科大讯飞进军机器人：先上个脑子

衡宇 杨净 发自 凹非寺

量子位 | 公众号 QbitAI

机器狗、机器人领域，又多了一个新玩家。

以AI知名的科技公司科大讯飞，2022全球1024开发者节上官宣最新技术成果和进展。

其中之一，就是“AI+四足机器人”项目，机器狗：小黑。

没错，科大讯飞也决定拥有一只机器狗，还是很新的那种：能沿着台阶进行上坡和下坡动作。

（现在的大多数机器狗还在“模仿动作”的初级仿生阶段，只具备基础的平地行走功能。）

决定养“狗”的互联网、AI公司越来越多了，现在认识一只机器狗，需要从厂牌开始分辨。

小黑的新，不仅在能力上，还在科大讯飞养它的方式上——

别人造机器狗，更多是在做硬件，训练它走路、陪伴。

科大讯飞造机器狗，更吸睛的故事，聚焦在训练“超脑”上。

机器人超脑平台

科大讯飞如何训？怎么训？现场小黑就来打了个样。

别看外表平平无奇，但一上阵就懂了。

常规操作自然就不多说了，自主导航上下坡，各种复杂地形也能穿梭自如，比如草地沙石玻璃路。

还可立即上岗上位，深入多个场景一线，完成检查乱堆乱放、车牌人脸识别、工厂故障巡检（化工、电力、工业）等任务。

通常而言，机器狗技术无非感知、控制决策两个方面，小黑也同样如此：

运动控制：AI+运动、自主导航、视频分析、自适应步态等算法。据官方介绍，他们率先打通了从仿真训练到真机部署的AI+运动智能的全链条开发。

感知：多模态多传感器融合。麦克风、喇叭、摄像、气体传感器等多传感器，通过混合式架构和中央决策平台 、多传感器底层核心算法，赋予机器狗识别听声辨味的感知能力。

这一切的一切，都是科大讯飞机器人超脑平台AIBOT所赋予的。于是当机器狗有了“脑”，从已曝光的能力提升中就可见一斑。

比如，实时地形自适应能力、全局定位搜索能力、地图构建能力以及AI运动控制能力。

不过这也并不是机器人超脑平台AIBOT的全部用处。超脑平台也并非只是为了驯狗，而是由点及面，既有实体机器人又有数字机器人，在多个场景和行业下的软硬件一体解决方案。

目前，它已部署在了全新的讯飞开放平台上。从这张架构图中可以看到，现在讯飞开放平台核心能力主要包括：

能力云AIHUB、交互云AIUI+、模型云AILAB、资产平台AIRES、超自动化AIRPA、机器人超脑平台AIBOT。

小黑，正是讯飞机器人超脑平台AIBOT其中一个案例。通过交互大脑、运动控制、硬件模组来快速构建机器人的运动能力。机械臂、人形机器人、仿生、特种等各种机器人都可以适配。主要有三大特点：高性能、高效率、高精度。

• 高性能：8核CPU，NPU算力高达6TOPS；
• 高效率：一次建图覆盖率90%；
• 高精度：5cm的定位和建模精度。

在现场，科大讯飞消费者BG总裁于继栋还列举了柔性机械臂的例子，在赋予机器人超脑平台AIBOT之后，新增了AI+深度视觉、AI+运动控制等能力，从而能快速应用工业质检、商业服务、远程超声、柔性生产等场景当中去。

能力云AIHUB自然不必多说，AI公司立身之本，再联合生态AI能力，持续保证稳定输出，今年更是给出了全系列的离线版本。

在今年更新的513项开放能力中，以SMART-TTS ，多风格多功能语音合成最为典型。

以往语音合成主要用于语音助理和新闻播报这些场景，但这次在风格、场景以及情感上有了新拓展，共有10个场景可选、11种情感可调。

交互云AIUI+。不管是虚实哪一种机器人，在与人交互时都面临着公共场景下的干扰问题。典型的难题场景包括同向人声干扰，而本身以语音见长的科大讯飞，提出了远近场多模语音增强技术，在同向人声干扰环境下，识别准确率从60.2%到现在提升到了86%以上。

