企业官网建设流程全解析

做网站需要买主机那,微信公众开放平台,电脑连上网但是打不开网页,做论坛网站时应该注意什么作者 | 金旺栏目 | 机器人新纪元喻超是在2024年9月创业#xff0c;组建了鹿明机器人团队#xff0c;开始重新思考人形机器人的商业化路径。当时国内人形机器人创业热潮已经兴起两年#xff0c;鹿明并不是这波热潮中第一批创业团队#xff0c;但作为这家公司的创始人#x…作者 | 金旺栏目 | 机器人新纪元喻超是在2024年9月创业组建了鹿明机器人团队开始重新思考人形机器人的商业化路径。当时国内人形机器人创业热潮已经兴起两年鹿明并不是这波热潮中第一批创业团队但作为这家公司的创始人喻超与机器人尤其是具身机器人的渊源却是由来已久。喻超最早是在2016年清华大学毕业之际看到了Sergey Levine的人工智能系列经典论文Sergey Levine是加州大学伯克利分校RAIL实验室负责人也是现在美国具身智能领域人气创业公司Physical IntelligencePi的首席科学家。Sergey Levine是第一位在论文中将神经网络用到了机器人控制上的学者他的论文让喻超意识到在人形机器人上神经网络将会替代传统方法。于是喻超先是加入上海岭先机器人负责具身机器人算法研发基于神经网络进行机器人模型探索率先在国内研发了基于AI驱动的人形机器人后又于2020年加入追觅负责追觅具身机器人业务主导了小米CyberDog的研发和量产以及实现了后空翻的电驱人形机器人。2024年喻超看到大模型技术在NLP领域的突破后判断Scaling Law在具身智能领域同样成立与此同时他也发现在行业火热背后依然存在许多未解难题诸如数据基础设施不够完善无法支撑具身智能在实际场景中规模化落地。这让他有了创业的念头。我们能够看到的是在鹿明成立的这一年多里他们1秒起身的全尺寸人形机器人、双臂负载达到50kg的机器人以及无本体数据采集软硬件系统FastUMI Pro技术给整个行业带来了不小的冲击。不过鹿明团队在过往这两年里一直保持低调风格直到最近在鹿明举办的首场技术沟通会上我们第一次看到了鹿明完整的技术路线、产品进度以及鹿明创始团队对于具身智能商业化的思考。01 具身智能的第四条数据路径过往十几年机器人研究和从业经验让喻超更加笃定数据的重要性创办鹿明时在数据获取的路径上选择了一条当时还很小众的技术路线UMI。什么是UMI所谓UMIUniversal Manipulation Interface指的是由斯坦福大学提出的一种通过通用操作接口进行数据采集和策略学习的框架通过手持夹具和通用接口设计可以便携、低成本地进行数据采集并将这样的数据直接用到机器人策略学习和模型训练中。相较于遥操作数据采集这是一种不需要机器人本体的数据采集方法解放了本就还未在市场形成规模的人形机器人还提高了数据采集效率、降低了数据采集成本。不过这条路并不好走丁琰的加入加速了鹿明在UMI上的技术研发进程。博士毕业于纽约州立大学计算机科学专业的丁琰曾就职于上海AI Lab做过多款VLA模型加入鹿明做联席CTO是2025年的事。据丁琰透露在2024年3月博士毕业后他就一直在UMI这个方向上做研究“应该算是国内最早做UMI的人没有之一。”在研究UMI这几年里丁琰最重要的一个成果是FastUMI。FastUMI是对于UMI的一次系统性升级通过对数据采集和处理方法的创新提升了数据采集的效率和质量并面向全球构建起了千人规模的UMI社群这为UMI从实验室走向工业界奠定了基础。