对话宇树王兴兴：做人形机器人要克制一点，别变成传统自动化公司

界面新闻记者 | 陆柯言
界面新闻编辑 | 宋佳楠

8月21日，2024世界机器人大会在北京亦庄拉开帷幕。无论是从参展商还是观展人数来看，这都是历年来热度最高的一届大会。这背后，与具身智能概念的爆火相关。

在众多参展的机器人公司中，来自杭州的宇树科技颇受关注。

今年5月，这家公司发布了人形机器人G1。它能够完成站起、坐下折叠、舞棍等高难度动作，也具备精准操作物体的能力。更重要的是，G1的售价仅为9.9万元，这也是双足机器人价格首次被打到10万元以内。

而在近日，宇树科技又发布了G1的量产版本，成为国内少数几家具备人形机器人量产能力的公司。宇树科技创始人兼CEO王兴兴在接受界面新闻采访时表示，G1的销量基本符合预期，目前已在科研、教育、工厂等场景落地应用。

他还解答了外界对宇树科技和人形机器人的诸多疑问，包括降本方法、量产挑战、商用进展、技术限制，以及人形机器人距离iPhone时刻究竟还有多少年。

采访中，“干活”和“通用AI”成为反复出现的高频词汇。王兴兴认为，人形机器人当下的能力还不足以实现真正的“干活”，但这应是它最具价值的部分。由于人形机器人缺乏像ChatGPT那样的通用模型，当前行业面临着极大阻碍。

“我一直有种感觉，人形机器人公司还是要克制一点，不要把自己做成传统的自动化公司。”他说。

王兴兴并不喜欢将今年定义为人形机器人的商用元年，认为那还为时过早，毕竟头部公司的年出货量也不过百来台。但他依然对人形机器人的商用未来持乐观态度，“如果拿大语言模型来对比，今年就像是ChatGPT诞生的前两年。”

在他看来，尽管这一领域的技术路线还有许多模糊地带，但当更多聪明人和资本涌入，转折点也将很快到来。

以下为访谈实录（有不改变原意的删减及编辑）：

AI让做机器人变简单

问：为什么G1可以做到9.9万的价格？宇树是如何降本的？

王兴兴：价格更友好，产品才有更多人买，才能在全球范围内推动行业进步。

我们的价格相对比较低，因为我们做四足机器人已经很多年了，对于机械、成本、生产都有比较多的经验，而四足和人形机器人很多设计是类似的，这也是我们低价的基础。宇树的四足机器人最低卖到9000多元一台，对比机器人还有点贵。

要把所有的零部件，哪怕一个螺丝钉都设计到极致是非常耗时间的。公司到现在已经成立了8年，有好几款产品实现了量产，但我们依然很有压力，因为每一个零部件都要精细设置，有些技术要求高的零部件都是以0.01毫米起步考虑的。

因为目前的量不够，如果我们价格定得太低，对行业和公司都不好。我们还是希望价格相对合理，可能到明年后年出货量会进一步提升，机器人的能力也会越来越强，价格可以做更好地调整。

问：宇树是做四足机器人起家的。四足机器人和人形机器人的关系，像是人从爬行到站立起来的过程吗？

王兴兴：从技术上或者进化角度，你可以这么认为，毕竟灵长类动物本身也是从4条腿进化过来的。机器人也是一样，为什么早年大家做四足机器人更多，因为它的稳定性、负载、续航能力更强，技术成熟度更高。

过去一两年，国内很多人形机器人公司都出来了。为什么他们做得很快？原因非常简单，他们用了大量开源的四足机器人技术，包括算法和硬件。

问：对于设计风格是怎么想的？

王兴兴：我们希望产品尽量简洁，无论是外观还是功能，都不要弄得太复杂，像iPhone一样。交互的简洁性是对产品最极致，也是最重要的要求。

问：为何宇树和波士顿动力的Atlas都采用了是三指设计？

王兴兴：目前全球人形机器人的方案不是特别统一，客户的需求也不一样，最典型的代表就是手。G1高度大概只有1.3米多，如果我们给他装了五指，会发现这个手有点太大了，我觉得非常不好看。而三指手大部分产品都能用，抓东西都可以抓得很牢，包括波士顿动力的Atlas在工厂里干活，三指就够用了。出于实用性的角度，大家还是希望机器人的手势越简单越好。

目前来说，把物体从这里抓到那里，只要一个关节就够用了，如果要做更精细的事情，比如说拿电烙铁去焊接，或拿筷子，三个手指也基本够用。大家可以想象一下，如果自己只有两三个手指，其实能干很多活。

AI的加入使得对硬件的自由度、数量、外观灵活度要求都越来越低，这是一种趋势。假使你随便找几个关节电机和木头，把它拼在一起，搭出人形，都很可能让它走起来或者干点活。

不急于商业化

问：宇树和其他人形机器人公司最大的不同点是什么？

王兴兴：宇树目前主要做高性能机器人，未来希望做全球最领先的、能给大家产生价值的机器人，无论是四足还是人形机器人，我们都愿意去做。形态是非常自由的一件事情。如果说和别的公司不一样，那就是我们发展时间更长，产品成熟度更好一些。

