姚卯青对(dui)中(zhong)新经纬表(biao)示，一方面，资本市场(chang)的大力推动对(dui)人形机器人的发展起到了很大作用(yong)，从全球(qiu)看，美(mei)国特斯拉创始人埃隆·马斯克(ke)布局人形机器人行业，英(ying)伟达也在这方面动作频频。另一方面，大语言模型不(bu)断实现突破，给(gei)机器人的智能化提(ti)供了技术基础。

数据尤(you)其是高质量数据，就(jiu)如(ru)同一道道练习题，大模型在数据的不(bu)断投(tou)喂下进行练习与模仿，才能变得更加(jia)智能。而是否拥有高质量数据，成(cheng)为(wei)发展人形机器人的卡点之一。姚卯青称(cheng)，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(dan)该数据是全球(qiu)几十家机构拼凑(cou)起来(lai)的，质量较差，而且(qie)有些数据已经丢失，行业需要一个高质量、大规模的数据集。

在4000平(ping)方米的智元(yuan)机器人数据采集中(zhong)心，搭建出家居、餐厅、工业、商超、办公五大类场(chang)景，包含超过两百个细分场(chang)景的任务(wu)。在这些场(chang)景中(zhong)，数百名数据采集员通过头戴VR眼镜、手持操作手柄指挥(hui)着机器人进行各种(zhong)动作。比如(ru)，家居场(chang)景依据真实住宅进行布局，包括(kuo)卧(wo)室、客厅、厨房、卫(wei)生间等空间，可以实现机器人整理物品、收(shou)拾碗(wan)筷、打扫房间等。在奶茶店场(chang)景下，采集机器人奶茶制作、送餐、收(shou)拾桌子等过程。

中(zhong)新经纬看到，在数据采集员的操控下，一台机器人拿起桌上的茶壶，慢慢地将水(shui)倒入面前的杯子中(zhong)，然后将水(shui)壶放回原位。不(bu)过，重复(fu)、单一的数据，对(dui)训练大模型作用(yong)甚微，采集过程中(zhong)，数据采集员会不(bu)断挪动杯子和茶壶的位置，记录(lu)下不(bu)同场(chang)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。该数据采集员表(biao)示，这项动作一天约能采集数百条。

姚卯青说：“智元(yuan)机器人的模型训练路线与语言大模型比较类似。最开始是预训练，该阶段使用(yong)尽量多的数据进行训练，形成(cheng)对(dui)环境的基本感知等。之后，会采集数百条高质量数据，里面也会做一些泛化，比如(ru)倒水(shui)的动作，对(dui)水(shui)壶、桌面、光照等进行更换，拿放位置及倒水(shui)姿态进行调整等，大概数百条数据能让机器人实现比较好的倒水(shui)效果。”

智元(yuan)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(jian)单来(lai)说，智元(yuan)机器人具身基座(zuo)大模型是端到端的VLA大模型，它以互联(lian)网多模态大模型为(wei)基础，先让模型具有通用(yong)的感知和动作理解能力，再使用(yong)相同本体的高质量真机动作数据进行训练，也就(jiu)是数据采集中(zhong)心所采集的数据，让模型具备动作的精细执行能力。

阮丞说：“这个过程可以对(dui)比教小孩子学做菜，最开始是认识菜、肉、调料，之后告诉(su)他操作步骤，最后是实践操作。就(jiu)倒水(shui)这一动作来(lai)说，（我们）先让大模型认识各式各样的水(shui)壶、杯子以及杯子里的水(shui)位等，之后让它具备在不(bu)同场(chang)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(shui)的相关动作。”

阮丞也称(cheng)，教会人形机器人学会每项动作需要采集多少条数据，因任务(wu)和要求(qiu)不(bu)同可能有所差异，没(mei)办法准确量化，而且(qie)，随(sui)着对(dui)人形机器人的要求(qiu)越来(lai)越高，可能需要更多的数据。

2024年(nian)底，智元(yuan)机器人对(dui)该数据采集中(zhong)心的百万真机数据集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(chang)景范围覆盖面扩大100倍，数据质量也从实验室级上升到工业级标准。

对(dui)具身大模型的不(bu)断训练已经产(chan)生效果。阮丞说：“以最早(zao)期的抓取放置任务(wu)训练为(wei)例，让机器人抓取一个物品从一个筐放进另一个筐，随(sui)着训练数据的增(zeng)加(jia)，模型的能力也得到很大扩展，对(dui)不(bu)同样式不(bu)同位置的筐和物品，甚至完(wan)全没(mei)见过的物品，机器人也能进行识别(bie)并投(tou)放。在不(bu)断的研(yan)究与探(tan)索中(zhong)，我们的认知也在不(bu)断地被颠覆。现在的模型具备了同时执行多个任务(wu)，对(dui)不(bu)同场(chang)景和新物体的泛化能力，同时还能理解跟随(sui)语言指令。”

