北京
出品 | 網易科技《態度AGI》對話
作者 | 崔玉賢
編輯 | 丁廣勝
“想象一下，一個中風患者，他大腦想著我要伸手，機器人就能讀懂他的意圖，帶動他的手完成動作，完成從中樞驅動外周的訓練。”
傅利葉創始人兼CEO顧捷描繪的這一想象不是未來十年的概念，而是在1-2年內即可真正落地實現的產品。對于需要康復的人來說意義重大，這不是機器人被動地執行命令，而是在主動識別人的意圖，并做出相應動作。
機器人之所以可以實現“主動識別”，是因為加入了“腦機接口”的技術。“通過腦機技術的接入，我們能夠識別患者是否在主動嘗試、意圖是否被激活、以及激活的時序與強度，并在意圖最清晰的時間窗內，由機器人提供恰到好處的物理輔助。”顧捷表示。
近日，在具身智能生態大會上，傅利葉宣布將此前的具身智能康復港進行升級，融入腦機技術方案。“這不是在原有系統上加個功能那么簡單，而是讓康復治療第一次具備了從大腦意圖出發的閉環能力。”
腦機接口的技術從誕生發展到現在已經50多年，隨著AI技術的發展，腦機接口概念持續爆火。據介紹，傅利葉之所以此時將腦機接口技術與機器人相結合，并不是為了炒作概念，迎合市場。而是顧捷看到了腦機接口技術成熟了，讓他有信心走入臨床，幫助更多人。
“首先，我們觀察到，相關設備已經開始實現便攜化和小型化，并且在中國產業的推動下，已經能夠大規模量產。其次，其技術棧從傳統的腦電（EEG）發展到近紅外光譜（NIRS），再到未來的超聲波技術，提供了多種選擇。”顧捷表示。
“以前，將腦機接口與機器人結合進行基礎任務時面臨較大挑戰，但現在借助便攜式設備，操作變得更加自然和順暢。當前的腦電設備（如格式塔的超聲方式）都是相對便攜的，能夠在監控的同時兼顧便攜性。這給予我們很大信心。”
其實，早在2017年，傅利葉就在內部啟動了腦機接口與外骨骼結合的預研，并實現了通過腦電信號控制外骨骼行走的demo。此后幾年里，傅利葉也一直在關注腦機接口技術的發展。
在此次生態大會上，傅利葉還宣布未來將進行“1+3+X”的應用生態發展戰略布局。所謂的“1”就是將“康養陪伴”作為戰略級自營場景，進行重點資源投入；“3”指與生態伙伴共建“導覽交互”、“工業賦能”和“科研創新”三大場景。
可以看到，傅利葉未來將繼續深耕具身智能在康養領域的應用。“康養領域的天花板是極高的。”顧捷明確指出，康養機器人的發展將經歷三個階段：康復醫院的嚴肅醫療場景、養老院與護理院的復合服務場景，最終進入家庭場景。“如果未來五年到十年技術和服務能真正進入家庭，這將是一個萬億級市場。”
目前，傅利葉已經為全球40多個國家和地區的2000余家機構與醫院提供服務。“從某種意義上說，我們已經站在’人機共生’的時代門口，傅利葉期待有一天，由我們打造的機器人，能夠走進社區，走進工作場景，走入生活圈，最終，走到每一個真正需要它的人類伙伴身邊。”顧捷表示。
以下為網易科技等與傅利葉創始人兼CEO顧捷、傅利葉副總裁時暉溝通的部分內容：
康養機器人將會是個萬億市場
提問：具身智能在康養領域的應用，是傅利葉的優勢。康養機器人的市場空間有多大？對于具身智能的落地時間表和節奏，有何判斷？
顧捷：我們覺得康養領域的天花板是極高的。它的發展路徑一脈相承：最早是在康復醫院，對應的是一個嚴肅醫療場景下的醫療級設備市場；隨后擴展到養老院、護理院，這一階段的訴求不僅包括基礎養老和護理，還增加了陪伴等需求，形成一個更復合的服務市場；再往后，最終可能真正進入家庭——從醫院，到養老院，再到家庭，這是清晰的演進方向。
