直擊人形機器人在工廠「打工」的 3 小時｜對話智元機器人

商業漫談

Jane's interview

機器人的「猶豫」和停頓，

恰恰是具身智能發展的標志。

文 | 衛詩婕

對話嘉賓：

王闖（智元機器人 通用產品線總裁）

楊曾（安努智能 工程算法總監）

鄧揚 （富臨精工 創新生產部負責人）

剛剛在上海舉行的 waic 盛況空前，其中最受矚目的就是機器人大亂斗。

這就不得不講一個有趣的小故事：2024 的上海 waic ，主辦方曾試圖召集起幾十家做人形機器人的公司，希望讓人形機器人走個方陣——但當時只有兩家機器人能支持長時間行走。轉眼，2025 年的人形機器人走上了春晚跳舞，不僅如此，機器人還能跑馬拉松、打鼓、寫書法、甚至進工廠打工……

人形機器人能力飛躍的背后，其實有三點強支撐：

首先是深度學習，大模型的能力令機器人的力控突破了去年的瓶頸。

其次是公眾注意力帶來的輿論熱度，資本也在今年快速涌入這個賽道，人形機器人行業的熱度達到新高。

除此之外，也得益于產業鏈里極個別的頭部公司團結在一起——過程中，人形機器人產業上游的供應鏈雛形被打造出來，中游的機器人集成商生長出來，最終催生了機器人落地到工廠的商用元年。

七月初，我在四川綿陽，主持了智元機器人全球首次工業場景作業的直播，也組織對話了一場圓桌，圓桌上的三位嘉賓，分別來自產業上下游的不同身位，他們的合作，恰好是因為相信同一種未來而擁抱在一起、進行貼身配合的典型案例。

那場發布會的主角，是一臺名叫A2W 的輪式類人型工業級機器人。它的本體研發，是由最近在二級市場大熱的明星人形機器人公司——智元所打造，經由另一家明星創業公司安努智能所部署，最終落地到汽零龍頭上市公司富臨精工的工廠內。

這場發布會，聚齊了上游本體研發公司、中游真機數據采集-工程化落地部署商、和下游工業領域的應用客戶。其中，安努智能還接受了來自智元和富臨精工的投資，本身就是產業上下游合力的一個產物。

在富臨精工的綿陽工廠內，我和上述三家公司的代表——智元通用產品線總裁王闖、安努智能高級算法總監楊曾以及富臨精工創新生產部負責人鄧揚，進行了一場 3 小時的圓桌訪談。

（發布會現場，富臨精工綿陽工廠內。從左至右分別為：衛詩婕、王闖、鄧揚、楊曾。）

事實上，在這場發布會之前，我和身邊看具身智能的投資人朋友曾反復討論：大模型背后的深度學習能力，在今天的工業機器人領域，到底有多深的運用？后者在去年底悲觀地告訴我，產業里幾乎沒有運用。這也一度讓我對這場發布會產生許多懷疑和疑惑。

