vivo也要做機(jī)器人了。

這個消息上周由一家科技媒體曝出，緊接著就是本周的博鰲亞洲論壇，由vivo執(zhí)行副總裁、首席運(yùn)營官、中央研究院負(fù)責(zé)人胡柏山正式官宣。

早前流出的兩張崗位招聘截圖顯示，vivo已開始招聘機(jī)器人技術(shù)規(guī)劃專家，最高年薪超120萬元。而機(jī)器人產(chǎn)品的孵化與預(yù)研工作，則是由vivo新成立的機(jī)器人實(shí)驗(yàn)室負(fù)責(zé)。

實(shí)際上，去年年初vivo就在自家的活動上向外界吹過風(fēng)，稱未來的技術(shù)投入方向主要為機(jī)器人和MR兩塊。結(jié)合此前胡柏山在今年vivo會客廳公布的MR動態(tài)，今天官宣機(jī)器人項(xiàng)目也就沒什么意外。

vivo這家公司習(xí)慣“埋頭種因”，所以官方公開披露的信息往往很少，就比如這次博鰲論壇胡柏山的發(fā)言，關(guān)于機(jī)器人只有寥寥數(shù)語，但仍能捕捉到一些關(guān)鍵信息。

首先是對機(jī)器人賽道的選擇，vivo認(rèn)為與其深耕手機(jī)行業(yè)的能力積累高度匹配；其次，vivo不是什么都做，只做機(jī)器人的“大腦”和“眼睛”，讓機(jī)器人可以“看得懂場景，聽得懂需求，給得了回應(yīng)”；最后，vivo瞄準(zhǔn)的具體場景是家庭機(jī)器人。

前兩點(diǎn)非常符合vivo一貫秉承的產(chǎn)業(yè)共榮文化，而且胡柏山也清楚表達(dá)了“與機(jī)械系統(tǒng)領(lǐng)域產(chǎn)學(xué)研伙伴探索合作”的強(qiáng)烈意愿。最后一點(diǎn)則有點(diǎn)給機(jī)器人賽道指路的意味，畢竟一家有著三十年消費(fèi)電子資歷的科技公司，不會盲目的選擇一條細(xì)分賽道。

但對于機(jī)器人產(chǎn)業(yè)來說，vivo的確算是一個新人。不論是春晚上的機(jī)器人跳舞，還是GTC大會上的小機(jī)器人Blue，亦或是成名更早的波士頓動力，機(jī)器人已經(jīng)不是一個純實(shí)驗(yàn)室產(chǎn)品，這個時候vivo官宣進(jìn)入，底氣在哪優(yōu)勢是什么，又能給整個產(chǎn)業(yè)帶來哪些影響，這是外界想知道也是vivo需要回答的核心問題。

做機(jī)器人，vivo憑什么？

2023年7月，在一張放著獅子、鯨魚與恐龍的桌子前，一個基于RT-2模型的機(jī)器人接到“撿起滅絕的動物”的指令后，準(zhǔn)確地拿起了恐龍。

對于人類而言這可能是一個基礎(chǔ)動作，但對于機(jī)器人而言這堪稱一個重要飛躍——之前機(jī)器人經(jīng)常無法操縱自己從未見過的東西，也難以實(shí)現(xiàn)從“滅絕的動物”到“塑料恐龍”的邏輯飛躍。

這樣的智能涌現(xiàn)，背后實(shí)際上是機(jī)器人的一個底層邏輯，“思考”是核心，“視覺”是必要條件，最后才是“行為動作”。換到隔壁大模型賽道，就是“感知-決策-執(zhí)行”，順序雖然不同，但道理相通。

而“思考”是核心的底層邏輯，是波士頓動力用三次易主都沒換來的寶貴經(jīng)驗(yàn)。這家公司用了20年的時間試圖教會機(jī)器人如何“運(yùn)動”，但實(shí)際上，機(jī)器人應(yīng)該先學(xué)會“思考”，像Tesla Bot一樣。

Tesla Bot于2021年P(guān)PT首發(fā)，發(fā)布會上的皮套人模仿Tesla Bot尬舞一度為馬斯克贏得了群嘲。但經(jīng)過幾次迭代，尤其是特斯拉的自動駕駛突飛猛進(jìn)之后，外界才明白馬斯克只用了一招就“殺死”了波士頓動力，即先讓機(jī)器人學(xué)會“思考”。

而自動駕駛更像是機(jī)器人的前置產(chǎn)業(yè)，畢竟二者的核心都是基于人工智能，走的都是感知-決策-執(zhí)行路線，且按照馬斯克的說法：特斯拉已經(jīng)打通了自動駕駛芯片F(xiàn)SD和機(jī)器人的底層模塊，實(shí)現(xiàn)了一定程度的算法復(fù)用。

