姚卯青对中新经纬(wei)表示，一方面，资本市场的大力推动对人(ren)形机器人(ren)的发展(zhan)起到了很大作(zuo)用，从全球看，美(mei)国特斯拉创始人(ren)埃隆·马斯克布局人(ren)形机器人(ren)行业，英伟达(da)也在这方面动作(zuo)频频。另一方面，大语言模型不断(duan)实现突破，给机器人(ren)的智能化(hua)提供了技(ji)术基础。

数据尤其是高质量数据，就如同一道道练习题，大模型在数据的不断(duan)投喂下进行练习与模仿，才能变得更(geng)加(jia)智能。而是否拥有高质量数据，成为发展(zhan)人(ren)形机器人(ren)的卡点之一。姚卯青称，具身智能训练领域(yu)大规模的开源数据集是美(mei)国Google公司的Open X-Embodiment，但该数据是全球几十家机构拼(pin)凑起来的，质量较差，而且有些数据已(yi)经丢失，行业需(xu)要(yao)一个高质量、大规模的数据集。

在4000平方米的智元机器人(ren)数据采集中心(xin)，搭建出家居、餐厅、工业、商超、办公五(wu)大类场景，包含超过两百个细分场景的任务。在这些场景中，数百名数据采集员通过头戴(dai)VR眼(yan)镜、手持操作(zuo)手柄指挥着机器人(ren)进行各种动作(zuo)。比如，家居场景依据真实住宅进行布局，包括卧室、客厅、厨房、卫生间等空间，可以实现机器人(ren)整理(li)物品、收拾(shi)碗筷、打扫房间等。在奶茶(cha)店(dian)场景下，采集机器人(ren)奶茶(cha)制作(zuo)、送餐、收拾(shi)桌子等过程。

中新经纬(wei)看到，在数据采集员的操控下，一台机器人(ren)拿(na)起桌上的茶(cha)壶，慢(man)慢(man)地将水倒入面前的杯子中，然后(hou)将水壶放回原位。不过，重复(fu)、单一的数据，对训练大模型作(zuo)用甚(shen)微(wei)，采集过程中，数据采集员会不断(duan)挪动杯子和茶(cha)壶的位置，记录下不同场景下的数据。同样，采集机器人(ren)扫地时(shi)，数据采集员也将垃圾摆放在不同位置，通过操作(zuo)手柄让机器人(ren)手臂上的吸尘(chen)器去(qu)吸取(qu)。该数据采集员表示，这项动作(zuo)一天约能采集数百条(tiao)。

姚卯青说：“智元机器人(ren)的模型训练路线与语言大模型比较类似(si)。最开始是预训练，该阶(jie)段使(shi)用尽量多的数据进行训练，形成对环境的基本感知等。之后(hou)，会采集数百条(tiao)高质量数据，里面也会做一些泛化(hua)，比如倒水的动作(zuo)，对水壶、桌面、光照等进行更(geng)换(huan)，拿(na)放位置及倒水姿态(tai)进行调整等，大概(gai)数百条(tiao)数据能让机器人(ren)实现比较好(hao)的倒水效果。”

智元机器人(ren)数据采集中心(xin)负责(ze)人(ren)阮(ruan)丞向中新经纬(wei)解(jie)释称，简单来说，智元机器人(ren)具身基座大模型是端到端的VLA大模型，它以互联网(wang)多模态(tai)大模型为基础，先让模型具有通用的感知和动作(zuo)理(li)解(jie)能力，再使(shi)用相同本体的高质量真机动作(zuo)数据进行训练，也就是数据采集中心(xin)所采集的数据，让模型具备动作(zuo)的精细执行能力。

阮(ruan)丞说：“这个过程可以对比教小孩(hai)子学做菜(cai)，最开始是认(ren)识菜(cai)、肉、调料(liao)，之后(hou)告诉他操作(zuo)步骤，最后(hou)是实践操作(zuo)。就倒水这一动作(zuo)来说，（我们）先让大模型认(ren)识各式各样的水壶、杯子以及杯子里的水位等，之后(hou)让它具备在不同场景下的泛化(hua)能力，最后(hou)在高质量真机动作(zuo)数据的训练下，能够精准(zhun)理(li)解(jie)倒水的相关动作(zuo)。”

