非夕科技通過提升機器人通用性，實現了跨行業的業務場景應用，包括工業、農業、醫療和服務等領域。如今，廣泛的客戶基礎和高復購率是支撐其快速增長的原因。

文｜閆佳佳

ID | BMR2004

“機器人賽道是一個復合創新的賽道，需要軟交叉學科的知識共同推動。雖然當前大語言模型已經出現了突破性創新，但是具身智能大模型的訓練數據更復雜，涉及到空間、時間等各個維度的采集。所以，數據采集是當前具身大模型訓練的一大難題，為此需要統一數據標準，營造一個開源的環境來促進技術創新。”非夕科技副總裁胡曉平在接受《商學院》雜志訪談時指出。

非夕科技是一家成立于2016年的“獨角獸”公司，專注于研發、生產集工業級力控、計算機視覺和人工智能技術于一體的自適應機器人產品。自成立以來便注重將機器人技術與人工智能技術深度融合。

非夕科技正在讓機器人擁有像人類一樣的靈活操作能力，未來能夠在更多未知領域中發揮重要作用。

01

讓自適應機器人像人類一樣靈活

讓機器人達到通用化應用的理想效果。

非夕科技創始團隊主要來自斯坦福大學人工智能實驗室，在人工智能與機器人領域有著深厚的積累。團隊一開始選擇進入自適應機器人賽道的原因其實很簡單，一方面是過去工業機器人和協作機器人技術路線存在局限性，這些傳統機器人在通用層面的應用能力和適應能力有限；另一方面是自適應機器人與傳統工業機器人的主要差異在于高精度力的感知和控制能力，以及通過AI實現類似人類的手眼協調。

為了實現自適應機器人如同人類般操作的目標，非夕科技致力于機器人力控方面的創新和突破。

在硬件端，非夕科技自主研發了力矩傳感器和末端的六維力傳感器，通過對力感知原理的重新設計，實現了比傳統應變片模式更高的精度，達到了0.03牛的力感知能力，幾乎達到了人類指尖力覺敏感度。

“僅提升精度是遠遠不夠的，實時響應同樣很關鍵。”胡曉平表示。為此，非夕科技在軟件框架上進行了革新，將響應頻率提升了至少一兩個數量級（10的冪次方），確保機器人能夠迅速調整以應對環境變化或任務需求。

與過去工業機器人只追求精度不同，非夕科技在追求精度的同時，也增加了力控的調整，這樣可以保證任務順利完成而不損害目標對象。比如，在插入USB這樣簡單但需要精確度的任務中，即使初始定位不準確，通過力控方式也能做出適當調整。

基于此，非夕科技自適應機器臂已經應用在工業制造、農業生產、食品加工乃至理療康養服務等多個領域。非夕科技的最終目標是讓機器人達到通用化應用的理想效果。

02

穹徹智能：助力自適應機器人邁向通用化

將具身智能大模型的開發獨立出來，主要目的是為了更專注于大腦和大模型的研發，使其不僅能賦能非夕自身的機器人系統，還能廣泛應用于其他類型的機器人產品。

一直以來，非夕科技都致力于將機器人手、雙臂以及軀干和大腦能力相結合。為提升AI技術在實際應用中的通用性和簡化部署，非夕科技于2021年推出了自研的通用人工智能系統“NOEMA穹知”，這是一個面向全行業的通用智能機器人大腦。該系統旨在通過模塊化和智能化操作，使用戶能夠便捷高效地使用人工智能工具，實現對物體和場景的理解、識別、檢測以及自主判斷和決策。

NOEMA穹知系統是如何工作的呢？

在工業領域，比如插裝應用中，為了讓自動化系統能夠像人類一樣靈活地工作，需要一個智能的解決方案。這個方案要能識別并處理不同的零件（因為每個零件可能大小、形狀都不同），并且能在復雜或者變化的環境中穩定運行。這就要求該系統不僅要有好的硬件設計，還要有強大的感知能力、精確的力量控制技術、高效的規劃算法和先進的人工智能技術。

