張一鳴黃仁勛，想到一塊兒了

（圖片來源：攝圖網(wǎng)）

作者|李炤鋒 來源|字母榜(ID：wujicaijing)

具身智能如今已成為最火的產(chǎn)業(yè)之一，中國行業(yè)龍頭宇樹科技上市正在緊鑼密鼓進(jìn)行，而中美科技巨頭則在水下更深處進(jìn)行宏大布局。

今年3月，在GTC 2025主題演講中，英偉達(dá)CEO黃仁勛演示了挪威機(jī)器人公司1X 的NEO Gamma人形機(jī)器人。這款機(jī)器人運(yùn)用了基于英偉達(dá)GR00T N1模型構(gòu)建的后訓(xùn)練策略，并執(zhí)行自主整理任務(wù)。

黃仁勛試圖以此證明，人形機(jī)器人的未來在于適應(yīng)性和學(xué)習(xí)能力。換言之，機(jī)器人到底行不行，關(guān)鍵要看“大腦”能否適應(yīng)環(huán)境、能否學(xué)習(xí)新知識。

黃仁勛的話很快應(yīng)驗(yàn)。幾個(gè)月后，全球科技巨頭在“機(jī)器人大腦”這件事上拿出了新成果。

8月，英偉達(dá)推出Jetson AGX Thor，一塊能在機(jī)器人本體上同時(shí)運(yùn)行多個(gè)生成式AI模型的邊緣計(jì)算平臺。它被行業(yè)公認(rèn)為“機(jī)器人新大腦”。

Jetson AGX Thor（以下簡稱 Thor）是面向機(jī)器人和物理設(shè)備的新一代技術(shù)棧。這個(gè)全新的“機(jī)器人大腦”基于Blackwell GPU架構(gòu)，峰值算力達(dá)到2070 FP4 TFLOPS，AI 性能較現(xiàn)有的Jetson AGX Orin模塊提高多達(dá)7.5倍，同時(shí)能效提升3.5倍。

Thor最大的突破在于，它可以讓過去依賴云端處理或多塊芯片的機(jī)器人，在單一緊湊的模塊上實(shí)現(xiàn)實(shí)時(shí)感知和決策。

目前，亞馬遜倉儲機(jī)器人和波士頓動力等早期用戶，已經(jīng)開始在自家產(chǎn)品上集成Thor，目標(biāo)是打造出更智能、更獨(dú)立的機(jī)器人產(chǎn)品。

地球的另一邊，字節(jié)7月和9月先后推出自研的通用機(jī)器人模型GR-3和Robix，展示了在真實(shí)家庭場景下執(zhí)行復(fù)雜任務(wù)的能力。

字節(jié)Seed團(tuán)隊(duì)7月底放出一條演示視頻，一臺機(jī)器人搭載了字節(jié)最新的機(jī)器人VLA成果GR-3。在演示視頻中，它完成了將衣架插入襯衫并將其掛起來的任務(wù)。

上周，Seed又掏出了最新的機(jī)器人研究成果——Robix。它和GR-3一起，組成了字節(jié)新一代機(jī)器人模型矩陣。

此時(shí)距離黃仁勛在 GTC 2025 的感慨僅過去半年時(shí)間。兩家巨頭在機(jī)器人賽道的“同頻”，也給人這樣一種印象：黃仁勛和張一鳴，這次想到一塊去了。

一

在Thor橫空出世前，英偉達(dá)已經(jīng)成為機(jī)器人賽道的領(lǐng)頭羊。

英偉達(dá)Jetson平臺在高端機(jī)器人和自主機(jī)器開發(fā)領(lǐng)域占據(jù)主導(dǎo)地位，其生態(tài)系統(tǒng)中擁有超過200萬名開發(fā)人員，超過7000家公司使用上一代產(chǎn)品Orin系列。

今年8月，英偉達(dá)宣布Thor 正式開售。單從硬件性能和成熟度來看，它在同類產(chǎn)品中幾乎處于絕對領(lǐng)先的地位。

目前，英特爾、高通等競爭對手的邊緣AI（Edge AI，在設(shè)備端本地運(yùn)行人工智能）產(chǎn)品相對落后，尚無法在單一模塊中實(shí)現(xiàn)同等水平的集成計(jì)算。

