在8 月24 日的“探索人形機器人新紀元：創(chuàng)新、挑戰(zhàn)與機遇”的論壇上，主持人張建偉（中國工程院外籍院士，德國國家工程院院士，德國漢堡大學(xué)教授）稱，在眾多嘉賓的討論中，可見人形機器人非常復(fù)雜，有很多瓶頸，從材料到能源，從驅(qū)動密度到感知精度，再到智能等。但是怎么解決？怎么突破？

現(xiàn)在的人形機器人還需要很大的研發(fā)投入，即使按照現(xiàn)在的特斯拉等公司的方案，把它做便宜、做穩(wěn)定了，也是不可能批量銷售的。今后如何讓現(xiàn)有的人形機器人公司獲得不斷的技術(shù)源泉？靠各家企業(yè)自己的研發(fā)肯定是遠遠不夠，那么，如何使產(chǎn)學(xué)研更有效地合作？

目前已有縱向和橫向的合作?？v向的，諸如國家有重點研究計劃，有基金委的重點項目；橫向的可以成立聯(lián)合實驗室等。下一步如何讓產(chǎn)學(xué)研有效地合作，使人形機器系統(tǒng)能夠源源不斷地得到技術(shù)支撐？2 位學(xué)術(shù)界的教授兼創(chuàng)業(yè)者，及7 位在展會展示了產(chǎn)品的創(chuàng)始人/CEO 進行了探討。

1   不跟隨，換一種研發(fā)思路

智昌公司董事長兼總經(jīng)理、復(fù)旦大學(xué)教授甘中學(xué)提出了另辟蹊徑的觀點。

因為現(xiàn)在做大模型、算力、英偉達芯片等，我們是跟隨性的。中國要想在這方向走出來，一定要換換研發(fā)的思路。

第一個建議：要把大算力和算法的創(chuàng)新結(jié)合起來?，F(xiàn)在很多人認為我們有了大算力，已經(jīng)很厲害了。就像發(fā)明了電動機，然后電動機不節(jié)能了，我們現(xiàn)在開始搞電機節(jié)能。同樣，我們大算力搞了，是人的大腦的10 倍、100 倍，但是算力搞完了，我們再去做節(jié)能。這條路是現(xiàn)在的芯片公司/ 算力公司走的，如果我們算力和算法并行，才能找到一個多快好省的辦法，去與國外去競爭。

第二，具身智能目前是正在開發(fā)的，基于語言大模型。在具身智能里，張建偉院士很早就提出“智行合一”，這個做法是具身智能最好的方式，這里涉及了研究方法和途徑，是產(chǎn)和研的結(jié)合。所以我們應(yīng)該坐下來認真思考一下，我們的產(chǎn)學(xué)研的方向和出發(fā)點應(yīng)該和國外有所區(qū)別，否則我們永遠是跟隨，對我們的發(fā)展是不利的。

2   企業(yè)和學(xué)校相互需要

月泉仿生公司聯(lián)合創(chuàng)始人、吉林大學(xué)“唐敖慶講席教授”任雷指出，產(chǎn)學(xué)研融合是一個大趨勢，因為人形機器人還有很多技術(shù)瓶頸需要去突破。

人形機器人是由高度復(fù)雜的技術(shù)集成的，包括感知、驅(qū)動、材料、結(jié)構(gòu)等，是一個綜合多學(xué)科交叉的攻關(guān)項目。很多問題還涉及基本的科學(xué)問題，還沒有解決。

首先，企業(yè)需要學(xué)校。學(xué)校應(yīng)該擔負很多責任，例如希望有創(chuàng)新的結(jié)構(gòu)設(shè)計，尤其是仿生的設(shè)計。另外，新型的感知材料、驅(qū)動材料等，未來也應(yīng)考慮往人形機器人上應(yīng)用。

另一方面，學(xué)校也非常需要企業(yè)。學(xué)校應(yīng)該多了解企業(yè)為什么這么做。因為學(xué)校有時更偏重于發(fā)論文、出專利。但是這些成果究竟能不能用？怎么用？有時是有問題的。例如學(xué)校開發(fā)了一些新技術(shù)，但是可能只考慮了性能，不考慮成本，不考慮批量能否做出來/ 工藝的問題，這就脫離了批量生產(chǎn)這一需求。還有很重要的一點是：企業(yè)需要做的是什么？不能光去搞一些比較炫酷的演示，應(yīng)該去真正了解應(yīng)用場景到底需要什么。

