# Vol.232 产业观察44｜具身智能+AI4S，能诞生什么新物种？ 高能量 · 2026-08-31 · 60 min · https://www.xiaoyuzhoufm.com/episode/6a957514f03e74ee6b02bf6e?utm_source=rss ## 逐字稿 李丰 欢迎大家来到这一期的产业漫谈，我是丰瑞资本的合伙人李丰。北京正在召开世界机器人大会，也就是 WRC，这两天还在进行机器人体育比赛。两年多以前，我们曾经做过一期节目，那时候机器人刚开始受到关注，我们请来了一位 CEO 嘉宾，连文昭博士。这次我们做一次返场回顾，因为机器人行业经历了如火如荼的两年，而这周宇树机器人也刚刚上市，虽然上市之后表现跌宕起伏，但不管怎么样，这也是机器人行业的一个标志性事件。 所以，在今天这个特殊的时间点，我们请连文昭博士重新返场，再来讨论一下机器人行业。从他的视角，经历这两年之后，他看到了哪些变化，当然也包括原洛科技自己的一些变化。我们还是请连博士先简单介绍一下自己，以及原洛科技这个公司相关的情况。 连文昭 我们是一家做 AI 机器人方面的创业公司，2023 年成立。我们既做机器人的硬件本体，主要是类人型机器人，但现在也有更多种硬件架构。同时，我们在大脑算法模型这一侧的投入越来越大，现在也在推进我们的 OPN——以物理为中心的物理原生模型，并持续提升模型的可靠性和泛化性。 我们切入的场景是科学智能，也就是 AI for Science。我们选取泛实验室场景中的一大类任务，把它作为练兵场和试金石。现在，我们已经和一些企业以及科研单位合作，部署了很多机器人，至少证明在这个最难的考场上，我们也能实现很多高柔性、高精度的技能。 未来，我们也希望把这些技能用到其他场景，比如生产、服务，甚至生活中。 关于我自己，我现在一方面是在负责我们整个远络这方面的研发运营，另一方面也在上海交通大学人工智能学院担任教授，带很多同学一起探索具身智能和 AI 机器人技术的边界，尤其是在如何让机器人安全地在未知环境中运动，以及如何泛化到没有见过的场景中，我们也在做一些前沿探索。 我从美国回来之前，在美国有过 3 段工作经历。刚博士毕业时，我在硅谷一家 AGI 创业公司 Vicarious 工作。那是一家很早期的通用人工智能企业，据传和 OpenAI、DeepMind 齐名。当时我们做类脑神经网络，也把机器人用到了物流场景，比如搬箱子、捡包裹，这些都是现在大家在机器人大会上很常见的应用。我们当时做了非常大的探索，也在美国一些客户的场地部署了很多机器人，比如美国邮政。 后来我去了 Google X 实验室，参与了一个早期机器人项目，后来这个项目公开叫作 Intrinsic。很神奇的是，Intrinsic 在今年早些时候又并回了 Google。我们在 Intrinsic 主要做的是机器人操作系统，为各种各样的硬件载体提供一套相同的软件架构，类似于手机里的安卓系统。 在那边，我也继续负责推进如何用模仿学习和强化学习提升机器人的通用性，甚至让它能够跨越各种不同的硬件载体。 2023 年，我加入了硅谷一家人形机器人企业 Figure。那家公司早期有非常强的硬件团队，后来对 AI 的投入也越来越大。我在那里搭建了最早的一些数据采集链路和模仿学习框架。后来，随着机器人行业越来越火，Figure 也成了美国机器人行业的标杆企业。 李丰 这里面信息量挺多。我们回到一个最简单的现实问题。你每次也会参加 WRC，也就是世界机器人大会。横向比较这次 WRC 和之前一届、两届的情况，作为一个从业者，目睹了这两三年的变化，你能不能谈谈现场有什么感受？ 连文昭 我觉得今年特别有意思。首先，展馆是越来越大，参展企业的数量也越来越多。今年可能有几百家企业在不同方向上进行探索。大家会在展馆里看到各行各业的场景，比如搬箱子、分拣、工业装配、做饭，以及服务、端茶倒水等各种各样的场景。 我们现在做具身智能，是给科学智能服务的。就像几百家公司在做几百个平行实验，这说明整个行业还没有形成共识，大家都在基于自己的过去经验和思考，探索自己的道路。方法上也是百花齐放，有点到点的纯预编程方式，也有依靠视觉语言动作模型的，还有依靠生成世界模型的，各种方法都有，大家还没有收敛。 这是一件很好的事情，证明行业对天花板，或者说对未来的预期，是有共识的——一定很高、一定很好。但是，如何走到并兑现这个预期，大家还在努力回答这个问题：如何让机器人真正从一个 Demo 走向生产力。 今年很明显的一点，是大家都在强调场景落地，要实现真正的产业价值。去年，更不用说前年，基本上机器人只要能够完成一个很短的任务，展示一个小的能力，就结束了。双足机器人是另外一个故事，双足跳舞依然很热闹，情绪价值也依然是真正的价值，而且还在持续发展。 但我关注得更多的是操作这一层，尤其是上肢操作。这个方向确实正在逐渐从展示能力走向可靠性，可靠性依然是行业目标，而且明显是在往这个方向牵引。 