“機(jī)器人的時代已經(jīng)到來，”英偉達(dá)首席執(zhí)行官黃仁勛在3月GTC大會上說，“各位請注意，這很可能成為所有行業(yè)里規(guī)模最大的行業(yè)?！?/p>

作為三年來人工智能熱潮的最大贏家，黃仁勛此言一出，又給火爆的“具身智能”添了把柴。

其實，“機(jī)器人”也好，“具身智能”也好，說法不同，本身是一個尚未普及同時并不令人陌生的東西。它最早誕生于1921年捷克劇作家卡雷爾·恰佩克的《羅素姆機(jī)器人》，Robot一詞就來自捷克語Robota。

劇中，機(jī)器人的制造，基于一種特殊的化學(xué)物質(zhì)，工序涉及制造機(jī)器人皮膚的揉搓槽、盛載肝和腦的大桶，以及生產(chǎn)骨骼的工廠；神經(jīng)纖維、動脈和腸臟則“紡制”于工廠的線軸。

它們可以像汽車一樣組裝起來。

科幻作家艾薩克·阿西莫夫很討厭這個作品，但卻肯定了恰佩克創(chuàng)造Robot這個詞的文化價值，“這個詞讓所有語言的科幻小說成為可能”。同樣，它在現(xiàn)實世界的影響力也毋庸置疑，百年來，激勵無數(shù)科學(xué)家去開發(fā)一種與人類相似、具有智能，能夠像人類一樣行動、推理和互動的機(jī)器，融運動、感知和互動為一體，以再現(xiàn)人類的身體、認(rèn)知和社會功能—也就是人形機(jī)器人。

正如恰佩克在序幕中提出的戲劇沖突，制造機(jī)器人，到底是為了證明“不僅神可以造物，人類也可以”，還是用來創(chuàng)造經(jīng)濟(jì)價值，機(jī)器人公司內(nèi)部存在巨大的分歧。而在現(xiàn)實世界里，觀念領(lǐng)域的造物沖動、商業(yè)層面的巨大誘惑，都吸引著人類對機(jī)器人的無盡想象。

在100年后的今天，AI已經(jīng)普及，卻囿于數(shù)字世界、只能處理信息，人們都知曉一點，這遠(yuǎn)非智能革命的終點。賦予AI這一大腦以“肉身”，讓它沖破二進(jìn)制世界的禁錮，參與物理現(xiàn)實世界的互動，才是人類的終極夢想。

但這也引出一個很曖昧的問題，機(jī)器人，為什么非得像人？

從“手臂”到“人形”

第一個現(xiàn)代機(jī)器人“尤尼梅特”于1954年問世，“搖籃”則是美國通用汽車制造廠。

“尤尼梅特”和艾薩克·阿西莫夫最初的設(shè)想很像。1940年代，阿西莫夫的“機(jī)器人”在火星上干活，那里條件艱苦，工作枯燥，甚至得靠心理學(xué)家解決“心理問題”。十幾年后，發(fā)明家喬治·德沃爾和約瑟夫·恩格爾伯格創(chuàng)造了一臺可編程的“尤尼梅特”，用來處理汽車廠里沒人干的臟活累活—搬動上百攝氏度的模切金屬部件。

現(xiàn)實還追不上科幻小說。“尤尼梅特”（Unitmate）沒有人形，只是個“機(jī)械臂”。經(jīng)過幾年的測試，1961年，它成功部署在通用汽車的一家工廠里。一用上“尤尼梅特”，通用就“殺瘋了”—每小時生產(chǎn)110輛汽車，是當(dāng)時任何一家車廠生產(chǎn)效率的兩倍多。

又過了十幾年，維克多·施恩曼于1969年創(chuàng)造了“尤尼梅特”的進(jìn)化版，也叫“斯坦福臂”。比起從磁鼓存儲器里接受指令的“尤尼梅特”，“斯坦福臂”不僅靠計算機(jī)軟件精細(xì)控制，還具有六個運動軸，更接近人體手臂的活動范圍。

1972年，人工智能機(jī)器人出現(xiàn)了。因為動作顫顫巍巍，斯坦福研究所的研究人員給它起名“搖晃者”（Shakey）—給“搖晃者”下達(dá)指令，“找出房間里的障礙物”，它會使用多個傳感器來完成任務(wù)。

