對(duì)話小米具身游洋威：具身智能距離「GPT-3.5 時(shí)刻」，還差千萬(wàn)小時(shí)數(shù)據(jù)

“具身智能還在「L2早期」，工廠會(huì)先于家庭落地。”

作者丨趙翔國(guó)

編輯丨馬廣宇

本周末的 WAIC，具身智能毫無(wú)疑問(wèn)是最熱鬧的一個(gè)展區(qū)。

近 200 臺(tái)機(jī)器人在場(chǎng)館里行走、跳舞、格斗、遞送物品，甚至泡茶、炒菜，各家公司都在努力證明自家機(jī)器人的靈活性和智能程度。

過(guò)去幾年，人形機(jī)器人首先要證明自己能夠站起來(lái)、走起來(lái)，或者完成奔跑、翻滾等高難度動(dòng)作。到了今年，展臺(tái)上的機(jī)器人開始承擔(dān)搬運(yùn)、分揀、接待、制作飲品等具體工作，市場(chǎng)關(guān)注的重點(diǎn)也逐漸從動(dòng)作能力轉(zhuǎn)向?qū)嶋H用途。

具身智能的競(jìng)爭(zhēng)隨之延伸到更多環(huán)節(jié)。除了機(jī)器人本體，數(shù)據(jù)、模型、靈巧手、觸覺(jué)傳感器、執(zhí)行器和控制系統(tǒng)也成為廠商投入的重點(diǎn)。隨著資本、人才和技術(shù)資源持續(xù)進(jìn)入，行業(yè)正從概念展示轉(zhuǎn)向更密集的產(chǎn)品開發(fā)和工程驗(yàn)證。

不過(guò)，展臺(tái)上的短時(shí)演示，與機(jī)器人在真實(shí)環(huán)境中長(zhǎng)時(shí)間連續(xù)工作之間，仍然隔著穩(wěn)定性、可靠性、成本和數(shù)據(jù)等一系列工程問(wèn)題。

因此，具身智能很難依靠單一環(huán)節(jié)取勝。機(jī)器人本體決定它能否完成動(dòng)作，模型和數(shù)據(jù)影響它學(xué)習(xí)新任務(wù)的速度，供應(yīng)鏈與制造能力則關(guān)系到成本控制和規(guī)模化交付。接下來(lái)，行業(yè)比拼的將是綜合能力。

從業(yè)務(wù)布局看，小米可能是國(guó)內(nèi)少數(shù)能夠在集團(tuán)內(nèi)部同時(shí)調(diào)動(dòng)模型、機(jī)器人本體、供應(yīng)鏈、工廠和消費(fèi)場(chǎng)景資源的企業(yè)之一。

持續(xù)在大模型領(lǐng)域投入的小米，也在具身智能領(lǐng)域陸續(xù)取得了一些進(jìn)展。

今年 5 月，小米機(jī)器人團(tuán)隊(duì)參加了兩項(xiàng)國(guó)際機(jī)器人賽事。

首先，小米在 CVPR 2026 Workshops 旗下的 RoboChallenge 中，匿名模型 my16 以 40.89% 的任務(wù)成功率排名第一，也是榜單中唯一成功率超過(guò) 40% 的參賽模型。第二名和第三名的成功率均為 21.33%。

隨后在 ICRA 2026 期間的 AGIBOT WORLD CHALLENGE 全身控制（WBC）賽道中，小米團(tuán)隊(duì)的方案以 99.2 分和 94% 的成功率位列第一。

上周，小米具身業(yè)務(wù)更是對(duì)外連續(xù)三天披露進(jìn)展。

7 月 14 日，小米宣布，經(jīng)過(guò) 4 個(gè)月的不斷迭代，小米機(jī)器人在自攻螺母上件工站的雙側(cè)作業(yè)成功率從 90.2% 提升至 98%，距離人工作業(yè)合格率僅差1個(gè)百分點(diǎn)。與此同時(shí)，還解鎖了兩項(xiàng)全新“實(shí)習(xí)”崗位——中控臺(tái)側(cè)蓋板排序和料箱折疊回收，兩項(xiàng)任務(wù)成功率均已達(dá)到 90%。

7 月 15 日，小米機(jī)器人團(tuán)隊(duì)發(fā)布并開源 Xiaomi-Robotics-U0，將文生圖、圖像編輯、具身場(chǎng)景生成、具身遷移和機(jī)器人交互視頻生成納入同一個(gè)框架。小米試圖借此建立一套效率更高、成本更低、可控性更強(qiáng)的具身數(shù)據(jù)生產(chǎn)機(jī)制，讓生成模型持續(xù)為機(jī)器人提供訓(xùn)練數(shù)據(jù)。

緊接著 7 月 16 日，小米再次官宣具身基座模型 Xiaomi-Robotics-1，用超過(guò) 10 萬(wàn)小時(shí)真實(shí)操作軌跡預(yù)訓(xùn)練、再疊加跨本體數(shù)據(jù)后訓(xùn)練，主打“開箱即用”——給一句指令就能直接干活。該模型在 RoboCasa365 和 RoboDojo 兩個(gè)權(quán)威具身榜單拿下綜合排名全球第一。

幾年前，小米進(jìn)入新能源汽車行業(yè)時(shí)，同樣面對(duì)一個(gè)參與者眾多、資金投入巨大、供應(yīng)鏈復(fù)雜的新市場(chǎng)。汽車業(yè)務(wù)證明了小米調(diào)動(dòng)集團(tuán)資源、整合軟硬件能力和完成復(fù)雜產(chǎn)品交付的能力。

但這些經(jīng)驗(yàn)?zāi)懿荒茉俅斡糜诰呱頇C(jī)器人？機(jī)器人會(huì)不會(huì)成為小米汽車之后的下一條增長(zhǎng)線？目前小米機(jī)器人在工廠的運(yùn)行情況如何？

