403
機(jī)器人行業(yè)的DeepSeek-R1，被智元機(jī)器人開發(fā)出來了？華為天才少年計(jì)劃的經(jīng)歷，帶給了「稚暉君」彭志輝極高人氣，也讓他創(chuàng)辦的智元機(jī)器人獲得了行業(yè)頂級流量。但若技術(shù)實(shí)力與流量不匹配，最終這些流量難免化為輿論攻擊——就像日前涉嫌營銷用力過猛的Manus一樣。好在，智元機(jī)器人一次又一次展現(xiàn)出了自己的實(shí)力，日前其推出全球首個(gè)通用具身智能基座大模型智元啟元大模型（Genie Operator-1，以下簡稱：GO-1），并計(jì)劃第一季度末對核心用戶開源，允許用戶將其部署到自家機(jī)器人上。
在DeepSeek-R1面世之后，全球多個(gè)AI公司將旗下的大模型開源，并承認(rèn)開源方能加速推動AI行業(yè)進(jìn)步。GO-1模型現(xiàn)階段開源程度不如采用MIT開源協(xié)議的DeepSeek-R1，但此前智元機(jī)器人已將用于訓(xùn)練GO-1模型的AgiBot World數(shù)據(jù)集、工具鏈、預(yù)訓(xùn)練模型統(tǒng)統(tǒng)開源，未來很可能將GO-1核心代碼和模型開源。
VLM+MoE，智元帶領(lǐng)機(jī)器人奔向AI時(shí)代
模型開源智元機(jī)器人方能有機(jī)會成為機(jī)器人行業(yè)的DeepSeek，但開源卻不代表一定能夠獲得媲美DeepSeek的地位，一切終究要實(shí)力說話。
智元機(jī)器人開發(fā)的GO-1模型基于Vision-Language-Latent-Action（ViLLA）架構(gòu)，由多模態(tài)大模型（VLM）和混合專家（MoE）組合而成。VLM為具身基座大模型的主干網(wǎng)絡(luò)，繼承了上海人工智能實(shí)驗(yàn)室開發(fā)的開源大模型InternVL-2B的權(quán)重，可實(shí)現(xiàn)場景感知和語言理解，并利用互聯(lián)網(wǎng)上的視頻和圖片數(shù)據(jù)訓(xùn)練自身。該模型還能融合多視角視覺、力覺信號，賦予自身通用場景理解能力，從而實(shí)現(xiàn)更多復(fù)雜的操作。
MoE則分為隱式規(guī)劃器和動作專家兩部分，隱式規(guī)劃器可利用互聯(lián)網(wǎng)上的人類或跨本體視頻，基于VLM的中間層輸出潛在動作令牌（Latent Action Tokens），形成規(guī)劃鏈（Chain of Planning），實(shí)現(xiàn)通用的動作理解和規(guī)劃。動作專家可借助仿真或真機(jī)數(shù)據(jù)，優(yōu)化潛在動作令牌的生成和輸出效率，并獲得高精度動作的執(zhí)行能力。
其具備的動態(tài)調(diào)節(jié)機(jī)制，還能實(shí)現(xiàn)圖像描述、OCR 解析等任務(wù)效率的提升，降低數(shù)據(jù)標(biāo)注成本和優(yōu)化資源分配。基于ViLLA架構(gòu)，GO-1模型構(gòu)建了數(shù)字金字塔，最基礎(chǔ)的互聯(lián)網(wǎng)純文本、圖文數(shù)據(jù)，可幫助機(jī)器人理解通用知識和場景；第二層的大規(guī)模人類或跨本體視頻，可幫助機(jī)器人學(xué)習(xí)人類或其他本體的動作操作模式；更高一層的仿真數(shù)據(jù)則能夠增強(qiáng)機(jī)器人的泛用性；最后由真機(jī)示教數(shù)據(jù)幫助機(jī)器人訓(xùn)練精準(zhǔn)動作執(zhí)行能力。
在模型架構(gòu)之外，用于訓(xùn)練模型的數(shù)據(jù)同樣重要。最新版的AgiBot World包含1001552 條軌跡，覆蓋了家庭、零售、工業(yè)、餐廳、辦公五大關(guān)鍵場景，是目前全球最大的機(jī)器人真機(jī)示教數(shù)據(jù)集。不同于普通軌跡不超過5秒的時(shí)間，AgiBot World中的軌跡跨度可達(dá)30秒左右，部分軌跡甚至長達(dá)2分鐘。智元機(jī)器人官方數(shù)據(jù)顯示，AgiBot World所采用的預(yù)訓(xùn)練模式，相較谷歌Open X-Embodiment訓(xùn)練策略平均性能提升30%，相較現(xiàn)有機(jī)器人大模型完成復(fù)雜操作的平均成功率提高了32%。
