一场对于“具身智能”的变革，正在以前所未有的速率席卷而来。

从文本到图像，从二维到三维，东谈主工智能的触角正赓续蔓延，基于文本和图像处理的开源模子已无法繁荣具身智能对三维空间感知和动态交互的需求，这使得自主研发底层模子成为行业发展的例必采用，而多模态交融则是驱动这场变革的中枢引擎。

机器东谈主不再是冰冷的机械，而是具备感知、贯通、交互智力的智能体，它们正以前所未有的速率融入咱们的生存，重塑着产业的领域。而这场变革的中枢驱能源，无疑是多模态本事的崛起。

本期专访，雷峰网对话了臆造动点董事长兼CEO刘耀东，他们基于对行业痛点的深入贯通，自主研发了一套针对3D数据处理的底层模子LYDIA。也因此领有了更大的自主性和最初上风。更值得善良的是，跟着多模态本事的赓续演进，图像识别、动作驱动等本事之间的交融正在加快，这不仅将股东机器东谈主感知智力的跃迁，也将激发通盘这个词行业的本事迭代和阛阓膨胀。

臆造动点入局空间揣度多年，基于在动作捕捉领域的案例累积，公司不仅领有无数、高精度、高质料的动作数据，也在持续产出更多的优质数据，为东谈主形机器东谈主动作覆按提供依托。

在与刘耀东的访谈过程中，咱们深入剖析了臆造动点的本事道路、阛阓政策，以及对行业畴昔趋势的研判，看他们本事若何落地，若何措置行业贫寒，勤勉为读者呈现一个更明晰、更全面的产业图景。

以下是媒体与刘耀东的对谈实录，雷峰网在不更动愉快的情况下作念了裁剪和挽救：

• 全球范围内，是否有其他公司也在探索空间揣度与生成式AI的招引？ 臆造动点在这一领域的竞争上风是什么？

咱们肯定，凭借深厚的本事积淀，咱们在空间揣度领域领有显耀的竞争上风。起头，从本事储备的广度而言，咱们或为全球独逐个家同期具备光学、无象征以及大模子本事的空间揣度措置决策提供商。这种跨领域的本事整合智力，使咱们得以在多个要害本事维度协同发力，构建起独到的抽象上风。

其次，在本事储备的深度方面，咱们亦有超卓进展。以机器东谈主视觉为例，咱们自主研发的双目次像头图像传感器，为硬件性能提供了坚实保险。在算法层面，咱们得手达成了从传统无象征算法到 SLAM 算法的迭代升级，显耀提高了定位与建模的精度与终结。此外，在数据蕴蓄方面，固然咱们无法确知其他竞争敌手的数据领域，但咱们对自身的数据蕴蓄情况了如指掌。恰是基于海量的数据资源，咱们得手覆按出了高性能的动作大模子，这充分印证了咱们在数据驱动方面的最初地位，也进一步放心了咱们在本事广度和深度上的上风。

第三个上风则源于咱们过往丰富的得手警戒。正如全球在视频中所见，咱们曾为多种情势的机器东谈主提供本事赋能，涵盖了从具备向上智力的机器东谈主到能够精确操作文献的机器东谈主等多种类型。这些实践警戒不仅见证了通盘这个词机器东谈主行业的发展历程，更为咱们蕴蓄了难得的行业常识和本事决窍（know-how）。对于本事公司而言，这种警戒储备至关伏击，它能够匡助咱们更深入地贯通行业需求，更快速地措置本事贫寒，并股东本事更动。因此，咱们认为，这些过往的得手警戒亦然咱们伏击的竞争上风之一。

• 新发布的具身智能考虑本事，与利亚德现存光电业务之间，在协同效应和畴昔发展方面有哪些后劲？

利亚德集团的业务板块广受善良，其中，智能夸耀板块专注于各种屏幕的研发与制造，咱们将其定位为居品型公司；文旅夜游板块则侧重于景不雅亮化和业态打造，咱们将其视为超大领域集成做事商。

