編者按：本文來(lái)自微信公眾號(hào) 騰訊科技（ID：qqtech），作者：曉靜，編輯：萌萌，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。
6月23日，北京銀河通用機(jī)器人有限公司（以下簡(jiǎn)稱“銀河通用”）宣布正式完成由寧德時(shí)代領(lǐng)投的11億元人民幣新一輪融資，這也是目前為止國(guó)內(nèi)具身智能領(lǐng)域單筆最大融資。
除了寧德時(shí)代，其他投資方包括溥泉資本、國(guó)家開發(fā)銀行國(guó)開科創(chuàng)、北京機(jī)器人產(chǎn)業(yè)基金、紀(jì)源資本（GGV）等新頂級(jí)投資方，及多家老股東追加投資。
這家成立于 2023 年 5 月的初創(chuàng)公司，曾以 7 億元天使輪融資打破業(yè)內(nèi)紀(jì)錄；如今再度創(chuàng)下新高。
北京大學(xué)助理教授、銀河通用機(jī)器人創(chuàng)始人及CTO、智源學(xué)者王鶴，擁有清華本科、斯坦福博士的履歷，師從美國(guó)三院院士Leonidas J. Guibas教授，2021年加入北京大學(xué)前沿計(jì)算研究中心擔(dān)任助理教授，創(chuàng)立具身感知與交互實(shí)驗(yàn)室。
銀河通用的機(jī)器人已經(jīng)“進(jìn)廠打工”了，有些在整車裝配線“工作”，還有一些在零售場(chǎng)景實(shí)現(xiàn)不間斷值守。
在人形機(jī)器人行業(yè)，除了進(jìn)廠打工的機(jī)器人，還有會(huì)跳舞和打拳擊的機(jī)器人。但是，跳舞和打拳擊通常是在固定場(chǎng)景下通過(guò)預(yù)編程或遙控實(shí)現(xiàn)，這些機(jī)器人并不具備真正的"泛化"能力——即在面對(duì)新環(huán)境、新任務(wù)或新情境時(shí)，能夠應(yīng)用已學(xué)習(xí)的知識(shí)和技能進(jìn)行適應(yīng)和執(zhí)行的能力。
只有具備這種“泛化”能力，機(jī)器人才能真正進(jìn)入工廠，成為人類勞動(dòng)的得力助手。
然而，從"炫技"到"進(jìn)廠"，機(jī)器人行業(yè)最大的問(wèn)題是訓(xùn)練數(shù)據(jù)缺失。同時(shí)，行業(yè)對(duì)數(shù)據(jù)路線分歧巨大：英偉達(dá)主推Isaac Sim仿真平臺(tái)，代表合成數(shù)據(jù)路線；谷歌DeepMind聯(lián)合21家機(jī)構(gòu)發(fā)布包含100多萬(wàn)條真實(shí)機(jī)器人軌跡的數(shù)據(jù)集，堅(jiān)持"只有真實(shí)世界的遙操數(shù)據(jù)才能讓機(jī)器人真正理解物理世界"。
而王鶴則堅(jiān)持用高質(zhì)量合成數(shù)據(jù)進(jìn)行VLA大模型預(yù)訓(xùn)練，認(rèn)為這種方法比大規(guī)模真機(jī)遙操作更高效。在2025年智源大會(huì)現(xiàn)場(chǎng)，銀河通用的Galbot機(jī)器人展示了如何從密集貨架中精準(zhǔn)抓取酸奶和果凍。它搭載了銀河通用新發(fā)布的 VLA 大模型，采用了99%的合成數(shù)據(jù)和1%的真實(shí)數(shù)據(jù)進(jìn)行訓(xùn)練。
這也是行業(yè)內(nèi)首次在公開舞臺(tái)上進(jìn)行云端自主推理的實(shí)機(jī)演示。
這個(gè)演示的技術(shù)難點(diǎn)在于，每條指令都要經(jīng)云端模型實(shí)時(shí)推理，哪怕延遲幾十毫秒就可能抓取失敗；再加上光照、行人和噪聲干擾，感知到執(zhí)行的全鏈路稍有偏差就會(huì)“翻車”。
