【新智元导读】大模型这把火点燃了整个机器人行业的热情。纵观全世界，过去几个月，国内外大模型大厂和机器人初创公司的合作也是动作不断。看来，机器人的元年真的来了!

大模型，已然卷入机器人领域。

3月初，初创公司Figure发布了首个由OpenAI大模型加持的人形机器人Figure01的演示。

凭借LLM「大脑」，Figure01可以看到桌面上的苹果，动手收拾餐具，并与人类进行无缝交流。

在电动Atlas官宣当天，初创公司Mentee Robotics也展示了首个Menteebot人形机器人，通过自然语言即可交流。

同样，得到大模型加持的Menteebot，能解释命令，并思考、决策、完成任务。

在大模型浪潮下，类似的案例近一年来层出不穷。

反观国内，大模型助推下，机器人领域也是热度不减。

年初，具有「人形机器人第一股」之称的优必选股价创下2天3倍的暴涨走势，与之呼应的是大模型厂商近期与机器人行业的合作也是动作不断。

有行业专家表示，具备多模态LLM大脑的机器人时代终于来临了。这些机器人将能够理解指令并执行任务:可以使用笔记本、刷碗、冲泡咖啡，妥妥的AGI!

显然，大模型赋能机器人蕴藏着巨大的潜力，成为科技大厂为数不多的一个共识。

「具身智能」大爆发，元年已来

人们都说，2024年是机器人的元年。

大模型的横空出世，无疑让机器人行业再次成为研究界和产业界的一大亮点。

先来看一张图，直观地感受下，当前全世界取得进展的机器人公司。

正如许多人期待的那样，AGI真正到来的那天，「具身智能」正是不可或缺的重要硬件载体。

从过去一年至今，机器人领域的投资市场不断持续升温，迎来了高光时刻。

研究公司Robot Report数据显示，今年前3个月，机器人初创公司筹集了32亿美元资金，去年同期为17亿美元。

在国外，OpenAI押注的两家人形机器人初创公司1X、Figure纷纷得到新一轮的融资。

还有硅谷服务机器人Bear Robotics、专为机器人开发大脑Physical Intelligence、还未创收的Skild等机器人初创公司，同样受到资本的追捧。

国内以优必选为代表，2023年12月底上市即成为人形机器人第一股;如前所述，股票一路攀升。

不久前，工业版人形机器人Walker S都已经进入车间开始打工了。

此外，宇树人形机器人在今年2月完成了近10亿元的B2轮融资，其产品宇树H1更是火到了国外。

根据网友的统计，仅在今年第一季度，国内机器人市场就有20多起融资案例。

可见，大量资本的注入，将机器人行业的热潮推向了最高点。

实际上，对于每个人来说，机器人早已不是什么新鲜事物。

为什么大模型的加入，让其迎来了ChatGPT时刻?

为什么需要多模态LLM

众所周知，传统机器人有着一个明显的局限性——需要明确的指令。

掌握单个技能，诸如开门、拉抽屉、拾取和操纵某物，对于它们来说，并不难。

然而，想要让机器人去完成多个技能结合的任务，是非常困难的。

这就是为什么大模型的出现，破解了传统机器人需要明确指令，才能执行任务的僵化问题。

简单来说，LLM可以将松散定义的指令，映射到机器人技能范围内的特定任务序列。

比如，当你对机器人点头时，如何让它也能友好地向你点头?

来自多伦多大学、谷歌DeepMind等机构开发的GenEM，利用GPT-4丰富的知识储备，将「点头」这一抽象行为，转化为机器人可输出的特定动作。

然而，通往具身智能AGI的路上，仅依靠大语言模型是不够的。

这是因为，图像、文字、语音、视频等各种多模态信息，构成了我们的现实世界。而人类的感受、沟通，都是在以多模态形式进行。

对于智能机器人来说，也是必须具备的能力。

比如，当机器人想要正确执行「有点累，帮我去拿一杯提神的饮品」这条指令时，最关键是完成「多模理解」。

看到桌面上的一堆食物，哪个才是咖啡呢?