“解决一个工序也有上万台市场(chang)规模”

2023年(nian)11月，中(zhong)国工业和信息化部发布的《人形机器人创新发展指导意见》中(zhong)提(ti)出，到2025年(nian)，人形机器人创新体系初步建立，“大脑(nao)、小脑(nao)、肢体”等一批关键技术取得突破，确保核心部组件安全有效供给(gei)。整机产(chan)品达到国际先进水(shui)平(ping)，并实现批量生产(chan)，在特种(zhong)、制造、民生服务(wu)等场(chang)景得到示范应用(yong)，探(tan)索形成(cheng)有效的治理机制和手段。

今年(nian)1月初，智元(yuan)机器人对(dui)外宣(xuan)布，公司通用(yong)具身机器人累计下线达1000台。此前，中(zhong)国国内的傅利叶、宇树科技等机器人公司也对(dui)外宣(xuan)布过有关机器人量产(chan)的消(xiao)息。国际上，埃隆·马斯克(ke)在今年(nian)1月份表(biao)示，特斯拉计划(hua)在今年(nian)生产(chan)数千台套人形机器人Optimus，若进展顺利，明年(nian)产(chan)量将达5万至10万台。

中(zhong)新经纬在智元(yuan)机器人上海(hai)临港量产(chan)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(zhuang)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(yuan)机器人制造部总经理张绍政对(dui)中(zhong)新经纬称(cheng)，除了一些标准化的组件外，人形机器人的大多数核心部件都是该公司自研(yan)，再交由相关工厂完(wan)成(cheng)部件的生产(chan)后，最后的组装(zhuang)交由临港量产(chan)工厂完(wan)成(cheng)。目前，临港量产(chan)工厂的年(nian)产(chan)能达到了数千台，后续(xu)还有进一步扩大产(chan)能的计划(hua)。

智元(yuan)机器人已交付的机器人主要用(yong)于工业生产(chan)场(chang)景和一些展馆内机器人导览介绍等交互服务(wu)场(chang)景。在工业生产(chan)场(chang)景，机器人主要从事“PPT”工序，即Pick（抓取）、Place（放置）和 Transfer（转运）。姚卯青表(biao)示，在汽车制造、3C制造等场(chang)景下，机器人可以替代一些重复(fu)、机械的工作，需求(qiu)量庞大，“解决一个工序也有上万台市场(chang)规模，未来(lai)如(ru)果真正能实现完(wan)全的工业自动化，人形机器人行业会成(cheng)为(wei)比汽车制造业更大的一个产(chan)业。”

借鉴自动驾驶的等级划(hua)分思路，智元(yuan)机器人将具身智能技术的发展也分为(wei)五个阶段，即G1至G5。G1阶段，属于基础自动化阶段，基于简(jian)单的机器视觉(jue)加(jia)上人工程序化编(bian)程，这一阶段的机器人系统设计和配(pei)置都针对(dui)特定(ding)的应用(yong)需求(qiu)，缺(que)乏泛化能力。G2阶段，通过抽象(xiang)出可复(fu)用(yong)的原子技能，机器人可以实现一定(ding)程度上的场(chang)景迁移和泛化。这一阶段的机器人已经能够基于大语言模型（任务(wu)编(bian)排大模型）进行任务(wu)编(bian)排，具备一定(ding)的智能水(shui)平(ping)。到G3阶段，机器人将能够更灵(ling)活地适应不(bu)同场(chang)景和任务(wu)，通过持续(xu)学习不(bu)断优化自身性能。

姚卯青说：“目前整个行业的具身智能技术还处于G1到G2的阶段，学术阵地可能到了G3阶段。到G4阶段，我觉(jue)得还需要5年(nian)时间，而到G5阶段则要10年(nian)。简(jian)单讲(jiang)，在G3阶段，具身智能技术会在单一任务(wu)上可以实现与人一样的成(cheng)功率；在G4阶段，可以实现用(yong)一个模型完(wan)成(cheng)多种(zhong)任务(wu)；到G5阶段，则是具身智能技术的终极(ji)形态，它可以实现推理、反思、纠错。”

就(jiu)智元(yuan)机器人而言，姚卯青透露，公司今年(nian)计划(hua)走(zou)通G3阶段产(chan)品的技术路线，明后年(nian)会继续(xu)向更多场(chang)景与任务(wu)进行拓展，同时对(dui)G4阶段的产(chan)品进行一些布局。

