对话光象科技CEO张涛:具身智能不存在泡沫,未来不会取代自动化设备和人

出品 | 搜狐科技

作者 | 梁昌均

“人形机器人是不是过10年或15年进入家庭，我无法下定论。但基于之前的技术发展历程和客观规律来讲，我们觉得它没有这么快。”

从阿里高德离职加入具身智能创业大潮的张涛，虽然最终目标同样希望让机器人走进家庭，但他对这个实现过程有着更为清醒的认知。

此前，行业内有乐观声音认为三年内就有望实现，这让张涛恍惚中想起了15年前的自动驾驶。“那时候我们讲明年或者两三年，L4就满街跑，结果到今天还没有实现。”

这个判断一定程度影响了张涛创业的选择。去年他联合清华大学车辆与运载学院党委书记、人工智能学院教授李升波成立了光象科技，张涛担任CEO，希望共同推动通用具身智能技术的产业化应用。

这家公司把落地方向优先选在了B端，并率先切入汽车制造场景。在6月10日的技术开放日上，张涛发布了号称行业首个工业级自进化具身智能机器人Phi-Bot X1。

他介绍称，光象科技已围绕汽车制造中的上下料、质检等典型工位完成真实场景验证，并已与某国际车厂、蔚来等企业达成合作。

张涛表示，接下来公司还会从汽车制造拓展到3C电子、轨道车辆、工程机械等工业领域，整体路径是从工业到商业，最后到家庭服务。

对于为何选择这样的路径，张涛解释称，具身智能最好的落地方式是从单点做突破，而不是多点开花。“对标自动驾驶，从L2往L4去做可能是更合理的路径，今天的具身智能同理。”

当然，不可否认，当下的具身智能还面临不少挑战，核心在于模型和数据瓶颈。究竟是做VLA，还是世界模型；是采集真实数据，还是采用仿真数据，行业吵翻了天。

张涛的判断是，以模仿学习或监督学习为核心的VLA不会是终局，因为数据量级差太多。

在他看来，如果数据问题解决了，具身智能的长期AGI就不远了。“今天的VLA、世界模型在模型结构和训练范式上有差异，但核心都是由数据驱动的端到端范式。”

今年以来，行业企业包括不少大厂都在纷纷加强数据采集工作，但路径依然还未收敛。张涛更看好仿真数据，因为其是唯一有可能实现数据指数级扩增的方案。

张涛还谈到了行业定位和市场竞争，强调具身机器人在工厂场景里不是要取代传统的工业机器人或人，而是要追求效率的最佳组合。“具身智能是一个大赛道，不会只存在一家或几家。”

他还提到，行业里很多具身机器人并没有去干该干的事情，如双足人形机器人去搬箱子，毫无必要。“行业要更多面向真实场景需求，做真正发挥具身智能机器人价值的事情。”

虽然目前具身智能目前应用多数还停留在科研教育、商业服务等领域，还未真正规模化走进工业和家庭场景，但资本热潮还在持续，宇树等多家企业也已开启上市。

“虽然现在融资看起来很热，但我们并不认为这是泡沫，因为具身智能，尤其是它在物理环境真实泛化产生的价值是非常高的，对比未来的价值，现在的投入并没有那么高。”

张涛还呼吁，要尊重整个行业的发展规律，路要一步一步走。“具身智能行业未来也会经历波峰波谷，我们还是尽可能坚定地按照自身的技术和业务节奏去推进。”

以下是对话精编：

一、VLA不会是具身智能终局，数据解决了AGI也就不远了

Q：对具身智能的技术路线，有观点认为，VLA不太够用，您怎么看？公司技术壁垒是什么？

张涛：我们会以强化学习为最核心的技术能力做具身智能。过去绝大部分VLA模型都采用模仿学习，这种方式是不是终局，能不能走到最后，我们的结论是不太可能。

为什么？如果要用模仿学习或监督学习的方式完成通用具身智能模型开发，对数据量的要求很高。今天具身的数据量级基本在几十万到几百万，而且非常分散。具身要解决几百个、几千个任务，需要的数据量级大概是十亿、百亿。

但强化学习能够突破，在探索和试错的过程当中，通过奖励信号让模型自己学到什么样的方式和策略是最优的，能够不断迭代，得到性能提升，这种方式可能会走到最后。

Q：今年行业都在加速获取具身数据，公司看好什么类型的数据？

张涛：目前为止，我们还没有看到非常明确的数据范式收敛。第一人称视角数据相比遥操作数据，虽然能更好地降成本并体现泛化通用操作能力。但数据规模与成本之间的关系仍然是线性的，没有变成指数级别。

