仿生机器人大咖谈现状：说iPhone时刻有点早，诺基亚时刻刚刚好
量子位智库 发自 凹非寺
量子位 | 公众号 QbitAI
都说仿生机器人在大模型趋势带动下，也来到了“iPhone时刻”。
但更加行业内的认知是：
现在只能说到了摩托罗拉/诺基亚时刻。
为什么？
因为单点技术还远没有走向成熟，行业内还不会出现如乔布斯般的技术整合者，底层技术仍需持续研究和突破。
在量子位智库最新举办的仿生机器人沙龙上，云深处联合创始人兼CTO李超、大象机器人产品副总裁林鸿林，一起给出了这样新鲜独到的业内见解。
除此之外，如今仿生机器人产业发展到哪一步？为什么会在此时此刻迎来爆发？未来趋势走向如何？业内当下最关注什么？
这些行业内外最关注的问题，在沙龙中也都有讨论。
量子位在不改变原意的基础上，对分享内容及圆桌对话进行了编辑整理。希望能够给你带来更多的启发与思考。
仿生机器人爆发为什么是现在？
今年是仿生机器人发展格外快的一年，为何如此？
大象机器人产品副总裁林鸿林表示，AI和大模型的成熟，推动了整个产业链和技术链的发展，并影响了仿生机器人的落地。
如果从技术层面拆解，可以从硬件和软件控制两个层面看起，能发现从工业商业机器人迈向未来的人形服务机器人，有两个最明显的区别。
第一个非常直观的变化，是机器人关节数量上，有了10倍左右的提高。
比如特斯拉Optimus的人形机器人，具有64个关节。这使得其成本要求和轻量化要求，和过去的协作机器人、工业机器人完全不一样。
并且服务机器人在应用场景上也发生了变化，从结构化转变为非结构化，这对机器人的感知和决策也提出了不同要求。
所以过去在协作机器人、工业机器人中常用的谐波减速机、RV减速机，在仿生机器人中的应用有所下降。原因在于它自重更大、惯量更大，以及整体成本非常高，也就不符合要求。
传感器方面，过去常用2D和3D单一的，一般不会二者融合。
但是人形机器人对传感器的要求就多了，声呐、各种雷达、SLAM都被放到了体积更小的人形机器人关节中，这对结构和硬件是一个非常大的挑战。
第二个就是控制层面。
过去因为是单一的机构化场景，所以对于工业机器人的控制要求可以是单关节、或者多关节的一些简单联动。
但是到了人形机器人场景之后，很大的一个原因是场景不再结构化，机器人不能再简单地控制自己的运动关节，而是需要对场景做出判断。
大模型的出现就给控制层面提供了一个很好的助力和抓手。控制也要更多基于动力学的运动轨迹生成，考虑身体的平衡以及落点。
回看当下，仿生机器人的应用落地以四足机器人为主，常见场景是工业巡检等。
想要做到这一步，需要具备哪些核心能力？
云深处联合创始人兼CTO李超表示至少要涵盖四方面：
通用能力
控制算法
搭载能力
通讯能力
第一要位是通用性能力，关节能力需要很好。
第二，要有很好的控制算法，使其具备基本运动能力。以云深处的绝影X20为例，在运动控制算法加持下，能够爬上20cm的阶梯，最高运动速度达4.95m/s，最大作业负载为85KG。
在此之上，四足机器人还要具备搭载各种组织的能力。比如搭载云台、加上“眼睛”、机械臂或者其他传感器等。
如双光谱云台，可以通过红外线检测温度异常，跨域度感知补足人类的视觉能力。
以及通讯能力，是当下很多机器人的痛点。
现在很多机器人是在楼宇里工作，如果做巡检任务，在陌生场景下，不能机械狗出去工作却丢了，人类还是要知道它在什么地方。
尤其像管廊场景像隧道一样、特别长，对于机器人来说很容易丢失，所以会用到一些专用技术解决狭长管道的定位问题。
