本文轉自"機器之心"，作者:杜雪;經億歐編輯，供業(yè)內人士閱讀。

兩會將人工智能寫進政府報告，人工智能在國內的發(fā)展達到了前所未有的熱度。無論是BAT這樣的巨頭，還是眾多創(chuàng)業(yè)公司，都試圖在人工智能上找到能落地的應用場景。周劍認為，在人工智能這件事上，優(yōu)必選有天然的優(yōu)勢。因為從某種意義上來說，機器人是人工智能落地最好的平臺。

尋找人形機器人商業(yè)化突破口

機器人的最終形態(tài)應該是能適應人類生活環(huán)境的雙足人形機器人，比如它能像人類一樣，在多種環(huán)境中行走，比如上下樓梯，這其中的核心問題就是驅動，只有解決這個問題，機器人才能真正意義上進入家庭環(huán)境。周劍說。目前國際上名氣較大的人形機器人產品并不多，比如軟銀收購的AldebaranRobotics公司研發(fā)的人形機器人NAO、以及本田的ASIMO機器人和波士頓動力的輪式、腿式機器人等。

在周劍看來，目前市面上很多機器人產品都是過渡型產物，比如現在的一些音箱產品。如果實現商業(yè)化，是沒有人愿意跟一個音箱對話的。因為智能家居最終無法滿足人類的情感需求，它代替不了類似于《太空旅客》真正的人形機器人。

然而，目前人形機器人在驅動，包括關節(jié)驅動、運動技術、控制運動算法上面，還沒有實現真正突破，尤其是可商業(yè)化的驅動技術。據周劍介紹，在驅動方面，波士頓動力用的是液壓技術，本田的阿西莫(ASIMO)機器人用的是電機伺服的控制方式，這兩種技術都能實現不錯的驅動，但是問題在于成本太高，阿西莫(ASIMO)一臺機器人搭出來需要200多萬美金。

除了高昂的成本外，使用中繁瑣的技術方式也讓一些機器人很難真正走進市場，比如ASIMO機器人的傳動中用了20多根皮帶，在使用過程中，每隔一段時間都需要重新打開機器人內部來調整皮帶的松緊度。這種技術方式導致ASIMO很難實現商業(yè)化量產，而且本田在這條技術道路上耕耘了幾十年，某種程度上有些積重難返，即便他們的核心算法和機器人軀干部分都搭建的很好。

因此，用高性價比的技術方式，讓人形機器人價格降下來，被一般家庭所接受，是優(yōu)必選的目標。周劍說，優(yōu)必選一直在朝著一個能夠真正讓驅動關節(jié)模塊化、商業(yè)化的方向去努力，所以我們現在做的伺服舵機，包括在腿部的一些舵機，某種意義上就是在朝著商業(yè)化目標努力。

人形機器人的市場才剛剛開始，優(yōu)必選需要做一些比較前沿性、引導性的工作。未來我們希望在某種意義上建立一套全球化的機器人標準，比如人形機器人的標準是什么、規(guī)格是什么、它的曲軸運動，包括人工智能的一些基本的需求。

不過，雖然輪式機器人不是人形機器人的最終形式，但周劍也坦言，目前技術平臺下面，輪式機器人還有一些優(yōu)勢，包括在2B的一些場所。因此，優(yōu)必選在今年年初的CES上推出了首款商用服務機器人Cruzr。Cruzr是首款提供企業(yè)級商用服務的機器人，可為客戶提供定制的人工智能商務服務。

全面布局人工智能戰(zhàn)略

優(yōu)必選的機器人研發(fā)從舵機開始，經過近10年的研發(fā)，舵機已經成為優(yōu)必選的核心技術，并由此開拓了多個產品線。在舵機這條技術產品線上，優(yōu)必選一直專注于核心零部件的供應，硬件開發(fā)逐漸成為優(yōu)必選的優(yōu)勢。

而機器人商業(yè)化所需要的語音識別、機器視覺以及算法平臺等軟件技術能力，則是優(yōu)必選明顯存在的劣勢。周劍也坦言，優(yōu)必選是硬件起家，舵機一直是其引以為豪的核心技術，而軟件是最薄弱的地方，這也是優(yōu)必選決定大力布局人工智能的原因。

據周劍介紹，優(yōu)必選在北京、硅谷分別設有研發(fā)中心，研發(fā)方向側重在機器視覺、語音識別、語義理解、算法平臺等人工智能領域，博士背景的核心研發(fā)人員達到數十人，公司在人工智能方面投入的資金比重也大大提升，占總營收的45%。

除了大型的伺服舵機關鍵驅動技術外，算法平臺和人工智能，將成為優(yōu)必選最為重要的發(fā)展陣地。

周劍希望能夠自助搭建出一個類似于比波士頓動力更好的平臺的一個算法。在此之前，優(yōu)必選對谷歌、波士頓動力、本田等全球所有大型人形機器人公司的技術都進行了長期研究。在周劍看來，與優(yōu)必選在驅動產品上下功夫不同，這些機構不算純商業(yè)化的公司，也根本沒有打算很快推出商業(yè)化的產品。他接著補充道:我們現正在研發(fā)中的伺服舵機，跟波士頓他們的完全不一樣。此外優(yōu)必選把能耗看的很重，在運動算法上投入了很大力量。

在人工智能方面，優(yōu)必選主要力量放在機器視覺和數據上。周劍解釋稱:因為信息來源大部分還是來自機器視覺，另外由于機器視覺技術需要更大量的數據，數據是其要推動的技術。比如光線的細微變化都能影響到機器對物體的判斷。這一點周劍印象頗深，他舉了一個例子，在家庭廚房場景中，炒菜時的油煙會導致機器人的視覺判斷模糊，針對這個問題就需要做霧化、去白、去油煙的技術。

事實上，優(yōu)必選去年年底就開始為人工智能布局招攬人才，前IEEE主席霍華德博士、清華大學趙明國教授、歐洲科學院院士陶大程博士，先后加入并分別擔任其教育CTO、人形機器人首席科學家。

去年科大訊飛入股優(yōu)必選，也給了后者在語音識別上得到了強有力的支撐，周劍稱，訊飛的技術能用的我們都會拿來用。

在視覺和語音之外，另一個無法回避的問題是語義理解。這是一個全球性難題，周劍說，單純的自然語言理解(NLU)解決不了所有的機器人問題，未來的識別理解是多模態(tài)的，是基于視覺、語音、語意的多模態(tài)的理解。包括識別人體的姿態(tài)，人類的動作有很多，機器人會做很多動作，到底這個動作的目的、意義是什么?比如，當兩人第一次見面時，舉手就意味著是握手打招呼，在離別的時候，舉手的含義就是道別，這些都需要機器人能夠準確的識別。

但優(yōu)必選并不打算全面開展這些技術的自主研發(fā)，周劍表示，不可能所有的東西都由優(yōu)必選自己來做，可以通過融資來收購、并購一些技術公司。據了解，優(yōu)必選已經有了比較中意的合作對象，可能會對其進行戰(zhàn)略投資、入股，甚至是更加深入的合作，與此同時，其新一輪融資也在進行中。

更多資訊請關注機器視覺頻道