基于此，非夕科技的發展戰略也進行了新的調整，對NOEMA穹知系統進行了升級和拆分。胡曉平介紹了穹知系統目前的兩個主要方向：第一個是非夕科技繼續以機器人本體為中心，構建自動化系統或平臺，集成基礎AI能力如視覺伺服和基本物體檢測識別等功能，這些功能是實現手眼協調的重要組成部分，也是提供解決方案的關鍵要素。

第二個是專注于在NOEMA穹知系統基礎上進一步研發具身智能大模型。于是，非夕科技在2023年孵化出了一家專門做具身智能的公司——穹徹智能，初創團隊主要由非夕科技CEO王世全和上海交大教授盧策吾組成。

非夕科技決定將具身智能大模型的開發獨立出來，主要目的是為了更專注于大腦和大模型的研發，使其不僅能賦能非夕科技自身的機器人系統，還能廣泛應用于其他類型的機器人產品，如人形機器人等。這種拆分使得穹徹智能能夠作為一個標準化的產品為各種硬件提供智力加持，從而增強了技術的通用性和市場潛力。

目前，穹徹智能已經實現了包括通用打磨、裝配和切削等操作，并展示了如削黃瓜、給人刮胡子等應用。胡曉平表示，穹徹智能先從這幾個維度出發，使一些基本的動作單元操作更加成熟，后續在此基礎上進行延伸，也就是先進行縱向發展，再橫向擴展到通用狀態。

例如，在針對理想汽車的車身清潔需求案例中，為了安裝玻璃天窗，需要在裝配前對車體結構上的污漬進行清理，特別是針對一體壓鑄成型、表面不平整且存在許多溝槽的部分。對于人類操作者來說，沿著每個溝槽進行清潔相對簡單直接。但使用傳統的且依賴精確定位的機器人來執行此類任務時，在處理轉彎和復雜形狀部位時可能會遇到困難，導致清潔不到位。而非夕自適應機器人能夠確保清潔工具始終緊密貼合車身表面，即使面對復雜的幾何形狀時，也能有效清除污漬。

在食品加工行業，也可以看到非夕自適應機器人的身影，如執行雞肉切割任務。通過模擬人類熟練工人的手法和肌肉記憶，機器人的手臂可以精確控制切割力度，適應不同形狀和不同重量的肉塊，實現了從手工操作到自動化的轉變。

在理療按摩場景中，根據人類個體的身體結構、胖瘦差異以及對力度承受的不同需求，非夕機器人能夠通過AI技術精確定位穴位，并輸出合適的按壓力度，提供個性化的理療方案，既提升了用戶體驗，又確保了治療效果。

非夕科技的自適應機器人解決方案在不同行業的部署中展示了較高的性價比，盡管單體機器人的成本可能高于傳統工業機器人，但通過整體解決方案的優化，減少了非標設備配合、運營和維護的成本。

以對汽車零部件表面的打磨拋光為例，傳統工業機器人需要對目標物體進行3D掃描建模，并生成特定的運行軌跡來執行任務。如果處理對象發生移動或材質較軟不好控制時，工業機器人再根據定位來做任務，會影響質量。此外，如果型號、大小、尺寸等發生改變，需要重新對物體進行建模等，會增加成本。而非夕自適應機器人則專注于力控，能夠根據實際接觸表面自動調整操作，無需重新編程或建模，大幅提高生產效率和靈活性，還降低了成本。

03

具身大腦的數據難題

單個企業難以獨自積累大量數據，需多方合作，但因缺乏統一標準，各家企業自行其是，阻礙了數據整合與共享。

胡曉平表示，機器人賽道是一個復合創新的賽道，具身智能大模型和大語言模型的技術路線相似，需要算法、數據、算力的支持，但也有很大不同。目前算法、算力方面有一些共識和解決方案，但從數據來看，與已經形成較為成熟和系統化標注方法的大語言模型（如文本、語音或圖片數據）存在差異，機器人操作數據的標注以及如何定義一條有效的操作數據，在當前還沒有統一的標準，各個具身智能團隊仍在探索各自的路徑。