李丰 我没去现场，所以我大概猜想一下：去年大家可能更偏向新奇特，比如机器人能唱歌、跳舞、打拳、跑步，做更多跟行动有关的事情，也包括一部分上肢操作。去年大家可能还在做一些小 Demo，不管是叠衣服还是倒咖啡。 按你的说法，我的想象是，今年至少在操作相关的能力上，大家想办法做了更复杂、更多样，也更场景化的各种任务。和去年相比，是这样吗？ 连文昭 大部分是对的，但还是需要把握一下预期。其实展示出来的能力差不多，还是叠衣服、折盒子、搬箱子、抓东西，比如超市里抓水。技术肯定在发展，但今年明显更加场景化了，之前更多是展示性，这两者还是稍微有些不一样。 我们元络这边去年第一次参展，今年是第二次，一直是在生命科学、AI for Science、科学智能这个行业里，以长序列、高柔性、高精度的操作来牵引研发，也对外展示了这些能力。包括去年，我们展示了细胞学实验、细胞毒性检验这类长序列实验流程，如何让机器人处理移液枪、液体、试管、离心机等各种仪器。 所以，我们对机器人的要求是既要柔性，又要精度；既要智能，也要可靠。 李丰 关于你们做的这部分，一会儿我们再展开。新闻报道说，这次 WRC 有非常多外国人来参会。你在现场的体感是怎么样的？ 连文昭 我自己也有明显的体感。昨天我还和朋友聊到，非华人面孔确实明显多了起来。欧洲、日本、韩国不用说，中东、东南亚很多地方也有人过来。 有些人是做商业方面的，希望在当地引入、导入和推广中国产的智能机器人。也有一些很神奇，比如欧洲有人希望自己去做机器人公司，想来学习我们是怎么做的，然后回到当地去做。 我觉得从海外来看，他们确实非常认可中国机器人的研发、生产和制造能力。当我们真正举办这样一个机器人大会时，它确实兑现了“世界机器人大会”这个名字，国际参与比例还是很高的。 到我们展台来的，就有很多希望和我们合作的人，问能不能帮忙推广到欧洲、中东以及日韩。包括卡塔尔的半岛电视台，也就是中东的半岛电视台，特地来到我们的展台，一直在这里取景，也和我们交流整个行业以及机器人如何在他们那里推广。他们对这方面极其关注，也认可我们正在逐渐成为事实上的全球机器人中心。 李丰 你接待的外国友人里，有多少是带着商业和实际需求来的，想找解决方案或者找机器人；又有多少人只是来看看热闹，了解一下中国现在是什么样的？毕竟现在中国免签，来中国比以前容易了很多。 连文昭 前者，也就是希望真正达成实质合作，至少尝试实质合作的比例很高。他们希望把机器人带到当地推广，或者作为集成商、经销商和转售商，在当地销售。后者我们其实没有怎么交流。 李丰 如果是带着需求来的，在你能够接触到的这个小样本范围里，他们提出的需求有多少是可行的，有多少暂时还在机器人能力范围之外？ 连文昭 从能力上讲，绝大多数都可以做到，但前提是愿不愿意付出足够的成本。他们提出的很多诉求都很常见，比如某个工厂要给机床上料，要做装配，有时候甚至是装配自行车。我也不知道他们为什么不从中国买自行车，但当地确实还有一些这样的体力劳动需求。 此外，还有超市服务、 biotech 公司和制药公司的需求。他们确实有这些实际诉求。如果这些诉求发生在中国，我们肯定也能做；发生在海外，我们同样也有能力做。 但是，一方面要看双方是否愿意投入大量人力协同起来，因为当地这方面的工程师比较稀缺，数量低于国内，所以投入可能会更大。另一方面，地缘政治也肯定是一个因素，这部分是不可控的。 李丰 你刚才隐含了我想问的另一个问题。假定绝大部分需求从能力上都能解决，那么你接触到的这些需求，有多少是成本能够覆盖的？虽然当时你们可能还没有谈到具体价格，但从对方初期的意愿来看，情况怎么样？ 连文昭 小量肯定都可以做。如果真的上量，还是要回到机器人的本质：你是不是能够可靠地完成任务。 比如给人推一台机器人，这台机器人是一个特定的产品，不管怎么定价，双方都可以谈。但最终总要形成标准并实现规模化，而这个标准如何形成，就需要机器人证明自己是可靠的。 什么叫可靠？把机器人推到某个地方以后，它运行了一天，第二天是不是还愿意开机？如果它自己就愿意主动开机，那客户的付费意愿肯定很强，对方愿意付出的费用就可以覆盖成本。如果它不愿意开机，必须说“你们工程师不来，我就不开机”，那成本肯定很高。 所以，这确实还是一个需要筛选的动态过程。过去行业传递出来的信心或者预期，造成市场预期有些偏高。因为如果预期不高，肯定会变成百分之百的需求，而这些需求我们绝对都可以满足。 但过去几天听下来，有些预期确实比较高。很多人会举一个很复杂的生产流程或场景，说：“这个感觉你们应该很容易做。”他们还会说：“我们那里已经能做什么什么东西了。”这种预期还是过高。 不过我觉得这也是一件好事，正因为有了更大的预期和更大的需求池，我们才可以从中筛选出更多需求。 李丰 看起来，机器人的国际化确实有可能成为中国新出口当中的一个潜在增项，虽然现在还很小。这个话题我们先放一边。 还有一个今天比较热点、也比较时髦的话题。两年以前我们录上一期的时候，你提到了一个当时不太受关注、创业方向上也没有很多人做的事情。