藍鯨新聞 7 月 1 日訊（記者 翟智超）6 月 28 日晚，北京智慧電競賽事中心，一場由機器人參與的足球賽廣受關注。最終，清華 " 火神隊 " 以 5:3 擊敗中國農大 " 山海隊 "，捧起國內首個機器人足球 3v3 AI 賽冠軍獎杯。

比賽場上的機器人，正是來自專注人形機器人研發的創業公司 " 加速進化 " 的 Booster T1。這家成立僅三年的創業公司剛完成億元級融資。賽前，創始人程昊接受了藍鯨科技的獨家專訪，講述了其舉辦機器人足球賽始末。

機器人行業發展至今，外界最為關注的便是商業化落地，在程昊看來，之所以舉行機器人足球比賽，最大的考量便是能將技術可視化，從而加速技術的進化。

程昊認為，通過參與足球等博弈類賽事，機器人廠商與開發者可加速算法及硬件迭代，將技術效果可視化、公開化，拉近大眾對機器人的認知，擺脫行業常見的 " 拍攝 100 次僅成功 5 次 " 的 Demo 狀態。同時，此類競技中頻繁的碰撞與摔倒，能有效驗證機器人的穩定性與可靠性。

更為重要的是，機器人踢足球也是為數不多能鍛煉其未來進入家庭和工廠所需全部技術的運動方式。" 我們堅信，當機器人能在足球場上與人對抗時，便具備了進入家庭的條件。"程昊稱。

在與藍鯨科技記者對話過程中，程昊表示，機器人一旦實現配送、陪伴等場景，即可開啟落地實用化進程。

以下內容為藍鯨科技與程昊的對話實錄，在保證原意下有所修改：

人形機器人的 " 極限考場 "

藍鯨科技：加速進化舉辦足球賽，這背后的邏輯是什么？

程昊：通過參與足球等博弈類賽事，機器人廠商與開發者可加速算法及硬件迭代，將技術效果可視化、公開化，拉近大眾對機器人的認知，擺脫行業常見的 " 拍攝 100 次僅成功 5 次 " 的 Demo 狀態。如 IBM 深藍在國際象棋、谷歌 Deep Mind 的 Alpha Go 在圍棋領域，均通過 " 先在博弈類項目突破，再將算法遷移至復雜真實場景 " 實現技術泛化。

足球這類競技既能通過對抗，快速推動算法和硬件迭代，又因具備觀賞性，能拉近機器人與觀眾的距離，更因其在家庭、工業場景的強泛化潛力，而具備商業化落地可能。

此外，此類競技中頻繁的碰撞與摔倒，能有效驗證機器人的穩定性與可靠性。

藍鯨科技：為什么堅定做機器人踢足球的應用場景 ?

程昊：其一，團隊核心成員擁有近 20 年參與機器人足球世界杯的經驗；其二，足球場景本身具備商業化落地的潛力，能夠為技術應用與產業發展提供可行路徑；其三，我們希望支持中國隊伍率先拿到機器人足球領域的世界杯冠軍。

藍鯨科技：您認為比賽中錘煉出的核心能力（比如動態平衡、環境適應性），將如何優先轉化到更廣泛的商業場景中？

程昊：機器人踢足球是為數不多能鍛煉其未來進入家庭和工廠所需全部技術的運動方式。跑步僅鍛煉耐久性，遙控拳擊更多側重平衡運動能力，而足球是運動能力與感知決策的結合（如 AI 踢足球），這與未來工廠和家庭場景中感知決策、定位導航、運動控制的融合需求一致，堪稱最小級別的通用性技術驗證。

我們堅信，當機器人能在足球場上與人對抗時，便具備了進入家庭的條件。對抗中，機器人需識別人與球，并完成搶斷球，同時確保不會傷人——這種能力一旦在球場展現，多數觀眾會認可其進入家庭的安全性，因二者背后技術邏輯相同。

藍鯨科技：人形機器人如何通過腿部操作算法，實現手臂場景技術平移？

程昊：人形機器人初入工廠和家庭時，無需具備靈巧操作能力，可先從事送快遞、陪伴老人小孩等非靈巧操作類工作。當前機器人在精準性方面存在局限，例如人類罰任意球，命中率偏低。當機器人實現如 " 百發百中 " 般的精準飛行，且腿部與胳膊部構型相同時，若能在移動中完成像梅西、C 羅那樣精準的踢球動作，便意味著其腿部操作算法已足夠成熟，可直接平移至手臂操作場景。

核心瓶頸仍在于技術尚未成熟

藍鯨科技：目前加速進化已獲得新一輪融資，這筆重要資金會重點投入在哪些方面？

程昊：我們將大部分融資投入到幾個方向：第一是新技術研發，比如正在制作的端到端全身運動模型。VRa 作為端到端運動模型，其運動方式與其他模型不同，更側重解決運動問題而非操作；第二，我們把模型分為 " 小腦模型 " 和 " 大腦模型 "。其中，小腦模型的率先成熟至關重要——如同人類發展規律，需先具備健全的四肢運動能力，才能在不同場景完成任務，再逐步完善大腦智能。我們認為機器人發展也應遵循這一邏輯，并將加大在該方向的投入。第三，機器人的量產與商業化能力也需大幅提升。

