在英特爾研究院副總裁宋繼強看來，具身智能若要真正走進工廠、融入家庭，必須跨越“可靠性”這道巨大的障礙——而實現(xiàn)這一目標的方法，是為機器人配備三套系統(tǒng)。

1月20日，英特爾研究院副總裁、英特爾中國研究院院長宋繼強接受了包括鳳凰網(wǎng)在內(nèi)的多家媒體的采訪。

“如今的具身智能機器人，就像一個‘天才兒童’：在理想環(huán)境下表現(xiàn)出色，但一旦遭遇意外情況，就可能變得手足無措?！彼卫^強這樣描述當(dāng)前行業(yè)面臨的共同挑戰(zhàn)。

在他身后的屏幕上，展示著一個三層架構(gòu)的系統(tǒng)框圖——這正是英特爾為應(yīng)對上述挑戰(zhàn)提出的“三重系統(tǒng)”解決方案。

隨著ChatGPT引發(fā)的大模型浪潮逐漸延伸到物理世界，具身智能（Embodied AI）已成為全球科技競爭的下一個焦點領(lǐng)域。從特斯拉的Optimus到小鵬汽車推出的Iron，機器人正被賦予前所未有的理解和決策能力。

然而，從演示視頻走向?qū)嶋H應(yīng)用場景，一道關(guān)乎“可靠性”的鴻溝橫在眼前。宋繼強指出，當(dāng)前基于視覺語言模型（VLA）的機器人，其動作生成的準確率“大約在百分之六七十左右”，幻覺、環(huán)境適應(yīng)性差、長任務(wù)規(guī)劃能力弱等問題仍未得到解決。

“如果我們希望它能在3年左右真正實現(xiàn)落地，并且不出現(xiàn)因安全問題導(dǎo)致的重大事故，就需要盡早建立相關(guān)框架，凝聚行業(yè)共識?！彼卫^強表示。

系統(tǒng)架構(gòu)：為機器人裝上“三重安全保障”

根據(jù)宋繼強的闡述，一套可信賴的具身智能系統(tǒng)應(yīng)由三個層次組成：主系統(tǒng)（Primary System）、安全系統(tǒng)（Safety System）和后備系統(tǒng)（Fallback System）。

主系統(tǒng)承載著機器人的“智能”功能，負責(zé)決策、規(guī)劃和行動生成。英特爾大力推廣的“神經(jīng)符號AI”方法是其核心，旨在結(jié)合神經(jīng)網(wǎng)絡(luò)的泛化能力與符號邏輯的可靠性和可解釋性。

“它既運用了神經(jīng)網(wǎng)絡(luò)的泛化能力，避免機器人局限于單一的場景和方案，又能融合傳統(tǒng)基于符號、規(guī)則和知識的方法?！彼卫^強解釋道，這相當(dāng)于“提高機器人的下限”，確保其不會因幻覺等問題產(chǎn)生災(zāi)難性的后果。

但現(xiàn)實世界充滿了意外情況。執(zhí)行器故障、傳感器錯誤、未知障礙物、地面打滑……這些都超出了主系統(tǒng)的認知范圍。因此，需要引入更底層的保障機制。

安全系統(tǒng)是一個輕量、高可靠的監(jiān)控層，持續(xù)對比機器人的執(zhí)行狀態(tài)與預(yù)設(shè)的安全規(guī)則（如“不得碰撞人類”“持有尖銳物體時需保持安全距離”），一旦發(fā)現(xiàn)偏離就立即發(fā)出告警或進行干預(yù)。

如果安全系統(tǒng)也無法處理，例如機器人即將摔倒，后備系統(tǒng)就會被激活。它的目標不是讓機器人“緊急停止”，而是引導(dǎo)其進入一個可靠的降級狀態(tài)。

“比如，機器人可以像汽車一樣緩慢地靠邊?？?；如果即將摔倒，可以選擇無人區(qū)域，通過鎖定部分關(guān)節(jié)來實現(xiàn)緩慢摔倒?！彼卫^強說。

這套“PMDF”框架（分別對應(yīng)具身智能主控系統(tǒng)、監(jiān)控系統(tǒng)、安全決策以及故障處理和恢復(fù)），已被寫入英特爾聯(lián)合多家合作伙伴發(fā)布的《具身機器人智能安全子系統(tǒng)白皮書》中。宋繼強透露，白皮書發(fā)布后反響良好，不少學(xué)術(shù)界和業(yè)界單位都希望參與到推進工作中來。

