硅基美女建模臉火了，對視 3 秒，我再也沒法把它當機器人

「人形機器人如果有最終形態(tài)，那一定會是有頭有臉，你覺得呢？」

3 月 22 日，一段 1 分 18 秒的視頻在社交媒體上引發(fā)了不小的震動。視頻里，一個有著黑色長發(fā)、面容精致到讓人不安的仿生人形機器人，緩緩轉(zhuǎn)動頭部。

發(fā)布這段視頻的是首形科技的創(chuàng)始人胡宇航，他在 X 平臺上寫道：Bionic Humanoid Robot: Origin F1 — New Skins, New Souls。

RoboHorizon 雜志評價 Origin F1 的面部表情「比某些政客還有說服力」。

這不是首形科技第一次出圈。去年 5 月，一段胡宇航與機器人對視的視頻就曾引發(fā)廣泛討論。但 Origin F1 好像又向前邁出了一步。

人臉是最古老的 UI

1984 年，蘋果發(fā)布 Macintosh，用圖形界面取代了命令行。此后四十年，計算設(shè)備的每一次革命本質(zhì)上都是界面革命：鼠標、觸屏、語音、手勢。硬件性能的提升固然重要，但真正改變?nèi)伺c機器關(guān)系的，從來都是交互方式的變化。

心理學中有個「55/38/7 定律」：55% 的情緒信息來自面部表情，38% 來自聲音，只有 7% 來自文本。換言之，超過一半的情緒信息是通過面部傳遞的。想讓人和機器人產(chǎn)生情感連接，一張能表達情緒的臉幾乎是必需品。

但人臉這個賽道，幾乎所有人形機器人都選擇了留白。

這也是胡宇航把人臉視為一個「平臺」的原因。就像 iOS 不是 iPhone 的某個 App，而是所有 App 運行的基礎(chǔ)層——人臉是人類社交協(xié)議的基礎(chǔ)層。眼神接觸建立信任，微笑傳遞善意，皺眉表達疑慮。

從這個意義上說，人臉是人類最古老的操作系統(tǒng)。首形科技要做的，是把這套操作系統(tǒng)移植到機器人上。

首形科技F1 仿生人機器人頭部演示.來源：@野生Como

接下來從幾篇論文看看胡宇航是怎么做的。

胡宇航是哥倫比亞大學機械工程系博士，師從 Hod Lipson 教授。Lipson 實驗室是全球機器人自我建模領(lǐng)域的先驅(qū)，從 2006 年就開始探索讓機器人通過觀察自身來學習運動。

2024 年 3 月，胡宇航作為第一作者在 Science Robotics 發(fā)表了關(guān)于面部「共表達」的論文。

這篇論文的核心想法很有野心：機器人不應該只是模仿人類的表情，而應該能預測人類即將做出的表情，并同步執(zhí)行。

團隊設(shè)計了名為 Emo 的機器人頭部，配備 26 個驅(qū)動器，覆以柔性硅膠皮膚，瞳孔中嵌入高分辨率攝像頭實現(xiàn)眼神接觸。

訓練過程分兩步：先讓機器人對著鏡子做大量隨機表情，通過自監(jiān)督學習建立面部自我模型；然后讓它觀看人類面部視頻，學習預測對話者的表情變化。

兩步過后，機器人能在人類微笑的瞬間同步微笑，而不是延遲模仿。

延遲模仿看起來虛偽，同步表達則讓人感覺彼此在同一個頻道上。

這篇論文驗證了超過 45 位人類參與者的數(shù)據(jù)。

胡宇航 在多個訪 談里反復提到「自我建模」這個概念。他不滿意當時主流的強化學習路徑，因為泛化能力太弱，還舉了一個例子：

教機器人打乒乓球，再教它打羽毛球，學完第二個就忘了第一個。兩個一起學，能力就被平均化了。

他想要的不是讓機器人收斂到單一任務，而是讓它學會一種「學習的能力」。

今年 1 月，更進一步的成果登上了 Science Robotics 的封面。

這次聚焦嘴唇運動。在人類面對面交流中，將近一半的視覺注意力集中在嘴唇上。但即便是最先進的人形機器人，嘴部動作仍然停留在簡單開合的層面。

胡宇航團隊設(shè)計了一個 10 自由度的唇部驅(qū)動機構(gòu)，配合柔性硅膠唇部，能覆蓋 24 個輔音和 16 個元音對應的唇形。

算法層面，他們采用了基于變分自編碼器（VAE）的自監(jiān)督學習管線，結(jié)合一個面部動作 Transformer，讓機器人直接從語音音頻推斷唇部運動軌跡，無需任何手工編寫的音素-唇形映射規(guī)則。

