新ManBetX万博中国官方网站同与异：具身智能的未来世界线（下）

　　新ManBetX万博中国官方网站同与异：具身智能的未来世界线（下）硬件落地的时间总是长于软件。通用机器人讲的是什么故事？ 具身智能未来有潜力的场景在哪里？ 对场景需求的理解究竟有多难？ 这一波 AI 对于工业场景而言，是新公司还是老公司的机会？二级市场怎么看？是否存在”优雅“ 的解决方式？…… 书接上回， 让我们继续听嘉宾们从切身的经验出发，对现状做分析，对未来做畅想。 Enjoy

　　•在日本 68% 的老人是不给子女存钱的，中国目前也有 20% 左右的老年人舍得花钱或者有经济能力，只是不知道哪里可以采购到需要的适老化服务

　　•机器人的目的是去为了代替人，但更偏向解决最刚需的一部分问题，把重活、脏活交给机器人来干，把有温度的、有肢体关怀的，由人来完成

　　•目前最有需求的是个人护理场景，近 3 亿老人中至少有 4-5000 万需要长期使用抱、托、翻身的群体，再加上残疾人这类群体也需要类似的护理服务，至少有 1 亿人以上

　　•大家觉得服务场景，特别是家庭场景有很大的潜力的原因在于，一是量大，二是并不靠纯 ROI 的逻辑去卖产品

　　•机械臂类似一台服务器，送餐机器人类似一个好记性，给他 ChatGPT 也跑不起来，关键需要一个手

　　•过去我们所有的自动化模式都不是按人完成一件任务的方式去完成，而是把这个任务改造成适合自动化的形式。需要去重新审视的是，一个任务即便需要自动化完成，但到底还要不要按照人完成这个事情的方式去解决？

　　•具身的技术，相对于之前的技术，最大的优势就是对场景的理解，这波 AI 解决的是把动作级的智能变成任务级或者场景级的智能

　　•从二级的角度，手机卖出的数量乘以一个汽车单价的产品，在整个人类的科技历史上，截止到目前没有出现过

　　•当年工业机器人的产业发展，国家补贴了 3 年，整个工业机器人的数量从 200 家迅速扩张到5 万家（包括整个产业链）

　　•目前大家不知道什么是好的，甚至不知道到底人形机器人需要什么样的大模型，各个模型的差异到底是什么，英伟达、特斯拉在里面的位置是什么

　　•过去的经验在于那些技术进步已经是发达国家验证过、落地实践过、证明可行了，国家投入重金补贴，行业可以快速被带动。但是具身智能这个技术到底潜力、天花板在什么地方？现在没有人知道，因为大家都没有达到过天花板

　　•目前 AI 的进展很可能不存在一种优雅的解决方式。所谓优雅，就是一套理论能够普世几乎所有的问题

　　孟鹏飞：国家和社会层面为此投入大量的资本和资源，从业者也大都是高学历的精英人才，肯定期待做出来的机器人能够发挥更大的价值。然而，要严格控制机器人成本，会导致能落地的大多是基础场景。那我们就要思考，落地的结合点在哪里？

　　高阳：有一些在中国成本较低的场景，在国外因为人力成本昂贵所以成本还是很高。我博后的导师做了一家公司 Covariant，核心做 pick&place，流水线作业，把物体抓起来放到另一个位置。本来一年人工雇佣成本 10 万美金，现在用租赁机器人的模式，年费用 5 万美金。我觉得这就是未来比较有潜力的场景之一，从欧美市场先入手，去替代基础工资比较高的人力。

　　刘琪：我感觉落地的场景无处不在，花 10 万元买全能保姆是可行的。我觉得人反而不可靠，绝大部分事情都做不好，90% 以上的人未来都会请机器人。大家思考 AGI 多久才能实现，2022 年至今已经发生了翻天覆地的变化，大量 AI 人士涌入具身智能行业，通用机器人进展迅速，行业被大力推动。

