當機器人大腦飛上天！替人奔赴危險作業現場，對話硅羽科技

幾乎每天都有新的創業公司和創新技術冒出來，路線越來越多，玩家越來越多，融資、模型、數據、硬件……已經熱得不能再熱。就在這片熱鬧裡，又來了一位履歷頗有意思的教授。他叫張富。這個名字背後的標籤，單拎一個出來都夠講一段故事：李澤湘的學生、大疆8年產業顧問經歷、香港大學副教授。跟隨李澤湘研究無人機時，他學會了沉下心到一線跟供應鏈團隊、用戶進行溝通，不止做學者、旁觀者；在大疆8年，他了解把實驗室技術做到產品的全過程和產業化面對的真實問題；在港大實驗室，他和團隊一起持續推進自主飛行等前沿研究。所以張富這次創業，沒去和一眾玩家一起卷“地面”。

他把這三種經驗結合，做不靠GPS定位、不靠飛手搖控，就能感知環境、判斷自己在哪裡、規劃下一步往哪兒飛，最後自己把任務幹完的空中智能體。圖片 這也給具身進入人類世界創造另一種可能： 具身智能未必一定要長出人的手腳。它也可以先長出一雙翅膀，替人走進那些幾十米高的幕牆、陡峭的山坡和危險的工業現場。具身又來了一位創業教授 硅羽科技受關注不只因為它把具身智能搬到天空，還因為創始人張富。張富是香港創業教父李澤湘的學生。他本科畢業於中國科學技術大學，之後在加州大學伯克利分校攻讀博士。

2015年前後，張富受李澤湘邀請進入香港科技大學，開始系統研究機器人和無人機； 2016年起，又深度參與大疆的核心技術研發與產品化，覆蓋飛控、多傳感器融合、激光雷達等方向。在產業一線深耕多年，參與過研發、產品定義和量產落地的完整過程。圖片 後來，張富來到香港大學擔任機械工程系終身副教授，期間組建MaRS Lab（港大機電與機器人系統實驗室），把研究重點繼續壓在一件事上：讓飛行機器人在陌生環境裡自己找到路。MaRS Lab公開資料顯示，實驗室長期研究UAV、自主導航、激光雷達SLAM和集群協同，並強調把實驗室成果推向真實世界。其中一個代表性成果，就是FAST-LIVO系列。

簡單說，GPS失靈後，FAST-LIVO2可以讓機器人靠自己“認路”：一邊看周圍，一邊判斷自己走到了哪裡，再把沿途看到的世界拼成一張地圖。這一相關成果的論文獲得了IEEE Transactions on Robotics（TRO）傅京孫紀念最佳論文獎。這條技術路線，恰好成了硅羽如今“空中智能”的底座：先讓機器知道自己在哪裡，再讓它理解周圍是什麼，最後進一步判斷“我要做什麼、下一步怎麼做”。目前，張富帶著團隊把實驗室的科研技術轉化成公司和產品。公司目前構建了多模態感知、端到端運動控制、世界導航模型，以及靈巧作業和集群協同等技術體系，試圖讓飛行器擺脫對GPS、先驗地圖和持續人工操控的依賴。

所以，硅羽真正想賣的不只是更聰明的無人機，還有無人機的通用大腦。讓無人機擁有“自主能力”，不需要人實時手動操作，並且同一套智能，裝進不同的飛行器，讓它們自己感知、自己決策、自己完成任務。資本已經開始下注。硅羽半年內連續完成四輪融資，累計數億元，投資方包括耀途資本、錦秋基金、阿里巴巴等。圖片 對張富來說，資本真正關注的並不是一架更智能的無人機，而是飛行器下一階段可能出現的能力範式變化： 當成千上萬種不同的飛行平臺進入真實世界，能否讓它們共享一套不斷進化的智能能力？給無人機裝上大腦 ：具身智能這麼熱，大家注意力大多在地面人形具身，你為什麼偏偏選了更有難度的空中？

張富：我博士的時候研究控制理論和人工智能，當時在學校實驗室見過簡陋的四旋翼無人機，覺得特別有趣。2015年開始，我在港科大李澤湘老師的實驗室裡正式接觸無人機，做了大量基礎性工作，從無人機新構型硬件，到定位、感知、導航。這兩年具身智能發展得很快，我們很早就把具身和無人機做結合了。隨著研究深入，我們需要更多算力、數據和專利。另一方面，我們收到大量潛在客戶的郵件，希望利用更智能的飛行器解決一些傳統方式難以覆蓋的問題。這兩個因素合在一起促使我創業，一是滿足市場需求，二是藉助公司平臺更好地推進技術突破，把通用空中智能推到下一階段。

