具身智能在2024年成為了距離上最接近AI大模型的概念。一時間，業(yè)內(nèi)多家公司競相宣布推出相關(guān)產(chǎn)品，要將AI機器人賦能日常生活。

作為機器人行業(yè)的老兵，王斌深諳AI算力對機器人的重要性，“算力已經(jīng)發(fā)展到了這么高的階段，其實還有大量的需求。因為物理世界的數(shù)字化還遠遠沒有完成，目前只是語音、圖片、生成式視頻，但是機器人服務(wù)所需要的是真正物理世界實時的數(shù)字孿生。這才是未來的AI。”

具身智能的發(fā)展前景、云端機器人如何搭建架構(gòu)體系、AI大模型的驅(qū)動作用，以及個性化智能與情感服務(wù)對機器人的重要性等等，在星際營25期“新銳AI之星融資加速計劃”上，達闥科技副總裁王斌就上述話題，進行了一場信息量拉滿的分享。

以下基于標題為《AI創(chuàng)業(yè)的技術(shù)和商業(yè)化場景突破及具身智能的未來》的演講，經(jīng)創(chuàng)業(yè)邦整理后發(fā)布。

機器人的“大腦、小腦、肢體”要協(xié)同工作

今后的機器人更多的應(yīng)該是工作、生活場景中為人提供服務(wù)，但是機器人自己去服務(wù)，有AI的驅(qū)動還不夠，一定要有一個運營的平臺，很好地讓機器人安全地工作，能力不斷提升，保證我們?nèi)祟悓C器人的可控，包括倫理方面的東西，所以我們現(xiàn)在做機器人一定是有一個運營平臺的。就像搞移動通信，有中國移動、中國聯(lián)通。沒有網(wǎng)絡(luò)運營，機器人直接給到用戶就不管了可以嗎？不可以。我們做機器人，不光是機器人的問題，還有AI的部分，這是個全棧的技術(shù)，這個就不講了。簡單補充一下，機器人的“大腦、小腦、肢體”，是去年提出來的發(fā)展人形機器人指導(dǎo)意見，這個概念就是我在工信部開會的時候提出來的，我們是工信部人形機器人專家組的，以前大家注重機器人本體的東西，跟AI結(jié)合怎么結(jié)合？我們大模型的技術(shù)如何結(jié)合起來？機器人是不是像人一樣有一個超級大腦，同時還有個機器人的小腦，本體的這些算力，再加上機器人控制的問題，我們提出來這樣一個概念，具體從云端機器人架構(gòu)里可以給大家做一個分析。

機器人的發(fā)展大家已經(jīng)接觸了很多，傳統(tǒng)的機器人是工業(yè)機器人，實際上就是一個重復(fù)地完成固定的動作。進一步有一些感知的協(xié)作機器人，后面有移動能力，從植物到動物的發(fā)展，到爬行動物，這些都是大自然進化，生物體越來越有智能、智力和行動能力，AGV小車，也包括無人駕駛技術(shù)和汽車結(jié)合，未來肯定是一種像人一樣的有各種各樣的感知設(shè)備，感知器官，以及各種各樣的行動能力的機器人。當然人形機器人，我們希望未來成為通用的平臺。這樣架構(gòu)的發(fā)展，無論是我們之前做的機器人，可能在某一領(lǐng)域可以做，完成固定工作繼續(xù)使用，隨著通用性的提高，用戶需求的提高，一定是向云端機器人的架構(gòu)去發(fā)展。

簡單講云端機器人，機器人大腦肯定在云端，現(xiàn)在的技術(shù)不太可能把通用大模型放在機器人的設(shè)備里面，需要太大的算力以及能量的消耗，也不科學，也不經(jīng)濟。所以這個大腦在云端，通過網(wǎng)絡(luò)連接到機器人的本體，構(gòu)成了“云、網(wǎng)、端”架構(gòu)，簡稱就是云端機器人。我們公司2015年成立開始就按照這樣的架構(gòu)去打造未來的智能機器人，好在我們現(xiàn)在的網(wǎng)絡(luò)通信技術(shù)已經(jīng)非常厲害了，在幾千公里之內(nèi)可以達到像人一樣的時延反應(yīng)速度，人的眼睛看到物體，到視網(wǎng)膜，到大腦的處理，30毫秒就可以完成。這些在4G、5G情況下，通過網(wǎng)絡(luò)傳輸也可以達到幾十毫秒的反應(yīng)，跟我們?nèi)艘粯拥姆磻?yīng)速度，夠用了，對我們機器人來講，代替我們?nèi)祟惞ぷ骰緣蛴昧恕?/p>