目前，穹徹智能正處于起步階段，數據采集和整理是其主要瓶頸和工作重點。穹徹智能獨特的技術路線是發布“以力為中心”的具身大腦系統。這一技術路線強調了力在人類操作中的核心作用，并認為將力的信息融入任務分解中是提升模型效果的關鍵。

穹徹智能依靠非夕科技的力控機械臂，如“拂曉Rizon”和“玄暉 Moonlight”來收集包含力的數據。這些設備能夠感知和記錄操作過程中的力，構建獨特的數據集。這類數據對于解決機器人操作中的精確性和可靠性至關重要，并能有效彌補純視覺方案在復雜環境中難以找到最優解的問題，減少大模型由于缺乏具體物理交互細節而導致的多種解或“幻覺”現象的發生。

為了提高數據采集的質量和效率，非夕科技采取雙重策略。一方面創新性地搭建了一個以真實世界物理原理為基礎的世界模型仿真數據庫，讓機器人在虛擬世界與各類場景中進行學習和交互；另一方面，非夕科技通過自主研發的便攜式模仿學習裝備，讓機器人跟隨模仿人類的動作進行一對一的學習。該裝備是一套外骨骼，是非夕科技創新自研的一個機械臂數據采集裝置，通過采集圖像、機械臂的軌跡信息，以及力和力矩等多種數據，用于訓練穹徹智能具身大腦的力位混合大模型。

具體來看，該設備能夠在非脫產狀態下實時記錄人類操作員的動作，這比傳統的專門數據采集場更貼近實際應用場景，從而提高了數據的真實性和有效性。例如，在工廠環境中，可以直接使用這些設備進行裝配工作的同時完成數據采集，這樣既不影響生產，又能獲取高質量數據，進而用于迭代優化大模型。預計到今年年底，穹徹智能將收集約500萬條數據，為模型的持續改進提供了堅實的基礎。

胡曉平認為，真實數據獲取成本高昂且積累緩慢，因此其數量相對有限。為了解決這個問題，通常采用虛擬數據來補充真實數據的不足，以加快模型驗證和算法迭代的速度。然而，虛擬數據難以完全模擬現實世界的物理現象，例如光照、材質變化及環境干擾等，這可能導致訓練出來的模型在實際應用中表現不佳。

為了平衡效率與實用性，行業目前的做法是結合虛擬數據和真實數據進行混合訓練，一般的比例是10%～20%的真實數據配合80%～90%的虛擬數據。這種方法既能保證一定的訓練效率，又能盡量貼近實際情況，避免模型與現實脫節。

值得注意的是，在具身智能領域存在一個不容忽視的痛點：單個企業難以獨自積累大量數據，需多方合作，但因缺乏統一標準，各家企業自行其是，阻礙了數據整合與共享。所以，數據標準化至關重要，它能確保數據有效性、標注一致性和維度規范，使得跨企業數據集成更加高效。

例如，機器人動作數據采集涉及視頻流拍攝角度、數量及時間等因素，沒有統一的規范會導致數據集即使開源也難以直接使用。因此，胡曉平呼吁行業達成共識，使數據標準化，推動數據共享和具身大模型開源，加快技術創新和發展。

04

非夕科技的商業化秘訣

自適應機器人作為一種新型解決方案，市場接受度需要時間培養。

過去8年，非夕科技累計完成5輪融資，投資方包括金沙江創投、高榕資本、招商局資本等多家知名機構，也得到美團、珠江集團、新希望集團等產業方的持續支持，并多次獲得老股東復投。公開資料顯示，非夕科技2022年B+輪投后估值達10億美元，躋身“獨角獸”行列。

胡曉平表示，吸引天使輪投資主要依靠的是團隊成員斯坦福背景的影響力。到了A輪和B輪融資階段，則需憑借成熟的產品和具有潛力的應用場景來贏得投資方的持續支持。對于后續的融資輪次來說，關鍵在于通過商業化的成功和產業化的數據來支撐更高的公司估值。

