腾讯音乐获两项鸿蒙座舱大奖,携造车载音娱新体验
腾讯音乐获两项鸿蒙座舱大奖,携造车载音娱新体验
腾讯音乐获两项鸿蒙座舱大奖,携造车载音娱新体验近日,一场被一些业内人士视作是“中国具身智能路线之争(zhīzhēng)”的学术争论(xuéshùzhēnglùn),引起了机器人行业的讨论。
一位讨论参与者是许华哲,来自清华大学交叉信息研究院(简称“清华叉院”),是中国科技顶尖人才培养机构的(de)(de)助理教授,同时也是机器人企业星海图的联合创始人。另一位则(zé)是获得(huòdé)IEEE T-RO最佳论文奖的周博宇,这是亚洲单位首次获得该奖项(jiǎngxiàng),同时他也是南方科技大学的助理教授、博士生(bóshìshēng)导师。知乎平台中,他们围绕“机器人领域特殊任务研究是否有价值”等话题展开了讨论。
前者主张“特殊任务(tèshūrènwù)研究”于学科有益,但对(duì)于推动具身智能的发展“几乎没有用处”。后者则主张无用之用方为智能基石。5月23日,第一财经记者分别采访了许华哲、周博宇以及其他业内人士后了解到,在(zài)二者观点(guāndiǎn)的分歧和共识之外,这场争论折射出了学界对技术决定论的警惕,更直接对行业进行了“纠偏”。
在资本追捧大模型、企业砸钱秀肌肉的浪潮中,究竟该押注通用颠覆,还是深耕工业(gōngyè)现场那些(nàxiē)“不够性感”的工程细节(xìjié)?这是每一位具身智能从业者必须亲自探索的命题。
针对“特殊任务”的研究是否有(yǒu)意义?
整场(zhěngchǎng)讨论的原点,是许华哲在(zài)知乎上发表了一篇名为《具身智能需要从ImageNet做起吗?》的文章。
许华哲(xǔhuázhé)在其中提到,传统机器人(jīqìrén)学有相当一部分的(de)研究重点在于“特别”的机器人或者“特别”的任务。比如一个蛇形机器人、一个老鼠机器人,或是让机器人去包饺子(jiǎozi)、抖落衣服。这类“特殊任务研究”的任务对科学虽然有用,但对“推动具身智能的发展几乎没有(méiyǒu)用处”。
“我认为这种观点显然不对。”在《具身智能(zhìnéng):一场需要谦逊与耐心的科学远征》中,周博宇直接指出,具身智能本身是跨学科产物,它的发展必须依赖具体科学问题的突破。他以波士顿(bōshìdùn)动力和蛇形(shéxíng)机器人的研究为例,指出波士顿动力早期研究足式机器人时,没有人能预见其动态平衡算法会成为现代人形机器人的核心;蛇形机器人研究中的柔性驱动技术,也直接推动(tuīdòng)了(le)医疗内窥镜机器人的发展。“这些(zhèxiē)看似无用(wúyòng)的特别任务,都推动了科学的进步,以及具身智能的进步。”
针对特定场景的(de)研究,对于行业来说的意义究竟有多大,成为了二者讨论的核心矛盾。在许华哲看来,按照深度学习(xuéxí)、计算机视觉(shìjué)领域的发展规律,推动力主要来自ImageNet这样的标准化数据集以及ResNet或Transformer这样的通用模型。例如流水线分拣、零件抛光打磨等“特别的任务”,短期内有经济(jīngjì)价值、创业需求,但(dàn)长期(chángqī)会被具身智能的进展淹没。
许华哲向第一财经记者进一步(jìnyíbù)解释,以机器人的局部运动为例,在强化学习为主导的方案兴起前,人们利用控制手段也能让机器人完成特定任务(rènwù),如在草地上行走(xíngzǒu)、跳舞等。“不过,直到强化学习应用于此,机器人才(réncái)具备了从平地到草地、山地、跨台阶等只用(zhǐyòng)一套系统就能应对的能力。”
