對(duì)話?cǎi)窂刂悄鼙R策吾：有了大腦的機(jī)器人應(yīng)該活躍在工廠之外

（ 10 月 24 日，在外灘年會(huì)上，穹徹智能創(chuàng)始人盧策吾接受了《財(cái)經(jīng)》專訪 ）

盧策吾以上海交大教授身份創(chuàng)業(yè)，擅長(zhǎng)通用機(jī)器人大腦技術(shù)，但堅(jiān)持“軟硬件一體”，他最新的觀點(diǎn)是，具身智能應(yīng)該更多往服務(wù)業(yè)發(fā)展

文 | 《財(cái)經(jīng)》記者 劉以秦

編輯 | 謝麗容

具身智能是今年最熱門的創(chuàng)業(yè)領(lǐng)域，但在兩年前，這一領(lǐng)域還少有人提及。

在中文世界相對(duì)較早的定義是在2023年7月，中國(guó)計(jì)算機(jī)學(xué)會(huì)的官方賬號(hào)發(fā)布文章《具身智能 | CCF專家談術(shù)語》，文中為具身智能下了定義：“具身智能是指一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統(tǒng)，其通過智能體與環(huán)境的交互獲取信息、理解問題、做出決策并實(shí)現(xiàn)行動(dòng)，從而產(chǎn)生智能行為和適應(yīng)性。”

那篇文章的作者是上海交通大學(xué)人工智能學(xué)院副院長(zhǎng)盧策吾、北京大學(xué)前沿計(jì)算研究中心助理教授王鶴。幾個(gè)月后，盧策吾創(chuàng)辦穹徹智能，王鶴創(chuàng)辦銀河通用，如今這兩家創(chuàng)業(yè)公司均是具身智能領(lǐng)域里的明星公司。

2016年，盧策吾與王世全、鐘書耘、葉熙陽四位斯坦福校友創(chuàng)辦了機(jī)器人公司非夕科技。2023年11月，非夕科技孵化穹徹智能，專注于具身智能方向。

今年10月，穹徹完成新一輪融資，阿里巴巴領(lǐng)投，公司成立至今，已完成6輪融資。

在具身智能商業(yè)化過程中，數(shù)據(jù)與模型的效率是核心問題，穹徹的主要方向是具身智能大腦，最新研發(fā)成果包括無本體數(shù)據(jù)采集方案、通用端到端模型方案以及人機(jī)協(xié)作的規(guī)模化部署系統(tǒng)。

目前具身智能創(chuàng)業(yè)公司各有側(cè)重，有的專注機(jī)器人本體，有的更重視大腦和模型。通常大腦公司會(huì)面臨交付問題，因?yàn)楝F(xiàn)在市面上的機(jī)器人標(biāo)準(zhǔn)不統(tǒng)一。穹徹的特別之處是由非夕科技戰(zhàn)略孵化而來，非夕有相對(duì)完整的硬件生態(tài)，穹徹也繼承了這部分能力，在現(xiàn)階段能為客戶提供軟硬件一體的交付方案。

2016年，盧策吾從斯坦福大學(xué)回國(guó)創(chuàng)業(yè)做機(jī)器人后，他不斷向外界介紹什么是具身智能，但早期外界很難理解，2018年他曾經(jīng)組織了一場(chǎng)線下論壇，到場(chǎng)只有7個(gè)人。直到2024年，具身智能行業(yè)一夜爆火，他經(jīng)歷了相對(duì)完整的中國(guó)具身智能發(fā)展周期。

10月24日，在外灘年會(huì)上，穹徹智能創(chuàng)始人盧策吾接受了《財(cái)經(jīng)》專訪，作為“教授創(chuàng)業(yè)”的代表，他回應(yīng)了外界對(duì)于這類創(chuàng)業(yè)者的“標(biāo)簽化”問題。他提到具身智能應(yīng)該更多往服務(wù)業(yè)發(fā)展，而非停留在工業(yè)場(chǎng)景。他認(rèn)為，具身智能讓AI從數(shù)字世界進(jìn)入真實(shí)物理世界，是AI的終極方向。

