机器人、大模型“生态化反”还早得很丨对话云深处朱秋国

杭州“六小龙” 的 创新 矩阵 中 ，具身智能公司 云深处科技选择的赛道有些 “与众不同”——跳出行业当下的热门叙事 “人形机器人 ” ，更专注于 工业级四足机器人的深度研发 。

2 0 1 7 年 成立 以来 ， 云深处科技 主要 聚焦电力 和 能源等高危场景的全自主巡检与应急解决方案 ， 从 他们 第一款 上市 的 机器人 的 命名 —— “绝影” ， 也 可以 看出 创始人兼 CEO朱秋国的 产品 逻辑 。

绝影 是 《三国志·武帝纪》 中 曹操 的 坐骑 ， 书 中 称 “ 宛城之战张绣突袭，曹操骑“绝影”突围 ” 。 朱秋国 认为 ：“ 机器人 要 进入恶劣、危险、复杂的环境中执行任务，而不是要替代人类。”

作为浙大副教授， 朱秋国 研究领域 主要 聚焦于仿人/仿生（足式）机器人与机器智能 ， 在人形机器人技术方面具备扎实基础。 云深处科技 于2024年曾发布过人形机器人DR01，但朱秋国对腾讯科技表示，“做人形机只是技术储备，短期并不考虑商业化”。

他的逻辑是：虽然四足与人形共享同一技术底座——感知、运动控制、导航、规划及数据闭环，在四足上打磨的"移动"能力可迁移到人形， 但是人形机器人还需要突破精细化的“操作”：双臂、手部、力控与手腿协同，另外，未知环境导航、力控手部、通用抓取、VLA跨场景泛化技术仍在爬坡期，商业上的稳定性、能耗、成本也远远未到拐点。

基于以上这些问题，他判断：“人形机器人进入家庭及有成熟的应用场景需要至少10年。”

正因为看到这一长周期发展趋势， 云深处科技 选择了 工业路线 这种 更为务实的发展路径。

云深处 于 2025年7月完成了最新一轮近5亿元的融资 ， 本 轮融资主要用于加速具身智能产业化布局，为公司在机器人长周期发展中提供充足资金支持。 在总融资额方面， 云深处 暂未透露具体金额。

近日，腾讯科技与朱秋国聊了聊具身智能领域的技术路线，资本对这个领域的狂热与错配、产业化成熟的时间点等问题。

以下是对话实录：

01

从“极端场景”开始的“笨功夫、苦功夫”

腾讯科技： 你 的一个理念很有意思，机器人不是用来替代人，而是在人类需要的时候挺身而出。这个理念是不是也影响了 云深处科技 从一开始的产品设计到后来的商业模式？

朱秋国：是的，所以从一开始我们就是希望在一些危险、恶劣、复杂场景中能够帮助人，代替人去做重复危险的活动。

图：海拔4800米的可可西里， 云深处科技 绝影X30机器狗在暴风雪中工作

腾讯科技： 云深处科技 选择 从 刚需 场景 ， 比如 极端的环境作业切入 。 未来 进行 场景 拓展 的 可复制性强 吗 ？

朱秋国： 场景 没有可复制性 ， 场景不同，具体的解决方案和系统也会有所不同。

但从机器人本体来看，许多能力基座是一样的 ， 具有 可复制性 。像具身移动、跨地形导航，这套算法放到最后一公里同样能用。

腾讯科技：从一个场景扩展到另外一个场景，需要付出 多 长 的 时间 成本？

朱秋国：其实是蛮长的。比如说像电力巡检里面，我们也不断地在深耕，不断地在优化，不断地在改进，它是一个长时间的过程，它不是说结束了就结束了。 但 做好一件事情是要下笨功夫的，要下苦功夫。我们在这个领域下的笨功夫、苦功夫，别人要来做也要投入、也要经历这个过程。

腾讯科技： 云深处 切入的场景对未来 自身 的 规模化，会有一定的阻碍吗？

朱秋国：会有，因为现在很多的方案它也是刚刚成型，所以在使用的过程中大家会发现成本还会比较高。我们当然会考虑，就是说在一个合理的方案情况下，我们怎么能够把整个机器人本身，包括整个的方案能够做得更加有更好的价格，然后让更多人去使用。

腾讯科技：大模型爆发 后 ， 给机器人重新带来了一波新的热度， 你 怎么看这个现象？

朱秋国： 大家喜欢把大模型跟机器人混为一谈，但这真不是一码事，也不是简单的叠加。 大模型可以充当机器人的大脑，这个是对的。

强化学习也会用在大模型里边，也同样 可以 用在机器人里边，但它的算法本身是不一样的。强化学习只是说底层是通过强化的方式来训练，但跟大模型、跟机器人是两码事情。

当然，大模型的出现确实给机器人带来了很大的想象空间。大家觉得机器人未来带一个大模型变成一个大脑，那它变得更聪明，可以做一些长序列的任务，这个事情是有想象力的。所以现在讲的具身智能的问题，就是这两者结合在一起 。

腾讯科技：大模型给具身智能带来的想象空间具体表现在哪里？

朱秋国：大模型只是为机器人提供“软能力”的算法，其作用远没有想象中那样万能。要让机器人真正变聪明，关键是把这层算法与机器人的运动系统紧密耦合，分别解决移动和操作两大核心能力。

