每經(jīng)編輯｜張錦河    

近日，在2025年的世界機(jī)器人大會(huì)（WRC）上，英偉達(dá)Omniverse與仿真模擬技術(shù)副總裁 Rev Lebaredian、宇樹科技創(chuàng)始人王興興、銀河通用創(chuàng)始人兼CTO王鶴罕見同框。

在一場(chǎng)媒體溝通會(huì)上，他們圍繞物理AI、仿真、機(jī)器人平臺(tái)與商業(yè)落地、合成數(shù)據(jù)與具身智能模型的產(chǎn)業(yè)化路徑，進(jìn)行了深入交流。

圖片來(lái)源：媒體視頻截圖

Rev Lebaredian表示，過(guò)去三四十年，計(jì)算機(jī)和IT產(chǎn)業(yè)放大了各行各業(yè)的能力，但計(jì)算的影響“大多還停留在“信息空間”，也就是可以數(shù)字化的內(nèi)容，比如語(yǔ)言和各種可編碼的信息。

互聯(lián)網(wǎng)的出現(xiàn)，讓計(jì)算技術(shù)真正走進(jìn)每個(gè)人的生活，把所有人連接起來(lái)，并帶來(lái)了幾十年的增長(zhǎng)。從全球市場(chǎng)規(guī)模來(lái)看，IT 行業(yè)的總規(guī)模約為 5 萬(wàn)億美元，這雖然龐大，但與全球所有行業(yè) 超過(guò) 100 萬(wàn)億美元 的總量相比，只是很小的一部分。其它行業(yè)之所以更有價(jià)值，是因?yàn)樗鼈兲幚淼氖钦鎸?shí)世界的“原子”——交通、制造、供應(yīng)鏈、物流、醫(yī)療、制藥等涉及物理世界的領(lǐng)域。

而今天，隨著人工智能的出現(xiàn)，我們終于有了讓機(jī)器具備“物理智能”的能力，可以把物理世界和信息世界真正連接起來(lái)。換句話說(shuō)，計(jì)算的力量不再只局限于那 5 萬(wàn)億美元的信息市場(chǎng)，而是可以進(jìn)入那 100 萬(wàn)億美元的物理世界市場(chǎng)。而這個(gè)橋梁，就是機(jī)器人。有了機(jī)器人，我們就能把計(jì)算和人工智能帶進(jìn)真實(shí)世界，創(chuàng)造出能理解并改變物理環(huán)境的智能體。

他稱，中國(guó)是實(shí)現(xiàn)這一跨越的最佳地點(diǎn)，因?yàn)檫@里具備獨(dú)一無(wú)二的條件：

1.頂尖 AI 人才：全球近一半的人工智能研究人員和開發(fā)者在中國(guó)，其中包括來(lái)自頂尖大學(xué)的最優(yōu)秀人才。

2.電子與計(jì)算技術(shù)能力：中國(guó)不僅有技術(shù)研發(fā)能力，還有全球無(wú)可匹敵的電子制造產(chǎn)業(yè)，這在物理 AI 和機(jī)器人領(lǐng)域至關(guān)重要。

3.龐大的制造業(yè)基礎(chǔ)：這里有大規(guī)模部署和測(cè)試機(jī)器人的真實(shí)場(chǎng)景，可以快速收集數(shù)據(jù)、迭代算法，讓機(jī)器人不斷進(jìn)化。

因此，在世界機(jī)器人大會(huì)上看到如此多的能量、能力和熱情，并不令人意外。

談到英偉達(dá)的角色，他指出，公司使命是打造專門針對(duì)“最難問(wèn)題”的計(jì)算機(jī)，要推動(dòng)機(jī)器人發(fā)展、物理 AI 落地，英偉達(dá)提出必須構(gòu)建三類計(jì)算機(jī)：一是嵌入機(jī)器人本體的計(jì)算機(jī)，例如人形機(jī)器人搭載的 Jetson Thor；二是 AI 工廠計(jì)算機(jī)，用于在部署前通過(guò) DGX、HGX 系統(tǒng)處理海量數(shù)據(jù)、訓(xùn)練模型；三是仿真計(jì)算機(jī)，通過(guò)物理定律生成數(shù)據(jù)并提前測(cè)試機(jī)器人，測(cè)試速度可快于現(xiàn)實(shí)時(shí)間。

目前，宇樹科技和銀河通用等機(jī)器人企業(yè)都和英偉達(dá)進(jìn)行了合作，比如銀河通用的G1 Premium人形機(jī)器人，就是首批搭載 NVIDIA Jetson Thor 的人形機(jī)器人之一，在工業(yè)碼垛、拆垛及物料箱搬運(yùn)等復(fù)雜場(chǎng)景中展現(xiàn)出流暢性與作業(yè)速度。宇樹科技則在其新型人形機(jī)器人 R1上部署了英偉達(dá)全棧機(jī)器人技術(shù)，通過(guò)Isaac Sim高仿真平臺(tái)優(yōu)化運(yùn)動(dòng)與操控能力，并借助Isaac Lab系統(tǒng)實(shí)現(xiàn)快速策略迭代。

王興興表示：我們?cè)谶^(guò)去幾年中一直非常重視人形機(jī)器人這一方向。某種意義上，我將人形機(jī)器人視為通用機(jī)器人的重要載體。眾所周知，通用AI是目前全球最主流的發(fā)展方向，而真正的通用AI在執(zhí)行任務(wù)時(shí)必然離不開機(jī)器人，尤其是通用型機(jī)器人。

