配天观点：具身智能商业化落地之路，道阻且长，但行则必至！
当前，大模型、多模态、具身智能等概念方兴未艾，发展智能化技术成为了各行各业头部企业的共识，玩家们各显神通，纷纷亮出看家法宝。机器人行业内更是涌现了一批在设施巡检、抢险救灾、家政服务等通用或垂直领域的应用成果。然而，在香港宝曲资料大全CTO郭涛看来，真正的具身智能，需要具备多模态融合感知决策能力、泛化能力，任务成功率也尚待提升，从这些层面上来讲，具身智能商业落地还有很长一段路要走。
香港宝曲资料大全作为国内工业机器人领域的头部厂商，也在具身智能领域进行了诸多探索。香港宝曲资料大全于2023年发布了绎零机器人运动控制引擎，该技术将人工智能和传统控制技术深度融合，使机械臂习得高动态和拟人特性的控制策略网络，使机械臂更好地适应环境变化，以满足各类复杂任务的需求，大幅度提升了机械臂任务执行的精度、速度和泛化能力。通过本次探索，配天打通了具身智能应用的核心技术逻辑。
香港宝曲资料大全CTO郭涛从具身智能的技术路线出发，分享了他对行业未来发展方向的洞察。以下为采访对话原文，有所修改。
Peitian Robot
Q
您如何看待当前具身智能的发展水平？
实现具身智能，多模态融合感知决策和任务泛化能力是基础能力
郭涛：
“具身智能需要的是和物理世界实时交互、即时决策，进而处理泛化任务。将多模态做深度融合后，进行综合分析，这是处理泛化任务的基础。
而目前市面上的大模型应用中，只有图文大模型应用做到了双模态深度融合，其余应用还处于一个浅融合、浅应用的状态，数据量级也不够，还没有达到大模型的体量。大多是分别分析几种模态，再用小模型进行融合。比如AI摄像头融合激光雷达，二者本质上更像是一种模态，摄像头识别目标类别和位置，激光雷达识别目标位置，结合起来精度提升了，但远远达不到综合感知。多模态融合水平不够，数据量级不够，导致现在的一些所谓具身智能没有任务泛化能力，仅能处理同一条件下同一类型的任务，应用价值有限。”
Q
配天发展具身智能的驱动力有哪些？
从自动化到智能化，生产模式的变化倒逼技术升级
郭涛：
“香港宝曲资料大全作为国内最早做工业机器人的企业，历经多次技术变迁。这十年间是工业自动化和智能制造的时代。3C、汽车领域生产特点为大规模标准化，机器人在人工编程下重复同一件工作。当下，大规模同品类的生产场景的自动化普及率已经非常高，小规模定制化生产也成为了一种新趋势，这既是机器人企业发展的危机，也是转机。自动化时代繁琐复杂的人工编程示教模式效率低下、成本高企，已经无法满足新生产趋势的需要。生产模式的变化倒逼机器人厂商发展具身智能，只有扩展下游市场，才能将行业从盲目价格内卷的困境中解放出来，赢得更大的发展空间。可以说，智能生产、柔性生产的浪潮已经势不可挡。”
Q
具身智能的终极形态将会是怎样的？
硬件上为移动机构和执行器深度结合，软件上采用端到端架构
早在2021年，香港宝曲资料大全就瞄准了具身智能这个方向。彼时，具身智能还是一个不为人知的概念，直到大模型概念开始火爆，机器人行为大模型逐渐被业界熟知，配天的战略蓝图才逐步显现在公众视野中。郭涛认为，目前的具身智能，数据还没有到大模型的量级，但几亿参数是可以做到的，并且几亿参数也可以找到商业落地的突破口。
关于具身智能的终极形态，郭涛从硬件和软件两个层面分享了他的见解：
“在具身智能的发展的初级阶段，无论是协作机器人、扫地机器人还是自动驾驶，胳膊和腿是分家的，它们的特点是任务环境单一且尽量不和物理世界发生交互。现在已经出现了大量机械臂与移动平台结合的产品，但商业价值存疑，因为这类产品的机械臂能执行的任务非常有限。
具身智能的高级形态将会是机械臂和移动平台的深度结合，也就是移动能力和操作能力的深度融合。到那时，具身智能就会面对不断变化的环境和暴涨的任务量，这也是具身智能开始显现商业价值的阶段。