人形機器人：人類的第三臺智能設(shè)備

我們知道做機器人，一直要構(gòu)建一個產(chǎn)業(yè)的生態(tài)，我們把機器人定義成人類的第三臺計算設(shè)備，PC、智能手機，未來機器人就是第三個智能設(shè)備。這個智能設(shè)備能干什么？不是我們一家公司能夠全開發(fā)出來的，一定是生態(tài)來做的。手機能干什么？做硬件的，一批廠家做，做芯片的，做器件的。手機的應(yīng)用是靠手機的App，有大量的App開發(fā)商，讓我們時時刻刻離不開手機，覆蓋了衣食住行、工作，分分鐘都離不開它。未來機器人也一樣，我們打造未來開放的平臺，在這個平臺下所有機器人廠商硬件都可以接上來，所有機器人應(yīng)用的開發(fā)者都可以在上面開發(fā)應(yīng)用，一個機器人有眾多的應(yīng)用開發(fā)者在上面開發(fā)應(yīng)用，買回去一個家里的機器人幫我干活，你跟機器人說我今天想吃水煮牛肉，幫我做一個水煮牛肉的菜。誰會做水煮牛肉？你不會我也不會，我去編這個程序肯定不行的，是專門做水煮牛肉的廚師們來做這個App，他也不會寫代碼怎么做App？我們這個平臺給他提供工具，不用你寫代碼，你就把你做水煮牛肉做就完了，我們機器人在這兒看著。從備料開始，到切，到熱鍋，到下油，全拍下來，拍完以后機器人大模型把任務(wù)分解了，形成所有的機器人適配的代碼，這個機器人做水煮牛肉程序就生成了，你跟家里機器人說吃水煮牛肉，到我們平臺上一找相關(guān)的程序，有十多個，就看誰排名高，誰點贊高，就下載它，給一毛錢就完了，機器人下載下來就干，這就是平臺的作用。

不光是我們自己在搞機器人，通過這個平臺，還要接各種機器人進來，讓各種AI的服務(wù)提供商，各種應(yīng)用開發(fā)商都接進來，這就是達闥在做的事情。所以投資人投我們投什么？投的是這個。

具體的云網(wǎng)端架構(gòu)里面我們設(shè)計的平臺，具體展開機器人大腦、網(wǎng)絡(luò)，連接各種機器人。我們在機器人大腦里給開發(fā)者提供機器人的開發(fā)套件RDK，跟SDK是一樣的，機器人有機器人訓(xùn)練師、機器人運營，在這里面我們給機器人大腦構(gòu)建了一個機器人的元宇宙，我們的物理世界一定要變成數(shù)字化，機器人的大腦或者AI才能讀得懂，這個數(shù)字化就是元宇宙，就是我們物理世界的實時數(shù)字孿生，今天我在這個會場里面，這個會場能不能數(shù)字化？在座的各位能不能夠都數(shù)字化？這時候機器人進來以后才能夠真正跟這個環(huán)境產(chǎn)生AI算法的感知，包括服務(wù)交互。比如說給一位女士送一杯熱茶，它得知道這位女士是誰，這位女士不數(shù)字化它也不知道。這個實時的數(shù)字孿生怎么獲取，保證實時的同步呢？不需要人去采集，更不需要安攝像頭，機器人帶眼睛，走到哪看到哪，實時傳輸，實時更新，需要大量的后臺算力去處理這些大量的數(shù)據(jù)。