阮(ruan)丞也称，教会人(ren)形机器人(ren)学会每项动作(zuo)需(xu)要(yao)采集多少条(tiao)数据，因任务和要(yao)求不同可能有所差异，没办法准(zhun)确量化(hua)，而且，随着对人(ren)形机器人(ren)的要(yao)求越来越高，可能需(xu)要(yao)更(geng)多的数据。

2024年底，智元机器人(ren)对该数据采集中心(xin)的百万真机数据集AgiBot World进行了开源。据介绍，相较于Google的Open X-Embodiment，AgiBot World长程数据规模高出10倍，场景范围覆(fu)盖面扩大100倍，数据质量也从实验室级上升到工业级标准(zhun)。

对具身大模型的不断(duan)训练已(yi)经产生效果。阮(ruan)丞说：“以最早期的抓取(qu)放置任务训练为例，让机器人(ren)抓取(qu)一个物品从一个筐放进另一个筐，随着训练数据的增加(jia)，模型的能力也得到很大扩展(zhan)，对不同样式不同位置的筐和物品，甚(shen)至完全没见过的物品，机器人(ren)也能进行识别并投放。在不断(duan)的研究(jiu)与探索(suo)中，我们的认(ren)知也在不断(duan)地被颠覆(fu)。现在的模型具备了同时(shi)执行多个任务，对不同场景和新物体的泛化(hua)能力，同时(shi)还能理(li)解(jie)跟随语言指令。”

“解(jie)决一个工序也有上万台市场规模”

2023年11月(yue)，中国工业和信息化(hua)部发布的《人(ren)形机器人(ren)创新发展(zhan)指导意见》中提出，到2025年，人(ren)形机器人(ren)创新体系初步建立，“大脑、小脑、肢体”等一批关键技(ji)术取(qu)得突破，确保核心(xin)部组件安全有效供给。整机产品达(da)到国际先进水平，并实现批量生产，在特种、制造、民生服务等场景得到示范应用，探索(suo)形成有效的治(zhi)理(li)机制和手段。

今年1月(yue)初，智元机器人(ren)对外(wai)宣布，公司通用具身机器人(ren)累计下线达(da)1000台。此前，中国国内的傅利叶、宇树(shu)科技(ji)等机器人(ren)公司也对外(wai)宣布过有关机器人(ren)量产的消息。国际上，埃隆·马斯克在今年1月(yue)份表示，特斯拉计划(hua)在今年生产数千台套(tao)人(ren)形机器人(ren)Optimus，若进展(zhan)顺(shun)利，明年产量将达(da)5万至10万台。

中新经纬(wei)在智元机器人(ren)上海临港量产工厂看到，一些机器发出嗡嗡声响，200多名工人(ren)操作(zuo)着不同的程序组装人(ren)形机器人(ren)，一些已(yi)经下线的机器人(ren)还需(xu)要(yao)进行最后(hou)的测试。

智元机器人(ren)制造部总经理(li)张绍政对中新经纬(wei)称，除了一些标准(zhun)化(hua)的组件外(wai)，人(ren)形机器人(ren)的大多数核心(xin)部件都是该公司自研，再交由相关工厂完成部件的生产后(hou)，最后(hou)的组装交由临港量产工厂完成。目(mu)前，临港量产工厂的年产能达(da)到了数千台，后(hou)续还有进一步扩大产能的计划(hua)。

