文 | 王方玉

編輯 | 蘇建勛

來源：智能涌現

涌現（Emergence），是生成式AI浪潮的一個關鍵現象：當模型規模擴大至臨界點，AI會展現出人類一般的智慧，能理解、學習甚至創造。 「涌現」也發生在現實世界——硅基文明一觸即發，AI領域的創業者、創造者，正在用他們的智慧與頭腦，點亮實現AGI的漫漫征途。 在新舊生產力交替之際，《智能涌現》推出新欄目「涌現36人」，我們將通過與業界關鍵人物的對話，記錄這一階段的新思考。

“為什么機器人這么火，但是落地的應用卻那么少呢？為什么機器人的銷量總是上不去？”

2023年6月30日，還是珞石機器人CTO的韓峰濤在知乎上發表的萬字長文《當機器人擁抱大模型》中提出這些疑問。文中，韓峰濤意識到機器人可用性差、滲透率低的根源在于智能水平不夠，并找到了AI大模型——這個能夠解決機器人智能問題的最終答案。

數月后，韓峰濤離開珞石機器人再創業，方向是“具身智能”。

韓峰濤找到了高陽。高陽博士畢業于有著“具身智能大本營”之稱的伯克利大學，在計算機視覺和強化學習有多年研究經驗，目前是清華交叉信息研究院的助理教授和博導。

一個是機器人硬件行業的老兵，期待機器人可以借助AI覺醒智能；一個是研究AI十多年的科學家，希望AI能夠賦能物理世界，韓峰濤與高陽兩人一拍即合，千尋智能就此創立。

千尋智能公司前臺 來源：作者拍攝

兩個技術出身的創始人，給千尋智能賦予了濃郁的“理工男”氣質。

千尋智能位于西二旗軟件園的辦公室，前臺并無過多的裝飾，最吸睛的則是一臺自家的人形機器人正在門口進行調試。

從創始初期幾個人的團隊，到現在將近60人，公司規模的快速擴張讓辦公空間略顯局促，工作日里，會議室幾乎全滿，采訪當天甚至很難找到空閑會議室。

在這樣極簡的辦公空間中，韓峰濤在與《智能涌現》采訪中應景地說道“這是我二次創業，資金使用效率在業內是很高的。”

可為了招攬人才，千尋智能也可以不惜重金。

前不久，千尋智能挖來前字節跳動 AI 技術專家解浚源，擔任具身智能部負責人。在韓峰濤看來，實現具身智能需行業最優秀的人才，這些人才很貴，但值得花錢。

我們也和韓峰濤聊到眼下投資機構對具身智能的復雜情緒（采訪發生時，朱嘯虎對具身智能的“看空”言論還未出現）。賽道雖火，但投資機構對于其中的智能化、商業化前景，仍無共識。

“到今年年底，他們肯定就看好和相信了。”韓峰濤對《智能涌現》自信地說道。

回顧第一次創業的歷程，韓峰濤形容那是“拿著錘子找釘子”，主要是為了用上畢生所學的知識；第二次創業，韓峰濤想要回歸到最真實的市場需求——解決機器人的智能問題，提高機器人的泛化能力和可用性。

同時，韓峰濤還學會了更有效率地“花錢”。他的經驗是，公司經營最大的浪費來自于“重做”，要避免這個問題，管理層對于要落地的方案必須深度思考、精雕細琢，還要堅守戰略定力，把錢花在公司上下都同意的一致目標上。

當下，具身智能公司正扎堆發布人形機器人新品，步伐快的，則忙著送機器人進工廠和商業門店，它們也被外界和媒體更多地關注和討論。

千尋智能則奮戰在另一條跑道上。千尋既做軟件，也做硬件，但把更多精力投向了具身智能模型研發。韓峰濤一直堅持的觀點是“如果一家做機器人本體的公司不做具身智能模型，它也不知道什么是好的硬件。”

“我們目前在模型訓練和機器人本體研發上的精力分配，大概在8:2。如果一家具身智能企業的目標是達到GPT3.5的水平，企業的主要精力應該放在模型能力上。”韓峰濤表示。

具身智能是全球頂級的科學家和專業人才努力攻克的前沿問題。它代表著人類在AGI之外的另一個終極夢想——讓機器人像人一樣通過交互、感知和行動自主執行各類復雜任務，幫助或替代人類。