帶著上述問(wèn)題，在 WAIC 期間，雷峰網(wǎng)與小米機(jī)器人仿生操控負(fù)責(zé)人游洋威進(jìn)行了一次對(duì)談。

游洋威本科、碩士畢業(yè)于哈爾濱工業(yè)大學(xué)，博士畢業(yè)于意大利理工學(xué)院，多年深耕機(jī)器人運(yùn)動(dòng)控制算法研發(fā)。

游洋威介紹到，小米目前還沒(méi)有急于推出面向普通消費(fèi)者的人形機(jī)器人。相比展臺(tái)表演和家庭陪伴，小米現(xiàn)階段更關(guān)注工廠場(chǎng)景，希望讓機(jī)器人參與制造中的搬運(yùn)、裝配和柔性操作等環(huán)節(jié)。

小米選擇從工廠場(chǎng)景切入，與它現(xiàn)有的業(yè)務(wù)基礎(chǔ)有關(guān)。

對(duì)大多數(shù)具身智能初創(chuàng)公司來(lái)說(shuō)，進(jìn)入真實(shí)產(chǎn)線并不容易，既需要制造企業(yè)開放工站，也要長(zhǎng)期駐場(chǎng)采集數(shù)據(jù)、調(diào)試設(shè)備和驗(yàn)證模型。

但小米擁有自己的制造工廠，可以讓機(jī)器人直接進(jìn)入生產(chǎn)環(huán)節(jié)，在持續(xù)運(yùn)行中面對(duì)光照變化、物料移動(dòng)、設(shè)備異常和節(jié)拍波動(dòng)等現(xiàn)實(shí)問(wèn)題，這些反饋也會(huì)反向影響機(jī)器人的產(chǎn)品設(shè)計(jì)，從而推動(dòng)迭代。

而對(duì)于國(guó)內(nèi)機(jī)器人在全球競(jìng)爭(zhēng)中所處的位置，游洋威則表示，整個(gè)行業(yè)還都處于探索階段，但在智能制造中的應(yīng)用能力，小米代表了中國(guó)的領(lǐng)先水平。

正在工廠內(nèi)作業(yè)的小米機(jī)器人

以下為游洋威與雷峰網(wǎng)等媒體的對(duì)話內(nèi)容，內(nèi)容經(jīng)不改變?cè)獾木庉嫞?/strong>

Q：目前機(jī)器人似乎有“運(yùn)動(dòng)員”和“服務(wù)員”兩種類型，這兩類機(jī)器人的差別，具體體現(xiàn)在哪里？

如果要做“運(yùn)動(dòng)員型”機(jī)器人，對(duì)整體肌肉爆發(fā)力，也就是電機(jī)、關(guān)節(jié)和運(yùn)動(dòng)控制能力的要求都會(huì)很高。它需要針對(duì)高動(dòng)態(tài)動(dòng)作做專門訓(xùn)練。

但如果目標(biāo)是做“服務(wù)員型”機(jī)器人，比如進(jìn)入工廠完成搬運(yùn)、裝配等作業(yè)，對(duì)爆發(fā)力的要求沒(méi)有那么高。這樣一來(lái)，硬件成本、負(fù)載和能耗都能得到更好的平衡。

這有點(diǎn)像汽車。越野車當(dāng)然也能在城市里開，但油耗會(huì)比較高。同樣，在工廠里干活，運(yùn)動(dòng)能力很強(qiáng)的機(jī)器人也能完成任務(wù)，但它的電耗、續(xù)航和成本，未必比服務(wù)型機(jī)器人更合適。

Q：所以這不只是軟件和算法路線不同，連硬件選型也會(huì)變化？

對(duì)，電機(jī)選型、身體尺寸、負(fù)載設(shè)計(jì)都會(huì)有差別。

比如做跳舞、高動(dòng)態(tài)動(dòng)作的機(jī)器人，通常會(huì)相對(duì)矮小一些。體操運(yùn)動(dòng)員往往個(gè)子也不會(huì)特別高，因?yàn)檩^小的身體更適合完成高動(dòng)態(tài)動(dòng)作。

但工廠作業(yè)面對(duì)的是另一套要求。不同工位對(duì)機(jī)器人的高度、臂展、負(fù)載和操作空間都有具體限制。機(jī)器人要真正進(jìn)入工廠，就必須圍繞這些實(shí)際任務(wù)進(jìn)行技術(shù)取舍。

至少?gòu)哪壳暗募夹g(shù)階段看，“運(yùn)動(dòng)員”和“服務(wù)員”還很難在一臺(tái)機(jī)器人上實(shí)現(xiàn)非常好的融合。

Q：小米未來(lái)也可能去做更高動(dòng)態(tài)、更接近“運(yùn)動(dòng)員”的機(jī)器人，只是現(xiàn)階段優(yōu)先級(jí)沒(méi)有那么高？

未來(lái)并沒(méi)有完全排除這種可能。

但按照小米目前的規(guī)劃，我們首先希望解決工廠落地的問(wèn)題。接下來(lái)五年，能不能讓機(jī)器人在工廠里實(shí)現(xiàn)大規(guī)模應(yīng)用，是我們更優(yōu)先考慮的事情。

等這件事做好以后，如果還有余力，或者相關(guān)技術(shù)逐漸成熟，向更高動(dòng)態(tài)的方向發(fā)展，也可能是一件水到渠成的事。

Q：小米機(jī)器人已經(jīng)開始在工廠“上班”了，現(xiàn)在具體運(yùn)行到了什么程度？

我們已經(jīng)在很多工站做試點(diǎn)。目前相對(duì)穩(wěn)定的是螺柱上件工站，團(tuán)隊(duì)每周都會(huì)安排時(shí)間，讓機(jī)器人進(jìn)入真實(shí)工廠測(cè)試。

