在本次2024世界機器人大會上，有一場十人對談，堪稱人形機器人「史上最大Penal」，其中干貨量巨大，適宜業內外共同了解這一新行業的發展現狀。

這十人包括：

主持：張建偉（中國工程院外籍院士，德國國家工程院院士，德國漢堡大學教授）

對話嘉賓：

甘中學（智昌科技集團股份有限公司董事長兼總經理，復旦大學教授）

任雷（月泉仿生公司聯合創始人，吉林大學唐敖慶講席教授）

許多（小米集團技術委副主席、手機部副總裁、機器人公司總經理）

程昊（加速進化科技有限公司董事長）

張世璞（Noetix Robotics聯合創始人、首席執行官）

冷曉琨（樂聚（深圳）機器人有限公司董事長）

郭彥東（智平方創始人兼首席執行官）

李博陽（大連蒂艾斯科技發展股份有限公司聯合創始人、總裁）

趙同陽（眾擎機器人創始人兼首席執行官）

以下為RoboX提煉出的討論內容，本期主題主要圍繞中外差距、產學研問題，以及1-5年預測。

產學研融合需求

張建偉：要想獲得不斷的技術源泉，靠企業自身的研發肯定是遠遠不夠的。我們應如何促進產學研更有效地合作，使得人形機器人這么復雜的系統能夠源源不斷的獲得技術支撐？

甘中學：產學研合作很難，現在做大模型也好，未來做算力也好，有點跟隨性的做法。大模型，還有算力、TPU等等，我覺得中國要想要在這方面走出自己的路來，一定要換一換研發思路。

建議一：要把大算力和算法的創新結合起來，必須是算力和算法并行進行，才能找到一個多快好省的辦法，去和國外競爭。

建議二：具身智能目前正在開發當中，大語言模型我們已經不如國外先進，希望可通過具身智能的「知行合一」實現突破。

任雷：產學研融合是一個大趨勢，因為人形機器人是高度復雜、集成的系統，它不光包括了感知、驅動、材料，結構，還是綜合的多學科交叉的攻關項目。

目前，很多基本的科學問題還有待解決。首先我認為學校可以主要負責類似創新結構設計的工作，尤其是仿生的設計。另外新型的感知材料、驅動材料等，也應考慮在人形機器人上應用。

另外，學校也非常需要企業。因為學校有時更偏重于發論文，出專利。但是有可能這些技術只考慮性能，不考慮成本和工藝問題，這就脫離了批量生產的需求。

還有一件很重要的事：企業不能光去整一些炫酷的Demo，而是應該真正了解應用方的場景需求和任務需求，這是未來需要產學研融合去做的事情。

許多：針對一些尚未突破的科學問題，我們會和高校一同合作，進行科學范式的探索。而有些從其他行業遷移過來的成熟技術，則會由我們去做產業化。

在整體構型上，我們既要基于科學和高校、研究機構合作，也要基于應用去做產業的深度開發，最后把這兩者在一個軟件平臺上、仿真平臺上深度的融合，去加速應用。

我建議大家選擇要做的東西時，還是要把這個產業堅決地做透。例如目前，一體化電機的MCU還是用英飛凌的，價格還是很高的，國產化也不充分。再比如，電機里面的編碼器，國產做得也還是有非常大的差距。

人形機器人的市場規模是會比機械臂市場擴大到若干倍，過去那些做零部件的企業需要去重新思考，如何在更大的體量中做到更好。

（圖片來源：波士頓動力創始人Marc Raibert演講素材）

程昊：現在這個階段，有點像70年代信息革命剛開始的時候，硅谷作為發源地，其特點就是有斯坦福、伯克利，再加上政策推動，孵化出了很多企業。

創新是失敗率很高的事情，100個創業團隊可能最后只能活一到兩個。但如果這些創新放在學校里，學生、老師用經費去做，試錯壓力會小一點。

在高校創新，然后在公司里去做商業化，再把賺來的錢回來反哺學校，就能形成一個非常好的循環。

張世璞：近兩年，我們發現了非常多炫酷的Demo，其實背后都是在讀博一、博二非常優秀的00后年輕人去做出來的。

現在技術發展迭代的速度非常快，甚至是按月來計。我們作為企業能夠讓這些優秀的年輕人拿到基礎設施以后，快速驗證自己的想法，讓POC得到快速迭代。

冷曉琨：產學研結合是樂聚一直都在做的事情。2016年，我們10個哈工大師兄弟成立樂聚的時候，都在讀書。我那時是博一，剩下的都是研一或本科生。

人形機器人是一個集成度特別高的產品，一個高校、一個實驗室很難聚集這么多的技術來做這件事情，但是企業適合做這種大工程性的工作，并且進行產業化落地。

郭彥東：有一本書是《科學無境的前沿》，雖然是70多年前的思考，但也很好地分析了如何用創新來驅動經濟發展。

其實科研呈現非常典型的紡錐型，它對于結果不那么敏感，更適合進行更長期的、更高遠利益的投入，我覺得這個是真正的源頭。

不管人形機器人創業有多么的火爆，都不應把這個源頭的重要性忽視掉，我們還是有非常多的硬核科學問題，等著教授們去解決。

李博陽：我覺得現在高校老師手里還有很多好東西沒有被挖掘出來，有一些項目在初期，可能并不是專為人形機器人做的，但那些技術可以去跟人形機器人做結合。

所以我覺得可以在體制的設計上更加開放，使高校的科研成果讓更多企業接觸得到，這樣當我們打造機器人的硬件也好，應用場景也好，都可以到學校中去選擇覺得適用的，然后經過進一步的轉化應用產品中來。