正因“終極”，通用具身智能一度并不被投資機構所相信和認可。與AI大模型相似，這是個大膽的、長周期的、不確定性高的賽道，直到2024年10月美國具身智能公司Physical Intelligence（以下簡稱PI）的一場發布會。

在發布會展示的demo中，PI把疊衣服做到了基本實用化的水平，實現了機器人前所未有的泛化能力，這讓很多投資機構、從業者們看到了通用具身機器人的希望。

PI的新模型發布成為里程碑事件。具身智能領域此前存在著多條的不同的技術路線，它們開始逐漸向PI的“統一端到端大模型路線”收斂。

具身智能賽道在一級市場的熱度也在PI的發布會之后飆升，成為繼大語言模型后新的投資熱門賽道。2024年10月至今，國內的星動紀元、星海圖、自變量機器人、它石智航等多家具身智能創業公司拿到數億元的新一輪融資。

千尋智能也是其中之一，它于近期完成5.28億元Pre-A輪融資，投資方包含了阿美旗下Prosperity7 Ventures(P7)，招商局創投、廣發信德、靖亞資本、東方富海、華控基金等。

今年3月中旬，千尋智能對外披露了Spirit v1 VLA 模型一鏡到底疊衣服的demo（樣片）視頻，復現了美國公司PI的泛化操作能力。這也是公司自成立以來取得的最大的階段性技術成果。

韓峰濤承認通用具身智能的實現還很遠，但他并不擔心在短期內會遇到瓶頸。

“具身智能跟大模型一樣也存在Scaling Law，模型能力主要取決于數據的質量和數量。而在目前行業內高質量數據很少的情況下，以PI為代表的廠商已經達成了不錯的效果。未來隨著數據質量提升和數量增加，模型能力還將持續提升。” 他對智能涌現表示。

要對人類產生價值，結出商業化果實，也并不需要全能的具身智能。韓峰濤認為，未來2-3年具身智能就可以在一些細分場景落地和商業化，從而讓企業發展和融資更加可持續。

在我們的采訪和知乎的萬字長文中，韓峰濤都提到了劉慈欣的小說《朝聞道》。

在這個短篇小說里，原始人因為仰望星空的時間超過了某個預設的閾值，而觸發了外星高級文明——宇宙排險者的警告。因為在高級文明看來，當生命意識到宇宙奧秘的存在時，距它最終解開這個奧秘只有一步之遙了。

韓峰濤覺得同樣的哲理也適合當下的具身智能賽道。“經過半個多世紀的發展，今天的機器人產業也許正迎來仰望星空的那一刻。”他在文末抒情地寫道。

以下是《智能涌現》和千尋智能創始人韓峰濤的對話。內容略經編輯：

“具身智能的價值很快會成為共識”

《智能涌現》：對于具身智能，投資機構好像還有比較大的分歧，真格戴雨森說通用人形機器人還太早，Coatue報告里提到具身智能可能不會有 ChatGPT 時刻。你怎么看？

韓峰濤：我覺得到今年年底，他們肯定就看好和相信了。

就好像部分投資人原來的態度是“不投大模型，中國大模型公司沒戲。”但是DeepSeek火了之后態度發生很大改變，甚至不在意估值也希望參與其中。

第一個，這些投資人此前沒看到中國企業能把東西做出來；第二個，從技術發展來看，具身智能已經具備落地的基礎技術能力了，只是產品形態定義，目標人群，包括技術開發還要再完善一些。

要開發一個通用人形機器人還很遠，但未來2-3年具身智能就可以在一些細分場景落地，但不一定放在人形這個形態上。

《智能涌現》：你說未來2-3年具身智能就可以落地。能舉例說明一下哪些細分場景嗎？

韓峰濤：比如說疊衣服的場景，服裝廠、洗衣房都需要疊大量的衣服。我在上一家公司處理過這個需求，原先的工業機器人解決不了，但具身智能大模型可以，至于負責執行的本體是不是人形無所謂，能解決問題就可以。

