聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

出品：網(wǎng)易科技《態(tài)度AGI》欄目

作者：崔玉賢

編輯：丁廣勝

“下周，智元機(jī)器人將發(fā)布全新產(chǎn)品。”華為離職天才少年、智元聯(lián)合創(chuàng)始人“稚暉君”（彭志輝）在社交媒體上發(fā)出預(yù)告。

3月10日上午，“好東西”如期而至，智元機(jī)器人官方宣布正式發(fā)布首個(gè)通用具身基座模型——智元啟元大模型GO-1（Genie Operator-1），這也是國內(nèi)首個(gè)通用具身基座大模型。

此消息迅速登上熱搜，引發(fā)廣泛關(guān)注。

根據(jù)官方介紹，智元的GO-1大模型采用了創(chuàng)新的Vision-Language-Latent-Action (ViLLA)架構(gòu)，該架構(gòu)由VLM（多模態(tài)大模型）與MoE（混合專家）組成，具備人類視頻學(xué)習(xí)能力、小樣本快速泛化、一腦多形、持續(xù)進(jìn)化等顯著優(yōu)勢(shì)。這一架構(gòu)使機(jī)器不僅具備了運(yùn)動(dòng)能力，更實(shí)現(xiàn)了AI功能，真正賦予了機(jī)器價(jià)值。

在對(duì)GO-1進(jìn)行多維度測(cè)試后發(fā)現(xiàn)，其在五個(gè)不同復(fù)雜度任務(wù)中的成功率較現(xiàn)有最優(yōu)模型大幅提升，平均成功率提高32%（從46%提升至78%）。

其中，“倒水”、“清理桌面”和“補(bǔ)充飲料”等任務(wù)表現(xiàn)尤為突出。

在ViLLA架構(gòu)中，Latent Planner作為MoE的一組專家，基于VLM的中間層輸出預(yù)測(cè)Latent Action Tokens作為CoP（Chain of Planning，規(guī)劃鏈），實(shí)現(xiàn)了通用的動(dòng)作理解和規(guī)劃。單獨(dú)驗(yàn)證Latent Planner在ViLLA架構(gòu)中的作用后，其成功率提升了12%（從66%提升至78%）。

推出GO-1后，智元機(jī)器人將具身智能技術(shù)的應(yīng)用場(chǎng)景從單一任務(wù)擴(kuò)展到了多任務(wù)并行，從封閉環(huán)境轉(zhuǎn)向開放世界，從預(yù)設(shè)程序走向指令泛化，標(biāo)志著具身智能技術(shù)進(jìn)入了一個(gè)全新的發(fā)展階段。

智元機(jī)器人將于2025年第二季度推出首個(gè)基于強(qiáng)化學(xué)習(xí)的Foundation Model。

在GO-1大模型正式發(fā)布之后，智元合伙人、具身業(yè)務(wù)部總裁、研究院執(zhí)行院長(zhǎng)姚卯青以及智元具身研究中心常務(wù)主任任廣輝接受了網(wǎng)易科技的采訪。

對(duì)于發(fā)布基座大模型的目的，姚卯青表示，AI技術(shù)將成為機(jī)器人產(chǎn)品核心競(jìng)爭(zhēng)力的關(guān)鍵要素，而機(jī)器人行業(yè)的發(fā)展最終將取決于其AI能力。因此，任何機(jī)器人公司若不投入大模型技術(shù)的研發(fā)，則難以在未來的競(jìng)爭(zhēng)中立于不敗之地。

對(duì)于智元來說，AI技術(shù)的投入被視為一項(xiàng)具有戰(zhàn)略意義的長(zhǎng)期規(guī)劃，且是堅(jiān)定的。

此外，智元在發(fā)布基座大模型的同時(shí)，還同步發(fā)布了相關(guān)論文，這在一定程度上可被視為一種開放式的做法。據(jù)姚卯青透露，智元將在2025年第一季度向核心用戶開源整個(gè)大模型。