在2025的智源大會(huì)，騰訊科技和王鶴教授進(jìn)行了深度對(duì)話，這位90后的創(chuàng)始人認(rèn)為，具身智能發(fā)展尚在早期，技術(shù)曙光初現(xiàn)，面對(duì)無(wú)限種可能，創(chuàng)業(yè)公司的每個(gè)關(guān)鍵選擇，都無(wú)異于一場(chǎng)“基于技術(shù)自信的豪賭”。
在對(duì)談中，關(guān)于具身智能的發(fā)展，我們還探討了以下問(wèn)題：
聚光燈下的VLA大模型，對(duì)機(jī)器人“進(jìn)化”有什么重要意義？
合成數(shù)據(jù)是訓(xùn)練具身大模型的最優(yōu)解嗎？
幾十萬(wàn)一臺(tái)的Galbot，如何實(shí)現(xiàn)PMF？
“跳舞“、”跑步“的技能，對(duì)機(jī)器人的生產(chǎn)力提升有何幫助？
聚光燈下的VLA大模型，對(duì)機(jī)器人“進(jìn)化”有什么重要意義？
騰訊科技：Galbot機(jī)器人去年也在智源大會(huì)展示過(guò)，今年有什么新的進(jìn)化？
王鶴：去年Galbot首次亮相，主要是依靠 2D/3D 視覺(jué)與實(shí)時(shí)運(yùn)動(dòng)生成的多模塊組合，從貨架上抓取瓶裝飲料和盒裝零食。
今年，我們用端到端的 VLA 大模型重構(gòu)了整套系統(tǒng)，不再依賴 3D 小模型，擴(kuò)展性與泛化能力大幅提升。
今年的新演示把場(chǎng)景推近真實(shí)商超：瓶與瓶緊貼，SKU 成倍增加，新增袋裝果凍、膨化食品、方便面、面包和散裝鹵蛋等異形包裝；即便瓶子被碰倒或臨時(shí)移動(dòng)，VLA 仍能閉環(huán)穩(wěn)定抓取。這是全球應(yīng)用VLA技術(shù)首次在高度密集、多品類環(huán)境下公開展示大規(guī)模物體泛化抓取。
騰訊科技：發(fā)出指令后機(jī)器人馬上就能執(zhí)行，這是VLM和VLA兩個(gè)大模型的配合嗎？一臺(tái)機(jī)器人需要幾個(gè)模型？
王鶴： 我們的核心是VLA模型。VLA基于VLM底座開發(fā)，在VLM基礎(chǔ)上加入了動(dòng)作執(zhí)行能力，既保留了視覺(jué)語(yǔ)言理解功能，又能直接執(zhí)行操作。
系統(tǒng)支持兩種交互方式：語(yǔ)音輸入（先轉(zhuǎn)文字再進(jìn)入VLA）和iPad界面點(diǎn)擊操作。除了主要的VLA模型，還有語(yǔ)音識(shí)別和iPad系統(tǒng)對(duì)接等輔助模塊。
未來(lái)也可能升級(jí)為VLAA模型，直接處理人類語(yǔ)音輸入，無(wú)需文字轉(zhuǎn)換，從而降低響應(yīng)延遲。
騰訊科技：那是否意味著未來(lái)機(jī)器人能用一個(gè)大模型實(shí)現(xiàn)所有操作？
王鶴： 這是個(gè)好問(wèn)題。人的大腦有系統(tǒng)一、系統(tǒng)二，對(duì)應(yīng)著快系統(tǒng)和慢系統(tǒng)。慢系統(tǒng)負(fù)責(zé)思考推理、長(zhǎng)程規(guī)劃，典型代表是DeepSeek、OpenAI的O3這些推理模型。
在貨架上拿飲料時(shí)，慢系統(tǒng)負(fù)荷很小，主要通過(guò)VLA快系統(tǒng)，人腦快速通過(guò)神經(jīng)產(chǎn)生動(dòng)作規(guī)劃，由小腦負(fù)責(zé)平衡和控制。
但如果未來(lái)任務(wù)出現(xiàn)復(fù)雜推理和動(dòng)作生成交互，是用單一系統(tǒng)還是雙系統(tǒng)或?qū)蛹?jí)化系統(tǒng)，目前還沒(méi)有確定的答案。神經(jīng)網(wǎng)絡(luò)的特性是速度相對(duì)恒定，但很難在快慢之間輕易切換。如果能突破大模型快慢速度切換，可能可以用一個(gè)大模型類比人的大腦。