因此，我们认为它可能也未必是最终路径。我们会更优先采用仿真数据，这是唯一有可能实现数据指数级扩增的方案。

如果数据问题解决了，具身智能的长期AGI就不远了。今天的VLA、世界模型，在模型结构和训练范式上有差异，但核心都是由数据驱动的端到端范式，没有本质区别。

对强化学习来说，最合适的方式是在仿真环境里做强化，能够保证更大的安全性和更大并行的训练规模。这条技术路线，无论是从逻辑上，还是从规模上，都是更可行性的方案。

二、具身机器人不是要去替换自动化设备和人

Q：公司在商业场景上选择先去做汽车制造领域，是出于什么考虑？

张涛：我们讨论过是To C还是To B，是做工业还是进家庭，这无所谓对错。要看具身智能的本质，机器人需要在某个环境下去完成某个任务，要找到一条真实可落地的路径。

我们认为具身智能最好的方式是在一个点上去做突破，而不是多点开花。对标自动驾驶，我认为从L2往L4去做可能是一条更合理的路径，今天的具身智能同理。

汽车制造是目前最大规模、复杂度程度最高的行业，而且有非常好的一致性和标准化，对品控、时间节拍和效率的要求也非常高，这对具身机器人落地而言是非常好的练兵场。

接下来我们还会不断拓展其他工业场景，像轨道车辆、轮船、零部件、工程机械、3C电子等，我们整个路径是从工业到商业再到家庭服务。

Q：在工业场景，很多人认为机械臂等传统应用型机器人更有发展前景，具身机器人是泡沫，您怎么看？如何看待未来的市场格局？

张涛：我们做具身智能机器人，并不是让机器人去替换自动化设备，更不是替换人，而是期望把工业自动化设备、具身机器人和人进行整合，产生最高的效率。

自动化设备的技术路线、工位需求和具身机器人完全不同，它们事先设定好轨迹，重复即可，通过运控算法和本体能力保证极高的定位精度就可以实现。

具身智能核心是端到端的AI驱动，没有必要做这件事，要做的事情需要非常好的灵活性、鲁棒性，并且能够面向不同的工位做到很好的泛化操作，所以跟他们没有直接的竞争关系。

Q：公司的客户主要是车厂，但现在也有不少车厂，比如理想都在做机器人，长期来看他们有什么壁垒？公司如何与之竞争？

张涛：现在很多车厂都在做机器人，但他们最终要服务的是C端客户。他们更关注的事情是怎么样在继手机和汽车之后的下一代智能终端，开发通用机器人，而且走入家庭。这也在我们未来的目标之内，但目前我们跟车厂做的机器人不存在竞争关系。

当然，这些车厂有很好的制造能力和模型、资金能力，会成为具身智能行业非常优秀的玩家。但具身智能是一个大赛道，不会只存在一家或者几家，每个细分场景中都会有一批头部公司。

三、具身智能没有泡沫，人形机器人不会很快进入家庭

Q：您怎么看目前具身智能公司的商业模式？公司如何选择自己的落地路径？

张涛：整个行业还在非常早期的阶段，有卖机器人的，有卖软件的，有去做租赁的，卖工具平台服务的，都还在探索的阶段，具体哪个会成为未来主流，可能还要时间。

今天行业很多具身机器人并没有去干该干的事情，如用双足人形机器人去搬箱子，毫无必要。我们希望行业更多面向真实场景需求，做真正发挥具身智能机器人价值的事情。

我们希望做软硬一体化的具身智能的完整产品。今天具身智能行业是不成熟的，我们希望能够为生产力服务，路径是首先把能够解决真实问题的机器人造出来，卖出去，去干活，再把数据收回来，然后再去产生更多的数据和更强大的模型，从而再去拓展范围。

Q：您此前说人形机器人落地还需十年，但行业有观点认为几年就可以进入家庭，您怎么看？未来进入家庭的机器人会是什么形态？

张涛：行业里有观点讲三年人形机器人就能够进入家庭干活了，恍惚中我好像回到了15年前的自动驾驶，那时候我们讲明年或者两三年，L4就满街跑，结果到今天还没有实现。

人形机器人是不是过10年或15年进入家庭，我无法下定论。但基于之前的技术发展历程和客观规律来讲，我们觉得它没有这么快。

机器人走进家庭，人形是不是最好的？我觉得这没有答案，还是要回到让机器人进入家庭，到底想让它提供什么样的价值。如果去做铺床叠被、整理东西、擦桌子，确实不需要双足。

有些机器人做得非常拟人，它提供的价值不在功能层面，更多是情感价值，这确实需要人形，而且是拟人度非常高的人形，所以关键是取决于到底想让机器人提供什么样的价值。

Q：有观点认为目前具身智能有泡沫，资本都聚集到头部，估值上百亿的公司越来越多，对新入局的公司可能会越来越艰，您怎么看待这种局面？

张涛：虽然现在融资看起来很热，但我们并不认为这是泡沫。具身智能尤其是它在物理环境真实泛化产生的价值是非常高的，对比未来的价值，现在的投入并没有那么高。

当然，我们还是要尊重行业发展规律，未来是有那么大的市场，但路总要一步一步走。具身智能行业未来也会经历波峰波谷，我们还是尽可能坚定地按照自身的技术和业务节奏推进。