)跈C(jī)器人使用過程中發(fā)現(xiàn)的許多問題來做的。

微億智造從成立以來就是一家使用機(jī)器人「很深」的企業(yè)，我們最早是從產(chǎn)品外觀檢測(cè)開始，也在大量使用機(jī)器人來實(shí)現(xiàn)針對(duì)機(jī)構(gòu)側(cè)的要求，就像人的手一樣。同時(shí)，我們也在光學(xué)、AI、模擬方面做了很多能力的提升。

在使用機(jī)器人的過程中，首先就像賀總提到的，確實(shí)很難操作，必須有專業(yè)知識(shí)來進(jìn)行有效調(diào)整。我們走訪了許多企業(yè)后發(fā)現(xiàn)，不僅僅是我們難，整個(gè)制造業(yè)都難。很多企業(yè)老板寧愿雇個(gè)臨時(shí)工來解決生產(chǎn)力問題，也好過去買一個(gè)機(jī)械臂。以前是因?yàn)楹芏嗳擞X得機(jī)械臂太貴，今天國(guó)內(nèi)市場(chǎng)上的機(jī)械臂已經(jīng)很便宜了，但為什么企業(yè)還不用？很多老板吐苦水說，買了幾萬塊的機(jī)械臂，還得配一個(gè)月薪幾萬的工程師來調(diào)教它，而且訂單和產(chǎn)線經(jīng)常變化，工程師還需要時(shí)間去不斷調(diào)整。相比之下，我今天招一個(gè)臨時(shí)工來，或者讓老師傅帶一下，幾乎就可以立即上崗。這是現(xiàn)實(shí)中的情況。

我們從很多第三方的市場(chǎng)報(bào)告中看到，每萬名工人的機(jī)械臂使用量，幾年前是 200-300 臺(tái)，現(xiàn)在達(dá)到 300-400 臺(tái)，甚至在發(fā)達(dá)制造地區(qū)達(dá)到了 400-500 臺(tái)。

這個(gè)數(shù)字看起來有點(diǎn)奇怪，為什么每萬名工人只用 500 臺(tái)機(jī)械臂？剩下的 9500 名工人到底在做什么？其實(shí)就是因?yàn)?，傳統(tǒng)固化的機(jī)器人使用場(chǎng)景無法覆蓋那么多崗位。很多企業(yè)主跟我們聊，他們?cè)O(shè)定了指標(biāo)，每年要用一萬臺(tái)機(jī)械臂替代工人，但生產(chǎn)主管覺得真的好難，不知道能在哪些場(chǎng)景使用，能用的場(chǎng)景都用了，但是真的還是有太多場(chǎng)景還是要依靠人來解決。雖然工人難招，相對(duì)流動(dòng)性大，不斷要做培訓(xùn)。

今天是否能有一臺(tái)設(shè)備能真正意義上像人一樣學(xué)習(xí)，還能在執(zhí)行過程中動(dòng)態(tài)處理問題，最終以完成任務(wù)為核心？

這就是我們「創(chuàng) TRON」這款具身智能工業(yè)機(jī)器人的核心目標(biāo)，希望它能像工人一樣通過學(xué)習(xí)完成工作，安裝到現(xiàn)場(chǎng)，跟老師學(xué)一遍，就能把活兒干了。

艾之：這里面的鴻溝其實(shí)是，教人比教機(jī)器要簡(jiǎn)單太多了，專業(yè)人才的缺口應(yīng)該仍然很大。高端人才一方面成本高，一方面供應(yīng)量也未必能滿足工廠需求。因此，具身智能的核心定義應(yīng)該是「像人一樣」。但到底是像人的外形，還是像人的思考和解決問題的能力？可能后者才是核心的概念。

張志琦：是的，這兩年大家對(duì)具身智能的理解越來越深入了，人形機(jī)器人也幫助了大眾理解具身智能的能力。看到一個(gè)人形設(shè)備能夠在現(xiàn)場(chǎng)解決很多人做的事情，突然間對(duì)這個(gè)能力有很大認(rèn)可。但在工業(yè)場(chǎng)景上，我們也要解決「如何算得過來賬」的問題。

我們的具身智能工業(yè)機(jī)器人基本上可以讓工廠在一個(gè)比較低的成本的情況下去應(yīng)用，基于使用的過程積累數(shù)據(jù)，不斷提升能力，從而真正讓這個(gè)產(chǎn)品不光是「算得過來」，同時(shí)產(chǎn)品本身的能力還能持續(xù)提升，這是這個(gè)閉環(huán)中的最核心的點(diǎn)。

艾之：你們覺得工業(yè)場(chǎng)景中最終需要人形機(jī)器人嗎？還是說結(jié)論并不一定？

張志琦：從我的觀點(diǎn)來看，人形機(jī)器人不一定是工業(yè)現(xiàn)場(chǎng)的最佳解決方案。機(jī)械臂不一定要是兩只手，也可能是四只手，甚至更多。也不一定要有雙足，可以是輪子或者其他更高效的移動(dòng)方式。

工業(yè)現(xiàn)場(chǎng)最初是為人類設(shè)計(jì)的，所以人形機(jī)器人可以第一時(shí)間進(jìn)入到現(xiàn)場(chǎng)，但今天，工業(yè)現(xiàn)場(chǎng)的生產(chǎn)并不一定要為人設(shè)計(jì)。

就像以前我們做勞動(dòng)防護(hù)時(shí)還得帶上防毒面具，各方面考慮，它也不可能實(shí)現(xiàn) 24 小時(shí)不間斷的生產(chǎn)。今天這些設(shè)備都可以超越人的能力，不見得是人的形態(tài)，但是它能夠更好地發(fā)揮效益。所以，人形并不一定是工業(yè)現(xiàn)場(chǎng)中的最優(yōu)解。如果有一個(gè)具備感知、認(rèn)知、執(zhí)行的能力的智能體，工業(yè)現(xiàn)場(chǎng)可能更需要這樣的產(chǎn)品。

賀巖：我感覺可以把具身智能體比作硅基生物?，F(xiàn)在的情況有點(diǎn)像寒武紀(jì)時(shí)期的生物大爆發(fā)，氧氣增加帶來生命的爆發(fā)式增長(zhǎng)?，F(xiàn)在的「氧氣」是算力、數(shù)據(jù)和算法，這些技術(shù)的成熟帶來了具身智能體的爆發(fā)式增長(zhǎng)。

前段時(shí)間看到騰訊推出的「騰訊 5 號(hào)」養(yǎng)老機(jī)器人，這是一個(gè)家用機(jī)器人，主要是幫助老年人，但它不是雙足機(jī)器人。因?yàn)楝F(xiàn)在雙足機(jī)器人走路比老年人還要顫顫巍巍，怎么能幫助老年人呢？所以它的支撐結(jié)構(gòu)做得非常穩(wěn)固。其次，它沒有頭。當(dāng)它幫助老人從輪椅轉(zhuǎn)移到床上時(shí)，如果有頭反而會(huì)成為干擾。沒有頭會(huì)讓人感覺更舒服。如果它長(zhǎng)出一個(gè)頭來，反而顯得多余。