這個(gè)工站的任務(wù)成功率已經(jīng)從最初的 90% 左右提升到了 98%。不過(guò)，距離熟練工人以及工廠對(duì)正式產(chǎn)品的要求，可能還差一個(gè)百分點(diǎn)左右。后面還要繼續(xù)打磨，爭(zhēng)取讓它真正進(jìn)入穩(wěn)定落地的狀態(tài)。

與此同時(shí)，我們也在不斷嘗試新的工站。此前披露過(guò)一些機(jī)器人在組裝車間里的工作，但人形機(jī)器人最終不能只會(huì)干一件事。具身智能的目標(biāo)還是希望機(jī)器人具備一定的通用性和泛化能力，過(guò)去在一個(gè)工站積累的經(jīng)驗(yàn)和數(shù)據(jù)，能夠遷移到新的工站。

Q：已經(jīng)訓(xùn)練好的工站經(jīng)驗(yàn)，現(xiàn)在能夠直接復(fù)用嗎？

新工站目前的成功率可能還沒(méi)有那么高，但按照已有經(jīng)驗(yàn)，用類似的方法可以比較快地提升到可用階段。隨著工站數(shù)量增加，數(shù)據(jù)和經(jīng)驗(yàn)不斷積累，后面再進(jìn)入新的工站，適配速度應(yīng)該還會(huì)繼續(xù)提高。

目前整體是在穩(wěn)步推進(jìn)。

Q：今年在 WAIC 上能明顯感覺(jué)到，機(jī)器人行業(yè)正在從跑步、跳舞等展示，轉(zhuǎn)向真正進(jìn)入現(xiàn)場(chǎng)干活。小米也開始做工廠作業(yè)了。機(jī)器人從“能表演”走到“能干活”，最大的難點(diǎn)是什么？

難點(diǎn)很多。工廠首先看的是成功率、穩(wěn)定性和可靠性，這也是我們一直打磨螺柱上件工站的原因。

它并不只是算法或者模型的問(wèn)題，而是對(duì)整個(gè)軟硬件體系都有很高要求。機(jī)器首先不能頻繁故障，這是最基礎(chǔ)的。在這個(gè)基礎(chǔ)上，算法才能解決任務(wù)本身。模型還要具備足夠的泛化性和魯棒性，能夠處理現(xiàn)場(chǎng)出現(xiàn)的各種異常情況。

機(jī)器人能把活干完還不夠，還必須干得足夠快，滿足工廠的生產(chǎn)節(jié)拍，機(jī)器人要進(jìn)入流水線，就必須在限定時(shí)間內(nèi)完成全部動(dòng)作。機(jī)器人的動(dòng)作規(guī)劃、電機(jī)響應(yīng)和整體執(zhí)行效率，都要跟得上產(chǎn)線節(jié)奏。

Q：但人類工人的一些動(dòng)作看起來(lái)很簡(jiǎn)單，機(jī)器人做起來(lái)似乎仍然很困難。

對(duì)，真正進(jìn)入工廠之后，會(huì)發(fā)現(xiàn)有很多非常細(xì)節(jié)的問(wèn)題。

有些任務(wù)用普通夾爪也能完成，但效率比較低。以螺柱上件工站為例，現(xiàn)在可能需要兩臺(tái)機(jī)器人共同作業(yè)，但原來(lái)一個(gè)工人就能夠完成這個(gè)工站的工作。

工人在操作時(shí)，可以一只手抓取兩個(gè)螺柱，連續(xù)放置，再轉(zhuǎn)身處理另一邊。機(jī)器人現(xiàn)在更像是用夾爪逐個(gè)操作，抓一個(gè)、放一個(gè)，再抓一個(gè)、再放一個(gè)，整體效率自然會(huì)低很多。

Q：這是不是意味著，機(jī)器人的手仍然是一個(gè)很大的瓶頸？

是。機(jī)器人能不能干是一層問(wèn)題，能不能像人一樣高效地干，又是另一層問(wèn)題。

要突破這些精細(xì)操作，對(duì)靈巧手的硬件要求很高。它需要較高的自由度，還需要更好的觸覺(jué)和力覺(jué)感知，知道自己是否抓住了物體、用了多大的力、物體有沒(méi)有滑動(dòng)。

行業(yè)里很多人都提到，靈巧手在硬件層面的復(fù)雜度可能遠(yuǎn)高于機(jī)器人整機(jī)。真正想讓機(jī)器人像人一樣完成工廠任務(wù)，手部能力仍然有很多細(xì)節(jié)需要解決。

Q：具身智能目前最大的瓶頸是數(shù)據(jù)量不夠。等行業(yè)積累到千萬(wàn)小時(shí)級(jí)別的數(shù)據(jù)，可能在今年年底到明年年初迎來(lái)類似 GPT-3.5 的突破。您怎么看？

我覺(jué)得這是一個(gè)相對(duì)樂(lè)觀的估計(jì)，但我個(gè)人也愿意相信這個(gè)方向。

但在數(shù)據(jù)真正達(dá)到那個(gè)規(guī)模之前，很難準(zhǔn)確判斷具身智能的“GPT-3.5 時(shí)刻”究竟什么時(shí)候出現(xiàn)。自動(dòng)駕駛積累到千萬(wàn)量級(jí)的數(shù)據(jù)后，確實(shí)已經(jīng)形成了比較好的能力，這對(duì)機(jī)器人有一定參考價(jià)值。

不過(guò)，機(jī)器人的任務(wù)復(fù)雜度和多樣性比汽車更高。汽車大部分時(shí)間仍然是在道路環(huán)境中行駛，機(jī)器人的任務(wù)可能涉及不同空間、不同物體、不同操作方式和不同接觸關(guān)系。因此，行業(yè)才會(huì)把目標(biāo)提高到千萬(wàn) Clips。