但最終，我們用三小時完整記錄了一個通用具身機器人進入工廠作業的全過程。事實上，這個項目也才僅僅跑了半年。

在具身智能爆火的 2025，這期內容能夠非常通俗地解釋清楚：

為什么 2025，人形機器人爆火？

過去一年內，具身智能行業經歷了怎樣的發展？

什么是真 · 人形機器人？

大模型如何成為機器人的靈魂，具身智能如何走進工廠？

而對于業內人士來說，這期訪談中也有大量有價值的信息：比如來自最前線的應用情形、客戶體驗和一手的產業訪談。

我在去年11月曾經訪談過華為云 CTO 張宇昕（），他曾提到過，中國產業的豐富度和成熟度，是全球領先。華為認為，中國特色的 AI 道路，一定是與產業緊密結合。

兩期內容組合，能夠拼湊出一幅顆粒度更細的 AI 產業應用圖。

以下為訪談節選，為方便閱讀，作者進行了文本優化。

（完整版請觀看視頻版或收聽播客版）

（?視頻版可前往B站，播客版可前往小宇宙、蘋果 Podcast 等，搜索同名賬號《衛詩婕 商業漫談Jane's talk》）

由于訪談全文較長（共 10745 字），可先參考目錄：

1.2025，人形機器人為什么這么火？

去年waic，只有兩家人形機器人能長時間行走

今年人形突飛猛進

機器人量產困難詳解：供應鏈、技術、一致性

2.到底什么是具身智能？人形機器人究竟如何定義？

自動駕駛進入深水區，人才流向機器人領域

黃仁勛定義的具身智能：無人車、無人機、機器狗、人形機器人

什么是真·人形機器人？

3.智元的2024-2025: 從量產元年，到商業元年

機器人一天寫130幅書法，手沒有抽筋

人形的大規模亮相，給了客戶信心

從量產到部署，要經歷一個怎樣的過程？

機器人集成部署的市場空間有多大？

智元 A2W，為什么選了一個「看著簡單」的場景？

4.「機器人看起來效率慢了，其實是更聰明了」

算上人類工人吃飯休息的時間，機器人的效率快要追平了

通用機器人，和過去的工業級機器人有什么區別？

機器人的停頓，恰恰是具身智能發展的標志

5.真機數據為什么寶貴？那是制造業的壁壘

詳解一臺通用機器人部署到工廠的過程

采集的數據究竟是什么數據？

這些數據被用以訓練什么樣的模型？

智元工業落地的技術路線選擇

6.未來三年內，機器人成本可能下降超50%

富臨精工：我們需要打造一個人機交互的智慧工廠

高中畢業進廠打工的工人 VS 大學畢業進廠打工的工人

搭建一張場景天梯圖

機器人未來三年內成本下降50%？ 「我覺得保守了」

Jane's interview

01

2025，

人形機器人為什么這么火？

最新的AI能力加持了機器人的運控

衛詩婕：為什么 2025 年人形機器人這么火？

王闖 ：幾方面的原因。首先是 2025 的春晚（宇樹機器人表演跳舞），讓普通的老百姓真正看見了機器人的能力，普及度大大增強。第二也是很重要的，像智元這樣的頭部企業，我們和產業鏈的合作伙伴們一起，在 2024 年做到了人形機器人量產，并在 2025 年做到了商用部署，這是整個行業的一個共同進步。

第三，可能也是最重要的一點，AI 能力的演進——強化學習，極強地加持了機器人的控制力。也許你們不相信，2024 年上海舉辦 waic ，當時主辦方召集了近 20 家做人形機器人的公司一起，希望人形機器人能列隊走一個方陣。但當時，能真正長時間行走的只有兩家（智元是其中之一），這個細節能夠看出，截止到去年夏天，人形機器人整體的能力狀態。但是 2025 年，我們看到了機器人跑馬拉松、跳舞、格斗、表演……這背后其實是最新的 AI 能力加持了機器人的運控。

（智元研發的工業級機器人A2W，和人形機器人遠征A2）

衛詩婕：機器人量產為什么這么困難？

王闖：人形機器人是個前沿方向， 它背后的產業鏈是相當不成熟的。比如人形機器人要用到的電關節——和過去傳統工業機械臂所用到的關節很不一樣：人形機器人對于關節的扭矩密度、減重、噪音要求都比較高，這些零件做不好，本體就無法有很強的穩定性；上游供應鏈里做的人少，人形機器人的出貨量少，零部件價格就貴，一套下來就是負循環。

智元去年一個很大的主題，就是和供應鏈上下游伙伴們一起，打磨人形機器人零部件的成本和可靠性。先讓供應鏈成熟起來。

再往下走，還有生產一致性的問題。比如像遠征 A2（智元的人形機器人）——它有44個自由度。自由度越高，機器人能做的事情就越多，但其構造和所需零部件的精密程度也就越復雜。如此復雜的硬件加上智能化的要求，對生產一致性提出了很高的要求。整個生產過程中，對于檢驗和控制的要求都非常高。

