文 | 田哲
编辑 | 苏建勋
AI大模型的加速发展，催化了国产人形机器人陆续走出实验室，让量产成为人形机器人新的关键词。
今年以来，多家国产人形机器人公司发布首款人形机器人产品，他们之中，最年轻的公司还不到两岁。在傅利叶创始人兼CEO顾捷看来，这背后除了大模型的应用之外，还离不开国内高度发达的汽车、消费电子工业体系，让人形机器人的本体得以量产。
傅利叶是国内率先量产通用人形机器人的公司之一。在推出多款康复机器人后，傅利叶于2019年开始研发通用人形机器人，2023年推出的首款双足人形机器人GR-1，至今已在数十个场景交付百余台。
GR-1的多场景应用，让傅利叶听见了客户不同的反馈，也发现了人形机器人的不足。顾捷坦言，GR-1是一款原型机，距离完美仍然有很远的距离。
傅利叶理想状态的人形机器人，需要同时满足六个条件，即运动智能、认知智能、仿生设计、灵巧作业、商业应用、用户体验。而让人形机器人逐渐趋于完美，唯一方式是将人形机器人在多个场景商业化应用，吸收市场反馈不断迭代，从而让人形机器人真正产生商业价值。
近日，傅利叶发布其第二款通用人形机器人GR-2，其全身自由度达到53个，单臂运动负载达3kg，能够完成更复杂的操作。续航方面，GR-2的电池容量提升一倍，将续航时间提升至两个小时，同时新增换电方案。
傅利叶第二代人形机器人GR-2
外观方面，GR-2在保留双足、五指的设计基础上，整体更接近人类。GR-2的身高达到175cm，体重63kg，整机布局采用内走线设计，线缆布置于机器人内部。顾捷解释，将机器人设计趋向于人类，可以采集真实数据进行功能泛化，让机器人在不同场景工作。
为了优化控制策略和性能，GR-2的关节布置由并联改为串联，使得每个关节的运动可以独立计算，有利于开发者部署控制算法，方便调试和维护，降低制造成本。
顾捷表示，自去年发布GR-1后，傅利叶就立刻启动第二款人形机器人的研发，GR-2正是吸收首款人形机器人应用后各方声音的研发结果。
傅利叶没有设定GR-2的销量目标，依旧小批量进行量产。顾捷认为，当下人形机器人远远没有达到大批量量产阶段，今年行业量产规模预计为数百台，但他预计，明年行业内人形机器人产量将同比增长10倍。
人形机器人的量产，可能会带来行业价格战吗？对于这一问题，顾捷表示，傅利叶不会打价格战，并且人形机器人行业远未到价格战的时期，应该更关注如何让人形机器人产品成熟。
关于未来GR-X系列人形机器人的研发，傅利叶表示没有一年发布一款人形机器人的节奏，顾捷认为，需要根据行业相关技术发展程度，才能决定启动项目时间。他相信，随着业界的持续研究推动，将在明年看见更多大模型与机器人融合的新进展。
以下是《智能涌现》等媒体与傅利叶创始人兼CEO顾捷、傅利叶通用机器人事业部副总裁周斌的对话，内容略经编辑：
关注机器人功能，而不是局部
Q：从第一代到第二代人形机器人，研发过程中存在哪些难点？傅利叶如何解决？
A：难点在于机器人的多维度都需要同时满足同一个要求，简单来说就是“既要又要”。比如12自由度的灵巧手，要求它在小型化同时还需实现非常精密的动作，我们通过优化设计动作、传动结构等方面，最终实现了小型12自由度的灵巧手。
从商品角度设计，灵巧手需要和整个机器人外壳结构无缝连接，需要跨模块思考，这是我们一直面临的技术难点。因此，我们按照整个项目设定大将多个团队融合为大团队一起研发，把机器人整体作为一个产品进行设计。
Q：第二代机器人的电池有哪些方面的升级？
A：根据GR-1在交付后客户的反馈，我们将GR-2的电池容量提升了超200%，并且可拆卸进行换电补能。
未来，傅利叶会和电池头部企业合作开发机器人电池。因为电池对我们来说只是一个模块，我们会采用最先进的商业可用技术应用至整个系统。
Q：GR-2的研发周期多长时间？
A：从去年发布第一代之后，我们就开始策划第二代性能指标达到SPEC，花了大概半年的时间，结合客户反馈、制造工艺搭样机。直到现在GR-2的样品出现，共有三个GR-2的形态迭代，过程中根据汇总的经验和反馈，进行了一些修改。
Q：GR-2发布后，下一代产品是否即将启动研发？
A：研发是一个滚动的过程，今天发布的人形机器人是GR-X系列，包括GR-1、 GR-2等其它系列产品，下一代GR-X系列产品留个悬念。