這樣的例子讓我看到未來多種多樣的硅基生物的可能性，具身智能體會(huì)以各種形態(tài)出現(xiàn)，但最終會(huì)是什么形態(tài)我沒有辦法做出預(yù)測(cè)。

艾之：這有點(diǎn)像人類本身，不是在每個(gè)場(chǎng)景中都需要發(fā)揮所有能力。比如走路時(shí)是小腦在控制，讀論文時(shí)大腦的核心區(qū)域正在被激活。

其實(shí)有點(diǎn)像去把人這樣一個(gè)已經(jīng)進(jìn)化得非常好的超級(jí)智能體的能力重新排列組合。如果只是單獨(dú)實(shí)現(xiàn)其中一個(gè)模塊的話，成本其實(shí)是要低很多的。不需要在每一個(gè)場(chǎng)景里面都放一個(gè)特別厲害的技工，或者說特別厲害的一個(gè)人。

我想稍微做一下推演，如果以機(jī)械臂為例，像自動(dòng)駕駛一樣有 L1-L5 的分級(jí)，賀巖總，您覺得「創(chuàng) TRON」這款機(jī)器人大概屬于哪個(gè)級(jí)別？如果往更高的級(jí)別發(fā)展，它會(huì)是什么樣的？

賀巖：自動(dòng)駕駛的過程，是隨著等級(jí)提升，對(duì)人的依賴越來越低。目前的工業(yè)機(jī)器人，是要有「駕照」才能用，需要專業(yè)操作人員才能使用。而「創(chuàng) TRON」可以實(shí)現(xiàn)在「沒有駕照」的情況下，在特定領(lǐng)域內(nèi)，沒有專業(yè)背景的情況下，也能夠用起來。

L1，就像是在自動(dòng)倒車入庫這樣的場(chǎng)景中，不用專業(yè)的技能，普通用戶也能自動(dòng)完成。

L2、L3 的話，相當(dāng)于在高速公路上跟車的這些功能，可以在沒有專業(yè)技能的情況下自動(dòng)完成。我認(rèn)為「創(chuàng) TRON」大概相當(dāng)于 L2-L3 級(jí)別。

進(jìn)化到 L4 或 L5 級(jí)別時(shí)，用戶只需要告訴機(jī)器人我要完成什么任務(wù)，完全不需要任何專業(yè)技能。那時(shí)，它就真的像一位聰明的工人了。

03

智能臂的新可能：

一個(gè)集裝箱里生產(chǎn) iPhone

艾之：具身智能工業(yè)機(jī)器人和消費(fèi)類機(jī)器人是針對(duì)不同場(chǎng)景和目標(biāo)設(shè)計(jì)的。兩者在技術(shù)路徑上應(yīng)該有很大的區(qū)別吧？在發(fā)展過程中要攻克的技術(shù)難題，以及難題的優(yōu)先級(jí)，是否存在很大的不同？

張志琦：對(duì)，二者的技術(shù)路徑上和場(chǎng)景有一定的差別。

工業(yè)場(chǎng)景相對(duì)來說是一個(gè)閉環(huán)。它不像開放的世界那樣，可能會(huì)受到各種外界因素的干擾。

舉個(gè)例子，像消費(fèi)類機(jī)器人在不同環(huán)境中幫助老人時(shí)，物理世界的干擾因素很多；但在工業(yè)場(chǎng)景中，在工廠內(nèi)部，干擾相對(duì)有限。

在工廠里，操作的對(duì)象可能是物料、生產(chǎn)設(shè)備，或者生產(chǎn)過程中的工人，環(huán)境相對(duì)封閉。它需要理解和處理的物理世界的量更加有限，這使得工業(yè)場(chǎng)景在模型訓(xùn)練和技術(shù)實(shí)現(xiàn)上相對(duì)容易一些。但工業(yè)場(chǎng)景也有它的難點(diǎn)，比如對(duì)精度和效率沒有容忍度。在 C 端場(chǎng)景中，如果機(jī)器人沒抓住杯子，可以再試一次；但在工業(yè)場(chǎng)景中，任何錯(cuò)誤和失誤都是不可接受的，精度必須極高，效率也必須算得過來。如果執(zhí)行速度太慢，工廠可能寧愿繼續(xù)使用人力，因?yàn)槲覀兊母?jìng)爭(zhēng)對(duì)手始終是人。

因此，我們要做的所有具身智能產(chǎn)品的核心目標(biāo)就是，在工業(yè)現(xiàn)場(chǎng)中做得比人更好，這樣才能讓工廠接受并引入設(shè)備。這也是工業(yè)場(chǎng)景比生活場(chǎng)景更復(fù)雜的地方。

我們?cè)谀承┓矫嫦鄬?duì)容易，比如在目標(biāo)對(duì)象的訓(xùn)練、對(duì)世界模型和環(huán)境的理解上，工業(yè)場(chǎng)景的范圍更小，數(shù)據(jù)集也更小。但困難之處在于，執(zhí)行的操作精度和效率必須極高，因此需要更強(qiáng)的技術(shù)手段來落地實(shí)現(xiàn)。

兩者在技術(shù)路徑上存在差異，尤其是在落地性上，工業(yè)場(chǎng)景里有一個(gè)大挑戰(zhàn)：工廠老板算不過來賬，他就不用。AI 產(chǎn)品都是越用越好的，數(shù)據(jù)越來越多，能力越用越強(qiáng)。如果一開始在商業(yè)化模式上算不過來，可能就變成了一個(gè)「秀場(chǎng)」，大家鼓個(gè)掌，但無法實(shí)際落地。

然而，一旦可以算得過來賬，能夠產(chǎn)生實(shí)際的數(shù)據(jù)和業(yè)務(wù)價(jià)值，它就會(huì)有巨大的市場(chǎng)潛力。因此，這一點(diǎn)是我們需要跨越的。

艾之：總結(jié)起來，核心就是成本、工作效率和任務(wù)執(zhí)行的準(zhǔn)確度，要在這三者之間找到最優(yōu)解。當(dāng)然這個(gè)成本并不是一個(gè)靜態(tài)的標(biāo)價(jià)，而是在做所有的技術(shù)方案組合的時(shí)候，要去不斷計(jì)算的。產(chǎn)品上線之后，它至少要和人類表現(xiàn)得一樣好，甚至在某些任務(wù)上比人類更出色。

