如今但凡是标榜高科技的展会，总少不了人形机器人“来帮帮场子”。它们或是一记左勾拳右勾拳，或是一个漂亮的回旋踢，动作虽带着机械特有的笨拙感，但绝对是会场的顶流。作为暖场嘉宾，它们确实挺称职。可一旦真要它们干点实际活儿，这些机器人马上躺平给你看。

最近有新闻说，中国现在“牛马”够用，缺的是能扛事儿的“驴”。牛马有我们打工人，在未来，人形机器人能不能成为能扛事的“驴”？在成为合格“赛博驴”的路上，人形机器人最大的挑战究竟是什么？是大模型能力不足吗？不是。是机械结构不够精密吗？也不是。真正的关键，在于数据。

近日，数据猿与千寻智能副总裁、具身智能事业部总经理解浚源展开了一场对话，试图揭开人形机器人成长的秘籍以及成长的烦恼。

“人工智能的终究形态，

在于‘有身体’的智能”

近几年，大模型的飞速进步，让我们直观感受到了“智能涌现”的魅力。一直以来，“造人”始终是科学家门终极的追求，也是最浪漫的使命。

千寻智能也是其中的一员，他们十分笃定的认为——人工智能的最终形态，必然是具身智能。

这一判断基于两个重要原因：技术路径更短，成本优势更大。

具身智能，既可以说是为AI“装上身体”，也可以理解为给机器人“赋予大脑”。无论从哪个角度看，目标都是一致的——让机器人能像人一样“听说读写”、灵活行动，并具备规划与决策能力，自主完成复杂任务。

“相比于AI大模型，在现实世界的任务中，具身智能在技术上更容易实现落地。” 解浚源如是说。

这一观点，似乎有点挑战了大众的一般认知。毕竟在多数人想象中，造一个实体机器人肯定比开发“虚拟”的AI大模型更复杂——就像觉得钢铁侠的战衣比贾维斯的系统更难造。

解浚源解释道，过去几年，大模型在虚拟世界的进化能力让人叹为观止。吟诗作画、解题写程序，或者写一份工整漂亮的专业论文，它都信手拈来。但却难以回答“如何将玻璃杯平稳放置在倾斜桌面上”这类依赖物理直觉的问题。更不用说走入到物理世界，AI的表现就更“差劲”了，连“叠衣服”这么简单的动作，实现起来都很难。

而现实中大量任务——如整理房间、擦桌子等，虽然交互频繁，却并不依赖长链条的推理或记忆，更多是依靠实时感知与动作执行。这类任务重复性高、决策链短、实时性强，恰好是具身智能最能发挥价值的场景。

与纯AI大模型不同，具身智能拥有自己专属的AI大模型。它更轻，因为要在机器人端侧部署。它响应速度更快，因为机器人需要在真实世界中移动，一旦模型发生延迟，动作就会卡顿。它迭代速度更快，虽然技术栈同样基于Transformer架构，但具身智能大模迭代速度更快。以千寻智能为例，其自研的具身智能AI大模型几乎24小时就能完成一次迭代，比纯AI大模型的迭代速度提高了十几倍。

这些优势在物理世界的简单任务中被不断放大。具身智能或者说人形机器人最适合承接那些短程、重复的体力劳动，如洗衣、擦桌、洗碗等，将人从日常琐事中解放出来。

除了技术落地之外，成本优势是另一大关键。

解浚源进一步阐述说，社会上存在一个普遍的认识误区：具身智能或者人形机器人需要巨额的投入。其实则不然，跟大模型相比，具身智能的投入可以说“非常具有性价比了”。当前大模型企业的投入，大多砸在了算力上——很多头部企业买显卡一出手就是几百亿、上千亿。

“如果我们将同等规模的资源投入到机器人研发中，用于在物理世界采集数据，几十亿甚至几百亿的资金，足以获取海量的真实场景数据，从而快速推动实体智能的进步。而且机器人一旦落地，其价值也更加直观——它能实实在在地替代人类完成重复性体力劳动，比如搬运、清洁等。这种‘看得见、摸得着’的价值，比起大模型解题，更容易被大众理解和感知。” 解浚源说。

“数据飞轮是构建核心竞争力的关键”

在千寻智能展厅，我们有幸看到了公司的一款成熟产品——“墨子”机器人。

据解浚源介绍，“墨子”是真正意义上具备多任务连续泛化能力的具身智能机器人。从模型软件到底层硬件，千寻坚持全栈自研，甚至关节模组也是自主设计，AI与硬件的有机融合使“墨子”的性能参数达到行业一流水平。

“墨子”具备全身力控能力，能对外界力量做出实时响应。例如，当它在运动中意外撞到桌子时，不会硬性撞击导致损伤，而是会做出柔顺的缓冲反应。这一能力使其能够执行需要触觉反馈的任务，如擦黑板——对人来说轻而易举，但对机器人而言，若控制不够柔顺，一发力就可能失去平衡。

从项目启动之初，千寻智能就将“墨子”定位为具备市场价值的产品，因此选择了“轮式底盘+上身双臂”的技术路径。优先通过轮式结构解决移动与稳定性问题，再集中攻坚上肢的精细操作能力。解浚源指出：“人类的独特价值不在于奔跑速度或跳跃高度，而在于双手所能实现的灵巧操作。这正是我们聚焦‘大脑级’任务——上半身智能控制的原因。”

面向未来，解浚源分享了两大突破方向：

一是灵巧手技术仍需攻坚

尽管机器人的腰、腿、上身等整体结构已较为成熟，但实现人手级别的灵活操作仍是当前的主要难点。目前尚未出现真正实用、灵活且成本可控的灵巧手方案。要让机器人像人一样熟练抓取、旋转、按压不同物体，甚至完成穿针引线类精细动作，可能仍需数年时间持续打磨。