近日，在2024 AI創造者大會上，四位來自機器人制造、軟硬件開發及解決方案等層面的企業代表，進行了一場以「產業鏈協同創新」為主題的對話，這四位嘉賓包括：

地瓜機器人CEO-王叢

加速進化商業化負責人-李超逸

優必選科技首席品牌官-譚旻

清博元宇宙研究室執行主任-柳春陽

他們對話的主題不光包括公司自身的最新動態，還全面解讀了機器人產業鏈過去、現在與未來。RoboX對他們對話內容的高價值信息點進行了提煉：

產業鏈的變化與協同

譚旻：優必選創業13年，經歷了三個階段：

1、完全沒有產業鏈的階段。

在15年前，也就是創立優必選之前，我們就在做核心零部件自研，例如舵機的研發。因為相比海外來看，國內當時還沒有相關產業鏈。直到能做出中國自己的舵機了，才成立了優必選。

2、做好舵機之后，開始做機器人的全身模型（那時也叫大模型）。

現在的機器人本體，全身大概有3000-5000多個零件。而在早期，優必選還是先從相對簡單的小機器人做起。之所以沒有做全尺寸機器人，是因為當時尚未突破「大功率輸出峰值高」的邏輯。

3、產業鏈質變，軟硬件融合。

一路迭代到第四代機器人，優必選見證了中國人形機器人產業鏈的發展。其中最大的變化，是軟件與硬件的融合。此時產業已經發生了翻天覆地的變化，并真正進入到中國機器人百家爭鳴的階段。

產業鏈沒有成熟之前，優必選一直抱著「兩條腿走路」的心態：

1、自己探索核心技術，以求與產業鏈進行協同。例如機器視覺，語音互動，步態算法，核心零部件等。從舵機到靈巧手，再到整機結構性設計、操作系統等等，優必選都有專門的團隊去做。

2、在自研基礎上，開放與整個全產業鏈的合作。例如與天工的合作。

（優必選科技首席品牌官-譚旻）

李超逸：「加速進化」作為一家初創公司，「加速進化」對于產業鏈想法很簡單——優先選擇市面上的成熟零部件。如果市面沒有的話，就只能自己做。

隨著機器人行業的發展，產業鏈出現了越來越多的客戶，零部件成本在迅速下降。例如，在剛進入行業時，機器人一體化關節的成本非常高，大扭矩大功率的普遍要一萬元左右。后來，越來越多的百元級關節出現，大功率關節中也會出現一兩千元的產品。

可以看到的是，中國在這一領域有著巨大優勢。例如，在中東和北美，很難快速實現人形機器人的制造，其周期要比國內長得多。因此，與國內相對成熟的供應鏈一起發展，是非常有價值的。

不過整體來看，機器人行業還是處于很初步的階段，尚未成立標準。對于各家機器人公司來說，就是要不斷選擇，做大量的適配，確保最終給客戶的產品是足夠完整，體驗足夠好的產品。

柳春陽：清博智能的機器人團隊是從2021年開始策劃的，我們做機器人比較年輕，但在人工智能大數據領域，已經有十年多的工作和創業經驗了，一直在做自然語言處理方向的工作。

這兩三年是人工智能和機器人賽道高速發展的階段，產業鏈也有了雄厚的基礎，我們需要的控制器和傳感器都非常成熟。

同時，正好大模型這兩年發展比較快，我們將機器人和大模型結合，也能更好地滿足前臺接待、智能客服等功能。

機器人賽道更新也比較快，波士頓動力做了十年，今年推翻重做了，他們基于大數據和大模型重新訓練機器人。而清博智能還要早兩年，在成立之初就已經在基于AI和大模型訓練機器人。

以前，訓練機器人要去工地，現在則可以利用數字孿生場景。感謝這個時代，讓我們起得晚，還趕得比較巧。

王叢：地瓜機器人，是一家不做機器人的機器人公司。我們關注的，是機器人大腦芯片里面的核心算法，還有與數據整合相關的Pipeline工具鏈。

其實，已經有上百家機器人公司在使用地瓜的芯片和方案。在此過程中，我們能看到，無論是大公司還是小公司，想做一款并非demo的、真正能有產品化價值的機器人，還是一件非常痛苦的事情。

在走向量產的過程中，有大量的方案被推翻重來。同時也并沒有好的工具，基本上都是各做各的，用開源的東西改改，不好用就湊合，這種情況比比皆是。

（地瓜機器人CEO-王叢）

我們一直認為，未來世界應該就像科幻電影一樣，有形形色色的機器人。但要想到達這一天，一定需要經過大量的嘗試，那我們如何讓這種嘗試變得更快一點？

就像互聯網產品一樣，要想作出形形色色的機器人，一定需要做大量的基建工作。于是地瓜要做的是各種各樣的工具，但凡真正能幫助到大家的，我們都愿意去嘗試，天生就是和所有人都是朋友。

