45.直击人形机器人进工厂「打工」的 3 小时｜对话智元机器人

大家都有疑问，问智元到底能干嘛，什么时候能真正干活，不要天天拍一些 Demo，我们就想回答大家这个问题。

刚才他其实犹豫了一下，迟疑了一下，他在想我接下来该怎么做。中间那个思考过程正是具身智能发展的一个标志。

虽然这个场景看起来没有那么难，但其实对于机器人来说，它是把全栈技术、把本体的稳定性全部都检验了一遍。

愿意交学费、愿意去做实验的这部分企业，对，对，对，拥抱在一起。

我以前看过一句话说，有些人是看见了才相信，有的人是相信了才看见。

对。

就像一个三岁的小孩，他刚刚学会骑自行车，将来一定会遇到很多更大的挑战。我们要一起帮助这个小孩成长，要给他耐心，要相信时间的力量。

大家好，欢迎来到《商业漫谈》，我是诗婕。

刚刚在上海举行的 WAIC 盛况空前，其中最受瞩目的就是“机器人大乱斗”。相信大家都在社交网络上刷到了各类机器人干活的视频。今天这期节目就为大家科普一下，大模型时代机器人的进展和落地。

起因是 7 月初我去往四川绵阳，在制造业龙头富临精工的工厂内主持了一场特别的发布会。这场发布会的主角是一台名叫 A2W 的轮式类人型工业级机器人。它的本体研发由最近在二级市场大热的明星人形机器人公司智元机器人打造，经由另一家明星创业公司安诺机器人部署，最终落地到富临精工的工厂内。

和传统工业级机器人不同，A2W 结合了最新的 AI 大模型技术，实现了泛化性，并以通用性为目标，可以自由行走、独立规划、执行任务。在具身智能爆火的 2025 年，这是全球首场敢于用直播形式呈现机器人进入工业场景常态化作业的发布会。

现场我不仅对 3 位机器人专家进行了 3 小时的访谈，还和另一台人形机器人，也就是 A2W 的好兄弟远征 A2，一起搭档主持，非常有趣的体验。想观看这场直播的视频，欢迎关注我的 B 站账号。

这期节目能让我们看到一项技术究竟如何在工业场景中落地，什么是人形机器人，这个行业为何爆火，又在过去一年经历了怎样的飞跃式发展。对于业内人士来说，相信这期内容也有很多有价值的信息，来自最前线的应用情况、客户体验和最一手的独家访谈。

直播间的朋友们大家好，希望你们能够听到我们的声音。我们今天的直播现场是在富临精工的工厂，后面的产线并没有停，现场会有一些噪声，但是工作人员已经尽可能地帮大家降噪了。由于这些访谈是在工厂内进行，且工厂产线同时作业，一些地方的背景音可能略显嘈杂，建议最好在不戴耳机的场景下播放。

刚才的开场如果大家看了的话，邓主任已经带我走了一圈工厂车间，而且我们也看到，今天这个发布会的主角 A2W 已经开始作业了。刚才其实也介绍了一下背景，A2W 是由智元这家本体机器人公司研发，由安诺，也就是杨博士所在的公司，帮助富临精工把 A2W 部署到产线的。这就是我们今天这场直播的背景，也是为什么这场论坛会由 3 位嘉宾出席。

我先请身边的 3 位嘉宾给大家做一下自我介绍，可以跟观众朋友们打个招呼。闯总先开始。

大家好，我叫王闯，是智元机器人通用产品线的负责人，很高兴在这里跟大家直播。工厂现场可能非常嘈杂，大家理解一下，我们尽量把声音放大一点。

今天这个场景还挺有趣的，因为这是我第一次戴着工厂帽直播，我们还穿着脚套，是因为富临精工对于车间严谨度的要求特别高。所有产线的工人都要全套穿工作服。

邓主任。

各位直播间的观众朋友们，大家下午好。我来自富临精工工程技术中心，我叫邓扬。我们部门主要负责新工艺、新装备等新技术的引入和开发。

杨博士。

直播间的朋友大家好，我是安诺机器人的工程算法总监，我叫杨曾。

大家的自我介绍都很简短，也很谦虚。其实每一位都是行业里厉害的大牛。

1. 机器人行业开始加速

我先抛砖引玉，用一个话题来暖暖场。今天我们聊机器人，我相信大家都是对机器人有憧憬、有理想的。先讲一讲，你们是怎么跟机器人结缘的？

其实我是一个 90 后，出生于 1990 年。小时候看动画片，里面有很多机器人的画面，让人产生了很多遐想。我一直都希望，未来有一天能够参与到机器人的事业之中。

机器人这个行业发展了好几十年，但是最近两年明显加速了。

对。

当我加入智元、投身这个行业之后，也能够感觉到日新月异的变化。我们几乎是以月为单位、以天为单位刷新着自己的认知。

我非常高兴，我们研发的远征 A2、远征 A2W 以及其他产品线的产品，能够逐渐在商业化场景中部署。今天就是一个很好的开始，因为我们第一次真正地在工厂常态化作业，并进行直播。

你其实一直都在跟机器人打交道，只不过是不同的机器人。整个过程是什么样的？我觉得可以给大家讲一下。

我读博的时候做的是光刻机。光刻机其实也可以理解为一个机器人，里面有非常精密复杂的系统。

博士毕业之后，我加入了大疆。大家说机器人分哪几种形态？真正规模化应用的可能就几种，其中一种是无人机，算是机器人的一种，上百万台的一个形态。

当时我非常向往大疆，所以就加入了大疆。到大疆之后，我做的是激光雷达和自动驾驶这一块。我们当时也是整个团队从 0 到 1 把这个产品做出来，最后做到了车规级量产。

后来从大疆离开之后，我们跟大疆的一些同事一起去创业，做的是第二个上百万台级别的机器人产品，就是家用扫地机器人，可能很多用户也都用过。

当时我们做了一款非常不一样、技术挑战非常大的机器人，最后也是完全从 0 到 1 把它做到了量产，中间克服了无数困难。我们团队大概有 100 人左右，最后这个产品的售价非常高，同时销量也非常好。

从这家公司离开之后，我当时就觉得智元的发展非常迅速。正好也有一些老同事介绍，所以我就加入了智元。

加入智元之后，我开始做人形机器人。说实话，自己内心觉得这个挑战非常大，因为在我们心目中，人形机器人都是遥不可及的，都是非常顶尖、先进的技术。

我插一句。我们知道智元从 Day 1 就做人形机器人，你加入的时候相信人形机器人这件事情吗？

说实话，加入之前我对人形机器人的了解不够多，也不知道它现在发展到了什么水平。因为我脑海中存在的记忆，就是读书的时候看到的本田 ASIMO，那已经是好多年前了。

第二个就是我们经常看到一些视频，比如美国实验室里的机器人做空翻之类的场景。后来我们见得比较多的就是四足机器人。

对于人形机器人来说，在我加入智元之前，我一直觉得它是比较遥远的。我是怀着学习的心态加入的，当时想着可能需要学习至少半年到一年才能上手。

你是 2024 年正式加入智元的，对吧？

是的，是的。

2. 人形机器人全面升温

其实在 2024 年，整个机器人行业的热度，尤其是人形机器人，又添了一把火。但是那个时候的热度，跟今年人形机器人的热度比又不太能同日而语。感觉从 2024 年跨越到 2025 年，一下子就特别火。为什么 2025 年人形机器人这么火？

从我的视角来看，我觉得有几方面的原因。

第一个方面是去年的春晚。我觉得春晚是一个让普通老百姓都看到机器人的舞台。它确实让很多之前从来没有见过机器人的人，第一次看到机器人原来可以做这些事情。

第二件很重要的事情，是像智元这样的头部企业，技术布局也比较全面。我们和产业链合作伙伴一起，在 2024 年真正把机器人做到了量产，2025 年做到了商用部署，这是整个行业共同的进步。

当机器人有了商用部署之后，比如刚才的远征 A2 和 A2W，我们是真正可以发到客户现场去使用的。

尤其是远征 A1，我来给大家解释一下。远征 A1 就是刚才那位助理主持人晶晶，在我们公司叫远征 A1。她是一个双足人形机器人，已经在很多地方开始上岗了。她在每一个客户那里都学到了很多新的知识，在客户现场深入地融入进去。

A2W 也是这样。A2W 和 A1 里面很多技术是复用的，我们整个产品团队大概有 200 多人，底层软件、硬件以及一些供应链也都是深度复用的，背后的技术能够互通。

我们希望 A2W 能够在工业场景里面做很多人类不愿意做的事情：很枯燥、很重复，让人觉得疲惫、又有点伤身体的事情。我们希望把这些场景一个个做好、落地。

3. 量产难题浮出水面

再追问几个问题。你刚才提到，最早做扫地机器人创业的时候，提到一个词叫“量产困难”。我们俩之前也聊过，机器人为什么量产这么困难？给大家解释一下，为什么量产这么难。

首先，人形机器人这个产业链在去年的时候还相当不成熟。

比如人形机器人里面的关节，可能在很多机械臂上也会用到类似的关节，但是需求非常不一样。人形机器人对于关节的扭矩密度、减重和噪音要求都比较高。

所以去年我们和供应链上下游伙伴一起，把成本、可靠性，以及如何做出适用于人形机器人产业的零部件这件事情做得比较好了。当供应链比较成熟之后，整个产品的本体才能比较稳定。

另外，整机做出来之后，像远征 A2 有 40 个自由度，A2W 有 22 个主动自由度。自由度这么多的情况下，它又是一个智能化设备，所以对于生产一致性的要求就很高。

市面上看到的无人机、汽车这些大规模使用的智能化产品，自由度相对于人形机器人来说，显然高了一个数量级。自由度越多，代表它能够做的事情越多，但是整个生产复杂度也越高，对于生产一致性以及生产过程中的各种流程检验和控制要求都非常高。

另外，本体设计在自由度很多之后，举个例子，上肢一点点的误差，可能传递到末端之后，误差就变得很大了。如何通过本体和算法的统一设计，让机器人真正实现一些通用化的智能，我认为这是非常难的。

还有一个问题是，机器人生产出来之后，如何用一套代码、一个模型，让所有机器人都拥有几乎一致的性能。这件事在汽车这种成熟领域相对好做，但是在人形机器人领域，很多东西都是我们从 0 到 1 开拓出来的。