但擁有了千萬(wàn) Clips 數(shù)據(jù)，是否就能解決所有問(wèn)題，現(xiàn)在還很難下結(jié)論。這個(gè)判斷可能偏樂(lè)觀。不過(guò)在現(xiàn)階段，先努力把數(shù)據(jù)積累到這個(gè)量級(jí)，到達(dá)這個(gè)階段以后，我們?cè)倏茨芰?huì)發(fā)生什么變化。

Q：相比實(shí)驗(yàn)室或者理想的仿真環(huán)境，真實(shí)工廠給團(tuán)隊(duì)帶來(lái)了哪些更棘手的挑戰(zhàn)？

最直接的區(qū)別還是數(shù)據(jù)需求。

在仿真環(huán)境里，場(chǎng)景變化相對(duì)有限。完成一個(gè)任務(wù)，可能只需要少量數(shù)據(jù)就可以驗(yàn)證方法是否有效，這也是很多團(tuán)隊(duì)使用仿真的原因。

但在真實(shí)工廠里，會(huì)出現(xiàn)各種能夠想到和想不到的變化。今天對(duì)面的料架可能被推走了，明天旁邊可能多了一名工人。機(jī)器人的站位也不能完全按照實(shí)驗(yàn)室里的理想條件來(lái)安排。

現(xiàn)場(chǎng)還會(huì)出現(xiàn)各種異常情況，比如設(shè)備故障、物料掉落、螺絲掉在地上。機(jī)器人不能因?yàn)榄h(huán)境出現(xiàn)一點(diǎn)變化，就停止工作。

工廠又要求非常高的成功率、穩(wěn)定性和可靠性。這意味著現(xiàn)場(chǎng)可能發(fā)生的情況，最終都要進(jìn)入機(jī)器人的數(shù)據(jù)覆蓋范圍，數(shù)據(jù)需求自然會(huì)大幅增加。

Q：從一線研發(fā)和工廠落地的經(jīng)驗(yàn)看，現(xiàn)階段制約機(jī)器人在工業(yè)場(chǎng)景普及的核心障礙是什么？

如果先看相對(duì)簡(jiǎn)單的任務(wù)，我認(rèn)為最大的制約之一仍然是高質(zhì)量數(shù)據(jù)從哪里來(lái)。

工廠不可能為了機(jī)器人采集數(shù)據(jù)，長(zhǎng)期停止正常生產(chǎn)。重新建設(shè)幾條專門用于采集數(shù)據(jù)的產(chǎn)線，成本又太高。這決定了工業(yè)場(chǎng)景中的真實(shí)數(shù)據(jù)很難大規(guī)模獲得。

我們的設(shè)想是，能不能先從其他場(chǎng)景以及一些容易復(fù)刻的工站入手，讓機(jī)器人獲得基礎(chǔ)能力。等它真正進(jìn)入新的產(chǎn)線時(shí)，只需要少量現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行微調(diào)，就可以適應(yīng)新的任務(wù)。

這也是行業(yè)希望發(fā)展基礎(chǔ)模型的原因。人類進(jìn)入工廠工作，并不需要先針對(duì)每一個(gè)工位學(xué)習(xí)很多年。一個(gè)人擁有基本認(rèn)知和操作能力以后，很多工作經(jīng)過(guò)半天培訓(xùn)就能夠上手。

機(jī)器人也應(yīng)該先擁有這樣的基礎(chǔ)能力，再通過(guò)少量數(shù)據(jù)快速學(xué)會(huì)具體工單。

Q：除了數(shù)據(jù)，硬件可靠性會(huì)不會(huì)成為更難跨越的障礙？

硬件當(dāng)然也是制約因素，但我更傾向于把它看作一個(gè)需要持續(xù)解決的工程問(wèn)題，并非不可跨越。

靈巧手確實(shí)有較高的工程難度，整機(jī)的穩(wěn)定性、壽命和維修效率也需要繼續(xù)提升。但隨著時(shí)間推移和行業(yè)資源投入，這些問(wèn)題都會(huì)逐步改善。

現(xiàn)在具身智能行業(yè)受到高度關(guān)注，資金、人才和產(chǎn)業(yè)資源都在持續(xù)進(jìn)入，硬件進(jìn)展其實(shí)很快，一些機(jī)器人企業(yè)已經(jīng)開始推進(jìn)較大規(guī)模的生產(chǎn)。

這和汽車產(chǎn)業(yè)的發(fā)展過(guò)程有一定相似性。當(dāng)產(chǎn)業(yè)真正形成規(guī)模，供應(yīng)鏈、制造工藝、可靠性驗(yàn)證和維修體系會(huì)逐漸成熟。很多硬件問(wèn)題都可以通過(guò)規(guī)模化和工程積累解決，只是需要時(shí)間持續(xù)打磨。

Q：大模型進(jìn)入具身智能之后，從本質(zhì)上解決了機(jī)器人哪些問(wèn)題？

大模型首先提高了機(jī)器人的通識(shí)能力。

比如桌面上有哪些物體，它能夠理解；你和它對(duì)話，它也能比較好地回應(yīng)。面對(duì)一個(gè)復(fù)雜任務(wù)，它還可以做高層拆解。比如把大象放進(jìn)冰箱，它知道可以拆成打開冰箱、把大象放進(jìn)去、關(guān)上冰箱這幾個(gè)步驟。

但真正困難的是，冰箱門具體怎么打開，大象怎么放進(jìn)去，最后怎么把門關(guān)上。這些涉及真實(shí)世界中的動(dòng)作執(zhí)行、接觸控制和環(huán)境反饋，仍然有大量問(wèn)題需要解決。

