具身的誘惑，機器人如何突圍

“機器人的時代已經(jīng)到來，”英偉達首席執(zhí)行官黃仁勛在3月GTC大會上說，“各位請注意，這很可能成為所有行業(yè)里規(guī)模最大的行業(yè)?！?/p>

作為三年來人工智能熱潮的最大贏家，黃仁勛此言一出，又給火爆的“具身智能”添了把柴。

其實，“機器人”也好，“具身智能”也好，說法不同，本身是一個尚未普及同時并不令人陌生的東西。它最早誕生于1921年捷克劇作家卡雷爾·恰佩克的《羅素姆機器人》，Robot一詞就來自捷克語Robota。

劇中，機器人的制造，基于一種特殊的化學物質，工序涉及制造機器人皮膚的揉搓槽、盛載肝和腦的大桶，以及生產(chǎn)骨骼的工廠；神經(jīng)纖維、動脈和腸臟則“紡制”于工廠的線軸。

它們可以像汽車一樣組裝起來。

科幻作家艾薩克·阿西莫夫很討厭這個作品，但卻肯定了恰佩克創(chuàng)造Robot這個詞的文化價值，“這個詞讓所有語言的科幻小說成為可能”。同樣，它在現(xiàn)實世界的影響力也毋庸置疑，百年來，激勵無數(shù)科學家去開發(fā)一種與人類相似、具有智能，能夠像人類一樣行動、推理和互動的機器，融運動、感知和互動為一體，以再現(xiàn)人類的身體、認知和社會功能—也就是人形機器人。

正如恰佩克在序幕中提出的戲劇沖突，制造機器人，到底是為了證明“不僅神可以造物，人類也可以”，還是用來創(chuàng)造經(jīng)濟價值，機器人公司內部存在巨大的分歧。而在現(xiàn)實世界里，觀念領域的造物沖動、商業(yè)層面的巨大誘惑，都吸引著人類對機器人的無盡想象。

在100年后的今天，AI已經(jīng)普及，卻囿于數(shù)字世界、只能處理信息，人們都知曉一點，這遠非智能革命的終點。賦予AI這一大腦以“肉身”，讓它沖破二進制世界的禁錮，參與物理現(xiàn)實世界的互動，才是人類的終極夢想。

但這也引出一個很曖昧的問題，機器人，為什么非得像人？

從“手臂”到“人形”

第一個現(xiàn)代機器人“尤尼梅特”于1954年問世，“搖籃”則是美國通用汽車制造廠。

“尤尼梅特”和艾薩克·阿西莫夫最初的設想很像。1940年代，阿西莫夫的“機器人”在火星上干活，那里條件艱苦，工作枯燥，甚至得靠心理學家解決“心理問題”。十幾年后，發(fā)明家喬治·德沃爾和約瑟夫·恩格爾伯格創(chuàng)造了一臺可編程的“尤尼梅特”，用來處理汽車廠里沒人干的臟活累活—搬動上百攝氏度的模切金屬部件。

現(xiàn)實還追不上科幻小說?！坝饶崦诽亍保║nitmate）沒有人形，只是個“機械臂”。經(jīng)過幾年的測試，1961年，它成功部署在通用汽車的一家工廠里。一用上“尤尼梅特”，通用就“殺瘋了”—每小時生產(chǎn)110輛汽車，是當時任何一家車廠生產(chǎn)效率的兩倍多。

又過了十幾年，維克多·施恩曼于1969年創(chuàng)造了“尤尼梅特”的進化版，也叫“斯坦福臂”。比起從磁鼓存儲器里接受指令的“尤尼梅特”，“斯坦福臂”不僅靠計算機軟件精細控制，還具有六個運動軸，更接近人體手臂的活動范圍。

1972年，人工智能機器人出現(xiàn)了。因為動作顫顫巍巍，斯坦福研究所的研究人員給它起名“搖晃者”（Shakey）—給“搖晃者”下達指令，“找出房間里的障礙物”，它會使用多個傳感器來完成任務。

“搖晃者”采用的是簡單的計算機視覺技術。這項技術一直影響至今，在2010年代尤其發(fā)揚光大。美國電動汽車特斯拉就徹底采用“純視覺方案”，靠攝像頭而不是激光雷達來檢測周圍環(huán)境和物體。它可以收集數(shù)據(jù)，構建環(huán)境模型，然后使用“規(guī)劃”程序生成下一步行動。這種“規(guī)劃”層的設計，是機器人歷史上最重要的創(chuàng)新之一，至今大多數(shù)機器人系統(tǒng)依然采用它的構思。

