价格打下来了,只要9.9万,人形机器人的春天来了吗？

不久前，国内机器人公司宇树科技在其官方公众号推送了一篇名为《Unitree G1 人形智能体 AI化身 ￥9.9万元起》的文章，宣布其推出了一款9.9万的人形智能机器人。十万不到的价格，瞬间让人有一种科幻马上就要照进现实的既视感。

尽管2024年的进度条走了还不到一半，但有关人形机器人的炸场消息却是接连不断。

先是英伟达CEO黄仁勋在其3月份召开的GPU技术大会上与9款人形机器人同台，接着宣布英伟达将开启人形机器人通用基础模型GR00T项目，用新GPU为人形机器人智能化提供算力支撑。引发了一阵关于具身智能的热议。

一个月后，老牌机器人公司波士顿动力宣布旗下传统的液压式人形机器人退役，并推出其全新研发的全电动Atlas机器人。又掀起了一波关于人形机器人发展过往的追忆热潮。

5月初，特斯拉发布了一段展现其人形机器人Optimus（擎天柱）的视频。视频中，有的机器人在拾取电池芯并将它们准确插入到对应的托盘中，还有机器人在进行其他物品的摆放和衣物折叠等操作。

紧接着就是上文提到的，宇树科技祭出了9.9万的价格大招。

看到如此一系列密集的大事件，很难让人不产生一种人形机器人的春天已经来临的幻觉，也难怪有人会高呼“2024年是人形机器人元年”。

到今天，人形机器人经历了怎样的发展历程？为什么大家突然又对其展现出如此大的热情？在这些欢呼的背后，人形机器人的发展还面临哪些问题？本文将就这些议题展开讨论。

人形智能机器人的成长路径

根据控制论的观点，非生命体具备智能的一个关键表现，就是其能够和生命体一样对周遭复杂环境进行主动感知，并作出合理反应。这需要至少三个要素的支撑：感觉要素、运动要素和思考要素。

如果从这个视角出发，第一台称得上人形智能机器人的产品，是早稻田大学在1972年推出的WABOT-1。这款机器人在不用人类时刻操纵的情况下，可以实现自主行走、抓取物体、用日语交流等行为。通过各类传感器，这款机器人拥有一定程度的视觉、听觉和触觉，可以感知周围的状况，并主动调整自己的动作。

事实上，在波士顿动力和特斯拉站在聚光灯前的日子里，人形机器人领域主要由日本的机构和企业引领。

1984年，WABOT-1的升级版WABOT-2被推出。它被设定为一款音乐机器人，可以识别乐谱，并根据乐谱弹奏风琴等乐器。

与此同时，工业巨头本田也进入了这一赛道，并在2000年推出了以著名科幻作家命名的阿西莫（ASIMO）机器人。这是一款具备奔跑、跳跃等多项运动能力，还可以通过视觉、听觉感应器规划路线，给人端茶倒水、表演舞蹈，并能够用语音和手语跟人交流的机器人。

此后，追光灯便打到了北美的舞台。

先是波士顿动力在2013年推出原型机，并于2016年正式发布，可以实现跑酷、后空翻、侧滚翻、前滚翻、180度空中转体、空中劈叉、360度空中转体等高难度动作，还能在复杂的野外环境中自主完成各种任务的Atlas机器人，长期引领着人形机器人的话题榜。

接着，在2021年的特斯拉AI Day上，马斯克通过幻灯片发布了一款概念人形机器人Tesla Bot，将人形机器人的发展带入了一条新赛道——从过去更加关注躯体的发展，转向如何让其拥有更强的通用智能。

为什么人形机器人突然又行了？

人形机器人的发展并非一帆风顺。

由于其研发成本和造价太高，同时又找不到合适的应用场景，使得该领域始终无法实现商业闭环。本田在2018年就停止了机器人研发业务，而波士顿动力更是几经易手，从谷歌到软银再到现代，命途坎坷。商业模式的不明朗，让人们一度对这个赛道的热情降至了冰点。

