談從霜

機(jī)器之心報(bào)道

澤南、杜偉

打通機(jī)器人智能化的關(guān)鍵：眼+腦+手。

具身智能（EmbodiedIntelligence）是AI領(lǐng)域里熱度極高的賽道：給大模型以物理的軀體，讓它能夠感知真實(shí)世界，這套新范式似乎能讓機(jī)器人完成各種以前無(wú)法想象的復(fù)雜任務(wù)。

自大語(yǔ)言模型（LLM）技術(shù)爆發(fā)以來(lái)，以具身智能為目標(biāo)的明星機(jī)器人公司不斷涌現(xiàn)，新聞?lì)^條一個(gè)接著一個(gè)。不過直到最近還有機(jī)器人領(lǐng)域?qū)＜冶硎?，我們似乎仍沒有看到「機(jī)器人領(lǐng)域的ChatGPT」出現(xiàn)。

具身智能究竟應(yīng)該會(huì)是怎樣的形式，我們還沒有定論。不過最近的世界人工智能大會(huì)WAIC2025，已經(jīng)讓這個(gè)概念逐漸清晰了起來(lái)。

形態(tài)、任務(wù)模式不受限

真正通用的AI

今年的WAIC大會(huì)熱鬧非常，展區(qū)人頭攢動(dòng)，最能吸引人們目光的當(dāng)然是一臺(tái)臺(tái)機(jī)器人。值得一提的是，有個(gè)展位上似乎集合了最近機(jī)器人技術(shù)落地的大多數(shù)形式。

我們知道一直以來(lái)，機(jī)器人的鐵手都是難以處理柔軟物體的。但在這個(gè)展臺(tái)的模擬居家場(chǎng)景中，機(jī)器人正在展示疊衣服。

它從判斷到做出決策的過程絲滑流暢。在設(shè)置好工作范圍后，機(jī)器人就可以完成一長(zhǎng)串連續(xù)復(fù)雜的動(dòng)作，把柔軟衣服整齊疊好，還會(huì)像人類一樣鋪平幾下。

機(jī)器人疊衣服，看起來(lái)比人還仔細(xì)。

有兩個(gè)五指靈巧手的機(jī)器人在表演海量真實(shí)生活物品自動(dòng)識(shí)別+操作能力。它能閱讀人類手寫的標(biāo)簽，識(shí)別出「小黃人是玩具」、「卡皮巴拉是動(dòng)物」這樣的概念，能準(zhǔn)確抓取起物體再正確地進(jìn)行分門別類。

雙臂機(jī)器人在按照手寫標(biāo)簽進(jìn)行分類，視頻內(nèi)容有加速。

人類使用自然語(yǔ)言列出的各種需求，機(jī)器人都可以弄懂并執(zhí)行。面對(duì)這個(gè)機(jī)器人，你不需要像大模型Prompt那樣給出絕對(duì)清晰的指令，它就可以完成蔬菜、水果的分類收納，或是區(qū)分食肉動(dòng)物和食草動(dòng)物。

如果你再寫一個(gè)新標(biāo)簽，或是用不同的顏色做為分類標(biāo)準(zhǔn)，機(jī)器人也可以把對(duì)應(yīng)類型的物體放置到對(duì)應(yīng)的標(biāo)記上。它也可以也自行進(jìn)行加減乘除的計(jì)算。

這是一個(gè)工業(yè)機(jī)器人，面對(duì)一盒雜亂的物品，它可以自主決策進(jìn)行工作，前所未見的也能識(shí)別并一個(gè)個(gè)分揀出來(lái)，而且速度極快

任意物體，機(jī)器人都可以快速抓取。

100%透明的物體也可以被機(jī)器人識(shí)別出來(lái)并準(zhǔn)確拿起。

這里是一個(gè)模擬的商業(yè)場(chǎng)景，你在服務(wù)臺(tái)的iPad上下單，人形機(jī)器人就會(huì)自主規(guī)劃路線，快速?gòu)呢浖苋〉綄?duì)應(yīng)的商品遞過來(lái)。

人形機(jī)器人便利店。

在現(xiàn)場(chǎng)，還有很多其他種類的機(jī)器人在有條不紊地工作著，我們可以看到，機(jī)器人已經(jīng)可以做到接近人類的理解和推理能力，可以認(rèn)識(shí)和操作海量的真實(shí)物體，可以抓取透明物體，也可以完成復(fù)雜的柔性任務(wù)，而且速度很快，通用性強(qiáng)

可見，不論是面對(duì)工業(yè)、商業(yè)場(chǎng)景，還是未來(lái)貼近于人的家用環(huán)境，具身智能都已經(jīng)做好了準(zhǔn)備。