在1970年代末期，日本學者牧野洋開發(fā)出SCARA（也叫選擇性柔順裝配機械臂），專門為拾取和放置物體而設計。

工業(yè)流水線的本質，就是將組件從一個點移動到另一個點，勁兒雖小、但速度更快的SCARA，極大提高了工業(yè)生產(chǎn)的效率，由此，電子裝配、汽車生產(chǎn)、制藥、食品和飲料加工以及包裝和材料處理等行業(yè)，如虎添翼地發(fā)展起來。

其實，工業(yè)生產(chǎn)不是特別需要人形機器人，適合流水線的往往是機械臂、機械腿—只需要“像”人體的一部分就夠了。近十幾年流行的“機器換人”浪潮，換上來的也都是各種“機械肢體”，有些純“運輸類”機器沒手沒腳，靠“履帶”運動。

進入家庭、和人打交道的機器，才需要做成“人形”。

走進千家萬戶？

20多年前，美國機器人學家辛西婭·布雷澤爾就強調，如果機器人要和人類一起工作和生活，要得到人類的信任，就必須讀懂人類的情緒、表現(xiàn)自己的個性。

2000年，第一款社交機器人“命運”（Kismet）橫空出世—為了體現(xiàn)“與人類打交道”的獨特性，它甚至只有一個“腦袋”來傳情達意。它“長”著一對富有表現(xiàn)力的黃色眉毛，濃重的紅唇，粉色招風耳和藍色的大眼睛，由21個電機控制，能表達從快樂到無聊等一系列表情。

音頻傳感器和算法，可以讓它“察覺”人的反應：如果你對它大喊大叫，它會顯得沮喪。如果你輕聲細語，它會流露出好奇。通過創(chuàng)造“命運”，布雷澤爾向大眾展示了機器人“應有”的魅力和表現(xiàn)，為日后的Alexa、Siri以及Google Home等語音助手奠定了基礎。

“命運”的知名度，遠不如同時期的日本本田E系列機器人“阿斯莫”（ASIMO）。阿斯莫高130厘米，重54公斤，外形酷似背著背包的太空人，能以時速6公里的速度前進。它能完成開水瓶、握紙杯、倒水的精細動作，到2012年時已經(jīng)具備同時與三人對話、手指獨立運動、雙腳同時離地的功能。

21世紀初，一個迄今為止最成功的To C應用出現(xiàn)了—掃地機器人。2002年，Roomba“入侵”了人類客廳。它的創(chuàng)造團隊iRobot成立于1990年，由麻省理工學院的研究人員組成，本來是給美國軍方造機器人的。

當時美國軍方需求是“排雷”，讓機器人檢查地雷區(qū)域，iRobot就開始研究如何在給定面積里，讓機器人探索每一平方米。歪打正著，這個功能正好能掃地。2002年，Roomba成了第一款真正受到廣大消費者歡迎的機器人，更用事實證明，只要足夠有用，是不是人形都沒有關系。

緊接著，物流機器人也在2003年出現(xiàn)。米克·蒙茲的Kiva機器人游走于巨大的倉庫，來回查找和拾取物品。與傳統(tǒng)的傳送帶系統(tǒng)相比，自主性的物流機器人更加靈活機動，易于使用。Kiva和Roomba長得很像，只不過后者是“底部使勁”吸塵，前者是“頂部使勁”承載物品。

Kiva徹底改變了倉儲和運輸?shù)男?，帶來電子商務的突飛猛進。2012年，亞馬遜花7.75億美元收購了該公司。

2004年，波士頓動力的“大狗”（Big Dog）成為YouTube觀眾的最愛。自打誕生起，這個黑不出溜的四足機器人，時而踱步于綠樹成蔭的森林，時而攀爬在60度的山坡，時而踏進齊膝深的積雪，時而跳過成堆的磚塊。被人從側面狠狠踹一腳，它也頑強不倒。

“大狗”不是自主型機器人，靠人工控制器做動作，因此也就沒有視覺系統(tǒng)和復雜的程序。它配備50個傳感器和1臺計算機，用于管理步態(tài)和身體平衡。最厲害的是，只要有兩只腳同時接觸地面，它就可以彈跳，比其他機器人靈活多了，能適應更復雜的路況。

“大狗”也是為了物流打造的，它能翻山越嶺，也能上下樓，拿點包裹捎點物件不是問題。當然，想軍民兩用也不難，崎嶇的戰(zhàn)場上送幾件武器不在話下。

這種不走人形的智能機械路線，也延伸到了汽車里。2005年，自動駕駛汽車完成了第一次重大測試。一輛名為“斯坦利”的大眾途銳贏得第二屆“DARPA”挑戰(zhàn)賽?！癉ARPA”是美國國防部高級研究計劃局的簡稱，挑戰(zhàn)賽的內容是在典型的戰(zhàn)地場景，讓汽車按照給定的路線圖躲避障礙，到達安全點。