騰訊科技：您也提到了，今年各家具身智能公司都在推出自研VLA模型，這對(duì)每家公司的重要意義在哪里？VLA目前的局限性在哪里？
王鶴： VLA是將大模型系統(tǒng)變成端到端大模型的重要嘗試，核心優(yōu)勢(shì)在于能夠直接從視覺(jué)觀測(cè)和自然語(yǔ)言指令中端到端地輸出動(dòng)作，無(wú)需中間產(chǎn)物。但是人類除視覺(jué)的輸入之外，還有味覺(jué)、觸覺(jué)、嗅覺(jué)、聽覺(jué)以及對(duì)溫度的感知。所以VLA模型只能是一個(gè)起點(diǎn)，如果想達(dá)到人類級(jí)別的具身智能，還需要不斷融入新模態(tài)。
我認(rèn)為VLA是一種通用且端到端的范式，在以視覺(jué)作為主要反饋模態(tài)、不需要深度思考、看懂就直接執(zhí)行的任務(wù)中擁有很高的性能上限，且未來(lái)有很好的模態(tài)和任務(wù)擴(kuò)展性。
不同廠商在 VLA 技術(shù)上的側(cè)重點(diǎn)各不相同。
我們希望能聚焦視覺(jué)模態(tài)反饋就能做好的一些“atomic action（原子動(dòng)作）”，打造真正的產(chǎn)品級(jí) VLA：將抓取、放置、移動(dòng)、導(dǎo)航四類基本動(dòng)作訓(xùn)練為具備跨場(chǎng)景、跨物體自由泛化能力的foundational model（基礎(chǔ)模型）。
這種端到端的 Mobile Pick-and-Place（移動(dòng)-抓取-放置）大模型，可在工業(yè)與商業(yè)場(chǎng)景中覆蓋搬運(yùn)、分揀、補(bǔ)貨/卸貨等高頻任務(wù)，加速具身智能的商業(yè)化落地。
相比之下，部分以研究為主的廠商雖然展示了更“diverse skills（多樣技能）”，卻高度依賴特定數(shù)據(jù)采集環(huán)境：一旦更換場(chǎng)景或物體，模型往往難以穩(wěn)定工作。
騰訊科技：具身智能VLA模型的技術(shù)路線是否已經(jīng)收斂？
王鶴： 從模型角度看，大家都是從VLM做模態(tài)插入，或用VLM的token接action decoder（動(dòng)作解碼器），部分團(tuán)隊(duì)再疊加 World Model（世界模型）或 Future Prediction（未來(lái)預(yù)測(cè)）模塊，整體思路大差不差。
但目前不是在模型架構(gòu)上拼勝負(fù)，而是從數(shù)據(jù)角度，我們究竟能用哪些數(shù)據(jù)充分訓(xùn)練VLA。
合成數(shù)據(jù)是訓(xùn)練具身大模型的最優(yōu)解嗎？
騰訊科技：既然數(shù)據(jù)是目前最大的區(qū)分點(diǎn)，銀河通用的數(shù)據(jù)策略是怎樣的？像你上文提到的，究竟用的是哪些數(shù)據(jù)呢？
王鶴：我們的觀點(diǎn)是要用好合成數(shù)據(jù)。
高精物理仿真和物理渲染的合成數(shù)據(jù)，我們認(rèn)為是現(xiàn)階段信息量最豐富的，這些數(shù)據(jù)同時(shí)包含視覺(jué)信息、任務(wù)級(jí)語(yǔ)言標(biāo)簽和嚴(yán)格符合動(dòng)力學(xué)約束的機(jī)器人動(dòng)作軌跡，信息密度最高且理論上可無(wú)限擴(kuò)充（只需 GPU 渲染即可）。
相較之下，互聯(lián)網(wǎng)上的人類勞動(dòng)視頻雖帶有“動(dòng)作”，卻是人體動(dòng)作：與機(jī)器人關(guān)節(jié)約束、運(yùn)動(dòng)學(xué)完全不匹配，且缺乏精確 3D 軌跡標(biāo)注；即便勉強(qiáng)提取，也混雜了攝像機(jī)運(yùn)動(dòng)與人體運(yùn)動(dòng)，誤差難以校正。
