这个“超级天才”野心勃勃，想要垄断人形机器人的“大脑”？

现在的人形机器人，都是“无脑”的。

对于这些人形机器人的控制，取决于程序员“预编程序”向机器人输入状态描述和应对方法的规则，然后在相应的前提下完成操作。

在一次采访中，宇树科技创始人王兴兴曾通俗地解释说:“你可以让他(人形机器人)倒立、空翻，或者做一些避障措施。这些都是针对固定任务的专项AI培训”，是单一功能的AI。

举例来说，人形机器人在央视春晚跳手帕舞这一复杂的任务场景，可能是按照“预先编制的程序”来练习的。

但是，一旦情况和任务稍有改变，人形机器人的成功率就会暴跌。

就像春晚表演结束后，人形机器人离开舞台，需要有人帮忙“掐脖子”。面对刘谦的握手邀请，人形机器人突然跪下瘫痪。

刘谦发布的春晚花絮截图

甚至，控制人形机器人，有时还需要工作人员通过控制器进行操作。

这些人形机器人在某种程度上是一个提线木偶，遥控玩具，不能称之为“人”，因为它“没有头脑”。

这就是为什么人形机器人很难快速量产，没有客户愿意为一个不够聪明的人形机器人买单。“傻瓜”人形机器人如何应对我们物理世界千变万化的局面？

对于人形机器人“笨”的原因，王兴兴直言不讳地说:“现在普遍使用的AI还不够。”他指出，全世界都在等待真正的机器人“大脑”的出现。

人类机器人“大脑”的研究开发，无疑是一条非常有趣的跑道。

对于这条赛道，彭志辉非常感兴趣。

彭志辉曾是华为的“超级天才”，年薪一度达到200万元。与普通企业家不同，他离职创业。

他有更高的追求，他创建的智元公司并没有跟随同行，而是专注于机器人，而是把它放在机器人的“大脑”上。

近日，智元公司发布了第一款通用具体底座模型——智元启元大模型Genienie Operator-1（GO-第一，意味着国内机器人从单一功能到多场景泛化的技术突破。

GO-看起来王兴兴的“泛用性AI还不够”问题已经得到了回答，但是距离真正的机器人“大脑”还有很长的路要走。

而且彭志辉和智元机器人“欲望”：但愿未来所有的机器人都能共享同一个“大脑”——GO-或者很难实现。

不是“第一家”

人形机器人从来都不是什么新鲜事。

在过去的几十年里，世界各地都开发了各种各样的人形机器人。文学作品不断诠释着人形机器人的“无所不能”，人们对这个形象非常熟悉。

但是《刃辛机器人》了解到，人形机器人在我们的生产中很少使用。

如今，零星的“在工厂工作”不是人形机器人，而是各种形式的工业机器人，如机械臂，从事重复性和机械性的工作。

到目前为止，人形机器人的“炫耀”功能远远大于实际功能。

王兴兴成立宇视科技之初，并没有直接开发人形机器人，而是从双脚机器狗产品开始。2009年，他尝试成为一个人形机器人，这太复杂了，无法控制。

在AI大模型出现之前，它给人形机器人带来了新的想象。

简单来说，在大模型的帮助下，引入语义理解和推理生成的能力，就相当于在人形机器人上安装了一个“大脑”，可以理解世界和人类，真正为人们服务。

然而，这只存在于“想象”阶段。正如王兴兴所说，目前普遍使用的AI还不够，即用于人形机器人的智能模型还不成熟。

ChatGPT、Deepseek等AI模型不能直接用于人形机器人，因为它们充当“大脑”。为了通向AGI，人形机器人需要专门针对智能领域的多模态大模型。 —— 为了提高机器人在感知、决策、控制、交互等方面的能力，具有智能模型。

具体智能模型是一种特殊的大型模型，以AI技术为基础，专门赋能人形机器人，帮助人形机器人在通用应用场景中实现下落。

ChatGPT、Deepseek等非全身智能大模型服务的对象是人类，导出的内容是给人看或者给人看，更多的是在人机交互、内容生成等方面展现价值。

智能大模型的服务对象是机器，它的导出内容需要机器人能够理解，最终转化为具体的可执行动作控制指令，然后与周围环境互动，给出各种动作。

智源机器人推出的GO-1绝不是中国第一款智能模型。在此之前，国内一些机器人初创公司已经开始推出自己的智能模型。

举例来说，鹿机器人Master 2000、若愚科技九天大模型，千诀科技千诀.机器人大模型，穹彻智能Noematrix Brain、X squareGreat(自变量机器人) Wall系列WALL-A模型和千寻智能具体智能模型...