有觀眾問到，機(jī)械臂有了智慧后，是否可以降低配套設(shè)備的要求？因?yàn)楫a(chǎn)線上不只是機(jī)械臂，還有很多其他系統(tǒng)設(shè)備。

張志琦：這兩年我們也和很多大型制造集團(tuán)交流過，包括像蘋果、特斯拉這樣在全球制造領(lǐng)域中相對(duì)走到最前端的技術(shù)部門。大家過去看到的生產(chǎn)線可能很壯觀，上百米長(zhǎng)，充滿了機(jī)械設(shè)備整齊如一。但最近跟全球的這些客戶溝通的時(shí)候發(fā)現(xiàn)，大家在這兩年的思路有很大變化，探討的其中一個(gè)新話題是：有沒有可能在一個(gè)集裝箱大小的空間內(nèi)完成一臺(tái) iPhone 的生產(chǎn)？

艾之 ：這是一個(gè)非常大膽的場(chǎng)景設(shè)想。

張志琦：如果能實(shí)現(xiàn)這個(gè)目標(biāo)，將會(huì)對(duì)整個(gè)制造行業(yè)產(chǎn)生巨大的影響。過去我們聽過「黑燈工廠」的概念，但現(xiàn)在都很少提這個(gè)話題，因?yàn)榇蠹彝蝗婚g發(fā)覺它生產(chǎn)的東西很有限，它的柔性化程度較低。

黑燈工廠：Dark Factory，即智慧工廠，因?yàn)閺脑牧系阶罱K成品，所有的加工、運(yùn)輸、檢測(cè)過程均在空無一人的「黑燈工廠」內(nèi)完成，無需人工操作。

現(xiàn)在的問題是，能否有一個(gè)工廠，生產(chǎn)過程可以動(dòng)態(tài)調(diào)配？

如果我今天雇了一幫工人來，今天培訓(xùn)什么，他們就能干什么。明天再培訓(xùn)其他內(nèi)容，他們就能生產(chǎn)其他的東西。從這個(gè)角度上說，人的柔性化程度是最高的。

如果我們把這些思路結(jié)合在一塊的話，你會(huì)發(fā)覺，這樣一來，原來的自動(dòng)化設(shè)備只能做單一的任務(wù)，而未來應(yīng)該能夠執(zhí)行多項(xiàng)任務(wù)，甚至如果下面有一個(gè)抽屜的話，它還能找到不同的工具完成各類操作。

這才是「在一個(gè)集裝箱里生產(chǎn)出一臺(tái) iPhone」的核心點(diǎn)。

在集裝箱的這個(gè)范圍內(nèi)，只要給到足夠的工具和材料，人也能干，但今天，我們能不能用這類的設(shè)備去干？這是我們?cè)诂F(xiàn)在和將來，在智能制造上要去考慮的問題。

的確，具身智能設(shè)備的應(yīng)用會(huì)簡(jiǎn)化整個(gè)制造過程中上下游設(shè)備的要求。因?yàn)槿撕腿酥g能夠直接進(jìn)行溝通和交流，具身智能設(shè)備之間同樣可以通過更靈活的方式完成各工序的銜接，從而進(jìn)一步簡(jiǎn)化流程。設(shè)想未來某一天，具身智能機(jī)器人被廣泛應(yīng)用時(shí)，只需下發(fā)一個(gè)指令，只要有原材料的，這些設(shè)備就能自動(dòng)化地完成生產(chǎn)任務(wù)。這正是我們對(duì)未來制造場(chǎng)景的美好愿景。

04

多模態(tài)大模型是智能臂落地關(guān)鍵，

工業(yè)場(chǎng)景不缺數(shù)據(jù)

艾之：微億團(tuán)隊(duì)可能主要負(fù)責(zé)算法部分，讓機(jī)械臂學(xué)習(xí)人類的動(dòng)作和任務(wù)，其中有哪些關(guān)鍵環(huán)節(jié)？大模型在這一過程中發(fā)揮了哪些作用？

張志琦：其實(shí)，這項(xiàng)技術(shù)能夠真正落地，本質(zhì)上得益于人工智能的進(jìn)步。在過去的自動(dòng)化領(lǐng)域，實(shí)現(xiàn)這種技術(shù)是不可能的。我們可以簡(jiǎn)單拆解一下這個(gè)過程。首先，關(guān)鍵在于操作對(duì)象是什么，必須讓機(jī)械臂識(shí)別這個(gè)對(duì)象，讓它能夠操作。第二，有了這個(gè)操作對(duì)象之后，如何完成這個(gè)任務(wù)？在三維空間中，需要去動(dòng)態(tài)規(guī)劃和執(zhí)行。因此，這個(gè)過程包括感知、認(rèn)知、規(guī)劃、驅(qū)動(dòng)和執(zhí)行，它會(huì)把每個(gè)部分都緊密結(jié)合。

在感知方面，我們會(huì)基于視覺的能力，以前的機(jī)械臂只能通過電機(jī)傳感信號(hào)了解自身的位置，而沒有視覺能力。但今天我們?yōu)闄C(jī)器人裝上了「眼睛」，它多了視覺的能力，不僅能感知操作對(duì)象，還能感知到自己和環(huán)境，在感知上我們就必須把三個(gè)感知的能力要融合在一起。

感知完成后，我們需要進(jìn)行認(rèn)知。以前的認(rèn)知過程非常簡(jiǎn)單，可能就像我們做質(zhì)檢時(shí)，認(rèn)知只是在拍攝的圖片上進(jìn)行分析和判別。但現(xiàn)在的認(rèn)知必須結(jié)合三種不同的感知能力，真正理解整件事情。就像我們之前提到的，人類以目標(biāo)和任務(wù)為核心，具體是怎么完成某項(xiàng)工作的？我們需要有效地將任務(wù)拆解為子任務(wù)，并在執(zhí)行過程中將這些任務(wù)重新整合在一起。

完成認(rèn)知后，接下來就是規(guī)劃，需要用什么樣的流程和方式去完成這個(gè)任務(wù)，同時(shí)還要和機(jī)械臂更深度結(jié)合，把驅(qū)動(dòng)和執(zhí)行有效地結(jié)合起來。在驅(qū)動(dòng)和執(zhí)行的過程中，因?yàn)槲覀冎缹?shí)際操作中可能會(huì)遇到干擾，或者出現(xiàn)異常，需要?jiǎng)討B(tài)地修正和重新規(guī)劃，基于新的感知和認(rèn)知，形成新的規(guī)劃和執(zhí)行。這個(gè)過程必須嚴(yán)絲合縫地形成高速執(zhí)行的結(jié)果，動(dòng)態(tài)地完成過程中的規(guī)劃和修正，才能真正實(shí)現(xiàn)任務(wù)的落地執(zhí)行。

