После выхода на биржу компании Yushu Technology ее основатель Ван Синсин выступил с ключевой речью под названием "От выставочных образцов к продуктам: Следующее десятилетие индустрии гуманоидных роботов" на Всемирной конференции по робототехнике 2026 года. Он считает, что текущая индустрия робототехники находится на новом стартовом этапе ускоренного развития искусственного интеллекта, и самым большим узким местом в этой области на данном этапе по-прежнему является недостаточная обобщающая способность воплощенного интеллекта.
"С точки зрения цикла разработки, это может произойти так быстро, как за два-три года, или так медленно, как за пять-десять лет, и ожидается, что индустрия вступит в период ключевого прорыва." Что касается сроков достижения воплощенным интеллектом критической точки, аналогичной ChatGPT, Ван Синсин дал относительно оптимистичную оценку.
Обсуждая, когда универсальные роботы действительно войдут в домохозяйства, Ван Синсин считает, что самым большим узким местом в мире по-прежнему является отсутствие обобщающей способности. "Если однажды каждый сможет увидеть робота, введенного в любую незнакомую среду, и он сможет выполнять примерно 80% задач, я думаю, мы почти достигли 'момента ChatGPT' воплощенного интеллекта."
Следующее — это содержание речи, организованное PANews:
Дорогие лидеры и гости, всем привет. Для меня большая честь делиться здесь. Сначала позвольте мне кратко рассказать о ситуации в компании. Yushu Technology была основана в августе 2016 года, и в этом августе исполняется почти 10 лет. Мы изначально сосредоточились на четвероногих роботах, а в последние годы начали работать над гуманоидными роботами.
Одним из наших более успешных продуктов в последние годы является G1, запущенный в 2024 году. После его запуска он стал представительным продуктом в глобальной области гуманоидных роботов. Многие гуманоидные робот-продукты, которые вы видите сейчас, независимо от общей формы или концепции дизайна, имеют некоторые сходства с G1.
В начале этого года одним из наших представительных проектов было наше выступление "WuBOT" во время Гала-концерта Весеннего фестиваля. Эта программа интегрирует очень классическую традиционную китайскую кунг-фу и культуру боевых искусств. Мы заранее собрали десятки представительных движений китайского кунг-фу, обучили их с помощью ИИ и в конечном итоге продемонстрировали самые захватывающие движения на сцене. Основной момент этой программы — это сочетание передовых технологий гуманоидных роботов с традиционной китайской кунг-фу и культурой боевых искусств. Это видео также хорошо распространилось за границей, возможно, с сотнями миллиардов просмотров. Я думаю, это хороший пример слияния технологий и культуры.
В феврале мы также провели демонстрацию в Храме Неба. В то время около 49 роботов выступали полностью автоматически. Сам Храм Неба имеет многовековую культуру и историю, и выступление роботов в такой обстановке создает очень сильное ощущение путешествия во времени — соединяя прошлую культуру Китая с последними технологиями, как визуально, так и эмоционально потрясающе.
В последние годы мы продвигаем роботов, чтобы они действительно вошли в повседневную жизнь и фабрики. В 2024 году мы начали сотрудничество с автомобильными заводами для реализации некоторых практических приложений, а также развертываем роботов на нашем собственном заводе для простых испытаний и приложений. В настоящее время подавляющее большинство нашей команды ИИ сосредоточено на том, как роботы могут действительно войти в домохозяйства или фабрики для работы.
Почему до сих пор нет широкомасштабного продвижения? Основная причина заключается в том, что эффективность и обобщающая способность роботов все еще недостаточны. Роботы сейчас могут выполнять некоторые простые сборочные задачи, но их эффективность все еще ниже по сравнению с людьми; кроме того, каждый раз, когда они сталкиваются с новой задачей, им часто требуется повторное обучение, что еще больше снижает общую эффективность. Поэтому мы надеемся улучшить обобщающую способность технологии, прежде чем продолжить широкомасштабное продвижение. Это также является основной проблемой, с которой сталкивается глобальная индустрия робототехники.
В апреле этого года мы также установили новый рекорд скорости бега гуманоидных роботов. Этот робот был модифицирован на основе нашего первого гуманоидного робота H1, запущенного в 2023 году. H1 является первым гуманоидным роботом Yushu и является классическим продуктом. В дальнейшем мы также пробовали различные формы на его основе, такие как добавление колесных структур, чтобы сделать робота более гибким в определенных сценариях.
Как вы знаете, текущие роботы в основном управляются ИИ, а ИИ по сути основан на данных. Объем данных, особенно качественных данных, в значительной степени определяет возможности ИИ. Поэтому, с одной стороны, мы собираем данные сами, а с другой стороны, мы сотрудничаем с третьими компаниями, чтобы получить больше данных как для промышленного использования, так и для собственного использования.