對(duì)比來(lái)看，目前人形機(jī)器人反而是最理想的專業(yè)機(jī)器人形態(tài)。雖然看上去較為復(fù)雜，但實(shí)際結(jié)構(gòu)并不如想象中那么復(fù)雜，本質(zhì)上是由若干關(guān)節(jié)電機(jī)串聯(lián)而成。因此結(jié)構(gòu)相對(duì)簡(jiǎn)單，不像履帶式小車或其他形式的機(jī)器人反而更復(fù)雜。由于主要是電機(jī)和連桿的組合，所以整體設(shè)計(jì)簡(jiǎn)潔。我一直相信，當(dāng)通用AI大規(guī)模成熟后，每個(gè)人都可以輕松制造一臺(tái)人形機(jī)器人，就像今天人們可以購(gòu)買電腦零部件組裝一臺(tái)電腦一樣。未來(lái)若AI足夠強(qiáng)大，對(duì)硬件的要求會(huì)越來(lái)越低。

從宇樹科技的產(chǎn)品歷程看，去年，宇樹推出一款售價(jià)約9.9萬(wàn)元人民幣的人形機(jī)器人，其架構(gòu)成為全球較為主流的設(shè)計(jì)。今年發(fā)布的新版本售價(jià)約3.9萬(wàn)元人民幣，支持外觀定制，“目前現(xiàn)貨可供，預(yù)計(jì)量產(chǎn)在年底前完成?！蓖跖d興說(shuō)道。

其他產(chǎn)品線上，宇樹科技近期發(fā)布了A2機(jī)器狗，自重約37千克，持續(xù)負(fù)載可達(dá)30千克，空載續(xù)航可行駛20公里。同時(shí)，宇樹科技重視機(jī)器人上肢和手部的研發(fā)，王興興介紹道：“目前已自主開發(fā)一款約20自由度的靈巧手，目標(biāo)是讓機(jī)器人真正能夠執(zhí)行日常任務(wù)，而不僅是完成展示性動(dòng)作。希望在未來(lái)一到兩年內(nèi)實(shí)現(xiàn)自然交互，例如在沒(méi)有預(yù)先適配的情況下，直接指令機(jī)器人去為某人倒水。”

王鶴認(rèn)為今天在場(chǎng)的所有機(jī)器人公司，包括NVIDIA和銀河通用在內(nèi)，我們的共同目標(biāo)都是打造通用機(jī)器人。通用機(jī)器人將成為下一個(gè)價(jià)值數(shù)萬(wàn)億美元、數(shù)萬(wàn)億人民幣市場(chǎng)的關(guān)鍵性、革命性產(chǎn)品。這種革命性產(chǎn)品背后包含多個(gè)核心要素，第一個(gè)是機(jī)器人的本體，第二是驅(qū)動(dòng)它運(yùn)轉(zhuǎn)的具身智能模型。

模型背后則是數(shù)據(jù)支撐，王鶴表示：“我們與英偉達(dá)一致認(rèn)為，合成數(shù)據(jù)是推動(dòng)具身智能快速落地的關(guān)鍵。目前，真實(shí)世界數(shù)據(jù)僅占我們訓(xùn)練數(shù)據(jù)的1%，其余99%均為合成數(shù)據(jù)。”

與此同時(shí)，銀河通用和英偉達(dá)官宣了基于Isaac平臺(tái)的下一代人形機(jī)器人項(xiàng)目，“目前銀河通用為輪式形態(tài)，下一代將采用純雙足設(shè)計(jì)，基于OpenWBT_Isaac進(jìn)行數(shù)據(jù)采集與遙控控制。無(wú)論在仿真環(huán)境還是現(xiàn)實(shí)環(huán)境，該平臺(tái)可訓(xùn)練并部署多種任務(wù)能力，例如推車、拾取地面物體等。”王鶴說(shuō)道。

以下是英偉達(dá)Omniverse與仿真模擬技術(shù)副總裁Rev Lebaredian、宇樹科技創(chuàng)始人王興興、銀河通用創(chuàng)始人兼CTO王鶴的媒體問(wèn)答全文：

1. 在像醫(yī)療和養(yǎng)老這樣高精度應(yīng)用場(chǎng)景中，NVIDIA Omniverse如何確保用仿真數(shù)據(jù)訓(xùn)練的機(jī)器人具備可靠性和安全性？

Rev：如果你想構(gòu)建一個(gè)能夠在現(xiàn)實(shí)世界中行動(dòng)且安全可靠的機(jī)器人系統(tǒng)，實(shí)際上唯一的選擇就是使用仿真。舉個(gè)例子，你希望系統(tǒng)足夠智能，能夠應(yīng)對(duì)那些很少發(fā)生的特殊情況，甚至應(yīng)對(duì)你希望永遠(yuǎn)不會(huì)發(fā)生的緊急情況。以自動(dòng)駕駛為例，我們絕對(duì)不希望車撞到人或者孩子，但當(dāng)街上出現(xiàn)小孩時(shí)，車輛的大腦該如何反應(yīng)，如何獲取訓(xùn)練這類系統(tǒng)的數(shù)據(jù)呢？唯一的辦法就是通過(guò)仿真。因?yàn)槲覀兘^不可能將孩子置于汽車前作為訓(xùn)練樣本，這樣做是不道德的、危險(xiǎn)的，而且耗時(shí)且昂貴。

即使訓(xùn)練完系統(tǒng)，在將它部署到現(xiàn)實(shí)世界之前，也需要在這些相同場(chǎng)景中進(jìn)行測(cè)試，確保在真正發(fā)生類似情況時(shí)，它能夠正確反應(yīng)。因此，真正的選擇只有通過(guò)仿真實(shí)現(xiàn)，因?yàn)楝F(xiàn)實(shí)世界測(cè)試過(guò)慢、成本高且危險(xiǎn)，我們不希望機(jī)器人在現(xiàn)實(shí)世界先失敗。換句話說(shuō)，如果我們無(wú)法讓仿真足夠準(zhǔn)確以測(cè)試機(jī)器人，那么我們將無(wú)法制造出可靠的機(jī)器人。幸運(yùn)的是，目前已有非常準(zhǔn)確的仿真器。不過(guò)，這些仿真器計(jì)算量大且成本高昂，我們面臨的真正挑戰(zhàn)是如何提升仿真速度，使其在大規(guī)模系統(tǒng)構(gòu)建中具有成本效益，這也是我們一直努力的方向。