在采訪中，姚卯青還深入探討了行業(yè)熱議的"9.9萬人形機(jī)器人"話題。他認(rèn)為，機(jī)器人硬件的基礎(chǔ)性能同樣決定了其能力的上限。在這一階段，智元仍然堅(jiān)持認(rèn)為，以價(jià)值為導(dǎo)向，讓機(jī)器人硬件與軟件協(xié)同合作，產(chǎn)生良好的效果，才是正確的研發(fā)方向，而不是簡(jiǎn)單地追求體積大的"玩具"。

姚卯青表示，人形機(jī)器人的應(yīng)用將是一個(gè)漸進(jìn)的過程。目前，人形機(jī)器人已在局部場(chǎng)景中實(shí)現(xiàn)應(yīng)用落地，但大家期待的機(jī)器人進(jìn)入家庭場(chǎng)景，還需要再等5年左右。

智元機(jī)器人公司成立于2023年，創(chuàng)始人彭志輝早年曾在華為擔(dān)任要職，后轉(zhuǎn)投智元。自成立以來，公司就已推出首款真正意義上的人形機(jī)器人，并已批量下線1000臺(tái)機(jī)器人產(chǎn)品，完成了多輪融資，累計(jì)融資金額超過16億元。

值得一提的是，智元的創(chuàng)始人彭志輝還是B站知名UP主。2017年，他開始在B站發(fā)布視頻內(nèi)容。2020年，憑借在B站制作的硬核小電視視頻走紅。2024年，他在公開演講中盛贊其從"野生鋼鐵俠"成長(zhǎng)為70億估值企業(yè)CTO的成長(zhǎng)軌跡。

以下是對(duì)原文的改寫版本：

1. 以下為對(duì)話智元合伙人、具身業(yè)務(wù)部總裁、研究院執(zhí)行院長(zhǎng)姚卯青以及智元具身研究中心常務(wù)主任任廣輝的部分內(nèi)容：

2. 提問：智元具身基座大模型的研發(fā)初衷是什么？

3. 姚卯青：這與我們公司的使命緊密相連。我們公司的使命是通過通用機(jī)器人創(chuàng)造無限生產(chǎn)力。我們認(rèn)為，機(jī)器人僅憑硬件本體（HBP）是不夠的，這也是當(dāng)前一些機(jī)構(gòu)或國外公司對(duì)機(jī)器人行業(yè)的評(píng)論，認(rèn)為中國人形機(jī)器人公司在硬件領(lǐng)域表現(xiàn)突出，但在AI能力方面尚未見到顯著進(jìn)展。

4. 我們認(rèn)為，AI能力將是未來機(jī)器人產(chǎn)品競(jìng)爭(zhēng)力的核心驅(qū)動(dòng)力，就像今天的新能源車和智能手機(jī)一樣，硬件領(lǐng)域趨于收斂，供應(yīng)鏈高度整合，最終的對(duì)決將集中在AI能力上。

5. 對(duì)于機(jī)器人而言，沒有自主作業(yè)能力的價(jià)值是有限的?；谶@一初衷，我們將具身智能的AI研發(fā)提升為公司戰(zhàn)略級(jí)的投入。我們也是首個(gè)實(shí)現(xiàn)大規(guī)模機(jī)器人量產(chǎn)，并用這批產(chǎn)線采集的數(shù)百萬高質(zhì)量數(shù)據(jù)進(jìn)行自研大模型訓(xùn)練，同時(shí)將大模型部署回硬件本體。這一閉環(huán)的研發(fā)迭代是 industry-defining的。