這與傳統(tǒng)自動(dòng)化完全不一樣。傳統(tǒng)自動(dòng)化就是通過編程，按照固定任務(wù)和結(jié)果執(zhí)行。而現(xiàn)在的流程，在各個(gè)環(huán)節(jié)中都需要大量的循環(huán)往復(fù)，把感知、認(rèn)知、規(guī)劃、驅(qū)動(dòng)和執(zhí)行緊密結(jié)合，才能真正完成任務(wù)。

因此，如果只從算法側(cè)，微億是做不了這件事的，必須與捷勃特，特別是機(jī)械臂的本體之間進(jìn)行深度的整合，才能有效結(jié)合動(dòng)態(tài)規(guī)劃和執(zhí)行，把感知、認(rèn)知與執(zhí)行機(jī)構(gòu)緊密銜接。只有這樣，才能將這些環(huán)節(jié)像人類一樣去操作、去落地。

艾之：在具身智能領(lǐng)域，我們都知道可能會(huì)有不同的技術(shù)路徑。有些原本專注于機(jī)器人制造的公司，在解決這一命題時(shí)會(huì)思考，算法如何更好地與機(jī)械本體的控制系統(tǒng)、驅(qū)動(dòng)系統(tǒng)結(jié)合。能否更形象地展開一下，算法真正與機(jī)械本體深度融合的難點(diǎn)究竟在哪里？

賀巖：舉個(gè)例子，因?yàn)槲覀兊臄z像頭是安裝在機(jī)械臂上，相當(dāng)于你的「眼睛」一直在移動(dòng)。當(dāng)你看到一幅畫面時(shí)，首先要知道我的眼睛到底在哪里，因?yàn)樗皇枪潭ǖ?，而是?dòng)態(tài)的。因此，這需要一個(gè)非常高速的數(shù)據(jù)交互能力，系統(tǒng)能夠獲取攝像頭的當(dāng)前位置，將這兩組數(shù)據(jù)拼起來，才能形成準(zhǔn)確的空間感知，否則就會(huì)出現(xiàn)混亂。

另外，如果系統(tǒng)要規(guī)劃?rùn)C(jī)械臂的運(yùn)動(dòng)，機(jī)械臂的物理能力是有上限的。如果速度過快，電機(jī)會(huì)損壞，所有的物理系統(tǒng)都有極限。我們需要在不超過物理極限的情況下，盡可能提高機(jī)械臂的效率，這就要求將動(dòng)力學(xué)模型深度集成到這套系統(tǒng)中。這是一個(gè)非常深度的綁定，一般的合作關(guān)系很難打通，我們?cè)谝黄鹁o密合作才實(shí)現(xiàn)了這樣的技術(shù)突破。

艾之：剛才提到的視覺模塊，它捕捉的是視頻的連續(xù)幀信息，還是靜態(tài)照片信息？

張志琦：其實(shí)我們是從連續(xù)的信息中抽取幀，一幀一幀地抽出來。

前面我們也談到，工業(yè)現(xiàn)場(chǎng)的第一個(gè)問題就是要把賬算清楚。今天許多與人形機(jī)器人相關(guān)的成本，一部分是在執(zhí)行結(jié)構(gòu)上，比如關(guān)節(jié)的成本很高。另一部分是，人形機(jī)器人在感知能力上比較強(qiáng)，它們用了大量傳感器，從激光雷達(dá)到 3D 相機(jī)，能裝的設(shè)備幾乎都裝上了，保證有足夠的信息量，提升設(shè)備的環(huán)境感知能力。但坦白說，這些傳感器都是成本。

如果我們把這種模式應(yīng)用到工業(yè)現(xiàn)場(chǎng)，問題就很難解決，賬是算不過來的。所以我們給團(tuán)隊(duì)設(shè)定了一個(gè)預(yù)設(shè)條件——不能使用貴的傳感器，也不能用更貴的技術(shù)來實(shí)現(xiàn)這些目標(biāo)。

艾之：先把上限卡死。

張志琦：對(duì)，我必須設(shè)定一個(gè)上限，在受限的環(huán)境中解決問題。這增加了團(tuán)隊(duì)的難度，比如在二維圖像的方案中，我們看到的都是一張張 2D 的照片。如何基于 2D 照片判斷對(duì)象物體的位置、擺放方式、與我們的相對(duì)距離。所有這些都需要將 2D 轉(zhuǎn)換為 3D 的空間信息，而且精度必須非常高。工業(yè)現(xiàn)場(chǎng)不能容忍超過 1 毫米以上的公差，否則機(jī)械臂就抓不起來，或者無法正確操作。因此，我們必須在受限的環(huán)境中實(shí)現(xiàn)這些目標(biāo)，這是一個(gè)較大的難題。

正是因?yàn)橥瓿闪诉@項(xiàng)工作，具身智能工業(yè)機(jī)器人在成本上才與傳統(tǒng)工業(yè)機(jī)械臂接近。它沒有增加昂貴的感知設(shè)備，而是依靠算法能力，通過機(jī)器人的相對(duì)空間位置和視覺捕捉的對(duì)象物體畫面，同時(shí)參考對(duì)象物體的 3D CAD 圖紙，完成空間建模，從而進(jìn)行 3D 空間計(jì)算、執(zhí)行。這背后的技術(shù)難度比較高。

就像前面提到，「AI 教母」李飛飛，最近也在做與空間智能相關(guān)的工作，通過一張 2D 照片就能理解背后的物理關(guān)系。今天，我們?cè)诠I(yè)現(xiàn)場(chǎng)實(shí)現(xiàn)了類似的方式，通過一張或一組連續(xù)的照片，判斷對(duì)象物體與機(jī)器人本體的相對(duì)位置、物理環(huán)境和空間坐標(biāo)，完成特定任務(wù)。這是其中比較難的點(diǎn)。

艾之：這個(gè)模型是端側(cè)的小模型，還是多模態(tài)模型？它是由幾個(gè)模型配合完成的嗎？

張志琦：今天具身智能的難點(diǎn)在于它使用了大量不同能力的組合。比如說對(duì)象物體的識(shí)別，它涉及 2D 到 3D 的模型能力的轉(zhuǎn)化，但它本質(zhì)上是一個(gè)小模型，難點(diǎn)在于算法精度必須非常高，訓(xùn)練數(shù)據(jù)集也要足夠小，訓(xùn)練時(shí)間要短。

過去，我們的第一個(gè)版本需要一天的時(shí)間，通過拍攝幾千張不同位置的照片才能完成空間建?！，F(xiàn)在，我只需要 200 張以內(nèi)的照片，在幾個(gè)小時(shí)內(nèi)就能完成，這在速度上有了極大的提升，但本質(zhì)上仍是一個(gè)參數(shù)級(jí)不高的小模型。