臆造动点则专注于AI与空间揣度本事的研发，以往咱们将其界说为本事型公司，如今，咱们通过将居品、场景与本事交互精采招引，串联起了一个更为广博的故事。

畴昔，如若咱们能够将这些本事应用于具身智能领域，不论是汲取机器东谈主照旧其他载体，这个模式的逻辑依然确立，即通过本事串联起不同的应用场景。此外，就机器东谈主自身而言，我认为利亚德集团在光电夸耀领域的屏幕本事，也可能在机器东谈主领域确认伏击作用。举例，今天展示的这款机器东谈主，其头部就配备了多个屏幕，这大致预示着夸耀本事在机器东谈主领域应用的畴昔趋势。咱们信赖，这些本事协同效应将为集团的全体发展带来新的增长能源。

• 从今天的演讲来看，空间揣度本事招引着机器东谈主的畅通遗弃和环境感知等多个层面。这种贯通是否准确？空间揣度本事在软件层面的存在，以异常对硬件层面的驱动作用，是否组成了一个圆善的本事闭环？

咱们不错这么贯通：空间揣度这项本事，固然从复杂性角度而言并非极其艰深，但其价值却十分独到。

一个直不雅的例子是，当苹果公司发布Vision Pro时，‘空间揣度’这个观点才真确进入民众视线。尽管这项本事的发源并非苹果，但苹果的诓骗让东谈主们明白到，通过佩带头显开导，咱们似乎不错进入一个数字宇宙，并通过手势达成各式投屏和交互操作。这在一定进度上印证了咱们之前所提到的，空间揣度本事行为一种软件层面的器用，能够将物理宇宙的交互与数字宇宙招引起来。

恰是那时，咱们明白到空间揣度本事初度达成了东谈主类实体宇宙与数字宇宙的真确联通。正如咱们开场视频中所展示的那样，空间揣度本事招引着臆造与现实，并促进两者之间的互动。它具备将数字孪生等臆造观点与现实宇宙进行双向交互的智力，而这恰是其独到的价值场所。”

从本事发源来看，空间揣度的观点最早可追溯至2000年代初，是麻省理工学院Simon Greenwold 在其2003 年的论文中引入的一个术语。需要明确的是，空间揣度并非一项单一本事，而是一个观点，访佛于‘智谋城市’。

智谋城市并非单一本事，而是多种本事的整合。雷同，要达成空间揣度，需要充足的算法、算力以及传感器交融等多种本事的协同。尽管该观点在提倡之初就激发了平凡善良，但由于其时的本事要求尚不练习，空间揣度并未得到平凡应用。

直到频年来，跟着考虑本事的进步，空间揣度才再次进入东谈主们的视线。就全球范围而言，空间揣度本事的发展历程大要如斯。而对于利亚德集团来说，咱们早些年一直在进活动作捕捉本事的考虑，随后迟缓演进到空间揣度领域。

• 跟着调解实验室实在立，畴昔该实验室的主要考虑标的将聚焦于哪些领域？同期，其具体应用场景又将涵盖哪些方面？”

对于调解实验室畴昔的发展标的，试验上我和姜博士（松延能源首创东谈主、董事长姜哲源）齐已有所说起。起头，姜博士强调了咱们将共同构建全球最大的高精度数据库，这一数据库将基于咱们滚滚束缚产生的机器东谈主覆按数据，而非传统的东谈主形数据。这不仅对他们公司自身有价值，对通盘这个词产业而言也具有伏击真谛。正如刚才记者一又友所言，这个数据库并非只做事于一家公司，一朝酿成，它将不错做事于通盘考虑企业。