可想而知，我們說算力已經(jīng)發(fā)展到了這么高的階段，未來還有需求嗎？還有大量的需求，英偉達有可能沖到30萬億。為什么？因為我們物理世界的數(shù)字化還遠遠沒有完成呢，我們只看到了一些語音的東西，一些圖片的東西，當然現(xiàn)在Sora有一些生成式的視頻，但是真正物理世界實時的數(shù)字孿生才是未來的AI，機器人服務(wù)所需要的，這里面有大量的增長空間，在座各位有做這方面的，堅持做下去。

人形機器人的量產(chǎn)要在兩年以后

具身智能和機器人應(yīng)用方面，想和大家交流一下。這個不用多講，心靈、手巧是出發(fā)點，大家都投這個賽道，投資人進行投資，創(chuàng)業(yè)者也在里面做東西了，就是GPT的出現(xiàn)，以及頭部大的機構(gòu)、企業(yè)開始玩這些東西，開啟了人形機器人的元年。國外不多講了，國內(nèi)有這么幾家，在媒體上大家都有接觸，我們不一個一個去說。

關(guān)于人形機器人，最主要的技術(shù)有幾方面，從硬件本體來講，包括按機電設(shè)計、執(zhí)行器、各種各樣的算法，以及運動控制算法，以及對環(huán)境的感知、認知、決策和執(zhí)行，這樣一套機器人相關(guān)的任務(wù)完成的多模態(tài)計算，讓人形機器人達到功能上的要求。光有這個還不夠，我們需要提高機器人的可靠性，成本的降低，這些還需要一段時間的發(fā)展，我個人認為人形機器人還需要兩代甚至三代的發(fā)展，一代基本上是半年，如果三代的話，人形機器人真正走向客戶可以接受，愿意買單，還需要一年半到兩年的時間，這段時間大量人形機器人在里面投入，真正的量產(chǎn)可能要兩年之后。

當然了馬斯克提出來在2026年，希望有一千臺在他自己工廠用，我認為在自己工廠不太在意成本，是有可能的，你要是賣給第三方，那就要看這個東西賣多少錢，效率怎么樣，是不是總出問題，是不是還要人去伺候它。這是電機，具體技術(shù)不講。很多機器人不一定非是雙足，之前我們跟孫正義開會的時候，孫正義就提出來了人形的輪式，跑得慢點的，四輪車往上一坐，想跑哪就跑哪，當時他就畫了一個圖，人的上半身，底下有個四輪，開會的時候他畫的。這些都是強調(diào)底盤、腿，只要是高效，只要是節(jié)能，能迅速達到移動目標就行了，不一定要雙足，當然雙足有通用性。最主要的是手，上肢能力，這是業(yè)界做的一些手，我們也有自己的。

具身智能依靠的是“機器人學習”

運動控制算法有很多，現(xiàn)在最主要的是通過強化學習來實現(xiàn)，算法有很多進步，很多都是開源的。大模型引領(lǐng)機器人發(fā)展，從發(fā)展趨勢來講就是這三點，我們之前的人工智能都是基于手機、PC上的，最多有個攝像頭監(jiān)控，我們都叫做互聯(lián)網(wǎng)AI，這概念都是我在三四年前提出來的，那時候叫互聯(lián)網(wǎng)AI，現(xiàn)在叫具身智能。具身智能也是我在三年前，當時我們跟李飛飛聊的時候，他也提出來具身智能這個詞。

從單模態(tài)到多模態(tài)，人就是多模態(tài)，五官來感知，跟外界進行交互。除了感知還要認知決策執(zhí)行，這都是趨勢。我們都知道機器學習，大家說深度學習、強化學習、機器學習，給了數(shù)據(jù)以后，通過算力去學習。我提出來機器人學習，不是機器學習，一個字的差別，但是范疇和深度有很大的不同。我們知道艾倫·圖靈提出來我們與其建立模擬成人心智的計算機程序，還是人在后面寫，不如我們嘗試建一個模擬兒童心智的程序，兒童心智程序是自己學習、自己進步、自己進化，這就是大模型，給了它數(shù)據(jù)以后它不斷進步，數(shù)據(jù)達到一定量的時候，Scaling Law達到一定的時候進行涌現(xiàn)，人就是這樣的生物。機器人也按照這種方式，給機器人灌不同的數(shù)據(jù)，從端水，從做一個事情就開始做，失敗了，為什么失敗。水的話要拿正了，拿歪了水就灑了，要拿水平，什么叫水平？大模型告訴你了，水平就是在地球引力下的水平，傾斜了水就灑，大模型告訴這個機器人，讓它理解了這個物理世界，執(zhí)行當中自然像小孩一樣學會了，孩子就是這樣，抓住東西不要掉地上，尖的東西不要碰，碰就扎手，這就要給機器人學習、推理、決策的平臺，當然里面還有各種各樣的新技術(shù)，包括在少樣本的情況下怎么學習。