同時(shí)，我們也有大模型在背后支持。當(dāng)人類操作時(shí)，實(shí)際上處理的是一組連續(xù)的視頻，我們通過大模型技術(shù)來理解視頻中的語義，從而理解人類是如何操作對(duì)象物體的，再將這些操作拆解成不同的任務(wù)，進(jìn)行編排和執(zhí)行。這是有大模型在背后支撐的。當(dāng)然，這其中存在錯(cuò)誤的概率，因?yàn)榇蠹叶贾?，大模型在初期輸出時(shí)會(huì)有不穩(wěn)定性，有時(shí)它學(xué)錯(cuò)了動(dòng)作，還需要我們修正。

本質(zhì)上，這背后是由一個(gè)視頻語義理解的大模型來落地執(zhí)行。但在每個(gè)子任務(wù)級(jí)，它又是由一堆高精度的小模型指揮機(jī)器人完成不同的運(yùn)動(dòng)規(guī)劃任務(wù)的集合，過程中要去跟機(jī)器人自身運(yùn)動(dòng)的動(dòng)力學(xué)算法打通，確保機(jī)器人在執(zhí)行時(shí)達(dá)到最高效率。所以在這個(gè)過程中，其實(shí)是融合了大量技術(shù)。

這也是為什么大家覺得具身智能產(chǎn)品「很難」，難點(diǎn)就在于，它必須將各種技術(shù)捏合在一起，才能完成特定任務(wù)。而且，還得把實(shí)驗(yàn)室級(jí)別的技術(shù)和實(shí)際落地的工程化產(chǎn)品結(jié)合起來，因?yàn)樽罱K落地的還是一個(gè)工程化的產(chǎn)品，要能夠被客戶使用。這是其中最難的部分。

艾之：感覺你們絕對(duì)是屬于務(wù)實(shí)派，直接坦誠(chéng)地告訴我們，其實(shí)有些 badcase，不要抱太高的預(yù)期，不過在精度要求不那么高的場(chǎng)景下，已經(jīng)可以使用了。

你們團(tuán)隊(duì)的研發(fā)風(fēng)格也是，設(shè)定了明確的上限，堅(jiān)守在這個(gè)成本范圍內(nèi)尋求最優(yōu)解，而不是無限制地投入研發(fā)經(jīng)費(fèi)去追求更好的技術(shù)參數(shù)或零部件。因?yàn)榧幢阃度朐俣?，如果最終算不過來，也無法真正投產(chǎn)。

這種務(wù)實(shí)的思維，可能是來自長(zhǎng)期扎根工業(yè)場(chǎng)景的經(jīng)驗(yàn)。這個(gè)可能也是工業(yè)機(jī)器人出身的團(tuán)隊(duì)，或者說一直扎根在工業(yè)場(chǎng)景里面的團(tuán)隊(duì)去創(chuàng)新時(shí)，可能會(huì)有的一些不同的思維和切入角度。

剛才我們講了大致的實(shí)現(xiàn)路徑，我想請(qǐng)教一下賀巖總，您怎么看待微億和捷勃特的技術(shù)路徑與端到端模型算法的路徑？您對(duì)這些技術(shù)路徑的未來有怎樣的判斷？

賀巖：首先在端到端路徑上，它必須是在容錯(cuò)率非常高的場(chǎng)景中，可以一步步走向?qū)嵱煤统墒臁６诠I(yè)成熟的場(chǎng)景中，我相信，不得不采用這種，一部分基于訓(xùn)練，一部分基于規(guī)則的拼裝組合的方式。因?yàn)樵蕉嗟穆涞貓?chǎng)景，越多的數(shù)據(jù)，就越能推動(dòng)技術(shù)的發(fā)展。因?yàn)槭紫任业迷谝粋€(gè)場(chǎng)景中落地，越落地越有數(shù)據(jù)，可能越成熟。

艾之：得先讓這個(gè)飛輪轉(zhuǎn)起來。

賀巖：對(duì)，而且在中國(guó)這樣一個(gè)制造業(yè)強(qiáng)國(guó)，我們有大量的數(shù)據(jù)源可以利用。所以只要這些數(shù)據(jù)被有效使用，我們就能逐步走向成熟。最終，這兩條路徑應(yīng)該是殊途同歸的。但先得落地，接觸場(chǎng)景和布局是非常重要的，如果無法接觸到這些場(chǎng)景，就很難爬上這坡。

艾之：關(guān)于模型的能力。今天大模型能力還在不斷迭代，像 OpenAI 最近發(fā)布了新模型，我們看到了推理和 agent 能力的提升。這種基礎(chǔ)模型的提升，能否在工業(yè)場(chǎng)景中帶來同等比例的能力提升？

張志琦：是的，今天我們的「創(chuàng)TRON」1.0 在工業(yè)現(xiàn)場(chǎng)能應(yīng)對(duì)的場(chǎng)景還是有限的。我們目前主攻四個(gè)場(chǎng)景：上料下料、裝配、打磨和質(zhì)檢。這些都是制造業(yè)中常見的場(chǎng)景。隨著基礎(chǔ)模型能力的提升，我們可以針對(duì)不同的工業(yè)場(chǎng)景，進(jìn)一步提升能力，提高不同領(lǐng)域中的任務(wù)復(fù)雜度，逐步讓機(jī)器人越來越像有經(jīng)驗(yàn)的人一樣應(yīng)對(duì)各種場(chǎng)景。

所以從大模型的技術(shù)能力提升上來說，工業(yè)現(xiàn)場(chǎng)的場(chǎng)景化應(yīng)用的能力也是會(huì)越來越豐富的。有時(shí)候大家談到工業(yè)大模型和通用化大模型，很多人覺得難，因?yàn)闆]有足夠的數(shù)據(jù)。這也是工業(yè) AI 導(dǎo)入速度偏慢的原因之一。但通過具身智能工業(yè)集成，我們能夠在每個(gè)場(chǎng)景中積累數(shù)據(jù)，并通過機(jī)器人載體有效執(zhí)行和落地，沉淀有價(jià)值的數(shù)據(jù)。

我們經(jīng)常開玩笑說，工業(yè)具身智能機(jī)器人是一個(gè)學(xué)徒，跟著老師傅去學(xué)習(xí)，其實(shí)就是把人腦里的知識(shí)倒出來，通過數(shù)字化載體記錄和儲(chǔ)存下來，以前好工人的經(jīng)驗(yàn)是口口相傳的，而今天是，用一個(gè)有數(shù)字化能力的產(chǎn)品把這部分經(jīng)驗(yàn)和知識(shí)沉淀下來。

所以，可以暢想一下，雖然目前我們只支持四個(gè)場(chǎng)景，但隨著底層模型能力的提升，我們能夠應(yīng)對(duì)更多復(fù)雜場(chǎng)景，逐漸替代部分人工。

