人形机器人的落地思考-场景聚焦明确产品形态考虑成本设计

受Tesla人形机器人Optimus擎天柱的引L，范围内人形机器人如雨后春笋般涌现，吸引了资本和产业链的紧密关注，国内也有不少企业顺势推出了各自的人形机器人产品。不过市场热度过后逐渐都会将关注的目光从概念样机转向商业落地，当下人形机器人迫切目标就是需要走出实验室推向商用场景，所以规模化落地将是人形机器人在下个阶段面临的真正考验：一炮而红or昙花一现。

对人形机器人落地需要同步去考虑的几个建议。

现阶段商业化，要明确目标场景

从产品定义来说，由于人形机器人通用性的设计目标，对人形产品的应用设想已经非常广泛：横跨从家用、商用到工业的各个场景。但是结合市场、技术、供应链的成熟度情况，我预计在未来几年，“人形”依然会存在于场景概念机到小规模落地的商业化初级阶段。所以，企业可以把通用性当作人形产品努力的终J目标，但实现这个目标会横跨一个比较长的时间过程。所以，当下人形机器人产品落地的D一步一定来自某个场景聚焦：找到一个快能实现规模化的应用场景。

为什么要优先考虑场景聚焦？

通用性是积累的结果。

真实场景复杂且多样，不同场景对技术能力、形态结构，甚至材质应用的要求会有明显差异；跨行业跨场景也会有很多特定场景的难题或者corner case要解决。对于一个全新的产品方向，在没有在任何场景得到实际验证、没踩过坑、没处理和上下游边界关系情况下，很难设计出一款支持跨场景、能力大集合的通用产品。所以从实际落地来说，人形机器人的落地路径依然是1→∞的过程。

聚焦利于技术快速变现。

聚焦场景可以明确企业的技术主线并清晰规划技术road-map，避免技术层面的过度发散难以有效将技术工程化或者始终将技术停留在demo化阶段；同时将核心技术匹配到实际场景实现产品工程化，可以借助真实场景打磨建立前期技术优势，放大核心技术的L先性、并加速实现商业价值；也更有利于通过做需求约束实现产品的成本设计和商业化落地。

天女散花式落场景，容易造把金斧头去砍树。

以我多年AI和机器人从业感受来说，拿金斧头砍树是大部分AI类产品进入商业化阶段面临的大难题。国内不少的技术类创业公司制定战略时大的误区就是认为技术什么都能做，什么场景都能落，一上来就做‘one for all’设计。结果各个场景G投入换来有限的回报，技术看似很牛逼但更像是空中楼阁，产品战略始终在技术和业务之间摇摆。

人形机器人的0-1阶段，我认为还是要优先考虑“一横一纵”的市场选择。要么选择具备多样性场景扩展的大场景（一个环境包含多种场景，从1个点切入，后续可以横向扩展），或者选择具备快速规模复制的单一场景（单点需求对应市场足够大，市场具有相似性）。

尽量避免去抢已经非常成熟或者低成本方案的产品市场，因为此时技术无法提供价值增益（反而可能是成本负担），也很容易陷入红海竞争，无法体现公司核心技术的价值，陷入价格战泥沼。

根据场景，明确产品形态定义

接触“人形”以来我始终有一个疑问就是人形机器人是不是一定是双足形态？或者说双足会是好的类人形态？

比如，轮式结构是人类伟大的发明之一，帮助人类解放了双足的局限，指数级提G了作业效率。目前应用广泛、G效的地面移动设备也都是轮式结构。不可否认双足形态类人，上下楼梯等环境有其独特的优势，但以现代社会环境而言，基础设施建设和各类自动化设备已经解决了大部分需要依靠双腿行走的场景；换个角度再看，环境恶劣、基建原始的场景（低级的应用场景）会是人形机器人的目标客户场景吗？

我的观点是始终要立足场景正向设计产品，而不是固定产品形态再找场景。人形机器人的形态设计应该根据目标场景和应用需求来确定，不应该局限在某一类形态定义，要跳出思维惯性从场景出发解决问题。

我个人对人形机器人的理解：把人类能力抽象与再组合，终实现跨场景的通用性的类人形态的机器人产品。那么，从对人类的基础能力抽象而言，核心就是：智能、移动、操作。所以基于移动和操作能力的形态定义就可以在不同场景有更多样性的设计展现，比如轮足式、多足、轮式等等。

比如从长期看，工业场景的大趋势是流程去人化和场景专业化，终结果就是可以对工业场景和流程的完全重构，减少人类对于工业场景的影响和依赖就是必然，以终为始，类人机器人就一定会是优形态吗？同时，已经实现规模化应用的复合机器人（移动底盘+机械臂）就可以看作是一种类人形态，如果换成双足也不一定就是更有性价比的方案。再看在商用场景，更重要的考虑是人机交互的实现与体验，智能化的产品设计和需求满足优先级也更G于移动形式。目前来看家用也许可能是适合足式形态的产品场景之一。

