姚(yao)卯青对中(zhong)新经纬表(biao)示，一方面，资本市场的大力推动对人形机器人的发展起到了很大作用，从全(quan)球看，美国特斯(si)拉创始人埃隆·马斯(si)克布局人形机器人行业，英伟达也在(zai)这方面动作频频。另一方面，大语言模型(xing)不(bu)断实现突破，给机器人的智能(neng)化(hua)提供了技术基础。

数据尤其(qi)是高质(zhi)量数据，就如同一道道练习题，大模型(xing)在(zai)数据的不(bu)断投喂下进行练习与模仿，才能(neng)变得更加(jia)智能(neng)。而是否拥有(you)高质(zhi)量数据，成为发展人形机器人的卡点(dian)之一。姚(yao)卯青称(cheng)，具身智能(neng)训练领域大规模的开源(yuan)数据集是美国Google公司的Open X-Embodiment，但该(gai)数据是全(quan)球几十家机构拼凑(cou)起来的，质(zhi)量较差，而且有(you)些数据已经丢失，行业需要一个高质(zhi)量、大规模的数据集。

在(zai)4000平方米的智元机器人数据采集中(zhong)心，搭建出家居、餐厅(ting)、工业、商超、办公五大类场景，包含超过两百(bai)个细分场景的任务。在(zai)这些场景中(zhong)，数百(bai)名数据采集员通过头(tou)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(kuo)卧室、客厅(ting)、厨(chu)房、卫生(sheng)间等空间，可以实现机器人整理物品、收拾碗筷、打扫房间等。在(zai)奶(nai)茶店场景下，采集机器人奶(nai)茶制作、送餐、收拾桌(zhuo)子(zi)等过程。

中(zhong)新经纬看到，在(zai)数据采集员的操控下，一台机器人拿起桌(zhuo)上的茶壶，慢慢地将水倒入面前的杯(bei)子(zi)中(zhong)，然后将水壶放回原位。不(bu)过，重(zhong)复、单一的数据，对训练大模型(xing)作用甚微，采集过程中(zhong)，数据采集员会不(bu)断挪动杯(bei)子(zi)和(he)茶壶的位置，记(ji)录(lu)下不(bu)同场景下的数据。同样，采集机器人扫地时，数据采集员也将垃圾摆放在(zai)不(bu)同位置，通过操作手柄让机器人手臂上的吸尘(chen)器去吸取。该(gai)数据采集员表(biao)示，这项动作一天约(yue)能(neng)采集数百(bai)条(tiao)。

姚(yao)卯青说：“智元机器人的模型(xing)训练路线与语言大模型(xing)比较类似(si)。最开始是预训练，该(gai)阶段(duan)使用尽量多的数据进行训练，形成对环境的基本感知等。之后，会采集数百(bai)条(tiao)高质(zhi)量数据，里面也会做一些泛化(hua)，比如倒水的动作，对水壶、桌(zhuo)面、光照等进行更换，拿放位置及倒水姿态进行调整等，大概(gai)数百(bai)条(tiao)数据能(neng)让机器人实现比较好的倒水效果。”

智元机器人数据采集中(zhong)心负责人阮丞向中(zhong)新经纬解释称(cheng)，简单来说，智元机器人具身基座大模型(xing)是端到端的VLA大模型(xing)，它以互联网多模态大模型(xing)为基础，先让模型(xing)具有(you)通用的感知和(he)动作理解能(neng)力，再使用相同本体(ti)的高质(zhi)量真机动作数据进行训练，也就是数据采集中(zhong)心所采集的数据，让模型(xing)具备动作的精细执行能(neng)力。

阮丞说：“这个过程可以对比教小(xiao)孩子(zi)学做菜，最开始是认识菜、肉、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(bei)子(zi)以及杯(bei)子(zi)里的水位等，之后让它具备在(zai)不(bu)同场景下的泛化(hua)能(neng)力，最后在(zai)高质(zhi)量真机动作数据的训练下，能(neng)够精准理解倒水的相关动作。”

阮丞也称(cheng)，教会人形机器人学会每(mei)项动作需要采集多少条(tiao)数据，因任务和(he)要求不(bu)同可能(neng)有(you)所差异(yi)，没办法准确量化(hua)，而且，随着对人形机器人的要求越来越高，可能(neng)需要更多的数据。

2024年底，智元机器人对该(gai)数据采集中(zhong)心的百(bai)万真机数据集AgiBot World进行了开源(yuan)。据介绍，相较于Google的Open X-Embodiment，AgiBot World长程数据规模高出10倍，场景范围覆盖面扩大100倍，数据质(zhi)量也从实验室级(ji)上升到工业级(ji)标准。

