henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

還記得Hugging Face去年推出的桌面機(jī)器人Reachy Mini嗎？

在剛發(fā)布的時(shí)候，量子位曾第一時(shí)間報(bào)道過這只身高28cm、體重1.5kg的“萌物”《抱抱臉進(jìn)軍具身智能機(jī)器人：5小時(shí)成交破百萬，299美元起售》。

而在過去的大半年的時(shí)間里，這款桌面開源機(jī)器人已經(jīng)交出了一份頗為亮眼的成績單：

5天銷售額突破100萬美元、累計(jì)出貨3000臺以上，甚至還登上了黃仁勛的CES展臺

也正因如此，很多人第一次意識到——

那個(gè)被稱為“AI圈GitHub”的平臺，正在把開源哲學(xué)真正帶進(jìn)具身智能世界。

不過，很少有人注意到，在這款299美元起售的小機(jī)器人背后，還有一家中國公司參與了關(guān)鍵一環(huán)。

它就是矽遞科技（SeeedStudio），Reachy Mini正是由它打造。

作為一家開源硬件平臺，矽遞并不是像宇樹那樣做整機(jī)產(chǎn)品的機(jī)器人公司，也不是主打某一款人形機(jī)器人的廠商。

它在具身智能產(chǎn)業(yè)鏈里的角色，更像是一個(gè)硬件系統(tǒng)平臺型公司

一方面深度參與英偉達(dá)Jetson計(jì)算平臺生態(tài)，是英偉達(dá)的精英級合作伙伴；

另一方面，它也提供機(jī)器人大腦主控方案、電機(jī)關(guān)節(jié)、傳感器以及一系列開源機(jī)器人套件，服務(wù)于開發(fā)者與初創(chuàng)團(tuán)隊(duì)。

換句話說，當(dāng)Hugging Face從模型平臺走向機(jī)器人硬件、當(dāng)開源社區(qū)開始嘗試“軟硬結(jié)合”，像矽遞這樣的公司，正在成為連接模型、硬件與開發(fā)者生態(tài)的重要節(jié)點(diǎn)。

而在與矽遞科技AI機(jī)器人產(chǎn)品線的對話中，量子位也從一個(gè)少見的機(jī)器人硬件制造商視角，聽到了他們對具身智能產(chǎn)業(yè)的觀察與判斷：

• AI陪伴與具身智能載體并不沖突，機(jī)器人的物理形態(tài)將會在一眾依賴屏幕的產(chǎn)品中脫穎而出。
• Reachy Mini桌面機(jī)器人的制造完全不同于人形機(jī)器人，難點(diǎn)包括聲學(xué)設(shè)計(jì)。
• 低成本機(jī)器人未來的分水嶺不在于便宜，而在于可達(dá)性。
• 對于具身智能開發(fā)而言，少即是多，過于復(fù)雜的自由度并不是必須。
• 開源之于具身智能的意義在于降低門檻。
• 單純的極限運(yùn)動并不能被視為一個(gè)好的機(jī)器人demo，一個(gè)好的demo應(yīng)該是穩(wěn)定、實(shí)時(shí)可互動的，而且能夠讓開發(fā)者基于此做進(jìn)一步的延伸。
• 遙操作是算法訓(xùn)練的一部分，對于硬件本身來說，不能只關(guān)注性能和成本，還必須考慮與數(shù)據(jù)需求和訓(xùn)練框架的適配性。
• 數(shù)據(jù)驅(qū)動的具身智能范式正在重新定義硬件

以下是與來自矽遞的吳丹(機(jī)器人產(chǎn)品線負(fù)責(zé)人)和朱耀暉(機(jī)器人產(chǎn)品線應(yīng)用工程師)的采訪實(shí)錄（在不改變原意的基礎(chǔ)上，有刪改）：

Reachy Mini、開源硬件、制造商眼中的具身智能

Reachy Mini是什么？

Q：如何給一個(gè)就是不了解機(jī)器人去介紹Reachy Mini，它是一個(gè)怎樣的一臺機(jī)器人？目前最核心和最典型的能力是什么？

吳丹：Reachy Mini是一個(gè)高度開放的桌面的機(jī)器人。

它具備完整的多模態(tài)交互能力：搭載攝像頭和麥克風(fēng)，可以“看見”和“聽見”，同時(shí)支持語音輸出與用戶對話。

此外，它擁有九軸運(yùn)動能力，頭部能夠做出動作反饋，通過姿態(tài)變化表達(dá)狀態(tài)與情緒，使互動更加自然生動。

如果向一個(gè)不做機(jī)器人的人介紹Reachy Mini，我會說它是一個(gè)可以放在桌面上、與大家互動的機(jī)器人，帶有一定娛樂和陪伴屬性。

同時(shí)，因?yàn)樗情_源開放的平臺，支持二次開發(fā)，所以應(yīng)用場景會不斷擴(kuò)展。

另外，對于不做機(jī)器人，但了解大模型的（開發(fā)者）來說，Reachy Mini的核心能力依然是多模態(tài)交互。

它能夠聽、看、說，實(shí)現(xiàn)視覺、語音與動作的結(jié)合。同時(shí)，它可以連接Hugging Face上的各類大模型，支持靈活調(diào)用，也適合做智能體（Agent）開發(fā)，比如通過OpenClaw等方式接入。

所以，即使不是做傳統(tǒng)機(jī)器人的開發(fā)者，對于算法工程師或偏軟件背景的開發(fā)者來說，它同樣是一個(gè)比較合適的平臺。

Q：具體而言，Reachy Mini是怎么進(jìn)行交互的呢？

朱耀暉：Reachy Mini目前有兩個(gè)版本。

一個(gè)是不帶主控的版本，用戶可以把它接入自己的筆記本電腦，或者連接到外部主控設(shè)備，比如Jetson、樹莓派，或者RK、地平線等芯片平臺，然后基于這些設(shè)備進(jìn)行開發(fā)，或者體驗(yàn)它原有的功能。

另外一個(gè)是無線版本，內(nèi)部自帶主控，采用的是樹莓派方案，開機(jī)之后就可以直接使用，不需要額外連接設(shè)備。

關(guān)于定位：AI陪伴產(chǎn)品與具身智能載體并不沖突

Q:作為一個(gè)一款桌面機(jī)器人，Reachy Mini更應(yīng)該被理解為一個(gè)AI+陪伴產(chǎn)品，還是一個(gè)具身智能的載體，你們更傾向于哪一種定位？