打個比方：哪怕只是上肢的一點點誤差，傳導到末端，誤差就會變得很大。如何通過本體和算法的統一設計，讓機器人能夠實現通用化的智能，需要很高的生產一致性。

還有一點，當把機器人生產出來后，如何用一套代碼、一個模型，讓所有的機器人都擁有幾乎一致的性能。在汽車領域，這還相對好做。但是在人形機器人領域，這套算法需要我們自己從0到1 開發出來。去年年底的時候，我們的研發累計有 100 人左右就住在工廠，包括我自己。從去年到現在，光測試消耗的就有上百臺機器人了。

去年是智元量產最艱難的一個沖刺階段，我們可以看到到 2025，產線就已經跑得比較穩定了。智元走過的這條路，相信對整個行業有很大貢獻。

鄧揚 ：我從零部件供應商的角度，也講一講，造人形機器人的電關節有多么難吧。

富臨精工是一家汽車零部件供應商，但從2023年開始，我們也開始研發電關節，相當于我們的第二增長曲線。總結下來，造人形機器人的電關節有幾個難點：

要追求電關節的高負載——說通俗一點就是，讓關節越來越輕的同時，也讓它越來越有力，讓機器人有更大的力氣。這就需要扭矩密度、功率密度這些維度數據的提升，這是第一個難點。

要追求機器人的應用，隨著以后更多場景的開放，對于零部件關節的精度要求會越來越高。所以在設計和制造過程中，就需要一個輸入和輸出的閉環控制，這涉及到編碼器的一些設計，從設計上也是一個難點。

在工廠應用，決定了機器人和其零部件需要有比較長的壽命這就要求關節要耐久。從材料的選型到制造的加工密度，都需要重新定。

Jane's interview

02

什么是真正的具身智能？

人形機器人不一定長得像人，

但得像人一樣思考

衛詩婕 ：鄧主任的發言透露了一點，汽車領域的供應鏈有向人形機器人行業轉移的現象，汽車領域的人才是否也是？

楊曾博士 ：是的。我在 2011 年加入了一家美資的 TIER 1，叫哈曼。在哈曼，我和團隊一起開發出了當時哈曼歷史上第一款可路測的 L3 的原型車。所謂智能汽車，其實也是一種機器人，但它對物理世界的影響是有限的，汽車只能在路上開，沒有手臂，其實無法進入更多人的生活空間。

隨著智駕進入深水區，這個行業的技術和產品已經趨于成熟，L2++已經開始大規模地商用化。L3 也在量產前夜，但這兩年車市不是特別好，所以自動駕駛相關人才也會有一個溢出效應，會漸漸流向較熱的具身智能領域。我也是其中之一，就這樣加入了安努智能。

衛詩婕 ：這是否意味著，具身智能領域將會增強很多算法方面的人才？

楊曾博士：是的。

衛詩婕 ：先定義一下什么是具身智能？

楊曾博士 ：根據英偉達黃仁勛的定義，截至目前，具身智能有四種形態：無人車、無人機、機器狗、人形機器人。其實這四種都是AI 加上一個身體。只不過身體會針對不同應用場景發生一些變化。

（智元研發的工業級機器人遠征A2W，正在工廠內搬運料箱。）

衛詩婕 ：A2W 能夠算作人形機器人嗎？

王闖 ：通常人們認為機器人有兩條腿的，才叫人形機器人，但其實 A2W 只是把腿變成了輪子——所以稱之為輪式機器人。為什么變成輪子？因為工廠的地面平整，輪式又靜音、效率又高，但是 A2W 的上半身其實跟 A2 一樣，都是七個自由度的雙臂。它也可以用夾爪，也可以用靈巧手，所以我們認為它也是人形機器人的一種。

衛詩婕 ：人形機器人未必要長得像人形才能算，我認為標準在于它是否能像人一樣去思考、辨別、決策、行動？

王闖 ：對。

衛詩婕 ：為什么人形機器人是未來？這似乎很有爭議——并非所有人都看好人形機器人是未來。

王闖：雙足機器人跟人類的形態非常非常的像，如果它生活在人類生活的環境中，這就意味著，人類環境里所有的物理設施它都可以直接去用，比如說桌椅的高度、貨架等，全部都是為人設計的，機器人自然而然就夠得著，而無需對物理環境做任何的改造。且人類對于類人形的機器人，可能親近感更強。

