摸着石头过河的具身智能公司，正在寻求“确定性”

在种种不确定因素之下，对于具身智能，唯一可以确定的是，其未来巨大的市场空间。从纷纷入局的科技巨头、创业公司的市场现状即可窥见一二。而类比到自动驾驶，其也是抛开层层迷雾后才得以在今天看见曙光。

相信，于具身智能而言，站在如今大模型和自动驾驶的臂膀上，其成熟期将来得更快。

作者|思杭

编辑|皮爷

出品|产业家

“具身智能注定会成为最具价值的AI应用，未来还可能会改变我们与科技的交互方式。”

2024年5月，英国自动驾驶独角兽Wayve完成了10.5亿美元C轮融资，这也是英国史上最大规模的AI融资，本次融资方除了老股东微软，还有新入局的软银集团和英伟达。值得注意的是，上述正是Wayve联合创始人兼CEO在完成融资当天写下的一句话。

令人好奇的是，为什么一家自动驾驶公司要在融资当天提到具身智能，甚至还极为看好？不仅如此，仔细研究融资方还能发现，在不少具身智能公司里，都有英伟达的身影，比如年初的Figure。

实际上，从自动驾驶到具身智能，每一个前沿AI领域都少不了英伟达的参与。那么，自动驾驶与具身智能究竟有何关系？

如果说，“自动驾驶的存在是取代司机，那么具身智能的存在就是替代整个人类。”当然，这只是跟随如今互联网风格的一种狭隘理解。自动驾驶与具身智能的真正相似之处是，从技术到底层逻辑的相似。而一种更好的理解则是，既然2024是自动驾驶的商业化元年，那么同样地，它也见证了具身智能的“元年”。

据南方都市报统计，从2023下半年至今，与具身智能概念相关的公司，已有12家实现融资。而更夸张的是，华为天才少年“稚晖君”辞职后创立的智元机器人，过去一年时间就完成6轮融资，估值一路飙升至70亿元。

具身智能赛道的疯狂还不止于此，从马斯克到AI知名学者李飞飞，从英伟达、OpenAI甚至到国内几乎所有互联网大厂，全部纷纷涌入具身智能赛道，用脚投票一致看好这个如今AI大模型加持下的机器人产业。

然而，这个看起来波涛的赛道，如今真的如此光明吗？摆在它前方的，究竟是何种机遇和挑战？

一、2024，机器人开始有了人的“身体”

回溯过去70多年人工智能的历史长河中，有几个极为关键的标志性事件，其中一件就发生在70年代的日本。1964年，日本早稻田大学教授加藤一郎开始潜心研究人工下肢，五年时间，世界上第一个双足机器人WABOT-1诞生。

这个当时行走一步要45秒，步伐也仅有10厘米左右的机器人马上就引起了全世界的轰动，要知道，彼时的人工智能才刚刚起步，从操控到感知，一切都还处于探索初期。因此，WABOT-1的问世则也标志着整个人工智能发展史上的一个重要里程碑。

不仅如此，世界上第一个双足机器人在日本诞生后，对于抓住了先机的日本，汽车和电子制造业的崛起也随之而来。而在机器人领域，日本更是占据了整个机器人产业的半壁江山。

尽管早在70年代人形机器人就有了“雏形”，然而从自然语言到操控、感知、决策等等人工智能领域的关键性技术都未有突破，这也导致在过去很长一段时间，关于人形机器人的发展也不得不按下暂停键。

而此后的机器人领域则开始围绕着“非人形”机器人展开，比如工业场景里常见的机械臂。可以说，由“ABB、库卡KUKA、发那科FANUC和安川电机YASKAWA”组成的机器人“四大家族”，地位至今都难以撼动。

如果说当年，世界上第一个人形机器人的诞生对后续的人工智能发展，发挥了至关重要的作用；那么今天，人工智能领域的重大突破，同时也让停滞不前的“人形机器人”产业重新找回属于自己的光环。

据不完全统计，在AI大模型风口上的2023年，单单是以“人形机器人”或“具身智能”概念入局的创业公司就有24家；而到了今年，截至2024年8月，这条赛道共聚集了29家创业公司。

在这其中，不仅有一年内连续融资6次，估值达70亿人民币的智元机器人，更有不少被阿里、腾讯、华为、美团等“选中”的初创公司。

而在过去这一年，资本的疯狂也再一次证明了人形机器人的“觉醒”：据IT桔子统计，2023年中国一级市场机器人行业融资金额达240亿元，单笔十亿元量级以上投资事件约4起。

在2024年世界人工智能大会上，一场“人形机器人盛宴”让其火热程度更加具像化。

而与此同时，在海外，这场盛宴则要更为壮观，从特斯拉的“擎天柱”（Optimus）到今年3月刷屏的Figure AI，再到英伟达的人形机器人通用基础模型GR00T，可以说，对于这些逐梦AI的硅谷科技企业而言，它们对人形机器人的追逐和野心，以及害怕错过（FOMO）的焦虑，无一不暴露在这场盛宴之下。