问：现在宇树的商业化进展是一个什么阶段？人形机器人在哪些场景落地比较多？

王兴兴：我们很早就开始做商业化，2016年成立，2017年开始预售接订单，2018年正式发布。人形机器人的客户目前比较杂，有个人用户、科研教育公司、AI公司、科技公司，还有一些工厂。

问：最近新智元也有产品发布，他们看上去尤为在意商业化进展，但宇树似乎淡定一些？

王兴兴：我们确实不是特别急，还是希望能把产品做得更好之后再去推商业化，但也不排斥。现在会有一些公司合作，但我们产品太多了，不可能把所有事情都宣传得很到位，所以大家不太知道。

问：早期业界普遍不看好人形机器人，宇数怎么看待外界的声音？对于人形机器人的发展策略，宇树是有自己明确的发展规划，还是随着社会共识变化而改变？

王兴兴：基本上还是遵循社会共识。雷总说过，顺势而为，做得太早或太晚，都是非常不好的一件事。

以前有很多投资人问我，你们做不做人形机器人？我斩钉截铁地说，我不做。我在大一寒假就做过仿生机器人，但产品没有达到我的预期。当时全球的人形机器人都不是特别理想，性能上不去，也没办法到能干活的阶段，所以我当时就决定不做了。

但到2021、2022年，在马斯克的带领下，全球开始非常关注人形机器人，尤其是2022年底大模型诞生之后，AI技术产生了明显的质变，也开始有客户找上我们。社会的共识足够了，有人愿意买，我们才会做。

问：很多具身智能公司会把宇树定位成机器人的“身体”，自己则是机器人的“大脑”，你认可这样的说法吗？软硬件企业未来更多会走向竞争还是合作？

王兴兴：非常欢迎客户用我们的硬件，哪怕把我软件全删了，我们也非常欢迎，初衷还是希望更多人来用我们的机器人。

定位这个问题，我们过去有跟一些AI公司合作，自己也会做一些AI，如果完全不做的话，大家不知道我们机器人AI效果怎么样，总要有一个初始的软件系统。但我们对AI的投资是比较克制的，因为太烧钱了。

机器人肯定是我们的立身之本，同时也欢迎和各种大模型公司合作，特别是愿意在我们的产品上标配做得好的大模型，把我们的软件替换成它的也可以。

问：资本进入之后，会不会跟原有的研发团队产生路线上的分歧？是否会针对投资方美团的业务推出一些特定机器人？

王兴兴：我们融资和估值还是比较克制的，投资方对具体的公司管理不怎么参与。一件事情能做或是不做，他们不太会有大的意见。美团确实是我们最大的股东，后续也可能有合作的机会。

问：今年国内很多机器人宣布进厂打工，但大多不具备实际操纵的能力，你怎么看？宇树机器人针对工厂端的落地有哪些规划？

王兴兴：这的确是一个趋势，但目前还没有形成商业闭环，即产生的商业价值是正向的，要比人的成本更低。我们公司目前主要是卖本体的，并不是说一定要做工业，如果科研、教育公司买我们的产品，或者个人用户买来玩，也完全欢迎。

但工业领域也在推进，比如去做一些生产资料分配或者简单的搬运，推进的速度没那么快。我们对这个行业还是比较有耐心的，不会把自己逼那么紧，更多还是尊重市场的反应。等到技术和产品大家接触到一定程度，有一些商业推广的苗头了，我们再大规模推广。

问：未来在研发上的迭代方向是怎样的？

王兴兴：成本更加合理，性能和外观做得更好，用户体验才能更好，这是最主要的大方向。再者，要时刻了解全球的技术和产品导向，不能松懈，不能觉得今天已经做得不错了，未来一两年就不改进了。

机器人离“iPhone时刻”还远

问：是否认同“今年是人形机器人的商用元年”？

王兴兴：今年的体量其实很小，即使在商业化的情况下，有些公司最多也就小几十台这种级别。我个人不是很喜欢这个定义。

问：预计通用机器人领域何时会出现“iPhone时刻”？AI化模型给机器人带来了哪些明显的能力提升，目前还存在哪些挑战？

王兴兴：还是稍微有点远。iPhone的出现是综合性技术的突破，原来已经有了触摸屏、CPU、交互界面，然后乔布斯提出了终极产品构想，再把这些技术都整合在一起（才有了iPhone）。

可能现在大家还觉得机器人有点傻，就只能干一些固定的活，但我觉得今年年底之前，至少全球有一家公司能把通用机器人的AI模型做出来。当然，这个只是接口，也不是“iPhone时刻”。真正的“iPhone时刻”，还是希望在工业或服务业有终端产品的出现，行业的出货量暴增，可能还要三四年，但不会超过五年。

ChatGPT没出来之前，大家觉得大语言模型的东西很散，什么都干不了，出来以后就不一样了。我们做的很多机器人也是这样，可能今天还在地上打滚，突然训练出一个模型，放上去之后就非常智能，所以我比较乐观。

