不久前(qian)，國內(nei)機(ji)器(qi)人公(gong)司宇樹(shu)科技在(zai)其官(guan)方公(gong)眾號推送(song)了(le)(le)一篇名為(wei)《Unitree G1 人形智能體 AI化身(shen) ￥9.9萬(wan)元(yuan)起(qi)》的文(wen)章(zhang)，宣布(bu)其推出了(le)(le)一款(kuan)9.9萬(wan)的人形智能機(ji)器(qi)人。十(shi)萬(wan)不到的價格，瞬間讓人有一種(zhong)科幻馬(ma)上就要照(zhao)進現實(shi)的既視感。
盡管2024年的進度條(tiao)走了還(huan)不到一半(ban)，但有關(guan)人形機器人的炸場消息卻是接(jie)連(lian)不斷(duan)。
先是英偉(wei)達(da)CEO黃仁勛在其3月份召開的GPU技術大(da)會上與(yu)9款(kuan)人(ren)(ren)形(xing)(xing)機(ji)器人(ren)(ren)同(tong)臺，接著宣布(bu)英偉(wei)達(da)將開啟人(ren)(ren)形(xing)(xing)機(ji)器人(ren)(ren)通用基(ji)礎模型GR00T項(xiang)目，用新GPU為(wei)人(ren)(ren)形(xing)(xing)機(ji)器人(ren)(ren)智能化(hua)提供算力支撐。引(yin)發(fa)了一陣關于具身智能的熱議(yi)。
一個月后，老(lao)牌機器人(ren)(ren)(ren)公司波(bo)士頓動力宣布旗下傳統的(de)(de)液壓式(shi)人(ren)(ren)(ren)形機器人(ren)(ren)(ren)退(tui)役，并(bing)推出其全(quan)新研發的(de)(de)全(quan)電動Atlas機器人(ren)(ren)(ren)。又掀起(qi)了(le)一波(bo)關于人(ren)(ren)(ren)形機器人(ren)(ren)(ren)發展過往的(de)(de)追憶熱潮。
5月初，特斯(si)拉發布了一段(duan)展現其(qi)人形(xing)機器人Optimus（擎天(tian)柱）的視(shi)頻(pin)。視(shi)頻(pin)中，有的機器人在(zai)拾(shi)取(qu)電池芯并將它們(men)準確插入到對應(ying)的托盤中，還有機器人在(zai)進(jin)行(xing)其(qi)他物品的擺(bai)放和衣物折疊等操(cao)作。
緊(jin)接著(zhu)就是上文提到的(de)，宇樹科技祭(ji)出了(le)9.9萬的(de)價格大招。
看到如此(ci)一(yi)系列(lie)密集的(de)(de)大事件，很(hen)難(nan)(nan)讓人(ren)(ren)不產生一(yi)種(zhong)人(ren)(ren)形(xing)機器人(ren)(ren)的(de)(de)春天已(yi)經來(lai)臨的(de)(de)幻覺，也難(nan)(nan)怪(guai)有人(ren)(ren)會高呼“2024年是(shi)人(ren)(ren)形(xing)機器人(ren)(ren)元(yuan)年”。
到今天，人形(xing)機器人經歷(li)了怎樣的(de)發展歷(li)程(cheng)？為什(shen)么大(da)家(jia)突然又對其展現出(chu)如此(ci)大(da)的(de)熱情？在這些(xie)歡呼的(de)背(bei)后，人形(xing)機器人的(de)發展還(huan)面(mian)臨哪些(xie)問題？本文將(jiang)就這些(xie)議題展開討論(lun)。
人形智能機器人的成長路徑
根據控制論的觀點，非生命體具備智能的一個關鍵表現，就是其能夠和生命體一樣對周遭復雜環境進行主動感知，并作出合理反應。這需要(yao)至少三個要(yao)素(su)的支撐：感覺要(yao)素(su)、運動(dong)要(yao)素(su)和思考要(yao)素(su)。
如果從這(zhe)(zhe)個視角出(chu)發，第一臺稱得上人(ren)(ren)形智能機(ji)器人(ren)(ren)的(de)(de)產品(pin)，是(shi)早稻田大(da)學在(zai)1972年推出(chu)的(de)(de)WABOT-1。這(zhe)(zhe)款(kuan)機(ji)器人(ren)(ren)在(zai)不(bu)用人(ren)(ren)類時(shi)刻操(cao)縱的(de)(de)情況下，可以實現自主(zhu)行走、抓取物體、用日語交流等行為。通過各(ge)類傳(chuan)感器，這(zhe)(zhe)款(kuan)機(ji)器人(ren)(ren)擁有一定程度的(de)(de)視覺(jue)、聽覺(jue)和觸(chu)覺(jue)，可以感知(zhi)周(zhou)圍的(de)(de)狀況，并主(zhu)動(dong)調整(zheng)自己的(de)(de)動(dong)作。
