大模型这把火点燃了整个机器人行业的热情。纵观全世界，过去几个月，国内外大模型大厂和机器人初创公司的合作也是动作不断。看来，机器人的元年真的来了！

  3月初，初创公司Figure发布了首个由OpenAI大模型加持的人形机器人Figure 01的演示。

  凭借LLM「大脑」，Figure 01能够正常的看到桌面上的苹果，动手收拾餐具，并与人类进行无缝交流。

  在电动Atlas官宣当天，初创公司Mentee Robotics也展示了首个Menteebot人形机器人，通过自然语言即可交流。

  同样，得到大模型加持的Menteebot，能解释命令，并思考、决策、完成任务。

  年初，具有「人形机器人第一股」之称的优必选股价创下2天3倍的暴涨走势，与之呼应的是大模型厂商近期与机器人行业的合作也是动作不断。

  有行业专家这样认为，具备多模态LLM大脑的机器人时代终于来临了。这些机器人将能够理解指令并执行任务：能够正常的使用笔记本、刷碗、冲泡咖啡，妥妥的AGI！

  显然，大模型赋能机器人蕴藏着巨大的潜力，成为科技大厂为数不多的一个共识。

  正如许多人期待的那样，AGI真正到来的那天，「具身智能」正是不可或缺的重要硬件载体。

  研究公司Robot Report多个方面数据显示，今年前3个月，机器人初创公司筹集了32亿美元资金，去年同期为17亿美元。

  在国外，OpenAI押注的两家人形机器人初创公司1X、Figure纷纷得到新一轮的融资。

  还有硅谷服务机器人Bear Robotics、专为机器人开发大脑Physical Intelligence、还未创收的Skild等机器人初创公司，同样受到资本的追捧。

  国内以优必选为代表，2023年12月底上市即成为人形机器人第一股；如前所述，股票一路攀升。

  此外，宇树人形机器人在今年2月完成了近10亿元的B2轮融资，其产品宇树H1更是火到了国外。

  这就是为什么大模型的出现，破解了传统机器人需要明确指令，才能执行任务的僵化问题。

  简单来说，LLM可以将松散定义的指令，映射到机器人技能范围内的特定任务序列。

  来自多伦多大学、谷歌DeepMind等机构开发的GenEM，利用GPT-4丰富的知识储备，将「点头」这一抽象行为，转化为机器人可输出的特定动作。

  这是因为，图像、文字、语音、视频等各种多模态信息，构成了我们的现实世界。而人类的感受、沟通，都是在以多模态形式进行。

  比如，当机器人想要正确执行「有点累，帮我去拿一杯提神的饮品」这条指令时，最关键是完成「多模理解」。

  在理解语音指令、拆解任务步骤之后，机器人需要识别「视线」里的物体，判断推理出哪瓶饮料是符合指令意思需要拿取的。

  总而言之，多模态能力对于真正要进入家庭的机器人来说必不可少，尤其是多模理解尤为重要。

  国内一家成立25年的公司，曾在2022年就启动了「超脑2030计划」，畅想着能够让机器人走进每个家庭。

  这一计划共分为三个阶段，通过逐步推进，让AI可以懂知识、善学习、能进化。

  一直以来，基于对前沿技术的不断探索，背后此公司——科大讯飞正朝着目标前进。

  先是在2022年科大讯飞全球1024开发者大会上，首次发布了「讯飞机器人超脑平台」。

  这一平台面向开发者，提供了全栈的工具链，包括模型训练、资产生成和软硬件接入等等。

  ChatGPT引爆大模型热潮之后，科大讯飞在23年5月首次发布「讯飞星火大模型」，并在一年多的时间完成了5次迭代。

  而初代讯飞星火大模型就具备了体现通用AI的七大维度，包括文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力及多模态能力。