吳丹：我覺得它目前更偏向于一個(gè)具身智能的載體。因?yàn)樗旧硎且粋€(gè)開放平臺，核心是用來構(gòu)建多模態(tài)機(jī)器人系統(tǒng)的，所以從定位上來說，它更適合做開發(fā)。

不過，它現(xiàn)有的功能里確實(shí)也包含一部分陪伴屬性。所以我覺得這兩點(diǎn)并不沖突。只是因?yàn)樗拈_發(fā)屬性更強(qiáng)，對于開發(fā)者來說，它更像是一個(gè)具身智能的平臺。

但從用戶層面來看，也有很多家庭用戶購買。比如有家長反饋，8歲的小朋友都可以自己把它搭建起來，并且玩得很好。對他們來說，它更像是一個(gè)陪伴型產(chǎn)品。

所以我認(rèn)為這兩種定位是同時(shí)存在的。

如果用戶只是希望有一個(gè)陪伴型機(jī)器人，那它現(xiàn)有的功能已經(jīng)足夠；如果是開發(fā)者想基于它去做智能體（Agent）或其他擴(kuò)展開發(fā)，它也提供了充足的資源支持。

Q：做陪伴型機(jī)器人通常會強(qiáng)調(diào)情緒價(jià)值，外觀也往往比較可愛。那Reachy Mini在設(shè)計(jì)和制時(shí)，是否有特別考慮外形和“萌感”？

吳丹：有的。比如它的“大小眼”設(shè)計(jì)，就是一個(gè)比較萌的元素。另外，它頭上的兩個(gè)觸角——也就是天線——是可以動的，這也是一個(gè)增強(qiáng)可愛感的小細(xì)節(jié)。

還有它下面那個(gè)圓圓的“大肚子”，整體設(shè)計(jì)其實(shí)就是從比較萌的方向出發(fā)的。

另外，因?yàn)樗情_源的，用戶是可以自己改動外觀的。比如換顏色，或者做一些造型上的改造。之前PollenRobotics在萬圣節(jié)時(shí)，就把它改造成南瓜的樣子；

圣誕節(jié)的時(shí)候，也可以做成圣誕樹的造型。

所以一方面，它本身的設(shè)計(jì)就比較可愛；另一方面，它也很容易被二次改造。只要通過3D打印，就可以對外觀進(jìn)行個(gè)性化調(diào)整。

Q：如果我買一臺Reachy Mini，想通過3D打印給它做一些外觀配件，官方會提供相關(guān)教程或社區(qū)支持嗎？

朱耀暉：會的。我們后續(xù)會持續(xù)補(bǔ)充相關(guān)內(nèi)容。它本身就會提供3D打印的設(shè)計(jì)文件，用戶可以基于這些文件進(jìn)行打印和改造。我們也會在社區(qū)里逐步增加更多教程和設(shè)計(jì)示例，方便大家上手。

Q：現(xiàn)在也有很多桌面AI產(chǎn)品，比如屏音箱、智能助手設(shè)備，它們同樣能提供陪伴體驗(yàn)，但并不會把自己定義為“機(jī)器人”。為什么你們還是選擇機(jī)器人這種形態(tài)？在形態(tài)設(shè)計(jì)上，最重要的取舍是什么？

吳丹：這個(gè)問題其實(shí)PollenRobotics（Reachy Mini的設(shè)計(jì)團(tuán)隊(duì)，被Hugging Face收購）團(tuán)隊(duì)之前也談到過。

他們認(rèn)為，我們已經(jīng)被各種屏幕高度包圍——iPad、手機(jī)、電腦，幾乎無處不在。

這些設(shè)備里其實(shí)都已經(jīng)有智能助手，但整體還是停留在“屏幕交互”層面，缺乏真正的參與感。

相比之下，機(jī)器人形態(tài)能帶來更強(qiáng)的互動體驗(yàn)。比如Reachy Mini里有一個(gè)emoji功能，當(dāng)你觸發(fā)不同表情時(shí)，它會通過轉(zhuǎn)動腦袋、擺動觸角、配合聲音做出反饋。

△圖源：推特網(wǎng)友Trtd6Trtd

這種結(jié)合動作和聲音的表達(dá)，會讓人感覺它在“回應(yīng)你”，而不僅僅是屏幕上的一個(gè)界面變化。

所以我覺得，這是人與技術(shù)之間互動方式的一種變化。PollenRobotics希望打造的是一種更有參與感、更具互動性、也更人性化的形態(tài)。

他們認(rèn)為，一個(gè)迷你機(jī)器人的形態(tài)，不僅要有吸引力，還要能夠傳遞信任感和好奇心，同時(shí)帶一點(diǎn)親和、可愛的特質(zhì)。某種程度上，它是在技術(shù)感和親和力之間做了一個(gè)平衡。

Q：它現(xiàn)在眼睛、頭部都可以活動，相比一般的桌面AI終端，可能會更耗電。那這款產(chǎn)品是需要一直插電使用，還是支持充電、無線使用？

吳丹：我們剛剛提到，它有兩個(gè)版本。

其中一個(gè)版本是不帶主控的，需要接外部設(shè)備，比如Jetson或者用戶自己的電腦。這個(gè)版本是需要插電使用的。

另一個(gè)是無線版本，內(nèi)部自帶主控和電池，可以擺脫電源線，獨(dú)立運(yùn)行，不需要一直插電。

Q：有用戶在社交平臺分享，說買回Reachy Mini之后需要自己DIY拼裝、下載模型、部署環(huán)境。對很多非技術(shù)背景的人來說，這聽起來門檻不低。你們是如何在“可玩性”和“易用性”之間做平衡的？

吳丹：這個(gè)問題其實(shí)也和Reachy Mini設(shè)計(jì)的初衷有關(guān)。它最開始希望面向的是那些想探索開源機(jī)器人、尤其是希望嘗試把Agent智能體模型集成到機(jī)器人里的用戶。所以它既要有可開發(fā)性，也要兼顧娛樂和日常使用。

在易用性方面，其實(shí)我們做了很多優(yōu)化。

用戶收到產(chǎn)品后，會發(fā)現(xiàn)安裝說明書非常詳細(xì)，整個(gè)組裝時(shí)間大概在2到3個(gè)小時(shí)左右，而且大部分結(jié)構(gòu)已經(jīng)預(yù)裝完成，真正需要自己動手的部分并不復(fù)雜。