回過頭來看，具身智能工業(yè)機(jī)器人的目標(biāo)非常簡(jiǎn)單。如果今天某些地區(qū)有一萬名工人，有 500 臺(tái)機(jī)械臂，那我們的目標(biāo)很簡(jiǎn)單，就是希望通過機(jī)械臂替代這 9500 個(gè)工人，把人從整個(gè)制造的環(huán)節(jié)里完全釋放出來。

艾之：模型算法每次迭代更新需要多長(zhǎng)時(shí)間？你們有具體數(shù)據(jù)或案例嗎？

張志琦：學(xué)習(xí)上需要花一些時(shí)間，切換上速度是極其快的。

目前，對(duì)于操作對(duì)象物體的處理，基本上是在小時(shí)級(jí)。機(jī)器人學(xué)習(xí)一遍后，基于任務(wù)的復(fù)雜度，也能在小時(shí)級(jí)完成所有模型構(gòu)建。一般在工廠培訓(xùn)新員工也需要花半天時(shí)間，而我們的設(shè)備基本可以在同樣時(shí)間內(nèi)實(shí)現(xiàn)落地。但在執(zhí)行過程中，設(shè)備的效率一定比人高，一方面執(zhí)行速度更快，另一方面設(shè)備可以 7x24 小時(shí)不間斷工作。一旦學(xué)完一遍，產(chǎn)線的切換就可以在秒級(jí)完成，也就是可以非?？斓卦诓煌哪Ｐ椭g進(jìn)行有效的轉(zhuǎn)化。

05

以前是人適應(yīng)機(jī)器，

現(xiàn)在是機(jī)器人去理解人

艾之：中國(guó)作為制造業(yè)大國(guó)，很多場(chǎng)景下人力成本仍然低于機(jī)器成本。我們現(xiàn)在有個(gè)大前提，就是希望成本盡量可控，讓機(jī)器人順利進(jìn)入生產(chǎn)線。其次，我們需要大量的數(shù)據(jù)，不斷完善和提升模型能力。

賀巖總，從您的角度來看，像「創(chuàng) TRON」這樣的機(jī)器人，或者未來更先進(jìn)的版本，如何才能順利進(jìn)入生產(chǎn)線？對(duì)于客戶來說，用新的解決方案替代掉老生產(chǎn)線上的方案，他們的核心動(dòng)力是什么？如何讓他們更愿意接受這些新方案？這些客戶肯定是非常精打細(xì)算、成本敏感的，怎么讓他們?cè)敢庾龀鲞@種切換？

賀巖：對(duì)于成熟的生產(chǎn)線，如果沒有升級(jí)的需求，它們可能會(huì)繼續(xù)使用傳統(tǒng)方法。問題在于，很多工廠和企業(yè)主想用機(jī)器人，但用不起來。這限制了工業(yè)機(jī)器人適用的范圍。

「創(chuàng)TRON」的出現(xiàn)解決了幾個(gè)問題。首先，自動(dòng)化設(shè)備，對(duì)上下料的要求不高。其次，我不需要招有學(xué)歷、有資質(zhì)的專業(yè)人員來實(shí)施這套系統(tǒng)，這對(duì)企業(yè)來說是一個(gè)巨大的優(yōu)勢(shì)?，F(xiàn)在工業(yè)機(jī)器人替代工人的滲透率還很低，比如 1 萬名工人中只有五六百臺(tái)機(jī)器人，這是因?yàn)楹芏鄨?chǎng)景上，工業(yè)機(jī)器人根本就用不起來。

我相信，現(xiàn)在使用工業(yè)機(jī)器人的那些成熟生產(chǎn)線會(huì)繼續(xù)存在下去，但「創(chuàng)TRON」的目標(biāo)市場(chǎng)是那些剩下的 9000 多個(gè)崗位。它能夠真正解決的是想用但是沒法用的企業(yè)主的問題。

張志琦：我再補(bǔ)充一下，坦白講，機(jī)器人市場(chǎng)每年的增長(zhǎng)幅度其實(shí)有限。

近年來協(xié)作機(jī)械臂的興起，替代了一些傳統(tǒng)工業(yè)機(jī)械臂的場(chǎng)景，但協(xié)作機(jī)械臂的應(yīng)用量仍然有限。以前它解決的最核心問題是安全性問題，比如在人和設(shè)備共處時(shí)，設(shè)備碰到人會(huì)自動(dòng)停下來，避免傷害。盡管協(xié)作機(jī)械臂在一些生活場(chǎng)景中應(yīng)用增加，但整體市場(chǎng)的增長(zhǎng)量每年也就 20% 左右，這里面協(xié)作機(jī)械臂的量甚至蠶食了部分工業(yè)機(jī)械臂的市場(chǎng)份額。

這也明確地回應(yīng)到剛才賀巖總提到的話題，今天其實(shí)仍然是一個(gè)傳統(tǒng)市場(chǎng)，為什么增長(zhǎng)幅度沒有那么的快？就是因?yàn)樘嗟膱?chǎng)景，不是今天的工業(yè)機(jī)器人或者工業(yè)機(jī)器人加上傳統(tǒng)的協(xié)作機(jī)器人能夠去覆蓋的場(chǎng)景，還是需要依靠人力去做。

而我們的「創(chuàng) TRON」這一類產(chǎn)品，一方面是能夠比傳統(tǒng)機(jī)器人在使用上更加簡(jiǎn)潔。我們真正的目標(biāo)市場(chǎng)是那些無法靠工業(yè)機(jī)器人或協(xié)作機(jī)器人解決問題的市場(chǎng)，因?yàn)檫@些場(chǎng)景需要靈活性和應(yīng)對(duì)多種變化，而傳統(tǒng)工業(yè)機(jī)器人對(duì)此無能為力。但今天，我們有機(jī)會(huì)依靠具身智能產(chǎn)品，用人類的方式來完成這些任務(wù)。既然這些任務(wù)今天是由人來做的，我們就有機(jī)會(huì)用這類產(chǎn)品替代人力，實(shí)現(xiàn)自動(dòng)化。這才是我們這款產(chǎn)品真正的目標(biāo)市場(chǎng)和用戶群體。

艾之：確實(shí)有很多場(chǎng)景，大家想用機(jī)器人但覺得太難，甚至不是成本問題，而是技術(shù)能力的鴻溝問題，這在過去這一直是一個(gè)編程和翻譯的難題——如何將工藝翻譯成機(jī)械臂和機(jī)器人能理解的數(shù)字語言？

張志琦：現(xiàn)在很多專業(yè)人員的工作是「幫機(jī)器人理解業(yè)務(wù)和人類需求」，而「創(chuàng) TRON」這類產(chǎn)品的目標(biāo)是讓機(jī)器去更好地理解人，而不是讓人去適應(yīng)機(jī)器。這是是我們產(chǎn)品的核心點(diǎn)。