之所以人们在2024年又开启了对人形机器人的热情，主要原因来自成本的推力和技术的拉力。

首先是大语言模型技术的突破性发展，让人们看到了人形机器人向通用性方向发展的可能性。过去的机器人需要通过编程告诉它们执行什么任务和怎样执行任务，没法实现编码之外的感知与行为，这也大幅限制了其应用场景。而大语言模型技术的发展，一方面让人机交互变得更加简单，另一方面也有望实现反应层面的涌现与泛化，通过自主学习完成那些“意料之外”的工作。

其次，就是新能源汽车等行业的发展，让一些人形机器人的关键零部件的价格持续下跌，进而让人形机器人整体的成本下降成为了可能。

过去，一台人形机器人的价格动辄在100万人民币以上。但近期，市场上陆续出现了一批单价价格带在15到20万之间的人形机器人，斯坦福机器人、特斯拉、国内的智元机器人等都先后表态会将成本控制在20万以内，价格下探成为必然趋势。

尽管如此，人形机器人要在智能化和市场化方面实现突破，依旧有一段远路要走。

莫拉维克悖论——人形智能机器人待翻越的大山

上世纪80年代，人工智能学者汉斯·莫拉维克、罗德尼·布鲁克斯、马文·闵斯基等人发现，与传统假设不同，人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力，并据此提出了著名的莫拉维克悖论。

以曾经在围棋领域大杀四方的AlphaGo为例。

尽管其围棋能力领先到令人恐怖的程度，但是严格意义上讲它不是一个完整的棋手，只是一个棋手的大脑部分，负责识别局势、做出决策，而充当这个棋手躯体的其实是一个人类棋手。AlphaGo根据对手的招数给出应对后，需要一个专门的人类棋手去移动棋子。

我们常常会忽略这一点，是因为在我们的认知习惯中，移动棋子是一个再简单不过的操作，在整个对弈过程中，与高深莫测的下棋策略相比，这个动作简单到可以忽略的程度。但正是这种对人类而言无比简单的动作，恰恰是智能机器面临的最大挑战。

一个完整的对弈过程，其实是多重能力共同驱动的结果，既需要感知、判断、分析和决策这些大脑功能，也需要移动和操作这样的躯体功能。由于我们本能地对人类引以为傲的智力的重视，使得我们在相当长的一段时间里都只关注机器的智能，而没有将其视为一个完整的、独立的物种去看待。

随着应用场景的拓宽和丰富，我们才逐渐意识到，在脑力上能够战胜顶尖围棋手的智能机器，在运动协调性上可能还不如一个小孩子。并不是说机器在单纯的运动和操作方面不如人类，机器可以搬运很重的东西，也能以让人类望尘莫及的速度移动，但是它们无法像人类那样自如地协调好智能模块和体能模块。

著名认知心理学家史迪芬·平克在其《语言本能》一书中对此评价道：“经过35年人工智能的研究，发现到最重要的课题是‘困难的问题是易解的，简单的问题是难解的’。四岁小孩具有的本能——辨识人脸、举起铅笔、在房间内走动、回答问题——事实上是工程领域内目前为止最难解的问题。当新一代的智慧装置出现，股票分析师、石化工程师和假释委员会都要小心他们的位置被取代，但是园丁、接待员和厨师至少十年内都不用担心被人工智能所取代。”

尽管大语言模型的突破为人形智能机器人的发展带来了新曙光，但是人形机器人要实现“大脑”和“机体”之间的顺畅衔接和丝滑运作，依旧是一段漫长而艰辛的道路，需要不同领域的参与方共同努力推进。

便宜是一种相对的价值感

除了技术方面的障碍，价格也是一个问题。

在技术传播理论中，有一个概念叫价格价值（Price Value），指消费者在权衡技术产品或服务的感知收益与其感知成本后，所形成的总体评价。简单来说，就是消费者认为购买或使用某项技术所花费的金钱是否值得。

所以，一个产品是否便宜，不是单方面价格因素决定的，而与消费者的感受有很强的关系。

如果单纯从厂家的角度来看，一台机器人，我从过去的100万、50万降到了9.9万，这种骨折式降价的努力不可谓不大。但是回到顾客这边，我花9.9万买个东西，总得为个什么。顾客看重的，还是我买它过来能干什么，如果只是看它翻跟头、走路、拿放东西，那多少有点不值当。