GO-1仅仅是国内首个通用的具体底座模型。

所谓通用具体底座模型，采用模块化架构(如ViLLA框架)，整合多模态大模型。（VLM）、隐藏式规划器和动作专家，支持跨自身适应和任务泛化，其重要特点是通用性。

简而言之，GO-第一，“什么都能做，但都不精”。

就像一个厨师，u200c可以看食谱学做饭(看人类视频学习)，今天炒川菜，明天做西餐(适合不同场景)，甚至可以用刚买的厨具(跨硬件)。虽然每道菜都不是顶级的，但是换菜单的时候不需要再买机器人(降低成本)。

陷入“数据荒”

GO-1离真正的人形机器人“大脑”有多远？

第一，不可否认的是，GO-1具有充当人类机器人“大脑”的潜力。

GO-通过ViLLA架构实现多模态学习，可以利用人类视频数据提高样本泛化能力，支持机器人从单一任务到开放场景的灵活转换。

比如，GO-智元机器人灵犀X2支持已经完成了骑自行车、缝葡萄等复杂任务，并且具有初步的自然语言交互能力。

它表明GO-1具有整合感知、决策和执行能力，符合“大脑”的核心需要。

GO-1也突破了传统预设程序的限制，可以结合语义推理执行动态指令u200c。

例如，灵犀X2可以通过自然语言指令完成充电合作、家务协助等任务，反映u200c从“工具”到“智能体”的转变。

其二，GO-离真正的人形机器人“大脑”还有很长的路要走。这个结论可以从智元公司对这个大模型的训练过程中得出。

那时，智元公司决定建立一个人形机器人“大脑”，发现门槛太高。

大家都知道，大模型的练习需要大量的数据投喂。

ChatGPT、非具体智能模型，如Deepseek，在训练过程中“吃”的数据可谓数不胜数。仅ChatGPT，就已经消化了全球互联网三分之二的文本语料。

人类机器人“大脑”所需的“喂养”数据，更多的是动作数据，因为它需要像人类一样做各种各样的动作。

网络上可以获得文本语料，但是动作数据特别难找。

智元公司曾试图在行业内寻找开源数据库，但发现几乎不存在高质量、统一格式的数据。

虽然行业开源了数百万个真实机器人收集的培训数据集，但实际上这些信息是由不同公司、不同产品规格的机器人收集的，数据质量较低，无法满足智源公司的需求。

智源公司决定“笨鸟先飞”，并采用“笨方法”，于2023年9月建立了动作数据收集工厂。在工厂里，我们一个个模仿人类生活中的每一个动作，收集它，形成数据，然后“喂”给大模型。

所以，他们在家庭、餐饮、超市、办公、工业等五种应用场景中建立起来。

在不同的场景中，数据采集者手持设备，手把手控制人形机器人完成抓、握、放等操作。有时候采集者戴着VR设备，让机器人准确地模仿和学习人类的动作。

比如在卧室里，人形机器人巧妙地向收藏家学习叠衣服。在餐桌前，机器人学会把餐具一个个摆放整齐，学会吃各种各样的菜，不会握手。在超市收银台前，机器人一只手拿着扫码器，另一只手拿着商品扫码。

每次人形机器人完成一个动作，他们都可以收集一套数据。当这些信息聚集并上传到云端时，智源团队会将其喂给大模型，这样机器人就可以真正掌握一项技能，如冲咖啡、熨衣服等。

愚蠢的鸟儿先飞，谈何容易？

只有一个续水动作，大模型需要“吃”上万条数据才能学会。据36Kr前几个月的报道，一个收藏家每天只收集150条左右的数据，工厂近100个机器人每天只收集3-5万条数据。