通過硬件來驗(yàn)證大腦

《財(cái)經(jīng)》：穹徹10月剛完成新一輪融資，是由阿里投資，為什么和阿里合作？

盧策吾：第一，具身智能需要高水平人工智能的能力，算力很重要，阿里的有非常好的算力。

第二，阿里云有很多社區(qū)聯(lián)動(dòng)，機(jī)器人在阿里的產(chǎn)業(yè)上可以有很多合作的場(chǎng)景，我們希望機(jī)器人能夠進(jìn)入人類的生活，而阿里的很多觸角就是在人類的生活中，是一個(gè)非常好的合作伙伴。

《財(cái)經(jīng)》：算力的重要性體現(xiàn)在哪里？

盧策吾：智能需要的模型會(huì)越來越大，機(jī)器人需要去理解視頻，理解語言，理解行為，算力一定是指數(shù)級(jí)的增加。

《財(cái)經(jīng)》：穹徹是非夕智能孵化的創(chuàng)業(yè)公司，非夕已經(jīng)有機(jī)器人的業(yè)務(wù)了，為什么還要單獨(dú)成立一家創(chuàng)業(yè)公司來做？

盧策吾：具身智能是需要服務(wù)于所有的機(jī)器人的，要服務(wù)于更大的產(chǎn)業(yè)。

《財(cái)經(jīng)》：所以穹徹做的是機(jī)器人的大腦，為什么對(duì)外的說法是“軟硬件一體”？

盧策吾：這里可能有一個(gè)誤區(qū)。我們是兼具軟硬件一體的能力，我們已經(jīng)推出了完整的機(jī)器人本體。并不是說我們脫胎于非夕，我們就不做硬件了，我們可以用到非夕的機(jī)械臂，也會(huì)用其他廠商的零部件，最終要給客戶交付的是一個(gè)整機(jī)形態(tài)。

《財(cái)經(jīng)》：大腦已經(jīng)很難做了，為什么還要把本體一起做了？

盧策吾：需要兩條腿走路，我們雖然是一家大腦公司，但要讓客戶用上我們的大腦，需要先通過自己的機(jī)器人去推廣和證明。我們自己先把這件事做完，別人覺得我們的大腦挺好用，慢慢就會(huì)用到他們自己的硬件上。

《財(cái)經(jīng)》：大腦和本體單獨(dú)做一個(gè)成本都很高，兩個(gè)一起做，成本會(huì)不會(huì)有壓力？

盧策吾：還好。大腦確實(shí)成本比較高。我們本身有做硬件的底子，也不會(huì)去單獨(dú)研發(fā)關(guān)鍵的零部件，所以整體還好。

《財(cái)經(jīng)》：大模型已經(jīng)發(fā)展幾年了，大腦的成本有下降的趨勢(shì)出現(xiàn)嗎？

盧策吾：目前沒有看到成本下降趨勢(shì)，因?yàn)榫呱碇悄苁且粋€(gè)人才密集型、數(shù)據(jù)密集型和算力密集型的行業(yè)。

《財(cái)經(jīng)》：現(xiàn)在大腦的智能化程度有多高？

盧策吾：很難用量化的方式解釋，還在逐步進(jìn)步的過程中。機(jī)器人的大腦不像大模型那樣會(huì)有一個(gè)評(píng)判標(biāo)準(zhǔn)，比如各類榜單排名。我們能看到的一個(gè)角度是“技能光譜”，就是會(huì)逐步解鎖各種技能，比如抓取物品、折疊柔性物體、刮削物體表面等。

什么是好的商業(yè)化場(chǎng)景？

《財(cái)經(jīng)》：穹徹的機(jī)器人目前落地應(yīng)用的場(chǎng)景有哪些？

盧策吾：零售、食材處理，還有酒店行業(yè)。

來找我們的客戶很多，我們要去篩選，這個(gè)行業(yè)要足夠大，且需要新技術(shù)去變革，如果他們要的還是傳統(tǒng)的技術(shù)，那就沒必要去做了。我們會(huì)積累這樣的應(yīng)用場(chǎng)景，在累積的過程中不斷提升AI能力，能力提升后，你能覆蓋的業(yè)務(wù)就更大了。

