VLA模型仍然存在明显的缺陷。大小机器人使用A

作者：《态度AGI》对话网易科技作者|崔玉贤编辑|丁广生 2025年，物联网智能赛道正以惊人的速度从实验室走向产业前沿。一方面，资本热情高涨，机器人企业融资频频传出成功消息，估值屡创新高。另一方面，机器人订单快速增长，好消息充斥屏幕。此时，仍有新的初创公司加入拥挤的赛道。 2025年12月18日，大小机器人正式发布。与普通初创公司不同，大小机器人依托商汤科技。创业团队汇聚了来自人工智能、互联网、机器人、智能驾驶等领域的行业领先专家：商汤科技联合创始人、执行董事王小刚担任董事长，世界级人工智能科学家陶大成担任首席科学家。关于对于此时进入具身智能赛道的机遇和原因，王小刚在接受网易科技等媒体采访时表示，具身智能赛道的头部地位还没有完成，领域还远未成熟。从技术路线来看，王小刚认为，技术路线尚未趋同，VLA模型等机器人原有技术路线存在明显缺陷。 “VL​​A模型以机器为中心，通过输入指令、图像、视频直接输出动作，不需要了解真实的物理世界和物理规律。简单粗暴的端到端或VLA的使用，并不能解决对‘大脑’体现智能的期望。”在产业落地方面，大规模应用尚未出现。 “即使机器人赛道在今天非常流行，但现实情况是，目前可以量产的机器人场景要么是性能提供情感价值的产品，或者作为科学研究平台而存在。 “目前还没有能够显着提升生产力的大规模应用。”在产业链整合方面，王小刚认为，机器人行业产业链分工尚未完善，从零部件、传感器到计算芯片等环节还有很大的垂直整合空间。而这正是大小机器人的机会。大小机器人推出了ACE技术的第一个范式，形成了“环境捕捉+世界模型+基于身体的模型”的全链路技术体系。”我们的收集是以人为中心的。人们佩戴第一视角传感器，如视觉或触觉传感器，并与周围的其他第三视角摄像头和传感器相结合，观察人们在现实生产和生活中的行为，然后通过视觉手段和多模态手段来研究人类活动，而不是关注人类活动。机器的活动。这样，真实的场景和记录也会以很高的方式完成，真实的场景和记录也会以很高的效率和记录完成。由人类在偏远且复杂的环境中完成。 ”王小刚解释道，“此外，我们也会使用合成数据，但这种合成数据并不是来自传统模拟器——它是在故事世界模型中完成的。世界模型的优点在于可以快速、无限地对已有的真实数据进行加固，并且可以实现对各种元素的受控编辑。 “这两种技术路线的融合，是大小机器人目前正在走的技术路线，这也是大小机器人的主要优势，但不是唯一。在王小刚看来，大小机器的人的优势不仅在于大脑和软件，还在于软硬件一体化的解决方案。”与现有的本体有很大差距。他表示，大校投资了钛虎、绿明等硬件公司，与国内领先的具身智能公司合作推出了“具身超脑模块A1”，赋予机器狗在太空自主导航的能力，并接入商汤科技“方舟”视觉平台，扩展数百种AI应用功能。在实施速度上，王小刚提出了三个阶段的实施速度：目标：短期（1年以内）：聚焦具有自主导航能力的四足狗机器人，快速推广到安防、巡检等B端场景；中期（2-3年）：聚焦前端仓库、闪购仓等物流场景，解决劳动密集型作业痛点；长期（5年以上）：探索家庭场景，但需要解决复杂问题；例如安全和责任的定义。 （第一排从左到右：李宏生、陶大成、王小刚、潘新刚 第二排从左到右：陆建勤、赵恒双、刘子伟、刘锡惠）以下为网易科技等媒体与大小机器人董事长王小刚对话的部分内容： 1、ACE范式技术首项技术发布 该公司对标图AI提问：大小机器人的名字是如何确定的，背后的含义是什么名字？王小刚：这个名字的由来我们确实思考了很长时间。取自大成名字中的一个字，也用了我名字中的一个字。它的背后有着特殊的意义。你看，在这个广阔的世界里，机器人与生命本身的联系是充满想象的。未来的轨道一定是广阔的，潜力是无限的。我们希望通过科技的力量，让机器人能够真正的、精准的被使用了解生产和更多人的生活需求，用具体、实实在在的服务真正改变每个人的生活。这就是这个名字的含义。首先，我和陶老师以及其他教授之间有很好的信任基础。