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 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。

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。

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%。

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。

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。

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。

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。