智元机器人如何跨越“莫拉维克鸿沟”？

作者｜高飞

谈具身智能，可以从一个我们都习以为常的现象说起。

在过去的几年里，我们手机里的AI，聪明得简直让人害怕。你给它一段话，它能给你写出莎士比亚风格的十四行诗；你让它分析财报，它能瞬间标出所有的风险点。在那个由0和1构成的、零摩擦的数字世界里，它们仿佛无所不能。很多人在问，通用人工智能（AGI）是否已经近在咫尺了。

然后，你开始试想让这个“超级大脑”去做一件最简单的事，比如拧开一个矿泉水瓶盖，或者把桌上散乱的乐高积木搭起来。

这时候，事情就变得不同了。在赛博空间呼风唤雨的智能体，对此并无能为力。

这就像你发现一个能心算微积分的天才，并不会系鞋带。

这个现象其实早有个名字，叫“莫拉维克悖论”。早在1980年代，机器人学家莫拉维克就发现了：让计算机下棋容易，让它走路却难如登天。这揭示了一个我们长期忽视的真相：我们人类那些习以为常的“手感”、“分寸”，这些被中科院吕本富教授称为“默会知识”的东西，才是智能最核心的部分。

但需求往往是创新之母。

如果说过去几年的AI浪潮，只是在“信息”层面打转，那么现在，我们正站在一个新时代的门槛上，即“行动”的时代，这就是具身智能（Embodied AI）。它要解决的，就是让AI从屏幕后面走出来，真正地去感知、去交互、去“干活”。而这项技术的皇冠明珠，自然是“人形机器人”。

这并不是一次简单的技术升级，在人类历史的长河中，总有那么一些时刻，技术的发展从量变走向质变，从而彻底改变了我们与世界的关系。就像蒸汽机解放了体力，计算机解放了脑力，而人形机器人，不仅试图将两者重新合二为一，而且是人类所熟悉的方式，在人类生活、工作的环境。

2025年8月21日，上海。一群见证了中国互联网三十年风雨的“IT老友会”老兵，决定去探访这场“行动革命”的一个前沿阵地：智元机器人。

合作伙伴大会晚宴，智元机器人变身酒吧工作人员

这家公司成立才两年半，但通过交流，大家的感知是：某种程度上，智元似乎 “一出生就是参天大树”。他们当天正好在开第一届合作伙伴大会。所以这次探访，也就成了一次对新技术生态的集体窥探。

现实世界的“复仇”：为什么快，是唯一的生存法则

进入物理世界，AI遇到的第一个敌人，不是算力不足，而是现实世界本身。

在数字世界里，复制粘贴一个文件，瞬间完成，完美无缺。但在物理世界里，让机器人去拿一个杯子，它要考虑杯子的材质、重量、摩擦力、光线变化，甚至桌子轻微的晃动。现实世界充满了不确定性和“摩擦力”。

在研讨会上，大家对此都深有感触。资深媒体人、人文财经观察家、秦朔朋友圈发起人秦朔直言，想穷尽物理世界的所有场景？“极为艰难”。

著名学者、观察家、新物种研究院院长吴伯凡则提到“反摩尔定律”（Eroom's Law）。我们都知道摩尔定律：芯片性能每18个月翻一倍，价格降一半。但在物理世界，事情可能正好相反：越接近目标，付出的代价可能越大。吴老师警告说：“你以为都快近在眼前的那一刻一步之遥的时候，可能花的成本是最多的，甚至功亏一篑。”

这就像攀登珠峰，最后的几百米，才是最艰难、最危险的路程。

面对现实世界的这种“复仇”，如果你还慢悠悠地在实验室里搞理论研究，等着一个完美的通用大模型从天而降，那基本上就出局了。

所以，智元的策略是什么？一个字：快。

快到什么程度？智元董事长邓泰华给我们透了个底：“我们是2023年年初创立的公司，但是今年（2025年）出货量大概有5000多台”，他又补了一句“其实去年四季度智元机器人才刚刚开始量产”。

两年半，从零到5000台量产。在重资产、长周期的机器人行业，这个速度无疑快得惊人。智元机器人CMO邱恒说，他们是“全球第一个实现一千台人形机器人量产的公司”，而且已经在有些场景开始赚钱了。

就在写下这些文字的时候，无意中刷到中国招标投标公共服务平台的公示：湖北人形机器人创新中心机器人采购及安装项目的评标结果中，智元机器人成为第一中标候选人，投标报价超过三千万。

但这种速度，对智元来说，不能单纯视为一种“抢占市场”的行动。或许，将其称为具身智能“生存法则”会更合适。

因为具身智能的学习方式和大语言模型完全不同。大语言模型可以靠抓取网上的海量文本来学习，但具身智能不行。它必须在真实的物理世界里摸爬滚打，才能积累经验。如果说数据是燃料，机器人本体是采集数据的关键工具。