　　韩峰涛：我觉得通用机器人讲的不是一个单价的故事，而是一个单价乘以数量的故事。一旦讲通用，任何一个要上量的东西都不会特别贵，除了汽车。汽车除了交通工具属性之外，某种程度上是一个移动的私有空间。大家想想，有哪个人手都有的东西会很贵？但卖水的却可以成为中国首富。最贵的东西除了奢侈品，有实用价值的不多。因此，我觉得第一个是量，一个机器人 3 万-5 万元，如果卖给全球老人，是一个年万亿级别的产品。第二个是看场景，需要结合时间阶段一起考虑，期间拿到足够多的钱是重要的。

　　刘姥姥：养老场景当前最直接的需求是做适老化改造。简单来说指城市、社区、小区等场景下，让老年人觉得友好的环境，目前是一个劳动密集型的服务。适老化改造，简单来说就是到老人的家里，对不适老的地方进行优化。目前来说 2C 的市场刚刚起来，等到现在 50-60 岁的人，再往上走 5 年左右，整个群体的消费意愿和消费能力会有很大提升。比如在日本 68% 的老人是不给子女存钱的，中国目前也有 20% 左右的老年人舍得花钱或者有经济能力，只是不知道哪里可以购买到需要的服务。

　　现在有些服务商会与保险公司、私人银行、家办等建立合作。以某保险公司为例，推出100 万以上最高到 3000 万不同档位的居家养老产品，受益人是双方的父母。服务包括适老化改造、保姆、保洁、康复护理、看病、医疗等覆盖吃穿住用行场景。

　　未来我认为养老一定是机器和人一起服务，机器很难完全代替或取代人，主要用来解决一部分的问题。但机器是没有温度的，老年人内心特别脆弱，最怕孤独，很多人都在说老了之后找个山清水秀人烟稀少的地方，那是因为你还没老，你老的时候绝对不这样想。当真的身体机能衰弱的时候，就一定要找个热闹的地方，哪怕一句话都插不上，就坐在角落，听别人聊，都觉得很开心。机器人的目的是去为了代替人，但更偏向解决最刚需的一部分问题，把重活、脏活交给机器人来干，把有温度的、有肢体关怀的，由人来完成。

　　刘姥姥：一定要了解真实用户需求，真实的场景和大部分工程师想象的完全不一样，工程师不在真实的一线，自己的身体状态和用户也完全不一样，大部分都是靠猜，这是一个目前非常普遍的问题。特别是养老行业，很多产品、研发没有亲身经历，根本就不知道真实痛点。比如语音呼叫按键，正常行为的人可能觉得没有必要，但用户觉得这东西特别方便。

　　我的感受是人形机器人的落地可能没有那么遥远了，比如适老化改造这个场景，包含了软硬件的服务。目前可以直接落地的硬件包适老化电器、家具，智能化防跌倒设备等，现在也开始有一些智能机器人公司和我们进行合作做部分场景落地，他们缺乏真实用户在家庭场景的需求数据，这些信息是很难获取的。

　　我觉得一定要找最刚需的场景，比如我们发现目前最有需求的是身体不便的个人护理场景，保姆或者护理人员不太愿意去提供的服务，特别是长期面临处理排泄、污垢等，这一部分可以由机器人去完成。根据大量的调研，我们发现有钱、没钱都有概率愿意购买。目前这个阶段，但凡不是那么刚需的话，有钱的有概率去买，没钱的肯定不会买。至于量的问题，我觉得可以把思路延展一些，不止老年人，也包括残疾人。在我们的调研对象里面，有 20 多岁的年轻人，也需要适老化清洁产品。但同时，这块也是需要考虑成本的，有些很脏环境很不好的工作，也不是完全没人干，对于没有什么竞争力的人来说，一个月能拿 4-5000 元短期也能接受。

