1. 从自动驾驶到具身智能一位技术大牛的“再出发”最近在圈子里一个消息传得挺热自动驾驶领域的老兵张硕博士离开了他曾担任CTO的木蚁机器人创立了一家名为“瑆爝机器人”的新公司一头扎进了“具身智能”这个新赛道。这事儿让我挺有感触的因为我身边也有不少从智驾领域转向机器人或具身智能的朋友。张硕博士的履历可以说是中国自动驾驶技术发展史的一个缩影。从美国UTC搞无人直升机到加入全球最早的自动驾驶公司NuTonomy再到回国后在高德、阿里达摩院从零到一推动自动驾驶技术最后在木蚁机器人将无人叉车做到规模化落地。这一路走来他几乎踩遍了自动驾驶从技术研发到商业落地的每一个关键节点。那么一个在自动驾驶领域已经做到顶尖、产品也已大规模商用的人为什么选择在这个时间点“再出发”去挑战一个看似更遥远、更复杂的“具身智能机器人大脑”呢这背后绝不仅仅是追逐风口那么简单。我跟一些行业内的朋友聊过大家的共识是自动驾驶技术经过十余年的发展在特定结构化场景比如高速、园区、港口下的感知、决策、控制技术已经相对成熟甚至开始“内卷”。而具身智能尤其是赋予机器人一个通用的“大脑”让它能像人一样理解物理世界、自主规划并执行复杂任务这被认为是人工智能的终极形态之一也是一片更广阔、更具想象力的技术蓝海。张硕博士的这次转型更像是一位经验丰富的船长在征服了一片已知海域后选择驶向更深、更未知的海洋。这种转型并非个例。你会发现从去年开始越来越多自动驾驶领域的顶尖人才和资本开始向具身智能和人形机器人领域流动。比如前百度智能驾驶的负责人、地平线的创始团队成员、小米汽车自动驾驶的负责人等等都相继投身其中。这形成了一个非常有趣的现象自动驾驶成了具身智能最好的人才“黄埔军校”。原因其实很直接两者在技术底层是高度同源的。无论是让汽车在路上跑还是让机器人在仓库里搬货、在家庭里服务它们都需要解决三个核心问题“我在哪”定位与建图、“我周围有什么”环境感知、“我接下来该怎么动”决策与控制。而张硕博士的瑆爝机器人要做的正是把在自动驾驶领域千锤百炼过的这些能力尤其是SLAM即时定位与地图构建技术与如今爆发式发展的大模型相结合打造一个能适配多种机器人身体的“通用大脑”。2. 技术核心SLAM与大模型的“灵魂融合”聊到瑆爝机器人的技术核心就避不开两个关键词SLAM和大模型。这俩技术一个像是机器人的“小脑”和“感官”负责精准的定位和实时的环境理解另一个则像是“大脑皮层”负责高层的语义理解、任务拆解和常识推理。把它们深度融合正是做出一个好用、智能的“机器人大脑”的关键。先说SLAM。这东西在自动驾驶领域是基本功但也是护城河。简单来说它就是让机器人在未知环境中一边移动一边构建地图同时利用这张地图来实时确定自己的位置。听起来简单做起来全是坑。光照变化、动态物体比如走动的人、移动的车、重复纹理比如仓库里一排排一样的货架、长走廊……每一个都是SLAM系统的“杀手”。张硕博士在自动驾驶和无人叉车领域的经验恰恰在这里派上了大用场。木蚁的无人叉车能在复杂的仓库环境里7x24小时稳定运行其SLAM系统的鲁棒性和精度是经过海量真实场景数据“喂”出来的。这种工业级、高可靠性的SLAM能力是很多实验室算法或消费级机器人产品无法比拟的。瑆爝要做的就是把这套经过实战检验的SLAM“内核”进一步泛化和强化让它不仅能处理叉车在平整地面的数据还能处理四足机器人在崎岖地形上的颠簸双足机器人更复杂的运动姿态以及轮式机器人在室内外复杂场景的切换。但光有精准的定位和地图还不够。传统的机器人更像是“高度近视的熟练工”它能通过激光雷达和摄像头非常精确地测量出面前有一个高50厘米、宽30厘米的立方体障碍物并规划出一条绕开它的路径。但它不知道这个立方体是一个“纸箱”里面可能装着易碎品不能撞也不知道绕过它之后应该去左手边的“货架A”而不是右边的“货架B”取货。这些需要语义理解和常识的任务就是大模型的用武之地了。大模型特别是多模态大模型给机器人带来了“开眼看世界”的能力。它能让机器人看懂自然语言指令比如“请去第三排货架把那个红色的工具箱拿过来”。