人民政協網12月11日電（記者 王菡娟）作為未來產業的前沿領域，人形機器人已成為全球科技和產業競爭的新賽道。近期，隨著特斯拉、OpenAI、英偉達等科技巨頭的加碼布局，人形機器人賽道迎來空前熱度。從市場空間看，據GGII預測，2030年全球市場規模將突破200億美元，中國市場規模將達到50億美元左右。特斯拉CEO埃隆·馬斯克展望，長期來看人形機器人需求量可能達100億臺！

那么，如何看待本輪的人形機器人熱？人形機器人會有怎樣的發展階段？記者采訪了全國政協委員、天娛數科CEO賀晗。

人形機器人發展分三個發展階段

當下人形機器人產業火熱，提及背后的原因，賀晗表示，火熱的背后是技術跨越帶來的產業變革浪潮。

“今年以來，大模型技術與機器人技術加速融合、進化，使人形機器人成為具身智能的關鍵載體，為人形機器人帶來了革命性的變革，讓門檻大幅降低、場景快速增多，催生了‘研發熱’‘應用熱’‘投資熱’。”賀晗說。

賀晗還介紹了人形機器人的三個發展階段。

1. 0階段：基于程序控制的演示階段。人形機器人脫胎于工業機器人，加上擬人化的外形，目的在日常生活中進行應用，依賴于程序控制。這些程序通常是由工程師根據特定的任務和場景進行編寫，機器人按照指令完成簡單的動作演示。這個階段的人形機器人功能比較單一，只能完成一些預先設定的任務，主要應用于科技館、展覽會等場所，作為展示科技成果的工具。

2. 0階段：基于大模型的模仿階段。模仿學習技術讓人形機器人通過觀察和模仿人類的行為，直接從人類的示范中學習動作和技能，快速掌握一些復雜的操作，如穿衣、做飯、打掃衛生等日常生活動作，以及特定領域的專業技能，如工業生產中的零件裝配、醫療護理中的簡單操作等。結合虛擬仿真平臺技術，將模仿學習的數據在仿真環境進行海量泛化訓練，可以更好地提高泛化能力和適應性。與此同時，視覺-語言-動作（VLA）模型的發展讓人形機器人能夠更高效地完成從視覺、語言理解到推理并生成動作的全過程，將自然語言指令轉化為具體行動規劃，并具備一定泛化能力，使人形機器人成為具身智能關鍵載體，這是革命性的。

3. 0階段：基于海量3D數據的智能階段。這是今后的發展方向，從被動響應和執行到主動感知和決策，是這個階段的標志。核心是海量3D數據的喂養，讓具身智能構建世界模型，這是真正意義上的具身智能大模型，它能創建對世界運作方式的內部表征，并具備行動后果的推理能力，從而顯著提升對真實世界的感知、推理、執行與預測能力，使機器人認識和理解3D世界，并能夠像人類一樣進行推理和規劃，不僅可以適應復雜多變的環境和任務需求，更為重要的是，具備自主決策、行動與操作能力。

“同時，隨著多智能體協同技術的引入，未來，這一方向可能發展出更加高級的群體智能算法和多智能體系統，使得具身智能體能夠協同完成復雜任務。例如，在家庭陪伴場景中，機器人能夠利用3D空間數據理解家庭成員的行為，并通過世界模型進行因果推理。如當檢測到老人在客廳摔倒時，能夠迅速判斷位置并主動聯系急救人員，同時采取初步的急救措施。當具身智能可以高度智能化地執行與人類相同的任務，則代表我們真正邁入了通用智能時代。”賀晗說。

3D數據人形機器人發展的關鍵資源

在賀晗看來，要實現人形機器人發展3D數據是關鍵資源。

“3D數據對于提供真實人物、場景的展示、豐富的交互和決策支持至關重要，3D數據能讓AI對物理世界人與物的形態、結構、位置、動作有更準確的理解，可以在三維場景中像人類一樣對視覺信息進行高級推理，超越二維視覺的局限。具身智能大模型極端依賴大規模、高質量的3D數據訓練。當下高質量3D數據集匱乏是產業痛點，全球范圍內，3D數據都處于極端重要，又極端缺乏的狀態。3D數據集正在成為競爭的核心節點。”賀晗說。

