姚卯青对中新经纬表示，一方面，资本(ben)市场的大力推动(dong)对人形机器人的发(fa)展起(qi)到了很大作用，从全球看，美国特斯拉创始人埃隆·马斯克布(bu)局人形机器人行业，英(ying)伟达也(ye)在这方面动(dong)作频频。另一方面，大语言模型不断实现突破，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(wei)下进(jin)行练习与模仿，才能变得更加(jia)智能。而是否拥(yong)有高质量数据，成为(wei)发(fa)展人形机器人的卡点之一。姚卯青称，具身智能训练领域大规(gui)模的开(kai)源数据集是美国Google公(gong)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，而且有些数据已经丢失，行业需要(yao)一个高质量、大规(gui)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(gong)业、商超、办公(gong)五大类场景，包含超过两百(bai)个细(xi)分场景的任务。在这些场景中，数百(bai)名数据采集员通过头戴VR眼(yan)镜、手持操作手柄指挥(hui)着(zhe)机器人进(jin)行各(ge)种(zhong)动(dong)作。比(bi)如，家居场景依据真实住宅进(jin)行布(bu)局，包括卧室、客(ke)厅、厨房、卫生间等(deng)空间，可(ke)以实现机器人整理物品、收拾碗筷、打扫房间等(deng)。在奶茶店场景下，采集机器人奶茶制作、送餐、收拾桌子(zi)等(deng)过程。

中新经纬看到，在数据采集员的操控下，一台机器人拿起(qi)桌上的茶壶，慢(man)慢(man)地将水倒入(ru)面前的杯子(zi)中，然后将水壶放回原位。不过，重(zhong)复、单一的数据，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(dong)杯子(zi)和茶壶的位置(zhi)，记录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(ye)将垃(la)圾摆放在不同位置(zhi)，通过操作手柄让机器人手臂上的吸尘器去吸取。该数据采集员表示，这项动(dong)作一天约能采集数百(bai)条。

姚卯青说(shuo)：“智元机器人的模型训练路线与语言大模型比(bi)较类似。最开(kai)始是预训练，该阶段(duan)使用尽量多的数据进(jin)行训练，形成对环境的基本(ben)感知等(deng)。之后，会采集数百(bai)条高质量数据，里面也(ye)会做一些泛化，比(bi)如倒水的动(dong)作，对水壶、桌面、光照(zhao)等(deng)进(jin)行更换，拿放位置(zhi)及倒水姿态进(jin)行调整等(deng)，大概数百(bai)条数据能让机器人实现比(bi)较好的倒水效果。”

智元机器人数据采集中心负责(ze)人阮丞向中新经纬解释称，简单来说(shuo)，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(wang)多模态大模型为(wei)基础(chu)，先让模型具有通用的感知和动(dong)作理解能力，再使用相同本(ben)体的高质量真机动(dong)作数据进(jin)行训练，也(ye)就是数据采集中心所采集的数据，让模型具备(bei)动(dong)作的精细(xi)执(zhi)行能力。

阮丞说(shuo)：“这个过程可(ke)以对比(bi)教小孩子(zi)学做菜(cai)，最开(kai)始是认识菜(cai)、肉、调料(liao)，之后告(gao)诉他操作步骤，最后是实践操作。就倒水这一动(dong)作来说(shuo)，（我们）先让大模型认识各(ge)式各(ge)样的水壶、杯子(zi)以及杯子(zi)里的水位等(deng)，之后让它具备(bei)在不同场景下的泛化能力，最后在高质量真机动(dong)作数据的训练下，能够精准理解倒水的相关动(dong)作。”

阮丞也(ye)称，教会人形机器人学会每项动(dong)作需要(yao)采集多少条数据，因任务和要(yao)求不同可(ke)能有所差异，没办法准确量化，而且，随(sui)着(zhe)对人形机器人的要(yao)求越来越高，可(ke)能需要(yao)更多的数据。

2024年底，智元机器人对该数据采集中心的百(bai)万真机数据集AgiBot World进(jin)行了开(kai)源。据介绍，相较于Google的Open X-Embodiment，AgiBot World长(chang)程数据规(gui)模高出10倍，场景范围(wei)覆盖面扩大100倍，数据质量也(ye)从实验室级上升到工(gong)业级标准。

