近日，逐际动力创始人张巍久违地露面，在公开场合首次发表了一场演讲。除了明确逐际动力的定位和产品方向外，他对当下机器人、无人驾驶行业的主流技术、商业化路径也进行了分析。
RoboX对其演讲内容进行了如下摘要整理：
“机器人永不会代替人”
张巍认为，具身智能是当下最火的一条赛道，尽管它目前仍面临很多问题和质疑，但背后还是有一个共识——具身智能是未来十年人类最重要的科技革命。
如果机器人的定位是「代替人完成可以改变物理世界的任务」，这其中就有两个关键词——「代替人」和「任务」，它们看似简单，其实往往是巨大的陷阱——如果不理解透这两个词，具身智能落地就会变得异常复杂。
他表示，逐际动力（以下简称「逐际」）的观点和定位，并非是让机器人去代替人，而是Empower人——“机器人永远都不会代替人，它背后的逻辑是很复杂的。”
首先，张巍用两个具身智能类型，分析了其背后的商业化难点。
1、机器人+AI：他表示，上一代的机器人+AI模式已经做很长一段时间，这是商业化最难的方向，它其实可能只是「海市蜃楼」。
此类机器人能在工厂里能完成非常复杂的分拣任务，或者快递包裹分拣。但是它们在真正的商业闭环上，还是有很多挑战的：“没准卖出去的那一刹那，就是赔钱的开始。”
2、无人驾驶：在张巍看来，从2016-2024年，无人驾驶已经发展了很长时间，却仍难以评判其成熟度——“当感觉找到「技术开关」时，却还是有「最后的10%」的难度是无法估计的，恰恰就是这10%，是影响整体发展的关键。
”同时，其商业价值也很难判断。因为代替人，和协助人，这两件事是有本质区别的，它们有着不同的商业模式，也会带来不同的产品，这两种产品所经受的打击是完全不一样的。
让机器人「用起来」其实非常简单，可是形成商业闭环却非常难。现在上路的无人车，或者配送车的本体，都不是主角，在整个商业价值链条里占比不到10%。
同样的，机器人产品本身也只占商业链条的不到10%，剩下的部署维护、改造场景，协作关系等部分才是最大的开销。所以机器人不光有好的本体，还一定要有数据工具、训练工具、部署工具，以及维护工具，这一整套的效率体系才是竞争力，而非本体。
同理，如果想让机器人代替人，并非改变本体的问题，而是要改变一整套协作关系。
大语言模型，能做的仍很有限
现在提到具身智能，都会联想到与大语言模型的结合。
例如，要想将人类的意图告诉机器，就需要task encoding或者embedding（任务编码或嵌入），大脑要先对task进行处理和决策，再由小脑去执行运动。
对比起来看的话，无人车是非常简单的具身智能任务，因为其任务定义很明确，唯一目标就是到达目的地，在结构化的道路上移动。而且，无人车的「小脑」就是底盘和域控制器，如今也已经非常成熟。
即便如此，张巍也不认为目前的无人驾驶可算作「完全替代人」：“它本质上还是AI+人。我不觉得目前有完全交给AI的无人驾驶，只是用技术改变了人开车的方式。”
而对于具身智能来说，完全代替人类更加困难。
张巍用一个很简单的任务举例：给我收拾一下桌子。可这样的任务却很难被拆解和执行。
“如果没有大语言模型，大家甚至都不太敢想这样的任务。但现在只是敢想，具体怎么做还不清楚。”
应当「押宝」哪种本体？
理想化的想法，是用数据堆出一个「具身大脑」，同时也有通用小脑+通用本体，就能完成各种任务。
但是张巍认为，采用一致的通用本体形态，是没有必要的。对此，他总结出现有的四大本体类型：
- 1、机械臂，它的控制器小脑极其成熟。
- 2、轮式底盘+双臂，它的控制器也相对成熟。
- 3、人形+人形特有的小脑。
- 4、人形的下半身，只有双腿或四腿，主要完成locomotion（移动能力）的任务。
本质上机器人就在做两件事：代替双手、代替双腿。他认为，在行业发展过程中，创造最大价值的应该是这两类本体，所以逐际也是选择做这两类。
“押宝押哪一个，去做哪种本体？我认为这不是一个好问题，好的问题是‘这个行业还需要发展哪一种本体’。”
在他看来，要想做高价值的本体，需要3个条件：1、目前在物理世界中尚不存在；2、原理上可支持被做出来；3、未来一定是机器人形态中的一种。
模型就像牛顿定律
只是历史数据的压缩
“大家希望用一个大模型，就做成整个大脑。其实这是个不切实际的想法，其实要好多大脑。而且现在我们不缺某个领域里的大脑，我们缺的是学习的能力，也就是对数据高效处理的能力。”张巍说道。
不可否认的是，仿真是一种对模型的使用方式，且仿真和模型对数据的发生和产生都有巨大帮助。但是模型是历史数据的压缩，就像牛顿定律是对所有运动物体的数据的一个压缩，只不过压缩得比较好。
“牛顿定律和大语言模型没有任何本质的区别，它只是这一类数据中最好的压缩方式。所有压缩好的数据，都可以用来作为数据的生成，产生新的数据，帮助推进泛化。”
他指出，操作的泛化性有好多种，有分模块的，有端到端的，它们本质是对数据的利用和假设的不同方式。
“但是当前，我们的所有数据处理方法都难以达到理想中的功能需求。所以现在不能盲目地要追求在一种方法上去堆数据提升性能，而是要找到我们认为的‘曲线D’，也就是我称之为‘性能数据比’或者‘数据性能转化率’的一条曲线，现在还不是一个堆数据的时候。”
那么，怎样才能找到更好的数据利用率？张巍表示，其实从容易获得的规则数据中，还是有很多信息能帮助我们指导操作的泛化性的。
他展示了一个逐际动力的案例——不利用数据，完全通过text prompt，让大模型生成人类操作的视频，就能指导协作机械臂完成操作任务。
“我们的数据利用率，可达当前算法的100倍。”张巍说道。
他表示，逐际之所以做人形本体加全控小脑，是希望将「未来一定有用，现在还没有做得很好」的这一类东西做好。
同时，逐际也在研发低成本的具身大脑工业母机，探索一种新型的学习训练方式，以求可以在任意领域中以更高的效率去完成可泛化的任务。
张巍强调称，逐际动力的核心的定位一直都是Empower innovators：“我们不直接进工厂，我们的定位是希望做具身智能的英伟达，将具身智能创新、落地的效率提升百倍千倍。”
据他透露，目前逐际的人形机器人（大负载全身搬运）已经用最低成本的方式完成了原理验证，而且是在验证目标没有被取舍掉的前提下。
同时，逐际还即将发布第一款全尺寸人形机器人，能够原地起立、直膝行走。
