2024年世界机器人大会在北京正式开幕，与以往大的不同在于，今年是人形机器人参展企业多的一届 ，共有27家人形机器人整机企业、30多家产业链上下游企业亮相。

随着AI突飞猛进，具身智能成为了今年资本市场上热的领域之一，那些曾经仅存在于科幻电影中的机器人，正离现实生活越来越近，变得“看得见、摸得着”。

在开幕前后，也有多家机器人公司发布了新产品，比如经纬创投投资的宇树科技发布了G1量产版本，起售价为9.9万元，这款产品在世界机器人大会上展出，更强性能、外观，关键的是可以大批量生产了。

宇树G1机器人身手敏捷，不仅可以空中劈腿，还可以自由地上下楼梯，轻巧敏捷

英伟达科学家Erwin Coumans迫不及待想搞一台来做实验

智元机器人则是一口气发布了五款商用人形机器人产品，包括3款适用于不同场景的远征系列（A2、A2-W、A2-Max），2款模块化机器人系列产品（灵犀X1和X1-W，后者面向专业数据采集）。

星尘智能则发布了新一代AI机器人助理Astribot S1，这款产品也在2024世界机器人大会上正式亮相。

星尘智能的机器人助理Astribot S1，正在烘烤华夫饼

今天随着人形机器人越来越走进现实，也迎来了群雄逐鹿的时刻，但技术路线仍不确定、应用场景皆有可能。 经纬创投在几年前就系统性地关注通用智能机器人赛道，在机器人软硬件一体化领域，投资了宇树科技、智元机器人、银河通用、星尘智能 ，它们都是的全技术栈型创业公司，但各自的技术切入方向并不相同，切入的应用场景也不尽相同，有工业、仓储物流、零售、生物制药等等场景。短期目标都是快速占领各自的应用场景，谁先把一个细分场景做好，积累出足够多的数据，就有可能继续拓展新的延展领域，终走向通用化。

除了机器人软硬件一体化外，在产业链上游的两个重要方向（数据、一体化关节） ，经纬创投也投资了AI仿真数据领域的光轮智能 ，正在为行业提供海量的高真实性、高效用性的训练数据；而在一体化关节/执行器领域，经纬则投资了钛虎机器人 ，钛虎有非常高效和全面的产品系列，覆盖了从灵巧手到全身上下的所有关节……

相比于AI大模型，人形机器人更需要工程层面的实践与突破。 比如1990 年出生的王兴兴，并不是履历亮眼的学霸型创业者，他是一个典型的理科偏才。“大家可能觉得很多院校的人很厉害，但实际上大家都是普通人，在机器人这个行业里，很多人只做软件，完全没碰过硬件，而硬件是实践出来的，你知道就是知道，不知道就是不知道。” 宇树科技创始人兼CEO王兴兴说，在大学时代他就发现，只要集合好的零部件，并且用上先进的软件，就可以做出一个更好产品，组合式创新。

与王兴兴有着类似的经历，钛虎创始人易港是一位95后，早在大学宿舍就搞起了3D打印机和焊台，大一就做出了假肢原型机，还在中美创客大赛中获奖；大二又做出了一套主从式外骨骼，手部拥有17个自由度。他总结自己为什么能在大学时期的很多奖项中，打败名校的参赛项目，核心的就是自己的产品“看得到、摸得着、能体验，对社会有直接价值，而不是漂亮的PPT。”

随着AI大模型的突破，今天的人形机器人，正越来越逼近临界点。 有越来越多之前不敢想的任务，如今都可以实现了。特别是随着“世界模型”的提出，机器人的真机数据越来越具备实用价值。

“下一个十年，值得做的就是人形机器人。” 星尘智能创始人来杰说，他曾是腾讯RoboticsX机器人实验室的一号员工、百度“小度机器人”团队负责人，在去年底离职创业。

“人工智能的黎明已经迅速临近，我预计在明年年底之前，全球至少会有一家公司能够推出相对通用的机器人AI模型 ，发展速度之快令人瞩目。” 王兴兴说，“我在年初提出了这一观点，至今仍然坚信，明年年底实现这一目标是非常有可能的。”

一、“软与硬”的结合

不同技术路线、不同应用场景，逐鹿方始

今天的机器人与以往大的区别在于，随着AI的爆发，智能泛化能力大幅加强，这让通用机器人成为可能。 传统机器人并不需要对外界自主响应，所以这是一个自动化设备，不断地重复之前预设的程序。而现在有了智能泛化能力的突破，甚至只需要语音控制，机器人就能实现新功能，这是从自动化到智能化的底层转变。

而AI大模型的能力，不仅体现在规划层面，也开始进入感知和控制环节，机器人发展了50多年，次出现这样由学习算法驱动、以及一个非常大的预训练模型来推动控制环节的变化，这也是过去一年里，我们看到技术层面大的突破。

“终我们会有大脑大模型、小脑大模型，一起把本体串起来，构成一个通用机器人系统。” 北大-银河通用具身智能联合实验室主任王鹤说。他认为，通用机器人应该由基石层和能力层支撑，在基石层关键的是去打造一个通用的本体，数据依赖于本体，本体也决定了它能产生什么样的数据，两者相互绑定。基于本体和数据，进而发展出机器人能力，主要是“大脑”和“小脑”，前者主要解决感知和决策问题，后者把大脑的感知和决策转换成动作。

比如智元机器人也遵循了这样的思考逻辑。“稚晖君”彭志辉从华为离职创业后，与上海交通大学博士生导师闫维新，组建了创始团队，其中闫维新负责人形机器人的“身体”，彭志辉负责人形机器人的“大脑”。“过去，他们在工作中有一些交集，创始人（彭志辉）提出这个想法之后，大家一拍即合。”