　　刘姥姥：24 小时至少要有 2 个人，如果有老伴可能就请 1 个护理人员，老人即便睡觉，可能隔 2-3 个小时要翻身，或者有很多紧急呼叫。对老年人的长期护理，比如抱、托等动作，护理人员的身体受不了。在日本，甚至有很多专门针对护理人员的省力保护的设备。很多老人本身脾气也很古怪，护工的流动率又很高，子女又没有办法全职照顾，子女对护工都是很恭敬的，这些无形费用很高。这就是很现实的千千万万家的痛点。近3 亿老人中至少有 4-5000 万这类的群体，再加上残疾人这类的群体也需要类似的护理服务，至少有 1 亿人以上。对比日本老龄化（超过65岁以上）更高达到 30%，中国市场未来还是有巨大增长潜力的。

　　孟鹏飞：这个赛道非常难，前几年我们和海外有过很多合作和探索，包括陪伴的、助残的、健康的，所有养老的，跟智能相关的大多都失败了。当时日本一度有一个很明星的外骨骼公司，已经被纳入日本的医保，通过美国的 FDA 认证。最开始的时候是卖 200 多万，后来降到 70 万，再后来降到 50 万还是卖不动。

　　刘姥姥：我们研究过他们。不好用是一方面，还有就是价格确实特别高，哪怕纳入了医保承担 90%，都不是一般人能承担得的了。而且日本的东西确实太贵了，这个事情中国做更有优势，把价格打下来。

　　孟鹏飞：商业模式是一个需要考虑的问题。老龄化严重的日本目前有一类产品在养老、智能化方面做得还可以，就是电子小宠物，可以抚摸、对话等，这种可以盈利。

　　韩峰涛：C 端甚至需要市场教育，包括机器人还没有建立伦理标准和道德判断标准，可能智能宠物是一个更舒服的切入点，特别对日本来说。

　　冷哲：可能一开始还是做一些自动化的设备，或者挑一些很精准的场景，并且需要政府或者相关的保险公司去推动。

　　孟鹏飞：除非机器人这块研发得特别好，不然万一遇到一些问题，可能会有较大的安全事故。我们觉得要有极高的可靠性后，才能做一些和人接触的具体动作，因为 服务对象是伤残的，所以对机器人的要求更高。

　　刘姥姥：我觉得不需要一步到位，用一个人形把所有的事情全部都干完。但有很多场景的痛点是机器人可以去解决的。包括刚才说的抱的问题，真的是刚需。抱老人，无论是在养老院里，还是在家，长期抱谁都抱不了。现存的刚需解决方案费用高，但技术含量低，譬如有一种解决方案是一个轨道，把老人吊着坐起来，也可以遥控。

　　一人失能，全家失衡，这个场景真的太痛，这些需求被研究和生产的很少，没有人在生产。比如说一个恒温淋浴座椅器，可以卖到 7 万元 ，顾客觉得特别好，出了就可以买。又比如，光智能药盒的需求量其实也很大，我们现在客户几乎是家家标配。800 多块钱到 1, 000 块钱之间的产品，科技含量非常低。去年很火的闺蜜机，现在也在找我们做针对老年群体的改版。现在关注养老的企业特别少，产品还很初级，针对老年人需求的产品只要通过简单的产品改造就能完成。

　　韩峰涛：可以先切入一些没有完全失能的场景，机器人的存在可以让他们的生活变得更简单。人的机能下降一般是逐步下降的，比如 3-5 年，机器人可以让老人在这段时间的生活更好一些。

　　一个新技术，初始阶段大概率用户是不多的。从大哥大到红米，中间经历了多长时间？但长期来看肯定是大事。为什么还是有公司选择落地工业场景？因为工业有现成的场景，目前工业机器人也只是解决了 2% 的生产制造环节问题，还有 98% 解决不了的仍然是靠人。中国有 1 亿的制造业产业工人，工业肯定是有一波机会的。

　　韩峰涛：一个产品只要开始落地，绝对要讲成本，特斯拉也在卷成本。工业机器人在中国渗透率已经很高了，60% 的工业机器人卖到中国，渗透率只有 2%，已经造就了一个 1,000 亿美金的市场，全球更低。如果机器人受益于 AI，渗透率提升一个数量级到 20%，就是 1 万美金的市场份额。