實際上，早在2020年非夕科技就正式邁入規模化量產階段，2022年底開始收獲規模化復制訂單。2023年底，受益于產品通用性的成熟，非夕科技機器人破圈，開啟了跨行業的加速開拓。2022年以來，每年營收增長兩三倍，復購率接近50%。

對此，胡曉平坦言，非夕科技在商業化過程中也經歷了較為艱難的階段，主要因為自適應機器人作為一種新型解決方案，市場接受度需要時間培養。比如，非夕科技在初期與汽車工廠、家電及3C行業的合作中，它們對力控技術的實際效能持懷疑態度。為解決這一難題，非夕科技選擇與行業內的頭部企業合作，建立標桿案例，以展示其產品的獨特價值和能力。

例如，在一個為汽車廠提供打磨和去毛刺工藝的項目招標中，非夕科技面臨來自其他協作機器人廠商的競爭，那些廠商提供了更低的價格。很顯然，該汽車廠商選擇了價格更低的競標方。然而，在實際部署過程中，該競標方遇到了諸多問題，即使追加了額外設備和成本，仍未能成功解決問題。最終，該汽車廠商轉向非夕科技尋求幫助，并使用非夕自適應機器人解決了難題。

更重要的是，非夕科技通過提升機器人通用性，實現了跨行業的業務場景應用，包括工業、農業、醫療和服務等領域。為了滿足廣泛的行業需求，非夕科技構建了一個生態系統，與不同的合作伙伴成立合資公司，專注于特定行業的解決方案開發。在這種模式下，非夕科技主要提供產品和技術支持，而各合資公司則深耕各自的具體行業和領域。例如，與新希望合作成立了專門從事農業自動化解決方案公司，以及與一家醫療設備公司合作研發醫療機器人。

胡曉平表示，非夕科技廣泛的客戶基礎和高復購率是支撐其快速增長的原因。與那些依賴少數大客戶的公司不同，非夕科技的訂單分布廣泛，前幾名客戶的訂單量并未占據主導地位，這減少了公司對單一企業發展節奏的依賴風險。此外，非夕科技的產品復購率接近50%，顯示出客戶對其解決方案的高度認可。而且這種復購是基于客戶自主提出的更多改造需求，進而采購更多設備進行自動化升級。基于此，非夕科技對未來增長也保持了極大的信心。

胡曉平還透露，非夕科技將在 2025 年發布新品，通過升級關節和末端的力感知能力，從一維力感知提升至多維力感知，大幅提高機器人的感知精度和操作靈活性。同時，還將讓機械臂在通過傳感器的升級后具備類似于電子皮膚的能力，當有任何接觸時都可以靈敏感知力的方向和大小。這種改進使得機器人能夠在更廣泛的場景中執行任務，能夠精準感知任何部位的受力信息，進而實現更精細的控制。

這些技術進步不僅可以增強機器人在安全方面的表現，為進入家庭和服務行業奠定了基礎，還支持單機多任務處理，如手持物品的同時完成其他操作，極大提升了機器人的靈巧性和實用性。盡管目前產品仍處于原型階段，但其未來的應用場景充滿了無限可能。

然而，在實現電子皮膚的過程中，非夕科技面臨著從理論設計到研發，再到生產應用的長周期挑戰，這期間不僅需要解決理論問題，還需應對復雜的工程問題。

比如，在機器人關節中提取高靈敏度傳感器的信息是一大挑戰，因為關節內的多種電子元器件（如減速器、電機等）可能會對敏感信號產生干擾。為了解決這個問題，非夕科技花了一年半的時間，采取了多方面的優化措施：一方面是結構優化，通過調整機械結構以利于感知信息的輸出并減少電磁干擾；另一方面是軟件優化，開發降噪算法，設計能夠有效過濾噪聲的處理方法，確保準確提取有用信號等。

最后，胡曉平總結到，非夕科技將繼續專注于解決機器人操作中的力覺和觸覺感知問題，將人類的操作手感轉化為可編程指令，從而實現與人類相媲美的操作精度和靈活性。

未來已來，我們期待自適應機器人在未來發揮更大的作用，成為我們生活、工作的小幫手。

來源 | 2025年4月刊