去年年底研发量产的时候，累计有 100 人左右住在工厂，包括我自己。我们有时候干到很晚，就去解决各种问题，因为去年是我们量产最艰难、最冲刺的阶段。

今年整个产线已经跑得比较稳定了。去年年底，央视也到我们的产线去实拍过。当时没有任何预约，央视记者说智元是他们唯一一家没有预约、直接过来拍摄的企业。

我们走过了这条路，也相信这对整个行业有很大贡献。现在很多供应商的零部件成熟之后，其实对整个行业各种各样的应用都有帮助。

我插一句。刚刚听王总讲零部件供应成熟之后，机器人本体包括整机的成熟度也提升了。邓主任，你们公司是不是也在做机器人的电关节？

是的。

听说了。你也讲一讲你们研发电关节的过程吧。

我们从 2023 年开始研发电关节。电关节的研发，我们总结有几个难点。

第一个就是追求关节的高负载。说得通俗一点，就是让关节越来越有力，同时越来越轻。

对。

包括电机的扭矩密度、功率密度等方面的提升，都非常重要，这是第一个难点。

第二个是机器人在现场应用时还要有一定精度。我们不是说绝对高的精度，但至少要有一定精度，而且随着未来场景的开放，精度要求也会越来越高。

对。

所以在电关节的控制中，我们要追求输入和输出的闭环控制。这一块可能涉及编码器设计，从设计上来说也是一个难点。

第三个就是机器人在工厂应用，一定要有长寿命。你不能今天买过来，干一个星期就坏了。

是的。

所以也要求关节有高耐久性。

我们富临精工自己做电关节，关节里面的核心零部件都是深度自制的。从材料选型，到零件制造的加工精度，都决定了整个电关节的耐久性。

明白。富临精工一定是产业里走在比较前沿、已经开始为人形机器人制造零部件的公司，是少数，对吗？

对，对，对。

像智元这样的本体公司，其实需要越来越多像富临精工这样能够制造零部件的上游供应链生态。

是的。刚才邓主任有一个很重要的点没说，除了耐久、高精度、高负载，还要便宜。

说到便宜，因为富临精工是汽车零部件供应商，有大规模量产、生产制造和精益制造的经验。而汽车市场对成本的要求也非常高。

所以我们有信心把汽车零部件制造的经验应用到电关节制造上，真正把成本做下来。

是的。我再帮观众朋友梳理一下。大家经常会在人形机器人领域听到一个词，叫“造本体”。像智元这样从 0 到 1 把人形机器人造出来，而且从 1 到 100 进行量产，这些公司就是造本体的公司，对吗？

对，对，对。

刚才我们也聊到了量产的困难。我分析下来其实有几方面。

第一，因为人形机器人的关节、自由度都比其他机器人复杂，需要的供应商产业链生态和环节也更多。但整个机器人上游供应链生态是需要被养起来的，因为这是一个非常前沿的市场。

另外，我听到一个关键词：我们要进入不同场景的人形机器人，也需要一整套算法语言，或者说需要能够把大家统一起来的算法语言。这其实也是现在产业上下游正在合作的第二部分。

第三部分，就是我们常听到的“做机器人大脑的公司”。今天为什么说是首场通用具身机器人？因为区别于过往传统工业机器人，它更像人一样，可以看、可以思考、可以判断、决策和行动。

今天看到的 A2W，虽然还不是完全的人形，但已经具备人的一些思考和泛化能力。

我们刚才梳理了人形机器人为什么今年这么火，以及这个产业上游到底有哪些难点和挑战。会发现一件事：在供应链层面，已经有一些原来汽车领域的供应商开始拥抱人形机器人行业，从汽车上游变成人形机器人的上游。

是的，是的。

4. 自动驾驶人才转向机器人

这里我要引出第三位嘉宾，安诺机器人的杨曾博士。我知道杨曾博士是从自动驾驶领域来到人形机器人行业的高端人才，给大家做一下自我介绍。

我之前在 2011 年加入了一家美资 Tier 1 供应商，叫哈曼。在哈曼的时候，我和一个团队一起开发出了哈曼历史上第一款可路测的 L3 原型车。

后来随着智能驾驶进入深水区，我又加入了上汽旗下的创时智驾，主要负责智能驾驶域控制器的量产工作。

那个时候我就看到，汽车机器人，也就是所谓的智能汽车，其实也是一种机器人。但它对物理世界的影响其实很有限，因为它只有 4 个轮子在路上开，无法进入普通人的生活空间，也没有手臂，对外物体的影响非常有限。

这两年具身智能 AI 加人形机器人特别火，我有幸加入安诺机器人，参与到具身智能的工作当中。

像你这样从自动驾驶，或者说从大的汽车领域流向人形机器人领域，我觉得现在可能是一个趋势。

对，现在可能是一个趋势。

整体来说，自动驾驶经过十几年的发展，技术和产品已经开始趋于成熟。像 L2++ 这一块，已经开始大规模商用化；L3 也到了量产前夜，量产项目已经在进行当中，只是功能安全和可靠性方面还在进行深度打磨。

但是这两年大家也知道，整体车市不是特别好，所以自动驾驶相关人才会出现溢出效应，渐渐往比较热的具身智能领域流动。

我理解，这部分人才流入具身智能行业，应该会带来很多算法方面的先进人才力量。

是的，是的。

那我问一个科普问题。刚才提到无人车，无人车算具身智能吗？我们先来定义一下，具身智能到底是什么。

参考英伟达黄仁勋的定义，具身智能有 4 种形态：无人车、无人机、机器狗，最后才是人形机器人。

从这个角度来看，汽车也算是具身智能的一种形态。这 4 种形态都是 AI 加上一个身体，只不过身体会针对不同的应用场景发生变化。

我们的 A2W 是人形机器人吗？

通常老百姓了解的机器人，是两条腿的才叫人形机器人。但 A2W 只是把腿变成了轮子。

为什么变成轮子？因为工厂地面非常平，轮式机器人又安静、效率又高。但是它的上半身和 A2 一样，都是 7 个自由度的双臂，也可以使用夹爪和灵巧手，所以我们认为它也是人形机器人的一种。

发挥一下想象力，我觉得 A2W 很像一个开着小车、手臂特别长的人形机器人。

对，A2W。

我的理解是，今天我们会发现，人形机器人并不一定要像晶晶那样，长得像人一样去工作，才叫人形机器人。它能不能具备人的大脑，能不能有人的思考、辨别和行动能力，可能才是人形机器人的壁垒。

对，对。

5. 人形形态打开通用未来

明白。那一个很重要的问题是，为什么人形机器人是未来？

这个问题在行业里挺有争议，并不是所有人都看好人形机器人是未来。

从我的角度来讲，我们并不是一定非要做某种形态。之所以做这种轮式、带双臂的机器人，是因为工厂环境非常适合使用轮式机器人。

我们也尝试过用双足机器人搬料箱，后来发现它搬起来效率比较低，而且搬的时候会有点上下晃，搬得不太平稳，可能还有一些噪音，走路没有轮子这么安静。总体评估下来，我们认为轮式机器人更适合工厂。

那我们为什么要做双足机器人？因为双足机器人跟人的形态非常像。如果它生活在跟人一样的环境中，人类环境里的物理设施都可以直接使用，比如桌子的高度、椅子的高度、所有货架，全部都是为人设计的。机器人自然而然就够得着，不需要对物理环境做任何改造。

还有一点，人类看到一个带轮子的东西，会天然觉得这是一个机器；但是看到一个人形机器人，如果这个人形机器人的大脑越来越发达，人会自然而然地产生一种亲近感，会觉得它好像有点像自己的同类，但又是一个机器。这种物理上的亲近感是自然而然的。

所以机器人每次到客户现场，大家都会饶有兴趣地跟它对话、合影，测试它有什么先进能力。

我们希望最终做出通用机器人。针对不同场景，不需要重新设计本体，不需要改硬件，只要输入不同的模型，甚至使用同一套模型，就能做很多不同的事情。

这就是你们最终的愿景，做通用的人形机器人。

是的，是的。

6. 机器人开始真正工作

刚才我们聊到，2024 年到 2025 年，人形机器人发展特别快。据我所知，去年年底上海 WAIC 也召集了很多做人形机器人的公司，打算搞一个方阵，最后发现只有两家公司的人形机器人可以正常行走。

但今天我们已经看到，人形机器人不仅上了春晚开始跳舞，还在不久前参加了各式各样的马拉松，已经能跑了。从站都站不稳，到能够跑、能够跳舞，其中的关键变量到底是什么？是大模型吗？

过去一年我真正身处这个行业，现在回想起来有点恍如隔世。去年的 WAIC 想想就像发生在昨天一样。

我们大概 5 月份开始彩排。当时全国各家的机器人都在，主办方要求机器人能够走十几分钟，但大家都觉得这件事非常有挑战。

最后我们支援的是远征 A2。当时还没有量产很多，都是研发早期样机，但我们就让它走。那天彩排时，我们走的时间最长，走了 13 分钟。

不过当时确实也会遇到一些问题。研发样机会有关节过热之类的问题，后来我们持续改进，把这些问题解决了。

但是到今年，你会发现机器人新技术真的是雨后春笋一样层出不穷。一个很典型的变化就是，去年机器人的走路姿态都是弯腿的，今年有没有发现，机器人走路都很像人？机器人走路都非常拟人。

这其实就是强化学习带来的好处。之前都是用模型预测控制的方法，控制精度可能比较高，但是对于不同地面的适应性，以及像人一样跟随人的轨迹走路，这一点比较难做到。现在我们已经实现了。

还有一个发展这么快的原因，是头部企业的带动非常显著。包括我们的客户，有一些客户愿意拥抱具身智能，愿意在早期机器还没有那么成熟的时候，跟我们一起在场景中部署和应用。

客户给了我们订单，有了订单之后，我们就能和供应商一起思考，整机设计里有哪些需要改进，包括整体设计验证。

从最开始到现在，我们光测试就消耗了上百台机器人。如此大规模的测试，把机器人的各种问题暴露出来，最后把整个产业链也带成熟了。

现在机器人从本体，到运动算法、具身算法、交互算法，各个智能部分都做得更好了。

今年我们认为是商用元年。上半年我们已经有不少出货，有些客户想到的场景，我们自己都没有想到。

比如有一个客户开业，好几台机器人一起敲鼓，可以表演敲鼓。不久前的 MWC 中国通讯峰会上，机器人可以写书法，写得比我还好。它一天写了 130 多幅书法，手都没有抽筋，表现出了非常高的稳定性。

机器人这样大规模亮相、大规模使用，也让客户越来越坚定信心，让上下游供应链伙伴也坚定信心。大家觉得这件事现在能够加速发展。

未来回头再看今天，我们可能会觉得今天有很多东西很落后。但是我觉得今天是一个非常好的开始。2025 年，我们真正把具身智能机器人、拥有自己的大脑和思考能力的机器人，带到了真实客户的现场。

应该还是要感谢这股深度学习浪潮。去年刚刚实现量产，今年就能步入商业化元年，这是一个非常不可思议的速度。

对，大模型确实也给这件事带来了加持。

比如最直接、最有用的就是交互智能。机器人为什么可以做很好的展厅讲解和交互？就是因为背后有大模型基础，它和机器人本身的一些技术结合之后，就能得到非常亲切、自然的交互体验。