什么叫少樣本？不是說什么都沒有的情況下就學，而是有大量的基礎(chǔ)模型之后可以舉一反三，給少量的數(shù)據(jù)就可以學會少量任務(wù)的，不是說單獨可以做的，包括遷移學習、學會學習、終身學習。

“6W1H”是機器人感知、認知、決策、執(zhí)行的關(guān)鍵

RobotGPT玩什么的？怎么玩？就是“6W1H”。如果有人想做機器人智能大腦，把“6W1H”做好，這是我們在業(yè)界提出來的。用什么樣的技術(shù)，還需要讓機器人有Memory，有時間問題，有記憶問題，大模型沒有這個肯定不行，沒有記憶在工作中怎么跟大家交流溝通呢？所以如何做好“6W1H”是把感知、認知、決策、行為這些東西真正形成機器人大腦的關(guān)鍵。

這也是我提出來的，大自然很復(fù)雜，各種生物在長，細胞分裂出來這么多復(fù)雜的生物體，很多復(fù)雜的東西都是由簡單的東西組成的，簡單的東西如何變成復(fù)雜的東西呢？不斷地分形復(fù)制。分形Fractal，自相似性Self—similarity，這樣一套技術(shù)用到機器人身上，就是把簡單的東西組合成復(fù)雜的東西，“6W1H”和分形和自相似性，就是我們在做機器人的感知到?jīng)Q策的一個程序上要跑的東西。一個機器人想去送一瓶水，首先我要知道水在哪，然后要知道把這個水送給誰，我要知道這個水在哪，我又要知道水相關(guān)的6W是什么，水是什么，放在哪，水有什么作用。水是給人喝的，這是Why，水為什么給人喝，喝健康的東西，不能喝污水，時時刻刻要問大模型。AI的Agent實時把問題拋給大模型，大模型再反饋過來，看看你能不能完成第一步的工作，也許第一步工作又分成第二小步、第二小步，第一小步又要往大腦去問，又返回來，完成第二小步，這是機器人大腦程序需要實現(xiàn)的。

舉個最簡單的例子，比如說給人制作咖啡，你首先要理解這個意圖，客人來了，要什么咖啡，要冰美式，怎么做，怎么給客人，怎么交互，這一套東西全是由大模型生成代碼，不需要人編任何一個代碼，這就是大模型牛的地方。只要把AI的Agent做好以后，大模型吐各種各樣的代碼，然后去訓(xùn)練。

機器人市場將經(jīng)歷一場殘酷淘汰賽

未來的機器人，機器人APP這個市場，如果以后有創(chuàng)業(yè)者想做這方面的APP，我覺得未來還有很大的發(fā)展空間。像手機上有美團、滴滴這樣大的獨角獸企業(yè)，大家可以在機器人APP方面去做。對用戶來講有個機器人APP，對生態(tài)開發(fā)者有個機器人技能商店，機器人的應(yīng)用是各種技能的組合，沒有基礎(chǔ)的技能開發(fā)端到端的機器人應(yīng)用也是非常困難的，只有生態(tài)里面做很多模塊化的技能，上層的應(yīng)用開發(fā)者才能更好的開發(fā)更完整的上層應(yīng)用，不可能所有從零開始做，所以開發(fā)者生態(tài)也很重要。