“搖晃者”采用的是簡單的計算機(jī)視覺技術(shù)。這項技術(shù)一直影響至今，在2010年代尤其發(fā)揚(yáng)光大。美國電動汽車特斯拉就徹底采用“純視覺方案”，靠攝像頭而不是激光雷達(dá)來檢測周圍環(huán)境和物體。它可以收集數(shù)據(jù)，構(gòu)建環(huán)境模型，然后使用“規(guī)劃”程序生成下一步行動。這種“規(guī)劃”層的設(shè)計，是機(jī)器人歷史上最重要的創(chuàng)新之一，至今大多數(shù)機(jī)器人系統(tǒng)依然采用它的構(gòu)思。

在1970年代末期，日本學(xué)者牧野洋開發(fā)出SCARA（也叫選擇性柔順裝配機(jī)械臂），專門為拾取和放置物體而設(shè)計。

工業(yè)流水線的本質(zhì)，就是將組件從一個點移動到另一個點，勁兒雖小、但速度更快的SCARA，極大提高了工業(yè)生產(chǎn)的效率，由此，電子裝配、汽車生產(chǎn)、制藥、食品和飲料加工以及包裝和材料處理等行業(yè)，如虎添翼地發(fā)展起來。

其實，工業(yè)生產(chǎn)不是特別需要人形機(jī)器人，適合流水線的往往是機(jī)械臂、機(jī)械腿—只需要“像”人體的一部分就夠了。近十幾年流行的“機(jī)器換人”浪潮，換上來的也都是各種“機(jī)械肢體”，有些純“運輸類”機(jī)器沒手沒腳，靠“履帶”運動。

進(jìn)入家庭、和人打交道的機(jī)器，才需要做成“人形”。

走進(jìn)千家萬戶？

20多年前，美國機(jī)器人學(xué)家辛西婭·布雷澤爾就強(qiáng)調(diào)，如果機(jī)器人要和人類一起工作和生活，要得到人類的信任，就必須讀懂人類的情緒、表現(xiàn)自己的個性。

2000年，第一款社交機(jī)器人“命運”（Kismet）橫空出世—為了體現(xiàn)“與人類打交道”的獨特性，它甚至只有一個“腦袋”來傳情達(dá)意。它“長”著一對富有表現(xiàn)力的黃色眉毛，濃重的紅唇，粉色招風(fēng)耳和藍(lán)色的大眼睛，由21個電機(jī)控制，能表達(dá)從快樂到無聊等一系列表情。

音頻傳感器和算法，可以讓它“察覺”人的反應(yīng)：如果你對它大喊大叫，它會顯得沮喪。如果你輕聲細(xì)語，它會流露出好奇。通過創(chuàng)造“命運”，布雷澤爾向大眾展示了機(jī)器人“應(yīng)有”的魅力和表現(xiàn)，為日后的Alexa、Siri以及Google Home等語音助手奠定了基礎(chǔ)。

“命運”的知名度，遠(yuǎn)不如同時期的日本本田E系列機(jī)器人“阿斯莫”（ASIMO）。阿斯莫高130厘米，重54公斤，外形酷似背著背包的太空人，能以時速6公里的速度前進(jìn)。它能完成開水瓶、握紙杯、倒水的精細(xì)動作，到2012年時已經(jīng)具備同時與三人對話、手指獨立運動、雙腳同時離地的功能。

21世紀(jì)初，一個迄今為止最成功的To C應(yīng)用出現(xiàn)了—掃地機(jī)器人。2002年，Roomba“入侵”了人類客廳。它的創(chuàng)造團(tuán)隊iRobot成立于1990年，由麻省理工學(xué)院的研究人員組成，本來是給美國軍方造機(jī)器人的。

當(dāng)時美國軍方需求是“排雷”，讓機(jī)器人檢查地雷區(qū)域，iRobot就開始研究如何在給定面積里，讓機(jī)器人探索每一平方米。歪打正著，這個功能正好能掃地。2002年，Roomba成了第一款真正受到廣大消費者歡迎的機(jī)器人，更用事實證明，只要足夠有用，是不是人形都沒有關(guān)系。

緊接著，物流機(jī)器人也在2003年出現(xiàn)。米克·蒙茲的Kiva機(jī)器人游走于巨大的倉庫，來回查找和拾取物品。與傳統(tǒng)的傳送帶系統(tǒng)相比，自主性的物流機(jī)器人更加靈活機(jī)動，易于使用。Kiva和Roomba長得很像，只不過后者是“底部使勁”吸塵，前者是“頂部使勁”承載物品。