我们当中，有的是唐老师的学生，有的是我的学生，有的是现在的教授，还有的是陶老师的学生。今天我要讲的是，体现智能赛道之所以吸引我们，是因为人工智能从1.0到2.0再到3.0的发展始终实现了跨越式发展。每次进入新的发展阶段，创业往往是推动创新、加速技术落地的最佳途径。我们的核心教授团队之所以能够聚集在一起致力于拉罗夫具身智能，是因为这条赛道需要持续的创新驱动。我和陶大成都是汤晓鸥教授的学生，我们我们在香港中文大学学习期间建立了深厚的相互信任基础。在这个课题组中，陶大成主要负责带领教授团队专注于嵌入式智能方向的持续研究和创新，强化我们的创新技术特色；我主要负责公司的整体战略规划和商业执行，同时推动优秀研究成果的产业化和转化工程。问：商汤科技将企业智能业务分拆为独立公司，是出于什么考虑？王小刚：我们是“1+X”的一个策略，这是他自己提出的现阶段的时代标签策略。 Ang Discarte na ito ay talagang malawak na kinikilala ng merkado at mga namumuhunan、dahil 印度语 lamang nito masisiguro na makakamit ng grupo 和 kakayahang kumita sa lalong madaling panahon、ngunit mapanatili din ang pamumuno samalalaking modelo 的imprastraktura，habang sumusunod 是 ng pag-unlad ng patuloy na pagbabago 的趋势，是 pagpapanatili ng sigla ng negosyo 的人工智能。 Sa tingin ko ang nakapaloob na katalinuhan na binanggit ngayon ay isang bihirang pagpapalawak at karagdagang pagkakataon kumpara sa 约会 negosyo ng SenseTime. SenseTime 与 SenseTime 合作开发了人工智能软件和 To B 软件。 Sa mga nakalipas na taon, sa pagbuo ng malalaking modelo, nag-deploy kami ng malalaking device at imprastraktura, ngunit may close pa rin sa pangkalahatang produkto ng end-side na software and hardware communications.机器人的出现只是提供了一个绝佳的机会，让我们有机会将软件和硬件融入嵌入式智能赛道。我们对大霄还是充满期待的。问：就我个人而言，角色是什么样的？从商汤到大晓，你经历过什么吗？王小刚：对于商汤科技的情况，我做的具体业务管理工作很少。我的精力更集中在AI产业落地的大校业务上。另外，我过去在商汤负责过手机、互联网、汽车等多个业务线，对商汤的研发体系非常熟悉。我的各行各业的同事都是并肩战斗的战友。这样我们就可以更好的推动商汤科技和NG大商业模式的关系，能够进行良好的合作。我认为这是一个很大的优势。问：大小机器人主要关注机器人身体还是大脑？王小刚：在产品实现方面，大小机器人针对不同场景推出了软硬件一体化解决方案。在很长一段时间里，商汤科技在各种场景下积累了大量的经验，拥有比较完善的底蕴。客户需求的处理。从我们团队的角度来看，更强大的部分是大脑和软件。同时，近两年商汤科技还投资了一系列车身及零部件公司。但在实际应用情况下，现有本体硬件与实际需求还存在较大差距。因此，我们要结合场景需求，对软硬件进行优化，与生态供应链伙伴一起，重新设计硬件，让产品更符合客户需求。嵌入式智能有望拥有一个强大的“大脑”。这源于过去几年大型语言模型和多模态模型取得的进步。