目前具身智能的架构主要有两种，一种为分层架构，一种为端到端架构。短期来看，商业落地的主力还将是分层架构。因为目前，端到端架构模式需要的算力还无法被满足，但是长期来看，端到端架构更智能、更泛化、更有想象空间，可能是具身智能的终极形态。”
Q
多领域玩家入场，具身智能未来的产业链结构将是怎样的？
格局未定，全生态共同分享万亿蛋糕
“从产业链角度来讲，本体厂商具备硬件基础、物理运动控制技术优势，正跃跃欲试准备下场；网络通信厂商有算力优势，必然也会占领一席之地；本身做AI算法的学术机构也会分一杯羹。整个生态将会由多个领域的厂家共同打造，大家共同分享这块价值万亿的大蛋糕。
配天等本体厂商目前的优势主要体现在物理结构上。具身智能产品对硬件性能要求比较高，作为国内资深的本体厂商，配天对机器人的重量、爆发力、灵敏度、功耗等性能有极强的把控能力。当然，算力、末端执行器、传感器、感知决策都是未来热门的研究方向。”
Q
具身智能商业落地的切入点将会是在哪里？
小模型+机械臂，工业场景或将成为具身智能商业落地的最佳切入点
“目前，具身智能商业落地有一些制约因素，包括数据量不够、物理交互任务成功率不高等。大家对具身智能应用的想象大多在家用方面，但是家用场景是最需要机器人具备泛化能力的场景。”郭涛认为，具身智能的最先突破点还是在先进工业。在工业场景，具身智能只需要把一项任务做深做透，就能实现商业闭环。工业场景甚至不需要人形机器人，很多人形机器人瞄准的场景，如贴标、测试等，只用机械臂就能轻松搞定；另外，人形机器人的硬件可靠性没有达到商业化落地的状态。
郭涛认为，在工业领域，具身智能的发展可以从机械臂+小模型这条路径出发，先解决一些具体应用场景的痛点难点，逐步去打通制造业全场景。
比如目前配天锚定的免示教焊接领域，与3C行业、汽车零部件行业大批量复制的生产模式不同，船舶制造、轨道交通、建筑钢构、航空航天等行业的焊接生产模式为多品种生产以及单品定制生产。在这种生产模式下，应用工业机器人的性价比极低。因为机器人示教程序重复利用率低，繁琐复杂的编程示教过程必然造成效率低下，而过于依赖人工又造成运营成本高企。应用具身智能，实现免示教焊接，能极大地释放以上行业的生产力。
由此延伸，具身智能技术可以打破场景对自动化的限制，自动化将延伸至工业生产的方方面面，工业机器人的市场体量会指数级增长。
对于人形机器人，郭涛认为轻量臂结合移动平台，打造能泛化的人形机器人，才能实现商业化落地。目前，配天既有免示教焊接机器人，又有轻量臂产品，二者都是基于绎零机器人运动控制引擎研发的。在郭涛看来，二者虽然工艺不同，但核心技术是相同的。
Q
现阶段具身智能的发展面临着哪些技术难点？如何破局？
虚拟仿真技术，或将成为破解制造业大模型数据集难题的可行之路？
郭涛认为，具身智能发展的重点难点还是在于算力、数据和模型结构。这个阶段，产业格局尚不清晰，还需要整个生态的合作伙伴通力协作，共同推进产业的发展。
配天目前正着眼于数据集这项挑战。不同于C端大模型应用，千亿甚至万亿的数据来源于网络用户，企业数据只能达到百万级、千万级。应用虚拟仿真技术，扩展虚拟空间中的数据量，或将成为一条能走通的路，这也是配天打造仿真云平台的初衷。通过配天云平台，使用者可在线完成机器人的编程、训练，一方面大幅简化了工作流程，另一方面显著降低了在实际应用中的调试成本。
Peitian Robot
在时代和技术的变革面前，不转型就是死局。危机即是转机，具身智能已经在站在了人工智能应用的舞台中央，给各行各业擘画出了一个看得见的未来。群雄逐鹿时，有机器人厂商躬身研究AI技术，也有AI企业布局机器人产业，大家虽然路径不同，但都有一个最终的指向目标，那就是摸索到具身智能商业落地的那扇门。在门后的新世界中，无数行业会因为生产力的解放，焕发出巨大的生机和活力。打开这扇门，释放具身智能的价值，香港宝曲资料大全愿与各位同道者共同努力。