最終實現(xiàn)了跨 11 種語言的唇音同步，包括說話和唱歌。

Lipson 教授當時說：未來不存在一個人形機器人沒有臉的世界。一旦它們有了臉，就必須讓眼睛和嘴唇正確運動，否則永遠停留在恐怖谷里。

人形機器人更適合提供情緒價值

看一眼當前人形機器人賽道：靈巧手擰螺絲、跳舞、騎車。幾乎所有頭部公司都盼望著在不久的將來用人形機器人替代藍領(lǐng)工人，切入制造業(yè)和物流場景。

但工業(yè)自動化的機器人天生就是為特定任務優(yōu)化的，三個電機完成一個動作，效率極高，穩(wěn)定性極強。人形機器人做同樣的事情需要二三十個電機協(xié)同，價格更貴，更不穩(wěn)定，續(xù)航更短，還會摔倒。

摔倒是危險的。

一臺花了幾十萬、長得像人的機器，在工廠里干著原本三萬塊機械臂就能干的活不能稱之為技術(shù)革命，更像是行為藝術(shù)。

整個行業(yè)在「人形」這個詞上投入了大量資源，卻在「人」這個字上集體失語。

沒有臉的人形機器人能完成任務，但無法建立關(guān)系。而關(guān)系，才是 C 端市場的入場券。

首形科技選擇了一條完全不同的路徑。與其讓機器人在生產(chǎn)力上跟工業(yè)機械臂硬碰硬，不如讓它做工業(yè)機械臂永遠做不到的事——建立情感連接。

胡宇航的核心判斷是：在未來五年內(nèi)，人形機器人最大的商業(yè)化機會不在生產(chǎn)力，而在情緒價值。

人天然會對像人的東西投射情感。你看到一個機器人摔倒了，你會心疼；看到機器人踢足球擠在一起，你覺得有趣。這種投射是本能的，不需要機器人真的有意識或感受。而人臉把這種投射放大到了極致。

2024 年 6 月，他在上海創(chuàng)立首形科技，團隊不到十人。四個月后獲得天使輪，投資方包括奇績創(chuàng)壇、智元機器人和德迅投資。

此后融資節(jié)奏快得驚人。2025 年完成四輪融資，從招商局創(chuàng)投和深創(chuàng)投領(lǐng)投的Pre-A輪，到順為資本領(lǐng)投的A輪，再到螞蟻集團兩度領(lǐng)投……

從產(chǎn)品線來看，首形目前有幾個系列。

Elf 系列是全身仿生人形，有 30 個面部自由度，用無刷微型電機驅(qū)動硅膠皮膚。

Origin 系列偏研究和展示用途，Origin M1 是半身版，配備唇音同步和頭眼協(xié)調(diào)能力。最新亮相的 Origin F1 則是他們技術(shù)的集大成者，搭載了所謂的 Omni Model，實現(xiàn)實時面部微表情與語音的深度融合。

此外還有一個更平價的 Lan 系列，定位為需要更多移動性的場景。

去年 12 月，首形科技和手游逆水寒在杭州 CP32pre 漫展聯(lián)合推出游戲角色仿生機器人「方承意」。據(jù)報道，得益于雙目視覺系統(tǒng)，他能夠與面前的觀眾進行眼神交流，并通過搭載的 AI 仿生運動算法，做出自然的表情與頭部動作。

更早，首形科技曾和逆水寒合作推出過精靈·璇機器人。精靈·璇后以新皮膚亮相抖音新春聯(lián)歡會，獻上了原創(chuàng)情歌《未定義的關(guān)系》。

落地方面，胡宇航曾提到過幾個方向。短期來看，生活中有大量情緒消耗型的工作：銷售、前臺、服務人員。這些崗位本質(zhì)上是對人類情緒的持續(xù)損耗。每天保持微笑，不厭其煩地解決重復問題。他覺得 2 到 3 年內(nèi)，類人形態(tài)的機器人可以替代其中一部分。