对具身大模型(xing)的不(bu)断训练已经产生(sheng)效果。阮丞说：“以最早期(qi)的抓(zhua)取放置任务训练为例，让机器人抓(zhua)取一个物品从一个筐放进另一个筐，随着训练数据的增(zeng)加(jia)，模型(xing)的能(neng)力也得到很大扩展，对不(bu)同样式不(bu)同位置的筐和(he)物品，甚至完全(quan)没见过的物品，机器人也能(neng)进行识别并投放。在(zai)不(bu)断的研究与探索中(zhong)，我们(men)的认知也在(zai)不(bu)断地被颠覆。现在(zai)的模型(xing)具备了同时执行多个任务，对不(bu)同场景和(he)新物体(ti)的泛化(hua)能(neng)力，同时还能(neng)理解跟(gen)随语言指令。”

“解决一个工序也有(you)上万台市场规模”

2023年11月，中(zhong)国工业和(he)信(xin)息化(hua)部(bu)发布的《人形机器人创新发展指导(dao)意见》中(zhong)提出，到2025年，人形机器人创新体(ti)系初步建立，“大脑、小(xiao)脑、肢体(ti)”等一批关键技术取得突破，确保(bao)核心部(bu)组件安(an)全(quan)有(you)效供给。整机产品达到国际先进水平，并实现批量生(sheng)产，在(zai)特种、制造、民生(sheng)服务等场景得到示范应用，探索形成有(you)效的治(zhi)理机制和(he)手段(duan)。

今年1月初，智元机器人对外宣(xuan)布，公司通用具身机器人累计下线达1000台。此前，中(zhong)国国内(nei)的傅利叶、宇树科(ke)技等机器人公司也对外宣(xuan)布过有(you)关机器人量产的消息。国际上，埃隆·马斯(si)克在(zai)今年1月份表(biao)示，特斯(si)拉计划在(zai)今年生(sheng)产数千台套人形机器人Optimus，若进展顺利，明(ming)年产量将达5万至10万台。

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

智元机器人制造部(bu)总经理张绍政对中(zhong)新经纬称(cheng)，除了一些标准化(hua)的组件外，人形机器人的大多数核心部(bu)件都是该(gai)公司自研，再交由(you)相关工厂完成部(bu)件的生(sheng)产后，最后的组装交由(you)临港量产工厂完成。目前，临港量产工厂的年产能(neng)达到了数千台，后续还有(you)进一步扩大产能(neng)的计划。

智元机器人已交付的机器人主要用于工业生(sheng)产场景和(he)一些展馆内(nei)机器人导(dao)览介绍等交互服务场景。在(zai)工业生(sheng)产场景，机器人主要从事“PPT”工序，即Pick（抓(zhua)取）、Place（放置）和(he) Transfer（转运）。姚(yao)卯青表(biao)示，在(zai)汽车制造、3C制造等场景下，机器人可以替代一些重(zhong)复、机械的工作，需求量庞大，“解决一个工序也有(you)上万台市场规模，未来如果真正能(neng)实现完全(quan)的工业自动化(hua)，人形机器人行业会成为比汽车制造业更大的一个产业。”

借鉴自动驾驶的等级(ji)划分思路，智元机器人将具身智能(neng)技术的发展也分为五个阶段(duan)，即G1至G5。G1阶段(duan)，属(shu)于基础自动化(hua)阶段(duan)，基于简单的机器视觉加(jia)上人工程序化(hua)编程，这一阶段(duan)的机器人系统(tong)设计和(he)配置都针对特定的应用需求，缺乏泛化(hua)能(neng)力。G2阶段(duan)，通过抽象出可复用的原子(zi)技能(neng)，机器人可以实现一定程度上的场景迁移(yi)和(he)泛化(hua)。这一阶段(duan)的机器人已经能(neng)够基于大语言模型(xing)（任务编排大模型(xing)）进行任务编排，具备一定的智能(neng)水平。到G3阶段(duan)，机器人将能(neng)够更灵活(huo)地适应不(bu)同场景和(he)任务，通过持续学习不(bu)断优化(hua)自身性(xing)能(neng)。

姚(yao)卯青说：“目前整个行业的具身智能(neng)技术还处于G1到G2的阶段(duan)，学术阵地可能(neng)到了G3阶段(duan)。到G4阶段(duan)，我觉得还需要5年时间，而到G5阶段(duan)则要10年。简单讲，在(zai)G3阶段(duan)，具身智能(neng)技术会在(zai)单一任务上可以实现与人一样的成功率；在(zai)G4阶段(duan)，可以实现用一个模型(xing)完成多种任务；到G5阶段(duan)，则是具身智能(neng)技术的终极形态，它可以实现推理、反(fan)思、纠错。”

就智元机器人而言，姚(yao)卯青透露，公司今年计划走通G3阶段(duan)产品的技术路线，明(ming)后年会继续向更多场景与任务进行拓展，同时对G4阶段(duan)的产品进行一些布局。

走向家用市场或需要5年时间

相比于一些花式炫技，消费者更关心人形机器人何时能(neng)够“飞入寻常百(bai)姓家”。

今年2月，宇树科(ke)技的H1和(he)G1人形机器人开售，G1的售价为9.9万元，H1的售价为65万元。2024年12月，众擎机器人的人形机器人PM01发售，售价8.8万元。

