出品 | 网易科技《态度AGI》对话
作者 | 崔玉贤
编辑 | 丁广胜
“想象一下，一个中风患者，他大脑想着我要伸手，机器人就能读懂他的意图，带动他的手完成动作，完成从中枢驱动外周的训练。”
傅利叶创始人兼CEO顾捷描绘的这一想象不是未来十年的概念，而是在1-2年内即可真正落地实现的产品。对于需要康复的人来说意义重大，这不是机器人被动地执行命令，而是在主动识别人的意图，并做出相应动作。
机器人之所以可以实现“主动识别”，是因为加入了“脑机接口”的技术。“通过脑机技术的接入，我们能够识别患者是否在主动尝试、意图是否被激活、以及激活的时序与强度，并在意图最清晰的时间窗内，由机器人提供恰到好处的物理辅助。”顾捷表示。
近日，在具身智能生态大会上，傅利叶宣布将此前的具身智能康复港进行升级，融入脑机技术方案。“这不是在原有系统上加个功能那么简单，而是让康复治疗第一次具备了从大脑意图出发的闭环能力。”
脑机接口的技术从诞生发展到现在已经50多年，随着AI技术的发展，脑机接口概念持续爆火。据介绍，傅利叶之所以此时将脑机接口技术与机器人相结合，并不是为了炒作概念，迎合市场。而是顾捷看到了脑机接口技术成熟了，让他有信心走入临床，帮助更多人。
“首先，我们观察到，相关设备已经开始实现便携化和小型化，并且在中国产业的推动下，已经能够大规模量产。其次，其技术栈从传统的脑电（EEG）发展到近红外光谱（NIRS），再到未来的超声波技术，提供了多种选择。”顾捷表示。
“以前，将脑机接口与机器人结合进行基础任务时面临较大挑战，但现在借助便携式设备，操作变得更加自然和顺畅。当前的脑电设备（如格式塔的超声方式）都是相对便携的，能够在监控的同时兼顾便携性。这给予我们很大信心。”
其实，早在2017年，傅利叶就在内部启动了脑机接口与外骨骼结合的预研，并实现了通过脑电信号控制外骨骼行走的demo。此后几年里，傅利叶也一直在关注脑机接口技术的发展。
在此次生态大会上，傅利叶还宣布未来将进行“1+3+X”的应用生态发展战略布局。所谓的“1”就是将“康养陪伴”作为战略级自营场景，进行重点资源投入；“3”指与生态伙伴共建“导览交互”、“工业赋能”和“科研创新”三大场景。
可以看到，傅利叶未来将继续深耕具身智能在康养领域的应用。“康养领域的天花板是极高的。”顾捷明确指出，康养机器人的发展将经历三个阶段：康复医院的严肃医疗场景、养老院与护理院的复合服务场景，最终进入家庭场景。“如果未来五年到十年技术和服务能真正进入家庭，这将是一个万亿级市场。”
目前，傅利叶已经为全球40多个国家和地区的2000余家机构与医院提供服务。“从某种意义上说，我们已经站在’人机共生’的时代门口，傅利叶期待有一天，由我们打造的机器人，能够走进社区，走进工作场景，走入生活圈，最终，走到每一个真正需要它的人类伙伴身边。”顾捷表示。
以下为网易科技等与傅利叶创始人兼CEO顾捷、傅利叶副总裁时晖沟通的部分内容：
康养机器人将会是个万亿市场
提问：具身智能在康养领域的应用，是傅利叶的优势。康养机器人的市场空间有多大？对于具身智能的落地时间表和节奏，有何判断？
顾捷：我们觉得康养领域的天花板是极高的。它的发展路径一脉相承：最早是在康复医院，对应的是一个严肃医疗场景下的医疗级设备市场；随后扩展到养老院、护理院，这一阶段的诉求不仅包括基础养老和护理，还增加了陪伴等需求，形成一个更复合的服务市场；再往后，最终可能真正进入家庭——从医院，到养老院，再到家庭，这是清晰的演进方向。
如果未来五年到十年，相关技术和服务能够真正落地家庭，那将是一个万亿级的市场。我们认为，无论是技术的落地能力，还是场景化产品的开发路径，都要循序渐进：既瞄准一个高远的目标，又能按年设定切实可行的阶段性落地目标。
提问：傅利叶现在外骨骼的销售的情况怎么样？脑机接口+具身智能+外骨骼方案在傅利叶后续销售方案上会有哪些结合？
顾捷：我们始终注重产品本身。在销售模式和销售方案上，目前沿用较为成熟的行业方式。
我们明显感受到，整个行业对新技术——包括AI、外骨骼、机器人——所带来的临床价值越来越认同。越来越多的文献和实际反馈也证明，这些技术能够有效提升康复效率，并改善患者在各项功能上的恢复效果。在这方面，傅利叶目前的机器人产品已经覆盖国内外40多个国家的两千多家医院和机构。
展望未来，我们也看到一些新兴技术的潜力，例如脑机接口，它是一种非常有前景的交互技术工具。我们将在此基础上，继续深化已有的力反馈技术、外骨骼交互技术等，并推动这些技术的产业化落地。
提问：傅利叶选择在这个时间节点发布脑机接口数据集，过去在做这件事上有什么困难？为什么现在傅利叶觉得有信心能做好这件事情，特别是关于规模化这方面。
顾捷：这很大程度上取决于硬件的发展水平。首先，我们观察到，相关设备已经开始实现便携化和小型化，并且在中国产业的推动下，已经能够大规模量产。其次，其技术栈从传统的脑电（EEG）发展到近红外光谱（NIRS），再到未来的超声波技术，提供了多种选择。这表明脑机接口设备的技术正在逐步成熟。