远征A1，是智元机器人的代产品，已于去年8月亮相。其步行速度为7公里/小时，依靠视觉传感器和多线激光雷达可自主避障。它的灵巧手有5根手指，能像人类一样抓取物品。应用场景专注于工厂、生物实验室、家庭护理与陪伴等。

而一年之后，8月18日上午，智元机器人一口气发布了“远征”与“灵犀”两大家族共计五款商用人形机器人新品：交互服务机器人远征A2、柔性智造机器人远征A2-W、重载特种机器人远征A2-Max、智元X-Lab孵化的全栈开源机器人灵犀X1、专业数采机器人灵犀X1-W。

智元在发布会现场，搭建了一个摄影棚，机器人当场秀了一次在语音指令下，动手调饮料的操作

对于机器人这样，离不开硬件做终执行的赛道，“软硬一体”的能力尤其重要，像宇树科技、智元、银河通用、星尘等等公司都非常重视这一思路。 如果我们看电动车与自动驾驶行业的历史，2015年批电动车创业公司创立至今，在这个过程中，自动驾驶创业公司的数量，并不少于电动车创业公司。但在今天，单纯做自动驾驶的创业公司基本上都处于挣扎状态，鲜有获得业务突破，哪怕曾经获得过巨额融资。

但从电动车企的角度，不仅“蔚小理”等一众新兴电动车企崛起，先有了“硬件”、产生数据闭环，再切入自动驾驶，反而有很大的业务进展，各家的城市NOA越来越智能。如果一个行业离不开硬件支撑，并且这个硬件仍处于快速迭代期，单纯做这行业的软件是要冒极大风险的。

类似于新能源汽车核心的三电系统，彭志辉将机器人的核心系统分为：动力域（电机关节、伺服控制、电源管理）、感知域（传感器模块、感知算法）、通信域（网络接口、数据传输协议、中间件框架）、控制域（通用算力、AI算力单元、运控算法、具身算法）。

“整个机器人其实是一个软硬件极其复杂的系统，既涉及到内部各个硬件模块的协同和部署，同时也需要软件跟算法高效配合。” 彭志辉说。

另一方面，虽然终的目标是通用化，但在当下早期的发展阶段，机器人的产品定义并不明确。 由于劳动力和任务需求是多元的，人形机器人公司短期内也不会只有的巨头，将会有很多公司围绕不同细分市场，走不同的技术方向，积累该场景下的数据护城河，这种“条条大路通罗马”的局面会维持一段时间。

一些公司选择把主要精力放在机器人的“上半身”。 比如银河通用选择的落地场景是无人值守药店（特别是夜班），其首代产品盖博特机器人，“下半身”就采取了轮式底盘+折叠本体的设计。之所以采取这样的设计，首先因为轮式底盘在零售场景里，已经完全可以覆盖绝大部分应用。而折叠的设计，往上可以摸到2.4米，可以覆盖高的货架，机器人可以拿到所有货物。

往下也可以摸到地面，比如当有产品不小心掉到地面上时，机器人也可以自己捡起来。这些都是目前机器人的双腿结构，比较难解决的问题，而在当下集中精力先研发“手”，可能能够率先实现应用价值。

星尘智能创始人来杰则将自己的机器人产品定义为“助理” ，辅助人，而非替代人。首要的场景就是那些脑力劳动更多，但却经常陷入一些重复操作的事情上。典型的例子就是生物医疗和化学实验，这些都是需要高智力劳动，但却绕不开重复操作的领域。此时一个合格的机器人助理，可以解放这些教授、博士们双手，他们只需要设计实验，而所有操作都可以让机器人准确无误、不分昼夜的去完成。如果给一位生物教授配10个机器人助理，他用于创造的时间甚至可以翻几倍。

来杰也非常重视“软硬一体”的能力。 得益于在腾讯RoboticsX机器人实验室的经历，他非常重视架构，“我们与腾讯RoboticsX机器人实验室的架构就很相似，一半主攻机器人软硬件一体化，另一半强调用AI算法去做感知和运动控制，以此来探索AI和机器人的强耦合。”

星尘融合了触觉感知进行力控抓取，并结合规模化数据综合训练 ，包括人体动作视频演示、动捕、遥操作采集等方案。来杰非常重视传动结构中的刚、柔结合 ，也装入了一些传感器以在传动过程中，能一直监测力的传输。比如机器人在削黄瓜时，星尘的机器人并不是去估算轨迹，而是与人类一样，通过感知削皮刀在压到黄瓜上时，力量的大小，来控制力量的输出，这种特殊的传动结构，能使精度更上一层楼。

“当下，离我们想要的具身智能之间，还有两个重要的Gap（差距）没有解决。”星尘智能创始人来杰说。

个Gap是AI大模型和机器人之间 ，有时候一些问题的产生，并不是单纯靠扩大数据规模，或是算法就可以解决，而是需要在机器人层面去进行提升，这是硬件带来的。

第二个Gap是在硬件本身的表达能力足够的前提下，AI如何更好地结合硬件的能力。 比如说AI是否可能完全自主地进行学习和尝试？假设有一个机器人在办公环境下，它本来什么都不知道，只知道一些基础动作，然后让它自己去建语义地图，自己去理解环境，自己去观察其他人的操作，然后把所有动作学会，这就跟我们人类很像。当然，这也是Yann LeCun所提出的“世界模型”。

“我们在过去一年里，同时在G2落地和G3预研两个方向，都取得了一些阶段性突破。在G2阶段实现了一系列zero-shot和few-shot的一些通用原子能力，比如通用的位姿估计模型UniPose。目前也正在与多家制造业和服务业领军企业，进行联合的场景POC，今年晚些时候有望全流程跑通，让机器人能够正式在客户场景中部署干活。” 彭志辉说。