《財(cái)經(jīng)》：所以這三個(gè)行業(yè)是你認(rèn)為很好的應(yīng)用場(chǎng)景？

盧策吾：比如食材加工處理，屬于千億級(jí)別的場(chǎng)景，而且這個(gè)場(chǎng)景是可以磨煉AI的。這里面用到的很多技能是可以遷移到其他場(chǎng)景里的。比如菜和肉，形狀和質(zhì)地都是不固定的，不同食材需要的工藝也是不一樣的，這個(gè)場(chǎng)景需要更多智能。我們?cè)谑巢募庸ぬ幚眍I(lǐng)域已經(jīng)有批量的落地的營(yíng)收了。

當(dāng)然行業(yè)里其他具身智能公司可能會(huì)選擇不同的場(chǎng)景切入，這是我們認(rèn)為從經(jīng)濟(jì)價(jià)值和技術(shù)迭代價(jià)值角度來看，比較不錯(cuò)的場(chǎng)景。

《財(cái)經(jīng)》：你之前提到過，機(jī)器人已經(jīng)從表演階段進(jìn)入干活階段，怎么定義“干活階段”？

盧策吾：通過勞動(dòng)創(chuàng)造價(jià)值。當(dāng)然表演，跳舞這些也能夠替代一些表演人員的工作，但我們會(huì)更關(guān)心機(jī)器人能夠給人類的物質(zhì)層面帶來哪些幫助。

《財(cái)經(jīng)》：很多機(jī)器人公司會(huì)從工廠場(chǎng)景切入，這是“干活階段”嗎？

盧策吾：也是可以的。非夕之前就是主要做工廠業(yè)務(wù)，我們做了七八年，營(yíng)收也做到很高了，所以我們之前在工業(yè)場(chǎng)景已經(jīng)得到驗(yàn)證了。

《財(cái)經(jīng)》：很多工廠已經(jīng)通過機(jī)械臂等實(shí)現(xiàn)了自動(dòng)化，為什么還需要具身智能？

盧策吾：工廠還是有一部分場(chǎng)景需要，但確實(shí)我們應(yīng)該把目標(biāo)放在非工業(yè)領(lǐng)域。工廠里有很多場(chǎng)景是固定的，固定物體、固定動(dòng)作、固定場(chǎng)景，這里也有具身智能發(fā)揮的空間，但不是最大的。具身智能應(yīng)該往服務(wù)業(yè)方向發(fā)展，而且服務(wù)業(yè)的規(guī)模也更大。

如果只用具身智能去做工業(yè)場(chǎng)景，是很可惜的。

教授創(chuàng)業(yè)的“標(biāo)簽”

《財(cái)經(jīng)》：2016年的時(shí)候，你還在高校工作，為什么會(huì)參與創(chuàng)辦非夕科技？

盧策吾：當(dāng)時(shí)我還在硅谷，在斯坦福大學(xué)，創(chuàng)辦非夕之后，回到上海交大任教。

具身智能是一個(gè)綜合的問題，它既是一個(gè)頂尖的產(chǎn)業(yè)，又是一個(gè)前沿的科學(xué)問題。所有的企業(yè)都會(huì)面臨一個(gè)技術(shù)的黑森林，你不知道要往哪里走，在這里面你會(huì)看到，頂尖的產(chǎn)業(yè)，頂尖的科學(xué)，頂尖的應(yīng)用，它是一體化的不分彼此的。所以無論是教授還是企業(yè)家，在追求頂尖的方向上是一致的。

還有一點(diǎn)就是人才培養(yǎng)問題。我們過去經(jīng)常會(huì)把人才培養(yǎng)和企業(yè)割裂開，科研機(jī)構(gòu)培養(yǎng)人才，頂尖人才去支持企業(yè)的核心。但你會(huì)看到這一輪創(chuàng)業(yè)都是科學(xué)家驅(qū)動(dòng)的，上一輪是工程師驅(qū)動(dòng)。今天的創(chuàng)業(yè)和科研本質(zhì)上是一體化的，并不矛盾。