6. 提問：大模型的應(yīng)用場(chǎng)景將經(jīng)歷怎樣的演變？

7. 姚卯青：我們預(yù)計(jì)，大模型在機(jī)器人行業(yè)的應(yīng)用將經(jīng)歷漸進(jìn)式演變，從結(jié)構(gòu)化場(chǎng)景較為明確的領(lǐng)域開始逐步落地探索，隨后向半結(jié)構(gòu)化和半開放的任務(wù)和場(chǎng)景擴(kuò)展。通過在各行業(yè)、各場(chǎng)景中持續(xù)積累海量數(shù)據(jù)和交互數(shù)據(jù)，我們最終將實(shí)現(xiàn)通用人工智能（AGI）在物理世界的應(yīng)用，真正走進(jìn)千家萬戶，尤其在家庭中執(zhí)行各類開放式的指令任務(wù)。

8. 從這一角度看，我們?cè)谶^去兩年內(nèi)將重點(diǎn)布局工業(yè)、服務(wù)業(yè)和商業(yè)領(lǐng)域的應(yīng)用，同時(shí)堅(jiān)定地為最終實(shí)現(xiàn)AGI、走進(jìn)家庭這樣的開放式場(chǎng)景持續(xù)技術(shù)積累。

9. 提問：智元的具身基座大模型GO1可以降低成本，具體能夠降低多少幅度？

讓我們回顧一下之前的研究成果。在特定場(chǎng)景中，完成一個(gè)任務(wù)所需的訓(xùn)練數(shù)據(jù)量可能達(dá)到數(shù)千條甚至數(shù)百條就能達(dá)到最佳效果，相比之前需要的萬條規(guī)模，這相當(dāng)于降低了數(shù)量級(jí)的數(shù)據(jù)采集要求。

智元開發(fā)的具身基座大模型開源后，其應(yīng)用前景如何？

我們可以看到，智元推出的核心技術(shù)已正式發(fā)布，并同步公開了技術(shù)博客和相關(guān)論文。某種程度上，這也算是對(duì)智元平臺(tái)的開源。我們計(jì)劃在本季度對(duì)核心用戶進(jìn)行模型開源，允許他們將模型部署到智元的機(jī)器人上進(jìn)行應(yīng)用。

機(jī)器人技術(shù)方面，我們認(rèn)為目前仍處于早期階段，尚未達(dá)到技術(shù)收斂狀態(tài)。由于行業(yè)受限于數(shù)據(jù)供應(yīng)的問題，尚未完成從局部驗(yàn)證到全面驗(yàn)證的完整過程。這也是我們此前選擇主動(dòng)開源AgiBot World的原因。

在機(jī)器人智能等級(jí)標(biāo)準(zhǔn)（G1-G5）的體系中，智元的GO1技術(shù)應(yīng)該處于哪個(gè)等級(jí)？

目前發(fā)布的相關(guān)技術(shù)處于G3至G4之間的過渡階段。

數(shù)據(jù)集采集的未來走向是否會(huì)單獨(dú)剝離出來形成一個(gè)獨(dú)立的產(chǎn)業(yè)？

這一趨勢(shì)是有可能的。從AI產(chǎn)業(yè)發(fā)展的明確分工來看，數(shù)據(jù)采集、標(biāo)注、審核甚至數(shù)據(jù)交易等環(huán)節(jié)都已經(jīng)出現(xiàn)了以平臺(tái)為主導(dǎo)的機(jī)構(gòu)。在機(jī)器人領(lǐng)域，這一情況同樣具備可復(fù)制性。

未來，機(jī)器人技術(shù)的發(fā)展將主要聚焦于哪些方面？技術(shù)路徑和市場(chǎng)趨勢(shì)是怎樣的？

在技術(shù)路徑和市場(chǎng)趨勢(shì)方面，機(jī)器人的核心競(jìng)爭(zhēng)力將源自于AI技術(shù)的持續(xù)進(jìn)步。我們預(yù)計(jì)，隨著AI技術(shù)的不斷演進(jìn)，機(jī)器人領(lǐng)域的競(jìng)爭(zhēng)將更加激烈，市場(chǎng)也將呈現(xiàn)出多元化的發(fā)展格局。