在理解语音指令、拆解任务步骤之后，机器人需要识别「视线」里的物体，判断推理出哪瓶饮料是符合指令意思需要拿取的。

不仅如此，嗅觉、味觉之类的智能，也将是机器人未来逐渐扩展的领域。

总而言之，多模态能力对于真正要进入家庭的机器人来说必不可少，尤其是多模理解尤为重要。

国产顶流:讯飞星火大模型

看得出，市场对机器人的热情，已完全被AI大模型点燃。

国内一家成立25年的公司，曾在2022年就启动了「超脑2030计划」，畅想着能够让机器人走进每个家庭。

这一计划共分为三个阶段，通过逐步推进，让AI可以懂知识、善学习、能进化。

一直以来，基于对前沿技术的不断探索，背后这家公司——科大讯飞正朝着目标前进。

先是在2022年科大讯飞全球1024开发者大会上，首次发布了「讯飞机器人超脑平台」。

这一平台面向开发者，提供了全栈的工具链，包括模型训练、资产生成和软硬件接入等等。

ChatGPT引爆大模型热潮之后，科大讯飞在23年5月首次发布「讯飞星火大模型」，并在一年多的时间完成了5次迭代。

而初代讯飞星火大模型就具备了体现通用人工智能的七大维度，包括文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力以及多模态能力。

在接下来的6月、8月、和10月以及今年1月，讯飞星火大模型完成了从V1.5、V2.0，到V3.0、V3.5的迭代升级。

大模型打破传统认知智能的天花板，为机器人更加深入地理解世界奠定了坚实的基础。

然而，要充分整合这些先进技术，以促进机器人在人机互动、任务规划和环境适应等方面的显著进步，还需要依赖专门的系统。

为「机器人超脑平台」注入灵魂

为此，科大讯飞在2023年7月正式将讯飞星火大模型与「机器人超脑平台」进行了深度的融合。

具体来说，科大讯飞机器人超脑平台，是以讯飞超脑2030技术为底座打造的，一个面向物理世界、虚拟世界和元宇宙的机器人开发平台。

它以多模态感知表达、开放式语义理解、大小脑协同运动控制和软硬件接入为核心，可以帮开发者快速搭建实体机器人和虚拟数字人产品。

如今，人形机器人在实际应用时，面临的挑战更多了。

你是不是经常在商场遇到机器人，鸡同鸭讲，根本讲不了两句话，就被逼疯了?

在这样的嘈杂环境中，人与机器人的交互，简直难上加难。

又或是，当你让机器人讲一个笑话时，那一本正经的播音腔，简直就是尴尬氛围组上线。

而破解这些问题的关键是，让机器人更好地「拾音」，且说话不再有那么重的「机器味儿」。

讯飞机器人超脑平台从「视听融合的多模态感知交互」和「大模型理解决策」两个方面，解决了这一难题。

首先，就是打造机器人交互的新范式。

为此，讯飞机器人超脑平台融合了语音、视觉、语义等多个维度的信息。

通过升级麦克风阵列算法，融合声音、人脸、和唇形信息，即使在嘈杂、高噪的场景下，机器人都能精准拾音，实现复杂场景「听得清」。

同时，通过语音大模型和超拟人合成技术，机器人「听得准」，「答得自然」，让机器人聊起天来更有生命力和感染力了!

其次，就是机器人的交互大脑。

这个大脑，毫无疑问就是基于讯飞星火大模型，实现了控制级指令、官方技能、核心业务功能、快速知识问答、闲聊陪伴等多交互场景的统一。

对于每个孩子来说，如果机器人能以妈妈的声音、口吻讲睡前故事，才堪称真正的「陪伴」机器人。

但若要实现这一点，还需要机器人具备情感化和高表现力的合成能力。

对此，讯飞机器人超脑平台还设计了多风格、多情感的AI人设，能够让每个机器人都与众不同。

顺便提一句，讯飞机器人超脑平台的虚拟人驱动协议已全面开放。

三方数字人产品通过接入该驱动协议，可以实现与讯飞数字人同等的交互效果。

讯飞机器人超脑平台已赋能四大领域398家机器人客户，深度链接1.3万名机器人开发者。

官网地址:https://aibot.xfyun.cn

星火加持，机器人飞升

为了进一步扩大合作生态，2024年4月15日，科大讯飞正式启动「星河行动」计划，招募生态合作伙伴共同推进机器人产业的繁荣。

而在此之前，有很多来自不同细分领域的国内头部机器人厂商，就已经用上了科大讯飞星火大模型的强大能力。

当前，在许多人看来，人形机器人是最好的通用具身形态。

当机器人走向落地，人形并不一定是完成任务最好的形态。它可以是一个机械臂，也可以是轮式......