我之前提到過，8歲的小朋友都可以完成拼裝，所以整體難度并不高。某種程度上，它反而成為一個(gè)很好的親子互動或者朋友一起動手的過程。

另外，在軟件層面，它也提供了很多“開箱即用”的應(yīng)用。

安裝完成之后，會有一個(gè)可視化UI界面，用戶可以直接點(diǎn)擊體驗(yàn)。Hugging Face和PollenRobotics也已經(jīng)準(zhǔn)備了不少示例應(yīng)用和教程，幫助用戶快速上手。

至于可玩性，如果是開發(fā)者用戶，我們也非常歡迎他們深度參與。

比如可以接入OpenClaw，做成語音助手；也可以接入Home Assistant，變成家庭智能家居的管理入口。

這樣一來，Reachy Mini就不僅僅是一個(gè)桌面機(jī)器人，而是可以融入家庭或辦公場景。

像在今年CES上，黃仁勛演講中Hugging Face展示的一些Demo，比如，詢問Reachy Mini計(jì)劃，Reachy Mini 可以根據(jù)看到的計(jì)劃表，再通過語音或者本地界面發(fā)給用戶，這類能力都可以通過多模態(tài)大模型接入進(jìn)來。

所以我們希望它既能讓普通用戶輕松體驗(yàn)，也能給開發(fā)者足夠空間去發(fā)揮。它的可玩性，其實(shí)來自于這些開放接口和多模態(tài)能力的結(jié)合。

它是可以融入到家庭或者是辦公的一些場景的，結(jié)合的技術(shù)點(diǎn)會非常的多，就是剛剛提到的OpenClaw多模態(tài)的大模型、大語言模型，還有Home Assistant智能家居的系統(tǒng)。

Q：它既然可以融入家庭場景，那重量怎么樣？無線版本可以隨手拎著走嗎？

朱耀暉：它其實(shí)不重，不像市面上一些人形機(jī)器人那樣需要固定擺放，是可以移動的。

大概相當(dāng)于一臺筆記本電腦的重量。它的外殼大部分是塑料件，內(nèi)部只有少量金屬結(jié)構(gòu)和舵機(jī)組件，所以整體不會太重?；旧蠁问志涂梢阅闷饋?，無線版本也可以隨手移動。

桌面機(jī)器人制造中的難點(diǎn)

Q：像Reachy Mini這種桌面級小機(jī)器人，在制造過程中面臨的挑戰(zhàn)是什么？未來優(yōu)化方向在哪里？

朱耀輝：Reachy Mini這種小型桌面機(jī)器人，挑戰(zhàn)和大型人形機(jī)器人不完全一樣，其中一個(gè)非常復(fù)雜的挑戰(zhàn)其實(shí)來自聲學(xué)設(shè)計(jì)。

因?yàn)樗趫?zhí)行動作時(shí)，多個(gè)電機(jī)會同時(shí)運(yùn)轉(zhuǎn)，舵機(jī)齒輪嚙合會產(chǎn)生明顯機(jī)械噪聲。而它又是一臺需要和人對話的機(jī)器人，麥克風(fēng)陣列必須在運(yùn)動狀態(tài)下仍然保持清晰拾音。

所以我們和Hugging Face以及PollenRobotics一起，通過反復(fù)聲學(xué)實(shí)驗(yàn)，從結(jié)構(gòu)設(shè)計(jì)到算法層面做了聯(lián)合優(yōu)化，提升整體降噪能力和音頻表現(xiàn)。

最終在我們自研的ReSpeaker麥克風(fēng)陣列上實(shí)現(xiàn)了更穩(wěn)定清晰的語音體驗(yàn)。這個(gè)麥克風(fēng)陣列本身就帶有降噪算法，再結(jié)合結(jié)構(gòu)減振和算法濾波，才解決了“邊動邊聽”的問題。這其實(shí)是桌面交互機(jī)器人非常核心的難點(diǎn)。

另外一個(gè)現(xiàn)實(shí)問題是算力和網(wǎng)絡(luò)依賴。Reachy Mini本身需要聯(lián)網(wǎng)來調(diào)用大模型。即便使用類似樹莓派這樣的本地計(jì)算平臺，如果要調(diào)用云端模型，網(wǎng)絡(luò)環(huán)境依然很重要。

所以我們也在探索邊緣部署的可能性，比如基于NVIDIA平臺做本地推理優(yōu)化，讓部分能力能夠在邊緣側(cè)完成，從而降低延遲和對網(wǎng)絡(luò)的依賴。

Q：我有一個(gè)比較基礎(chǔ)的問題。語音模型到底是怎么運(yùn)作的？是我說一段話，它完整聽完再反饋嗎？如果很多人在同時(shí)說話，它能區(qū)分指令嗎？敲門聲這種非語言聲音它會不會誤識別？它是怎么處理這些情況的？

朱耀暉：語音識別系統(tǒng)其實(shí)做了多層過濾。在嘈雜環(huán)境中，它會通過算法提取“概率最高”的那個(gè)人聲信號，也就是主說話人的語音，然后盡量排除背景干擾，比如多人說話、環(huán)境噪聲、敲門聲等。

我們在聲學(xué)實(shí)驗(yàn)室做了大量噪聲測試，包括環(huán)境噪聲測試和機(jī)器人自身運(yùn)動噪聲測試。Reachy Mini在運(yùn)動時(shí)，舵機(jī)齒輪嚙合聲是最大的挑戰(zhàn)，因?yàn)槟鞘浅掷m(xù)、結(jié)構(gòu)性噪聲，會干擾語音識別。

這個(gè)問題一開始確實(shí)影響很大，后來通過不斷結(jié)構(gòu)優(yōu)化、算法調(diào)校和降噪策略疊加，才打磨出現(xiàn)在這個(gè)版本的聲學(xué)效果。

Q：如果說話快慢不同，它能跟得上節(jié)奏嗎？輸出延遲有沒有專門優(yōu)化？

朱耀暉：這個(gè)和所用的大模型有關(guān)。它可以切換不同模型。

有些模型參數(shù)大、推理時(shí)間長，響應(yīng)自然就慢一些；有些模型是輕量級的，響應(yīng)速度很快，但準(zhǔn)確率可能稍微低一點(diǎn)。

