人形机器人公司不想当炮灰，就“长点脑子”，别秀机器人翻跟头了

一直以来，各家人形机器人公司秀动作成风。

譬如，近日宇树科技又发布了一段视频，宣布人形机器人G1实现了侧空翻，宣称是“首次”，吸睛无数。

视频发出后不到 12 小时，远在美国的波士顿动力也发布了一段视频，演示了人形机器人Altas侧空翻等一系列的动作。

一时间，网友被这场“中美大战”给吸引了，纷纷分析宇树与波士顿动力的人形机器人谁更胜一筹。

在此之前，国内各大人形机器人公司就没少秀自家机器人的各种动作。而且，这种机器人翻跟头、打拳、唱歌跳舞的动作视频，获得关注十分多。

但是，业内人士对这种秀动作的行为，早就审美疲劳了。

高盛近期对宇树科技等进行调研，认为宇树H1人形机器人在运动能力上表现出色，能流畅行走、跳跃，甚至跳舞。如果把人形机器人放进工厂，情况就完全不同。

工厂里，H1远不及人类工人的灵活性，无法完成精细操作，如螺丝组装、焊接等任务，与真正大规模工业应用仍有差距。

至于原因，宇树科技创始人王兴兴在接受采访时，就曾通俗地解释：“你能让他（人形机器人）倒立、空翻，或者做一些避障，这些都是针对固定任务做了专门的AI训练”，是单一功能的AI。

但是，如今泛用性的AI还是不太够，即，人形机器人的具身智能大模型（可称之为机器人的“大脑”）依然很落后。

全球都在等待真正的人形机器人“大脑”的诞生。

没有消费者会为“笨蛋”人形机器人买单，只有聪明的人形机器人，才能快速商业化落地。王兴兴就曾说过，如果出现像人一样聪明的人形机器人，就是一个亿一台，也不愁销售。

对此，“刃辛机器人”建议，广大人形机器人公司别再秀“翻跟头”等动作了，让机器人“长点脑”吧。

Figure AI 的 CEO 布雷特·阿德科克在近期的一次访谈中预测，人形机器人领域最终胜出的公司数量会很少，可能只有一两家。

要想成为“最终胜出”的这“一两家”，靠“四肢发达、头脑简单”的人形机器人产品可不行。

已开始卷“大脑”

在业内都在卷动作之外，已有一些人形机器人公司开始卷“大脑”了。

譬如，曾经的华为天才少年彭志辉就认为，人形机器人“大脑”研发是一个很有意思的赛道。

彭志辉放弃高达200万元华为年薪，离职创办智元机器人公司，就没跟随同行，将公司重心放在机器人躯体上，而是放在机器人“大脑”上。

近期，智元公司发布了首个通用具身基座模型——智元启元大模型Genie Operator-1（GO-1）。

这不是智元公司一家的举动，目前人形机器人业内的一个潜在趋势，就是都在发力做通用机器人的“大脑”——具身智能大模型。

例如，Figure AI 推出了通用具身智能模型 Helix。据介绍，这个Helix 模型能以 200Hz 的高频率协调 35 自由度的动作空间，控制从单个手指运动到末端执行器轨迹、头部注视和躯干姿势等一切。

Helix 模型具备优秀的零样本泛化能力，能够识别并操作数千种从未见过的小型家居物品。

在近期的GTC大会上，英伟达不仅推出了通用人形机器人基础模型 GR00T N1，而且宣布开源。GR00T N1一跃成为首个人形机器人开源通用模型。

GR00T N1的开源特性，大幅降低了机器人研发门槛，可以吸引广泛的行业参与者，包括工业机器人巨头、人形机器人公司以及迪士尼等跨界玩家。

简而言之，中小型企业和初创公司可以低成本接入GR00T N1，开发定制化机器人，推动技术在制造业、物流、医疗等领域的渗透。小型工厂可基于GR00T N1训练机器人完成特定装配任务，而无需依赖昂贵的专有系统。

另外，北京人形机器人创新中心已推出了通用具身智能平台“慧思开物”。

这些人形机器人的“大脑”的具体形态，既包括通用具身智能模型，也包括通用具身智能平台。

大家的目的，都和英伟达类似，就是让自家的通用“基座”能够跨实体，适用于不同场景，从而成为人形机器人领域的“安卓”，重塑机器人产业生态。

动作数据是关键

人形机器人赛道的一个重要现实是：据Gartner技术成熟度曲线显示，当前的这些具身智能技术依然处于萌芽期。

这是因为具身智能大模型的训练，十分复杂。

众所周知，大模型的训练是需要大量的数据投喂的。ChatGPT、Deepseek等非具身智能大模型，在训练过程“吃”下去的数据可谓不计其数。单就ChatGPT，就已消化了全球互联网2/3的文本语料。