另外在操作方面，其实也有很多大模型的方法，我们做了一些借鉴。

而且真的需要产业里的头部企业配合。

是的。现在相信未来机器人会广泛落地的头部企业，有实力、愿意交学费、愿意做实验的企业，拥抱在一起。

我以前看过一句话：有些人是看见了才相信，有的人是相信了才看见。

相信了，然后让大家看见。

我们有很多投资人在智元研发样机阶段就果断投资了我们；也有很多客户，在机器还不成熟的时候，就愿意跟我们一起开放场景，跟我们一起做研究，愿意把它真正推向部署。

我觉得都是因为我们是一群相信、并且让大家看见的人。

这可能是第一次敢于用直播方式记录机器人走进车间。因为我们现在处于技术非常前沿、落地又非常早期的阶段，需要产业上下游相信的人一起去看见这个过程持续发生。

是的，是的。

其实这也是今天这场直播的意义。我们一起来谈一谈，像 A2W 这样一台机器人真正落地到富临精工车间之后，到底会发生什么。

7. 工厂开始计算回报

先让邓主任讲一下，A2W 落到车间之后，真正的使用感受是什么样的。

从目前来看，A2W 搬运料箱，节拍还没有达到我们的标准，还没有人搬得这么快。

但是 A2W 有一个好处，就是可以 24 小时作业。算上吃饭时间，跟人差不多了，再算上充电时间……

它是换电的。

哦，是换电的。

对。

如果后面把节拍做得更快，我觉得对工厂会更好，这也是我们努力的方向。

还有两个方面给我的印象比较深刻。

一个是感知避障。刚才我们已经聊过，刚才 A2W 还说：“请你们让一下，你挡着我工作了。”我觉得这个非常智能。

然后它在一些特殊异常情况下会自己纠错。当箱子放歪之后，它可以自主抓取，这样作业就不中断，仍然可以连续作业。

但是我还是想讲一下面临的现实问题。作为工厂，我们还是要追求效益，成本是一个不可避免的话题，成本压力很大。

虽然我们相信人形机器人未来走进工厂，会深刻变革生产组织模式，但是我们还是要面对现实。

第一个需要优化的是节拍。现在是 40 秒搬一个箱子。如果能再提升 10 秒，人工大概是 30 到 35 秒，差不多 30 秒。

如果能达到跟人一样的效率，同时 24 小时不间断作业？

对。但是算成本的话，还要算机器人的售价、能耗，包括现在还有一个团队在为机器人服务。虽然现在机器人还很少，但是我们要提前建立这些能力，这些都是成本。

把节拍做快之后，我的成本账才能走得更进一步。

第二个是我比较关心负载。现在这个箱子最开始大概可以做到 10 公斤，现在可以做到 15 公斤。

我们的设计能力是 25 公斤，双臂合计 25 公斤。

如果能做到 20 公斤，双臂 20 公斤，那整个车间大概 80% 的箱子都可以覆盖。如果能做到 30 公斤，那车间里的活儿基本就包圆了。

还有一点，网友可能也在看机器人搬运作业，会觉得这个动作很简单：把箱子拿起来，放到料架上。

其实我们还可以深入挖掘这里面的价值。比如接下来可以让机器人不要在这个位置搬箱子，直接到产线边上去，和 AMR 小车配合，接到产线边，把箱子搬到料架上。

这样，物流人员的体力劳动节省了，产线员工的体力劳动也节省了。甚至仓库里的拣选员工要码垛，也可以让机器人完成，包括码垛、拆垛、上线边，再把空箱子收回来。

从技术逻辑上来说，我觉得还是很容易实现的。

邓主任说得非常好。先说节拍，几个月前整个流程刚跑通的时候，是 160 秒一个箱子。我们花了几个月，把节拍迅速降到了大概 45 秒。

现在在工厂实际已经优化到了 40 秒，我认为进一步优化到 30 秒完全有可能。机器人毕竟刚刚开始常态化作业，现在还没有搬得那么熟练。

另外，做不同任务也在我们的规划之中。智元在各种技术路线上都有布局，比如强化学习、模仿学习、数据驱动端到端。

我们认为工厂里有几个比较典型的场景：一个是上下料，料箱上下料；其次是分拣，各种各样的分拣；还有一类是组装。这几个场景都有不同的需求，而且规模都很大。

我们为什么选择料箱，是因为料箱和现有技术、客户需求匹配得最紧密，有希望第一步实现落地。等其他技术方向研究成熟，同时料箱也上规模了，再把其他技术推出去，跟客户一起部署。

