姚卯青(qing)对中新经纬表示，一方(fang)面，资本市场的大力推动对人形机器人的发展起(qi)到了很大作用，从全球看(kan)，美国(guo)特斯拉创始(shi)人埃(ai)隆·马斯克布局人形机器人行业，英(ying)伟(wei)达也在这方(fang)面动作频频。另一方(fang)面，大语言模型(xing)不(bu)断实现(xian)突(tu)破，给机器人的智能化提供(gong)了技术基础。

数据尤其是高质量数据，就如同一道道练习题，大模型(xing)在数据的不(bu)断投喂下进行练习与模仿，才能变得更加智能。而是否拥有高质量数据，成为发展人形机器人的卡点之一。姚卯青(qing)称，具身智能训(xun)练领域大规(gui)模的开(kai)源数据集是美国(guo)Google公司的Open X-Embodiment，但该数据是全球几十家机构(gou)拼凑起(qi)来的，质量较差(cha)，而且有些(xie)数据已经丢失(shi)，行业需要一个(ge)高质量、大规(gui)模的数据集。

在4000平方(fang)米的智元机器人数据采集中心，搭建出家居、餐厅、工业、商超、办(ban)公五(wu)大类(lei)场景，包含超过两百个(ge)细分场景的任务。在这些(xie)场景中，数百名数据采集员(yuan)通过头戴VR眼镜、手持操作手柄指挥着机器人进行各种动作。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(jian)等空间(jian)，可以实现(xian)机器人整理物品、收(shou)拾碗筷、打(da)扫房间(jian)等。在奶茶店场景下，采集机器人奶茶制作、送餐、收(shou)拾桌子等过程(cheng)。

中新经纬看(kan)到，在数据采集员(yuan)的操控下，一台机器人拿起(qi)桌上的茶壶，慢慢地将水倒入面前的杯子中，然后将水壶放回原位。不(bu)过，重复、单一的数据，对训(xun)练大模型(xing)作用甚(shen)微，采集过程(cheng)中，数据采集员(yuan)会(hui)不(bu)断挪动杯子和茶壶的位置，记录下不(bu)同场景下的数据。同样，采集机器人扫地时，数据采集员(yuan)也将垃圾摆放在不(bu)同位置，通过操作手柄让机器人手臂上的吸尘器去吸取。该数据采集员(yuan)表示，这项动作一天约能采集数百条。

姚卯青(qing)说：“智元机器人的模型(xing)训(xun)练路线与语言大模型(xing)比较类(lei)似。最开(kai)始(shi)是预(yu)训(xun)练，该阶段使用尽量多的数据进行训(xun)练，形成对环境的基本感知(zhi)等。之后，会(hui)采集数百条高质量数据，里面也会(hui)做一些(xie)泛化，比如倒水的动作，对水壶、桌面、光照等进行更换，拿放位置及倒水姿态进行调整等，大概数百条数据能让机器人实现(xian)比较好(hao)的倒水效果。”

智元机器人数据采集中心负责人阮(ruan)丞(cheng)向(xiang)中新经纬解释(shi)称，简单来说，智元机器人具身基座大模型(xing)是端(duan)到端(duan)的VLA大模型(xing)，它以互联(lian)网多模态大模型(xing)为基础，先让模型(xing)具有通用的感知(zhi)和动作理解能力，再使用相同本体的高质量真机动作数据进行训(xun)练，也就是数据采集中心所采集的数据，让模型(xing)具备动作的精细执行能力。

阮(ruan)丞(cheng)说：“这个(ge)过程(cheng)可以对比教小(xiao)孩子学(xue)做菜，最开(kai)始(shi)是认识菜、肉(rou)、调料，之后告诉他操作步骤，最后是实践操作。就倒水这一动作来说，（我们(men)）先让大模型(xing)认识各式各样的水壶、杯子以及杯子里的水位等，之后让它具备在不(bu)同场景下的泛化能力，最后在高质量真机动作数据的训(xun)练下，能够(gou)精准理解倒水的相关动作。”

阮(ruan)丞(cheng)也称，教会(hui)人形机器人学(xue)会(hui)每(mei)项动作需要采集多少条数据，因任务和要求不(bu)同可能有所差(cha)异(yi)，没办(ban)法准确量化，而且，随着对人形机器人的要求越(yue)来越(yue)高，可能需要更多的数据。

2024年底，智元机器人对该数据采集中心的百万真机数据集AgiBot World进行了开(kai)源。据介绍，相较于(yu)Google的Open X-Embodiment，AgiBot World长程(cheng)数据规(gui)模高出10倍，场景范围覆盖(gai)面扩大100倍，数据质量也从实验室级上升到工业级标准。

