界面新聞?dòng)浾?| 李如嘉

界面新聞編輯 | 文姝琪

在智元位于上海張江機器人谷的數采工廠(chǎng)里，采集人員正在操縱機械臂完成數據采集。從夾取各類(lèi)物品，到鏟貓砂、晾衣服，工廠(chǎng)里設置了多個(gè)細分場(chǎng)景，每隔一段時(shí)間就會(huì )進(jìn)行更換。去年，智元數采工廠(chǎng)采集了100萬(wàn)條數據，今年希望能有1000萬(wàn)條數據產(chǎn)出。

在姚卯青的構想下，如果能夠有一億條真機數據，機器人就可以達到類(lèi)比ChatGPT-3的智商，與常見(jiàn)物品、設備互動(dòng)，并與人類(lèi)進(jìn)行簡(jiǎn)單交互。

姚卯青畢業(yè)于清華大學(xué)電子工程系，曾在Waymo、蔚來(lái)汽車(chē)等任職。2024年，他加入智元，擔任合伙人、具身業(yè)務(wù)部總裁、具身研究院執行院長(cháng)，負責AI技術(shù)開(kāi)發(fā)及軟件研發(fā)工作。

成立于2023年的智元機器人，是目前中國估值最高的具身智能企業(yè)，最新估值達150億，融資方有紅杉中國、高瓴等投資機構，也有上汽、比亞迪等車(chē)企，以及騰訊這樣的大廠(chǎng)。

作為曾經(jīng)的智能駕駛從業(yè)者，姚卯青認為，與智能駕駛相比，具身智能雖然在硬件系統架構上非常類(lèi)似，但在技術(shù)、場(chǎng)景和應用等方面都有更大的想象空間，大模型的突破則讓大家看到了具身智能成功大規模落地的可能性。

他提到，具身智能真正的壁壘在于操控和大腦。而要完成這些，需要大量數據，這也是智元成立數采工廠(chǎng)的原因。他的樂(lè )觀(guān)估計是，再需要五年，機器人或許就可以進(jìn)入家庭，而在第一階段，工廠(chǎng)仍是具身智能最大的需求方。

“機器人不是大模型，最終還是要拼硬件、拼制造。”姚卯青在采訪(fǎng)中還表示，在機器人實(shí)際落地中，管好一萬(wàn)多個(gè)零件的供應鏈，實(shí)現規模化量產(chǎn)是一大難關(guān)。截至目前，智元已量產(chǎn)下線(xiàn)1000多臺機器人，今年的出貨計劃保持在數千臺。

在他看來(lái)，主流資本已經(jīng)站好隊，留給新成立的公司的機會(huì )已經(jīng)不多，目前牌桌上的玩家要做的就是在更快的創(chuàng )業(yè)節奏下，做差異化，做量產(chǎn)和商業(yè)閉環(huán)。

以下是界面新聞與智元機器人合伙人姚卯青的采訪(fǎng)，略經(jīng)編輯：

大模型讓具身智能的成功初見(jiàn)端倪

界面新聞：你之前在Waymo、蔚來(lái)，都是在做智能駕駛，為什么會(huì )選擇切入機器人賽道？

姚卯青：現在這么多人從智駕切換到機器人賽道，我可以說(shuō)是最早做出這個(gè)選擇的。大部分人都是從去年下半年到今年上半年才集中開(kāi)始換賽道，我在2023年就已經(jīng)看到具身智能這個(gè)新生事物的潛力和想象力，2024年上半年正式開(kāi)始做機器人。

在機器人之前，我也嘗試過(guò)智能駕駛的創(chuàng )業(yè)，現在比較火的一段式端到端，我在2023年上半年就已經(jīng)著(zhù)手在做。但當時(shí)在找融資的時(shí)候，就發(fā)現投資人會(huì )覺(jué)得自動(dòng)駕駛好像已經(jīng)沒(méi)那么性感了。智能駕駛發(fā)展到現在，可以實(shí)現的功能還比較有限，商業(yè)模式也比較趨同，最終還是作為供應商的角色和車(chē)企打交道，生存空間也很有限。當時(shí)也有人建議我來(lái)做機器人，在了解之后，我覺(jué)得它的想象空間會(huì )更大。