2. 您認(rèn)為未來(lái)幾年內(nèi)，驅(qū)動(dòng)人工智能機(jī)器人的仿真領(lǐng)域會(huì)有哪些關(guān)鍵技術(shù)趨勢(shì)將改變整個(gè)行業(yè)？能否分享一些中國(guó)生態(tài)合作伙伴如何利用NVIDIA仿真技術(shù)加速產(chǎn)品創(chuàng)新的案例？

Rev：我認(rèn)為目前最大的趨勢(shì)，實(shí)際上是所有在常規(guī)人工智能領(lǐng)域出現(xiàn)的技術(shù)和發(fā)展，正被應(yīng)用到物理人工智能中。其中最重要的突破是推理能力的提升。比如DeepSeek將推理能力帶入了開源領(lǐng)域，現(xiàn)在我們也看到了其他各種模型。

我們?cè)谥悄芩缴蠈?shí)現(xiàn)了飛躍，將同樣的技術(shù)應(yīng)用到物理人工智能，是機(jī)器人領(lǐng)域的一個(gè)重大突破。如果我們要制造我們剛才談?wù)摰哪欠N機(jī)器人——比如能給你拿水的機(jī)器人——根據(jù)翻譯理解，可能在今年年底或明年，我們的機(jī)器人將能更自然地與人互動(dòng)，并完成復(fù)雜的多步驟任務(wù)。這是非常關(guān)鍵的能力。而將這種能力與仿真結(jié)合，我認(rèn)為這是一個(gè)可能還未被廣泛理解，但將成為重大突破的點(diǎn)。

目前我們面臨的主要問(wèn)題是人工智能極度依賴數(shù)據(jù)，而獲取合適的數(shù)據(jù)非常困難。我們現(xiàn)有的推理模型，尤其是對(duì)物理世界的推理，現(xiàn)在可以幫助我們改善數(shù)據(jù)生成和數(shù)據(jù)創(chuàng)建的流程。

如今我們生成的數(shù)據(jù)，即使是合成數(shù)據(jù)，也需要大量人工參與，人工去構(gòu)建虛擬世界和仿真環(huán)境，判斷該生成哪些數(shù)據(jù)才能讓智能系統(tǒng)更聰明。但是，如果我們把正在開發(fā)的人工智能技術(shù)用在數(shù)據(jù)生成流程中，就可以實(shí)現(xiàn)自動(dòng)化，打造“自動(dòng)駕駛”的合成數(shù)據(jù)生成。

如果我們擁有一個(gè)自動(dòng)駕駛的合成數(shù)據(jù)生成工廠，就能直接將其接入訓(xùn)練流程，實(shí)現(xiàn)訓(xùn)練過(guò)程自動(dòng)化，減少人為干預(yù)，讓機(jī)器人大腦更聰明。至于中國(guó)的企業(yè)如何應(yīng)用仿真技術(shù)及其帶來(lái)的影響，我認(rèn)為他們已經(jīng)在積極探索和應(yīng)用這些技術(shù)。

王鶴：我覺(jué)得因?yàn)榇蠹业倪@些仿真引擎也好，并行渲染器也好，把現(xiàn)在合成數(shù)據(jù)它的這種不管是通過(guò)強(qiáng)化學(xué)習(xí)，還是通過(guò)產(chǎn)生數(shù)據(jù)以后再做。

模仿學(xué)習(xí)，它的整個(gè)的困難程度都大大下降了，那么確實(shí)像不管是現(xiàn)在的人形機(jī)器人的行走或者是跳舞的這些技能，還是我們做抓取做疊衣服、做導(dǎo)航背后的數(shù)據(jù)，離不開就是一個(gè)非常好用的仿真器，非常并行的渲染器，所以這些確實(shí)非常感謝，英偉達(dá)作為一個(gè)生態(tài)方，從芯片到整個(gè)仿真平臺(tái)對(duì)整個(gè)生態(tài)的一個(gè)托舉。

3. 宇樹R1定價(jià)3.99萬(wàn)元，大幅降低消費(fèi)級(jí)人形機(jī)器人的門檻，這是否意味著硬件成本已不再是影響機(jī)器人商業(yè)化的障礙？現(xiàn)階段，推動(dòng)人形機(jī)器人規(guī)模化商用還存在哪些難點(diǎn)？

王興興：這也是我上其實(shí)也過(guò)去包括上網(wǎng)一直分享的觀點(diǎn)，對(duì)于基層商業(yè)化包括人形機(jī)器人的商業(yè)化來(lái)說(shuō)，它的成本和硬件其實(shí)并不是關(guān)鍵性的問(wèn)題，這個(gè)是其實(shí)某種意義上你說(shuō)一臺(tái)機(jī)器如果只要能用你10萬(wàn)甚至100萬(wàn)，其實(shí)照樣還是有很多場(chǎng)景能用起來(lái)的。

你最大的問(wèn)題目前其實(shí)還是整個(gè)具身智能的整個(gè)模型其實(shí)還是不夠泛用性，包括它的實(shí)用性還是有更大的提升，這塊其實(shí)是當(dāng)下是最棘手的問(wèn)題了，硬件某種程度上不單單是今年，我覺(jué)得過(guò)去的一兩年就已經(jīng)足夠了，硬件一直還是足夠的，當(dāng)然要做得更好，你要比如說(shuō)可靠性成本各方面做的更好，但是它并不是個(gè)限制性因素。

4. 國(guó)內(nèi)外專家和企業(yè)對(duì)“人形”的必要性爭(zhēng)議不斷，有人認(rèn)為人形是AGI的最終載體，有人認(rèn)為未來(lái)十年人形機(jī)器人的占比只有10%，銀河通用如何看待人形的必要性？