它还能识别物体哦那是“工具箱”不是“纸箱”理解场景这是“仓库的储物区”不是“办公区”甚至进行简单的逻辑推理“红色的”工具箱可能放在那一堆箱子的上面。瑆爝机器人要做的“融合”绝不是简单地把大模型当作一个语音指令解析器。我理解他们想走得更深是一种“紧耦合”感知增强用大模型的视觉理解能力去弥补传统几何感知的不足。比如SLAM告诉机器人这里有一片点云构成的平面大模型则能识别出这是一张“玻璃桌”表面透明但实际不能穿越从而修正导航地图。场景理解与记忆SLAM构建的是几何地图而大模型可以帮忙构建一张“语义地图”。这张地图里不仅标注了“桌子”、“椅子”、“门”还可能记录了“我上次把钥匙放在了这张桌子上”。当机器人再次进入这个环境它能快速调用这份记忆。任务规划与分解这是大模型的核心价值。用户一个复杂的指令下来比如“帮我打扫一下客厅”大模型需要将其分解成一系列可执行的子任务找到吸尘器、移动到客厅、识别地面上的垃圾、规划清扫路径、避开障碍物、完成后退回充电座。每一个子任务再交给传统的规控规划与控制模块去精确执行。这种融合的挑战巨大。大模型推理慢、有“幻觉”胡说八道、对物理世界的理解不够精确而SLAM和规控要求的是毫秒级的实时性和厘米级的精度。如何平衡“智能”与“实时”如何让大模型的抽象思维安全、可靠地驱动物理世界的具体动作是瑆爝这类公司必须攻克的难题。从我了解到的一些技术路径看他们很可能不会在机器人的“本体”上运行一个庞大的千亿参数模型而是采用“云边协同”的方式复杂的任务理解和规划在云端大模型完成生成一个结构化的“任务脚本”本地上则运行一个轻量化的、专门为机器人控制优化的“小模型”或确定性算法来负责高频率的感知、定位和实时控制确保安全和响应速度。3. “大脑”的野望如何赋能千姿百态的“身体”瑆爝机器人给自己的定位很明确——“具身机器人大脑研发商”。这意味着他们不造机器人本体不做硬件而是专注于做那个通用的“大脑”产品。这个思路在当前这个时间点显得非常聪明和务实。为什么这么说我们可以看看人形机器人本体公司的现状。过去一两年人形机器人绝对是资本市场的宠儿估值一路飙升。但热潮退去大家发现一个残酷的现实硬件本体的研发制造成本极高迭代周期长而目前能看到的商业化落地场景却非常有限。高昂的估值和模糊的盈利前景让很多后续资本望而却步“投不起也不敢投”成了普遍心态。这时候一个专注于“大脑”的方案提供商优势就显现出来了。首先风险更分散前景更广。“大脑”的客户可以是各种各样拥有“身体”的公司做仓储物流的需要AGV自动导引运输车和无人叉车的大脑做家庭服务的需要清洁机器人、陪伴机器人的大脑做特种巡检的需要四足机器人或轮式巡检机器人的大脑。甚至未来的人形机器人公司也可能外购一个更聪明、更成熟的“大脑”而不是从头自研。这样一来瑆爝的市场天花板就不再局限于某一种机器人形态而是整个智能移动机器人产业。其次能快速复用和验证技术。张硕博士团队在无人叉车上积累的SLAM、感知、规控技术可以相对平滑地迁移到轮式服务机器人上。与四足、双足机器人的结合虽然挑战更大因为运动学和动力学模型完全不同但其核心的环境感知、定位和任务理解模块是相通的。他们可以优先在技术迁移难度较低的轮式底盘上实现产品化和商业化获取收入和真实数据再反哺去攻克双足等更复杂的形态。这是一种非常稳健的创业策略。那么这个“大脑”具体如何适配不同的“身体”呢这涉及到机器人领域一个经典的分层架构。瑆爝提供的“大脑”我推测会主要包含上层的“认知与决策层”和部分的“感知与定位层”。而对于底层的“运动控制层”他们需要与不同的机器人本体厂商深度合作。层级核心功能瑆爝“大脑”可能提供的部分与本体厂商的协作认知/任务层理解指令、任务规划、常识推理核心基于大模型的任务分解与高层规划提供标准API接口接收自然语言或结构化任务指令决策/规控层路径规划、行为决策、运动序列生成强项基于SLAM的全局/局部路径规划、动态避障需要获取机器人本体的运动学/动力学参数如最大速度、转弯半径、关节限制等感知/定位层环境感知、自我定位、地图构建核心多传感器融合SLAM、物体识别与跟踪需要适配不同机器人的传感器配置激光雷达型号、摄像头安装位置等控制/执行层电机控制、舵机控制、力控不涉及底层伺服驱动、平衡控制输出规控层生成的速度指令、关节角度指令等由本体厂商的控制器执行举个例子对于一辆无人叉车“大脑”输出的是“以0.5米/秒的速度前进在货架A前0.5米处停下抬升货叉至1.2米”。