困于應(yīng)用落地難題多時(shí)的人形機(jī)器人產(chǎn)業(yè)，終于等來了人工智能這個(gè)“及時(shí)雨”。過去一年里，隨著人工智能技術(shù)地迅速發(fā)展，大模型成為機(jī)器人的“最強(qiáng)大腦”，使其交互水平大大提高，更多應(yīng)用場景開始成為可能。近日，深耕人形機(jī)器人產(chǎn)業(yè)的大連蒂艾斯科技發(fā)展股份有限公司（以下簡稱EX機(jī)器人）創(chuàng)始人李博陽在接受專訪時(shí)表示，近期人形機(jī)器人產(chǎn)業(yè)發(fā)展迅速，大模型技術(shù)的引入顯著提升了機(jī)器人與用戶的交互體驗(yàn)，同時(shí)隨著核心零部件的自研，研發(fā)成本也有了顯著下降。“更為關(guān)鍵的是，應(yīng)用場景方面，EX機(jī)器人旗下的線下文旅綜合體已實(shí)現(xiàn)盈利。”不過李博陽也指出，從產(chǎn)業(yè)發(fā)展趨勢來看，未來3年之內(nèi)會(huì)有很多落地場景出現(xiàn)，但預(yù)計(jì)5年之內(nèi)人形機(jī)器人仍將主要面向公共服務(wù)和工業(yè)應(yīng)用領(lǐng)域，真正進(jìn)入C端市場還需要10年左右的時(shí)間。此外，隨著人形機(jī)器人企業(yè)數(shù)量和產(chǎn)品的增加，市場已經(jīng)出現(xiàn)了同質(zhì)化的情況，未來3至5年會(huì)是行業(yè)淘汰期。
EX機(jī)器人創(chuàng)始人李博陽 圖片來源：每經(jīng)記者 楊卉 攝
要做有感情、有“人設(shè)”的機(jī)器人
NBD：2024年EX機(jī)器人參加了很多展覽，從應(yīng)用場景及功能的角度看，和往年相比，機(jī)器人最大的區(qū)別是什么？李博陽：今年展出的機(jī)器人更多突出了大模型的應(yīng)用，有的機(jī)器人是完全按照現(xiàn)實(shí)生活原型做的孿生，比如一款初中生形象的產(chǎn)品，就是“真人形象+角色模型”的產(chǎn)物，它的“人設(shè)”就是一名初中生；我們的智能客服機(jī)器人背后也有一個(gè)大模型在支撐，可以實(shí)現(xiàn)和機(jī)器人的問答類交互。在更新周期上，產(chǎn)品技術(shù)是不斷更新的，近期上新的兩款機(jī)器人主要是面向的市場不太一樣。NBD：我們注意到，EX的人形機(jī)器人和市面常見的類型有些差別，更應(yīng)該稱為仿生機(jī)器人，面部表情高度類人，但不能實(shí)現(xiàn)雙足行走。請問您最初為什么會(huì)選擇這樣一個(gè)細(xì)分領(lǐng)域？李博陽：其實(shí)這個(gè)領(lǐng)域也不能完全算是細(xì)分或小眾領(lǐng)域，很多影視作品和探索都認(rèn)為，這一類機(jī)器人（仿生）可能才是人形機(jī)器人的最終形態(tài)。原來的智能設(shè)備更多是以語音交互的方式實(shí)現(xiàn)，但其實(shí)表情交互、肢體動(dòng)作交互等方式是更符合人類交互的模式，會(huì)比純語音交互的智能設(shè)備多很多維度。雙足行走的機(jī)器人，他們的移動(dòng)能力或者說行走能力也是人類能力中的一種，但人類還有很多其他的能力，比如說話、觀察和感知周圍環(huán)境、手部操作、智能決策等，這些能力絕大多數(shù)都是在機(jī)器人的上半身來集成的，所以我們更多關(guān)注機(jī)器人的腰部以上。至于它的移動(dòng)，未來在不同場景下我們會(huì)采用不同的移動(dòng)方案，比如輪式、輪足，雙足也是其中的一個(gè)。從前雙足機(jī)器人較為受外界關(guān)注，是因?yàn)楹芏喔咝：涂蒲性核鶉@機(jī)器人的項(xiàng)目都是從雙足開始做起的，我們看到做雙足機(jī)器人的就會(huì)很多。但現(xiàn)在包括馬斯克也是投了大量的成本在人形機(jī)器人的上半身和靈巧手上。目前手部的動(dòng)作是業(yè)內(nèi)最為關(guān)注的，然后是與人類的交互能力。
