[智能应用]机器人开始进工厂：为什么难成优秀员工 [复制链接]

“机器狗会不会追坏人？现在的机器狗肯定不会，这就不是一项预设的任务。”4月10日，智元酷拓董事兼首席运营官邱恒对第一财经记者表示。
现在四足机器人已经应用于仓库巡逻、电力线路巡检等场景。邱恒提到的这个案例，揭示了机器人面临的现况：它们已经能执行预先规划的特定任务，但智能化水平还不足以使其自主完成一些工作，还远不足以成为优秀的员工。
4月10日，两家机器人公司同时公布新技术进展。智元酷拓推出新一代四足机器人，灵初智能则发布大模型Psi-R2与Psi-W0，并开源首批1000小时人类手部操作数据集。中国科技企业快步推进创新，但这些企业的管理层也指向共同难题：高质量数据的稀缺，阻碍了机器人“大脑”的发育。
“真机数据一定很难Scale-Up”
对于固定路线的巡逻任务，四足机器人已经游刃有余。
四足机器人在巡检过程中，如果遇到人员闯入仓库，可以脸部扫描并识别人员是否合法。如果非法的话，它可以语音警告，同时把照片或视频信息发送到云端，发送给安保公司进一步处理。
目前四足机器人只有中国企业在大规模地研发和制造。据IDC报告，2024年全球四足机器狗市场出货量约2万台。中国厂商凭借性价比和规模化能力重塑了产业格局，宇树科技和云深处的市场份额分别为32.4%、18.9%，排名第三的美国企业波士顿动力份额12.2%。
“巡逻巡检、定点拍照，这是单步固定流程。”邱恒说。实际作业场景，是有自主规划、实时异常处理需要的，但机器人还不能自主地去追击盗窃犯。“这就不是一项预设的任务。要追坏人，肯定无法先把路线设好，无法让坏人按照路线跑。”
智元酷拓是智元集团旗下的子公司，专注于四足机器人开发。就人形机器人而言，宇树科技与智元是中国出货量排名靠前的企业。
人形机器人以站立作业为主，移动为辅。比如在工厂的工位上的人形机器人，工作主要由手臂来完成；四足机器人则以移动为主，手臂作业为辅，它更适合移动及较长距离的搬运工作。
中国企业已经把人形机器人送上了春晚舞台，送到了手机生产线做物料箱的搬运，但人形机器人和四足机器人当下面临相似的境况。
“机器人按照什么样的路线去走，这是提前编程编好的。如果没有提前编程设计，让机器人独立完成任务，比如给它一个指令，把某个东西送到某个地方，它以前没做过，要自己看地形往哪走，判断哪里要上台阶，哪里要拐个弯。目前能做到这种能力的公司还不存在。”邱恒说。
中国有成熟的制造业基础，因此机器人的硬件能力容易补齐。虽然现在机器人的执行器、灵巧手等部件还有待完善，但随着时间的推移，硬件会更加成熟。
“大脑”能力的突破则更难。
所谓机器人“大脑”，是业界形象的表述，它指的是掌管机器人智能的模块。相对应的，小脑一般指掌管人形机器人运动的模块。
“大脑”的发育需要好的环境，就如婴儿需要在真实环境中认知世界。但现在机器人“大脑”的培育所需的高质量数据有限。
“我还是认同，最终智能其实来源于数据。”灵初智能联合创始人陈源培在4月10日的一场直播中表示。
当晚，灵初智能推出大模型Psi-R2和Psi-W0，以及总规模近10万小时的人类手部操作数据集，并开源了1000小时的数据。灵初智能这些数据是依靠人类佩戴高性能手套，在实际作业场景中采集而来。这有别于操作机器人采集的数据。
互联网上存在大量的语言、视频类数据，它们成为大语言模型的燃料。而机器人的操作、运动方面的数据保存得非常少。而且，什么是可行的数据发展路径，业界也摇摆不定。
“最早的时候，大家都是用真机数据，直接拿机器人去采采采。后面发现，真机数据的样本效率太低了，所以又用了仿真数据。但是仿真又会有Sim2Real（模型从模拟域迁移到真实域时，由于数据分布不一致而产生的性能退化）的问题，所以现在大家又回到了真机。”陈源培表示，“但在有限的时间里，真机数据是一定很难Scale-Up（批量扩展）的。我们的解决方案就是（采集）人类数据”。
在工厂里进化
“虽然看得到一些东西，但是我觉得具身智能还没有到GPT-3的时候。”陈源培表示。
GPT-3是OpenAI于2020年推出的参数为1750亿的大模型，它的出现令科技界看到了大语言模型的智慧曙光。
在大语言模型，缩放定律（Scaling Law）已经证明了有效性：模型性能会随着模型规模、数据量和算力的增加而改变。高质量数据的稀缺，阻碍了缩放定律在机器人领域发挥作用。
“我对于机器人的商业化，是比较有信心的。但是对于机器人技术的进展是偏保守的。”陈源培表示，虽然技术瓶颈会突破，但是进度不会像大家想象的一下子就达到非常高的地步。
这意味着在相当长时间里，机器人都难以进化出令人满意的智力。不管是四足还是人形，机器人现在能完成的是部分特定任务，而不能指望它变成一个通才。
这也是为什么众多机器人公司选择在行业场景，而非家庭场景里落地。
“我们的选择很简单，不会上来就做家庭场景，因为家庭产品的功能需求太多了。比如机器人擦桌子，碰到一张纸巾，要把它扔到垃圾桶里；碰到一个手机，就不能扔垃圾桶里，而需要把它放到旁边。”陈源培表示，灵初智能更倾向于先在一些工业场景里寻找机会，“我认为家庭场景短期内肯定是进不去的”。
智元、宇树科技等也有类似的考量。
“我们暂时没有计划做To C应用。”邱恒对记者说。智元的人形与四足机器人，选择应用场景的时候有相似的逻辑。现在四足机器人已经在做安防巡逻、工业巡检、消防等。“先ToB再ToC，原因是跟技术成熟度有关系的。行业应用环境比较限定，业务容易闭环。但一旦到了人和家庭中，面对多元化的环境，它需要的智能更加复杂。我们想先把电网干好，把煤矿干好，把安防干好，然后再看要不要去家里面干活。”
相对于其他国家，中国这样体量庞大，场景多元化的经济体有独特优势。那些已经有一技之长的机器人，不难找到施展的空间。比如宇树科技在2025年已经出货了5500台人形机器人，近3万台四足机器人。智元在今年初，也已经累计下线了万台人形机器人，部分机器人已经在手机产线上打工了。
一家研究机构的分析师此前对记者表示，现在一些整机厂商短期会交付一些工业场景的人形机器人，但仍需观察这些机器人落地后的真实反馈，比如效率提升、下游客户对于经济性的考量，以及试用3-6个月之后，同一个客户是否重复购买。
这些进入制造业流水线的机器人，会向开发企业反馈它们所遇到的问题。手臂操作精度不够以至于出现偏差，电池管理不善以至于频繁死机，这些都会时不时发生，但故障是机器人在工厂里进化迭代的最好起点。更重要的是，仓库和变电站里巡逻的四足机器人，生产线上组装手机的人形机器人，会收集和反馈宝贵的真实世界数据，从而帮助机器人大脑的发育。
“一旦有了智能化大脑，旧场景也会有新范式。以前单纯做工业巡检、数据采集的机器人，将会变成设备诊断专家；遥控探路的机器人，就会变成应急的尖兵”邱恒表示。
机器人还处于非常早期的阶段，整个市场的渗透率连1%都没到。邱恒认为，四足机器人比人形机器人更简单一些，随着智能提升，成本下降，它会比人形机器人更早实现商业闭环。

