近期，極佳視界聯(lián)合創(chuàng)始人、首席科學家朱政接受中國證券報記者采訪，談及公司團隊從自動駕駛切入具身智能、以通用世界模型賦能三大場景的成長路徑。朱政認為，具身智能面對更頻繁的物理世界交互，需要視覺、觸覺、力控等多模態(tài)信號，模型訓練極具挑戰(zhàn)，同時也對應著廣闊的市場空間。

目前，極佳視界推動具身機器人落地家庭服務與工業(yè)制造場景，并開啟“機器人造機器人”產線建設。同時，公司以通用世界模型為底座，將模型能力賦能具身智能、自動駕駛、內容創(chuàng)作三大場景，加速世界模型商業(yè)化應用。

極佳視界人形機器人在模擬工業(yè)產線作業(yè) 公司供圖

進入具身智能賽道

“2023年前，團隊一直從事自動駕駛的研發(fā)，感受到市場的天花板，而具身智能可能是更大的市場。”朱政回憶公司發(fā)展歷程時說。2023年6月，極佳視界正式成立，多位核心成員來自自動駕駛領域，公司成立后便聚焦世界模型，并面向具身智能、自動駕駛、內容創(chuàng)作三個方向同步布局。

朱政表示，自動駕駛為具身智能提供技術和人才的儲備，但同時，具身智能的模型相較于自動駕駛更為復雜。

在自動駕駛領域，車輛在道路上行駛，拐彎、加速、停下，車體與外界并沒有復雜的交互，主要需要避免碰撞，算法只需考量車輛與車輛、車輛與行人之間的博弈，模型訓練的數(shù)據(jù)也非常充足。“過去10年，新能源車企已經(jīng)積累了上億公里的路測數(shù)據(jù)。”朱政說。在此基礎上，自動駕駛的應用落地加速，商業(yè)化路徑也更為清晰。而在具身智能領域，模型訓練的難度更高、數(shù)據(jù)需求更為多樣。

“具身機器人的雙臂和靈巧手，加起來就有幾十個自由度，需要與物體頻繁接觸，接觸過程中會用到視覺信號、電子皮膚收集的觸覺信號，還有關節(jié)傳感器的力控信號等，都要統(tǒng)一到同一個模型中。”朱政介紹，因此機器人面臨更復雜的數(shù)據(jù)需求、應用場景和模型算法挑戰(zhàn)。

面對這一挑戰(zhàn)，極佳視界選擇了以世界模型為中心的技術路線。朱政介紹，從去年底開始，具身大腦的技術路線逐漸收斂至以世界模型為中心的具身基礎模型，“世界模型像人的右腦一樣，是適配空間、理解與行動最合適的架構。從數(shù)據(jù)規(guī)模、模型參數(shù)與訓練方法來看，這一路線有望更快兌現(xiàn)具身智能領域的縮放定律（Scaling Law）。”

基于這一路線，極佳視界最新發(fā)布并全面開源具身基礎模型GigaBrain-0.7，可實現(xiàn)超20分鐘、超過20個子任務的一鏡到底自主操作。

通用世界模型賦能三大業(yè)務

朱政介紹了極佳視界在全球首次提出的通用世界模型L1到L5分級體系：L1階段，模型可生成視覺真實的通用視頻世界，支撐AI短劇、游戲內容生產；L2階段，模型可生成高效、合理的通用執(zhí)行動作，用于自動駕駛車輛、具身機器人；L3階段，模型生成幾何準確的通用空間世界，讓世界成為可被定位、測量和導航的空間；L4階段，模型能夠生成物理精確的通用物理世界，可預測物體下一步行為和影響；L5階段，模型將生成可長程運行的世界，在長時間尺度維持狀態(tài)、規(guī)則、記憶和交互。

“更高層級不是替代更低層級，而是在其上疊加更強的約束。世界模型在技術上已經(jīng)沒有大的理論瓶頸，只要沿著L1到L5不斷往前推進，就能迎來各個產業(yè)爆發(fā)的時刻。”朱政說。