大模型對(duì)機(jī)器人行業(yè)的推動(dòng)非常大，這也是這一輪具身智能興起的重要原因。但大模型這個(gè)“大腦”，和負(fù)責(zé)運(yùn)動(dòng)控制的“小腦”如何結(jié)合，并沒(méi)有最初想象得那么順利。

Q：行業(yè)早期是不是低估了“小腦”的難度？

對(duì)。最開始很多人會(huì)覺(jué)得，大腦既然已經(jīng)取得突破，小腦應(yīng)該很快就能解決。畢竟從名字上看，小腦似乎只是一個(gè)相對(duì)小的問(wèn)題。

但真正開始結(jié)合以后會(huì)發(fā)現(xiàn)，大腦和小腦之間還有很多技術(shù)難點(diǎn)。機(jī)器人知道要做什么，不代表它能夠穩(wěn)定、精準(zhǔn)地把動(dòng)作執(zhí)行出來(lái)。

Q：做一款具身智能機(jī)器人，有沒(méi)有必要所有部件都自己研發(fā)？整機(jī)企業(yè)能不能直接整合這些供應(yīng)商？

如果一家企業(yè)希望解決完整的機(jī)器人問(wèn)題，最終可能需要把整個(gè)產(chǎn)業(yè)鏈打通。供應(yīng)鏈當(dāng)然可以提供很多能力，但把不同公司的產(chǎn)品組合在一起，通常會(huì)存在一些不完全匹配的地方。

如果目標(biāo)是打磨一款高度一體化、性能最好的產(chǎn)品，企業(yè)往往需要對(duì)軟硬件做深度整合。

但有些公司只關(guān)注基礎(chǔ)模型或者機(jī)器人大腦，它們可以選擇一個(gè)比較好用的本體，集中力量持續(xù)提升模型能力。這條路線同樣成立。關(guān)鍵還是看企業(yè)最終想解決哪一部分問(wèn)題。

Q：現(xiàn)在越來(lái)越多企業(yè)開始推動(dòng)機(jī)器人數(shù)據(jù)集開源。站在小米或者整個(gè)行業(yè)的角度看，開源數(shù)據(jù)的幫助有多大？

幫助非常大。

機(jī)器人數(shù)據(jù)的采集成本很高。如果沒(méi)有機(jī)構(gòu)愿意開源數(shù)據(jù)，大量研究者實(shí)際上會(huì)被排除在這個(gè)領(lǐng)域之外。算力也存在類似問(wèn)題。

具身智能還有很多基礎(chǔ)問(wèn)題沒(méi)有解決，行業(yè)需要更多聰明的人參與進(jìn)來(lái)。有時(shí)候一個(gè)新的方法或者思路，就可能推動(dòng)技術(shù)向前走。因此，開源可以降低參與門檻，讓更多團(tuán)隊(duì)共同解決問(wèn)題。

單靠一家公司承擔(dān)全部數(shù)據(jù)和研發(fā)成本，壓力會(huì)非常大。小米也在做類似的事情。我們最近開源了 U0 生成模型，希望通過(guò)生成和增強(qiáng)數(shù)據(jù)，降低數(shù)據(jù)擴(kuò)展的成本。這也是小米推動(dòng)行業(yè)開源的一步。

Q：您一直把機(jī)器人進(jìn)入工廠稱為“進(jìn)場(chǎng)實(shí)習(xí)”。它需要達(dá)到什么指標(biāo)，才能從實(shí)習(xí)轉(zhuǎn)為正式上產(chǎn)線？

工廠會(huì)有明確的硬指標(biāo)來(lái)判斷能否正式上產(chǎn)線。

針對(duì)一個(gè)具體工站，機(jī)器人需要達(dá)到規(guī)定的成功率、產(chǎn)品合格率和生產(chǎn)節(jié)拍。只有這些指標(biāo)全部達(dá)標(biāo)，才具備進(jìn)入正式生產(chǎn)的條件。

但工廠里的任務(wù)差異很大，并非所有工站都位于嚴(yán)格的流水線上。我們現(xiàn)在也在嘗試一些節(jié)拍要求相對(duì)低的場(chǎng)景，比如物流區(qū)域的分揀、排序和料箱折疊。

這些任務(wù)對(duì)速度的壓力沒(méi)有那么大，只要機(jī)器人能夠穩(wěn)定把工作完成，進(jìn)入應(yīng)用的門檻就會(huì)相對(duì)低一些。因此，機(jī)器人能否正式進(jìn)場(chǎng)，需要根據(jù)具體工站判斷，很難設(shè)定一個(gè)統(tǒng)一標(biāo)準(zhǔn)。

Q：小米有沒(méi)有更明確的落地目標(biāo)？比如什么時(shí)間進(jìn)入哪個(gè)工段，什么時(shí)候正式進(jìn)入流水線？

現(xiàn)在有兩條路線在同步推進(jìn)。

一條是流水線上的任務(wù)，這類工站對(duì)節(jié)拍、穩(wěn)定性和成功率要求非常高。另一條是節(jié)拍要求相對(duì)低，但操作難度更高的任務(wù)，比如柔性物體處理、摳取、折疊，以及對(duì)力控制要求較高的作業(yè)。

如果這兩類任務(wù)都能做好，其他很多工段的核心問(wèn)題可能也就基本覆蓋了。

Q：機(jī)器人真正進(jìn)入工廠以后，有沒(méi)有因?yàn)楝F(xiàn)場(chǎng)需求，推翻團(tuán)隊(duì)過(guò)去的一些設(shè)想？

從最初確定技術(shù)路線開始，我們就很明確要做真實(shí)應(yīng)用，要讓機(jī)器人進(jìn)入工廠。機(jī)器人本體設(shè)計(jì)和技術(shù)路線一直圍繞這個(gè)目標(biāo)推進(jìn)，整體比較穩(wěn)定。