但機器人未必要是雙足的，比如輪式更適合工廠，那么制造機器人的本體公司未必一定要做哪種形態。應該結合應用場景的需求去做改造。

智元希望做出通用的機器人，針對不同的場景，無需再去重新設計本體，無需再去改它的硬件。用一套模型能干很多不同的事情。這是我們想做的。

Jane's interview

03

智元的2025:

從量產元年，到商用元年

機器人部署，也能養出上市公司

衛詩婕：為什么 2024 是智元的量產元年，2025 就一躍進入了商用元年？

王闖 ：其實上半年我們已經有不少的出貨了，有一些客戶想到的場景我們自己都沒有想到，比如有一個客戶開業，用好幾臺機器人一起敲鼓，還有不久前的 MWC 中國通訊峰會上，我們智元的機器人可以寫書法，真的，他寫的書法比我寫得還要好，他一天寫了 130 多幅書法， 手都沒有抽筋，表現出了非常高的穩定性。機器人大規模的亮相和使用，也讓客戶越來越堅定信心，也讓我們的上下游供應鏈伙伴堅定了信心。

今年是一個非常好的開始，2025 年，我們真正把有思考能力的機器人——也就是具身智能，帶到客戶的現場去。

衛詩婕 ：是否要感謝這股深度學習的浪潮？

王闖 ：對。機器人的交互突飛猛進，得益于大模型的加持。去年量產，今年商用，這樣的速度是不可思議的。

衛詩婕 ：從量產完成到真正部署到客戶的工廠，要經過一個怎樣的過程？

王闖：像智元這樣的本體公司擅長做基座的能力、通用的算法，但是完成研發后，機器人到工廠實際部署的時候，會遇到很多挑戰，其中的調試工作量很大，需要有人持續去提升機器人的能力，那些異常的數據也需要有人收集回來——所以，我們需要合作伙伴——安努智能這樣的機器人集成供應商，會負責把機器人真正部署到甲方客戶的工廠里。

衛詩婕：安努智能是專門做機器人部署的集成供應商嗎？

楊曾博士 ：是的。我們是一家人形機器人工程化量產落地的領先供應商。我們的股東里還包含巨星新材料，它是中國永磁體最大產能的企業。部署機器人這樣的項目中的核心，主要基于智元對于本體底層的核心算法，加上安努智能定義的標桿流程和交付。

衛詩婕 ：機器人的集成部署有多大的市場？能養出一個上市公司嗎？

楊曾博士 ：如果只單看協作式機器人的話，（集成商）上市公司里面已經有克來機電，江蘇北人，他們的業務中有約70%都是基于系統集成，所以可以預見，具身智能的機器人部署，空間會更大，類似的公司會更多。

用一個金字塔形容，像智元這樣優秀的本體公司可能有幾個，安努這樣的系統集成商可以有幾百上千個，一起服務像富臨精工這樣幾十萬的工業領域生產者。

衛詩婕 ：所以安努本身是產業上下游共同擁抱未來的一個產物？

鄧揚：是的。

衛詩婕：智元和富臨精工都投資了安努智能，你們三方是如何走到一起的？

鄧揚 ：富臨精工是做大批量生產制造的企業，我們對場景的認知深度肯定更深刻。我們天天與我們的產品、機器設備、員工打交道。可我們沒那么懂機器人本體的技術，但又想擁抱最新的機器人技術，所以我們先和智元碰到了一起。我們雙方都發現，在研發后到落地的過程中，有一系列復雜的工作需要做，這需要專業的集成商，所以我們和智元都愿意投資安努智能——這樣我們三方可以各自發揮優勢，加速這件事的推進。