比如切換到國內(nèi)一些小參數(shù)模型，輸出會非?？?，但理解能力可能不如大模型強(qiáng)。這本質(zhì)上是速度與準(zhǔn)確率之間的權(quán)衡。

它可以自行切換模型，包括國產(chǎn)模型和開源模型，都可以部署。

具身智能開發(fā)，少即是多

Q：現(xiàn)在不少機(jī)器人廠商會做類似“應(yīng)用商店”的平臺，用戶可以直接下載動作或功能。相比那些能翻跟頭、跑跳的人形機(jī)器人，Reachy Mini自由度相對有限。在動作能力不那么“炫酷”的情況下，你們?nèi)绾伟l(fā)揮它的優(yōu)勢，創(chuàng)造不同的玩法？

吳丹：您提到的那些能完成復(fù)雜動作的人形機(jī)器人，確實(shí)越來越強(qiáng)大，看起來也很震撼。但從開發(fā)者學(xué)習(xí)和入門的角度來說，我反而覺得“少即是多”。

很多復(fù)雜動作，其實(shí)是通過精細(xì)編排的動作序列實(shí)現(xiàn)的，它們更偏向運(yùn)動控制和硬件能力的展示。

而Reachy Mini，包括我們之前在Hugging Face上推動的一些機(jī)器人項(xiàng)目，更強(qiáng)調(diào)端到端的學(xué)習(xí)和執(zhí)行能力，讓機(jī)器人結(jié)合大模型去完成交互和決策。

如果在Reachy Mini上增加手、腿或者底盤結(jié)構(gòu)，系統(tǒng)復(fù)雜度、開發(fā)成本和售價(jià)都會顯著提升。

它現(xiàn)在的定位，是希望以相對可負(fù)擔(dān)的價(jià)格，讓更多人不管年齡、職業(yè)或技術(shù)背景都能接觸具身智能。如果走向高復(fù)雜度的人形形態(tài)，價(jià)格可能會上萬，那就偏離了它降低門檻的初衷。

當(dāng)然，它目前的形態(tài)確實(shí)不能翻跟頭、不能行走，但通過舵機(jī)驅(qū)動的頭部和觸角動作，已經(jīng)可以完成大部分情緒表達(dá)和互動體驗(yàn)。

當(dāng)然底盤和手，你想加的話也可以。但是基于它現(xiàn)在的一個(gè)產(chǎn)品的一個(gè)形態(tài)，我覺得它大部分的交互體驗(yàn)已經(jīng)可以完成。

對于學(xué)習(xí)機(jī)器人原理、做軟件和智能體開發(fā)來說，這樣的復(fù)雜度是足夠的。更高的復(fù)雜度，往往意味著更高的成本和更高的門檻。

市面上那些能跑能跳的人形機(jī)器人，核心在于運(yùn)動控制能力，強(qiáng)調(diào)電機(jī)性能、步態(tài)算法和動作編排的流暢度。

而Reachy Mini更偏向讓用戶體驗(yàn)大模型、Agent，以及像OpenClaw這樣的能力接入。

未來它更多是融入家庭或辦公場景，比如接入智能家居系統(tǒng)，做陪伴或管理功能。所以我們更強(qiáng)調(diào)軟件和應(yīng)用層面的開發(fā)，而不是極限運(yùn)動能力。

另外，關(guān)于類似“應(yīng)用商店”的模式，Reachy Mini其實(shí)也在做。Hugging Face已經(jīng)提供了一個(gè)類似應(yīng)用市場的界面，用戶可以直接下載并部署現(xiàn)成的功能。

社區(qū)的用戶開發(fā)完一定的功能以后，也能上傳到Hugging Face的社區(qū)。

低成本機(jī)器人的分水嶺不在價(jià)格，在可達(dá)性

Q：現(xiàn)在越來越多團(tuán)隊(duì)在做低成本、開源機(jī)器人，包括一些幾百到一萬元以內(nèi)的小型四足或人形機(jī)器人。你們怎么看“低成本”的分水嶺？是價(jià)格、能力、生態(tài)，還是使用門檻？未來隨著人形機(jī)器人越來越便宜，像Reachy Mini這種桌面機(jī)器人會如何定位和發(fā)展？

吳丹：低成本真正的分水嶺不只是價(jià)格，而是“可達(dá)性”（accessible）。

如果希望具身智能真正發(fā)展，首先要讓機(jī)器人更容易被接觸、被使用。當(dāng)然，價(jià)格低是一個(gè)重要前提，但它不是唯一標(biāo)準(zhǔn)。

早期階段，最關(guān)鍵的是開發(fā)者能否真正用起來。平臺是否易于開發(fā)、足夠開放、具有靈活性，這些都比單一價(jià)格更重要。

如果只是價(jià)格低，但系統(tǒng)封閉、擴(kuò)展性差、交互能力單一，那很難吸引更多創(chuàng)新力量加入。相反，如果平臺足夠開放，就可以吸引更多人參與，一起推動行業(yè)生態(tài)的繁榮。

以Reachy Mini為例，它雖然是桌面形態(tài)，但具備擴(kuò)展能力，比如可以加底盤、加手臂；在軟件層面，也可以持續(xù)接入新的模型和能力。這種軟硬件上的擴(kuò)展性，會帶來更長期的生命力。

從行業(yè)趨勢來看，我認(rèn)為機(jī)器人價(jià)格一定會越來越有競爭力。隨著供應(yīng)鏈成熟、規(guī)?；慨a(chǎn)，以及前期試錯(cuò)逐漸完成，很多技術(shù)會趨向標(biāo)準(zhǔn)化，成本自然會下降。

但在現(xiàn)階段拉開差距的，更多是開發(fā)友好程度和生態(tài)完整度。Reachy Mini作為一個(gè)全開源產(chǎn)品，在這方面是有優(yōu)勢的。

另外，PollenRobotics也一直強(qiáng)調(diào)，一個(gè)“好看”或者“動作炫酷”的機(jī)器人遠(yuǎn)遠(yuǎn)不夠。

即使價(jià)格不錯(cuò)，如果缺乏可用性和用戶基礎(chǔ)，會面臨很多挑戰(zhàn)。因?yàn)榫呱碇悄茏钤绲囊慌脩粢欢ㄊ情_發(fā)者，他們會把機(jī)器人真正帶到工廠、家庭或商業(yè)場景中。所以產(chǎn)品是否對開發(fā)者友好、是否容易落地，比單純展示能力更重要。

