# 40: 通用机器人，AI 的下一个浪潮？ 晚点聊 LateTalk · 2023-07-27 本期《晚点聊》邀请梅卡曼德创始人兼CEO邵天兰，讨论通用机器人（人形机器人、具身智能）热潮：大模型让这个目标从“登月”变成“攀登喜马拉雅山”，首次呈现可行路线，但机器人四肢的进化远慢于“大脑”，大概率出现“聪明的脑子、笨拙的四肢”。邵天兰描述，世界人工智能大会上特斯拉人形机器人仅是模型也被围观，英伟达、微软、谷歌、字节跳动、腾讯等都在布局；通用机器人必须能在物理世界操作交互，智能客服不算。他解释，今天机器人完成简单任务仍靠大量人工编程，深度学习只占小比例，比如制衣厂自动化缝纫机切换新品要编程两天，而订单一两天就生产完了，因此设备闲置；农夫山泉生产线几乎无人，因为产品常年不变，而咖啡店店员一小时可能干几十种杂事，机器人做不到；全球工业机器人年销量约50万台，仅在汽车焊接、物流搬运等稳定场景普及。大模型能带来常识和推理（如“热饭”与微波炉的关联），但手、腿、驱动器等机械部件十年进化可能不到一倍，而算力讨论单位十年进化100万倍、训练数据从1万张图片变成全网文本，所以机械是更大瓶颈；他寄望用AI在仿真中加速机械工程设计，让人一年两次的迭代变成一天千次。对人形机器人，他认为世界为人设计，人形因此是最佳形态；特斯拉Optimus若真做出能干活的第一台，是从0到1，比造电动车难得多。他还谈到酒店电梯已为送货机器人做无障碍改造，ChatGPT反而训练人更清晰地沟通，就业担忧可参考洗衣机、织布机的历史，通用机器人技术不会被一两家垄断，而会像电脑一样进入并重塑每个行业。 ## Questions this episode answers ### 为什么说AI能打败围棋高手，却取代不了富士康流水线工人？ 程曼祺提到一个评论说AI可能最先替代白领而非蓝领；富士康流水线工人组装手机需要把细小螺丝嵌进去、插排线，对自动化设备很难。邵天兰解释，智能系统更容易替代容易定义、标准化、重复的工作，围棋数据标准且易获得，而物理世界的操作很难获得数据。 [24:44](https://latetalk.podhood.com/db1e663a-2122-49d7-b421-6924f6b9e650?t=1484000) ### 为什么通用机器人一定要做成人的形状？ 邵天兰认为这是互为因果：今天的世界是为人设计的，楼梯、电梯按钮、锤子都符合人的身体和手，所以人形机器人是最好的方向；如果世界由机器人统治，可能会出现半人马等不同的形态。 [51:16](https://latetalk.podhood.com/db1e663a-2122-49d7-b421-6924f6b9e650?t=3076000) ### 为什么说通用机器人是机器人普及的前提，而不是反过来？ 邵天兰说通用机器人是实现机器人大规模普及的路线：要先具备通用能力才可能普及，而不是反过来；就像早期计算弹道、算账、统计人口的专用电脑从未真正普及，通用电脑出现后才大规模进入生活。 [5:53](https://latetalk.podhood.com/db1e663a-2122-49d7-b421-6924f6b9e650?t=353000) ### 为什么说大模型让通用机器人从“登月”变成了“攀登喜马拉雅山”？ 邵天兰认为，以前讨论通用机器人像在飞机尚未发明时讨论登月，没有可行路线；大模型的出现让它从登月变成攀登喜马拉雅山——虽然仍极难，但已经能看到一条可行的路线，所以大家开始投入。 [9:31](https://latetalk.podhood.com/db1e663a-2122-49d7-b421-6924f6b9e650?t=571000) ## Key moments - **[0:00] 开场** - **[1:34] 热潮** - [1:59] 邵天兰：世界人工智能大会上特斯拉只展出了人形机器人模型，里三层外三层被围观，旁边的车反而没人看 - **[3:02] 概念** - [5:53] 邵天兰：通用机器人是实现机器人大规模普及的路线，先有通用能力才有普及，而不是反过来 - **[6:47] 路线** - [7:10] 邵天兰：2023年通用机器人、具身智能在几个月内从小众学术话题变成大公司、投资人和创业公司争相关注的热点 - [8:30] Q: 通用机器人热潮是大模型带来的吗？ 邵天兰：大模型是关键变量，但马斯克一己之力也绝不可忽略 - [9:31] 「大模型的出现，就让这件事情从登月变成了攀登喜马拉雅山」——邵天兰谈通用机器人可行路线 - [10:02] 邵天兰：马斯克等公司和学校开始‘修梯子’，用大力出奇迹的方式向通用机器人攀登 - **[11:32] 感受** - [11:43] 邵天兰：2015年前后深度学习让人脸识别和语音识别成为日常工具，大模型让他看到机器获得常识和推理能力的潜力 - [13:18] 邵天兰：谷歌DeepMind的RoboCat采用演示学习范式，多模态大模型让这类旧范式展现令人信服的效果 - **[15:37] 原理** - [15:53] 邵天兰拆解‘从冰箱拿一瓶水’：机器人需要视觉识别定位、抓取、运动规划和任务理解决策等综合能力 - [18:09] 邵天兰：今天机器人最难的环节是对宏观任务的理解与规划，视觉识别已经大大简化 - [19:05] 邵天兰：让机器人从冰箱拿水仍要人工编几天程序，今天的机器人干活靠大量规则编程而非深度学习 - [21:25] 邵天兰讲制衣厂见闻：自动缝纫机闲置，因为换新品编程要两天，而订单一两天就生产完了 - **[23:02] 现状** - [23:07] 邵天兰：工业机器人全球年销约50万台，只适合汽车焊接、物流搬运等长期稳定场景 - [24:11] 邵天兰：农夫山泉产线自动化率极高、几乎无人，因为产品形态几十年不变；手机、汽车和服装变化快所以自动化难 - [25:08] 邵天兰：AI先替代的是翻译这类易定义、标准化、可重复工作，咖啡店员这种一小时几十种杂活很难替代 - [26:32] 邵天兰：围棋能用361个点精确编码，所以AI易收集海量数据；物理世界抓取动作的数据却很难规模化获得 - [27:56] 邵天兰：大模型让机器人从文本数据获得常识，‘把饭加热’和微波炉的联系不需要物理世界数据 - [29:03] Q: 不同品牌微波炉的开门方式机器人从哪学？ 邵天兰：从互联网图片/视频或人的示范中学 - **[31:09] 机械瓶颈** - [31:29] 邵天兰：过去十年算法、算力、数据进步了万倍甚至百万倍，机器人手和驱动器的硬件进步可能不到一倍 - [33:27] 邵天兰：物理世界不能像比特世界那样百万倍进化，今天机器人可能有个聪明脑子却四肢笨拙 - [35:00] 邵天兰：过去十年机器人产品形态几乎没变，性能整体提升可能在一倍以内，和汽车一样像‘鲸鱼繁衍’ - [36:44] 邵天兰：用AI设计图纸并在仿真里验证，机械产品一年进化两次可能变成一天1000次 - **[38:52] 智能工程** - [38:56] 邵天兰：陶哲轩已展示用ChatGPT配合发现新数学定律，AI也可以直接服务工程和设计 - [40:58] 程曼祺：苹果已开始用AI改造内部产品设计，没有对外发布AI产品 - [42:19] 邵天兰：机器人硬件缺少底层驱动力，最可能的突破点在驱动器——相当于人的肌肉 - [43:35] 邵天兰：电机由铜和铁组成、重量是肌肉七八倍，力量却不如肌肉，导致机器人笨重 - **[44:30] 商业驱动** - [44:53] 邵天兰：马斯克的100亿机器人愿景会带来资金和人才，但机械进步需要材料或底层的范式改变 - [46:19] 邵天兰：机器人肌肉/电机的大变化迹象暂时没有，突破可能明天也可能十年后甚至永远不出现 - [48:26] 邵天兰：人形机器人是终极形态，哪怕做出一台每天工作三四个小时的有意义机器人，就是0到1的巨大革新 - [49:02] 邵天兰：此刻世界上没有一台人形机器人在做有意义的事；波士顿动力也只是演示，不是每天上班 - [49:23] 邵天兰：人形机器人比特斯拉造电动车难得多，特斯拉之前已有电动车，而人形机器人是从0到1 - [50:30] 汉洋：他阳台上的机器狗买来后最大的用处是摆开表演，什么实际工作也干不了 - **[51:12] 人形之辩** - [51:12] Q: 通用机器人一定要是人形吗？ 邵天兰：世界为人设计，楼梯、电梯按钮、锤子都按人体设计，所以人形是自然选择 - [52:39] 邵天兰：如果汽车今天才发明，为自动驾驶重新设计街道会容易得多；现有道路为人设计所以自动驾驶难 - [55:29] 邵天兰：未来会像轮椅无障碍一样出现‘机器人无障碍’设计，酒店已经为送货机器人改造电梯 - [57:35] 邵天兰：和ChatGPT交流让人学会把上下文、目的和约束说清楚，机器人进入社会让人成为更好的沟通者 - [59:03] 邵天兰：对机器人未来非常乐观，生产力提升会创造新需求；洗衣机替代人力后人类创造了更多工作 - [1:00:53] 邵天兰：通用机器人一旦做出来，是哪家公司完成的不再重要，它是全人类共同的终极方向 - **[1:03:12] 未来展望** - [1:03:22] 邵天兰预测：未来两三年通用机器人雏形会在少数场景初步证明自己，哪怕一台也是有意义的突破 - [1:04:48] 邵天兰：梅卡曼德专注3D传感器、视觉识别和运动规划等关键模组，提供给整体方案公司 - [1:06:18] 邵天兰：机器人会像电脑一样重塑每个行业；今天用机器人上新闻，10年后不用机器人会让人难以想象 - [1:08:27] 邵天兰：不同意二战后技术变慢；芯片、算法、数据、AI进步巨大，只是材料和机械等行业慢 ## Speakers - **曼祺** (host) - **王汉洋** (host) - **邵天兰** (guest) ## Topics AI模型团队动态 ## Mentioned OpenAI (company), 字节跳动 (company), 微软 (company), 梅卡曼德 (company), 波士顿动力 (company), 特斯拉 (company), 腾讯 (company), 英伟达 (company), 谷歌 (company), AlphaGo (product), AlphaZero (product), ChatGPT (product), Optimus (product), RoboCat (product) ## Transcript ### 开场 **王汉洋** [0:01] 我怎么介绍你比较合适 ？ **邵天兰** [0:03] 我就说是机器人行业从业者 。 **王汉洋** [0:06] 所以你不想提你们是独角兽是吧 ？ **邵天兰** [0:08] 不是啊 ， 你这出门在外， 你得看看你得给听众带来什么价值 。 你给听众今天又不是讲什么企业经营 ， 讲什么融资 ， 对吧 ？ 今天讲机器人， 相关的身份叫机器人行业从业者 。 **王汉洋** [0:20] 行 ， 刚才那不讲了 。 那挺好的说法 。 大家好 ， 欢迎大家收听本期的 《 晚点聊 》。 我是主播汉洋 ， 和我在一起的是曼琪 。 **曼祺** [0:26] 我是 《 晚点科技报道 》 的负责人曼琪 。 然后今天我们邀请到的嘉宾是梅卡曼德的创始人邵天兰 ， 按他自己的介绍就是机器人从业者 。 那今天我们的话题也是关于机器人的 ，是想聊一聊说通用机器人到底离我们还有多远 ，因为今年这块特别火嘛 。 **邵天兰** [0:41] 各位听众朋友好 ， 我是邵天兰 。 嗯 ， 我是从 10 年前开始进入机器人这个行业 。 当时我是从清华的计算机软件毕业 ， 之后去德国慕尼黑工大去读机器人相关的专业 ，并且在德国从事机器人相关的研发 。2016 年底我回国创办了梅卡曼德机器人， 致力于通过人工智能技术还有 3D 视觉 ， 让机器人能够更加的智能 ， 特别是能够在制造业和物流 中完成很多以前完成不了的任务 。 经过这些年的发展 ， 我们也是取得了很多规模化的应用 ， 现在我们已经服务于全球几千家客户 ， 主要是在制造业的很多环节中代替人来完成很多的这样的繁重的工作 。 最近我们也非常关注像大模型还有像通用智能带来的进步 ， 我们也希望说能够将机器人的智能带上一个更新的一个高度 。 ### 热潮 **王汉洋** [1:34] 就我们这期其实是聊通用机器人嘛 ，但这个其实是一个最近很火的话题 。 我觉得很多不在这个行业的朋友其实没有意识到这个东西究竟有多火 。 比如像前一段还有这个世界人工智能大会什么的 ， 我发现身边非常多的朋友都去了 ，但是对于不是这个行业的从业者来说 ，他们觉得就啥事啊 ， 就也没注意到这个东西的发生 。 所以我想先让天兰能不能描述一下就这件事情现在究竟有多火啊 ， 包括像你去世界人工智能大会现在什么情况 。 **邵天兰** [1:59] 最近智能机器人啊 ， 像这个通用机器人还有人形机器人， 确实是一个非常火热的状态 。 比如像我前一阵子在人工智能大会 ， 我们看到特斯拉的展台上带了一个人形机器的模型 ， 它只是一个模型啊 ， 甚至不是真实的这样的这个机器 ，也没有进行任何动作 。 但是呢 ， 里三层外三层围了很多人， 很多人在那拍照 ， 然后旁边像特斯拉还展示的这个车啊 ， 这大家都已经见怪不怪了 ， 对吧 ？ 然后就很少有人关注 ， 然后大家都在去看这个机器人。 而最近像从包括像从学术界 ， 对吧 ， 学术界里面包括像斯坦福啊 ， 还有很多的著名的这样的大学都在跟进像这个机器人方面的工作 。 包括像大公司啊 ， 比如最近像这个除了特斯拉在做人形机器人以外， 我们看到像英伟达 、 微软 、 谷歌 ， 还有像国内的比如说字节跳动 、 腾讯等等大公司啊 ，也都在做这样的机器人相关的事情 。 另一方面就是从投资界 ， 我们也听到很多的非常著名的机构 ， 然后对于这个技术是非常非常关注的 。 **王汉洋** [3:02] 天兰可以介绍一下， 就是当我们在这期节目说要聊通用机器人的时候 ，是指的是什么 ？ 我们的听众不一定完全是机器人行业的从业者嘛 ，他可能会把通用机器人理解成比如他那个智能客服 ，他可能也会理解成这个名字 ， 对吧 ？ ### 概念 **王汉洋** [3:15] 那当我们这期节目在聊通用机器人的时候 ， 天兰你究竟说的是哪一类机器人呢 ？ **邵天兰** [3:19] 好 ， 我们现在讨论的主要是具备一定的物体的操作能力跟环境的交互能力这样的这个机器人。 就像人一样啊 ， 会具有像手臂 、 手 ， 当然有些机器人可能会更进一步 ， 比如具有腿 ， 可以行动啊 。 就是我们讨论的就是这样的物理意义上的这种机器人。 当然这种机器人大家可能在一些比如电视上见过 ， 像制造业的工厂里面有这种机器臂 ， 还有说可能像以前大家看过丰田的有 Azimuth， 对吧 ， 包括像波士顿动力有像这种的人形机器人， 还有最近像特斯拉也在做这种人形机器人方面的研发啊 。 我们讨论的主要就是这种的机器人。 **王汉洋** [4:00] 就终结者这个算广义上的通用机器人吗 ？ **邵天兰** [4:03] 当然 ， 终结者是非常非常通用的机器人， 对吧 ？ 它既能够这个扛着这个机枪去打仗 ， 还能骑着摩托车带人， 然后同时呢 ，也能够比如完成一些日常的家务啊等等啊 。 它这个不管是从实际的效果还是从设计上来说 ，其实都是非常通用的一个机器人啊 。 **曼祺** [4:20] 嗯 ， 所以总结一下通用机器人就是它一个机器人可以干很多事 。 **邵天兰** [4:25] 对的 ， 像这个机器人它具有这种操作的能力 ， 比如说可以对物体进行抓握 ， 然后呢 ， 可以完成一些比较复杂的一些任务啊 ， 就不仅仅是说完成像制造业产线里面的一些非常非常聚焦的一些简单任务 。 **王汉洋** [4:44] 那我理解中， 当我们在说通用机器人的时候 ， 今天这个机器人有一个必须能实现的前提 ， 就是它必须和物理世界是可以交互的 。 比如一个智能客服 ， 它没有办法被我们算到里面的原因 ，是因为实际上它并没有办法在物理世界和这个世界有任何真正的交互 。 **邵天兰** [4:59] 对的 ， 现在的机器人经过这么多年的发展 ， 实际上和物理世界的交互仍然是非常少的 。 咱们现在在数字世界已经见到非常多的这样的智能体啊 ， 比如说有这种像客服 ， 对吧 ， 包括像最近 ChatGPT， 很多人用它来提升工作的效率 。 但是呢 ，在物理世界 ， 咱们现在最常见的这种有机器人属性的设备 ， 一个是扫地机器人， 还有就是像比如无人机 ， 另外就是有一些辅助驾驶或者像自动驾驶 ， 它具有一定的这种机器人的特点 ，但这些也都没有说非常的大规模的普及啊 。 所以今天啊 ， 像这种在物理世界中能够帮人们完成任务的机器人仍然是非常非常少的 。 这个实际上也是一个非常有意思的事情啊 ， 就是今天这种完成单一任务的机器人实际上也没有实现大规模的普及 。 但现在人们认为通用机器人实际上是实现机器人大规模普及的一个路线 ， 就是说我们得先实现通用的机器人， 然后才能实现机器人大规模普及 ，而不是反过来 。 当然这件事情其实咱们是见过的啊 ， 比如说电脑 ， 最早的电脑它就是具有一些非常专用的功能 ， 比如说有的电脑就是用来计算像这个火炮的弹道 ， 对吧 ， 然后有的电脑就是用来算账 ， 比如还有一些电脑用来统计人口的一些数据等等 ， 这些都是一些专用的计算机 ，但这些设备从来没有真正的大规模普及过 。 后面普及的实际上是通用的电脑 ， 你既可以用来打游戏 ， 你也可以用来办公 ， 对吧 ，也可以用来做各种的计算 ， 然后用来上网 ， 对吧 。 所以这个事其实是历史上是发生过的啊 ， 就是一个设备 ， 比如计算机 ， 它要发展到非常通用的那一天 ， 才真正实现了大规模的普及 。 而机器人现在有可能是会经历一个类似的路线 。 **曼祺** [6:47] 嗯 ， 然后在今年之前 ， 就是你说的这个我通过通用化去普及 ， 这条路线似乎没有很多人在实践 ， 讨论的也不多 ， 大家还是做的更多的是特定场景的机器人。 ### 路线 **王汉洋** [6:59] 比如扫地 、 洗地 、 擦桌子 。 **曼祺** [7:01] 对 ， 包括最传统的就是在那个汽车工厂里面做焊接的那种机械臂嘛 ， 那可能都已经有几十年了 。 所以是今年行业是会突然感到这么一个风向的变化的 ， 对吧 ？ **邵天兰** [7:10] 对的 ， 一个技术的发展它会有它的规律啊 ， 一般都是先做学术界的早期的研究 ，也就是会有一些非常非常有远见 ，在学术界往往也会不是那么受关注的少部分人来进行一些研究 ， 这个过程可能会持续非常久 ， 到某一个时间点 ， 它到某一定的成熟度之后 ，在学术界的热度会上升 ， 那之后再到某一定的成熟度之后， 产业界包括像投资界的热度也会上升 ， 就 大家会认为说这个技术有机会能够做成真正实用的产品 。 我们在今年啊 ， 就是 2023 年， 看到像这样的通用的机器人和物理世界能交互的机器人， 当然有很多不同的名字啊 ， 比如有所谓的具身智能 ， 对吧 ，有所像人形机器人等等啊 ， 这个事情正在快速的经历一种阶段的发展 。 好像就在比如几个月以前 ， 这个事情还是一个非常小众的一个学术的这样的一个话题 ，但是呢 ， 就是在短短的几个月之后， 然后就吸引了很多 ， 包括大公司 ， 包括投资人， 也包括像很多的这样的创业公司 ， 还有像产学研结合等等很多方面的关注啊 。 所以我们也是感到非常的惊讶 ，也很兴奋啊 ， 这样的一个技术快速的在经历一个阶段的一个改变 。 **曼祺** [8:28] 这变化就是大模型带来的是吗 ？ **邵天兰** [8:30] 大模型当然是其中一个很重要的原因啊 ， 当然马斯克一己之力也是不能忽略的 ， 就如果没有马斯克的话 ， 那这个事情很有可能没有那么快 。 **曼祺** [8:38] 可是马斯克提这个事要更早 ， 可能一年前左右吧就提了 ，但我感觉这个事情真正大家现在非常热烈的讨论还是这半年的事啊 。 **邵天兰** [8:46] 是的 ， 大模型是其中的一个关键的一个技术的变量啊 ，因为在以前大家当然会有这样的一个愿景 ， 就是希望说能够做出来智能程度很高 ， 然后非常通用的机器人 ，但是呢 ， 大家并没有见到一个可行的路线 。 就好像说以前这样的一个目标它就像登月 ， 对吧 ， 咱们会讨论说 ， 就大家可以想象一下， 比如说在 1900 年， 就飞机还没有发明以前 ， 咱们当时比如要讨论登月 ， 对吧 ， 那这个当然是一个非常吸引人的话题 ，但是大家并不会那么认真和非常投入的去做 ，因为大家并没有看到一个可行的登月的路线 ， 对吧 。 不管你是一步一步的去爬山也好 ， 还是建梯子也好 ， 还是说比如做滑翔器 ， 那没有任何一个路线是可以看到说能够登月的 。 而大模型的出现 ， 就让这件事情从登月变成了攀登喜马拉雅山 ， 虽然仍然是一个非常非常难的问题 ， 非常高的问题 ，但是呢 ， 它至少我们能够看到一个可行的路线 ， 这个路线可能会非常难 ，但是呢 ， 它至少比登月要好很多 。 