大家都希望把这种语言模型的能力提供给机器人，实现通用的能力。然而，我们可以看到目前的技术路线，包括VLA模型，都存在明显的缺陷。 VLA 模型以机器为中心。通过输入指令直接输出动作动作、图像和视频。它不需要了解真实的物理世界和物理定律。我们期待未来拥有一个更强大、能够理解世界的“大脑”。这就是我们建议的 mundo 模型。这包括我们提出的 ACE 环境捕获范例。过去是以机器为中心，基于不同物理结构的本体来收集真实的机器数据。很难全面地得到一个更通用的“大脑”。如今，环境采集“以人为中心”，通过第一视角、第三视角和多模态数据来更好地模拟人类互动和物理世界，并利用这些数据来训练我们的世界模型。简单粗暴地使用端到端或VLA并不能解决“大脑”中体现智能的期望。问：你们正在构建一个基于“环境采集+世界模型+具身智能模型”视角的全链路技术体系。我想作为请您介绍一下该技术在大小机器人具体产品中意味着什么，能达到什么效果？王小刚：环境采集不仅仅局限于视觉形态，而是融合了多个维度的信息。除了照片和视频之外，还涵盖了摄像头位置、物体的3D轨迹等，未来还将包括力、触摸等多维度、多模态的数据。我们的主要目标是对人和他们的环境进行建模——这里提到的世界模型是以人和他们互动的世界和环境为中心的。有必要对人类与环境之间相互作用的物理定律进行建模，除了视觉之外，这种相互作用不能分解为许多维度。我们可以看到，特斯拉和Figure AI提出的所谓“视觉解决方案”在视觉维度上确实不差。特斯拉使用视觉解决方案的想法受到了自动驾驶领域的启发正在开车。毕竟，基于视觉的驾驶解决方案已经取得了成功。然而，自动驾驶和具身智能之间存在重要区别：自动驾驶场景中不存在物理接触或交互碰撞，而具身智能场景中，人和机器人需要与周围物体和环境进行物理交互，因此必须包含其他维度的信息。事实上，在过去的长期研究中，人体工程学、力学等领域都对人体力和触摸相关信息进行了深入研究。然而，由于之前的研究大多以机器为中心而不是以人为中心，因此该结果不能直接应用于实体智能领域。我们提出的新研究思路为人体工程学和力学的重要成果在体现领域的应用打开了大门。环境采集是数据的主要入口收藏，我们在这方面积累了很多。例如，今年年初，我们团队的刘子伟教授带领研究团队发布了Ego Life数据集，该数据集通过各种传感器记录了人们在真实生产和生活环境中的数百小时的数据，并基于这些数据开发了具身世界模型。再比如去年巴黎奥运会上，商汤科技利用视觉传感器实时分析乒乓球、三人篮球等运动项目中运动员的动作和球速，为现场解说提供支持。这些技能为我们打下了良好的基础。有了数据之后，如何利用数据构建强大的“大脑”——即理解世界的世界模型。我们的世界模型主要分为三个部分，现有的世界模型大多主要基于生成网络，比如李飞飞团队的世界实验室，经常以生成为主要目标。时间我们今天提出的世界模型分为三个部分。第一部分是多模态数据的整合。多模态包括照片、视频、摄像机位置、提到的3D轨迹，以及机械元素、触摸等内容系列，它们可以实现更好的融合。例如，我们的团队最近与南洋理工大学合作开展了一个名为 Puffin 的研究项目。在体现智能领域，图像的输入可以指示相机的位置。如果将摄像头安装在机械臂或机器人上，当机械臂移动时，摄像头也会随之移动，我们可以推断它看到的图像和视频会发生怎样的变化；相反，通过观察图像和视频的变化，我们还可以推断出机械臂的运动轨迹，与物理世界建立联系。其次，了解物理世界后，需要开发复杂的机器行为，包括长期行为。这些b行为必须是身体上的，并引起一致性并形成持久的记忆。我们这次发布的一体化世界模型“启蒙”3.0开放了基于云服务的API。用户可以选择不同的场景让机器人完成不同的动作，也可以选择不同类型的机器人本体，比如玉树、智能、银河等品牌的机器人。系统根据选定的机器人本体、场景和任务，合成机器人完成动作的视频和各关节的轨迹参数。这些数据可以用来训练机器人的“大脑”，利用世界模型合成的大量数据来提高机器人的性能。