aigcbar - null

00后CEO的机器人棋局：不追VLA，先让AI在酒店“打工” | AI资讯

type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能（AI）浪潮席卷全球的今天，具身智能被视为通往通用人工智能（AGI）的下一座里程碑。当行业巨头和明星创业公司纷纷押注VLA（视觉-语言-动作）端到端大模型时，一位“00后”CEO却选择了一条截然不同的道路。优理奇（Unix AI）的创始人杨丰瑜，正带领他的团队，将机器人率先送进酒店，从最基础的清洁整理工作做起。
这场在世界人形机器人运动会上的惊艳亮相（斩获两金一银），让优理奇的务实路线浮出水面，也引发了业界的广泛关注。本文将深入解读这位年轻创业者的独特思考，探讨其背后“先落地、后飞轮”的商业与技术逻辑。更多前沿的AI资讯和深度分析，可持续关注AI门户网站 https://www.aigc.bar。

另辟蹊径：为什么是酒店，而不是炫酷的VLA？

当前，许多具身智能公司致力于打造一个能理解自然语言并直接执行复杂任务的通用大模型，即VLA模型。这无疑是激动人心的未来方向，但杨丰瑜认为，在缺乏海量、高质量机器人数据的当下，直接追求端到端的VLA时机尚未成熟。
优理奇的选择是，从“类C端”场景切入，而酒店正是这一战略的完美试验场。
  • 高容错率的训练环境：酒店客房是一个相对封闭、可控的环境。机器人可以“关起门来慢慢干”，即使初期效率不高或出现小失误，也不会造成严重后果。这为模型的迭代提供了宝贵的、低风险的试错空间。
  • 可迁移的核心技能：在酒店场景中，机器人学习的是清洁、整理、收纳垃圾等原子级动作。这些技能具有极高的通用性，未来可以无缝迁移到家庭、养老院、餐厅、咖啡厅等更广泛的B端和C端场景。
  • 宝贵且开放的数据回传：与高度保密的工业场景不同，酒店场景中的操作数据更容易获取和回传。这为训练机器人模型提供了持续的、源于真实世界的数据养料，是驱动“数据飞轮”的关键。
可以说，优理奇并非放弃了AGI的星辰大海，而是选择从最坚实的土地上起步，先解决“机器人能干活”的问题，再逐步迈向“机器人更聪明”。

技术核心：模仿学习与“数据飞轮”的现实路径

既然短期内不依赖VLA，优理奇的技术底气何在？答案是其自研的、基于模仿学习的平台UniFlex。
与试图让模型从零开始理解物理世界的VLA不同，优理奇的技术路径更加高效和聚焦。他们将一个复杂的动作分解为几个关键点和运动轨迹，让机器人学习这些关键点之间的拓扑关系，而非僵硬的坐标。
这种方法的核心优势在于极高的数据利用效率。 杨丰瑜透露，UniFlex仅需5到10次的人工示教数据，就能让机器人学会一项新任务。在机器人运动会期间，面对尺寸远超常规的赛场房门，团队仅用一晚时间，通过VR设备现场采集数据并重新训练，就成功让机器人掌握了新的开门技能。
这一技术路径完美支撑了其商业策略——走特斯拉路线，通过“数据飞轮”实现模型的指数级成长。
  1. 先铺量：通过全栈自研控制成本（二代机Wanda定价8.8万仍有可观毛利），将足够多的机器人部署到酒店等真实场景中。
  1. 采数据：在机器人“打工”的过程中，持续收集符合“自然分布”的、多样性的真实数据。杨丰瑜坚信，数据的多样性比单纯的数量更重要。
  1. 快迭代：利用高效的模仿学习平台，将收集到的数据快速转化为模型能力的提升，形成一个正向循环。
他认为，正如大模型领域的Scaling Law（规模法则）一样，当在真实世界中奔跑的机器人数量达到数十万级别时，具身智能的能力才可能迎来质的飞跃。

硬件为王：全栈自研背后的成本、效率与未来考量

“今年是机器人的量产元年，我认为硬件稳定具有压倒一切的重要性。”杨丰瑜的这句话道出了硬件在具身智能落地过程中的核心地位。
优理奇坚持对机器人进行全栈自研，从关节、驱动器到整机，这并非易事，但其背后的战略考量深远：
  • 成本与效率：自研硬件能极致地控制成本，摆脱对昂贵供应商（如谐波减速器）的依赖，从而实现有竞争力的定价。同时，自研能更好地控制开发进度，避免技术黑盒，快速定位和解决问题。
  • 数据一致性：这是最关键的一点。如果硬件迭代导致数据格式和机器人性能参数不一致，那么前代机器人收集的宝贵数据可能无法用于训练新模型，数据资产将被浪费。全栈自研确保了从Wanda二代机到性能更强的三代机，其数据和模型具有良好的继承性和可迁移性。
  • 软硬一体的深度优化：只有深度理解并掌控硬件的每一个细节，算法才能发挥出最大效能。软硬件的紧密结合是打造高性能机器人的不二法门。

“00后”标签之外：技术驱动与中国供应链的自信

作为一名“00后”CEO，杨丰瑜身上展现的是新一代创业者的典型特质：没有历史包袱，不受传统观念束缚，并且离技术一线极近。他自己敲代码，深知技术的边界与潜力，这让公司的决策更加敏锐和务实。
更重要的是，他对于中国在全球硬件领域的优势有着深刻的洞察和自信。“过去20年凡是跟硬件相关的领域，最终都是中国公司的天下。”正是这份信念，促使他暂停耶鲁博士学业，抓住具身智能的窗口期回国创业。
优理奇的成功，不仅仅是一个年轻团队的技术胜利，更是人工智能前沿技术与中国强大供应链优势相结合的生动体现。
结论
优理奇和杨丰瑜的故事，为当前火热的具身智能赛道提供了一个冷静而务实的范本。它告诉我们，通往AGI的道路并非只有一条，与其在数据稀疏的当下空谈宏大的端到端模型，不如先卷起袖子，让机器人在真实世界中创造价值、积累数据。从酒店清洁工做起，这条看似“不够性感”的路径，或许正是通往未来智能机器人时代的、最稳健的阶梯。想了解更多关于AI变现和行业应用的AI新闻，欢迎访问 https://www.aigc.bar 获取最新动态。
Loading...

没有找到文章