大模型给具身智能装上“大脑”

人工智能的下一个浪潮

刚过去的八月，AI 领域机器人“上桌”。前有华为天才少年“稚晖君”的智元机器人一口气发布了五款商用人形机器人，后有多达 27 款人形机器人亮相世界机器人大会。

苹果也宣布将进军机器人行业，推出一款带有机械臂的桌面机器人，代号J959。外媒猜测，苹果将利用这款机器人设备打入智能家居市场，被认为是苹果进军机器人市场的第一步。

据外媒报道，该设备将结合一个类似 iPad 的大型显示屏、摄像头和一个带有机械臂的底座，预计将于 2026 年或 2027 年左右发布。

从搬运货物的轮式机器人到能写一手老练毛笔字的AI机器人助理，再到可以检测汽车部件的工业机器人，人形机器人正在向产业和生活端不断渗透。

同时，国内具身智能热也从产业端蔓延至投融资领域，热钱疯狂涌入。根据来觅PEVC的数据显示，2024年一季度机器人领域合计发生融资案例59起，涉及融资金额45.22亿元。其中，最为疯狂的是，智元机器人成立17个月就完成了7轮融资，投前估值已达70亿元。

具身智能成为继AI Agent之后的另一个火热的大模型落地方向，也是大家都无法也不敢错过的存在。

一方面，创业者集中涌入。IT桔子数据显示，2023年1月至今国内共成立了29家人形机器人公司，其中有22家已经获得至少1轮融资。

另一方面，大厂也都或多或少地参与到具身智能的投资中。具身智能初创企业融资背后不乏百度、阿里、美团、科大讯飞、小米、联想、京东等科技巨头的身影。

实际上，现在具身智能之所以如此火热出圈，离不开大模型及生成式AI的发展。

具身智能这一概念早在1950年就被提出，进入21世纪后，具身智能开始在机器人领域进一步发展。直到去年 ITF World 大会上，“具身智能”概念被黄仁勋带火。黄仁勋直言，人工智能的下一个浪潮将是具身智能，即能理解、推理并与物理世界互动的智能系统。

大模型的出现让具身智能赋能实际应用这曾一遥不可及的梦想有了实现的可能性。

那么大模型是如何影响具身智能的？具身智能是昙花一现还是能长盛不败？其发展的难点、卡点和关键点又是什么？

一、初创企业狂吸金，巨头进场砸钱

在大模型领域一直流传着“新AI四小龙”和“大模型五虎”，而在具身智能赛道也有自己的“新旧四小龙”。

“老牌四小龙”包括优必选、达闼机器人、非夕科技、宇树科技；“新四小龙”则分别是智元机器人、有鹿机器人、逐际动力和银河通用。

老牌四小龙成立时间早，大多集中在2012-2015年成立，在技术、产品以及市场上都更为成熟。

而新四小龙则大都诞生于这波大模型浪潮下，相比于传统机器人公司，他们更加关注将AI与机器人的深度融合。尽管成立时间较短，但这些新兴公司在市场上展现出强大的竞争力，吸引了大量投资。

智元机器人成立之初就自带光环，由华为天才少年“稚晖君”带队，专注于发展通用人形机器人和具身智能，致力于以AI+机器人的融合创新，打造世界级领先的机器人产品和生态。

目前，智元机器人已经拿到了天使轮、A轮、A1轮、A1+轮、A2轮、A3轮、A4轮等多轮融资，其中包括红杉中国、尚欣资本、上海临港新片区基金等顶级资本，还有百度、比亚迪、上汽等产业资本，“吸金”能力可谓强悍。

另一家明星企业当属银河通用。去年5月成立的银河通用，在今年两个月内，就完成两次融资，今年6月获得超7亿人民币天使轮融资，被称为“年度最大天使轮”，仅一个月后香港投资管理有限公司追加投资。在新一轮融资后，银河通用的最新估值为4.25亿美元。

两次融资的阵容也十分豪华，既有中关村科学城、首钢基金等国资背景，也有IDG资本、源码资本等风投机构，同时还包括美团战投、讯飞创投、商汤国香资本等产业资本。

有鹿机器人和逐际动力也都凭借着自身的技术优势和商业化落地方案获得了资本的青睐。

有鹿机器人专注于机器人通用大脑研发，依托于自主研发的第二代具身智能技术LPLM大模型致力于让每一台专业设备都拥有智能性。在今年5月获得一笔来自中国头部清洁设备制造商的超千万元的订单。

