10月29日，上海世博中心，智元在创新日AI DAY上集中展示了具身智能的最新技术进展。具身基座模型GO3 Preview、全模态交互模型WITA-OMNI，以及面向重载场景的G2 Max相继亮相。
比起不断更新的技术参数，智元三位技术与业务负责人在当天的媒体群访中，更频繁地谈到一些现实问题：机器人能否稳定工作、能否减少工程师驻场、客户是否愿意复购，以及未来能不能像购买软件服务一样购买机器人的劳动能力。
智元合伙人、高级副总裁王闯透露，在长隆乐园，首批300多台机器人分散于100多个点位。随着第二阶段项目推进，现场机器人规模正逐步扩大至500台。而在最初部署时，机器人与工程师几乎需要一对一配置。
从一台机器人完成动作，到数百台机器人在不同环境中持续工作，具身智能面临的挑战已经发生变化。
王闯、智元合伙人兼联席总裁熊彦，以及智元技术负责人姚卯青，从商业化、交互智能和具身模型三个方向，讲述了智元正在经历的转变。
以下根据三场媒体群访整理，问题经过编辑归纳。
Q：通用大模型已经能够进行机器人动作规划，为什么智元仍然坚持研发独立的具身模型？
熊彦：“我不相信我们会用5万亿模型做具身部署在机器人身体上的动作，最终落地要有现实性。”
熊彦认为，通用大模型在高阶任务规划方面取得了明显进展，但具体操作仍然面临响应速度和调用成本的限制。部分简单动作需要分钟级时间，模型调用成本也可能较高。
姚卯青进一步解释，通用模型可以负责推理与规划，但机器人真正执行动作时，还需要处理力觉反馈、精细控制和实时运动，底层电机控制频率甚至达到100至1000Hz。
两人的判断趋于一致：未来通用模型与专业具身模型可能形成分层协作体系。
通用人工智能能力的提升，并不意味着机器人企业可以直接放弃自己的模型研发。相反，物理世界的复杂性正在为专业模型提出更加具体的要求。
Q：具身智能训练数据已进入百万小时量级，数据规模是否还意味着技术领先？
姚卯青：过去一年，行业数据规模经历了数量级增长。
他回忆，2024年AGIBOT World发布时，虽然已经拥有百万条动作轨迹，但整体时长只有3000小时级别。去年早期，能够积累1万小时数据的企业已经相当突出。
如今，智元GO3模型所使用的训练数据集规模超过百万小时，既包含历史采集数据，也包含从觅蜂及其他渠道获取的数据。
但姚卯青指出，数据数量增长并不代表有效数据同步增长。部分企业购买的大规模数据，实际可用比例可能只有10%至20%，而较高质量的数据采集体系，有效率可以达到80%至90%。
当简单室内场景数据逐渐供过于求，双目视觉、触觉感知及复杂操作场景数据仍然保持较强需求。
具身智能的数据竞争，开始从积累规模转向提高有效性。
Q：智元提到的模型后训练，为什么会成为机器人进入工业场景的关键？
王闯：模型拥有基础泛化能力，就像一个刚从学校毕业的人，知道如何完成任务，却不一定能够立即胜任具体岗位。
他介绍，智元当前重点投入平板电脑上下料、料箱搬运和包裹分拣等场景，通过针对性的后训练提高作业成功率。
其中，平板电脑上下料在并入产线前，需要达到至少三个9，即99.9%的成功率标准，并线后继续向四个9提升。
姚卯青则介绍，智元尝试将100台真实机器人组成训练集群，通过模型权重更新、数据回流及分布式强化学习，提高训练效率。
与实验室里完成一次操作相比，工业现场要求机器人在大量重复作业中持续保持稳定。
Q：从300台走向500台，智元是否已经证明机器人具备规模化复制能力？
💬 评论