EX機(jī)器人的仿生機(jī)器人產(chǎn)品 圖片來源：每經(jīng)記者 楊卉 攝NBD：ChatGPT火起來之后，業(yè)界很多聲音認(rèn)為，人工智能會(huì)給人形機(jī)器人交互帶來極大進(jìn)展。就目前公司的實(shí)際情況來看，現(xiàn)在的交互是什么水平？現(xiàn)在人形機(jī)器人企業(yè)普遍是自研模型，還是用一些已經(jīng)開源的通用大模型？李博陽：大模型其實(shí)對我們的幫助非常大。最開始打造產(chǎn)品的時(shí)候，我們就定位要做一個(gè)AI的硬件載體。一方面，人形機(jī)器人是很好的通用型人工智能硬件；另一方面，大模型本身又是一種通用型的AI，不斷生成的內(nèi)容可以通過機(jī)器人的形態(tài)來傳達(dá)，變成它的表情、語言、動(dòng)作，是一個(gè)很好的結(jié)合點(diǎn)。GPT最新版本出來之后，我們有一個(gè)直觀的感受就是，它不那么生硬了，好像有情感了，這是我們在探索落地應(yīng)用時(shí)非常需要的。要做有情感的人工智能，做有“人設(shè)”的機(jī)器人，那每一個(gè)產(chǎn)品都應(yīng)該是有個(gè)性的，是不一樣的。在實(shí)現(xiàn)機(jī)器人感知世界的能力時(shí)，人形機(jī)器人與其他類型的設(shè)備肯定是不一樣的，需要它像人一樣有視覺、觸覺，甚至嗅覺、味覺等感知能力。希望我們的多模態(tài)大模型能夠把更類人的數(shù)據(jù)采集能力融合進(jìn)來，給出正確的反饋。現(xiàn)在大部分人形機(jī)器人企業(yè)還是基于一些基礎(chǔ)大模型自己做定制性開發(fā)，同時(shí)也在大模型的基礎(chǔ)上做自己的模型，如情緒大模型、適用于表情的一些小模型、針對具體應(yīng)用場景的系統(tǒng)等。我們也是這樣的路線，公司與華為、科大訊飛、中國移動(dòng)等企業(yè)都是戰(zhàn)略合作伙伴關(guān)系。其實(shí)這些基礎(chǔ)大模型大家做得都很全面，也不斷地有大量的數(shù)據(jù)、很高的算力來支持，我們自身會(huì)做一些比較有特色的。比如基礎(chǔ)大模型可能更注重知識(shí)體系，我們會(huì)更注重交互體驗(yàn)，會(huì)在情感、表情方面采集更多數(shù)據(jù)來訓(xùn)練，探索如何讓機(jī)器人的行為更像人。
核心零部件自研降低了制造成本
NBD：您剛才提到正在考慮做面向C端的產(chǎn)品，請問有更詳細(xì)的面向C端的計(jì)劃嗎？李博陽：我們現(xiàn)在還沒有完全面向C端消費(fèi)的產(chǎn)品，有一款已經(jīng)量產(chǎn)的人形機(jī)器人，今年發(fā)布后有企業(yè)購買用于展廳、營業(yè)廳、智能前臺(tái)等場景了。這款機(jī)器人，現(xiàn)在的售價(jià)是稅后接近80萬元。NBD：我們了解到，EX機(jī)器人的大部分產(chǎn)品沒有像很多機(jī)器人公司一樣直接出售，而是投放到了公司的線下科技館等場所。請您介紹下公司線下科技館的相關(guān)情況。李博陽：我們線下的科技館，大連和沈陽是最先建的兩個(gè)，沈陽已經(jīng)不僅是一個(gè)科技館的形態(tài)了，已經(jīng)發(fā)展成了科技文商旅綜合體，既有科技館，又有一條以人形機(jī)器人為核心的智慧街區(qū)，吃、喝、娛樂等所有業(yè)態(tài)均由機(jī)器人服務(wù)。科技館的客流量確實(shí)非常大，特別是每到寒暑假孩子放假后，基本上街區(qū)都是滿員的狀態(tài)，不少項(xiàng)目都是要排隊(duì)的。我們現(xiàn)在的線下落地場館已經(jīng)能實(shí)現(xiàn)很好的營收，預(yù)計(jì)在3至5年內(nèi)可以收回全部成本，快的話三年之內(nèi)就可以實(shí)現(xiàn)成本回收。我們目前正在洽談線下文旅場館的城市已經(jīng)有20多個(gè)了，還制定了“百城百館”的計(jì)劃，希望未來國內(nèi)主要城市都能有線下場館出現(xiàn)。NBD：單個(gè)線下場館大概會(huì)配備多少臺(tái)機(jī)器人？去年談到人形機(jī)器人成本的時(shí)候您曾提到，單臺(tái)人形機(jī)器人的成本約在300萬至500萬元，現(xiàn)在成本下降了嗎？