王鶴：我覺(jué)得是這樣的，就是說(shuō)我們今天去看人形機(jī)器人，從長(zhǎng)遠(yuǎn)來(lái)看，它一定是要能夠融入我們?nèi)祟惖纳畹?。從終局的觀念來(lái)看，比如大家各自現(xiàn)在做的座椅，除了人形機(jī)器人，如果它又是能夠干活，手能夠伸到1米、2米這么高，能夠摸地的，它還能在咱們的這樣的一個(gè)環(huán)境里穿梭，它除了人形態(tài)，它沒(méi)有別的形態(tài)。

那么從未來(lái)這幾年來(lái)看，我的感覺(jué)其實(shí)人形機(jī)器人是從一種移動(dòng)復(fù)合機(jī)器人在向著終局不斷邁進(jìn)。因?yàn)槿绻且粋€(gè)定點(diǎn)機(jī)器人，它能夠干的事情就只能是它面前的事情，對(duì)吧？那么它的局限性是很大的，所以移動(dòng)是必然的。光有移動(dòng)的車，我們過(guò)去在各種工廠里頭這種移動(dòng)的小車，它就只能承載貨物，對(duì)吧？

貨怎么下來(lái)的，從上面有個(gè)槽掉下來(lái)的，它的局限性是不能做任何操作，所以說(shuō)符合機(jī)器人移動(dòng)又能夠有一根機(jī)械臂操作的，我們今天打造的機(jī)器人就是在一個(gè)移動(dòng)的臺(tái)上，再讓它變成可升降的、可以折疊的。有兩根機(jī)械臂，因?yàn)閮芍皇?，你一只手抱不了箱子，只能抓一個(gè)東西，對(duì)吧？?jī)芍皇挚梢陨舷伦笥铱?，那么其?shí)它就是一個(gè)半圓形。

所以說(shuō)我覺(jué)得在未來(lái)的十年里頭，人形機(jī)器人的整個(gè)占比不會(huì)小，但得看跟誰(shuí)比。我們今天跟所有工業(yè)的大機(jī)械臂相比，工業(yè)大機(jī)械臂全球的總產(chǎn)值也就1000億人民幣，并不高，一個(gè)頭部車廠一年就能賣1000億的車，1000億價(jià)值的車，那么人形機(jī)器人我們現(xiàn)在數(shù)10萬(wàn)一臺(tái)的話，實(shí)際上達(dá)到一個(gè)并不是大家覺(jué)得那么高的量級(jí)，你就超過(guò)了整個(gè)工業(yè)機(jī)械臂的總產(chǎn)值。我預(yù)計(jì)未來(lái)每三年人形機(jī)器人的產(chǎn)值會(huì)乘10，那么我們現(xiàn)在頭部是賣1000臺(tái)，三年后就是1萬(wàn)臺(tái)，再三年后就是10萬(wàn)臺(tái)。那么10萬(wàn)臺(tái)級(jí)的量，如果賣幾十萬(wàn)一臺(tái)的話，干活的就達(dá)到了1000億，超過(guò)了一家公司，也超過(guò)了整個(gè)工業(yè)機(jī)械臂的總產(chǎn)值。

所以說(shuō)在未來(lái)10年，我們將看到的是一個(gè)能夠超越當(dāng)前所有工業(yè)機(jī)器人量的機(jī)器人市場(chǎng)。再往后10年，可能是超越汽車手機(jī)這個(gè)市場(chǎng)量的萬(wàn)億市場(chǎng)，所以不能低估它，但也沒(méi)有大家想的那么快，說(shuō)明天就達(dá)到汽車這個(gè)市場(chǎng)的額度，是不可能的。

5. 請(qǐng)問(wèn)NVIDIA Jetson Thor與之前的Jetson平臺(tái)有何區(qū)別？它如何特別有利于機(jī)器人應(yīng)用？

Rev：正如我之前提到的，每一代Jetson產(chǎn)品，我們都努力最大化其計(jì)算能力，因?yàn)橹悄軉?wèn)題本身就是一個(gè)非常復(fù)雜的計(jì)算難題。在機(jī)器人領(lǐng)域，這一挑戰(zhàn)更大：計(jì)算必須非?？焖?，且在極為苛刻的環(huán)境中進(jìn)行。

機(jī)器人往往在現(xiàn)場(chǎng)實(shí)時(shí)運(yùn)行，需要在緊湊的循環(huán)內(nèi)完成計(jì)算，電力有限，因此需要盡可能降低功耗以延長(zhǎng)電池壽命，同時(shí)還要考慮散熱等問(wèn)題。這些因素都極大地增加了難度。Jetson Thor與之前版本最大的不同是，現(xiàn)在具備了足夠的計(jì)算能力，能夠運(yùn)行更大、更強(qiáng)的神經(jīng)網(wǎng)絡(luò)和模型，支持更復(fù)雜的推理任務(wù)，這是之前的產(chǎn)品無(wú)法做到的。此外，Jetson Thor擁有更高的帶寬，能更快地處理來(lái)自各種傳感器的大量信息，使機(jī)器人能夠快速反應(yīng)，在動(dòng)態(tài)變化的環(huán)境中高速移動(dòng)和操作。

 6. 請(qǐng)教宇樹科技的王總，您曾提到人形機(jī)器人已經(jīng)從當(dāng)前主要應(yīng)用于娛樂(lè)表演的特定場(chǎng)景，逐漸加速進(jìn)入解放工廠和家庭生產(chǎn)力的應(yīng)用。那么您認(rèn)為未來(lái)機(jī)器人在哪些場(chǎng)景會(huì)迎來(lái)大規(guī)模普及？

王興興：未來(lái)肯定是朝著更實(shí)用的方向發(fā)展，但具體速度其實(shí)還需要時(shí)間。無(wú)論是工業(yè)、服務(wù)業(yè)還是家用領(lǐng)域，整個(gè)發(fā)展周期都還挺長(zhǎng)的。大家回顧過(guò)去，比如新能源車，十幾年前大家也覺(jué)得發(fā)展會(huì)很快，但實(shí)際上整體成熟度也花了不少時(shí)間。

