对话机器人公司“加速进化”：会踢足球，成家庭保姆还有多远？

赵维晨认为人形机器人必须先做到“四肢健全”，再追求“心智健全”，足球场景是锻炼机器人的运动能力、感知算法等关键技术的试金石，这些能力提升后都能迁移到未来的家庭陪伴、教育等更多场景。

谈及技术路径，赵维晨直言，当前引发热议的VLA技术路径仍是建立在大语言模型的逻辑之上，过于依赖海量标注数据和固定模式，并不是最优解，三到四年内一定会被颠覆。

以下是澎湃科技专访内容：

VLA算法未来三年内会被全颠覆

澎湃科技：足球赛对人形机器人有哪些技术挑战？

赵维晨：人形机器人必须先做到“四肢健全”，再追求“心智健全”。有了强大的运动能力的支撑，大脑算法可以先用相对简单的分层模型落地应用，通过落地应用采集到真实场景的数据，结合合成数据，才能逐步训练出认知健全的大脑，这与人类的成长路径相似。

足球场景能锻炼机器人的运动能力、感知算法，比如识别球、队友和对手位置等、定位导航和决策逻辑，将来这些能力能迁移到家庭场景，譬如机器人能主动迎接、跟随，情感陪伴，充当互动教练，以及实现工业场景里精细的手部操作。

澎湃科技：实现无遥控人形机器人参与踢足球的难度有多大？

赵维晨：足球赛事对抗激烈，机器人需要强大的运控算法来抵御冲撞并保持平衡，摔倒后可在一秒内自主起身。我们率先应用端到端运动大模型，直接将视觉信号输入神经网络，输出关节控制指令，大幅提升运动泛化性和稳定性。第一个应用是大力射门：去年世界冠军最高踢到35厘米，我们能踢到2米，直接越过人墙。

澎湃科技：你们的训练数据主要来自哪里？

赵维晨：主要来自足球场景采集真实的物理数据，并结合视频合成数据，通过最新的模仿学习加强化学习实现视觉信号直接输入神经网络。

我们认为，遥操的数据体量无法支撑具身大脑的训练，目前视觉语言动作模型（VLA）算法还是基于大语言模型那套，未来三年内会被全新的底层算法体系颠覆。

澎湃科技：今年北京的世界机器人大会上关于视觉语言动作模型（VLA）有很多争议你们怎么看？

赵维晨：自动驾驶单日数据量可达上亿条，而全国具身最大的开源数据集规模才百万级别（不到10TB），大语言模型是靠几十年互联网上的文本数据累积，而机器人加上双轮双臂操作10万或100万小时，根本不可能训练出一个多模态具身大脑，只能验证早期算法框架。具身智能真正的路径与自动驾驶类似，先通过L1、L2、L3再落地收集大量真机数据，然后再逐步迭代到AGI。

技术层面，我们认为，视觉语言动作模型（VLA）不是最终解，它仍是基于Transformer的LLM逻辑。大语言模型迭代经历十多年海量语料，才形成如今的尺度定律（Scaling Law）。VLA模型总体依赖训练数据中的固定模式，需要海量标注数据才能“记住”固定场景，很难帮具身泛化。

现在所有的技术方案，未来三到四年一定会被颠覆，也会出现类似DeepSeek这样的鲶鱼效应、开源的方案。

机器人进入家庭还需要10年

澎湃科技：2024年10月你们的BoosterT1发售，现在销售情况如何？客户主要是谁？

赵维晨：销售没超出预期。2025年我们上半年出货交付了数百台，其中50%是全球化订单，主要集中在赛事和科研。顶尖球队采购我们的机器人软硬件平台，用于开发和测试决策算法。足球也是开发者入门的理想场景，从入门到精通，甚至能发表顶级论文，打赢人类至少100篇顶刊。

澎湃科技：你们会担心订单量吗？

赵维晨：对我们来说，最核心的不是订单量，而是交付量。我们现在T1成本价在10万元人民币左右，很多公司签署了大量“意向订单”，但如果没有量产的工程化能力，没有交付能力，旧不是真的商业化。我们的订单交付周期在15到20天左右。

未来我们的商业化路径也很清晰：短期做赛事、科研、教育（比如高校和K12的机器人课程）、这是百亿级赛道；中期从明年开始，切入家庭搬运、陪伴这些场景，目标千亿级市场；长期结合开发者生态往家庭管家、智能助理这些通用机器人方向走，那是万亿级市场。

澎湃科技：目前投资人最关心你们的是哪几个问题？

赵维晨：比较关心我们的应用Agent生态建设，硬件量产进度，全球化进度，以及运控算法在全球市场的领先程度。其他很多问题上面有覆盖。

具身智能大模型还没有显著的共识

澎湃科技：在你们看来，人形机器人走进家庭场景要经过哪些场景和技术验证？

赵维晨：我们很明确不做工业场景，因为简单任务已经被传统机械臂解决了，剩下的要么太难，五年内落不了地，要么市场太小。轮加双臂结构早在5年前就有成熟的舵机高性价比解决方案，能够解决大多数封闭工业场景的需求。

我们重点会放在家用机器人，让它成为除手机、电脑外新的交互形态和生产力工具，要对标苹果和微软，做三件事：硬件（端）、操作系统、开发者工具。就像手机电脑得有应用才能普及，机器人要进家庭，也得有第三方开发者基于开放生态、简单工具和操作系统开发应用，实现各种家用场景的落地，尤其是后两者涉及大量软件的投入。

大脑层面我们不着急，等三年后技术路线收敛些，我们有了一定收入体量再投入。

澎湃科技：是否可以理解为，你们也在等一个适配机器人的AI大脑？

赵维晨：我们认为端+操作系统+开发工具是个万亿美元的市场，大脑也是万亿美元的市场。但作为创业公司我们目前不会投入在大脑，因为成功率太低。等我们收入达100亿人民币的时候，在大量垂直场景落地后，我们会开始大脑层面的投入，但目前可以先合作为主。

澎湃科技：人形机器人进入家庭，你们保守估计还有多久？这是一个目前可以预见的必然趋势吗？如果是，你们认为会以怎样的形态？

赵维晨：一定会经历从早期使用者到早期大众最后到后期大众的链路。核心是得通过杀手级应用和教育（如学校计算机机房，上机器人课程普及）进入早期使用者，再通过生态成熟、应用多样化、成本下降进入大众市场。前者需要3年，进入早期大众可能需要5至10年，10年后实现较大规模普及。

澎湃科技：在你们看来，现在人形机器人还有哪些非共识问题有待解决？

赵维晨：一个是大脑层面的技术路径非共识，目前VLA的路径一定不是终解。另外比如核心零部件硬件部分的技术路径也没有收敛，包括灵巧手原来都是直线推杆，现在变成关节电机，还有一部分在做绳驱，用一段时间会松。现在比如加入钨丝等新材质。

在这波技术路径下，很明显的一个变化是，当下的硬件本体的构型有收敛的趋势，在外形方面正在变得比较类似。但在具身智能大模型的领域，还没有看到特别显著的共识。