模型云AILAB ，具体场景具体定制。像格式多样、数据稀缺还是价格敏感的情况，都能为其提供小样本训练平台。5张图片训练出OCR定制模型，半小时音频生成商用发音人、零成本搭建唤醒词，了解一下～

而聚焦于数字世界的生态上。资产平台AIRES，顾名思义就是与内容伙伴共建数字资产，比如虚拟人形象、数字藏品等。超自动化AIRPA则是在解决企业的数字化转型，包括智能化员工助手、柔性人机协同、跨组织无边界协作……

最终，这些能力都透过实体机器人、数字虚拟人两种形式逐步深入到各个行业与家庭当中。

这也正是科大讯飞对AI新趋势的理解。

当下随着元宇宙兴起，融合AI与5G，虚拟世界与现实世界实现了深层次融合，人机协同逐渐人机共生的阶段。

机器人，就是其中关键的载体。

基于这样的逻辑，机器人超脑平台AIBOT，依托混合式架构、中央决策平台、多传感器融合，构建端侧超脑，让机器人产品在感知智能、认知智能和运动智能得到多维度的提升，也就成为了科大讯飞交出的第一份答卷。

确切的来说，是科大讯飞整个超脑2030计划的第一步：

更快实现让“懂知识、善学习、能进化”的机器人走进每个家庭。基于超脑2030计划，以API、低代码、软硬件一体、解决方案等方式，面向实体机器人和数字机器人建设N种场景化机器人，赋能工业、农业、服务业、特种行业，连接产业生态，共建行业场景。

“超脑2030计划 ”第一步，跨出多大步子？

早在今年1月，这个计划就已经启动，核心是利用AI解决未来社会的刚需问题，如教育、人口老龄化等。

其第一阶段目标，就是在2023年前，推出可养成的机器宠物、仿生运动机器狗等软硬件一体的机器人，同期推出专业数字虚拟人家族，担当老师、医生等角色。

该计划的最终目标，是推出懂知识、会学习的陪伴机器人和自主学习虚拟人家族，全面进入家庭。

而现在，AI技术推动四足机器狗小黑从异宠向工具狗迈了一步。

值得注意的是，机器人超脑平台的背后支撑，不仅让更多企业在工业级运用中可以无粮养狗，更多的室内和户外场景中，实体机器人都在拓展人的能力边界。

高精度的细活、繁重枯燥的累活、危险易受伤的险活……

机器人、机械臂，上！

人机协同之外，在人机交互阶段，AI已经在发挥日益重要的作用。

科大讯飞在背后提供技术与生态来支撑，率先证明了这一点。

实现超脑2030计划需要哪些关键技术突破？科大讯飞AI研究院副院长高建清公开了相关信息。

第一，需要以深度学习（Deep Learning）为代表的AI基础算法的突破。

在诸多AI基础算法中，无监督学习和知识推理是两个亟待突破的关键算法。

1024开发者节当天，科大讯飞发布了两个轻量级预训练模型：语音及多模态预训练模型。这两个模型的参数量远小于业界公开的模型，但效果却达到了业界最优，推广性也很好。

整个2022年，科大讯飞有三项知识推理任务取得不错的成绩，尤其在面向特定领域的知识推理方面，机器水平已经在今年7月首次超过人类水平。

此外，知识推理的另一个重要研究方向，也就是如何实现推理过程的可解释性，科大讯飞将传统符号推理系统与深度强化学习相结合，得出一套在类人答题领域正确率显著优于传统推理系统的框架。