当时你的说法是，如何解决“直觉物理”的问题。 简单来说，人有直觉物理：你知道怎么拿东西，应该用什么姿态、什么力道、什么状态去执行动作，或者对物体做动作。当然，这也包括一些常识性的物理问题。那时你就把它称为直觉物理，说你们在国外的时候就一直在考虑怎么解决这个问题。 我提这个话题，是因为从去年年底到今年年初开始，最热门的机器人创业方向之一就是世界模型或者物理模型。定义有很多，总而言之，都是在解决交互、物理状态改变，以及如何让机器人理解一个带有物理量的世界。 我们也投了几家这样的初创公司，而且它们确实很热，过去 6 个月估值上涨得非常快。考虑到你两年以前就一直在思考这类问题，你觉得今天物理模型和世界模型的发展阶段，以及解决方案大概是什么样子？和过去很多年思考这个问题时相比，现在发生了什么变化？ 连文昭 这是一个挺有意思的问题。当时确实提到了直觉物理，以及如何理解世界、如何和世界交互。后来也出现了丰收总结的各种各样的路线，都在致力于解决这样的问题。 机器人本身需要做的事情，第一是知道要动到什么地方；第二是安全、可靠地运动。它本质上就是在解决这两个问题。 抽离出来看，我们可以把运动大体分成两类。一类是在自由空间中，从任意的 A 点到 B 点；另一类是有接触、有交互时，如何接触这个东西，同时还能从 A 点移动到 B 点，甚至把这个东西也从 A 点移动到 B 点。这里的 A 点到 B 点，不光是空间上的，也是状态上的。 另外一个问题，是如何决定 B 点在哪里，也就是目标是什么。过去无论是行业、学界还是工业界，很多人在推进视觉语言动作模型、世界模型，想去理解物体、理解常识。现在的方式主要是通过数据采集：采集大量数据，然后视觉语言动作模型更多是做一个回归，从观测到的量直接决定未来往哪里运动。 这其实是一个捷径，绕过理解，直接生成动作。但后来大家可能发现，这种方式有点问题，因为它容易对数据过拟合，泛化性没有大家想象得那么好。 李翔 我插一句。现在包括我的学生也经常说泛化。他们说，物体从一个位置向左移动 0.5 厘米，还能抓到，就叫泛化了。我从来不觉得这叫泛化，这本来就是应该具备的能力。 连文昭 所以，大家往世界模型方向走的时候，反而把标准降得低了一点。 后来大家慢慢意识到这个问题，又开始做世界模型。世界模型其实是希望用神经网络、Transformer 这些模型提取特征，然后用这些特征做决策时，不要丢掉理解世界的信息。也就是说，我不光要生成动作，还需要理解世界，理解客观物体的发展规律。 但是过去的世界模型往往还是 pixel-to-pixel，也就是从像素点到像素点，需要预测并重建所有像素。这其实太麻烦了，也有些反直觉。它会使模型把大量表达能力都用于重建和恢复像素。 学术界也会提出一些方法：是不是不用关心所有细节，能不能做压缩，只预测物体的状态，或者做一些分类、分割，再加上一些价值任务。 我们其实很早就一直在践行以物体为中心的思路，不去过度建模那些不关心的小细节。但有一些重要的细节，是以前的视觉世界模型里没有的，反而是我们需要关心的，比如力。力觉是一个很关键的模态。 我们在做预测模型时，姑且也称之为世界动力学模型。一方面，我们会建模原始图像；当图像和动作输入以后，希望能够预测未来。预测未来图像的同时，也希望预测未来的力。 力这个模态很有意思。视觉上，眼睛换一个角度，得到的信息和本体、和人本身没有太大关系，最多是角度存在差异。但是力完全取决于机器人自身施加到环境中的作用：施加的力大，反馈的力就大；施加的力小，反馈的力就小。所以，力和动作是极其绑定、极其耦合的。 我们的模型一方面预测未来图像和未来的力，另一方面还会把预测结果和实际施加动作后测出来的力进行比较，形成闭环和反馈。它不能只做前馈，而是当我预测出会感受到多大的力、并预测出动作之后，把这个动作施加到环境中，又会感受到一个新的力，再拿这个新的力和预测的力比较，反过来纠正预测能力。 这样形成一个闭环，就可以逐渐理解物体交互规律，以及人和机器人与物体的交互规律。随着数据增多，估计误差会逐渐减小，理解能力也会越来越好。 李丰 我们也在看，也在投资；你们也在实践。今天，各个机器人企业多多少少都遇到了这样的问题：要解决和整个环境、状态相关的操作与改变。 这些方向肯定还没有收敛。就像你刚才讲的，模式迁移过程中，相关名词已经发生了很多变化，有 VLA、VLM、World Action，还有 WM。我们先不管这些名词，也不管它们是否收敛，大家都在积极探索。 从你的角度看，最终大家在接下来的一步、两步或者三步，在探索如何建模世界、理解世界的过程中，可能会向哪一两个、或者哪三个方向收敛？ 连文昭 我觉得需要从最终想达到的目标倒推。最终我们肯定是希望达到零样本、小样本泛化：把机器人放到一个新环境里，经过一次展示，甚至不需要展示，它就可以动起来，可以理解任务并完成任务。 第二，它需要绝对安全，知道自己的边界，出现异常时能够处理。