《智能涌現》：所以具身智能和人形機器人是兩回事，并不是同步發生的。

韓峰濤：對，人形機器人和具身智能是兩個不同的方向：人形機器人更強調本體的形態，而具身智能則不局限于人形機器人，更注重模型能力和AI能力。

在具身智能的概念中，機器人可以呈現多種形態。

《智能涌現》：你擔心具身智能下一步的智能提升遇到瓶頸嗎？

韓峰濤：我覺得不會。第一個，疊衣服已經是一個非常難的操作了，如果具身智能可以疊好衣服，那其他很多任務都可以完成得非常好，未來肯定會解鎖越來越多能力。

第二個，具身智能跟大模型一樣也存在Scaling Law，現在的模型能力主要取決于數據的質量和數量。

目前行業內具身智能的高質量數據還很少，在比較少的情況下已經取得了很不錯的效果。而我們非常明確預見到，具身智能數據的質量和數量還會大幅增強、增加，在此基礎上，模型能力肯定會變得更強。

《智能涌現》：相比AI大模型公司，具身智能大模型公司拿到的融資額要少。是不是做具身智能大模型不怎么燒錢，可以花的少一些？

韓峰濤：融資金額和發展階段是密切相關的，AI大模型已經發展7、8年了，具身智能大模型才一年多，融資金額肯定不如前者。具身賽道現在融的這些錢是不夠的，未來肯定還要再接著融資。

從花錢金額上來說，做具身智能大模型可能不像AI語言大模型花那么多錢。

一方面，AI大模型當初踩的坑、積累的經驗，我們可以借鑒學習，比如怎么做工程化、怎么培養人才，這就能省不少錢。另一方面，具身智能需要的算力少，因為模型規模小，我們目前規模在10B以內。

就千尋來說，這是我二次創業了，資金使用效率在業內是很高的，我們第一個模型只花了很少的錢，但是取得了不錯的效果。

《智能涌現》：美國具身智能公司的估值更高，資金更多，要與其競爭，是不是得走性價比路線，像DeepSeek一樣？

韓峰濤：是的，從全球競爭來看，中國具身智能企業肯定還是要講性價比，得用中國相對比較好的工程師團隊、供應鏈團隊、工程化技巧，才能追趕。

對于千尋的發展階段來說，目前我們融資的情況比較樂觀，也足夠支撐我們技術的快速迭代。

具身智能的未來肯定是在中國。因為中國的硬件、供應鏈、采集數據工人的工資都更便宜；中國的應用場景非常多。在數采幾百幾千臺的時候，中美可能還能PK一下。

如果我們建設一個1萬人、10萬人的數據工廠，或者采用眾包的方式去采集數據，美國肯定是比不過的。

“無論在商業還是技術上，優秀的具身智能企業一定是軟硬件都做的。”

《智能涌現》：你離開珞石機器人，再創業為什么選擇了具身智能？

韓峰濤：第一次創業做工業機器人，我覺得是拿著錘子找釘子，我是學機器人控制的，所以上一家公司就是搞機械臂。但這次不是，第二次創業我覺得要回到市場的真實需求，創業的機會來源于哪里，以及市場上需要什么樣的產品。

具身這個賽道創業的機會來源于AI的進步，AI語言大模型、圖像模型，包括一些視頻生成都是在虛擬世界。自然而然，在虛擬世界取得成功之后，AI肯定是要蔓延到物理世界的。所以這次創業的核心推動力還是AI。千尋智能的核心業務就是具身智能大模型。

《智能涌現》：千尋會自研機器人硬件嗎？

韓峰濤：當然。對于一個軟硬一體的產品，只做軟件肯定不行。從商業化閉環上來說，行業再往后走的時候，如果只有軟件就很難賣出去，沒有營收，就沒有辦法支撐你企業未來的發展。

第二個在技術上，目前我們通過一些網上的視頻以及自己的數據工廠的數據來訓練模型。但未來模型的進化取決于我們賣出去的產品收集到的、真實的場景里邊的數據，這些數據會幫助模型持續進化。

如果沒有自己的終端硬件產品，就拿不到這些數據。在自動駕駛行業，大家已經看到只做軟件的弊端了。

所以無論從商業上還是從技術上，一個成功的或者有潛力的具身智能企業，一定是軟硬都做的。

反過來，如果一家做機器人本體的公司不做具身智能大模型，它也不知道什么是好的硬件，它可能會做好的零部件，但不知道什么是好的整機。不知道什么樣的硬件設計和迭代方向適合具身智能。