每個(gè)產(chǎn)業(yè)的成熟都需要較長(zhǎng)周期。而現(xiàn)在的新一代人機(jī)機(jī)器人或通用機(jī)器人技術(shù)，實(shí)際上才發(fā)展了兩三年左右。因?yàn)楝F(xiàn)在用的新技術(shù)跟十幾二十年前完全不同，硬件和軟件都發(fā)生了巨大變化。但很多人提機(jī)器人時(shí)，喜歡拿十幾二十年前的東西來(lái)說(shuō)，覺(jué)得這個(gè)行業(yè)已經(jīng)發(fā)展了很久，其實(shí)那個(gè)時(shí)候的技術(shù)和現(xiàn)在完全不是一個(gè)水平。在目前只有兩三年發(fā)展時(shí)間的情況下，整體進(jìn)展還需要更多時(shí)間。不過(guò)從當(dāng)前發(fā)展速度來(lái)看，我個(gè)人感覺(jué)行業(yè)仍在快速成長(zhǎng)，未來(lái)幾年人員和出貨量基本有望每年翻倍，這對(duì)整個(gè)行業(yè)來(lái)說(shuō)是很有可能實(shí)現(xiàn)的。

基于此，如果未來(lái)出現(xiàn)更強(qiáng)大、更通用的AI大模型，能讓機(jī)器人在工廠、家庭等更多通用場(chǎng)景中表現(xiàn)更好，因?yàn)樵酵ㄓ?，普及的難度就越小。相反，如果不通用，推廣會(huì)更困難。所以我覺(jué)得整體時(shí)間周期會(huì)更長(zhǎng)一些，尤其是家用領(lǐng)域。

家用機(jī)器人的最大難題不是技術(shù)，而是倫理、安全等方面的要求極高，這導(dǎo)致家用機(jī)器人的普及門檻要高得多。

 7. 今年，許多人形機(jī)器人已開始在汽車工廠進(jìn)行訓(xùn)練。在您看來(lái)，機(jī)器人真正能在工廠車間投入工作還需要多長(zhǎng)時(shí)間？還有哪些關(guān)鍵挑戰(zhàn)需要解決？

王鶴：今年，許多人形機(jī)器人已經(jīng)開始在汽車工廠進(jìn)行訓(xùn)練。我們看到絕大多數(shù)公司在工廠推廣人形機(jī)器人時(shí)，主要集中在兩個(gè)方面：一是搬運(yùn)，二是分揀。

搬運(yùn)方面，銀河通用最近展示的機(jī)器人視頻里，其搬運(yùn)速度已經(jīng)接近人類水平，計(jì)算下來(lái)每小時(shí)搬運(yùn)的數(shù)量與人類相當(dāng)。這個(gè)階段已經(jīng)非常接近實(shí)際工廠的部署，我預(yù)計(jì)今年年底可能會(huì)有幾十臺(tái)銀河通用的機(jī)器人進(jìn)入工廠車間實(shí)際應(yīng)用。

但是，搬運(yùn)只是第一步。除了搬運(yùn)，還需要實(shí)現(xiàn)碼垛的閉環(huán)能力，只有搬運(yùn)和碼垛都完成閉環(huán)，機(jī)器人才能真正勝任整套工作流程，否則做一半的任務(wù)，效果并不理想。

分揀則是更大的挑戰(zhàn)。不論是從傳送帶上拿，還是從貨架上取貨，目前最大的難點(diǎn)是速度。熟練工人拿取物品的速度非?？?，機(jī)器人目前在模型和硬件層面還難以達(dá)到這種效率。

我們做零售機(jī)器人時(shí)，拿貨架上或桌面上的物品，技術(shù)本質(zhì)上與工業(yè)分揀類似，只是零售對(duì)節(jié)拍要求較低，拿錯(cuò)貨的后果也較輕。但在工業(yè)場(chǎng)景，比如汽車制造廠，一條產(chǎn)線停機(jī)一分鐘可能就意味著損失上萬(wàn)元，因此分揀的精度和速度要求極高。

綜上所述，分揀技術(shù)雖然已有較大進(jìn)展，但目前還未達(dá)到人類工人的水平，仍需要一定時(shí)間的技術(shù)迭代和突破。

 8.NVIDIA 在機(jī)器人訓(xùn)練中強(qiáng)調(diào)仿真優(yōu)先的策略，并推出了一系列支持技術(shù)。然而，仿真到現(xiàn)實(shí)（Sim2Real）之間的差距仍然存在挑戰(zhàn)。NVIDIA 如何與合作伙伴共同應(yīng)對(duì)這一問(wèn)題？能否分享一些具體的客戶案例或合作項(xiàng)目，展示這一方法的有效性？展望未來(lái)，提升仿真物理真實(shí)性和增強(qiáng)現(xiàn)實(shí)世界遷移效率的關(guān)鍵方向有哪些？

Rev：這是一個(gè)非常好的問(wèn)題。如果我們依賴仿真來(lái)構(gòu)建和測(cè)試AI，就必須確保仿真盡可能接近現(xiàn)實(shí)，否則我們無(wú)法信任它。我們構(gòu)建的AI如果是在一個(gè)“卡通世界”里訓(xùn)練的，是無(wú)法真正理解現(xiàn)實(shí)世界的；因此，測(cè)試時(shí)也必須確保仿真場(chǎng)景與現(xiàn)實(shí)相符。那么，如何彌合仿真與現(xiàn)實(shí)之間的差距呢？其實(shí)可以通過(guò)多種方式，我們也在全力推進(jìn)這些方法。

首先，是提升仿真器本身的精度。我們幾十年來(lái)一直在構(gòu)建物理仿真算法，且驗(yàn)證了這些算法能夠較好地反映現(xiàn)實(shí)世界的物理規(guī)律。比如我們利用仿真設(shè)計(jì)飛機(jī)機(jī)翼和汽車，確?？諝鈩?dòng)力學(xué)性能，并驗(yàn)證仿真結(jié)果與真實(shí)世界匹配。問(wèn)題是這些高精度仿真計(jì)算成本極高，通常需要在大型計(jì)算機(jī)上運(yùn)行數(shù)小時(shí)。挑戰(zhàn)就在于如何將仿真速度提升到足夠快，能夠嵌入AI訓(xùn)練流程中，實(shí)現(xiàn)大規(guī)模、高效的數(shù)據(jù)生成和測(cè)試。