除了以上分享之外，量子位还和两位嘉宾进行了圆桌对话。
共同探讨了关于仿生机器人行业当下、未来的诸多挑战与机遇。对话亮点包括：
仿生机器人行业硬件等发展超过预期
大模型给仿生机器人交互带来重大影响
服务机器人需要控制自重才能保证安全
机器人领域应该有公开的技术对比平台
轮式方案能有效降低人形机器人落地成本
……
具体内容如下~
圆桌对话实录
软硬件电池发展均超过预期
量子位：近年来看到仿生机器人公司不断增多，大家为什么这么看好这一赛道？从行业角度来看，背后的核心逻辑是？
云深处李超：云深处从2017年成立到现在6年时间，也是陪伴这个发展过程走过来的。
从我们从业者角度来说，第一方面，近几年硬件发展是超出预期的。比如电机伴随着工业机器人、电动汽车整个领域的快速发展。第二方面，电池也有很大的突破，支撑移动机器人发展。第三方面，各种算力平台发展也给算力提供了很好的支持，比如英伟达或者国内各种GPU公司等。我们觉得这些因素都给行业更进一步的提供了支撑。再往上层看，算法的进展也超出预期、突飞猛进。
所以现在其实到了一个很好的爆发点，这些能力刚好能聚集在具身机器人上，或者说具身智能在机器人平台上带来了很好的呈现。
硬件和算法上的支持，以云深处为例，我们的机器人可以在很多工业场景下进行应用。我看到量子位《中国仿生机器人产业全景报告》上写2023年开始会有工业化应用，其实要比预计更早一些，去年已经出现了。以上是我作为从业者来说的一些判断。
人形机器人给硬件续航提出更高要求
量子位：现在仿生机器人中四足机器人和人形机器人有哪些差别，也是大家比较关心的问题，两位机器人领域专家可否给出一定理解？
云深处李超：我从两个维度来说一下，一个是业务本身，另一个是技术，其实两者的差异不大。
在底层技术上，关节能力、控制、操作、交互和感知都是有共性的。但每个技术上遇到的难点不一样。尤其是运动控制层面，四足机器人更加稳定，双足机器相对差一些，所以它在平衡控制上有难度。
双足机器人的关节更多。正常来说，双足机器人有20多个关节，四足机器人就只有12个，即便加一个机械臂，也只有16个。这进一步影响算法也不太一样。
从硬件本身来说，双足机器人硬件要求会更高，它是两条腿站在地上，要求它的力气要比四足机器人的一条腿大。如果想要实现同样的负载能力、行走能力，就给人形机器人提出了更高要求。
从应用方面，未来我们借助人形机器人的场景肯定比四足机器人要多很多，这是我感受很深的一个地方。现在城市中的基础建设设施、所有工具都是为人而诞生的。如果我们做一个机器狗，首先它从高度或者其他能力上，天然就不具备更广泛的应用场景。比如刚刚给大家看过的管道机器人，管道建设时是为人类巡查设计的，它的观测高度比狗要高很多。
所以这就是为什么我们要加机械臂。因为更高的东西四足机器人看不到，加上机械臂后延伸了它的触觉和视觉。
在工厂场景里也是这个逻辑。还有更多日常生活场景，比如倒咖啡等，人形机器人能以更相近的形态替代人类。
△绝影X20四足机器人
大象机器人林鸿林：我的理解是人形机器人不一定要是两条腿，但是基本上现在没有看到双臂以外的其他选择，这是目前全世界范围内达成的一个共识。
所以它大概率是一个双臂七轴结构，这是最接近人类手臂的。它在空间上没有歧义点，所有位点都可到达——其实六轴已经能做到很好了——是工业上最常见的形态。但是人形机器人需要多一个关节，原因在于这样可以让它在更小的体积里做零空间运动——就是姿态不会变得非常诡异，但是可以在很小的轨迹路径里去完成这个动作。所以现在看到双臂七关节，基本上是一个确定的答案。至于中间需不需要一个脑袋，这就见仁见智了，因为这个主要看工业设计能不能把所有传感器非常合理地布局在中间。