事實上，在波士(shi)頓動力和(he)特斯拉(la)站在聚光燈(deng)前的日(ri)子里(li)，人(ren)形機器人(ren)領域主(zhu)要由日(ri)本的機構和(he)企(qi)業引(yin)領。
1984年，WABOT-1的升級版WABOT-2被(bei)推出。它被(bei)設定(ding)為(wei)一款音樂(le)機器(qi)人(ren)，可以識別樂(le)譜，并根(gen)據樂(le)譜彈奏風琴等樂(le)器(qi)。
與此同時，工業巨頭本田也進入了這一賽道，并(bing)在2000年(nian)推(tui)出(chu)了以著(zhu)名(ming)(ming)科幻作家命(ming)名(ming)(ming)的阿西莫(mo)（ASIMO）機器(qi)人。這是一款具備奔跑(pao)、跳躍(yue)等多項(xiang)運(yun)動能力，還可以通過視(shi)覺、聽覺感應器(qi)規劃路線，給人端茶倒水、表演舞蹈，并(bing)能夠用(yong)語音和手語跟(gen)人交流的機器(qi)人。
此后(hou)，追光燈便(bian)打到了北美的舞(wu)臺。
先是波士頓動力在2013年推(tui)出(chu)原型機(ji)，并(bing)于2016年正式發(fa)布，可以實現(xian)跑(pao)酷、后空(kong)翻、側滾翻、前滾翻、180度空(kong)中轉(zhuan)體(ti)、空(kong)中劈叉、360度空(kong)中轉(zhuan)體(ti)等高難度動作，還能在復雜的野外(wai)環境中自(zi)主完成各種任務的Atlas機(ji)器人，長期引領著人形機(ji)器人的話(hua)題榜。
接著，在2021年的特斯拉AI Day上，馬斯克通過幻燈片發布了一款概念人形機器人Tesla Bot，將人形機器人的發展帶入了一條新賽道——從過去更加關注軀體的發展，轉向如何讓其擁有更強的通用智能。
為什么人形機器人突然又行了？
人(ren)形機器(qi)人(ren)的(de)發展并非一(yi)帆風(feng)順(shun)。
由于其研發成本和造價太高，同時又找不到合適的應用場景，使得該領域始終無法實現商業閉環。本田在2018年就停止了(le)機器人(ren)研發業務(wu)，而波(bo)士頓(dun)動力更(geng)是(shi)幾經(jing)易手，從谷歌(ge)到(dao)軟銀再到(dao)現代，命途坎坷。商業模式的不明(ming)朗，讓(rang)人(ren)們一度(du)對這個(ge)賽道的熱情降至了(le)冰點。
之所以人們在2024年又開啟了對人形機器人的熱情，主要原因來自成本的推力和技術的拉力。
首先是大語言模型技術的突破性發展，讓人(ren)們(men)看到了人(ren)形(xing)機器人(ren)向通用性(xing)(xing)方向發展的(de)(de)可能性(xing)(xing)。過去(qu)的(de)(de)機器人(ren)需要通過編(bian)程告(gao)訴它們(men)執(zhi)行什么任(ren)務和怎樣執(zhi)行任(ren)務，沒法實(shi)現(xian)編(bian)碼之(zhi)外的(de)(de)感知與行為，這也大幅限制(zhi)了其(qi)應用場景。而大語言(yan)模型技術的(de)(de)發展，一方面讓人(ren)機交互變得更(geng)加簡單，另一方面也有望實(shi)現(xian)反應層面的(de)(de)涌現(xian)與泛化，通過自主學習完成那些“意料之(zhi)外”的(de)(de)工(gong)作。
其次，就是新能源汽車等行業的發展，讓一些人形機器人的關鍵零部件的價格持續下跌，進而讓人形(xing)機(ji)器人整體的成本下降成為了可能。
過去，一臺人形(xing)機器人的(de)價格動輒在(zai)100萬人民幣(bi)以上。但(dan)近期，市場上陸續出現了一批單價價格帶在(zai)15到(dao)20萬之間的(de)人形(xing)機器人，斯(si)坦(tan)福(fu)機器人、特斯(si)拉、國內(nei)的(de)智元機器人等都先后表態會將成本控制在(zai)20萬以內(nei)，價格下探成為(wei)必然趨勢(shi)。