3   關(guān)注技術(shù)的成熟度，把各方面做透

小米集團技術(shù)委副主席、手機部副總裁、機器人公司總經(jīng)理許多稱該公司十分重視技術(shù)的成熟度，因此積極和高校合作去做一些科學(xué)范式的探索。例如相機，已和北大的視頻視覺教授去合作。

另外，把從其他行業(yè)領(lǐng)域的成熟技術(shù)遷移過來，去做產(chǎn)業(yè)化。例如機器人大會上有一家企業(yè)特別吸引眼球，是深圳的一家原來做彈珠式攝像頭（注：音）的企業(yè)拋出了一個觀點：要做99 的推桿電機，非常令人興奮，因為如果能做到，“手”就會有巨大的突破，至少能把自由度做上去了，因為是99，不是6 個自由度，因此可以做15 個、20 個自由度。然后下一步再做小型化，意味著在某種程度上就突破了。

再有，絲桿連接要繼續(xù)做產(chǎn)業(yè)化，以降低成本。例如特斯拉大的絲桿可能還在將近2 萬元。如果能做到1萬元，其他家也不用再想搞什么腿了，至少大腿部分用推桿是一個比較好的方案，因為大腿也不需要高動態(tài)，只需要有一個非常大的力就行了（注：但小腿是需要高動態(tài)、高響應(yīng)的）。

以上指整體構(gòu)型，我們既要基于科學(xué)去和高校科研機構(gòu)合作，也要基于應(yīng)用去做產(chǎn)業(yè)的深度的開發(fā)，最后把這兩者在一個軟件平臺/ 仿真平臺上去深度融合，以加速應(yīng)用。

建議在做產(chǎn)品時，還是要把這個產(chǎn)業(yè)堅決地做透。例如人們可能認為一體化電機相對比較成熟，實際上這里的MCU還主要是用國外的（注：兆易創(chuàng)新等本土公司的有一些），價格還是很高的。國產(chǎn)化的也不充分，例如電機里的編碼器，國產(chǎn)的還是和國際先進水平有差距。因此，本土廠商還是有很多值得做的方面。以往機械臂行業(yè)的量比較小，但是人形機器人的市場規(guī)模將擴大若干倍，也值得做零部件的企業(yè)進來之后去重新思考：在整個市場規(guī)模擴大的時候，怎么把零部件做到更好。

4   抄作業(yè)，以加快入局

加速進化公司董事長程昊說，現(xiàn)階段，尤其是對于人形或具身智能，“產(chǎn)學(xué)研結(jié)合”非常重要。這有點像上世紀70 年代信息革命剛開始時，當時硅谷是發(fā)源地，特點是有斯坦福和加州大學(xué)伯克利分校，政策非常具體合理，鼓勵孵化出很多企業(yè)，把學(xué)術(shù)和創(chuàng)新結(jié)合起來。因為創(chuàng)新是失敗率很高的，可以交給創(chuàng)業(yè)團隊去做?？赡苡泻芏鄤?chuàng)業(yè)團隊，諸如100 個創(chuàng)業(yè)團隊，最后只活了一兩家，剩下的可能失敗了。因此這些項目如果放在學(xué)校里，學(xué)生、老師拿著經(jīng)費去做會更好。當然公司也要創(chuàng)新，但學(xué)校里做創(chuàng)新是更能承受試錯的，如果做得好，到公司里去做商業(yè)化，然后再把賺來的錢反哺學(xué)校，形成一個良性循環(huán)。因此在當前階段，產(chǎn)學(xué)研結(jié)合是非常有價值的。

可能現(xiàn)在更重要的是抄作業(yè)、抄成功的案例，看看怎么能夠通過。無論是政府、高校還是公司，找到一個合適的模式后盡快去推。因為現(xiàn)在AI 就像信息革命，現(xiàn)在處于AI 革命的初期，越是初期，產(chǎn)學(xué)研越重要。如果這時候沒抓好機會，可能就錯過了，到后面就是產(chǎn)業(yè)了。就像現(xiàn)在移動互聯(lián)網(wǎng)有很多創(chuàng)新，實際上不是高校在做，而是企業(yè)在做了。因為此時企業(yè)會有更多的資金，能去容錯，讓內(nèi)部賽馬式去搞。但現(xiàn)在AI、具身智能、人形機器人都沒到這個階段。現(xiàn)在除了小米（非常佩服小米這樣級別的公司愿意去做），實際上很多大公司沒有非常篤定入局的，這時更需要“產(chǎn)學(xué)研”結(jié)合。