据官方披露，截至目前有鹿机器人已完成由元璟资本、创新工场、百度风投等投资的超1亿元融资。

逐际动力是为数不多的将空间智能与运动智能结合的公司，这意味着机器人同时具备了”眼睛”和”肢体”的协调能力。其自主研发的“CL-1”的人形机器人已经基于实时地形感知上楼梯、起跑加速、转身往返等运动。

7月，逐际动力也完成数亿元A轮战略融资，由阿里巴巴、招商局创投、上汽集团旗下尚颀资本领投，原始股东峰瑞资本、绿洲资本和明势资本跟投。

一方面是，具身智能初创企业疯狂吸金。据智东西统计，截至2024年6月30日，今年国内机器人行业融资69起，已披露金额的融资事件中亿元级融资12起，机器人领域已披露融资总额总计约在75亿元左右。

另一方面是，巨头正在疯狂砸钱。如果仔细分析就会发现，在具身智能融资背后，国内外大厂在具身智能领域的争夺也进入白热化阶段。

百度、阿里、腾讯、美团等选择直接投资。百度今年连续两轮押注智元机器人；阿里领投逐际动力；而在银河通用背后站着美团；腾讯投资了港股成功上市的“人形机器人第一股”优必选。

而字节跳动、小米等则选择自主研发，字节跳动在AI和机器学习领域有着深厚的积累，小米则在智能家居和机器人领域有着丰富的经验。

具身智能作为大模型之后的下一个人工智能趋势，大家都不想错过。

二、大模型给具身智能装上“大脑”

斯坦福大学计算机科学教授李飞飞认为，具身智能是 AI 领域的下一个“北极星问题”之一，它能够在虚拟世界中探测和改变自身环境，与周围环境交互，学习复杂的类人任务。

即具身智能能够在与现实环境产生交互后，通过自身的学习，认识和改造世界。区别于我们目前所提到的AI大模型，如果说AI大模型现在能够认识世界，那么具身智能是AI的更高阶形式，能够对物理世界进行改造。

这也就意味着，具身智能的实现需要软硬件高度集中，其中的核心突破点在于大模型。可以说，大模型给具身智能装上了强大的“AGI大脑”。提升了机器人在感知、理解和规划任务上的泛化能力，也对人机交互产生颠覆性影响。

那么大模型如何影响具身智能的？

从架构上看，具身智能分为大脑、小脑和肢体三个重要部分。大脑负责感知和决策，小脑控制肢体生成动作，肢体则通过传感器、执行器等硬件设备与物理世界进行交互。

以往，传统的具身智能系统存在环境适应性差，只能在特定、预定的环境中运行，难以适应复杂多变的环境；任务执行效率低，往往需要人工干预；及缺乏自主学习和泛化能力。

而大模型的出现，正在改变了这一现象。大模型对具身智能的影响更多集中在“大脑”层面，目前的通用大模型本质都是在接收和回答图文信息，是决策和感知的过程，而最直观的效果是我们可以与机器人用自然语言的方式进行交流。

去年7月，李飞飞团队发布具身智能新成果，机器人接入大模型后直接听懂人话，将复杂的指令转化成具体行动规划，无需额外数据和训练。

在大语言模型+视觉语言模型的辅助下，机器人能从3D空间中分析出目标和需要绕过的障碍并规划行动。

大模型的出现让机器人理解世界的能力、推理决策的能力得到大幅度提升。

大模型之于具身智能的意义，不仅在于大模型让机器人获得自然语言能力，更重要的是这极大降低了机器人的使用门槛，有望推进机器人落地各行业应用场景。

可以说，大模型的成功，为具身智能的发展带来了拐点，除了大模型的赋能，政策端的加持让这一拐点加速推进。

2023年11月，工信部又印发《人形机器人创新发展指导意见》，提出到2025年建立创新体系、整机产品达到国际先进水平，以及到2027年产业综合实力达到世界先进水平等发展目标。

今年6月，北京也发布《北京市机器人产业创新发展行动方案(2023-2025年)》，首次针对人形机器人行业进行政策指导，并提出加紧布局人形机器人，对标国际领先人形机器人产品，支持企业和高校院所开展人形机器人整机产品、关键零部件攻关和工程化。