以前，将脑机接口与机器人结合进行基础任务时面临较大挑战，但现在借助便携式设备，操作变得更加自然和顺畅。当前的脑电设备（如格式塔的超声方式）都是相对便携的，能够在监控的同时兼顾便携性。这给予我们很大信心。
2026年具身智能将开始出现技术收敛
提问：站在产业的拐点，傅利叶接下来三年的核心目标是什么？公司内部最优先投入的资源会在哪里？
顾捷：具身智能在2026年和2027年已经开始显示出一定的技术收敛趋势。就像早期汽车行业的争论——关于轮子数量已经不再需要讨论——我们现在看到，具身智能在关节、力量和架构等方面的技术战略也逐渐趋于一致。
今年到明年，我们的重点是聚焦本体和载体的打造，确保其质量、量产性和综合功能都达到最优水平。这意味着要继续迭代和打磨这款产品，使其成为可靠的平台。
第二步，在拥有了一款成熟的硬件载体后，我们需要深耕自己的应用场景，首先在这些场景中进行验证和优化。无论是商业服务还是康养场景，我们都将在这些领域打磨载体，确保其实际应用效果。
第三步，当载体和技术标准建立完善后，我们将把这些知识分享给更多的场景方。无论是工业、教育，还是其他更多领域的应用场景，都可以借鉴我们在开发过程中积累的共享模块和技术知识，从而加速这些行业的发展。
因此，从今年到明年是一个“1到10再到100”的过程。我们的目标是深耕擅长的场景，打造优质的本体，并与更多的合作伙伴，包括上下游企业，共同建立一个完整的生态系统。
提问：对具身智能技术和产业的发展趋势，傅利叶会有什么具体的预测或者期待吗？
时晖：我们对今年的预测和期待，更多是基于2025年整体发展态势的延续和向上推进。因为2025年对我们来说最令人兴奋的进展，就是场景落地这件事真正开始发生。
谈到场景，如果我们暂时抛开纯研究型需求，聚焦于应用型需求——这正是过去十年行业特别关注的方向——那么我们认为，一个行业真正启动的关键恰恰在于最初那个从0到1的中间过程。
正如“行百里者半九十”，我们往往花了大量时间在孵化和酝酿。而到了2025年，我们实际上已经迈出了这关键一步。
进入2026年，我们期待的是：无论在康养的商业服务、工业赋能，还是教育科研等领域，那些已经“被照亮”的成功场景，能够被系统性地学习、复制和推广。
提问：这两年人形机器人赛道明显升温，资本玩家和场景都在快速涌现，对傅利叶来说，接下来一段时间的核心战略的重心和取舍是什么？未来一两年是准备要顺势加速，还是会在扩张的节奏上保持克制？
顾捷：首先，我们在傅利叶做机器人这件事，是踏踏实实建立在十年积累基础上的。早在市场无人关注、行业尚未发出声音的时候，我们就始终坚持一个目标：把机器人做好。
如今，越来越多的人开始关注这个领域，社会关注度显著提升，根本原因在于大家看到了机器人未来的希望与愿景。而这一轮热潮带来的最大好处，并非资金，而是大量聪明、有热情的年轻人正涌入这个行业。他们怀抱着强烈的愿景和对机器人的热爱，不仅加入核心研发，也投身于上下游产业链。经过过去几年的磨合，我们明显感受到：整个行业正在加速发展。
我常对团队说，过去一年，我们走完了以往可能需要三到五年才能完成的进程。机器人产业，尤其是具身智能方向，正处于明显的加速通道中。
在这样的背景下，傅利叶必须继续保持节奏，进一步加大投入——第一，在技术研发上重投入，力争在关键技术上实现突破；第二，从今年到明年，继续把技术突破真正转化为产品和场景，并在此过程中创造可衡量的商业价值。这一点至关重要。
要实现这一点，我们必须深化与场景方的合作，推动系统级集成与应用开发。毕竟，单靠一家企业无法覆盖所有场景。我们希望吸引更多合作伙伴共同参与场景开发，共建生态。
因此，我们判断：未来3到5年，将是机器人与具身智能产业高速发展的黄金窗口期，非常值得期待。
提问：最近流行的Human centric数据采集方式傅利叶会不会采用？
顾捷：对机器人未来能否具备泛化能力而言，数据极其关键——这一点已在自动驾驶和早期AI大模型的发展中得到充分验证。只有积累到一定规模的数据，配合优秀的算法，才有可能催生真正有效的智能行为。
但需要强调的是，数据并非越大越好。
第一，数据质量至关重要。例如，重复执行同一个任务1,000次甚至1万次，有时并无实际价值；真正有价值的是在不同任务之间切换，并包含成功与失败的完整过程。这类数据才能形成高质量的学习样本。
第二，数据集不能只依赖机器人自身采集的数据。虽然互联网上存在大量视频数据，但其局限在于：这些数据通常不是第一人称视角，难以反映人类真实的操作意图和交互逻辑。因此，我们还需要大量基于人类第一人称视角的高质量操作数据——包括人体运动、任务执行过程等。将这类人类数据与机器人在真实环境中采集的本体数据相结合，才能持续提升模型的泛化能力。
我们认为理想的数据构成应按以下比例构建：以互联网上公开的多模态数据作为大规模基座、叠加大量第一人称人类交互数据、再融合我们在具体场景中产生的小批量但高价值的机器人实采数据。
尽管这部分机器人数据占比相对较小，但其绝对量级未来也可能达到亿级。通过严格的数据筛选、精准标注和有机整合，最终形成一个高质量的综合数据集，用于训练具身智能模型。这将使机器人在面对多样化任务时，具备更强的理解、推理与执行能力。
热门跟贴