Я лично считаю, что данные, используемые для обучения ИИ-роботов, должны в первую очередь состоять из большого объема реальных человеческих данных или интернет-данных в качестве основных данных для предварительного обучения, дополненных некоторыми реальными машинными данными. Оба типа данных необходимы. С точки зрения объема данных реальные человеческие данные будут более обильными и важными; однако реальные машинные данные также незаменимы, потому что в конечном итоге нам нужно сопоставить роботов с реальным физическим миром.
В мае этого года мы запустили первый в мире массово производимый человекоподобный трансформирующийся мех GD01. Этот робот имеет высоту более 3 метров и весит около 500 килограммов при переноске человека. Вы можете задаться вопросом, какие приложения могут иметь такие машины. Проще говоря, это что-то вроде "внедорожника"; он не предназначен в первую очередь для повседневного использования в домах или городах, а больше подходит для сложных outdoor-сред, а также для некоторых транспортных сценариев. Например, его можно использовать для пеших прогулок на открытом воздухе или для транспортировки грузов по сложным местностям.
GD01 также имеет интересную особенность: он может трансформироваться в четвероногий режим. Переход в четвероногий режим улучшает стабильность и повышает способность преодолевать препятствия. Именно поэтому мы готовы действительно предложить его на предзаказ: в четвероногом режиме он уже обладает относительно хорошей стабильностью и способностью передвигаться по сложным местностям. Проще говоря, его можно понять как "внедорожник" в форме робота.
Несколько месяцев назад мы также продемонстрировали систему генерации действий ИИ от конца до конца на основе мультимодальных моделей. В прошлом многие демонстрации действий роботов были заранее собраны и предварительно обучены; однако эта система может генерировать действия на основе команд в реальном времени. Сначала необходимо распознать голос, затем загрузить его в облако для генерации действий ИИ, и, наконец, действия необходимо проверить, чтобы убедиться, что нет проблем, прежде чем отправить их роботу, поэтому весь процесс в настоящее время имеет несколько секунд задержки.
Мы надеемся, что в будущем, когда роботы будут действительно применены, действия могут генерироваться полностью в реальном времени, а не полагаться на предварительное программирование. Этот метод автоматической генерации также имеет одну характеристику: даже если одна и та же команда вводится, каждое сгенерированное действие может немного отличаться. Другими словами, если вы скажете роботу одно и то же сегодня и завтра, действия, которые он выполняет, могут не быть абсолютно одинаковыми.
Мы также продвигаем роботов, чтобы они действительно вошли в повседневные сценарии, такие как конференц-залы. Например, если конференц-зал в компании иногда беспорядочен, то организация конференц-зала является четкой и практической задачей. Наша цель обучения заключается в том, чтобы после случайного беспорядка в конференц-зале робот смог восстановить его в чистое и аккуратное состояние.
Эта задача в настоящее время полностью реализована от конца до конца, поэтому эффективность движения робота все еще относительно медленная. Однако это не система с одной задачей. В этом сценарии мы установили около 7-8 различных задач, позволяя роботу автоматически переключаться между различными задачами и выполнять их напрямую, при этом обладая определенной степенью устойчивости к помехам. Поскольку ИИ необходимо распознавать в реальном времени, генерировать в реальном времени и непрерывно рассуждать, действия пока не очень плавные; каждый шаг и каждое действие требуют рассуждений, что влияет на общую "плавность". Однако демонстрационное видео само по себе является непрерывным кадром без редактирования, и в него были включены помехи окружающей среды.
На этой основе мы объединили голосовое управление и мультимодальные модели, позволяя роботам не только генерировать действия на основе голоса, но и действительно завершать интерактивные и операционные задачи. В ходе живой демонстрации робот может распознавать цвет объектов перед ним, определять позиции различных коробок с лекарствами, а затем извлекать указанный объект на основе устных инструкций. В этом случае робот не выполняет заранее установленное фиксированное действие, а должен понимать язык, распознавать окружающую среду и затем завершать операцию.
Недавно мы также выпустили последнее поколение колесного четвероногого робота As2-W. Этот робот относительно легкий, весит около 25 килограммов с батареей и обладает сильными грузоподъемными и выносливостными способностями, а также имеет защиту от пыли и воды IP54, что делает его подходящим как для внутренних, так и для наружных сценариев.
Мы повторно применили некоторые технологии, накопленные в гуманоидных роботах, к четвероногим роботам, надеясь дополнительно повысить гибкость четвероногих роботов, улучшая при этом грузоподъемность, выносливость и адаптивность к сложным условиям. Мы также надеемся, что этот робот сможет действительно использоваться для пеших прогулок на открытом воздухе, транспортировки и некоторых промышленных сценариев в будущем.