这肯定是我们最终希望达到的状态：可泛化且可靠。 倒推回来，首先要找到数据效率最高的方式，才能达到这种程度。另外，它还需要保证自主安全，所以要有一种方式评估自己输出的不确定性边界。倒推回来，应该就是沿着这两条路线发展。 现在，从世界模型继续向前发展的过程中，大家也在各个方面尝试提高数据效率。比如，如何让数据采集更便宜。峰叔如果还记得，2023 年我们讨论公司技术路线时，其实已经在采集大量 egocentric 数据，也就是以自我为中心的数据。在实验室里采集这样的数据，如何让数据采集变得更便宜，肯定是一个方向。 第二，是如何让数据中提取出来的信息密度更高，更贴近直觉物理。比如我们自己也在做的，以物体为中心，而不是以一个个像素点为中心；以及如何从二维或多视角二维信息中隐式推导出三维，因为三维是对环境更本质的理解。这些方法大家也都在逐渐尝试。 另一个维度，是如何保证安全。过去采集的数据集通常以视觉为主，甚至只有视觉。现在行业里也在采集力觉、触觉，有人做触觉手套，也在采集各种传感器的数据。我们自己也在探索如何融合视觉和触觉，并建立了自己的数据采集链路。这也是一个比较显著的趋势。 李丰 这个话题我们先放一放，回到袁洛跟中国的机器人相关的话题。你觉得过去两三年的创业过程中，从整个中国机器人行业的发展来看，软件，也就是算法相关的部分，和硬件，也就是电机、关节、控制以及机械手等具体硬件，各自的进展速度和规模是什么样的？ 连文昭 我觉得硬件看起来发展没有那么快，但实际上工程上取得的进展很快。软件方面，大家直觉上看到的事情、演示的漂亮程度，提升得非常快；但如果把时间维度拉长，可能进展没有想象中那么快。 硬件上，很多人会说，三年前的 WRC 展示各种协作臂，也有一些人形机器人，现在还是这些形态，使用的关节可能还是谐波减速器、行星减速器。当然，现在也出现了一些其他形态。背后的供应链、设计和系统集成，实际发展速度比想象中快很多，成本就更不用说了。 可靠性也有很大提升。像新一代机器人，经过这一两年的发展，已经慢慢能够做到比较高的可靠性。以我们自己做的机器人为例，重复定位精度和绝对定位精度已经能够逼近以往工业机器人的级别。 这在两年前可能还不太敢想象。所以，硬件的发展程度，我们国内确实有优势。硬件迭代的速度，甚至已经能够逼近软件迭代速度，达到了这样的发展曲线。 这也得益于国家的大量投入，也得益于这么多企业和高校百花齐放地投入研究。上游无论是机加工、电子还是传感器，确实都很成熟，愿意做这一行的人也越来越多，整个生态越来越好。相关协议和标准也在逐渐形成，这些进展比大家的体感更快一些。 模型算法这一侧，我们也确实看到了很多新的成果。无论是基于纯端到端的 VLA，还是基于世界模型、先学习预测模型再做模型预测控制的不同思路，展示出来的能力都越来越强。 但是，如果透过这些展示能力看本质，研发范式其实没有特别大的颠覆。大家还是在沿用过去的方式，比如借鉴超大语言模型的做法，通过预测未来、使用数据集来训练具身智能模型。 我更期待的，包括我们在学校里的研究，也是在寻找一种不一样的范式。因为本质上，语言是一个维度，它有那么多文本 token space。观测空间和预测空间是一致的，这是一个很特殊的问题。 但在机器人行业，我的输入空间非常复杂，包括视觉、力觉、触觉、机器人自身的关节，甚至环境中一些无法通过视觉观测到的状态。比如水是满的还是空的，一个电器是开着还是关着，这些状态都要融合进来。而输出空间是机器人自身的控制，所以它和大语言模型本质上是不同的问题。 但我们现在仍然在按照大语言模型的方式推进。这也是为什么我说，如果把时间维度拉长，机器人模型的训练和推理范式，极有可能还需要更多思考。 李丰 我不是相关技术专业背景，但我们也在做不同方向、各种类型的投资。从我的角度有一个简单归纳，不知道从内行角度看，多少正确、多少错误。 先把大语言模型的技术和架构问题放在一边。比如它是几千维的隐空间，我们把预测 token、形成生成式语言内容这件事拿来打比方。语言和语言、字和字、词和词之间的关系，我把它称为逻辑关系，而不是绝对的零和一关系。 简单来说，一句话可以有很多表达方式，也可以用很多不同的词表达同一个意思。它当然有一些简单约束，比如动词通常不会跟着动词，但广义上，它有很多种可能性，可以达到同一个目的。 然而在机器人上，它不是一个逻辑关系，而是一个纯物理关系。你肯定不能把手穿过桌面，也不能直接把瓶子捏破。它有一些非常明确的物理约束，不是任何执行方法都可以，而是受到严格的物理和环境条件限制。 所以回到你刚才说的问题，假定过去 VLA、VLM 这些从视觉到语言、再到机器人动作预测的模型，都经历了一个和语言类似的结构演绎。但我的粗浅理解是，语言模型处理的是相对纯粹的关系，而机器人面对的是有硬性物理约束的关系。 从你的角度看，考虑到这两者之间存在这样的差别，机器人最终有多大可能借鉴大语言模型的一部分能力、架构或技术？又有多大一部分会超越，或者至少和语言模型的发展形成差异？ 