手冢治虫笔下充满了丰沛情感的“铁臂阿童木”曾是一代人心中的机器人雏形，其中也包括了软银的CEO 孙正义。

早在2014 年，孙正义便带领软银机器人团队开发的Pepper 公开亮相，而在三年后，又收购了“网红”机器人公司波士顿动力。然而，尽管跨越了人形的障碍，Pepper的商业化之路却没有按照孙正义所设想的路线进行。

Pepper的折戟一度带着人们从想象回到现实。在人类对未来机器人的想象中，高度发达的科技技术，让机器人已经成为了不亚于人类的智慧物种之一，而回看到现实生活，如何让机器人真正融入人类生活，为人类排忧解难，依旧是当下技术、环境等尚未跨越的世纪性难题。

不过，不能否认的是人类的确在以更快的速度去接近那些想象。无论是在工业生产领域还是日常生活中，机器人这一物种都在试图突破实验室的桎梏，落地成现实。而面向老龄化社会，随之而来的养老问题、情感陪伴、健康管理以及其他服务需求，迫切需要机器人走入每个家庭。

目光回落至企业，我们发现，从2012年，谷歌将AI（人工智能）系统命名为谷歌大脑；2014年，科大讯飞提出讯飞超脑；2015年，百度提出百度大脑；2017年，阿里巴巴提出阿里ET大脑等浪潮下，城市大脑、工业大脑、农业大脑、航空大脑等均在不断涌现。而在各类“大脑”背后，机器人急需一场“脑力”革命，以满足专业服务、情感陪伴等需求，行业需要“再造”AI机器人，才能更近一步解决机器人的落地难题。

面向人口老龄化的当下，人工智能企业纷纷“出招”。近期，科大讯飞提出了一项讯飞超脑2030计划，目标就是让人工智能懂知识、善学习、能进化，将技术真正服务于教育、医疗、服务等多类场景之中，最终让机器人走入寻常百姓家。

在技术演进趋势与时代命题间，行业又该如何去再造机器人？当AI大脑的迭代与社会场景落地并进，机器人这个大产业又将发生怎样的变化？

01

机器人与人工智能的关系？

机器人是由什么组成的，它与机器又有什么不同呢？这个问题的答案在过去80年间已经发生了变化。类人自动机，如Rossum's Universal Robots和The Metropolis中的那些，就是以人体为模型的，但缺乏平滑的人体特征和肢体方向，也缺少人类情感。

随着工业和制造业的发展以及生产线和汽车工业的自动化，机器人的概念或多或少被局限于从事重复的“拿和放”作业的机械手臂。用于移动和其他比较高级的用途（如导航、简单行为、社交作用等方面）的机器人，在Walter的海龟之后才开始有起色。

不同于工业机械臂，人工智能机器人会对本地环境进行导航和探索，具有明显的智能，很多时候是为了完成特定的任务或作为特定角色的，如探索机器人、家用机器人、搜救机器人等。

Bekey提出了以下机器人定义：机器人是一个机器，在世界上感觉、思考、行动……

这个定义并没有与给定的任务相关联，也没有突出机器人与环境的交互。因此以下4类机器人都被此定义涵盖了：

从事重复性工作的机器人，如工业级机器人和机械手臂；

那些缺少明确指令的机器人，如火星探测器；

社交机器人领域的那些有着人类外观的自动机或类人机器人；

通过扩展生物技术制造的未来机器人，如Android机器人和半机器人。

这个定义不局限于普遍接受的机器人机电一体化的设计，即通过处理单元将机械和电子进行了融合。然而，工程方向的角度倾向于限制这个定义，即机器人应该有电子、机械硬件以及处理单元。没有电子和处理单元的驱动更多是在自动机领域，由压缩弹簧、气动阀和/或液压控制，比如Philon设计的那些以及日本的Karakuri木偶。

自那之后，机器人的定义就基于它们参与实际任务的能力，没有外在控制，人们倾向于认为机器人真的在“思考”，因为它处理来自传感器的数据到处理单元的动作与人类大脑的工作方式很相似。尽管这仅仅是执行代码段，本质上并非思考。