一言以蔽之：部署的机器人越多，跑的场景越多，积累的数据就越多，模型才会越聪明。

这就是“数据飞轮”。

智元法则，自然是通过极致的速度，让这个飞轮率先转起来。秦朔对此评价得很到位，有些人还是“小实验室”，智元已经是一个“超级实验工厂”。

那么，智元凭什么能这么快？

在交流中，浙大的方兴东教授一语道破：“这可能是智元的团队基因。”

在研讨会上，邱恒展示了一张图，人形机器人产业链的约40项关键技术中，智元自研或合作定义的超过30项，涉及从核心零部件（关节、灵巧手）到大模型算法。只有少数部件，是市场直接采购而来。

邱恒解释：“因为整个这个产业还没有那么长的发展时间，很多技术原本并不成熟，仅依赖市面上的东西造产品，很难商用化。”

显然，这是那种“自己的命运必须掌握在自己手里”的思维方式。这种系统性的作战能力，让智元像一支装备精良的正规军，在物理世界的“丛林”里，杀出了一条新路，在可能应该纠结怎么造“枪”的时候，在前线“开火”。

“一脑多形”：机器人应该长什么样？

在谈论具身智能问题时，一个经久不衰的问题是：我们到底在谈论什么形态的物种？人形态是否是一种必须？

吴伯凡给出了一个非常深刻的定义：“你的身体长什么样，在很大程度上，它反映的不是你的身体，是反映你的空间。”

这话听起来有点哲学，但其实很好理解。蝙蝠的样子，是因为它要在黑暗中用超声波定位；鱼的外观，是因为它要在水里游。身体的形态，决定了物种在空间里的自由度。

所以，虽然智元机器人的主力产品是“人形机器人”，但是并没有在现阶段强行要求所有机器人都长得像人。在当前的条件下，用单一的“人形”去适应所有场景，既不经济，也不高效。

智元的思路很清晰，那就是“一脑多形”：一个超级大脑，可以搭载到不同的身体上。

在合作伙伴大会上，智元的联合创始人兼CTO彭志辉，大家可能更熟知他的网络ID“稚晖君”，详细介绍了他们的“1+3”战略：“1”是本体，“3”是三大智能（运动、交互、作业）。

基于这个统一的技术底座，智元变出了一个“机器人家族”。稚晖君总结得非常精辟：“远征走出去，精灵干起来，灵犀动人心”。

“远征”系列就是我们印象中的全尺寸人形机器人。它的任务是探索技术的边界。

在会上的远征A2视频中，我们能看到它已经可以在草地、碎石、台阶上稳定行走了。这背后是技术的巨大突破。稚晖君提到，他们正在从控制下半身移动，转向“全身控制”。“基于Sim-to-Real（仿真到现实）的这种强化学习的泛化自然步态上面，现在已经取得了很大的突破。”

这意味着机器人不仅能走，还能跳舞，能做复杂的全身协调动作，通过了控制精度的极致考验。

同时，远征也是下一代最重要的“交互终端”。就像鼠标定义了PC，触摸屏定义了手机，未来我们和机器人的交互，就应该像人和人一样自然。

“我们需要赋予机器人一些性格，能够让它有足够的多样性，不同的机器人千人千面。”为了实现这一点，远征A2支持全身定制，不仅可以换外壳，还可以定制性格和音色。他们甚至让A2去代言百事可乐。好处显而易见。现场专家开玩笑地说，这是一个“永不翻车”的明星。

如果说远征思考技术边界问题，那么精灵则是思考生产力问题。

“机器人到底能不能真正的替人去干活，我们精灵的产品就是为此而生。”稚晖君在大会发言中直言不讳，“人形并不是一个万能的形态。”

在工厂流水线、物流分拣这些需要长时间移动和精细操作的场景，双足人形机器人太慢，能耗也高。所以，“精灵”长得有点像一个移动的吧台，下面是轮式底盘，上面有两只手臂。

精灵的核心价值在于“数据”。传统的工业机器人都是预先编程好的，只能做固定的动作。但现在的柔性制造需要机器人能随机应变。要让机器人学会“干活”，必须从真实数据中学习。

所以，精灵首先是一个高效的数据采集平台。它配备了VR、动捕等遥操作设备，让人类可以远程操作它，采集真实的动作数据。这些数据，就是训练具身大模型的“燃料”。

目前，智元在作业智能方面定义了G1到G5五个等级（类似自动驾驶的L1到L5）。精灵在一些场景已经达到了可以商业化落地的G2级别。而即将发布的精灵G2，将具备高精度力控，能干较为精细的工作，比如插接电路板。

