机器人“大脑”再添新变量，规模上岗还差“最后几毫米”？

本文来自微信公众号： 财联社 ，作者：张校毓接收订单、分拣药品并送至柜台，抓取丝杠零件、产线上下料……财联社记者在第九届中国国际进口博览会（下称“进博会”）上观察到，机器人正演示越来越具体的工作流程，部分方案已进入门店和工厂。

这不禁令人好奇，距离具身智能的“ChatGPT时刻”，行业又向前走了多远？去年进博会期间，宇树科技创始人、董事长王兴兴曾表示，具身智能大模型、端到端技术的进步总体上非常快，但机器人大模型进展比他想象中缓慢。

今年在虹桥国际经济论坛上，他进一步将当前挑战聚焦到模型与物理世界的对齐：目前多模态模型本身的理解能力已经较好，最大的问题是输入输出对齐的误差，“最后几毫米”还有比较大偏差。机器人“大脑”领域近期的进展也让这一问题受到关注。

今年10月中旬，英伟达研究团队发布的一项研究显示，GPT-6 Astra本身具备执行通用拾取放置任务的能力。近日，苹果研究团队披露机器人“大脑”研究进展：人形机器人自主控制系统HALO。

据论文披露，研究团队在6个未预先扫描或建图的真实环境中开展360次单项任务测试，平均成功率为91%。随着通用模型开始涉足此前主要由专用模型承担的动作控制环节以及非具身企业在机器人领域开展大脑研究，具身企业自研基础模型的壁垒与价值如何体现，成为近期业界讨论的焦点之一。

不过，从部分场景陆续“上岗”，到更多任务能够稳定完成，具身智能仍在同时寻找技术突破与规模化商业落地的路径。对于具身智能“Chat GPT时刻”的到来节点，多位业内人士给出的判断“落”在了2027年下半年左右。

从拣药到上下料，机器人“上岗”到了哪一步？在进博会新闻中心入口，伴随“咔嚓”一声，Sharpa机器人“上岗”，拿起拍立得相机，调整握姿、按下快门并到递交照片到了记者手中。在这背后，面对真实工具与持续变化的现场环境，机器人既要准确识别目标、协调手眼动作，也要通过触觉反馈与精细力控，完成不同接触状态下的操作衔接。

Sharpa机器人正在给记者拍照，图片来源：财联社记者/摄而从新闻中心的这一场景延伸开去，放眼整个进博会现场，今年机器人在部分场景的“上岗”身影也明显变多了。窄通道两侧，药品密集陈列。

蚂蚁灵波科技与国大药房联合呈现的智慧零售药房场景，将线下门店的布局搬到了展台。用户下单后，机器人接收订单、分拣货品，再将其送至柜台。蚂蚁灵波科技与国大药房联合呈现的智慧零售药房场景，图片来源：财联社记者/摄“目前已经在上海浦东的几家药店同步部署上线。

”蚂蚁灵波科技相关负责人向财联社记者介绍，这套方案搭载蚂蚁灵波LingBot2.0具身原生通用机器人大脑，基本无需对原有门店布局进行改造，即可部署上线。担任“酒店管家”的智元机器人、Hitch Open展台的HOPE进博会人机乒乓挑战赛亦吸引不少观众驻足。

特斯拉展台搬运行李、遛狗、带娃等人形机器人模型造型，呈现未来机器人参与日常生活的方式；流水线旁分拣、组装电池的模型，则展示了机器人参与生产的应用方向。特斯拉展台的人形机器人，图片来源：财联社记者/摄据特斯拉工作人员介绍，特斯拉正在建设“人形机器人学院”，先用人类数据进行基础训练，再让机器人在仿真和现实环境中反复练习，通过任务执行积累数据、改进能力。

工业展台上的任务则更为细分。浙江人形机器人创新中心有限公司展示了人形机器人NAVIAI在拆垛、分拣、搬运及部件装配中的全流程作业能力；上海沪工则在现场展示了HGR人形机器人免示教焊接，机器人采用正装+七轴行走形式，可完成宽度2m以内工件焊接；

七轴行程可按需定制适配不同长度工件。九赴进博的西门子，其人形机器人全流程端到端解决方案亦亮相现场，从机器人本体设计、工艺仿真、虚拟调试，到核心零部件加工、整机总装和工业现场应用，通过软件演示与实物场景联动，展示数字孪生、柔性制造和智能调度在其中发挥的关键作用。

此外，随着人形机器人逐步进入智能制造与服务领域，精度成为决定其价值的关键资产。据悉，海克斯康通过高精度三坐标测量机、激光跟踪仪、工业CT、RoboDyn机器人校准系统等工具，整机运动精度从厘米级跃升至毫米级以内。

上海眸深智能科技有限公司创始人兼CEO穆泽林在接受财联社记者采访时表示，目前机器人大规模“上岗”的情况仍较少，多数处于“试岗”阶段，但部分场景已出现规模化部署。这些来自不同场景的进展，正在为具身智能提供新的商业验证。

但一个岗位能够干活之后，换一批货品、换一条产线，原有能力还能复用多少，仍是大规模落地需要回答的问题。GPT-6参与生成动作，具身“大脑”的壁垒在哪里？值得注意的是，对着机器人陆续上岗，具身大脑的进展近期成为业界的一大探讨焦点。