我们没有严格按照一年发布一款的节奏设定研发周期，因为现在的技术迭代和技术突破有自己的节奏，我们希望技术成熟一代，傅利叶发布一代人形机器人，相当于这一代人形机器人基本达到了我们目前所有的客户的需求，以及我们调研的认知高度，我们选择最可靠、最稳定的量产的工艺技术定义了一款当前的产品。
但是研究中的很多技术超前不少，比如我们之前在研究端到端感知，包括后面可能考虑有更大的算力、新材料，我们会多方面预演，之后才能按照时间节点排下一代的产品时间。
Q：智能化方面，傅利叶如何训练？
A：傅利叶的人形机器人没有AI的概念，我们侧重于将机器人本体的潜能和应用性能做好。算法层面，我们会进行组成算法调试，也会联合知名院校、AI公司研究、开发。
Q：傅利叶从首个研发方向是医疗机器人，到现在研发通用人形机器人，傅利叶的竞争优势是什么？
A：现在大家关注人形机器人的活动自由度，傅利叶更关注提升机器人的功能，而不是机器人本身。就像一个人类可以参加奥运会，也能做普通的工作。我们更加关注机器人整体的运动智能、认知智能、仿生设计、灵巧作业、商业应用、用户体验六个方面，这样的机器人才是好机器人。
2025年行业内人形机器人产量将提升10倍
Q：包括GR-1在内，你对目前这两款产品今年或明年的整体销售目标有预期吗？
A：目前计划是小批量量产人形机器人，还远远没有达到大批量量产阶段。今年整个行业量产规模我认为是是数百台，但是一些产品具有复制性，明年行业人形机器人产量能够以10倍速度增长，具体的量现在难以预测。
Q：人形机器人逐渐走向量产，相关零部件供应链近两年是否发生变化？
A：人形机器人的量产成本无论是10万元还是20万元，对于现有行业来说的影响都不明显，我们希望机器人量产后能达到产品级，有用且可靠。
人形机器人的供应链和汽车行业高度相似，大约40%零部件接近消费电子，因此消费电子、电动汽车供应链的良好基础，让中国机器人产业领先，能让未来的人形机器人产品价格低至消费者买得起，但这个前提是人形机器人足够有用，目前人形机器人行业发展还没达到第一步。
Q：触控单元作为一号部件容易导致成本增加，傅利叶在这一方面有何降本方式？
A：触摸传感器单元可拆换，所以我们考虑的主要成本是加工和耗件成本。我们将整个触觉传感器的接口统一化，以方便拆换。另外，由于触觉传感器有差异，因此只要统一接口，就能更替手指等零部件。
Q：不同场景对于机器人手指可能有不同要求，傅利叶未来可能推出二指、三指的机器人吗？
A：从通用人形机器人角度看，我们不会做二指、三指，因为人的手指是五根手指，从业务操作泛化性来看，五根手指的人形机器人可以像人类般操作，从而采集真实数据进行泛化，这条路线能够让机器人更接近人类。傅利叶推出统一化的接口，客户可以针对应用需求，自己添加模块。
Q：傅利叶的人形机器人技术路线是怎样的，与其他厂家有什么差异？
A：我们的机器人是“Made for AI”的这样一个概念，会更加侧重把机器人的本体做好，把它本身的潜能、活动度、运动性能做扎实。
算法层面上，我们自己会做一些底层的算法调试，另外和一些知名院校联合开发，与一些公司合作来进行实现。所以基本上一些最前沿的，包括有突破性的最新的算法架构、训练方式，在我们本体上都在做相应的部署和实践。而且所获得的一些成果也是非常令人惊奇的。
Q：傅利叶的人形机器人已经在银行、工厂等多个场景应用，傅利叶如何分配人力？
A：人形机器人落地效果最明显的是回报率高场景。比如某个场景有痛点却没得到满足，需要根据客户需求定义人形机器人的功能优先级。
技术指引未来机器人的发展方向，如果脱离大量技术去满足客户需求，对于我们来说只是一个短期利益；如果着眼长期技术方向，需要大量实验室和顶尖的研发团队确定技术方向，这是不紧急却非常重要的工作。
紧急、重要且能立刻落地的场景，需要一部分工程化能力，迅速满足客户需求。这其中，长期看技术判断，根据客户需求快速输出、反馈、迭代。
Q：不同场景的应用，对傅利叶机器人的迭代有哪些帮助？
A：机器人在应用中产生的数据储存在客户的服务器中，这些数据未来会成为各企业自己的资产，企业可以根据内部数据研发AI Agent。傅利叶做AI Agent本体，相当于身体和大脑。客户和第三方合作数据归属于客户，他们基于数据进行配置和训练，我们提供工具链和方法论。