其次，咱们将重点善良SLAM（即时定位与舆图构建）算法的研发，这对于提高机器东谈主的‘眼睛’至关伏击。面前，机器东谈主厂商在空间感知智力方面主要汲取两种本事道路：机器视觉和红外雷达。咱们更倾向于机器视觉，因为咱们在早期进活动作捕捉时就无数汲取了录像头。因此，咱们将与配合方在SLAM算法方面进行深入配合，并取得更多冲突。

以上是短期内两边将遵守措置的问题。从长期来看，咱们的指标是股东机器东谈主走进家庭。这可能是一个秩序渐进的过程，因为家庭环境的容错率相对较低，而B端（企业端）的容错率则相对较高。正如我之前与其他媒体一又友所接头的，松延能源公司的愿景是让机器东谈主走进千门万户，成为东谈主们的‘保姆’。。咱们面前正在匡助他们进行泛化覆按，即让机器东谈主具备切菜、洗碗、放手物品等智力。这也曾迥殊了底层本事层面，转向了具体的应用型覆按。

因此，咱们的调解实验室初期将围绕上述两到三个标的张开考虑，畴昔将左证试验需求进行挽救。

• 在采用配联合伴时的范例和要求是什么？更侧重于其业务的试验运作模式，照旧更垂青首创东谈主的个东谈主脾性和理念？

一般来说，咱们会从本事配联合伴的角度来谈更为合理。

第一，咱们但愿配联合伴像松延能源（或其他暂未便暴露称号的公司）一样，在机器东谈主骨子方面领有练习的本事和最初的实力。如若配联合伴在机器东谈主硬件层面无法措置充足多的问题，咱们的本事就无法有用应用，这将浪掷两边的时间。因此，咱们对配联合伴的硬件基础有一定的要求。

第二，咱们但愿看到配联合伴团队全体的本事决心和实施力齐比拟高。正如全球所看到的，咱们团队每年齐会发布本事进展，包括昨年发布的大模子和本年发布的新址品。全球可能会认为咱们的终结很高，这源于咱们团队成员积极的心态和高效的实施力。因此，咱们但愿配联合伴在节律上与咱们保持一致。

第三，咱们但愿配联合伴与咱们酿成互补关系。也便是说，他们的上风领域随机是咱们不擅长的，而咱们擅长的领域他们则无需再插足元气心灵。咱们更倾向于采用能与咱们酿成互补的配联合伴，这么才能达成资源的最大化利用。”

• 咱们为何采用与配联合伴进行调解开发，而非自行确立职责室或收购现存机器东谈主公司进行制作机器东谈主？

咱们采用配联合伴模式，而非自行制造机器东谈主，主要基于以下几点考量：

第一，机器东谈主制造自身属于精密制造和高端制造领域，号称全球天花板行业，与汽车制造访佛。不论是资金插足照旧本事蕴蓄，咱们面前齐不具备寂静制造机器东谈主的智力。如若强行进入，例必会分布咱们有限的资源和元气心灵。

第二，咱们有明确的政策定位，即‘不造机器东谈主，而是匡助配联合伴造更好的机器东谈主’。这与华为‘不造车，而是匡助通盘汽车更智能’的理念相似。咱们不但愿与任何机器东谈主厂商酿成竞争关系，而是但愿与通盘厂商配合，咱们接力于成为机器东谈主行业的赋能者，而非竞争者。

此外，还有一个身分促使咱们采用配合模式，并让咱们充满脸色地插足其中。面前，网上有许多机器东谈主具身智能产业链图谱，正式列出了机器东谈主各个零部件的成本占比，举例丝杠、电机、轴承等。证券类媒体致使会据此揣度机器东谈主的毛利率。但我思强调的是，这些硬件决定了机器东谈主智力的下限，即机器东谈主无法作念到什么。然则，机器东谈主智力的上限，举例通过算法让动作精度提高0.1度所带来的价值，却很少被揣度或喜爱。咱们认为，数据和算法是决定机器东谈主价值的要害身分，但面前尚未被本钱和媒体充分明白。咱们的价值和上风在于此，而这也将是机器东谈主真确进入产业链后所能体现的价值场所。固然硬件的抵挡打智力和电机的承载智力也很伏击，但这些齐是显性的。咱们更善良隐性的数据和算法价值，并但愿将其最大化。