机器人的特定目标可以是具体的，如线跟踪、光线追踪或捡起空可乐瓶，也可以是朝着预定的方向迈进的一系列杂务，如军事机器人、护士机器人、家政服务机器人或者办公室助理机器人。

Murphy给出了一个更以人工智能为中心的定义：一个可以自主运作的机械生物。

这个定义特别提到“生物”，和拟人论一致，也和Toda与Wilson的作品相吻合。不言而喻，它也暗示着自主功能和智能行为有重合之处。

作为本文范围内的有效定义，机器人是一个自主或者半自主的主体，在人类的直接控制下进行工作；或者是部分自主，由人类监督并由人类监督训练；或者是完全自主。我们会发现这个定义并不完善，随着我们朝着基于智能体的机器人的更新领域前进，这个定义将被修正。

艾伦·图灵在20世纪30年代末提出了早期的人工智能概念，以及他称为自动机的假设模型，之后被命名为图灵机。这是中央处理器的骨架，促进了计算机在战后时代的设计。在McCarthy、Minsky、Newell和Simon的开创性努力下，这些早期的概念形成了一门新兴学科。

人工智能可以分为以下7个分支：

1. 知识表示

机器人如何表示世界？在人类环境中，对于简单的工作，比如定位，我们倾向于用地图或地标并依靠之前的知识和经验。

机器人则用激光或声呐来做这件事，现实世界里的一张桌子将被转换为一个与传感器感知强度相对应的数字数组。如果机载微处理器不是很强大，这些方法会根据维度进行近似，把物体缩小成各种各样的立方体、长方体等，就像一个缩小版的世界。

2. 自然语言

语言是独一无二的，因为这种句法和语义结构的统一只存在于人类而不存在于动物身上，语言是我们文化和社会体系的决定性基础。著名的语言学家Noam Chomsky认为，语言处于两个突出的认知过程的接合处：它是外化的感觉运动，是更有目的性和协商式的概念化心理过程。

让机器人理解并回应人类的声音仅仅在设计和开发更复杂的机器人当中发挥作用，这些机器人可以和人类社会紧密互动。自然语言处理库和聊天机器人很具发展前景。基于语音的系统仍然在探索中，苹果的Siri、微软的Cortana、谷歌的Google Now都是很具前景的。

3. 学习

在编程机器人时，会带有很多任务特定的策略，但是这些并不详细，而且为了能有效地运行，机器人必须从经验中学习。流行的学习范式有基于案例的方法、人工神经网络、模糊逻辑以及进化方法。几乎所有最先进的机器人都有一个学习模块。

4. 计划和问题解决

制订计划或者算法步骤去完成一个目标并解决过程中遇到的问题的能力是AI智能体所固有的，并且通常是它们运行表现的一个标志。对于简单的机器人来说，计划大多是运动规划。然而，更有意思的任务也需要计划，如解决魔方问题、下棋、玩滑块拼图、堆积木、制定日常家务日程表等。

5. 推理

从不完整或不准确的数据集中得出结论。机器人经常从传感器得到不准确的数据。为了应对这种情况，避免系统完全崩溃，机器人必须依赖推理，确保过程的连续性。

6.搜索

对于机器人通常意味着在物理空间中进行搜索——搜索一个物体或一个目标点，但也可以意味着启发式的搜索，机器人以分析的方式搜索解决方案。

7. 视觉

已经成为机器人的一个主要部分。对人类来说，和其他感官相比，视觉是独一无二的，和我们的大部分运动动作都相关，这一点同样适用于大部分动物世界。因此发明能够处理其本地环境的智能模型的努力必须诉诸视觉。

心理学家认为，视觉影响着我们的内心世界，而几乎我们的每一个行为结果都会先在内心世界中进行模拟，然后才在真实世界中做出行动。

自Gibson和随后的Marr的早期先驱研究开始，视觉在人工智能中就占有重要的一席之地。视觉不像其他感官，“看”和“看见”的融合似乎是一个协商式过程，涉及我们大脑的快速处理。但是最近，动作性模式已经将视觉作为一种开发性感觉运动模型。