專用芯片尚未到來，英特爾押注“傳統(tǒng)優(yōu)勢領(lǐng)域”

當(dāng)話題轉(zhuǎn)向硬件時，鳳凰網(wǎng)科技提出了一個問題：未來機器人領(lǐng)域是否會出現(xiàn)專用芯片？面對特斯拉、小鵬等車企自研芯片的趨勢，英特爾的機會在哪里？

宋繼強的回答坦誠且務(wù)實。他明確判斷，目前機器人市場規(guī)模還比較小，專用芯片在經(jīng)濟上是不可行的?！昂诵脑蛟谟跈C器人市場的規(guī)模目前還很小，對于芯片廠商來說，專門為機器人定制芯片很難實現(xiàn)盈利。”

當(dāng)前行業(yè)普遍復(fù)用手機、汽車、PC等領(lǐng)域的成熟芯片，并進行改造適配。更深層次的原因在于，機器人的“工作負載”尚未定型?！拔覀儫o法確定，芯片是應(yīng)該針對VLA的工作負載進行優(yōu)化，還是為后續(xù)的世界模型工作負載提供支持?！?/p>

在這種情況下，通用芯片是更穩(wěn)妥的選擇。宋繼強預(yù)計，只有當(dāng)行業(yè)形成標準化的工作負載后，專用芯片（ASIC）才會出現(xiàn)，其研發(fā)周期可能在10到18個月之間。

那么，英特爾的機會在哪里呢？宋繼強將答案指向了英特爾在工業(yè)控制領(lǐng)域長期被忽視的“隱形冠軍”地位。

“在傳統(tǒng)工業(yè)自動化領(lǐng)域，英特爾的市場地位可以用‘絕對優(yōu)勢’來形容……在工業(yè)場景的高精度、高頻率運動控制領(lǐng)域，大部分工控產(chǎn)品和工控板都是基于英特爾的CPU開發(fā)的?！?/p>

他總結(jié)了三大優(yōu)勢：一是技術(shù)遷移，將工業(yè)運動控制的經(jīng)驗遷移到機器人的動作控制層；二是資源調(diào)度優(yōu)化，確保運動控制等毫秒級任務(wù)不被其他任務(wù)干擾；三是多系統(tǒng)融合能力，實現(xiàn)隔離監(jiān)控和快速安全響應(yīng)。

對于當(dāng)下備受關(guān)注的酷睿Ultra等集成AI算力的芯片，宋繼強將其視為“穩(wěn)定的硬件基礎(chǔ)”。如果算力不足，可以額外配置AI算力卡。他預(yù)判，未來的主流部署模式將是“機器人終端+邊緣服務(wù)器”，在低延遲的前提下，將大模型部署在邊緣，形成跨網(wǎng)絡(luò)的異構(gòu)計算資源池。

現(xiàn)實瓶頸：數(shù)據(jù)孤島、VLA幻覺與成本懸崖

盡管藍圖清晰，但通往可靠具身智能的道路上充滿了困難。宋繼強在回答多個問題時，描繪出了當(dāng)前最主要的幾大瓶頸。

首先面臨的是VLA（視覺語言模型）的能力上限問題。宋繼強直言，當(dāng)前VLA的準確率僅在百分之六七十，存在明顯的幻覺問題，而且對視覺環(huán)境變化敏感，泛化能力較弱。“它并沒有真正理解場景的本質(zhì)，不具備對場景中物體三維關(guān)系、因果關(guān)系的認知能力。”

這也是行業(yè)轉(zhuǎn)而關(guān)注“世界模型”的原因——為其補充物理定律和因果關(guān)系認知。但世界模型自身也面臨著與真實場景融合的挑戰(zhàn)。

更深層次、更根本的挑戰(zhàn)來自于數(shù)據(jù)。宋繼強指出，數(shù)據(jù)問題是行業(yè)的核心痛點。具身智能需要場景理解、任務(wù)規(guī)劃和機器人本體三類數(shù)據(jù)，但目前的現(xiàn)狀是“數(shù)據(jù)孤島”現(xiàn)象嚴重。