第三部分是预测功能，可以根据选定的机器人本体、观察到的图像和视频状态来预测机器人的后续动作。这种“理解-综合-预测”的融合是我们强大的世界模型的核心。最后通过体现机在模型中，我们可以将“大脑”这个强大的身体转移到不同的机器人身体上，指挥机器人完成不同的操作。因此，环境材料、世界模型、植入人体的机器模型构成了我们以人为中心的新研发范式。问：您对大霄机器人有明确的短期或长期目标吗？换句话说，你想在行业中取得什么地位？王小刚：我们有几个方向。首先，从产品目标来看，我们其实分为短期、中期和长期。短期来看，除了已经提到的提供情感价值的性能机器人外，我们认为短期内能够大规模落地的还有具备导航能力以及其他各种AI应用能力的四足狗机器人。过去，此类产品并未得到广泛应用，主要是由于空间自主性不足。现在我们已经攻克了这项技术并将其融入到各种后端AI应用中，我们相信它有望得到广泛应用。中期目标侧重于未来两到三年。我们看好工业场景和商业服务场景，其中会优先考虑闪购仓、前端仓等商业服务场景。因为从明年开始，很多前端仓和闪购仓都会出现在中国。此类情况需要大量的人力来支持24×7的服务。添加机器人不仅可以提高生产效率，而且可复制性强，可以在此类环境下充分发挥其优势。长远目标是指五年后的家庭场景，但涉及到对前沿技术的进一步探索。比如Figure AI目前就是针对这一类场景，我们也把它作为重点研究方向。从技术和产业来看从影响力角度来看，第一个是我们刚才讲的新的体现智能范式，ACE，我们期望它在行业中发挥主导作用。第二个是我们的世界模型。在这次大会上，我们将把这个模型开源，并与云厂商和国内各芯片厂商紧密合作，寻找关键的生态位点，推动整个世界模型生态系统的发展。 Tanong：您多次提到的环境收集技术目前主要的技术难点是什么？大笑在开发过程中遇到了哪些技术卡点？积累的数据是否会成为公司未来的主要竞争壁垒？而大晓公司的优势是什么？王小刚：对于今天提到的环保收集，我认为首先在收集设备方面，目前还没有一套环保收集设备已经达成行业共识并且能够实现。稳定稳定。这是我们需要走的方向，并实现规模化应用。收集此类设备的方法需要降低成本并便于部署。佩戴后不应该影响人们的正常生产和生活，而且周围部署也应该比较方便。它还包括硬件稳定性、数据同步等一系列问题。因此，打造低成本、易于部署、高可靠的设备是业界关键且缺失的一环。其次，这些设备完成数据采集后，我们需要使用自动化的方法来分析人类行为，有效捕获多模态数据。由于环境采集记录了人类行为，产生的数据量巨大，不可能完全依赖人工标注。因此，自动信息检索就更加必要，这也是一个重要的方向。第三点，我们已经提到过，当今环境下的产品不仅要基于视觉，还需要与力感、人体工程学等其他维度相结合。这些维度涉及到的新茶学和新指标，以前并不属于我们的研究领域。环境物质采集领域需要跨学科合作，引入其他学科的研究成果，以便更好地认识物理环境和物理规律。 2. 内置智能卡插槽尚未识别。软件和硬件结合起来更具优势。问：如今实体智能赛道的竞争确实非常激烈。今年人形机器人的价格甚至已经跌至万元以下。至此，商汤科技宣布加入实体智能赛道。您认为这背后蕴藏着怎样的机遇？大霄的核心竞争力在哪里？王小刚：我认为有两点。第一点我只是德是我们看到了一种不同于以往的新的研究范式，这就是以人为中心的ACE研究范式。这种研究范式的转变往往会带来行业的颠覆性变化。像特斯拉和Figure AI这样的公司正在快速朝这个方向发展，他们的新研究思路在某些方面与我们的相匹配。从时间上看，这是一个关键的时间点——如果我们继续按照原来的范式前进，就很难赶上或超越。当这种革命性的变化发生时，我们就有机会实现突破。第二点是产业落地。虽然目前做车身的企业很多，但我们走访了大量的客户用户发现，他们对封闭领域软硬件一体化的产品充满了期待。因为哽咽十年，商汤科技深刻理解了客户对人工智能在各领域的需求。垂直领域。十年来，商汤科技积累了数千家客户，横跨多个行业方向。