更關(guān)鍵的是，英偉達(dá)將硬件與軟件堆棧緊密綁定，并依托CUDA工具包的廣泛應(yīng)用，形成了生態(tài)護(hù)城河。

Thor可以直接調(diào)用英偉達(dá)完整的Isaac機(jī)器人軟件平臺、AI模型庫和仿真工具，實(shí)現(xiàn)端到端的深度集成。其中包括英偉達(dá)針對機(jī)器人場景的最新模型——Isaac GR00T N1，一款開源、預(yù)訓(xùn)練且可定制的基礎(chǔ)模型。

GR00T N1采用了受人類認(rèn)知啟發(fā)的雙系統(tǒng)架構(gòu)。一個(gè)系統(tǒng)是“快速思考行動模型”，其行為類似于人類的反應(yīng)和直覺；另一個(gè)系統(tǒng)是“慢思考模型”，能夠推理周圍環(huán)境和收到的指令，從而規(guī)劃行動。

GTC 2025上， 1X公司CEO Bernt Børnich表示：“在我們開發(fā)自主模型的同時(shí)，英偉達(dá)的GR00T N1顯著提升了機(jī)器人的推理能力和技能。我們僅使用極少的后訓(xùn)練數(shù)據(jù)，就將NEO Gamma完全部署到位。”

然而，Thor并非完美無缺。

首先是價(jià)格。Jetson AGX Thor開發(fā)套件的售價(jià)為3499 美元，很難成為普通家用產(chǎn)品的選擇。

此外，Thor平臺有著更高的功率要求，這意味著其適配的產(chǎn)品需要穩(wěn)定的供電能力，例如自動駕駛汽車、工廠機(jī)器人、送貨機(jī)器人等。

二

在“機(jī)器人大腦”的賽道上，英偉達(dá)很快有了中國競爭對手。

7月底，字節(jié)發(fā)布全新一代機(jī)器人VLA模型GR-3。官方演示中，搭載著GR-3的機(jī)器人ByteMini將衣架插入襯衫并將其掛起來，還完成了拾取家居用品、放置在指定位置等高難度“副本”。

此外，ByteMini可以區(qū)分不同尺寸的物品，并成功執(zhí)行拿起“較大的盤子”的指令。

拆解演示過程和技術(shù)報(bào)告可以發(fā)現(xiàn)，GR-3能夠理解復(fù)雜、抽象的語言，比如“較大的盤子”“左邊的椅子”等。

此外，GR-3少樣本適配能力較強(qiáng)。據(jù)外媒報(bào)道，Seed采用混合方法訓(xùn)練：首先向 GR-3 輸入大量圖像和文本數(shù)據(jù)，隨后借助虛擬現(xiàn)實(shí)環(huán)境中的人機(jī)交互進(jìn)行微調(diào)；最后再讓其學(xué)習(xí)并模仿現(xiàn)實(shí)世界中的機(jī)器人動作。這套訓(xùn)練策略，使 GR-3 具備了在復(fù)雜且難以預(yù)測的環(huán)境中保持適應(yīng)性的能力。

據(jù)了解，GR-3相比GR00T系列有著更大的參數(shù)規(guī)模，實(shí)際應(yīng)用中表現(xiàn)更好。

曾在Meta就職的AI科學(xué)家Chris Paxton在一篇關(guān)于機(jī)器人領(lǐng)域VLA的研究中披露，字節(jié)的40億參數(shù)GR-3模型，表現(xiàn)似乎優(yōu)于英偉達(dá)GR00T，后者參數(shù)量大約 20 億。可以合理推測，一旦有足夠的數(shù)據(jù)和算力支撐，“規(guī)模定律”（scaling laws）依然有效。

GR-3讓字節(jié)在“機(jī)器人大腦”賽道有了一席之地，不過，VLA模型更多是用在執(zhí)行層面，相比起“大腦”的定義，GR-3 更像是機(jī)器人肢體的“神經(jīng)元”。