衛詩婕 ：為什么最終選了料箱轉運——這個場景似乎看起來很簡單？

王闖 ：A2W一開始就瞄準工業。我們團隊心氣比較高，一開始我們鎖定了很多場景，并且想選其中最難的場景，準備大干一場。

我們最初想做一個場景叫「噴粉上下掛」，指的是建筑行業有很多五金零件，比如門的合葉，很多鎖扣、鎖芯、把手，需要工人把一個個零件掛到一個個掛鉤上，有點類似超市的貨架。這個場景里有1000+個零件，每個零件形狀不同，要掛的位置也不同。最難的零件是一個五毫米的螺絲孔，要掛到一個三毫米粗的鉤子上，這意味著機械臂去掛的時候容錯空間只有兩毫米。整個研發做了很久后，我們發現這個場景的標準化很差，精度要求高，技術的挑戰很大。

后來我們又去探索了一個場景叫「陽極氧化上下料」，大概就是有一根長長的桿，還有許多彈簧，像是一個個戒指，后來我才知道那是手機攝像頭的那個金屬環。得把這些金屬環掛到桿子上的掛鉤上。后來我們發現，這個場景的一致性也很差——因為這些金屬環都是手焊的，在陽極氧化環境里用久了都會有形變，所以每個環的形狀不同，每個卡扣的松緊程度也不同。

經歷了這兩段嘗試后，我們發現有些場景看似酷炫，實際上還不到技術去挑戰這個場景的時機。最終我們選擇做料箱轉運，因為這是客戶需求呼聲最高的場景之一，同時技術也能達到。那就先從這個場景開始打穿、做深。

后來我們就和安努一起，在富臨精工落地 A2W。這個項目全程三個多月時間，我們把最初 160 秒的搬運速度，做到了 40 秒。也逐漸做出了避障、泛化性。今天為什么做這個直播，就是想把階段性的成果分享給全行業和公眾，同時，我們的心態是開放的，技術還需要演進，也還存在不完美，但這很正常。

Jane's interview

04

思考過程，

正是具身智能發展的一個標志

看起來是機器人變慢了，

實際上是變聰明了

衛詩婕 A2W 落到車間之后，真正的使用感受是什么樣子的？

鄧揚 ：目前來看， A2W 做搬運料箱，雖然節拍還沒有達到人的速度，搬的沒有那么快，但是有一個好處，是它可以24小時作業。它支持換電，算上人類吃飯休息的時間，它的效率幾乎可以追平人類了。當然，后面有機會能把節拍做得更快。

有兩方面我印象比較深刻：一個是感知避障，另一個是異常環境下，它會自動糾錯，保證作業不中斷。

但還是想講一下我們工廠所面臨的現實問題：工廠還是追求效益的，目前，機器人的成本壓力還是比較大。因為目前一臺機器人得幾十萬（元），所以，我們肯定希望機器人的節拍能夠更加優化——現在是40秒搬一個箱子，再提升 10 秒的話，和人（搬箱子的效率）就差不多了。另一方面，我們公司現在有一個團隊為機器人服務，再加上能耗，這些都是成本。

第二，我比較關心負載，目前機器人能夠做到負載15公斤（王闖補充：雙臂負重是25公斤），如果能做到30公斤，那我車間的活它就包圓了。

還有一點我關心的，如果機器人作業能更深入挖掘其他場景的價值，比如不止搬運料箱，還能運送物料、揀選、碼垛，那整個工程的產線就都可以優化了。

王闖 :鄧主任說得很好。首先，節拍優化到30秒是完全有可能。這只是開始。另外，不同的場景任務也在我們的規劃中。智元在強化學習、模仿學習、數據驅動、端到端，都在布局。

我們認為工廠里有幾個比較典型的場景，一個是料箱上下料，其次各種各樣的分揀，還有一類是組裝，這幾個場景都很大，我們之所以選擇料箱作為第一個落地的場景，是因為技術已經完全滿足，這個場景的規模也夠。有了大規模應用后，成本一定能下降到比較滿意的程度。

衛詩婕 ：A2W 這一批新型的人形機器人，跟過去的工業級機器人這些有什么區別？

王闖：復合機械臂是固定編程，設定好程序后，它的節拍可以很高。但是 A2W 是被我們定義為用于柔性制造的通用機器人，我們希望它今天能干這個，明天能干那個，做什么事情都能自己學習、并閉環。同樣一個本體，在不同場景中應用的時候，我們不需要在硬件上再進行額外的改造。