连文昭 这是一个挺难的问题。首先，我完全赞同你对大语言模型的抽象，它本质上确实是在学习逻辑关系，而且约束更简单，解空间更大。 以前上课学最优化时，我们会知道，它可能不是一个单一的全局最优问题，而是有很多局部最优解。大语言模型里，很多局部最优可能都是好的。但在机器人、在物理世界里，约束更多。 我认为它不只是逻辑问题，而是包含逻辑问题，在此之上还有物理和几何。几何涉及运动学，包括尺寸大小、关节转动多少度、关节带着连杆移动多少，以及连杆末端移动多少厘米、多少度。 另一方面是物理，也就是动力学。施加多大的力，物体会被推多远；摩擦力是多少，物体相应会转多少度。所以，它是一个更高维、更复杂的问题。当然，它也包括任务层面的逻辑问题，比如“大象放进冰箱分几步”这种问题。 所以，具身智能可以有一个不那么正式的定义：在很多约束条件下，如何改变目标物体的状态。很多时候它是有精确解的，做到就是做到，没做到就是没做到；而语言可以很模棱两可，可以说这个好像对，那个好像错。 机器人确实是比大语言模型更难的问题。如果这个判断成立，我们当然可以借鉴大语言模型的很多东西。比如用 next-token prediction 的方式学习过去看到的内容和未来之间的关联，用这种关联去近似因果。 但是只有这一点是不够的。文字本身没有时间概念，物理世界有时间维度；同时还涉及几何，约束也更多。所以在机器人领域，一方面我们一定可以借鉴大语言模型的训练范式、数据选择和推理范式；另一方面，我相信必须把因果约束和时间维度加入进来。 李丰 我们把这个稍微抽象的问题先放下，回到源洛本身。至少两年半以前，在确定应用场景方向时，你们就选了一个相对与众不同的方向。那个时候大家还在做各种展示技能的方法，比如叠衣服、倒咖啡，而你们选了一个比较不同、也相对难做的方向。 你能不能解释一下，当时是怎么考虑的？这个方向最终可能难在哪里？和当时以及现在机器人的能力相比，它面对的挑战是什么？ 连文昭 上次我们跟冯如谈的时候，也提到过“不可能三角”：通用性、可靠性和速度。 当时我们选择场景时，也是围绕这个不可能三角来考虑：如果不能同时达到这 3 点，我们要牺牲哪一点？我们的选择是在速度上不那么苛求，只要达到一定阈值就可以；在通用性上也会适当降低，不追求一下子解决 1 万件事情，能够解决几十件、上百件，或者更多一些事情，就足够了。 基于这个假设，我们去寻找一些能够在可预见的时间内落地的场景，既是现在的智能机器人或者踮踮脚能够够到的场景，又不能把我们的技术天花板卡死，不能把我们牵引到更短视的技术路线上。所以，我们希望选择一些更难的场景。 我们希望这个场景有长序列，能够严格拷问逻辑能力；同时一定要高精度，去拷问几何和物理；还要高柔性，它必须是一个智能的东西，区别于以往的机器人和工业自动化。 我们希望在最难的考场里牵引技术研发，提升这些能力。如果能把这些事情做好，一定能够解决未来走向家庭场景时的很多问题，甚至是 1 万件事情。 公司成立之初，我们一直在做这个方向。这个方向一方面符合我们做具身智能机器人的诉求，另一方面，它本身也是真实存在的需求。整个科学智能、泛实验室，以及生化环材、生物医药行业，确实需要高柔性、高精度、高智能的智能体来完成物理操作。 现在，无论是科学家、博士生，还是企业和研究机构，在做实验时很大的痛点是实验不可复现。人做这些事情本身就不可复现。即使实验流程写好了，比如要把 A、B、C、D 在 25 度下混匀，不同的人也可能有不同理解。 有的人会把样品从 4 度的冰箱里拿出来，放到 25 度的环境中 1 个小时，真正达到 25 度后再混匀；有的人会理解为只要在 25 度的环境下做就可以，于是把 A 拿出来时它其实还是 4 度。倒完以后才想起来还要把 C 从冰箱里拿出来，拿出来之后直接倒进去，反应条件自然就不一样了。 类似的细节非常多，更不用说做实验时可能打个喷嚏。就是这些小细节，导致实验很难复现。所谓 10 年、10 个亿、10% 的成功率，这仍然是目前很大的痛点。 我们希望解决这样的事情，因为机器人天然会比人做得更好。机器人做实验时，每一个步骤都可以忠实、细粒度地执行下来：今天怎么做，第二天还是怎么做，每个条件和参数都可以记录，从而提升可靠性。 另外，现在大量实验室研发都依赖仪器，而仪器依赖人来操作。人通常是朝九晚五，一旦人不工作，仪器也就闲置了。整体统计下来，仪器利用率可能只有 30%—40%。这些仪器往往非常昂贵，所以研发流程就会被无限拉长。 相比之下，在计算机和 AI 领域，我们可以缩短时间维度，通常会并行运行大量实验。但在实验室行业里，很难做到这一点。如果机器人能够作为实验助理，天然把仪器串联、调度起来，就能大幅提升研发效率。 一方面，我们能够提升实验质量；另一方面，也能提高实验吞吐量，既提质又提量。更不用说还有一些危险的工作，本身就不适合人去做。 所以，从行业需求来讲，我们希望真正赋能行业、产生产业价值。