移动（Locomotion）是在复杂环境中自由穿行的能力，本质上依赖策略网络。 传统几百兆级的小模型很难覆盖现实世界千变万化的地形：台阶、沟壑、梅花桩……要想让机器人跨越这些障碍，必须采集大规模、异构的运动数据，并用 5～20 亿参数级的视觉-语言-动作（VLA）模型来学习。大模型的长序列记忆和表征能力可以帮助机器人更好地理解“这块是草地，那片是沙地”，但仍需针对运动任务的特定算法框架才能落地。

操作（Manipulation）指的是手臂抓取和装配这样的动作，同样需要大规模数据集，但现阶段算法尚未收敛，泛化能力薄弱： 在一个场景里能顺利抓取，换个物体或环境就可能失败。要实现通用操作，还得继续扩充多样化数据、改进策略学习方法，并融合大模型已有的视觉语义理解能力。

大模型为机器人带来的是成本可接受的感知与记忆框架，而真正的“聪明”还要靠针对移动与操作的高质量数据、策略网络和工程化算法的深度融合。

腾讯科技：VLA大模型受到的关注度很高，未来是否能有一个VLA，实现端到端的通用能力？

朱秋国： 现在还没有。举个例子：我做家庭服务的手臂操作，你做工厂装配——关键在于最后能不能把数据共享起来。只有把大家的数据串起来，一个模型才有可能既能干工厂，又能做家务。否则我在家庭场景里，怎么去适应你在工厂的装配？那些我都没见过。而且这不只是视觉问题，还牵涉到关节力控、触觉等多种信息。

所以，做一个真正通用的 VLA 很难；但把 VLA 当作“框架”是可以的。只是指望现在拿出一个 VLA 就能这也会、那也会，不现实。具身智能的 最 可行 做法还是：先把单一场景训练扎实，最后再把这些能力串联起来。

我们更希望机器人有推理能力，不依赖大规模的数据采集，也能自主判断，所以我们希望尝试一个新方向——机器人的“世界模型”。 但是 研究 还在 进行中 ， 效果 目前 还没 达到 预期 。

腾讯科技： 云深处科技 从绝影X30 到 山猫 M 2 0 ，在四足机器人的运动控制、环境感知、决策规划方面有很多技术储备，如果要做人形机器人， 有 哪些 技术 是共通的？

朱秋国：很多都是共通的。人形相比四足的一个最大差别就是它有手臂，狗是没有手臂的，但是人形有双臂，这是唯一的差别。除了这个之外，具身的移动几乎可以覆盖，可以把它移植到人形上。但是操作这一块是人形所独有的。

所以机器狗到人形机器人，它的硬件积累基础，包括具身移动的基础，都可以比较迅速地应用到人形上去，这个没有任何问题。人形有手臂、手跟腿的协同，这个也没问题，这也是我们讲在具身移动里面的全身运动能力。

腾讯科技：为什么选择在2024年推出人形机器人？这个时机有什么考虑吗？

朱秋国：对我们公司来说，无论从公司的技术储备还是我个人的研究领域来说，要做一个人形其实并不难。

但是我们认为机器人从应用的角度来说，还有很长的路要走。当初做一个人形，只是为了表明我们也可以做，也在人形机 上做了一些早期的应用研究。

为什么是 2024 年？背后有个小故事。杭州亚运会本来有个用人形机器人传递火炬的项目，最初交给了 云深处科技 。

但考虑到现场直播的风险，担心万一传递后机器人失稳摔倒，影响太大，节目最终没排。那是在 2023 年——当时样机其实已经做完了，所以 2024 年我们就把它拿出来做了次展示。

腾讯科技：现在如此多的人形机器人，大力投入人形机器人真的不是一个好时机吗？

朱秋国：做人形是一个很长的过程。要不要做是每一个公司战略决策的问题。如果说一家公司愿意投入很长的时间，愿意投入大量的研发，愿意坚持长期主义去坚持做人形机器人。

我有时候对外说要十年磨一剑，十年之后才有用。你愿不愿意花十年的时间？你可能要投入10个亿进去，等到那一天春暖花开。

我们在人形上暂不急于商业化，更侧重技术迭代与体系化积累。人形整体成熟度还不够，如果直接落到商业场景，对机器人而言仍有不小挑战。

腾讯科技：人形机器人需要十年才能有成熟应用？

朱秋国： 有些 应用可能不需要10年，可能3年、5年之后陆陆续续有应用 场景 。 但是 成熟 应用 或 进入到家庭 至少 需要10年的时间，这是我的一个预判。

腾讯科技：10年的时间确实挺长，但是现在资本对于人形机器人更青睐，您觉得资本的预期是不是和技术发展周期之间有错位？

朱秋国：那得问资本界，肯定是有错位的。人形过去这几年是不是达到 了 他们的预期？我相信他们心里有把秤。 按 照马斯克当初 说 的，他应该到2025年应该是有批量化生产的， 目前 也 没 实现 。 所以我们想说万事万物还得符合事物的客观规律。

腾讯科技：业界常说美国会侧重大脑，中国专攻身体，您觉得现在这种分工的格局已经发生了变化了吗？

朱秋国： 最近在海外走访后，我的直观感受是：中国在供应链端确实有很大优势。我看到美国、欧洲，包括新加坡等地，更偏重软件侧，所以“以中国为本体制造的主场”这件事本身就更占优，这是事实。在欧洲做出一台机器人，成本普遍更高；而在中国，制造业和完整产业链让成本与交付都更可控。这是当下中国的一块显著长板。