藍鯨科技：關于這輪融資，投資者有沒有急于要求商業落地？對加速進化未來發展又有何期待？

程昊：我認為我們的投資人十分務實理性，近兩年來已抓住這波機會。隨著時間推移，投資人對機器人發展的認知會愈發成熟。當下，量產和商業化是重中之重，核心在于我們并非依賴投資人施壓，而是主動追求實現商業化。

藍鯨科技：現在加速進化的機器人出貨量如何？

程昊：目前為止，已經出售幾百臺，其中超過 50% 為全球訂單。

藍鯨科技：您認為當前打通商業化落地的最大瓶頸是什么？

程昊：我認為當前可稱之為 TPMF（Technology Product Market Fit）。此前互聯網公司常提及 PMF（Product Market Fit），移動互聯網時代無需技術突破，僅需快速捕捉市場需求開發 APP。而如今核心瓶頸在于技術尚未成熟。以計算機早期為例，缺乏互聯網與圖形化界面，信息傳輸依賴軟盤，彼時雖可能意識到直播的商業價值，卻因存儲、算法等技術限制無法實現。但即便如此，電腦仍實現全球銷量增長，若無早期商業化，也難以衍生出筆記本、智能手機等產品——這遵循自然發展規律，是多輪 TPMF 循環的過程。

藍鯨科技：我們看到加速進化在開源和生態合作上頗為積極。在您看來，這種開放策略如何既促進行業整體進步，又能為加速進化自身構建獨特的競爭壁壘與商業價值？

程昊：開源的價值極大。以 PC 時代為例，微軟之所以更成功，在于其構建了更完善的開發者生態，吸引眾多人在系統上進行應用開發；而當時蘋果相對封閉。到了智能手機時代，蘋果吸取教訓，推出 iPhone 后迅速上線 Apple APP Store，吸引大量開發者基于蘋果手機開發應用，這使其在移動互聯網時代比微軟更成功。關鍵在于是否擁有龐大的開發者生態。如在移動互聯網與 AI 領域，微軟投資并收購 OpenAI，憑借開放且開源的開發工具吸引大量開發者，推動其在云和 AI 領域發展提速。由此可見，通過開源構建優質開發者生態是極具價值，且杠桿效應顯著的事，我們會持續加大在這方面的資金投入。

藍鯨科技：人形機器人在實際應用中的發展軌跡，您覺得與哪個類目最相似？

程昊：人形機器人在實際應用中的發展軌跡與 PC 類似。電腦最初的批量落地場景是教育領域，那時許多人在培訓機構或學校學習打字、編程，計算機一級、二級證書考試興起，大量計算機被賣給學校和教育機構。之后，隨著 Windows 和 Word 的普及，辦公場景成為主流，游戲和互聯網也隨之發展。機器人的發展同樣如此，其最初普及的場景將集中在教育和表演賽事。

雖然這些場景規模較小，但已形成特定市場。例如，全球有 100 支機器人足球隊，潛在銷量可達一兩千臺；在教育領域，類似 90 年代建設計算機機房，如今每個學校都可能設有機器人機房，全球市場規模已達幾萬臺，甚至更多。隨著機器人定位導航能力和單元能力的提升，其將優先在物流、陪伴等無需靈巧操作的場景落地，屆時每年出貨量有望達到幾十萬臺的規模。

藍鯨科技：面向未來，加速進化如何規劃 T1 機器人能力提升和場景拓展的漸進式路線圖？

程昊：我們認為后續必須依靠產品迭代，如同計算機的 286、386、586 等，從硬件、操作系統、開發工具到上層能力都需持續迭代。T1 將完成其歷史使命，后續會推出 T 二及 A 系列全尺寸或更小尺寸的產品。

藍鯨科技：更小尺寸產品大概何時推出？全尺寸產品又何時推出？

程昊：近期，我們將推出更小尺寸的 K1，該產品特性主要是針對家庭場景。待完成小尺寸產品的任務后，下一步將開展全尺寸產品的測試。事實上，我們已擁有全尺寸產品，但因定位于 ToB 領域，且當前 ToB 產品尚不成熟，所以并未急于推進商業化。

藍鯨科技：哪些標志性里程碑，最能向市場證明實用化時代的到來？

程昊：機器人一旦實現配送、陪伴等場景，即可開啟落地實用化進程，快的話 2～3 年即可。

藍鯨科技：您為何認為機器人的發展周期會比計算機、互聯網等信息革命技術更快？其背后的技術基礎與時代背景發生了哪些變化？

程昊：Apple 電腦于 1977 年推出，而大規模普及到許多人使用，可能是到 80 年代末甚至 90 年代初，中國的普及更晚，約在 2000 年左右，初步應用預計需 10 年。但我認為機器人的發展可能比計算機更快：計算機發展初期世界開發者少，主要依賴美國等國家，且當時電子技術尚處于初級；而如今技術基礎更好，中國在其中扮演重要角色，政府也可能大量投入，行業發展加速。

AI 革命與互聯網、計算機本質相同，并非單指 AI 機器人。智能手機本質是更便捷的計算機，其多數功能由計算機完成，這與計算機發展一脈相承。基于此，我們認為機器人發展周期，比信息革命時代更快——信息革命時代從 70 年代到 90 年代末的 PC，隨筆記本成熟發展迅速，如 Wi-Fi 等技術幾年內實現，再到移動互聯網，也能在短時間內迅速普及。