從AI的爆火，到具身智能的走紅，再到今年CES上，老黃以“美國隊長”的形象高舉人形機器人，彷彿“機器人養老”和“機器人做家務”的時代即將到來。但現實很快給了這場幻想一記耳光。就在不久前舉行的全球首屆人形機器人半程馬拉松上，機器人連完成“持續行走”這一通用化的第一步都困難重重。理想與現實的落差讓大眾開始質疑：我們距離第一款真正的通用機器人還有多遠？什麼路徑才能使我們更接近“通用”的目標？在騰訊科技《具身之路》系列直播第二期中，騰訊科技邀請維他動力聯合創始人趙哲倫，“九隻機器狗”主人、零零後CEO、硬體工程師張振堯，以及前STARY電動滑板品牌創始人&CEO陳正翔，探討具身智能的產品化起點以及實現通用機器人的有效路徑。其中，維他動力聯合創始人趙哲倫從產業化與商業化的角度，分享了他對通用機器人發展的理解與思考。維他動力（Vita Dynamics）是一家機器人公司，於去年12月在北京成立，其三位創始人分別是地平線前智能駕駛總裁余軼南，和前理想汽車智能駕駛產品總監趙哲倫，前地平線軟體平台總架構師宋巍，核心業務是面向C端使用者交付機器人產品。《具身之路》系列第一期回顧：《機器人跑馬拉松，累到“斷腿”的是工程師》在本期直播中，趙哲倫分享的核心觀點如下：1、通用機器人的發展路徑，類似智慧型手機從PDA到iPhone的十五年演變，必須依賴底層技術成熟與應用場景迭代，不可能一蹴而就。2、真正能落地的機器人產品，必須抓住原理型技術向工程化技術過渡的臨界點，結合場景拆分移動與操作能力，優先實現自然互動。3、機器人產品交付要優先從簡單、容錯率高的任務切入，沿著“低複雜度、低風險”到“高複雜度、高風險”的路徑漸進擴展，逐步驗證PMF並擴大應用邊界。以下為趙哲倫的觀點整理：要走向通用，先交付產品我其實特別想問大家一個問題：機器人實現“通用”需要多少年？是5年內？10年內？還是10年以上？此外，未來的“通用機器人”是否一定是人形？我們創業、做產品落地，必須面對的現實問題是——到底能不能做出真正有用的產品。所以我也經常會問自己，什麼叫“通用”？為什麼說人形機器人“通用”？是因為它“像人”，可以適配很多環境嗎？我們現在身邊有什麼真正通用的東西？手機、電腦，或者人本身？我覺得手機可能是一個非常典型的通用產品。它是一個“通用資訊終端”，我們所有的資訊互動、內容獲取、資料接收都可以通過它來完成。它之所以長成現在這樣，是因為它剛好最適合被人用手握住，也方便放進口袋。這個設計跟今天大家看待人形機器人的邏輯很像：因為它是服務人的，所以要“像人”。說到手機，我們都知道2007年iPhone發佈後，手機形態基本定型。但如果我們往前看，其實早在1992年，蘋果就發佈了第一款PDA產品“牛頓”，雖然不是賈伯斯主導的。後來PDA真正做得比較好的是美國的Palm公司。當時北美的PC普及率已經上來了，所以自然有人想：“能不能把電腦放進兜裡？”這其實就是“掌上型電腦”或者“通用資訊終端”的原始構想。但這個想法真正落地，花了15年時間。當時的PDA很多技術條件都還不成熟：螢幕是黑白的，沒有好的顯示能力；電阻觸控筆，沒有電容屏；裝不了相機，拍不了照；沒有內容生產能力；儲存能力也差；續航也不行。所以，這個“通用終端”最後能成型，是因為技術一步步積累上來的。這15年裡發生了什麼？通訊技術從1G、2G慢慢發展到3G，手機硬體開始能支援觸控、能裝相機；隨身聽（比如Walkman）推動了電池和儲存的發展；掌機遊戲（從GameBoy到PSP）推動了顯示與計算的發展。最終是這些領域的進步匯聚到一個時點，也正好有一個像賈伯斯這樣理解人文與科技的人，把它們整合在一起，才出現了iPhone這個真正通用的資訊終端。我覺得，今天的機器人一定也會走到那個終點，但過程中會先出現大量垂類的、有價值的中間產品。每一代都可能是很優秀的產品，服務於不同的場景。我一直挺認同Steve Jobs那句名言：“Real artists ship”，真正的創造者是要把產品做出來的。而現在很流行的那句“先做個垃圾出來，再迭代”，其實也挺有道理。你先得“上路”，才能不斷迭代、打磨。前幾天我刷到一個小紅書的海報，說的是產品迭代路徑：不是一開始就做出一輛完整的車，而是先從滑板車做起，逐步進化。這個思路我很認同。對我們這類C端機器人公司來說，特別核心的一件事就是“沿途下蛋”。從我們過去5到10年做自動駕駛的經驗來看，像L2級的高速NOA、城市NOA等，很多都是隨著晶片能力、資料量、演算法能力的發展，逐步實現的。中間每一個階段都“下蛋”，產生了具體價值，也積累了商業閉環所需的能力。這是一個現實的過程。所以我並不認為短期內能一下子做出一個完全通用的機器人，這是不現實的。那我們怎麼去選擇機器人該具備什麼能力？我覺得最底層可以拆成三個：第一，自然互動；第二，自主移動；第三，自主操作。這三項能力的組合和不斷增強，是具身智能真正產生價值的基礎。