工业场景特别追求节拍和成功率。如果希望这两点做到非常高效，就必须对泛化性做一些约束，不能一上来又贪多，又想什么都做。

所以我们先瞄准客户最紧急需要、又和技术匹配的场景，把它做透，先把 A2W 做到比较大的规模。规模起来之后，我相信成本一定能下降到比较满意的程度。

对于智元来说，我们非常希望机器人有更多客户使用。之所以没有把价格降得很低，是因为商业化公司也需要存活。如果供应商价格很高，我们也很难迅速降价。

但是只要规模起来，我相信就像现在的汽车一样，现在可能十几万元就能买到一辆非常好的汽车。机器人有一天也会像汽车一样，规模非常庞大，数据非常多，算法和能力也会更强。

我相信到了那一天，我们整个国家的生产力水平会完全不一样。

我看到直播间有一些网友的问题挺好。比如 A2W 的托盘上方有相机吗？

有的。

刚才邓主任介绍过，在拿取箱子之前，它会先用相机扫描。相机就像人的眼睛一样。

还有人问，A2W 和复合机械臂有什么区别？其实我们刚才已经聊到，它有没有像人一样进行闭环动作，这些跟以前靠输入代码的复合机械臂，本质上是不同的。

复合机械臂是固定编程，做的动作非常重复，所以节拍可以很高。你可以理解为，它不会去看具体操作是什么，只会以非常高的速度执行。

但是 A2W 被定义为用于柔性制造的通用机器人。我们希望它今天能干这个，明天能干那个，做什么事情都能够自己学习、自己闭环。

举个最重要的例子，我们这个码垛有时摆得不那么整齐，垛的位置也不一样，因为叉车师傅开过来把它一放就走了，每次放的位置不一样。

如果是传统复合机械臂，就处理不了这些意外情况，会一直报警。

另外，每次抓料箱之前其实都有识别。大家可以注意到，料箱上有一个纸条，纸条上写着它的信息。机器人会分析这是不是我要搬的物料，以及要搬到什么地方。

所以它整个工作流其实非常像人。

8. 泛化能力接受现场检验

你刚才提到，现在的 A2W 已经具有一定泛化性任务的自主解决能力。要不我们现在先去现场做一个泛化性任务测试？

好的，好的。

那我们就边走边说。

这里可能比较吵，我们说话的时候声音要大一点。

闯总，你先给大家介绍一下，你在智元是什么角色？你是通用产品线的业务总裁。

我怎么理解通用产品线？我们公司有 3 条产品线。

一条是灵犀产品线，做小型人形机器人；另一条是 Genie 精灵产品线，他们在做数据驱动端到端的数据采集，也有持续演进的产品。

它的应用场景是什么？

未来可能是各种商业服务业的场景。它也是一款适用于服务业的轮式机器人。当然，我们公司的平台技术都是复用的，比如交互智能、数据等。

我这条产品线做的，一个是刚才看到的远征 A2，也就是全尺寸人形机器人；另一个是从公司成立之初就开始做的 A2W。

A2W 定义为工业场景产品。今年我们想做的是料箱转运，真正把料箱转运做通、跑透。

A2W 也算通用工业机器人，对吗？

对，对，对。

我看到很多用户关心它跟复合机器人有什么区别。

最大的区别是，同样一个本体不需要额外改造，就可以做不同的事情。

今天在富临现场看到的料箱，应该已经是我们做过的第 4 种料箱了。以前我们做过其他不同类型的料箱。因为富临和我们合作的进度最快，所以第一次直播选择了富临。

我们还做过大料箱、小料箱混合堆放，让机器人去拆，这在实验室里都已经跑通了。

现在还有一个客户跟我们一起探索纸箱场景。物流行业里纸箱非常多，通常需要把纸箱一个个拿出来、码好、码垛，然后进行装卸。

后面我们也希望 A2W 把底层技术复用过去，把纸箱这个环节也做掉，因为从底层技术上说，这些都是通用的。

这些技术路线都是兼容的。你看，第一步它要识别料箱，第二步通过手臂控制和小脑控制把料箱抓起来。

这个抓取是双臂协同抓取，7 个自由度，在整个行业内都比较难。我们人看着觉得自然、简单，但对机器人来说实现很难，还要用到手臂力控，这些都是比较新的技术。

刚才我们讲到，托盘上方有摄像头，会先扫描物料上的二维码，是为了不拿错。它知道我要拿什么。

但是拿完之后，它怎么知道要送到哪里呢？

我们现在有一个非常方便的任务部署工具，可以给机器人输入，我们叫“注册”。也就是注册一下，A 物料要放在哪里，B 物料要放在哪里。

机器人背后有一张地图，有点像扫地机器人买回家后要先建图，决定扫哪个房间。

但它的难点在于，这是一个三维空间识别，而且料架可以移动。每个工人每天可能都会让料架稍微移动一点。

你只需要告诉机器人一个大概位置，它就能够自己分析、闭环。我们设计了多重闭环。

现在看到的垛是一个很规整的状态。我们所说的“垛”，就是把一个个箱子摞成整垛。现在其实是残垛，因为已经翻了一些。

我们要进行的泛化性测试，就是如果它处在一个非常规状态、不那么整齐的状态，看它能不能操作。

我们可以试一下。你把它挪到了一个错误的位置。

它刚开始会以为要搬这个箱子。到这儿之后，它会去看：这里怎么没有了？然后开始分析，没有了之后我要怎么办。

最后它发现原来箱子在这边，就知道有人把它挪了。通过二维码，它知道这还是那个物料，仍然要放到之前设定的位置。

这样就实现了完全自主的闭环。

现实中确实可能发生这种情况，比如工人码垛时不小心放错位置。如果上错料，生产节拍可能会直接被打断。

我们继续，再挪一下。现在已经完全放到了一个没有对齐的位置。现实中可能比较少，但也不排除垛被人碰了一下，工人就走了。

现在机器人就有点懵了。它在想，我不是要搬那个箱子吗？为什么这里又多了一个箱子？而且这个箱子是歪的。

它要识别，什么样的动作才能把这个箱子拾起来。双臂还有约束，如果一个手臂到位了，另一个手臂弄歪了，箱子就会倾斜。

你看现在它端得相当水平。

我发现一个特别有意思的事情。刚才我们说复合机械臂搬得很快，我们就会以为它比较智能。

但刚才 A2W 其实犹豫了一下、迟疑了一下，在想接下来该怎么做。这个迟疑部分看起来好像让效率变慢了，实际上是智能提升了一个台阶。

对，这是一个特别了不起的地方。

我们看到做得特别快、节拍很高的东西，是因为它不用闭环，而且要求环境跟设置代码时完全一样。

如果变了一个物料，或者环境稍微变化一点，甚至光照稍微变化一点，它就不行了。

而我们的机器人可以不用管那么多问题，自己把它们闭环掉。中间那个思考过程，正是具身智能发展的一个标志。

真正的分水岭是什么？决定它是不是通用的，其实就是思考。

你看它把这边搬完之后，发现要搬那边的箱子。它会自己思考，到这边来搬更方便。

它非常像人，不会站在原来的地方，伸手够很远。实际上它也够得着，但是它觉得这样更方便。

而且我们刚才看到，工作人员换了一个颜色的箱子。

对，这也体现了一定的泛化性。针对不同颜色、不同规格的箱子，今天客户让我们只搬这一类箱子，后面我们计划采集更多数据，把更多箱子兼容进去，做泛化训练。

环境也具有泛化性。甚至可以把这个座搬到其他车间，花 10 到 20 分钟重新建图，把任务导给它，它就又能开始干活了。

所以这越来越像人。如果我们拟人化地比喻一下，邓主任应该有发言权。

工厂招工的时候，其实要花时间培训。新人、学徒工进来，要花一些时间告诉他该怎么做。刚才说花 20 分钟建模，再给它布置任务，其实就是在做新员工培训。

新人培训没有一个星期，我们不让他干活。

这就比人类厉害了。真正让这台机器人到工厂工作的时候，是不需要专人看守它的，对吗？

我们做具身智能，跟以前的手机、汽车、互联网这些科技的区别是，以前的科技都是工具，需要跟人搭配着干活。

具身智能被我们定义为人类的伙伴。它是一个伙伴，可以帮你做这些事情。但你的伙伴现在还是一个小孩，能力有限，有时不可避免会遇到异常情况，实在处理不了时会远程呼叫你。

你的伙伴帮你把最重复、最枯燥的事情做完。像这个箱子，今天直播已经搬了很多箱子。如果让人一天搬 800 个箱子，每个箱子 10 公斤，我相信很多工人都会觉得很累。

我们也设计了升降自由度。你看，机器人的臂展大概跟人的臂展差不多，所以箱子再大一点，它也能处理。

只不过箱子大了之后，对识别的要求更高，因为搬起来之后，箱子可能挡住它的头，就像人搬家具时看不到前面一样。这在算法上也需要新的升级。

A2W 正式上岗之后，应该不需要专人看守。但今天我们可以看到，在 A2W 身后不远处有一张桌子，桌子上坐满了程序员。

你给观众介绍一下，既然这是已经通用、自动化的人形机器人，可以自己工作，为什么还有同事在现场蹲守？

这些同事是我们和安诺伙伴一起到现场的同事。部署期间，他们一定都会在。

这是我们第一次在工厂常态化作业。研发同事已经在这里待了快一个月，这一个月就是在真实工厂现场看有哪些问题，并持续把问题解决。

说实话，有些东西想起来可能觉得很容易，但实际上会碰到各种挑战。

比如刚才看到垛搬完之后，叉车师傅很快开过来把它叉走。实际过程中还有很多人走来走去，也涉及跟工厂整条产线的配合。

刚才看到的整个流程是一条流水线，机器人怎么跟这些环节搭配起来？工厂现场的各种环境也跟实验室不一样。所以研发同事要和安诺伙伴一起，跟客户把这个场景真正打磨好。

9. 部署团队连接三方

要让这台机器人能够真正地在你们工厂好好作业，还需要专业的部署团队，也就是安诺智能。

我们一会儿回到访谈现场，再好好聊一下部署的难题。

在走回去的路上我再采访采访你们。你们三方其实是紧密合作的三方，也是产业上下游不同位置的三方。你们是怎么走到一起的？

当我们把本体和算法在实验室做得差不多之后，发现一个问题：智元擅长做基座能力，擅长做通用算法，但是实际到工厂部署时，有很多工作量。

比如跟工厂产线对接、跟客户现场部署和调试，这些工作量很大。到后面运营起来之后，机器可能能够无人看管工作，但总会碰到一些异常。这些异常数据需要有人收集回来，还需要有人持续提升它的能力。

这个时候我们就找到了伙伴安诺。

富临精工是因为在众多客户中，我们认为富临和我们合作最紧密。他们对于具身智能有非常强的拥抱心态，而且他们自己也生产一些核心零部件，双方可以互相加持。

我们三家真正走到一起，各有各的长处和优势。

富临是做大批量生产制造的企业，所以对场景的认知深度可能更深刻。我们天天跟产品、员工和设备打交道。

智元可能在机器人的本体、肌肉和算法方面很强，但有时候看不到工厂真实的诉求。

传统工业机器人的布局也是类似的：工业机器人企业提供本体，我们有很强的非标集成供应商，来做集成，安诺就类似于这样的角色。

当然，不是说我们作为甲方什么都不做。如果连自己产品的需求都理解不透，就没办法对设备供应商提出要求。

所以这是一个很典型的逻辑：从生产本体，到公司部署，再到甲方落地，三方都需要达成一致。虽然三方各自站在自己的边界上，但只有达成一致，事情才能真正落地。

特别是人形机器人这么前沿的科技，更是如此。

举一个例子，大家就能够理解。

我作为一个普通消费用户，拥有的第一台机器人其实是扫拖机器人。2020 年我家里就有了一台拖地机器人，但那对我来说是一个新物种。

刚买回家的时候，我甚至不知道该怎么拆装、怎么使用。这个时候，发明这台机器人的公司就有义务教会我怎么使用。

放到人形机器人，或者我们所有前沿的工业机器人身上，也是一个道理。客户把它买回来，因为它是新物种，并不知道该怎么使用。

我在家里用一台扫拖机器人都尚且有这么多难题要解决，更何况是在复杂的工厂里，涉及环节的沟通、辅导，甚至场景共创，要求更多。

研发本体的公司没有那么多精力和时间完成所有事情，所以需要产业生态里有专门的部署供应商，也就是安诺，对不对？

欢迎杨博士给我们讲一下，安诺到底是一家什么样的公司。

安诺智能是一家人形机器人工程化、量产落地的领先供应商。

你们专门做人形机器人的部署，对吧？

是的。

安诺的核心股东包括智元机器人，是人形机器人的头部企业；也包括富临精工，是汽车零部件龙头；当然还包括巨星新材料，他们是磁体材料供应商，是电机的核心上游原材料供应商。

巨星新材料是中国永磁体产能最大的企业之一。

在这个项目里，智元主要负责本体底层核心算法，以及标杆流程跑通。安诺基于这个基础，在更多客户场景中做量产落地部署，这是我们的交付，也是核心工作。

传统工业机器人领域里，其实也有专门的部署供应商，是产业中间环节的一部分生态。

人形机器人的部署市场空间有多大？能养出一个上市公司吗？

如果单看协作式机器人，上市公司里已经有克来机电、江苏北人这样的企业，它们 70% 的业务都是系统集成。

在人形机器人这种更新、更有前景的具身智能领域，我们觉得类似的公司肯定还会更多。

如果用金字塔来形容，像智元这样的优秀本体供应商可能有几家；中间像安诺这样的系统集成商，可以有几十、上百家；它们可以服务像富临这样几十万个工业领域的生产者。

像安诺这样的角色肯定少不了，中间也肯定能够孕育出比较多的上市公司。

我刚才发现一个很有意思的点，在座两位都是安诺的股东。所以这家公司本身就是产业上下游互相拥抱未来的产物。我不知道我的理解对不对？

对的。

你们现在成立多久了？

我们是今年 2 月份成立的，大概有半年的时间。

富临精工的场景是你们第一次落地部署的场景吗？

是的。

所以今天这个直播场景对你们来说非常重要，3 个第一次吃螃蟹的人聚在了一起。

直播间有人问多少钱，这个方便说吗？

好几十万。

有人说，一个应届毕业生可能几千元月薪，就能够把这件事情做了。

我们刚才讲过，机器人不是来替代人的，而是把很多人不愿意做的繁重劳动交给机器人。未来生育率曲线趋于平缓，一定会出现劳动力缺口。

我理解，像富临这样的工厂需要提前布局。20 年之后，没有那么多人愿意到工厂做这样的工作，怎么办？产线又不能停。

我刚才也在看评论。网友在聊，机器人来了之后，是不是人就没有工作了。

其实我们并不是这么考虑的。我们公司这几年发展很快，现在所有基地加在一起，已经超过 5000 名员工，这是一个很庞大的数量。

我们首先想的是，怎么样用机器人把繁重的体力劳动先干掉。这样人就有更多时间管理设备，甚至管理机器人。

这样的岗位不是随随便便的人都能做，一定要有知识和经验的积累。这样的人，未来收入也可能越来越高。

第二，机器人加入工厂之后，我们更希望营造一种人、机器人和设备多方交互的场景。我们一直想建设智慧工厂，但如果人和设备不交互，怎么能叫智慧工厂？

机器人加入之后，机器人可以跟设备交互，人也可以跟机器人交互，这是一个很好的状态，也是富临精工一直想追求的目标。

从科技媒体人的角度，我是这么看的：任何前沿科技的发展，都需要整个产业联动。

今天现场坐着的是第一批吃螃蟹的人。刚才杨博士应该还有一点没有讲到，安诺除了帮助大家做部署之外，可能还有其他愿景。比如在帮助本体部署到每个场景的过程中，你们好像还会定向采集数据。