“灵犀”是智元最新的产品线，身高1.3米，像个孩子。但你可别把它当玩具。稚晖君说，这是他们目前“运动能力最强，体验最流畅的一款产品”。

灵犀X2的自由度（关节数量）高达42个，比很多全尺寸机器人都多。它专为交互设计，跳舞极其流畅自然。它在网上的视频已经刷屏了，充分证明了机器人在提供“情绪价值”方面的潜力。

在发布会的最后，稚晖君还放出了一个“One More Thing”——X2-W。这是智元机器人实验室X-Lab的心作品。

它长得像是把灵犀的上半身装在了一个轮式底盘上。W代表Wheel（轮子）和Work（工作）。它的目标是成为低成本作业智能的标杆，未来可能进入家庭，帮我们做家务。

“一脑多形”的策略，体现了智元务实的一面。他们没有陷入“100%复刻人形”的教条，而是根据场景需求，选择最优的“身体”形态。这让他们能够快速切入不同的市场，实现商业化的落地。

操作系统“暗战”：为什么要有“第二选择”？

如果我们把具身智能比作一次“大航海”，那么机器人本体就是船，而操作系统（OS）就是罗盘和航海图。

在智元成立之初，他们做了一个让外界非常意外的决定：自研原生的操作系统“灵渠OS”（Lingqu OS）。

目前全球机器人行业普遍使用的是ROS（Robot Operating System）。ROS起源于美国学术界，后来被谷歌收购。既然已经有了现成的ROS，智元干嘛还要费力不讨好地“重复发明轮子”？

这背后的故事，比技术本身份量更重。

“我们的团队过去这么多年做操作系统，就很清楚这个商业逻辑。”邓泰华在研讨会上说。它可能在未来某一天，成为决定产业命运的关键。

邓泰华判断，具身智能是一个大赛道，市场空间可能达到“智能手机的数量乘以单车的价格”。而且，在这个赛道上，中国拥有得天独厚的优势（供应链、场景、数据）。

因此智元机器人的判断是：在这样一个关乎未来的战略性产业中，如果不掌握操作系统的“根”，那无异于将自己的命脉交到别人手中。

“一开始就要考虑好这个软件生态的根。”邓泰华说。构建一个“第二选择”，不是一种选择，而是一种必然。

除了战略布局考虑，对智元机器人而言，自研OS也是技术发展的必然要求。传统的ROS并不是为人形机器人和具身智能时代设计的。

但是，“灵渠OS”是一个为未来而生的“新物种”。智元产品总监胡旷介绍，它是“一个原生的支持具身智能的操作系统”。

它的设计目标很明确：南向（连接硬件），更好地适配人形机器人这种高自由度的本体；北向（连接应用），更好地支持具身智能大模型和各种智能应用。它要解决的是智能化、群体协同、云边端融合这些新挑战。

不过，做一个操作系统容易，做一个成功的生态却难如登天。智元为“灵渠OS”规划了一条务实的开源路径。

首先，从增量市场切入。

“我们从具身智能开始做，不去碰工业机器人，不去碰原来老的存量。”邓泰华表示。他们不和ROS在传统的工业机械臂领域正面竞争，而是专注于全新的、快速增长的人形机器人市场。

其次，兼容并蓄。

智元采用了“双栈”策略。“我们也兼容ROS。 ROS已有的生态、海外的生态，我们也可以无缝地接进来，我并不排斥。”这种开放的态度，有助于吸引更多的开发者，平滑地过渡到原生生态。

第三，产业共有。

智元计划在2025年底将“灵渠OS”正式开源，并将代码捐赠给开源基金会。通过自身的规模化应用（明年几万台全部使用灵渠OS）来带动生态发展。

其实，“灵渠”这个名字本身就很有深意。灵渠是秦始皇时期修建的伟大工程，沟通了长江和珠江水系，奠定了中华版图的根基。智元的“灵渠OS”，也承载着沟通南北、构建自主生态的宏大愿景。

从“编程”到“创作”：谁能激活真正的生态？

有了船，有了罗盘，但要真正征服星辰大海，还需要无数的水手和探险家。这就是生态。

“生态”这个词在中国科技界已经被说滥了。我们见过太多失败的例子。吴伯凡老师一针见血地指出：“那种‘我来坐庄，大家来陪我玩儿’的思维，是伪生态。”

