事件概述

3月31日至4月3日，在第27届ITES深圳工业展暨高端装备产业集群展期间，钛媒体联合举办“具身觉醒，智造跃迁”产业峰会。赛博格机器人联合创始人张怀东、非夕科技副总裁陈仙勇与钛媒体集团联合创始人刘湘明展开深度对话，聚焦具身智能核心控制架构——“小脑”的进化，探讨力控与运控的融合路径及商业化落地挑战。

核心信息

1. 技术路线分化与融合逻辑

• 运控派：以轨迹规划+全身协同为核心，模拟人类肢体联动与平衡控制，追求“像人一样灵活移动”。适用于对位置精度要求极高的场景（如激光切割，需毫米级定位）。
• 力控派：以力觉反馈为核心，模拟人类指尖感知与柔顺交互，追求“像人一样精准用力”。适用于需要动态调整接触力的场景（如按按钮、拧阀门、抓取易碎品）。
• 融合趋势：两者并非对立，而是基于任务导向的差异化选择。未来的方向是“力位混合”模式，即由大模型（大脑）根据任务自主分配对力和位置的权重，小脑负责执行具体的物理交互。

2. 技术难点与解决方案

• 开发难度：无论是高精度的运动控制还是柔顺稳定的力控，做到“准、快、稳”且成本可控均极具挑战。力控易受外部干扰，需硬件极致稳定与底层算法深度配合。
• 大模型赋能：
  • 数据驱动：传统纯位置控制在抓取软物体时成功率低，引入触觉传感器信号后，端到端模型可自主学习力度控制，显著提升效率。
  • 大小脑协同：大模型解决泛化能力，小脑解决物理世界最后一公里的柔性快速调整与持续接触问题。
• 算力与部署：
  • 边缘端限制：具身智能受限于能耗与物理条件，无法完全依赖云端。目前主流做法是将模型压缩至1B参数以内以适应边缘端（约两三百TOPS算力），或采用云边协同（但存在延时与断网风险）。
  • 优化手段：通过蒸馏、量化、剪枝等技术提升小模型能力；利用联邦学习将多机器人产生的新数据汇集云端更新模型后再分发。

3. 降本增效与硬件突破

• 能耗管理：
  • 电机锁止：仅激活工作所需的少数电机，锁止闲置电机以降低功耗。
  • 路径优化：让模型在训练中自动寻找低能耗的运动路径。
  • 数据筛选：通过自动清洗和终身学习，减少无效训练数据的算力消耗。
• 续航能力：轮式机器人续航可达8小时，双足人形机器人设计为4小时（支持换电）。
• 灵巧手现状：头部厂商产品已具备量产能力，但成本仍需进一步降低。非夕科技目前专注于两指仿人手作业，强调自适应夹持与微调能力，而非单纯追求五指形态。

4. 商业化落地与盈利模式

• 非夕科技：
  • 策略：构建通用智能机器人基础平台，强调全栈自研与极致自适应能力。认为规模化落地的关键在于让用户看见价值并共同推广新形态。
• 赛博格机器人：
  • 策略：“通用底座 + 专用适配”。先用通用底座保证下限，再通过每个场景的深度定制拉高上限，实现单点盈利并累加成规模化盈利。
  • 场景：聚焦工业（精细切割、打磨、分拣）与特种场景（煤矿、电力、核能等高危环境）。
• 成本视角：不仅关注BOM（物料清单）成本，更应关注整体拥有成本（TCO），包括交付、运维及产品切换成本。通过解决客户痛点来体现性价比优势。