撰文 | 張祥威 編輯｜馬青竹

6月末，一輛特斯拉Model Y（參數(shù)丨圖片），從美國(guó)得州工廠開(kāi)啟自動(dòng)駕駛，一路經(jīng)過(guò)高速、城區(qū)等場(chǎng)景，獨(dú)自奔向用戶完成交付。

除了不會(huì)變形，汽車已越來(lái)越像汽車機(jī)器人。

另一賽道，谷歌DeepMind發(fā)布最新的本地化機(jī)器人模型，是三月發(fā)布的VLA模型Gemini Robotics的升級(jí)版，可完成系鞋帶等難度動(dòng)作。

這場(chǎng)模型范式的集體躍遷，始于去年。

去年6月，美國(guó)具身智能公司Physical Intelligence（PI）發(fā)布端到端VLA 開(kāi)源模型 OpenVLA。具身智能模型開(kāi)始向端到端VLA收斂。

去年10月，PI發(fā)布VLA大模型的π0版本，具有多任務(wù)、長(zhǎng)程處理能力，可適應(yīng)泛化場(chǎng)景。今年4月，該模型已經(jīng)升級(jí)到了π0.5版本。

國(guó)內(nèi)也積極跟進(jìn)。一些從業(yè)者認(rèn)為，中國(guó)公司可以跟美國(guó)公司站在同一起跑線，甚至更具供應(yīng)鏈、制造和數(shù)據(jù)成本優(yōu)勢(shì)。

比如，美團(tuán)戰(zhàn)投領(lǐng)投的「自變量機(jī)器人」自成立起就押注VLA，從早期只輸出動(dòng)作，到現(xiàn)在融合輸出動(dòng)作、語(yǔ)言、視覺(jué)和思維鏈。

“我們的模型水平，基本上和PI、谷歌在同一水平線，因?yàn)榈拇_在相近時(shí)間做了類似的事情?！弊宰兞繖C(jī)器人創(chuàng)始人、CEO王潛很自信。

自動(dòng)駕駛和具身智能的端到端大模型，各自狂奔，又彼此印證。

“如果還在一個(gè)個(gè)寫(xiě)規(guī)則代碼，那是不敢碰具身智能的?！彼呛铰?lián)合創(chuàng)始人、首席科學(xué)家丁文超說(shuō)。

技術(shù)的快速迭代增加了資本市場(chǎng)吸引力。

據(jù)《出行百人會(huì)/AutocarMax》不完全統(tǒng)計(jì)，2024年全年，具身智能發(fā)生投資事件超77起，總金額約72.87億元。2025上半年，總投資達(dá)91起，總投資金額約110.37億元，融資頻次和規(guī)模均超過(guò)去年全年。

投資方陣容呈現(xiàn)多元化特征，涵蓋騰訊、美團(tuán)、京東、螞蟻集團(tuán)、字節(jié)等科技巨頭，以及寧德時(shí)代、博世、吉利、比亞迪等汽車產(chǎn)業(yè)鏈企業(yè)，美的、海爾等家電企業(yè)。

具身智能落地節(jié)奏提升，正從展示型場(chǎng)景（如跳舞迎賓）向無(wú)人藥店、無(wú)人零售店、工廠、運(yùn)輸?shù)雀鼜V泛的場(chǎng)景擴(kuò)展。

寧德時(shí)代、博世、吉利等車業(yè)巨頭參與

2025上半年，具身智能領(lǐng)域融資大事件不斷：

宇樹(shù)科技完成C輪融資交割。銀河通用完成11億元新一輪融資。它石智航成立第二個(gè)月，獲得1.2億美金天使輪融資。

吉利資本是宇樹(shù)科技的C輪投資方之一，還有中國(guó)移動(dòng)旗下基金、騰訊、錦秋基金、阿里巴巴、螞蟻集團(tuán)等聯(lián)合領(lǐng)投。自2016 年成立以來(lái)，宇樹(shù)科技已完成9 輪融資。

其產(chǎn)品在C端認(rèn)知度較高，B端落地場(chǎng)景主要是工廠、旅游景區(qū)等。例如，H1/G1系列在蔚來(lái)工廠承擔(dān)搬運(yùn)任務(wù)。