问：技术层面，人形机器人目前最大的挑战在哪里？

王兴兴：最大的限制门槛还是AI方面不太够，机器人AI的能力在全球范围都没有达到一个像初代ChatGPT那样的水平。

模型、AI训练数据集、AI产品的落地部署、硬件层面都远远不够，但这不是理论上的门槛。工程上就是要把成本做得更低，外观做得更极致、功能更丰富，这是工程问题，这部分时间是可以预估的。

如果今天有人把AI机器人的通用模型做出来，找我们定制人形机器人，我可以保证年底之前就能完成，做10万个人形机器人都行。我加大产能和研发效率，投大量的人，甚至通宵都没问题，因为硬件本身不是问题，最大的问题还是机器人的AI能力没有足够的突破。

当然，硬件也要继续完善，比如电池容量做更大，减速机的寿命可以做得更长，负载能力更好，灵巧操作的精度更高，视觉感知的分辨率更高，执行速度更快，但这些都不是最大的限制。

问：现阶段的大模型可以解决人形机器人哪些技术问题？大模型和AI的应用有望降低机器人的研发成本吗？

王兴兴：目前大家说大模型时，多是指大语言模型或者多模态模型，这部分可以给机器人用，但不是全部。机器人要发展下去，单纯的大语言模型是不够的。

例如在工厂里做事的机器人，完全不用说话，给他布置一个任务，看一张照片，或者敲一个数字进去，让他干活就行了。无论是在工厂拧螺丝，还是在家洗衣做饭，机器人最主要的还是要能干活。对话的话，一部手机就可以做得很好。

对于干活这个点，目前的大语言模型可以用到一部分，但更多是要做一个机器人的模型出来，比如把图像数据、关节指令数据、激光雷达或者别的数据加到里面。特斯拉最近就在招数据的采集工人，然后去做训练，待遇也不错。这和大语言模型没多大关系，更多是模仿学习。

目前整个体系不太成熟，包括机器人应该在哪里装相机、装几个、传感器数据怎么采，要不要数据传感器等问题。国外有些流派，他连灵巧手都不想用，只想用个爪子，但有些就希望手指更加灵活，每个手指上有丰富的传感器。每个人的想法都不太一样，很难评价哪个路线是错误的。

问：你之前提过会考虑在机器人上添加更多的触觉感知，触觉的重要性在哪儿？瓶颈是什么？

王兴兴：触觉非常重要。假设一个人全身皮肤的触觉都丧失了，影响会非常大，可能抓不住东西，走路也会跌倒。但目前的触觉确实做得非常糟糕，很多机械臂基本上没有触觉。这个事情不好做，它要求灵敏度，意味着要部署成百上千个触点或者触觉传感器，万一磕碰，损坏的概率是非常大的，这也是做触觉最大的瓶颈和量产的挑战。如果一台机器人全身有1000个触点，那量产一定要保证做得非常好，想想都是令人崩溃的事情。

问：物理交互可以加深模仿和强化学习，但这项技术现在还不成熟，之后可以如何改进？

王兴兴：我一直觉得物理交互非常重要，要真正让机器人去生活中帮忙处理事情，如果只用虚拟的数据去训练是远远不够的。虚拟数据最多达到一种程度，即大概知道要干什么，比如往前走，或者把什么东西放在一起，但要组装精密零部件这类工作，误差会比较大，没办法完全契合地进行实物操作。还是要非常有必要去做一些实物训练，把最后的闭环跑通。

问：你多次提到机器人最重要的就是干活，有没有什么具体的期待？

王兴兴：干活也分好几个阶段，当下的AI可以做一些模仿学习的措施，如果是固定工位，比如说把一个电池从这里拿到那里，全球很多公司都能做，成功率基本上接近100%。

更进一步的话，还是希望它能在工厂里做更复杂一点的事情。比如拆装零部件，或者做一些农业相关的工作，就不是简单的抓取，这件事明后年基本就可以做了。

终极阶段，希望真的非常通用，比如随便给一个人形机器看一张照片或者说一下，它就可以组装产品或者整理桌子，即使它完全没见过桌子原本长什么样。

最主要的还是AI软件去发力。AI软件没有突破，硬件做得再好也不行。我一直有个感觉，现在人形机器人需要克制一下，不要把自己做着做着变成一家传统自动化公司。你要跟自动化行业卷效率是永远卷不过的，还是要把AI软件做好之后，去做一些更有价值的事情。

问：机器人行业借助AI热度重新火起来后，产业端和销售端相较于过去有哪些明显的不同？

王兴兴：变化非常大。与过去几十年比，最近一两年新的AI和机器人浪潮完全是两个世界，技术的认可度和资本的热度都不一样，全球的大公司、中小企业、地方政府都非常关注机器人。但由于它还只能做一些固定的事情，大家不太满意，整个行业发展跟通用AI落后了差不多10年的。我觉得会慢慢赶上来，因为有更多的聪明人、更多的资本和关注进来了。