【央视新闻客户端】

专题：《硬核AI客》

　　文|《硬核AI客》栏目 罗宁

　　近日，一段优必选人形机器人方阵视频在海外科技圈引发震动，全球估值最高的机器人独角兽Figure的创始人甚至亲自逐帧分析，质疑视频是“CG伪造”。面对争议，优必选用“一镜到底”的拍摄花絮强势回应，硬核举证结束了这场真假之争。

　　争论背后，折射出业界对人形机器人发展的深度关注。机器人方阵，究竟意味着什么？当人形机器人从科幻作品走进现实产业，这场技术革命如何真正创造商业价值？中国企业在全球人形机器人竞争中占据怎样的地位？

　　新浪财经《硬核AI客》栏目，联合开源基金董事总经理、首席经济学家杨德龙，与优必选首席品牌官谭旻展开深度对话。在谭旻看来，网上一些人认为“中国的机器人只会表演，美国的机器人才会干活”这样的观点过于片面，因为现在全世界最先进的工厂超过80%左右都新建在中国，这为人形机器人行业发展提供了丰饶的土壤。

　　而在唱歌跳舞吸引流量的“眼球经济”当下，他十分清醒地认识到：机器人产业经过一两年的喧哗，已经逐步逐步地回归到真正的场景应用当中来，这才是整个产业健康发展的一个正确的方向。

　　以下内容节选自《硬核AI客》视频栏目，完整版可观看视频：

　　《硬核AI客》：如今AI大模型进入各行各业，不同的大模型，它们对于机器人将来的进化，特别是智慧大脑的形成，它们之间的差别，您感觉大不大？

　　谭旻：得益于我们在全栈式技术上面的13年的布局积累，实际上优必选一直都是采取一个开放生态的合作，我们跟国外、国内的大模型其实都保持很好的合作跟应用，目的实际上是不断在测试不同模型的优势。我们因为从小的人形机器人，就是桌面型人形机器人，甚至乎到AI的萌宠，都在应用语言大模型。我们到人形机器人就更不用说了，其实它无论在理解这个世界，在推理端，其实都是依靠大模型的一个很重要的单点突破的能力。但是目前来讲，从总体的大模型来讲，我们应用LLM语言大模型，对于人形机器人发展来讲是远远不够的。

　　我们其实除了在语言大模型上面的应用，人形机器人实际上要全面发展，比如说我们要去接触世界的物体、信息录入、互动，其实80%左右的信息交换是通过视觉，而不是通过语言来沟通的。所以，我们认为下一个更为重大的大模型的突破，它一定是要结合我们的视觉，就是我们的computer vision，在机器视觉上面要让人去跟机器、跟世界互动，要通过一个视觉能够连接在一起，这也是为什么我们在新一代的工业人形机器人Walker S2上面采取的是类人的双目视觉的这么一项突破创新的技术，因为只有让机器人拥有跟人一样的双眼，它拥有跟人一样类似的身高，它其实建立起来的世界模型有点像我们真实世界的一个镜像跟复刻。这个对于人形机器人进入到我们人类社会进行服务，具备这个能力是很关键的。

　　《硬核AI客》：网上有一种说法叫“中国的机器人只会表演，美国的机器人才会干活？”中国的机器人和硅谷的机器人到底谁更强呢？

　　谭旻：这个说法可能有所片面，我认为可能大家仅仅看到中国机器人唱歌、跳舞的那个部分。我们其实在2023年12月29号就推出了第一款工业人形机器人Walker S，在2024年到现在，我们通过23个月的时间，其实是通过小步快跑、快速迭代的方式，我们迭代了三代工业人形机器人。从Walker S到Walker S1，到现在我们在全球能够实现自主换电的Walker S2，其实大家看到我们其实已经拥有了全球最多的工厂的实训场景，我们从北到南，包括北边一汽奥迪、一汽大众的青岛的国家级工厂、北京汽车集团，到长三角的极氪、吉利，到我们西南的赛力斯，再到在南边的包括东风柳汽。在深圳我们其实除了跟富士康在整个3C智能