2004年第一屆DARPA挑戰(zhàn)賽沒有贏家，100萬美元的獎金無人認領。2005年第二屆挑戰(zhàn)賽，獎金翻了一倍，達到200萬美元，路線為212公里的莫哈韋沙漠賽道。195支參賽隊伍，5支跑完全程，斯坦福大學的“斯坦利”以6小時53分的成績獲得第一名?！八固估鲍@勝的秘訣是一系列技術改進：根據(jù)人類駕駛習慣訓練的程序，5個激光雷達傳感器識別車輛前方25米內的物體。

雖然線路是事先規(guī)劃好的，障礙是靜態(tài)的，所有參賽車輛也不會“碰頭”，但“斯坦利”的成功證明了自動駕駛的現(xiàn)實可行性。自那以后，“挑戰(zhàn)賽”的難度越來越高，車輛和環(huán)境的互動性也越來越強，自動駕駛成為汽車行業(yè)最大的愿景。

肉身未具，大腦先來

執(zhí)著于“像人”的傳統(tǒng)機器人公司，似乎陷入了迷途。

2018年阿斯莫停產(chǎn)，意味著人形機器人的路線還沒有走通。雖然它樣子很萌，也會做不少事情，但離走進家庭、真正幫人做事還有極大的距離。它的成本又過于昂貴，單臺300萬美元，維護一次都夠買一輛小汽車的了。

波士頓動力幾代“元老”機器人先后退役停產(chǎn)，包括雙足機器人“阿特拉斯”。2021年，波士頓動力被軟銀收購，又被轉手給現(xiàn)代汽車，2024年停止開發(fā)人形機器人。

2017年在沙特利雅得“未來投資峰會”上獲得公民身份的機器人“索菲亞”，也不再有任何音訊。

上個時代呼風喚雨的機器人公司，已經(jīng)跟不上快速崛起的AI浪潮：由于機械制造和程序設計已經(jīng)逼近極限，傳統(tǒng)機器人卡在了阿斯莫和阿特拉斯的“巔峰”上，似乎再無法前進。

2010年代初，人工智能革命悄悄醞釀，即將徹底改寫機器人產(chǎn)業(yè)。2012年，英國人工智能專家杰弗瑞·辛頓和多倫多大學的一個團隊，創(chuàng)建出世界上最精確的視覺識別系統(tǒng)，達成了人工智能領域近半個世紀來的最大進步。

第二次世界大戰(zhàn)后，人工智能（那時候還叫“機器智能”）研究方法分裂成“劍宗”和“氣宗”。一派主張“自上而下”，在機器中制定全套符號和規(guī)則以適應人類世界；一派主張“自下而上”，讓機器模仿大腦“神經(jīng)模型”來自動學習。20世紀六七十年代，“自上而下”派獨領風騷，隨即遭遇瓶頸—世界廣大，背景繁雜，一對一給機器寫符號規(guī)則也難以窮盡。

辛頓這一派搞的是“自下而上”，20世紀80年代開始走向“復興”，名字也改了又改，最新的名字叫“深度學習”。2024年，辛頓獲得諾貝爾物理學獎，得號“AI教父”。

辛頓訓練視覺神經(jīng)網(wǎng)絡幾十年。其技術底層是卷積神經(jīng)網(wǎng)絡，利用反饋來調校輸出，其實就是類似于人類神經(jīng)網(wǎng)絡的多層感知系統(tǒng)。不同的神經(jīng)層接收、處理不同的信息，層層遞進，得到一個關于某事物的“正確”描述。計算機模擬這一過程，開始“學習”人的“識別”“認知”能力。

這一技術方向非常需要大量數(shù)據(jù)和強勁處理能力。移動互聯(lián)網(wǎng)大爆發(fā)和芯片迭代帶來了好機會。2012年，辛頓如愿以償，他的程序在ImageNet比賽中脫穎而出，能識別和排序超過100萬張圖像，錯誤率僅為15.3%，比最接近的對手還高出10個百分點。

幾個月內，所有AI公司一股腦涌向“深度學習”，谷歌也發(fā)布了開源工具。在今天，這項技術已經(jīng)相對成熟，最小型的初創(chuàng)公司都能依此制造出靠視覺識別進行日常工作的機器人。

2022年，OpenAI的聊天機器人ChatGPT引發(fā)了另一波AI浪潮。在使用深度學習模型時，研究人員加上了“激勵機制”。這是一種新的AI訓練方法，標記者會在模型中書寫期待的回復，按照期待的回復為標記的答案排序，通過排序來獎勵模型—就好像訓練小狗，按照人的口令去做，做對了就會得到吃的，它就會越做越好。