如今這條道路的兩旁已經(jīng)站滿了參賽選手，特斯拉等這些車企的人形機(jī)器人項(xiàng)目不是已經(jīng)下線就是在沖刺最后一公里?，F(xiàn)在，又多了一位選手。

vivo做機(jī)器人的底層邏輯與特斯拉等車企基本一致，在基于AI算法+感知的鏈條下熱啟動：

AI算法模塊是依托手機(jī)業(yè)務(wù)積累的藍(lán)心大模型，感知模塊則是影像空間感知技術(shù)（MR視覺）。

而且按照胡柏山的說法，在AI算法模塊因?yàn)闄C(jī)器人的物理特性，決定其擁有比智能手機(jī)更好的硬件條件，他用了輕薄本和臺式機(jī)的例子，形象的解釋了手機(jī)和機(jī)器人提供的算力差別。

同時vivo在MR視覺上的進(jìn)展也比較順利，目前有近500人團(tuán)隊(duì)，探索版已經(jīng)在博鰲亮相，原型機(jī)預(yù)計(jì)最早今年9月就能問世。

從這兩點(diǎn)就可以看出，vivo在構(gòu)思進(jìn)軍機(jī)器人賽道時的考量，是依托現(xiàn)有資源和能力，做技術(shù)的復(fù)利。這也是在回答vivo為何不做汽車時，胡柏山說看一個產(chǎn)業(yè)或者一個新的賽道，不會看是不是風(fēng)口，也不會單純的看市場規(guī)模，而是去看與vivo的核心能力是否匹配，以及能不能進(jìn)去給用戶創(chuàng)造價(jià)值。

這最后一句還能再提煉一下，實(shí)際上這與vivo做機(jī)器人選擇的家庭場景有關(guān)。

胡柏山有一個觀點(diǎn)，他認(rèn)為以deepseek為代表的數(shù)字世界，和以機(jī)器人為代表的純物理世界，當(dāng)前是割裂的狀態(tài)。換言之，大家處在同一起跑線的機(jī)器人賽道，下一個高地就是誰能將數(shù)字世界和物理世界無縫連接到一起。

從這個大的目標(biāo)和愿景來說，智能手機(jī)和電動汽車廠商都是非常有動力和能力的。因?yàn)殚L久以來，手機(jī)就是在幫人們把數(shù)字世界與物理世界連接起來，汽車則是在新能源爆發(fā)之后才有。

場景化落地背后

有了總的實(shí)施綱領(lǐng)和具體路線，vivo想做好機(jī)器人還需要三個關(guān)鍵支撐：數(shù)據(jù)、場景和供應(yīng)鏈，其中場景又是重中之重。

Tesla Bot的數(shù)據(jù)來自自動駕駛的視頻收集，以及馬斯克旗下的其它AI公司，比如X、Neuralink、Grok等。在AI領(lǐng)域，語料的不同決定了AI能力的去向。馬斯克給Tesla Bot規(guī)劃的去處是代替人類“從事重復(fù)性/無聊的工作”。

這是一個無比寬泛的概念，或許是他自己也沒有想好，但核心是先用自動駕駛的數(shù)據(jù)讓Tesla Bot能像人類一樣活動。

在這一點(diǎn)上vivo有些不同，它官宣切入的場景就明確指向了家庭，甚至在形態(tài)上也沒有拘泥于一定是人形，可以是雙足、四足、輪足甚至履帶，因?yàn)榘凑蘸厣降恼f法，這是由用戶場景去決定的。

通過這個再去發(fā)散思維，就能發(fā)現(xiàn)vivo決定由家庭場景出發(fā)，也是因?yàn)橹悄苁謾C(jī)用戶的核心場景就是家庭。vivo在這個場景上積累了足夠的規(guī)?；瘮?shù)據(jù)和應(yīng)用場景經(jīng)驗(yàn)，可快速適配機(jī)器人需求。

這也正契合機(jī)器人算法訓(xùn)練所需要的仿真數(shù)據(jù)。和GPT等大模型爬取互聯(lián)網(wǎng)數(shù)據(jù)不同，機(jī)器人會和真實(shí)世界產(chǎn)生交互，因此需要遵循物理規(guī)則的真實(shí)數(shù)據(jù)來訓(xùn)練算法，而手機(jī)恰好是物理世界與數(shù)字世界的連接樞紐，畢竟vivo由全球5億智能設(shè)備用戶為機(jī)器人場景落地提供試驗(yàn)場。

再者是供應(yīng)鏈。國泰君安最近在一篇研報(bào)中提出，機(jī)器人規(guī)模量產(chǎn)后有望復(fù)制3C“零部件-模組-整機(jī)”代工模式，因?yàn)槠涔?yīng)鏈與3C重疊度較高。

3C終端具備快速迭代且大批生產(chǎn)特征，供應(yīng)鏈呈現(xiàn)“零部件-模組整機(jī)”的專業(yè)化分工模式。而人形機(jī)器人若成為大眾消費(fèi)品，勢必呈現(xiàn)快速迭代態(tài)勢，這與3C供應(yīng)鏈也非常契合。