Kiva徹底改變了倉儲和運輸?shù)男?，帶來電子商?wù)的突飛猛進(jìn)。2012年，亞馬遜花7.75億美元收購了該公司。

2004年，波士頓動力的“大狗”（Big Dog）成為YouTube觀眾的最愛。自打誕生起，這個黑不出溜的四足機(jī)器人，時而踱步于綠樹成蔭的森林，時而攀爬在60度的山坡，時而踏進(jìn)齊膝深的積雪，時而跳過成堆的磚塊。被人從側(cè)面狠狠踹一腳，它也頑強(qiáng)不倒。

“大狗”不是自主型機(jī)器人，靠人工控制器做動作，因此也就沒有視覺系統(tǒng)和復(fù)雜的程序。它配備50個傳感器和1臺計算機(jī)，用于管理步態(tài)和身體平衡。最厲害的是，只要有兩只腳同時接觸地面，它就可以彈跳，比其他機(jī)器人靈活多了，能適應(yīng)更復(fù)雜的路況。

“大狗”也是為了物流打造的，它能翻山越嶺，也能上下樓，拿點包裹捎點物件不是問題。當(dāng)然，想軍民兩用也不難，崎嶇的戰(zhàn)場上送幾件武器不在話下。

這種不走人形的智能機(jī)械路線，也延伸到了汽車?yán)铩?005年，自動駕駛汽車完成了第一次重大測試。一輛名為“斯坦利”的大眾途銳贏得第二屆“DARPA”挑戰(zhàn)賽?！癉ARPA”是美國國防部高級研究計劃局的簡稱，挑戰(zhàn)賽的內(nèi)容是在典型的戰(zhàn)地場景，讓汽車按照給定的路線圖躲避障礙，到達(dá)安全點。

2004年第一屆DARPA挑戰(zhàn)賽沒有贏家，100萬美元的獎金無人認(rèn)領(lǐng)。2005年第二屆挑戰(zhàn)賽，獎金翻了一倍，達(dá)到200萬美元，路線為212公里的莫哈韋沙漠賽道。195支參賽隊伍，5支跑完全程，斯坦福大學(xué)的“斯坦利”以6小時53分的成績獲得第一名?！八固估鲍@勝的秘訣是一系列技術(shù)改進(jìn)：根據(jù)人類駕駛習(xí)慣訓(xùn)練的程序，5個激光雷達(dá)傳感器識別車輛前方25米內(nèi)的物體。

雖然線路是事先規(guī)劃好的，障礙是靜態(tài)的，所有參賽車輛也不會“碰頭”，但“斯坦利”的成功證明了自動駕駛的現(xiàn)實可行性。自那以后，“挑戰(zhàn)賽”的難度越來越高，車輛和環(huán)境的互動性也越來越強(qiáng)，自動駕駛成為汽車行業(yè)最大的愿景。

肉身未具，大腦先來

執(zhí)著于“像人”的傳統(tǒng)機(jī)器人公司，似乎陷入了迷途。

2018年阿斯莫停產(chǎn)，意味著人形機(jī)器人的路線還沒有走通。雖然它樣子很萌，也會做不少事情，但離走進(jìn)家庭、真正幫人做事還有極大的距離。它的成本又過于昂貴，單臺300萬美元，維護(hù)一次都夠買一輛小汽車的了。

波士頓動力幾代“元老”機(jī)器人先后退役停產(chǎn)，包括雙足機(jī)器人“阿特拉斯”。2021年，波士頓動力被軟銀收購，又被轉(zhuǎn)手給現(xiàn)代汽車，2024年停止開發(fā)人形機(jī)器人。

2017年在沙特利雅得“未來投資峰會”上獲得公民身份的機(jī)器人“索菲亞”，也不再有任何音訊。

上個時代呼風(fēng)喚雨的機(jī)器人公司，已經(jīng)跟不上快速崛起的AI浪潮：由于機(jī)械制造和程序設(shè)計已經(jīng)逼近極限，傳統(tǒng)機(jī)器人卡在了阿斯莫和阿特拉斯的“巔峰”上，似乎再無法前進(jìn)。

