昔日的華為天才少年“稚暉君”，又站到了聚光燈下。

3月10日，智元機器人正式發(fā)布了全球首個通用具身基座大模型——智元啟元大模型（Genie Operator-1，簡稱GO-1），這標志著具身智能向通用化、開放化、智能化方向快速邁進。

在生成式AI遭遇邊際效益遞減的當下，具身智能正成為AI技術突破物理世界的關鍵路徑。該模型通過首創(chuàng)ViLLA架構，整合多模態(tài)大模型與混合專家系統(tǒng)，使機器人僅需千條以內(nèi)的視頻數(shù)據(jù)，即可掌握擦拭、倒水等復雜動作，訓練成本驟降。

這項突破不僅實現(xiàn)了“一腦多形”的跨本體遷移能力，更通過持續(xù)進化的數(shù)據(jù)回流系統(tǒng)，讓家庭服務機器人，首次具備了通過日常交互積累物理經(jīng)驗的可能。

“我們公司使命是運用通用機器人來創(chuàng)造無限生產(chǎn)力，機器人只有硬件本體，那肯定是不夠的。將來，AI能力一定是區(qū)分整個機器人產(chǎn)品競爭力的核心環(huán)節(jié)。就像今天的新能源車、手機一樣，硬件供應鏈也會高度整合，在最后比拼的一定是AI能力?！敝窃匣锶?、具身業(yè)務部總裁、研究院執(zhí)行院長姚卯青在當日的溝通會對21世紀經(jīng)濟報道等媒體直言，如果機器人沒有自主作業(yè)能力，價值是非常有限的。

這個大模型已部署到智元研發(fā)的多款機器人本體中。他透露，具身智能的AI研發(fā)是公司的戰(zhàn)略級投入。

截止到目前，智元機器人已完成了天使輪、A輪、A1輪等多輪融資，其創(chuàng)始人“稚暉君”彭志輝于1993年出生，畢業(yè)于電子科技大學信通學院。2020年，他以“華為天才少年計劃”加入華為。

2022年離職開啟創(chuàng)業(yè)后，彭志輝創(chuàng)辦的智元機器人已經(jīng)率先在行業(yè)內(nèi)完成了機器人大規(guī)模量產(chǎn)，再用百萬級別的數(shù)據(jù)，進行大模型自主研發(fā)。姚卯青表示，在五年后的未來，物理AI能夠真正落地家庭場景。隨著模型的不斷升級優(yōu)化，機器人被帶回家后，人們可以自己進行視教，而不是通過數(shù)據(jù)采集。

機器人做家務可期

讓AI在虛擬世界生成完美圖片容易，但在現(xiàn)實世界中，教機器人穩(wěn)定抓取雞蛋卻很難。因此，當宇樹機器人扭著秧歌在蛇年春晚亮相后，瞬間成為智能硬件新晉頂流。

過去的小模型之所以只能停留在實驗室而無法走到公眾面前，是因為它們無法通過對大規(guī)模圖文和視頻的學習，來構建通用的場景感知和指令理解。

“每一個新場景下的新動作，都需要大量的數(shù)據(jù)學習，而且成功率不高，不同形態(tài)之間的機器人也無法共享數(shù)據(jù)?！敝窃呱硌芯恐行某罩魅稳螐V輝坦言，這種反差揭示了AI發(fā)展的深層矛盾：當數(shù)字世界的智能水平逼近人類時，物理世界的笨拙機械臂仍需要工程師逐行輸入預設指令代碼。

這些現(xiàn)實局限，倒逼著機器人領域技術路線的革新。

智元機器人公布的GO-1基座大模型，展示了突破物理智能瓶頸的全新路徑。這個集成了ViLLA架構的4D世界模型，能夠?qū)〞r間在內(nèi)的整個物理世界囊括其中，可以實現(xiàn)小樣本泛化。

任廣輝舉例表示，拿海綿布擦拭有污漬的桌子這一動作，機器人僅需要150條數(shù)據(jù)就能學會；對于倒水這一相對復雜的動作，僅需1000條左右，而沒有搭載GO-1模型的機器人，則需要一萬甚至五萬條數(shù)據(jù)?！斑@就降低了一到兩個數(shù)量級的采集時間和成本。更重要的是，GO-1模型同一套算法可同時應用于雙足、輪式、機械臂等不同形態(tài)的機器人。”

從性能來看，GO-1相比已有模型成功率大幅領先，平均成功率提高了32%。經(jīng)實驗發(fā)現(xiàn)，在倒水、清理桌面、補充飲料等任務中表現(xiàn)相對突出。

因此，家庭場景的突破更令人期待。未來，機器人能通過日常交互積累物理經(jīng)驗：當掃地機器人第10次撞到桌腿時，它不再重復錯誤，而是建立空間記憶模型；照料老人的陪護機器人，則通過長期觀察學會預防跌倒的預判能力。