更遠的終局是 To C。讓每個人身邊都有一個能產(chǎn)生情感陪伴的仿生機器人。胡宇航?jīng)]有回避這個目標的爭議性。當一個 AI 永遠在取悅你，沒有沖突，沒有自私的動機，它會不會把人困在虛假的關(guān)系里？

他說他們在訓練機器人時會加入保持真實度的參數(shù)，讓它有一定的沖突和自我表現(xiàn)，不純粹是一個情緒按摩器。同時可以在程序中注入引導功能，比如節(jié)日到了提醒你回家看看父母，周末建議你和朋友去爬山。機器人不應該有占有欲。

這些想法當然還很早期。但覺得至少有一點是對的：情感需求的市場比大多數(shù)人想象的要大。手辦、盲盒、毛絨玩具、寵物，這些都是情緒寄托的載體。

泡泡瑪特一年賣出上百億的 IP 衍生品，證明了人們愿意為不具備任何實用功能的東西付費，只要它承載了某種情感價值。

如果一個機器人能用人類的方式回應你的情緒，它的上限顯然不止于此。

托福考了 9 次的人

胡宇航高考考砸了，入學后開始拼了命地證明自己，每學期專業(yè)第一，主修課全滿分。但決定出國時，第一次托福只考了 40 多分，而基準線是 100 分。他在申請截止前的窗口期考了 9 次托福、3 次 GRE。最后一次終于過線。

他回憶這段經(jīng)歷時說：我覺得可能是未來的我，幫了一下過去的自己。

過去的求學經(jīng)歷也解釋了他身上一種很特別的氣質(zhì)。他說自己最看重的品質(zhì)是韌性。招人的時候，他偏向看一個人的經(jīng)歷是否充滿挫折。

他特別喜歡打比賽的人，喜歡 RoboMaster 機甲大師出來的那群孩子。因為他知道打比賽太苦了，你得犧牲所有休息時間，還要在比賽前一晚九點設(shè)備突然壞了的時候硬著頭皮排查到凌晨六點。

他自己就有過這樣的經(jīng)歷：無人避障小車比賽前夜，紅外傳感器干擾導致整塊板子癱瘓，老師都說算了，他不肯。排查到凌晨，最后趕在發(fā)車前修好了。

他在管理上也有些不太常規(guī)的做法。比如他從來沒跟員工聚過餐。他說他擔心聚餐會把酒桌文化和不必要的社交壓力帶進公司。他希望大家是因為熱愛工作聚在一起，而不是被輩分感綁定。

他接受現(xiàn)階段能真正相信人臉機器人有用的人是極少數(shù)。很多人加入是為了名利或者覺得成功率高。但有一個底線：你可以懷疑方向，但不能在內(nèi)部一邊拿薪水一邊到處說方向不行。

我在他的視頻和社交媒體表達中感受到一種罕見的坦率。B 站粉絲叫他 U 航，管自己叫電子股東。

有人問為什么視頻大多展示外觀而很少展示交互，他說：有沒有可能不是因為短板，而是因為我們不想過度展示優(yōu)勢？競爭太激烈了，有些大招還是要藏著。說完又補了一句：不過說實話，我們也沒有刻意規(guī)劃。

說到底，首形科技今天做到的事情，在兩年前是不可想象的。2024 年創(chuàng)業(yè)初期，投資人看到他的原型機器人，第一反應是：這玩意能干啥？還有人問：美國有對標公司嗎？因為美國沒有做，所以覺得沒意義。而現(xiàn)在，大家 180 度轉(zhuǎn)彎，變成了：你這個產(chǎn)品什么都能干。

人形機器人如果有最終形態(tài)，胡宇航說，那一定會是有頭有臉。

我不確定他是對的。但我確定的是，一旦你和 Origin F1 對視超過三秒，你就很難再把它當成一臺機器了。

參考：

https://mp.weixin.qq.com/s/JJ_a27lKPM15X9sHVcaaZw?scene=1

https://www.mittrchina.com/news/detail/15503

https://mp.weixin.qq.com/s/OpWAv1_d9pI3ht8Yd7dGIQ

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）