△大象机器人myBuddy
它甚至不需要一个类人的脑袋，因为我们觉得本质上人形机器人、四足机器人，都是工具就人身体的延伸。如果现在的目标是去洗衣服，最聪明的方式是做一个滚筒，而不是做两个手去搓衣服，它的效率才是最高的。
如果从这个方面去思考的话，我觉得双臂七轴应该是一个确定的答案，至于下面应该是两条腿还是四足的机器狗，就看特定场景了。比如电力巡检，或者有坡度障碍需要跨越的户外场景，四足的通过性一定远远好于双足和轮式。
我们现在了解到双足机器人在算法控制的难度上，比四足高很多；在整个平衡性方面的掌握、续航能力，也会是一个很大的挑战；更直观的表现是它的成本也会更高。
所以可能短时间内，双足机器人想要做到量产并落地应用，挑战还是很多。我倒是觉得轮式机器人可能在效率、成本上，是当下节点的一个最优解。因为实际上残疾人通过轮椅，可以到达世界上80-90%的空间，也就是双足不会成为一个硬性的限制。
所以从技术上拆分来看，双足的操作性、灵活性以及在结构仿生方面，是比较合理的一个方案。然后中间的感知层面，摄像头、电子皮肤可能有很多方式。现在看到一些机器人，比如帕西尼的机器人有一个腰关节可以做90度的活动；像达闼在腰关节上实现可以上下移动30cm……这些我们都觉得是非常合理的方案。至于下半部分的移动功能，我觉得四足和轮式都比较成熟，短期内可以落地。双足的方案，一方面我们对这个领域比较陌生，另一方面感觉在技术上，它的成本能够达到量产的时间会更晚一些。
双臂方案是确定方向，但更多臂不一定
量子位：您刚才提到双臂比双足更适合人形机器人，我们看到云深处的四足机器人上面会增加单独的机械臂。那么双臂是单臂之上，更好的一个改进吗？
云深处李超：这个是肯定的。但是基于成本问题，单臂和双臂是有一定差异的。刚刚有提到，如果基于任务去做开发，比如管廊场景里的任务，它是通过臂来增加摄像头的活动范围，所以一个机械臂就够了。
如果未来有更加复杂的场景，其实机械狗是可以做成半人马的感觉。在一些特种场景中已经有这样的应用，给机械狗装上双臂去做排爆，因为双臂的协同能实现更精细的操作。单臂和双臂的选择，目前还主要看要解决什么任务。
量子位：手臂越多会越好吗？比如像螃蟹一样装八个，这样可行吗？
大象机器人林鸿林：从仿生学出发来看，现在三个手臂的例子，现在我能想到的就是自然界里蝎子是两个钳子加一条尾巴。如果做三臂机器人，我们没有一个出发的立足点。
但是做双臂的原因在于，工业场景里确实需要，这不是为了做而做。现在工业方面绝大部分产线，都是单臂已经做完了。现在很多工厂想用机器人，但其实都有一个顾虑，因为它的产线不是长期稳定做一个工件，现在有很多柔性需求。这种情况如果用单臂机器人成本会很高，在于机械臂固定的制距和工件部分需要不停地更换，机器人的调试也要不断修改。
这种情况下，双臂的优势就体现出来了。因为两个手可以灵活配合，一只手抓，另一只手做插件。这时候左边固定的一只手臂就不需要去做一个固定的制距。如果整体用双臂方案，成本也能控制在合理范围内，所以双臂方案在工业生产上就是可行的。
现在我们看到做的比较好的，像ABB的双臂机器人“玉米”，它在工厂里做的其实就是双臂灵活配合两个组件插件来做这个事情。所以这是我认为双臂存在的合理性。
但至于为什么没有三个手臂、四个手臂，一个是效率方面的考量，每增加一条手臂它不是1+1的关系，是平方的关系，更加复杂。而且如果我们要去做二十几个或者四十几个自由度，并且每个都是在上面拥有六个自由度，这个复杂度就放大很多很多倍了。