盡管如此，人形機器人要(yao)在智(zhi)能化(hua)和(he)市(shi)場化(hua)方面(mian)實(shi)現突(tu)破(po)，依舊有一段遠路要(yao)走。
莫拉維克悖論——人形智能機器人待翻越的大山
上世紀80年代，人工智能學者漢斯·莫拉維克、羅德尼·布魯克斯、馬文·閔斯基等人發現，與傳統假設不同，人類所獨有的高階智慧能力只需要非常少的計算能力，例如推理，但是無意識的技能和直覺卻需要極大的運算能力，并據此提出了著名的莫拉維克悖論。
以曾經在圍棋領域大殺(sha)四方(fang)的AlphaGo為例。
盡管其(qi)圍棋(qi)能(neng)力領先到(dao)令人恐怖(bu)的(de)(de)程度，但是(shi)(shi)嚴格(ge)意義上講(jiang)它不是(shi)(shi)一(yi)個(ge)完整(zheng)的(de)(de)棋(qi)手，只是(shi)(shi)一(yi)個(ge)棋(qi)手的(de)(de)大腦部分，負(fu)責(ze)識別局勢、做(zuo)出(chu)(chu)決策，而充當(dang)這個(ge)棋(qi)手軀體的(de)(de)其(qi)實是(shi)(shi)一(yi)個(ge)人類(lei)棋(qi)手。AlphaGo根據對手的(de)(de)招(zhao)數給出(chu)(chu)應對后，需要一(yi)個(ge)專(zhuan)門的(de)(de)人類(lei)棋(qi)手去移(yi)動棋(qi)子。
我們(men)常(chang)常(chang)會忽略這(zhe)(zhe)一點，是(shi)因為(wei)在我們(men)的(de)認知習慣中(zhong)，移動(dong)(dong)棋子是(shi)一個再(zai)簡(jian)單(dan)不過(guo)的(de)操作，在整個對弈過(guo)程中(zhong)，與高深莫測(ce)的(de)下棋策略相比(bi)，這(zhe)(zhe)個動(dong)(dong)作簡(jian)單(dan)到(dao)可(ke)以忽略的(de)程度。但正是(shi)這(zhe)(zhe)種(zhong)對人類而言無比(bi)簡(jian)單(dan)的(de)動(dong)(dong)作，恰(qia)恰(qia)是(shi)智能(neng)機器面臨的(de)最大挑戰。
一個完整的對弈過程，其實是多重能力共同驅動的結果，既需要感知、判斷、分析和決策這些大腦功能，也需要移動和操作這樣的軀體功能。由于我們本能地對人類引以為傲的智力的重視，使得我們在相當長的一段時間里都只關注機器的智能，而沒有將其視為一個完整的、獨立的物種去看待。
隨著應用場景的(de)拓寬和(he)豐富，我們才逐漸意識到(dao)，在(zai)腦力上能(neng)夠戰勝(sheng)頂尖圍棋手的(de)智能(neng)機(ji)(ji)器(qi)，在(zai)運動(dong)(dong)協調性上可能(neng)還不如一(yi)個小孩子。并不是說機(ji)(ji)器(qi)在(zai)單純的(de)運動(dong)(dong)和(he)操作(zuo)方面不如人類(lei)，機(ji)(ji)器(qi)可以(yi)搬運很重的(de)東西，也能(neng)以(yi)讓(rang)人類(lei)望塵莫及的(de)速度移動(dong)(dong)，但是它(ta)們無法像人類(lei)那樣自如地協調好智能(neng)模(mo)塊(kuai)和(he)體能(neng)模(mo)塊(kuai)。
著名認知心理學家史迪芬·平克在其《語言本能》一書中對此評價道：“經過35年人工智能的研究，發現到最重要的課題是‘困難的問題是易解的，簡單的問題是難解的’。四歲(sui)小孩(hai)具有的本能(neng)——辨(bian)識人(ren)臉(lian)、舉起鉛筆、在房(fang)間內走動(dong)、回(hui)答問題(ti)——事實(shi)上(shang)是工程領域內目(mu)前為止最難解(jie)的問題(ti)。當新(xin)一(yi)代(dai)的智(zhi)慧裝置出現(xian)，股(gu)票分析(xi)師、石化工程師和(he)假釋(shi)委員(yuan)會(hui)都(dou)要小心他們的位置被取(qu)(qu)代(dai)，但(dan)是園丁、接待員(yuan)和(he)廚師至少十(shi)年內都(dou)不用擔(dan)心被人(ren)工智(zhi)能(neng)所取(qu)(qu)代(dai)。”