每个方向都有专门的应用开发团队，但此前缺乏机器人载体的软硬件平台。因此，当我们进入这个领域时，我们可以快速实现大规模场景，让机器人的价值倍增。让我举个例子。我们在这次大会上推出的具有自主导航功能的机器狗解决了现有产品的痛点。目前市场上的大部分机器狗都需要手动控制。即使用于巡查，也只能依靠固定路线上的高精度地图，在预设点拍照。它们的产业价值非常有限，而且没有空间自主权。我们这次发布的机器管理平台可以同时控制多只机器狗。每只狗都具有独立的空间导航和自主行动能力es.当你选择地图上的任何地点时，它可以独立前往该地点，无需人工干预。更重要的是，机器狗的视频数据将接入商汤科技强大的后端视觉平台“方舟”。方舟平台目前可以访问数十万个摄像头的数据，可以支持各种视觉应用和分析。一旦机器狗连接到方舟，数百个相关的人工智能应用程序就可以转移到机器狗平台上。相比以前只能在固定巡检场景拍照的机器狗，现在突然被赋予了上百种AI功能，其价值得到了充分释放。而且商汤科技在国内外拥有众多的渠道和客户资源，此时推动体现智能的加速落地也正是市场所期待的。到了26岁，那就是明年或后年了。问：对于机器人赛道，尤其是具体体现为智能轨道，近一年来非常火爆，出现了很多本体厂商和组件厂商，其中一些还在推动大规模落地。商汤科技目前已进入实体智能赛道。请问您如何看待商汤科技在整个市场的生态地位，相比其他厂商，商汤科技的优势是什么？王小刚：我们更贴近具体的场景和应用，我们的目标是推出软硬件结合的一体化产品，有效解决各个行业、各个场景的实际问题。由于行业内有各种各样的硬件本体解决方案可供选择，我们要做的就是结合形势的需要以及最适合其发展的ACE解决方案和研发组合的要求，并与这些本体和零部件的公司紧密合作，推动我们的产品规模化。机器人。并最终达到双赢的目的。我们注意到，包括陶院士在内的全球顶尖人工智能科学家想问，这样一支马拉卡团队在具身智能赛道上的主要优势如何转化为产业落地的实际成效？王小刚：我觉得在体现赛道上，目前的技术还没有融合，还有很多创新需要推动，所以是一个需要不断创新的赛道。我和大成以及这些年轻教授联手形成了合力，包括刚才提到的新ACE范式，从数据采集到基于体现的模型还有很多技术难点需要克服。整个链条很难在一个团队里完成，所以需要更好的融合。我们团队的基础是我和唐老师是硕士期间的室友，我们和其他游艇老师也有很好的默契。我们都继承了唐老师原来的理念，能够培养出合作的默契。事实上，很多教授自己也曾想过创业。这些明星教授任何一个都可以创业，但现在我们必须团结起来，集中科研创新能力，做更大的事情，扩大规模。同时，这些先进技术需要引入到行业中。大晓聚集了一批独具特色的行业专家。他们拥有丰富的产业实施经验，负责开发工程软硬件平台并与硬件集成。通过这种方式，研究和创新的领导力可以与实际的工程技能相结合，使项目能够持续领先并不断发展壮大。问：目前，嵌入式智能行业陷入困境。你认为结束了吗？新创企业的机会在哪里？王晓gang：我认为头部夹紧位置还没有完成。这个领域确实还远未成熟。首先，从技术路线来看，目前机器人产业原有的技术路线存在明显缺陷。比如最近两三个月，特斯拉和图AI都放弃了基于真机的技术路线，转而走基于视觉的技术路线。但我刚才提到基于视觉的技术路线并不是最终的解决方案，所以我们提出了ACE研究范式。当研究范式和技术路线发生重大转变时，就会对整个行业产生深远的影响——与自动驾驶领域类似，过去长期的研发积累在端到端自动驾驶新路线出现后，包括数据和研发体系，很快被逆转。在正确的技术路线指导下，产品经验和技术成熟度都可以得到突破懒惰地改善了。这是从研发范式角度的第一个观点。第二点就是看场景的执行。虽然机器人赛道现在很流行，但现实是，目前量产的机器人场景要么是提供情感价值的表演产品，要么是作为科研平台而存在。没有大型应用程序可以显着提高生产力。在各个垂直领域的场景中，机器人还没有被广泛引入，并且正在多元化发展，这意味着巨大的发展机会。