新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

作者 | 鉛筆道 黃小貴

編輯 | 鉛筆道  鄒蔚

封面圖丨ChatGPT創作

最近，深圳一家機器人公司悄然完成10億元A輪融資。

這家公司是RoboScience機器科學。它名氣遠不如許多同行，但很早就開始研發具身AI大模型，也就是給機器人安上大腦。

大腦讓機器人能夠自己理解任務、判斷環境、操作物體，是具身智能最難攻克的技術堡壘。

這個賽道增長很快。咨詢公司MarketsandMarkets預測，全球具身AI市場規模將從2025年的44.4億美元，增長到2030年的230.6億美元（約合人民幣1570億元）。

RoboScience機器科學創立于2024年，創始人田野是“90后”，四川自貢人。

田野本科畢業中科大物理系，在斯坦福大學AI Lab獲得碩士學位。畢業后，田野在蘋果公司工作7年，擔任蘋果公司Apple AI Platform負責人。

最近，RoboScience機器科學發布了通用具身大模型Visics。鉛筆道在深圳與田野及公司聯合創始人（兼執行總裁）汪濤交流。

這是他們首次向外界解答市場最關心的問題：具身AI有哪些真實機會？

- 01 -

具身AI大模型為什么火了？

具身AI大模型同時踩中了三個趨勢：大模型從數字世界進入現實場景，機器人行業急需解決泛化難題，資本正在尋找AI下一輪商業化入口。

ChatGPT給人啟發是：如果大模型可以理解語言，機器人能不能也通過大模型理解真實世界里的物體、空間、力和動作？

這正是具身AI大模型路線讓行業興奮的地方。

工廠里早就有機械臂，倉庫里也有 AGV 小車，汽車產線上更是高度自動化。但這些機器人通常只能在相對固定、標準、封閉的場景里工作。也就是說，這些傳統機器人沒有解決泛化能力，脫離原有環境和任務，可能就歇菜了。

真正有價值的機器人，不應該只會抓一種瓶子、搬一種箱子、疊一種衣服。它應該能面對不同形狀、不同材質、不同擺放方式的物體，仍然知道自己該怎么做。

它也不應該只能綁定某一種機械臂或某一種靈巧手，而應該能把學到的能力遷移到不同機器人身上。

田野在通用具身大模型Visics發布會上講解

RoboScience機器科學希望讓機器人擁有一個通用"大腦"，真正丟掉遙控器，成為自主理解任務、判斷環境、操作物體的智能體。

過去賣機器人，更像賣硬件，一臺一臺交付與部署。未來如果機器人"大腦"可以適配不同硬件，它就可能變成軟件、控制器、云服務，甚至類似大模型 API 的生意，是一門邊際成本極低、收益極高的生意。

目前，英偉達、Google DeepMind、OpenAI、亞馬遜、微軟、英偉達、Meta、特斯拉等巨頭都在關注這個方向。

- 02 -

具身AI大模型行業痛點

具身AI大模型難在"真實世界不標準"、"數據太少"，它要同時解決數據、泛化、物理、仿真、跨本體、長任務和安全落地幾件事。

RoboScience機器科學開發了具身智能大腦Visics（vision+physics），它能做兩件事：

一，理解人給它的任務；二，判斷物體應該怎樣變化，然后指揮機器人把這件事做出來。

基于這一思路，希望解決行業四個痛點。

第一個痛點，是機器人泛化能力差。

RoboScience機器科學的解法是，不把模型綁死在某一種機器人身體上，而是盡量讓"大腦"和硬件解耦。也就是說，同一個模型未來可以適配不同機器人、不同靈巧手、不同場景。這背后的商業想象是：它不只是賣一臺機器人，而是賣一種可以賦能很多機器人的操作能力。

RoboScience機器科學的機械臂打領帶

第二個痛點，是機器人太依賴人工采數據。

RoboScience機器科學的判斷是，具身智能如果想擁有ChatGPT那樣的基礎模型，不能只靠真人一點點采數據。而現實世界里，又沒有那么多機器人每天在工廠、倉庫、家庭里干活，所以真實機器人數據天然稀缺。

RoboScience機器科學選擇的路徑是互聯網視頻加仿真數據。互聯網視頻提供真實世界里人和物體互動的樣本，仿真系統則在虛擬世界里大量生成機器人操作數據。

它把這個思路概括為"算力即產能"：不靠人海戰術建數采廠，而是盡量用 GPU、自動化清洗標注系統和仿真引擎來生產訓練數據，把"數據生產"變成"算力生產"。

第三個痛點，是機器人不理解物理。

這也是 RoboScience機器科學 自研物理仿真引擎RoboMirage的原因。它希望先在虛擬世界里訓練機器人，讓機器人在仿真環境中學習不同物體如何被抓取、折疊、拖拽、旋轉、插入和組裝，讓機器人上崗前，先在一個足夠真實的虛擬世界里練熟。

這也是全球行業共識正在形成的地方。英偉達最新機器人基礎設施里特別強調多物理仿真和復雜靈巧操作，DeepMind也把Gemini Robotics描述為能推理物理世界、規劃復雜任務并做動作的模型。