‌机器人目前难以成为优秀员工的核心原因在于其“大脑”智能化水平不足，主要受限于高质量操作数据的稀缺，导致无法自主应对未预设的复杂任务‌。

尽管机器人在硬件和特定任务执行上已取得显著进展，但距离真正灵活、智能的“员工”还有明显差距。

1. 当前能力：擅长预设任务，缺乏自主决策
四足机器人已能胜任‌仓库巡逻、电力巡检‌等固定路线任务，可进行人脸识别、语音警告并上传异常信息。
人形机器人则在工厂中承担‌物料搬运、春晚表演‌等站立作业，动作由提前编程控制。
但若任务未被预先设定（如“追击盗窃者”或“自主规划路径送物”），现有机器人尚无法独立完成。
“机器人按照什么样的路线去走，这是提前编程编好的……目前能做到这种能力的公司还不存在。”——智元酷拓 邱恒

2. 核心瓶颈：机器人“大脑”发育受阻
‌“大脑”‌：指掌管智能决策的模块，需在真实环境中学习成长。
‌“小脑”‌：负责运动控制，中国企业已在硬件层面快速追赶。
真正制约发展的，是用于训练“大脑”的‌高质量人类操作数据极度稀缺‌。
灵初智能尝试通过采集近‌10万小时人类手部操作数据‌（佩戴高性能手套在真实场景中采集）来弥补这一缺口，并已开源1000小时数据集。相比直接用机器人采集（真机数据效率低）或仿真环境（Sim2Real迁移难），人类数据被视为更优解。

