《科創板日報》12月18日訊（記者 黃心怡）作為商湯科技布局具身智能的一大落子，大曉機器人今日發布ace具身研發範式、首個開源且商業應用的開悟世界模型3.0（kairos 3.0）、具身超級大腦模組a1。
《科創板日報》現場了解到，大曉機器人的產業鏈夥伴包括智元機器人、銀河通用、鈦虎機器人、國地中心等具身廠商，影石insta360、卧龍電驅、帕西尼等硬體廠商，壁仞科技、沐曦、中科曙光等晶元企業。開悟世界模型3.0已經與沐曦、壁仞科技、中科曙光、輝曦智能、影微創新等多款國產廠商晶元完成適配，
商湯科技聯合創始人、大曉機器人董事長王曉剛在採訪中介紹，大曉機器人在產品化落地方面，未來計劃輸出的是軟硬一體方案。「我們團隊主要強在在大腦和軟體。過去兩年里，商湯也投資了一系列本體和零部件公司。然而，在實際場景應用中，現有的本體硬體與實際需求仍存在較大差距。因此，會根據場景需求進行軟硬體聯合優化，協同供應鏈生態夥伴，重新設計硬體，使產品更符合客戶需求。」
▍與智元、沐曦等合作，發力具身智能場景落地
具身智能需要擁有一個強大的「大腦」，但目前的技術路線仍未明確。曾有行業人士多次對當下火熱的vla模型（視覺-語言-動作）表示「保持比較懷疑的態度」。
王曉剛認為，「現有技術路線確實存在明顯缺陷，比如vla模型是以機器為中心，通過輸入指令、圖像和視頻，直接輸出動作。它不太需要理解真實的物理世界和物理規律。我們期待，將來有一個更強的大腦能去理解世界。過去不少機器人只能完成一項任務，現在希望逐漸增加它的通用和泛化能力，完成更多的任務，這是一個漸進式的發展。」
據了解，此次商湯發布的具身世界模型「開悟」3.0，已開放基於雲服務的api。用戶可以選擇不同類型的機器人本體，比如智元、銀河等品牌的機器人，系統會根據所選機器人本體、場景及任務，合成機器人完成動作的視頻，以及各關節軌跡參數。這些數據可用於訓練機器人「大腦」，利用世界模型合成的大量數據提升機器人性能。
「我們被投的企業中，例如鈦虎、鹿明等機器人企業未來都會有合作。在感測器的方面，我們應用了全景相機。現有的感測器視角較窄，在路口等場景中，機器人可能看不清全路，例如機器狗過馬路看不到紅綠燈。為此，我們與影石insta360合作，將全景相機的能力賦予到機器人上，這是一個關鍵的零部件亮點。機器人的產業鏈條比較長，我們在場景應用中會不斷改進零部件，並與供應鏈上下游企業密切合作。」
發布會上，大曉機器人與智元機器人宣布達成戰略合作，並展示了面向即時零售場景的機器人，和面向巡檢等場景的搭載「具身超級大腦模組a1」機器狗。
「我們以四足機器人為例，推出了一款『具身超級大腦模組a1』產品。該產品的本體部分目前採用的是現有的硬體方案，像智元、雲深處等品牌的機器狗都能較好地適配我們現有的導航零組件，從而使其具備空間自主能力。不過未來，我們還需要與各硬體生態企業展開合作，共同推動相關成本的降低。」王曉剛稱。
在軟體層面，包括世界模型、具身相關大模型以及數據領域等，王曉剛透露，目前已經有了一些訂單。「但對於未來重點推出的軟硬一體產品，我們期待明年能實現大規模落地。」
在商業服務領域，王曉剛看好前置倉、閃購倉的場景。「零售領域的增長速度是非常快的，而且相比工業場景更為標準化，能夠實現規模化。中國有十幾萬的前置倉，未來幾年還在快速增長過程當中，如果機器人能夠解決前置倉的難點，就是十萬級的規模了。」
▍機器人行業產業鏈分工有待完善
眼下，具身智能的技術發展仍遠未成熟。王曉剛指出，首先從技術路線來看，機器人行業原有的技術路線存在明顯缺陷。
」比如特斯拉和figure ai在過去兩三個月內，都放棄了以真機為主的技術路線，轉向以視覺為主的技術路線。但視覺為主的技術路線並非終極方案，所以我們提出了ace研究範式。當研究範式和技術路線發生重大轉變時，會給整個產業帶來深遠影響——類比自動駕駛領域，過去長期的研發積累在端到端自動駕駛這一新路線出現後，包括數據、研發體系在內的前期成果很快被顛覆。而在正確技術路線的指引下，產品體驗和技術成熟度會快速提升。「
在場景落地方面，儘管機器人賽道如今十分火爆，但現實情況是，能夠成規模量產的機器人場景，主要在於提供情緒價值的表演性質產品，或者用於科研平台，尚未出現大幅提升生產力的規模化應用。
「各垂直領域的場景中，機器人還未廣泛進入並實現量產，這意味著巨大的發展機會。只有當機器人規模化進入場景，通過軟硬體協同迭代，整個產業格局才會發生顯著變化。」王曉剛稱。
此外，機器人行業的產業鏈分工尚未完善，從零部件、感測器到計算晶元等環節，都存在很大的垂直整合空間。王曉剛提到，「當前機器人成本依然很高，而在質量、可靠性、一致性等方面，行業也還處於相對初期的階段。因此，我認為整個機器人產業的格局遠遠沒有確定下來。」
王曉剛判斷，「機器人要想在家庭中能夠完全取代人、完成各種長程複雜的任務，並且保證安全性，這確實需要在未來的五年甚至更長的時間才能達到。但這並不妨礙機器人在各種場景中逐漸落地。」