对具身大模型的不断训练已经产生效果。阮丞说(shuo)：“以最早期的抓(zhua)取放置(zhi)任务训练为(wei)例(li)，让机器人抓(zhua)取一个物品从一个筐放进(jin)另一个筐，随(sui)着(zhe)训练数据的增加(jia)，模型的能力也(ye)得到很大扩展，对不同样式不同位置(zhi)的筐和物品，甚至完全没见过的物品，机器人也(ye)能进(jin)行识别并投放。在不断的研究与探(tan)索中，我们的认知也(ye)在不断地被颠覆。现在的模型具备(bei)了同时执(zhi)行多个任务，对不同场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(gong)序也(ye)有上万台市场规(gui)模”

2023年11月，中国工(gong)业和信息化部发(fa)布(bu)的《人形机器人创新发(fa)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、小脑、肢体”等(deng)一批关键技术取得突破，确保核心部组件安全有效供给。整机产品达到国际先进(jin)水平，并实现批量生产，在特种(zhong)、制造、民生服务等(deng)场景得到示范应(ying)用，探(tan)索形成有效的治理机制和手段(duan)。

今年1月初，智元机器人对外宣布(bu)，公(gong)司通用具身机器人累计下线达1000台。此前，中国国内的傅利叶、宇树科技等(deng)机器人公(gong)司也(ye)对外宣布(bu)过有关机器人量产的消息。国际上，埃隆·马斯克在今年1月份表示，特斯拉计划在今年生产数千台套人形机器人Optimus，若进(jin)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(lin)港量产工(gong)厂看到，一些机器发(fa)出嗡嗡声响，200多名工(gong)人操作着(zhe)不同的程序组装人形机器人，一些已经下线的机器人还需要(yao)进(jin)行最后的测试。

智元机器人制造部总经理张绍政对中新经纬称，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(gong)司自研，再交由相关工(gong)厂完成部件的生产后，最后的组装交由临(lin)港量产工(gong)厂完成。目前，临(lin)港量产工(gong)厂的年产能达到了数千台，后续还有进(jin)一步扩大产能的计划。

智元机器人已交付的机器人主要(yao)用于工(gong)业生产场景和一些展馆内机器人导(dao)览介绍等(deng)交互服务场景。在工(gong)业生产场景，机器人主要(yao)从事(shi)“PPT”工(gong)序，即Pick（抓(zhua)取）、Place（放置(zhi)）和 Transfer（转(zhuan)运）。姚卯青表示，在汽车制造、3C制造等(deng)场景下，机器人可(ke)以替代一些重(zhong)复、机械的工(gong)作，需求量庞大，“解决一个工(gong)序也(ye)有上万台市场规(gui)模，未(wei)来如果真正能实现完全的工(gong)业自动(dong)化，人形机器人行业会成为(wei)比(bi)汽车制造业更大的一个产业。”

借鉴自动(dong)驾驶的等(deng)级划分思(si)路，智元机器人将具身智能技术的发(fa)展也(ye)分为(wei)五个阶段(duan)，即G1至G5。G1阶段(duan)，属(shu)于基础(chu)自动(dong)化阶段(duan)，基于简单的机器视觉加(jia)上人工(gong)程序化编程，这一阶段(duan)的机器人系统设计和配置(zhi)都针对特定的应(ying)用需求，缺乏泛化能力。G2阶段(duan)，通过抽象出可(ke)复用的原子(zi)技能，机器人可(ke)以实现一定程度上的场景迁移和泛化。这一阶段(duan)的机器人已经能够基于大语言模型（任务编排(pai)大模型）进(jin)行任务编排(pai)，具备(bei)一定的智能水平。到G3阶段(duan)，机器人将能够更灵活地适应(ying)不同场景和任务，通过持续学习不断优化自身性能。

姚卯青说(shuo)：“目前整个行业的具身智能技术还处于G1到G2的阶段(duan)，学术阵地可(ke)能到了G3阶段(duan)。到G4阶段(duan)，我觉得还需要(yao)5年时间，而到G5阶段(duan)则要(yao)10年。简单讲，在G3阶段(duan)，具身智能技术会在单一任务上可(ke)以实现与人一样的成功率；在G4阶段(duan)，可(ke)以实现用一个模型完成多种(zhong)任务；到G5阶段(duan)，则是具身智能技术的终极(ji)形态，它可(ke)以实现推理、反思(si)、纠错。”

就智元机器人而言，姚卯青透露，公(gong)司今年计划走通G3阶段(duan)产品的技术路线，明后年会继续向更多场景与任务进(jin)行拓展，同时对G4阶段(duan)的产品进(jin)行一些布(bu)局。