“只要通用智能做成,各种细分领域的问题也将迎刃而解”的观点,被周博宇视作是“通用大脑优越论”。他提到,即便是人类自身,在掌握某项(mǒuxiàng)特定(tèdìng)技能时,也必须(bìxū)经历反复锤炼,方能得心应手。“通用智能无疑是一个宏伟的目标,但与此同时,我(wǒ)也希望青年学生与工程师们能关注到一些更为(gèngwéi)具体、务实的产业需求。”
汽车(qìchē)总装车间中亟待解决的线束(xiànshù)整理难题、半导体封装环节对高精度和高稳定性的严苛要求……“这些看似‘不够性感’的工程细节,恰恰是锤炼真正智能的淬火池。”周博宇说(shuō)。
在“不够性感”的工程细节里寻找技术(jìshù)拐点
二者的讨论(tǎolùn)发出后,很快引起了业内多位人士的转发。
科大(kēdà)讯飞机器人首席(shǒuxí)科学家季超告诉第一财经记者,自己对二者的(de)观点都很认同。对技术迭代的追求和工程化(gōngchénghuà)落地的能力,对于现阶段的具身智能而言同样重要。“表面上看,一个惊艳的模型(móxíng)或巧妙的算法,可能令人眼前一亮,但如果缺乏长期工程化落地的经验积累、真实场景中的反复打磨,以及对细节极致追求的‘脏活累活(lèihuó)’,这种优势很容易被复制甚至超越。”
杭州钛维云创的创始人兼CEO张磊(zhānglěi)也很快转发了二者的讨论。作为聚焦于纺织(fǎngzhī)行业的具身智能企业,在大部分的工作时间里,张磊都在处理一些“不够性感”的工程细节。“机器人的夹(jiā)爪怎么(zěnme)去(qù)抓牛仔、棉麻、丝绸等质地不同的布料,怎么迁移、缝纫,这些都需要我们针对特定的任务和场景进行重复训练。”
但在赞同周博宇“通用性无法脱离具体性而存在”的观点之外,张磊也同样(tóngyàng)认同许华哲对机器人数据和仿真训练(xùnliàn)环境的观点。
“就像许华哲说的(de)那样(nàyàng),在虚拟世界(xūnǐshìjiè)中的仿真训练和海量的数据(shùjù)并不是万能解药。”他告诉记者,在机器人的训练里,模拟不同状态物体所需要的数据量不同。如果想要训练出一个能够操作五个自由参数量的刚体机器人模型,仿真环境需要模拟的数量级可能在十的五次方。
但如果想要训练机器人“大脑”,也就是搭载在实体硬件上的大模型操作柔性物体,由于柔性物体参数可能有上百个,那么(nàme)模拟环境(huánjìng)数量的量级可能就会(huì)指数级增加,成本和技术难度都有所飙升。“因此,我们现在会采用真实(zhēnshí)数据‘反标(fǎnbiāo)’的手段(shǒuduàn),来补偿虚拟环境缺失的精度和真实性,用50%的真实数据和50%的仿真数据来训练大模型。”
不过,就未来的发展方向而言,张磊坦言“自己也没有理清”。他告诉记者,具身智能仍然处在一个探索(tànsuǒ)的初级阶段,自己无法打包票哪一种技术方案更好、会(huì)走到(dào)最后。
当前,在大模型落地的(de)(de)方案中,出于安全和稳定性考虑,张磊将整个(zhěnggè)流程85%-90%的部分都采用了基于经典控制理论的建模(jiànmó)方法,剩下的10%-15%则采用了基于强化学习的智能学习算法。“相比(xiāngbǐ)VLA(Vision-Language-Action,视觉语言(yǔyán)动作)或者端到端的模型,客户更注重安全性,这也是我们采取这个方式的主要理由。”
尽管如此,张磊仍然和许华哲、周博宇(zhōubóyǔ)一样,相信机器学习会成为具身(jùshēn)智能(néng)未来的主流。周博宇说,“设想如果我们(wǒmen)能彻底理解人脑的工作机制,甚至创造出超越人脑的新架构,那(nà)我们就有望仅凭少量数据快速掌握多(duō)种技能,突破传统模块化系统的性能天花板,这是很符合自然的。”他认为,这不仅依赖于AI本身的发展,还需要脑科学、类脑计算等多学科的协同突破。
观点(guāndiǎn)竞合纠偏行业发展