也就是说 ， 大模型的出现让这件事情至少是看到了一个比较可行的发展路线 。 也正因为如此啊 ， 会有一些人信奉所谓大力出奇迹 ， 就是喜马拉雅山虽然很高 ，但是呢 ， 只要我一步一步的去修梯子 ， 那么我总能修上去 。 所以现在包括像马斯克啊 ，也包括一些其他的一些学校和公司啊 ， 就开始进行这种修梯子的工作 ， 对吧 ， 比如我们看到像谷歌 ， 包括像英伟达 ， 还包括一些其他的大学啊 ， 还有一些工作等等啊 ， 就是在进行这种所谓大力出奇迹 ， 对吧 ， 就希望说能够修一条梯子攀登到这个珠穆朗玛峰上 。 **王汉洋** [10:26] 稍等 ， 我把那个猫关进去 。 **曼祺** [10:27] 它在按什么东西吗 ？ **王汉洋** [10:28] 不是 ， 就是那个是在说服务员 ，因为喊吃的来了 。 因为对我朋友就是这个室友 ，他家就是猫 ，他有五个鸟 ， 那个猫根据自己想要什么不同的鸟 ， 然后召唤人过去 。 **曼祺** [10:39] 所以猫比机器人聪明多了 。 **邵天兰** [10:41] 生物的智能其实是非常高的 ， 我们做机器人也从生物的智能中获得非常多的启发 。 大家如果在视频网站上来搜索一下， 包括小视频的平台上来搜索一下， 很容易可以看到像乌鸦就完成一些非常复杂的任务 ， 还有像猫狗 ， 包括猩猩都可以完成一些非常复杂的任务啊 ， 比如说像黑猩猩是可以开车的 ， 乌鸦虽然大脑可能只有核桃那么大 ， 它可以把大小不同的杯 子然后能够按照顺序套起来 。 所以生物的智能是机器人智能的一个非常重要的一个启发 ，而大模型它本身也是沿着类似于人脑的思路啊 。 所以我们认为说大模型很有可能是通向更加智能的这种通用机器人的一个可行的路线 ，因为它和咱们人脑确实有很多方面是可以类比的 。 **王汉洋** [11:32] 那我还想问一个额外的问题 ， 这半年里面你作为一个亲历者 ， 你自己有什么实际的感觉呢 ？ 就你会觉得这个年代做这个事真是很好的一件事 ， 还是说会觉得有点发展的太快了 ， 反而会让你觉得更紧迫 ？ ### 感受 **邵天兰** [11:43] 我们这半年看到大模型的进步 ， 感觉非常的兴奋啊 ，因为我可以把时间拉的更长一点 ， 从 2012 年到现在 ， 我们已经经历了非常多的基础技术的更新 ， 让我们能够做更多的事情 ， 比如说像 2012 年以前啊 ， 甚至到 15 年以前 ， 深度学习在此之前是一个非常非常小众的一个技术啊 ，但是从 2015 年之后， 深度学习已经变成了这个世界上最主流的像视觉识 别的技术 ， 它彻底的解决了一些任务 ， 比如说在 2015 年之前 ， 让机器人认识人手写的一些字迹 ， 包括能够听懂咱们人所说的话 ， 把它打成字 ， 这些事情的这个实现的效果都很差啊 ， 所以也没有相关的产品出来 。 但大家可能都看到 ， 从 2015 年往后， 像人脸识别还有像语音识别已经成为了咱们每个人每天都在用的工具 ， 这个就是技术的进步啊 ， 带来的产品上的进步 。 而这半年以来 ， 我们看到像大模型的进步 ， 让我们看到了能够有一定的常识能力 ，并且呢 ， 能够推理解决更复杂问题这样的智能系统的一个潜力 。 所以以前可能很多大家认为说还够不着的 ， 就像登月一样的这样的话题 ， 经过这半年之后突然就变得可达了 。 它虽然可能仍然很困难 ，但是就变得可达了 。 所以很多以前大家都已经研究了很久 ， 热度其实一直不高的一些话题 ， 大家又拿出来开始重新的研究 ， 就相当于很多的问题可能是已经研究很多年了 ，但是呢 ，有新技术出现 ， 大家就在这种新的框架下又拿出来研究 。 比如说像谷歌前一阵子他们的 DeepMind 啊 ， 发表的像这个 RoboCat， 它实际上它的整个的一个范式叫 learning by demonstration， 意思就是说人来给机器人做一些演示 ， 然后呢 ， 机器人从中能够学到如何去完成一些的动作 。 这个事情其实已经用了非常多年， 但是呢 ，在跨模态多模态的大模型之前 ， 这些方面的进展 ， 它的展现出来的效果是有限的 。 所以很多人对此并不那么有信心 ，而大家也觉得说这个路线概念很好 ，但是呢 ， 技术上并没有一个非常好的一个储备 ，而大模型一出来 ， 就展现了更加令人信服的这样的效果 。 **曼祺** [13:57] 演示学习就是直接让人去做一个动作 ， 然后机器人就去学那个动作 ， 类似是吧 ？ **邵天兰** [14:03] 对的 ， 虽然最近这半年啊 ， 就让机器人变得更智能这件事情变得非常的火热啊 ，但这个努力其实已经进行了有几十年， 对吧 ， 大家如果看 198 几年的这样的论文 ， 人们已经开始尝试用这样的智能系统让机器人能变得更智能 ，其中很多的范式其实都已经进化了很多年啊 ， 只不过是在像这种多模态大模型出现之前 ， 很多方向的工作它最后展现的 效果没有那么好 。 比如说其中一个路线就是刚才讲到的 ， 让人来做一些动作 ， 然后机器人从中去学习 ， 这个叫 learning by demonstration， 就是我做一个示范 ， 然后呢 ， 机器人从中去学习 。 还有就是说机器人从尝试中学习 ， 我们经常把这个称作为强化学习 ， 意思就是说机器人自己来尝试完成一个任务 ， 那么它有的时候会碰巧成功 ，但很多时候会失败 ， 它就能从中去学到一些东西 。 这个里面最为人所知也是最成功的案例之一啊 ， 就是 AlphaGo， 特别到后面 AlphaZero， 它就是自己下围棋 ， 自己跟自己下， 那么自己跟自己下， 它一开始就是随机乱下， 但是呢 ， 它总能碰巧下出一些好棋 。 那经过非常非常大量的这样的这个自主的尝试之后， 它就学会了下围棋 ，并且能打败世界上人类的最高的高手 ， 这个就叫做强化学习 。 还有说像比如从仿真的数据中进行学习 ， 就是这种就是说利用 simulation， 对吧 ，sim to real， 这些工作都已经进行了非常多年， 但是现在在多模态大模型这样的语境下， 所有这些工作的效果都得到了一个提升 。 **曼祺** [15:37] 嗯 ， 我觉得就是我们可以顺着这个聊的更具体 ， 正好你可以给大家科普一下， 就是一个机器人要工作 ， 它大概是由哪些技术模块组成的 ， 然后大模型现在带来一个很大的变化 ， 它主要是对哪个模块影响的更大 ， 或者说它是分别对这些模块怎么去施加影响的 。 ### 原理 **邵天兰** [15:53] 咱们就用一个例子来作为一个指引啊 ， 比如咱们就说打开一个冰箱 ， 然后从里面拿出一瓶水 ， 然后再把这个冰箱门关上， 咱们就说这么一个非常简单的任务 。 对于机器人来说 ， 它里面有很多基础的能力 ， 比如视觉的识别和定位 ， 我要能够识别出来冰箱门 ， 我还要能识别出来里面的水 ， 那这个就是非常基本的视觉识别和定位的能力 。 这个里面拆出来又有两个能力 ， 一个是传感的能力 ， 传感的能力像 2D 摄像头啊 ， 现在几十块钱就可以买一个不错的 ， 已经是彻底解决了 。 可是机器人操作往往需要一些 3D， 那这个时候像 3D 的感知 ， 最近这些年传感器方面也有很大的一个进步 。 另外就是通过算法 ， 然后从 2D 中重建 3D，也有很多的进步啊 ， 还有就是视觉的这样的这个识别 ，在深度学习出现之后， 现在对于物体的识别能力已经比像 5 年以前 ， 特别是像 10 年以前已经大大的提升了 。 所以这个是视觉方面的能力啊 ， 从机器人方面来讲 ， 还有一个就是抓取的一个动作 ， 对吧 ， 我要把这个物体抓取起来 ， 我要知道如何能够利用它的手爪把物体抓起来 ， 那这个就是一个抓握的一个这样的能力 。 还有就是运动规划的能力 ，因为机器人比如从冰箱里面拿东西 ， 它如果运动不小心 ， 它可能手就会撞在冰箱门上， 把其他的东西给打下来 ， 这样的话它就需要有一个运动规划的能力 。 当然在最上层还需要有一个理解任务的能力 ， 比如说我想把这个水拿出来 ， 那它怎么知道我要先打开冰箱门 ， 对吧 ， 那打开了之后， 如果那个水在里面 ， 它可能需要把其他的一些 ， 比如说一些瓶瓶罐罐先移动到其他地方去 ， 然后再从里面去拿出这么一个水来 。 所以让机器人来完成这么一个任务啊 ， 它里面的视觉传感 、 视觉识别 、 抓取规划 、 运动规划 ， 还有整个任务的理解和决策 ， 实际上是一个非常复杂的过程 。 今天人们你这样一个 ， 你跟他说帮我从冰箱里面拿出一个水 ，他就能马上拿出来的这样的一个系统啊 ， 还有不少的距离要做 ， 就虽然这件事情对人类来说可能是个非常简单的动作 。 **王汉洋** [18:01] 那这里面在你看来最难的是什么 ？ 就是如果说三个这里面最难的挑战 ， 对于机器人行业的从业者来说 ， 你觉得会是哪三个呢 ？ **邵天兰** [18:09] 就在 10 年以前 ， 所有这些问题都非常难 ，但是过去这些年因为技术的进步 ，其中很多的问题已经被基本攻克了 ， 比如说视觉识别 ，在 10 年以前想让机器人能够去识别一个物体实际上是非常困难的 ，但今天这件事情已经变得大大的简化了 。 所以我认为今天现在最难的这个部分啊 ， 就是让机器人对整个任务有一个宏观的理解和规划 。 **曼祺** [18:34] 你刚说的那个识别是除了说能区分这个物体和别的物体之外， 我还能知道这是水 ， 你是这个意思吗 ？ **邵天兰** [18:40] 对 ， 就是要能够识别出来物体的种类和位置 ， 就比如说咱们桌子上现在有手机 、 有水 、 有话筒等等啊 ， 机器人要能够准确的知道每一个物体的位置和种类 ， 这其实是后面操作的一个非常基础的一个条件 。 咱们人对桌上的所有物体啊 ， 就可以准确的去定位出来每一个物体它是什么 ， 对吧 ， 它的位置 ， 那我后面所有的操作都会基于此 。 到今天为止啊 ， 机器人它实际上要干一个工作仍然依赖于大量的人工编程 ， 比如像刚才说从冰箱里面拿出来一个东西 ， 那如果用今天的技术来做的话 ， 那实际上可能这个编程的工作会花非常长的时间 ， 很可能是几天的时间 。 我要告诉这个机器人你要先打开冰箱门 ， 那如果冰箱门已经打开了 ， 你就不用打开了 。 听起来很蠢 ，但实际上在今天的机器人编程里面这是需要的 。 **曼祺** [19:32] 它就是个规则什么就 if 什么什么的 。 **邵天兰** [19:34] 是的 ， 就是今天的机器人它实际上需要人们用人工编程的方式来组合非常基础的能力 ， 比如说像抓取 、 像识别 、 运动 ， 这些能力都需要用人工的这样的编程的方式 ， 各种形式的编程来完成 。 **曼祺** [19:52] 实际上数据驱动的深度学习在现在的机器人去完成一个任务里面占多少比例啊 ？ 如果用百分比算的话能有多少 ？ **邵天兰** [20:00] 在今天的就此时此刻世界上的这个机器人里面啊 ， 几乎没有机器人在这种比较高的层次使用数据驱动或者像这种人工智能方法 ，但是它的很多基础能力会使用这样的方法 ， 比如说视觉识别会使用人工智能的方法 ，但是呢 ， 它干什么以及怎么去干这件事情 ， 它的步骤和规则现在几乎都是用人工编程来完成的 。 所以今天让机器人来干一件事情 ，不管是在生产线上还是像在物流仓库里面等等啊 ， 干一件事情仍然是一个非常复杂的过程 ， 这个编程的过程很可能会持续比如几天 ， 甚至有些复杂的编程会持续几个月 。 那这样的事情显然是不可能适应更加复杂的场景 ， 比如在咖啡店 ， 我想让机器人来帮我把桌子打扫一下， 我先编程编三天 ， 那这是不可想象的 。 **王汉洋** [20:50] 就广义上我和天兰也是同行嘛 ， 都是做机器人的 ，但我是做飞机的嘛 ， 然后我记得 16 年的时候 ， 当时我投资人投了个做机械臂的公司 ， 然后我就跟他们聊 ， 就看他们公司干嘛的 ， 然后当时我发现一个事让我特别惊讶 ，因为在我的脑中， 我一直以为机械臂在制造业行业中应该属于一个已经非常非常普及的 ，而且就是司空见惯的东西 ， 然后我 发现其实并不是 。 **曼祺** [21:11] 对 ，不是 ， 它其实一年都卖不了多少 。 **王汉洋** [21:13] 对 ， 然后我问为什么 ， 然后他当时给我举了个例子 ，其实就是刚才天兰说的那一点 ， 就是你今天生产 A 这个东西 ， 明天你要生产 B 了 ，但你从 A 调整机械臂到生产 B 需要花非常非常长的时间来做这件事 。 **邵天兰** [21:25] 实际上像刚才提到的这种智能的设备需要比较复杂的编程 ， 导致使用量有限 ， 这种例子在工业里面是非常常见的 ， 包括像举个例子啊 ，有一次我去一个制衣厂 ， 它就生产各种的衣服 ， 它里面就有这种电脑编程 ， 然后能够进行一些缝纫的这样的一个设备 ， 自动化的设备 ，但我去的时候看是闲置的 ， 还是很多人在拿着缝纫机去缝 ， 然后我就去问说 为什么你们买了这么智能的设备能够去缝 ， 然后还是用大量的人工来用缝纫机去缝 。他就说这个设备如果要切换一个新品类的衣服 ， 编程可能要编两天时间 ，但是呢 ，他们因为现在的这个人的个性化程度都很高啊 ，他们一个订单可能也就生产一两天 ，也就是说如果用人生产的话 ， 一两天都已经生产完了 ，但如果用这种自动化的缝纫机来去做的 话 ， 那这两天时间它编程都编不完 。 那如果说咱们利用像这种多模态大模型能够让这样的设备它更加具有适应性 ， 比如说这个机器人， 我说帮我把桌子收拾一下， 它不需要编程 ， 就直接把桌子就收拾了 ， 对吧 ， 像这个自动的缝纫机说好 ， 把这个衣服缝一下， 它自己就会缝 ， 那就达到一个类似于人类的这样的智能程度啊 ， 那类似的这种 的智能设备的普及率可以高得多 。 所以我刚才讲的一个点总结一下就是 ， 今天很多自动化和这种智能设备没有得到普及的一个重大原因 ， 就是使用它们所需要编程的这样的时间以及智力的等级要求啊 ， 就是相对经验的要求太高了 。 ### 现状 **曼祺** [23:02] 嗯 ， 实际上现在的机器人可以做到什么 ，不能做到什么 ？ **邵天兰** [23:07] 今天的机器人可以做到的事情仍然是在非常少的一个事情啊 ， 比如像工业机器人， 一年全球的销量大概是 50 万台 ， 和 80 亿全球的人口相比啊 ， 这期间还是差了很多个年的啊 。 今天的机器人， 比如说像在汽车里面 ， 像冲压 、 焊接 ， 还有像一些物流里面搬运 ， 使用量是比较大的 ， 这些的工作的共同特点就是它比较稳定 ， 它一年到头干的事情是比较稳定的 。 但咱们如果想象一个咖啡店的店员 ，他可能在一个小时之内会干 30 种不同的事情 ， 甚至可能 100 个不同的事情 ，而我刚才提到的这些场景 ， 机器人在里面可能一年到头就干这同样的一个事情 。 而且呢 ， 它的整体的工艺比较稳定 ， 切换的频率不会很高 。 所以今天在汽车还有像半导体 ， 包括一些食品饮料啊 ， 这种生产比较稳定的地方 ， 自动化程度是很高的 。 举个例子 ， 比如说大家如果去看农夫山泉的生产线 ， 自动化程度是非常非常高的 ， 几乎没有人。 原因是什么 ？ 从我记事开始到现在 ， 农夫山泉它除了外包装以外， 它的产品的生产以及整个产品的形态几乎没有变化 。 但咱们如果想一下咱们的手机 、 汽车 ， 对吧 ，以及像比如说服装还有其他的产品 ， 它的变化的速度那就很快 。 所以这些很多其他的行业 ， 它的自动化程度就会低得多 。 但如果有通用机器人能够达到类似于人的这种程度 ， 对吧 ， 像人一样有很好的适应性 ， 那么很多地方的这样的自动化程度都可以得到非常大的提升 。 **曼祺** [24:44] 对 ， 你说的这个事让我想到就是 ChatGPT 刚开始热起来的时候有一个评论嘛 ， 就说可能 AI 最先替代的是白领而不是蓝领 ， 就工厂里的很多事其实是非常难替代的 ， 比如说富士康流水线上做手机组装的工人， 那个工作对自动化设备或者机器人来说是非常难的东西 ，因为它需要把很细小的螺丝嵌进去 ， 或者是去插这个排线 。 **邵天兰** [25:08] 这其实是个很好的观察啊 ， 机器人或者广义来讲智能的设备 、 智能的系统更容易替代什么样的工作 ？ 首先是更容易替代容易定义的 、 标准化的 ，以及很多重复性的工作 。 举个例子啊 ， 像翻译实际上是一个非常容易定义 、 有标准答案 ， 或者至少是有非常好的参考 ，而且呢 ，是比较重复性的这样的一个工作 。 所以今天机器翻译的水平实际上进步的是非常好的 。 但是呢 ， 如果比如像刚才讲到的像咖啡店店员 ，他的工作实际上是非常杂的 ，他不只是说我要去打咖啡 ，他可能同时还要响应很多特殊的这种情况 ， 对吧 ， 像这种的话 ， 今天用智能系统来替代仍然是一个非常非常复杂的一个过程 。 所以就是如果一个工作它越容易用标准化的 、 形式化的这样的数据去来描述 ，而且呢 ，有很好的参考答案 ，并且呢 ， 它比较容易重复 ， 那么今天的智能系统是更容易获得大量的数据 ，并且呢 ， 从这样的数据里面去训练 ， 得到一个更好的一个结果 。 **曼祺** [26:13] 我觉得还有一个差别是在于白领的很多工作 ， 它本来就是在和数据和信息打交道 ， 它是虚拟的 ， 你可以用纯软件去模拟它的环境 ， 然后你的数据基本上也是软件就能获得 ，而蓝领的很多工作是你要在物理世界里去获得数据的 ， 这个对 AI 其实很难 。 **邵天兰** [26:32] 是的 ， 最典型的非常容易获得数据的就是比如下围棋 ， 下围棋整个围棋一共有 19*19，361 个点 ， 它每一个点有三种状态 ， 就是没有子 ，有黑子和有白子 ，也就是我用 361 个数字 ， 每一个数字有比如 -1、0、+1 三个状态 ， 我就可以准确的描述一个棋盘的这样的一个当前的局面 。 那比如说下一场下一场围棋需要 300 步 ， 那我也就是说我只需要 300 个这样的信息 ， 我就可以来准确的描述一盘围棋它的一个进行啊 ， 那这样的数据它首先非常标准化 ，而且呢 ， 很容易大量的获得 ，而且呢 ， 它的整不会说比如说我这里围棋是这么下， 那边是那么下， 对吧 ， 它的整个的这个复用性也非常好 。在这种系统里面 ， 智能系统是比较容易去收集非 常大的数据 ，并且从中去训练 。 而物理世界 ， 那举个例子 ， 我想让机器人去抓一个东西 ， 对吧 ， 那我很难说像刚才提到的像围棋那样 ，在数字世界里面我几乎可以无穷无尽的去收集数据 。 所以这个确实是一个在今天看起来比较大的挑战 。 **曼祺** [27:42] 嗯 ， 你觉得大模型来了之后它能解决什么 ， 然后有什么东西是就可能它也不能改善的 ， 比如说数据这个问题 ， 可能大模型恰恰是需要很多数据的 ， 那你训练它的数据就从哪来了 ？ **邵天兰** [27:56] 但大模型的很多数据啊 ， 实际上是可以通过像文本还有其他形式的数据获得 。 我举个例子啊 ， 比如像微软在他们的一个工作里面展示 ，他告诉机器人要把饭加热一下， 机器人就会去找微波炉 ， 然后呢 ， 把饭放到微波炉里面 ， 然后去加热 。 那这个里面把饭加热和微波炉之间的联系 ， 这个训练实际上是从大量的文本数据中获得的 ，也就是当一个系统它看过了互联网上几乎所有的文本之后， 那它就知道了把饭加热和微波炉之间这样的联系 ， 这个联系它并不依赖于机器人从物理世界中获得 ， 所以这种常识实际上是很有价值的 。 **曼祺** [28:39] 了解 ， 所以它是对常识那就大模型是对常识那一部分有比较大的帮助 。 **邵天兰** [28:45] 是的 ， 大模型可以让机器人获得一定的常识和对问题的推理能力 ， 比如说我想把饭加热 ， 那我就需要微波炉 ； 我想把饭保存一下， 那我就需要冰箱 。 **曼祺** [28:55] 比如说 A 公司的微波炉 ， 它的 Core 是这么开的 ，B 公司是那样开的 ， 这个东西机器人从哪学 ？ 就是涉及到这个控制的部分 。 **邵天兰** [29:03] 这个事情现在有两种常见的方法 ， 一种是从大量的数据中， 就是从大量的互联网的图片数据中来学习 ，因为像互联网上的数据啊 ，也会有像比如说像这种图片 ， 比如微波炉的使用的操作 ，以及像很多的 YouTube 的视频 ， 可能会有类似的操作 ， 这是其中一种方法 。 第二种方法就是从人的示范中去学 ， 这个其实和咱们人类啊学习的方法是一致的 。 咱们比如说举个例子啊 ， 如果一个人没见过微波炉 ， 那他就不会去使用 ， 那最后他无外乎就两个方法 ， 一个方法是说通过看说明书或者看视频学习 ， 另外就是周围有人给他示范一下， 比如像我如果比如去到一个很专业的一个后厨 ， 对吧 ， 那我也没见过他的很多设备 ， 我也不会用 ， 比如他可能会有一些非常专业的做饭的设备 ， 我也从来没有见过 。 我当时去德国留学的时候 ，也非常惊讶于说德国人的工具之多啊 ， 就比如说像咱们中国人， 咱们做饭就一把菜刀 ， 对吧 ， 德国人可能是 20 把菜刀 ， 我也不知道每一把是干什么用的 。 