依托高比例的精確合成數(shù)據(jù)，我們可以將資源聚焦于 Mobile Pick-and-Place（自動(dòng)化抓取、放置） 等原子動(dòng)作的產(chǎn)品級(jí)落地，不用在人力密集的遙操采集與低效標(biāo)注上耗費(fèi)成本。
騰訊科技：合成數(shù)據(jù)一直很有爭(zhēng)議，其他同行用遙操建立仿真或真實(shí)環(huán)境收集數(shù)據(jù)，這與合成數(shù)據(jù)有哪些本質(zhì)區(qū)別？
王鶴： 遙操有兩種：真實(shí)世界人類遙操真實(shí)世界機(jī)器人，和遙操仿真環(huán)境中的機(jī)器人。
先說(shuō)遙操仿真環(huán)境中的機(jī)器人，相對(duì)于我們的自動(dòng)合成管線沒(méi)什么優(yōu)勢(shì)，最終都受制于渲染器和物理仿真器精度。遙操仿真環(huán)境時(shí)，3D世界被渲染成2D平面圖片，操作員對(duì)深度感知減弱，操作比真實(shí)世界更難，可能產(chǎn)生更多運(yùn)動(dòng)軌跡偏差。
我也認(rèn)同遙操真實(shí)世界機(jī)器人是重要數(shù)據(jù)來(lái)源，但是不是今天具身智能冷啟動(dòng)可以真正依賴的數(shù)據(jù)來(lái)源。
可以類比自動(dòng)駕駛，但不同的是，自動(dòng)駕駛的駕駛行為是自發(fā)自愿的，因?yàn)檐嚤热丝?。而我們今天的遙操都達(dá)不到人干活的效率。
而且遙操很難，因?yàn)槟阌秒p臂遙控機(jī)器人從臂時(shí)，沒(méi)有從臂的觸覺(jué)力覺(jué)，只能通過(guò)視覺(jué)觀察被遙操機(jī)器人的運(yùn)動(dòng)狀態(tài)，從傳感器角度是缺失的，需要長(zhǎng)時(shí)間訓(xùn)練。
另外，機(jī)器人稀缺，全世界頭部廠商今年都是千臺(tái)級(jí)量產(chǎn)目標(biāo)，沒(méi)有汽車那樣上百萬(wàn)存量支持大規(guī)模遙操；第三是數(shù)據(jù)量挑戰(zhàn)，采集需求量指數(shù)依賴于動(dòng)作空間維度，人形機(jī)器人操作比自動(dòng)駕駛2D平面運(yùn)動(dòng)維度高很多，從二十幾到接近100個(gè)自由度。
騰訊科技：這是否能證明合成數(shù)據(jù)的泛化能力？
王鶴： 很多從業(yè)人員對(duì)合成數(shù)據(jù)的真實(shí)能力缺乏體驗(yàn)。合成數(shù)據(jù)作為具身智能基建，需要長(zhǎng)期積淀。制造低質(zhì)量合成數(shù)據(jù)很容易，隨便搞個(gè)渲染假的仿真器，產(chǎn)生只有深藍(lán)淺藍(lán)背景的trajectory，學(xué)完發(fā)現(xiàn)根本不能用，就得出合成數(shù)據(jù)垃圾的結(jié)論。
這其實(shí)是對(duì)工具認(rèn)知不足、理解不充分、使用水平低造成的武斷評(píng)論。
騰訊科技： 高質(zhì)量合成數(shù)據(jù)的核心和門檻是什么？
王鶴：首先是如何自動(dòng)生成動(dòng)作。以“疊衣服”數(shù)據(jù)集為例，衣料在折疊過(guò)程中會(huì)出現(xiàn)褶皺，必須在合成時(shí)實(shí)時(shí)檢測(cè)并展開，再繼續(xù)模擬。若缺乏這種 on-the-fly 閉環(huán)校正能力，只能得到局限于簡(jiǎn)單場(chǎng)景的低質(zhì)量數(shù)據(jù)。