第一财经记者看到,讨论双方的(de)观点(guāndiǎn)并非全部“针锋相对”。许华哲也向第一财经记者坦言,传统的机器人训练方法在今天依然有他的价值。周博宇也在交谈中告诉(gàosù)记者,当(dāng)学者在探索一些此前从未有人想过的东西时,有机会激发产业需求,带来技术的收敛。
谈及周博宇对自己观点的(de)讨论,许华哲告诉记者,这正是自己发表文章的目的之一。“我本身也(yě)很期待有人(rén)跟我展开讨论这些观点,我和周老师私交很好,除了周老师以外,还有不少人主动跟我私聊。”
而另一边,周博宇也表示,自己(zìjǐ)这篇文章“酝酿了很久”。“近两年,这个行业的发展超过了我和身边朋友的预期(yùqī),在这个过程(guòchéng)中会有一些激进、极端,甚至有一些喧哗的声音,学术讨论(xuéshùtǎolùn)本身能够起到一个纠偏的作用。”
立德智库数据显示,2025年4月(yuè),中国机器人行业融资(róngzī)数量超过(chāoguò)45起,环比增长9.3%。根据已披露金额及行业估值测算,预估总融资金额达60.5亿-71.5亿元,较3月的(de)18.5亿-25.3亿元实现了2-3倍增长。
从技术路径(lùjìng)上来讲,VLA模型已经成为了各家企业“秀肌肉”的重点。今年年初以来,Figure AI、Physical Intelligence、英伟达、灵初智能等多家(duōjiā)企业都(dōu)发布了VLA模型。在这些(zhèxiē)VLA模型的展示demo中,大多数都体现了语言(yǔyán)交互和语言动作跟随的能力。
“语言理解虽是直观的(de)智能表现,但执行层面的薄弱让技术难以落地。”周博宇(zhōubóyǔ)以工业、医疗等(děng)场景(chǎngjǐng)举例,他认为,在这些场景当中,高精度运动控制、触觉力觉反馈等能力远比语言交互关键。周博宇提到,他担忧过度聚焦语言会(huì)导致资源错配,“企业为了融资,不得不分散精力做‘秀肌肉’的功能,反而忽略了场景的真实需求”。
在许华哲和周博宇的(de)观点里,“长坡厚雪”是(shì)他们(tāmen)对这个(zhègè)行业的共识。这场争论的价值,或许正在于撕开技术理想主义的面纱,让行业在狂热中看清现实。在具身智能技术拐点到来之前,机器人的竞争与合作(hézuò),不仅仅在企业渲染的demo视频中,更在那些“不够性感”的工程细节里。
(本文来自第一(dìyī)财经)
近日,一场被一些业内人士视作是“中国具身智能路线之争(zhīzhēng)”的学术争论(xuéshùzhēnglùn),引起了机器人行业的讨论。
一位讨论参与者是许华哲,来自清华大学交叉信息研究院(简称“清华叉院”),是中国科技顶尖人才培养机构的(de)(de)助理教授,同时也是机器人企业星海图的联合创始人。另一位则(zé)是获得(huòdé)IEEE T-RO最佳论文奖的周博宇,这是亚洲单位首次获得该奖项(jiǎngxiàng),同时他也是南方科技大学的助理教授、博士生(bóshìshēng)导师。知乎平台中,他们围绕“机器人领域特殊任务研究是否有价值”等话题展开了讨论。
前者主张“特殊任务(tèshūrènwù)研究”于学科有益,但对(duì)于推动具身智能的发展“几乎没有用处”。后者则主张无用之用方为智能基石。5月23日,第一财经记者分别采访了许华哲、周博宇以及其他业内人士后了解到,在(zài)二者观点(guāndiǎn)的分歧和共识之外,这场争论折射出了学界对技术决定论的警惕,更直接对行业进行了“纠偏”。
在资本追捧大模型、企业砸钱秀肌肉的浪潮中,究竟该押注通用颠覆,还是深耕工业(gōngyè)现场那些(nàxiē)“不够性感”的工程细节(xìjié)?这是每一位具身智能从业者必须亲自探索的命题。
针对“特殊任务”的研究是否有(yǒu)意义?