  在接下来的6月、8月、和10月以及今年1月，讯飞星火大模型完成了从V1.5、V2.0，到V3.0、V3.5的迭代升级。

  大模型打破传统认知智能的天花板，为机器人更深入地理解世界奠定了坚实的基础。

  然而，要充分整合这些先进的技术，以促进机器人在人机互动、任务规划和环境适应等方面的显著进步，还需要依赖专门的系统。

  为此，科大讯飞在2023年7月正式将讯飞星火大模型与「机器人超脑平台」进行了深度的融合。

  具体来说，科大讯飞机器人超脑平台，是以讯飞超脑2030技术为底座打造的，一个面向物理世界、虚拟世界和元宇宙的机器人开发平台。

  它以多模态感知表达、开放式语义理解、大小脑协同运动控制和软硬件接入为核心，可以帮开发者快速搭建实体机器人和虚拟数字人产品。

  又或是，当你让机器人讲一个笑话时，那一本正经的播音腔，简直就是尴尬氛围组上线。

  而破解这样一些问题的关键是，让机器人更好地「拾音」，且说话不再有那么重的「机器味儿」。

  讯飞机器人超脑平台从「视听融合的多模态感知交互」和「大模型理解决策」两个方面，解决了这一难题。

  通过升级麦克风阵列算法，融合声音、人脸、和唇形信息，即使在嘈杂、高噪的场景下，机器人都能精准拾音，实现复杂场景「听得清」。

  同时，通过语音大模型和超拟人合成技术，机器人「听得准」，「答得自然」，让机器人聊起天来更有生命力和感染力了！

  这个大脑，毫无疑问就是基于讯飞星火大模型，实现了控制级指令、官方技能、核心业务功能、快速知识问答、闲聊陪伴等多交互场景的统一。

  对于每个孩子来说，若机器人能以妈妈的声音、口吻讲睡前故事，才堪称真正的「陪伴」机器人。

  对此，讯飞机器人超脑平台还设计了多风格、多情感的AI人设，能够让每个机器人都与众不同。

  讯飞机器人超脑平台已赋能四大领域398家机器人客户，深度链接1.3万名机器人开发者。

  为了逐步扩大合作生态，2024年4月15日，科大讯飞真正开始启动「星河行动」计划，招募生态合作伙伴共同推进机器人产业的繁荣。

  而在此之前，有很多来自不同细致划分领域的国内头部机器人厂商，就已经用上了科大讯飞星火大模型的强大能力。

  当机器人走向落地，人形并不一定是达成目标最好的形态。它可以是一个机械臂，也可以是轮式......

  科大讯飞与穿山甲机器人公司合作已久，一直共同探索AI技术与机器人的融合，不断拓宽服务机器人应用新的边界。

  这家公司旗下新款小鱼、艾米、小雪等AI服务机器人，全都搭载了讯飞机器人超脑平台，以及讯飞星火大模型技术。

  基于讯飞先进的语音识别、AI技术，机器人能流畅地进行自然语言对话，迅速理解并给出准确回答。

  通过接入讯飞星火大模型和多模态交互，这款桌面黑科技机器人成为孩子们的贴心「小管家」。

  只需要一声呼唤，不论是娱乐、还是遇到学习生活难题，它都能以前所未有交互能力陪伴孩子。

  我们熟知的，智元机器人、优必选、宇树科技等公司，都得到了讯飞全链路语音，以及讯飞星火大模型的加持。

  基于讯飞机器人超脑平台，将讯飞星火大模型和多模态交互技术应用到EX仿生机器人中，实现了与人一样的思考、对话和动作。

  我们还应该看到，机器人的发展不仅依靠AI大脑的技术迭代，还需要「身体」并行。

  随着机器人行业的慢慢地发展，机器人行业内的组件供应也开始向专业化、成熟化方向发展。

  4月2日，在上海召开的中国人形机器人生态大会上，能够正常的看到机器人部件厂商也获得了长足的发展——

  人形机器人通用底座、机器狗通用底座、机器人超脑板、多模态语音交互、3D视觉芯片、灵活机械手、机器人伺服电机、3D打印框架等厂商均参加展出。

  会场进行了多项专题报告，比如「多模态+大模型，构建人形机器人新交互」、「人形机器人感知技术与发展」等细致划分领域的成果展示。

  大量模块化、可快速整合的行业平台及部件，让机器人的开发不再需要像过去一样，从0开始做算法。

  尤其是，像讯飞机器人超脑平台已经引入大模型的通用开放平台，进一步将机器人的常规算法和人机交互开发难度降低到了「拿来即用」的地步。

  再加上，讯飞机器人超脑平台已经打通了对接链路公司（宇树、智元、EX机器人等）的成熟机器人硬件体系。

  这意味着，二次应用开发将会成为入行最快、产品最快实现用户需求的方式之一。

  显然，机器人底层硬件配套已初步具备，LLM技术更是赋予了机器人交互的核心。

  接下来，针对客户的真实需求的挖掘、痛点解决方案和用户贴身服务的内容，尚需进一步打磨。

  从认知能力上来看，AI机器人的发展愈加接近人类。甚至，在外表方面，也变得更像人类了。

  波士顿咨询公司（BCG）估计，到2030年，全球机器人市场规模将达到1600亿美元-2600亿美元。

  也就说，LLM+机器人未来的未来市场发展的潜力非常广阔，可以深入应用于各种工业领域和人类生活场景。

  在制造业领域，装配线上的机器人能够生产出，人类工人不能够比拟的高质量和一致性的商品。

  在仓库和物流公司中，AI机器人能完成重型搬运工作，诸如运送产品、放置在货架等任务，非常大程度上减轻了人类劳动力的负担。

  除了工业领域的机器人，AI医疗机器人还能够在一定程度上帮助医生做手术，做出更准确的诊断，也能引导患者完成物理治疗和康复。

  展望未来，在餐馆、太空探索、教育、养老院等诸多场景中，都将得到AI机器人的全面覆盖。

  不难料到，机器人的曙光已经到来，它正在以我们几十年前只能想象的方式重塑全世界。