5   幫助研發(fā)人才盡快上手使用

松延動力（北京）公司聯(lián)合創(chuàng)始人、CEO張世璞發(fā)現(xiàn)：近兩年很多炫酷的演示是讀博一博二的95 后甚至00 后年輕人做出來的，所以現(xiàn)在技術(shù)發(fā)展迭代的速度非?？欤踔潦前丛聛碛?。

從產(chǎn)學(xué)研角度看，一個重要的問題是：學(xué)生拿到了機器人，在開始調(diào)試時會遇到很多問題，企業(yè)能夠幫助的是盡量縮短熟悉時間、降低成本，使這些優(yōu)秀的年輕人拿到了這些基礎(chǔ)設(shè)施以后，可以很快地驗證自己的想法，讓他們自己的POC（proof of concept，概念驗證）得到快速迭代。

所以這是作為創(chuàng)業(yè)公司/ 企業(yè)應(yīng)該要去做的，而不是讓大批的研發(fā)型人才把時間過度浪費在工程上（注：當然，必要的一些工作也是磨練研發(fā)人才的手段和階段）。

6   高校和企業(yè)可以深度磨合

樂聚公司董事長冷曉琨稱，產(chǎn)學(xué)研是樂聚一直在做的事情。因為樂聚是2016 年由10 位哈工大師兄弟成立的，當時大家都在讀書。冷曉琨當時年齡最大，讀博一，剩下是研一或本科生。2021 年冷曉琨畢業(yè)，成為學(xué)校的特聘教授兼實驗室副主任，因此他一直橫跨著產(chǎn)和研。從產(chǎn)和研結(jié)合看，人形機器人是一個集成度特別高的場景或產(chǎn)品，一所高校一個實驗室很難聚集這么多的技術(shù)和人才；但是企業(yè)適合做這種大工程性的工作，并且能進行產(chǎn)業(yè)化落地。所以發(fā)揮企業(yè)和高校的兩方優(yōu)勢：學(xué)生、高校實驗室更擅長創(chuàng)新性的工作，可以去布局未來1~3 年的工作，而企業(yè)擅長把最新的創(chuàng)新盡快落地。所以這時很考驗高校和企業(yè)之間的磨合，這是一項比較有挑戰(zhàn)的工作。

7   產(chǎn)學(xué)研結(jié)合使三方多贏

智平方創(chuàng)始人兼CEO 郭彥東有豐富的經(jīng)歷，無論在美國做博士，還是在微軟、小鵬、OPPO 工作，經(jīng)常牽頭跟學(xué)校的教授、院士合作。

郭彥東在企業(yè)做技術(shù)管理時，從與學(xué)者的合作中收獲頗多。因為機器人技術(shù)非常前沿，需要產(chǎn)學(xué)研的加持。看到很多老師兼職做創(chuàng)業(yè)，很多創(chuàng)業(yè)者兼職做老師，通過這些創(chuàng)新的模式把產(chǎn)學(xué)研更緊密地結(jié)合在一起。在此介紹兩點。

首先，《科學(xué)：無盡的前沿》一書雖然是70 多年前的思考，探討的是怎樣用創(chuàng)新去驅(qū)動經(jīng)濟的發(fā)展。實際上，產(chǎn)學(xué)研、很多研發(fā)是非常典型的紡錘形，源頭是對于結(jié)果不那么敏感的、更長期的、更高遠利益的投入。因此不管人形機器人的創(chuàng)業(yè)有多么火爆，不要把源頭的重要性忽視掉——還是有非常多的硬核科學(xué)問題等著教授們?nèi)ソ鉀Q。

第二，樂聚公司冷曉琨董事長曾提到：在做批量研發(fā)或系統(tǒng)級創(chuàng)新時，企業(yè)通常會有一個更成規(guī)模和成系統(tǒng)的平臺，這時怎樣去把老師們很了不起的單點技術(shù)引進、消化到企業(yè)的創(chuàng)新系統(tǒng)里，是需要多年積累和一些實操手感的，讓老師們覺得既不浪費其時間去做大量的工程化，又也能讓他們的技術(shù)真正地在產(chǎn)業(yè)中用起來。產(chǎn)學(xué)研的結(jié)合，對于國家、企業(yè)和老師是多贏的。