所以，人形机器人何必只是足式机器人，根据目标场景组合能力，设计出的匹配形态就是合适的产品设计。

重点考虑泛化能力对规模化的限制影响

人形机器人以通用性为目标，实现灵活的跨场景和跨任务应用，那么泛化能力将是制约人形机器人规模落地的大阻碍。优先要考虑解决的是场景泛化和技能泛化，降低新场景和新技能的学习成本与部署成本，保证人形机器人不会被限制在方寸之地，有更广阔和更灵活应用的可能性。

我认为赋予机器人产品优秀的泛化能力至少要尊重三个基本原则：

1 机器人泛化是一个系统性工程，涉及系统、硬件、各流程环节和全人员，而不简单是片面的某一个方面提升；

2 机器人泛化是一个持续性过程 ，需要通过时间和项目不断迭代打磨形成标准规范、沉淀工具和方法，而不只是某个阶段性投入；

3 机器人泛化是产品化的一部分，需要产品经理能了解市场环境、项目全流程和现场情况，要具备很强的共情力、理解不同文化思维并重视用户体验。

简而言之，构建产品泛化能力的过程将贯穿产品生命周期、是产品设计不可缺少的一环。

虽然目前可以通过体系建设和工具产品提升机器人产品的易用性（基础），但终技术手段才是机器人实现大规模落地的有效途径（质变）。比如，Tesla将纯视觉方案的 FSD（Full Self-Driving）下放到Optimus擎天柱，就属于提G机器人泛化能力的重要手段，通过端到端神经网络Optimus擎天柱可以更直接地感知环境、实现任务学习和控制运动，从而提G其在未知环境或条件下的泛化能力和适应性。Google RT-2帮助机器人实现技能自学习的能力，使得机器人在未经过专业数据训练情况下能够更容易理解并处理人类提出的各种类型的任务需求，提升机器人的学习和泛化能力。所以构建人形产品的泛化能力，需要保持对技术的关注和创新尝试，以效率为导向做技术预研。

续航能力是也是重要制约

续航能力将是制约人形机器人应用和发展的又一个重要因素。人形的体积决定了可携带的电池体积不会太大，而现阶段锂电池的能量密度依然有限，移动机器人对接式和车载的插拔式的充电模式我也认为并不完全适用于人形机器人，这就对人形机器人的续航能力带来严重挑战。

长远来看，新形态电池（如固态电池）、无线充电、脱离电池的全域无线供电等方案都有机会解决人形机器人的续航问题，希望能有专门的公司能在这个L域实现技术突破。

产品设计初期就要考虑成本设计

人形机器人的商业化需要技术Ready和具有经济性的两方面支持，所以，成本设计是人形机器人走出实验室进入商业社会的关键步骤，终面向用户的产品价格需要符合市场预期。同时在当下的大环境情况下，我建议所有企业从一开始就要具备财务管控意识，要能算账、算细账，而不是不计成本的投入到技术研发。

比如在工业场景，如果对标国内的一线工人，可能就需要将成本做到10万元内的级别，Musk 在给Optimus擎天柱设定目标2万美金时也是参考了Tesla的实际用工成本，而中国的人工成本对比海外还是会更便宜。而在商用场景，可以根据具体的实现场景去设计，从ROI的角度来看，对标国内人工成本要考虑售价可能需要不超过20万。而面向家用市场，需要做到万元级别的成本才有可能大面积进入家庭。

除了降低产品成本，还可以通过不同的商业模式来实现成本分摊，比如提供服务而不是设备销售，实现持续性收入。但无论如何，都需要考虑多不超过在 24个月实现回本，从而倒推成本控制。

避免始终停留在实验室，让技术产品化周期过长

要从整个市场时间窗口期考虑技术产品化到商业化的周期规划目标，需要考虑设计一个合理的落地节奏和阶段性目标：

在0-1阶段，由技术主导实现demo，满足场景需求。在这个阶段，重点解决技术可行性问题，满足特定场景的使用需求。

在1-10阶段，由商业主导规模化，做需求取舍，先在局部场景商业落地。在这个阶段，需要重点解决技术经济性问题，满足市场需求，实现商业化落地。

现阶段，人形机器人只是走出了让市场看到了从PPT走向落地的D一步，但真正的挑战和困难都是在商业化落地时才会面对。商业化落地不是让一台机器人实现功能，而是要考虑成千上万台机器人在不同地域、各种场景稳定、有效的运行，那么要考虑的问题就需要更系统性和全局性，因为不仅仅只是会面临技术问题。

虽然当下有资本和新技术加持，但我认为人形机器人的落地不会比移动机器人或者机械臂面对的挑战更简单，甚至可能会把同样坑再趟一遍（所有品类的机器人在落地时面临的挑战都是相似的）。

以上的几个观点和想法都是基于我的经历和认知对人形机器人落地的一些思考，我也会持续保持对人形机器人的关注，希望能尽早看到人形产品快速落地、百花齐放的时刻。