同時(shí)，社區(qū)的力量非常關(guān)鍵。這也是我們堅(jiān)持開源的原因。用戶不僅可以基于它開發(fā)自己的應(yīng)用，還可以在社區(qū)中交流、共享成果。這樣產(chǎn)品才會不斷進(jìn)化，成為生產(chǎn)力。

Q：我這樣理解對不對——如果一個(gè)機(jī)器人很貴，買的人少，開發(fā)者基數(shù)也小，那作為用戶，可能就看不到太多技術(shù)文檔或新的玩法分享；反過來，如果機(jī)器人便宜，買的人多，社區(qū)活躍，我就能從更大的用戶基數(shù)中受益?？梢赃@么理解嗎？

吳丹：這個(gè)理解不完全準(zhǔn)確。

價(jià)格高，確實(shí)會阻礙一部分人購買。不是每個(gè)人都能負(fù)擔(dān)十萬元級別的機(jī)器人，這一點(diǎn)是現(xiàn)實(shí)問題。

但價(jià)格低，本身并不是決定性分水嶺。因?yàn)槿绻粋€(gè)產(chǎn)品只是便宜，卻不開放。文檔不完整、軟硬件生態(tài)封閉、二次開發(fā)不方便，那開發(fā)者其實(shí)也很難基于它做創(chuàng)新。

所以關(guān)鍵不只是便宜，而是開發(fā)體驗(yàn)要足夠好。要開放、可拓展，讓開發(fā)者真正愿意用它、改它、分享成果。

簡單來說，光便宜還不夠，還需要開放性和擴(kuò)展性。只有這樣，社區(qū)才會自然成長，生態(tài)才會形成正循環(huán)。

開源機(jī)器人最大的價(jià)值，是降低參與門檻

Q：Reachy Mini是一個(gè)非常開源的機(jī)器人，那么在你們看來，開源對機(jī)器人社區(qū)，尤其是具身智能社區(qū)，最大的價(jià)值是什么？

吳丹：我覺得開源機(jī)器人最大的價(jià)值，是降低參與門檻

具身智能仍然是一個(gè)非常新的領(lǐng)域。雖然現(xiàn)在越來越多的機(jī)器人開始標(biāo)準(zhǔn)化、量產(chǎn)化，但它的發(fā)展依然高度依賴更多人參與實(shí)驗(yàn)、驗(yàn)證想法、不斷迭代和創(chuàng)新。這種開放式的參與，本身就是推動領(lǐng)域進(jìn)步的重要力量。

在矽遞，我們整個(gè)AI機(jī)器人產(chǎn)品線都秉承這個(gè)理念——讓具身智能的開發(fā)門檻更低。這個(gè)“門檻低”體現(xiàn)在幾個(gè)方面。

首先是產(chǎn)品層面。我們提供多種類型、經(jīng)過工程師嚴(yán)選和驗(yàn)證的產(chǎn)品方案，讓開發(fā)者可以直接在可靠基礎(chǔ)上開發(fā)，從而縮短研發(fā)周期。

其次是時(shí)間成本。開發(fā)者不需要從零開始踩坑，可以站在已經(jīng)驗(yàn)證過的硬件和系統(tǒng)之上，把精力集中在創(chuàng)新本身。

再者是價(jià)格。具身智能除了比較貴的工業(yè)機(jī)器人，還要有大眾能夠接受的、價(jià)格相對可接近的機(jī)器人。

另外還有教育資源。我們提供教程和課程，讓不同技術(shù)背景的人都可以參與進(jìn)來。

像Reachy Mini，或者Hugging Face在LeRobot框架下的一系列機(jī)器人，其實(shí)讓開發(fā)者、研究者、學(xué)生能夠完整理解從硬件到軟件再到AI模型的整個(gè)技術(shù)棧。它提升了透明度和可復(fù)現(xiàn)性，也加快了創(chuàng)新節(jié)奏。

比如Reachy Mini，從組裝那一刻起，你就能看到它的控制單元、感知單元、推理單元。你不僅理解“它能做什么”，而是理解“它是怎么做出來的”。

開發(fā)者可以在示例模型基礎(chǔ)上接入自己的模型，或者接入其他先進(jìn)模型，真正體驗(yàn)完整的技術(shù)棧。

同時(shí)，在我們CEO潘昊以及Matthieu Lapeyre（PollenRoboticsCEO）之前的訪談中也強(qiáng)調(diào)過，Reachy Mini的設(shè)計(jì)理念就是開放和簡潔。

它采用白色外殼設(shè)計(jì)，方便快速個(gè)性化改造；軟件棧與Hugging Face深度集成，開發(fā)者只需要幾行Python代碼就可以部署AI應(yīng)用。甚至隨著工具的進(jìn)步，很多時(shí)候通過更高層級的接口，就能完成部署。

Q：對于做大模型的人來說，他們會說開源在某種程度上和企業(yè)利潤是有沖突的。那回到機(jī)器人領(lǐng)域，做開源會不會和盈利產(chǎn)生矛盾？如果你把東西開源了，大家覺得是“免費(fèi)的”，那企業(yè)怎么賺錢？

吳丹：首先，開源并不等于沒有商業(yè)模式。

在開源機(jī)器人中，零部件清單是公開透明的，大家大概知道成本結(jié)構(gòu)。但企業(yè)之間仍然存在供應(yīng)鏈能力的差異，包括成本控制能力、規(guī)模化能力和整合能力。

同時(shí)，像Reachy Mini這樣的產(chǎn)品，本質(zhì)上并不是一個(gè)“只為盈利”的產(chǎn)品。它的首要目標(biāo)是讓更多開發(fā)者參與進(jìn)來，建立社區(qū)，而不是賺一波錢就結(jié)束。

當(dāng)然，它也不能長期虧損。任何產(chǎn)品都需要一個(gè)可持續(xù)的模式。但Reachy Mini的優(yōu)先級排序，不是“利潤最大化”，而是“生態(tài)構(gòu)建優(yōu)先”。

我們Seeed也是一家開源硬件公司，我們很理解Hugging Face做開源機(jī)器人的初衷。我們很多產(chǎn)品，包括圖紙和PCB，都是開源的。

我們的想法是：通過開放、驗(yàn)證過的方案，幫助初創(chuàng)公司或個(gè)人團(tuán)隊(duì)節(jié)省前期開發(fā)成本。等他們基于我們的方案做出了產(chǎn)品，進(jìn)入量產(chǎn)階段，自然會回來尋找我們合作量產(chǎn)。