整场(zhěngchǎng)讨论的原点,是许华哲在(zài)知乎上发表了一篇名为《具身智能需要从ImageNet做起吗?》的文章。
许华哲(xǔhuázhé)在其中提到,传统机器人(jīqìrén)学有相当一部分的(de)研究重点在于“特别”的机器人或者“特别”的任务。比如一个蛇形机器人、一个老鼠机器人,或是让机器人去包饺子(jiǎozi)、抖落衣服。这类“特殊任务研究”的任务对科学虽然有用,但对“推动具身智能的发展几乎没有(méiyǒu)用处”。
“我认为这种观点显然不对。”在《具身智能(zhìnéng):一场需要谦逊与耐心的科学远征》中,周博宇直接指出,具身智能本身是跨学科产物,它的发展必须依赖具体科学问题的突破。他以波士顿(bōshìdùn)动力和蛇形(shéxíng)机器人的研究为例,指出波士顿动力早期研究足式机器人时,没有人能预见其动态平衡算法会成为现代人形机器人的核心;蛇形机器人研究中的柔性驱动技术,也直接推动(tuīdòng)了(le)医疗内窥镜机器人的发展。“这些(zhèxiē)看似无用(wúyòng)的特别任务,都推动了科学的进步,以及具身智能的进步。”
针对特定场景的(de)研究,对于行业来说的意义究竟有多大,成为了二者讨论的核心矛盾。在许华哲看来,按照深度学习(xuéxí)、计算机视觉(shìjué)领域的发展规律,推动力主要来自ImageNet这样的标准化数据集以及ResNet或Transformer这样的通用模型。例如流水线分拣、零件抛光打磨等“特别的任务”,短期内有经济(jīngjì)价值、创业需求,但(dàn)长期(chángqī)会被具身智能的进展淹没。
许华哲向第一财经记者进一步(jìnyíbù)解释,以机器人的局部运动为例,在强化学习为主导的方案兴起前,人们利用控制手段也能让机器人完成特定任务(rènwù),如在草地上行走(xíngzǒu)、跳舞等。“不过,直到强化学习应用于此,机器人才(réncái)具备了从平地到草地、山地、跨台阶等只用(zhǐyòng)一套系统就能应对的能力。”
“只要通用智能做成,各种细分领域的问题也将迎刃而解”的观点,被周博宇视作是“通用大脑优越论”。他提到,即便是人类自身,在掌握某项(mǒuxiàng)特定(tèdìng)技能时,也必须(bìxū)经历反复锤炼,方能得心应手。“通用智能无疑是一个宏伟的目标,但与此同时,我(wǒ)也希望青年学生与工程师们能关注到一些更为(gèngwéi)具体、务实的产业需求。”
汽车(qìchē)总装车间中亟待解决的线束(xiànshù)整理难题、半导体封装环节对高精度和高稳定性的严苛要求……“这些看似‘不够性感’的工程细节,恰恰是锤炼真正智能的淬火池。”周博宇说(shuō)。
在“不够性感”的工程细节里寻找技术(jìshù)拐点
二者的讨论(tǎolùn)发出后,很快引起了业内多位人士的转发。
科大(kēdà)讯飞机器人首席(shǒuxí)科学家季超告诉第一财经记者,自己对二者的(de)观点都很认同。对技术迭代的追求和工程化(gōngchénghuà)落地的能力,对于现阶段的具身智能而言同样重要。“表面上看,一个惊艳的模型(móxíng)或巧妙的算法,可能令人眼前一亮,但如果缺乏长期工程化落地的经验积累、真实场景中的反复打磨,以及对细节极致追求的‘脏活累活(lèihuó)’,这种优势很容易被复制甚至超越。”
杭州钛维云创的创始人兼CEO张磊(zhānglěi)也很快转发了二者的讨论。作为聚焦于纺织(fǎngzhī)行业的具身智能企业,在大部分的工作时间里,张磊都在处理一些“不够性感”的工程细节。“机器人的夹(jiā)爪怎么(zěnme)去(qù)抓牛仔、棉麻、丝绸等质地不同的布料,怎么迁移、缝纫,这些都需要我们针对特定的任务和场景进行重复训练。”
但在赞同周博宇“通用性无法脱离具体性而存在”的观点之外,张磊也同样(tóngyàng)认同许华哲对机器人数据和仿真训练(xùnliàn)环境的观点。
“就像许华哲说的(de)那样(nàyàng),在虚拟世界(xūnǐshìjiè)中的仿真训练和海量的数据(shùjù)并不是万能解药。”他告诉记者,在机器人的训练里,模拟不同状态物体所需要的数据量不同。如果想要训练出一个能够操作五个自由参数量的刚体机器人模型,仿真环境需要模拟的数量级可能在十的五次方。