2010年代初，人工智能革命悄悄醞釀，即將徹底改寫機(jī)器人產(chǎn)業(yè)。2012年，英國人工智能專家杰弗瑞·辛頓和多倫多大學(xué)的一個團(tuán)隊，創(chuàng)建出世界上最精確的視覺識別系統(tǒng)，達(dá)成了人工智能領(lǐng)域近半個世紀(jì)來的最大進(jìn)步。

第二次世界大戰(zhàn)后，人工智能（那時候還叫“機(jī)器智能”）研究方法分裂成“劍宗”和“氣宗”。一派主張“自上而下”，在機(jī)器中制定全套符號和規(guī)則以適應(yīng)人類世界；一派主張“自下而上”，讓機(jī)器模仿大腦“神經(jīng)模型”來自動學(xué)習(xí)。20世紀(jì)六七十年代，“自上而下”派獨領(lǐng)風(fēng)騷，隨即遭遇瓶頸—世界廣大，背景繁雜，一對一給機(jī)器寫符號規(guī)則也難以窮盡。

辛頓這一派搞的是“自下而上”，20世紀(jì)80年代開始走向“復(fù)興”，名字也改了又改，最新的名字叫“深度學(xué)習(xí)”。2024年，辛頓獲得諾貝爾物理學(xué)獎，得號“AI教父”。

辛頓訓(xùn)練視覺神經(jīng)網(wǎng)絡(luò)幾十年。其技術(shù)底層是卷積神經(jīng)網(wǎng)絡(luò)，利用反饋來調(diào)校輸出，其實就是類似于人類神經(jīng)網(wǎng)絡(luò)的多層感知系統(tǒng)。不同的神經(jīng)層接收、處理不同的信息，層層遞進(jìn)，得到一個關(guān)于某事物的“正確”描述。計算機(jī)模擬這一過程，開始“學(xué)習(xí)”人的“識別”“認(rèn)知”能力。

這一技術(shù)方向非常需要大量數(shù)據(jù)和強(qiáng)勁處理能力。移動互聯(lián)網(wǎng)大爆發(fā)和芯片迭代帶來了好機(jī)會。2012年，辛頓如愿以償，他的程序在ImageNet比賽中脫穎而出，能識別和排序超過100萬張圖像，錯誤率僅為15.3%，比最接近的對手還高出10個百分點。

幾個月內(nèi)，所有AI公司一股腦涌向“深度學(xué)習(xí)”，谷歌也發(fā)布了開源工具。在今天，這項技術(shù)已經(jīng)相對成熟，最小型的初創(chuàng)公司都能依此制造出靠視覺識別進(jìn)行日常工作的機(jī)器人。

2022年，OpenAI的聊天機(jī)器人ChatGPT引發(fā)了另一波AI浪潮。在使用深度學(xué)習(xí)模型時，研究人員加上了“激勵機(jī)制”。這是一種新的AI訓(xùn)練方法，標(biāo)記者會在模型中書寫期待的回復(fù)，按照期待的回復(fù)為標(biāo)記的答案排序，通過排序來獎勵模型—就好像訓(xùn)練小狗，按照人的口令去做，做對了就會得到吃的，它就會越做越好。

ChatGPT一招就震驚全球：聊天幾乎和人沒有差別，甚至比大部分直男會“說話”。從此，AI公司又?jǐn)D在了訓(xùn)練大模型、打磨大模型的競爭之路上。2025年初，DeepSeek一炮而紅，用更小、更優(yōu)質(zhì)的開源模型和更低廉的成本，提供了和OpenAI差不多的產(chǎn)品，在中國，DeepSeek快速介入各種場景，智能化浪潮掀起高峰。

至此，機(jī)器人的進(jìn)化路線也更加鮮明。阿斯莫和阿特拉斯的極限，其實正是人工智能“自上而下”派的極限，因為世界萬物難以一一寫成程序，那么更好的辦法就是讓機(jī)器人裝上“大腦”（大模型），自己學(xué)習(xí)世間萬物。

“像人”的執(zhí)念

2016年，王興興剛創(chuàng)辦宇樹科技時，做的是機(jī)器狗。投資人問他做不做人形機(jī)器人，他堅決地說不做。他不是不想做，而是那時的人形機(jī)器人“差一點火候”。