　　韩峰涛：我目前觉得大概率是一个短期机会，技术开源之后，原来的供应商都会拿来用。如果 AI 能解决工业里低效率、高成本的生产问题，在服务场景绝对也可以，先进技术肯定大部分都是从军工、航天工业应用开始，要求逐步变低。

　　绿洲：大家觉得服务场景，特别是家庭场景有很大的潜力的原因就在于新ManBetX万博中国官方网站，一是量大，二是并不靠纯 ROI 的逻辑去卖产品。扫地机一天没扫用户不会觉得亏了，但商用清洁一天不运作就不行了。

　　冷哲：商用后厨目前最大的问题是，如果不能稳定的识别极高的识别率、成功率，客户采纳的意愿不强。而且还有一个问题，就是机器人和专机相互竞争。像麦当劳这样的餐厅，因为都是标准化工具处理标准化的食材，从炸薯条到炸鸡块到做汉堡，都是标准化工具，可以直接使用一套自动化的后厨生产线。麦当劳就会问：为什么不用一个更适合我场景的专机？灵活机器人的价值到底是什么？海底捞 2018 年之前就在考虑后厨全自动化，自动配锅机、机器人食材仓库、送餐机器人都是他们最先规模化进行应用。在海底捞之前，送餐机器人公司，国内已经有接近 10 年的历史了，但是除了有些餐馆愿意买来做噱头以外，没有人愿意用，最后是海底捞愿意用，起到了示范作用，市场渗透率才有了比较快的提升。所以新的机器人即使是做出来，市场教育也是一个很难的事情。海底捞这个事情有很大的偶然性，如果海底捞不用，送餐机器人的推广是不是会晚个 3 年、5 年，甚至 10 年？很多餐馆的通道，往往只允许一个人正向通过，或者两个人侧身通过。在这个环境里面要采用机器人的话，两个机器人没有办法对向行走。意味着这样的门店大体上只能用 1-2 台，一般只能用 1 台。

　　冷哲：空间没有办法，这些餐馆之内的通道大量的都是“死胡同”，很难通过调度算法来满足更多的机器人同时运作。很多餐馆与其花费更多的空间来构建环形通道（或者拓宽通道）供更多的机器人去运作，不如多摆桌子做坪效，或者缩小面积减少房租成本。所以采用更多的机器人的代价是很大的。

　　冷哲：这就是长期的问题了，而且要考虑一个问题，这种机器人过于瘦高的话可能不稳，一旦上一个坡，或者侧倾就倒下去了，会不安全。另一方面，很多餐厅里，人类传菜员会需要做很多其他工作，比如切配、打扫卫生等。所以客户的购买意愿会受到很多因素的制约。

　　冷哲：是的，这个场景其实是有需求的，是个很好的生意。之所以现在大家竞争得这么激烈，只是因为这个里面的公司太多了。国内人才过剩，所以看到个靠谱的方向，就会有好几个背景很好的团队都扑上去，在国内卷生卷死。于是大家都发现出海反而收益更高，因为国际上的竞争对手很少。看全球市场，日本好像只有一家很一般的公司在做，美国几乎没有公司在做这个事情。

　　绿洲：因为 AI，大家对机器人打开了 10X 的想象空间，那 AI 对于餐饮场景的价值是什么？

　　韩峰涛：对不同场景是不同的。客观来说，对送餐机器人可能帮助有限，首先有硬件，移动机器人是个小车，AI 用在什么地方？但机械臂的硬件边界是好的，给移动机器人一个机械臂就可能拓展很多功能。机械臂类似一台服务器，送餐机器人类似一个好记性，给他 ChatGPT 也跑不起来，关键需要一个手。我觉得 AI 带来的机会跟移动机器人关系不太大。再说到扫地机器人，目前的智能程度已经够了，避障之类的移动技术相对比较成熟了，能用上 AI 能力的有限。

　　孟鹏飞：我觉得有一个场景有需求。比如厨师在炒菜的时候需要专门有人递东西，不同的刀、勺子、材料，因为一个厨师不是同时炒一个菜的，同时有 10、20 个厨师炒 30、40 道菜，这种递菜的人叫打荷工。这个工种大家不愿意干，很累、很忙，但学不到技术，就是打杂，所以非常难招人，工资很高。如果 AI 提升之后让机器人的移动速度、识别能力等提升，是比较好的。

