专题：服贸会2025智能机器人创新发展论坛KB资产
中国国际服务贸易交易会-具身无界：智能机器人创新发展论坛于2025年9月11日在北京举行。主题为“具身智能+大模型：机器人的进化革命”。合十思维创始人兼董事长赵普出席并演讲。
以下为演讲实录：
大家好，我来分享一下我们公司的项目叫功能性脑仿真架构+物理AI，总结一下，叫水平更高效的人工智能和高拟态的人形机器人，我是合十思维的创始人赵普，我本人毕业于MIT麻省理工数据科学工程与管理计算机科学，我的导师是国际著名人类行为学家、物理宇宙学家，目前我也是MIT、PHD博士在读。我们机器人部门的硬件，主要是由刘国华落实来完成，他的导师是波士顿动力的赵教授，负责整个硬件底层的控制算法和硬件的选型。朱宁宁老师和我一块儿负责类脑智能体通研院项目的Agent，以及构建机器人大脑的一些应用。还有包括张超老师，他在国内做了很多开源的项目，Apache Spark，前一段时间马斯克在的Grok4也在用的模型和数据分享协议，还有包括国内的，数据平台（天池、糊涂等），我们4个创始人团队，一个负责硬件、本体、一个负责控制算法，一个负责大脑，我来负责整个全局，张超老师负责软件这一块。
列表模型这一块，其实我也和张钹院士做过汇报，张钹院士大家都知道，是国内AI的奠基人，也是可解释性AI提出的人，为数不多的人之一。我们也知道，AI行业有一句话叫“无监督规则学习的表征”，给张钹院士也做过汇报。张钹院士是在我们国内人工智能非常重的一个人。还和周鸿祎先生也讨论过AI和模型相关具身智能以及具身智能包括机器人未来进入到家庭以后，怎么去搞模型安全的一些东西。
这个是我们拿过的一些奖，就不多说了，包括人工智能挑战赛的一些奖。其实解决了三个问题，一是关于AI人形机器人是普遍存在的，在物理世界没有思维意识。二是训练和推理成本过高。三是无法拥有对物理世界认知。
为什么这样讲呢？前面的嘉宾也分享过，我们知道现在的工业机器人也好、人形机器人也好，它对物理世界是没有理解的，也就是说，它只是仅仅做了一个这样的动作。比如说现在有一个人形机器人拿了一瓶水，在它的眼里边，起始就是对一个三维点云坐标做了一个运动算法的输出，我们公司在这三点上做了非常大的改变和更改。
我是2012年回国之后，做了11年左右的自动驾驶的数据标的和数据采集，我们传统的这种数据训练的方法和采集的方法，其实都是通过这样的方法来做标定的，包括我们现在的模型和视觉的算法。比如说我们现在这个图里边，AI可以马上数出来刚刚的图片里面有多少只鸟，上面有一个话叫“number of objects 186”，但是人眼中的世界不是这样的，它跟AI眼中的世界有个具体的非常大的区别。
但是人脑是怎么工作的呢？人脑的视觉通路是把整个被测区域和副区的感知通路，来做了一个视觉的初级处理。我看到之后，在通过价值模型来处理我看到我想处理的东西我再去处理，并不是全去处理，我们知道眼睛每秒处理比特的数量其实很长，大概几十比特，甚至能够达到100比特，但是大脑的处理比特的速度很低。所以大脑的结构性决定了它不能高效的去处理AI这样的东西，但是同时它又非常的高效，它能够在处理空间、感知行为、感知价值KB资产，所以我们把人脑取得的认知通路做了一个仿真。
我们把这个仿真完成了以后，底层并没有Transformer，大家知道现在无论是VOA、VLM模型，都用的是Transformer或者强化学习，我们用的是Behave Tree Robotics（行为树机器人技术），也是2017年我在《Science》、《Nature》上面代表了一篇论文，就是讲除了Transformer和强化学习，我们怎么样用ETS去构建人类认知的通路，同时在认知通路上去构建十亿的模型来负责机器人，包括智能硬件，包括具身智能在物理世界的交互和感知。
这张图其实可以很明显地告诉大家人脑的工作流程，比如说自动驾驶，我举几个例子大家都知道了，自动驾驶我们都知道，自动驾驶我们一定要训练很多的数据，为什么特斯拉很牛？是因为在美国它训练了很多的车，全球有很多的车，它积累了40亿公里的数据，然后来告诉你，我在马路上有一个高级别的自动驾驶，但是人类的智能不是这样的，比如说我在北京开了10年车，我从来没有去过上海，我到上海之后就不会开车吗？不见得，不代表我没有训练过上海的数据，我就一定不会在上海开车，这11个模型，大概一共是9B的参数，只有90亿，为什么能够这么高效地来完成呢？我们也给它做了一个Agent。比如说我今天走到马路上面，我用我的眼睛看到了刚才我们用这样的方法去做标定的场景，在马路上我眼睛看到的东西并不是这样的，就像我的眼睛不能数出来这有多少只鸟一样。