《財(cái)經(jīng)》：你在斯坦福的時(shí)候，導(dǎo)師是李飛飛，為什么沒有選擇更偏AI方向或者大模型方向？

盧策吾：我個(gè)人認(rèn)為具身智能是AI的終極狀態(tài)，因?yàn)橹悄懿荒苤煌Ａ粼跀?shù)字世界，不能只識(shí)別圖片理解語言，我跟你說這是一瓶水，你不去拿起來，搖一搖，就會(huì)永遠(yuǎn)停留在紙面上。這種情況下，AI對(duì)于理解的深刻程度是非常有限的。

我們假設(shè)未來會(huì)有10億臺(tái)機(jī)器人在外面活動(dòng)，它們的數(shù)據(jù)回來之后，既有圖像數(shù)據(jù)，又有語言數(shù)據(jù)，還有交互數(shù)據(jù)，三種數(shù)據(jù)的印證能讓機(jī)器人對(duì)世界的理解更深刻。

人類的智能就是從真實(shí)世界的活動(dòng)里誕生的，如果智能只是虛擬智能，不能走向物理智能，那就永遠(yuǎn)存在局限性。反過來說，沒有物理智能的加持，虛擬智能很快會(huì)走到極限。

所以無論從哪個(gè)角度來看，具身智能都是最好的選擇，當(dāng)然其他人可能會(huì)有不同看法。

《財(cái)經(jīng)》：2016年的時(shí)候，波士頓動(dòng)力已經(jīng)引發(fā)關(guān)注了，你當(dāng)時(shí)怎么看這家公司？

盧策吾：第一，機(jī)器人需要大腦，很明顯那個(gè)時(shí)候的機(jī)器人沒有大腦。大腦智能程度覺得這個(gè)行業(yè)能走多久。

第二，波士頓動(dòng)力展示了很強(qiáng)的運(yùn)動(dòng)控制能力，但更關(guān)鍵的價(jià)值是操作。所以我們當(dāng)時(shí)認(rèn)為大有機(jī)會(huì)，雖然已經(jīng)有波士頓動(dòng)力了，但這個(gè)領(lǐng)域還是一個(gè)無人區(qū)。

《財(cái)經(jīng)》：很多投資人會(huì)認(rèn)為，教授創(chuàng)業(yè)的成功率并不高，原因是教授們沒辦法“All in”到創(chuàng)業(yè)中。

盧策吾：他們可能是基于統(tǒng)計(jì)，但我覺得還是要看具體的案例。現(xiàn)在的創(chuàng)業(yè)是需要科研和人才培養(yǎng)一體化的，如果你是工程師時(shí)代的創(chuàng)業(yè)者，我覺得可能不太需要。但在今天，你需要科研的視角，一旦走錯(cuò)一點(diǎn)點(diǎn)，將會(huì)付出巨大的成本和代價(jià)。

具身智能領(lǐng)域的人才還是太稀缺了，我們公司今天的很多核心技術(shù)和頂尖人才就是因?yàn)槲覀儽澈笥懈咝５捏w系化培養(yǎng)去支持。

另外，你提到的“All in”，我認(rèn)為這是一個(gè)人性的問題，你創(chuàng)業(yè)是基于恐懼還是追求，如果是基于恐懼，那你只能做小生意，如果你做的是偉大的事，那要看的是創(chuàng)業(yè)者的信仰。

《財(cái)經(jīng)》：越是偉大的事越需要全身心投入。

盧策吾：我們的研發(fā)和人才培養(yǎng)方向是一致的，這就是全身心投入。

《財(cái)經(jīng)》：還有一個(gè)質(zhì)疑是認(rèn)為教授們雖然擅長(zhǎng)人才培養(yǎng)和科研，但對(duì)于商業(yè)化和企業(yè)管理方面相對(duì)欠缺。