　　韩峰涛：这种场景就是我说的，机械臂 1、2 个加上移动能力是可以的，但真的要机械臂炒菜，要求会更高。

　　高阳：取决于要拿多少种东西，比如说菜如果都是放盒里的，那还是挺简单的。要拿的东西数量如果比较有限，或者形状比较有限，还是可以做的。

　　冷哲：目前后厨的场景人做的事情挺多的，如果预包装的内容标准化程度很高，应用落地就会更快。发那科的食堂就有一个煮面机器人，旁边有个制面机自动出面条，卤是提前做好的，机械臂就负责煮面、沥水以及浇卤子。工序相对标准，机器人是可以做的。做不好的是非标的场景，比如来了一捆葱，要先把葱的叶子去掉，然后清洗。这一代具身技术能不能把这个事情搞定呢？能，但成功率是多少？既然没有人敢打包票说成功率极高，没准葱上面还有泥呢，菜就送进去了。

　　高阳：我觉得这种的确很难，太非标了。我感觉洗葱应该是预制菜的工厂里面有类似喷水的机器等自动化设备或者专机操作。

　　冷哲：这个事情回到一个悖论，人形机器体上想取代人，但过去我们所有的自动化的模式都不是按人完成一件任务的方式去完成的，而是把这个任务改造成适合自动化的形式。比如速冻包子，机器包的包子看上去跟人包的很像，但实际上包的过程完全不一样，只是上面印了几个褶子，看上去像人包的。这种现象需要去重新审视的是，一个任务即便需要自动化完成，但到底还要不要按照人完成这个事情的方式去解决？也可能是另外一种方式。

　　高阳：这是很好的一个观察，比较重要的思考点是人和自动化设备，或者人形机器人和自动化设备的边界是什么。

　　冷哲：我觉得具身的技术，相对于之前的技术，最大的优势就是对场景的理解。上一代技术是能识别这是什么东西，然后去操作。这一代技术是识别这是个什么场景，接下来要干什么，然后把事情完成。具体是个人形机器人，还是长了四个胳膊的机器人，可以很灵活。

　　韩峰涛：这个其实是 AI 的分层，AI 怎么定义？一个人造的东西，有了一定程度上的自动完成某个功能的能力，也叫 AI 。最早让一个电机按照某种转速运转，不管多少干扰，都保持在 100 转，某种程度也是个 AI。原来机器人的软件水平只在动作智能，你告诉它画个圆，它就给你画个很好的圆。但是让他观察周边的环境，把这个东西画下来，他不行。所以这波 AI 解决的是把动作级的智能变成任务级或者场景级。刚才冷博说的上一代机器人是动作级的 AI。但只做动作是不行的，现在 AI 可以智能化拆分任务，很多任务机器人都可以自动完成了。

　　冷哲：我觉得大家的方向是不一样的，因为每个公司都有自己的应用场景。现有的工业机器人公司，他们的应用场景非常明确，与其去追一个还不明确的应用场景，不确定投入后能拿到多少份额，不如把现在的应用场景搞得更扎实一些，确定性更高，也能提高利润，这是一个最优解的问题。

　　韩总：这次的技术进步很大，带来的是整个产业机会的潜力，在工业里只展现了一部分。 工业里的机会是相对确定的。AI 技术进步让工业机器变得更好用，更智能，比如智能焊接、智能搬运等新ManBetX万博中国官方网站。但场景仍然只是工业级别的生产能力。如果机器人变得更加智能，可以走向商用、家用、服务的时候，数量空间肯定比工业高出几个数量级。拿计算机举例，家用电脑没出来之前，原来的服务器没有显示器，显示器出现后，对于服务器肯定是更好的操作界面。但显示器的意义更多在于，一般人不懂复杂操作的时候，显示器让计算机能走入家庭。