界面新聞：你當時(shí)覺(jué)得轉型具身智能的機會(huì )點(diǎn)在哪里？

姚卯青：智能駕駛和機器人從硬件系統的架構來(lái)講是極其相似的，尤其是在電子電器和傳感器這一層。具體的控制器、執行器可能有不一樣，但是從域控制器以上的維度來(lái)講，兩者的系統和架構是高度一致的。所以很多過(guò)去在智能駕駛工程上、資源上的積累，其實(shí)都可以直接復制過(guò)來(lái)。

但從技術(shù)上來(lái)說(shuō)，具身智能更適合做大模型。智能駕駛現在所謂端到端的這些模型，其實(shí)都還是小模型。也不是說(shuō)因為技術(shù)能力不足做不了大模型，而是智能駕駛本身的特點(diǎn)就是低延時(shí)、高速、安全要求極高，不能讓推理慢且存在幻覺(jué)的系統來(lái)控制車(chē)輛，這是不可能通過(guò)安全測試的，所以大家也只能講講概念。但在機器人上，像現在我們外面跑的一些算法已經(jīng)是大模型，雖然沒(méi)有到幾千億參數，也有幾十億參數。

界面新聞：所以大模型這波熱潮也讓你對具身智能更有信心？

姚卯青：對，大模型首先確實(shí)是一個(gè)劃時(shí)代的東西。有了大模型，在2023年具身智能發(fā)展早期，谷歌RT-X等幾份工作給大家看到了一個(gè)新的范式，機器人不用再分模塊去做感知、規劃與控制，用一個(gè)大模型就可以端到端地解決這一整套系統。

智能駕駛是讓車(chē)從一個(gè)結構化的道路從A點(diǎn)走到B點(diǎn)，場(chǎng)景是可預期的，地上有哪些線(xiàn)、哪些交通燈，包括交通規則也是制定好的。但大家對機器人的想象是和人類(lèi)一樣的存在，可以在開(kāi)放世界里執行任意任務(wù)。原來(lái)為自動(dòng)駕駛這樣專(zhuān)用功能設計的系統是無(wú)法適用于這種通用智能的，是大模型的出現讓大家看到了一些成功的端倪。

界面新聞：轉型后為什么選擇加入智元，你覺(jué)得智元和其他公司有什么不一樣？

姚卯青：我當時(shí)看過(guò)很多具身智能的創(chuàng )業(yè)公司，其實(shí)最初也沒(méi)有特別關(guān)注到智元。后來(lái)也是有投資人介紹，交流了幾次發(fā)現，首先智元確實(shí)資金比較充足。不得不承認，資金是最重要的事情。無(wú)論是自動(dòng)駕駛、大模型，還是具身智能，做這些大賽道，前提就是要有錢(qián)。其次智元是有規劃的，要拿這些錢(qián)來(lái)堅定投入AI。

雖然整個(gè)行業(yè)現在還很早期，但從終局來(lái)看，AI能力是必備的，否則機器人就沒(méi)有任何用處。雖然算力、算法工程師、數據這些都很貴，但當時(shí)智元已經(jīng)決定一年要用500臺機器人去采數據、做大模型。雖然當時(shí)已經(jīng)有十幾億融資，一年投入這么多在這方面也是風(fēng)險很大的事情，我覺(jué)得這是很難的一個(gè)決定。

