打造可靠执行的 AI：来自工业机器人领域的经验教训

提到机器人和 AI，你脑海中浮现的往往是像 Figure 的 AI 驱动机器人或 1X 的 NEO 家用机器人这类全人形机器人。它们或许代表了未来，但就 2026 年的现状而言，工业机器人可能更为关键——而且它们通常并非人形。

Standard Bots自称是“美国最大的 AI 原生工业机器人制造商”。它刚刚完成 C 轮融资，估值 10 亿美元，融资金额达 2 亿美元，由 General Catalyst 和专注于机器人领域的基金 RoboStrategy 领投。其客户包括 NASA、Amazon 和 Lockheed Martin。

我们与 Standard Bots 的联合创始人兼 CEO Evan Beard以及 AI 负责人 Leif Jentoft 进行了对话，深入了解该公司的 AI 技术栈及其模型工作原理。

先做个背景介绍：Standard Bots 的工业机器人机械臂专为机床看护、焊接和装配等任务设计。以下是 Jentoft 的一段快速演示：

预训练模型与任务特定适配

Beard 表示，Standard Bots 拥有一个共享基础模型，客户可以通过演示和微调对其进行适配。Jentoft 补充道，Standard Bots 运行多种模型，包括用于机床看护的零样本感知系统。

Beard 称，其最大模型的参数量为数十亿级别——按前沿实验室的标准来看，这个规模并不算大。

“我们认为数据质量远比数量重要，” Jentoft 表示，“我们专注于从目标数据中挖掘最大价值，而不是盲目追求海量数据集。”（这与 Jev 的创始人 Diogo Almeida 提出的“最苦涩的教训”不谋而合。他最近告诉我们，选对任务和选对数据，其重要性往往胜过算力本身。）

他补充道：“市场准入优势让我们能够触达价值最高的数据。现场干预只需几十个样本，就能修正边缘案例。”

Beard 指出，Standard Bots 专注于短期任务，以满足生产线对节拍时间（cycle time）和可靠性的要求。对于流程中无需学习型行为的环节，公司仍采用传统编程。

Beard 称，模型训练在云端进行，但推理则在本地运行。

模型具体做什么？

我向 Jentoft 提问，在一个典型的机器人作业流程中，学习型模型负责什么？流程中哪些部分仍使用传统编程？

他举了公司在高混合度制造中的机器看管（machine-tending）解决方案为例。

“我们构建了一个零样本（zero-shot）系统，允许用户直接告知机器人在特定任务中应查找哪些部件。模型负责感知环节——即定位和识别部件——而传统编程则负责运动控制及周边单元逻辑。”

以下是机器看管的演示：

“在该任务中，我们的主干网络（backbone）基于超过十亿张图像进行训练，这使机器人能够区分光照条件、材料类型，以及目标物体与背景的区别，” Jentoft 说。

完整的 AI 技术栈

今年 4 月，我们曾邀请 Applied Intuition 上节目，聊过“物理 AI”（Physical AI），以及它和屏幕里的 AI 有什么不同。其中一个心得是：物理 AI 的瓶颈不只是模型智能，真正的难点在于把模型部署到真实硬件上，同时满足安全性、延迟、功耗、成本和可靠性等各项约束。

但对 Standard Bots 来说，这反而可能成为优势，因为它掌控着从软件到硬件的“全栈”。Jentoft 指出，机械臂、末端执行器、控制系统和 AI 都由自己把控。

“这让我们可以对模型和控制策略进行协同优化，”他说，“虽然别处有各种说法，但今天没有任何模型真正做到硬件无关，把底层控制和上层功能协同优化，对性能和迭代速度都是巨大优势。”

而立志打造“通用机器人智能”的 Skild，恐怕会对“硬件无关”这个说法有不同意见——它的目标正是实现跨硬件泛化。

本地推理：传感器、边缘 GPU 与“动作块”

Beard 提到，推理是在本地完成的，这一点对它的核心客户——工厂来说尤其重要。

“工厂是我们目前业务的大头，那里也确实蕴藏着巨大机会，而这种场景必须做本地部署的推理，”他说。

在机器维护中，模型负责识别部件，而传统编程处理运动。Jentoft 还描述，模型如何生成动作并输入机器人的控制系统。

“手腕相机和其他 传感器 通过 内部千兆以太网 将原始像素和信号送入系统，内部路由避免线缆缠绕，”他解释道。“边缘 GPU 处理这些数据以生成 动作块，然后流式传输到低层控制。”

他强调，推理在本地运行是刻意设计的。

“机器人领域的云计算在操作上极难 —— 大多数工厂和仓库都没有可靠的互联网，对于移动机器人更甚。正常运行时间对客户接受度至关重要，因此我们将循环保持在本地。”

生产故障与车队学习

Standard Bots 在可行时使用仿真，但 Beard 说，一些生产任务（包括涉及液体、真空吸附或切割柔性材料的那些）在现有仿真器中很难重现。

真实世界演示是学习过程的另一部分。这是使用手持触摸设备教机器人的演示：

那么，机器人任务中如何处理故障？这些经验是否反馈到模型中？

“我们从部署中捕获 失败信号和人工修正，如何使用这些数据取决于客户，”Jentoft 回答。

他注意到，其许多国防客户“部署在气隙环境中，什么都不会回来”。但对于非气隙客户，“车队学习为其自身应用带来足够益处，我们通常不会看到为换取性能而贡献数据的阻力。”

StandardOS：AI 机器人开发平台

Standard Bots 已经扩展了其平台，允许外部开发者接入。通过 StandardOS，它提供 一系列 API 和 SDK。

据 Beard 介绍，开发者可以利用 Standard Bots 的 API 构建机器人应用，按需调用其技术栈中的任意组件，甚至接入自有的模型。他引用了 NVIDIA Cosmos 作为示例——这是一个面向物理 AI 的开源全模态世界模型家族（其 3.0 版本于 5 月下旬发布）。

目前，这需要开发者自行编写集成代码。但 Standard Bots 计划简化数据收集、模型训练以及将这些模型部署到其机器人上的流程。

聚焦目标数据

Standard Bots 或许不是机器人领域最“性”的公司，但它已在 NASA、Amazon、Lockheed Martin 等机构中实际部署用于工业自动化。

对于 AI 工程师而言，也许最有益的启示在于 Standard Bots 如何将 AI 适配到具体任务中。它保持 模型角色的聚焦，并利用 真实部署中的反馈 来修正边缘情况。你当然可以将同样的方法应用于软件智能体。

正如 Jentoft 所说——这也是 Jev 最近的体会——关键在于“从目标数据中挖掘最大价值，而非一味追求最大化的数据集”。