點燃這把火的，是特斯拉創(chuàng)始人埃隆·馬斯克。

在ChatGPT尚未問世時，馬斯克的人形機(jī)器人“擎天柱”便高調(diào)亮相。他一再表示：“未來特斯拉的長期價值就體現(xiàn)在人形機(jī)器人擎天柱上?！?/p>

兩個月后，ChatGPT讓人們“恍然大悟”，原來馬斯克的“大棋”下在這里，有了“大腦”，萬物皆可智能，何況機(jī)器人呢？

根據(jù)人形機(jī)器人場景應(yīng)用聯(lián)盟統(tǒng)計，2024年全年，全球人形機(jī)器人新品發(fā)布數(shù)量已超過106款，數(shù)量超越過去20年的總和。一度陷入迷途的人形機(jī)器人，現(xiàn)在重新?lián)P帆起航。

2025年中國春節(jié)聯(lián)歡晚會，長達(dá)4個小時的節(jié)目演出中，人們印象最深的就是宇樹機(jī)器人“扭秧歌”。

中國和美國的機(jī)器人產(chǎn)業(yè)競爭也日益激烈。美國公司關(guān)注技術(shù)前沿，喜歡探索未知的技術(shù)難題，在基礎(chǔ)模型、數(shù)據(jù)科學(xué)和分析、模擬和視覺軟件、芯片等機(jī)器人“軟技術(shù)”方面更具優(yōu)勢。

中國公司則依托完備的供應(yīng)鏈，側(cè)重于如何將現(xiàn)有技術(shù)整合到實際應(yīng)用中，在減速器、傳感器、電機(jī)、絲杠、控制系統(tǒng)等硬件上更勝一籌。

相比之前機(jī)器人行業(yè)的幾次爆發(fā)，此次爆發(fā)不僅有AI技術(shù)加持，工程技術(shù)亦有突破。以前電驅(qū)動不成熟，波士頓動力一直用的是液壓驅(qū)動，價格高，維護(hù)成本也高，而優(yōu)必選、宇樹等進(jìn)入機(jī)器人行業(yè)時，電驅(qū)動技術(shù)逐漸成熟，可以直接從電驅(qū)動技術(shù)切入市場。宇樹研發(fā)的高扭矩密度電機(jī)（220Nm/kg）成本僅為波士頓動力液壓系統(tǒng)的1/10。

不過，技術(shù)的局限依然制約機(jī)器人的發(fā)展。特別是人形機(jī)器人，想要做到“像人”，絕不僅僅是會跳舞、奔跑、打太極、扭秧歌這么簡單。人形機(jī)器人的突圍之路，還很漫長。

其實，一定要做成“人形”也是某種執(zhí)念。從進(jìn)化的意義上看，模仿人類大腦容易，模仿人類肢體運動極難。因為高級認(rèn)知能力頂多發(fā)展幾百萬年，但運動能力發(fā)展了幾十億年，越新的東西，發(fā)展越不成熟，也就越好模仿。

寒武紀(jì)生物大爆炸時期，只要多幾個感光細(xì)胞，就能活得比別“人”久。脊椎動物的神經(jīng)髓鞘，讓神經(jīng)傳導(dǎo)速度遠(yuǎn)快于非脊椎動物，反射速度也就更快。只不過這些能力已經(jīng)“內(nèi)化”，讓人類覺得十分“簡單”。

換句話說，在人工智能時代，機(jī)器人想要“更聰明”很容易，想“更靈敏”卻很難。但業(yè)界一股腦去琢磨“更靈敏”，除了一定要“攻堅克難”之外，可能也有一些“一步到位”的想象—畢竟，只要人形機(jī)器人量產(chǎn)了，每家一個機(jī)器人的日子也就不遠(yuǎn)了，誰不想擁有一個物美價廉、使喚起來又沒有道德壓力的“奴隸”呢？如果有成百上千個，一不小心就“割據(jù)一方”了。

也許，這一天終將到來，畢竟人類的創(chuàng)造力總在不斷突破自身的想象力。但機(jī)器人如何突圍，不僅是一個技術(shù)問題，也可能是一個社會問題。人們創(chuàng)造出它們，希望讓人類免于勞苦、危險和剝削，從而獲得閑暇、自由和尊嚴(yán)，去改善生活品質(zhì)，提升認(rèn)知，陶冶情操，但人類自身尚不能避免愈演愈烈的階級分化，那么，我們又該如何想象一個人與機(jī)器人共存的世界？

機(jī)器人，是人類德性的鏡子。