我们会建设数据采集的训练中心，完成部分数据闭环。另外我们将任务中单独采集的数据集，结合网络公开数据、仿真数据集进行混合训练，进而完成部分具体任务。
端到端大模型融合机器人，将在今明两年有新进展
Q：上半年人形机器人出现了类似价格战的情况，下半年的竞争可能会激烈，傅利叶怎么应对？
A：首先傅利叶不打价格战，其次人形机器人行业目前还远远没到价格战的时期。
举个例子，假设人力成本一个月一万块，买一台售价一万块的人形机器人回家，你会问这款机器人能为你做哪些事情。我们更应该注重让人形机器人产品成熟，能够落地完成某些工作，产生真正的商业价值，而不是一开始就关注价格。
Q：机器人技术或产业方面，傅利叶面临的挑战是什么？
A：通用机器人只有将身体和大脑结合使用，才能产生作用。大脑方面，现在大模型能够识别图片、聊天，但没有具象化的生成能力。而机器人身体成本高昂，精度有限，也很难执行动作。
现在通用机器人应用场景近百个，总结起来存在的应用问题可分为七大类，因为机器人的大脑和身体能力不足，但场景问题未来会被逐渐解决。
Q：大模型与机器人结合，如何推动机器人发展？
A：最近半年我们看到不少的文献，可以通过大模型生成动作，让机器人做一些简单动作。另外，也可以通过强化学习让这个机器人学会一些反应要求很高，动作要求很快的动作，这些放在以前不敢想象。
现在机器人有50多个自由度，50多个电机，以前控制每个电机，要向每一行发指令。如果是全身运动控制，每一刻、每一秒都是不同的位置，不同力量的变化，通过传统编程控制简直是一个不可能完成的任务。
现在通过大模型，一个神经网络就可以控制人形机器人，而且机器人的动作可以产生一些意想不到的东西，因为是它自学的。你给它做了一些示范，它可以模仿学习，你给了它一些奖励函数，它可以通过强化学习快速反应。通过大模型直接给它一张图片，可以让它根据图片阐释下一个坐标的动作。目前，这些分块已经有非常顶尖的大佬和实验室研究。我们觉得大模型与机器人融合在今明两年能够看到更多进展。
Q：目前国内的机器人公司更多相信大模型+小模型路线，为什么傅利叶会选择端到端这条看起来“非主流”的技术路线？
A：我们觉得对于最底层的来说，比如说控制电机发力，首先就能够做一个位置。举一个例子，这时候用传统算法比如 PID算法以及控制算法，容易解决单个问题。
如果要做一些运动控制条件反射，或者实现走路等复杂动作，通过神经网络模仿学习、强化学习，这些方式能够让机器人达到一个非常好的精确运作，稳定度也比较好。
但是再往上，如果说是要真正意义完成一个复杂任务，我们觉得端到端的可能性还是最大的。端到端原本是一个小众技术，但现在端到端在自动驾驶领域变成了主流认知。人形机器人其实也一样，原大家看到的是传统任务规划，轨迹控制，这些东西都是人形机器人的底子。现在我们更想尝试端到端方案，解决原来的任务复杂度。
Q：机器人和自动驾驶发展相似，随着产品智能化不断提升，不少公司自研零部件以跟上智能化需求。傅利叶已经自研部分核心零部件，未来是否会自研芯片等关键零部件？
A：我们对人形机器执行器的关键模组是全自研，比如电机、减速机、驱动器、传感器等，目的是让整个机器人适配性能够达到最好。
目前芯片不在自研计划之内，但是未来不排除这个可能。我们觉得芯片性能会大大影响整机性能，我们可以把很多边缘侧计算放在执行器侧，很多算力放在本地。就像特斯拉FSD的大量计算在本地完成，大型服务器集群放在云端，通过连接云端完成复杂问题，需要高速响应的问题在本地解决，所以芯片的需求量未来会很大。
Q：芯片算力未来会多大？
A：算力越大，支撑的神经网络越大，理论上模型越大，机器人的知识储备量越大。目前算力瓶颈是，人形机器人的身材比较苗条，不能装上很多算力板。按照半导体发展情况，未来几年芯片算力可能提升十倍、百倍。
Q：人形机器人未来的终局会是什么？
A：现在有两种观点，一种是认为人形机器人行业将像国内电动汽车品牌，很多厂家有着不同的品牌，产品有不同的定位和价格，机器人行业生态丰富。另一种观点认为，可能会出现安卓、iOS般的巨头，具备一定AI能力。我们认为两种情况都有可能实现，傅利叶希望能推动机器人产品化，实现真正意义的产品泛化性。
