中国
联想集团副总裁，联想创投集团合伙人王光熙。受访者供图
作者丨安然
编辑丨
王伟凯
“AI的下一波浪潮是物理AI，机器人将日益融入我们的日常生活，一切都将机器人化。”6月2日晚间，英伟达CEO黄仁勋在一次演讲中提到。
这一言论再次引发外界对人形机器人的关注。事实上，人形机器人并非新鲜事，早在1972年，日本早稻田大学就研发了世界上首款全尺寸人形机器人 WABOT-1。不过，与此前人形机器人不同的是，这一波人形机器人的重点是生成式AI。
大语言模型和深度学习等技术的提升，为人形机器人的发展提供了新的方法和方向。
“ChatGPT点燃大语言模型浪潮后，行业就意识到人形机器人蕴藏巨大潜力。生成式AI可以让机器进一步理解图片、视频甚至空间。理论上，行业已经看到了大语言模型赋能机器人的工程化路径。”联想集团副总裁，联想创投集团合伙人王光熙对《AI光年》表示。
在上述演讲中，黄仁勋断言“机器人时代已经到来”，并提出了一个畅想——有朝一日，移动的物体都将实现自主运行。
问题是，如何理解自主运行？在王光熙看来，人形机器人自主运行的基础是智能泛化和场景泛化，即机器人不需要根据预制的路径去完成指令。
“之前的工业机器人和服务机器人，本质上是在可控环境内自主移动，人形机器人则要在可控环境之外，实现机器人智能泛化的能力和价值。高度智能化迟早发生在物理世界，这是我们的底层信仰。”王光熙说。
以下是《AI光年》对王光熙的专访，他系统地阐述了人形机器人火热的起点、投融资节奏、行业竞争、未来方向等问题（在不改变受访者原意的情况下有删节）。
“老兵”们很难做好人形机器人
《AI光年》：与工业机器人及服务机器人相比，此次人形机器人热潮的投融资是否相同？
王光熙：
行业也将人形机器人称为“具身智能”，或有AI能力的复杂形态机器人。本质上，这一波机器人浪潮受AI和智能主导。从投资人和创业者角度看，这次有大量和智能、视觉、软件的跨界人才参与到这一波浪潮里，整体和前十年的投资风格、节奏、打法都不同。
《AI光年》：不同点在哪几方面？
王光熙：
机械化、自动化不是新概念，从蒸汽机的发明到现在，已经有100年的历史了，是个相对成熟的赛道。这波的重点是生成式AI。神经网络研究和应用、深度学习等也有十几年的历史，现在大模型的智能涌现能力让行业看到模型商业落地的希望，智能泛化的能力也许能解锁更多新应用场景。而人形机器人则为生成式AI勾勒出可商业化落地的应用前景，所以整个赛道的想象空间比较大。
《AI光年》：你们投资的星动纪元、逐际动力，他们的创始人都有机器人学术背景，且公司本身都比较年轻化，考量的因素是什么？
王光熙：
第一，这和技术底层相关，背后有新技术变量。要把过去存在了一百年的机械化、自动化，用软件和AI变成一个更智能泛化且能替代人类劳动的机器人，这件事情本身就有不少技术难关，这对年轻学者来说是机会。
第二，“具身智能”涉及的技术元素和领域比较综合。过去机器人创业者可能是做控制、自动化或机械出身的。但现在做具身智能，需要有软件、视觉、AI，硬件、产品相关背景的人才以及懂行业和应用的跨界人才。传统机器人赛道的“老兵”想把具身智能做好，会很难。
第三、在具身智能这个赛道，全球的学术界和企业处于同一个起跑线，这是一个无人区，大家都不知道后面应该怎么做，处在摸着石头过河的状态，从这点上来讲，年轻人更有优势。
智能涌现不能靠堆算力完成
《AI光年》：这波人形机器人大火的触发点是什么？
王光熙：
我认为真正触发人形机器人爆发的是大语言大模型的出现。
早在2000年，本田曾发布全球最早具备人类双足行走能力的类人型机器人，但没有火起来，核心原因是彼时行业认为机器人和人的智能交互是完全不存在的。
大约十年之后，行业才把神经网络这件事情通过算力应用在视觉上；近几年，行业才开始说transformer和Scaling Laws（规模定律），才有现在的大语言理解、多模态能力。在这个基础上才有做具身智能的能力。
在ChatGPT点燃大语言模型浪潮后，行业就意识到人形机器人蕴藏巨大潜力。生成式AI可以让机器进一步理解图片、视频甚至是空间。理论上，行业已经看到了LLM（大语言模型）赋能机器人的工程化路径。
《AI光年》：人形机器人工程化路径的基础还是算力，但高端GPU其实还是被英伟达等国外厂商掌控，国内做人形机器人是不是要解决芯片等难题？
王光熙：
