从北门进入世博展览馆，一排由人形机器人组成的“十八罗汉”几乎被观众围得水泄不通。不仅如此，本届大会还有特斯拉Optimus-Gen 2（擎天柱二代）、全尺寸开源通用的“青龙”等人形机器人国内首秀首发，受到多方关注。

　　去年大会上，似乎人人都在谈论ChatGPT，而今年，人形机器人的热度已经不输通用大模型。在首日的人形机器人主题论坛上，甚至有企业家表示，“具身智能才是实现AGI（通用人工智能）的最有效途径，OpenAI的大方向大概率是错的”。

　　人形机器人赛道，正在迎来产业化“蝶变”的关键时刻。

　　擎天柱二代2025年量产目标

　　像为国内企业定了个倒计时

　　提出“具身智能是实现AGI的最有效途径”观点的是宇树科技CEO王兴兴。王兴兴是90后，2016年创办宇树科技。几年时间里，宇树科技的员工从3人一路发展壮大到500人，连续拿下红杉中国、德迅投资等知名创投基金的投资，今年年初还完成了10亿元的B2轮融资。

　　“快”是这家企业发展的关键字。就在今年5月份，宇树科技发布了其最新的人形机器人产品——Unitree G1，市场售价仅9.9万元起，这让宇树科技一下子成为机器人市场的焦点。

　　9.9万元是什么概念？目前特斯拉公开的人形机器人Optimus-Gen 2，预计成本价在1万美元左右，市场售价在2万美元左右，9.9万元可以说是一个非常“接地气”的价格。展会现场，工作人员向记者表示，目前他们已经收到了不少这款机器人的全球订单。

　　不过，宇树科技目前发布的人形机器人并没有搭载大模型“大脑”，这是其与特斯拉Optimus-Gen 2的最大区别。业界通常将前者归类于一代人形机器人，将后者归类为二代人形机器人。目前，宇树科技将AI大模型运用在了其技术更成熟的四足机器人上。

　　特斯拉的Optimus仍然是业界的风向标。在本次世界人工智能大会上，特斯拉Optimus-Gen 2在上海首次亮相，吸引了大批观众。

　　此次特斯拉带来的Optimus-Gen 2人形机器人为静态模型机。现场有业内人士表示，特斯拉从未将原型机在线下展出可能出于两个原因：一是人形机器人仍在训练的过程中，产品功能还有待完善，二是为防止机器人被拆机或商业信息泄露，上市前不会让外界接触其原型机。

　　无论是出于哪一种考虑，在官方口径里，特斯拉的这款机器人都会在2025年年底前量产上市，届时将有超过1000个Optimus-Gen 2被投放到特斯拉工厂。

　　这似乎像一个倒计时，不断地提醒着国内企业，人形机器人的产业化迫在眉睫。现场多家人形机器人企业的工作人员告诉记者，目前国内做人形机器人的企业越来越多，他们预计国产AI人形机器人商业落地需要3到5年。

　　青龙从开发到发布只花6个月

　　产业基础好让“高集成”能速成

　　回到开头的观点，人形机器人正在打破国内人工智能产业对ChatGPT的迷信，其背后原因也有一些中国特色。

　　本次世界人工智能大会上，另一款大热人形机器人——青龙，由国家地方共建人形机器人创新中心（以下简称“国地中心”）研发。国地中心技术负责人邢伯阳告诉记者，从开发到发布这款人形机器人，只花了6个月的时间。

　　人形机器人是集成度极高的产品，国地中心为什么能这么快完成？这与长三角的机器人产业基础有很大关系。

　　据介绍，青龙人形机器人的很多零部件都是长三角制造，其安装的“大脑”——朱雀，也是由科大讯飞星火大模型和书生·浦语大模型支持。

　　在青龙人形机器人展台，业内人士对记者表示，国内工业自动化产业发展得早，近两年大模型又发展势头迅猛，基础良好。“上海有上海人工智能实验室，还有这么多互联网企业，要想实现AI+人形机器人其实很快”。

　　中国有做机器人的基础，通过具身智能有可能更快地让人工智能实现产业落地、商业闭环，这是人形机器人赛道愈发火爆的关键原因。另一边，以ChatGPT为代表的大语言模型已经爆火近两年时间，产业化的问题在逐渐暴露，这也是更多人将眼光投向人形机器人赛道的重要原因。

　　王兴兴在大会论坛上表示，“大模型对平面数据的理解做得非常好了，但对时间、空间的理解还远远不够。”他认为，世界模型+具身智能才是通向AGI的最佳路径——目前全球顶尖的科学家都在推动世界模型的构建，让机器人真正理解整个世界，进入工厂、家庭这样的场景帮人类完成劳动。

　　卡点在获取规模化数据“练脑”

　　合成数据和数据开源是两条路

　　一条赛道迅速火热，必然伴随着浮躁。

　　邢伯阳表示，人形机器人商业化现状有点混乱：有解决方案提供商专门卖控制算法，60万元就能让人形机器人动起来。但这种一代人形机器人的实际应用非常有限，要想实现广泛的商业应用，还是要让AI赋能人形机器人。

　　但AI赋能还面临着很多挑战。大模型植入机器人不难，要想适配应用场景却极为不易。目前市面上开发的二代机器人大多采用“大脑+小脑”的AI赋能模式。比如青龙，就配置了“朱雀”多模态大模型作为“大脑”，用于接收外界信息和任务决策；“玄武”模型作为“小脑”，用于控制机器人运动轨迹、具体任务执行。

　　“大脑”模型，即多模态大模型，这在当前国内市场有很多选择。但“小脑”模型需要各个开发机构各自构建，并且进行专门化的动作训练，才能适配特定应用场景。在训练“小脑”的过程中，最难的是数据积累。邢伯阳认为，人形机器人规模化数据是整个行业目前最大的痛点。现在人形机器人开发机构使用的数据，一方面是来源于国外的开源数据，另一方面是来源于开发者自己采集的数据。自采数据成本很高，企业需要使用大量人力重复工作。

　　北京大学助理教授、北大—银河具身智能联合实验室主任王鹤在前述论坛中提到，在特斯拉的公开信息中，为训练Optimus-Gen 2放置电池到红盒子里这一动作，特斯拉就出动了40人的数据采集团队，这样高成本的数据采集方式对商业转化是非常不友好的。

　　为了解决规模化数据的痛点，业界也做了不少尝试。王鹤认为，合成数据可能是获取大体量数据的关键技术。还有机构则在推动数据开源，通过共享来降低数据获取成本。

　　在本届世界人工智能大会上，国地中心除了发布青龙人形机器人，还推出了OpenLoong开源社区，有望聚集更多应用单位、人形机器人整机制造商以及核心部件的上下游企业，加速技术创新和产业应用。