我举一个例子，现在我走在马路上，我眼睛看到路面上所有车水马龙的信息，但是我并不全部去做处理，因为我的大脑没有那么高的算力。当路过一个美女或者路过一个超跑的时候我会看它，为什么？因为这个数据在我B区低空回报函数和权重是非常重的，所以大脑是一个非常高效的东西，我们来仿照它这种高效的架构，再加人工智能的范式，就能达到处理的效果。
我们具体是怎么做的呢？大家都知道，人脑是一个非常宏观的东西，薄薄的6毫秒的神经元、大脑皮层分布着大概861个神经元。我们怎么完成物理场景和实际场景和数学的空间关系呢？
这其实非常重要，也是一直以来AI业界要解决的一个难题。大家都知道，以前大家都做机器人，我给大家举个例子。我说冰箱里面有一个新鲜的苹果，新鲜这个词我怎么表征？你用大模型怎么去离解？对于每个人来讲，每个人对新鲜的理解不一样，你怎么样让机器人认知你的新鲜就是它的新鲜？比如说我妈妈可能会觉得皱皱巴巴，上面带个眼儿的苹果也很新鲜，我就不喜欢这种苹果，我就不喜欢这种苹果，这个时候机器人怎么去理解？
其实就是我们在刚刚一个分区里面，每一个分区为它构建一个函数集合，其他的分区再构建一个状态集合用函数集合匹配状态集合。我们看一下这张图，这张图是我发表的一张非常关键的图，人脑的流失模式。我们可以看一下左上角，现在大模型做的就是左上角的东西，刚才成果发布的时候也说了，VLA也好，VLM也好，包括LLM也好，现在只是底层的东西对物理世界有一个浅显的了解。
它表达的还是人类的意志，上半部分大模型做的是视觉、听觉等等一些。我不知道大家有没有看过波若波罗蜜多心经，它里面有一句话眼耳鼻舌声音对应的是什么？色声香味触法。也就是说我的感知、觉知一定要跟这个物理世界发生关联，也就是张院士提出的，我们慢慢要从数据驱动推导到价值驱动。人类每一个行为，每一个动作，包括我现在说的话都是有价值规范的。
所以在人脑的思维模式里面最重要的是低空回报函数，就是我们讲的价值观的模型非常重要。宇树，包括松延动力我们都认识，机器人为什么会跳舞？人为什么跳舞？我今天跳舞可能是因为我开心，对面的小姐姐跳舞是因为直播要擦边，一定是要有一个价值的取向，不是说今天平白无故我走在马路上突然想要跳一下舞KB资产，这个叫精神病。
所以我觉得四个模型的回路，可以看到人脑中最关键的就是BT群，我把它标红了，包括行为的价值评分。包括一个婴儿从人类出生到现在，每一个动作，每一次表情，包括每一声哭闹都是有一个价值推动，所以在这里边低空回报函数，我们也是做了一个非常大的权重。
在整个价值观模型又构建了一个心智模型，心智模型就是说人本身的意识，我们把它叫自我。其实我的脑海里面还有另外一个我，我暂且把它称之为本我，本我和自我之间的关系是什么？我现在的价值就是要证明我讲的这个PPT是对的，让你觉得它有价值，可能会吸引到投资，会让人觉得我们公司很牛。
但是还有一个我，是它是不会说话的，它监控着这个场里面的所有人，你们的表情，有没有觉得我说得不对？有没有觉得我在吹牛？从你们表情的反应调整我自我的输出，就像我在大马路上加另外一个人的微信，他很疑惑地看了我一眼，我的自我会马上调整输出我这个话的本我，调整行为。
有关方面的论文我们大概发表了3篇，今年也是申请了神经形态类脑学的算法专利，也是首个通过国家级检测的智能体系统，我们构建了整个机器人的大脑，申请到了专利。右侧模型我们整个语义逻辑模块，包括环境感知模块，还有行为分析模块，以及这四个方面完成具身智能的perception、imagination和execution。
现在我们也可以把它称之为大模型，只不过我们是区别于transformer做了整个类脑的模型，智商能力与大模型参数的对比，我们是接近于人类综合认知的模态，而且整个的架构是NDOS和BTS，并没有用transformer，11个模型，大概90亿的参数，可以跑在一张30、90的游戏显卡上面完成训练和推理，也就是说不用做VLA和VLM的端到端，而是用本地化部署和边缘计算就可以了。
能耗也非常的低，90亿参数模型现在整个的价钱，一个月下来整个推理加上电费上个月的成本是69.5，远远低于大模型用Token去计算的成本。
这个视频大家可以看一下，空间感知算力，就是我们把我们现在类脑模型做到了一个APP里面，让它变成一个Agent，先有意识，先有脑子再去搞硬件，这个是不是有一个很直观的区别？当一个AI作为一个人，你给它一个人格的时候，它再去和人类交互的时候，它不会再像豆包一样去描述这个空间，而是会判断出人类的需求。大家可以看一下视频。