這些不同形態(tài)的機(jī)器人背后的技術(shù)全都來(lái)自同一家廠商——國(guó)內(nèi)科技公司梅卡曼德（Mech-Mind），他們自研的通用機(jī)器人「眼腦手」全棧技術(shù)產(chǎn)品在WAIC上首次得到了全景展示。

「眼腦手」合一

才叫具身智能

WAIC上展示的一套套機(jī)器人應(yīng)用，搭載了梅卡曼德的通用機(jī)器人自研技術(shù)棧：Mech-GPT機(jī)器人多模態(tài)大模型、Mech-Eye高精度3D相機(jī)與Mech-Hand仿生五指靈巧手。

梅卡曼德機(jī)器人在WAIC2025大會(huì)上。

他們展示的機(jī)器人都有機(jī)器人的「眼睛」有高精度3D視覺攝像頭，信息傳輸給多模態(tài)大模型進(jìn)行處理，整個(gè)系統(tǒng)就可以像人一樣理解現(xiàn)實(shí)世界，自動(dòng)進(jìn)行任務(wù)規(guī)劃，配合高靈活度的五指靈巧手，就可以實(shí)現(xiàn)多種操作。

梅卡曼德的靈巧手Mech-Hand憑借靈活緊湊的硬件設(shè)計(jì)和先進(jìn)的算法，能夠靈活操作各類物體。

梅卡曼德所做的，相當(dāng)于把具身智能的核心技術(shù)和關(guān)鍵能力做好，至于你想要以怎樣的形式落地，根據(jù)實(shí)際使用情況，可以搭配人形等多種形態(tài)的機(jī)器人，方便靈活且實(shí)用。

在現(xiàn)場(chǎng)，我們還能看到機(jī)器人背后的服務(wù)器?；诖竽Ｐ蚐calingLaws「算力投入越多，智力越高」的定律，今天的機(jī)器人已經(jīng)展現(xiàn)出了極高的靈活性，具備了和人類協(xié)同工作的能力。

Mech-Eye3D相機(jī)可以生成結(jié)構(gòu)完整、細(xì)節(jié)清晰的3D點(diǎn)云數(shù)據(jù)。

梅卡曼德的工程師表示，機(jī)器人現(xiàn)在也可以理解一些人類之間對(duì)話背后的意義，例如你對(duì)它說「我餓了」，機(jī)器人就會(huì)把桌上的零食拿給你?？雌饋?lái)，它們已經(jīng)具備了一些人類的基本常識(shí)。

與大家經(jīng)常接觸到的大模型應(yīng)用不同，機(jī)器人需要面對(duì)真實(shí)世界這個(gè)最復(fù)雜的環(huán)境，因此發(fā)展出了多種不同的形態(tài)：有些機(jī)器人更擅長(zhǎng)運(yùn)動(dòng)，而有些更擅長(zhǎng)物體操控；有些機(jī)器人用于工業(yè)用途，有些則用于家務(wù)。在未來(lái)的制造和物流等行業(yè)，人形機(jī)器人很可能不是最主流的形態(tài)。

但這并不意味著機(jī)器人的核心技術(shù)，要為各種不同任務(wù)進(jìn)行完全定制化。例如從工業(yè)場(chǎng)景來(lái)看，不論是裝配、切割還是焊接，機(jī)器人所做的事情都存在共性：識(shí)別物體的種類，判斷狀態(tài)，進(jìn)行精確定位，然后引導(dǎo)機(jī)器人完成相應(yīng)的動(dòng)作。

對(duì)于具身智能來(lái)說，跨實(shí)體化不僅僅是一項(xiàng)研究上的創(chuàng)新，也是通用大腦的一項(xiàng)基本特性。

為了構(gòu)建通用化的具身智能，梅卡曼德專注于構(gòu)建基礎(chǔ)能力，其提供的技術(shù)能力和各種不同形態(tài)機(jī)器人（單臂、雙臂、人形等）搭配，具有自我感知、規(guī)劃和決策能力，可執(zhí)行多種類型的任務(wù)，覆蓋大量實(shí)際應(yīng)用場(chǎng)景。

經(jīng)過實(shí)踐，這套標(biāo)準(zhǔn)化的AI大腦+3D視覺+靈巧手產(chǎn)品組件，可以讓機(jī)器人具備更高階智能，具備類人的理解和推理能力，可快速理解自然語(yǔ)言指令，高效、精細(xì)地執(zhí)行復(fù)雜任務(wù)。豐富數(shù)據(jù)和AI算法，可以讓機(jī)器人認(rèn)識(shí)更多常見物體。