過(guò)程中肯定會(huì)遇到暫時(shí)解決不了的問(wèn)題，有時(shí)需要增加一些工程補(bǔ)丁，但整個(gè)方向沒(méi)有發(fā)生大的動(dòng)搖，團(tuán)隊(duì)、管理層和業(yè)務(wù)需求都在推動(dòng)這條路線繼續(xù)向前。

Q：剛才一直在講流水線和具體工段，但對(duì)不了解制造業(yè)的人來(lái)說(shuō)還是比較抽象。能不能用一個(gè)已經(jīng)披露的場(chǎng)景，具體解釋機(jī)器人到底在工廠里做什么？

比較典型的一個(gè)場(chǎng)景是螺柱上件工站。

機(jī)器人需要從送釘機(jī)上取出螺柱，再把它放到一個(gè)自動(dòng)旋擰臺(tái)架上。一個(gè)部件有四個(gè)角，每個(gè)位置都要放入一個(gè)螺柱。螺柱放置完成后，后面的旋擰設(shè)備會(huì)把它們固定到汽車后底板上。

這個(gè)工站目前仍然主要由工人完成，因?yàn)椴煌囆蛯?duì)應(yīng)的固定位置可能不同，任務(wù)經(jīng)常會(huì)發(fā)生變化。

傳統(tǒng)機(jī)械臂理論上也能完成，但每次換車型或者調(diào)整位置，都需要重新調(diào)試，部署成本比較高。我們希望人形機(jī)器人能夠像人一樣支持柔性生產(chǎn)。出現(xiàn)新任務(wù)以后，重新采集少量數(shù)據(jù)，就可以微調(diào)到新的場(chǎng)景。

目前這個(gè)工站的效果已經(jīng)比較不錯(cuò)，機(jī)器人仍然在真實(shí)工廠中持續(xù)測(cè)試，我們內(nèi)部把這個(gè)階段稱為“實(shí)習(xí)”。

Q：傳統(tǒng)機(jī)械臂的部署成本很高，大概高在什么地方？人形機(jī)器人什么時(shí)候能夠追平，甚至低于機(jī)械臂的成本？

只看設(shè)備采購(gòu)價(jià)格，人形機(jī)器人目前肯定比簡(jiǎn)單工業(yè)機(jī)械臂更貴，因?yàn)樗€沒(méi)有進(jìn)入真正的規(guī)模化量產(chǎn)階段。

但如果未來(lái)實(shí)現(xiàn)大規(guī)模生產(chǎn)，人形機(jī)器人的成本有可能進(jìn)一步下降。工業(yè)機(jī)械臂對(duì)精度和定制化的要求通常很高，本身也并不便宜。

此外，設(shè)備價(jià)格只是成本的一部分。傳統(tǒng)機(jī)械臂還有很多隱藏的部署成本，包括產(chǎn)線改造、編程調(diào)試、換線適配和后期維護(hù)。

Q：故障停線也屬于隱藏成本？

對(duì)。工廠里的設(shè)備一旦故障，可能導(dǎo)致整條產(chǎn)線停線，這個(gè)風(fēng)險(xiǎn)非常高。

大型機(jī)械臂固定在工位上，壞了以后很難立即替換，還需要等待維修人員處理。人形機(jī)器人如果能夠標(biāo)準(zhǔn)化，就可以直接從工位退出，再換一臺(tái)相同型號(hào)的機(jī)器人繼續(xù)工作。

這種快速替換和柔性部署能力，也是我們希望人形機(jī)器人能夠提供的價(jià)值。

Q：那小米為什么還要優(yōu)先挑戰(zhàn)完整的雙足人形？

完整人形具備更強(qiáng)的技術(shù)先進(jìn)性，也更接近長(zhǎng)期終局。

如果雙足人形機(jī)器人能夠真正做好，它不僅可以進(jìn)入工廠，也可能進(jìn)入戶外、山地和其他復(fù)雜環(huán)境，適用范圍會(huì)更廣。

當(dāng)我們把最復(fù)雜的形態(tài)做出來(lái)，再針對(duì)具體場(chǎng)景做減法，會(huì)相對(duì)容易。比如工廠不一定需要雙腿。如果一個(gè)工站更看重穩(wěn)定性、續(xù)航和負(fù)載，就可以將下半身改成輪式底盤，提高效率。

從完整人形遷移到輪式形態(tài)，通常比從專用輪式機(jī)器人再向完整人形發(fā)展更容易。如果完整人形能夠完成一個(gè)新工單，輪式機(jī)器人通常也能完成。真正部署時(shí)，再根據(jù)工站需要選擇更合適的形態(tài)。

Q：小米判斷人形機(jī)器人的最大市場(chǎng)就在工業(yè)領(lǐng)域嗎？

很多公司都選擇先進(jìn)入工廠，一個(gè)重要原因是工廠相對(duì)結(jié)構(gòu)化和可控。

機(jī)器人如果能在工廠把一個(gè)任務(wù)真正做完，并長(zhǎng)期穩(wěn)定運(yùn)行，就能產(chǎn)生實(shí)際價(jià)值。家庭和其他開放場(chǎng)景還有更多約束，包括法規(guī)、安全和責(zé)任問(wèn)題。即使技術(shù)上能夠演示，也未必能夠馬上落地。我們希望先在一個(gè)場(chǎng)景中把整個(gè)閉環(huán)走通。只有真正深入工廠工作，才能發(fā)現(xiàn)很多隱藏問(wèn)題。