只有当机器人大规模进入场景，通过软硬件协同迭代，整个产业格局才会发生重大改变。第三点是产业链层面。机器人行业产业链分工尚未完善。从元器件、传感器到计算芯片，垂直整合还有很大空间。正如大家提到的成本问题，目前机器人的成本还很高，而且在质量、可靠性、一致性等方面，行业还处于比较早期的阶段。因此，我认为整个机器人行业的格局还远未确定。问：在股票和股份方面，我们投资了几家公司。大小机器人硬件，包括传感器、电机、减速机、控制器等，与哪些公司合作？有什么技术亮点和创新可以分享吗？王小刚：跟我们的背投公司，比如钛虎、绿明等，以后都会有合作关系，而且都是和硬件相关的。在传感器方面，我们使用全景相机。当前的传感器具有窄视角。在十字路口等场景中，机器人可能看不清整条道路。例如，过马路的机器狗看不到红绿灯。我们与沙德合作ow Stone Insta360为机器人提供全景相机的能力，这是一个关键的亮点部分。机器人产业链相当长。我们将不断完善这些应用场景的零部件，并与供应链上下游企业紧密合作。问题：我们目前的每单位制造成本是多少？王小刚：这个方案正在不断优化阶段。在本次发布中，我们以这款四足机器人机器狗为例，推出了“具身超脑模块A1”产品。该产品主体目前采用现有的硬件方案。玉树、致远、云神等品牌的机器狗可以很好地适应我们现有的导航组件，从而使其具有空间自主性。但未来，我们仍然需要与硬件生态的各个企业合作，共同推动相关成本的降低。问题： 有现任前任吗内部合作订单签订了吗？王小刚：关于内置智能超脑模块A1，我们这个月会发布。事实上，我们过去拜访了大量的客户，并且在产品上线后正在积极与这些客户一起推进产品试点。从软件角度来看，比如世界模型、大型实施例相关模型、数据字段，我们已经有好几个订单了。但对于未来推出的软硬件一体化产品，我们预计明年会大规模落地。问：目前大校在数据规模上与传统模型有何不同？传统模型大多以纯真实数据或纯模拟数据为主，但我们在数据领域开启了新范式？王小刚：是的。这种方法与特斯拉和Figure AI最近采用的记录人类活动的数据收集方法非常接近。与Figure AI一样，目标场景是家庭场景。的family场景包括多种房屋类型和房屋结构，因此他们与Brookfield等知名资产管理公司合作。这些公司在全球拥有数百万套不同类型的公寓，他们可以进入不同类型的公寓收集数据。但现在我们有了世界模型，我们可以改变虚拟世界中的这些类型的房屋。比如这次发布会，我们也会和西南设计院合作。他们在历史上积累了大量不同的房屋类型、布局和类型。该数据可以与我们现有机器人生成的数据相结合。这样，我们就可以让机器人模拟不同的合成房屋布局、房间类型和公寓类型中的活动。 3、未来1-2年将进入技术融合的关键时期。问：在机器人整个产业链中，您认为整机企业可以成为产业链的所有者吗？或者你认为公司的主要部分都在这个行业？增强话语权怎么样？王小刚：我觉得现在输出的应该是一个软硬件融合的协同产品，而且应该是面向场景的。所以现在我们可以看到，我们的机器人无论是软件还是硬件，和场景的要求差距真的很大。而且机器人与汽车和手机不同——汽车和手机的用途非常广泛，但机器人却与不同的情况密切相关。这就是为什么我们觉得目前只有从整机的角度、从场景的需求出发，才能把我们公司乃至整个行业做大做强。问：在目前真实发动机数据和模拟数据存在争议的行业形势下，您更支持哪种数据？王小刚：我们所说的“真机数据”是指由人操作、远程控制的机器人产生的数据。这是过去常用的数据收集方法，但它有很多缺点。一是收集效率很低；二是无法采集真实生产生活场景的数据。比如在工厂生产线或者家庭生活环境中你无法通过这种方式获取此类数据；另外，canit只收集一些简单的动作，可能需要十几秒的时间，但诸如打扫房间需要几十分钟甚至更长时间的长期动作，或者机器人与人类之间的交互，是真实机器无法完成的。你提到的“合成数据”是通过3D模拟器和模拟引擎合成的数据。这种数据与真实数据有很大差距。因此，这两种都是过去常用的数据收集方法，都不能解决当前实体智能领域的数据问题。