对。在部署过程中，我们会建立一个全方位的素材体系，针对机器人的传感器、执行器，以及整个机器人的运行状态进行数据采集。

基于这些数据，我们会反向帮助本体企业定义整个大脑模型。另外，这些数据也有助于我们进一步优化部署。

一个特别大的感触是，机器人这件事美国做得很早，像波士顿动力，但是为什么很多机器人始终停留在实验室，走不出去，没办法走向商业化？

因为走出去很难。到底难在哪里？

美国其实比中国有更迫切的需求，因为这些年美国人力更贵，一直想让制造业回流，但面临的挑战就是人力太贵，所以美国有更强的动力做这件事。

很多美国机器人公司做了很多年，并不是不想往真实场景部署，而是真正部署会面临非常多的挑战。

比如需要找到一个像中国工厂一样，既有很大生产规模、又有先进产线，同时大家还有非常开放心态的客户，像富临这样的客户，愿意和我们一起共创场景。

这样的资源其实是稀缺的。中国有完整产业链的优势，能够找到好的客户，同时机器人的本体也能做得比较稳定、比较便宜。

其次，在算法层面，中国和美国有很多东西会逐渐拉平。算法没有绝对壁垒，尤其现在很多时候并不一定是在算法，很有可能是在数据。

另外，如果盘点全世界工程师的数量，华人工程师数量最多。华人又特别勤奋、好学，所以迭代速度很快，在工程能力方面很强。

我再补充一个客观数据。我之前有机会跟华为云 CTO 张宇昕老师聊过，他指出，中国的产业丰富度、工业成熟度是全球最顶尖的。

这也是为什么很多学者和专家认为，中国走自己的 AI 道路，一定是走产业化。

对，对。

为什么很多年前的机器人走不出实验室？我作为媒体观察者，总结是：实验室里做出的很多能力，跟具体产业场景需要的能力并不完全匹配，但没有人去做中间的适配。

工程化和科学突破永远都缺，但现在更需要数据去反哺，像杨博士刚才讲的，用数据反向定义上游的大脑，让数据飞轮滚起来。

很多本体公司现阶段实验中遇到的瓶颈，可能要把机器人真正放到产业里，让它工作十天半个月，采集各种数据。它就像人类一样，扔到环境里之后自己适应。

这就是泛化性。人会想办法适应环境，而不是让环境适应人。

海外有很多机器人做出来就是几十万美元，甚至有一些液压方案非常贵，上百万美元。这样的机器人从设计角度就很难真正用来干活，太贵了。

另外，中国的工程化能力在全世界都非常领先，所以我们能够把机器人的成本和工程稳定性都做好。

在实验室里拍宣传视频，可以失败 99 次，只拍 1 次成功，就能对外发布。但在工厂里正好反过来，你要做 1000 次，只能失败 1 次。

如果失败两次，客户就会问，你怎么从 99.9% 降到 99.8% 了？这是完全不同的概念。

我补充一点，是不是还有一个逻辑：我们三方在一起，是真正低调、务实的。

任何新事物的发展、新技术的推进，都要经历从简单到困难的过程。海外很多公司拍了很炫酷、很有科技感的 Demo 片，但真正要商用化、产业化，还是要回到现实的原点。

我们现在就是低调地从一个最简单的动作开始做起。我觉得这样的新生事物要给它一点时间，保持一定耐心，才能一步一步把事情做好。

这是一个很重要的逻辑。

一个大学毕业生走出校门，开始学习如何工作之前，已经经历了 22 年的人生。我们不可能要求机器人一下子就变成专家。

科技的成长也像人的成长一样，需要耐心。

王闯，你再讲一下刚才特别有趣的一点。邓主任说，工厂里可以定义几十种希望机器人完成的场景，但最终为什么选择了一个看起来很简单的场景先入手？

听你的意思是，其他场景不是不做，只是先把一个场景做深。但你们好像也不是第一天就有这种觉悟。

是这样的。我们选择料箱，是因为料箱场景在工厂里到处都是。有些料箱可以用自动化方式解决，但还有很多料箱不能，所以现在还有很多人在从事料箱搬运。

料箱搬运对人的身体有很大损害。轻的还好，高度合适的也还好，但如果天天弯腰、天天搬 10 公斤的箱子，对人非常不友好。

A2W 在设计之初就瞄准工业。说实话，现在回想起来，当时团队的能力没有现在这么强，但心气很高，大家觉得越难的场景越要挑战。

每个团队进入新行业时，都会有一个过程：觉得是不是应该大干一场，先把看起来最让人惊叹、最酷炫的东西做出来。

我们做过几个项目探索。比如喷粉上下挂项目，有很多建筑五金零件，包括门的合页、锁扣、锁芯、把手，要把这些零件一个个挂到类似超市里挂袜子的挂钩上，而且要挂得稳定。

真实零件有 1000 多种，每个零件都不一样。最难的零件有一个很小的螺丝孔，大概 5 毫米，要挂到 3 毫米粗的钩子上。

这么大的机械臂，容错空间只有 2 毫米。最后试验完发现，有些零件能搞定，但很多零件，尤其是挂孔类零件，我们搞不定。

整个研发做了很长时间之后，大家发现，这个场景标准化程度也很差。每个挂钩不一样，每个零件也不一样，零件类型可能有上千种。

要真正落地，技术挑战非常大。

后来我们又探索了阳极氧化上下料。阳极氧化上下料是有一根长杆，杆上有很多弹簧，弹簧上挂着一些东西。我刚开始以为是人的戒指，后来才知道是手机摄像头的金属环，长得很像戒指。

把它们挂到挂钩上，挂完一排之后，有一个长吊架。吊架可能有十多层，要把它卡到吊架两边的卡扣上，再拨动一个开关。最后由人把吊架拿走，还有一个反向过程：阳极氧化完成后，再从吊架上取下来，放到机床上。

当时我们觉得这好像也不复杂，就是一个个取下来。但后来发现，每个吊架的一致性都非常差。

拿 10 个吊架，每个都不一样，因为都是手焊的。吊架在阳极氧化设备里用久之后会产生形变，所以每一个都不一样，每个卡扣的松紧也不一样。

人工做这件事时，有一些根本塞不进去。金属和金属硬碰硬，要很用力往下插，甚至要抖一抖才能取出来。

一方面当时我们的能力还不够，另一方面，现在回想起来，这个操作对触觉、力控和整体感知的要求都非常高。

架子放到挂架上，大概需要一两毫米的精度；放到机床上的精度可能是三四毫米，这个我们就能搞定，成功率也非常高。

经历这两波之后，我们发现这两个场景看起来稍微酷炫一点，但落地挑战和时机还不太合适。

后来有专门调研工业场景的同事提出，为什么不做料箱转运？这个场景行业里有很多公司在做，也有很多客户找过来，希望我们做料箱转运。

他们确实有痛点。客户看完 A2W 之后说：“A2W 长这么壮，不搬砖可惜了。”

我们接下来详细调研这个场景，发现各个料箱虽然大同小异，但有些盖着盖子，需要先打开；有些是敞口的；有些里面直接放零件；有些里面放袋子。大小、重量都不一样。

但从技术上判断，这个反而不难。我们可以采集不同数据，最后把它泛化掉，所以就决定开始做这个场景。

前面的技术积累也没有白费。但有人会问，为什么不把之前的项目做完再做下一个？我们也耐心说服大家，不要在一个特别不好落地的地方死磕。

公司的价值观是“客户为先，产品为王”，还是要听客户真实需求，看看哪些场景第一步就能落地。

后来我们和安诺、富临一起做，我们几家跑得最快，做事非常高效。

实验室研发阶段大概用了 3 个月多的时间，把节拍从最早的 160 多秒一个箱子降下来。那时候机器人看起来慢吞吞的，只能走直线，避障也不好，人要时时刻刻注意安全。

当时对料箱的精度要求也很高，必须由一个人摆，才能摆好，换其他人可能就摆不好。

这几个月里，我们一步步做泛化性和自主闭环，慢慢把它做得比较好。客户和安诺伙伴也多次到现场查看。

大概一个月前，我们觉得它可以进场“打工”了。我记得有个研发同事说得很有意思：“闯哥，我们在这里已经测不出什么了，一天搬几百个箱子也不出问题。”

我就跟他说，到客户现场肯定会有很多问题。现在我们部署了 4 台，研发团队也已经驻场一个月，整个 A2W 团队几乎都来过，有什么问题就解决什么问题。

今天为什么做这个直播？一方面是因为我们心态开放，愿意把阶段性成果分享给大家，也愿意向整个行业展示。

大家都有疑问，问智元到底能干嘛，什么时候能真正干活，不要天天拍 Demo。我们就是想回答大家这个问题。

虽然料箱场景看起来没有那么难，但对机器人来说，它把全栈技术、本体稳定性全部检验了一遍，而且有真实客户价值，将来还具有泛化性。

第二点，我们也想展示自信。打磨这么久，工厂第一批有 4 台机器人，我们让它不停地在这里干活，就是想让大家看一看。

我们不敢说现在已经非常完美，它还有很多问题，比如节拍、成功率，也不认为这是终点，后面还会持续提升。

成功率已经非常高了。

对，可能是干扰还不够强，至少今天为止还没有失误过。

但我相信，工作时间长了，一定还会发现新的问题。现在绝对不是终点。可以把它理解为一个三岁的小孩，刚刚学会骑自行车，正常路面可能都能跑得很好，但将来一定会遇到更大的挑战。