千尋智能的機器人本體 來源：作者拍攝

《智能涌現》：你怎么看宇樹最近這么火，它在很多人看來是家硬件本體公司。

韓峰濤：宇樹爆火給偏硬件的公司肯定是帶來一波紅利。但是，機器人要走向通用和全能，核心不在硬件。

硬件火了之后，大家首先會追問這個機器人能做什么，就會發現具身智能的問題不解決，絕大多數事情還是做不了。稍微冷靜下來之后就會發現，機器還是很笨，還得依賴于大腦的突破。

《智能涌現》：機器人本體部分，千尋智能見長的是什么？是手還是足？

韓峰濤：本體部分我們是上半身見長。我們的具身模型和硬件都更關注于操作，主要是機械臂和靈巧手這些。

千尋的目標是未來十年讓10%的人擁有自己的機器人，我們想讓機器人去幫助人干活或者代替人干活，干活其實主要是靠上半身。身體的移動方式對干活有影響，但不關鍵。

《智能涌現》：現在具身智能發展的瓶頸在什么地方？

韓峰濤：我們覺得是人才短缺。高陽之前說過一個觀點，三年內人才將成為具身智能關鍵瓶頸。因為技術和know-how在快速迭代，你必須得找到一流的人才能加快認知迭代和技術迭代的進程。

具身智能賽道處于一個無人區，雖然技術路線大致確定了，但到底將來往哪個方向走，里面還有很多小的點。這需要在最前沿的聰明的、優秀的人才來完成。

回顧深度學習從2012年到現在的發展歷程，幾乎所有大的進展都是當時在研究這個方向的優秀博士研究出來的，等于是高校課題直接促進了產業化的進展。所以對于校招，我們就盯著中國一流的前幾個高校的優秀博士，研究方向做計算機和人工智能的。

“具身智能Scaling Law還有很大紅利，模型能力將持續提升”

《智能涌現》：具身智能大模型存在一些技術路線的分歧，有的相信端到端模型，有的相信大小腦分層，還有語言系統和感知系統等不同模塊，千尋智能采用了什么樣的路線？

韓峰濤：我們是沒有區分大腦小腦的，就直接一個端到端大模型VLA (Vision Language Action)，語言、圖像、動作都在里面。

考慮到這個模型要跑在機器人上，端側的算力有限，如果語言部分太大，運行速度就沒那么快，會影響機器人反應速度。我們就需要做個取舍，在機器人端側放一個小的語言模型，大概3B到7B，我們基本上用開源的已經訓練好的語言模型。

模型大小，取決于你需要這個模型對環境的理解有多深。如果機器人干個簡單任務，我們就跑端側的小模型，加上動作這部分，加起來總共是10B以內的VLA模型就行了。

《智能涌現》：我發現現在越來越多具身智能企業開始講“端到端”了，這已經是行業共識了嗎？

韓峰濤：是的，行業的技術路線已經相對收斂了。觸發因素是去年10月美國公司PI的新模型，它把疊衣服這件事做到了基本達到實用化的水平，這是個很大的技術進步，是里程碑式的事件。

在PI之前，具身企業的demo（樣片）都是一些很簡單的抓取。類似疊衣服這種連續的、長程的、對于復雜對象的操作，原來的具身智能一直實現不了。而PI的訓練方法，就是端到端大模型VLA。

順便提一句，PI的兩位主要創始人是我們聯合創始人高陽的師兄，他們同一個導師。

《智能涌現》：你們對具身智能的物體識別準確度，目前要求高嗎？

韓峰濤：看場景要求吧，一般來說，具身智能模型對于識別的精度、準確度要求比自動駕駛要低一些，比如讓機器人拿個紙巾，識別錯了再抓一次也可以，不會像自動駕駛一樣釀成交通事故。當然我們肯定會持續提升它的識別度。

《智能涌現》：你們現在怎么訓練具身智能大模型？

韓峰濤：千尋現在訓練具身智能大模型，跟訓練大語言模型的范式和方法基本是一樣的。

先用質量沒那么高，但多樣性很好的海量數據做預訓練，讓模型對世界有一些基本認知，但這個階段直接干活精度還不夠，所以需要高質量數據做微調，微調完之后再通過強化學習提高成功率。這個過程對應于大語言模型的預訓練、SFT(監督微調) 和RLHF（強化學習）。

《智能涌現》：預訓練和微調分別用什么數據？

韓峰濤：預訓練用大量的互聯網上人類干活的視頻，比如YouTube和愛奇藝這些，數據質量可以差一點，但一定要大，多樣性一定要好；微調就用高質量數據，我們用的是真實的遙操作數據，是在數采工廠真實采集出來的。