现在，数字 AI 已经能够让我们更快地走向“好吃懒做”——至少我们已经不用怎么思考了，AI 可以帮助我们思考。机器人则应该能够比较快地帮助我们不用亲自做那么多事情。 另外一个理想是长生不老。如果科研和研发范式能够发生比较好的变革，这件事也许能够更快达到。 李丰 这和你们的方向很相关。生化环材在我们念书的时候，后来被称为“天坑专业”，很难找工作，但今天它们都变成了重要、热门的方向。 最近也有一些好消息。就在这周，原来在新冠期间研发 mRNA 疫苗的 Moderna，也就是莫德纳，三期临床得到了显著结果。虽然还没有披露全部数据，但他们已经宣布三期临床有显著结果，其中也包括药物联用。大家总体把它总结为，个性化肿瘤疫苗的研发取得了重大突破。 新闻里也提到，这件事在筛选过程中使用了 AI。当然，看起来不一定是大语言模型，但确实使用了某些 AI。它带来的结果是，科学研究前端，尤其是药物发现前端的范式发生了变化。 前天还有一篇文章写得很好：如果 AI 改变了科学发现，尤其是药物发现前端的范式，那么最大的瓶颈就会来到湿实验。因为只有湿实验能够为发现效率提供足够多、足够快、足够整齐的数据，进行执行和数据循环。不管最后证明是对的还是错的，都要回到预测过程中，让 AI 再学习、预测和循环。 大家现在慢慢形成了共识：AI 用在生物医疗和药物发现里，能够显著提高发现效率；而 AI 用在生物医疗和药物发现之后，瓶颈接下来就来到了湿实验本身。湿实验如何提高效率，我不知道是不是就和你们的应用方向有关。 虽然人做实验有很多不可复现的地方，但这也让我想起当年在国外读研究生时的痛苦：同一个实验每次做出来都不太一样，尤其是化学实验和化学合成。 回到我们刚才的问题，生化环材这个方向可能要迎来春天了。但今天机器人在湿实验环节，到底能解决哪些问题，做到什么程度，带来哪些好处？又有哪些技术节点是你们正在克服，或者已经克服的？ 连文昭 过去两年多积累的能力，至少已经能够覆盖常见实验流程中的很多部分。比如如何处理液体、固体、粉末状或者颗粒状样品，样品本身就是一个很大的要素。还有离心机、PCR 等常见仪器，以及很多实验室里的常见流程，我们都会拆解出来，对应到相应的技能。 现在，常见流程中 80% 以上已经可以复现，至少局部已经能够形成小闭环。相当于给一些 PI，甚至给一些可以享福的博士生配备研究助理：他发出一个指令，机器人就可以调度实验室里的相关要素，完成一个局部闭环，再把结果导出。科学家可以直接根据这个闭环的结果，决定下一步怎么做。 所以，我们现在处于辅助科研人员、研发人员的阶段，并不会剥夺或者替代科学家和研发人员。我们更像是在做自动驾驶上高速之后的 L2 辅助驾驶能力，让他们得到更多解放。 比如，一个人下班前想在晚上 6 点做一组实验，不需要半夜 2 点再回来换一次液体，机器人可以完成这件事，保证他第二天早上 9 点到实验室时，结果已经读出来了。我们现在已经具备这样的能力。 峰叔刚才也提到了，我完全赞同。现在数字 AI 已经能够很好地解决生成问题，可以在极大的搜索空间里提出假设和可能的实验流程。但当提出的流程越来越多时，不可能再靠人海战术一个个验证。 所以，现在存在一个很大的 Gap，机器人里经常讲 think-to-real gap。听起来，这其实是一个从生成到验证的 Gap，也就是实验环节的缺失。我们一直在努力提供一个物理界面，把这个鸿沟闭环起来。 如果数字 AI 能够利用这些数据，我们的物理 API 就可以被调度，整个流程也就能够形成闭环。这是我们过去几年积累的能力，现在也已经和很多客户逐渐完成验证，并开始做规模化应用。 李丰 大概能做什么，我已经听懂了。但回过头来看，在这些事情里，对于今天的机器人或者大部分机器人来说，哪些是最难的？ 我们先问一个大家比较容易直觉感受到的问题。你参加 WRC，肯定也会到处走走，看看同行都做到了什么。在 WRC 里走了一圈，你有没有看到和你们方向比较类似的公司？ 第二个问题是，如果这样的公司很少，这些事情到底难在哪里？对于今天的机器人来说，难点具体是什么？ 连文昭 我确实走得很快，因为会场太大了。我觉得今年的一个好处是，视觉上的信息负担没有那么大。虽然场馆很大，走了很多地方，但看到的信息量其实没有想象中那么大。用商场来比喻，很多东西都是相似的。 所以，在我能看到的范围内，没有发现和我们做得特别相关的事情。我们还是比较独特，主要是在科学智能这个领域里，死磕高精度、高柔性的操作。 李丰 我稍微插问一句。从你们已经做到今天这个精度结果来看，智能和硬件各自对精度的提升起了多大作用？ 连文昭 我觉得硬件的提升保证了下限，它必须达到某种能力，我们才有可能解决这些问题。 刚刚成立时，我们也会外采一些已有的机械臂，但精度确实没有达到这个程度。最初期自研的硬件抖动也很厉害，同样达不到这个程度。现在确实已经能够达到要求，只有到了这个程度，才有可能解决相关问题。 软件模型带来的更多是上限，也就是用多大的成本去教会、训练好一个模型，让它能够快速完成移液、操作离心机等任务。