字節(jié)Seed團(tuán)隊(duì)的最新成果，補(bǔ)齊了“機(jī)器人大腦”的另一塊拼圖。

上周，Seed團(tuán)隊(duì)發(fā)布最新成果 Robix，在機(jī)器人系統(tǒng)中負(fù)責(zé)任務(wù)規(guī)劃、推理、自然語言交互等任務(wù)。

Seed研究員董恒在個(gè)人主頁上這樣描述Robix：“這是一個(gè)集推理、規(guī)劃和自然交互于一體的統(tǒng)一機(jī)器人大腦，其性能優(yōu)于GPT-4o和Gemini 2.5 Pro。”

不過，Robix并不是“機(jī)器人大腦”完全體。

根據(jù)Robix 的技術(shù)文檔，流程中“身體動作/執(zhí)行”部分通常由低層控制器模型來完成，也就是對應(yīng)的VLA模型，如GR-3或類似控制器。換言之，GR-3 和 Robix 需要在驅(qū)動機(jī)器人的場景中相互配合。

Robix的這套工作邏輯，和英偉達(dá)GR00T N1的雙系統(tǒng)模式有共通之處，一個(gè)系統(tǒng)負(fù)責(zé)推理，另一個(gè)系統(tǒng)負(fù)責(zé)執(zhí)行。

在官方測試中，搭載GR-3作為控制器的Robix，通過 ByteMini 機(jī)器人完成了餐桌清理、收銀裝袋和飲料篩選的任務(wù)；與其他模型橫向?qū)Ρ龋瑑H在飲料篩選項(xiàng)目上略微落后于 Gemini 2.5 Pro，其他項(xiàng)目均得分最高。

三

Robix和GR-3不是字節(jié)第一次在機(jī)器人VLM領(lǐng)域“秀肌肉”。很多人把字節(jié)看作互聯(lián)網(wǎng)內(nèi)容公司，但在機(jī)器人領(lǐng)域，它其實(shí)是一位低調(diào)的“隱形巨頭”。

2023年12月，Seed團(tuán)隊(duì)推出GR-1，該模型也是Seed在機(jī)器人VLA領(lǐng)域的前瞻性實(shí)驗(yàn)。作為技術(shù)驗(yàn)證產(chǎn)品，GR-1采用了先用大規(guī)模視頻生成式預(yù)訓(xùn)練，再無縫用機(jī)器人數(shù)據(jù)微調(diào)的模式。

基于GR-1的技術(shù)積累，Seed團(tuán)隊(duì)2024年推出GR-2。GR-2使用了3800萬段視頻、超500億token的數(shù)據(jù)作為預(yù)訓(xùn)練的基礎(chǔ)，然后再用機(jī)器人軌跡做動作/視頻生成微調(diào)。它在超100個(gè)操控任務(wù)測試中的平均成功率高達(dá)97.7%。

GR-3 和 Robix，是字節(jié)在大模型時(shí)代研究領(lǐng)域延伸的最新一環(huán)。

《晚點(diǎn)LatePost》在 2023 年的報(bào)道中披露，字節(jié)的機(jī)器人探索始于 2020 年。當(dāng)時(shí)張一鳴就對機(jī)器人表現(xiàn)出興趣，此后會不定期參與機(jī)器人項(xiàng)目討論。

兩年時(shí)間過去，字節(jié)已經(jīng)悄悄量產(chǎn)了1000 臺以上的機(jī)器人。這些輪式物流機(jī)器人主要用于在倉庫、產(chǎn)線上運(yùn)輸包裹與零件，聚焦于“倉儲+自動搬運(yùn)”的一體化方案，能自主學(xué)習(xí)、規(guī)劃路線、移動到目的地，服務(wù)于自家的抖音電商倉以及順豐、比亞迪等外部客戶。

不過，這些物流機(jī)器人更多是早期的技術(shù)積累。從 Robix、GR-3和ByteMini的技術(shù)發(fā)展路徑不難看出，字節(jié)致力于在具身智能領(lǐng)域取得領(lǐng)先地位。

