在浙江一家汽车工厂，十几台人形机器人已常规作业两个多月。在快递小包分拣工序，星动纪元的机器人效率已赶上人工，目前已在全国5个省市的十多个分拣中心运行。不过，在一场有30多家企业参加的座谈会上，谈起物料上下料、邮政包裹处理等应用，却有另一番感受：有些场景试了几回，还是“没打穿”。
11月5日，在第九届虹桥国际经济论坛人形机器人与具身智能产业创新发展合作论坛上，乐聚机器人董事长冷晓琨、星动纪元董事长石选阳分别介绍了上述汽车工厂和快递分拣项目。国家地方共建人形机器人创新中心（以下简称“国地中心”）首席科学家江磊则谈起前一天与企业座谈的情形：一边是带着需求来的用户，另一边是带着产品来的厂家，双方都在找机会，难处却在于厂家手里的机器人究竟能把用户的活干到什么程度。
在讨论环节，主持人追问企业“还有多少时间能赚到钱”，摩尔线程联合创始人、执行总裁王东则谈到了业内期待的另一个时刻：大语言模型已经历了一轮又一轮迭代，具身智能要迎来自己的“ChatGPT时刻”还差什么。
从未来产业到新质生产力：具身智能的“整链跃迁”圆桌。本文图片均来自 澎湃新闻记者 秦盛一套算法能用在四种场景，为何还有工序“没打穿”？
江磊用“锤子”和“钉子”形容座谈会上的供需双方。应急、消防等领域的用户有具体任务，机器人厂家也愿意进场尝试，但有些应用“可能都锤了几下”，仍没解决用户的问题。
谈及宇树上市股价波动后一度出现的行业“虚火”和泡沫之争，江磊提到了日前的一场国际技能挑战赛。团队选取了百联超市、汽车、上海消防和物料上下料四类场景，同一套算法在四种场景中都能用，只需少量样本就能适应不同任务。眼下还要提高的，是机器人完成任务的成功率和操作精度。江磊对这类应用的进度较为乐观，再有一年到一年半的时间有望落地。
“现在这个行业的概念特别多，概念多了以后会产生技术的不收敛性。”江磊提出，在制定标准时，可以把各行业尚待解决的问题列成清单，写清楚用户要机器人干什么、现有产品在哪些指标上还有差距，再交给企业去解决。除了标准，他还希望通过中试平台提供一块“木头板”，让拿锤子的人和有钉子的人在同一个场地反复试。国地中心此前推出“实景实训”行动计划，也是希望用真实作业积累的数据训练机器人，再到现场检验它掌握了多少。
石选阳指出，选哪道工序先做，关系到一家创业公司能把有限的人力和时间用在哪里。“对于一个创业公司来讲，资源和时间都是这个公司的命门。”据他介绍，星动纪元于2023年从清华大学孵化，第一年主要做机器人本体和核心零部件，随后研发控制算法、模型和灵巧手。头两年，团队把大部分精力放在底层技术上，同时也持续接触客户，判断哪些需求以当时的技术可以承接，哪些还要往后放。
到2025年，星动纪元开始把机器人和模型放进真实场景试用，随后选定物流作为优先投入的方向。石选阳表示，过去展示机器人的单项能力，可以看它跳得多高、跑得多快，一只灵巧手能完成多少个动作。快递分拣中心则要求机器人在同一道工序里兼顾速度和准确性，现场情况有变化，模型也得能够应对。
工厂愿意用，机器人企业多久能赚钱？
在快递分拣中心，机器人处理小包的效率赶上人工，客户还有一笔账要算。石选阳表示，设备能否持续稳定运行、作业中需要多少次人工介入，都会影响运营成本。星动纪元还配备了数据采集、项目实施和现场支持团队，与客户一起维护设备。
对机器人厂家而言，产品卖得出去，收入还要支撑后续研发。冷晓琨用“沿途下蛋”形容乐聚过去十年的做法。公司一直做双足人形机器人，希望有一天能进入家庭、用于养老，但最初五年主要做的是高校科研和中小学人工智能教育。大约三年前，乐聚判断，人形机器人在进入家庭前，会先在工厂找到与自动化设备、机械臂互补的岗位。
据冷晓琨介绍，过去两年，乐聚在一汽红旗以及3C、家电等场景开展了小批量测试，到今年，部分项目才转入批量部署。在浙江一家汽车工厂，十几台人形机器人之所以能常规作业两个多月，是因为作业效率和成本达到了工厂要求。今年前三季度，乐聚工业板块占比提升的速度超过公司预期，其中相当一部分应用由合作伙伴开发。乐聚提供机器人本体、模型和数据，合作伙伴再根据工厂需求做二次开发。
冷晓琨表示，工业项目早期一两年很难出效果，但一道工序做通之后，才有机会从一两台测试走向批量部署。尽管数据、模型、本体和安全等环节都还有难题，已经成熟的技术能找到愿意买单的客户。“是市场在等技术成熟。等你成熟一点的时候，它就能卖出去一点。”
当被追问还有多少时间能赚到钱，冷晓琨表示，“从单一产品来看，如果你不做预研了，我就盯着现在的产品干，我觉得今年很多企业都能赚到钱”，但企业还要为下一代技术做准备，“这就是一个长期投入了”。
AI生成概念图离具身智能的“ChatGPT时刻”，还差什么？
“大家不知道什么时候那个爆发时刻会发生。”王东表示，大语言模型基本上一两个月就能迭代一次。回顾此前语言模型的突破，他认为，参数规模达到千亿级别是一个重要原因。再看机器人，国内企业在关节、电机、材料等方面已经做得很好，但谈及机器人的“大脑”，“大家总觉得好像还欠一点”。
王东表示，除了扩大模型参数规模，还需要算力和仿真训练平台，“这个三位一体才能把事解决掉”。
首先要解决的是数据从哪里来。王东表示，机器人在真实环境中采取一个动作、物体随之如何变化，这类物理交互数据很难大量获取，一部分需要靠仿真合成。在仿真环境里，除了模拟物体和动作，还要模拟光线、场景和观察视角的变化。这既要用到模型运算所需的张量算力，也要用到图形渲染，有时还需要光线追踪。这也是摩尔线程选择研发全功能GPU时看重的能力。
从数据合成、预训练、强化学习、仿真验证，到最终把模型部署在机器人上，还有多个环节需要衔接。王东称，目前这些步骤较为割裂，数据在其间迁移，可能损失精度，也会拉长开发时间。据他介绍，摩尔线程已与合作伙伴搭建物理仿真数据合成平台，也与京东等企业开展了模型预训练方面的合作。
江磊更关注机器人能把学到的经验用在多少种新任务上。他表示，“AI加机器人的通用泛化能力，决定了你行业的上限”，过去业内更多强调数据质量，下一步还要拓宽训练数据覆盖的范围。如果希望机器人遇到未经专门训练的任务也能完成，就需要把更多实际经验传递给它。同时，机器人开始适应更多环境后，怎样界定安全边界，也需要行业共同制定标准。
冷晓琨以乐聚过去一年的项目经验为例，团队用合成和仿真数据预训练基础模型，模型能适应多种场景，但任务成功率约为40%。再用训练场采集的真机数据训练特定领域的模型，成功率可提高到80%左右。按他的经验，达到这一水平，工厂才愿意让机器人进场实训。而要把成功率从80%提高到95%，用到的正是进厂后采集的实际作业数据。