一方面，通用模型开始涉足此前主要由专用模型承担的动作控制环节；另一方面，国内具身智能企业仍在加大自研模型投入。两条路线逐渐交汇，也使一个商业问题更加突出：具身企业需要建立哪些难以被通用模型覆盖的能力？

在近日举行的第九届虹桥国际经济论坛“人形机器人与具身智能产业创新发展合作”分论坛上，自变量机器人创始人、首席执行官王潜回应了这一讨论：GPT6的出现使得很多人在探讨语言基础模型是否可能逐渐覆盖具身大脑，使数字世界与物理世界模型之间的边界逐渐淡化？

王潜认为，当前具身智能特别是精细的运动操作、手部的控制，实际上和高等级的思考能力、语言能力在进化上是同源的，“具身智能我们希望它要能够有生产力，有用的这部分是高等级的智能，而不是直接意义上全身运动控制发展过来的延伸，所以从这个角度而言，我觉得今天看到的语言模型和物理模型某种意义上的融合，也是我们很早就在期待的一件事情。

”星海图人工智能科技股份有限公司创始人、首席执行官高继扬判断，GPT-6对具身基础模型冲击有限，“原因在于最终两个盒子模型要运行端侧，不然工作节拍跟不上，推理延时解决不了。”上海眸深智能科技有限公司首席科学家、复旦大学深度学习实验室主任陈涛也告诉财联社记者，公司研发团队将GPT-6 Astra接入不同厂商的机器人本体，开展了多项实验。

从团队内部测试结果看，其实际表现仍有较大改进空间。首先是速度方面，据陈涛介绍，部分任务使用眸深智能原生大脑可在一两分钟内完成，接入GPT-6后则需要30多分钟，甚至一个小时。其次是任务执行方面，陈涛表示，在团队测试中，GPT-6较擅长沿着成功的操作路径执行任务，但一旦中途出错，或无法找到指令所指向的目标、预期的操作位置，就可能停滞，难以继续完成任务。

智元合伙人、联席总裁、中央研发部总裁、交互业务体系总裁熊彦此前在接受媒体采访时亦公开表示，GPT-6 Astra主要表现在高阶任务规划，一是调用其他的模型来生成动作，二是直接生成机器人的动作。

“但在这个过程中，一个简单动作的生成可能是分钟级的。同时，调用一次需要上百美元，对于部署态而言，调试成本很贵。”那么，模型如何准确、及时地控制机器人完成工作？事实上，这一问题也贯穿了王兴兴前后两年的发言。

去年，王兴兴认为具身智能大模型、端到端技术的进步，总体上非常快，但机器人大模型进展比他想象中缓慢，还没有达到临界值。今年，他进一步提到，目前多模态模型本身的理解能力已经较好，最大的问题是输入输出对齐的误差，“最后几毫米”有比较大偏差。

宇树科技创始人、董事长王兴兴正在进行主题演讲，图片来源：财联社记者/摄“单单目前全球最好的顶尖多模态模型直接让它操作一个机器人，规划抓取一个大物体，目前成功率接近100%。但做更精密操作目前效果差很多，包括装配零部件，精密操作目前成功率更低一点。

”王兴兴判断，这部分问题未来1-2年或可以解决。有了“锤子”和“钉子”，为什么还没“打穿”？对于技术供给与场景需求之间的距离，国家地方共建人形机器人创新中心首席科学家江磊在进博会分论坛上用了一个形象的比喻：“锤子”与“钉子”。

江磊介绍，在近期场景方与机器人厂商参与的交流中，双方反映的问题是，锤子上打的力，打到钉子上解决不了场景问题，没有“打穿”。他认为，这背后需要通过标准和问题清单，将具体指标、能力缺陷列清楚；

同时借助相应平台提供一块“木头板”，让技术与需求在实景实训中解决相关问题。谈及规模化落地，高通公司中国区董事长孟樸表示，机器人需要的不只是更强的AI能力，还要能够在复杂、动态的环境中持续感知、实时决策、可靠行动，并在有限的功耗和成本下稳定运行。

穆泽林在谈及机器人落地的难点时也提到，这主要需要解决场景验证和经济性两方面问题。首先是完成从“0到1”的验证，需要选择与当前技术能力相匹配的场景，避免一开始就切入仍需一两年技术攻关才能实现的任务。

其次，规模化落地需要算清经济账，这也对模型压缩、处理等技术能力提出了较高要求。摩尔线程联合创始人、执行总裁王东则将讨论进一步引向具身智能“ChatGPT时刻”的“涌现点”。他认为，锤子和钉子之间凿不进去，涌现点还没有出来。

单纯提高参数未必足够，可能需要模型参数、算力与仿真训练平台共同推进。对于这一时点，王潜判断，具身智能和物理世界的“GPT时刻”可能在一年左右到来；穆泽林也预计，“ChatGPT时刻”或在2027年下半年到来。

“因为不一定要让机器人真的像人一样双足去工作，它可以是轮式双臂、轮式单臂，（这）在有些岗位就可以发挥比较好的作用和效果。”