文丨周小燕
编辑丨徐青阳
人形机器人正在从实验室进入真实工作场景，但在乔纳森·赫斯特（Jonathan Hurst）看来，行业真正的考验才刚刚开始：机器人必须在现实环境中创造足够明确的经济价值。
赫斯特是Agility Robotics联合创始人兼首席机器人官。10年前，他从俄勒冈州立大学机器人实验室创办Agility，如今公司的双足人形机器人Digit已经进入亚马逊、丰田和物流公司GXO的设施，执行搬运、堆放等工作。
Agility正在准备推出第五代Digit，并计划通过SPAC交易上市，估值约25亿美元，同时融资约6亿美元。
在这个行业不断升温的时候，赫斯特却提醒市场保持冷静：“有太多炒作和与现实无关的故事，我真想戳破这个泡沫。”
01 先把活干起来
Agility把物流和制造业作为Digit最先落地的场景，因为这里既有明确需求，也有传统自动化尚未覆盖的环节。
如今，仓库和工厂已经大量使用传送带、机械臂和自主移动机器人。但这些设备通常只能完成固定任务，不同设备之间的衔接仍需要人工。例如，把箱筐从移动机器人搬到传送带，或者完成堆垛和拆垛。
Digit主要承担的就是这些工作。它可以在现有通道和工位之间移动，用双臂搬运箱筐，并接入原有的自动化流程。企业不需要为它大幅改造仓库，这也是Agility采用人形设计的主要理由。
这些任务看起来并不复杂，却比跑步、跳舞更接近一门生意。企业可以直接计算机器人搬运了多少货物、节省了多少人工，以及是否值得投入。
据Agility披露，一台Digit五年的购买和运营成本约为40万美元，比雇用员工完成同类工作的成本低约20%。联合创始人乔纳森·赫斯特认为，公司已经接近一个关键节点：Digit既能帮客户降低成本，也能让Agility从中获利。
不过，这笔账仍有争议。Bernstein Research认为，人形机器人的价格还需下降30%至50%，才能真正具备商业可行性。Agility则表示，随着材料、技术和生产规模改善，Digit的成本还会继续下降。
Agility已在俄勒冈州塞勒姆建成RoboFab工厂，设计年产能最高为1万台。但设计产能不等于实际产量，公司尚未公布Digit目前的产量和详细财务数据。Agility去年运营支出约为1亿美元，现有员工接近500人。
Digit已经证明，人形机器人可以进入仓库和工厂。Agility接下来要证明的是，这套模式能否大规模复制，并成为一门持续赚钱的生意。
02 再把安全做好
Digit下一阶段要解决的，是如何在没有围栏的情况下与人共同工作。
“到目前为止，任何需要动态保持平衡的机器人，都可能摔倒。”赫斯特说。在仓库和工厂里，只要机器人可能倒向附近的工作人员，就必须设置安全隔离。这样虽然能够降低风险，却也限制了机器人可以承担的任务。
随着人形机器人攻克主要安全难题，它们将拓展至需要与人类更密切互动、环境更不规整的行业
Agility计划在2026年年底推出Digit V5，其最重要的变化就是提升功能安全。公司希望它不再局限于封闭的工作单元，而是能够进入有人活动的区域。
这项改进涉及整个机器人系统。Agility需要重新设计腿部结构和跌倒姿态，并对安全通信、供电系统和周边传感器进行调整。机器人不仅要发现附近的人，还要根据距离和风险改变自己的动作。
例如，当有人靠近时，Digit会主动减速，进入动能更低的状态；必要时，它还可以坐下，减少碰撞或摔倒造成伤害的可能。赫斯特表示，Agility为这套安全系统投入了大约两年时间。
他把围栏视为人形机器人扩大部署的一道重要障碍。只要机器人必须在隔离区域内运行，它的活动范围和应用场景就会受到限制。如果Digit V5能够安全地与人共享空间，Agility就有机会把它部署到更多现有的仓库和工厂。
不过，安全能力提升并不意味着Digit已经可以像普通员工一样理解任务。目前，通过动作捕捉和遥操作教机器人执行动作已经能够实现；但要让它仅凭一句“把这些东西拿起来放到那里”，就自行理解并完成任务，赫斯特认为行业“还差得很远”，甚至可能需要几十年。
因此，Digit V5解决的不是通用智能问题，而是一个更现实的商业门槛：机器人能否在人类身边持续、安全地工作。
03 规模化才是考验
解决安全问题后，Agility还要证明，Digit可以从少量部署走向批量应用。
这一过程需要多种AI技术共同完成。在Digit身上，视觉模型和语言模型用于识别环境、理解指令，动作示范用于提供正确动作，强化学习则通过大量模拟训练，帮助机器人掌握平衡和动作控制。
赫斯特把机器人学习比作学习小提琴。老师可以告诉学生手应该放在哪里，但要真正把琴拉好，还需要反复练习。对机器人来说，动作示范告诉它应该怎么做，强化学习则帮助它把动作练熟。
赫斯特认为，没有一种“万能AI”可以解决机器人的所有问题。机器人能否稳定工作，不仅取决于模型，也取决于硬件和控制系统。
Agility可以直接采购摄像头等成熟零部件，但Digit所需的执行器很难从市场上找到合适产品。电机和传动系统直接影响机器人的运动、平衡和柔顺控制，因此Agility选择自行开发。
部署数量增加后，Digit还可以共享数据和技能。一台机器人学会的任务，可以复制到其他机器人上。大量机器人在实际工作中产生的数据，也可以用于训练新的机器人模型。
Agility已经开始为扩大生产筹集资金。公司此前融资约3.9亿美元，并计划通过与Churchill Capital Corp XI合并上市。按照交易方案，Agility的上市前估值约为25亿美元，预计获得超过6.2亿美元的总募集资金。
公司在俄勒冈州塞勒姆建设的RoboFab工厂，设计年产能最高为1万台机器人。不过，Agility尚未公布实际产量和详细财务数据。公司去年运营支出约为1亿美元，目前员工接近500人。
设计产能和公司估值都不能直接证明人形机器人已经成为一门成熟生意。Agility还需要证明，Digit能够长期稳定工作，生产成本能够随着产量增加而下降，已经掌握的技能也能快速复制到更多机器人上。
这才是规模化需要接受的检验：机器人不仅要完成一次演示，还要能够批量生产、持续运行，并为客户带来可以计算的回报。
特约编译金鹿对本文亦有贡献
热门跟贴