類似地，我們?cè)陟`巧手項(xiàng)目Dextonomy中，對(duì)人類手學(xué)界公認(rèn)的 33 種抓握方式全部實(shí)現(xiàn)批量合成：無(wú)論給定什么物體、什么手型，都能生成對(duì)應(yīng)抓取。這背后依賴長(zhǎng)期積累的數(shù)學(xué)優(yōu)化和物理推導(dǎo)；有了仿真器，并不代表就能“按鍵生成”高質(zhì)量動(dòng)作。
第二，做對(duì)物理仿真與渲染。每條數(shù)據(jù)都要通過(guò)動(dòng)力學(xué)檢驗(yàn)與高品質(zhì)渲染輸出，保證視覺(jué)、語(yǔ)言標(biāo)簽與機(jī)器人動(dòng)作三位一體、一致可信。
第三，分清“必須真實(shí)”的部分。仿真永遠(yuǎn)無(wú)法與現(xiàn)實(shí)完全等價(jià)，但通過(guò)預(yù)訓(xùn)練的大規(guī)模 VLM，我們發(fā)現(xiàn)模型真正關(guān)心的是時(shí)序邏輯和物理因果，而非人眼感到“逼真”的紋理細(xì)節(jié)；因此應(yīng)把計(jì)算預(yù)算投入在模型在乎的環(huán)節(jié)，把不敏感的地方簡(jiǎn)化掉。
第四，掌握數(shù)據(jù)分布與閉環(huán)迭代。模型推理階段暴露的失敗用例，必須反哺合成管線，定向生成難例，形成持續(xù)改進(jìn)的數(shù)據(jù)分布。
我們是專注做了九年，才能有今天合成數(shù)據(jù)基底。在智源大會(huì)現(xiàn)場(chǎng)完成真實(shí)貨架抓取演示的大部分?jǐn)?shù)據(jù)，就來(lái)源于這條自研管線。
騰訊科技：英偉達(dá)也支持合成數(shù)據(jù)，但是使用比例和你們相比呢？
王鶴：我們比他更高。Nvidia的工作試圖構(gòu)建更廣闊意義的基座，不追求在場(chǎng)景的每個(gè)應(yīng)用上能直接work到99.99%，他們論文也不敢聲稱可以做到這點(diǎn)。
但我們做完后，對(duì)于桌面級(jí)抓取、貨架級(jí)抓取，都能做到九十大幾的成功率，才能搬到用戶或訪客面前演示，最終會(huì)做到百分百成功，直接能當(dāng)產(chǎn)品用。
騰訊科技： 你會(huì)在意質(zhì)疑的聲音嗎？
王鶴： 不管研究還是創(chuàng)業(yè)，本質(zhì)都是大家認(rèn)知上的差異。如果認(rèn)知沒(méi)差異，知識(shí)技術(shù)都平權(quán)，就沒(méi)有先進(jìn)與落后之分了。質(zhì)疑的人可以永遠(yuǎn)保有質(zhì)疑，但我們需要憑借堅(jiān)信把事情進(jìn)一步推動(dòng)下去做好。
幾十萬(wàn)一臺(tái)的Galbot，如何實(shí)現(xiàn)PMF？
騰訊科技：這樣看來(lái)，銀河通用的資源主要投入是在模型研發(fā)上嗎？
王鶴： 行業(yè)里有一種誤解，做一款模型產(chǎn)品不需要硬件。如果目標(biāo)是科研Demo，展示時(shí)間僅限于臺(tái)上的幾分鐘，當(dāng)然無(wú)所謂。
但是如果真的讓讓機(jī)器人在實(shí)際場(chǎng)景里24小時(shí)不間斷服役，可靠性要求完全不同，需要按照車規(guī)級(jí)做。其實(shí)我們公司里做硬件的團(tuán)隊(duì)規(guī)模大于軟件團(tuán)隊(duì)。比如，我們?cè)?4小時(shí)藥店的場(chǎng)景里出現(xiàn)任何硬件問(wèn)題，都要工程師到場(chǎng)維修。
騰訊科技： 您之前提過(guò)最重視機(jī)器人的大腦和手臂，對(duì)腿放在次要位置，但如果只是大腦和手，和現(xiàn)在智能產(chǎn)線用機(jī)械臂實(shí)現(xiàn)的任務(wù)有什么區(qū)別？
王鶴：在傳統(tǒng)流水線上，絕大多數(shù)工業(yè)機(jī)器人主要靠“定態(tài)操作”工作：工程師先把來(lái)料位置、抓取姿態(tài)、噴涂或焊接軌跡調(diào)試成固定程序，機(jī)械臂隨后只需反復(fù)播放這一條軌跡即可完成任務(wù)。
