焦点-中国机器人制造商已经掌握了动作要领。现在，竞争的重心转向了“大脑”
Laurie Chen/Eduardo Baptista
路透社北京11月1日 - 在历经数年研发能够奔跑、跳舞和后空翻的人形机器人之后，中国企业正将资源投入到一项全新的挑战中：开发能够让这些机器在更广泛的工作场景中发挥作用的人工智能。
这一转变正推动具身人工智能领域迎来投资热潮。该领域专注于开发软件，使机器人能够理解周围环境、学习陌生任务并进行适应，而无需针对每项工作进行单独编程。
据数据研究公司ITjuzi统计，2026年上半年，中国具身人工智能企业通过322笔交易共筹集资金935亿元(130亿美元)，是上年同期的五倍。除了制造商之外，资金也越来越多地流向了机器人智能领域的专业开发商。
上海科技咨询公司ZenGen Labs创始人德莫特·麦格拉斯（Dermot McGrath）表示，随着竞争推动硬件价格下降，机器人制造商已“意识到利润不会来自硬件，而是来自‘大脑’”。
这一新兴领域正在中美科技竞争中开辟新的战场。路透社采访了五家中国机器人公司的创始人、高管以及行业分析师，了解到美国公司在某些先进的机器人人工智能系统方面处于领先地位，而中国开发者则希望凭借其制造实力和对真实世界训练数据的获取，挑战美国竞争对手。
哪个国家能最好地将人工智能与机器相结合，就可能在工厂和物流自动化方面获得优势，从而可能重塑工业生产力以及全球机器人技术市场。
“在整个机器人技术栈中，‘大脑’确实是最薄弱的环节，”Spirit AI联合创始人高阳表示。
智能竞赛
包括Physical Intelligence、Skild AI和Generalist在内的美国初创企业，正在开发旨在让机器人无需大量重新训练即可掌握不同技能的软件。
Generalist称，其GEN-1.5模型在观看3至12秒的演示后，完成了约60%的简单任务。中国X Square发布的研究显示，机器人仅通过观看一段人类操作视频，无需针对每项任务重新训练模型，便能掌握操作技能。
“美国顶尖实验室正树立一个极具挑战性的标杆，特别体现在机器人掌握和复用技能的速度上，”机器人顾问乔治·斯蒂勒表示，他认为中国实力最强的初创企业是值得重视的竞争对手。
虽然美国开发者受益于先进的人工智能研究以及更容易获得高性能计算芯片，但中国公司可以与机器人制造商和工业客户密切合作，以测试和改进其系统。
据公司披露，包括X Square、Galaxea和Spirit AI在内的中国专业初创企业，估值均已达到约30亿美元。
“我们希望机器人能从依赖代码驱动转变为依靠常识驱动，”X Square联合创始人兼首席运营官杨倩表示。
老牌制造商也在加大投资。在香港上市的优必选（UBTech）发布了一则首席科学家职位招聘广告 ，负责监督人工智能模型开发 ，薪酬最高可达1.24亿元人民币(（1800万美元)），其中包括股权和福利。据一位知情人士透露，总部位于杭州的优树科技（Unitree）——按出货量计是全球最大的人形机器人制造商之一——拥有约30名研究人员，致力于开发能够预测物体行为的人工智能。
训练竞赛
与从海量网络文本中学习的聊天机器人不同，机器人需要物理交互的实例，从抓取物体到处理柔性电线。
中国企业在收集此类信息方面采取了不同的方法：有的雇佣人员演示任务，有的使用计算机模拟，还有的将两者结合。该领域竞争依然激烈，尚未有公司确立起明显的领先地位。
高表示，Spirit AI已招聘约1,000名员工来记录日常及工业活动。ACE Robotics则利用可穿戴传感器，在商店和酒店中捕捉工人的动作和抓握力度。
蚂蚁集团旗下机器人业务部门Robbyant表示，其利用16万小时的训练素材（包括5万小时由人类引导的 机器人动作）训练了一个模型。此外，该公司还针对17个品牌的20种机器人配置进行了软件训练，旨在让同一套AI系统适用于不同机型。
DexForce则采取了另一种方法，利用计算机生成的环境来训练机器人。首席运营官Nicole Yang表示，该公司可在6至8小时内准备好某些工业任务以供部署，并在特定的精密操作中实现了超过99.9%的成功率。
但空间智能公司Manycore Tech的杰里·王指出，模拟无法完美再现物理交互。该公司专门设计用于AI训练的模拟环境。
“数据质量比数据多样性更重要，也比单纯大规模收集数据更重要，”X Square的杨表示。
中国机器人企业还面临其他挑战，包括因美国出口管制导致的高端英伟达芯片短缺，以及因监管机构对估值虚高和市场拥挤的担忧，导致首次公开募股（IPO）融资 (link) 受限。
JoyIn Technology公司Aether机器人AI研发负责人朱明轩表示，随着机器人性能不断提升，高端芯片短缺将成为中国具身AI行业面临的严重问题。
从训练到工作
JoyIn及其他开发商已经在测试其软件能否让机器人解决陌生问题。
朱明轩描述了一项实验：一台机器人多次尝试将耳机放入它够不到的橱柜中，但均以失败告终。
随后，工程师向它展示了人类完成该任务的视频，该机器人便将一个盒子推向橱柜，并尝试踩在盒子上，朱明轩说道。
“每次它都在探索不同的行为方式，”她说。
在中国，实际应用中没有即兴发挥的余地。电池制造商宁德时代（CATL）表示，在其中州工厂的电池组测试过程中，Spirit AI的机器人负责连接柔性线缆，插入成功率超过99%。Robbyant公司称，其机器人在上海的两家药房处理订单，由工作人员在发货前检查药品。
但长远来看，真正的价值在于能够无需大量调整即可学习新工作的软件。成功与否将取决于同一款AI在不同客户和工作场所的表现，这要求企业利用先进芯片训练越来越强大的模型。
中国企业正试图通过更高效的模型、合成数据和模拟来降低计算需求，而包括华为在内的国内芯片制造商则在开发替代英伟达硬件的方案。这些努力能在多大程度上缓解芯片短缺，目前尚不明确。
“CHATGPT时刻”
Unitree创始人王兴兴本月表示，该公司已在机器人上测试了OpenAI的GPT-6，结果令人鼓舞。
他表示，如果GPT-7明年发布，可能会为机器人技术带来属于它自己的“ChatGPT时刻”——这将是一次能力上的飞跃，类似于2022年ChatGPT的推出，后者将生成式人工智能转变为主流的消费和商业技术。
王兴兴表示，当机器人能够根据语音指令，在80%的陌生环境中完成80%的任务时，他将认为这一门槛已然达到。
但咨询顾问斯蒂勒指出，演示环节的突破并不一定意味着机器人已准备好投入广泛的商业应用。
“如果问题在于模型何时能在演示中首次处理广泛的不熟悉任务，那么乐观派的看法或许是正确的，”他说，“但如果问题在于客户何时能真正依赖它，我认为还需要数年时间，而不是几个月。”
(为便利非英文母语者，路透将其报导自动化翻译为数种其他语言。由于自动化翻译可能有误，或未能包含所需语境，路透不保证自动化翻译文本的准确性，仅是为了便利读者而提供自动化翻译。对于因为使用自动化翻译功能而造成的任何损害或损失，路透不承担任何责任。)