走向家用市场或需要(yao)5年时间

相比(bi)于一些花式炫技，消费者更关心人形机器人何时能够“飞(fei)入(ru)寻常百(bai)姓家”。

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

目前，智元机器人的客(ke)户主要(yao)来自企业端，采访中并未(wei)透露人形机器人的零(ling)售价格。但姚卯青称，智元机器人的人形机器人产品的生产成本(ben)正在不断下降，每年大约会有15%～20%的降幅。人形机器人的成本(ben)主要(yao)是一些关节类组件，随(sui)着(zhe)行业量产，这类组件的价格会明显下降。智元机器人去年推出了全栈(zhan)开(kai)源机器人灵犀X1，科技爱好者、开(kai)发(fa)者可(ke)在智元商城购买相应(ying)的组件套餐。

姚卯青预计，人形机器人走向家用市场，大约需要(yao)5年时间。他说(shuo)：“走向家用的人形机器人，到时能接受一些开(kai)放式的指令，可(ke)以从事(shi)一些常见的家庭工(gong)作，比(bi)如取放东西、泡杯茶、拿快递、丢垃(la)圾、叠被子(zi)、洗衣服等(deng)常见工(gong)作。走入(ru)家庭的产品，价格可(ke)能在5万元这一级别。”

姚卯青称，具身智能技术发(fa)展到G4阶段(duan)时，智力上与人已经差不多，在居家场景使用时，会替代家政服务人员完成部分基础(chu)工(gong)作，但体力上是否可(ke)以跟上要(yao)取决于硬(ying)件的迭(die)代情况。他说(shuo)：“是否能让人形机器人爬到窗户外面擦窗，这还需要(yao)行业共同努力。”

姚卯青表示，人形机器人的发(fa)展也(ye)面临(lin)硬(ying)件与软件上的瓶(ping)颈。硬(ying)件方面，对机器人的手部研发(fa)亟待突破，目前市场的高自由度灵巧(qiao)手的灵活度与人手相比(bi)仍存差距(ju)。另外，关节和电机的轻量化、小型化，外壳材料(liao)的高强度、轻量化、仿真化，电池的功率密度的提升，芯片的更大算力及更低成本(ben)，更丰富和精密的传感器等(deng)，都需要(yao)改进(jin)。软件方面，具身智能技术还处于G1到G2阶段(duan)，因此在算法方面还有很长(chang)的路要(yao)走，这中间，数据也(ye)比(bi)较核心。

当前，全球多个国家都在人形机器人行业发(fa)力，中国的优势在哪里？姚卯青表示，一是，供应(ying)链方面，中国拥(yong)有庞大而完整的零(ling)部件供应(ying)链，这是其他国家或地区无法比(bi)拟的；二是，人才方面，中国拥(yong)有数量庞大的工(gong)科人才和专家队(dui)伍，人才的专业技术过硬(ying)，同时，整个人力成本(ben)也(ye)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(jing)召开(kai)的民营企业座谈会引发(fa)广(guang)泛关注。座谈会上，6位民营企业负责(ze)人代表先后发(fa)言，就新形势下促进(jin)民营经济发(fa)展提出意见和建议。智元机器人相关负责(ze)人表示，党和国家对民营经济发(fa)展的支持是有目共睹的，对培育新质生产力更是不遗余力。当前正值人形机器人产业的快速发(fa)展期，既需要(yao)民营企业充分发(fa)挥(hui)主观能动(dong)性，也(ye)需要(yao)各(ge)级政府政策的支持与帮助(zhu)，相信中国的人形机器人产业一定大有作为(wei)。

国信证券机械首席分析师满在朋在2月16日的研报中称，2024年是国内外人形机器人的原型机发(fa)布(bu)大年，经过半年到一年的技术优化与调试，2025年有望(wang)成为(wei)真正的量产元年。DeepSeek AI成功突破AI发(fa)展的高昂成本(ben)问题，凭(ping)借降本(ben)、开(kai)源的优势，在人形机器人领域展现出强大的赋能能力，有望(wang)助(zhu)力机器人在环境感知、任务规(gui)划与决策、持续进(jin)化等(deng)大模型方面实现质的飞(fei)跃。

中信证券表示在研报中称，在全球劳动(dong)年龄人口下降、人工(gong)成本(ben)上升的背(bei)景下，用机器替代流水线上的简单重(zhong)复劳动(dong)并逐步成为(wei)人类生活的多场景下的助(zhu)手是一大趋势。“人形”是最适合(he)人类社会所有场景的形态，无需改变场景来适应(ying)机器，一旦(dan)技术成熟可(ke)直接用于所有社会场景。中信证券认为(wei)，2025年全球人形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，市场需求会提升至约7500亿元。

文：薛宇飞(fei)