為此，我們正在利用AI本身作為提升仿真速度和精度的工具。AI能夠近似任何數(shù)學(xué)函數(shù)，我們可以將物理仿真函數(shù)轉(zhuǎn)換為AI函數(shù)，構(gòu)建AI模擬器完成仿真。只要提供足夠的示例數(shù)據(jù)，AI就能學(xué)習(xí)仿真功能。這正是我們正在開發(fā)的“Cosmos”項(xiàng)目。這些“世界基礎(chǔ)模型”是能理解世界物理規(guī)律的AI模型，我們可以將真實(shí)世界數(shù)據(jù)和可信仿真數(shù)據(jù)輸入這些模型進(jìn)行訓(xùn)練。一旦有了這樣理解世界的AI基礎(chǔ)模型，就可以將其與傳統(tǒng)仿真結(jié)合，構(gòu)建更精準(zhǔn)、更高效的仿真器。

其次，即使擁有高質(zhì)量的仿真器，構(gòu)建代表現(xiàn)實(shí)世界的數(shù)據(jù)也非常困難。以這個(gè)房間為例，雖然仿真器可以模擬物理現(xiàn)象，但我們還要?jiǎng)?chuàng)造帶有正確物理參數(shù)（如摩擦系數(shù)、材料特性）的桌布和桌子，這類信息采集非常復(fù)雜。目前，全球只有少數(shù)專業(yè)人士——通常是游戲或電影行業(yè)的藝術(shù)家——具備這類能力。但隨著我們構(gòu)建具備物理理解能力的AI，這些AI可以輔助生成這些虛擬環(huán)境，成為“機(jī)器人藝術(shù)家”，幫助我們高效創(chuàng)建真實(shí)感十足的虛擬世界。

第三種方法是直接捕捉現(xiàn)實(shí)世界。我們也利用物理AI技術(shù)將現(xiàn)實(shí)環(huán)境（例如我們身處的房間）數(shù)字化、導(dǎo)入仿真環(huán)境，確保虛擬場(chǎng)景與現(xiàn)實(shí)高度一致。

NVIDIA正在這三個(gè)方向全面發(fā)力，打造相關(guān)技術(shù)，但這項(xiàng)工作遠(yuǎn)超過(guò)任何一家公司的能力。我們正與整個(gè)生態(tài)系統(tǒng)的合作伙伴協(xié)同推進(jìn)，爭(zhēng)取在這三條路徑上共同攻關(guān)。事實(shí)上，我們已經(jīng)積累了不少成果，目前已有的仿真器已經(jīng)能夠生成足夠高質(zhì)量的數(shù)據(jù)，助力我們提升AI性能。

 9. 我想請(qǐng)教宇樹科技的王總，謝謝。當(dāng)前一些專家認(rèn)為，目前機(jī)器人領(lǐng)域的大模型架構(gòu)尚未統(tǒng)一。針對(duì)具身智能大腦的基礎(chǔ)模型，語(yǔ)數(shù)科技主要聚焦哪些方向的探索？能否透露一些具體內(nèi)容？

王興興：我一直覺(jué)得目前的模型架構(gòu)確實(shí)非常不統(tǒng)一，這導(dǎo)致大家的整體進(jìn)展沒(méi)有那么快。如果模型架構(gòu)能更加統(tǒng)一、方向明確，結(jié)合當(dāng)前行業(yè)熱度，大家其實(shí)能更快取得突破。但現(xiàn)實(shí)是，目前進(jìn)展還是比較緩慢。

我們公司探索了很多方向。比如今年上午也展示了我們?nèi)ツ陣L試的一個(gè)用視頻生成模型作為“世界模型”，來(lái)驅(qū)動(dòng)并對(duì)齊機(jī)械臂的項(xiàng)目，這個(gè)嘗試取得了一定效果。但由于視頻生成模型訓(xùn)練規(guī)模極大，考慮到我們公司的算力和投入，難以進(jìn)行大規(guī)模訓(xùn)練。

而且我們嘗試發(fā)現(xiàn)，這類模型的泛用性還不能完全滿足預(yù)期，因此后來(lái)基本沒(méi)有繼續(xù)使用。但最近谷歌發(fā)布了一個(gè)新的視頻生成模型，其物理對(duì)齊效果非常好，并且他們公開嘗試把視頻生成模型作為世界模型，直接用于機(jī)械臂和通用智能。這讓我覺(jué)得這個(gè)方向非常值得重新探索。

由于公司規(guī)模和算力人才限制，我們只是初步探索，沒(méi)有深入推進(jìn)。但谷歌的成果證明這個(gè)方向很有潛力。視頻生成模型在時(shí)間內(nèi)容、數(shù)據(jù)源以及效果方面，已經(jīng)達(dá)到不錯(cuò)的預(yù)期。舉例來(lái)說(shuō)，如果控制視頻生成模型生成一個(gè)機(jī)器人打掃全屋的視頻，而且效果不錯(cuò)，理論上只要把視頻與機(jī)器人動(dòng)作對(duì)齊，也能實(shí)現(xiàn)類似效果。

不過(guò)，目前對(duì)齊工作仍然非常復(fù)雜且具有挑戰(zhàn)性。這個(gè)方向無(wú)論是對(duì)機(jī)器人應(yīng)用，還是純視頻生成技術(shù)本身，都是非常主流且值得投入的。即便不用于機(jī)器人，視頻生成技術(shù)也會(huì)持續(xù)被大公司加大投入、不斷優(yōu)化。