近期，字節(jié)招聘官網(wǎng)涌現(xiàn)出一批機(jī)器人相關(guān)的崗位，其中有崗位明確提到“下一代通用機(jī)器人”。所有崗位都屬于Seed團(tuán)隊(duì)，base在北京和上海。南華早報(bào)在7月的報(bào)道中披露，Seed團(tuán)隊(duì)今年人數(shù)預(yù)計(jì)超過300人。

另一方面，字節(jié)在機(jī)器人產(chǎn)業(yè)中也積極投入。

此前，國內(nèi)具身智能頭部企業(yè)宇樹科技完成C輪融資，公司估值超百億。該輪融資的金主名單中，除了阿里、騰訊系的名字，也出現(xiàn)了與字節(jié)淵源頗深的錦秋基金。

錦秋基金由原字節(jié)財(cái)務(wù)投資負(fù)責(zé)人楊潔2022年創(chuàng)立，團(tuán)隊(duì)核心成員多來自字節(jié)的投資體系。其名稱“錦秋”源自張一鳴和字節(jié)的創(chuàng)業(yè)時(shí)的發(fā)源地——位于北京海淀區(qū)的錦秋家園。

四

字節(jié)正在公司內(nèi)外加速布局機(jī)器人領(lǐng)域。不過，目前字節(jié)的技術(shù)積累主要是模型側(cè)的“機(jī)器人大腦”層面；而英偉達(dá)的最新芯片方案，似乎和字節(jié)形成優(yōu)勢互補(bǔ)。

多年以來，字節(jié)是英偉達(dá)在中國最重要的客戶之一，而黃仁勛也深知中國企業(yè)在具身智能市場的重要地位。

今年7月，他現(xiàn)身北京鏈博會開幕式，并在發(fā)言中表示：“AI的下一波浪潮將是機(jī)器人，未來的機(jī)器人不僅能夠推理和執(zhí)行，還能真正理解物理世界。”

對黃仁勛而言，中國市場在這條路徑上具有不可替代的意義。

英偉達(dá)官方博客顯示，多家國內(nèi)公司已經(jīng)使用Thor，包括聯(lián)影醫(yī)療、萬集科技、優(yōu)必選、銀河通用、宇樹科技、眾擎機(jī)器人和智元機(jī)器人等。不過，在這一長串名字中，尚未見到字節(jié)的身影。

英偉達(dá)博客還引述了宇樹科技CEO王興興的發(fā)言：“Jetson Thor帶來了計(jì)算能力的巨大飛躍，賦能機(jī)器人更強(qiáng)的敏捷性、更快的決策制定以及更高的自主水平，這對于機(jī)器人在現(xiàn)實(shí)世界中實(shí)現(xiàn)導(dǎo)航與交互至關(guān)重要。”

2025年1月，在CES全球消費(fèi)電子展上，黃仁勛與14家合作的人形機(jī)器人公司一同登臺，其中6家來自中國，包括宇樹科技和小鵬等企業(yè)。

另一方面，字節(jié) Seed 團(tuán)隊(duì)并非只聚焦機(jī)器人模型領(lǐng)域。

在測試 GR-3 和 Robix 的過程中，字節(jié)同步推出了ByteMini。盡管看起來更像是測試用途的實(shí)驗(yàn)性產(chǎn)品，但瀏覽 Seed 團(tuán)隊(duì)的技術(shù)報(bào)告可以發(fā)現(xiàn)，這款機(jī)器人的技術(shù)規(guī)格并不低，包含 22 個(gè)自由度，手腕采用球形腕設(shè)計(jì)，在狹小空間/高靈巧任務(wù)中有較高的操作能力。

可以說，ByteMini的出現(xiàn)，已經(jīng)顯示出字節(jié)打造下一代具身智能產(chǎn)品的野心。而隨著英偉達(dá)拿出了新一代機(jī)器人芯片方案，想到一塊去的黃仁勛和張一鳴，似乎有望在機(jī)器人領(lǐng)域，延續(xù)這兩家頭部企業(yè)的合作關(guān)系。

編者按：本文轉(zhuǎn)載自微信公眾號：字母榜(ID：wujicaijing)，作者：李炤鋒