其次智元整個(gè)團隊也更加成熟。做公司只有學(xué)術(shù)是不夠的，創(chuàng )業(yè)不只是要做科研，還要做生產(chǎn)制造、采購、供應鏈管理，管產(chǎn)品、市場(chǎng)銷(xiāo)售戰略、政府關(guān)系、投融資等等，需要非常綜合的能力。尤其機器人也不是大模型，最終還是要拼硬件、拼制造。現在機器人制造還在一個(gè)很初期的階段，要在產(chǎn)業(yè)鏈很不成熟的情況下，帶著(zhù)供應鏈慢慢成長(cháng)，做出一個(gè)穩定可量產(chǎn)的產(chǎn)品，你的團隊要足夠成熟和完整。

一億條數據和五年

界面新聞：剛才提到的大模型主要是在機器人大腦方面的進(jìn)步。在本體和小腦方面，最近有一些比較大的進(jìn)展嗎？

姚卯青：本體的話(huà)，我覺(jué)得重點(diǎn)還是要看誰(shuí)的作業(yè)能力進(jìn)展比較快。運動(dòng)能力雖然比較博眼球，但對ToB（企業(yè)）客戶(hù)來(lái)說(shuō)，做demo、展示極限運動(dòng)能力這些意義不是很大，他們關(guān)心的還是機器人的負載、速率、穩定性等等，能不能去完成工廠(chǎng)里一些復雜的、靈巧的，現在需要大量的工人去完成的事情。比如蘋(píng)果這種代工廠(chǎng)，全球有幾十萬(wàn)工人，這對它們是巨大的負擔。未來(lái)工廠(chǎng)可能每年都有削減5%-10%工人數量的指標要求，這就是具身智能第一階段最大的需求方，去做這些傳統工業(yè)自動(dòng)化做不到的事情。

界面新聞：你覺(jué)得現在市面上的這些做機器人本體和小腦運動(dòng)控制的公司，他們之間有很大壁壘嗎？

姚卯青：我覺(jué)得確實(shí)不存在太高的壁壘。現在即使估值沒(méi)那么高，人員沒(méi)那么多的公司，做出的demo也完全不輸一些大一些的公司。只要是1.3米左右的機器人，結合模仿學(xué)習和強化學(xué)習算法，完全可以去拍一拍demo視頻。

界面新聞：那真正的壁壘在哪里呢？

姚卯青：真正的壁壘肯定在“manipulation”（操控）上，通過(guò)操作去完成任務(wù)。因為它要求的精度很高，是更加復雜的一套組合操作。走路這種能力其實(shí)是固定模式的重復運動(dòng)，但去完成一個(gè)操作任務(wù)，涉及到跟物體的交互，還要深度規劃、組合各種技能。在這個(gè)過(guò)程中，和機器人交互的物體也在隨著(zhù)作用力改變狀態(tài)，機器人要去動(dòng)態(tài)閉環(huán)地完成這個(gè)任務(wù)。

讓機器人翻跟頭，跳起來(lái)把自己扔到空中，其實(shí)只需要很短的時(shí)間，視頻拍十次有一次成功就好了，這些都屬于開(kāi)環(huán)任務(wù)。但像倒水就是一個(gè)閉環(huán)的任務(wù)，機器人要決定什么時(shí)候要倒滿(mǎn)了，什么時(shí)候該停下。

界面新聞：那想要完成操控的部分，背后需要做一些什么事情？

姚卯青：需要采集大量的數據。在采集過(guò)程中，一是要學(xué)會(huì )這種物理規律，二是學(xué)會(huì )操作時(shí)候的接觸位置，三是要學(xué)會(huì )操作的技術(shù)。

我們認為，采集到一億條數據以后，機器人應該可以達到Chat GPT3的智商。去年我們的數采工廠(chǎng)采集了100萬(wàn)數據，今年希望能夠有1000萬(wàn)數據產(chǎn)出來(lái)。

界面新聞：數據采集的動(dòng)作精細度要求也很高，耗時(shí)長(cháng)。這樣采下去的話(huà)，1億條數據似乎遙遙無(wú)期。

姚卯青：其實(shí)也還好，因為進(jìn)行數據采集的機器人數量還可以增大。如果用1000臺機器人進(jìn)行規模化采集，1億條數據可能一年時(shí)間就能采夠了。