02

“AI聚光灯“下的机器人

我国机器人发展时间的并不长，但每一次的发展都与社会需求的变阵息息相关。

从工业机器人的角度出发，1972年起，我国开始研制相关领域的工业机器人，在诸如海洋作业、陆地装配领域不断突破。在这背后，伴随着劳动力成本增加,“机器换人”的时代来了，据IFR(国际机器人联合会)统计，2021年，我国工业机器人市场规模达到了445.7亿元。

在工业机器人发展火热的同时，消费者端对机器人的诉求持续增加。

从智能音箱到学习机、再到扫地机器人，人类在生活中，对于这类提升生活幸福感的电子工具的需求度持续提高。反映至数据层面，根据IFR(国际机器人联合会)统计，2016年以来，我国服务机器人市场规模年均增速达36.42%，高于全球平均水平(23.38%)，2021年服务机器人市场规模预计将达到302.6亿元。

从个体接受的角度来讲，我们发现机器人正在润物细无声地进入寻常生活，而如果从社会角色的角度出发，我们同时也能看到，机器人正在以人类的社会身份浸入社会生活的方方面面。

无论是在超市、餐厅、甚至酒店，机器人的身影已经若隐若现，在诸如结账、打扫卫生等环节，机器人正在成为社会一员，去取代一些重复性且程式化的工作。

而在近日刚闭幕不久的冬奥会上，冰壶机器人、滑雪机器人、烹饪机器人等众多服务机器人相继亮相，在各自的领域中大放异彩，再一次推高了C端消费者对于机器人的兴趣和接受度。

当C端对机器人需求激增的同时，消费者的诉求同时呈现出了更为个性化、智能化，且复杂的特点。以智能音箱进入人类生活为例，人类早期的诉求可能是诸如定闹钟、提醒、回答天气，而在经历音响和个体生活的磨合之后，人类大脑中对于智能音箱的认知将会持续提高，从而给出更为复杂的问题，试图得到满足。

在这些需求背后，如何再“造”AI机器人的命题开始浮出水面。

于是，立足于来自C端和B端的旺盛需求，我们看到机器人的比拼已经来到了一个全新的时代：如何一步步跨越技术的界限，在各类细分场景中实现应用？

03

为什么是2030？

距离AI机器人惠及人类社会，走入普通中国家庭还有多远？

从社会需求、技术演进和政策目标来看，这一落地脉络已逐渐清晰。根据十四五规划来看，到2025年，我国成为全球机器人技术创新策源地、高端制造集聚地和集成应用新高地；到2035年，我国机器人产业综合实力达到国际领先水平。政策定调背后，是技术与社会需求间的同频共振。

根据Gartner最新给出的数据，知识图谱、自然语言处理等关键底层技术都将在5到10年内到达成熟期，届时人工智能有望在认知智能层面实现大踏步的跨越。“大脑”的突破无疑是机器人落地的关键。

可以看出，科大讯飞提出的“2030计划”与此不谋而合。回顾前文所提到的“AI大脑”，讯飞超脑也并非一个新鲜名词，只不过2014年的讯飞超脑更多指认知智能计算引擎本身，而在这一代的超脑计划中，落地于机器人和社会场景，成为了科大讯飞和一众人工智能厂商的核心目标之一。

不同的是，当我们去拆解讯飞给出的“十年”这一答案，从技术和场景的发展中，更能窥见的是人工智能技术发展的核心脉络，在技术演进与社会需求间，如何去解决老龄化社会面临的问题。

首先指向于需求端，2030年的人类社会还会是当下的状态吗？答案自然是否定的，根据《中国统计年鉴2021》披露的数据，2020年全国人口出生率为8.52‰，首次跌破10‰，而同期人口自然增长率仅为1.45‰。走低的出生率背后，劳动人口比降急剧下滑，在这一因素的影响下，关乎养老、教育等社会问题已经呼之欲出。