对于一台四足机器人输出的可能是“以踱步模式向目标点移动跨越前方高度15厘米的台阶”。虽然指令形式不同但生成这些指令的上层逻辑——比如识别货架A、规划到达路径、判断台阶的高度和跨越方式——是共通的“智能”部分。这就要求瑆爝的“大脑”产品必须具备极强的抽象和适配能力。它需要一套中间件或标准协议能够将通用的智能决策翻译成不同机器人平台能听懂的“方言”。这既是技术活也是生态建设的话。谁能率先建立起这样一个开放的、被众多本体厂商认可的“大脑”标准或生态谁就可能成为这个领域的隐形冠军。4. 实战视角具身智能大脑落地的挑战与展望作为一个在AI和硬件结合领域摸爬滚打过的人我深知一个技术从实验室Demo到稳定可靠的商业产品中间隔着无数个“坑”。瑆爝机器人选择的这条路前景光明但每一步都充满挑战。结合我自己的经验聊聊几个关键的实战问题。首先是成本与算力的平衡。大模型很强大但也非常“吃”算力。如果想让每个机器人都搭载能运行大模型的芯片那成本将会是难以承受之重。所以前面提到的“云边协同”几乎是必由之路。但这就引入了网络延迟和可靠性的问题。在仓库、工厂等对任务连续性要求极高的场景网络抖动或中断可能导致机器人“宕机”。因此如何设计一个高效的协同架构把对实时性要求不高的认知任务放在云端把需要毫秒级响应的安全避障、定位任务放在本地并且能在网络不佳时优雅降级是工程上的巨大考验。或许未来随着端侧芯片算力的提升和模型压缩技术的进步一个轻量化的“具身智能模型”能直接部署在机器人上但这还需要时间。其次是数据闭环与场景泛化。自动驾驶能有今天的成绩靠的是海量的路测数据形成的“数据闭环”车上路、出问题、数据回传、模型改进、OTA升级。具身智能机器人要成熟同样需要这样的闭环。但机器人的应用场景比汽车更加碎片化。家里的环境、工厂的车间、医院的走廊、户外的公园千差万别。一个在模拟环境中训练得再好的模型到了真实世界都可能表现失常。瑆爝团队虽然有自动驾驶和无人叉车的实战数据积累但面对更广泛的机器人应用还需要构建一个更大、更多元的真实世界数据集。这可能意味着需要与不同类型的机器人客户深度合作在保护数据隐私的前提下共同打磨这个“大脑”。再者是安全与可靠性的“红线”。这一点比自动驾驶更复杂。自动驾驶汽车主要是在二维平面上运动而机器人尤其是双足或带有机械臂的机器人是在三维空间作业与人交互的可能性更大。一次错误的抓取可能导致物品损坏一次失稳的摔倒可能伤人。因此这个“大脑”必须内置极其严格的安全护栏。大模型的“幻觉”在这里是绝对不能被容忍的。当模型不确定时它必须能够“说不”并主动请求人类干预。这需要将传统机器人学里成熟的安全控制理论如力控、碰撞检测与大模型的决策过程深度结合设计出可解释、可验证、可中断的智能系统。注意在机器人实际部署中永远要将安全性置于智能性之上。一个反应迅速但偶尔会犯致命错误的“聪明”系统远不如一个反应稍慢但绝对可靠的“笨”系统。尽管挑战重重但我对这条赛道依然充满期待。张硕博士和他的瑆爝机器人代表了一种务实的技术创业路径不追逐最炫酷的硬件形态而是深耕自己最有优势的“智能”内核不做大而全的整机而是聚焦于能赋能百业的“大脑”。这种路径或许能更快地将具身智能从演示视频带入真实的生产和生活场景。未来一两年我预计我们会看到更多像瑆爝这样的“大脑”公司出现也会看到自动驾驶与机器人领域的人才和技术进一步融合。竞争的焦点会从“谁的Demo更惊艳”转向“谁的系统更稳定、更便宜、更容易集成”。谁能率先在某个垂直领域比如物流仓储、商用清洁实现批量化、可靠性的落地跑通商业闭环谁就能在这场“大脑”竞赛中占据先机。这个过程肯定不会一帆风顺但看着这些顶尖的技术人带着过去十年的实战经验去攻克AI与物理世界结合的最后一道难关本身就是一件非常令人兴奋的事。