图灵汇官网

人形机器人正在吸引越来越多的关注，尤其是在2024年8月被Gartner列入技术成熟度曲线的萌芽期之后。然而，近期关于这项技术的热度似乎在快速攀升。多家企业密集推出新产品，资本市场的反应也异常活跃，各类媒体报道更是层出不穷。

然而，在一片热闹之中，一个严肃的问题浮出水面：这样的热度是否会让行业陷入泡沫危机？一旦泡沫破裂，人形机器人行业又该如何应对？带着这些问题，《每日经济新闻》记者专访了京城机电旗下的配天机器人CTO郭涛。

郭涛建议，适度的市场热度对行业发展是有益的，因为它能让更多人认识到这项技术的重要性。但从长远来看，真正的进步需要脚踏实地的努力，通过攻克一个个技术难题，让机器人技术逐步走向实际应用。从应用的角度出发，郭涛认为，目前的具身人工智能还无法全面实现通用化。尽管人形机器人领域再次受到关注，他更倾向于关注那些更加贴近现实需求的方向。

通用化的人工智能听起来很诱人，但它背后可能隐藏着一个难以调和的矛盾：它既要具备强大的学习能力，又要能够灵活应对各种未知情况，同时还要拥有出色的环境适应性。配天机器人认为，这些要求之间存在一种“三角制约”，即很难同时满足所有条件。

例如，传统的工业机器人虽然能高效处理复杂任务，但它们通常需要针对特定环境和任务进行专门设计；而自主移动机器人虽然灵活性较高，却只能完成一些简单的搬运或清洁工作；至于远程操控型机器人，则需要专业人士全程参与操作才能完成复杂的任务。这些对比表明，即使有了先进的AI技术，要打造一款真正意义上的通用机器人仍然充满挑战。

市场上之所以对人形机器人表现出极大兴趣，很大程度上是因为AI大模型带来了无限遐想空间。当AI技术和机器人技术相结合时，理论上可以赋予机器人更强的学习能力和适应性，以及更自然的人机交互体验。然而，仅仅依靠大语言模型就能克服具身智能面临的诸多限制吗？

郭涛指出，大语言模型与具身智能在应对变化方面的要求完全不同。比如，让一个人形机器人去清洗餐具，它必须能够适应水温的变化、洗涤剂不足等情况，这对系统提出了极高的实时响应要求。相比之下，大语言模型一旦完成训练，其对外部环境变化的感知能力就会变得相当有限。

此外，具身智能所需的训练数据量远小于大语言模型。郭涛解释说，为了训练一个大语言模型，往往需要数万亿级别的文本数据支持，而且全球范围内的网民每天都在通过聊天、分享照片或视频等方式为这些模型提供源源不断的输入。但在机器人领域，却没有这样便捷的方式来积累行为数据，特别是在工业场景下，数据往往属于敏感信息且高度分散。

如何平衡泛化能力和商业价值之间的关系，是决定具身人工智能能否成功实现产业化的重要因素。郭涛认为，在缺乏足够数据的情况下追求极致性能是不可能实现的，但这并不意味着这条路走不通。在他看来，与其盲目追求所谓的“完全泛化”，不如先专注于解决特定场景下的具体问题，这样不仅能更快地找到盈利模式，也能逐步积累必要的行业经验和技术储备。

工业制造不仅仅是大规模流水线作业，还有很多个性化需求亟待满足。传统工业机器人由于依赖预先设定好的程序，难以很好地适应多样化的生产需求。比如，在船舶制造业中，许多订单数量很少，但涉及到的技术细节却极为复杂。在这种情况下，传统的工业机器人往往显得力不从心。

为此，配天机器人近年来开始探索更具适应性的解决方案。作为国内较早涉足工业机器人领域的公司之一，配天不仅开发出了适用于焊接、打磨、分拣等多个领域的标准化产品，还在尝试将这些技术推广到更多细分市场中去。例如，他们发现，焊接是一项非常重要的工业应用，占据了很大一部分市场份额。因此，公司将重点放在提升焊接机器人的智能化水平上，希望通过优化算法和服务体系，让更多客户受益。

郭涛提到，实现局部泛化并非一蹴而就的事情，而是需要循序渐进地推进。他们计划首先选定几个关键领域开展试点项目，并根据反馈不断迭代改进。一旦某个领域的解决方案得到了市场的认可，就可以将其扩展到其他相关场景中去。他认为，只要坚持正确的方向，随着时间推移，整个行业将会迎来更大的发展机遇。