舉個學游泳的例子，可以先看視頻去了解基礎的姿勢也就是預訓練，再請的游泳教練手把手教學也就是高質量數據微調，最終學會游泳。

《智能涌現》：有的廠商用仿真數據，這類數據質量怎么樣？

韓峰濤：每種數據源有自己的優缺點。視頻數據量很大但精度不高；遙操作數據精度很高，但量不大。仿真數據的特點是比較易得，但精度不太好。我們也用仿真，把視頻和仿真用在預訓練。

總體來說，現在沒有任何一種單一數據可以支撐大模型的訓練。最合理的方案是把不同數據用在不同的訓練階段。

仿真數據對于剛性物體模仿的還可以，適合訓練對剛性物體的抓取。但對于柔性物體，比如疊衣服場景，衣服動了怎么變形和運動，仿真數據的可用性不行。

《智能涌現》：有一些廠商，如智元機器人開源了一些數據庫，這些數據其他家可以用嗎？

韓峰濤：這類數據可以拿來做預訓練，但不適合做微調。

在當前階段，數據質量和硬件是強相關的，別家在他的硬件上采集的數據，在千尋的硬件上不能直接用，因為包括數據采集的頻率、位置、精度、末端執行器規格等都不一樣。

這也是為什么我說，好的具身智能企業，一定要軟硬件都做，因為它是軟硬聯合優化的。

“具身智能2-3年可以落地應用，但汽車整機廠不是合適場景”

《智能涌現》：有些事情傳統工業機器人可以做得很好，為什么現在還是用具身機器人來做，比如在特斯拉工廠搬電池。

韓峰濤：原來的工業機器人和現在具身智能的核心差異，在于具身智能有能力理解環境變化并調整動作。但傳統工業機器人不可以，它是被編程寫死的，只能幾年如一日的重復動作。

就搬東西來說，搬運物品的位置、形狀發生了變化，傳統工業機器人不能自己調整，但具身智能可以。

《智能涌現》：特斯拉讓人形機器人搬電池，這個場景是真實的需求嗎？

韓峰濤：是真實存在的需求。不同產線的鋰電池的規格、擺放的姿態、位置可能都不一樣，所以工業機器人沒法處理。但是商業上不一定算得過來賬，人形機器人價格太高，用人工可能效率更高、更便宜。

《智能涌現》：前段時間有個很熱的話題：人形機器人進汽車工廠。你怎么看人形機器人進汽車工廠？

韓峰濤：首先從商業化這個角度，汽車主機廠（即整車廠）其實不是一個特別好的客戶，因為原來主機廠的自動化程度已經非常高了，那里面雖然說有不少工人，但工人操作復雜，用機器人或者自動化非常難替代的，不適合機器人早期落地。

相反，汽車零件廠，例如電池廠是更好的落地場景，用人更多，工序簡單。

具身智能產業才剛剛開始，人形機器人硬件也剛剛開始，兩個非常早期的技術融合一塊，去干一個非常復雜的事，這非常難。所以汽車主機廠不是很好的落地場景，馬斯克自己造車，所以機器人在自己工廠用，但國內很多人跟隨這么做，我覺得是沒搞明白。

《智能涌現》：有機構提出了具身機器人落地的先后順序，認為技術難度上to G小于to B小于to C，你怎么看？

韓峰濤：從技術難度上確實是，G端政府可能更多是支持行業和企業發展，給一些示范項目，可能會選一些相對比較封閉的場景，對安全性要求沒那么高。

To B的工廠場景也是相對固定，但to C的場景因為每家的裝修都不一樣，環境更加復雜，所以難度也更高。

但是從市場規模來說，C端大于B端大于G端，所以在選商業化目標的時候，要綜合來看，平衡好落地難度和市場空間。

《智能涌現》：具身大模型成熟并且可用之后，通用人形機器人是不是就可以實現了？硬件上還有哪些卡點？

韓峰濤：對于當前來說，比較成為卡點的有靈巧手、雙足的高動態性能、外界抗擾能力、續航能力，然后一些力傳感器、數據傳感器、電子皮膚這些其實都是卡點。而且這些卡點都不是AI進步可以解決的。

人形機器人要向上突破，是卡在材料、電機功率密度等一些基礎學科問題上。具身智能向上突破，是卡在模型能力上。