盡管大語言模(mo)型的(de)突破為人(ren)形智能機(ji)器人(ren)的(de)發展帶來了新曙光，但是人(ren)形機(ji)器人(ren)要實(shi)現(xian)“大腦”和“機(ji)體(ti)”之間的(de)順暢銜接和絲(si)滑運(yun)作，依舊是一段漫長而艱(jian)辛的(de)道路，需要不(bu)同領域的(de)參(can)與方共同努(nu)力推進。
便宜是一種相對的價值感
除了技術方面的障礙，價(jia)格也是(shi)一個(ge)問題。
在技術傳播理論中，有一個概念叫價格價值（Price Value），指消費(fei)者在權(quan)衡技術產品或服(fu)務的(de)(de)感知收(shou)益與其感知成本后，所形成的(de)(de)總體評價。簡單來說，就(jiu)是消費(fei)者認為購(gou)買或使用某項技術所花費(fei)的(de)(de)金錢是否值得。
所以，一個產品是否便宜，不是單方面價格因素決定的，而與消費者的感受有很強的關系。
如果(guo)單純(chun)從廠家的角度來看，一臺機器(qi)人，我從過去的100萬、50萬降到了9.9萬，這種骨折式降價(jia)的努力(li)不(bu)(bu)可(ke)謂不(bu)(bu)大。但是(shi)回(hui)到顧(gu)客(ke)這邊(bian)，我花9.9萬買個東西，總得為個什么。顧(gu)客(ke)看重(zhong)的，還是(shi)我買它(ta)過來能干什么，如果(guo)只是(shi)看它(ta)翻跟頭、走路、拿放東西，那(nei)多(duo)少(shao)有點不(bu)(bu)值當。
當然(ran)，肯定會(hui)有一些(xie)燒包樂(le)意(yi)花錢買個新鮮(xian)、炫個闊綽。但是僅靠這些(xie)人撐不起一個大市場，無(wu)法(fa)形(xing)成(cheng)真正的(de)商業(ye)閉環。
所(suo)以(yi)，人形智能機器人要(yao)解決的第二個問題(ti)，就是如何讓它(ta)們真正能夠在人類社會發揮價值。相關企業需要(yao)把自己(ji)克服的技術障礙(ai)轉換成真正的客戶收益。
如果從這個角度看，我們需要的或許不是人一樣的機器，而是能夠代替人的機器。
智能機器，不一定是人形
波士(shi)頓動(dong)力的首席(xi)技術官阿龍·桑(sang)德(de)斯（Aaron Saunders）在一次采訪中表示：人形并不(bu)一定是(shi)機器人完成任務最好的形態。
從上世紀80年代開始，機器人領域就形成了一種共識——機器人應該最先應用在“4D”領域，即臟（Dirty）、危險（Dangerous）、乏味（Dull）和困難（Difficult）四類場景。這些(xie)場景(jing)下的任務通常是人類(lei)不(bu)愿意或不(bu)適(shi)合執行的，而(er)機(ji)器人因其不(bu)知(zhi)疲(pi)倦(juan)和(he)不(bu)怕(pa)危險的特性，能夠很好地(di)完成(cheng)。通過讓機(ji)器人承擔4D場景(jing)下的任務，不(bu)僅可(ke)以(yi)提(ti)高效率和(he)安全性，還能釋放人類(lei)從事更具創造性和(he)價值的工(gong)作。
相比于還(huan)停留在把機(ji)器(qi)人當小(xiao)孩子，讓(rang)它(ta)們(men)給“長輩”表演(yan)一些華而不實的(de)節目(mu)階段的(de)人形機(ji)器(qi)人，一些擺脫了外形桎梏，奔著問題和(he)任務去的(de)公司，已經開始讓(rang)自己的(de)機(ji)器(qi)人產(chan)品在對應的(de)場景中(zhong)發(fa)揮(hui)價值(zhi)。
就在(zai)宇(yu)樹科(ke)技發布9.9萬機器人(ren)的第(di)二天，全(quan)球第(di)一商業和金(jin)融媒體CNBC公布了第(di)12屆(jie)“2024 CNBC Disruptor 50”榜(bang)(bang)單(dan)。在(zai)這一被(bei)譽為全(quan)球科(ke)技獨角獸的搖籃的榜(bang)(bang)單(dan)上，OpenAI毫無懸念位(wei)列第(di)一，榜(bang)(bang)單(dan)上排名第(di)42位(wei)的，是一家(jia)名為Gecko Robotics的機器人(ren)公司。