除此之外，還有其他方案。隨著基礎(chǔ)模型能力快速提升，很多潛力尚未被充分挖掘。我們發(fā)現(xiàn)，如果在基礎(chǔ)模型后訓(xùn)練時(shí)加入機(jī)器人指令控制和空間理解訓(xùn)練，效果能明顯提升。比如王賀老師團(tuán)隊(duì)展示的一些基于基礎(chǔ)模型的機(jī)器人控制效果就非常不錯(cuò)。

我們公司的策略很簡(jiǎn)單：不斷嘗試各種新模型和新想法。今天可能有一種想法，明天可能會(huì)調(diào)整，這很正常。對(duì)于新興技術(shù)，我認(rèn)為大家都應(yīng)該大膽嘗試。AI領(lǐng)域充滿了可能性，往往一個(gè)靈光一閃的創(chuàng)意就能帶來(lái)突破。希望鼓勵(lì)更多人去探索，或許下一個(gè)創(chuàng)新就出自你手。

10.想請(qǐng)教銀河通用的王總，不知道這個(gè)問(wèn)題是否合適。我們看到OpenAI最近發(fā)布了GPT-5，給人的印象是技術(shù)突破不大，而且它更像是一個(gè)系統(tǒng)，而非單一模型。我們是否可以理解為大模型的擴(kuò)展定律（Scaling Law）遇到了一些挑戰(zhàn)？

王鶴：目前大模型類型繁多，有純文本大模型，有圖文大模型，圖文大模型又分為視覺(jué)理解型和視頻生成型，包括我們具身智能的VLA也是一種大模型。所以說(shuō)，是否可以說(shuō)大模型的擴(kuò)展遇到了瓶頸，無(wú)法簡(jiǎn)單地用一個(gè)統(tǒng)一的結(jié)論來(lái)概括。
我理解，在當(dāng)前純文本階段，我們主要的數(shù)據(jù)源是互聯(lián)網(wǎng)公開數(shù)據(jù)，但很多私域知識(shí)并不在網(wǎng)上，這導(dǎo)致模型的推理能力實(shí)際上需要的數(shù)據(jù)與公開數(shù)據(jù)有差異。除非能通過(guò)某種可控的方式獲得額外數(shù)據(jù)增強(qiáng)，否則單靠公開數(shù)據(jù)提升模型能力是有限的。

這部分能力的增長(zhǎng)，并不會(huì)自然地通過(guò)單純擴(kuò)大模型規(guī)模實(shí)現(xiàn)。但不能低估推理模型的進(jìn)展，比如在IMO國(guó)際數(shù)學(xué)競(jìng)賽上，文模型獲得金牌，面對(duì)從未見過(guò)的題目表現(xiàn)出色，這說(shuō)明文本大模型的能力在不斷提升。

關(guān)于多模態(tài)大模型（比如VLM和VLA），如果說(shuō)文本模型現(xiàn)在能力已經(jīng)很強(qiáng)了，那么多模態(tài)模型目前還處于比語(yǔ)言模型稍弱的階段。其核心原因是數(shù)據(jù)不足：文本數(shù)據(jù)非常豐富，而文本-圖像配對(duì)數(shù)據(jù)相對(duì)較少，再加上動(dòng)作數(shù)據(jù)更少，因此視覺(jué)理解能力和基于視覺(jué)的動(dòng)作操作能力還有較大差距。

這也是為什么合成數(shù)據(jù)和仿真技術(shù)非常重要。正如Rev所說(shuō)，仿真能夠?qū)⒄鎸?shí)世界場(chǎng)景和動(dòng)作復(fù)現(xiàn)到虛擬環(huán)境，生成大量帶動(dòng)作、圖像和語(yǔ)義配對(duì)的數(shù)據(jù)，這將極大促進(jìn)圖文、多模態(tài)大模型及具身智能大模型的發(fā)展。

如果完全依賴真實(shí)數(shù)據(jù)，進(jìn)展會(huì)受到很大限制?？傮w來(lái)看，充分利用仿真技術(shù)，我相信將是多模態(tài)大模型和具身大模型應(yīng)對(duì)數(shù)據(jù)瓶頸的最有效途徑。

 11. 想請(qǐng)教銀河通用的王鶴總：在您看來(lái)，目前限制人形機(jī)器人規(guī)?；渴鸬年P(guān)鍵技術(shù)瓶頸是什么？

王鶴：最核心的問(wèn)題其實(shí)很簡(jiǎn)單——就是機(jī)器人干活的能力還不夠強(qiáng)，能完成的任務(wù)類型比較有限。但如果能在這些有限的技能范圍內(nèi)實(shí)現(xiàn)非常通用的水平，就能一下子賦能很多場(chǎng)景。

銀河通用現(xiàn)在最主要的突破是“抓取”和“移動(dòng)”。只要機(jī)器人能抓住任何物體，能夠在場(chǎng)景中實(shí)現(xiàn)下肢移動(dòng)和上肢伸展，最后還能準(zhǔn)確放置物體，

這三個(gè)能力成立的話，很多應(yīng)用場(chǎng)景就能實(shí)現(xiàn)。背后需要有一個(gè)真正精準(zhǔn)的目標(biāo)識(shí)別和定位系統(tǒng)，我們目前是通過(guò)合成數(shù)據(jù)在推動(dòng)這項(xiàng)技術(shù)。

當(dāng)然，即使解決了這個(gè)關(guān)鍵問(wèn)題，仍有很多任務(wù)機(jī)器人暫時(shí)無(wú)法完成。但只要目標(biāo)識(shí)別和定位的問(wèn)題能被攻克，人形機(jī)器人市場(chǎng)至少有千億級(jí)規(guī)模，并且在五年內(nèi)可見成效。解決了這個(gè)關(guān)鍵技術(shù)瓶頸后，基于如此巨大的市場(chǎng)投入，機(jī)器人必然能解鎖更多技能，邁向萬(wàn)億市場(chǎng)的步伐。

 12. 請(qǐng)教宇樹科技的王興興總，這是一個(gè)比較老的問(wèn)題：機(jī)器人為什么要做雙足？除了情感價(jià)值，雙足在商業(yè)上還有哪些考慮？