也就是說，開源不是終點(diǎn)，而是一個(gè)生態(tài)入口。社區(qū)用戶在我們平臺上創(chuàng)新，最終又反哺企業(yè)，形成長期合作關(guān)系。這是我們一直堅(jiān)持的方式。

制造商眼中的具身智能

Q：你們覺得機(jī)器人硬件未來會像PC一樣走向標(biāo)準(zhǔn)化嗎？還是會根據(jù)不同場景、不同任務(wù)，發(fā)展出很多不同形態(tài)？

吳丹：我覺得這兩種趨勢會同時(shí)發(fā)生。

因?yàn)檫@個(gè)行業(yè)現(xiàn)在仍然處于非常早期的階段。在這個(gè)階段，比起急著完全標(biāo)準(zhǔn)化，更重要的是保持開放，降低門檻，讓更多開發(fā)者進(jìn)入這個(gè)領(lǐng)域。

隨著生態(tài)逐步成熟，技術(shù)棧中的底層模塊一定會趨向標(biāo)準(zhǔn)化和模塊化。比如語音識別、感知算法、算力平臺，以及更穩(wěn)定可靠的基礎(chǔ)模型，這些都會慢慢形成通用模塊。

在矽遞，我們也是從整體系統(tǒng)架構(gòu)的角度來推薦產(chǎn)品方案，從感知、控制到推理，構(gòu)成一個(gè)完整技術(shù)棧。底層模塊未來一定會越來越標(biāo)準(zhǔn)化。

在應(yīng)用層面，產(chǎn)品形態(tài)一定會保持多樣化。因?yàn)閳鼍安町惙浅４?。學(xué)校、家庭、醫(yī)院、辦公環(huán)境，每個(gè)場景的任務(wù)目標(biāo)、交互方式、物理空間都不同，對機(jī)器人結(jié)構(gòu)和系統(tǒng)設(shè)計(jì)的要求自然也不同。

我覺得Reachy Mini作為一個(gè)開放的平臺，就是也是為了承載這些應(yīng)用去設(shè)計(jì)的，而開發(fā)者可以在一個(gè)共享的一個(gè)基礎(chǔ)上進(jìn)行實(shí)驗(yàn)構(gòu)建，并且探索不同的具身智能的一個(gè)場景，這個(gè)平臺從軟件到硬件都是可以共享的。

Q：那我追問一個(gè)問題，就是咱們現(xiàn)在最主要的這個(gè)場景是什么呢？

吳丹：現(xiàn)在最主要的還是語音交互。

用戶可以直接和它對話。同時(shí)，它可以結(jié)合視覺能力，比如讓它描述它面前看到的東西，然后圍繞這個(gè)視覺信息繼續(xù)對話。

我們也在嘗試讓它接入更復(fù)雜的能力，比如類似OpenClaw這樣的系統(tǒng)，讓它在對話中不僅能回答問題，還能幫你生成內(nèi)容，甚至觸發(fā)具體動作，比如執(zhí)行某個(gè)指令。

所以，目前主要是桌面場景，尤其是在辦公環(huán)境中，就是放在桌面上進(jìn)行交互。

Q：對于硬件制造商而言，什么樣的具身智能demo是好的？如何定義一個(gè)好的任務(wù)？

吳丹：在我看來，一個(gè)好的Demo，首先必須是穩(wěn)定、實(shí)時(shí)、可互動的

就是它的互動是不是流暢的？他是不是穩(wěn)定去運(yùn)行的？穩(wěn)定就代表著說他是不是就做了一個(gè)這個(gè)動作，以后就不能復(fù)現(xiàn)了？

第二，它不只是展示技術(shù)或硬件實(shí)力，而是要讓開發(fā)者能夠基于這個(gè)Demo繼續(xù)延伸

我并不認(rèn)為只展示極限運(yùn)動或復(fù)雜動作就是“好的機(jī)器人”。其交互能力、感知能力、理解能力，以及視覺、語音和關(guān)節(jié)協(xié)調(diào)響應(yīng)能力是更重要的。

我們也和PollenRobotics討論過這個(gè)問題。他們的觀點(diǎn)是：真正重要的不是“機(jī)器人翻了一個(gè)跟頭”，而是人們是否理解它是怎么翻起來的。

如果你只是看到一個(gè)炫技動作，但完全不知道系統(tǒng)如何運(yùn)作，也不知道如何控制或停止它，那這種體驗(yàn)反而會帶來距離感，甚至不安全感。沒有人愿意面對一個(gè)不可控、不可理解的機(jī)器。

安全性和可控性是非常重要的。比如我們在機(jī)械臂設(shè)計(jì)中，會加入懸停或緊急停止按鈕，讓人始終擁有控制權(quán)。這種設(shè)計(jì)本身就是一種信任構(gòu)建。對于人形機(jī)器人來說，這種安全考量就更加關(guān)鍵。

這也是為什么Reachy Mini的組裝過程很重要。你不是只看到它做可愛的動作，而是親手參與搭建，理解它的結(jié)構(gòu)和原理。當(dāng)你知道背后發(fā)生了什么，再去看它完成一個(gè)任務(wù)，那種感受是不一樣的。

我認(rèn)為，一個(gè)好的演示只是起點(diǎn)。通過親自動手搭建機(jī)器人，用戶不僅能夠親眼見證它如何出色地完成任務(wù)，更能深入理解其背后的運(yùn)行原理。這個(gè)從動手實(shí)踐到獲得反饋的過程，還會自然地建立起人與機(jī)器之間的信任感，增加互動的深度。這種體驗(yàn)，遠(yuǎn)比單純觀看演示更有意義。

數(shù)據(jù)范式如何定義硬件

Q：現(xiàn)在很多人說具身智能硬件已經(jīng)OK了，軟件還不行？你們怎么看這種觀點(diǎn)？

吳丹：在硬件的角度，我們一直在隨著算法更新。

在機(jī)器人上，硬件和算法非常重要，但算法前期需要數(shù)據(jù)積累，所以現(xiàn)在大量的遙操作，其實(shí)本質(zhì)上是在為算法鋪路。很多規(guī)?；臄?shù)據(jù)工廠正在建立，專門做數(shù)據(jù)采集。遙操其實(shí)是算法訓(xùn)練階段的一部分，而數(shù)采非常重要。