那我无外乎就两个方法 ， 要么我上网去搜一搜 ， 要么我让比如我的房东给我讲一讲分别是干什么的 。 那机器人也是同理啊 ， 可以从中获得知识 。 那为什么大模型 ， 特别是这种多模态大模型 ， 让大家感觉非常的兴奋 ？ 因为咱们获得了一个可学习的系统 ， 如果是一个系统 ， 它本身只能干一个很简单的事情 ， 比如你不可能教扫地机器人如何去做饭 ， 对吧 ， 它不可学习 。 或者是说大家可能都有这个感觉啊 ，有的狗很聪明 ， 对吧 ， 你可以训练它完成各种动作 ，但有的狗 ， 比如你养个哈士奇 ， 它可能就不可训练 ， 对吧 ， 它的这个系统就不支持你说给它训练 ， 它只会拆家 ， 对吧 。 那像今天这种多模态大模型 ， 咱们获得了一个可训练的系统 ， 那你可以去像教人一样教会它说这是微波炉 ， 这是比如说各个工具是怎么用的 ， 那这个事情是非常让人兴奋的一件事情啊 。 未来这个可训练的系统 ， 那我们后面再想办法给它各种各样的训练的数据 ， 就也许能让它变得像人一样的聪明 ， 甚至可能能更聪明 。 ### 机械瓶颈 **曼祺** [31:09] 嗯 ， 我觉得你刚才讲的这一部分是关于就是机器人的一个宏观上的理解力和它的常识的部分 。 那具体到机器人的动作 ， 包括机器人就是身体构造的一些东西 ， 它是不是够轻啊 ， 它的续航啊 ， 充电啊 ， 然后会不会过热冷却什么的 ， 这些是难点吗 ？ 还是其实没有那么难 ？ **邵天兰** [31:29] 这个其实是非常大的难点啊 。 我有一个观察 ， 过去十年人工智能的算法可能进步了 1,000 倍甚至 1 万倍 ，而人工智能的芯片就是从计算的方面啊 ， 进化也是可能有千倍 。 如果在十年尺度上， 比如像这个上万倍 ， 很可能是有的啊 。 举个例子 ， 比如说在十年以前 ， 大家讨论计算力 ， 比如会用像这个就是 1G，1G 它每秒钟来做计算啊 ， 后面很快就会到 1T， 对吧 ， 今天大家讨论的比如像 1P， 就是也就是说在十年的时间里面 ， 大家讨论算力所用的单位已经进化了 100 万倍 ， 就是 1,000*1,000 是 100 万倍 ， 对吧 ， 就是在十年以前 不会有人讨论比如说每秒钟计算 1P 次 ， 对吧 ，但是像现在的话 ， 就如果比如大家去看这样大模型的这样的这个论文啊 ， 前沿的研究 ， 对吧 ， 大家的算力已经到了这样的程度 ，但是过去十年里面 ， 对于比如说机器人的手 ， 包括机器人的像它的驱动器等等这些硬件的部分 ， 我看到的进步是有限的 ， 可能有没有一倍我都不太敢讲 。 所以就是说有时候大家讲说机器人可能四肢发达头脑简单 ，但是到今天头脑的进步太快了 ， 对吧 ， 十年可能会有这种万倍甚至百万倍的这种高速的进步 ，而机械方面没有那么快的进步 。 所以今天我们看到说 ， 很有可能大家会看到一个机器人 ，他拥有非常非常聪明的脑子 ，但他的手 、 他的胳膊 、 他的腿可能会非常的笨拙 。 这件事情如果大家比如去看像马斯克发布的这个视频啊 ， 就是像人形机器人的视频 ， 包括像一些其他的这种视频 ， 大家可以感受到整个机器人的它的行动 ， 对吧 ， 它的胳膊 、 它的腿还有它的手实际上是还是比较笨拙的 。 **王汉洋** [33:13] 那我可不可以这么理解 ， 就还是和之前一样 ， 只要涉及到和物理世界交互 ，其实这个机器人本身它自己和自己的物理交互 ， 对于我们现在来说都是偏难的问题 ，但反而如果它是可以依赖于比特世界的这些计算的 ， 它就没有那么难 ？ **邵天兰** [33:27] 是的 ， 我觉得这个事情很可能是一个进化速率的问题 ， 就是我刚才讲的 ，在十年的尺度上， 芯片 、 算法 、 数据都是可以以万倍甚至百万倍来进化的 。 我分别展开来说一下， 比如算力刚才已经讲过了 ， 十年的时间 ， 大家讨论算力的单位已经进化了 100 万倍 。 数据的话 ， 比如说像十年前 ， 如果比如你有 1 万张图片 ， 那已经是非常了不得的数据集了 ， 就感觉哇 ， 你训练的数片好多 1 万张 。 但是呢 ， 比如到 2016 年， 对吧 ，1,000 万张 ImageNet 已经变成为一个标准 ，而今天像 ChatGPT 使用整个互联网上几乎所有的可用数据 。 所以就是说在这十年的时间里面 ， 就大家训练数据量的尺度也是一个很多数量级的一个飞跃 。 所以就是说啊 ， 算法 、 数据还有像计算力 ， 它的迭代的速度是远远快于机器人的硬件的 。 可能在十年前这些问题都很难 ，但是呢 ， 这个里面机器人像手 、 胳膊 、 腿这些机械的部分 ， 它的进化速度是很慢的 。 那所以到今天为止就会显得成为更大的一个瓶颈 ， 就会大家认为很难 。 可能就是说咱们的物理世界没办法像比特世界一样进化的那么快 ， 就是十年 100 万倍 ， 这个事情在物理世界里面是匪夷所思的 ， 可是在数字世界里面这件事情是在真实发生的 。 **王汉洋** [34:46] 那物理世界也是有进化的吗 ？ 只不过是因为相比于我们现在的这个数字世界进化太快了 ， 我们觉得物理世界可能进化的比较少 。 那假设我们抛开数字世界只看物理世界 ， 你觉得过去十年的进化快吗 ？ 你可以和航空工业什么这些更不进化的比 。 **邵天兰** [35:00] 非常有限 ， 非常有限 。 如果比如大家把今天的机器人拿到十年前去看的话 ， 首先从产品的定义和形态上来说几乎没有变化 ， 从产品的性能上来说 ， 可能整体的提升我认为在一倍以内 ， 成本的优化也大概在一倍这个量级 。 而且呢 ， 这个是来自于很多微小改进的叠加 ，其实大家可以类比一下， 比如说像汽车啊 ， 特别是燃油车 ， 今天的燃油车和十年前的燃油车没有那么大的本质的区别 ， 比如说可能里面的一些音响啊 、 冰箱啊会有一些进化 ， 包括里面可能会有一些导航的进化 ，但这些进化并不来自于燃油车本身 ， 对吧 ， 所以就是整个的物理世界的进化实际上是比较慢 的 。 主要的原因是因为在数字世界里面啊 ， 它的整个的这个迭代 ， 它不受到这种比如说像人类的人工设计 ， 还有像加工 ， 对吧 ， 调试这种长周期的这个影响啊 。 就好像比如说大家在生物学里面做实验 ， 为什么都用果蝇 ？ 因为果蝇的繁殖很快 ， 对吧 ， 或者用细菌 ， 就是它的这个可能少则几分钟 ， 多也就几天就能繁殖一代 。 那如果比如大家想象一下， 比如说如果用鲸鱼来做这种基因的实验 ， 它可能几十年才繁衍一代 ， 那几十年的时间里面 ， 比如果蝇 ， 它可能能繁衍无数代 ， 对吧 ， 那我们看到说像现在的这种机械啊 ， 它就像鲸鱼一样 ， 它的繁衍是很慢的 ， 所以我们指望它产生一个进化的速度是很慢的 。 当然这也不是毫无希望啊 ， 就是今天我们看到一个努力 ， 就是把物理世界的进化转移到数字世界中， 先在数字世界里面加速进化 ， 然后呢 ， 再投射到物理世界 。其实我认为这是可能是人类突破当前技术瓶颈的一个非常重大的一个方向 。 举个例子啊 ， 比如今天人们改进机械设计的方式是 ， 人类的工程师通过 CAD 软件来画图纸 ， 画完图纸之后呢 ， 可能进行一步的仿真 ， 然后要加工 ， 加工完了之后测试 ， 发现说有什么问题之后， 然后呢 ， 再逐渐去改进 。 而如果能够通过 AI 和仿真结合 ， 让 AI 来设计图纸 ， 然后呢 ，在仿真中进行验证 ， 发现问题 AI 再改进 ， 那么我们就可以省去人工来进行加工 ， 然后呢 ， 生产打印测试这个流程 。 也就是说 ， 比如以前一年时间 ， 我可能这个产品只能进化两次 ，而如果在 AI 中和仿真中进行 ，也许比如说我一天时间就可以对这个产品进行 1,000 次的改进 。 所以就是通过 AI 来改进今天的机械设计 ， 像电路的设计 ， 包括程序 ， 很有可能是一个非常非常重大的一个方向啊 。 我抽象一点啊 ， 就是人类在理工科方面的智慧 ， 最后说穿了有这么几个形式 ， 第一个形式叫做数学物理公式 ， 就是它的智慧是以比如说这个 F=ma， 对吧 ， 牛顿定律 ，以这样的公式的形式产生的 。 第二个就是机械图纸 ， 第三个就是电路图 ， 还有第四个就是计算机的程序 ， 当然可能还会有一些建筑图纸等等一些其他的一些这样的方式啊 。 另外还有会有像材料学里面 ， 比如可能有一些这样的流程等等啊 。 人类的绝大部分智慧都是以这样的形式来表示的 。 那如果能够用计算机来进行像我刚才提到的 ， 比如说公式的发现 ， 陶哲轩前几天呢已经展示了用 ChatGPT 来配合它发现新的数学定律啊 。 如果能用计算机来改进数学 、 机械 、 电路 、 程序 ， 可能也包括比如说一些材料 ， 然后呢 ，在仿真中进行验证 ， 那么人类的整个智慧的迭代就可能会变得很快 。 这个事情科幻小说已经想象了很多年了 ， 甚至起了一个名字叫做基点 ，也许人类需要先到达这个基点 ， 然后呢 ， 才有可能去突破像我刚才提到的 ， 比如像机械方面的一些问题 ，因为人类自己来改进确实可能太慢了 。 **曼祺** [38:52] 你这说到现在很火的另一个方向 ， 就是 AI for science。 ### 智能工程 **邵天兰** [38:56] 对 ， 当然不只是 AI 来服务于科学啊 ，AI 也可以服务于工程 ， 比如像今天我们梅卡曼德机器人， 我们公司里面很多人都已经开始用 AI 来辅助编程 ， 对吧 ， 我们不只是用 AI 现在来辅助像翻译 ， 包括做 PPT 等等啊 ， 我们现在也在用 AI 来辅助编程 ， 我们也很期待 ， 比如未来能够让 AI 来辅助 ， 甚至来直接比如画图纸 。 人类做设计实际上是一个非常痛苦的过程 ， 原因是因为人无法去学太多的专业 ， 比如说我们要设计一款汽车 ， 那么我需要像结构工程师 ， 比如设计底盘 ， 那可能会有人去专门他就是做建造的 ， 那他就会说你哪里设计的不好 ， 说这个地方噪音会很大 。 另外比如可能会有一些人他就是做动力的 ， 还会有些人是做控制的 ， 这些因为人的时间和脑力是有限的 ， 每一个人往往只专精一个系统里面的非常窄的一个方面 。 所以大家看到设计一款汽车需要成百上千名工程师几年的努力 ， 每一个工程师他其实只懂其中的非常小的一个部分 ， 这个过程非常盲人摸象 。 每一个人因为只管其中的一个部分 ， 那么很有可能说我在 A 环节的设计就会影响 B、C、D 很多其他的环节 ， 那这个里面就需要大量的沟通 、 妥协和实验 。 那如果一个 AI 它能同时掌握这几十门学科 ， 甚至几百门学科 ， 那么它就有机会同时兼顾考虑各个方面的事情 ， 那它的设计很有可能是更加好的 。 