如果下降了，是否與人工智能的引入有關(guān)，還是某些配件價(jià)格下降了？李博陽：我們每個(gè)線下場館通常會(huì)配置30至50臺(tái)機(jī)器人。成本方面，目前我們定制化的首臺(tái)機(jī)器人基本上可以在150萬元左右。其實(shí)現(xiàn)在這種機(jī)器人國外也有一些競品，基本上一臺(tái)機(jī)器人在300萬至500萬元。就我們目前的技術(shù)來說，可以在150萬元左右實(shí)現(xiàn)首臺(tái)產(chǎn)品的制造。如果是做同個(gè)產(chǎn)品的復(fù)制款，那價(jià)格就可以大幅下降到100萬元之內(nèi)。價(jià)格下降的原因，首先在產(chǎn)品成熟的過程中很多模塊已經(jīng)定型了，生產(chǎn)研發(fā)的損耗降低了，減少了不斷試驗(yàn)的過程。另外，我們的核心零部件已經(jīng)實(shí)現(xiàn)了自研自產(chǎn)，尤其是電機(jī)部分，包括大型關(guān)節(jié)等。核心零部件完全自主可控后成本就大幅降低了。另外在算法的開發(fā)上，以前很多工作要自己進(jìn)行，基礎(chǔ)大模型出來后很多玩家都傾向于將已有的計(jì)算能力賦能給更多企業(yè)，降低了使用門檻。以華為為例，一個(gè)是算力，包括云端的算力，超算中心等；另外一方面還包括了邊緣側(cè)和終端側(cè)。我們現(xiàn)在正在做的就是把我們終端側(cè)的算力能力建立起來，讓每一個(gè)機(jī)器人自身就有計(jì)算能力和模型運(yùn)行能力，從而大大提升交互速度。
真正面向C端還要10年左右時(shí)間
NBD：除了線下文旅綜合體，公司還在嘗試哪些應(yīng)用場景？李博陽：我們現(xiàn)在主要的市場在文旅場景，除此之外也在拓展教育、陪護(hù)這樣一些面向C端的應(yīng)用場景。比如我們的一款面向兒童及青少年的機(jī)器人，未來就可能會(huì)出現(xiàn)在智能教室成為孩子的伙伴，或是作為機(jī)器人老師和機(jī)器人“書童”出現(xiàn)。另外一個(gè)比較受關(guān)注是可移動(dòng)的家庭服務(wù)類機(jī)器人。這個(gè)機(jī)器人我們是把它和大模型做了結(jié)合，（機(jī)器人）可以通過視覺的方式來識(shí)別眼前發(fā)生的事情，再通過與用戶的自由交流來進(jìn)行情感交互。同時(shí)它還與智能家居和各種智能設(shè)備進(jìn)做了打通。我們希望未來（人形機(jī)器人）能夠?qū)崿F(xiàn)智能化的家庭服務(wù)，可以在家庭空間內(nèi)實(shí)現(xiàn)一定的路徑規(guī)劃，成為面向C端、走進(jìn)家庭的產(chǎn)品。NBD：現(xiàn)在很多觀點(diǎn)認(rèn)為，人形機(jī)器人到了“iPhone 時(shí)刻”，您是如何看待的？李博陽：我覺得現(xiàn)在是到了示范項(xiàng)目逐漸落地的階段，所有廠商都在找應(yīng)用場景，也有很多企業(yè)還在實(shí)驗(yàn)室階段，或是只有產(chǎn)品沒有應(yīng)用。我認(rèn)為未來3年之內(nèi)會(huì)有非常多的落地場景出現(xiàn)；3年到 5年時(shí)間里，這些場景會(huì)更加明確并迎來一個(gè)小的爆發(fā)期。但我仍然覺得五年之內(nèi)人形機(jī)器人還是一個(gè)面向公共服務(wù)和工業(yè)應(yīng)用場景的產(chǎn)品，沒有到C端。真正到C端我覺得還要10年左右。從競爭的角度看，這3到5年實(shí)際上是一個(gè)淘汰期。我們看到，近兩三年內(nèi)人形機(jī)器人企業(yè)大量出現(xiàn)，有些是帶著場景來的，而有些企業(yè)還是以比較理想化的狀態(tài)進(jìn)入了這個(gè)行業(yè)，認(rèn)為可以找到應(yīng)用場景，但其實(shí)還是比較難的。此外，我們也注意到有產(chǎn)品出現(xiàn)了同質(zhì)化的現(xiàn)象。可能細(xì)究技術(shù)路徑會(huì)不太一樣，但從現(xiàn)場和大家拍的宣傳片來看，做的事情幾乎都是一樣的。所以這里面誰能夠撐過這三年，誰能真的形成市場規(guī)模，我覺得是個(gè)考驗(yàn)。