Тем временем мы продолжаем модернизировать легкие гуманоидные роботы, такие как R1, чтобы дополнительно улучшить их движение и гибкость. Сам R1 имеет относительно высокое соотношение цены и качества и уже доступен для покупки через такие платформы, как JD.com и Taobao.
Недавно мы также продемонстрировали нового робота. Этот робот был разработан за короткое время, заняв около трех месяцев, и еще не является официальной версией. Его максимальная скорость достигла 12,65 метра в секунду, что превышает пик скорости бега самого быстрого человека в истории; согласно текущим тестовым результатам, его высота прыжка также превысила самый высокий уровень прыжка в человеческой истории. В 2025 году я, продукты компании и Yushu Technology также были представлены в соответствующих списках в журнале Time.
Оглядываясь на развитие моделей воплощенного интеллекта ИИ в последние годы, основные технические направления включают модели VLA и мировые модели. В этом году направление мировых моделей, вероятно, было самым обсуждаемым.
Наша компания значительно инвестировала в ИИ-модели, что является одной из областей с наибольшими финансовыми и человеческими ресурсами. В начале 2020 года мы начали исследовать модели мира на основе видео. К концу 2020 года результаты были не особенно идеальными, поэтому мы отложили это на некоторое время; однако, начиная с прошлого года, мы снова увеличили наши инвестиции в направлении моделей мира на основе видео.
Многие люди спрашивают: Когда действительно универсальные роботы, будь то гуманоидные или полугуманоидные, действительно войдут в повседневную жизнь и домохозяйства?
Я считаю, что самым большим узким местом в настоящее время по-прежнему является недостаточная обобщающая способность воплощенного интеллекта. Многие ИИ-модели могут достигать почти 100% уровня успеха в фиксированных сценариях, если достаточно собирать данные и обучаться. Однако, как только объекты, с которыми работают, немного изменяются или окружающая среда претерпевает даже незначительные изменения, уровень успеха значительно снижается.
Я надеюсь, что в будущем это может произойти так быстро, как за два-три года, или так медленно, как за пять лет или даже дольше. Если однажды мы сможем ввести робота в совершенно незнакомую среду, такую как дом, который он никогда не видел раньше, и он сможет выполнять около 80% задач только с помощью голосовых или языковых команд, тогда я думаю, что мы почти достигли "момента ChatGPT" воплощенного интеллекта. Это также станет ключевой критической точкой для истинного взрыва будущей индустрии.
Эта оценочная метрика на самом деле довольно проста: в около 80% незнакомых сценариев робот должен быть в состоянии завершить около 80% задач исключительно с помощью голосовых или языковых команд. Я думаю, что это очень важная критическая точка.
Почему мы еще не достигли этого уровня? Одним из самых больших узких мест является то, что согласование между входными и выходными данными ИИ-моделей и реальными роботами, а также реальным физическим миром все еще недостаточно.
Например, когда вы просите робота переместиться или собрать две вещи вместе, или переместить объект с одного места на другое, его общее направление часто бывает правильным; он в основном понимает вашу задачу и имеет общее представление о том, как ее выполнить. Однако то, что действительно влияет на конечный уровень успеха, часто — это последние несколько сантиметров или даже миллиметров.
Когда робот собирается схватить что-то, может показаться, что его рука почти там, но окончательная тактильная обратная связь и последняя ошибка позиционирования не могут быть хорошо скорректированы. Если эта ошибка не будет правильно исправлена, это может привести к неудаче всей задачи, и уровень успеха значительно снизится.
Это очень основная проблема, с которой сталкивается воплощенный интеллект во всем мире: несоответствие между входными и выходными данными ИИ-моделей и реальным миром.
Почему эта проблема существует у роботов, в то время как общие языковые модели или мультимодальные модели не проявляют таких очевидных проблем? Содержимое, обрабатываемое языковыми моделями, по сути является числовым кодированием. Входные и выходные данные строго ограничены в числовом пространстве или векторном пространстве, поэтому ошибки не накапливаются таким же образом.
Но роботы отличаются. Каждый вход и выход робота должен входить в реальный физический мир, и каждое выполняемое действие создает определенные отклонения и потери. Эти отклонения влияют на следующее восприятие и следующее действие, в конечном итоге приводя к накоплению ошибок. Из-за этого обобщающая способность и фактический уровень успеха текущих моделей роботов еще не достигли достаточно высокого уровня.
Я верю, что эта проблема может быть решена в ближайшие годы, но это действительно требует времени.