• 如若要达到‘让机器东谈主进入千门万户，成为家庭助手’这一指标节点，从现时建设数据库的时间点来看，您认为咱们需要些许年的数据蕴蓄才能达成这一指标？

在探讨数据蕴蓄时间之前，起头需要明确数据库的领域。如若咱们以现时咱们所领有的数据库为基准，咱们有信心认为，面前咱们可能处于全球前三的最初地位。

其次，对于若何界说动作数据，这自身便是一个复杂的问题。与文本或图像数据不同，动作数据的辩论范例并不解确。举例，（NLP）的数据量不错测量为单词数目，图像数据不错测量为像素数目和帧数，齐有明确的单元和范例。但对于动作数据，举例‘提起水瓶’这个动作，咱们应该若何辩论？是测量骨枢纽角度、肌肉长度，照旧时间帧率？每个东谈主的动作模式齐可能不同，这使得动作数据的复杂性远高于文本或图像数据。因此，动作数据的蕴蓄和界说，远比文生图的数据处理要复杂得多。

• 在东谈主形机器东谈主中，光学和算法的伏击性体面前哪些方面？以及利亚德在这些要害算法领域，相较于同业业竞争敌手，具备哪些竞争上风？

针对机器东谈主领域，咱们提供的算法主要分为两大类别。第一类，咱们称之为‘空间感知’算法。这类算法通过录像头等传感器赢得环境信息，使机器东谈主能够从视觉层面贯通其所处的环境。在视觉贯通的基础上，算法进一步处理图像，构建出三维空间模子。这其中，算法需方法略物体之间的关系，举例，细目机器东谈主与指标物体之间的距离。

第二类算法，则专注于遗弃机器东谈主的肢体畅通，并保管动作的踏实性。这类算法与机器东谈主骨子的遗弃算法精采耦合，举例，保管机器东谈主重点的算法。不同算法之间会产生协同作用。因此，咱们面前的中枢价值体面前两个方面：一是通过空间感知算法，达成对环境的贯通、判断和决策过程；二是通过肢体遗弃算法，达成动作的采用、实施和保持过程。这两大类算法组成了咱们为机器东谈主领域提供的中枢措置决策。

• 东谈主形机器东谈主在试验应用中，是否会面对场景适配的问题？也便是说，是否需要针对不同的应用场景进行定制化的挽救？

对于东谈主形机器东谈主算法的泛化智力，我认为经过充足的数据覆按、算法优化，并达到一定的量级之后，其泛化智力将显耀提高，最终达成跨场景的通用性。正如某位海新手家所言，理思景况是每个东谈主身边齐有一位机器东谈主助手，能够胜任各式场景下的任务，访佛于智能体助手。

然则，面前全球范围内，大多数厂商齐采纳了先聚焦特定场景的策略，在措置特定场景下的问题后，再迟缓扩展至其他场景。这种模式在行业内普遍存在，即先深耕某个具体行业，待在该行业蕴蓄充足警戒后再扩展至其他行业。举例，松延能源的指标是径直进入家庭场景，但咱们认为，这仍然需要一个秩序渐进的旅途，即先基于特定的行业场景，蕴蓄警戒，再迟缓泛化到千门万户的各式工业和生存场景，这是一个例必的发展过程。

• 基于咱们与配合公司的接头，他们但愿东谈主形机器东谈主能够承担保姆等家庭做事职责。那么，在传统的机器东谈主研发框架下，咱们的空间揣度本事在机器东谈主与环境及东谈主的交互方面，能够带来哪些更动和更动呢？