比如雙足機(jī)器人在工廠里行走。實(shí)驗(yàn)室地面看起來(lái)和工廠地面都很平整，但真實(shí)工廠地面可能存在細(xì)小灰塵或油污。肉眼不一定明顯，卻會(huì)影響機(jī)器人的摩擦力和行走穩(wěn)定性。如果機(jī)器人從未進(jìn)入真實(shí)工廠，團(tuán)隊(duì)可能根本意識(shí)不到這個(gè)問(wèn)題。真正落地以后，運(yùn)動(dòng)控制和機(jī)械結(jié)構(gòu)都要針對(duì)這些細(xì)節(jié)調(diào)整。

Q：小米此前還展示過(guò)機(jī)器人疊衣服。未來(lái)真正量產(chǎn)以后，會(huì)先進(jìn)入工廠，還是先進(jìn)入家庭？

如果討論真實(shí)、大規(guī)模落地，工廠可能更早。

這不完全是技術(shù)能力的問(wèn)題。家庭和普通消費(fèi)場(chǎng)景還會(huì)受到安全、法規(guī)、責(zé)任和用戶接受度等因素影響。

自動(dòng)駕駛已經(jīng)發(fā)展很多年，道路場(chǎng)景的復(fù)雜程度在某些方面可能還低于通用機(jī)器人，但至今仍然存在大量長(zhǎng)尾問(wèn)題，無(wú)法輕易從 L2 直接進(jìn)入 L3。

機(jī)器人進(jìn)入家庭也會(huì)面臨類似問(wèn)題，而且可能更加復(fù)雜。掃地機(jī)器人已經(jīng)使用很多年，但遇到線頭、障礙物或者復(fù)雜地面時(shí)，仍然需要持續(xù)優(yōu)化。通用機(jī)器人還要面對(duì)電視、家具、寵物、兒童和昂貴物品。家里可能有古董花瓶，機(jī)器人一次失誤就會(huì)造成損失。

工廠雖然要求嚴(yán)格，但環(huán)境更容易標(biāo)準(zhǔn)化，也可以設(shè)置安全區(qū)域和操作規(guī)范。因此，工廠通常更適合作為早期規(guī)模化落地場(chǎng)景。

Q：這幾年具身智能玩家越來(lái)越多。有人認(rèn)為今年是量產(chǎn)元年，也有人判斷80%的廠商可能會(huì)死在量產(chǎn)這條線上。您怎么看？

具身智能要真正落地，量產(chǎn)肯定是必須面對(duì)的一關(guān)。今年不做，明年也要做；明年不做，后年還是要做。

但“量產(chǎn)元年”這個(gè)詞，我已經(jīng)連續(xù)聽了好幾年了，幾乎每年都是元年。這說(shuō)明大家對(duì)行業(yè)的期待很高，也都在努力推動(dòng)量產(chǎn)。

機(jī)器人只有真正進(jìn)入生產(chǎn)和使用環(huán)節(jié)，才能持續(xù)產(chǎn)生價(jià)值。如果長(zhǎng)期停留在表演和展示階段，能夠創(chuàng)造的價(jià)值仍然有限。

Q：現(xiàn)在國(guó)內(nèi)人形機(jī)器人和工業(yè)具身智能，在全球范圍內(nèi)究竟處于什么水平？現(xiàn)在能不能直接說(shuō)，中國(guó)的人形機(jī)器人已經(jīng)全球領(lǐng)先？

整個(gè)行業(yè)目前仍然處于探索階段。剛才提到的很多難點(diǎn)，都不可能在短時(shí)間內(nèi)完全突破。

現(xiàn)在確實(shí)已經(jīng)有一些試點(diǎn)工站，也取得了不錯(cuò)的效果。但基礎(chǔ)模型建設(shè)、基礎(chǔ)數(shù)據(jù)積累都還需要時(shí)間。如果要談大規(guī)模應(yīng)用，可能還要繼續(xù)等待。

我覺(jué)得很難對(duì)整個(gè)行業(yè)做一個(gè)籠統(tǒng)判斷。不同公司可能在不同方向上具備領(lǐng)先性。

全球范圍內(nèi)，特斯拉等公司也在做相似的工業(yè)場(chǎng)景。從目前能夠看到的信息看，大家整體水平比較接近。有些海外公司甚至沒(méi)有自有工廠，因此在真實(shí)工廠里的長(zhǎng)期打磨可能相對(duì)少一些。

特斯拉有自己的工廠，但至少?gòu)墓俜焦_信息看，它披露的智能制造應(yīng)用還不算特別多。單從公開進(jìn)展看，我們?cè)谛袠I(yè)內(nèi)應(yīng)該還是處于領(lǐng)先位置。

Q：現(xiàn)在外界也在頻繁討論具身智能泡沫。這個(gè)泡沫會(huì)不會(huì)有一天突然破掉？

我覺(jué)得行業(yè)可能會(huì)出現(xiàn)階段性的低潮，但長(zhǎng)期方向不會(huì)改變。

機(jī)器人的愿景足夠大，未來(lái)可能改變的事情很多。只要這個(gè)空間仍然足夠?qū)拸V，就會(huì)不斷有資金、人才和資源進(jìn)入。

回顧機(jī)器人行業(yè)的發(fā)展歷史，每隔一段時(shí)間都會(huì)出現(xiàn)一輪高潮。千禧年前后，大家看到機(jī)器人可以行走、說(shuō)話，產(chǎn)生過(guò)一次很高的預(yù)期。再往前看，上世紀(jì)八九十年代，機(jī)器人已經(jīng)能夠識(shí)別多人說(shuō)話，也曾經(jīng)讓人覺(jué)得通用機(jī)器人很快就要來(lái)了。

機(jī)器人行業(yè)一直是在希望、高潮和低谷之間向前發(fā)展。每個(gè)時(shí)代的新技術(shù)，都會(huì)給它帶來(lái)新的能力和想象空間。有些公司可能會(huì)離開，也會(huì)有新的公司進(jìn)入。