当然，肯定会有一些烧包乐意花钱买个新鲜、炫个阔绰。但是仅靠这些人撑不起一个大市场，无法形成真正的商业闭环。

所以，人形智能机器人要解决的第二个问题，就是如何让它们真正能够在人类社会发挥价值。相关企业需要把自己克服的技术障碍转换成真正的客户收益。

如果从这个角度看，我们需要的或许不是人一样的机器，而是能够代替人的机器。

智能机器，不一定是人形

波士顿动力的首席技术官阿龙·桑德斯（Aaron Saunders）在一次采访中表示：人形并不一定是机器人完成任务最好的形态。

从上世纪80年代开始，机器人领域就形成了一种共识——机器人应该最先应用在“4D”领域，即脏（Dirty）、危险（Dangerous）、乏味（Dull）和困难（Difficult）四类场景。这些场景下的任务通常是人类不愿意或不适合执行的，而机器人因其不知疲倦和不怕危险的特性，能够很好地完成。通过让机器人承担4D场景下的任务，不仅可以提高效率和安全性，还能释放人类从事更具创造性和价值的工作。

相比于还停留在把机器人当小孩子，让它们给“长辈”表演一些华而不实的节目阶段的人形机器人，一些摆脱了外形桎梏，奔着问题和任务去的公司，已经开始让自己的机器人产品在对应的场景中发挥价值。

就在宇树科技发布9.9万机器人的第二天，全球第一商业和金融媒体CNBC公布了第12届“2024 CNBC Disruptor 50”榜单。在这一被誉为全球科技独角兽的摇篮的榜单上，OpenAI毫无悬念位列第一，榜单上排名第42位的，是一家名为Gecko Robotics的机器人公司。

这是一家成立于2013年的公司，两个创始人当年还是格罗夫城市学院学习电气工程的学生。创业之前他们参与了一项校内锅炉安全检查的工程项目，最后以在该项目中发明的方案为基础，创立了这家公司。

Gecko Robotics的主要产品是名为TOKA的智能机器人，该机器人有多款型号，配备不同数量超声波传感器的它们，可以爬上工厂的任意管道和其他重要的工业结构墙壁，对油管、锅炉或者其他设备进行超声波检测，然后通过其自主研发的快速超声波网格化技术生成厚度网格图，并以2D 和 3D 形式直观地展示在软件中，用于识别腐蚀和其他损坏机制导致壁层变薄的区域，可以让客户对目标设施的情况了如指掌，提前预判存在的问题并计划解决措施。

在这种机器人出现之前，设备检测通常是专业人员手持超声波探测器进行的。这种方式首先是很危险，因为存在一些高空作业场景和有毒有害场景；其次是用这种方式探测到的范围和数据量都极为有限，通常只能覆盖占整体大约 3-5% 的设施。而这种全新的机器人可以在最危险和苛刻的环境中运行，能够提供近99%的覆盖，收集的数据量比传统手持方法高 1000 倍，检测的速度平均快 10 倍。机器人完成数据采集后，将收集到的数据提供给专业人员，最大限度地发挥专家贡献的同时还能让他们免受伤害。

Gecko Robotics首席执行官兼联合创始人Jake Loosararian曾自豪地表示：“每天，在世界各地的数百个客户站点，我们的机器人正在保持发电厂在线准备就绪和工厂大门打开。”

在笔者看来，这才是机器人真正应该奔赴的方向。

写在最后

人形机器人正在迎来一个快速发展的新阶段，我们应该为其已经取得的突破性进展感到高兴，却又不能高兴得太早。尽管理论的道路已经铺就，但是在实践层面我们依旧处于起点阶段。人形机器人要突破的，除了技术堵点和成本阻碍外，还要面临客户价格价值感受的问题。

企业让机器人越来越像人，越来越智能，只是这个故事的一面，这个故事的推进还需要解决另一个问题，就是我们绝不是要造出一台台跟我们拥有类似能力的机器，而是要创造出一款款能够在具体应用场景下比人类能产生更大价值，同时成本更低的产品。