另外還有人才方面的問題，有一些非常優秀的博士、碩士到了人形機器人企業中來，他很難馬上上手，也不能馬上融入到交叉學科的環境中來。所以我覺他們在校期間，除了老師帶領做項目之外，企業也可以提供更多的前沿項目。

趙同陽：我們2016年創業到2018年期間，碰到了很多關于算法的問題，第一個想到的就是學校。2018年到2019年年初的時候，我們的本體做出來了，但是在國內力控算法都還沒有。當時有一個契機是MIT開源，也是學校的力量，但是開源之后，國內真正能玩起來的沒有幾個人。

當初為了把這套算法引入國內，我找到了山東大學控制學院的李老師，他們的學生還是比較厲害的。他們告訴我，可以把算法搞定，但是結合本體硬件可能需要6個月的時間，后者恰恰是我們企業的能力范疇。

我記得用了不到6周的時候，我就把本體給做出來了，結合他們的軟件沉淀和積累，把MIT的那套算法在國內復現，并且把它分享出來，成為一個開源項目。所以國內現在很多做力控算法的，在這方面都得益于那套算法。

另外在合作過程中，我也發現一些問題，鐵打的學校，流水的學生，一代一代的沉淀和積累，系統性并不強，這會造成人才斷鏈的問題。當我在今年重新做人形的時候，我發現這樣的人才仍然是非常稀缺的，第一個想法仍然是求助于高校。

高校在算法上一直處于行業前沿，但他們落地有非常大的難度，尤其很多高校在仿真環境中做得非常棒，但一落到實物上都一塌糊涂。因此它需要和企業聯合起來去解決Sim2Real，甚至技術到工程落地的gap問題。

另外，關于企業和高校他們之間利益的問題：很多高校需要發表paper，我們可以協助他們來做。企業需要有些知識產權還有商業上的成功，兩方面可以互利互惠。

最后一點是關于教育體系：我發現很多課程的內容還是比較傳統、比較老的知識，對企業現在所需要的先進算法還有差距。因此希望高校可以隨時更新課程，這樣能保證企業和高校時刻處于行業前沿。

短期趨勢預測??

張建偉：在倫理約束下，你們現在的best seller是什么，你們對未來1-5或者2B、2C的預測是什么？

甘中學：我們除了要研究通用人工智能的智能水平，同時還應該研究機器人智能向善的問題。這個問題不解決，時間長了就會造成禍害。

至于預測，中國現在這么大的人群群體來做人形機器人，我們產業化的速度肯定比任何其他國家都高。

比如說現在第一年像宇樹科技等等已經開始進行量產，當然范圍可能是在科研領域，或者展覽館。但是逐漸三年會到服務行業，五年可能到工業，我認為完全有可能。

任雷：我不做時間預測，先談一下可能落地的先后順序——人形機器人如果落地，很可能會是在產線的某些特殊崗位，或者特種機器人，比如巡檢、維修這塊。因為其場景相對簡單，是一種結構化場景，識別起來相對簡單。

我反倒覺得家庭家務、養老護理有可能是最后落地的。因為家里環境看著可能簡單，實際上是高度非結構化場景，而且還在動態變化。

另外，這其中還包括了倫理問題：先不談復雜倫理，單說之前提到的人機物理接觸安全性問題，比如機器人要是摔倒的話，有可能把孩子砸著，這種情況如果一旦發生，這個由誰負責？

（圖片來源：宇樹科技創始人王興興演講素材）

許多：人形可能還需要很長很長時間，我認為這要看接觸精度。它包含移動精度、定位精度、抓取精度、放置精度、語義精度、反饋精度等等一系列精度，要看綜合場景對所有精度的需要。

在工業簡單場景包括物流場景里，人形機器人可能會優先落地，其他的可能還是要花很長時間。因為它和環境的連續性接觸精度問題怎么解決，這還是一個科學問題，需要很長時間研究。

冷曉琨：對于人形機器人，樂聚這邊基本原則是三步走，沿途下蛋。今年一百多臺主要核心還是定位在高校、科研和展廳行業。

同時，這半年時間中，我們一家不落地走訪了國內所有車廠，并且選擇兩家簽了協議開始落地。它來解決的就是工業生產的最后一公里，非高精度的場景。并且雙方聯合高校已經開始做了，預計明年上半年已經可以算得過來ROI，進入投產了。

如果一個場景中人形機器人包括輪臂機器人，合起來能過500臺產量的話，基本上代表人形機器人可以用到工業場景中來了，我認為這就是明年我們使勁的地方。

未來三年核心肯定還是工業為主，進入家庭、進入康養這部分，現在和海爾、中國移動都在合作，但是我認為還需要3-5年甚至更久的時間段。

李博陽：最先落地的可能是一些工業場景和特種場景，但我認為最先落地的不一定是完全形態的人形機器人，可能是另外一種形態，比如剛才說到的輪式或者手部不是完全五指的狀態，這種場景我覺得在短期內就可以有很多落地的應用了。而且我覺得這個賬也能算得過來，它真的是可以提高效率或者完成一些實際工作的。

未來真正能夠迎來機器人大爆發的階段應該是2C端的應用，特別是服務場景或者是生活娛樂場景。

趙同陽：以目前的技術，3到5年內人形不可能大規模地進入工廠和進入家庭，這點應該在座各位都有相同感受。

接下來關于工業和家庭使用，路很長，先進去再改善，才能進行用戶反饋，進行下一步的改進，我認為還需要3年的時間。

張建偉：今天的這場對話，是ChatGPT絕對做不出來的。我一直說人形機器人對人類來講是「最后一個夢」——把我們自己復制出來，然后理解我們的認知、行為、交互。

另一方面，它也有巨大的應用場景，目標設的非常高，只有協同合作、長期支持才能把這個賽道可持續的做下去，風景無限。