另外，通用性的機器人能自動識別環境異常并糾錯，傳統的復合工業機械臂做不到。舉個例子，比如說如果工人碼垛碼得不是那么整齊，又或是料箱的顏色錯了、又或是料架位置擺放得有點偏移，在等等的意外場景中，A2W 這樣的通用機器人都能自己察覺到、并糾錯、做出調整。

在我們今天的泛化性任務測試中可以看到，機器人在搬運料箱時發現缺了一個料箱，它先是「愣」了一下，那是在思考，隨后他開始四處找尋這個缺失的料箱——就是用它「頭部」的那個攝像頭在到處掃描，直到找到那只被放錯位置的料箱，然后他會開始思考計算——在什么位置搬、怎么搬最順利，然后它才會移動到那只料箱的旁邊，繼續搬運。

這些都是復合機械臂做不了的。而這就是泛化性。

衛詩婕：目前料箱搬運這個場景，復合機械臂是不是也能做？而且似乎能做得比A2W這個通用機器人快？

王闖：料箱轉運這個場景，目前復合機械臂確實也能做。但我剛才講了，傳統的機械臂沒法像 A2W 那樣，像人一樣去思考。

衛詩婕：復合機械臂設定好程序后，能搬得很快，我們通常會以為它比較智能。但泛化性強的通用機器人的遲疑，停頓和思考，其實恰恰是智能的體現？

王闖：沒錯，機器人中間那個思考過程正是具身智能發展的一個標志。具身智能，和以前的手機、汽車、互聯網不同，這些科技都是工具，但是具身智能是人類的伙伴。但是這個伙伴現在還是個小孩，能力有限，目前有些情況它暫時處理不了，但是它已經能夠幫人類處理一些重復、枯燥的事情。比如搬運料箱，一個箱子10公斤，如果讓一個人一天搬800個箱子，很多工人會覺得很累，但是機器人能做。

（機器人創新背后的程序員們。）

Jane's interview

05

真機數據為什么寶貴？

那是制造業的壁壘

機器人進工廠，

必須做到準確率99.9%

衛詩婕 ：要把 A2W 這樣的機器人部署到工廠，過程是什么樣的？會有哪些難點？

楊曾博士 ：分成幾步。

1. 首先要做現場的適配，對機器人工作的環境做一個地圖的構建，其實就類似于——我們買了一臺掃地機器人回家，得先完成地圖建模。

2. 下一步，我們要對場景里重要的檢測目標，比如料箱上的上料口，做視覺的注冊。

3. 再進一步，就是要去優化末端執行器，比如加個夾爪，使它能夠適應料箱的重量、寬度和抓取形態。

4. 之后通信也要打通。比如料箱運完了，需要提前通知物流部門，把空的托盤運走，再把滿的運過來。

5. 之后兩步都是比較耗時的工作，第一是要對節拍進行長期的優化，讓機器人越干越快，這個過程我們要看如何優化整個機器人的工作流程，讓它的動作可以盡量并行化——比如邊移動邊伸手抓取。第二要優化視覺模型，讓機器人足夠精確。

6. 最后，我們要做壓力測試。針對真是工廠場景中的實際工況，做測試。這個過程會冒出很多很多的問題來。

衛詩婕 ：機器人的部署周期一般會控制在多久？

楊曾博士 ：由于富臨精工這個項目是首次，我們花了三個多月。之后隨著越來越多真機部署的數據被采集，模型和流程都會被優化，后面的客戶和場景都有機會被提升效率。數據越采越多，這些數據用來反哺到一些集成經驗或者甚至是本體的大腦，使得機器人的智能能力越來越上升，那么它在真實落地遇到的挑戰就會越來越少，或者說我們解決挑戰的周期就會越縮越短，它會形成一個正向循環。

