今天小编分享的互联网经验：谈谈“机器人创业”圈子里的鄙视链，欢迎阅读。
作者丨邱晓芬
编辑丨苏建勋
2024 年，虽然大模型掀起的 " 具身智能 " 创业潮还没多久，但在「智能涌现」访谈过数十家机器人公司后，我们发现一条圈子里的 " 鄙视链 "。
"搞軟體的，鄙视搞硬體的，搞大模型的，看不起强化学习的"，多位行业人士给出了类似的观察。
认知的不同，决定了机器人创业者的入局姿势。
英诺天使基金合伙人王晟向智能涌现表示，国内涌现出的几百家机器人创业公司中，大概有三类基因：
一是原来机器人出身的创始团队，更关注机器人硬體能力，主要围绕控制和电机。本体派的核心是机器人本体（人形 / 四足狗），其次是机器人的臂或关节。
二是軟體背景的团队，更关注机器人的智能化和泛化能力，但 " 软 " 还可以进一步细分：
一批是上一波 AI 热潮中的创业者，转型至机器人领網域，比如CV、强化学习；另一批则是真正大模型背景的玩家，这波人更少，处于鄙视链顶端。
"看不上国内那些搞硬體的公司。" 一家具身智能大腦公司创始人对智能涌现直言。在他看来，軟體才是机器人发展的卡点，但目前硬體公司在 AI 軟體上的预算太低，" 只是简单接接国外开源的大模型 "。
宇树科技是典型的 " 硬體派 "，其创始人王兴兴曾在一次公开采访中回应过这一点——他们对于 AI 的投入很克制，因为太烧钱了，" 机器人才是我们的立身之本 "，他甚至直言，" 欢迎客户用我们的硬體，哪怕把我们的軟體全删了 "。
一位机器人硬體公司人士无奈表示，目前机器人在 " 软 " 的方面还没收拢共识——行业存在太多的技术范式和路线，大腦和小腦的边界是什么？具身智能到底怎么做？目前行业还很混乱，留有很多问号。
宇树 Unitree G1
而 " 软硬之争 " 的结果是，国内大部分硬體公司，还在用传统的硬體思维来做机器人，对于 " 腦 " 的运用只是蜻蜓点水；而大部分做 " 腦 " 的公司，则选择自己从头开始做一个硬體。
各自为政，行业呈现出一种隐约的割裂状态。
大模型，还没办法 " 赋能 " 机器人
"现在搞硬體的公司，就是视频拍摄公司！" 多位投资人、行业人士向智能涌现表示。
今年以来，许多机器人厂商在 demo 里展示的场景足够酷炫：比如机器人可以在汽车工厂搬东西，帮忙分拣货架商品，给人一种 AGI 时代机器人照进现实的感觉。
但实际情况却并非如此。
一个完美 demo 的幕后往往是：若拍摄一个机器人从抽屉里抓水杯的场景，比如训练的时候是早晨，到拍摄的时候天黑了；或者训练时抽屉里多摆了两个杯子、抽屉位置挪动了——这些细枝末节一改变，都可能导致机器人任务失败。
" 有的 demo，甚至一万次才成功一次，（视频里）不诚实的情况非常严重。" 一位行业人士表示。
但你可能会疑惑，大模型在手机、电腦各类终端上已经足够智能，为何无法让机器人大腦变得更聪明？以至于让硬體公司们需要在 " 完美 "demo 上如此努力。
figure 02
据智能涌现了解，目前大部分硬體公司对大模型的理解和应用并不深入——基本只是简单接入国内外通用语言大模型。但实际上，大模型与机器人真正需要的 " 空间智能 "，还有很远的距离。
多位行业人士向智能涌现表示，语言大模型的数据量越大，反而更容易产生 " 幻觉 "，干扰任务执行。" 语言大模型和机器人落地一点关系都没有，区網域任务上的成功率，惨不忍睹！"
而前述具身智能大腦公司创始人表示，目前国内没有一个团队真正从机器人出发，去做适配具身智能的大模型。