人形機器人，包括通用智能，包括大模型，這是ARK在2022年的預(yù)測，左邊講了互聯(lián)網(wǎng)經(jīng)濟在2024年是13T $，這是產(chǎn)業(yè)的規(guī)模，預(yù)計到2030年AI驅(qū)動的新產(chǎn)業(yè)規(guī)模將是現(xiàn)在互聯(lián)網(wǎng)經(jīng)濟的6倍。包括基礎(chǔ)大模型，AI模型的服務(wù)，在此之上是AI的應(yīng)用。我們作為創(chuàng)業(yè)者可以集中在AI方向，這個量也很大，這就是大模型包括通用人工智能未來的預(yù)測。

人形機器人基本上從市場趨勢上看也越來越清楚了，國內(nèi)做人形的，我們算了算大概50家可以叫出名字，這50家我們預(yù)計明年至少有一半會消失，后年再消失一半，到2030年不超過10家。當然這是預(yù)測，挑戰(zhàn)性非常大，在這里面先進入到哪個領(lǐng)域，后進入到哪個領(lǐng)域，大家都在嘗試，也有初步的預(yù)測，不展開了，大家都有自己的看法。

在互動環(huán)節(jié)，關(guān)于初創(chuàng)企業(yè)應(yīng)該聚焦在哪個領(lǐng)域以獲得更多機會？王斌認為這取決于初創(chuàng)企業(yè)的優(yōu)勢是在軟件還是硬件方面。硬件方面，如果企業(yè)在傳感器或機器人皮膚材料等領(lǐng)域有所突破，將有很好的機會。軟件方面，他建議不要再開發(fā)手機APP，而是轉(zhuǎn)向開發(fā)機器人的應(yīng)用程序。對于整機制造商，除了電機和機器人關(guān)節(jié)技術(shù)，產(chǎn)業(yè)鏈的整合能力也非常關(guān)鍵。

提到情感服務(wù)類機器人，王斌認為是一個很好的發(fā)展方向。除了工業(yè)機器人，未來的陪伴型和服務(wù)型機器人將需要具備情感智能，能夠理解人類情緒并提供相應(yīng)的服務(wù)。個性化也將非常重要，機器人需要通過不斷的交流來了解服務(wù)對象，提供定制化的服務(wù)。

在工業(yè)場景中，具身智能機器人相比傳統(tǒng)工業(yè)機器人有哪些優(yōu)勢？王斌認為：具身智能機器人的能力更為全面，它們不僅能完成工業(yè)場景中的重復(fù)性勞動，還能執(zhí)行更復(fù)雜的任務(wù)。與傳統(tǒng)工業(yè)機器人不同，具身智能機器人可以完成多工序的任務(wù)，提高生產(chǎn)效率。目前，許多企業(yè)，包括格力，都在尋求通過具身智能機器人來解決剩余的15%難以自動化的工作。

技術(shù)迭代，市場重塑，AI時代更多的產(chǎn)業(yè)機遇正在釋放。創(chuàng)業(yè)邦星際營愿始終陪伴在創(chuàng)業(yè)者，為優(yōu)秀的早期創(chuàng)業(yè)項目加速賦能，幫助好項目升級創(chuàng)業(yè)能力，成為細分賽道的領(lǐng)頭羊。在過往的加速歷程中，星際營累計從20000+報名項目中甄選1000+優(yōu)秀創(chuàng)業(yè)者進入孵化體系，往期學員單次融資最高金額達9億，路演項目獲得融資比例達64.3%。

長期以來，創(chuàng)業(yè)邦星際營作為DEMO CHINA的前哨戰(zhàn)，助力創(chuàng)業(yè)者們以進階姿態(tài)登上DEMO CHINA，以更完善的技術(shù)、產(chǎn)品，更全面的商業(yè)思考面向各領(lǐng)域知名投資人、行業(yè)專家、產(chǎn)業(yè)伙伴展示，拓寬他們的創(chuàng)業(yè)之路。

本次星際營25期的創(chuàng)業(yè)者們系統(tǒng)加速后，將登上2024 DEMO CHINA的舞臺，在AI紀元綻放自己的創(chuàng)新力量。

這些企業(yè)都是誰？他們又有哪些非凡的創(chuàng)造力？

讓我們相約9月19-20日·成都，一起見證更多超能勇士的崛起。