在商業(yè)策略上，朱政介紹，極佳視界以通用世界模型為底座，從數(shù)據(jù)、建模、訓練方法上，打通具身智能、自動駕駛和內容創(chuàng)作三大場景。

自動駕駛領域，公司商業(yè)化已較為成熟。極佳視界推出自動駕駛世界模型模擬器Drive Dreamer Engine，可生成多視角一致的視頻與激光雷達點云數(shù)據(jù)，完成大區(qū)域場景重建，覆蓋真實路測難以采集的長尾場景；同時提供閉環(huán)仿真環(huán)境用于端側模型的強化學習，可代替部分實車測試，降低測試成本。目前已與多家頭部主機廠達成定點與量產合作。

具身智能領域，極佳視界同步推進通用具身大腦GigaBrain與原生本體Maker系列的研發(fā)，大腦與本體協(xié)同設計、深度適配。在此過程中，世界模型可為機器人提供訓練數(shù)據(jù)、強化學習環(huán)境以及仿真評測環(huán)境，并直接輸出機器人動作策略。

內容創(chuàng)作領域，商業(yè)化路徑明確。世界模型能力可用于影視行業(yè)后期制作、短劇制作、游戲生成，公司向工作室、個人創(chuàng)作者開放API接口，提供模型能力。

技術落地層面，極佳視界搭建算法、數(shù)據(jù)“雙金字塔”體系：數(shù)據(jù)金字塔整合互聯(lián)網(wǎng)視頻數(shù)據(jù)、真人示教數(shù)據(jù)、世界模型生成與仿真合成數(shù)據(jù)、真機實測數(shù)據(jù)；算法金字塔分為世界模擬、動作對齊、經(jīng)驗強化三層，先由世界模型學習世界規(guī)律，再完成動作對齊。

多場景落地攻堅產線自動化

極佳視界正在探索具身機器人在真實場景落地。在家庭場景，極佳視界百臺拾光S1家庭機器人訂單已落地武漢光谷“之寓”人才公寓，設備正分批部署，可獨立完成取餐備餐、餐桌整理、衣物收納等居家服務工作。工業(yè)領域，公司啟動“機器人造機器人”項目，首批百臺Maker H01人形機器人已完成交付，兩條示范產線建設完成。

朱政介紹，極佳視界的示范產線分階段推進自動化：第一階段目標是由機器人接管物料搬運、設備上下料等約20%的工序，第二階段提升至60%，遠期目標是打造90%工序無需人工干預的全自動化智能產線。“機器人可自主學習生產規(guī)范、組裝零部件、完成機器人產品的打包與發(fā)貨，未來這套自動化生產能力還將延伸至倉儲物流、3C、汽車制造等主流工業(yè)產線。”朱政表示。

整體而言，朱政認為，具身智能產業(yè)化仍處于發(fā)展早期。現(xiàn)階段，模型能力仍然有限，機器人難以處理極端工況、意外情形，或實現(xiàn)跨場景的泛化；同時，考慮到實際應用需求，機器人本體成本偏高，電池續(xù)航、安全性能仍有待提升，行業(yè)發(fā)展有賴于固態(tài)電池等前沿技術持續(xù)突破。

從落地場景成熟度來看，朱政認為，當前物流分揀已是具身機器人落地應用的核心賽道。機器人可實現(xiàn)全天候不間斷作業(yè)，有效提升物流分揀整體效率。除此之外，無人咖啡店、無人藥房、無人零售店等泛服務場景落地提速，機器人可完成夜間值守、商品服務等工作，助力實體業(yè)態(tài)實現(xiàn)24小時不間斷運營。

談及行業(yè)發(fā)展趨勢，朱政認為，具身智能大約落后語言模型5年，未來2到3年內有望迎來自身的“GPT-3時刻”。每一代新模型的突破，都將打開全新的商業(yè)化應用空間。隨著行業(yè)資本持續(xù)涌入、專業(yè)人才不斷集聚，國內世界模型產業(yè)有望迎來跨越式發(fā)展。