同样地，作为走在AI前沿的国内科技企业，也并没有人想错过入局人形机器人的最佳时间点。

对此，一些自身有大模型能力的科技大厂，选择的是投资，并以大模型赋能机器人的方式入局这一新赛道，如华为、百度、腾讯、阿里、字节；甚至一些有硬件研发基础的企业不惜重金自研入局，如科大讯飞、小米。

而另一些更聚焦实际场景的科技企业则是用投资的方式，更垂直、也更有针对性地为特定场景打造属于他们的人形机器人，如美团、小米。

2023年，有鹿机器人联合阿里云通义千问共同发布了具身智能大模型LPLM-10B；同年12月29日，人形机器人第一股“优必选”正式登陆港交所，腾讯成为优必选最大机构股东。而就在最近，北京银河通用机器人有限公司也完成了7亿元的天使轮融资，其中投资方就包括了美团。

上述种种信号都在表明，在科技企业、创业公司、老牌机器人厂商等等参与者的合力之下，人形机器人正在一步步走向产业，走向有着千家万户的现实世界。

二、通用机器人之前：

人形机器人的形态之争

从1970年的世界首个人形机器人到以机器人四大家族为首的非人形机器人，再到今天重新觉醒的人形机器人，为什么一有“机会”就会发展人形机器人？而机器人又为何必须是“人形”？人形机器人的魅力究竟在哪？

对此，产业各界都给出了不同的解释。更为感性的说法是，机器人的形态越像人，就越符合大众对机器人的幻想，这也是为什么科幻电影中的机器人大多都与真人无异。

但如果站在更为理性和客观的角度，机器人之所以是人形，实际上是为了更符合人类对一个全能、通用机器人的期待。UniX AI创始人兼CEO杨丰瑜告诉产业家，“我更愿意将人形机器人称之为通用的具身智能机器人。当机器人进入到L5阶段，只需一个通用的机器人即可完成扫地、洗衣服、取快递等全部家务。”

因此，一个更好的理解便是，无论是目前的人形机器人，还是具身智能，他们都是为了走向未来的通用机器人。而至于机器人的形态，究竟是人形还是非人形，是双足还是轮式，目前业界可以分为三个派别，分别是激进派、温和派和保守派。

首先是身为激进派的马斯克，在6月的特斯拉股东大会上，其宣称将于明年量产1000台双足人形机器人Optimus。

相比之下，国内一众机器人创业者则较为温和。比如，银河通用所发布的GALBOT就是一个身高173CM的轮式双臂人形机器人，再比如，上半年刚成立的UniX AI，已发布并即将量产的Wanda也同样是轮式双臂机器人；而与此同时，据产业家了解，双方公司都在默默研发双足人形机器人，并正在着手解决相关技术难题。

而对于机器人的形态问题，也有不少“保守派”不认可或不看好双足。

在这其中，最为典型的两个代表，一个是猎户星空，其董事长兼CEO傅盛认为，“双足机器人目前很难成功商业化，如果落地到产线上工作，没有三五年根本不可能。”另一个则是知名人形机器人公司Sanctuary AI，其创始人Geordie Rise则是最近在X平台上发文称，“几乎所有工作都更适合在有轮子的环境下完成”，甚至又补充道，“双足人形机器人是愚蠢的”。

然而，在如今这场机器人的形态之争下，无论是双足还是轮式，大家的终点都只有一个，即通用机器人。

三、从技术路线到场景，

具身智能企业“摸着石头过河”

简单来理解通用机器人，就是既会做饭、洗衣服，又会打扫卫生、取快递，而这也就意味着机器人需要能够更好地掌握真实的物理世界。

“在此之前，上一代的机器人并没有环境感知能力，其单纯依靠外围设备的节拍信号驱动来执行固定运动，也没有智能可言；而未来的人形机器人则一定是具身大模型+通用的人形机器人，两者缺一不可。”银河通用向产业家表示。

而这也就诠释了为什么具身智能，或人形机器人的风口出现在如今大模型的浪潮之下。

从整个人工智能的发展角度来看，AI大模型为机器人领域所带来的是更强大的感知能力。 在银河通用看来，这种强感知能力是建立在“大参数模型和巨量数据展现出来的智能，它能将长任务拆解成短任务，再将短任务拆解成机器人的运动”。

在机器人领域，一个最大的难点便是缺乏与物理世界的真实数据，而得不到这些数据，就无从对机器人进行训练；即使是互联网上得到的信息，在过去也很难根据这些信息进行扩展，并使机器人更好地理解世界。

而大模型则很好地解决了这一问题。在杨丰瑜看来，如今的大语言模型已经实现了视觉语言上的智能涌现，这就意味着，通过互联网上的数据，机器人的感知已经出现了相当强的泛化，因此能够更好地理解真实的物理世界。

实际上，除了具身智能，被大模型随之带火的还有自动驾驶。像开篇提到的英国自动驾驶独角兽Wayve在融资当天，不惜花大量笔墨描绘了一个属于“具身智能”的未来，类似的言论也同样出现在不少机器人公司的内部。