如果未來五年到十年，相關技術和服務能夠真正落地家庭，那將是一個萬億級的市場。我們認為，無論是技術的落地能力，還是場景化產品的開發路徑，都要循序漸進：既瞄準一個高遠的目標，又能按年設定切實可行的階段性落地目標。
提問：傅利葉現在外骨骼的銷售的情況怎么樣？腦機接口+具身智能+外骨骼方案在傅利葉后續銷售方案上會有哪些結合？
顧捷：我們始終注重產品本身。在銷售模式和銷售方案上，目前沿用較為成熟的行業方式。
我們明顯感受到，整個行業對新技術——包括AI、外骨骼、機器人——所帶來的臨床價值越來越認同。越來越多的文獻和實際反饋也證明，這些技術能夠有效提升康復效率，并改善患者在各項功能上的恢復效果。在這方面，傅利葉目前的機器人產品已經覆蓋國內外40多個國家的兩千多家醫院和機構。
展望未來，我們也看到一些新興技術的潛力，例如腦機接口，它是一種非常有前景的交互技術工具。我們將在此基礎上，繼續深化已有的力反饋技術、外骨骼交互技術等，并推動這些技術的產業化落地。
提問：傅利葉選擇在這個時間節點發布腦機接口數據集，過去在做這件事上有什么困難？為什么現在傅利葉覺得有信心能做好這件事情，特別是關于規模化這方面。
顧捷：這很大程度上取決于硬件的發展水平。首先，我們觀察到，相關設備已經開始實現便攜化和小型化，并且在中國產業的推動下，已經能夠大規模量產。其次，其技術棧從傳統的腦電（EEG）發展到近紅外光譜（NIRS），再到未來的超聲波技術，提供了多種選擇。這表明腦機接口設備的技術正在逐步成熟。
以前，將腦機接口與機器人結合進行基礎任務時面臨較大挑戰，但現在借助便攜式設備，操作變得更加自然和順暢。當前的腦電設備（如格式塔的超聲方式）都是相對便攜的，能夠在監控的同時兼顧便攜性。這給予我們很大信心。
2026年具身智能將開始出現技術收斂
提問：站在產業的拐點，傅利葉接下來三年的核心目標是什么？公司內部最優先投入的資源會在哪里？
顧捷：具身智能在2026年和2027年已經開始顯示出一定的技術收斂趨勢。就像早期汽車行業的爭論——關于輪子數量已經不再需要討論——我們現在看到，具身智能在關節、力量和架構等方面的技術戰略也逐漸趨于一致。
今年到明年，我們的重點是聚焦本體和載體的打造，確保其質量、量產性和綜合功能都達到最優水平。這意味著要繼續迭代和打磨這款產品，使其成為可靠的平臺。
第二步，在擁有了一款成熟的硬件載體后，我們需要深耕自己的應用場景，首先在這些場景中進行驗證和優化。無論是商業服務還是康養場景，我們都將在這些領域打磨載體，確保其實際應用效果。
第三步，當載體和技術標準建立完善后，我們將把這些知識分享給更多的場景方。無論是工業、教育，還是其他更多領域的應用場景，都可以借鑒我們在開發過程中積累的共享模塊和技術知識，從而加速這些行業的發展。
因此，從今年到明年是一個“1到10再到100”的過程。我們的目標是深耕擅長的場景，打造優質的本體，并與更多的合作伙伴，包括上下游企業，共同建立一個完整的生態系統。
提問：對具身智能技術和產業的發展趨勢，傅利葉會有什么具體的預測或者期待嗎？
時暉：我們對今年的預測和期待，更多是基于2025年整體發展態勢的延續和向上推進。因為2025年對我們來說最令人興奮的進展，就是場景落地這件事真正開始發生。