走(zou)向家用(yong)市场(chang)或需要5年(nian)时间

相比于一些花式炫技，消(xiao)费者更关心人形机器人何时能够“飞入寻常(chang)百姓家”。

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

目前，智元(yuan)机器人的客户主要来(lai)自企业端，采访中(zhong)并未透露人形机器人的零售价格(ge)。但(dan)姚卯青称(cheng)，智元(yuan)机器人的人形机器人产(chan)品的生产(chan)成(cheng)本正在不(bu)断下降，每年(nian)大约会有15%～20%的降幅。人形机器人的成(cheng)本主要是一些关节类组件，随(sui)着行业量产(chan)，这类组件的价格(ge)会明显下降。智元(yuan)机器人去年(nian)推出了全栈(zhan)开源机器人灵(ling)犀X1，科技爱好者、开发者可在智元(yuan)商城购买相应的组件套餐。

姚卯青预计，人形机器人走(zou)向家用(yong)市场(chang)，大约需要5年(nian)时间。他说：“走(zou)向家用(yong)的人形机器人，到时能接受一些开放式的指令，可以从事一些常(chang)见的家庭工作，比如(ru)取放东西、泡杯茶、拿快递、丢垃圾、叠被子、洗衣服等常(chang)见工作。走(zou)入家庭的产(chan)品，价格(ge)可能在5万元(yuan)这一级别(bie)。”

姚卯青称(cheng)，具身智能技术发展到G4阶段时，智力上与人已经差不(bu)多，在居家场(chang)景使用(yong)时，会替代家政服务(wu)人员完(wan)成(cheng)部分基础工作，但(dan)体力上是否可以跟上要取决于硬件的迭代情况。他说：“是否能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。硬件方面，对(dui)机器人的手部研(yan)发亟待突破，目前市场(chang)的高自由度灵(ling)巧手的灵(ling)活度与人手相比仍存差距。另外，关节和电机的轻量化、小型化，外壳材(cai)料的高强度、轻量化、仿真化，电池(shi)的功率密度的提(ti)升，芯片的更大算力及更低(di)成(cheng)本，更丰富和精密的传感器等，都需要改进。软件方面，具身智能技术还处于G1到G2阶段，因此在算法方面还有很长的路要走(zou)，这中(zhong)间，数据也比较核心。

当前，全球(qiu)多个国家都在人形机器人行业发力，中(zhong)国的优势在哪里？姚卯青表(biao)示，一是，供应链方面，中(zhong)国拥有庞大而完(wan)整的零部件供应链，这是其他国家或地区(qu)无法比拟(ni)的；二是，人才方面，中(zhong)国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，整个人力成(cheng)本也相对(dui)较低(di)；三是，政策支持，政府部门对(dui)人形机器人的支持力度较大。

2月17日在北京(jing)召开的民营企业座(zuo)谈会引发广泛关注。座(zuo)谈会上，6位民营企业负责人代表(biao)先后发言，就(jiu)新形势下促进民营经济发展提(ti)出意见和建议(yi)。智元(yuan)机器人相关负责人表(biao)示，党和国家对(dui)民营经济发展的支持是有目共睹的，对(dui)培育新质生产(chan)力更是不(bu)遗余力。当前正值人形机器人产(chan)业的快速发展期，既需要民营企业充分发挥(hui)主观(guan)能动性，也需要各级政府政策的支持与帮助，相信中(zhong)国的人形机器人产(chan)业一定(ding)大有作为(wei)。

国信证券机械首席(xi)分析师满在朋在2月16日的研(yan)报中(zhong)称(cheng)，2024年(nian)是国内外人形机器人的原型机发布大年(nian)，经过半(ban)年(nian)到一年(nian)的技术优化与调试，2025年(nian)有望成(cheng)为(wei)真正的量产(chan)元(yuan)年(nian)。DeepSeek AI成(cheng)功突破AI发展的高昂(ang)成(cheng)本问题，凭(ping)借降本、开源的优势，在人形机器人领域(yu)展现出强大的赋能能力，有望助力机器人在环境感知、任务(wu)规划(hua)与决策、持续(xu)进化等大模型方面实现质的飞跃。

中(zhong)信证券表(biao)示在研(yan)报中(zhong)称(cheng)，在全球(qiu)劳动年(nian)龄人口下降、人工成(cheng)本上升的背景下，用(yong)机器替代流水(shui)线上的简(jian)单重复(fu)劳动并逐步成(cheng)为(wei)人类生活的多场(chang)景下的助手是一大趋势。“人形”是最适合人类社会所有场(chang)景的形态，无需改变场(chang)景来(lai)适应机器，一旦技术成(cheng)熟可直接用(yong)于所有社会场(chang)景。中(zhong)信证券认为(wei)，2025年(nian)全球(qiu)人形机器人出货量将会突破1万台，预计到2030年(nian)将达到500万台左右，市场(chang)需求(qiu)会提(ti)升至约7500亿元(yuan)。

文：薛宇飞