王興興：其實(shí)，某種意義上我以前也提過(guò)，為什么不做雙腿反而是一個(gè)值得思考的問(wèn)題。因?yàn)樽鲭p腿其實(shí)相對(duì)方便，最重要的是雙腿提供了更多的通用性能力。運(yùn)動(dòng)能力本身在某種程度上是較弱的AI能力。你看，小動(dòng)物甚至螞蟻、蟲子走路都非常好，但它們的AI能力其實(shí)很弱。所以我一直覺(jué)得，真正通用且能干活的具身AI模型，移動(dòng)能力或者腿的能力其實(shí)是附屬的。

如果機(jī)器人能干活了，那腿的控制自然不會(huì)差；如果連腿都控制不好，說(shuō)明它還沒(méi)達(dá)到大家想象中的非常通用的AI模型階段。所以這是一個(gè)發(fā)展方向。另外，因?yàn)殡p腿相對(duì)簡(jiǎn)單，盡管仍有挑戰(zhàn)，我們公司本身就是做腿的，所以對(duì)我們來(lái)說(shuō)這是順理成章而且有趣的事情。大家普遍也很喜歡這個(gè)方向。而且如果大家都做輪式底盤，反而會(huì)導(dǎo)致同質(zhì)化競(jìng)爭(zhēng)，沒(méi)必要。我們公司專注于腿部，希望提升機(jī)器人整體的運(yùn)動(dòng)和干活能力，這個(gè)方向非常不錯(cuò)。我自己也做輪式底盤，我覺(jué)得輪式和腿式是有差距的，且隨著時(shí)間不同會(huì)變化。目前輪式底盤在工業(yè)開闊場(chǎng)景和貨架間穿梭非常穩(wěn)定且能耗低，但在復(fù)雜環(huán)境中可能通不過(guò)。如果底盤做得更小，穩(wěn)定性會(huì)喪失。所以不同時(shí)間點(diǎn)，機(jī)器人下半身的方案肯定不同。我堅(jiān)信腿是未來(lái)，因?yàn)樗軐?shí)現(xiàn)上半身所有可達(dá)空間，并且能靈活調(diào)動(dòng)腰部的靈活度。但在不同階段，會(huì)有最適合落地應(yīng)用的形態(tài)，我們也不會(huì)局限于單一方案。我們同時(shí)用輪式底盤和語(yǔ)數(shù)的人形機(jī)器人做下半身甚至全身的控制研究。

 13. 我們知道物理AI，特別是機(jī)器人領(lǐng)域，對(duì)能耗、熱管理和體積限制有很高的要求。請(qǐng)問(wèn)NVIDIA是如何應(yīng)對(duì)這些挑戰(zhàn)的？未來(lái)的計(jì)算平臺(tái)又將如何滿足這些需求？

Rev：回顧歷史，NVIDIA每一代產(chǎn)品都會(huì)大幅提升每瓦性能和每美元性能。過(guò)去我們有摩爾定律，意味著計(jì)算能力會(huì)以指數(shù)速度增長(zhǎng)——在最佳階段，每五年性能提升10倍，十年提升100倍。但單靠摩爾定律已經(jīng)不足以解決我們面臨的許多問(wèn)題。我們預(yù)見到，摩爾定律在CPU和通用計(jì)算機(jī)上的效用會(huì)逐漸終結(jié)。為此，我們致力于打造針對(duì)特定算法的專用計(jì)算機(jī)。這種專用計(jì)算機(jī)不僅僅是芯片層面，更需要算法、軟件以及應(yīng)用層面的整體優(yōu)化，才能發(fā)揮最大性能。這并非靠單一因素，比如芯片變小或變快，而是通過(guò)全棧優(yōu)化實(shí)現(xiàn)的。這是一項(xiàng)非常艱難的工程，也正是NVIDIA的核心競(jìng)爭(zhēng)力所在。

我們最初應(yīng)用這套方法于計(jì)算機(jī)圖形渲染（尤其是游戲領(lǐng)域），隨后推廣到其他領(lǐng)域。CUDA推出后，我們開始應(yīng)用于物理仿真，后來(lái)深度學(xué)習(xí)和AI在GPU上興起，我們不斷專門化處理器。每一代產(chǎn)品，在相同功耗和成本下都實(shí)現(xiàn)了顯著的性能飛躍，未來(lái)仍會(huì)持續(xù)，因?yàn)槲覀兊膭?chuàng)新之路還遠(yuǎn)未走完。

 14. 關(guān)于中國(guó)市場(chǎng)，相比其他國(guó)家，您怎么看中國(guó)AI的需求和實(shí)踐中的挑戰(zhàn)？

Rev：中國(guó)既是一個(gè)重要的市場(chǎng)，也是AI技術(shù)和產(chǎn)品的生產(chǎn)基地。正如我之前提到的，中國(guó)擁有大量聰明、受過(guò)良好教育且充滿熱情的AI研究人員和開發(fā)者，全球近一半頂尖AI人才都集中在這里，且中國(guó)擁有頂尖的AI高校。

在物理AI和機(jī)器人領(lǐng)域，中國(guó)擁有獨(dú)特的規(guī)模優(yōu)勢(shì)，結(jié)合人才優(yōu)勢(shì)，形成了獨(dú)一無(wú)二的生態(tài)系統(tǒng)。中國(guó)在制造電子硬件和機(jī)器人所需關(guān)鍵部件方面具備深厚的專業(yè)能力，這樣的生態(tài)體系和制造規(guī)模是其他國(guó)家難以匹敵的。這使得像銀河通用、宇樹科技這樣的企業(yè)，能夠大規(guī)模制造機(jī)器人，快速學(xué)習(xí)和迭代。中國(guó)獨(dú)特的綜合條件為物理AI和機(jī)器人產(chǎn)業(yè)的快速發(fā)展提供了堅(jiān)實(shí)基礎(chǔ)。

每日經(jīng)濟(jì)新聞綜合自公開信息