關于人形機器人的爭議

譚旻：「為什么非要做人形機器人？」這個問題我們以前基本上100%會被問到，但它如今已經很好地被馬斯克給解答了——當他投入人形機器人，并兩次修正對機器人未來的預判之后，再問優必選「為何做人形」的人驟減了99%。

在兩年時間中，中國人形機器人從屈指可數，已發展到數不清。對于優必選來說，有兩個原因：

1、物以類聚。要想尋找一種能夠替代人類去做所有事情的機器人，那一定是人形。因為這是百萬年進化的結果——我們不會為不同形態的機器人去改變所有的世界規則和參數。要想更好地賦能于人，那一定要用人形機器人。

2、人形目前只是機器人的形狀，未來會很快出現真正的仿生人。現在大家都討論關節，討論全身結構，仿生材料卻被忽視了。仿生材料很快會成為人形機器人很重要的供應鏈，這是下一個階段。

同時，我們都要尋找「另一個我」，一個能進行情感互動、有一定協同效應的人或智能體。

柳春陽：這個世界本身是人類創造的。未來的AI和機器人，都是要更好地輔助人類完成一些工作，不可能重構物理世界和規則。

很多既有的工作模式和場景，都是為人類服務的。機器人如果長得更像人，就能直接融入到現有的生活和工作方式中。

另外，我們不光要做一個冰冷的機器人，還需要它有情感有溫度，所以清博就做了高仿真的仿生機器人，目前這一賽道上的企業還不多。

王叢：兩年前，在具身智能剛火的時候，我們就在談這個問題。到了現階段，我覺得不用太關注到底是不是人形。

我也呼吁大家，我們該更關注一些更具體的問題，例如到底能解決哪些事情，失敗多少次才能操控，場景怎么泛化……這些問題都是當下的阻礙，不管是人形還是非人形。

機器人AI的最終范式

譚旻：AI一直是限制整個產業鏈的重要挑戰。在我們商業化的最早期，就已經發現一定要做軟硬件結合——僅僅有軟件是不行的。

到了今天，我們也可以很負責任告訴大家：大模型也沒有想象中那么厲害。真正大模型結合到硬件的時候，短板就出現了。在評價智能化水平時，需要結合軟硬件去衡量:

從軟件維度看，從軟件去解決思考推理等等，我們叫仿人也好，仿生也好，哪個點切入都不重要，最重要的是它有一個很范式的參考標準。

實際上，通過美國硅谷實驗室EQ測試，AI的能力已經介于120到140之間，是很夸張的，至少我認為我沒有到達120到140智商的水平。但即使它已經超過大部分人的智商水平，也并不意味著真正的智能。

真正的智能，是能在真實環境中去解決問題，這個就是為什么軟件跟硬件的結合這么重要。我認為所有顛覆性技術，最后它都要跟硬件結合。通用人工智能一定要通過具身智能才能實現，這是毫無疑問的。

王叢：不同的范式是多種任務的，從跨視角的，到跨本體剛性結構的。我們每一塊都看一下，目前做的效果都還不錯。

我們不糾結「涌現」這個詞，我們只糾結于泛化性有多好，以及到底能給產業帶來多少價值。例如端到端等熱門路線，根據我們過去做自動駕駛的經驗，能體會到任何一個復雜系統和復雜工程，從來不會糾結于它是不是端到端，它一定是各種工程的集合體，歷史上所有的工程都是如此。

地瓜是這種風格——不糾結于任何一個學術方向，最后縫合所有有用的東西，就OK。

至于產品陣列，我們相信機器人會產生各種形態。每種形態也不可能用單獨的一個芯片，而是一定會有不同的性能等級。

目前，我們一方面在掃地、割草、陪伴等成熟消費產品上大量出貨，同時也在相對不那么成熟的高階產品中持續開發，包括在從數據生成到驗證的平臺上，注入核心算法部件。

譚旻：我們做機器人的時候，會與大量AI開發者溝通。其中既有做世界模型的，也有做完全端到端的。

根據我們自己的判斷，無論哪一種開發者，最終都要落實到好用的平臺上，這個平臺應當把底層復雜度全部屏蔽掉，讓大家能在該基礎上做出各種應用。

如果類比大模型的發展，可以看到其中有做基座大模型的，也有做垂直大模型的。而對于機器人，初期也會有各個領域的能力出現；但長期來看，這些領域的能力會越來越泛化，甚至呈現融合。

這一階段的時間會非常長，而且在此過程中，仍然需要不同行業和分布式的系統，而非集中式的狀態。這一過程中，還是需要各行各業的開發者，能夠有足夠好的平臺，讓他們共同推動。

柳春陽：在大模型和機器人的結合上，我們可能與大多數做機器人的公司都不一樣——90%以上的機器人公司都是先有機器人，再逐步加入AI；抑或者其早期的AI，就是基于視覺和深度學習來進行控制。

我們則是先有AI，后做的機器人，與大模型深度融合。我們機器人的應用場景需要與人打交道，90%以上的應用都是在工業場景，所以我們跟大模型是相輔相成、天生依賴的。