艾之：我有個(gè)外行問題，現(xiàn)在我們的機(jī)械臂像個(gè)學(xué)徒，去學(xué)習(xí)老師傅的工藝。那么，在工業(yè)制造領(lǐng)域，工藝的數(shù)字化水平大概是什么樣的？

賀巖：工藝是生產(chǎn)某個(gè)產(chǎn)品時(shí)專業(yè)的 know-how，關(guān)于「我怎么把這件事情做好」。

未來的生產(chǎn)應(yīng)該是，機(jī)器人的使用者只需要知道如何生產(chǎn)出好的產(chǎn)品，只需要知道自己怎么把這個(gè)東西做好，然后能夠通過自己的專業(yè)語言讓機(jī)器人聽懂就可以了，而不需要懂得機(jī)器人的專業(yè)知識(shí)。這是「創(chuàng)TRON」的目標(biāo)。

張志琦：對(duì)，其實(shí)這也涉及到另一個(gè)話題。

機(jī)器人市場(chǎng)發(fā)展了幾十年，很多海外頭部的機(jī)器人廠商已經(jīng)在不同的場(chǎng)景中已經(jīng)積累了大量經(jīng)驗(yàn)，這些經(jīng)驗(yàn)逐漸成為他們另一個(gè)最核心的盈利產(chǎn)品，就是所謂的工藝包或 SDK 庫。比如說在焊接或涂膠等領(lǐng)域，他們有很多這樣的庫，能夠幫助專業(yè)人員更好地翻譯業(yè)務(wù)上的訴求和需求，同時(shí)能夠在機(jī)器人運(yùn)動(dòng)控制和操作對(duì)象方面快速適應(yīng)。然而，回到國(guó)內(nèi)來看，許多汽車廠商在這方面的積累相對(duì)有限。

為什么積累有限？首先，起點(diǎn)不同，國(guó)外廠商發(fā)展了幾十年，而國(guó)內(nèi)很多廠商相對(duì)年輕。其次，這與市場(chǎng)原則有關(guān)。因?yàn)楣に嚢举|(zhì)上是一個(gè)軟件包，軟件包的成本是很低的。今天，國(guó)外的機(jī)器人在硬件上已經(jīng)被國(guó)內(nèi)廠商卷到掙不到什么錢的程度了，但在這一部分軟件包上，還是保持了很大的利潤(rùn)。而在國(guó)內(nèi)，機(jī)器人工程師和集成商的人工成本還相對(duì)偏低，因此集成商往往不會(huì)購買國(guó)外的 SDK 庫和工藝包，而是手動(dòng)調(diào)試，調(diào)整到能基本滿足需求的程度就可以了。但這樣做的柔性化程度會(huì)變得更低，機(jī)器人廠商也難以在這一領(lǐng)域積累經(jīng)驗(yàn)。因此，這就是為什么在這類工藝包上的數(shù)據(jù)積累較少。

同時(shí)，國(guó)內(nèi)還有沒有機(jī)會(huì)解決這個(gè)問題呢？這也是一個(gè)「先有雞還是先有蛋」的問題。

可能一部分有支付能力的廠商不加思考地就選擇了國(guó)外的機(jī)器人和工藝包，能夠把這類場(chǎng)景覆蓋掉，這樣就沒有國(guó)產(chǎn)機(jī)器人的事了。但國(guó)產(chǎn)機(jī)器人廠商又因?yàn)榧缮痰氖謩?dòng)調(diào)試，無法積累數(shù)據(jù)，這就導(dǎo)致國(guó)產(chǎn)廠商難以在這方面進(jìn)一步提升能力。

但是，像「創(chuàng) TRON」這樣的產(chǎn)品恰恰解決了這個(gè)問題，因?yàn)樗軌蛟跀?shù)據(jù)能力上不斷積累，去對(duì)于生產(chǎn)中間的所有的過程數(shù)據(jù)，不管是 good case 還是 bad case，它都可以有效記錄，不斷提升模型能力。

因此，以前想在這些場(chǎng)景中「彎道超車」其實(shí)是不太可能的。而今天通過 AI 技術(shù)，我們實(shí)際上是換了條道。依靠具身智能產(chǎn)品，我們有機(jī)會(huì)去實(shí)現(xiàn)這個(gè)目標(biāo)。

艾之：確實(shí)，大模型技術(shù)讓我們看到了另一種可能性，就像從另一個(gè)坡爬上去，可能可以把中間的四五步并作兩三步，直接達(dá)到同樣的目標(biāo)。因?yàn)橄窆I(yè) 4.0、柔性制造這些概念，已經(jīng)喊了很多年了，本身是從國(guó)外興起的。

06

我們既不怕被抄，

也歡迎大家來抄

艾之：從整個(gè)國(guó)外的產(chǎn)業(yè)基礎(chǔ)來看，他們的數(shù)字化和信息化積累還是非常扎實(shí)的。不過，可能他們也存在原有的路徑依賴，比如你們?cè)诠I(yè)博覽會(huì)上展示機(jī)械臂的時(shí)候，我聽說「四大家族」也都在。能不能給我們分享一下傳統(tǒng)工業(yè)機(jī)器人「四大家族」的最新嘗試？我們?cè)谌蚍秶鷥?nèi)的競(jìng)爭(zhēng)力現(xiàn)在處于什么樣的水平？

注：傳統(tǒng)工業(yè)機(jī)器人領(lǐng)域的「四大家族」指的是瑞士的 ABB、德國(guó)的 KUKA、日本的 FANUC（發(fā)那科）和安川電機(jī)（Yaskawa）。

賀巖：我們的展臺(tái)在「四大家族」展區(qū)的中心位置，因此我們也觀察了一圈。老實(shí)說，我們沒有看到像「創(chuàng) TRON」這樣的創(chuàng)新產(chǎn)品，至少在展會(huì)上沒有看到特別亮眼的具身智能技術(shù)。

張志琦：其實(shí)看完之后我們更加有信心了，哈哈。應(yīng)該這樣說，「四大家族」確實(shí)有很大的包袱。

艾之：對(duì)，這就是我剛才提到的路徑依賴問題，之前他們的基礎(chǔ)太扎實(shí)了。

張志琦：坦白講，很多時(shí)候這種路徑依賴會(huì)抑制創(chuàng)新能力。所以今年看到的四大家族，還是在機(jī)器人的底層技術(shù)上不斷精進(jìn)，比如運(yùn)動(dòng)控制和系統(tǒng)控制。機(jī)器人已經(jīng)發(fā)展了幾十年，這些方面能提升的空間是有限的。但反觀國(guó)產(chǎn)機(jī)器人的展館就熱鬧得多，各種類型的機(jī)器人都有，比如幫人按摩、針灸、沖咖啡的，各種各樣的展示非常豐富。