所以，这更多是上限问题。 我们现在比较乐观、也比较健康的状态是，下限比较稳，上限也已经达到了可部署、可交付的状态。当然，我们还会继续提升上限，进一步减少处理新任务所需要的样本量，以及探索能否真正实现零样本泛化。这也是我们持续提升的方向。 李丰 回到刚才的问题。在克服这些困难、实现相应精度的过程中，除了精度之外，从机器人能力上来看，过去两年还有哪些需要克服的困难和挑战？ 连文昭 另外一个问题是泛化性。我们会讲高柔性。比如在实验流程中，物体的物理状态是什么样的：有没有拧紧，有没有插紧，是否严丝合缝地对齐。类似这样的微小状态估计，以及如何根据这些状态进行反馈控制，都是需要克服的问题。 精度解决的是我们知道一定能到哪里；而泛化性要求我们知道下一步应该去哪里。这就需要大量的数据采集和清洗，训练架构也需要不断调整。我们在这方面已经积累了很多能力。 李丰 假定软硬件像你刚才讲的，在不同阶段各有进展，可能是硬件前进一步、软件前进一步，再硬件前进一步、软件再前进一步。从今天来看，你们在应用场景上已经有应用证明了吗？ 连文昭 比较幸运的是，我们很早就和行业中比较好的合作伙伴推进这些事情，包括华大智造、中科院等，都有比较深入的合作。这样我们在研发过程中，就能够把这些能力在真实流程里验证，获得最直接的反馈。 比如一些简单的细胞培养、细胞毒性检测实验，我们已经能够处理，并且已经可以在客户场地真实运行。 李丰 在应用问题上，就像刚才问外国友人一样，你觉得今天有多少可能的场景，或者具体的行业和方向，已经能够用上你们的机器人？ 连文昭 乐观地说，虽然不一定严谨，基本都可以做，只是能力和投入会有所不同。我们现在的硬件已经到了可以支撑这些应用的程度，但有些应用会有非常特殊的要求。 举一个不是这个行业的例子。家里吃完饭，剩菜是扔掉还是存起来？假设要存起来，放进冰箱之前要撕保鲜膜。撕保鲜膜就是我们接到的一个真实需求。 这个需求确实存在，但我们现在的技能能不能做？硬做也能做，确实是硬着头皮上。它对实时决策能力和感知能力都有很高要求。 撕保鲜膜对机器人来说非常难。从感知上看，它又高透、又高反，还很薄，一撕就破，对力的要求也很高。类似这样的需求确实存在，但我们一定也能做，可以针对特定物品设计专门的设备来解决。 现在，我们还是以自己的能力为圆心不断扩展。类似的需求可能是另一个单点，我们希望慢慢拓宽，有机地扩展到那个点。 李丰 如果今天有合作方想和你们合作，假定是商业化合作，它大概需要什么样的商业环境和条件？也就是把机器人用在哪里，既让对方用得起，你们也做得出来，而且对方确实可用、好用？ 连文昭 我们现在非常积极，希望和生化环材、检验检测、分析、材料、制药等领域持续闭环这件事情。 机器人带来的一个好处，是可以兼容过去所有异构的仪器，不管是旧的还是新的，不需要任何接口。最好的类比可能不太恰当：人就是最好的 API，因为人可以调度所有接口。 现在，智能机器人提供了这样一个接口。不管过去的实验室是什么样，我们都可以比较容易地嵌入原有实验室操作流程，对实验室的改造比较轻量，甚至可以做到零成本改造。 机器人带来的价值，一方面是闭环实验流程，避免人引入不确定性和效率问题；另一方面，更大的价值是机器人一旦开始闭环，数据自然就会标准化、可信赖，形成一个物理基座。 这可以类比计算机领域里的 GPU。GPU 是一个计算平台，有了它，不只是矩阵计算比以前快了多少倍，而是有了 GPU 以后，我们可以做以前不敢想的事情。我们可以大规模处理图像、视频、语言，从而解锁新的方法。 机器人引入实验室环境、科学智能和生物医药领域之后，也不只是避免人来操作。由于它带来了环境数字化、标准化和可复现性，它可以解锁过去不敢设计的一些实验。这是一个很大的优势。 所以，之前我们比较模糊地提到，机器人可以改变科研范式。现在我觉得，它可以形成科学智能新的基础设施和物理基座。 我们非常愿意和 AI for Science 公司，以及希望做干湿闭环的企业、科研机构合作，把干实验和湿实验整个闭环起来。同时，希望把湿实验数据留存、汇总，反哺干实验迭代，进一步螺旋式上升，设计出更新的实验拓扑结构。 这样，我们就可以尝试更多不同的实验拓扑，带来更大的价值。 李丰 你这么说我想起来了。上一轮还不叫 AI for Science，而是叫 AI 制药。那时我们投过一些公司，比如晶泰、剂泰，它们也纷纷上市了，还有一些没有上市，或者仍在上市进程中。 回到今天的问题，除了世界模型之外，今年上半年，尤其是从第二季度以来，另一个很火的方向就是 AI for Science。这可能和中国把基础研究放到了非常重要的位置，同时又把 AI 放到了非常重要的位置有关，两者结合起来就是 AI for Science。 但今天我们看到的 AI for Science 项目，更多还是用 AI 模型来做 Science，这把火还没有烧到湿实验如何进一步 AI 化这件事上。