所以这也可能是为什么自然界里没有进化出来三条手臂的人，也可能出现过，但是被淘汰掉了。
△ABB双臂机器人“玉米”
量子位：我们看到特斯拉人形机器人的宣传片里出现了机器人帮机器人维修的画面。它在单臂情况下抓取动作比较多，抬手臂、上下抓是双臂参与比较多。请问这种是算法预先设定好的吗？还是说可以根据物体形状来预估？
云深处李超：这个是逐步来的。这就是为什么现在做人形机器人，2D和3D相机要同时有。过去在工厂场景，一般只用一颗三维相机就可以做到大多数姿态判断和抓取了。2D和3D同时要有，就是因为存在刚刚您提到的场景。它需要判断相对位置，一个是它在空间里面的姿态，然后去做双臂姿态的调节。至于他抓取这个位置是否足够准确，这个肯定是没法一次到位的，哪怕人手去调一次，也没有办法调得很准确。
这种情况下，用的最多的是仿真模型。今年小米发布最新一代机器狗时有提到，他们建了一个模型，里面有几百条模拟机器狗，让它们每天在里面不停地跑、不停地摔倒、不停地站起来。这实际上就是在模拟这个过程。同一个麦克风，应该用几只手抓？抓上面还是下面？让它不断地去做尝试，然后自主学习，最后总能抓到一个合理的位置。这样一个结果，实际上就是非结构场景中一个很典型的案例。
量子位：想问一下李超博士，在管道或工厂巡检场景中，是如何训练机械臂或者执行器识别环境的？
云深处李超：我来客观说一下，刚刚林总提到的很多还处于仿真阶段。那么我们目前在工厂应用，我怕给大家一个过高的期望。目前来说更多的还是预设点位去进行工作。因为在很多应用场景下，是不允许有失败的，可靠性优先。
像我们刚刚说到的，为什么更多应用场景现在可以落地？因为它是在一个固定场景下做重复性的事情，替代人去完成枯燥的、危险的工作。我们认为这个商业模式是成立的，现在也在陆续往外做拓展。比如向消防领域发展，在半确定的环境下遥控机器狗探测，它具备一定的智能，可以绕障。但确实在实际应用中遇到的困难，比实验室里多得多，这也是现在我们正在努力的方向。
△绝影X20管廊隧道巡检
机器人领域应该有公开对比平台
量子位：目前在行业里，仿生机器人需要自研的部分多吗？或者说大家都会选择自研吗？
云深处李超：说到自研我怕大家有个误解。因为目前不同场景对机器人的性能要求都有些差异，所以在差异化技术的供应链没有形成以前，所以每个团队都需要沉淀自己的技术。这些自研技术包括关节部分，比如机器狗和机械臂的关节肯定是不同的。还有自研除了本身能力外，还要满足一些行业要求。比如电力领域要求它抗电磁干扰、消防领域要求耐高温等。
现在网上提自研的很多，关于自研算法这一块，我今天不做判断。因为国内现在还是有点虚，都说自己是自研，但是也没扒开看一看。
今天也借这个沟通的机会，各位同仁朋友都在。想说以后是否有有机会大家搭建一个公开的平台，可以将各种技术做对比，比如图像处理等等方面。
因为自研不是目的，最终都是为了解决一个问题、实现某方面能力。
现在还没有这样一个平台。我觉得如果有机会，我们可以把产业做的更深入一点。正如刚刚有位老师说到一些行业标准的问题，我们来通过一个共同的平台去验证大家的能力差异。
机器人自重和安全性直接相关
量子位：现在很多机器人在发布产品时都会披露自重，这个数据在实际应用中会影响到哪些方面？
云深处李超：自重确实很关键。对于人形机器人、都市机器人，它的重量和安全性很多时候都是几乎等价的。我们的绝影X20自重是50公斤左右，这个重量在特定环境下需要考虑安全性。
