更新版 1-焦點-中國的機器人製造商已經掌握了動作技巧。現在，競爭的重心轉向了“大腦”
Laurie Chen/Eduardo Baptista
路透社北京11月2日 - 在歷經數年研發能夠奔跑、跳舞和後空翻的人形機器人之後，中國企業正將資源投入到一項全新的挑戰中：開發能夠讓這些機器在更廣泛的工作場景中發揮作用的人工智能。
這一轉變正推動具身人工智能領域的投資熱潮，該領域專注于開發軟件，使機器人能夠理解周圍環境、學習陌生任務並進行適應，而無需針對每項工作進行單獨編程。
據數據研究公司ITjuzi統計，2026年上半年，中國具身人工智能企業通過322筆交易共籌集資金935億元(130億美元)，是上年同期的五倍。除製造商外，資金正越來越多地流向機器人智能領域的專業開發商。
上海科技咨詢公司ZenGen Labs創始人德莫特·麥格拉斯（Dermot McGrath）表示，隨著競爭推動硬件價格下降，機器人製造商已“意識到利潤不會來自硬件，而是來自‘大腦’”。
這一新興領域正在中美科技競爭中開辟新的戰場。路透社採訪了五家中國機器人公司的創始人、高管以及行業分析師，了解到美國公司在某些先進的機器人人工智能系統方面處於領先地位，而中國開發者則希望憑借其製造實力和對真實世界訓練數據的獲取，挑戰美國競爭對手。
哪個國家能最好地將人工智能與機器相結合，就可能在工廠和物流自動化方面獲得優勢，從而可能重塑工業生產力以及全球機器人技術市場。
“在整個機器人技術棧中，‘大腦’確實是最薄弱的環節，”Spirit AI聯合創始人高陽表示。
智能競賽
包括Physical Intelligence、Skild AI和Generalist在內的美國初創企業，正在開發旨在讓機器人無需大量重新訓練即可掌握不同技能的軟件。
Generalist稱，其GEN-1.5模型在觀看3至12秒的演示後，完成了約60%的簡單任務。中國X Square發布的研究顯示，機器人僅通過觀看一段人類操作視頻即可掌握操作技能，而無需針對每項任務對模型進行重新訓練。
“美國頂尖實驗室正樹立一個極具挑戰性的標桿，特別體現在機器人掌握和復用技能的速度上，”機器人顧問斯蒂勒（Georg Stieler）表示，他認為中國實力最強的初創企業是值得重視的競爭對手。
雖然美國開發者受益於先進的人工智能研究以及更容易獲得高性能計算芯片，但中國公司可以與機器人製造商和工業客戶密切合作，以測試和改進其系統。
據公司披露，包括X Square、Galaxea和Spirit AI在內的中國專業初創企業，估值均已達到約30億美元。
“我們希望機器人能從依賴代碼驅動轉變為依靠常識驅動，”X Square聯合創始人兼首席運營官楊倩表示。
老牌製造商也在加大投資。在香港上市的UBTech發布了一則首席科學家職位招聘廣告 ，負責監督AI模型開發 ，薪酬最高可達1.24億元人民幣（1800萬美元），其中包括股權和福利。據一位知情人士透露，總部位於杭州的Unitree（按出貨量計是全球最大的人形機器人製造商之一）擁有約30名研究人員，致力於開發能夠預測物體行為的AI技術。
Unitree未回應置評請求。
訓練競賽
與從海量網絡文本中學習的聊天機器人不同，機器人需要物理交互的實例，從抓取物體到處理柔性電線等。
中國企業在收集此類信息方面採取了不同的方法：有的雇傭人員演示任務，有的使用計算機模擬，還有的將兩者結合。該領域競爭依然激烈，尚未有公司確立起明顯的領先地位。
高先生表示，Spirit AI已招聘約1000名員工來記錄日常及工業活動。ACE Robotics則利用可穿戴傳感器，在商店和酒店中捕捉工人的動作和抓握力度。
螞蟻集團旗下機器人業務部門Robbyant表示，其利用16萬小時的訓練素材（包括5萬小時由人類引導的 機器人動作）訓練了一個模型。該公司還針對17個品牌的20種機器人配置進行了軟件訓練，旨在讓同一套AI系統適用於不同機型。
DexForce則採取了另一種方法，利用計算機生成的環境來訓練機器人。首席運營官楊（Nicole Yang）表示，該公司可在6至8小時內準備好某些工業任務以供部署，並在特定的精密操作中實現了超過99.9%的成功率。
但空間智能公司Manycore Tech的王（Jerry Wang）指出，模擬無法完美再現物理交互。該公司專門設計用於AI訓練的模擬環境。
“數據質量比數據多樣性更重要，也比單純大規模收集數據更重要，”X Square的楊表示。
中國機器人企業還面臨其他挑戰，包括因美國出口管制導致的高端英偉達芯片短缺，以及因監管機構對估值虛高和市場擁擠的擔憂，導致首次公開募股（IPO）融資受阻 (link)。
JoyIn Technology公司Aether機器人AI研發負責人朱明軒表示，隨著機器人性能不斷提升，高端芯片短缺將成為中國具身人工智能行業面臨的嚴重問題。
從訓練到工作
JoyIn及其他開發商已經在測試其軟件能否讓機器人解決陌生問題。
朱明軒描述了一項實驗：一台機器人多次嘗試將耳機放入其夠不到的櫥柜中，但均以失敗告終。
隨後，工程師向它展示了人類完成該任務的視頻，該機器人便將一個盒子推向櫥柜，並嘗試踩在上面，朱明軒說道。
“每次它都在探索不同的行為方式，”她說。
在中國，實際應用中沒有即興發揮的餘地。電池製造商寧德時代（CATL）表示，在其中州工廠的電池組測試過程中，Spirit AI的機器人負責連接柔性線纜，插入成功率超過99%。Robbyant公司稱，其機器人在上海的兩家藥房處理訂單，由工作人員在發貨前檢查藥品。
但長遠來看，真正的價值在於能夠無需大量調整即可學習新工作的軟件。成功與否將取決於同一款AI在不同客戶和工作場所的表現，這要求企業利用先進芯片訓練越來越強大的模型。
中國企業正試圖通過更高效的模型、合成數據和模擬來降低計算需求，而包括華為在內的國內芯片製造商則在開發替代英偉達硬件的方案。這些努力能在多大程度上緩解芯片短缺，目前尚不明確。
“CHATGPT時刻”
Unitree創始人王興興上月表示，該公司已在機器人上測試了OpenAI的GPT-6，結果令人鼓舞。
他表示，如果GPT-7明年發布，可能會為機器人技術帶來屬於它自己的“ChatGPT時刻”——這將是一次能力上的飛躍，類似於2022年ChatGPT的發布，後者將生成式AI轉變為主流的消費和商業技術。
王興興表示，當機器人能夠根據語音指令，在80%的陌生環境中完成80%的任務時，他將認為這一門檻已然達成。
但咨詢顧問斯蒂勒指出，演示環節的突破並不一定意味著機器人已準備好投入廣泛的商業應用。
“如果問題在於模型何時能在演示中首次處理廣泛的不熟悉任務，那麼樂觀派的看法或許是正確的，”他說。“但如果問題在於客戶何時能真正依賴它，我認為還需要數年時間，而不是幾個月。”
(為便利非英文母語者，路透將其報導自動化翻譯為數種其他語言。由於自動化翻譯可能有誤，或未能包含所需語境，路透不保證自動化翻譯文本的準確性，僅是為了便利讀者而提供自動化翻譯。對於因為使用自動化翻譯功能而造成的任何損害或損失，路透不承擔任何責任。)