虽然仅仅几个月，智源公司就积累了数百万条高质量的标准动作轨迹数据，涉及217项任务，规模是世界上最大的。然而，与ChatGPT“吃”下全球互联网三分之二的文本语料料的量级相比，这些动作数据可谓少得可怜。

依靠这些“少得可怜”的动作数据，GO-1这种具身智能大模型何时能达到ChatGPT的智能水平？

欲望难实现

ChatGPT等AI大语言模型之所以聪明，是因为量变在不断“喂”其数据进行练习后，导致质变，然后在某个时间点，突然出现的超越模型初始设计和预期的不可预测的智能行为或能力，即“智能出现”现象。

业内称之为u200c尺度定律。也就是说，随着模型参数、培训信息量和计算资源的指数级增长，模型性能可以预测幂律。（Power Law）提高u200c的方法，甚至在某些任务中表现出“涌现”的智力。

拥有智能模型需要获得ChatGPT的智能，并且必须不断“喂”动作数据。只要“喂”够了，有一天，拥有智能模型的人就会突然变得聪明起来，真的像真人的“大脑”。

有多少数据需要“喂”出智能模型，才能像真人一样“大脑”？

智源公司采用的“笨方法”收集动作数据，堪称龟速。业内人士直言:“如果我们只依靠一家工厂收集数据，收集1亿条数据需要几百年的时间。”

当前，与大语言模型的“核爆点”相比，全球机器人动作数据还差3-4个量级。

现在智元公司想出了一个新的对策，就是联合同行一起收集数据。

智源公司首先开源自己收集的数据。“我不担心被超越，因为别人拿走了一些数据。另一方面，我也希望更多的人成为同道中人。”让我们一起收集数据。

GO-1的发布是为了解决数据不足的问题。然而，这也隐藏了智源公司及其创始人彭志辉的一个愿望，那就是“我希望所有的机器人将来都能分享同一个‘大脑’”，而这个大脑就是GO-1。

由于GO-1的一个主要特点是具有良好的泛化性，可以在不同的机器人本体上部署。通过GO-1，我们可以共享我们一起收集的数据。

GO-1作为第一个通用的身体底座模型，它是独一无二的。如果人形机器人公司没有专门的身体智能模型，可以共享数据。但是现在很多人形机器人企业都有自己的身体智能模型，都在进行数据“喂养”和艰苦训练。为什么要和GO-1分享数据？

GO-1要变得“聪明”，需要很多数据。为了满足u200c尺度定律，实现人形机器人“智能出现”的时刻，智元公司和多少企业一起收集数据？

仅仅依靠几家公司显然是不够的。即使与所有研发机器人“大脑”的企业合作，恐怕也不够。

结论：或者可以借鉴自动驾驶训练模式

随着国内智能新能源汽车的快速发展，L3级自动驾驶汽车开始量产。

汽车可以自动驾驶，也经过了大量相关数据的“喂养”和训练。在物理世界中收集车辆行驶路试所需的数据既费时又费力，无法完成。

根据美国兰德公司的研究，无人驾驶汽车需要110亿公里(177亿公里)的里程检测，才能保证绝对安全。假设车队由100辆车组成，每年365天，每天24小时以28英里/小时的平均速度进行测试，大约需要500年。

在激烈的竞争中“生存”下来的汽车公司不可能采用这样的“愚蠢方法”。他们的做法是模拟训练，即以数学模型的形式数字化恢复自动驾驶的实际使用场景，建立一个尽可能接近现实世界的系统模型，然后进行训练。

模拟训练的速度是物理世界路测的千倍、万倍，这使得自动驾驶的发展如此迅速。

刃辛机器人认为，人形机器人的具体智能模型，也可以借助模拟训练，更快地实现“智能出现”的时刻。

但是，与自动驾驶相比，只需要模拟路面和周围环境等，具体智能大模型所需的模拟训练设计场景要多得多，复杂得多。（文字/刃辛机器人 陈重山）

参考资料

[1] 上海具身智能“独角兽”为何强推这条路，“抓紧建厂拼量产”，上观、文报、沈莎莎

[2] “我们去看了智元机器人的“数采厂”等等！这不就是星球大战片场吗？”，36氪，智能出现，田哲

[3] “自动驾驶到底需要什么样的模拟？”，智车科技官方

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com