2023年10月，谷歌DeepMind聯合全球33家頂級學術實驗室共同開發Open X-Embodiment數據集，基于該數據集訓練了RT-X系列3D多模態大模型用于人形機器人。2024年3月，斯坦福大學、伯克利大學聯合全美多家頭部研究機構推出DROID 分布式機器人交互數據集，涵蓋3D軌跡、3D場景等。2024年3月，全球著名人工智能專家李飛飛教授領銜、聯合美國多所大學推出BEHAVIOR-1K具身智能數據平臺，涵蓋了50個場景、9000多個具有豐富物理和語義屬性的物體。

3D數據集，在可見的未來，決定3D多模態大模型和空間智能的發展，以及全球科技競爭的走勢。

但賀晗也坦言，3D數據集的發展有兩個痛點，一是3D數據的獲取與處理成本高昂、流程繁雜，需要大量的時間、人力與資金投入；二是3D數據的標準化程度低，導致數據的兼容性較差，共享和復用難度大。

為此，天娛數科在這方面也進行了一系列布局。

據賀晗介紹，為了解決第一個問題，天娛數科去年與合肥產投一起戰略投資了芯明。芯明是一家專注空間計算及人工智能芯片及產品設計的高科技企業，其自研空間計算芯片是目前全球唯一單芯片集成芯片化實時3D立體視覺感知、AI、SLAM（實時定位建圖）的空間智能系統級芯片，采用12nm制程工藝，具備3.5TOPS的端側算力，功耗僅為約0.5W，可支持單芯片接入6路傳感器，其產品解決方案已在全球范圍內應用在泛機器人、XR、消費電子、物流無人機、3D掃描等多個前沿應用領域的龍頭企業產品中，真正實現了“感算一體、多路融合、空間智能”的功能。與芯明合作后，依托其芯片和模組優勢，通過多種高精度3D 掃描設備，采集 3D 場景、模型、動作等多類數據源，大幅降低了3D數據采集成本。

“為了解決第二個問題，我們融合大模型、3D數據集、可視算法，構建了空間智能MaaS平臺，通過跨類型數據的智能解析提高數據標準化程度和易用性。目前模型與多項算法已完成中央網信辦生成式人工智能服務備案。平臺目前擁有超80萬組3D數據、35萬組多模態數據。”賀晗說。

今年10月份，天娛數科采集加工形成的“人形機器人空間動捕長程數據”“大場景空間感知模型重建數據”等5個3D具身智能數據集正式在北京國際大數據交易所完成數據資產登記，通過數據信息的核驗、合規審查、登記備案等環節，成為全國首個完成資產登記的3D具身智能數據集。

“未來，天娛數科將在模型訓練、數據集拓展、平臺性能優化等方面持續努力，不斷深化AI+3D技術競爭優勢。”賀晗說。

標準、人才、平臺建設一個不能少

賀晗同時還對中國人形機器人產業發展提出了三點建議。

一是加快標準制定與完善，包括硬件接口標準、軟件通信協議標準、3D數據集標準、性能標準等，確保不同企業的產品之間能夠實現更好的兼容性和互操作性，同時大力推動標準國際化。二是加強復合型人才培養，目前人形機器人領域懂機械、自動化、程序控制的很多，懂大模型、具身智能的很少，兩者都懂得少之又少，建議在高校中設置具身智能相關專業或方向，加強多學科交叉融合，增加實踐教學環節，培養學生的跨學科思維和實際動手能力。三是鼓勵通用平臺建設，建立從硬件到軟件、從底層到應用層、從模型底座到3D數據集的多層次具身智能通用平臺架構，鼓勵企業、高校和科研機構等各方在平臺上進行技術研發、應用創新和資源共享，形成良好的產業協同創新氛圍，降低創業門檻，避免重復“造輪子”，加速具身智能技術的推廣應用和產業化進程。