艾之：是的，沖咖啡的都是入門基礎(chǔ)款。

張志琦：對(duì)，現(xiàn)場(chǎng)很熱鬧。我們也看到一些廠商放的視頻，展示的功能和我們的「創(chuàng)TRON」有些接近，向大家展示大模型如何與機(jī)器人技術(shù)結(jié)合。但坦白說，在實(shí)際操作上，還沒有誰敢真正搬一臺(tái)設(shè)備到現(xiàn)場(chǎng)，和大家互動(dòng)演示。這一點(diǎn)其實(shí)很有意思。我們的展臺(tái)上有很多友商，氣氛也很熱鬧。國(guó)外的機(jī)器人廠商和國(guó)內(nèi)的同行都來看，大家對(duì)我們的設(shè)備評(píng)價(jià)都很高。

艾之：剛才提到另辟蹊徑，找到了一些技術(shù)紅利，走了一條創(chuàng)新的路徑。想請(qǐng)教一個(gè)外行問題，如果別人想抄我們的技術(shù)，好抄嗎？

張志琦：本質(zhì)上來說，產(chǎn)品的理念和設(shè)計(jì)并不是別人完全想不到的。今天，「創(chuàng) TRON」這個(gè)產(chǎn)品的技術(shù)分解后，會(huì)發(fā)現(xiàn)其中有很多復(fù)雜問題，涉及技術(shù)、工程等一系列難題，必須將這些問題整合起來，才能真正落地。

從一家 AI 公司成長(zhǎng)為一家機(jī)器人公司很難，從一家機(jī)器人公司成長(zhǎng)為一家 AI 公司也很難。像「創(chuàng)TRON」這種具身智能產(chǎn)品，必須是硬件與軟件、機(jī)器人與 AI 的深度結(jié)合。今天很多人形機(jī)器人公司動(dòng)輒有 400-500 人的團(tuán)隊(duì)，至少需要 200 多人的硬件團(tuán)隊(duì)，100 多人的算法和軟件團(tuán)隊(duì)，才能逐步將產(chǎn)品做起來。

如果沒有這樣的團(tuán)隊(duì)配置，基本上就是缺胳膊少腿，很難做到。我們?cè)谧鼍呱碇悄芄I(yè)集成時(shí)，如果沒有兩家在技術(shù)上的深度合作，這件事幾乎不可能實(shí)現(xiàn)。許多同行在工博會(huì)上看到我們的產(chǎn)品時(shí)，都說這確實(shí)很難做到。外行可能覺得機(jī)器人很聰明，但內(nèi)行看門道，他們能看出我們?cè)诩夹g(shù)上涉及了很多細(xì)節(jié)，超越了很多技術(shù)能力已經(jīng)不錯(cuò)的公司。

從我的角度來說，我希望「創(chuàng)TRON」這個(gè)產(chǎn)品能以點(diǎn)帶面。首先，它能引導(dǎo)微億和捷勃特的產(chǎn)品更好地向具身智能方向發(fā)展。其次，我也希望同行能看到這個(gè)產(chǎn)品的價(jià)值，進(jìn)入這個(gè)賽道。工業(yè)賽道的天花板非常高，不僅是微億和捷勃特兩家公司能夠完成的。雖然門檻高，但如果大家一起努力前行，整個(gè)中國(guó)的制造業(yè)就有機(jī)會(huì)登上珠穆朗瑪峰。無論我們是從北坡攀登，還是友商從南坡攀登，或者我們?yōu)楹髞淼墓静瘸隽艘恍┠_印，讓他們能夠更快前進(jìn)，對(duì)整個(gè)中國(guó)制造業(yè)登頂珠峰都有幫助。所以我們既不怕被抄，也歡迎大家來抄。

艾之：先把蛋糕做大再說，對(duì)吧？

賀巖：對(duì)，我從另一個(gè)角度稍微補(bǔ)充一下。

我們剛才說的門檻，首先是微億智造和捷勃特在工業(yè)場(chǎng)景中的深厚積累和理解。我們要做具身人工智能，但客戶到底需要什么，這需要我們?cè)谛袠I(yè)里深耕多年積累的經(jīng)驗(yàn)。第二，是微億團(tuán)隊(duì)對(duì) AI 技術(shù)的強(qiáng)大把控能力。

再有，捷勃特機(jī)器人的自研率非常高。所以當(dāng)微億智造問能否實(shí)現(xiàn)某個(gè)功能時(shí)，我們都能做到，因?yàn)樗械募夹g(shù)都是自主研發(fā)的。

還有一點(diǎn)非常重要，就是雙方之間深厚的互信。我把我的技術(shù)開放給你，你也開放給我，這都建立在彼此深層的信任基礎(chǔ)上。

所以，這幾方面都是很高的門檻。

艾之：未來你們的產(chǎn)品和技術(shù)路線上，可能會(huì)帶來什么樣的機(jī)械臂或具身智能工業(yè)機(jī)器人？

賀巖：首先我們要把「創(chuàng) TRON」這款產(chǎn)品真正落地。因?yàn)閺某晒β屎托实慕嵌瓤?，離「為客戶創(chuàng)造價(jià)值」，我們還有很多事可以做，如果能夠把這個(gè)事情做到更好，本身就是一件偉大、蠻有挑戰(zhàn)的事。從產(chǎn)品展示到找到種子客戶，再到讓客戶真正意識(shí)到這款產(chǎn)品的價(jià)值，這中間還有一段路要走，希望能踏實(shí)地把這條路走好，走穩(wěn)。

艾之：先讓更多的工廠和生產(chǎn)線用起來，這是關(guān)鍵。

張志琦：對(duì)的，其實(shí)按照我們和捷勃特的時(shí)間規(guī)劃，明年上半年我們計(jì)劃完成產(chǎn)品的小批量生產(chǎn)，下半年會(huì)完成大批量生產(chǎn)。就像賀巖總說的，產(chǎn)品工程化過程中還有很多工作要快速落地和實(shí)現(xiàn)。同時(shí)我們的第一批種子客戶已經(jīng)逐步開始導(dǎo)入這些設(shè)備，完成第一期項(xiàng)目的落地。我們也希望在這批項(xiàng)目中盡快看到成果，為更多同行業(yè)甚至跨行業(yè)的客戶提供一個(gè)良好的基礎(chǔ)。

賀巖：從長(zhǎng)遠(yuǎn)來看，未來我們可能會(huì)結(jié)合力學(xué)和觸覺，現(xiàn)在我們已經(jīng)結(jié)合了視覺，接下來還會(huì)賦予機(jī)器人更多像人一樣的感覺——有眼睛、有大腦、再加上重量感。未來還有很多事情可以做。

（文章轉(zhuǎn)載自Founder Park）