目前，智元机器人的客户主要来自企业端，采访中(zhong)并未透露人形机器人的零售价格。但姚(yao)卯青称(cheng)，智元机器人的人形机器人产品的生(sheng)产成本正在(zai)不(bu)断下降，每(mei)年大约(yue)会有(you)15%～20%的降幅(fu)。人形机器人的成本主要是一些关节类组件，随着行业量产，这类组件的价格会明(ming)显下降。智元机器人去年推出了全(quan)栈(zhan)开源(yuan)机器人灵犀X1，科(ke)技爱好者、开发者可在(zai)智元商城购买相应的组件套餐。

姚(yao)卯青预计，人形机器人走向家用市场，大约(yue)需要5年时间。他说：“走向家用的人形机器人，到时能(neng)接受一些开放式的指令，可以从事一些常见的家庭工作，比如取放东西、泡杯(bei)茶、拿快递、丢垃圾、叠被子(zi)、洗(xi)衣服等常见工作。走入家庭的产品，价格可能(neng)在(zai)5万元这一级(ji)别。”

姚(yao)卯青称(cheng)，具身智能(neng)技术发展到G4阶段(duan)时，智力上与人已经差不(bu)多，在(zai)居家场景使用时，会替代家政服务人员完成部(bu)分基础工作，但体(ti)力上是否可以跟(gen)上要取决于硬件的迭代情况(kuang)。他说：“是否能(neng)让人形机器人爬到窗户外面擦窗，这还需要行业共同努力。”

姚(yao)卯青表(biao)示，人形机器人的发展也面临硬件与软件上的瓶颈(jing)。硬件方面，对机器人的手部(bu)研发亟待突破，目前市场的高自由(you)度灵巧手的灵活(huo)度与人手相比仍(reng)存差距。另外，关节和(he)电机的轻量化(hua)、小(xiao)型(xing)化(hua)，外壳材料的高强度、轻量化(hua)、仿真化(hua)，电池的功率密度的提升，芯片的更大算力及更低成本，更丰富和(he)精密的传感器等，都需要改进。软件方面，具身智能(neng)技术还处于G1到G2阶段(duan)，因此在(zai)算法方面还有(you)很长的路要走，这中(zhong)间，数据也比较核心。

当前，全(quan)球多个国家都在(zai)人形机器人行业发力，中(zhong)国的优势在(zai)哪里？姚(yao)卯青表(biao)示，一是，供应链方面，中(zhong)国拥有(you)庞大而完整的零部(bu)件供应链，这是其(qi)他国家或地区无法比拟的；二是，人才方面，中(zhong)国拥有(you)数量庞大的工科(ke)人才和(he)专(zhuan)家队伍，人才的专(zhuan)业技术过硬，同时，整个人力成本也相对较低；三是，政策支持，政府部(bu)门对人形机器人的支持力度较大。

2月17日在(zai)北京召开的民营企业座谈(tan)会引发广泛关注。座谈(tan)会上，6位民营企业负责人代表(biao)先后发言，就新形势下促进民营经济发展提出意见和(he)建议(yi)。智元机器人相关负责人表(biao)示，党和(he)国家对民营经济发展的支持是有(you)目共睹的，对培育(yu)新质(zhi)生(sheng)产力更是不(bu)遗余力。当前正值人形机器人产业的快速发展期(qi)，既需要民营企业充分发挥主观能(neng)动性(xing)，也需要各级(ji)政府政策的支持与帮助，相信(xin)中(zhong)国的人形机器人产业一定大有(you)作为。

国信(xin)证券机械首席分析师满在(zai)朋在(zai)2月16日的研报中(zhong)称(cheng)，2024年是国内(nei)外人形机器人的原型(xing)机发布大年，经过半(ban)年到一年的技术优化(hua)与调试，2025年有(you)望(wang)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(wen)题，凭借降本、开源(yuan)的优势，在(zai)人形机器人领域展现出强大的赋能(neng)能(neng)力，有(you)望(wang)助力机器人在(zai)环境感知、任务规划与决策、持续进化(hua)等大模型(xing)方面实现质(zhi)的飞跃。

中(zhong)信(xin)证券表(biao)示在(zai)研报中(zhong)称(cheng)，在(zai)全(quan)球劳动年龄人口下降、人工成本上升的背景下，用机器替代流水线上的简单重(zhong)复劳动并逐(zhu)步成为人类生(sheng)活(huo)的多场景下的助手是一大趋势。“人形”是最适合人类社会所有(you)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用于所有(you)社会场景。中(zhong)信(xin)证券认为，2025年全(quan)球人形机器人出货(huo)量将会突破1万台，预计到2030年将达到500万台左右，市场需求会提升至约(yue)7500亿元。

文：薛宇飞