自重和负载有很大关系，如果没有很大的自重，就无法具备很强的作业能力。所以基本上会以重量来划定机器人的定位。多年积累下来，40-50公斤的级别，差不多就是行业机器人。再往下，就是面向科研教育的机器人，相当于未来的服务机器人，要在20公斤以下，这样大家使用起来会更加安全。
因为现在好多功能不能保证绝对安全，如果是小机器人出现意外，很多事情能兜底。
△绝影X20产品参数
大模型改写机器人交互方式
量子位：大象机器人之前是做机械臂的，在相对成熟的工业机器人技术上，有哪些仿生机器人是可以直接套用的？还有哪些是需要重新开发的？
大象机器人林鸿林：底层硬件部分很多是可以使用的。运动控制算法这一部分，无论是单臂独立工作，还是放在人形机器人上双臂协同配合，我们的底层机械臂运动控制算法经过这么多年考验，还是非常可靠的。
但是从单臂到双臂，会增加额外的新技术。比如双臂协同算法、双臂通信上的低延迟等，这也是我们最近在做的一些工作，是可以直接从工业机器人上面借鉴及应用的。
我们感受到比较大的不同是交互上面。工业领域可以接受更加底层的编译、程序逻辑的编写，但是在上升到双臂之后，如果所有的动作是先写左臂再写右臂，效率其实非常低，是一个很笨的1+1工作，它没有做到两个臂融为一体。
所以怎样同时给两条机械臂编译一个命令，然后再加上它的底层运动控制算法？
我们之前也做过像SLAM这种基于激光雷达建图扫描的一些控制，如果将这些研发的精力放到一起，怎样去融合一个更高效的交互，是现在一个比较大的考验。
量子位：今年大火的大模型、GPT技术，是否有尝试在机器人上使用？未来大模型能给机器人提供哪些动力？
云深处李超：大模型出来后，给我们蛮大震撼。它解决了以前机器人面面相更广泛应用、从ToB到ToC的一个很重要问题。
现在很多交互都是通过后台、通过手柄去操控。这对于一台真正的机器人是非常不便利的。我觉得大模型能解决很多问题，比如理解能力、算法提升，在这些方面我们都有做一些尝试。
大象机器人林鸿林：ChatGPT发布后，微软发布了一个大模型在机器人上的综合应用，其中一个和机械臂有关的案例，用的就是我们的机器人。现在大模型+机器人每天都在做尝试，但我觉得现在还处在非常早期的阶段。现在能使用的案例，比如教育套件里能够用AI去识别颜色、形状、堆叠排放等，就是一些比较简单的空间意义和概念，然后让机器人去完成对应色块、形状的抓取和堆叠。
到了仿生宠物上面使用，我觉得这会更加复杂。因为我们会希望它识别场景，而不是一个单一的形状和色块。现在反倒有一些比大模型更加简单的方式去实现这件事。很多做3D智能相机的，它的人脸识别算法已经非常成熟。比起我们自己训练，一个可以直接使用的供应商方案是更成熟的。
所以我们认为大模型+机器人肯定是一个很大的方向。我们现在也在做多方面尝试，希望能够实现自然语言到机器语言上的转换，但我认为现在还处在非常早期的探索阶段。
人形机器人不一定要有双足
量子位：可否介绍一下大象机器人的人形机器人研发工作？最大特点是什么？
大象机器人林鸿林：我们过去做了很多单一场景，每一个单个产品完成了在定位上的要求。比如做产线上的六轴机械手臂，它的要求是高重复定位精度、可靠重复单一任务。我们也做了桌面级教育机器人，它是完全开源的，在这方面我们有很多底层算法，是有我们的创客用户自己开发出来的，之后在开源平台上共享。过去这些产品的定位和面向人群是非常不同的，在这些方面累计了一些能力。