自動(dòng)駕駛已經(jīng)發(fā)展了很多年，中間經(jīng)歷過(guò)不少起伏，現(xiàn)在依然有大量公司繼續(xù)投入。機(jī)器人的故事比自動(dòng)駕駛還要龐大，發(fā)展周期也可能更長(zhǎng)。

所以我認(rèn)為它會(huì)有低潮，但不會(huì)因?yàn)橐淮蔚统笔ラL(zhǎng)期價(jià)值。至少我個(gè)人會(huì)一直做下去。

Q：未來(lái)兩三年，一些異形或者專用機(jī)器人可能會(huì)更早落地。小米會(huì)不會(huì)推出這類非人形產(chǎn)品，先填補(bǔ)人形機(jī)器人量產(chǎn)前的窗口期？

目前管理層的方向比較堅(jiān)定，還是希望奔著長(zhǎng)期終局去。

針對(duì)一些具體場(chǎng)景，我們可能會(huì)在人形機(jī)器人基礎(chǔ)上做減法和變形，比如改為輪式底盤，或者調(diào)整部分結(jié)構(gòu)。但不會(huì)投入大量資源，單獨(dú)開發(fā)一套只針對(duì)某個(gè)狹窄場(chǎng)景的異形機(jī)器人。

Q：與長(zhǎng)期專注機(jī)器人領(lǐng)域的廠商相比，小米的優(yōu)勢(shì)和差異在哪里？

小米最大的優(yōu)勢(shì)之一，是集團(tuán)平臺(tái)和資源整合能力。

小米常被稱為最有硬件基因的互聯(lián)網(wǎng)公司。集團(tuán)擁有手機(jī)、汽車和大量智能硬件供應(yīng)鏈，這些資源都可以支撐機(jī)器人本體的設(shè)計(jì)和制造。從供應(yīng)鏈覆蓋范圍看，小米可以調(diào)用的資源可能比很多單一機(jī)器人公司更廣。

同時(shí)，小米也有 MiMo 大模型、小愛同學(xué)等AI能力積累，可以幫助機(jī)器人構(gòu)建大腦。硬件、模型、產(chǎn)品和場(chǎng)景可以在集團(tuán)內(nèi)部形成更完整的協(xié)同。小米自己經(jīng)營(yíng)工廠，團(tuán)隊(duì)能夠直接進(jìn)入工廠工作，知道產(chǎn)線真正的痛點(diǎn)在哪里，也知道機(jī)器人應(yīng)該提供什么能力。

集團(tuán)內(nèi)部人員背景也比較多元，有來(lái)自手機(jī)、汽車、AI、影像和制造領(lǐng)域的同事。不同團(tuán)隊(duì)會(huì)把各自積累的經(jīng)驗(yàn)和認(rèn)識(shí)帶進(jìn)機(jī)器人項(xiàng)目。

所以集團(tuán)提供的不只是資金和供應(yīng)鏈，還包括對(duì)產(chǎn)品、制造和真實(shí)世界的理解。

海外機(jī)器人公司為什么要和寶馬等車企合作？因?yàn)樗鼈冃枰鎸?shí)汽車工廠驗(yàn)證產(chǎn)品。對(duì)于普通初創(chuàng)公司來(lái)說(shuō)，說(shuō)服一家汽車工廠開放產(chǎn)線、允許機(jī)器人長(zhǎng)期測(cè)試，成本和風(fēng)險(xiǎn)都非常高。

小米擁有自己的汽車工廠，可以讓團(tuán)隊(duì)長(zhǎng)期駐場(chǎng)，持續(xù)采集數(shù)據(jù)和發(fā)現(xiàn)問(wèn)題。真實(shí)場(chǎng)景積累的經(jīng)驗(yàn)會(huì)反哺產(chǎn)品，讓機(jī)器人的進(jìn)化速度更快，也更貼近實(shí)際需求。比如工廠光線會(huì)隨著陰天、雨天、季節(jié)和晝夜發(fā)生變化。初創(chuàng)公司很難長(zhǎng)期留在第三方工廠，完整獲得這些數(shù)據(jù)。對(duì)小米來(lái)說(shuō)，這種持續(xù)測(cè)試相對(duì)更容易實(shí)現(xiàn)。

Q：機(jī)器人現(xiàn)在大概相當(dāng)于自動(dòng)駕駛發(fā)展的哪個(gè)階段？

如果一定要類比，可能相當(dāng)于 L2 早期。

在有人看護(hù)和必要時(shí)干預(yù)的情況下，機(jī)器人已經(jīng)可以自主完成一些任務(wù)。但要完全脫離人的監(jiān)管，還存在明顯距離。

從技術(shù)形式看，可以類比 L2；從普及規(guī)模、任務(wù)效率和成熟度看，機(jī)器人甚至比今天的汽車 L2 更早期。

Q：未來(lái)會(huì)推出面向消費(fèi)者的機(jī)器人產(chǎn)品嗎？

現(xiàn)在討論賣給消費(fèi)者之前，需要先回答一個(gè)問(wèn)題，用戶買回去以后，希望它做什么。

情感陪伴是一種可能的方向，但真實(shí)需求還需要繼續(xù)驗(yàn)證。大家是否會(huì)長(zhǎng)期與虛擬人格交流，交流頻率有多高，現(xiàn)在并沒(méi)有完全清晰的答案。一些游戲和大模型產(chǎn)品已經(jīng)證明，部分用戶確實(shí)存在情感交流需求。但擬人化產(chǎn)品也會(huì)涉及監(jiān)管、道德和合規(guī)問(wèn)題。

機(jī)器人行業(yè)有很多不同方向。我們不會(huì)簡(jiǎn)單判斷哪條路線一定錯(cuò)誤，更希望不同團(tuán)隊(duì)分別探索，最終形成更多能夠服務(wù)用戶和社會(huì)的產(chǎn)品。