但如果想要训练机器人“大脑”,也就是搭载在实体硬件上的大模型操作柔性物体,由于柔性物体参数可能有上百个,那么(nàme)模拟环境(huánjìng)数量的量级可能就会(huì)指数级增加,成本和技术难度都有所飙升。“因此,我们现在会采用真实(zhēnshí)数据‘反标(fǎnbiāo)’的手段(shǒuduàn),来补偿虚拟环境缺失的精度和真实性,用50%的真实数据和50%的仿真数据来训练大模型。”
不过,就未来的发展方向而言,张磊坦言“自己也没有理清”。他告诉记者,具身智能仍然处在一个探索(tànsuǒ)的初级阶段,自己无法打包票哪一种技术方案更好、会(huì)走到(dào)最后。
当前,在大模型落地的(de)(de)方案中,出于安全和稳定性考虑,张磊将整个(zhěnggè)流程85%-90%的部分都采用了基于经典控制理论的建模(jiànmó)方法,剩下的10%-15%则采用了基于强化学习的智能学习算法。“相比(xiāngbǐ)VLA(Vision-Language-Action,视觉语言(yǔyán)动作)或者端到端的模型,客户更注重安全性,这也是我们采取这个方式的主要理由。”
尽管如此,张磊仍然和许华哲、周博宇(zhōubóyǔ)一样,相信机器学习会成为具身(jùshēn)智能(néng)未来的主流。周博宇说,“设想如果我们(wǒmen)能彻底理解人脑的工作机制,甚至创造出超越人脑的新架构,那(nà)我们就有望仅凭少量数据快速掌握多(duō)种技能,突破传统模块化系统的性能天花板,这是很符合自然的。”他认为,这不仅依赖于AI本身的发展,还需要脑科学、类脑计算等多学科的协同突破。
观点(guāndiǎn)竞合纠偏行业发展
第一财经记者看到,讨论双方的(de)观点(guāndiǎn)并非全部“针锋相对”。许华哲也向第一财经记者坦言,传统的机器人训练方法在今天依然有他的价值。周博宇也在交谈中告诉(gàosù)记者,当(dāng)学者在探索一些此前从未有人想过的东西时,有机会激发产业需求,带来技术的收敛。
谈及周博宇对自己观点的(de)讨论,许华哲告诉记者,这正是自己发表文章的目的之一。“我本身也(yě)很期待有人(rén)跟我展开讨论这些观点,我和周老师私交很好,除了周老师以外,还有不少人主动跟我私聊。”
而另一边,周博宇也表示,自己(zìjǐ)这篇文章“酝酿了很久”。“近两年,这个行业的发展超过了我和身边朋友的预期(yùqī),在这个过程(guòchéng)中会有一些激进、极端,甚至有一些喧哗的声音,学术讨论(xuéshùtǎolùn)本身能够起到一个纠偏的作用。”
立德智库数据显示,2025年4月(yuè),中国机器人行业融资(róngzī)数量超过(chāoguò)45起,环比增长9.3%。根据已披露金额及行业估值测算,预估总融资金额达60.5亿-71.5亿元,较3月的(de)18.5亿-25.3亿元实现了2-3倍增长。
从技术路径(lùjìng)上来讲,VLA模型已经成为了各家企业“秀肌肉”的重点。今年年初以来,Figure AI、Physical Intelligence、英伟达、灵初智能等多家(duōjiā)企业都(dōu)发布了VLA模型。在这些(zhèxiē)VLA模型的展示demo中,大多数都体现了语言(yǔyán)交互和语言动作跟随的能力。
“语言理解虽是直观的(de)智能表现,但执行层面的薄弱让技术难以落地。”周博宇(zhōubóyǔ)以工业、医疗等(děng)场景(chǎngjǐng)举例,他认为,在这些场景当中,高精度运动控制、触觉力觉反馈等能力远比语言交互关键。周博宇提到,他担忧过度聚焦语言会(huì)导致资源错配,“企业为了融资,不得不分散精力做‘秀肌肉’的功能,反而忽略了场景的真实需求”。
在许华哲和周博宇的(de)观点里,“长坡厚雪”是(shì)他们(tāmen)对这个(zhègè)行业的共识。这场争论的价值,或许正在于撕开技术理想主义的面纱,让行业在狂热中看清现实。在具身智能技术拐点到来之前,机器人的竞争与合作(hézuò),不仅仅在企业渲染的demo视频中,更在那些“不够性感”的工程细节里。
(本文来自第一(dìyī)财经)



相关推荐
评论列表
暂无评论,快抢沙发吧~
你 发表评论:
欢迎