对具身大模型(xing)的不(bu)断训(xun)练已经产生效果。阮(ruan)丞(cheng)说：“以最早期的抓取放置任务训(xun)练为例，让机器人抓取一个(ge)物品从一个(ge)筐放进另一个(ge)筐，随着训(xun)练数据的增加，模型(xing)的能力也得到很大扩展，对不(bu)同样式不(bu)同位置的筐和物品，甚(shen)至完全没见过的物品，机器人也能进行识别并投放。在不(bu)断的研究与探索中，我们(men)的认知(zhi)也在不(bu)断地被颠覆。现(xian)在的模型(xing)具备了同时执行多个(ge)任务，对不(bu)同场景和新物体的泛化能力，同时还能理解跟随语言指令。”

“解决一个(ge)工序也有上万台市场规(gui)模”

2023年11月，中国(guo)工业和信息化部发布的《人形机器人创新发展指导(dao)意见》中提出，到2025年，人形机器人创新体系初步建立，“大脑、小(xiao)脑、肢体”等一批关键技术取得突(tu)破，确保核心部组件安全有效供(gong)给。整机产品达到国(guo)际先进水平，并实现(xian)批量生产，在特种、制造、民生服(fu)务等场景得到示范应用，探索形成有效的治(zhi)理机制和手段。

今年1月初，智元机器人对外宣布，公司通用具身机器人累计下线达1000台。此前，中国(guo)国(guo)内(nei)的傅利叶、宇树科技等机器人公司也对外宣布过有关机器人量产的消息。国(guo)际上，埃(ai)隆·马斯克在今年1月份(fen)表示，特斯拉计划在今年生产数千台套人形机器人Optimus，若进展顺利，明年产量将达5万至10万台。

中新经纬在智元机器人上海临港量产工厂(chang)看(kan)到，一些(xie)机器发出嗡(weng)嗡(weng)声响，200多名工人操作着不(bu)同的程(cheng)序组装人形机器人，一些(xie)已经下线的机器人还需要进行最后的测试(shi)。

智元机器人制造部总经理张(zhang)绍政对中新经纬称，除了一些(xie)标准化的组件外，人形机器人的大多数核心部件都是该公司自研，再交由相关工厂(chang)完成部件的生产后，最后的组装交由临港量产工厂(chang)完成。目前，临港量产工厂(chang)的年产能达到了数千台，后续还有进一步扩大产能的计划。

智元机器人已交付的机器人主要用于(yu)工业生产场景和一些(xie)展馆内(nei)机器人导(dao)览介绍等交互服(fu)务场景。在工业生产场景，机器人主要从事“PPT”工序，即(ji)Pick（抓取）、Place（放置）和 Transfer（转运(yun)）。姚卯青(qing)表示，在汽车制造、3C制造等场景下，机器人可以替(ti)代一些(xie)重复、机械的工作，需求量庞大，“解决一个(ge)工序也有上万台市场规(gui)模，未(wei)来如果真正能实现(xian)完全的工业自动化，人形机器人行业会(hui)成为比汽车制造业更大的一个(ge)产业。”

借鉴自动驾驶的等级划分思路，智元机器人将具身智能技术的发展也分为五(wu)个(ge)阶段，即(ji)G1至G5。G1阶段，属于(yu)基础自动化阶段，基于(yu)简单的机器视觉加上人工程(cheng)序化编程(cheng)，这一阶段的机器人系统(tong)设计和配置都针对特定的应用需求，缺乏(fa)泛化能力。G2阶段，通过抽象出可复用的原子技能，机器人可以实现(xian)一定程(cheng)度上的场景迁移和泛化。这一阶段的机器人已经能够(gou)基于(yu)大语言模型(xing)（任务编排大模型(xing)）进行任务编排，具备一定的智能水平。到G3阶段，机器人将能够(gou)更灵活地适应不(bu)同场景和任务，通过持续学(xue)习不(bu)断优化自身性(xing)能。

姚卯青(qing)说：“目前整个(ge)行业的具身智能技术还处于(yu)G1到G2的阶段，学(xue)术阵地可能到了G3阶段。到G4阶段，我觉得还需要5年时间(jian)，而到G5阶段则要10年。简单讲，在G3阶段，具身智能技术会(hui)在单一任务上可以实现(xian)与人一样的成功率；在G4阶段，可以实现(xian)用一个(ge)模型(xing)完成多种任务；到G5阶段，则是具身智能技术的终极形态，它可以实现(xian)推理、反思、纠错(cuo)。”

就智元机器人而言，姚卯青(qing)透露，公司今年计划走(zou)通G3阶段产品的技术路线，明后年会(hui)继续向(xiang)更多场景与任务进行拓展，同时对G4阶段的产品进行一些(xie)布局。

走(zou)向(xiang)家用市场或需要5年时间(jian)

相比于(yu)一些(xie)花式炫技，消费(fei)者更关心人形机器人何(he)时能够(gou)“飞入寻常百姓家”。

今年2月，宇树科技的H1和G1人形机器人开(kai)售(shou)，G1的售(shou)价为9.9万元，H1的售(shou)价为65万元。2024年12月，众擎机器人的人形机器人PM01发售(shou)，售(shou)价8.8万元。