圖片 無人機能去作業的場景，都是人很難去、或者去的成本很高、很危險的地方，天生具有不可替代性。我認為，空中具身智能的商業進展會更快。如果說飛行器行業的上半場比拼的是工程成熟度，那麼下半場的核心變量將是自主能力。這已經成為行業的痛點，大家都把技術、資金投入到這裡，所以這個賽道的價值體現會更早。：融資後有報道提到你們正在量產，目前產品能完成什麼任務？張富：現在人為操作的無人機受限於技術和智能化程度，還是有很多地方去不了，這部分就是我們的目標。今年年底我們會量產第一階段的產品，就是讓它們不再需要飛手遙控，飛去更多困難複雜的場景自主完成特定任務。

比如地下空間的管廊、隧道，室內空間的倉儲、廠房，還有橋下、森林樹林等這些無人機很難作業飛行的地方。再進一步要讓無人機具備自主思考的能力，像人一樣推理世界、自我決策，會根據環境判斷怎麼飛，甚至在完全未知的環境，靠以前經驗做出判斷，完成任務，就像把人的腦袋放到無人機上。我們的技術目前還在研發迭代，讓它更穩定成熟。圖片 第三階段的產品會具備干預世界的能力，比如抓東西。這方面商業化需求和落地需求還需要時間培養，比如高空作業，玻璃幕牆清洗。現在這些作業場景都是把人送上去，非常危險、成本高、效率低，以後都能通過智能飛行器操作完成。：硅羽科技的核心競爭力有哪些？張富：我們團隊在兩個維度做得比較好。

第一是原始技術的創新能力，這10年我們研發的技術被企業廣泛使用。比如，在大疆時我負責研發的激光雷達覽沃（Livox），解決了激光雷達貴和重的問題，現在從割草機、移動機器人、物流機器人、機器狗，包括空中具身行業，大量無人機在用覽沃。貴和重對於空中的設備更重要，任何一點重量都帶來能量損失、續航損失。我們的產品在同類產品裡應該算最輕的，重量不到一千克、整個產品只有一張A4紙大。它的續航能力跟常見的無人機類似，20-30分鐘。但這裡要注意，絕對續航是一方面，更重要的是有效續航。有效續航是單位時間能執行多少任務。

無人機靠人操作，人首先要對環境做出判斷，再操作，還要在空中不斷干預、糾正，這在無形當中降低了無人機的作業效率。空中智能體有自主解決問題的能力後，就不需要人為操縱，它能夠高速自主飛行，在單位時間內能飛的地方更多，執行的任務遠比現在靠人手動操作的無人機要高好幾倍。以前執行任務需要20分鐘，現在可能只需要5分鐘。在我看來，這其實才是解決續航問題最好的做法。圖片 第二是量產經驗，我們知道怎麼把技術做成可靠一致、滿足用戶痛點的產品。：你在產業一線做了8年科學顧問，這段經歷對創業有什麼用？張富：最大的收穫是讓我瞭解把技術落地成為產品的全過程。

我以前是比較典型的學者思維，只想做有趣的、前沿的、能發論文的研究。但研究出來的技術如何用到產品上，用到真實的世界，我沒有過多瞭解。但當我到了企業中才接觸產業化過程中會遇到什麼問題、需要什麼資源、怎麼解決、怎麼把產品推向市場，只有真的下沉到生產一線、去工廠跟研發人員溝通、看工人操作，甚至自己上手操作幾遍，才知道軟硬（件）結合產品做到產品層面有多少困難挑戰。這段經歷讓我對問題的思考不止停留在學者思維，還會用產業化的角度去思考，去解決真實產業當中的問題。：公司剛建不久就有阿里很強的融資公司進來，大家說投錢是為您這個人，您覺得教授身份是投資主因嗎？

張富：教授身份是一方面，肯定是亮點，代表我們有原始技術創新能力。但最終大家看的一定不是某一個身份標籤，而是團隊有沒有能力把一件長期而困難的事情真正落地做出來。重構數字孿生仿真環境 ：具身智能行業都面臨數據緊缺，空中具身是不是更缺？數據採集的成本也更高？張富：是的，而且獲取成本會更高。很多地面具身數據可以通過人直接採集，但空中數據需要飛行器真正進入三維空間運行，還涉及飛手、設備、安全和場地條件。因此，高質量空中真實數據本身就比較稀缺。如果完全依賴真實飛行去覆蓋所有環境，成本會非常高，而且很多長尾場景也很難完整採集。所以我們一直在探索怎樣利用少量真實世界數據，構建更大規模、更豐富的訓練環境。

