姚卯(mao)青对中新经纬表示，一方面，资本市场的大力推(tui)动对人形机器人的发展起到了很大作用，从(cong)全(quan)球看，美国(guo)特斯(si)拉创始人埃隆·马斯(si)克布局人形机器人行(xing)业，英伟达(da)也在这方面动作频频。另(ling)一方面，大语言(yan)模型不断实(shi)现突破，给机器人的智能化提供了技术基础(chu)。

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投喂下进行(xing)练习与模仿(fang)，才能变得更加智能。而是否拥(yong)有高质量数据，成为发展人形机器人的卡点之一。姚卯(mao)青称，具身智能训练领域大规模的开源(yuan)数据集是美国(guo)Google公司的Open X-Embodiment，但该数据是全(quan)球几十家机构拼凑起来的，质量较差，而且有些(xie)数据已经丢失，行(xing)业需要一个高质量、大规模的数据集。

在4000平方米的智元机器人数据采集中心，搭建出家居、餐厅、工业、商(shang)超、办(ban)公五大类场景，包含超过两百个细分(fen)场景的任务。在这些(xie)场景中，数百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(xing)各种动作。比如，家居场景依据真实(shi)住宅进行(xing)布局，包括卧室(shi)、客厅、厨房、卫生间等空(kong)间，可以实(shi)现机器人整(zheng)理物品、收拾碗筷、打扫房间等。在奶茶(cha)店场景下，采集机器人奶茶(cha)制作、送餐、收拾桌子等过程。

中新经纬看到，在数据采集员的操控(kong)下，一台机器人拿起桌上(shang)的茶(cha)壶，慢慢地将水倒入面前(qian)的杯子中，然后将水壶放回原位。不过，重复、单(dan)一的数据，对训练大模型作用甚微，采集过程中，数据采集员会不断挪动杯子和(he)茶(cha)壶的位置，记录(lu)下不同场景下的数据。同样，采集机器人扫地时，数据采集员也将垃圾摆(bai)放在不同位置，通过操作手柄让机器人手臂上(shang)的吸尘器去吸取。该数据采集员表示，这项动作一天约能采集数百条。

姚卯(mao)青说：“智元机器人的模型训练路线与语言(yan)大模型比较类似。最开始是预训练，该阶段使用尽量多的数据进行(xing)训练，形成对环境的基本感知等。之后，会采集数百条高质量数据，里(li)面也会做一些(xie)泛化，比如倒水的动作，对水壶、桌面、光照等进行(xing)更换，拿放位置及倒水姿(zi)态进行(xing)调整(zheng)等，大概数百条数据能让机器人实(shi)现比较好(hao)的倒水效果。”

智元机器人数据采集中心负(fu)责人阮丞向中新经纬解释称，简单(dan)来说，智元机器人具身基座大模型是端到端的VLA大模型，它以互联网多模态大模型为基础(chu)，先让模型具有通用的感知和(he)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(xing)训练，也就是数据采集中心所采集的数据，让模型具备动作的精细执行(xing)能力。

阮丞说：“这个过程可以对比教小孩(hai)子学(xue)做菜(cai)，最开始是认(ren)识菜(cai)、肉(rou)、调料，之后告诉他操作步(bu)骤，最后是实(shi)践操作。就倒水这一动作来说，（我们）先让大模型认(ren)识各式各样的水壶、杯子以及杯子里(li)的水位等，之后让它具备在不同场景下的泛化能力，最后在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，教会人形机器人学(xue)会每项动作需要采集多少条数据，因任务和(he)要求不同可能有所差异，没(mei)办(ban)法准确量化，而且，随着对人形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中心的百万真机数据集AgiBot World进行(xing)了开源(yuan)。据介绍，相较于(yu)Google的Open X-Embodiment，AgiBot World长程数据规模高出10倍，场景范围(wei)覆盖面扩大100倍，数据质量也从(cong)实(shi)验室(shi)级上(shang)升到工业级标准。