就人类咱们现在因为咱们的这个工程师啊 ， 每一个工程师他只能擅长一个专业 ， 所以咱们今天会有很多的方法 ， 比如说模块化 ， 比如说就是所谓总分总 ， 对吧 ， 我先有一个总体系统设计 ， 然后我分模块设计之后然后再汇总 ， 那这些东西也许对于 AI 来说是不必要的 。AI 因为它懂所有的专业 ，而且它的脑力只要你去堆计算力 ， 理论上是无限的 ， 那它也许可以设计出来一个咱们人类从未设想过的东西 。 我觉得我认为这是有机会的 。 **曼祺** [40:58] 苹果已经在干这个事了 ， 苹果它做的这个 AI 暂时没有对外去发 AI 产品 ，他们说他们首先就是要用在去改造内部的设计上 。 **邵天兰** [41:06] 是的 ， 大家可能也会很惊讶 ， 比如苹果的产品说穿了也就那么些嘛 ， 像手机 、 平板电脑 ， 对吧 ， 然后台式机 、 耳机等等 ， 苹果的产品线其实并不多 ，但是苹果有数以万计的工程师在去迭代改进这些产品 。 产品的很多细节 ， 比如说为了手机防水 ， 就这么一个小事情 ， 那我不是说我在原有团队里面加上几位防水工程师就 OK 了 ， 它会影响方方面面的设计 ， 比如我原来耳机孔 ， 那耳机孔就会进水 ， 那我就要去改这个耳机孔 ， 对吧 ， 我可能就需要比如改成蓝牙的等等。 所以为了让手机具有防水这个功能 ， 它的整个的设计就会有非常大的这个改进 。 那我好说我手机防水了 ， 那我在里面涂个一层胶 ， 让这个水进门来 ， 那可能就会影响散热 ， 对吧 ， 那这些问题在以前就需要很多学科的工程师去共同努力设计 。 那如果有一个超强的 AI， 它有可能自己就能完成所有这些工作 ，而且会快得多 ， 对吧 ， 那苹果以后可能就不需要说比如一年发一个新品 ， 它可能一个月就能改进一个产品 ，而且做出来的产品很可能是咱们人类从来没有设想过的形态 。 **曼祺** [42:10] 除了你刚才说的 AI 技术本身的进展就会帮助机械的进化之外， 机器人这个领域的机械部件的进化还有什么别的驱动力啊 ？ **邵天兰** [42:19] 我们现在看到说实话 ， 底层驱动力是非常弱的 ，因为是这样啊 ， 这个世界有非常多的聪明人， 这个世界有 80 亿人， 哪怕比如有万分之一的人就是大家认为说是非常聪明来改进的 ， 那也有 80 万人。 所以就是如果没有底层的创新 ， 那么这个世界上其实现有的东西可挖掘的潜力没有那么大 。 比如说为什么过去十年里面算法 、 算力 、 数据 ， 对吧 ， 它有这么大的一个提升 ， 主要就是因为从深度学习的范式 ， 包括像这个 AI 计算的整个的范式上有改变 ， 那就会获得很多提升 。 可是在机器人的手 、 腿 ， 还有像这个手臂这些机械方面啊 ， 我们现在看到还没有这样的底层的驱动力的产生 。 我认为一个很有可能的一个驱动力是驱动器 ，也就相当于人的肌肉 ， 这个方面实际上是现在机器人和人相比非常欠缺的一个部分 。 因为机器人的眼睛 ， 今天咱们的摄像头已经是可以至少是相提并论了啊 ，不一定每一个环节都比咱们眼睛好 。 然后呢 ， 机器人的像识别能力在很多情况下其实已经超过人了 ，但是呢 ， 像机器人的肌肉 ，也就是今天主要是电机或者是液压 ， 那么和咱们人的肌肉相比还是差距是非常大的啊 。 咱们人的肌肉密度和水相当 ，但是呢 ， 能够产生很大的力量 ， 比如说像大家如果看到一些健身房的一些人啊 ， 像这个握力可以比如可以握到 100 公斤 ， 包括比如像这个 ， 咱们所有人几乎都可以至少是用双腿来做蹲起 ， 少部分经过锻炼的人可以用单腿来做蹲起 。 那大家可以想象一下 ，也就是说用非常小的几块肌肉就可以撑起来整个人的重量 ， 那这个事情在今天的机器人是很难做到的 。 就大家可以看到像今天的电机 ，因为是铜还有铁组成的 ， 所以它的重量是人的肌肉的 7 倍甚至 8 倍 ，但是呢 ， 它产生的力量又没有那么大 。 当然它有好处啊 ， 就是它的给电就可以一直转 ， 咱们人的肌肉是无法做到连续工作的 ， 你会积累乳酸 。 所以总之就说机器人的推重比 ，也就是它产生的力量和它的自重 ， 这个和人的肌肉相比是差很多的 ， 那就会导致今天的机器人做出来看起来都很笨重 。 ### 商业驱动 **曼祺** [44:30] 你刚才讲的是技术上的驱动力 ，其实我想问的是 ， 除了技术之外 ，也不有些商业上的变化会导致这个机械这块的进化变得会更快 ， 比如说像马斯克这种狂人说我要来做机器人 ，而且他对外是说未来每个人都有一个 ， 可能全世界会有 100 亿个通用机器人， 这可能会带来很多投资 ， 带来更多的聪明人去做这件事情 ， 会加速这个进化吗 ？ **邵天兰** [44:53] 当然当然 ，有更多的人才和更多的资金进入这个行业 ， 肯定会推动行业的发展啊 ，但是呢 ， 行业的发展也要遵循基本法 ， 最好还是要有一些比如说从材料 、 物理或者是一些底层设计上的一些改变 ，而不仅仅是在当前的物理定律 、 当前的材料以及设计上做一些小修小补啊 ， 这样很难产生这种数量级的改变 。 比如说像马斯克他在汽车方面 ， 对吧 ，他的底层的改进就是把汽油驱动变成了电驱动 ， 那这个就是一个巨大的一个范式的革新 。 那马斯克比如他做火箭 ， 对吧 ，他的这个可回收火箭也是一个巨大的一个范式的革新 。 实际上他的创新不止如此啊 ， 比如说像传统的燃油车 ，他采用所谓分布式的控制系统的设计 ， 会有几百家供应商分别来做不同的控制器 。 可是像特斯拉 ，他把所有的这些软件都集中在了一个系统里面 ， 所以他的整个的开发的效率和整个的迭代速度就要好很多 。 所以总之就是说 ， 我们看到一个事情的进步啊 ， 还是需要一些这种底层范式上的一些改变 。 **曼祺** [46:07] 了解 ， 所以你是认为大的拐点还是在新的技术范式的变化的时刻才会出现 ？ **邵天兰** [46:13] 对的 。 **曼祺** [46:13] 你看到这种迹象了吗 ？ 比如说你说的肌肉啊 ， 然后电机这块有那种大的变化要来了吗 ？ **邵天兰** [46:19] 暂时还没有 ，因为这种事情是如果出现了就会出现 ， 如果没出现 ， 那就很难预测什么时候会出现 。 比如说像 2012 年开始深度学习就开始展现出来它的潜力 ， 到 2015 年已经变成一个非常火热的话题 ， 那这件事情在此之前实际上也非常难以预测 ， 包括大模型啊 ， 大模型当然不是今年才出现的 ， 我是说大模型今年 ChatGPT 展示出来的这样的令人信服的能力 ， 实际上也是在非常多甚至绝大部分人， 包括我这样的预料之外， 就是这种突破式的技术很难去预 测 ，也许是明天 ，也许是 10 年以后， 也许永远不会出现 ， 这个很难预测 。 **曼祺** [46:56] 你们作为公司的话 ，其实是很难去贡献这种范式变化和拐点的到来的是吗 ？ **邵天兰** [47:03] 是的 ，因为像绝大部分的公司啊 ，也包括我们 ， 更多的是做工程化的努力 ，也就是说我们并不是科研机构 ， 我们并不追求用一个商业化公司一己之力去推动整个行业底层范式上的革新 ，而是我们要通过工程化的努力将新范式变成好的产品服务于客户 。 举个例子啊 ， 比如说像马斯克 ， 像比如说特斯拉 ， 对吧 ，他其中像电机啊 、 电池啊 ， 很多这些方面的底层的技术啊 ，也都是存在已久的 ，但是他进行了大量的非常优秀的出色的工程化的努力 ， 包括像火箭啊 ，也是火箭的话本身有一些这种技术的进步和范式的更新 ，但仍然需要有大量的工程化的努力 。 这些范式的更新啊 ， 很难建立一家商业化的公司去来去做 ，因为这样的态度就是太冒险了 ，而且产生的时间非常难以预测 。 **曼祺** [48:01] 你觉得特斯拉算这样一个公司吗 ？ 就是它是作为公司是可以去推动这种大的变化的 ？ **邵天兰** [48:07] 特斯拉之前的努力更多还是在工程上的努力 ， 比如说它在电池 ， 然后整个像自动驾驶 ， 还有说像控制系统等等方面啊 ， 做出了非常非常多极为优秀的工程化的努力 。 **曼祺** [48:20] 马斯克如果真的把 Optimus 人形机器人做成的话 ，是不是算完成了一个范式上的更新 ？ **邵天兰** [48:26] 当然当然 ， 人形机器人实际上是整个机器人的一个终极形态啊 ， 就是要做出来一个很像咱们人一样的这样的系统 ， 那它从腿到手臂到手到眼睛 ， 然后到整个的这样的这个控制和智能啊 ， 都是有非常多的挑战 。 如果人形机器人哪怕有一台能够在这个世界上去做一些有意义的事情啊 ，也是一个非常巨大的革新 。 因为今天这个数字是 0， 就是此时此刻这个世界上没有任何一台人形机器人正在任何一个地方完成有意义的事情 。 **曼祺** [49:02] 波士顿动力那种不算吗 ？ **邵天兰** [49:04] 没有 ， 波士顿动力它是在做一些演示和测试 ，但是这个世界上没有任何一台人形机器人， 包括波士顿动力在每天上班去做一些有意义的事情 。 那所以如果马斯克能做出来哪怕一台这样的机器人， 那也是一个巨大的革新 ， 是一个 0 到 1 的进步 ， 我会非常期待这一天 。 **曼祺** [49:20] 所以这件事比他当年造电动车要难得多得多 ？ **邵天兰** [49:23] 要难得多得多 ，因为在特斯拉之前这个世界上是有电动车的 ， 包括有比如说混动等等啊 ， 当然特斯拉本身也做出了非常优秀的改进 ， 比如说在特斯拉之前 ， 电动车续航可能比如从几十公里到 100 公里 ，但是特斯拉它首创通过大量的电池和这样的热管理系统 ， 它能够续航几百公里 ， 这个是它的一个非常大的一个突破 。 另外就是它在整个像控制系统啊 、 自动驾驶方面也进行了很多的改进啊 ，但特斯拉严格说起来不是一个 0 到 1 的企业 ， 它可能是一个比如从 10 到 1 万的这样的一个企业 ， 所以也是一个非常非常优秀的公司啊 。 可是人形机器人今天这个数字确实是 0， 就是没有任何一台人形机器人此时此刻在地球的某一个角落默默的干一些有意义的事情 。 我指的有意义的事情 ， 它可以是拧螺丝 ， 可以是收桌子 ，也可以是扫地 ， 任何事情 ， 只要是比如每天上班上三四个小时也好 ， 对吧 ， 它只要是做一些帮助人类的有意义的真实的事情 ，而不只是一些 demo 或者是一些这种的测试 ， 对吧 ， 那我如果有任何一台机器人干这个事情 ， 我认为都是巨大的突破 。 **王汉洋** [50:30] 我阳台上现在就有一只机器狗 ， 就放着 ， 对 ， 然后朋友问我说你买它干嘛 ， 我回答不了这个问题 ，因为它的确什么也干不了 ， 就现在此时此刻而已 。 **曼祺** [50:38] 你买回来之后用过几次吗 ？ **王汉洋** [50:40] 用过 。 **曼祺** [50:41] 所以就是玩玩 。 **王汉洋** [50:42] 那个玩意最大的用处就是你看着它用 ， 就你把它拿出来摆开 ， 然后让它做各种东西 ， 然后给它稍微变变成 ， 这是它最大的用处了 ， 就是一个展示作用 。 **邵天兰** [50:50] 对 ，但四足机器人还是会有一些可见的作用啊 ， 比如说一些救援 ， 包括像比如往山上去送一些东西 ， 对吧 ， 那你无人机的送货的能力是有限的 ，而如果是轮式的机器人在没有路的地方怎么给啊 ？ 所以像比如四足的机器人啊 ，是有机会能够带来很多的这种应用的 。 ### 人形之辩 **王汉洋** [51:12] 那我好奇一个事 ， 就是通用机器人一定要是人形的吗 ？ **邵天兰** [51:16] 好问题 ， 我觉得这个事情是互为因果的啊 ， 今天这个世界是为人来设计的 ， 就大家可以想象 ， 假如说比如说狗是今天这个世界的主宰 ， 那么这个世界上狗型机器人就是最好的一个设计 ， 原因是因为这个世界就是为狗子而设计的 。 但是今天咱们啊 ， 比如说你上楼的楼梯 ， 为什么不是一米高一凳 ， 对吧 ，因为咱们人上不去 。 那比如说电梯为什么是这个样子 ， 比如电梯的那个按钮差不多就是一米高 ， 为什么不是两米高 ， 对吧 ，因为人咱们人普遍的身高就是如此 。 就是今天这个世界啊 ， 就是为人而设计的 ， 比如说锤子 ， 为什么你拿起来那么顺手 ，因为这个锤子就是为了你的手而设计的 。 如果这个比如这个世界狗是主宰 ， 那么狗肯定拿那个锤子就会非常的顺手 ， 比如它可能用嘴一叼 ， 对吧 ， 那个它那个锤子棒上可能设计一个嘴能叼的东西 ， 它就能旋叼起来 。 所以为什么人形机器人是非常非常好的一个方向啊 ， 就是因为今天这个世界是为人而设计的 。 但如果比如说有一天这个世界被机器人统治了 ， 那机器人可能自己会发明一个新的形态 ， 它可能就会跟人长得不一样 ， 比如半人马型的机器人有可能就是这个世界的主宰 ， 那 who knows， 对吧 。 **王汉洋** [52:24] 这就让我想到我们给无人机做自动驾驶的时候 ， 很多人经常会问为什么给他做不给车做 ， 我们一个核心理由就是因为天上的规则是给自动化设计的 ，而地上的规则是给人设计的 ， 所以你要让机器去适配人的规则的难度远大于让机器去适配给他设计的规则的难度 。 **邵天兰** [52:39] 是的 ， 假如说汽车是今天发明的啊 ， 咱们从头开始做自动驾驶会容易得多 。 今天自动驾驶为什么这么困难 ， 就是因为咱们已经拥有了 80 亿人的世界 ，其中的街道都是为人而设计的 ， 机器在这个世界非常困难 。 但如果比如说此时此刻汽车刚刚被发明 ， 那么咱们完全可以让所有的街道 、 所有的路灯 、 所有的红绿灯 、 加油站都为自动驾驶而设计 ， 那么整个自动驾驶会容易得多 。 **曼祺** [53:07] 你说的这个让我想到刘慈欣有一本科幻小说里面 ，他有一个情节就是在描述自动驾驶 ， 它是那种大的环路 ， 然后里面每一辆车是紧密连在一起的 ， 然后速度也非常快 ， 它就是一个完全为这种纯自动化的车辆设计的一个道路 。 **邵天兰** [53:23] 对的 ，其实在制造业里面这种情况也很常见啊 ， 比如说有一些老工厂的改造就很痛苦 ，因为它里面有非常多的环节没有考虑自动化 。 举个例子 ， 过一道门 ， 它底下就会有很多的门槛 ， 那机器人可能就不好过 。 而如果从头拔地而起一座新的工厂 ， 那可以在每一个环节都考虑机器人的行动 ， 那它的行动就会容易很多 。 但今天这个世界上仍然有大量的事情是为人而设计的 ， 比如说如果想让机器人来干家务 ， 那么像比如插座 ， 还有像比如喷壶 ， 还有像锅碗瓢盆 、 洗碗机 ， 然后微波炉等等啊 ， 它都是为人的操作而设计的 。 那么很难设计出来另一个形态能像人一样也能够完成这些任务 。 就是这个实际上是很难的 ，因为当你的所有事情都是为人这个形态而设计的 ， 你就很难设计另一个形态它也能完成同样的任务 。 **曼祺** [54:15] 而且这种情况下， 做一个人形机器人它可能是最好规模化 ， 就是我的数量会更大 ， 所以我可能成本啊 ， 然后各方面我都会控制得更好 。 **邵天兰** [54:24] 是的 ， 主要的原因是因为今天的很多场景里面的人 ，他确实是要完成这种多种类的工作 。 如果咱们设计出来的系统 ， 它只完成某一个特定工作 ， 那么人形机器人大概率不会是一个好形态 。 比如说大家家里的洗衣机并不是两个手臂然后在那搓衣服 ， 对吧 ， 它实际上是一个滚筒 ，但洗衣机的效率远高于人。 所以洗衣机就是一个例子啊 ， 它实际上是一种特殊的洗衣机器人 ，但它只能完成这样一件事情 ，而且完成的效率很高 。 所以就是说如果我们想让机器人只完成一件事情 ， 那么我大概率可以设计出来非人形的设备 。 但如果我们比如想让机器人像类似于像咖啡店店员 、 便利店店员 ， 或者像工厂里面的很多的工作人员也好 ， 或者像比如像咱们希望它在养老院里面帮助人们 ， 或者在医院里面 ， 那么人形很可能是一个更好的一个形态 。 **王汉洋** [55:19] 那有没有可能就未来的很多 ，不管是家也好还是基础设施建设也好 ， 会更多的考虑到机器 ， 就是它会变成另外一种形态 ， 就要同时符合人和机器的操作 ？ **邵天兰** [55:29] 我认为这是一个非常大的趋势 ，其实这个趋势咱们也见过啊 ， 就比如所谓无障碍 ， 大家可以看到像电梯 ， 包括楼梯 ， 还有像卫生间都会考虑轮椅的需求 ，也就是残障人士啊 ，他坐轮椅的时候就可以无障碍的去使用这座建筑 ， 比如他的门要足够宽 ， 对吧 ，他的这个卫生间要有相应的一些把手等等 ，他就不要有那种大的这种楼梯一定要有坡道 。 那如果咱们类似于像这种 ， 比如以前叫轮椅无障碍 ， 那么以后可能就会设计叫机器人无障碍 ， 对吧 ，robot friendly， 那很有可能就能够使用更多的这样的自动化 。 这个事情在家居环境里面会很困难 ，但是比如像医院 、 养老店 、 酒店等等 ， 就很有可能做这方面的设计 。 实际上这个事已经发生了 ， 举个例子啊 ， 如果大家去观察有送货机器人的酒店 ， 它的电梯实际上是经过特殊改造的 ， 它的电梯不管是从远程操作还是从勾勾卡卡上， 就是它保证它是齐平的 ， 就是开个门之后不会有一个坎 ， 对吧 ， 这些事情上它都会做必要的准备工作 ， 让这种送货机器人能够在酒店里面来运行啊 。 就是所以这种机器人的无障碍实际上已经在发生了 ， 只不过是在一些这种相对比较局限的一些环境里面 。 **王汉洋** [56:48] 对 ， 包括家里面那扫地机器人， 现在新的家里面的扫地机器人会把地上的线留得更藏得更深一些 ， 这样不会影响到扫地机器人。 **邵天兰** [56:56] 对的 ， 就今天很多人在做家居设计的时候 ， 就会考虑到这种扫地机器人的这个需求 ， 这其实也是一个很好的一个例子啊 ， 我们认为这个一定是相向而行的 ， 就是机器人的智能程度越来越高 ， 同时像很多的像我刚才提到的 ， 比如说医院啊 、 酒店啊 ， 很多的这种需要自动化改造的这些地方啊 ，也会做相应的机器人无障碍的一些设计 。 **王汉洋** [57:22] 对 ， 我觉得这也是相互的吧 ， 人自己也在变 ， 就像现在很多人和 ChatGPT 说话的时候 ， 它会特意用另外一种语言 ， 就是为了让机器更好理解我想说什么 ， 然后这还不是提示词 ，其实就是说我会把我的话拆得更细更明白 。 **邵天兰** [57:35] 是的 ，ChatGPT 实际上我觉得是对人的交流有很大的提升啊 ，因为是这样 ， 很多人和人交流的时候 ， 它实际上说的并不清楚 ， 比如说它的上下文并不清楚 ， 它里面会有歧义 ， 包括可能目的不明确 ， 约束条件不清 ，但是人跟人说话的时候 ，他自己意识不到自己的问题 ，他就会归咎于听众 。 但是你不能够去指责 ChatGPT，因为它只是一个 AI， 所以很多人在和 ChatGPT 交互的过程中， 真正学会嘛沟通 ， 对吧 ，因为你跟 ChatGPT 你也不能发脾气 ， 对吧 ， 你发脾气那也没有用 。 所以很多人和 ChatGPT 沟通的时候啊 ，他就学会嘛 ， 首先我上下文要清楚 ， 我到底前因后果是怎么回事 ， 我不要假设听众已经知道了 ，而且呢我要有一个明确的目的 ，并且要有明确的约束条件 。 实际上很多人如果向另外一个人下达任务的时候 ， 说的是不清楚的 ，但是他向 AI 去下达任务的时候 ，他就会说得很清楚 。 经过这样的练习之后 ，他实际上成为了一个和人更好的一个交流者 。 这个事情啊 ， 我抽象出来就是机器人进入了人类的社会 ， 使人变成了一个更好的人。 **曼祺** [58:43] 相互训练了 。 **邵天兰** [58:44] 是的 ， 就是机器人进入到了人类世界里面 ， 很有可能不只是能帮助人 ，而且可以让人成为更好的人。 **曼祺** [58:52] 所以你对机器人和人的未来的交互 ， 你整体是呈乐观的想法的是吗 ？ 因为也会有很多人会担心说是不是以后失业会非常多 ， 然后可能很多人是没有工作可以做 。 **邵天兰** [59:03] 我是非常乐观的啊 ， 就首先机器人它具有这样的一个客观性 ， 就比如说你跟 ChatGPT 去说话 ， 它没听明白就是没听明白 ，但是人本身如果对方没听明白 ， 你会认为说它很傻等等啊 。 所以我认为说有这样的一些成员进入到人类社会 ， 它实际上是一个稳定器的一个角色 。 关于就业的这个问题啊 ， 生产力的提升一定是会带来更多的需求和机会 ， 这个在人类社会上已经反复验证了 ， 比如说洗衣机实际上替代了大量的洗衣工人。 今天啊 ， 就此时此刻在印度有很多洗衣房 ， 你把衣服送进去之后， 它就会到河边有很多人， 然后拿着棒槌去锤这个衣服 ， 就是它实际上不是洗衣机的 。 那比如像中国啊 ， 咱们现在没有任何一个洗衣房背后是人工洗衣 ， 包括比如说像这个今天的纺织啊 ， 就是织布已经是高度自动化了 ，但是呢 ， 像比如像工业革命之前 ， 那需要大量的工人， 包括很多家庭的作坊来进行织布 。 