“不同行業(yè)場景、不同機器人本體、不同任務(wù)類型所需的數(shù)據(jù)差異很大?！彼信e了建立統(tǒng)一數(shù)據(jù)標準的四個難點：數(shù)據(jù)完整性的定義不明確（是否需要觸覺等數(shù)據(jù)）；操作精度和頻率沒有統(tǒng)一要求；機器人本體沒有公認的最優(yōu)方案；數(shù)據(jù)采集視角尚未確定。

“因此，當(dāng)前行業(yè)仍處于各自探索的階段，短期內(nèi)會保持‘百花齊放’的狀態(tài)?！?/p>

最后一個關(guān)卡是量產(chǎn)與成本問題。宋繼強提醒，目前展會上的機器人大多是“手工制作的原型機”，零部件未達到車規(guī)級或工業(yè)級標準，一致性較差。“機器人整體價格的下降也依賴于大廠的進入?！?/p>

他以特斯拉為例，指出行業(yè)看好特斯拉的核心原因之一就是其強大的量產(chǎn)能力。只有通過工業(yè)化量產(chǎn)降低硬件成本，同時使智能能力達到標準，機器人才有可能走向更廣闊的商用乃至消費場景。

未來三年：從“展示天才”到“成為可靠工匠”

面對如此多的挑戰(zhàn)，具身智能的落地時間表究竟是怎樣的呢？宋繼強給出了一個謹慎的預(yù)測。

“要將這些能力整合為一套可靠的解決方案，把VLA的準確率從目前的百分之六七十，提升到工業(yè)級應(yīng)用要求的99%以上，預(yù)計還需要兩三年的時間?！?/p>

他描繪了一條清晰的落地路徑：

短期內(nèi)（1-2年），在物流分揀、工廠搬運、標準件組裝等半結(jié)構(gòu)化場景實現(xiàn)小規(guī)模部署。這些場景用工成本高、環(huán)境相對可控，能夠容忍機器人初期的高成本。

中期（3年左右），隨著智能能力可靠性的提升、行業(yè)安全框架形成共識，在上述場景中擴大應(yīng)用規(guī)模。

長期來看，則取決于量產(chǎn)一致性和成本控制的突破，需要大型車企等具備工業(yè)化生產(chǎn)能力的企業(yè)進入行業(yè)來推動。

“這一發(fā)展路徑符合Gartner成長曲線的規(guī)律。”宋繼強總結(jié)道，先以技術(shù)預(yù)期吸引投入，快速提升能力；然后在部署過程中解決問題，在早期場景中驗證商業(yè)化；最終大廠進入，推動規(guī)?；l(fā)展。

在采訪的最后，宋繼強反復(fù)強調(diào)“融合”與“解耦”這一對看似矛盾的關(guān)鍵詞。

融合，是新老技術(shù)的融合——將前沿的AI模型與經(jīng)過驗證的傳統(tǒng)控制技術(shù)、安全工程相結(jié)合。解耦，是軟硬件在能力層面的解耦——讓上層的感知規(guī)劃模塊能夠適配不同的機器人本體，降低開發(fā)成本。

“具身智能的發(fā)展不會依賴單一的技術(shù)突破，而是需要新老技術(shù)的疊加融合?！彼卫^強說。一項未經(jīng)充分驗證的新技術(shù)無法直接應(yīng)用于關(guān)鍵任務(wù)，只有與成熟技術(shù)結(jié)合，才能形成完整可靠的解決方案。

這或許正是英特爾在這場具身智能競賽中的獨特定位：不做最激進的顛覆者，而是做最可靠的整合者。利用其在工業(yè)領(lǐng)域數(shù)十年積累的“隱性知識”，為快速發(fā)展的AI“天才少年”，配備上經(jīng)過物理世界檢驗的“小腦”與“反射神經(jīng)”。

當(dāng)機器人離開聚光燈下的展示臺，走進嘈雜、混亂、充滿不確定性的真實世界時，決定其價值的將不再是它最驚艷的瞬間，而是它最不容易出錯的下限。而這，正是一場關(guān)于“可靠”的漫長工程的開端。

本文來自微信公眾號“鳳凰網(wǎng)科技”，作者：于浩，編輯：董雨晴，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com