首页 / 资讯详情
一台工业具身机器人，从理想到现实要经过哪些坑？
摘要
没有被客户“骂”过的公司，绝不会知道，从实验室到真实场景中间有多大的“鸿沟”。 作者丨董子博 编辑丨林觉民 刚刚过去的 WRC，各家公司的展台只要涉及工业，躲不开的话题就是落地。数百个机器人在展台上爬着楼梯、跳着舞蹈、打着拳击……种种的展示，只是为了告诉市场：自家机器人究竟有多好的性能；但在科大讯飞的展台上，一家叫聆动通用的公司虽不算起眼，两台机器人按部就班地分拣着快递包裹，受制于现场因素，动作算不上伶俐，但准确率、抗干扰做得都很不错。聆动通用对 AI科技评论表示，在实际的工作当中，LDB 正在逐渐逼近 80-90% 的工人人效，机器人在场馆里动作慢，主要还是受限于馆内人流拥挤的环境——全速运转或许会有安全隐患。“我们的展示在这样的展会上会比较吃亏，不像翻跟斗、打拳，”聆动通用的 CEO 季超对 AI科技评论表示，“这也正好也说明，我们是真的在做落地的事儿。”在具身智能赛道，“落地”是一个被严重通胀的词汇。进工厂拍条视频叫“落地”，签个意向协议叫“落地”，甚至把机器人拉到展厅里走两步，PPT上也能写场景验证的“落地”——但真正的落地只有一个标准：客户愿不愿意在验收单上签字，以及签完字后，会不会因为无法实际落地干活，而导致不能真正买单验收。但当了解了更多聆动通用背后的故事之后，AI科技评论却发现，在“工业落地”的层面，他们走得相当果决。两个核心指标——“商业有闭环”和“批量可复制”——是他们心中最关键的落地能力。当然，这两句话，放到每一个目标工业的具身公司，都可以适用；但真的走进工厂，实验室里的“Simulation”（模拟）和实际场景的“Reality”（现实）却有巨大的鸿沟。怎么跨越这个鸿沟，聆动通用选择的，是一条没有捷径“难而正确的道路”。01商业可闭环：好的落地，是被客户“骂”出来的对于聆动通用 CEO 季超来说，在学校里，研究 Robot learning（机器人学习）的他经历过自动驾驶的周期；中科大毕业后，进入科大讯飞的他，又遇上了 AI 大模型的一波周期。但学术科班出身的季超，却在具身的行业里，主动选择了一条最脚踏实地的路。见过一个行业的大起大落，季超组建了一个以产业化实力见长的年轻团队，依托科大讯飞的深度孵化，建立了聆动通用——意在用物理 AI 的技术来服务产业，从“L2”级别的能力做起，沿途下蛋地找到应用场景、建立数据飞轮，进而用商业化的成绩反哺研发的投入。要做商业化，就必须找到最合适的场景。对于具身智能来说，劳动密集型的物流、汽车、装配产业自然是落地空间更大的场景——它不像家庭场景那样无序，天然为技术迭代提供了缓冲带；同时，在自动化设备和产线已经相对成熟的今天，柔性泛化的智能化能力仍然欠缺。在聆动通用看来，物流场景是个更好的起点，在一个更确定的环境下，公司可以先建立起自己的技术和商业化基本盘，进而支撑自己向着下一个高质量 B段场景的跃迁。实际场景里，客户看的最终只有 ROI，只要机器人能够在场景里实际产生价值，客户就会买单。但让具身机器人在场景里实际可用，却远没有想象的那么简单。聆动通用吃过亏——团队运行之初，当他们拿着自己设计的产品走进客户物流分拣的产线，实际的效果却让他们都傻了眼。先“掉链子”的是模型。在实验室里，聆动通用的模型可以做相当精准的识别和动作规划。但到了产线，模型却跑不起来了。季超一眼就看出了问题：例