3. 商业化路径：聚焦行业，暂避家庭
由于家庭场景需求复杂（如擦桌子时需区分纸巾与手机），多数企业选择优先落地于需求明确的工业场景：

‌宇树科技、云深处‌等中国厂商主导全球四足机器人市场，2024年合计份额超50%。
行业应用聚焦于‌巡检、安防、搬运‌等可流程化的任务。
虽然技术突破可期，但业界普遍对进展持保守态度：“具身智能还未到GPT-3时刻”，短期内机器人仍将是“专才”而非“通才”。

智元酷拓董事兼首席运营官邱恒的表述揭示了当前四足机器人技术的实际应用和面临的挑战。以下是对相关信息的总结：

1. 四足机器人的应用场景：
四足机器人已经应用于仓库巡逻和电力线路巡检等场景，执行预先规划的特定任务。

2. 技术现况：
四足机器人能够执行固定路线的巡逻任务，并在遇到非法闯入时进行脸部扫描识别、语音警告和信息上报。

3. 市场情况：
据IDC报告，2024年全球四足机器狗市场出货量约2万台，中国厂商宇树科技和云深处市场份额领先。

4. 技术挑战：
机器人智能化水平尚不足以自主完成复杂工作，无法成为“优秀员工”。

5. 数据稀缺问题：
高质量数据稀缺，阻碍了机器人“大脑”的发展。

6. 机器人“大脑”与“小脑”：
“大脑”指的是掌管智能的模块，“小脑”则指掌管运动的模块。

7. 数据采集方式：
灵初智能通过人类佩戴高性能手套采集手部操作数据，与操作机器人采集的数据不同。

8. 技术发展路径：
业界在真机数据和仿真数据之间摇摆，目前倾向于采集人类数据。

9. 技术瓶颈与商业化：
陈源培表示，尽管对机器人商业化有信心，但对技术进展持保守态度。

10. 应用场景选择：
机器人公司倾向于先在行业场景而非家庭场景中落地，因为家庭环境更复杂。

11. 中国市场的优势：
中国经济体量大，场景多元化，为机器人提供了施展空间。

12. 机器人进化：
在工厂中，机器人通过反馈问题进行进化迭代。

13. 未来展望：
邱恒认为，随着智能提升和成本下降，四足机器人可能比人形机器人更早实现商业闭环。

这些信息表明，尽管四足机器人在特定任务上表现出色，但在实现更高级别的自主性和智能化方面仍面临重大挑战。中国企业在这一领域的研发和制造上处于领先地位，并正在积极探索如何克服技术和数据采集方面的难题。随着技术的不断进步，预计未来四足机器人将在更多行业场景中发挥重要作用。

机器人进工厂难成优秀员工的核心原因
1. 智能化水平不足，缺乏自主决策能力
当前工业机器人主要依赖预设程序执行固定任务，无法自主应对复杂场景。例如：

四足机器人在仓库巡逻时，若遇到人员闯入，只能完成脸部扫描识别，无法自主追击或处理突发情况
；
人形机器人在工厂工位作业时，若未提前编程设计，无法独立完成“将物品送到指定地点”的任务，需依赖人工干预
。
2. 操作精度与柔性不足，难以胜任精密作业
在精密零件制造、组装等场景，机器人运动的精确性和平稳性仍无法达到人工水平。例如富士康的机器人生产精度为0.05毫米，而苹果手机要求0.02毫米，导致产品报废率上升
；
产品更新换代快的行业（如3C电子），机器人布局调整耗时长、调试成本高，难以快速适应新工艺
。
3. 高质量数据稀缺，制约“大脑”发育
机器人智能的提升依赖大量真实场景数据，但目前存在：

数据采集难：机器人操作、运动类数据保存极少，仿真数据又面临“Sim2Real”迁移性能退化问题
；
数据扩展难：真机数据样本效率低，短期内难以批量扩展，导致机器人“大脑”发育缓慢
。
4. 场景适应性差，家庭/复杂环境难以落地
家庭场景需求复杂（如区分纸巾和手机的处理方式），当前机器人无法满足
；
工业场景中，机器人仍需在故障中迭代进化，短期内难以达到稳定高效的作业水平
。
5. 专业人才缺口，限制技术落地
机器人操作、维护需高等技术人员，但国内相关人才缺口巨大，导致调试、运维成本高，进一步制约了机器人的普及