　　冷哲：具身技术我觉得还是放在复杂任务、复杂场景更有价值。高度结构化的场景，没有必要用这种技术。

　　孟鹏飞：首先从政策端，我觉得国家会出台各种产业支持政策。任何行业如果确实非常好，刚起来的时候一定会有泡沫，早期没有泡沫的行业大概率不是一个好行业。现在机器人行业的泡沫还不算大。从二级的角度，这是一个手机卖出的数量乘以一个汽车的单价，在整个人类的科技历史上，截止到目前没有这样的产品。而且，这个状态只是刚开始，我们相信未来会有更大的潜力。

　　政策端，今年以来，各地政府都在和辖区内的相关企业进行研讨，一些上市公司或者国企也在加速探索人形机器人的应用。硬件和大模型软件对比来看，前者我们的优势更大，一是硬件肯定是中国的优势，二是我们有非常多的场景，有很多可能是特斯拉、英伟达也想不到的，而且中国的团队只要觉得有机会，就可以迅速把成本降得很低，让落地成为可能。

　　一年多时间，完全号称要做人形的，现在我统计了下已经超过 30 家了，到明年估计超过 50 家，这个量级还不够大。就像当年工业机器人的产业发展，国家补贴了 3 年，整个工业机器人的数量当时从 200 家迅速到了 5 万家（包括整个产业链）。在中国，任何事情第一波参与是更好的，有能力的团队应该尽早参与进来。

　　孟鹏飞：但目前大家不知道什么是好的，甚至不知道到底人形机器人需要什么样的大模型，各个模型的差异到底是什么，英伟达、特斯拉在里面的位置是什么？

　　高老师：从学术上说，仍然有一定的变数，其实就像 BERT 和 GPT，BERT 是 GPT 火之前非常火的一个自然语言处理的模型，我觉得现在具身大模型就处在于 BERT 和 GPT 并存的时代，判断哪个技术路线能做出来，我觉得还比较早，但我觉得肯定最后会至少像是类似 GPT 这样量级的事情，并且最后的确会存在一个大模型可以用在很多很多场景。如果 GPT 说话，具身大模型做动作，我更倾向于这是会随着一家做硬件的公司去同步起来的，因为一定要有场景、有硬件才能真的把这个大模型用起来。不像是一个纯互联网的，不可以独立存在。GPT 是一个时代，自动驾驶是一个时代，但英伟达一直是一个平台性的角色，各个参与方都可以用他的卡，得到很好的支持。说到竞争对手，我觉得可能特斯拉是一个很大的竞争对手，因为他有产业链，他真的在认真做硬件，也积累很多开发经验。

　　刘琪：我觉得可能有一个机器人 Embodied AI 的小模型去交互，这种是针对机器人数据专门进行微调的，上层大模型，绝大部分任务通过一个小模型就可以完成，遇到困难的问题的时候，再调用大模型更高智商的能力，所以我觉得小公司不应该去做一个大模型。

　　冷哲：我觉得硬件相关的数据也是蛮有价值的，比如遥操作的数据、超模态数据集。但数据生意是卖水的生意，取决于多少人要淘金，如果淘金的没这么多，或者自己能带水，那这个生意就不行了。独立的数据生意可是一个能干几年的小生意。

　　孟鹏飞：有一个画面，在特斯拉的工厂里，机器人在工作，人形机器人可以操控工业机器人。在机器人发展的早期，成本不会很快下降，但公司会收到大量补贴，包括税收优惠、政府补贴。

　　冷哲：我在考虑的是目前处于时间线的哪个位置。电动汽车这几年起来了，但离我们比较近的上一波商业发行的电动车是在 1990 年，美国通过大量的补贴让通用汽车做了一款铅酸电池的电动汽车，那个时候很多人认为电动汽车的时机到了，现在看其实是太早了。2010 年大家在讨论自动驾驶还有多少年能大规模落地，乐观说 5 年，悲观说 10 年，现在呢？刚才孟老师讲的也是有道理的，但过去的经验在于那些技术进步已经是发达国家验证过、落地实践过、证明可行了的，我们国家投入重金去补贴，行业是可以快速被带动的。但是具身智能这个技术到底潜力、天花板在什么地方？现在没有人知道，因为大家都没有达到过天花板。就像当年深度学习刚起来的时候，大家觉得深度学习无所不能，天花板无限高，结果跑了几年以后发现天花板在这里。