此前，机器人行业的一项解决方法是，在多模态大模型和机器人身体之间，引入一个中间层 " 小腦 " ——它的作用是承上启下，存放多项 " 子任务 "（比如把 " 让机器人冲咖啡 " 任务拆成 " 拿杯子 - 磨豆子 - 冲水 " 等多项子任务），供大腦调配，也让机器人身体能读懂并且动起来。
但新的难点又出现了。一方面，小腦的引入，意味着机器人厂商们需要在其中预设无穷无尽的子任务，若遇上复杂的任务，各个子任务还需要再进一步拆分。
另一方面，数据匮乏则是更艰巨的难题。目前，政府和一些公司已经投入大量资源进行集中训练，但多位行业人士表示，效果并不理想，因为大家既不清楚应该收集何种数据，也不知如何界定优质数据的标准。
以抓杯子的场景为例，理想状态下的高质量数据应该是，拿一个机械臂控制它从头到尾做一遍，告诉他——抓杯子要怎么抓，当任一场景变化了，又要怎么抓。但这也意味着，一个简单抓取的动作，就需要几千万条、甚至几亿的数据。
当大家怀揣着 " 大模型改变一切 " 的心态闯进机器人领網域，才发现中间的 gap 远比想象的更大。
一场集体纠偏
从行业的角度来看，割裂的状态并不健康，而如今的投资人、产业玩家们，正在出现一场关于 " 纠偏 "。
2024 年下半年，机器人行业的投资风向隐秘出现变化。王晟告诉智能涌现，在 2024 年前，很多投资人粗浅认为，投机器人 = 投资人形机器人硬體。
在过去的一年半，人形机器人公司烈火烹油，估值飙升。据智能涌现了解，以宇树科技、智元机器人为例，两家炙手可热的机器人硬體厂商，近两年连续完成数轮融资后，估值双双迈过 10 亿美金大关，" 贵到大家投不起 "。
智元远征 A2-max
而彼时，国内众多专攻机器人小腦 / 大腦的公司，则面临融资困境，有一些甚至需要重新思考如何向市场讲故事。
" 今年下半年以前，我们和投资人讲，做机器人统一大模型、讲端到端，谁信呢？" 前述机器人大腦公司创始人告诉智能涌现—— " 但是今天你不讲端到端，都不好意思出门了 "。
投资风向直至今年下半年，出现逆转。
一家做人形机器人关节的公司创始人向智能涌现直言，今年以来，明显感觉纯做硬體的初创公司很难拿到大笔融资了，"市场有点冷"。
而从近期消息面上看——在海外，Skild AI、Physical Intelligence 成立短短时间内，估值飙升至百亿；在国内，不久前机器人小腦公司「星海图」拿到蚂蚁投资，大腦公司「自变量」、「千诀科技」也先后拿到融资。
"现在投资人从投人形，改投具身智能了 "，王晟向智能涌现表示，因为大家现在意识到，具身智能才是更好机器人驱动完成泛化任务的关键。
反思不止是在投资层面，一波硬體厂商也开始集体复盘过去的模式——在以前，机器人厂商更多是在专用领網域里收集数据，再去做专用的场景，大家信奉 " 通用，就是没用 "。
如今，虽然大模型还没办法真正用起来，但它给这一派创业者的启示是，或许要先学会忘记专项场景，先构建通用的基础模型能力，再在上面长出专用的能力——这或许才是系统解决通用性的关键。
机器人领網域的软硬之争，暴露的是，在 AI 的冲击下，机器人行业目前还处于一种共识尚未弥合的混沌状态。但不确定性中的确定是，机器人的终局是硬體与具身智能的结合，软硬體缺一不可。
" 无论是从軟體出发还是从硬體出发，大家的终局是接近的，就看谁的商业效率更高 "，一位行业人士表示，" 而 AGI 时代的机器人公司，本质上需要够既懂 AI、又懂硬體的团队。但更关键的是，大家还要相互认同 "。
（本文图片都来自官方渠道）
end
>