這種方法對(duì)零部件位置和姿態(tài)要求極度標(biāo)準(zhǔn)化，一些無(wú)法標(biāo)準(zhǔn)化的地方，比如在汽車總裝前端的配料區(qū)——需要從數(shù)千種零件中按訂單快速揀選并裝車——自動(dòng)化就遲遲難落地。
要么用價(jià)值上億、體積堪比廠房的“巨型自動(dòng)售貨機(jī)”徹底重構(gòu)產(chǎn)線，要么給每個(gè)料框配一臺(tái)機(jī)械臂，既占空間又成本高昂，這筆賬算不過(guò)來(lái)。
具身智能機(jī)器人必須像人類一樣，在雜亂料筐中識(shí)別多形態(tài)零件、選擇合適抓取策略、完成抓—放—移動(dòng)（Mobile Pick-and-Place）閉環(huán)，并在幾米范圍內(nèi)靈活巡視多個(gè)料位。
只有把“視覺(jué)理解＋多樣抓取＋自主導(dǎo)航”三大能力融為一體，才能用一臺(tái)機(jī)器人替代多個(gè)工人。主要的空間在于“傳統(tǒng)機(jī)械臂干不了、人類又昂貴”的中間地帶自動(dòng)化。
對(duì)中國(guó)電動(dòng)車廠而言，一線工人緊缺，兩班倒已成常態(tài)，哪怕能為每輛車節(jié)省 1000元人力成本，都很重要。
騰訊科技：市場(chǎng)空間有多大？
王鶴：在零售前置倉(cāng)和車企 SPS （分揀配料系統(tǒng)）等高頻場(chǎng)景中，“抓—放—移動(dòng)”式作業(yè)需求極為龐大，僅工業(yè)分揀一項(xiàng)，潛在出貨量就可達(dá)數(shù)十萬(wàn)臺(tái)。
以全球工業(yè)機(jī)器人年產(chǎn)值約 1000 億美元、出貨量也不過(guò)數(shù)十萬(wàn)臺(tái)。如果 Mobile Pick-and-Place 機(jī)器人在這些場(chǎng)景全面落地，其市場(chǎng)規(guī)模有望與傳統(tǒng)工業(yè)機(jī)器人比肩甚至超越。
騰訊科技：但是特斯拉的機(jī)器人還在分揀電池，這看起來(lái)也是機(jī)械臂能完成的工作？
王鶴： 所以說(shuō)特斯拉的人形機(jī)器人是否具備落地價(jià)值有待討論，跟波士頓動(dòng)力過(guò)去幾十年做的事情性質(zhì)相當(dāng)。
騰訊科技：但大家可能喜歡看機(jī)器人跳舞、跑馬拉松、打擂臺(tái)，普通人覺(jué)得那些更炫的機(jī)器人更厲害？
王鶴：不同人有不同視角，大眾覺(jué)得娛樂(lè)化覺(jué)得最吸睛。
我們也時(shí)刻關(guān)注雙足層面的全身運(yùn)動(dòng)控制，在智源大會(huì)上公布開源方案做雙腿人形機(jī)器人全身控制，為未來(lái)發(fā)揮高自由度全人型本體做基石性工作。
但如果跟產(chǎn)業(yè)方聊，客戶只問(wèn)一件事：你能不能像人一樣把活干好？一個(gè)工人有才藝能歌善舞固然好，但沒(méi)有哪個(gè)廠大面積雇傭舞蹈演員，關(guān)鍵是能不能把產(chǎn)線上的活做好。
這是我們最關(guān)注的，找到具身智能真正可批量復(fù)制的商業(yè)模式，把技術(shù)作為產(chǎn)品真正落到場(chǎng)景中。
騰訊科技：銀河通用Galbot一臺(tái)機(jī)器人的成本是多少？
王鶴： 成本會(huì)隨量產(chǎn)不斷下降，但我可以說(shuō)我們的成本目前遠(yuǎn)低于雇傭一個(gè)人工作三年企業(yè)需要付出的成本。在當(dāng)下，企業(yè)只要能做好功能，只要具身智能能有功能保證高質(zhì)量完成任務(wù)，價(jià)格不是問(wèn)題，使用方非常愿意用。
騰訊科技： 您從創(chuàng)業(yè)開始就思考PMF嗎？