对具身大模型的不断训练已经产生效果。阮丞说：“以最早期的抓取放置任务训练为例，让机器人抓取一个物品从(cong)一个筐放进另(ling)一个筐，随着训练数据的增加，模型的能力也得到很大扩展，对不同样式不同位置的筐和(he)物品，甚至完全(quan)没(mei)见过的物品，机器人也能进行(xing)识别并投放。在不断的研究与探索中，我们的认(ren)知也在不断地被颠覆。现在的模型具备了同时执行(xing)多个任务，对不同场景和(he)新物体的泛化能力，同时还能理解跟随语言(yan)指令(ling)。”

“解决(jue)一个工序也有上(shang)万台市场规模”

2023年11月，中国(guo)工业和(he)信息化部发布的《人形机器人创新发展指导意(yi)见》中提出，到2025年，人形机器人创新体系初步(bu)建立，“大脑、小脑、肢体”等一批关键技术取得突破，确保核心部组件(jian)安全(quan)有效供给。整(zheng)机产品达(da)到国(guo)际先进水平，并实(shi)现批量生产，在特种、制造、民生服务等场景得到示范应(ying)用，探索形成有效的治理机制和(he)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(lei)计下线达(da)1000台。此前(qian)，中国(guo)国(guo)内的傅(fu)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(xiao)息。国(guo)际上(shang)，埃隆·马斯(si)克在今年1月份表示，特斯(si)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(da)5万至10万台。

中新经纬在智元机器人上(shang)海(hai)临港量产工厂看到，一些(xie)机器发出嗡嗡声响，200多名工人操作着不同的程序组装(zhuang)人形机器人，一些(xie)已经下线的机器人还需要进行(xing)最后的测试。

智元机器人制造部总(zong)经理张绍政对中新经纬称，除了一些(xie)标准化的组件(jian)外，人形机器人的大多数核心部件(jian)都(dou)是该公司自(zi)研，再交由(you)相关工厂完成部件(jian)的生产后，最后的组装(zhuang)交由(you)临港量产工厂完成。目前(qian)，临港量产工厂的年产能达(da)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(fu)的机器人主要用于(yu)工业生产场景和(he)一些(xie)展馆内机器人导览介绍等交互服务场景。在工业生产场景，机器人主要从(cong)事“PPT”工序，即Pick（抓取）、Place（放置）和(he) Transfer（转运(yun)）。姚卯(mao)青表示，在汽车制造、3C制造等场景下，机器人可以替代一些(xie)重复、机械(xie)的工作，需求量庞大，“解决(jue)一个工序也有上(shang)万台市场规模，未来如果真正(zheng)能实(shi)现完全(quan)的工业自(zi)动化，人形机器人行(xing)业会成为比汽车制造业更大的一个产业。”

借鉴自(zi)动驾驶(shi)的等级划分(fen)思路，智元机器人将具身智能技术的发展也分(fen)为五个阶段，即G1至G5。G1阶段，属于(yu)基础(chu)自(zi)动化阶段，基于(yu)简单(dan)的机器视觉加上(shang)人工程序化编程，这一阶段的机器人系统设计和(he)配置都(dou)针对特定的应(ying)用需求，缺(que)乏泛化能力。G2阶段，通过抽象出可复用的原子技能，机器人可以实(shi)现一定程度上(shang)的场景迁移和(he)泛化。这一阶段的机器人已经能够基于(yu)大语言(yan)模型（任务编排大模型）进行(xing)任务编排，具备一定的智能水平。到G3阶段，机器人将能够更灵(ling)活地适(shi)应(ying)不同场景和(he)任务，通过持续学(xue)习不断优化自(zi)身性(xing)能。

姚卯(mao)青说：“目前(qian)整(zheng)个行(xing)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，而到G5阶段则要10年。简单(dan)讲，在G3阶段，具身智能技术会在单(dan)一任务上(shang)可以实(shi)现与人一样的成功率；在G4阶段，可以实(shi)现用一个模型完成多种任务；到G5阶段，则是具身智能技术的终(zhong)极形态，它可以实(shi)现推(tui)理、反思、纠错。”

就智元机器人而言(yan)，姚卯(mao)青透露，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景与任务进行(xing)拓展，同时对G4阶段的产品进行(xing)一些(xie)布局。