其中，银河通用在对具身智能的诠释中就提到，“具身智能是一个相对宽泛的概念，像自动驾驶、扫地机器人，严格意义上来说都属于具身智能，当然也包括我们今天在做的拥有具身大模型，能主动干活的人形机器人。”

此外，关于自动驾驶与具身智能的相似性，UniX AI创始人杨丰瑜则进行了更具象的类比，“如今的具身智能，其实更像2015、2016年的自动驾驶，仍然处于缺少真实数据的阶段。而如果以L0-L5几个阶段来诠释，目前大多数具身智能公司都在L0到L4的过程中，而到真正的L5则还有一段距离。具体而言，L4状态指大多数场景下，机器人可以完成某个指定动作；而L5则指任意场景下，机器人可以完成某一动作。现阶段，大家所缺少的便是真实数据。”

但自动驾驶和具身智能也都各有各的难点，前者的难点在于安全性，而后者的难点则在于数据获取。

为解决具身智能目前的种种挑战，目前市面上不同企业内部的技术路线都各不相同。从具身智能公司的创始团队背景就得以窥见，从大厂机器人实验室到智驾公司，甚至连从AI顶尖院校毕业的创业者都来自不同科系，可以说，在这个仍发展初期的具身智能赛道上，各路大神在各显神通。

无法达成共识的还不仅是技术路线，对于机器人的落地场景，尤其是未来走向通用机器人的人形机器人，究竟谁能更快地实现商业化，或哪些更适合当下的具身智能机器人？目前都还并没有定论。

“目前整个行业，大家都还处于摸索PMF的阶段，很难说B端和C端哪条路更容易或有利于商业化。”杨丰瑜向产业家说到。

的确如此，如果说在过去非人形机器人阶段，商业化较为成熟的场景是生活服务、智能仓储和智能制造。那么对于如今的具身智能的人形机器人阶段，则既有面向B端的，也有从C端入手的。

比如，具身智能公司UniX AI即将发布的轮式双臂机器人Wanda面向的就是家庭场景。而之所以先选择C端，有几方面考虑。在杨丰瑜看来，首先，针对具身智能缺乏真实数据的特点，如果能用脱敏处理从用户端获取更广泛的真实数据，从而形成数据飞轮，从这一角度来讲则可以极大地增强机器人的泛化能力。

然而，对于处于发展初期的当下，究竟何种场景更有利于具身智能发展还是未知数，因此UniX也并没有完全将场景限定在C端。另一方面，相较于B端“强替代”的场景，C端的容错率也更高。

通常来讲，在B端，企业选择是否要大规模使用某类机器人则要根据人工成本进行对比，因此这也决定了B端更复杂的商业逻辑。

然而，毋庸置疑的是，从机器人产品本身出发，不同于C端场景，B端场景并不会如此多样化。与此同时，这也意味着，在缺乏数据的当下，B端机器人的技术难度也相对较低。

对此，目前不少具身智能公司都选择从toB出发。最为代表的则是银河通用，在他们看来，“现阶段先落地在B端场景是更好的选择，当技术积累到一定的程度，再推动其走进家庭。”据银河通用机器人透露，目前GALBOT计划在商超、车厂、工业、物流、科研等领域进行更深入的场景验证和应用落地。

可以看到，从相差各异的技术路线，到难决高下的落地场景，如今具身智能企业都正在探寻更适合自己的路。

四、人形机器人的「确定性」在哪？

英国自动驾驶独角兽Wayve之所以成立自动驾驶公司，其更深层次的意义实际上是实现“具身智能”的愿景。

“从理论上，如果说自动驾驶的感知和决策已经达到成熟，那么具身智能的技术成熟度也没有问题。”具身智能领域的某业内人士告诉产业家。

但如果说，2024是自动驾驶的商业化元年，那么，具身智能的“确定性”又在哪？

目前看来，从机器人形态到技术路线，从落地场景再到商业模式，关于具身智能的一切似乎都充满了不确定性。

甚至更夸张地讲，在过去很长一段时间，究竟什么是人形机器人，什么是通用机器人？又该如何定义具身智能？概念都还并不清晰。而实际上，业界人士对具身智能不同定义的背后，反映的正是各家技术路线的差异。

比如有些企业将具身智能定义为需要与物理世界交互的智能体，而有些则将其定义为一具属于AI的身体。而这两者的区别就在于，前者更注重数据获取，后者则更注重AI或大模型技术的积累。

而如果抛开现实层面的阻碍去谈理想。具身智能的未来是面向通用机器人。但如今，我们距离通用机器人究竟有多远？

如果用L0-L5做类比，在上文中提到，UniX AI创始人杨丰瑜认为，如今的具身智能机器人正在接近L4阶段的过程中。而真正的通用机器人则是L5阶段。

根据全球顶级对冲基金Coatue近日发布的一篇关于“具身智能”的报告《The Path to General-Purpose Robots》（通往通用机器人之路），如果将具身智能的阶段与自动驾驶的阶段做类比，“过去无人驾驶汽车从L1到L2花了大约20年，而从L2到现在的L4只用了不到10年；那么人型机器人从L1到L2用了大约50年，从L2到L4预计只需要不到5年。”