我们现在要做的是，首先，我们收集的数据是以人为中心的：peo人们佩戴第一视角传感器，如视觉或触觉传感器，与周围传感器处的其他第三视角摄像头相结合，观察人们在现实生产生活中的行为，然后通过视觉手段和多模态手段来分析人类活动，而不是关注机器活动。这样采集效率就会非常高，既可以在真实场景中完成，也可以记录人们在远程复杂环境下完成的动作。另外，我们还使用合成数据，但是这个合成数据并不是来自传统的模拟器——它是通过世界模型完成的。世界模型的优点是可以通过当前的真实数据快速无限放大，并且可以实现对各个元素的可编辑控制。例如，我可以将桌子更改为不同的颜色，将水杯更改为不同的模型，甚至更改机械臂。有了世界模型，我们就可以ckly 扩大有限的真实数据收集。将这两种方法结合起来，就是我们想要走的技术路线。问：体现智能的技术路线有很多。您认为技术何时会融合？融合的关键因素是什么？王小刚：我认为我们今天提出的“以人民为中心”的ACE范式基本上是正确的方向。我们看到 Tesla 和 Figure AI 这样的公司实际上正在朝这个方向转变。所以我认为未来一两年将会是一个非常关键的时期。当然，即使大方向明确了，仍然有很多技术难点需要克服，包括具体的实现细节，需要一定的时间才能收敛。不过我觉得已经发现我们现在就在这个大方向上，而要加速它的融合，我们需要充分结合场景验证——从客户场景入手，需要实现软件和硬件的协同优化。硬件。问：据说2025年将是机器人量产年。您能预测一下嵌入式智能在工业、家庭和其他情况下大规模商业应用的时间表吗？王小刚：我认为机器人在工业和家庭领域的广泛应用还有很长的路要走。我们先看行业。如果我们谈论工厂生产线这样的场景，我们首先面临的就是解决方案的重复问题。机器人解决方案能否快速推广到特定的生产线或砖块等特定情况？这确实很难实现。此外，工业生产线对数据安全性要求非常高。每条生产线都有最高机密，公司不想让数据泄露出去。因此，产线数据的畅通也面临着重大挑战。看看家庭场景，我们期望机器人能够完成一些复杂的任务，安全是一个主要问题。瑟尔家里有老人和小孩，机器人不会伤害他们。作为自动驾驶领域的主动安全机制，L3、L4级自动驾驶如果发生事故，汽车厂商和自动驾驶公司都应该承担责任；而机器人进屋后，如果机器人遇到人，或者给老人或孩子分享茶、水、食物、药品时出现安全问题，责任该如何认定？这些都是需要解决的问题。但是，在其他一些情况下，比如机器狗可以在开放的环境中稳定移动，我认为它可以在各种TO B情况下快速实现。在闪购仓、前置仓等物流配送场景中，各个仓库的环境都比较相似，很容易实现大规模应用。但目前仍存在一些问题：一是数据协同机器人的采集不是在真实的生产、生活环境中进行的；其次，机器人技术的发展，无论是硬件还是其他方面，往往缺席实际场景。更多的是制作demo来展示机器人本体某些方面的强大能力，与落地场景的实际需求存在差异。这是一个需要稍后解决的问题。在目前的情况下，进入工厂确实是可以的，但是要实现规模化，也就是在工厂环境下取得良好的商业成功是比较困难的。如果进入房屋，距离可能会更远。问：关于融资，今年国内一些机器人企业的融资情况很好，整体速度也很快。不过，也有人认为，机器人的资金赛道速度已经超过了行业的正常发展速度。作为业内人士，您对于这种流行的做法有何看法？现象？王小刚：我觉得还是要看我们走的轨道。毕竟，这些机器人具有数十万个轨道级别，并且处于相对早期的开发阶段。相比之前的手机、汽车等领域，规模要大得多。所以我相信现在大家在融资、投资方面的动作，未来还会持续下去，最终会给市场带来更大的回报。另外，相比于美国的那些机器人公司，我觉得我们在融资和投资方面还有进一步提升的空间。而且如前所述，这条赛道还没有达到融合阶段，新的机会还在不断涌现。当我们联系投资方时，我们发现他们原本以为相关领域资金已经接近到位，发展方向趋于趋同。然而，当我们向他们提出我们的想法和实施计划时，他们仍然看到了不同的亮点和货车方向。