ChatGPT一招就震驚全球：聊天幾乎和人沒有差別，甚至比大部分直男會“說話”。從此，AI公司又擠在了訓練大模型、打磨大模型的競爭之路上。2025年初，DeepSeek一炮而紅，用更小、更優(yōu)質的開源模型和更低廉的成本，提供了和OpenAI差不多的產(chǎn)品，在中國，DeepSeek快速介入各種場景，智能化浪潮掀起高峰。

至此，機器人的進化路線也更加鮮明。阿斯莫和阿特拉斯的極限，其實正是人工智能“自上而下”派的極限，因為世界萬物難以一一寫成程序，那么更好的辦法就是讓機器人裝上“大腦”（大模型），自己學習世間萬物。

“像人”的執(zhí)念

2016年，王興興剛創(chuàng)辦宇樹科技時，做的是機器狗。投資人問他做不做人形機器人，他堅決地說不做。他不是不想做，而是那時的人形機器人“差一點火候”。

點燃這把火的，是特斯拉創(chuàng)始人埃隆·馬斯克。

在ChatGPT尚未問世時，馬斯克的人形機器人“擎天柱”便高調亮相。他一再表示：“未來特斯拉的長期價值就體現(xiàn)在人形機器人擎天柱上?！?/p>

兩個月后，ChatGPT讓人們“恍然大悟”，原來馬斯克的“大棋”下在這里，有了“大腦”，萬物皆可智能，何況機器人呢？

根據(jù)人形機器人場景應用聯(lián)盟統(tǒng)計，2024年全年，全球人形機器人新品發(fā)布數(shù)量已超過106款，數(shù)量超越過去20年的總和。一度陷入迷途的人形機器人，現(xiàn)在重新?lián)P帆起航。

2025年中國春節(jié)聯(lián)歡晚會，長達4個小時的節(jié)目演出中，人們印象最深的就是宇樹機器人“扭秧歌”。

中國和美國的機器人產(chǎn)業(yè)競爭也日益激烈。美國公司關注技術前沿，喜歡探索未知的技術難題，在基礎模型、數(shù)據(jù)科學和分析、模擬和視覺軟件、芯片等機器人“軟技術”方面更具優(yōu)勢。

中國公司則依托完備的供應鏈，側重于如何將現(xiàn)有技術整合到實際應用中，在減速器、傳感器、電機、絲杠、控制系統(tǒng)等硬件上更勝一籌。

相比之前機器人行業(yè)的幾次爆發(fā)，此次爆發(fā)不僅有AI技術加持，工程技術亦有突破。以前電驅動不成熟，波士頓動力一直用的是液壓驅動，價格高，維護成本也高，而優(yōu)必選、宇樹等進入機器人行業(yè)時，電驅動技術逐漸成熟，可以直接從電驅動技術切入市場。宇樹研發(fā)的高扭矩密度電機（220Nm/kg）成本僅為波士頓動力液壓系統(tǒng)的1/10。

不過，技術的局限依然制約機器人的發(fā)展。特別是人形機器人，想要做到“像人”，絕不僅僅是會跳舞、奔跑、打太極、扭秧歌這么簡單。人形機器人的突圍之路，還很漫長。

其實，一定要做成“人形”也是某種執(zhí)念。從進化的意義上看，模仿人類大腦容易，模仿人類肢體運動極難。因為高級認知能力頂多發(fā)展幾百萬年，但運動能力發(fā)展了幾十億年，越新的東西，發(fā)展越不成熟，也就越好模仿。

寒武紀生物大爆炸時期，只要多幾個感光細胞，就能活得比別“人”久。脊椎動物的神經(jīng)髓鞘，讓神經(jīng)傳導速度遠快于非脊椎動物，反射速度也就更快。只不過這些能力已經(jīng)“內化”，讓人類覺得十分“簡單”。

換句話說，在人工智能時代，機器人想要“更聰明”很容易，想“更靈敏”卻很難。但業(yè)界一股腦去琢磨“更靈敏”，除了一定要“攻堅克難”之外，可能也有一些“一步到位”的想象—畢竟，只要人形機器人量產(chǎn)了，每家一個機器人的日子也就不遠了，誰不想擁有一個物美價廉、使喚起來又沒有道德壓力的“奴隸”呢？如果有成百上千個，一不小心就“割據(jù)一方”了。

也許，這一天終將到來，畢竟人類的創(chuàng)造力總在不斷突破自身的想象力。但機器人如何突圍，不僅是一個技術問題，也可能是一個社會問題。人們創(chuàng)造出它們，希望讓人類免于勞苦、危險和剝削，從而獲得閑暇、自由和尊嚴，去改善生活品質，提升認知，陶冶情操，但人類自身尚不能避免愈演愈烈的階級分化，那么，我們又該如何想象一個人與機器人共存的世界？

機器人，是人類德性的鏡子。