盧策吾：這也是因人而異的。很多時(shí)候我們喜歡把人標(biāo)簽化，你是這個(gè)身份那你就一定有這些標(biāo)簽。我在非夕做了8年的聯(lián)合創(chuàng)始人，已經(jīng)經(jīng)歷了商業(yè)周期的起起伏伏，包括管理、商業(yè)、資本，如何把一個(gè)科研項(xiàng)目變成好的產(chǎn)品，然后變成應(yīng)用。

用AI的方式來說，貼標(biāo)簽是一個(gè)比較誤差率很高的方法論。

具身智能是AI的終極方向

《財(cái)經(jīng)》：具身智能行業(yè)有什么關(guān)鍵的節(jié)點(diǎn)，讓這個(gè)行業(yè)變成現(xiàn)在這么火熱？

盧策吾：美國(guó)是2016年開始變得比較火熱，中國(guó)是2023年之后。

我記得很清楚，我2016年回國(guó)后，一直做具身智能，2018年左右，我們組織了一場(chǎng)論壇，宣傳了很久，最后到場(chǎng)的只有7個(gè)人。隔壁會(huì)場(chǎng)在講物體檢測(cè)之類的話題，有幾百個(gè)人。我們還沒講完，這7個(gè)人里有一半走了，說“啥是具身智能”？

包括我們第一次去融資，也需要跟投資人科普這是什么東西，讓學(xué)生來報(bào)考我們的專業(yè)也要不停地去解釋。很多人聽完會(huì)說，你講得挺好的，但我不關(guān)心，因?yàn)檫€有很多其他熱門的方向。

到2024年，就不需要再解釋了。大模型起來之后，AI通用能力讓人們看到了機(jī)器人智能的可行性。類似于，愛因斯坦的能量方程出來之后，造出原子彈就只是時(shí)間問題了。

《財(cái)經(jīng)》：為什么不直接說機(jī)器人，要說具身智能？

盧策吾：因?yàn)榫呱碇悄鼙旧砭褪且粋€(gè)獨(dú)立學(xué)科，是經(jīng)過學(xué)科體系認(rèn)證的。機(jī)器人是個(gè)載體，我們要做的是具有身體的智能。這個(gè)詞最早是圖靈在1950年提出來的。我們是第一批把這個(gè)詞翻譯過來的，當(dāng)時(shí)也沒有什么文獻(xiàn)參考，之前有一個(gè)詞是“具身認(rèn)知”，就參考這個(gè)。

《財(cái)經(jīng)》：美國(guó)在2016年機(jī)器人興起的原因是什么？

盧策吾：2016年之前斯坦福的熱門研究方向是視覺識(shí)別，大家發(fā)現(xiàn)，沒有交互的情況下，視覺的理解會(huì)受限，所以驅(qū)動(dòng)了這一撥人去研究機(jī)器人方向。這里面有兩撥人，一撥是做深度學(xué)習(xí)的，一撥是做強(qiáng)化學(xué)習(xí)的，大家把視覺技術(shù)用在下圍棋上，這個(gè)方向驗(yàn)證成功了，那是不是機(jī)器人也可以？

另外當(dāng)時(shí)本身就在做機(jī)器人的人，他們看到了AI的魅力。比如我們非夕的創(chuàng)始人王世全，他就是做機(jī)器人的，他去斯坦福自學(xué)了深度學(xué)習(xí)。這樣幾撥人慢慢聚集到了具身智能這個(gè)方向上面，所以在硅谷就興起了。

《財(cái)經(jīng)》：過去AI視覺或是大模型，都有比較豐富的數(shù)據(jù)集，但我們沒有物理交互的數(shù)據(jù)。

盧策吾：是的，這也是大家一直在談的問題，幾乎所有具身智能的論壇和采訪都在繞不開這個(gè)問題。

數(shù)據(jù)我們分兩部分，一是前訓(xùn)練，二是后訓(xùn)練。前訓(xùn)練或者說預(yù)訓(xùn)練，要求數(shù)據(jù)量要足夠大、足夠多樣，它要包含所有的場(chǎng)景。后訓(xùn)練就是進(jìn)入真實(shí)的商業(yè)環(huán)境中了，不能是看什么都懂但準(zhǔn)確率上不去。所以對(duì)這兩類數(shù)據(jù)的要求是不一樣的。