我们拿豆包和智源的智谱也做过实验，它会描述这个场景，沙发前面坐着一个人，不知道他在干什么，我们就是需要未来的机器人搭载了类脑智能体，去判断这个人的行为和动作，以及他此时此刻要输出的一个机制取向，根据它目前的需求输出一个动作的范式。我拿这些衣服，我要知道背后的逻辑是什么？是因为我的主人冷了？或者我为什么要给他倒一杯热水，是因为他的肚子比较痛，这个时候机器的动作就有了意义，BTS的训练也不会那么繁琐，不会像现在一样，每训练一个机器人的动作，就会重新给它输出一个运动算法。大脑说完了之后，张院士也提出了，我们要让AI的意识流动在硬件的身体，就像人本身到身体一样。
目前把类脑智能体跟商业化的复合机器人已经完成了非常大的结合，我们应该是北京唯一一家没有完全融过资已经实现盈利的公司，今年的收入已经达到的7500万。这次机器人分别卖到了新加坡的机场，包括上海的浦东机场。这个不是说简简单单扫地机器人做了一个自动的规划，而是它有了一定自主地模仿人类行为意识去判断，来达到和人交互的效果。比如说它原来擦镜子就是擦镜子，这个时候有一个人和他对话，镜子左边还有一块脏的地方，这个时候机器人听到镜子左边是什么意思？为什么还有一个脏的地方？证明机器人本身对这个动作不满意，我还要把它给擦干净，这个其实就是7：2：1的黄金法则，我们现在人形机器人做了第三版，但是目前还没有出货，我们还是在产学研和高校教研的方向去做准备，80%的人都来自于复合机器人和我们现在智能体API的开放。
这个视频可以客观的反映复合机器人的规划，就是它可以听懂人话，可以看到这个场景里边和标准化的场景有什么不同，甚至可以完成一些比如说拿起水管去冲水的动作，然后拿起自带的高压水枪，换一些水具，去把洗手池打扫干净，这些是To G的项目，所以说我们在这方面也做了很多突破。
复合机器人讲完了，再来讲一下人形机器人。最终的目标还是要把类脑意识体搭载到人形机器人上，这是我们的第三代人形机器人。身高1米68，体重57公斤，它的材料用的是70和75型号的铝镁合金，腿部自重是8.1公斤，整个人机交互用的是类脑智能体交互系统。有了意识以后，硬件的堆叠就做了HBR人体仿身运动系统，我们不能为了机器人非要长得像人给它做腿，我们就要去参考人体的骨骼、肌肉的范式，把它整个的骨骼做了一个拆解。拆解完了之后，我们要知道骨骼的刚性跟肌肉柔性的互补关系是什么？
同时我们又完成了一个较大的弹性模量和较大的智能阻尼的实验，我们给机器人加了很多弹性主流，因为知道液压现在不是主流，但是电驱是主流，只能代表刚性。人类的腿跟机器人的人有什么不同呢？就是爆发的运动能力和平衡性。
这一块我们做了什么策略？我们用了髋策略，大家知道人类运动的核心力量是腰腹部的肌肉，假如说我今天是一个民工，如果不用腰力，我是搬不起来重物的。早上起床如果腰坏了，起都起不来。所以我们会加大空间扭矩来完成髋策略，辅助弹簧负载和髋策略模型，这是腿部关节设计。可以看到腿部关节也模仿了一些真正的阻尼完成设计。目的就是让它走动耗能少，动静小。包括双臂这块，我们给它加了自改进的训练环节。这样可以看到，在传统范式的explosion和exploration，这是原来大家在做传统机器人怎么输入动作的一个表现方式。我们在原来的基础上给它加入了神经形态，让它先理解为什么要用水去输出运动算法来调优自己的机械臂，最后我们再把已经训练好的数据拿回来，放回到整个自改进训练环节，去更新整个机械臂的行动模型，让它达到人类的高形态的效果，人就是这样的，我干的活越多，我越能够熟能生巧。
包括KERBM System，动能回收我们给它加了一个电池，去完成平衡性能的提升和能源效率的优化。其实我们对公司的定义是我们想做一家Microsoft这样的公司，如果你只卖硬件，我觉得这个公司的天花板会很高。大家都知道大脑有很多，有华硕有联想，有戴尔，但是操作系统一定是windows，我们想做机器人具身智能行业里面的，像Microsoft，所以说我们说从大脑对小脑的任务，再完成perception、Information
和具体行为的输出，当然这个就是未来的一个畅想。
这里面有一部分是生成的，另外一部分是实拍的。我们公司2023年成立，去年只有300万的营收，今年预计是7500万的营收，在手的订单是3000多万，已经完成了2000多万的营收，目前我们公司是PreA轮，我是合十思维的赵普，谢谢大家！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：王翔 KB资产
创通网提示：文章来自网络，不代表本站观点。