我们要一起帮助这个小孩成长，要给他耐心，相信时间的力量。

我为什么相信？因为几个月前，它还要 160 秒，不能避障，走路只能走直线；现在已经能够很顺滑地做全局规划了。

学习速度很快。

对。

我刚才听的时候挺感慨。前几天来这里做准备工作时，最大的感触就是看到那些程序员进了工厂。

他们都很年轻，95 后、00 后，在工厂里一待就是几个月，真的很令人尊敬，此处应该给他们鼓鼓掌。

我们看见一个机器人落地，或者它的能力进步，有一句梗叫“有多少人工，就有多少智能”。背后其实都是很多人类的努力。

对。

请杨博士展开讲一下，具体把 A2W 部署到富临精工的过程是什么样的，也让大家感受一下落地到底有多不容易。

10. 部署把机器人带进工厂

在一个全新的场景部署机器人，要分成几步。

首先要做现场适配，对机器人工作的范围和环境进行地图构建，比如基于激光雷达做地图。

下一步，要对场景里重要的检测目标进行视觉注册，比如周转箱本身和上料口。简单来说，要采集少量数据，优化模型，让它具备足够泛化能力，能够识别周转箱和上料口。

接下来要优化机器人的末端执行器，也就是夹爪，让它适应周转箱的宽度、抓取位置和形态。

然后基于智元提供的原子能力，把整个业务流程串通、跑通。这一块在资源支持下，双方一起完成。

下一步要和产线打通通信。比如料运完了，机器人要通知物流部门，把空托盘拖走，再把满托盘运过来。

另外，机器人拿周转箱时会看一眼上面的二维码，通过二维码识别要把周转箱送到哪个上料口，这也是通信过程的一部分。

通信完成之后，还有两步比较耗时。

一步是长期优化节拍，让它越干越快。要优化视觉模型，让它足够精准，让机器人第一时间把工作做到位。机器人本身的高精度定位和执行准确性也都有要求。

另外要优化整个工作流程，让动作尽量并行化。但并不是所有动作并行都有益。

实际过程中我们发现，比如在料架边上放完一个周转箱，如果一边后退、一边收回手臂，有时机械手会碰到料架。这样动作并行反而造成损耗，是不合适的。

部署过程中会发现类似问题。

最后要做压力测试，在真实工厂场景里，对各种实际工况进行测试。这个过程中会冒出很多问题。

如果这样的本体要部署到更多场景、更多工厂，部署周期一般会控制在多久？

目前因为这是第一次在真实工厂场景部署，研发在实验室里工作了 3 个多月，现场集中攻关了 1 个月。

未来就像刚才说的，我们会建立数据采集体系。采集数据之后针对性优化，把部署经验优化到模型中，让下一个客户、下一个场景不断提升效率。

我理解，这个正向循环应该是：数据越采越多，用来反哺集成经验，甚至反哺本体的大脑，使智能能力不断提升。真实落地遇到的挑战会越来越少，解决挑战的周期也会越来越短。

是的，我们希望这个飞轮转起来。

第二个问题，部署过程中是不是更多是工程问题？

有一些是工程问题，还有一些可能需要增加新的能力。这些都是部署过程中甄别和获取的信息、数据，通过数据反向帮助本体供应商更新本体、改进大脑。

总体来说，安诺驻场几个月实际要做的事情，可以概括为工程问题吗？

目前可以这么说，帮助客户落地，有点像空调安装师傅。

这个工程量是不是挺大的？

是的。当前落地背后有一帮人，三家都有，三方算法团队汇聚到了一起。

这有点像 2005 年、2004 年还是哪一年，杨利伟第一次中国载人航天发射的时候。当时大家很紧张，难度非常大。

今天第一次真正部署，也需要很多人的力量，会碰到很多未知问题。但做得越来越熟练之后，部署难度和成本会直线下降。

我相信具身智能这种新鲜事物，后面部署成本会越来越低，算法泛化性越来越强，发展速度会很快。

我想问一个问题。刚刚聊到部署，安诺和富临的关系，商业闭环是部署方把设备交到甲方手上，最终验收之后，这件事就结束了。

但我在想，人形机器人已经部署在当前场景，明天我想把它换到另外一个车间去干活，或者让它做其他工作、搬其他箱子，甚至把它的手改一下，我该找谁？

针对搬箱子这个场景，后期可以做成解决方案产品。

基于这个解决方案，可以有一些可定制项目。比如地图，客户可以自行基于本体在场景中建图；周转箱发生变化时，可以采集少量数据传到后台，也就是智元后台的训练引擎，基于采集数据训练模型。

夹爪这一块，安诺也可以支持客户做相应适配。通过这种方式，就可以基于标准化解决方案进行部署。

我们会持续降低客户维护和部署的成本。为什么今天需要安诺投入很多精力？因为这是第一次。

后面希望客户自己建图，花 20 分钟在客户端界面上操作图形按钮，设置任务，机器人就可以自主干活。

等机器人积累的数据越来越多，比如已经搬过 50 种料箱，可能第 51 种只需要不到 1 个小时就能搞定，甚至不需要训练，它就已经具备泛化性。

这就是我们为什么持续收集数据，把小模型做得越来越丰富、越来越大，让机器人的泛化性越来越强。

这也是具身智能的魅力：不是固定编程，而是见得越多，能力越强。

站在用户角度，未来泛化部署不能再有额外成本，除了硬件。比如夹爪要改造，用户在意的是，之后做其他场景泛化还要不要掏钱，给谁掏钱，掏多少钱？

一定不能让客户再多掏钱，这是用户诉求。虽然现在不一定能做到，但未来大家肯定都会这么想。

第二个是怎样让它更快。比如富临现场还有其他箱子，要用模型训练一下，是不是富临就需要有这个能力？

不用。

然后安诺到现场来。

可以远程做 OTA。

对，远程操作就可以了。

这样速度和成本都能控制。

OTA 这条链路我们现在已经打通了。我们有一个云平台，可以查看每一台机器的软件版本。现在平均两三个月就会有一个版本给客户 OTA，很快客户就会看到提示升级。

模型训练方面，我们也考虑将来开放一些账户给客户，尤其是重要客户、有能力的客户。如果客户愿意自己训练，两边都省事。

如果客户能在现场自己解决泛化性问题，那就太好了，这代表行业又往前走了一步。

我们刚才已经在思考，是不是要成立一个团队来做视觉模型训练。

如果你们有这样的考虑，非常好。最终积累下来，可能也是富临的核心技术。

至少在你们工厂里，为客户生产的很多东西，数据都留在厂内。数据泛化会更快，因为你们自己最熟悉现场情况，出现问题时，你们的人也比我们熟悉，我们来了还要各种询问。

当一个车间未来有几十、上百、上千台人形机器人时，管理模式一定会不一样。它会要求我们具备独特技能，才能驾驭这些机器人。

中国产业升级的路径也很明晰：谁能够最先拥抱通用人工智能和机器人，谁能够最先管理好、升级迭代好，谁就掌握了更先进的工厂生产力。

但这里有一个有意思的问题：如果富临精工自己把所有事情都做了，安诺做什么？

这就是刚才讲的数据反向定义上游大脑，对安诺来说非常重要。这是我们的中长期方向。

而且一定要跑得足够快，在产业里跑得足够深、足够广。产业里极少有富临精工这样有前瞻性、有投入的企业，大部分客户仍然需要系统集成商。

另外，安诺也需要持续做新场景。富临可能把料箱转运完全掌握了，但工业场景很多，富临一个工厂就能找出几十个。新场景不可能都交给客户，这时安诺可以做场景部署，以及从 0 到 1 的新料箱训练，这些会比较有价值。

11. 通用机器人迈向规模化

对于智元来说，我们希望做一个通用的、支持柔性制造的机器人本体，把机器人底座的技术和算法做得稳定。

现在机器人其实分 4 个步骤。

第一是识别。识别现在用了一些小模型，最后在料箱领域会变成专家模型。随着它越来越大，最后可能变成大模型，所有料箱看一眼就会。

第二是抓取。抓取在行业里有很多技术路线，比如 VLA。我们认为工厂领域对节拍、精度和成功率要求太高，所以目前还是基于规则式抓取，保证精度和成功率。

第三是移动避障。这些底层算法技术，我们希望让传感器成本越来越低、性能越来越好。现在可能识别人比较好，将来希望连很小的东西、地上的小坎都能识别，精度越来越高。

第四是放置。放置其实很有讲究。

线上有观众说这是从 A 点到 B 点，其实不是。机器人会根据当前要搬哪个箱子，自己思考在哪里搬更近。因为它会思考，所以有时站在箱子左边，有时右边，有时前边。

它搬的料架也不是一个简单的 B 点。它会根据物料要放在哪个货架，分析货架的不同位置。哪怕将来有几十个口，我相信机器人的准确度一定会比人更高，因为它的记忆力更好。

另外，我们希望规模做大后，机器人可以批量部署。如果富临或安诺已经部署好一个场景，下游客户需求旺盛、产线翻倍，我们可以直接复制，机器人不用重新学习。

刚才王总聊到未来场景，这段时间我也一直在思考。

还要往前走，我觉得有两部分。第一，我们现在搬箱子的场景，还要继续深挖价值，把可以复制的地方找出来。

我更关心的是，工厂到底还有多少适合 A2W 的场景？除了搬箱子，谁来做场景挖掘？

前段时间我也跟智元和安诺的伙伴坐在一起沟通过。我现在特别想做一件事：怎么样有效评估场景，评估场景到底需要哪些要素。

如果把这些要素像质量审核表一样，一条一条写得很详细，当前是 OK 还是不 OK，不 OK 的原因到底是什么，就能发动团队，把公司整体场景全部评估一遍。

我还想知道，公司这么多柔性作业场景，到底是什么限制了 A2W 在某些场景作业。

是载重能力限制，还是现场有油污、水等物理条件限制，还是导航需要很高精度？我们想认真把这套工作方法和流程总结出来，把要素提取出来，告诉智元和安诺，下一代产品迭代到底应该在哪些方面突破。

我们可以搞一个有奖调研。我认为灵感来自人民群众。

富临有这么多一线工人，每天在这里工作，看到直播后可能会想，我做的这个事情，机器人完全有机会做。

智元和安诺可以出一张审核表，至少先排除那些确定不能做的，再让大家提议。我相信一线员工会提供很多灵感，选中之后可以给员工发奖。

这个奖可以由智元来出，我们愿意。

我再插一个问题。要发动富临几千名员工一起头脑风暴、观察工作场景，但在发动大家之前，要先讲清楚技术原理。

刚才看到一个很有代表性的问题：A2W 比起传统工业机器人有什么区别？

传统工业机器人主要使用固定机械臂加先进视觉技术。开场时邓主任解答过，我问 A2W 和传统工业机器人有什么区别，你说它能动，能自由行走、自由运输，这肯定是一个区别。

传统工业机械臂只能固定在一个位置。还有一个区别，传统工业机械臂靠代码输入，如果环境或客观条件改变，它没有自己思考的能力，就无法继续运作。

这是我目前能回答的两个区别。我想知道还有没有更多区别？泛化性加持的是不是工作能力的上限？这个天花板会不会越顶越高？

还有，A2W 以及未来通用人形机器人最核心会用到哪些技术？

我觉得我们和传统自动化机器人的一个大差别是，从一开始就想做通用机器人，做一个能够把工厂各种场景都跑通的机器人。

通用机器人的出发点是，本体要有很高自由度，能够兼容未来想象得到的各种场景，人能做到的场景它都能做到。

所以我们设计了非常丰富的传感器。它背后有两个鱼眼相机，具备一些避障能力；前面有深度相机，也有普通相机；胳膊是 7 自由度双臂，负载很强，精度可以达到 1 毫米以内。

末端还设计了六维力传感器，各个方向的力都能感知，搬了多重的东西、有没有卡住，它自己都能闭环。

为了提升工厂稳定性，我们还装了激光雷达，做避障。如果所有灯光都关掉，机器人仍然可以自主导航。

所以从一开始设计时，我们就希望它具有很强的泛化性。

我们和传统机器人的不同是，如果找一台传统机器人死磕一个场景，可能能够做到跟 A2W 差不多。但再往下走就不一样了。

如果想换一个新的场景，传统本体可能要经历很大改造，要加装其他东西，算法也要重新推导、重新开发。

A2W 现在是 4 个步骤的小模型。等落地场景多了、收集数据多了，就可以持续演进到大模型，演进到用数据驱动。

我们在端到端数据驱动方面也已经研究了很长时间。等积累的数据足够多，尤其是真实场景作业数据足够多，就可以进一步提升。

真实场景会遇到实验室没有的东西，尤其是失败数据非常有价值。把失败数据收集回来分析，再优化模型。

追问一下安诺和智元，你们采集的数据到底是什么数据？这些数据在训练什么模型，最终会带来什么能力？

刚才说有 4 个步骤。

第一个是识别料箱。机器人或者人，怎么认识成千上万个不同形态的料箱？抓取方式也不一样，并不能用一种方式解决所有问题。

数据足够多之后，看到这种料箱，就知道应该怎么抓，大概要用多少力，抓起来之后用什么控制方式能让抓取更稳定。

第二个是操作数据。本质上，搬起料箱时有各种加速度、各种规划。料箱很低时，腰要弯下去，这更像小脑，但里面也需要采集很多数据。

什么样的抓取方式效率最高，成功率最高，这些都需要数据。

第三个是移动。移动场景需要收集大量不同地图的数据。比如在 1000 个场景里都跑得很好，但突然遇到一个场景，以前 A2W 碰到过，客户装修是黑色的，很多识别失效。