智元机器人(ren)已(yi)交付的机器人(ren)主要(yao)用于工业生产场景和一些展(zhan)馆(guan)内机器人(ren)导览介绍等交互服务场景。在工业生产场景，机器人(ren)主要(yao)从事“PPT”工序，即Pick（抓取(qu)）、Place（放置）和 Transfer（转(zhuan)运）。姚卯青表示，在汽(qi)车制造、3C制造等场景下，机器人(ren)可以替(ti)代一些重复(fu)、机械的工作(zuo)，需(xu)求量庞大，“解(jie)决一个工序也有上万台市场规模，未(wei)来如果真正能实现完全的工业自动化(hua)，人(ren)形机器人(ren)行业会成为比汽(qi)车制造业更(geng)大的一个产业。”

借鉴自动驾(jia)驶的等级划(hua)分思路，智元机器人(ren)将具身智能技(ji)术的发展(zhan)也分为五(wu)个阶(jie)段，即G1至G5。G1阶(jie)段，属于基础自动化(hua)阶(jie)段，基于简单的机器视觉加(jia)上人(ren)工程序化(hua)编程，这一阶(jie)段的机器人(ren)系统(tong)设计和配置都针对特定的应用需(xu)求，缺乏泛化(hua)能力。G2阶(jie)段，通过抽象出可复(fu)用的原子技(ji)能，机器人(ren)可以实现一定程度上的场景迁移(yi)和泛化(hua)。这一阶(jie)段的机器人(ren)已(yi)经能够基于大语言模型（任务编排大模型）进行任务编排，具备一定的智能水平。到G3阶(jie)段，机器人(ren)将能够更(geng)灵活(huo)地适应不同场景和任务，通过持续学习不断(duan)优化(hua)自身性能。

姚卯青说：“目(mu)前整个行业的具身智能技(ji)术还处于G1到G2的阶(jie)段，学术阵(zhen)地可能到了G3阶(jie)段。到G4阶(jie)段，我觉得还需(xu)要(yao)5年时(shi)间，而到G5阶(jie)段则要(yao)10年。简单讲，在G3阶(jie)段，具身智能技(ji)术会在单一任务上可以实现与人(ren)一样的成功率；在G4阶(jie)段，可以实现用一个模型完成多种任务；到G5阶(jie)段，则是具身智能技(ji)术的终极形态(tai)，它可以实现推理(li)、反思、纠错。”

就智元机器人(ren)而言，姚卯青透露，公司今年计划(hua)走通G3阶(jie)段产品的技(ji)术路线，明后(hou)年会继续向更(geng)多场景与任务进行拓展(zhan)，同时(shi)对G4阶(jie)段的产品进行一些布局。

走向家用市场或需(xu)要(yao)5年时(shi)间

相比于一些花式炫(xuan)技(ji)，消费者更(geng)关心(xin)人(ren)形机器人(ren)何时(shi)能够“飞入寻常百姓家”。

今年2月(yue)，宇树(shu)科技(ji)的H1和G1人(ren)形机器人(ren)开售，G1的售价为9.9万元，H1的售价为65万元。2024年12月(yue)，众擎机器人(ren)的人(ren)形机器人(ren)PM01发售，售价8.8万元。

目(mu)前，智元机器人(ren)的客户主要(yao)来自企业端，采访(fang)中并未(wei)透露人(ren)形机器人(ren)的零售价格。但姚卯青称，智元机器人(ren)的人(ren)形机器人(ren)产品的生产成本正在不断(duan)下降，每年大约会有15%～20%的降幅。人(ren)形机器人(ren)的成本主要(yao)是一些关节类组件，随着行业量产，这类组件的价格会明显下降。智元机器人(ren)去(qu)年推出了全栈开源机器人(ren)灵犀X1，科技(ji)爱(ai)好(hao)者、开发者可在智元商城购(gou)买相应的组件套(tao)餐。

姚卯青预计，人(ren)形机器人(ren)走向家用市场，大约需(xu)要(yao)5年时(shi)间。他说：“走向家用的人(ren)形机器人(ren)，到时(shi)能接受一些开放式的指令，可以从事一些常见的家庭工作(zuo)，比如取(qu)放东西、泡杯茶(cha)、拿(na)快递、丢垃圾、叠被子、洗衣服等常见工作(zuo)。走入家庭的产品，价格可能在5万元这一级别。”