第二，是引领人机交互发展方向的多模态感知技术、多维表达技术、认知智能技术。

拿多模态感知技术举个具体例子来说，通常，语音识别的高准确率，不代表识别出的文字合理、流畅。

科大讯飞基于多元语义评价的语音识别一体化框架，使用语义纠错任务与语音识别联合优化，让语音识别保持高准确率的同时，提高识别后文字的可读性。

第三，需要研究软硬一体的机器人关键技术，加大AI算法与运动控制的结合，让机器人具备精细的运动控制能力。

具体的技术展示，已经体现在小黑爬坡上坎的功夫中了。

除此之外，科大讯飞还整合工程能力，形成虚拟人交互平台、机器人超脑平台，探索数字虚拟人、机器人等方面的应用。

现场，高建清展示了科大讯飞打造的一个裸眼3D场景下的高沉浸式人机交互。

而关于生态支撑这一点，在今年的开发者节上，科大讯飞董事长刘庆峰拿数据说话。

首先，是讯飞开放平台在过去一年的发展情况——

• 讯飞开放平台开放的AI产品及能力，从去年441项增长至今年513项；
• 生态伙伴数从400万快速增长到超500万，年增长率超30%；
• AI服务调用年增长率达到36%；
• 输入法语音调用量同比增长45%，Z世代群体平均语音输入次数达到61次，是整体语音用户的2倍。

接下来，看看刘庆峰披露出的过去一年内，讯飞生态的其它数据。

其一，是虚拟人交互平台资产增加。

一方面，科大讯飞基于AI虚拟人交互平台，开放平台合作伙伴生态。

发布一年后，虚拟人设计队伍共468支，建设了700项虚拟人资产。

其次，刚刚结束的双11“混战”，带来了最新消费者数据：科大讯飞销售额同比增长32%。

最受追捧的当属本就是“老夺冠人”的AI办公产品，智能办公本、智能录音笔和翻译机产品，拿下京东和天猫所在品类销售额冠军。

一些办公硬件，比如办公本、会议耳机、翻译机，年增长率均近或超100%。

综合多个数据，不难看出AI生态已经渗入各行各业，为生活和工业场景所熟用。

给出这一份综合答卷，刘庆峰表示，随着发展深入，AI在感知能力、理解能力、表达能力、运动能力方方面面，都需要承担更大的任务。

一个属于未来的时代正在快速开启。

当数字经济更深层次赋能实体经济时，人工智能承担了更大的任务。

这需要一个更强大的“头号玩家”。

科大讯飞如何理解人机协同

2020年，科大讯飞发布了AI科技树，强调“以基础算法为主干，以技术体系为生长方向，以场景理解为发展动力”。

2022年，在超脑2030计划的牵引下，科大讯飞的AI科技树不断壮大。

既有以基础算法为代表的主干发展，也有各技术体系的不断外拓延伸。

作为AI技术落地的一种表现形式，人机协同已然崛起。

人机协同的目的是改善工作流程，途径是让人和机器进行工作和经验的交流。

机器可以根据人类提供的信息，按步骤和流程执行作业；人类再在机器产出的成果上，锦上添花。

二者各做彼此的擅长事，实现人类和机器的价值最大化。

而整场大会听下来，从整合多项技术的机器人超脑平台窥见一隅，不难梳理出科大讯飞对人机协同的理解。

共分三个维度：

在物理世界，实体机器人拓展人的能力边界。

具体而言，轮足机器人应用于餐饮服务、物资运输等场景；弈棋机器人可以满足围棋教学、训练和娱乐领域的多种需求。

在数字世界，数字工作助手助力工作提效；

据悉，2022年，讯飞AI虚拟人已在医疗、金融、媒体、文旅等多个行业上岗，亮相两会、北京冬奥会、世界人工智能大会等多个场合。

在元宇宙，虚拟人成为人的交互载体。

通过这三个维度，技术将和个人与企业深度联结，多模感知、深度理解、多维表达都将个性化展开。

在这个过程中，科大讯飞带给生活的技术支撑和生态积累，是看得见、摸得着、用得上的。

“人机关系，已经在从单点技术的浅层人机协同，向更深层次、更为复杂的人机发展。”刘庆峰如是说。

而且这种人机关系，即将进入可见、可感、可触碰的人机关系。这也是另一个维度上，AI和智能，正在如何影响和参与实体经济。