這(zhe)是一(yi)家(jia)成(cheng)立于2013年的公司(si)，兩個創始人當年還是格羅夫城市學(xue)院學(xue)習電(dian)氣工(gong)程(cheng)(cheng)的學(xue)生。創業之前他們參與(yu)了(le)一(yi)項校內鍋爐安全檢查(cha)的工(gong)程(cheng)(cheng)項目，最后以在該項目中發明的方案為基礎，創立了(le)這(zhe)家(jia)公司(si)。
Gecko Robotics的主要(yao)產品是名為TOKA的智能機器人，該機器人有多款型(xing)號，配備不同數量超(chao)聲(sheng)波(bo)傳感器的它們，可以(yi)爬上工廠的任意管道(dao)和其(qi)他重要(yao)的工業(ye)結構墻壁(bi)(bi)，對油管、鍋爐或者其(qi)他設備進行超(chao)聲(sheng)波(bo)檢測，然后通過其(qi)自主研(yan)發(fa)的快速超(chao)聲(sheng)波(bo)網(wang)格化技術生(sheng)成厚(hou)度(du)網(wang)格圖，并以(yi)2D 和 3D 形式直觀地展(zhan)示在(zai)(zai)軟件中(zhong)，用(yong)于識別腐(fu)蝕和其(qi)他損壞機制導(dao)致壁(bi)(bi)層變薄的區域，可以(yi)讓客(ke)戶對目標設施的情況了如(ru)指掌，提前預判(pan)存在(zai)(zai)的問(wen)題并計劃解(jie)決(jue)措施。
在這(zhe)種(zhong)機器(qi)(qi)人出(chu)現之前，設備(bei)檢測(ce)通常是專(zhuan)業人員手持超聲波探測(ce)器(qi)(qi)進行的(de)(de)。這(zhe)種(zhong)方式首先是很危(wei)險，因為存在一些高(gao)空作業場(chang)景和有毒(du)有害(hai)場(chang)景；其次是用(yong)這(zhe)種(zhong)方式探測(ce)到的(de)(de)范圍和數(shu)據量都極為有限，通常只能覆(fu)蓋(gai)占整(zheng)體(ti)大約 3-5% 的(de)(de)設施。而這(zhe)種(zhong)全新的(de)(de)機器(qi)(qi)人可以(yi)在最(zui)危(wei)險和苛刻的(de)(de)環境(jing)中運行，能夠提(ti)供近(jin)99%的(de)(de)覆(fu)蓋(gai)，收(shou)集(ji)的(de)(de)數(shu)據量比傳統(tong)手持方法高(gao) 1000 倍，檢測(ce)的(de)(de)速度平(ping)均快 10 倍。機器(qi)(qi)人完成數(shu)據采(cai)集(ji)后(hou)，將收(shou)集(ji)到的(de)(de)數(shu)據提(ti)供給專(zhuan)業人員，最(zui)大限度地發揮專(zhuan)家貢(gong)獻(xian)的(de)(de)同(tong)時(shi)還能讓他(ta)們(men)免受(shou)傷害(hai)。
Gecko Robotics首席執(zhi)行官兼聯合創始人Jake Loosararian曾(ceng)自豪地表示：“每天，在世界各(ge)地的(de)數百個(ge)客戶(hu)站(zhan)點，我們的(de)機器人正在保持發電廠在線、軍事資產準備就緒和工廠大門打(da)開(kai)。”
在(zai)筆者看來，這才是(shi)機(ji)器人真正(zheng)應(ying)該奔(ben)赴的方向。
寫在最后
人形機器人正在迎來一個快速發展的新階段，我們應該為其已經取得的突破性進展感到高興，卻又不能高興得太早。盡管理論的道路已經鋪就，但是在實踐層面我們依舊處于起點階段。人形機器人要突破的(de)，除了技術堵點(dian)和成本阻(zu)礙外(wai)，還要面臨客戶價格(ge)價值感受的(de)問(wen)題。
企(qi)業讓(rang)機器(qi)人(ren)越(yue)(yue)來越(yue)(yue)像人(ren)，越(yue)(yue)來越(yue)(yue)智能(neng)，只是這個(ge)(ge)故(gu)事的(de)一(yi)面，這個(ge)(ge)故(gu)事的(de)推(tui)進還需要解決另一(yi)個(ge)(ge)問(wen)題，就是我們絕不是要造出一(yi)臺臺跟我們擁有類(lei)似能(neng)力的(de)機器(qi)，而是要創造出一(yi)款(kuan)款(kuan)能(neng)夠在(zai)具體應用場景下比人(ren)類(lei)能(neng)產(chan)生更(geng)大(da)價值，同(tong)時成本更(geng)低的(de)產(chan)品(pin)。