虽然 AI for Science 已经开始变得很热门，但你们的体感是什么？这把火已经烧到你们这里了吗？ 连文昭 已经能够看到一些苗头。基础科学需要持续投入，而且是长期投入才能看到产出的事情。 从本质上看，我们最开始做机器人时，就认为一定要追逐未知的边界。好吃懒做和长生不老是亘古不变的梦想，所以这个方向一定会得到投入。 从原理上来讲，机器人一定会帮助这个过程。过去数字 AI 能做的事情，是阅读文章、文献和实验报告，它主要是从人类已经知道的东西里学习，再进行外插，这本身是有边界的。 下一步，AI 必然需要去做一些人类不知道的事情。它需要自己设计实验：我需要得到什么新的信息，再从新的信息中得到新的假设，然后继续迭代。也就是赋予 AI 一定的创造力，或者不严谨地说，赋予 AI 一种好奇心，让它更主动地做这件事。 所以，这件事必然会发生。当前可能还处于起步阶段，需要一些时间、长期投入以及前瞻性，但已经有一些机构开始推动了。 李丰 我从纯商业角度好奇一下。刚才我提到我们投过的晶泰和剂泰，其中一个原因是晶泰比较早就做过自动化。当然那主要是工业自动化和实验仪器，原因也是为了实现干湿闭环，加快数据循环。 那时候他们要借助一些工业化方法完成自动化。我印象很深的是称量：需要拿一个东西不停地抖，下面放一个比较精密的称量仪器。如果抖多了，就只能再倒回去，重新抖。这对于粉末的定量转移来说，是一件比较难处理的事情，他们用了一个比较间接的方法解决。 我提这个例子，是想说，假定 AI for Science 迟早要进入干湿闭环，湿实验会变得越来越重要，尤其是实验数据越来越重要。 从这个角度看，在你接触到的、可能和你们合作的商业用户里，一类是 AI for Science 背景，另一类是传统的生化环材实验背景。这两类人对你们的接受度和兴趣是一样的吗？还是更偏 AI for Science 的人更容易理解和接受这个流程？ 连文昭 我们现在接触的这两类人并不是那么割裂，而是混在一起的。传统的生化环材学科也在和 AI 融合。之前纯粹做 AI 的人，现在来做 AI for Science，他们对数据的敏感度可能更高一些。 他们首先想到的是：这些数据能不能积累起来，能不能循环起来。所以我觉得两类人其实都比较开放，也比较拥抱用新的方式推进实验。 李丰 传统做湿实验的人，在接受 AI 之后，也采纳智能机器人作为实验室流程的一部分；而更偏 AI for Science、从 AI 角度创业的人，对 AI 的认可度，以及对今天 AI 智能化的理解程度，是不是有所不同？ 从你们今天商业化的过程来看，大家对成本的敏感度是什么样的？在你们能够解决的场景里，客户对成本的承受程度怎么样？ 连文昭 最基本、也最容易算的是降本增效：算一个人工成本，是否能够算得过来。 另外，大家普遍也能接受的是，仪器利用率是否真的能够提高，实验通量是否能够上来。 还没有被广泛接受、但未来可能会被接受的是：当实验质量提高之后，AI 是否能够提出更好的假设，能否用更高质量的数据完成更好的闭环。这个价值现在还是未知的，但显然未来可能是最大的价值来源。 李丰 从外部环境、产业变化以及你们自身能力的发展来看，再往下一个阶段，比如从现在到明年参加 WRC，你对源络本身比较大的期望和变化是什么？这一年里，可能会体现在哪些事情、哪些方向和哪些结果上？ 连文昭 我们肯定希望构建的物理基座真正嵌入很多合作方。我们现在也有一个“原点计划”，希望和科学智能行业里的合作机构、企业一起构建这样一个生态。 希望到明年这个时候，这个生态已经能够形成一个共享空间。不管是物理技能还是数据，在允许的范围内，我们都希望形成更好的方式，推动 AI for Science 行业本身的研发。 我们希望机器人能够像 GPU 之于计算一样，构建一个物理 AI 与科学智能的平台，把生态构建好，让生态里的企业和科研单位提升研发速度，提高产生新结果的速度。 前两年，尤其是去年，AI 制药这样的例子越来越多。我们希望加速这样的进程，而且不只是在医药行业，也在材料和其他行业里发现类似的变化。 实际上我们元戎呢一直是一个长期乐观短期务实的一个公司。从成立到现在，我们已经积累了自己的硬件本体、模型和数据。现在，下限已经很稳、很高，同时也到了一个很好的节点，可以在保证可靠性的前提下提升上限、通用性和泛化性。 一方面，我们希望和行业中的其他合作伙伴合作，不管是科学智能领域，还是农业、精细化工、制造业等其他行业，把我们的高精度、高柔性能力推向更多行业。 李丰 作为结尾，不管是团队人才、行业合作伙伴、上下游建设，还是硬件合作伙伴，你有什么想说明的范围或者期望？ 连文昭 另外，也希望对科技驱动落地这件事情极其感兴趣、想要死磕机器人在真实场景产生价值的研发小伙伴加入我们，我们一定长期欢迎。 李丰 对，好，那感谢连博士的时间，也感谢大家对节目的关注。希望借这个节目祝机器人行业发展好，希望原洛能借这个节目找到一些合作或者甚至是小伙伴的加入。谢谢方叔，谢谢大家。