这种场景的数据价值很高。分析之后优化算法，这些数据带来的能力提升就是壁垒，因为别的机器人从来没有遇到过，甚至在仿真里也想不到会有这样的数据。

还有玻璃、围栏等更奇怪的场景，环境也经常变化。今天垛在这里，旁边有障碍物；明天障碍物被拿走了。对导航、避障、定位都是挑战，环境数据非常宝贵。

最后是放置。现在放在流利架上，后面也可能直接放到流水线或货架上，这些都需要采集大量数据。

如果发现现在伸到最高也够不到货架，这个任务失败也很有价值。下一代产品迭代时，就会考虑要不要增加自由度，把工作空间做得更大，覆盖这个场景。

总体来说，这 4 个方面都可以持续收集数据提升能力。最终希望做到，新发现一种场景，客户很快就能部署使用；机器人新见到一个箱子时，内心会说：“这个箱子我已经见过了，不需要你再教我，我已经会了。”

你举了 4 个场景的数据，这些都是多模态数据，对吗？

是的。

从 2023 年到 2024 年，很多人在谈大模型，其实谈的是大语言模型。大语言模型需要的数据，主要是线上数字世界的数据。

但现在也看到，大语言模型 Scaling Law 的曲线逐渐放缓，其中一个重要原因是数字世界的数据快要穷尽了。

大家有一个小共识，接下来的数据挖掘要从线上数字世界走向线下物理世界。这就是我理解的，你刚才讲真正到线下部署时搜集的数据：物理世界的数据，也是多模态数据。

对。真机数据为什么宝贵？因为真机工作时符合物理规律。积累足够多之后，它可以推测出工业现场的世界模型，这很宝贵。

邓主任，你们会随便让人采集工厂数据吗？

很多数据是保密的。

保密的原因是，我们很多现场做产品时，工艺数据是核心参数。这些参数可能是花了很长时间摸索出来的，也是制造企业的壁垒。

这些数据采集之后，训练的到底是什么模型？

还是从几个方面说。

第一步，收集很多料箱数据，把识别模型做得更准确。这个识别不是像自动驾驶那样，知道那是车、那是人，而是要识别机器人应该怎么握、怎么抓。

不知道能不能理解其中的差异：自动驾驶可能关心的是，我知道 100 米外那是一个人；但机器人关心的是，我看到这个料箱，它离我几十厘米，我应该把手伸到哪里，抓哪里才能抓得紧，另一只手要怎么协作。

它对空间感知和精度要求更高。

对，加上泛化性之后，难度就更高。

最终训练出来的模型，希望能够精确识别各种料箱。越精确，后面的压力越小。

第二个类似于小脑。知道箱子在哪里之后，怎么规划一个方法，让它抓得稳、抓得好。

机器人搬箱子不是像传统机械臂或复合机器人那样，在固定位置伸过去。你有没有发现，它是全身控制？

它看到低处的箱子，知道手够不着，身体要下降；看到远处的箱子，会规划身体向前倾。这种多自由度的全身协同控制和协同规划，就是要训练出来的东西。

这种协同规划是大脑还是小脑？

我们认为是小脑。

我一直在下面想这个问题。我很关心节拍。大脑做决策，小脑做执行，这个过程怎样做到更快？涉及哪些技术和技术迭代？

讲一下过去几个月怎么从 160 秒做到 40 秒，再看看 40 秒还有哪些压缩空间。

过去 160 秒，是因为算法还不够好。可能看一个箱子要看很多次，算法不断分析。

另外，算法本身还要做模型部署，也就是工程化。有很多压缩方法，要让它运行得快，但性能不能下降。我们花了很多时间，首先把识别时间减少了。

我们希望机器人走得更快，但刚开始不敢走快，因为机器人有加速度，有一个较长的规划过程，同时规划中要持续避障。它每秒钟会扫描周围环境 10 次，判断能不能往前走。

机器人为了负载比较大，本身也比人的体重重，所以必须绝对保证安全。每秒 10 次不停分析周围有没有障碍物。

现在为什么敢做得更快？因为障碍物识别和避障已经比较稳定，效率也很高。以前可能需要看半秒才能确认有没有障碍物，现在可能只需要 0.1 秒，这里就省下了时间。

如果走得更快，整个节拍自然就快了。

另外，放到指定料箱那里，现在很多动作都是并行的。比如手臂伸起来的同时开始转身，这就是全身规划控制。

还有一个很有意思的点：机器人会把自己的胳膊和自己搬的东西当成障碍物。我认为没做过的人完全理解不了，为什么机器人会把自己的胳膊、把自己搬的箱子当成障碍物。

这是自动驾驶从来没遇到的问题。自动驾驶传感器都是固定的，里面没有什么东西会这样变形，尤其是在工作中不断变形。

机器人搬不同箱子，高度都不一样。我们做了大量工作，让机器人不要把自己的手和搬的东西当成障碍物。

原来的轨迹是直线，规划还不够好。现在你可以看，每个点位它都会走到最佳位置，用最好的路线、最顺滑的路线走过去。

整体下来，它就达到了 40 秒，接下来还有很大提升空间。

从最初 160 秒做到 40 秒，靠的是数据吗？人才、算法这些先不说，从 160 秒到 40 秒，靠的是场景和数据吗？

我可以讲一个比较有意思的地方。在做这个之前，我们还做过 3 种不同的料箱。

之前有些料箱最开始做的时间更长，可能要 200 多秒，因为有大箱子、小箱子，码垛是混码的，要分析哪个大、哪个小。

做完这 4 种料箱之后，积累的数据还是很有用的。长时间测试采集了各种垛型，在仿真里也做了很多，比如不同光线、不同箱子颜色、位置和形状。

这些都可以在仿真里调整，让机器人现实中可能没见过的情况，先在仿真里输入，再采集真机数据去强化。

当然，我们在实验室能采到的数据是有限的。真正要进一步提升能力，我认为还是要靠安诺和客户把它带到工厂，建立更多场景，工厂数据会比实验室丰富得多。

我再问一个最直接的问题。刚才讲到的种种困难，以及泛化性能力的提升，靠过去的固定机械臂、3D 视觉加算法能达到吗？

如果只复刻料箱这一个场景，复合机器人加机械臂完全可以做到。

但是要做到很强的泛化性，用一个本体搞定，是极难做到的。

A2W 和很多产品不同，它外表很少有线。为什么？因为这是全栈一体化设计，从设计之初就有很多自由度和丰富传感器，能够兼容各种场景。

做料箱只是一个开始，将来还会有很多复合机器人做不到的事情。复合机器人如果强行让它做，也可以做到，但必须固定在某个位置，这对我们并不友好。

而且我想了一下，如果用复合机器人搬箱子，成本可能还会更高。因为我们一个本体可以做很多事情，规模起来之后，成本就能快速下降。

今天机器人已经拆了好几个垛。每次垛拆完，叉车师傅过来把空托盘叉走，再弄一个整垛过来，我就觉得这个画面很棒。

机器人兢兢业业地干活，只要有箱子它就在搬，人机之间有了很好的配合。

对。

我们总结一下刚才讨论的一个重要问题：现在通用人工智能到底通用在哪里，泛化性怎么体现？

我用一个通俗比喻，你们看对不对。

把一个学生送到大学，经历 4 年通识教育加专业课，到底是为了什么？如果没有上过 4 年大学，高中毕业、18 岁也可以进工厂干活。

但一个大学生进工厂干同样的活，最初起步时可能不如一个已经在工厂干了 4 年、22 岁的工人。

可是把时间拉长，一个接受过 4 年通识和专业训练的年轻人，在工厂继续深入、采集各种数据和场景之后，认知迭代和学习能力的进步速度，很可能比 18 岁就进厂干活的人更强。

在我看来，这就是泛化性和通用能力的体现。

对，对。

问一个技术问题。我们现在做的模型算 VLA 吗？

现在不算 VLA。VLA 我们公司也研究了一段时间，它的优势是对不同场景泛化性比较强。

比如可能有一堆超市零食，每一种零食都可以抓起来放到袋子里。它适合这种不同场景，尤其是有一个词叫 Zero-shot，从来没见过的东西也可能会做。

但现在看到的劣势是，对于工业场景，它不能把某一项做到非常高。虽然现在有一些技术路线，用强化学习或垂域训练把成功率拉高，优化某个特定场景，但对工业场景来说还是不够，成功率还不够。

工业场景哪怕做到 90%，邓主任也不会满意。一天拆 800 个箱子，成功率必须达到 99.9%，几乎没有商量余地。做不到 99.9%，工厂就不会让你进去。

另外，VLA 现在的节拍也不够，不能做到很高节拍。

为了率先实现工厂落地，VLA 技术我们也做了很多布局和研究，但目前认为现在的技术路线更适合工厂场景：小模型加规则驱动，再加数据训练。

自动驾驶也是这样的发展路线。最开始用 CNN，后来发展出 Transformer，全局视野更好；再后来出现 Occupancy，三维避障做得更好；再往后逐渐进化出端到端。