這種持續(xù)學習機制，正在打破服務機器人“智能不足”的發(fā)展瓶頸。

談及人們普遍關心的家庭機器人，姚卯青表示機器人進入家庭涉及行業(yè)安全標準，伴隨技術發(fā)展，從推進到落地需要五年左右的時間，定價估計在三十萬元以上，“學習倒咖啡這一個動作，訓練軟件的成本可以在萬元之內(nèi)解決，但這并不包含機器人本體的硬件成本?！?/p>

物理AI聚焦多場景

物理AI在未來可以覆蓋工業(yè)、商業(yè)、家庭等全方位社會場景，但短期內(nèi)，智元會聚焦于工業(yè)場景，并且已有試點項目在工廠落地。

“數(shù)據(jù)是模型的燃料。” 姚卯青強調(diào)，數(shù)據(jù)回流系統(tǒng)保證了GO-1模型的“持續(xù)進化”特性。有人工審核參與的數(shù)據(jù)回流系統(tǒng)，會把錯誤場景或錯誤動作的數(shù)據(jù)上報，以確保數(shù)據(jù)集的質(zhì)量，后續(xù)再加入到模型訓練當中。

一直以來，工業(yè)場景對數(shù)據(jù)的要求較高，在互聯(lián)網(wǎng)上也很難獲取。同時，工業(yè)場景動作成功率對應門檻也相對較高。但在工業(yè)方面，對數(shù)據(jù)成本的容忍度也更高，人們更加關心最終的落地效果。在模型訓練時，幾萬條甚至幾十萬條數(shù)據(jù)都是可以接受的程度。

此外，開源生態(tài)建設也成為破局關鍵。姚卯青表示，AgiBot World開源項目兩周之內(nèi)，一直占據(jù)榜首第一的位置，所獲好評量，遠超Google旗下的類似數(shù)據(jù)集。這種協(xié)作模式大幅降低了行業(yè)合作成本與準入門檻。

“生成式AI 的發(fā)展是有明確的產(chǎn)業(yè)分工的，像數(shù)據(jù)的采集標注、審核甚至是數(shù)據(jù)的交易都有一些平臺性的機構出現(xiàn)，那么在機器人領域，我認為這也是有機會的?！币γ啾硎?，如果每一家都來自己建設場地、投入設備，是一個重復造輪子、重復投資的行為。長期來看的話，可以由個別的幾家企業(yè)來集中承擔公共平臺的職責。

針對近日市場上定價9.9萬機器人所引發(fā)的熱度與討論，姚卯青認為當前階段，機器人領域應該以價值為導向，而非低價競爭?！拔覀儗I研發(fā)的戰(zhàn)略級投入是非常堅定的。智能化今年已經(jīng)開始規(guī)?；慨a(chǎn)和交付，相關研發(fā)投入可以較好地被分攤掉，不會被顯著地轉(zhuǎn)移到終端售價上?！?/p>

信達證券認為，AI的發(fā)展從根本上推進了人形機器人和自動駕駛等端側的發(fā)展。Grok3/o3-mini等模型展示了對物理定律逐步深刻的理解，而Deepseek相關模型則反映了推理成本的迅速降低。

受此激勵，端側較高級別的智能落地可期，人形機器人或迎來迅速產(chǎn)業(yè)化。相較于人形機器人，工業(yè)機器人早已在汽車、光伏、物流等多個行業(yè)廣泛應用。

國家市場監(jiān)督管理總局數(shù)據(jù)顯示，截至2024年12月底，全國共有45.17萬家智能機器人產(chǎn)業(yè)企業(yè)，注冊資本共計64445.57億元，企業(yè)數(shù)量較2020年底增長206.73%，較2023年底增長19.39%，呈穩(wěn)健上揚態(tài)勢。國家統(tǒng)計局數(shù)據(jù)顯示，2024年我國工業(yè)機器人累計產(chǎn)量達到55.6萬套,同比增長14.2%。

不過，當行業(yè)出現(xiàn)井噴之勢，洗牌也會來臨 。而AI+大模型的能力成為下一個競爭的關鍵環(huán)節(jié)。

姚卯青認為，大模型在機器人行業(yè)的應用也會經(jīng)歷一些漸進式的發(fā)展，會從一些較為容易入手、結構化場景較為明確的地方，先去進行落地探索。然后逐漸再演化到一些半結構化和半開放的任務和場景，最終真正實現(xiàn)通用人工智能AGI在物理世界的應用?！翱赡艿侥莻€時候，我們真正能走入千家萬戶，去在家庭中執(zhí)行各類開放式的指令任務。近兩年，我們還是會去集中看一些工業(yè)、服務業(yè)在商業(yè)領域的應用?！?/p>

或許，機器人真正走到我們身邊仍然需要時間，但步伐已經(jīng)在加快，行業(yè)也被拉到前所未有的高度。

對于智元機器人來說，已實現(xiàn)了年均千臺的量產(chǎn)規(guī)模，家庭場景依然是其長期目標。諸如倒茶、制作早餐之類的簡單任務，未來可能只需要幾千元成本即可實現(xiàn)。

“我們用兩年時間，走完了別人可能八年都沒有走完的路，”姚卯青堅定相信，智能化才是機器人的未來，且未來會持續(xù)投入到軟硬件一體化研發(fā)中。