吉利集團(tuán)旗下工廠積極引入具身智能技術(shù)：去年極氪5G智慧工廠曾引入優(yōu)必選工業(yè)版人形機(jī)器人Walker S Lite，該機(jī)器人經(jīng)過(guò)21天實(shí)訓(xùn)，主要執(zhí)行料箱搬運(yùn)等任務(wù)。今年初，領(lǐng)克汽車成都工廠也開(kāi)始引入優(yōu)必選人形機(jī)器人Walker S1。

優(yōu)必選是全球首個(gè)雙足機(jī)器人上市公司，已經(jīng)進(jìn)入比亞迪等多家車企產(chǎn)線，公司樂(lè)觀預(yù)計(jì)2026年人形機(jī)器人交付將達(dá)數(shù)千臺(tái)。

銀河通用，則獲得寧德時(shí)代旗下CATL Capital、博世集團(tuán)旗下溥泉資本等投資。

“領(lǐng)投方寧德時(shí)代將持續(xù)深化和公司的產(chǎn)業(yè)協(xié)同，為公司具身智能大模型在工業(yè)領(lǐng)域的技術(shù)落地與規(guī)模化應(yīng)用提供關(guān)鍵支撐?！便y河通用方面表示。

《出行百人會(huì)/AutocarMax》注意到，銀河通用還與博世成立合資公司博銀合創(chuàng)，聚焦復(fù)雜裝配、智能質(zhì)檢之間等高精度制造場(chǎng)景，研發(fā)靈巧型機(jī)器人。

銀河通用聚焦技術(shù)的商業(yè)化落地，對(duì)“疊衣服”、“系鞋帶”等任務(wù)興致不高，主要面向零售和藥店場(chǎng)景，集中培養(yǎng)人形機(jī)器人的移動(dòng)、抓取、放置等技能，官方稱之為抓取基礎(chǔ)大模型GraspVLA，計(jì)劃年內(nèi)開(kāi)設(shè)100家機(jī)器人超市。

“具身大模型還有很多不成熟的地方，距離什么活兒都能干可能需要五到十年?！便y河通用機(jī)器人創(chuàng)始人及CTO王鶴說(shuō)。

上文提到的自變量機(jī)器人，獲得了美團(tuán)戰(zhàn)投領(lǐng)投、美團(tuán)龍珠資本跟投的數(shù)億元A輪融資。

融資將用于持續(xù)加速全自研端到端通用具身智能大模型，與機(jī)器人本體的同步迭代，并推動(dòng)多應(yīng)用場(chǎng)景的智慧化方案合作與落地。

據(jù)王潛介紹，以Figure和波士頓動(dòng)力為代表，技術(shù)路徑正從早期依賴三維視覺(jué)感知與算法控制，向端到端模型（如PI發(fā)布的新模型）演進(jìn)。

有趣的是，與自動(dòng)駕駛類似，具身智能的端到端，其實(shí)也有兩段式（兩層模型）和一段式（單層模型）之分。

比如Figure，便是用VLM做感知和規(guī)劃，VLA做動(dòng)作生成。自變量機(jī)器人早期也嘗試過(guò)兩層模型，后轉(zhuǎn)向上限更高的一體式端到端單層模型。

還有一支陣容豪華的團(tuán)隊(duì)——它石智航，今年2月初才成立，創(chuàng)始團(tuán)隊(duì)主要來(lái)自自動(dòng)駕駛領(lǐng)域。

創(chuàng)始人兼CEO陳亦倫，曾任華為自動(dòng)駕駛CTO；公司董事長(zhǎng)李震宇，曾任百度集團(tuán)資深副總裁、百度智能駕駛事業(yè)群組（IDG）負(fù)責(zé)人；首席科學(xué)家丁文超，主導(dǎo)過(guò)華為ADS端到端決策網(wǎng)絡(luò)研發(fā)。

進(jìn)場(chǎng)雖晚，它石智航高舉高打，選擇打造通用的AWE世界模型，而非針對(duì)單一場(chǎng)景。

丁文超解釋：“求上得中，求中得下，求下而不得。如果一開(kāi)始就只做工廠工作場(chǎng)景，也能做得很好，但終究有局限，很容易過(guò)擬合。后面切換到生活場(chǎng)景，有些GAP就可能跨越不了?！?/p>

據(jù)其介紹，采用通用的世界模型打造具身智能，當(dāng)場(chǎng)景遷移時(shí)，便不需要重寫(xiě)代碼或調(diào)整架構(gòu)。

奔向“強(qiáng)化學(xué)習(xí)”