8   企業(yè)向?qū)W校提供項目，可以招到滿意的畢業(yè)生

大連蒂艾斯公司聯(lián)合創(chuàng)始人、總裁李博陽稱，學(xué)生畢業(yè)前更多地參與到企業(yè)項目里，可使企業(yè)招聘用人較容易。

現(xiàn)在很多高校老師有好技術(shù)沒有充分地挖掘出來，有一些項目在做的初期可能并不是專門為人形機器人做的，但是可以跟人形機器人結(jié)合。所以可以在體制的設(shè)計上更加開放，使高校的科研成果能夠更多地讓企業(yè)接觸到。企業(yè)可以到學(xué)校去選擇適用的、能夠進一步轉(zhuǎn)化到產(chǎn)品中的技術(shù)。

另外，在人才方面，很多高校優(yōu)秀的博士、碩士到了人形機器人企業(yè)后很難立刻上手，馬上融入到企業(yè)創(chuàng)新的交叉學(xué)科的環(huán)境中來。所以學(xué)生在校期間，除了老師帶他們來做一些項目之外，企業(yè)也可以提供更多的前沿項目，例如跟市場產(chǎn)品更緊密結(jié)合的項目（因為企業(yè)對市場和產(chǎn)品更為敏感），可以把這些帶到學(xué)校，從中提煉出科學(xué)問題，讓學(xué)生參與進來。那么企業(yè)在招人、用人方面會較容易。

9   高校和企業(yè)互補的案例與建議

深圳市眾擎機器人公司創(chuàng)始人兼CEO 趙同陽談了自己的經(jīng)歷。從2016 年創(chuàng)業(yè)到2018 年，碰到了很多算法問題。例如2016 年時，市面上找不到合適的力控算法。所以從2018 年到2019 年年初，盡管公司的硬件本體出來了，但是力控算法在國內(nèi)還沒有。不過當時有個契機是MIT 把算法開源（注：這也是源于高校的力量），但是國內(nèi)真正能用起來的沒有幾人。

為此，眾擎找到了山東大學(xué)控制學(xué)院的一位知名教授，他及學(xué)生們的能力很強，但是他們說可以把算法搞定，不過對于本體硬件可能需要6 個月時間。6 個月是企業(yè)難以接受的。最后，眾擎用了不到6 周就把本體做出來了。所以眾擎的產(chǎn)品聯(lián)合了山大的軟件成果。

MIT 的那套算法可以在國內(nèi)實現(xiàn)之后，眾擎希望把它分享出來，成為一個開源的項目。

在與學(xué)校合作的過程中還發(fā)現(xiàn)了一個問題：鐵打的學(xué)校流水的學(xué)生，一代一代的學(xué)生使得學(xué)生的技術(shù)積累不是非常有系統(tǒng)性，會造成人才的斷裂問題。例如過去3 年中，關(guān)于控制的人才隨著學(xué)校的培養(yǎng)應(yīng)該是足夠多起來，但今年這樣的人才仍是非常稀缺的。

但是眾擎仍然愿意求助于高校。高校在算法方面一直是處于前沿的，但是落地是有難度的。尤其很多高校在仿真環(huán)境里做得很好，但是到實物上很難確保。因此企業(yè)與高校聯(lián)合起來去解決問題，可填補從技術(shù)到工程落地的鴻溝。

另外，關(guān)于企業(yè)和高校的利益問題，很多高校需要發(fā)論文的配合，企業(yè)可以協(xié)助他們。企業(yè)需要知識產(chǎn)權(quán)和商業(yè)上的成功。實際上高校和企業(yè)是可以互利互惠的。

最后，關(guān)于高校的教育體系，很多課程還是比較傳統(tǒng)、陳舊的知識，與企業(yè)所需要的一些先進算法等知識還有一點兒差距的，但是學(xué)校的課程已經(jīng)固化了。因此希望高?？梢噪S時更新課程，這樣才能保證企業(yè)和高校時刻能在行業(yè)里處于前沿。

（本文來源于《EEPW》202409）