王鶴： 是的。
騰訊科技：銀河通用的PMF主要是什么邏輯？
王鶴： 很簡(jiǎn)單，人形機(jī)器人做的事是能真正節(jié)省人類勞動(dòng)力，產(chǎn)生自主的新智生產(chǎn)力，所以我們的價(jià)值應(yīng)當(dāng)與對(duì)等的人類做這件事的價(jià)值進(jìn)行衡量。
在目前能干活的人形機(jī)器人約等于沒(méi)有的狀態(tài)下，這是我們價(jià)值的天花板。未來(lái)銀河通用會(huì)不斷推出越來(lái)越高技能的人形機(jī)器人，持續(xù)占據(jù)重要的企業(yè)可批量復(fù)制的場(chǎng)景，本質(zhì)上一直擁有非常好的ROI，所以PMF不成問(wèn)題。
今年銀河應(yīng)該有數(shù)億元收入。我們專注高價(jià)值場(chǎng)景，一臺(tái)賣幾十萬(wàn)，但能替代客戶"三班倒"三年的人力成本。
騰訊科技：?jiǎn)螜C(jī)器人本體定價(jià)幾十萬(wàn)會(huì)不會(huì)太貴了？
王鶴：如果機(jī)器人能連續(xù)工作一個(gè)月零故障，這就是它應(yīng)有的價(jià)格。
具身智能如何跨入“生產(chǎn)力時(shí)代”？
騰訊科技：你期待銀河通用的下一個(gè)技術(shù)突破是什么？
王鶴：把Mobile Pick-and-Place做到可以大規(guī)模復(fù)制：零售貨架、工廠分揀線全部覆蓋。這將是具身機(jī)器人史上的里程碑。
騰訊科技：在未來(lái)批量化的下一階段，最大的障礙和困難是什么？
王鶴： 還是要把機(jī)器人打造成真正高可靠的產(chǎn)品，需要付出系統(tǒng)化努力。今天你買一臺(tái)車，期待開五年都沒(méi)有機(jī)械故障，這是天然期望。車達(dá)到這么高良率和可靠度，是上百年積淀。
人形機(jī)器人作為新生產(chǎn)品，必須正視產(chǎn)業(yè)仍處發(fā)展初期，從上游供應(yīng)鏈到模型，到與客戶打磨，都處在推進(jìn)過(guò)程中。我們要做好產(chǎn)品，大家一起系統(tǒng)化迭代，最終實(shí)現(xiàn)以數(shù)年級(jí)不出現(xiàn)失誤為期待的產(chǎn)品。這路上我們還會(huì)通過(guò)遠(yuǎn)程人類干預(yù)、運(yùn)維團(tuán)隊(duì)來(lái)做客戶服務(wù)，這也是一種國(guó)內(nèi)新的商業(yè)模式探索。
騰訊科技：您為什么說(shuō)具身智能發(fā)展現(xiàn)在已經(jīng)進(jìn)入生產(chǎn)力時(shí)代？
王鶴： 這是我們的目標(biāo)，“推動(dòng)人形機(jī)器人生產(chǎn)力時(shí)代到來(lái)”。今年我們已經(jīng)部署機(jī)器人在藥店里真正投入使用，目前在北京常態(tài)化運(yùn)行7家店，到年底北京、上海、深圳等一線城市預(yù)計(jì)會(huì)運(yùn)營(yíng)超過(guò)100家店。這100家店里，我們的人形機(jī)器人24小時(shí)完成自動(dòng)化揀貨，這是人形機(jī)器人生產(chǎn)力時(shí)代的開端。
雖然目前只有100個(gè)人形機(jī)器人，但我們?cè)谌陜?nèi)看得到1萬(wàn)臺(tái)人形機(jī)器人完全自主干活，替人類解決在封閉環(huán)境里24小時(shí)工作這樣的苦活。
我相信它標(biāo)志著人形機(jī)器人生產(chǎn)力時(shí)代的揭幕，大家一起努力讓這個(gè)時(shí)代更加光明。
本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問(wèn)，請(qǐng)聯(lián)系editor@cyzone.cn。