浅易来说，咱们的价值体面前两个方面：一是环境感知和距离判断，二是交互遗弃和动作辩论。

正如咱们之前所接头的，中枢在于赋予机器东谈主感知空间并自主判断的智力。举例，在实验室中，咱们进行了以下实验：当辅导机器东谈主寻找钥匙时，它起头需方法略“钥匙”的观点。然后，通过图像网罗，机器东谈主需要在环境中定位钥匙的位置。在识别钥匙并定位后，机器东谈主需要辩论一系列活动，举例，若何遁入禁锢物到达指标位置。接下来，机器东谈主需要细目采纳何种交互表情，举例，遗弃大臂、小臂、手部等枢纽，以及最终汲取何种终端实施器（夹爪或灵巧手）来抓取钥匙。终末，机器东谈主还需要辩论若何将钥匙带回。

这一圆善的经过，体现了咱们的中枢价值。起头，机器东谈主需要感知环境并判断指标距离；其次，当需要进行交互时，机器东谈主需要遗弃自身的手部动作，并决定是否汲取类东谈主动作或机器东谈主动作，同期保持动作的生动性。这些过程齐体现了咱们的本事上风。

• 咱们的动作大模子是否基于通用大模子进行调优？如若是，咱们主要汲取哪些通用大模子行为基座模子？在机器视觉本事与视觉贯通、视频生成等通用大模子之间，是否存在联动或化学响应？这种联动是否会扩大阛阓需求？

咱们如实参考过开源模子，但并非十足基于任何一家公司的底座。咱们在模仿和参考的基础上，融入了咱们自身的贯通和更动。面前市面上公开的开源模子，主要侧重于文本和图像处理，缺少对3D数据处理的救助。径直照搬这些模子，反而会烦闷咱们对三维信息的处理。因此，咱们采用了自主研发的道路。

在具身智能领域，图像识别、动作驱动以异常他考虑本事例必存在交加。举例，Sora升级版体现了对图像贯通和揣度智力的显耀提高，这无疑将极地面匡助机器视觉本事进行物体判断，以寻找钥匙为例，往日机器东谈主需要破钞较万古期（可能3秒操纵）来判断钥匙的位置和界说。但跟着访佛大模子本事的出现，这一过程可能裁减到0.3秒，极地面提高了终结。这种终结的提高，加快了不同本事之间的交融。

此外，现时大模子背后的数学公式与逻辑存在一定的关联性。如若OpenAI等公司的大模子升级，国内如盘古、阿里、腾讯以及国际LLAMA、谷歌等系列的大模子也会快速迭代，这些大模子的迭代，反过来会促进咱们在动作模子上的迭代。

因此，咱们认为本事之间存在交加，本事底层的数学逻辑也存在交加，这将股东本事的赓续迭代和提高。

结语：

在此次专访中，咱们看到了臆造动点在机器东谈主感知领域的前瞻性布局和本事实力，他们不仅在本事上赓续冲突，更将眼力投向了更重大的应用场景。从“多模态”到“具身”，咱们看到的是一场从感知到领略的跃迁，而这背后，是无数本事东谈主对未下宇宙的执着探索。

臆造动点无疑为行业提供了一个伏击的参考样本。他们莫得采用浅易的“拿来主张”，而是采用了更具挑战性的自研谈路，这不仅需要勇气，更需要对行业趋势的深入洞悉。这大致也预示着，畴昔的竞争，将不再只是是本事自身的较量，更是对行业贯通、痛点把抓和更动智力的抽象比拼。

天然，具身智能的发展依然面对诸多挑战，从本事到营业化，从应用场景到伦理范例，还有很长的路要走。但咱们信赖，跟着本事的赓续练习和生态的日益完善，具身智能必将开释出巨大的后劲，深入地更动咱们的生存和职责表情。

这场变革才刚刚初始，而咱们正身处其中。畴昔，咱们还将持续善良具身智能领域的最新进展。