圖片 ：那硅羽用什麼方式採集數據？張富：如果只靠真機採集真實數據，可能累積10年都不夠用，成本也是無法估量的。我們做一套Real-to-Sim數據採集系統，只需少量現實飛行數據就能重構非常逼真的仿真環境，批量生成不同場景的訓練數據，大幅降低對真機採集的依賴。Real-to-Sim相當於放大器，一條真實數據可以複製、放大幾千倍甚至上萬倍，重複飛行數千至數萬次，能在一定程度上解決真實數據稀缺的問題。：這樣會產生sim-to-real gap嗎？張富：這就是為什麼我們做Real-to-Sim，而不是純仿真。

純仿真會出現較大sim-to-real gap，但我們的gap小很多，因為環境不是從噪聲（誤差）中直接生成，而是真實數據重構出來的，跟真實世界一模一樣。在建築領域叫數字孿生，現實世界長什麼樣，通過Real-to-Sim放到電腦數字世界就是什麼樣。Real-to-Sim做得越好，gap越小。我們積累了大量底層核心技術，能把保真度做得很好，速度也很快，幾十公里場景大概用十幾分鍾就能生成出來。：Real-to-Sim所生成的場景會不會過於單一、限制在某個特定空間？張富：仿真不是一潭死水，可以進一步改變物體位置、環境結構、視角、任務條件等參數，把有限的數據擴展成更豐富的訓練分佈。

真實數據採集也不會只採一兩條，會採成千上萬條真實數據，只是每類數據不需要採特別多。真實數據只需覆蓋度夠全，多樣性在仿真裡創造。兩者結合，才能更有效地支持模型訓練。圖片 ：有了這個環境還能做什麼？張富：不只解決數據短缺，還能做強化學習。現在大家更多在做監督學習，監督學習更多是模仿，強化學習是模型的自我迭代。它見過大量場景，能記住分佈特徵，基於記憶和數據產生自我行為推理，不停在仿真環境交互、自我博弈和迭代，最後它的智能化程度會比人高。這是我們非常激動的點。我們現在甚至開始考慮怎麼regulate（約束）技術不被濫用。：現在模型已經比人強了？張富：現在還沒有。

但隨著數據、模型和算力不斷積累，機器會越來越強。下一步的發展就是讓機器能夠應對更復雜、更開放的真實環境。空中智能逐步進入高風險、高成本場景作業 ：你認為國內空中具身處於什麼階段？張富：剛起步。現在還沒一款產品真正被批量製造出來，更別說賣得怎樣。大家還在做技術路線探索、場景探索。：離規模商用量產多遠？張富：很快，不會超過兩年。不同場景會非常不一樣。圖片 ：空中智能體有哪些應用場景？張富：我們對接過一個需求，是利用產品進行山坡基礎設施巡檢。山坡上有一些基礎設施需要定期檢查維修，比如阻擋泥石流下滑的鐵絲網。

鐵絲網只有兩米，被周圍很多樹木遮擋著，飛行器需要自己感知環境，躲開樹枝樹葉這類干擾，飛到關鍵的部位拍照、給鐵絲網做三維建模，檢查是否有需要加固或者維修的地方。這類工作以前都需要人來做，工人爬到高度很高的山坡上，越過雜草碎石，作業現場天氣酷熱、還有蚊蟲叮咬，環境危險，效率也低，還發生過安全事故。現在飛行器可以逐步替代人工進入這些高風險、高成本的場景作業，隨著空中智能體操作能力進一步成熟，還可以用於更多空中作業。比如礦業、電力能源類的基礎設施巡檢，倉儲物流行業倉庫巡檢。：除了市政、礦業、電力這些B端，普通消費者能用在哪裡？張富：未來隨著智能能力提高，人與飛行器的交互方式會發生變化。

比如攝影，它可以像攝影師一樣，有審美、會抓情緒，自己選角度運鏡拍照，消費者相當於隨身帶著一個攝影師。但這些都建立在一個共同前提上：飛行器首先要從“被遙控”，走向“能自主”。當這種能力真正成熟之後，空中的具身智能才會從少數專業場景，逐步進入更廣泛的真實世界。圖片 一鍵三連「點贊」「轉發」「小心心」 歡迎在評論區留下你的想法！— 完— 🌟 點亮星標 🌟 科技前沿進展每日見 版權所有，未經授權不得以任何形式轉載及使用，違者必究。