作者 | 李明明
“在北京机器人马拉松比赛后的一个月之内，我们就拿到了1000台以上订单，到今天为止，总的订单规模已经突破2000台，总合同额已经超过1个亿。”近日，松延动力创始人、董事长姜哲源在北京前沿国际人工智能研究院“AI月光社·走入百家创新企业”系列活动第一站——走入松延动力活动上表示。
不只是松延动力，此前宇树创始人王兴兴也表示，目前包括宇树在内的人形机器人企业发展都处于良好状态，“很多企业订单都爆掉了。”
人形机器人爆单之后，也衍生出一系列问题，比如爆单背后的客户需求是否真实可持续、何时能在应用场景创造真正的价值？
关于人形机器人落地应用，北京前沿国际人工智能研究院理事长、英诺天使基金合伙人王晟对《科创板日报》记者分析，特种行业将率先应用，工业场景因容错率低有挑战，家庭、商业服务场景对容错和效率要求宽松或更合适。
在昌平区未来星科能源谷智造产业园，《科创板日报》记者见到了近期名声大噪的机器人“小顽童”，作为能实现室内外多地形连续空翻的人形机器人，“小顽童”走路、空翻、握手等一系列动作流畅自然。
现场，《科创板日报》记者还与仿生机器人1.0“Hobbs”和2.0“小诺”进行了互动，Hobbs和小诺可以跟随真人实时同步面部表情，并可实时流畅对话。据公司方面介绍，小诺面部拥有32个自由度，是全球面部自由度数量最多的仿生机器人之一，能够实现近乎于真人的面部表情。
姜哲源表示，目前，松延动力已经形成两大产品线，一类是双足人形机器人包括N2和E1，一类是仿真人形机器人，公司的最终目标是让机器人真正走入千家万户，“给大家当保姆和管家。”
其进一步表示，今年，松延动力着力推进商业化，通过线上渠道引流，以N2产品低定价制造话题。“未来公司还将谈落低价市场，N2定价下探5万元左右价格带。”
记者注意到，N2机器人在五一前的促销价为3.99万元，相较宇树科技Unitree G1基础款9.9万元人民币的售价，其还要低约59.7%。姜哲源在此前的采访中曾对记者表示，这一定价策略旨在通过价格维度避开竞争，并且这一定价之下，公司仍有健康的毛利。
马拉松带来的出圈效应叠加价格优势，推动了松延动力的订单增长。姜哲源坦言，现在最主要压力在于生产和交付，“所以公司搬到标准厂房，搭起了一个最基础的生产线，开始了机器人的组装。”目前，除了昌平厂房，松延动力还在常州、东莞都布局了生产基地。**
在松延动力新办公楼的生产线，《科创板日报》记者看到，数十个训练有素的工作人员正在忙碌着，旁边则是几个 “裸装”的机器人和各种零部件。有工作人员告诉记者，其正在组装机器人手臂的1号件和2号件，每天大概可以完成约二三十个。
值得一提的是，松延动力新办公楼所在的北京市昌平区，是北京市“一南一北”机器人产业空间布局的重要组成部分。据介绍，昌平区已经拥有各类的新型企业97家，产业收入超过100亿元。目前，昌平区还在努力打造北京机器人产业应用示范高地，构建以机器人本体为核心，关键零部件、智能感知系统与技术为焦点的“一核心两聚焦”研发生产体系。国家人形机器人检验检测平台也已在该区落地。
当下，人形机器人正加速走进现实生活。姜哲源透露，当前松延动力人形机器人最主要的落地场景是科研、教育、商业演出和文旅展厅，需求最大的是教育和商业演出。关于需求市场的新变化，他表示，目前新增了一些图书馆客户，“相较轮式机器人而言，这类客户都更青睐双足机器人。”
北京前沿国际人工智能研究院理事长、英诺天使基金合伙人王晟亦表示，具身智能这一行业发展仍处于早期，目前需求集中于高校、科研院所等，但也诞生了婚庆公司等消费场景的租赁需求，由此可见，随着市场的发展这一行业或会被创造出更多需求。
王晟进一步对记者分析，人形机器人领域，特种行业将率先应用，工业场景因容错率低有挑战，家庭、商业服务场景对容错和效率要求宽松或更合适。
“对于机器人是进入工业领域、家庭服务领域还是商业服务领域，市场上尚未形成统一意见。不过，我认为机器人进入工业场景的难度较大。一旦机器人在生产线上出现故障，导致组装部件出现问题，整个生产线可能会停滞，造成巨大的经济损失。相比之下，家庭服务场景对机器人的容错率要求相对宽松，对时间效率的要求也不那么高。例如，机器人在叠衣服时可能效率较低，但只要它能在人们上班的8小时内完成任务，就足够了。” 王晟认为，机器人可以在人们需要休息时接管工作，例如在24小时药店中，如果使用机器人代替人工值班，即使机器人不智能，完全依赖远程操作，也能有效降低成本。
长远而言，机器人的普及和实用性，仍高度依赖智能化水平的提升。在众多人工智能方法中，强化学习因其能优化机器人在动态环境中的自主决策，被视为实现智能化的重要引擎之一。松延动力的N2机器人之所以能在此前的马拉松赛上取得优异成绩，也和优越的强化学习训练密不可分。
姜哲源介绍，人类完成决策一般会经历试错、重复记忆、改进的过程，强化学习也是通过不断犯错、改进进行学习。让人形机器人得以跑起来的技术则是深度强化学习，它将深度学习与强化学习结合，利用神经网络增强智能体的感知和决策能力。
据悉，深度强化学习在机器人中的应用可大致分为四个步骤：算法设计、仿真训练、仿真环境间验证（Sim-to-Sim）、以及真机部署。在仿真训练环节，松延动力使用的是英伟达高性能物理仿真平台 NVIDIA Isaac Gym，该平台专为大规模机器人学习和强化学习任务设计，具备高效并行计算能力。
在实际训练流程中，松延动力通常先在低保真仿真器中测试策略，再在高保真环境（如 Mujoco）中验证其泛化能力，最终部署到真机，以此降低风险、提升适应性。
不过，王晟也指出，强化学习在机器人移动任务中表现良好，但“Sim-to-Real Gap”（仿真与现实之间的性能落差）仍是一个技术瓶颈，特别是在操作类任务中，这一差距尤为明显。