此外，人形機(jī)器人各組成部分與手機(jī)協(xié)同性高疊加不少3C企業(yè)(vivo、小米、蘋果、三星等)切入人形機(jī)器人本體，為3C供應(yīng)鏈企業(yè)切入人形機(jī)器人賽道提供了基礎(chǔ)。

vivo有30年的手機(jī)供應(yīng)鏈經(jīng)驗(yàn)，這可以確保其在啟動初期有足夠的下游廠商為其供應(yīng)零部件，甚至對于特殊零部件的研發(fā)也可以采用更加靈活的方式。而在這個過程中，一方面vivo能通過自己的技術(shù)和能力為供應(yīng)鏈輸出新的機(jī)器人標(biāo)準(zhǔn)，另一方面也能在成本上做到最優(yōu)解。

中國通過過去幾十年積累的制造業(yè)經(jīng)驗(yàn)，對關(guān)鍵人才的培養(yǎng)、產(chǎn)業(yè)環(huán)境、市場環(huán)境的培育，逐漸形成了一種能力：即盡管很多創(chuàng)新技術(shù)優(yōu)先誕生于海外，但國內(nèi)可在短時間內(nèi)追平差距，并使之大規(guī)模落地。

這其中，成本攤薄就是一個隱形武器。

而之所以能形成這種能力，有兩方面原因，一是豐富的消費(fèi)場景；二是優(yōu)秀的供應(yīng)鏈。

消費(fèi)場景決定了上游廠商的開發(fā)意愿，當(dāng)前對于機(jī)器人賽道，礦山、醫(yī)療、物流都已經(jīng)是明確有機(jī)器人進(jìn)駐的行業(yè)，而vivo主攻的家庭機(jī)器人也被視為C端未來最大的市場。

供應(yīng)鏈則是打破機(jī)器人“成本魔咒”的關(guān)鍵。

一方面，得益于國內(nèi)成熟的3C和汽車供應(yīng)鏈，在復(fù)用度上能夠給機(jī)器人產(chǎn)業(yè)帶來成本優(yōu)勢；另一方面，按照vivo的表述，只做大腦+眼睛，意味著全身硬件需要與供應(yīng)鏈合作。

這種做法類似于蘋果做iPhone，將系統(tǒng)和芯片等核心功能掐在自己手中，其余硬件則由供應(yīng)商提供，好處就是能夠極大的降低重資產(chǎn)投入，節(jié)約成本。

有了消費(fèi)場景和供應(yīng)鏈兩個武器，就從實(shí)際層面解決了機(jī)器人場景化落地的難題。

理論上來說，任何消費(fèi)電子產(chǎn)品都是反向設(shè)計(jì)的，也就是從需求出發(fā)設(shè)計(jì)產(chǎn)品功能，再去搭配實(shí)現(xiàn)該功能的零部件。依托這個角度，如果把手機(jī)比作二維，那么機(jī)器人就是將手機(jī)升到了三維甚至四維，而手機(jī)廠商進(jìn)入機(jī)器人領(lǐng)域是非常順滑的。

尾聲

不久前剛剛結(jié)束的GTC大會，英偉達(dá)一口氣發(fā)布了Cosmos、Newton等多款軟件和模型，其目標(biāo)都指向一處：機(jī)器人賽道。

在具體思路上，英偉達(dá)不僅提供芯片，還會開發(fā)對應(yīng)的軟件工具箱和配套服務(wù)。換句話說，英偉達(dá)為機(jī)器人準(zhǔn)備好了所有東西，就差親自下場了。

但英偉達(dá)絕對不會下場做機(jī)器人，就像它做圖形芯片不會下場造PC一樣。一個產(chǎn)業(yè)的繁榮永遠(yuǎn)不可能是一家通吃，而是生態(tài)共建。

這一點(diǎn)也十分契合vivo做機(jī)器人的思路，不是以競爭者的姿態(tài)入場，而是攜手產(chǎn)業(yè)鏈共建生態(tài)。正如胡柏山在博鰲論壇的發(fā)言，vivo提倡相互成就的“共生智慧”，共建共享“繁茂的科技生態(tài)雨林”。

結(jié)合今年胡柏山在vivo會客廳透露的信息以及本次博鰲論壇的發(fā)言，vivo起碼對家庭機(jī)器人賽道有超過十年的長期規(guī)劃，核心理念是“讓技術(shù)走出實(shí)驗(yàn)室，走進(jìn)用戶的真實(shí)生活”，而實(shí)現(xiàn)路徑則是“漸進(jìn)突圍、沿途下蛋”，總的綱領(lǐng)就是聚焦消費(fèi)級市場的個人和家庭場景機(jī)器人產(chǎn)品。

vivo的優(yōu)勢在于通過移動終端更了解用戶應(yīng)用場景，通過影像和端測AI的技術(shù)積累具備領(lǐng)先性。并且能將這些優(yōu)勢實(shí)打?qū)嵉挠糜跈C(jī)械產(chǎn)業(yè)和AI產(chǎn)業(yè)在機(jī)器人賽道的融合。