界面新聞：機器人有Chat GPT3的智商是什么效果？

姚卯青：比如二指夾爪的機器人，可以做到對于常見(jiàn)的物品的抓放、擺布、推拉，操作一些常見(jiàn)設備，也可以和人做一些交互。人通過(guò)語(yǔ)言指令的形式，可以讓機器人在環(huán)境中去理解、定位，完成相應動(dòng)作。

界面新聞：那具身智能的商業(yè)化什么時(shí)候能到來(lái)？

姚卯青：今年應該可以出現局部的一些商業(yè)化場(chǎng)景，包括我們內部就已經(jīng)在做一些工業(yè)和商業(yè)場(chǎng)景。

界面新聞：你也提到過(guò)，五年之后機器人會(huì )進(jìn)入家庭，這個(gè)五年是怎么估算的？

姚卯青：一個(gè)是數據量，我覺(jué)得五年就能收集得差不多。另一個(gè)是回過(guò)頭看大語(yǔ)言模型的話(huà)，從2020年左右GPT 2讓大家有了耳目一新的感覺(jué)之后，到現在成為一個(gè)成熟的產(chǎn)品，甚至現在一些agent能調用各種應用幫你完成任務(wù)，這個(gè)周期是五年。那類(lèi)比到機器人，現在它開(kāi)始蹣跚學(xué)步，可以去顫顫巍巍幫你抓一些東西，已經(jīng)是一種初期端到端的系統了，而不是寫(xiě)規則，用模塊化的方法搞感知規控，技術(shù)的發(fā)展會(huì )不斷加速，我覺(jué)得五年的時(shí)間是可以暢想一下的。

從demo到量產(chǎn)，管好一萬(wàn)多個(gè)零件的供應鏈

界面新聞：你剛才提到機器人和大模型不一樣，最終還是要拼制造。現在很多具身智能公司都選擇自己做工廠(chǎng)、做供應鏈，建工廠(chǎng)這件事難在哪里呢？

姚卯青：你要管好機器人的這一萬(wàn)多個(gè)零件。首先供應鏈管理不僅僅是說(shuō)砍價(jià)的能力，雖然砍價(jià)也重要，但你沒(méi)有量，人家都不會(huì )搭理你，不會(huì )去給你做定制。其次要保證質(zhì)量，造1000臺機器人，做到一致其實(shí)是很難的。因為機器人的控制最主要就是在一些動(dòng)力參數，像螺絲和結構件這種零部件有誤差，就會(huì )嚴重影響到動(dòng)力學(xué)模型。還有可靠性，能保證終生壽命維持在幾萬(wàn)小時(shí)，或者核心零部件能保證十萬(wàn)小時(shí)、一百萬(wàn)小時(shí)的運行。

我們在做的時(shí)候，前期其實(shí)踩了很多這方面的坑。你以為這些參數設定好了，找人打樣就行，以為是和汽車(chē)一樣有很成熟的供應鏈，最后發(fā)現這些供應商都太初期了，經(jīng)常干著(zhù)干著(zhù)都想自己來(lái)做，但作為一個(gè)小公司，其實(shí)不應該什么都自己做，還是要帶著(zhù)他們成長(cháng)。

界面新聞：智元現在自己干的部分能有多少呢？

姚卯青：核心的關(guān)節，還有電路板這些硬件我們會(huì )自己設計，剩下我們更多想做系統的方案設計和集成。

界面新聞：智元前幾天已經(jīng)開(kāi)了第一屆供應商大會(huì )，這對一個(gè)初創(chuàng )公司來(lái)說(shuō)也不是很常見(jiàn)。