同時(shí)，因?yàn)閿?shù)據(jù)非常重要，也出現(xiàn)了專門為數(shù)據(jù)采集設(shè)計(jì)的硬件，而隨著數(shù)據(jù)越來越多，模型也會越來越穩(wěn)健。

這就是我們制造商對模型的看法，對于硬件本身來說，我們不能只關(guān)注性能和成本，還必須考慮與數(shù)據(jù)需求和訓(xùn)練框架的適配性。

比如我們剛剛推出的一款全開源六軸機(jī)械臂（Seeed reBot-DevArm），它是電機(jī)版本的，已經(jīng)適配了Hugging Face的LeRobot框架。這樣它就可以更自然地融入標(biāo)準(zhǔn)化的數(shù)據(jù)采集和訓(xùn)練流程。

這其實(shí)也是硬件標(biāo)準(zhǔn)化的一部分。隨著模型和數(shù)據(jù)格式逐漸趨于標(biāo)準(zhǔn)，硬件接口也會向這種標(biāo)準(zhǔn)靠攏。

另外，現(xiàn)在不僅是真實(shí)數(shù)據(jù)重要，仿真數(shù)據(jù)也越來越關(guān)鍵。例如英偉達(dá)GR00T這樣的基礎(chǔ)模型，就融合了多種數(shù)據(jù)來源：真實(shí)采集數(shù)據(jù)、仿真數(shù)據(jù)以及視頻數(shù)據(jù)。多源數(shù)據(jù)融合能讓模型更穩(wěn)健。

所以在矽遞這邊，我們也會支持類似Isaac Sim這樣的仿真生態(tài)。

讓開發(fā)者既可以在真實(shí)環(huán)境中用我們的設(shè)備做數(shù)據(jù)采集，也可以在仿真環(huán)境中做規(guī)?；?xùn)練和測試。

然后所以就整體來說，我覺得硬件制造商要更注重開放性和接口設(shè)計(jì)，然后以及生態(tài)的兼容性，應(yīng)該確保對數(shù)據(jù)和模型的一個(gè)這樣的需求。

整體來說，數(shù)據(jù)和模型它肯定是分不開的，兩者互相決定。

Q：我還是有一個(gè)困惑。之前很多論文都提到，不同硬件采集出來的數(shù)據(jù)是不一樣的，還涉及跨本體的問題。你剛剛說硬件會越來越標(biāo)準(zhǔn)化，數(shù)據(jù)也會更容易共享。但另一方面，硬件形態(tài)又會很多樣。那多樣性和標(biāo)準(zhǔn)化怎么同時(shí)成立？我有點(diǎn)沒理解這個(gè)過程。

朱耀暉：多樣性其實(shí)就像采集數(shù)據(jù)集，它是想從a點(diǎn)搬運(yùn)到b點(diǎn)人為遙操的時(shí)候，這個(gè)人的行為習(xí)慣和下一個(gè)人的行為習(xí)慣可能是不一樣的，這就是它的多樣性。

就像網(wǎng)上的一些數(shù)據(jù)，是不同形態(tài)的機(jī)械臂或者機(jī)器人，它們做一些動作的時(shí)候，它其實(shí)是不一樣的路徑或者風(fēng)格，這就是多樣性。

那么標(biāo)準(zhǔn)化其實(shí)就是說他們把這數(shù)據(jù)集采集到本地電腦上，實(shí)實(shí)在在能看到的數(shù)據(jù)格式，大家都會統(tǒng)一這樣一個(gè)標(biāo)準(zhǔn)。

就是說我可以用我的算法直接訓(xùn)練你的數(shù)據(jù)集，而不需要再去進(jìn)行一個(gè)一層轉(zhuǎn)換，這就是標(biāo)準(zhǔn)化。

然后就像現(xiàn)在Hugging Face推出那個(gè)LeRobot那個(gè)框架，他們就是把所有的一些硬件接口、數(shù)據(jù)接口進(jìn)行了標(biāo)準(zhǔn)化。

松靈、OpenArm等開源硬件，只要接口符合規(guī)范，就可以直接接入生態(tài)。

在數(shù)據(jù)集層面，Hugging Face也推出了統(tǒng)一規(guī)范版本的LeRobot4.0的數(shù)據(jù)集格式。開發(fā)者可以把自己的數(shù)據(jù)轉(zhuǎn)換成這個(gè)標(biāo)準(zhǔn)格式，然后就能直接在不同硬件上部署或訓(xùn)練，這就打通了所有的硬件軟件層面的差別，這就是他們的標(biāo)準(zhǔn)化做的一個(gè)非常大的貢獻(xiàn)。

所以多樣性是數(shù)據(jù)軌跡和姿態(tài)層面的差異，而標(biāo)準(zhǔn)化是數(shù)據(jù)格式統(tǒng)一，大家可以直接使用，不需要轉(zhuǎn)換。

Q：具身智能中分工和全棧哪個(gè)更有未來？基于數(shù)據(jù)范式出現(xiàn)的專門制作數(shù)據(jù)的公司意味著什么

吳丹：我個(gè)人認(rèn)為，這兩種形態(tài)都會存在。

全棧公司通常是圍繞自己的產(chǎn)品去做的。比如做醫(yī)療機(jī)器人，它是直接面向行業(yè)的解決方案，那一定要對醫(yī)療領(lǐng)域有一個(gè)自己的解決方案。

但同時(shí)，我也認(rèn)為一定會有分工的流水線。比如專門做某些場景數(shù)據(jù)的團(tuán)隊(duì)，會做醫(yī)療、家庭等特定場景的數(shù)據(jù)采集。

剛剛你提到的數(shù)采類數(shù)據(jù)，和真正用于訓(xùn)練的機(jī)器人數(shù)據(jù)其實(shí)還是有區(qū)別的。

比如光輪智能，他們就是專門做仿真數(shù)據(jù)的。

仿真數(shù)據(jù)的優(yōu)勢在于，在保證精度的同時(shí)更容易獲得。因?yàn)椴皇撬袌F(tuán)隊(duì)都有條件用硬件去做大規(guī)模真實(shí)采集，真實(shí)數(shù)據(jù)采集非常耗時(shí)，人力成本也很高。