無(wú)論是流水線的移動(dòng)、抓取、放置動(dòng)作，還是更復(fù)雜的疊衣服、系鞋帶，訓(xùn)練具身智能大模型面臨數(shù)據(jù)稀缺的挑戰(zhàn)。

通常，行業(yè)解決方案包括：采用仿真合成數(shù)據(jù)或采集真實(shí)數(shù)據(jù)。

“仿真合成數(shù)據(jù)，需要廠商有比較好的圖形學(xué)、物理仿真、物理渲染和自動(dòng)動(dòng)作合成管線與驗(yàn)證閉環(huán)的全套的基建?！蓖斛Q說(shuō)，重視并能用好仿真合成數(shù)據(jù)是其公司優(yōu)勢(shì)。

智元機(jī)器人，則通過(guò)機(jī)器人遙操作采集數(shù)據(jù)，由數(shù)據(jù)采集員操作機(jī)械臂重復(fù)抓取、放置等動(dòng)作，通過(guò)采集上百遍數(shù)據(jù)，以提升機(jī)器人執(zhí)行任務(wù)的魯棒性。

也有由人類數(shù)據(jù)采集員穿戴PMEC執(zhí)行數(shù)據(jù)采集，擺放瓷盤(pán)、瓷筷，以獲取人類觸覺(jué)模態(tài)數(shù)據(jù)。

“動(dòng)作本身的數(shù)據(jù)并不難采，難的是采集環(huán)境變化的數(shù)據(jù)。3D空間的變化，很難捕捉和預(yù)測(cè)?！倍∥某邮懿稍L時(shí)表示，真實(shí)數(shù)據(jù)的優(yōu)先級(jí)永遠(yuǎn)高于仿真合成。

有了數(shù)據(jù)，沿著端到端VLA的技術(shù)路徑，下一關(guān)便是強(qiáng)化學(xué)習(xí)。

“光端到端還不夠，還需要結(jié)合強(qiáng)化學(xué)習(xí)，才能讓模型可信賴。強(qiáng)化學(xué)習(xí)也并非終點(diǎn)，后面還有自主學(xué)習(xí)?！倍∥某f(shuō)。

正如DeepSeek-R1模型，便是通過(guò)強(qiáng)化學(xué)習(xí)，實(shí)現(xiàn)了思維鏈能力的自主涌現(xiàn)。至于VLA大模型、強(qiáng)化學(xué)習(xí)等AI新技術(shù)，會(huì)給具身智能帶來(lái)怎樣的爆發(fā)力？

成功投資理想汽車的藍(lán)馳創(chuàng)投，近兩年在具身智能領(lǐng)域投資了智元機(jī)器人、銀河通用等。其管理合伙人陳維廣認(rèn)為：

“移動(dòng)互聯(lián)網(wǎng)的價(jià)值在于連接，Agent 能更進(jìn)一步，交付結(jié)果，創(chuàng)造出10 倍于移動(dòng)互聯(lián)網(wǎng)的價(jià)值；具身智能又進(jìn)一步，完成真實(shí)世界的任務(wù)，創(chuàng)造的價(jià)值會(huì)是Agent 的10 倍，移動(dòng)互聯(lián)網(wǎng)市場(chǎng)的百倍。”

有人看到未來(lái)，有人看到泡沫。言而總之，成本向下，智能向上，場(chǎng)景泛化，是大趨勢(shì)。

上個(gè)月，李書(shū)福和宇樹(shù)科技創(chuàng)始人王興興有過(guò)一場(chǎng)對(duì)談。

“AI代表一個(gè)革命性新時(shí)代的到來(lái)。它不是一項(xiàng)技術(shù)，相比過(guò)去傳統(tǒng)人類社會(huì)的競(jìng)爭(zhēng)方式、社會(huì)形態(tài)都發(fā)生了改變，重塑了人類的產(chǎn)業(yè)、發(fā)展及生活秩序?！崩顣?shū)福說(shuō)。

—THE END—

出行百人會(huì) | AutocarMax

追蹤汽?出行產(chǎn)業(yè)鏈進(jìn)化，關(guān)注新產(chǎn)品、新科技、商業(yè)邏輯與商業(yè)人物，影響圈層中有影響力的人。