姚卯青：確實(shí)現在已經(jīng)用到了上百個(gè)供應商，我們需要通過(guò)供應商大會(huì )總結一下過(guò)去一年的量產(chǎn)成果和成績(jì)，更重要是對齊我們今年更大的目標，讓他們提前在質(zhì)量和產(chǎn)能的規劃上能夠跟上我們。

界面新聞：今年的目標是什么？

姚卯青：我們自己的規劃是今年有數千臺機器人量產(chǎn)下線(xiàn)，應該是全球來(lái)講最大數量了。我們的優(yōu)勢就在比別人量產(chǎn)的早一些，早踩過(guò)一些坑。在量產(chǎn)規模比較大的情況下，對供應鏈才有真正的掌控能力。一方面量大了在開(kāi)模這些成本上可以分攤，控制成本，另一方面也有更大話(huà)語(yǔ)權，對各種工藝、測試、質(zhì)量標準都能提出自己的規范。

更快的創(chuàng )業(yè)節奏下，淘汰賽即將開(kāi)啟

界面新聞：我們談具身智能經(jīng)常會(huì )談到兩個(gè)其他行業(yè)——大模型，還有自動(dòng)駕駛。你覺(jué)得和這兩個(gè)行業(yè)相比，具身智能的創(chuàng )業(yè)節奏有明顯加快嗎？比如市場(chǎng)會(huì )很早就要求看到商業(yè)化的結果。

姚卯青：確實(shí)有感覺(jué)到。大模型大家搞了一年才發(fā)現不能商業(yè)閉環(huán)，對具身智能就會(huì )有一些杯弓蛇影的情況。和自動(dòng)駕駛那時(shí)候比的話(huà)，因為10年前有美元基金，還是存在耐心資本的，現在就少一些。

界面新聞：你會(huì )擔心具身智能也像自動(dòng)駕駛一樣，剛開(kāi)始期望很高，但發(fā)展了10年也沒(méi)能大規模落地嗎？

姚卯青：技術(shù)的發(fā)展肯定是有不確定性，說(shuō)不擔心是假的。今天沒(méi)有人敢說(shuō)五年后機器人就和人一樣，什么都會(huì )、什么都懂，運控和操作能力做的都很完美。但我相信在一些細分領(lǐng)域，它一定比自動(dòng)駕駛有更大的機會(huì )去先實(shí)現商業(yè)落地。本質(zhì)上還是因為車(chē)是一個(gè)功能已經(jīng)被定義好的明確形態(tài)，對安全性和效率的要求非常高，但機器人的應用場(chǎng)景更廣，總能找到一些適合的場(chǎng)景先落地。

界面新聞：整體創(chuàng )業(yè)節奏的加快會(huì )對企業(yè)帶來(lái)一些壓力嗎？

姚卯青：肯定是會(huì )的。所以明顯能感覺(jué)到中國的具身智能公司和美國是很不一樣的氛圍。美國頭部公司可以不斷去融資、做研究，完全不想商業(yè)化的事，按照OpenAI的路徑走。OpenAI這種燒了這么多錢(qián)，還沒(méi)有盈利的公司在當下的創(chuàng )業(yè)環(huán)境中是很難存活下來(lái)的。

界面新聞：中美之間具身智能公司在估值上也有差距嗎？

姚卯青：中國和美國差太多了。我們的能力應該和美國頭部的人形機器人團隊相當，但在硅谷的估值體系下，美國公司的估值確實(shí)比國內高很多。

界面新聞：你會(huì )不會(huì )覺(jué)得大家對中國公司的要求太高，又太卷了？

姚卯青：中國公司就是太卷了。

界面新聞：那你認為未來(lái)中美在具身智能賽道上會(huì )是怎樣的競爭關(guān)系？

姚卯青：我覺(jué)得一定是中國公司勝出。因為機器人就是一個(gè)硬件制造業(yè)，你看新能源汽車(chē)、無(wú)人機現在已經(jīng)沒(méi)有美國什么事情了，這個(gè)只是歷史的反復上演而已。而且美國的制造業(yè)是越來(lái)越弱的，加上中國的產(chǎn)業(yè)鏈和高素質(zhì)的工程師學(xué)者越來(lái)越多，這是一個(gè)此消彼長(cháng)、差距越來(lái)越大的一個(gè)過(guò)程。