姚卯青：我認(rèn)為算法目前還處于發(fā)展的初期階段，還不能說已經(jīng)形成了完整的生態(tài)鏈。但在這一過程中，我們確實(shí)遇到了一些挑戰(zhàn)。例如，偏科現(xiàn)象較為普遍，一些公司在算法方面有顯著優(yōu)勢(shì)，包括一些國外公司，雖然在AI算法方面表現(xiàn)突出，但在機(jī)器人硬件和機(jī)器人本體的生產(chǎn)規(guī)模上卻相對(duì)薄弱，這在一定程度上限制了其在算法研發(fā)和驗(yàn)證方面的整體能力。另一方面，一些專注于硬件制造的公司由于行業(yè)限制，其在AI領(lǐng)域的投入也受到較大制約。

我們希望看到更多的公司能夠像智元這樣，從硬件、數(shù)據(jù)、算法等端到端，具備完整的研發(fā)能力，從而在這一領(lǐng)域形成更多具有競(jìng)爭(zhēng)力的創(chuàng)新者。

提問：您認(rèn)為智能機(jī)器人何時(shí)能夠走進(jìn)家庭場(chǎng)景應(yīng)用？

姚卯青：我們預(yù)測(cè)，這一目標(biāo)的實(shí)現(xiàn)可能需要大約五年的努力，才能真正推動(dòng)智能機(jī)器人走入家庭，創(chuàng)造實(shí)際價(jià)值。

提問：之前有人對(duì)9.9萬元價(jià)位下的機(jī)器人表示擔(dān)憂，您認(rèn)為這一價(jià)位是否具有真正的市場(chǎng)價(jià)值？

姚卯青：9.9萬元價(jià)位確實(shí)引起了廣泛關(guān)注。但是，行業(yè)內(nèi)的從業(yè)者都知道，目前生產(chǎn)高質(zhì)量零部件的成本較高。如果價(jià)格虛高，顯然是在使用劣質(zhì)材料。此外，硬件的基礎(chǔ)配置也決定了機(jī)器人的能力上限。在此階段，我們始終堅(jiān)持價(jià)值導(dǎo)向，只有當(dāng)機(jī)器人的硬件與軟件協(xié)同作用，才能產(chǎn)生真正的好效果，為用戶提供實(shí)際價(jià)值。單純購買一個(gè)大號(hào)的電動(dòng)玩具，長(zhǎng)期來看不具備良好的商業(yè)價(jià)值。

提問：智元今年的商業(yè)計(jì)劃是什么？

姚卯青：今年我們的增長(zhǎng)目標(biāo)是營收的倍增，出貨量將突破數(shù)千臺(tái)。

提問：智元成立僅兩三 years，如何與成立八九年甚至更長(zhǎng)時(shí)間的公司競(jìng)爭(zhēng)？競(jìng)爭(zhēng)優(yōu)勢(shì)是什么？

姚卯青：我覺得成立時(shí)間較短的公司具有較大的競(jìng)爭(zhēng)優(yōu)勢(shì)。因?yàn)橹悄軝C(jī)器人產(chǎn)業(yè)從技術(shù)上說是一個(gè)新興行業(yè)，而能夠成功的大模型公司往往在組織結(jié)構(gòu)上有著非常年輕化的方向。

在制定經(jīng)營戰(zhàn)略或技術(shù)規(guī)劃時(shí)，我們需要克服"unlearnable"的障礙，如果存在過多的歷史包袱，就難以采取-bold的策略性調(diào)整。發(fā)展到一定規(guī)模的公司，從資本運(yùn)作層面和經(jīng)營層面都會(huì)變得更加保守、務(wù)實(shí)。

智元公司成立兩年來，平均研發(fā)年齡為30歲以下，無論是產(chǎn)品銷量還是收入，都實(shí)現(xiàn)了快速提升。

相信今年我們有機(jī)會(huì)在經(jīng)營層面上實(shí)現(xiàn)國內(nèi)行業(yè)領(lǐng)軍，成為真正的行業(yè)龍頭。我們用兩年時(shí)間走完了別人可能需要八年、九年才能完成的路程，這得益于快速上升的趨勢(shì)。