现在一些车厂率先落地端到端方法。再接下来还有 VLM，除了开车，还能理解环境，比如看到路牌写着“前方不能通行”，它能够理解。

现在汽车上可能最热门的也是 VLA，但从我的角度看，VLA 在汽车上仍然是前沿方向，在智能领域也是非常前沿的方向。

落地时，我们一定希望用客户看起来最高效、最适合的技术，并不总是寻求最先进、最前沿的技术。我们的思考是，交付给客户最好的东西。

现在训练的模型有名字吗？

我们公司现在训练的模型叫 GO-1，端到端模型就是 GO-1。今年 3 月份也做过一些发布。

明白。前面所有话题可以总结为一个主题，就是合力。

推动一个前沿技术落地，需要产业上下游一起合力。智元除了是一家野心很大的公司，也是合力的主导方。

我看到你们自己建厂，也把产业全栈能力做起来了。大家会比较好奇，智元的优势到底在哪里？

智元从成立之初就受到广泛关注，大家讨论也非常多。

智元想做什么？一个重要特点，就是区别于行业内其他公司，我们一开始就主动选择了全栈技术布局。

这个全栈布局现在可以清晰归纳为“一个本体加三个智能”。三个智能分别是运动智能、交互智能和作业智能。运动智能是基础，交互智能和作业智能是客户价值。

今年全栈布局的突破都比较大。

本体方面，A2、A2W 以及接下来的一些产品，比如 G1 等，出货量已经在行业内属于比较领先的水平。本体整体稳定性、可靠性都做得比较好。

运动智能不只是走路，机器人的上下肢协同也属于运动智能。A2 已经实现商用部署，行走非常拟人。

交互智能方面，智元率先实现了大规模部署到客户真实场景。作业智能方面，A2W 就是一个典型场景。

在纯数据驱动端到端、强化学习和模仿学习这几个领域，我们都有布局。A2W 选择小模型，把成功率做高，再加上一部分数据驱动，是因为这是现在最务实的技术路线。

所以在作业智能上，我认为今天的直播是一个很好的起点，代表作业智能真正进入客户现场，开始创造客户价值。

这和在实验室做出多么酷炫的东西完全不一样。真正能够让客户使用起来，我觉得才是很好的东西。

直播也快进入尾声了。今天看到的场景，是在几十个场景中选择的一个最务实的场景。邓主任肯定也非常关心，接下来 A2W 还能做什么。

现在搬运、转运已经可以做得很好了。接下来它还能做什么，我们自己也在思考。

我特别想让 A2W 走进工厂，把装配线上很多柔性化业务替代掉，让人专心解决设备问题。

一旦有了多余时间，一个人就可以管理 3 条线、5 条线，甚至管理机器人。这样人的知识和技能水平就真正提高了，这就是产业升级。

我要让富临精工工人的知识水平、技能水平越来越高，然后建设智慧型工厂，这是我的理想目标。

但要到这一步，机器人还有很多技术要突破。比如让员工通过交互给机器人布置任务；现场作业环境不好，还要提升机器人防尘等级等，这都有一个过程。

我们也希望推动机器人公司深入了解真实需求，朝这个方向发展。等到那一天，机器人的大规模商业化就成为现实了。

速度会越来越快吗？

是的。

跟客户紧密合作之后，这是自然而然的需求。智元做事讲究实干、高效，一定会踏踏实实把场景做透，不希望做很多场景，最后每个都落不了地。

未来能够落地不同场景，出货机器人规模非常大，有了庞大数据集之后，我认为训练真正端到端的模型会更高效。

我也很好奇。刚才谈话中，王总提到几个 Benchmark，比如自由度、精度。

你列举了两个最初放弃的场景，它们都是精度要求更高的“眼到手到”，这就是一个 Benchmark。

假如团队搜集到了 40 个场景，肯定要根据不同 Benchmark 排优先级：现在最有可能达到的是哪些，第二阶段达到哪些，难度最高的是什么。

用什么 Benchmark 给这 40 个场景排序？

不知道大家有没有组装过电脑。以前大家喜欢自己组装台式机，选 CPU 和显卡时有 CPU 性能天梯图。

我们现在想收集足够多的场景，搭建一个场景落地难易度天梯图。

这个天梯图是多维度的。CPU 天梯图比较简单，谁跑分高、功耗有优势，排名就高。

但机器人天梯图应该是多维天梯图，最终选择时不一定看单项高低。

操作精度是一个维度。比如机器人导航定位精度是正负 5 厘米，手臂自主闭环精度是 5 毫米。如果场景要求 5 毫米以内的精度，我今年可能先不做，等技术突破、本体新零部件进来、本体能力提升后再做。

我先做 5 毫米以外精度的场景。

另一个维度是负载。现在设计负载是 20 多公斤，30 公斤的场景可以先排除。

分析之后发现，越轻的物料，整体功耗可能越低，运转速度也更快，这一项得分就会比较高。

我们会分析很多维度，最终都要落到客户价值：能不能又好又快地把活干好，ROI 是否比较高。

最后可能由客户圈出场景，我们来分析行不行。如果客户要做，我们也认为可行，那大家就一起干。

今天浅浅聊到一个关键点，但因为时间有限没办法深入：在定义场景、定义机器人能力上限的过程中，到底有多少真正用到了通用智能的泛化能力。

在我看来，这就像你到底是开着跑车送外卖，还是开着跑车做一件应该让跑车来干的事情。

对所有花钱的甲方来说，一定需要后者。当然，如果成本没有优势、性能没有优势，就不会上量。

我能用工业机器人干的活，绝对不会用人形机器人干，因为工业机器人已经非常成熟了。

最后能不能预判一下未来 1 到 3 年？虽然这个问题很可能会被打脸，因为我们所在的科技领域迭代速度非常快，经常会出现技术白天鹅。

白天鹅。

白天鹅降临之后，原来行业里要 3 年做成的事情，可能半年就做到了。

还是想请大家预言一下，在你们眼中，未来 1 到 3 年通用机器人落地的速度，以及整个产业会怎样发展。

让杨博士先说两句。

在这次展示的工业领域，我觉得模型突破可能还需要一些时间。

所以安诺的重点，还是基于智元已经做出的样板，向更多场景、更多客户拓展。在这个过程中收集相关数据，做好准备，等待模型突破的那一天。

在你这里还是苦活、累活。

是。

我来说一下。我可能不从用户角度讲，而是站在电关节供应商的角度。

我和电关节研发团队一起工作、聊天时发现，他们做产品性能迭代，一开始就在考虑成本。

富临也是汽车零部件大规模制造企业，在汽车领域非常关注成本。通过讨论成本，我觉得未来 3 年整体成本下降 50% 是有可能的。

中国我觉得保守了。

保守了？

绝对保守。

如果成本下降 50%，即使模型、训练还没有做到完美，也会有更多用户愿意尝试、接受这个新鲜事物，也更愿意推动人形机器人商业化落地。

成本是一个核心条件，我就讲成本这一个维度。成本这座大山无时无刻不压在我身上。

邓主任管理一个非常大的事业部，大概有十几个亿，对吧？

事业部加创新工程部，有十几个亿的营收。

通俗翻译一下，就是左手负责富临某些业务线的收入，右手还要考虑未来 3 到 10 年，如何进一步提升工厂效益，要用哪些先进技术。

是的。

最前沿意味着试错成本，也意味着前期成本投入。为什么富临精工愿意做第一批吃螃蟹的人？

我想借用刚才王总的一句话：因为相信，所以看见。

富临精工相信人形机器人未来会走进工厂，变革生产组织模式。我们也愿意投入这么多去做电关节。

所以大家今天看到这场直播，是因为相信，所以看见。

当然，富临精工不是凭情怀做事，而是实事求是地基于现场场景判断。如果确实适合传统工业机器人落地，我可能就不会考虑人形机器人。

像今天搬箱子这个场景，确实适合人形机器人，我们才选择使用它。

今天对我来说非常兴奋。作为媒体人，我真正有机会进入工厂车间，看到前沿技术和机器人融合，也看到它在工作，跟专家们聊了很多原来不知道的知识。

今天算是 A2W，或者说这台通用工业机器人的一小步。它选择了一个相对简单的场景，但我相信，这可能是整个机器人行业，乃至整个社会拥抱前沿技术的一大步。

最后，我们是以 A2W 和晶晶开场的，还是回到主作业间，让两台机器人收尾。

工作人员通知我，今天 A2W 的工作任务也快完成了。我们回到主作业间，再验收一下它今天的工作成果。

晶晶，你的机器人兄弟今天工作了一天，辛苦了。最后请你为我们宣读一下 A2W 今天的工作成果，好不好？

整个过程中无任何碰撞和入侵发生，工作效率杠杠的。在有人员侵入时，也很好地完成了自动停障。

今天就下班了，我要回去充充电，明天继续好好干。

那我们为 A2W 鼓鼓掌。

还在踏踏实实地干活。

对，它还在接着干活。但是我们人类准备收工下班、吃饭了。

今天是一个很珍贵的机会。在此我也希望代表各位科技工作者，向社会公众呼吁：我们应该对前沿科技、对人类未来的文明和生活有更多信心，同时也要对前沿科技保持更多耐心。

我们还会在不久的未来再次相遇，还会看见 A2W 和更多机器人在更丰富的场景中作业。

我们 1 到 3 年后可以再做一次节目。

没问题，那我们就这样约定了。谢谢大家，今天的直播就结束了。拜拜拜拜。

以上就是这次直播访谈的全部内容，相信可能有听友会好奇，开头讲的和人形机器人一起主持呢？好吧，这里放上一段我和我的主持人搭子、人形机器人 A2 一起主持的彩蛋。今天这场直播还会带着大家去跟三位机器人领域里的行业专家深度对话，但是呢，在一切开始之前，我要先欢迎一位特别助理，就是大家看到现在站在我身边的这位很炫酷的机器人。

晶晶，你好。你叫什么名字呀？

诗婕老师好，大家好。我现在的名字叫晶晶，是客户爸爸富临精工给我取的。

你之前还有名字吗？

我以前的名字叫远征 A1，是研发爸爸智元帮我取的。

对了，我还有一个二叔，安诺智能。二叔安诺把我从智元研发爸爸那里带到了富临精工客户爸爸这里搬砖，让我学会了打工的本领。

你家的亲戚关系挺复杂的。那你今天为什么要来当我的助理主持人？

我的爸爸们希望我获得更多历练，学习更多技能，多和师姐你学习。

你还挺谦虚。那你知道今天这场发布会要怎么做主持人吗？

当然啦，我的知识面非常广泛，你可以问我任何问题。

那你知道今天这场发布会的主角是谁吗？

今天这场发布会的主角是我的机器人好兄弟，也是由智元研发的通用工业级机器人远征 A2W。他非常厉害。

我想大家一定会好奇我和 A2W 的区别。

晶晶，先等一下。你知道做主持人要有什么样的技巧吗？

我出场的时候只学到了技术，没学到情商，你教教我。

做主持人要注意控制现场节奏，还要把时间和空间都给到嘉宾。

师姐你说得对，那我们现在应该做什么呢？

我们一起来欢迎本场直播的第一位嘉宾，我和 A2W 的客户爸爸、来自富临精工的邓主任出场吧。

他不仅是我们这些机器人的采购方，同时也是我们真正工作时的包工头。

好了，这期节目就到这里，感谢你的收听。欢迎在评论区留下你的听后感，这期节目也已经在苹果 Podcasts、网易云音乐、微博、QQ 音乐、豆瓣等平台同步上传。哦对了，欢迎关注我的公众号、B 站账号和小红书，都与播客同名，我会在这些地方不时更新文字思考、视频访谈、采访随笔等等，我们下期再见。Swimming, lingering is so carefree.