衛詩婕：所以安努未來可能也成為一家做機器人大腦的公司嗎？

楊曾博士：是的。

衛詩婕 :你們所說的「采集數據」，到底是什么數據？

王闖 ：大概有四個部分，分別跟隨機器人搬運料箱的四個步驟。

第一部分數據是識別千千萬萬種料箱——也就是作業的客體的數據；

第二個部分是操作數據，料箱很低的時候，機器人的腰是要彎下去的，不同箱子的抓取方式也不同，如何抓取式最優解——這些都是操作數據。和人一樣，搬多了，就會了。

第三類是針對移動場景的環境數據，通俗講，就要收集許多不同的地圖。比如我們有個客戶裝修是黑色的，再比如各式奇怪的場景，有玻璃、圍欄，或者場景經常變化，這些環境數據也是非常重要的。

第四類是放置數據，就是所有的作業最終指向一個怎樣的場景，這也需要采集很多很多數據。

這四個方向的數據如果都能采集好，就有很大機會利用數據提升具身智能的能力。最終可能能夠讓客戶很快地部署好心場景。就好比機器人碰到新場景時，內心會認為我早就見過了，不需要你再教我，我已經會了。

衛詩婕 ：這些數據都是多模態數據，對嗎？

王闖：是的。真機數據為什么寶貴？因為真機數據積累得足夠多之后，它可以推測出一個工業現場的一個世界模型，這很寶貴，因為很多工廠的數據是很難采集到的。

衛詩婕：為什么？

鄧揚 ：對于制造業來說，很多工藝數據和核心參數，都是保密的，因為這是花很多年摸索出來的，這也是制造業的核心競爭力和壁壘。

衛詩婕：那么這些數據被用來訓練一個什么樣的模型？

王闖：還是從幾個方面。第一方面是我剛才說的，收集很多料箱的數據，我們想把這個識別模型做得更準確。比如一個人站在100米外，這是自動駕駛領域里比較關心的，但是機器人關心的是，我看到了這個料箱，這個料箱離我有幾十厘米，機器人把手伸出去，末端位置應該在哪里？抓哪里可以抓得比較緊，另一只手要如何協作？這些都需要識別，并讓結果更精確。這就需要模型的精度更高。

第二方面類似于小腦：區別于傳統機械臂或復合機器人，通用機器人搬一個箱子是全身控制——它看到一個低一些的箱子，知道手夠不著了，就會把身體降下去；看到一個遠處的箱子，它會規劃說身體要前傾，利用多個自由度的全身協同控制。這種協同規劃，也是模型重點的一部分。

衛詩婕：你剛才提到，最初 A2W 搬一個箱子需要 160 秒，目前訓練到 40 秒，從 160 秒壓縮到 40 秒，靠的是從實際場景中采集的數據嗎？

王闖 ：對。我們之前做過四種料箱，最開始時間更長，搬一個箱子需要 200 多秒。當我們做了這四種料箱后，發現這些積累的數據還挺有用的，在長時間測試里采集的各種各樣的情形，比如不同關系的環境、不同箱子的顏色、位置、形狀等等，在仿真環境里也做了各種各樣的調整，我們先把真實環境中采集的數據輸入到模型，再去采真機的數據去強化模型的能力。最終發現能力迭代得就很快。

衛詩婕：你們當下使用的技術是 VLA （Vision-Language-Action，視覺語言動作模型）嗎？

王闖 ：現在不算是 VLA，VLA 智元已經研究一段時間了。它的優勢是對于不同場景的泛化性較強，可能比較適合超市場景，針對很多種不同零食能夠抓取放到袋子里。但是劣勢在于，對于工業場景來說，它并不能把某一項維度能力做到非常高。當然現在也有一些技術路線是用一些強化學習或者說垂直領域訓練，來把成功率拉高，針對某一個特定場景去優化。但是這些對于工業場景來說仍然是不夠的。90% 成功率對于工業客戶來說，他們是不會滿意的，他們必須要求成功率做到99.9%，這沒什么商量余地，否則進不了工廠。

