姚卯(mao)青对中(zhong)新(xin)经纬表示，一方面(mian)，资本市场(chang)的大力推动对人形(xing)机器人的发展起到了很大作用，从全球看，美国特斯拉创始(shi)人埃隆·马(ma)斯克(ke)布(bu)局人形(xing)机器人行业，英伟达也在(zai)这(zhe)方面(mian)动作频频。另一方面(mian)，大语言模(mo)型不断实现突破，给机器人的智能化提供了技术基础。

数据尤其是高质量数据，就如同一道道练习(xi)题，大模(mo)型在(zai)数据的不断投喂下进行练习(xi)与(yu)模(mo)仿，才能变得更加(jia)智能。而是否拥有高质量数据，成为发展人形(xing)机器人的卡(ka)点之一。姚卯(mao)青称(cheng)，具身(shen)智能训练领域大规模(mo)的开源数据集(ji)是美国Google公司的Open X-Embodiment，但该数据是全球几十家机构拼凑起来的，质量较差，而且有些数据已经丢失，行业需要一个高质量、大规模(mo)的数据集(ji)。

在(zai)4000平方米的智元机器人数据采集(ji)中(zhong)心，搭建出家居、餐厅、工(gong)业、商超、办公五大类场(chang)景，包含超过(guo)两百个细分(fen)场(chang)景的任务。在(zai)这(zhe)些场(chang)景中(zhong)，数百名数据采集(ji)员通过(guo)头戴VR眼镜、手持操作手柄指挥着机器人进行各(ge)种动作。比如，家居场(chang)景依据真实住宅进行布(bu)局，包括卧室、客厅、厨房、卫生间等空间，可以(yi)实现机器人整理物品、收拾(shi)碗筷、打(da)扫房间等。在(zai)奶茶店(dian)场(chang)景下，采集(ji)机器人奶茶制作、送餐、收拾(shi)桌子等过(guo)程。

中(zhong)新(xin)经纬看到，在(zai)数据采集(ji)员的操控下，一台机器人拿起桌上的茶壶，慢慢地将水倒入面(mian)前的杯子中(zhong)，然后将水壶放回原位。不过(guo)，重复、单一的数据，对训练大模(mo)型作用甚微，采集(ji)过(guo)程中(zhong)，数据采集(ji)员会不断挪动杯子和茶壶的位置，记录(lu)下不同场(chang)景下的数据。同样，采集(ji)机器人扫地时，数据采集(ji)员也将垃(la)圾摆放在(zai)不同位置，通过(guo)操作手柄让机器人手臂上的吸尘器去(qu)吸取。该数据采集(ji)员表示，这(zhe)项动作一天约(yue)能采集(ji)数百条。

姚卯(mao)青说：“智元机器人的模(mo)型训练路线与(yu)语言大模(mo)型比较类似。最开始(shi)是预训练，该阶段使用尽量多的数据进行训练，形(xing)成对环(huan)境(jing)的基本感知等。之后，会采集(ji)数百条高质量数据，里(li)面(mian)也会做一些泛化，比如倒水的动作，对水壶、桌面(mian)、光照等进行更换，拿放位置及倒水姿(zi)态进行调整等，大概数百条数据能让机器人实现比较好的倒水效果。”

智元机器人数据采集(ji)中(zhong)心负责人阮丞向中(zhong)新(xin)经纬解释称(cheng)，简单来说，智元机器人具身(shen)基座大模(mo)型是端到端的VLA大模(mo)型，它以(yi)互联网多模(mo)态大模(mo)型为基础，先让模(mo)型具有通用的感知和动作理解能力，再使用相同本体的高质量真机动作数据进行训练，也就是数据采集(ji)中(zhong)心所采集(ji)的数据，让模(mo)型具备(bei)动作的精细执行能力。

阮丞说：“这(zhe)个过(guo)程可以(yi)对比教小孩子学做菜，最开始(shi)是认识菜、肉、调料，之后告诉他操作步(bu)骤，最后是实践操作。就倒水这(zhe)一动作来说，（我们）先让大模(mo)型认识各(ge)式各(ge)样的水壶、杯子以(yi)及杯子里(li)的水位等，之后让它具备(bei)在(zai)不同场(chang)景下的泛化能力，最后在(zai)高质量真机动作数据的训练下，能够精准理解倒水的相关动作。”

阮丞也称(cheng)，教会人形(xing)机器人学会每项动作需要采集(ji)多少条数据，因任务和要求不同可能有所差异(yi)，没(mei)办法准确(que)量化，而且，随着对人形(xing)机器人的要求越来越高，可能需要更多的数据。

2024年底，智元机器人对该数据采集(ji)中(zhong)心的百万真机数据集(ji)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(mo)高出10倍，场(chang)景范围覆盖面(mian)扩大100倍，数据质量也从实验室级上升到工(gong)业级标准。