Здесь я хотел бы представить то, что мы в настоящее время продвигаем: прямое предоставление физическим ИИ-роботам возможности самосовершенствоваться.
В последние годы ИИ широко используется для программирования и различных разработок ИИ, но использование самого ИИ в процессе разработки роботов все еще относительно недостаточно. То, что мы в настоящее время продвигаем, — это попытка использовать самые современные и передовые большие модели для управления разработкой роботов.
Конкретно, мы можем сначала установить некоторые правила, опыт, ограничения и инструменты для ИИ, позволяя ему искать последние статьи, лучшие результаты исследований и различные решения с открытым исходным кодом в Интернете. Затем пусть он программирует себя и генерирует управляющий код для робота.
После генерации управляющего кода его можно запустить и обучить в симуляционной среде или дополнительно вызывать модели и системы управления для управления реальными физическими роботами.
Если развернуть на физических роботах, мы можем проводить реальные испытания и оценивать результаты. Часть оценки может быть выполнена самой моделью ИИ робота, в то время как другая часть может включать участие человека. Человеческий опыт по-прежнему очень важен, потому что во многих случаях люди могут легко судить, хорошо или плохо выполнено действие.
Если эта логика действительно сможет сформировать систему и функционировать, общая эффективность разработки роботов значительно увеличится, а скорость итерации будет очень быстрой. После того как этот процесс будет работать некоторое время, появится возможность действительно улучшить способность самосовершенствования роботов.
Здесь я могу привести очень простой пример. Мы можем использовать интеллектуального агента для кодирования, чтобы написать управляющий код для самого робота. В настоящее время многие относительно простые алгоритмы глубокого обучения с подкреплением уже показывают хорошие результаты при использовании кодирующих агентов для автоматического программирования.
После генерации кода мы можем поместить его в симуляционную среду для проверки и обучения; как только результаты достигнут определенного уровня, мы можем развернуть его на физических роботах для тестирования. После тестирования одна часть оценки может быть выполнена моделью ИИ, в то время как другая часть может включать оценку человеком для оценки эффективности. Затем мы можем передать эти результаты обратно программирующему интеллектуальному агенту, войдя в следующий раунд генерации и оптимизации кода, в конечном итоге формируя непрерывный итеративный положительный цикл.
То, что я только что упомянул, — это всего лишь очень простой пример; фактическое использование будет гораздо сложнее. Однако я верю, что это то, что очень стоит стремиться для глобальной индустрии робототехники в настоящее время и в ближайшие годы.
Почему это делать? Есть несколько прямых причин.
Во-первых, возможности базовых моделей улучшаются каждый месяц и каждый год, поэтому возможности цикла самосовершенствования также будут улучшаться соответственно. Другими словами, эта система может естественным образом укреплять себя вместе с прогрессом глобальных возможностей ИИ.
Во-вторых, это может более полно использовать разнообразные данные. В прошлом полагаться на людей для обработки и использования данных было относительно неэффективно. Если может быть сформирован самоподдерживающийся цикл, мы можем использовать различные обучающие данные, реальные данные и человеческие данные, и эффективность использования данных будет выше.
В-третьих, это может сформировать замкнутый цикл с большим количеством реальных развертываний машин. Поскольку реальные роботы развертываются все больше и больше, мы будем постоянно получать новые данные для тестирования и больше оценочных метрик. Таким образом, уровень использования данных и скорость роста всей системы будут гарантированы.
В-четвертых, это может непрерывно накапливать навыки роботов. Мы можем продолжать добавлять новые навыки каждый день или каждый месяц, а не разрабатывать навык сегодня и тратить его завтра или начинать с нуля. Навыки, данные, стратегии управления и результаты оценки могут все непрерывно накапливаться в этой системе.
Поэтому я думаю, что это очень важный вопрос: действительно использовать ИИ для значительного повышения эффективности разработки и эволюции роботов. В будущем этот подход может стать важным путем для непрерывной эволюции физических ИИ-роботов и может открыть новую фазу.
Я верю, что все больше людей будут продвигать это направление в будущем.
Оглядываясь назад, Yushu прошла почти 10 лет. Мы впервые участвовали в Всемирной конференции по робототехнике около 2017 или 2018 года, и за эти годы опыт был глубоким.
Стоя на этой новой стадии сегодня, особенно на фоне быстрого развития ИИ и глобального внимания к роботам, скорость эволюции роботов уже значительно ускорилась. Будущая скорость развития роботов может быть даже быстрее, чем я сейчас оцениваю.
Я верю, что это новая отправная точка и новое начало.
Из-за нехватки времени сегодняшний отчет относительно прост. Спасибо всем, и прошу прощения за недоразумение.
Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.





