织布的话 ， 比如以前啊 ， 一天只能织几尺布 ， 比如说像以前 ， 比如说木兰词 ， 就是里边这个什么唧唧复唧唧 ， 木兰当户织 ， 它一年织到头其实也织不出来几匹布 。 但是今天这个 ， 比如大型的纺织机 ， 可能几秒钟就能织出来很多布 ， 对吧 ，也就是说很多像以前这种洗衣啊 、 织布啊 ， 很多的工作啊 ， 实际上都已经被自动化替代掉了 。 这个替代掉的工作是非常非常非常多的 ，但是人类的这个生产力不断的在创造新的需求 ， 对吧 ， 那所以我认为像这种机器人和包括人工智能的这个进步啊 ，也是会像以前比如说洗衣机 ， 还有说像很多织布机等等一样啊 ，也会带来这种社会的这个进步 。 **曼祺** [1:00:48] 我想知道最后是什么样的公司 ， 或者什么样的人可以做成通用机器人吗 ？ **邵天兰** [1:00:53] 好问题 ，但这个问题一旦通用机器人做出来之后就不再重要了 ，因为通用机器人会对整个社会带来一个极大的范式的改变 。 就是因为通用机器人它产生出来之后啊 ， 实际上对整个的生产力是一个巨大的一个提升 。 所以那个时候是哪个公司做出来的 ，也许这件事情就没有那么重要了 。 所以这个是真正的一个全人类共同在探索的一个终极的一个方向 。 **曼祺** [1:01:17] 但是这个东西是被少数的公司掌握 ， 还是有很多公司可以做 ， 这个也不重要吗 ？ 这个是会带来分别的吧 。 **邵天兰** [1:01:23] 这就是其实我最喜欢这个世界的一个地方啊 ， 这个世界千疮百孔 ，但是呢 ， 我们认为说像我们做人工智能的 ， 我们是从来没有让任何一个技术只局限于某少数的大公司 。 就这件事情就大家可以看到 ， 比如说像操作系统 ， 对吧 ， 像开源的有 Linux， 包括比如像开源的大模型等等啊 ，在人工智能还有机器人方面的基础 ， 我认为几乎不可能被一家两家公司所完全垄断掉 。 我认为这件事情是不太可能会发生的 。 如果发生了 ， 那么一定会有一些人团结起来 ， 然后就形成开源的力量 ， 然后能够让更多的人去拥有这样的这个技术啊 。 所以我认为说这样的人工智能 ， 特别像整个算法软件方面啊 ，是整个这个世界真正的自由的力量啊 ， 就大家几乎从来没有让任何一个技术只局限于在某一个公司 。 **曼祺** [1:02:16] 明白 ， 所以你看到的未来是不会是银翼杀手里的那种 ， 那个里面就有一个非常巨型的公司 ， 它相当于垄断了这个技术 ， 它造了很多人造人， 然后这些人造人可能是一些苦力 ， 然后去外星打工什么的 。 **邵天兰** [1:02:28] 对 ， 我认为像通用机器人啊 ， 还有像人工智能的发展带来的影响 ， 特别是在生产力方面的影响啊 ， 这几乎都是正向的 ，不太可能被很少数的一两家公司所垄断 。 **王汉洋** [1:02:39] 对 ，而且刚才你提到银翼杀手里面那家公司 ， 它恰恰它不是一个人工智能公司 ， 它是个造人工的公司 ， 专门造人， 然后让人变成工人。 它是一个非常物理世界 ， 类似于繁育小白鼠一样 ， 你可以垄断全世界所有的耗子 ， 然后只有你从你这才能买到那个医用的小白鼠 。 而现实世界的确是这样嘛 ，有很多医用的这些生物 ，其实就只能从那几家公司买 。 但天蓝刚才说的那点其实反而是我挺同意的 ， 就是对于软件来说 ， 你作为一个真正的人工智能 ， 做 AI 的公司 ， 你很难说你要垄断全世界所有的电脑 ， 或者垄断全世界所有的算法 ， 所有的数据 ， 这个事还是非常非常非常困难的 。 **曼祺** [1:03:12] 我觉得这个讨论很好啊 ， 已经到挺遥远 ，但是也挺有意思的一个部分 。 我们可以最后可以往回拉一点 ， 你觉得未来两三年这个行业会发生什么事情 ？ ### 未来展望 **邵天兰** [1:03:22] 我认为未来两三年我会希望像人形机器人， 还有像更通用的机器人能够迈出第一步 。 会有些人， 比如说可能两三年内就有什么几万台 、 几十万台机器人啊 ，在我看来一台也是非常大的一个进步啊 。 我会希望说比如说在三年这个尺度上， 像这种通用机器人的雏形能够在少数的几个场景里面能够初步的展示自己的潜力 。 就是我一直认为有一句话说的很好啊 ， 就是很多人会高估技术短时间内的进步 ，但是又会低估技术长时间所带来的这样的影响 。 所以我认为说在两三年的事情里面 ， 通用机器人仍然要迈出第一步啊 ，但这个事情一旦发生就很快 ，其实就像人一样 ， 对吧 ， 一个两三岁的孩子他能干什么呢 ？ 他干不了什么 ，但他一旦比如他认识了人生第一个字 ，他只要说出了人生第一句话 ， 那么在后面的这样的三年、 五年、 十年的时间里面就会进步的非常快 ， 对吧 。 所以我认为像一个技术的发展其实很像一个小孩子啊 ， 对吧 ， 三岁的时候他可能还不会说话 ， 对吧 ，但是他到六岁的时候就会有一定的这样的能力 ，但他真正要能够产生大规模的效益啊 ， 可能还需要还有一些时间 。 我对三年之内整个产业带来的实质的重大的变化 ， 我认为还时间有点短 ，但是呢 ，在少量的一些场景里面初步的能够证明自己 ，其实已经是足够大的突破了 。 **曼祺** [1:04:48] 你们作为一个创业公司 ， 你们现在可以做什么去加入这个浪潮 ， 或者说推动这个浪潮 ？ **邵天兰** [1:04:55] 整个机器人的产业链是一个非常长的链条啊 ， 这个里面从核心的模组 ， 比如像我们梅卡曼德现在在做的机器人的 3D 的传感器 ， 对吧 ， 然后再到它的一些基础的能力啊 ， 整个链条是非常长的 。 所以很难想象说一家公司能够把整个机器人的所有链条全都做了 ，但我们在其中的这种关键的硬件 、 传感器的模块 ，以及一些机器人的基础的能力 ， 比如说像这种视觉的识别 、 运动的规划等等方面啊 ，是可以做出来这样的产品 ， 然后呢 ， 我们的产品又可以提供给很多做整体解决方案的公司 ， 那他们就可以来去组成更复杂的一个系统 ， 就相当于和像手机啊 ， 或者 像互联网很像啊 ， 它不是一家公司 ，而是说有非常多的公司做其中的每一个环节 。 那我们作为创业公司来讲 ， 我们不能够像一些巨头一样做带头大哥 ， 对吧 ， 我们不能够牵头把整个大的系统做起来 ，但是我们可以专注于其中的一些关键的模组和技术 。 **王汉洋** [1:06:01] 我还有最后一个问题 ， 我很好奇就是天蓝你作为一个从业者 ， 你觉得有哪些趋势是你现在已经看到的 ， 它未来一定可能这个尺度会更长一些 ， 它一定是会带来很多变化的 ， 这个可能是行业的变化 ，也可能是社会的变化都无所谓 ，但大部分人其实现在还没有看到的呢 。 **邵天兰** [1:06:18] 一个是我认为是机器人会重塑每一个行业 ， 这个事情就像电脑和互联网一样 ， 比如说啊 ， 如果你 1990 年的时候一家公司在中国的公司啊 ， 说我用电脑办公 ， 那是一件了不得的事情 ，是可以上电视的 ，但如果比如说你到 2000 年的时候你用电脑办公 ， 就变得平平无奇了 。 那如果你 2010 年你说我这公司不用电脑办公 ， 那是可以上电视的 。 所以就是说在十几年的时间里面 ， 像电脑这个东西就从非常稀有 、 非常高端变成了平平无奇 ， 再到一个必需品 。 今天如果一个公司 ， 比如说 10 人以上的公司说我不用电脑办公 ， 真的是可以上新闻的 ， 非常对吧 ， 就变成一个匪夷所思 ， 那你如何来工作呢 ？ 就很难想象 。 那机器人也是一样的啊 ， 今天一个公司用机器人来工作 ， 这个公司我指的比如是餐馆 、 医院 、 酒店 ， 或者可能是各种的这个制造业也好 ， 服务业也好 ， 今天的公司如果大量使用机器人是可以上新闻的 。 那么再过 10 年这件事就会变得平平无奇 ， 那可能再过一段时间 ， 你说我一个公司我不用机器人， 大家就很难想象说哇 ， 你这个公司你不用机器人， 你是怎么存活的 ？ 你来跟我分享一下经验 ， 我们来学习一下 。 就是我认为啊 ， 就是说这机器人会进入很多很多的行业 ， 会改变很多行业 ， 每一个行业都可能会有一些先行者 ，他会从中获益 。 比如说有没有可能某一个像比如说像酒店 ， 对吧 ， 或者像比如说某一个像这个餐厅 ，他利用机器人的技术 ，他就会获得更好的一个优势 ， 这件事情是有可能会发生的 。 所以机器人它不只是在重塑我们本身这个机器人自己的行业啊 ， 它会能进入到更多的行业 。 机器人用了 60 年的时间 ， 实际上只进入了像汽车啊 、 半导体啊 、 物流啊等等少数的几个行业啊 ，但是我们认为说在未来的 10 年左右时间里面 ， 机器人会快速的进入很多很多其他的行业 ， 然后为很多行业带来巨大的改变 。 **王汉洋** [1:08:14] 那我延伸再补充一个问题 ， 就是你在网上经常会看到很多人觉得说自从二战之后， 人类的技术进步越来越慢 ， 越来越慢 ， 直到进入过去 10 年， 就人类基本上没什么进步了 ，但从你的角度来看 ， 实际上并不是这样的 。 **邵天兰** [1:08:27] 对 ， 从我角度来看 ， 像比如说像刚才提到的啊 ， 芯片 、 算法 ， 然后包括像数据层面上的 ， 还有人工智能方面 ， 实际上进步是非常非常大的啊 ，但在材料 、 机械 、 化工 ， 还有像比如控制各方面也会有进步 ，但带来的进步的速度是显著慢于我刚才提到的那些行业的 。 **曼祺** [1:08:49] 明白了 ， 你刚说的那几个都是一些天坑专业 。 **邵天兰** [1:08:52] 是的 ， 就是最近张远峰也非常火啊 ， 就是实际上大家看到为什么计算机专业今年的分数这么高 ， 就是说因为计算机它不只是能够服务于像计算机本文功课啊 ， 计算机实际上是一个工具 ， 能够改变很多很多的这个行业 。 我们认为机器人也是一个这样的一个技术 ， 就是机器人不只是说可以说改变机器人本身 ，而是能够让很多的不同的行业都能够有一个范式上的一个提升 。 **王汉洋** [1:09:20] 那感谢天蓝做客本期节目 ， 我们这期节目聊的还是我觉得聊的还是挺多的 ，因为我们其实有大纲嘛 ， 每期节目 ，但是一般好的节目都会聊到大纲之外的问题 ， 比如像这一期 。 然后如果你对天蓝和他的公司有更多兴趣的话 ， 可以在 shownotes 里面看到相关的链接 。 那我们下期再见 ， 各位拜拜 。 **曼祺** [1:09:36] 拜拜 ， 谢谢大家的收听 。 **邵天兰** [1:09:38] 谢谢大家 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。