目前，智元机器人的客户主要来自企业端(duan)，采访中并未(wei)透露人形机器人的零售(shou)价格(ge)。但姚卯青(qing)称，智元机器人的人形机器人产品的生产成本正在不(bu)断下降，每(mei)年大约会(hui)有15%～20%的降幅。人形机器人的成本主要是一些(xie)关节类(lei)组件，随着行业量产，这类(lei)组件的价格(ge)会(hui)明显下降。智元机器人去年推出了全栈开(kai)源机器人灵犀X1，科技爱好(hao)者、开(kai)发者可在智元商城购买相应的组件套餐。

姚卯青(qing)预(yu)计，人形机器人走(zou)向(xiang)家用市场，大约需要5年时间(jian)。他说：“走(zou)向(xiang)家用的人形机器人，到时能接(jie)受一些(xie)开(kai)放式的指令，可以从事一些(xie)常见的家庭工作，比如取放东(dong)西、泡杯茶、拿快递、丢垃圾、叠被子、洗(xi)衣服(fu)等常见工作。走(zou)入家庭的产品，价格(ge)可能在5万元这一级别。”

姚卯青(qing)称，具身智能技术发展到G4阶段时，智力上与人已经差(cha)不(bu)多，在居家场景使用时，会(hui)替(ti)代家政服(fu)务人员(yuan)完成部分基础工作，但体力上是否可以跟上要取决于(yu)硬件的迭代情况。他说：“是否能让人形机器人爬到窗(chuang)户外面擦窗(chuang)，这还需要行业共同努力。”

姚卯青(qing)表示，人形机器人的发展也面临硬件与软(ruan)件上的瓶(ping)颈。硬件方(fang)面，对机器人的手部研发亟待突(tu)破，目前市场的高自由度灵巧手的灵活度与人手相比仍存差(cha)距。另外，关节和电机的轻量化、小(xiao)型(xing)化，外壳材料的高强度、轻量化、仿真化，电池(shi)的功率密度的提升，芯片的更大算力及更低成本，更丰(feng)富和精密的传(chuan)感器等，都需要改进。软(ruan)件方(fang)面，具身智能技术还处于(yu)G1到G2阶段，因此在算法方(fang)面还有很长的路要走(zou)，这中间(jian)，数据也比较核心。

当前，全球多个(ge)国(guo)家都在人形机器人行业发力，中国(guo)的优势(shi)在哪里？姚卯青(qing)表示，一是，供(gong)应链方(fang)面，中国(guo)拥有庞大而完整的零部件供(gong)应链，这是其他国(guo)家或地区无法比拟的；二是，人才方(fang)面，中国(guo)拥有数量庞大的工科人才和专家队伍，人才的专业技术过硬，同时，整个(ge)人力成本也相对较低；三是，政策支持，政府部门对人形机器人的支持力度较大。

2月17日在北京召(zhao)开(kai)的民营企业座谈(tan)会(hui)引发广泛关注。座谈(tan)会(hui)上，6位民营企业负责人代表先后发言，就新形势(shi)下促进民营经济发展提出意见和建议。智元机器人相关负责人表示，党和国(guo)家对民营经济发展的支持是有目共睹的，对培育新质生产力更是不(bu)遗余(yu)力。当前正值人形机器人产业的快速发展期，既需要民营企业充分发挥主观能动性(xing)，也需要各级政府政策的支持与帮助，相信中国(guo)的人形机器人产业一定大有作为。

国(guo)信证券机械首席分析师满在朋在2月16日的研报中称，2024年是国(guo)内(nei)外人形机器人的原型(xing)机发布大年，经过半年到一年的技术优化与调试(shi)，2025年有望成为真正的量产元年。DeepSeek AI成功突(tu)破AI发展的高昂成本问题，凭借降本、开(kai)源的优势(shi)，在人形机器人领域展现(xian)出强大的赋能能力，有望助力机器人在环境感知(zhi)、任务规(gui)划与决策、持续进化等大模型(xing)方(fang)面实现(xian)质的飞跃。

中信证券表示在研报中称，在全球劳动年龄人口下降、人工成本上升的背景下，用机器替(ti)代流水线上的简单重复劳动并逐步成为人类(lei)生活的多场景下的助手是一大趋势(shi)。“人形”是最适合人类(lei)社会(hui)所有场景的形态，无需改变场景来适应机器，一旦技术成熟可直接(jie)用于(yu)所有社会(hui)场景。中信证券认为，2025年全球人形机器人出货量将会(hui)突(tu)破1万台，预(yu)计到2030年将达到500万台左右，市场需求会(hui)提升至约7500亿(yi)元。

文：薛宇飞