这一次我们想要做一个完整人形机器人，其实就是将这些能力综合，按照实际需求场景结合。所以我们现在看到的一个正在做的方向，是双臂运动控制，底层硬件上面的可批量制造性、可批量交付性以及新的双臂控制和交互方式。这都是我们比较有优势的一个方面。
那么在底层移动上，现在还在做一些新的探索。我们可能大概率不会用一个双足，现在很多同行都在做双足，我们可能会用轮式方案，用一个更接近人形轮式的方式，来最后定义产品。
量子位：我们观察到大象机器人的人形机器人最先在工厂场景中应用，为此有做什么不用的设计吗？
大象机器人林鸿林：从场景出发，我们早先进行了很多实际调研。现在工厂里到底哪些场景是单臂机器人不能做、而需要一个双臂的？答案如果是不需要双臂机器人，那就不用做。但这个需求是实际存在的。
比如刚刚提到的双手协同拼接。而且我们在行业里不断积累，服务行业提出了一些场景。比如在日本，我们做了可以在便利店里煮关东煮的机器人。它需要做识别、完成抓取。还有很多各种各样的想法被提出来，比如厨房机器人、带双臂的仓储等。
综上，现在其实有一些共性需求。工业机器人不能满足外观、噪声、安全性等方面的要求。我们现在做的是协作机器人，它和工业机器人的区别在于，协作机器人在工厂里工作是不需要装安全护栏的，它可以和工人们在同一个空间内，所以对于它的安全性要求就非常高，进一步也就不太可能做超过40公斤以上的协作机器人——40公斤以上就是工业机器人人标准了。
对于整体力矩的控制、末端人体感知等安全方面，会有很多新要求。所以这要求双臂灵活、可以相互配合、可以协同并且足够安全。同时在交互方面，我们也有一些应用层上的创新，比如结合VR等外部设备。
机器人应用还是太少了
量子位：我们注意到绝影Lite3已经开始面向非结构化场景使用了，适应不同场景最大的技术难点是什么？
云深处李超：我们感觉用的时候技术难点到处都是哈哈。以我们行业机器人为例，现在的问题还是机器人用得太少了。
有一些机器人在隧道里面使用，夏天的隧道会渗水，地面特别滑，我们已经解决了地面湿滑稳定行走的问题，可以保证它不倒。但是在很多狭窄的地方，还希望它既能不倒、又能很精确，这确实是目前遇到的一个问题。还比如在草坪上走，会出现蚂蚁洞这种看不到的东西，这个问题现在也在被逐步解决。
云深处现在的优势是不怕这些问题，我们会不断进行迭代。其实今天很遗憾，没有带着机器人来到现场，如果能有一个实体机器人给大家展示，能够更直观感受。
量子位：云深处设计机器人过程中，模块化设计是经常被提及的。这在非结构化场景机器人的应用上，有什么优势？
云深处李超：模块化是批量化的一个前置，这样可以独立去做开发。硬件、软件模块化对我们来说是有些困难的，它涉及到新技术引入、各个方面的协同。做模块化是为了更好和行业做接口。
仿生机器人只是到了“摩托罗拉时刻”
量子位：现在都说仿生机器人到了“iPhone时刻”，作为业内人士如何看待这种说法？我们现在走到哪一步了？
大象机器人林鸿林：看待这个问题首先要明确定义下什么是“iPhone时刻”。我们理解这个概念，是指智能手机被广泛接受，并且定义了智能手机应该是什么样子。实际上远远在iPhone 3S出来之前，很多功能就已经有了，比如3G网络通信、电容屏触摸，这些东西不是iPhone带来的。
所以对于乔布斯的定位，大家都认为他是一个整合者而不是一个创造者，因为他更多是把很多现有技术做结合。
站在这个意义上面，我觉得我们这个时刻还具有很大一段距离。原因在于底层硬件技术本身还非常不成熟，我们只是单点技术比较成熟、离那个时刻非常近。
那么反过来问，iPhone时刻为什么会被定义为这个时刻？