如果要做一個(gè)好的預(yù)訓(xùn)練數(shù)據(jù)集，我個(gè)人認(rèn)為需要的是無本體采集。現(xiàn)在很多數(shù)據(jù)采集是通過機(jī)器人來操作，這樣很難實(shí)現(xiàn)多樣性。我們現(xiàn)在有外骨骼采集裝備，還有手持的采集設(shè)備，希望把數(shù)據(jù)采集嵌入到人類生活的各種場(chǎng)景中。另外還有世界模型，好的世界模型可以在里面實(shí)現(xiàn)物理交互，這是大規(guī)模生產(chǎn)數(shù)據(jù)資產(chǎn)的基礎(chǔ)。

預(yù)訓(xùn)練完成之后，就要去做專業(yè)性的訓(xùn)練了，就是專業(yè)的人來有針對(duì)性地訓(xùn)練機(jī)器人，人來遙控操作機(jī)器人，這里面比較關(guān)鍵的商業(yè)化的點(diǎn)是“人機(jī)比”，一個(gè)人可以同時(shí)操作多少臺(tái)機(jī)器人，這決定了成本的高低。如果一個(gè)人盯著一臺(tái)機(jī)器人，這個(gè)賬是算不過來的，一個(gè)人能同時(shí)訓(xùn)練很多臺(tái)機(jī)器人，其中有哪一臺(tái)錯(cuò)了，就及時(shí)調(diào)整，這些錯(cuò)誤的操作數(shù)據(jù)再回流，加入訓(xùn)練，效率就會(huì)越來越高。

《財(cái)經(jīng)》：世界模型中產(chǎn)生的仿真合成數(shù)據(jù)，和真實(shí)場(chǎng)景中的數(shù)據(jù)還是有差距的。

盧策吾：是的，有差距，最大的問題就是接觸，在虛擬空間中的接觸和真實(shí)的接觸還是不一樣，手感和力度的反饋等。我們的解決辦法是力位混合大模型。比如我們之前展示過機(jī)器人刮胡子的視頻，那就是力反饋的展示，力氣大一點(diǎn)會(huì)刮傷，力氣小一點(diǎn)會(huì)刮不干凈。

《財(cái)經(jīng)》：為什么想到用刮胡子來展示？

盧策吾：我們做了很多場(chǎng)景展示，包括用刀片去刮氣球上的泡沫，還有黃瓜切絲，挖冰淇淋球等，這些都比刮胡子更難，但只有刮胡子的視頻火了，我感覺還是因?yàn)檫@是更讓人有切身體會(huì)的場(chǎng)景。

《財(cái)經(jīng)》：今天具身智能的創(chuàng)業(yè)公司要如何體現(xiàn)他們的競(jìng)爭(zhēng)力？

盧策吾：很多維度，最表層是模型能力，再往下是數(shù)據(jù)管線，底層數(shù)據(jù)夠不夠扎實(shí)，這決定了你去證明一個(gè)想法的速度能有多快，你的迭代速度有多快。然后就是你的商業(yè)響應(yīng)能力。還有你的科研體系，因?yàn)檫€是需要做很多探索性的工作。

這些是技術(shù)層面的，還有公司組織力層面。你能不能有高密度的人才，從人才到產(chǎn)品的商業(yè)化，再到商業(yè)的規(guī)模化，這些是需要組織力的。

另外就是商業(yè)化的決策，能不能很清晰地判斷技術(shù)到了什么節(jié)點(diǎn)，能去解決什么樣的商業(yè)場(chǎng)景，如何去把技術(shù)復(fù)制化等。

《財(cái)經(jīng)》：這些方面現(xiàn)在頭部的具身智能公司都說自己很強(qiáng)，我們要怎么去判斷？

盧策吾：要實(shí)際在行業(yè)里做了很多年的人才有能力判斷，如果大眾都能判斷誰好誰不夠好，下一步要怎么走，形成共識(shí)了，那就已經(jīng)很晚了，就不需要我們這些創(chuàng)業(yè)者了。