談到場景，如果我們暫時拋開純研究型需求，聚焦于應用型需求——這正是過去十年行業特別關注的方向——那么我們認為，一個行業真正啟動的關鍵恰恰在于最初那個從0到1的中間過程。
正如“行百里者半九十”，我們往往花了大量時間在孵化和醞釀。而到了2025年，我們實際上已經邁出了這關鍵一步。
進入2026年，我們期待的是：無論在康養的商業服務、工業賦能，還是教育科研等領域，那些已經“被照亮”的成功場景，能夠被系統性地學習、復制和推廣。
提問：這兩年人形機器人賽道明顯升溫，資本玩家和場景都在快速涌現，對傅利葉來說，接下來一段時間的核心戰略的重心和取舍是什么？未來一兩年是準備要順勢加速，還是會在擴張的節奏上保持克制？
顧捷：首先，我們在傅利葉做機器人這件事，是踏踏實實建立在十年積累基礎上的。早在市場無人關注、行業尚未發出聲音的時候，我們就始終堅持一個目標：把機器人做好。
如今，越來越多的人開始關注這個領域，社會關注度顯著提升，根本原因在于大家看到了機器人未來的希望與愿景。而這一輪熱潮帶來的最大好處，并非資金，而是大量聰明、有熱情的年輕人正涌入這個行業。他們懷抱著強烈的愿景和對機器人的熱愛，不僅加入核心研發，也投身于上下游產業鏈。經過過去幾年的磨合，我們明顯感受到：整個行業正在加速發展。
我常對團隊說，過去一年，我們走完了以往可能需要三到五年才能完成的進程。機器人產業，尤其是具身智能方向，正處于明顯的加速通道中。
在這樣的背景下，傅利葉必須繼續保持節奏，進一步加大投入——第一，在技術研發上重投入，力爭在關鍵技術上實現突破；第二，從今年到明年，繼續把技術突破真正轉化為產品和場景，并在此過程中創造可衡量的商業價值。這一點至關重要。
要實現這一點，我們必須深化與場景方的合作，推動系統級集成與應用開發。畢竟，單靠一家企業無法覆蓋所有場景。我們希望吸引更多合作伙伴共同參與場景開發，共建生態。
因此，我們判斷：未來3到5年，將是機器人與具身智能產業高速發展的黃金窗口期，非常值得期待。
提問：最近流行的Human centric數據采集方式傅利葉會不會采用？
顧捷：對機器人未來能否具備泛化能力而言，數據極其關鍵——這一點已在自動駕駛和早期AI大模型的發展中得到充分驗證。只有積累到一定規模的數據，配合優秀的算法，才有可能催生真正有效的智能行為。
但需要強調的是，數據并非越大越好。
第一，數據質量至關重要。例如，重復執行同一個任務1,000次甚至1萬次，有時并無實際價值；真正有價值的是在不同任務之間切換，并包含成功與失敗的完整過程。這類數據才能形成高質量的學習樣本。
第二，數據集不能只依賴機器人自身采集的數據。雖然互聯網上存在大量視頻數據，但其局限在于：這些數據通常不是第一人稱視角，難以反映人類真實的操作意圖和交互邏輯。因此，我們還需要大量基于人類第一人稱視角的高質量操作數據——包括人體運動、任務執行過程等。將這類人類數據與機器人在真實環境中采集的本體數據相結合，才能持續提升模型的泛化能力。
我們認為理想的數據構成應按以下比例構建：以互聯網上公開的多模態數據作為大規模基座、疊加大量第一人稱人類交互數據、再融合我們在具體場景中產生的小批量但高價值的機器人實采數據。
盡管這部分機器人數據占比相對較小，但其絕對量級未來也可能達到億級。通過嚴格的數據篩選、精準標注和有機整合，最終形成一個高質量的綜合數據集，用于訓練具身智能模型。這將使機器人在面對多樣化任務時，具備更強的理解、推理與執行能力。
本文來源：態℃
責任編輯：
王璐瑤_NBJS31615