我剛剛也提到，像一些大模型，比如英偉達(dá)的GR00T這一類，它們通常會融合不同來源的數(shù)據(jù)：真實(shí)場景數(shù)據(jù)、仿真數(shù)據(jù)，還有視頻數(shù)據(jù)。不同數(shù)據(jù)類型結(jié)合在一起，效果會更好。

所以我覺得未來一定會出現(xiàn)這種分工流水線，類似模塊化，比如做數(shù)據(jù)的公司專門就做數(shù)據(jù)，這個(gè)環(huán)節(jié)本身就在加速整個(gè)具身智能的開發(fā)。

但對于全棧公司來說，就要看它是不是只聚焦某一個(gè)落地場景。如果是單一場景，比如只做醫(yī)院或者零售，它就需要對那個(gè)場景有非常深入的理解，這種情況下，全棧是有優(yōu)勢的。

而在模塊化、流水線層面，通過分工和標(biāo)準(zhǔn)化數(shù)據(jù)，是可以實(shí)現(xiàn)整體加速的。

Q：所以可以理解為，在模型訓(xùn)練端會需要不同的數(shù)據(jù)“配方”，包括仿真數(shù)據(jù)、真實(shí)數(shù)據(jù)、視頻數(shù)據(jù)等；對應(yīng)到產(chǎn)業(yè)層面，就會出現(xiàn)專門的數(shù)據(jù)工廠負(fù)責(zé)采集或生成這些數(shù)據(jù)，從而形成更明確的分工，加速行業(yè)發(fā)展。而對于一些需要強(qiáng)場景落地的公司，它們會更傾向于圍繞特定場景構(gòu)建自己的數(shù)據(jù)體系。是這樣嗎？

吳丹：（是的）

Q：過去一年具身智能融資和項(xiàng)目大量出現(xiàn)，幾乎每天都有新公司冒出來。很多人說2025年是量產(chǎn)元年，那我們現(xiàn)在到底處在一個(gè)什么時(shí)間節(jié)點(diǎn)？今年會出現(xiàn)怎樣的發(fā)展？

吳丹：我覺得它仍然是一個(gè)早期階段，但是今年我相信一定會看到越來越多的參考設(shè)計(jì)出現(xiàn)。

你剛剛提到2025年是量產(chǎn)元年，我覺得這意味著行業(yè)已經(jīng)進(jìn)入從概念走向方向逐步清晰的過渡階段，它已經(jīng)不再只是停留在概念階段。

所以我認(rèn)為，越來越多的參考設(shè)計(jì)會依托于社區(qū)和行業(yè)的發(fā)展出現(xiàn)。

社區(qū)里、行業(yè)里會有更多公司開始認(rèn)真做產(chǎn)品。但這個(gè)行業(yè)一定還會有變化，所以我覺得無論是我們制造商，還是作為硬件平臺，都要保持一個(gè)長期視角，去接受早期開發(fā)者這個(gè)階段的狀態(tài)。

我們剛剛也聊到模塊化。模塊化會越來越趨向標(biāo)準(zhǔn)化。我覺得現(xiàn)在正是建立產(chǎn)品化能力和模塊化能力的關(guān)鍵時(shí)期。

包括我們自己產(chǎn)品的一些開源設(shè)計(jì)，比如機(jī)械臂、靈巧手、主控設(shè)計(jì)、感知模塊選型等。同時(shí)我們也要加強(qiáng)成本優(yōu)化、量產(chǎn)能力以及生態(tài)協(xié)作。

生態(tài)協(xié)作就是剛剛提到的，我們?nèi)绾胃咝У睾湍Ｐ徒Y(jié)合，如何和機(jī)器人生態(tài)，比如像ROS這樣的生態(tài)去結(jié)合。我覺得從社區(qū)、硬件到軟件的同時(shí)加速，最終是為了推動商業(yè)化，加速商業(yè)化。

Q：那回到你們公司本身，你們在具身智能生態(tài)里處在一個(gè)什么位置？

吳丹：我覺得我們在具身智能的開發(fā)者生態(tài)里面，是一個(gè)比較有特點(diǎn)的平臺。

首先從產(chǎn)品線來說，剛剛也提到，我們是從整個(gè)機(jī)器人系統(tǒng)的角度去給大家提供產(chǎn)品。

在主控，也就是機(jī)器人最重要的“大腦”層面，我們是英偉達(dá)的精英級合作伙伴。

同時(shí)，在英偉達(dá)的開發(fā)者生態(tài)里我們也非?；钴S。我們有很多課程、教程，也提供開發(fā)者一鍵部署的能力。所以整體來說，我們是一個(gè)比較新興、先進(jìn)，而且非?；钴S、對開發(fā)者友好的平臺。

在機(jī)器人方向上，我們也提供了很多新的內(nèi)容。比如像LeRobot這樣的框架，很多早期想接觸具身智能的開發(fā)者都會知道。它在GitHub上已經(jīng)有兩萬多星，是一個(gè)影響力很大的開源框架。

我們在這個(gè)生態(tài)里推出了很多配套的套件、教程和產(chǎn)品，讓開發(fā)者可以更快上手。

所以對于早期想進(jìn)入具身智能領(lǐng)域的開發(fā)者來說，矽遞是一個(gè)能夠提供比較完整產(chǎn)品體系和完整教程支持的平臺。

我們不會簡單用“市場占有率”或者“單一產(chǎn)品做得最好”來定義自己。矽遞本身是一家開源硬件公司。在AI機(jī)器人這條產(chǎn)品線上，我們的核心目標(biāo)是降低具身智能的開發(fā)門檻。

在這一點(diǎn)上，我認(rèn)為我們做得是比較好的。我們在開發(fā)者生態(tài)里足夠活躍，也在持續(xù)給大家?guī)硇碌?、有趣的、可?shí)踐的開發(fā)內(nèi)容。

Q：那最后一個(gè)問題，什么是開源硬件？

吳丹：簡單來說，開源硬件就是用戶可以基于開放的硬件和軟件層來學(xué)習(xí)和二次開發(fā)。

在矽遞，我們的使命是讓科技隨手可得。我們專注于為全球創(chuàng)客、開發(fā)者及科學(xué)家等創(chuàng)新者提供邊緣AI、機(jī)器人及智能傳感器系統(tǒng)等新興技術(shù)， 賦能每一位創(chuàng)新者實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。