與傳統(tǒng)機(jī)器人模型相比，GO-1模型在架構(gòu)、數(shù)據(jù)、預(yù)訓(xùn)練模式等方面均有所改進(jìn)，提升了資源利用效率和模型的能力，能夠大幅降低機(jī)器人訓(xùn)練和執(zhí)行操作所需的成本，作用與DeepSeek-R模型較為相似。二者相比，GO-1模型差的可能只有開源模式。NVIDIA CEO黃仁勛曾預(yù)言，兩三年內(nèi)機(jī)器人行業(yè)將迎來重大突破，未來會像汽車一樣普及。在機(jī)器人技術(shù)從生澀走向成熟的今天，智元機(jī)器人也在不斷推動產(chǎn)品量產(chǎn)，日前1000臺機(jī)器人量產(chǎn)下線，已面向全球開源的靈犀X1也完成了首批交付，靈犀X2于3月11日在上海發(fā)布，功能更加強(qiáng)大。在未來機(jī)器人行業(yè)的競爭中，GO-1模型或?qū)⒊蔀橹窃獧C(jī)器人的核心競爭力之一。
降低門檻，GO-1要做下一個(gè)DeepSeek-R1？
阿加犀智能科技有限公司CEO孫曉剛表示，按照目前機(jī)器人行業(yè)的發(fā)展進(jìn)程，三五年內(nèi)機(jī)器人的價(jià)格降到5萬元以內(nèi)沒有問題。5萬元以內(nèi)的機(jī)器人，已處于普通消費(fèi)者可以接受的范圍，但購買的前提是其功能足夠強(qiáng)大，可以幫助我們處理一些生活瑣事。決定機(jī)器人能力的關(guān)鍵，在于硬件和智能兩方面，GO-1模型要做的就是提高機(jī)器人的智能程度。ViLLA架構(gòu)賦予了GO-1模型通過人類視頻學(xué)習(xí)的能力，互聯(lián)網(wǎng)上龐大的視頻資源，都將成為機(jī)器人進(jìn)化的「養(yǎng)料」，讓機(jī)器人能夠更高效地完成復(fù)雜操作。
其次，小樣本快速泛化特性令GO-1模型可以在數(shù)據(jù)量極少，甚至零樣本的情況下，泛化到新場景，無需龐大的數(shù)據(jù)，從而大幅減少訓(xùn)練成本，降低機(jī)器人行業(yè)的門檻。最關(guān)鍵的是，GO-1屬于「一腦多形」通用機(jī)器人模型，能夠在兩足、輪足等不同類型機(jī)器人之間遷移和快速適配。不同類型的機(jī)器人可能需要完全不同的AI大模型，用于適配機(jī)器人硬件的工作模式，是開發(fā)機(jī)器人企業(yè)的難點(diǎn)之一。GO-1模型打破常規(guī)，可以輕松適配各種機(jī)器人，無疑能夠進(jìn)一步降低機(jī)器人模型的開發(fā)、適配成本。
另外，GO-1模型還具備持續(xù)進(jìn)化能力，日常工作中遇到的問題，數(shù)據(jù)都會回流至系統(tǒng)，用于機(jī)器人的訓(xùn)練和功能升級。盡管GO-1模型僅在本月底面向核心用戶開源，但從功能特性不難看出，GO-1已經(jīng)把「我會開源」寫在了臉上，整個(gè)大模型幾乎完全面向提升能力、降低成本兩方面。小樣本快速泛化和一腦多形能力，令實(shí)力底蘊(yùn)不足的機(jī)器人企業(yè)，也能借助GO-1模型快速開發(fā)出適合機(jī)器人產(chǎn)品的AI系統(tǒng)，并借助國內(nèi)日漸成熟的機(jī)器人供應(yīng)鏈實(shí)現(xiàn)產(chǎn)品量產(chǎn)。與新能源汽車行業(yè)類似，機(jī)器人時(shí)代的到來是一次機(jī)遇，比亞迪、小鵬、賽力斯等車企已紛紛入場，還有許多知名度不高的小企業(yè)加入，究竟哪些企業(yè)能夠成長為頭部品牌，暫時(shí)無法確定。赫赫有名的宇樹科技有望成為機(jī)器人行業(yè)的比亞迪，開發(fā)GO-1模型的智元機(jī)器人則擁有成為「蔚小理」的機(jī)會。同樣的，機(jī)器人行業(yè)的發(fā)展之路，也會有許多企業(yè)掉隊(duì)。不同的是，新能源汽車行業(yè)工業(yè)實(shí)力的重要性大于AI能力，而機(jī)器人領(lǐng)域AI能力的重要性至少持平工業(yè)實(shí)力，甚至更勝一籌。而且在機(jī)器人行業(yè)發(fā)展過程中，供應(yīng)鏈將不斷整合，硬件會收斂，機(jī)器人最終比拼的是智能化。
正如智元新創(chuàng)技術(shù)有限公司研究院執(zhí)行院長、具身業(yè)務(wù)部總裁姚卯青所言，對機(jī)器人公司，你如果不做大模型，那是屬于沒有未來的機(jī)器人，沒有智能化，沒有作業(yè)能力只是一個(gè)硬件。?智元機(jī)器人推出的遠(yuǎn)征、靈犀、絕塵等多品類機(jī)器人，無法發(fā)揮GO-1模型的全部價(jià)值，將其開源并允許其他企業(yè)修改、部署、商用，方能最大限度挖掘GO-1模型的價(jià)值，并起到推動機(jī)器人行業(yè)發(fā)展的作用。向核心用戶開源模型只是開始，未來GO-1模型很可能面向全行業(yè)開源，增強(qiáng)其他機(jī)器人企業(yè)的實(shí)力。開源后的GO-1模型，才能獲得DeepSeek-R1的地位，成為行業(yè)發(fā)展的推動者。智元機(jī)器人自身也是硬件產(chǎn)品開發(fā)公司，借助GO-1的聲望，或?qū)⑦M(jìn)一步打響知名度，并提高產(chǎn)品銷量，而非如現(xiàn)在一般，提到智元機(jī)器人和彭志輝，大家首先想到的是華為天才少年計(jì)劃出身的身份。