在国内，人形机器人在智能制造领域不断渗透，覆盖电子、汽车等行业。家用场景下的机器人今年也迎来前所未有的发展机遇，市场规模已触及数百亿美元的量级，并预计未来十年内将继续保持高速增长的态势。

据国际机器人协会预测，2021年至2030年，全球人形机器人市场规模年复合增长率将高达71%。中国电子学会数据显示，到2030年，我国人形机器人市场规模有望达到约8700亿元。

从技术到产业，从政策引导到商业落地，具身智能的时代正在到来，也是各大科技巨头押注具身智能深层原因。

三、具身智能的难点、卡点和关键点

尽管具身智能现在融资火热、新品频出，未来市场广阔，但业内普遍认为产业尚处于早期，要形成规模化商业化应用还有很长一段路要走。

具身智能要向前发展，难在盈利和落地，卡在数据。

首先，具身智能商业化前景不明朗，盈利难。

被誉为“人形机器人第一股”的优必选，已经连续四年亏损。从2020年至2022年，公司的净亏损分别达到7.07亿元、9.20亿元、9.75亿元和12.34，累计亏损超过38亿元，且毛利率也在不断下滑。

具身智能难以实现商业化的背后是落地难的窘境。

目前人形机器人主要集中在在工业、交互服务、营销，以及商业3C等场景，在家庭服务方面，要完全走进还需要5-8年时间，甚至更远，而更多应用场景仍处在探索和试验阶段。尽管有些具身智能企业已经开始小规模量产，而要达到市场所需还远远不够。

实际上，具身智能场景受限和量产困难的背后是成本的制约。尽管目前人形机器人的制造成本在逐渐下探，由之前的上百万到如今的几十万，但对于整个市场的接受度来说依然在上限之上。

具身智能背后涉及从软件到硬件的超长供应链，且技术门类众多。

伺服器、减速机、控制器是工业机器人三大核心零部件，成本占比超70%。由于人形机器人相较于工业机器人拥有更大的自由度，因此减速器、电机成本占比将会更高。

要想将人形机器人的成本打下来，通过自研降低这些关键零部件的价格是绕不开的关键点。

在成本方面，还有一个大头——数据。

数据是具身智能发展的核心壁垒，如何能持续从物理世界获取数据并高效使用是制约其继续发展的主要瓶颈。

当前，对于具身智能公司来说，绝大部分数据都是闭源的，如果要实现长足发展，构建数据自主权是必须要解决的问题。

智元机器人在过去一年里，构建了一套完整的全流程具身数据方案 AIDEA，投入了大量的数据采集成本。

稚晖君表示，他预计接下来智元会有百台以上自由部署机器人专门用来做端到端的数据采集，他们也将于四季度开源基于 AIDEA 的百万条真机、千万条仿真数据集，以积极建设开放生态。

实际上，数据问题背后还涉及到具身智能的泛化问题。泛化可以理解为一种迁移学习的能力，把从过去的经验中学习到的表达、知识和策略应用到新的领域。

上文提到大模型对具身智能得影响主要集中在大脑层面，在感知和决策完成后，需要机器人调用“小脑”去泛化，根据任务驱动身体完成行为。

而在这一过程中大模型对肢体运动和控制得作用则小很多，也就是说具身智能得泛化能力还受到很大局限。

数据问题又不仅是数据问题 ，它与商业化息息相关。

当时GPT-40发布时就有人分析，OpenAI之所以没有发布GPT-5而是发布GPT-40的一个重要原因是想利用GPT-40获取更多高质量的多模态数据资源。

有鹿机器人陈俊波博士曾表示，具身智能需要像特斯拉一样在真实物理世界里获取数据来完善世界模型，但想获取真实物理世界的数据必须率先完成商业化，第一时间把产品投放到市场，获得更大规模和更高质量的数据，数据规模变得更大后，智能程度更高，进一步推动商业化程度，实现正向循环。

长期来看，具身智能产品研发投入高、应用落地周期长，行业的马太效应会逐渐显现，资金和资源将涌向有技术突破、产品创新及手握订单的头部明星创企，而中腰部及尾部生存空间将进一步压缩。

对具身智能企业来说，要想实现长足发展，数据、技术、商业化三者缺一不可，只有让这三个飞轮转起来，才能有望跑出来。

文章来自于微信公众号“AI大模型工场”，作者“参商”