界面新聞：你們怎么看這個(gè)大廠(chǎng)未來(lái)可能要下場(chǎng)做具身智能這件事情？特別是騰訊也投了你們，上汽、比亞迪也都在投你們，未來(lái)會(huì )不會(huì )被他們收購？

姚卯青：收購肯定不可能的，在中國這個(gè)市場(chǎng)里面不存在估值100 多億的公司被收購。我們肯定是要去上市，但上市不是我們的終極目的，是為了支撐我們實(shí)現我們的長(cháng)期愿景。大廠(chǎng)來(lái)做機器人的話(huà)，和大模型不同，大的互聯(lián)網(wǎng)公司不太會(huì )做硬件，包括字節也明確說(shuō)自己不會(huì )去看硬件這些重資產(chǎn)的東西。

未來(lái)我覺(jué)得具身智能賽道肯定也不會(huì )只有我們一家活下來(lái)，但是估計現在這么多創(chuàng )業(yè)公司也就會(huì )剩下兩三家，因為主流的資本都已經(jīng)站隊了，新出來(lái)的創(chuàng )業(yè)項目持續融資的難度會(huì )大不少。

界面新聞：這意味著(zhù)現在具身智能賽道開(kāi)始進(jìn)入一個(gè)冷靜期了嗎？

姚卯青：肯定是開(kāi)始會(huì )進(jìn)入收斂，然后一些同質(zhì)化的公司拿錢(qián)就會(huì )越來(lái)越難，或者只能拿個(gè)一輪兩輪。到后面大家如果沒(méi)有差異化東西出來(lái)，也沒(méi)有量產(chǎn)或者商業(yè)化閉環(huán)，慢慢就會(huì )開(kāi)始淘汰了。

界面新聞：你覺(jué)得是做軟件還是硬件的企業(yè)會(huì )活得更長(cháng)一些？

姚卯青：我覺(jué)得號稱(chēng)只做大腦的公司應該比較困難一些，因為一這個(gè)耗錢(qián)，二它這個(gè)東西很難去商業(yè)化。做硬件的話(huà)投入稍微小一點(diǎn)，跟跑可能還能堅持的時(shí)間久一點(diǎn)，歷史上也不乏跟跑然后能跟上的例子。但一個(gè)公司如果只是做一米三的機器人，只做運動(dòng)控制，那應用場(chǎng)景確實(shí)會(huì )比較有限。

界面新聞：所以你覺(jué)得智元是一個(gè)領(lǐng)跑的位置。

姚卯青：是的。

界面新聞：最近智元也宣布了很多合作，包括和階躍星辰還有Physical Intelligence，在合作這件事情上是怎么看的？

姚卯青：我們是很開(kāi)放的，不會(huì )擔心合作方和我們將來(lái)產(chǎn)生商業(yè)上的一些競爭和沖突，更多是我們希望去利用他們一些已有的能力來(lái)為我們的行業(yè)做賦能。比如階躍用幾萬(wàn)張卡訓練出基礎模型，我們就沒(méi)有必要從頭再干一遍，那就看能不能利用它的多模態(tài)大模型來(lái)賦能我們機器人的大腦。

像Pi的話(huà)，具身智能的算法本身還遠遠沒(méi)有到終局，必須要以開(kāi)放的心態(tài)跟進(jìn)現在最主流的一些方向，和最有可能成為將來(lái)頭部玩家的一些人去組建一個(gè)好的生態(tài)。將來(lái)其實(shí)我們也并不排斥說(shuō)，有一個(gè)特別好的算法大腦，我們去預裝到我們的機器上去賣(mài)給用戶(hù)，這也是一個(gè)好的模式。