于是，在十年后的今天，机器人或许将成为解决未来养老问题的关键。而在现阶段的矛盾与未来的期许之间，我们需要再次发问：机器人真的可以融入人类生活吗？

业内专家指出，经历了机器人1.0时代到3.0时代的洗礼，4.0时代的机器人，将具有持续学习、协同学习、场景自适应的能力，可以提供自主服务。在这背后，AI大脑的发展至关重要，而映照了AI大脑的能力发展边界，机器人的成熟也将走出一个高增长的态势。

（讯飞超脑2030计划）

以科大讯飞2030超脑计划规划为例，其根据技术的发展同样规划了三个阶段。第一阶段为2022至2023年，这一阶段，机器人发展的核心目的在于掌握仿生机器人本体技术、多模态感知及表达技术和主动对话技术，让虚拟人在更多的专业领域给予人类帮助。

第二阶段为2023至2025年，通过升级多传感融合运动控制技术、多模态情感理解及持续学习技术和深度知识理解及运用技术，实现机器人技术层面的突破，并推动外骨骼机器人进入人类生活。

第三阶段为2025至2030年，攻坚的重点在于复杂场景融合决策与柔性驱动、跨模态融合自主学习技术和常识推理及联想决策技术，在这一阶段，机器人将能够自我学习和进化，真正在刚需中帮助人类应对未来。

从科大讯飞的三步走来看，从专业虚拟人到外骨骼机器人，再到能自我学习和进化的机器人，每一步都是技术迭代与产业积淀下的“沿途下蛋”，最终推动人工智能持续突破，机器人进入万家。机器人产业未来十年的发展路径也愈加明晰。

04

下一站

回顾2018年，AI领域投资事件频起，人工智能挤满了近乎中国所有的主流投资机构和产业资本，而AI作为一个知易行难的典型行业，却在落地层面一再遭遇市场打击。

随着单点技术的持续突破，场景落地的深入，融合场景需求与各关键技术的系统性创新成为行业发展趋势，推动AI走进教育、医疗、城市、金融等各行业领域，落地场景逐渐深入。

2020年，国家又进一步提出新基建战略，人工智能被纳入七大关键领域之一。同时，根据高盛高华证券研究的数据显示，2020-2025年新基建投资是15万亿元，人工智能行业投资达到了4.95万亿。可以说，政策和资金的投入，再度为人工智能的发展注入坚实动力，而在当下时期，智能机器人的发展则是人工智能技术落地的一个关键未来。

在前文中，以科大讯飞为例论述了AI技术落地场景选择与社会现实结合的重要性，在这里，回归本质，如果去究极技术落地背后面临的挑战，我们会发现这是一个融合了时代、场景、行业、政策、产业、技术等方方面面的复杂性难题。

在讯飞的2030计划中，其基于AI技术的演进与时代命题的交汇点，在智能教育、医疗、养老等领域都做出了重点的布局。

聚焦于医疗领域，同时面向青少年成长中的关键一环，其免费开放其青少年抑郁症筛查平台。在相关调查数据中，近年来，我国儿童青少年精神健康正面临严峻挑战，教育部已明确提出，将抑郁症筛查纳入学生健康体检内容。在机器人行业发展并行的另一面，我们看到的是诸如讯飞等人工智能厂商均在试图用技术去惠及更为宏大的社会命题。

同时，来自社会层面的挑战，也在反推企业去不断精进技术，进一步实现突破，探寻机器人行业的未来。

相较于人脑时代、电脑时代和云脑时代，在超脑时代当机器智能达到这一临界点时，社会发展和时代进步将进入新常态，人类智能将与机器智能融为一体，机器会更像机器，人将更像人。从AI到机器人，可以说，科大讯飞展现的是对技术、场景、时代的深入理解和结合。而从另一种角度切入，科大讯飞在人工智能技术落地的探索上，也不失为一个典型样本。

如今，AI技术赋能服务型机器人的新时代已经拉开帷幕，对于一众厂商而言，在合适的语境中探寻用户诉求，并持续寻找合适的落地场景已经是关乎其生存的关键命题。

文章来源： 新眸，大数据DT