　　3-5 年，我觉得有 1-2 个应用场景，每年能获得几亿到几十亿的收入，关键是谁能抓住那个场景。因为深度学习虽然最后没有达到预期，但是人脸识别最后还是落地了，这个生意其实蛮大的。比如，电动车，在这一波爆发式增长之前，虽然 1990 年那一拨没有大爆，但厂区里用的电瓶车、老头乐，其实也有不小的市场需求，但是没有大家预期那么大，关键还是找到一个非常精准的应用场景，我觉得是这一波创业最关键的，只盯着做一个大而全的通用化的东西是没意义的。

　　刘琪：3-5 年，我觉得硬件和软件都会有很多迭代，比如运动控制、抓取在模态控制的理解等，我觉得会有人愿意买人形机器人在生活场景做一些简单操作，再往后达到一个突破点之后，具身智能软件和硬件的迭代速度会指数上升，能应用的场景会快速增多。

　　高阳：未来 1-2 年内，会看到一个走来走去的人形机器人做一些操作，可能不是特别稳，可能不能商业化，但会出现更加酷炫的 demo新ManBetX万博中国官方网站，当然真的能在家庭场景落地还是很困难的。可能在一些灵敏度低、成本不敏感的环境，3 年内会有比较多的落地，更多的普通人会更有体感。

　　韩峰涛：我觉得 5 年之内大家在日常生活中能见到很多机器人。我觉得大家能见到最多的机器人第一个是玩具属性的。GTC 这次又出圈，去年在机器人圈也引发了很多讨论。包括迪士尼的机器人部门也是很厉害的，但目前没有量产。我觉得由于功能可以做的更多，成本也持续下降，玩具机器人形态可能会出现更多。第二就是在商用服务领域，肯定会见到各种各样的，带一个或两个手臂的、跑着或者走着的。家用场景我不确定。构型来看，我觉得移动的带底盘的机械臂会大量出现。

　　高阳：我觉得从产品上来看，硬件做好，可靠可用，中国是可以卷得赢的。而且我们国内很多学者也是海外这些顶尖科学家的团队成员。

　　冷哲：这么来看，自动驾驶，DARPA 搞第一届 Grand Challenge 的时候是 2001 年。现在看，如果自动驾驶大家能日常使用起来，我觉得还在国内。我认为目前AI 的进展很可能不存在一种优雅的解决方式。所谓优雅，就是一套理论、少数几个公式、算法能够普世地解决几乎所有的问题。自动驾驶很典型，一开始大家以为有一套优雅的解决方案，拼命在找，但最后发现没有。一旦没有优雅的解决方案，最后就变成什么？就是拼人力，那可就不是美国擅长的事情。中国的工科学生每年毕业人数是美国的 10 倍以上，比整个发达世界加起来还多。高智商人力也好、一般的人力也好，没有一个国家能超过中国，在自动驾驶这件事情上已经看得非常清楚了。这个事情里有太多后面 case 需要靠人力去趟平的，靠一个优雅的解决方案解决不了。现实里遇到的人工智能问题是类似的。你没有办法用一套非常优雅的解决方案把它解决掉，你的信息或者是某些条件就是不满足，或者现在的智能就是不满足。虽然 99% 的情况可能都能用优雅的 AI 算法解决掉，但最后那 1% 仍然是影响用户最终是否愿意用这个产品的关键，优雅的技术解决不了，就需要靠人力去趟。一旦要拼人力，而且就算是拼博士级别的人力，那美国也没有优势。就算美国有很多顶尖的人，但最顶尖的人的数量是有限的，他们是不会去解决这些极端案例的。我还是相信先锋理念真正到落地的时候，中国会是最先落地的。