姚卯青称，具身智能技(ji)术发展(zhan)到G4阶(jie)段时(shi)，智力上与人(ren)已(yi)经差不多，在居家场景使(shi)用时(shi)，会替(ti)代家政服务人(ren)员完成部分基础工作(zuo)，但体力上是否可以跟上要(yao)取(qu)决于硬件的迭代情况。他说：“是否能让人(ren)形机器人(ren)爬到窗户外(wai)面擦窗，这还需(xu)要(yao)行业共(gong)同努力。”

姚卯青表示，人(ren)形机器人(ren)的发展(zhan)也面临硬件与软件上的瓶颈。硬件方面，对机器人(ren)的手部研发亟待突破，目(mu)前市场的高自由度灵巧手的灵活(huo)度与人(ren)手相比仍存差距。另外(wai)，关节和电机的轻量化(hua)、小型化(hua)，外(wai)壳(ke)材料(liao)的高强度、轻量化(hua)、仿真化(hua)，电池(shi)的功率密度的提升，芯片的更(geng)大算力及更(geng)低成本，更(geng)丰富和精密的传感器等，都需(xu)要(yao)改进。软件方面，具身智能技(ji)术还处于G1到G2阶(jie)段，因此在算法方面还有很长的路要(yao)走，这中间，数据也比较核心(xin)。

当(dang)前，全球多个国家都在人(ren)形机器人(ren)行业发力，中国的优势在哪里？姚卯青表示，一是，供应链方面，中国拥有庞大而完整的零部件供应链，这是其他国家或地区无法比拟的；二是，人(ren)才方面，中国拥有数量庞大的工科人(ren)才和专家队伍，人(ren)才的专业技(ji)术过硬，同时(shi)，整个人(ren)力成本也相对较低；三(san)是，政策支持，政府部门对人(ren)形机器人(ren)的支持力度较大。

2月(yue)17日在北(bei)京召开的民营企业座谈(tan)会引发广(guang)泛关注。座谈(tan)会上，6位民营企业负责(ze)人(ren)代表先后(hou)发言，就新形势下促进民营经济发展(zhan)提出意见和建议。智元机器人(ren)相关负责(ze)人(ren)表示，党和国家对民营经济发展(zhan)的支持是有目(mu)共(gong)睹的，对培育新质生产力更(geng)是不遗余力。当(dang)前正值人(ren)形机器人(ren)产业的快速发展(zhan)期，既需(xu)要(yao)民营企业充分发挥主观能动性，也需(xu)要(yao)各级政府政策的支持与帮助，相信中国的人(ren)形机器人(ren)产业一定大有作(zuo)为。

国信证(zheng)券机械首席分析师满在朋在2月(yue)16日的研报中称，2024年是国内外(wai)人(ren)形机器人(ren)的原型机发布大年，经过半年到一年的技(ji)术优化(hua)与调试，2025年有望成为真正的量产元年。DeepSeek AI成功突破AI发展(zhan)的高昂成本问题，凭借降本、开源的优势，在人(ren)形机器人(ren)领域(yu)展(zhan)现出强大的赋能能力，有望助力机器人(ren)在环境感知、任务规划(hua)与决策、持续进化(hua)等大模型方面实现质的飞跃。

中信证(zheng)券表示在研报中称，在全球劳动年龄人(ren)口(kou)下降、人(ren)工成本上升的背景下，用机器替(ti)代流(liu)水线上的简单重复(fu)劳动并逐步成为人(ren)类生活(huo)的多场景下的助手是一大趋势。“人(ren)形”是最适合人(ren)类社会所有场景的形态(tai)，无需(xu)改变场景来适应机器，一旦技(ji)术成熟可直接用于所有社会场景。中信证(zheng)券认(ren)为，2025年全球人(ren)形机器人(ren)出货(huo)量将会突破1万台，预计到2030年将达(da)到500万台左右，市场需(xu)求会提升至约7500亿(yi)元。

文：薛(xue)宇飞