人形机器人的具身智能大模型也不例外，对数据需求很大，且数据十分重要。

Figure AI 的 CEO 布雷特·阿德科克也曾在一次访谈中，就提到对于机器人数据的重要性。数据，决定了人形机器人智能程度的关键因素。

具身智能大模型需“投喂”的数据，更多的是动作数据。

具体来看，就是真实人类社会各个场景的动作数据——开门、做饭、清洁等居家场景，或会拧螺丝的工业场景，进而理解物理世界的运作规则。

只要这样，依靠具身智能大模型，人形机器人才能像人一样进行各种动作。

文本语料从互联网中就可以获得，但动作数据却非常难找。即使行业内开源了百万条由真实机器人收集的训练数据集，但这些数据实际上由不同公司、不同型号规格的机器人采集，高质量、统一格式的数据，几乎不存在。

智元公司训练GO-1所需的数据，主要来自2023年9月建立的动作数据采集工厂。

在工厂里，智元公司一比一地模仿人类生活中的每一个动作，将其采集下来，形成数据，然后“喂”给大模型。

人形机器人每完成一个动作，就相当于一套数据。这些数据聚集起来，上传至云端，便被智元团队喂给大模型，从而让机器人真正掌握一项技能，比如冲咖啡、熨衣服等。

与智元公司类似，特斯拉、Google为了获得足够多真实数据，选择用“遥操”方式采集数据，即真人戴上一些采集设备（全身运动捕捉设备），捕捉人体全身高精度运动关节的角度，进而训练完成机器人要学的多种技能，比如走、跑、跳、抓、拿、放等。

这一系列“笨办法”搜集数据，十分辛苦，且总量有限。从量级上看，目前这些动作数据总量与ChatGPT“吃”下的全球互联网2/3的文本语料相比，少的可怜。

为此，已有玩家通过虚拟合成等形式搜集数据，以降低成本，提高速度。

譬如，银牛微电子的 3D 空间计算解决方案，以“三维空间多模态大模型数据库”帮助人形机器人克服触觉等其他感知的不足，实现低成本、超高精细度的精巧操作能力，“帮助大模型的发展摆脱对算力和数据量的过度依赖”。

不要成为“炮灰”

人形机器人的具身智能大模型训练，仅仅依靠实验室，也是不行的。

具身智能必须进入真实人类生活，与人为伴，才能够构建在新环境中的适应能力。现实场景可以帮助机器人更好地完成任务、适应人类社会。

人形机器人必须亲身到工厂“打螺丝”，进入真实的制造环境中，收集流水线上的场景数据。

在真实环境下，还可能有一些意外情况出现，比如，当人和人形机器人共处一个场景，人类行为的随机性也增加了人形机器人“随机应变”的难度。

简而言之，让人形机器人在真实场景“历练”，一次次摔倒、犯错，再叠加实验室中动作数据的投喂，最终量变引发质变，使人形机器人在某个时间点，突然出现的、难以预测的、超越了模型初始设计和预期的智能行为或能力，即“智能涌现”。

这样，人形机器人才能像人一样“聪明”地完成任务。

这一天也许很遥远，但行则必达。而且，广大人形机器人公司丝毫不能松懈，因为这一路上的竞争，将十分残酷。

可预测的是，在残酷竞争中，很多人形机器人公司将成为“炮灰”，成为助推别家公司前进的“垫脚石”。

此前，上海交通大学清源研究院研究员刘志毅表示，截至2024年上半年，在做人形机器人的公司可能已超70家，但未来能持续发展的可能不到10家。

目前，Figure AI 的 CEO 布雷特·阿德科克在近期的一次访谈中预测，人形机器人领域最终胜出的公司数量会很少，可能只有一两家。

布雷特·阿德科克表示，这是因为人形机器人公司的发展，“需要大量的资金、优秀的团队以及大规模的机器人生产来降低成本并实现数据共享和学习”，这不是所有人形机器人公司都能具备的。

单就资金方面，就已成为很多人形机器人公司“难以承受之重”。

2024年11月，已经入局人形机器人赛道的小鹏汽车创始人何小鹏表示，做人形机器人比做汽车更难，集成度要求更高，没有500亿元做不好。

已有不少人形机器人初创企业的合伙人表示，他们深知融资得到的钱十分珍贵，都“省着用”。

不得不说的是，选择比那里重要，“省着用”虽能减少支出，如果“钱用错地方”，一天到晚展示人形机器人的运动，如各种翻跟头的动作上，不仅浪费了投资人的钱，而且错失了研发具身智能大模型的时间。

猴，最会翻跟头；人，必须有脑子。

人形机器人要成功，得“长点脑子”，相关公司要把钱用到机器人“大脑”上。“聪明”的人形机器人，才有商业化落地的场景，才有消费者愿意掏钱购买。（文/刃辛机器人 陈重山）

参考资料

[1]《2025 年，通用机器人要从实验室走向市场了吗？》，机器之心

[2]《具身智能，人形机器人的“试金石”》，星河频率

[3] 《英伟达的开源人形机器人通用模型，Isaac GR00T N1会带来什么？》，芝能汽车