智元的思考是，為了率先實現工廠落地，我們認為當下用小參數模型+規則驅動+數據訓練的方式，是更適合工業落地的。自動駕駛也一樣，最開始用的是CNN，后面發展出了Bev、Transformer，使得它的全局視野就更好了；再之后就出現了occupancy 三維的避障，直至進化出端到端。

我們并不總是尋求非要用最先進、當下最前沿的技術去落地，而是希望交付給客戶最好的效果。

衛詩婕 :有人認為，一個應屆畢業生可能就幾千塊錢的月薪，而機器人售價幾十萬，二者能做的事情是一樣的。

鄧揚 ：我們工廠并不是這樣去思考的。我們公司所有基地加在一起，共超過5000名員工。我們首先想的是如何用機器人把繁重的體力勞動的活先干了，這樣人就有更多時間去管理設備和機器人，這樣的崗位不是隨便什么人都能做的，他必須有他知識和經驗的積累。這類崗位未來收入也會越來越高。

另外，我們更希望營造一個人機交互的智慧工廠。這是面向未來的。因為在未來，隨著人口結構的變化，可以預見到會有人力缺口，我們也希望能布局未來。

衛詩婕：傳統工業機器人 VS 通用機器人，可能就像高中畢業就進廠打工的人 VS 大學畢業生進廠打工。雖然看起來，前者目前比后者干活熟練且更快，但長遠來看，具有更多通識+專業訓練的人可能未來會學得更快。這是泛化性的潛力。

王闖：對，就是這樣。

衛詩婕 ：剛才的談話中, 鄧揚提到了目前已經篩選出四十多個場景等待機器人去攻破，王闖也提到了幾個 benchmark，比如自由度和精度。工業中的場景成百上千，海量場景中如果要排列優先級，肯定需要一些 benchmark 來衡量不同場景的難度、和技術的適配性、所能帶來的效益等。你們會用什么樣的 benchmark 來排序這四十多個場景？

王闖 ：以前組裝電腦時，愛好者們會選擇CPU和顯卡，有一個CPU性能天梯圖。我們現在就是想收集足夠多的場景，去搭一個場景落地難易度的天梯圖。

CPU 的天梯圖想到簡單，誰的跑分高，功耗有優勢就排序高。但是機器人相對復雜，需要一個多維度的天梯圖。

可能我們最終并不是看某一項單項維度，而是綜合判斷。比如今天手臂的自主閉環能實現的精度是正負五毫米，那要求精度在 5 毫米以內的場景我就先把它放一邊，今年就先不做，等著技術的突破或新的零部件面世時，再做。

最后很可能是客戶圈出場景，我們來分析是否可行，又或者客戶要做某些場景，有可行性，那大家一起干。

衛詩婕 : 今天因為時間所限，沒有辦法再深入的一個關鍵點是，在去定義場景和定義機器人能力上限的過程中，到底有多少用到所謂的通用智能的泛化能力？不會是開著跑車送外賣吧？

王闖 ：當然，如果成本沒有優勢，性能表現沒有優勢，是不可能上量的，也不可能真正商業化。

衛詩婕 ：當下技術白天鵝不停出現——原本行業需要 3-5 年才能做成的事，或許在技術突破下，半年內就能做了。雖然很容易被打臉，但還是想請各位預言一下，未來1-3年通用機器人落地的速度？

楊曾博士 ：工業領域里，模型突破可能還需要一些時間。安努會重點基于現有資源向更多場景和客戶去拓展。過程中收集好數據，等待著模型突破的那一天。

鄧揚：作為電關節的供應商之一，我覺得產業里會非常關注成本這個問題。不知道未來三年內，通用機器人的成本有沒有可能下降50%？

王闖 ：我覺得保守了，絕對保守了。

鄧揚 ：如果成本真的能下降 50%，即使模型訓練還沒有那么完美，我相信也有更多客戶愿意嘗試接受新鮮事物，也更愿意去推動整個人形機器人商業落地。成本是一個核心條件。

歡迎關注我的B站賬號、播客賬號和小紅書、視頻號

播客更新

互動問題

歡迎留言交流你對當下資本環境與中概股的看法，

感謝