未來的路徑，肯定也是在這些基礎能力的持續演進中，一步步接近通用。走向通用的有效路徑是什麼？我們心裡一直有個明確的劃分，就是技術大體可以分成兩類：一類是“原理型技術”，另一類是“工程化技術”。其實大家也都很清楚，原理型技術更多是科研熱點，它的目標可能是實現0到1的突破——那怕成功率只有1%、2%，只要能跑通一次，在科研層面就算是完成了任務。但如果我們要真正把產品交付到使用者手裡，那就需要的是工程化技術。這種技術的要求是，你得把成功率從90%做到99.999%，後面可能還要多幾個9。因為一旦你要向使用者交付某個具體價值，它的出錯率就必須足夠低，才有真正的商業意義，這是一個非常核心的差別。那今天我們怎麼看這個事？如果把機器人拆成幾個關鍵模組，我們認為像四足和夾爪這些技術，其實已經到了可以從原理型向工程化過渡的階段，是有機會推進的。而像兩足行走和靈巧手，目前還更多停留在實驗室階段，相對不那麼成熟。舉幾個例子，其實有些領域已經從原理階段向工程階段過渡了，比如大模型驅動的自然語言交流。再比如我熟悉的城市智能駕駛，還有現在的大模型應用如Chatbot——這些東西已經開始進入大規模落地，比如高速智駕，現在已經成為十幾萬等級車輛的標配。這些AI能力已經實際用到了使用者端，已經從科研走向了應用。我們在“從0到1”的創業過程中，選擇的策略是：從那些原理型技術正好過渡到工程化的“臨界點”上，去做落地，這是我們做產品的基本邏輯。而在落地場景上，我們一開始就把場景分為兩類：一類是outdoor，即自然環境；另一類是indoor，也就是人類建構的空間。說到這裡，我得提一句：我以前是Elon Musk的鐵粉，五年前我專門飛到美國參加了Cybertruck的發佈會。Elon一直要將機器人要做成“人形”。但我現在也開始有一些新的思考。比如說，我們今天討論人形機器人，很多邏輯其實都是基於“人所建構的世界”，我們的大部分生活空間，比如桌子高度、椅子尺寸、櫥櫃層級，這些都是基於人的臂展和腿長來設計的，所以人形機器人在室內環境中是天然適配的。但一旦離開建築，進入戶外的自然環境，人形反而會失去一些優勢。人類從四足到直立，是一個不斷喪失戶外生存能力的過程。在自然環境中，機器人如果具備四足、全地形移動能力，其實更有優勢。所以我們在找場景的時候，也在拆解能力的分佈——outdoor更看重的是自主移動的能力，而indoor更依賴的是自主操作的能力。這是一個天然分化出來的邏輯，比如說在室內，大多數情況下輪子就能解決問題。如果不是那種一會上樓、一下下樓、一會擦桌子、一會送外賣的場景，其實輪式機器人已經足夠應對。相對來說，移動的剛需沒有那麼高。另外一個很關鍵的點是自然互動。無論在那種場景，自然互動一定是機器人最核心的互動方式。每一代爆品產品的出現，往往伴隨著互動介面的變革。比如賈伯斯定義了GUI（圖形介面），今天機器人最理想的互動方式，一定是AI native的自然語言互動（NUI）。我們現在在做的四足原型機，第一項開發能力就是“跟隨”，第二項就是“自然語言互動”。因為當你發現機器人能跟著你走的時候，你天然不想再掏手機控制它，也不想拿遙控器，你只想直接對它說：“你靠近一點”或者“你離我遠一點”。這是人對智能的天然期望。從我們的角度來看，室外場景更需要的是負重、自主移動、全地形能力；而室內場景更需要的是操作能力，比如做家務。做家務其實並不需要四足機器人；而如果你要外出跑腿，那手臂反而沒那麼必要。我們現在的策略，是把這兩個能力棧分開來做，有選擇地聚焦，既保證一定的通用性，又能降低商業化路徑中的複雜度和成本。機器人產品交付優先完成簡單低風險任務接下來講講機器人產品交付的優先順序排序。現實裡，我們家中存在各種任務，比如清潔、整理、收納，而除了掃地機器人搞定的地面清潔，其他大多數任務都還沒有被機器人真正解決。我們可以用一個二維坐標來理解任務的分佈：橫軸是任務的複雜程度，縱軸是出錯的容忍度。舉個例子，把晾衣架上的衣服拿下來丟到沙發上，這個任務不算複雜，出錯成本也低，就算掉地上了也沒關係；但你要讓機器人把衣服疊好，就非常難，因為涉及複雜的形態識別與操作規劃。如果機器人是在廚房拿一把刀，或者拿一個玻璃杯，那就完全不同了——出錯一次可能帶來嚴重損失。所以我們更傾向於優先解決“左下角”的任務，也就是簡單且容錯率高的任務，通過這些入口切入使用者生活，再慢慢拓展向“右上角”的高複雜、高風險任務。這是我們長期做自動駕駛帶來的思考路徑：別一下子沖頂，要“從左下往右上延伸”。科研挑戰當然可以直接對標右上角，但商業化一定得從最具性價比、最容易驗證PMF的點切入。比如在有娃的家庭裡，玩具經常被扔得到處都是，那是不是可以讓機器人幫忙整理？比如沙發上堆了一堆衣服，是不是能幫忙做基本收納？這些問題比“幫你在廚房切菜”要好解決得多。這就是一個典型的漸進路徑。 (騰訊科技)