走向家用市场或需要5年时间

相比于(yu)一些(xie)花式炫技，消(xiao)费者更关心人形机器人何时能够“飞入寻常百姓家”。

今年2月，宇树科技的H1和(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(qian)，智元机器人的客户(hu)主要来自(zi)企业端，采访中并未透露人形机器人的零售价格。但姚卯(mao)青称，智元机器人的人形机器人产品的生产成本正(zheng)在不断下降(jiang)，每年大约会有15%～20%的降(jiang)幅。人形机器人的成本主要是一些(xie)关节类组件(jian)，随着行(xing)业量产，这类组件(jian)的价格会明显下降(jiang)。智元机器人去年推(tui)出了全(quan)栈开源(yuan)机器人灵(ling)犀X1，科技爱好(hao)者、开发者可在智元商(shang)城购买(mai)相应(ying)的组件(jian)套餐。

姚卯(mao)青预计，人形机器人走向家用市场，大约需要5年时间。他说：“走向家用的人形机器人，到时能接受一些(xie)开放式的指令(ling)，可以从(cong)事一些(xie)常见的家庭工作，比如取放东西、泡杯茶(cha)、拿快递、丢垃圾、叠被子、洗衣服等常见工作。走入家庭的产品，价格可能在5万元这一级别。”

姚卯(mao)青称，具身智能技术发展到G4阶段时，智力上(shang)与人已经差不多，在居家场景使用时，会替代家政服务人员完成部分(fen)基础(chu)工作，但体力上(shang)是否可以跟上(shang)要取决(jue)于(yu)硬件(jian)的迭代情况。他说：“是否能让人形机器人爬到窗户(hu)外面擦窗，这还需要行(xing)业共同努力。”

姚卯(mao)青表示，人形机器人的发展也面临硬件(jian)与软件(jian)上(shang)的瓶颈。硬件(jian)方面，对机器人的手部研发亟待突破，目前(qian)市场的高自(zi)由(you)度灵(ling)巧手的灵(ling)活度与人手相比仍存差距。另(ling)外，关节和(he)电机的轻量化、小型化，外壳材料的高强(qiang)度、轻量化、仿(fang)真化，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(dou)需要改进。软件(jian)方面，具身智能技术还处于(yu)G1到G2阶段，因此在算法方面还有很长的路要走，这中间，数据也比较核心。

当前(qian)，全(quan)球多个国(guo)家都(dou)在人形机器人行(xing)业发力，中国(guo)的优势在哪里(li)？姚卯(mao)青表示，一是，供应(ying)链方面，中国(guo)拥(yong)有庞大而完整(zheng)的零部件(jian)供应(ying)链，这是其他国(guo)家或地区(qu)无法比拟的；二是，人才方面，中国(guo)拥(yong)有数量庞大的工科人才和(he)专家队伍，人才的专业技术过硬，同时，整(zheng)个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日在北京召开的民营企业座谈会引发广泛关注。座谈会上(shang)，6位民营企业负(fu)责人代表先后发言(yan)，就新形势下促进民营经济发展提出意(yi)见和(he)建议(yi)。智元机器人相关负(fu)责人表示，党和(he)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遗余力。当前(qian)正(zheng)值人形机器人产业的快速发展期，既需要民营企业充(chong)分(fen)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(xie)首席分(fen)析师满在朋在2月16日的研报中称，2024年是国(guo)内外人形机器人的原型机发布大年，经过半年到一年的技术优化与调试，2025年有望成为真正(zheng)的量产元年。DeepSeek AI成功突破AI发展的高昂成本问题，凭(ping)借降(jiang)本、开源(yuan)的优势，在人形机器人领域展现出强(qiang)大的赋能能力，有望助力机器人在环境感知、任务规划与决(jue)策、持续进化等大模型方面实(shi)现质的飞跃。

中信证券表示在研报中称，在全(quan)球劳(lao)动年龄(ling)人口下降(jiang)、人工成本上(shang)升的背景下，用机器替代流水线上(shang)的简单(dan)重复劳(lao)动并逐步(bu)成为人类生活的多场景下的助手是一大趋势。“人形”是最适(shi)合人类社会所有场景的形态，无需改变场景来适(shi)应(ying)机器，一旦技术成熟可直接用于(yu)所有社会场景。中信证券认(ren)为，2025年全(quan)球人形机器人出货量将会突破1万台，预计到2030年将达(da)到500万台左右，市场需求会提升至约7500亿元。

文：薛宇飞