对具身(shen)大模(mo)型的不断训练已经产生效果。阮丞说：“以(yi)最早期(qi)的抓取放置任务训练为例，让机器人抓取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(mo)型的能力也得到很大扩展，对不同样式不同位置的筐和物品，甚至完全没(mei)见过(guo)的物品，机器人也能进行识别并投放。在(zai)不断的研究与(yu)探索中(zhong)，我们的认知也在(zai)不断地被颠(dian)覆。现在(zai)的模(mo)型具备(bei)了同时执行多个任务，对不同场(chang)景和新(xin)物体的泛化能力，同时还能理解跟随语言指令(ling)。”

“解决(jue)一个工(gong)序也有上万台市场(chang)规模(mo)”

2023年11月，中(zhong)国工(gong)业和信息化部发布(bu)的《人形(xing)机器人创新(xin)发展指导(dao)意见》中(zhong)提出，到2025年，人形(xing)机器人创新(xin)体系初步(bu)建立，“大脑、小脑、肢体”等一批关键技术取得突破，确(que)保核心部组件安全有效供给。整机产品达到国际先进水平，并实现批量生产，在(zai)特种、制造、民生服(fu)务等场(chang)景得到示范应用，探索形(xing)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(bu)，公司通用具身(shen)机器人累计下线达1000台。此前，中(zhong)国国内的傅(fu)利叶、宇树科技等机器人公司也对外宣布(bu)过(guo)有关机器人量产的消息。国际上，埃隆·马(ma)斯克(ke)在(zai)今年1月份表示，特斯拉计划在(zai)今年生产数千台套人形(xing)机器人Optimus，若进展顺(shun)利，明年产量将达5万至10万台。

中(zhong)新(xin)经纬在(zai)智元机器人上海临港量产工(gong)厂看到，一些机器发出嗡嗡声响，200多名工(gong)人操作着不同的程序组装人形(xing)机器人，一些已经下线的机器人还需要进行最后的测(ce)试。

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

智元机器人已交付的机器人主要用于工(gong)业生产场(chang)景和一些展馆内机器人导(dao)览(lan)介绍等交互服(fu)务场(chang)景。在(zai)工(gong)业生产场(chang)景，机器人主要从事“PPT”工(gong)序，即Pick（抓取）、Place（放置）和 Transfer（转运）。姚卯(mao)青表示，在(zai)汽车制造、3C制造等场(chang)景下，机器人可以(yi)替代一些重复、机械的工(gong)作，需求量庞大，“解决(jue)一个工(gong)序也有上万台市场(chang)规模(mo)，未来如果真正能实现完全的工(gong)业自(zi)动化，人形(xing)机器人行业会成为比汽车制造业更大的一个产业。”

借鉴自(zi)动驾(jia)驶的等级划分(fen)思(si)路，智元机器人将具身(shen)智能技术的发展也分(fen)为五个阶段，即G1至G5。G1阶段，属于基础自(zi)动化阶段，基于简单的机器视觉加(jia)上人工(gong)程序化编(bian)程，这(zhe)一阶段的机器人系统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(guo)抽(chou)象出可复用的原子技能，机器人可以(yi)实现一定程度上的场(chang)景迁移和泛化。这(zhe)一阶段的机器人已经能够基于大语言模(mo)型（任务编(bian)排大模(mo)型）进行任务编(bian)排，具备(bei)一定的智能水平。到G3阶段，机器人将能够更灵活地适应不同场(chang)景和任务，通过(guo)持续学习(xi)不断优化自(zi)身(shen)性能。

姚卯(mao)青说：“目前整个行业的具身(shen)智能技术还处(chu)于G1到G2的阶段，学术阵地可能到了G3阶段。到G4阶段，我觉得还需要5年时间，而到G5阶段则要10年。简单讲，在(zai)G3阶段，具身(shen)智能技术会在(zai)单一任务上可以(yi)实现与(yu)人一样的成功率(lu)；在(zai)G4阶段，可以(yi)实现用一个模(mo)型完成多种任务；到G5阶段，则是具身(shen)智能技术的终极(ji)形(xing)态，它可以(yi)实现推理、反(fan)思(si)、纠错(cuo)。”

就智元机器人而言，姚卯(mao)青透露(lu)，公司今年计划走通G3阶段产品的技术路线，明后年会继续向更多场(chang)景与(yu)任务进行拓展，同时对G4阶段的产品进行一些布(bu)局。

走向家用市场(chang)或需要5年时间

相比于一些花式炫技，消费者(zhe)更关心人形(xing)机器人何时能够“飞入寻常百姓家”。

今年2月，宇树科技的H1和G1人形(xing)机器人开售，G1的售价(jia)为9.9万元，H1的售价(jia)为65万元。2024年12月，众(zhong)擎机器人的人形(xing)机器人PM01发售，售价(jia)8.8万元。

