21世纪的《先驱报》记者Kong Haili在北京报道

Jinshajiang Venture Capital的执行合伙人Zhu Xiaohu“解雇”人形机器人。

他在3月28日的一次采访中说，由于“不清楚的商业化”，他正在批量撤回对人形机器人的投资，这引起了行业的震惊。

为此，Jingwei Venture Capital的创始合伙人张Ying在他的时刻发表了嘲笑：“老板朱，不要遇到麻烦”，直言不讳地说，朱小胡的言论可能会影响他在机器人领域的未来投资机会；中央机器人首席执行官赵汤阳批评他“用眼睛否定了未来”。

张汤阳直言不讳：“他（朱小胡）是一位非常成功且聪明的商人，但许多企业家却没有。”

投资者和企业家之间的口头斗争反映了资本狂热主义，“泡沫怀疑”和技术突破之间人形机器人的复杂情况。

在中冈论坛上，来自21世纪商业先驱报的记者会见了智能公司的创始人，例如Galaxy General Motors，Xingdong Era，Qiongche Intelligence和Leju Robots，并采访了Zhiyuan研究所的董事。本文将总结他们对“泡沫理论”，“训练数据瓶颈”，“人形必需性”和技术路线差异的看法，并拆除了人形机器人的争议。

争议1：人形机器人有“泡沫”吗？

朱小胡（Zhu Xiaohu）撤回的理由直接指出了未知的商业化前景，“谁会花费100,000元来购买机器人来从事这些工作？”但是，这种观点被许多从业者驳斥。

Jingwei Venture Capital的Zhang Ying认为，机器人场是“一条大轨道，一百朵花盛开，在此过程中有一点泡沫非常正常”，并强调“时间更长，一家大公司肯定会在人类机器人赛道上可用”。

中央机器人赵汤扬说，朱小胡胡更适合“今年将在明年生效的快餐项目”，而AI和人形机器人需要长期投资。 “问人形机器人现在是什么，就像拒绝新生婴儿的未来一样。”

Zhiyuan Research Institute主任Wang Zhongyuan告诉《 21世纪商业先驱报》记者，体现情报的培训非常复杂，需要大量数据。这将在5年内乐观。也许需要10年才能成熟，并且不同风格的投资机构将存在差异。

“如果这是一个重视行业实施并希望快速实施行业应用程序的机构，那么也许不是进入具体情报的好时机。”王中尤恩说：“但是我们对体现情报的长期发展非常乐观，就像10年前看自动驾驶技术一样。”

Leju Robot Leng Xiaokun从工业角度添加了：“绣花情报是硬件和软件之间的耦合。从实验室到工业化，硬件需要3 - 5年。只有当硬件和软件最终遇到定性变化时，硬件才能结合使用。”

争议2：如何突破培训数据的瓶颈？

数据是体现智能发展的核心问题。 Galaxy General Motors的创始人Wang He指出，当前数据分为两类：真实数据和模拟合成数据。在实际数据中，互联网视频很大，但还不够：“除非您已经拥有基本的体育功能，否则观看其他人游泳，无法学会游泳。”

他主张“使用合成数据进行预训练和使用真实的机器数据来完成培训”，并将其与自主驾驶进行了比较：“在类人类机器人的库存达到100万辆之前，合成数据是最有价值的资产。”

Leju Robot Leng Xiaokun承认，触觉等模态数据的硬件获取的成本很高，并且收集的模态数据的数量不足，包括视觉信息，触觉信息等。当未完全确定模型时，收集的数据可能会被推翻。

Qiongche Intelligent Lu Cewu强调了实际的测试：“数据的价值就像食谱一样，并且需要在实践中动态调整该比例。互联网数据，仿真数据和真实的机器数据具有其自身的优势和缺点，他们需要相互补充以越过这些缺点。”

争议3：人物是必需的还是gi头？

关于人类形式的必要性的辩论很长。

该行业有一种观点认为，目前70％的场景不需要机器人具有“人类形状”，因此“机器人制造人形”的必要性也不足够。

王中牛在一定程度上同意这种观点。他举了一个例子，说明该行业的许多机器人公司已经开始迭代轮子配置的机器人，以克服双方机器人稳定性不佳的问题。

“但是，从长远来看，人形机器人具有独特的优势，因为它们类似于人类的配置，它们可以更好地适应社会基础设施，重新使用技能，从互联网数据中学习人类技能，并促进具体的智力和体现大脑模型的迭代。”王宗尤恩说。