科大讯飞与穿山甲机器人公司合作已久，一直共同探索AI技术与机器人的融合，不断拓宽服务机器人应用新的边界。

这家公司旗下新款小鱼、艾米、小雪等AI服务机器人，全都搭载了讯飞机器人超脑平台，以及讯飞星火大模型技术。

基于讯飞先进的语音识别、AI技术，机器人可以流畅地进行自然语言对话，迅速理解并给出准确回答。

同时，凭借着丰富的技术储备，它们还能提供各类信息和建议。

穿山甲机器人已广泛应用到餐饮、政务、教育、医疗等领域

当然还有家庭服务机器人，乐天派便是其中的代表之一。

通过接入讯飞星火大模型和多模态交互，这款桌面黑科技机器人成为孩子们的贴心「小管家」。

只需要一声呼唤，不论是娱乐、还是遇到学习生活难题，它都能以前所未有交互能力陪伴孩子。

而在头部人形机器人中，也少不了科大讯飞核心技术的身影。

我们熟知的，智元机器人、优必选、宇树科技等公司，都得到了讯飞全链路语音，以及讯飞星火大模型的加持。

还有近日官宣合作的EX机器人，更是将双方各自优势完美结合。

基于讯飞机器人超脑平台，将讯飞星火大模型和多模态交互技术应用到EX仿生机器人中，实现了与人一样的思考、对话和动作。

除以上的案例之外，科大讯飞生态「朋友圈」还在不断扩大。

机器人开发，最好的时代

我们还应该看到，机器人的发展不仅依靠AI大脑的技术迭代，还需要「身体」并行。

随着机器人行业的逐步发展，机器人行业内的组件供应也开始向专业化、成熟化方向发展。

4月2日，在上海召开的中国人形机器人生态大会上，可以看到机器人部件厂商也获得了长足的发展——

人形机器人通用底座、机器狗通用底座、机器人超脑板、多模态语音交互、3D视觉芯片、灵活机械手、机器人伺服电机、3D打印框架等厂商均参加展出。

会场进行了多项专题报告，比如「多模态+大模型，构建人形机器人新交互」、「人形机器人感知技术与发展」等细分领域的成果展示。

对于机器人行业的创业者和开发者来说，这将是最好的时代!

大量模块化、可快速整合的行业平台及部件，让机器人的开发不再需要像过去一样，从0开始做算法。

尤其是，像讯飞机器人超脑平台已经引入大模型的通用开放平台，进一步将机器人的常规算法和人机交互开发难度降低到了「拿来即用」的地步。

再加上，讯飞机器人超脑平台已经打通了对接链路公司（宇树、智元、EX机器人等）的成熟机器人硬件体系。

这意味着，二次应用开发将会成为入行最快、产品最快满足客户需求的方式之一。

显然，机器人底层硬件配套已初步具备，LLM技术更是赋予了机器人交互的核心。

接下来，针对客户需求的挖掘、痛点解决方案和用户贴身服务的内容，尚需进一步打磨。

这，将是机器人行业万众创业的开端。

大模型+机器人，前景一片大好

下一步，就是在LLM和机器人加速融合后，如何推动商业化落地?

从认知能力上来看，AI机器人的发展愈加接近人类。甚至，在外表方面，也变得更像人类了。

波士顿咨询公司（BCG）估计，到2030年，全球机器人市场规模将达到1600亿美元-2600亿美元。

也就说，LLM+机器人未来的市场前景非常广阔，可以深入应用于各种工业领域和人类生活场景。

在制造业领域，装配线上的机器人能够生产出，人类工人无法比拟的高质量和一致性的商品。

在仓库和物流公司中，AI机器人能够完成重型搬运工作，诸如运送产品、放置在货架等任务，大大减轻了人类劳动力的负担。

就比如，亚马逊物流仓库中的75万机器人大军，已全面投入了使用。

除了工业领域的机器人，AI医疗机器人还可以帮助医生做手术，做出更准确的诊断，也能引导患者完成物理治疗和康复。

展望未来，在餐馆、太空探索、教育、养老院等诸多场景中，都将得到AI机器人的全面覆盖。

不难料到，机器人的曙光已经到来，它正在以我们几十年前只能想象的方式重塑整个世界。

科大讯飞所做的，就是用技术革新，让机器人走进每个家庭。