自2016年成立起，梅卡曼德一直堅(jiān)持產(chǎn)品化的道路，不斷升級(jí)迭代技術(shù)，高精度3D相機(jī)、AI算法軟件等產(chǎn)品組件均高度標(biāo)準(zhǔn)化且開放，提供通用標(biāo)準(zhǔn)接口，可以適配幾十個(gè)品牌、上千個(gè)不同的機(jī)器人型號(hào)。對(duì)于其客戶來(lái)說，可以通過一些主流的方式直接將產(chǎn)品與工業(yè)現(xiàn)場(chǎng)的系統(tǒng)快速打通配合。

梅卡曼德的工程師表示，他們目標(biāo)就是讓機(jī)器人能「真的把事情辦好」。

具身智能的未來(lái)

還有更多應(yīng)用場(chǎng)景

最近，Grok-4、KimiK2、Step-3等大模型在AI領(lǐng)域掀起了又一輪技術(shù)進(jìn)步潮流，人們對(duì)于通用化的人工智能充滿了信心。在同樣前沿且熱門的機(jī)器人領(lǐng)域，人們也已迫不及待。就在7月，美團(tuán)和京東接連出手，投資了多家具身智能公司，科技巨頭正在零售、物流、服務(wù)等領(lǐng)域持續(xù)探索新技術(shù)落地。

從更宏觀的角度看，面對(duì)從業(yè)者人數(shù)動(dòng)輒上億的制造業(yè)、服務(wù)業(yè)等行業(yè)，在全球范圍內(nèi)，目前至少還是每幾百個(gè)人能對(duì)應(yīng)一臺(tái)機(jī)器人，智能化程度不足是最主要的瓶頸。

但我們還不知道哪家公司提出的技術(shù)會(huì)成為「機(jī)器人領(lǐng)域的ChatGPT」——一方面，基于大模型的新一代人工智能技術(shù)讓通用化任務(wù)的機(jī)器人有了方向；另一方面，從技術(shù)展示到大規(guī)模落地，仍存在很多挑戰(zhàn)。與自動(dòng)駕駛類似，機(jī)器人行業(yè)的發(fā)展需要大量產(chǎn)業(yè)鏈條的重塑，從零開始構(gòu)建客戶場(chǎng)景。

正如梅卡曼德CEO邵天蘭所言，這個(gè)方向不僅門檻高，難度也大。但一路走來(lái)，這家公司已經(jīng)率先實(shí)現(xiàn)了跨行業(yè)、多場(chǎng)景、全球化的大規(guī)模落地。在不斷變化大趨勢(shì)下，梅卡曼德持續(xù)在AI等前沿技術(shù)方向進(jìn)展突破，專注于通用機(jī)器人「眼腦手」三項(xiàng)基礎(chǔ)能力，希望通過標(biāo)準(zhǔn)化產(chǎn)品適配廣泛的硬件形態(tài)，推動(dòng)機(jī)器人在各行業(yè)的落地。

成立八年來(lái)，梅卡曼德「AI大腦+3D視覺」賦能下的機(jī)器人產(chǎn)品已被應(yīng)用至物流、汽車、家電等多個(gè)應(yīng)用場(chǎng)景，規(guī)?；瘧?yīng)用的典型場(chǎng)景包括工件上下料、紙箱/周轉(zhuǎn)箱/膜包拆碼垛、高精度定位/裝配、缺陷檢測(cè)、高精度測(cè)量、焊接等。

據(jù)介紹，目前梅卡曼德「AI智慧大腦+3D視覺之眼」的解決方案在全球的落地?cái)?shù)量已經(jīng)超過15000臺(tái)，過去五年在國(guó)內(nèi)細(xì)分領(lǐng)域市場(chǎng)的占有率一直位列第一，預(yù)計(jì)在今年一年內(nèi)的落地?cái)?shù)量會(huì)突破1萬(wàn)

事實(shí)上，梅卡曼德是全球首個(gè)在制造和物流行業(yè)實(shí)現(xiàn)大規(guī)模制造、大規(guī)模智能機(jī)器人應(yīng)用的公司，是全球「AI+機(jī)器人」領(lǐng)域規(guī)模最大的獨(dú)角獸企業(yè)。

通過一系列自主研發(fā)的AI核心技術(shù)，梅卡曼德希望能夠幫助機(jī)器人實(shí)現(xiàn)更好的理解、推理和學(xué)習(xí)能力，和更好地處理復(fù)雜任務(wù)、操作海量物體等關(guān)鍵能力，更具通用性和實(shí)用性，推動(dòng)機(jī)器人從工業(yè)場(chǎng)景向更廣泛的應(yīng)用領(lǐng)域邁進(jìn)。面對(duì)具身智能的未來(lái)發(fā)展大方向，家用和服務(wù)領(lǐng)域拓展也在進(jìn)行中。

也許很快，具身智能加持的機(jī)器人就會(huì)成為人人可用的智能「幫手」。

文中視頻鏈接：https://mp.weixin.qq.com/s/2yZ_gpcypvN69kZ-pooaig