目前，智元机器人的客户主要来自(zi)企业端，采访中(zhong)并未透露(lu)人形(xing)机器人的零(ling)售价(jia)格。但姚卯(mao)青称(cheng)，智元机器人的人形(xing)机器人产品的生产成本正在(zai)不断下降(jiang)，每年大约(yue)会有15%～20%的降(jiang)幅(fu)。人形(xing)机器人的成本主要是一些关节类组件，随着行业量产，这(zhe)类组件的价(jia)格会明显下降(jiang)。智元机器人去(qu)年推出了全栈开源机器人灵犀(xi)X1，科技爱好者(zhe)、开发者(zhe)可在(zai)智元商城购买相应的组件套餐。

姚卯(mao)青预计，人形(xing)机器人走向家用市场(chang)，大约(yue)需要5年时间。他说：“走向家用的人形(xing)机器人，到时能接受一些开放式的指令(ling)，可以(yi)从事一些常见的家庭工(gong)作，比如取放东西、泡杯茶、拿快递、丢垃(la)圾、叠被子、洗衣服(fu)等常见工(gong)作。走入家庭的产品，价(jia)格可能在(zai)5万元这(zhe)一级别。”

姚卯(mao)青称(cheng)，具身(shen)智能技术发展到G4阶段时，智力上与(yu)人已经差不多，在(zai)居家场(chang)景使用时，会替代家政服(fu)务人员完成部分(fen)基础工(gong)作，但体力上是否可以(yi)跟上要取决(jue)于硬件的迭代情况。他说：“是否能让人形(xing)机器人爬到窗(chuang)户外面(mian)擦窗(chuang)，这(zhe)还需要行业共同努力。”

姚卯(mao)青表示，人形(xing)机器人的发展也面(mian)临硬件与(yu)软件上的瓶颈。硬件方面(mian)，对机器人的手部研发亟待突破，目前市场(chang)的高自(zi)由度灵巧手的灵活度与(yu)人手相比仍存差距。另外，关节和电机的轻量化、小型化，外壳材料的高强(qiang)度、轻量化、仿真化，电池的功率(lu)密度的提升，芯片的更大算力及更低成本，更丰富和精密的传感器等，都需要改进。软件方面(mian)，具身(shen)智能技术还处(chu)于G1到G2阶段，因此在(zai)算法方面(mian)还有很长的路要走，这(zhe)中(zhong)间，数据也比较核心。

当前，全球多个国家都在(zai)人形(xing)机器人行业发力，中(zhong)国的优势在(zai)哪里(li)？姚卯(mao)青表示，一是，供应链(lian)方面(mian)，中(zhong)国拥有庞大而完整的零(ling)部件供应链(lian)，这(zhe)是其他国家或地区无法比拟的；二是，人才方面(mian)，中(zhong)国拥有数量庞大的工(gong)科人才和专家队伍(wu)，人才的专业技术过(guo)硬，同时，整个人力成本也相对较低；三是，政策支(zhi)持，政府部门对人形(xing)机器人的支(zhi)持力度较大。

2月17日在(zai)北京召开的民营企业座谈会引发广泛关注。座谈会上，6位民营企业负责人代表先后发言，就新(xin)形(xing)势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，党和国家对民营经济发展的支(zhi)持是有目共睹(du)的，对培(pei)育新(xin)质生产力更是不遗余力。当前正值人形(xing)机器人产业的快速发展期(qi)，既需要民营企业充分(fen)发挥主观能动性，也需要各(ge)级政府政策的支(zhi)持与(yu)帮助(zhu)，相信中(zhong)国的人形(xing)机器人产业一定大有作为。

国信证券机械首席分(fen)析师满在(zai)朋在(zai)2月16日的研报中(zhong)称(cheng)，2024年是国内外人形(xing)机器人的原型机发布(bu)大年，经过(guo)半年到一年的技术优化与(yu)调试，2025年有望成为真正的量产元年。DeepSeek AI成功突破AI发展的高昂(ang)成本问题，凭借降(jiang)本、开源的优势，在(zai)人形(xing)机器人领域展现出强(qiang)大的赋能能力，有望助(zhu)力机器人在(zai)环(huan)境(jing)感知、任务规划与(yu)决(jue)策、持续进化等大模(mo)型方面(mian)实现质的飞跃。

中(zhong)信证券表示在(zai)研报中(zhong)称(cheng)，在(zai)全球劳动年龄人口下降(jiang)、人工(gong)成本上升的背景下，用机器替代流水线上的简单重复劳动并逐(zhu)步(bu)成为人类生活的多场(chang)景下的助(zhu)手是一大趋势。“人形(xing)”是最适合人类社(she)会所有场(chang)景的形(xing)态，无需改变场(chang)景来适应机器，一旦技术成熟可直接用于所有社(she)会场(chang)景。中(zhong)信证券认为，2025年全球人形(xing)机器人出货量将会突破1万台，预计到2030年将达到500万台左右，市场(chang)需求会提升至约(yue)7500亿元。

文：薛宇飞