Leju机器人Leng Xiaokun透露：“我们交付的100个人形机器人已进入工厂。我们需要解决基本技能的概括，例如采摘，放置和离开，然后扩大复杂的场景。”机器人进入工厂后，Leju设定了自身工作的标准，可以连续工作约1,500小时，然后可以说实际使用类人形机器人。但是，人类机器人完成的任务目前相对简单，例如移动盒，更详细的任务需要在后期进行更复杂的培训。

Galaxy General Motors Wang认为，轮式机器人和类人形机器人具有不同的适应场景。 “轮式机器人的成本低，电池寿命较长。架子场景中不需要腿部。约束是智力而不是形式。”他举了一个例子，但是一些复杂的地形要求人形机器人越过，最后，人形机器人的目标是进入家庭，但是从这个目标中仍然有漫长的旅程。

Qiongche Intelligent Lu Cewu从工具的角度强烈支撑他熟练的手：“如果您需要灵活地调整锤子和筷子，则需要灵活地调整五个手指，并且无法用两个手指完成复杂的操作。”

争议4：概括机器人和交叉本体的困难

目前，随着具体机器人的越来越多的类型和任务，如何解决跨本体，各个方案和任务的体现机器人的概括问题已成为具体机器人和体现智能领域面临的重大挑战。

Zhiyuan研究学院的王中尤分享了他女儿的学习经验。两岁以下的儿童通过观看大量的简短视频，学会了在春季音乐节期间打开糖果和牙签戴蓝莓。终于在持续尝试和失败后成功。人脑独立学习的能力远远超出了当前的具体智能模型。科学研究机构和模型公司始终需要克服的方向是如何使机器人独立学习和掌握技能。

Wang Galaxy将军他同意观察人类学习过程非常重要。他指出，在学习过程中，人类通过大型模型提供奖励功能，以帮助加强学习。但是，在这方面，体现的智力仍处于探索阶段。

体现机器人物理世界的智能研究和发展需要特定的过程。首先，沿着可以产生生产力价值的维度探索概括，例如基本技能，例如抓取，放置和场景运动。这些技能的概括是通过综合大数据和少量真实机器数据来实现的，从而为人形机器人创造了生产力价值。随后，在更多场景（例如房屋和工厂）中研究了机器人以跨技能，最后探索交叉主教。

争议5：Chatgpt时刻何时到达？

每个解释都在人形机器人的爆发节点上给出。

Lu Cewu认为，体现的情报Chatgpt时刻不是单一的，而是一组场景，逐步实施。 “第一波变化可能会发生在两年内的物流，食品加工和其他情况下。”

Xingdong时代的Chen Jianyu说，爆发点取决于设定的标准。如果这只是一个简单的推理问题和答案，则可能是较早的，但是如果它是复杂方案的实际响应和执行，则该标准很高。 “但这并不会阻碍类人形机器人的持续应用。一些垂直方案的大规模应用正在不断促进。”

Galaxy General Motors Wang预测，轮式机器人架子级的智能可能会在2025年和2026年引起突破，但是如果每个人都使用类人体机器人，那么实现此目标的循环将相对较长，尤其是在未来，当人类机器人进入家用时，就会进一步突破，而硬件成本和安全性将得到进一步的突破。

来自Zhiyuan研究所的Wang Zhongyuan比较了深度学习的历史：“从2006年的论文到Chatgpt花费了16年的历史。具体的智能受到硬件的限制。突破性的时刻可能是，在当前有限的情况下，它将具有一定的智力，一定程度的通用性和一定程度的普遍性。他指出，由于大型模型的快速迭代的积极影响，体现智能的发展也将加速。

Leju Leng Xiaokun直言不讳：“我认为这可能不是突然的闪电时刻，而是整个社会的逐渐使用。随着工业化的继续成熟，智力继续成熟，它将逐渐概括。”他说，硬件工业化没有捷径。五年后回顾过去，您会知道穿透并不是一定时刻的突然爆发。

朱小胡（Zhu Xiaohu）的“撤退”揭示了人形机器人行业的理想与现实之间的激烈碰撞。在短期内，不清楚的商业化路径，高数据成本和硬件成熟度不足仍然是障碍。但是从长远来看，多模式大型模型，世界模型和硬件迭代的共鸣可能会逐渐将体现的智能推向“数字物理”集成的关键点。

泡沫是技术爆炸的前奏，只有那些耐心的人才能等到春季。当人类机器人真正进入家庭时，今天的争议可能会成为一个奇妙的脚注。