Visics通用具身大模型VLOA架構

 第四個痛點，是很多機器人只能完成短動作，難以完成長任務。

RoboScience機器科學把Visics分成兩部分，具身世界模型和通用操作模型，并用連續的 3D 點云軌跡，描述一個物體在空間里怎么移動、怎么變化，機器人不是只學一個個孤立動作，而是開始理解任務過程。世界模型負責"想象"，也就是先在腦子里想清楚怎么做，再讓身體動手做。

- 03 -

具身AI大模型的商業機會

田野透露，RoboScience機器科學的機器人"大腦"，將優先服務于B端的物流、零售、商超等場景的本體。

這些地方物體種類多、任務重復性高、而且對"泛化操作"有真實需求。家庭機器人當然想象空間大，但家庭環境太復雜，對成本、安全、穩定性的要求更高。

全球市場也在印證這一點。Agility Robotics的Digit已經被用于制造、配送和物流場景，公司即將上市，估值約25億美元，其客戶包括 Toyota、Schaeffler、Mercado Libre 等，主要任務包括倉儲搬運等重復、危險或勞動力緊缺的工作。

Figure 02已經進入寶馬在美國斯帕堡的工廠。寶馬官方披露，Figure 02在2025年支持了超過 3 萬輛寶馬X3 的生產，每周一到周五工作十小時。

這并不意味著家庭機器人沒有機會。1X 機的NEO已經開始面向早期用戶，使用 Redwood AI 學習和重復家庭任務，但復雜任務仍需要遠程專家監督。

RoboScience機器科學商業模式

第二，成為機器人"大腦"供應商，也就是成為機器人行業的基礎軟件層。這是RoboScience機器科學 最值得關注的商業機會，和全球趨勢是一致的。

比如，美國公司Physical Intelligence目標也是開發一種能用于不同機器人的基礎軟件，不必為每個機器人、每個任務單獨寫軟件。Skild也推出了Skild Brain，稱其基礎模型可以運行在幾乎任何機器人上，從裝配線機器到人形機器人，目標是讓機器人具備更強的思考、導航和響應能力。

RoboScience機器科學 的大腦售賣方式類似軟件服務MaaS，也可以像大模型賣token一樣，按操作 token或年包計費。

第三，賣端側控制器，也就是把大模型能力裝進一個控制設備里，再賣給機器人公司、機械臂公司或靈巧手公司。

比如，2024 年全球工廠新安裝工業機器人約 54.2 萬臺，但傳統工業機器人擅長的是標準化任務，比如焊接、噴涂、搬固定零件。它們不擅長處理復雜、雜亂、不規則、經常變化的任務，比如倉庫里不同尺寸的包裹，商超里不同包裝的商品，工廠里柔性物料和異形件，餐飲后廚里的非標準操作。

控制器的價值就在于：給已有機器人裝上新大腦，具備更強的泛化操作能力。

裝上控制器，工業機器人有望突破傳統自動化的邊界，“固定程序機器”變成“能適應變化的智能勞動力”。

- 04 -

最大機會：一個大腦、多種身體

如果每一種機器人都要單獨訓練一套軟件，這個行業就很難規模化。“一個大腦，多種身體”變成了具身智能行業最有想象力的方向之一。

它的意思是：未來不一定每臺機器人都從零開始學習。也許會有一套通用機器人大腦，能夠適配不同機器人本體。

這有點像電腦和操作系統的關系。電腦品牌不同，硬件配置不同，但很多軟件可以在同一個系統上運行。

機器人行業當然更復雜，因為機器人不僅要計算，還要移動、抓取、碰撞、受力。但商業邏輯有相似之處：如果機器人大腦能跨硬件復用，它就不再只是某一家機器人公司的內部算法，而可能變成行業基礎軟件。

這也是為什么全球不少具身智能公司都在往這個方向走。

RoboScience機器科學不想只把模型綁在某一種硬件上，而是希望“大腦”和“身體”解耦。

按照他們的設想，這套能力可以通過軟件輸出，也可以裝進端側控制器，賣給機器人公司、靈巧手公司或集成商，還可以和自有機器人本體一起進入具體場景。

這個邏輯背后，是具身智能商業模式的變化。

如果只賣機器人，本質上還是硬件交付。一臺一臺賣，一臺一臺部署，周期長，成本高。

但如果賣的是“大腦”，商業邊界就會大很多。它可以服務不同硬件，也可以進入不同場景。客戶已有機械臂，缺的是泛化抓取能力，可以接入大腦；靈巧手公司缺操作能力，也可以接入大腦；場景方已有自動化設備，也可能通過控制器升級。

這當然很難。

不同機器人的身體差異很大。二指夾爪和五指靈巧手不是一回事，機械臂和人形機器人也不是一回事。一個模型要理解不同身體的結構、力量、自由度和運動邊界，再穩定完成任務，非常難。如果這件事容易做，行業里早就遍地開花，不會等到現在才被真正討論。

但這也正是壁壘所在。跨本體泛化一旦跑通，它的商業價值將遠不止于賣一臺機器人。

本文主要內容由鉛筆道在訪談現場采集獲取，綜合權威公開資料，不構成任何投資建議。

       原文標題 : 融資10億，深圳最神秘機器人公司，殺入1500億賽道