具身机器人的智能泛化还处于早期和快速迭代状态，远没到应用落地和优化的阶段。
行业前期热衷于算力军备赛、堆算力，把千亿模型、万亿模型参数往上堆。一是因为芯片制程所限，二是地缘政治让全球竞争割裂。大家认为，现在工程上的突破主要来自于Scaling Laws及基于某种算法搭建的计算网络，都希望在Scaling的过程中，能产生智能涌现。
本质上，智能涌现不能靠粗放的堆砌算力模式完成，所以一些互联网大厂开始做模型优化。智能涌现达到一定程度，行业会从模型裁剪、算法优化、数据收敛等方面考虑商业化落地。
未来，行业用万卡集群堆砌出来的AI的能力，会被降维到可用、可操作、可落地的成本规划和模型上。down scaling（模型轻量化）会比大家想象的快。
还未进入大厂射程范围
《AI光年》：从算力优势看，有万卡集群的多是互联网大厂，但为什么在人形机器人领域，最先跑出来的是创业公司？
王光熙：
互联网大厂一般是谋定而后发，常见的路径是，学术界、创业公司先去折腾，大厂觉得靠谱再跳进来。新能源汽车就是最典型例子，大厂什么时候入局都不觉得晚，这也是一种策略。
从竞争的策略看，互联网大厂的优势主要来自于AI，有云计算和软件能力，但在硬件、场景方面和制造业有差距。此外，互联网大厂在消费级、商用服务场景会有优势，但大家普遍认为人形机器人的场景实现难度更大，周期更长。
从行业规律看，具身智能的技术路线还不清晰，处于非共识阶段，所以互联网大厂下场做具身智能的少。因为大语言模型本身还处在焦灼的竞争状态，多模态竞争才开始，空间计算还处于探索阶段，具身智能尚未进入大厂射程范围内。
《AI光年》：在这波人形机器人浪潮中，小鹏、小米为何都在推自己的人形机器人？
王光熙：
过去车企是机械化、自动化领域最大的用户。车企有广泛的应用场景，又擅长做大规模机械装置，无论是生产，还是把工业化场景开放出来，在做机器人方面都有得天独厚的优势。
《AI光年》：现在还没有行业壁垒一说？
王光熙：
只能说，行业对人形机器人的数据壁垒、商业落地壁垒还处于非共识状态，在机器人的动作控制、感知端实现方式等方面也都没有共识。
上个月，我去日本横滨参加了ICRA（电气工程、控制和机器人技术国际会议）。大会有几十个分论坛，分别讲运动规划、肢体协调等主题，探讨谁能以低成本、高可靠性来解决每一部分的技术细节问题，这些主题在学术界也没有形成共识。
翻跟头和在陌生场景翻跟头，完全两回事
《AI光年》：如何定义你一直强调的智能泛化和场景泛化能力？
王光熙：
所谓泛化，就是这个产品能够快速进入到一个场景里，开箱即用。如果机器人能做到，就能替代很多人工环节。
比如，以ICT行业为例，在传统的生产装配线上自动化比较低，约70%需要人工干预，但主板、SMT（表面贴装技术）等自动化程度高，约占80%，这是因为整个芯片行业流程相对标准化、机械化、自动化，且在封闭的环境中实现。
而装配线是开放环境，每天装配的屏幕及显示器大小不同，所以需要人工检查。如果有一个高度智能泛化的人形机器人在那里，这些问题就可以解决了。
《AI光年》：要让机器人具备智能泛化能力，现在有哪些实现条件？还存在哪些困难？
王光熙：
现在大模型发展很快，给模型看一张图或者一段视频，他们能准确理解，并分拆成不同的步骤和任务。从这个角度看，智能泛化已经解决了一部分难题。挑战在于怎么在空间里感知信息和做运动，并通过一个模型把其链接和驱动起来。
具身智能是通过图片、视频等理解和分解任务，然后识别物理周边的环境，例如识别台阶、抽屉等物理环境，只有这些问题得到解决，行业才认可具身智能这件事。
《AI光年》：人形机器人跑步、上台阶这些事情，机器狗也能做到，区别在哪？
王光熙：
关键点在于能否动态地、泛化地去完成任务。比如，让机器狗翻一个跟斗和把它放在一个开放和陌生的场景去翻跟斗，完全是两码事儿。前者是机械和控制问题，波士顿动力早就解决了；后者需要自己设计路径、适应了路上发生的各种突发情况，最后完成翻跟头这个动作，这个才是最大的难度。
《AI光年》：这是它自己的学习能力？
王光熙：
是泛化能力。预制的路径能很好完成，但遇到突发情况就歇菜了，这就没有泛化能力。为什么现在生产环节上机器替代不了人，是因为人有泛化能力，而机器只能根据既定的训练完成指令。
《AI光年》：按照让人形机器人有智能泛化能力这个标准，现在没有任何一家机器人公司有突破？