我觉得是因为它定义了很多底层交互。比如它明确了实际上不需要用键盘、鼠标来操作，而是直接用手指来点击屏幕，这个更符合直觉交互，并且它定义了我们今天使用的GUI。
今天的桌面PC，无论是Windows还是macOS，他们做的这一整套定义基本上都是一样的。无论是iOS还是安卓，这一整套视觉GUI和苹果当时发布的那一套是一样的。当我们接受了这一整套交互设定，所以我觉得这个是它能够成为时刻点、定义下一代产品的一个原因，并且他成功把现有比较成熟的技术放到了一起。
放到今天来看，我觉得我们现在底层算法、硬件产业链发展，还没有非常成熟、以至于可以很快出现一个像乔布斯一样的整合者，还需要很多底层上面的持续研究和突破。
量子位：现在什么技术要素会成为通往通用人形机器人之路的钥匙？
云深处李超：我接着刚刚林总的话说，我觉得现在不是iPhone时刻，是“摩托罗拉时刻”。
这是因为人形机器人很多功能是有的，怎么让它成为一个适用范围更大的工具？这是现在制约它发展的点。
机器人领域的五项技术，现在都有很多需要突破，从底层、硬件、感知、交互到触觉，离我们的想象还是有一定差距。但之前最大的差距就是交互、理解方面，这也是今天为什么大家坐在这里来讨论。大模型确实弥补了具身智能的最后一环，其他环节此前都有，但是能力还不够，现在我们各个环节都补齐了。
行业需要更多耐心和时间
量子位：最后，想请问两位有什么观点和想法想和关注、热爱仿生机器人的观众朋友分享？
大象机器人林鸿林：我想说我们现在确实在做一些比较新的东西，希望大家能够对我们这个行业更加宽容。实际上，我们每天都是在看着机器人不断在各种场合里翻车，它走不好一段路、抓不到一个东西，这个是日常工作中最常遇到的情况。最后能够呈现在宣传片里的，都是经过很长时间实验后得出的结果。
所以一方面，我们对未来有乐观的判断，有理想的追求。同时我们也要接受这不会是一个非常简单并且能快速实现的路径。
我一方面希望更多人可以关注到这个行业，但同时也希望大家能对任何新兴行业都更加宽容，给予它一些耐心和时间。
云深处李超：我们确实在很多场景下实实在在解决一些问题，但是这些问题是媒体或者投资圈很少被关注到的。
在2015年，仿生机器人出现过一波热潮。当时谷歌收购了两家机器人公司，波士顿动力和Schaft，他们的技术水平都比国内任何一家机器人公司高非常多。但是在那三年之后，波士顿动力被卖掉，另一家Schaft直接关闭了。
这中间有一个原因，可能是当时技术水平还不够，或者说还是大家给出了一个过高的期望？
从我们成立云深处这家公司开始，就抱着一个解决问题的目标。
但是刚刚也说到，今年具身智能的发展，实现了技术闭环。我其实蛮感谢这个时代，从2017年创业开始，每年的技术进步都远超我预期。我们刚成立时，都不能确定我们做到死，机器人能不能用得上。但实际上真实情况比预期好。
所以我最后希望整个行业大家能脚踏实地一点，把这件事当成像汽车产业或者其他技术产业慢慢向前去推进，即便没有到iPhone时刻，现在也是摩托罗拉时刻/诺基亚时刻，也是会被每个人去用到的。
关于量子位智库沙龙
量子位智库主题活动，围绕AI和前沿科技相关的最新进展和热门话题，邀请一线行业专家，系统性分享认知。
— 完 —
「AIGC+垂直领域社群」
招募中！
欢迎关注AIGC的伙伴们加入AIGC+垂直领域社群，一起学习、探索、创新AIGC！
请备注您想加入的垂直领域「教育」或「广告营销」，加入AIGC人才社群请备注「人才」&「姓名-公司-职位」。
点这里👇关注我，记得标星哦～
微信扫码关注该文公众号作者