真正的生态，需要一种“半成品”思维。就像苹果提供iPhone和App Store，然后让全球的开发者去创造应用一样。厂商提供基础平台，然后和开发者共同定义未来。

那么，在具身智能时代，如何激活一个真正的生态？智元在发布会上展示的一个全新的“灵创平台”。它可能预示着一个思路的转变：从“编程”到“创作”。

目前，机器人应用开发的最大障碍是门槛太高。稚晖君在演讲中提到了一个痛点：你在网上看到很多机器人跳舞的视频，很灵活，很生动，但翻来覆去就那么几段动作。

而让机器人做一个复杂的动作，需要非常专业的知识，比如强化学习、模仿学习。一般人根本搞不定，只能等厂商更新。这种高门槛，阻碍了应用的创新。

“灵创平台”的目标，就是把机器人开发的权力，从专业人士手中解放出来，交到普通用户手中。

在现场，稚晖君的演示中。伙伴们看到，这个平台（支持电脑和手机）的界面就像一个视频编辑软件。你可以在动作库里选动作，在时间轴上剪辑，甚至可以调整每一个关节的角度。

甚至，你可以上传一段音频，比如一首歌，平台内置的AI模型可以根据音乐的情绪，自动生成匹配的肢体动作。“所有的动作都是生成式的”，稚晖君强调。你还可以在歌词的关键位置，插入特定的动作指令（比如“指向前方”），选择动作的风格。

整个过程不需要写一行代码。这极大地降低了机器人内容创作的门槛。

稚晖君还在会场进行了另一个演示。让同事用手机随便录了一段他自己的动作视频。然后，他把这段普通的2D视频上传到平台。平台通过AI模型，从2D视频中提取出3D的动作数据，然后通过Retargeting（动作重定向）技术，把人的动作映射到机器人身上。

很快，台上的机器人灵犀X2，就完美复现了稚晖君刚刚做的动作。

“它不需要动捕的设备，不需要VR设备，所有设备都不需要，只需要有一台手机。”稚晖君说。

每一个伟大的技术时代，都需要一个“普惠化”过程。

传统的动作采集需要昂贵的设备和复杂的系统。而智元的技术，让任何一个普通人，都可以通过手机拍摄，来“教”机器人做新的动作。

“灵创平台”的初心，是开启一个人形机器人的UGC（用户生成内容）时代。

稚晖君把它和快手的起源做了类比：“快手的前身其实是一款软件，叫做快手GIF，最终是演变为现在一个短视频平台的巨头。那我觉得说不定未来我们自己的灵创平台也会成为一个（伟大）产品的雏形。”

确实，当用户不仅仅是使用者，而是创造者时，生态才真正具有了生命力。用户可以根据自己的需求，快速生成机器人的动作和行为，并在社区中分享。

长跑者的耐心：等待“奇点”的正确姿势

尽管智元展现了惊人的速度和宏大的愿景，但IT老友会的资深专家，在兴奋之余，也保持了必要的冷静。一个绕不开的问题是：具身智能的“DeepSeek时刻”（或ChatGPT时刻）到来了吗？

大家的意见是：还没有。从信息到行动的跨越，注定是一场漫长的征途。

苇草智酷段永朝老师提醒，我们要警惕“乐观情绪”，对爆发点的精确预测往往反映了内心的焦躁。财经作家陆新之老师也提到了几十年前科幻小说《小灵通漫游未来》的例子，提醒我们技术发展的不可预测性。我们这一代人已经被“爽约”过一次了，希望下一代人不要再失望。

这种审慎，是对产业规律的敬畏。

构建生态，需要“快变量”和“慢变量”的结合。

“灵创平台”是“快变量”，能迅速激发创造力。但要构建一个真正有护城河的生态，还需要在“慢变量”上下功夫。

回到那个终极问题：具身智能的“奇点”何时到来？

吕本富教授认为，关键在于“涌现能力什么时候呈现”。他正在研究如何通过数学模型来预测这个“相变”点。

行行AI创始人李明顺则认为，需要一个“超级应用”。“一定是要有一个超级应用，所有人都能接受、能够用到”

或许，具身智能的“DeepSeek时刻”不会像大语言模型那样突然降临。它更可能是一个渐进的过程，在不同的场景中逐次爆发。

智元的策略，是通过快速的规模化部署，加速数据飞轮的运转，以期早日实现“一句顶一万句”（一个机器人学会，所有机器人都学会）的智能涌现。这是在不确定性中寻找确定性的现实路径。

前路依然漫长，挑战依然巨大。物理世界的“摩擦力”不会轻易消失，生态的构建需要时间去沉淀。

但正所谓“问渠哪得清如许，为有源头活水来。”如“灵渠”之寓意所示，IT老友们也达成了另一个共识：智元以及更多的中国机器人企业，如能在这场“开物”之旅中，为整个具身智能产业注入源源不断的“活水”，那么 “行动智能”的机器人新纪元也不远矣。