实际上即便是到了数据驱动具身智能已经成为共识的2025年UMI依然算不上是一条主流路径这一年市面上共有三种主流数据获取路径分别是以智元为代表的遥操作真机采集、以银河通用为代表的仿真数据合成以及以它石智航为代表的人类视频数据应用。直到2025年11月美国Sunday家庭服务机器人Memo展示了其前沿基础模型能力Generalist的GEN-0完成27万小时数据训练人们才发现这两家明星团队背后都是通过UMI这条技术路径进行的数据采集。这时再看国内的商业化具身机器人团队鹿明就成了UMI这条技术路线的代表。在行业对于UMI关注度越来越高后另一个问题开始浮出水面——如何基于UMI设备采集的数据训练出具身模型丁琰指出UMI现在的市场现状是“设备很多模型很少”行业内几乎看不到“公开、稳定、可复现的UMI模型案例”。之所以会如此问题并非出在模型训练阶段而是大量UMI数据从生成之初就不具备进入训练管线的条件。丁琰强调“UMI数据并不等于画面清晰的视频而是AI理解、对齐并在物理世界中可复现的交互行为记录。”即采集的视频中每一帧的视觉数据与空间位姿要严格对齐多模态信息之间要能实现毫秒级同步采集的视频数据轨迹在物理空间中可复现这样的数据本质上是一种高一致性、高信息密度、可复现的时序结构数据。如果从数据需求再回过头来看数采设备的话当前很多UMI设备普遍存核心硬件模组能力不足、产品设计系统性不够的问题这直接导致了采集到的数据质量不够高。正是因为这些问题的存在让鹿明决定在进行具身机器人研发过程中要率先做好高质量数据生产管线。02 百万真机数据商业化落地门槛作为一个存在了百年的高技术密度的行业机器人以往研发路径是先做硬件、做完硬件做软件之后才是算法研发和补充数据。不过这样的机器人研发路径在UMI这条技术路线下开始失效。UMI是一个需要硬件、算法、数据强耦合的系统硬件决定数据质量数据质量决定算法性能算法又会反向约束硬件执行与数据设计其中任意一环不稳定都将会导致高质量模型无法出现。硬件、数据、算法三环也就构成了鹿明打造的数据管线这也正是鹿明的Fast UMI Pro数据采集系统。数采硬件是三环中的基础其性能高低直接决定了数据的质量这里所指的硬件不是机器人本体而是一套夹爪设备。鹿明专为UMI设计了多个版本夹爪诸如触觉便携、平动便携、平动全功能、非平动全功能版本夹爪其中负载更高的非平动版本夹爪主要用于工业领域平动版本则多用于科研、教育场景。与此同时鹿明还研发了用于机械臂的机载相机用户在使用机械臂进行数据采集时无需更换夹爪只需要将机载相机装到机械臂上就可以进行UMI数据采集。我们在沟通会上看到了这款设备的两个关键参数一个是空间定位精度达到了1mm另一个是数据采集频率达到了60Hz。据丁琰透露“在这一系列产品中鹿明特别定制了超高性能传感器架构来为这一系列夹爪带来了很好的持续高一致性。”例如高性能运动级鱼眼镜头能够保障使用者在高速运动下采集时画面不糊、不失真而且还具备动态恢复能力把手挡住镜头再松开普通镜头可能要3-4 秒才能恢复鹿明的FastUMI Pro可以瞬间恢复。丁琰告诉我们“对不做算法的人来说这是小细节但对做模型的人来说这决定了任务是 0还是 100中间没有差不多”。至于跨本体的物理泛化其实只要在不同的机械臂上放一模一样的相机末端执行器也保持相同数据就可以互用。由此实现的机器人本体泛化我更愿意称之为基于物理层面的本体泛化。就数据层面来看鹿明制定了一套工业级数据质量评估体系在评估体系中共有8道工序前三道工序分别是第一通过软件生成精心设计的动作鹿明团队认为只有按机器人可理解的逻辑设计的动作才对机器人有“教学意义”第二数据完整性筛选过滤掉因漏采或传感器失效导致的不完整数据第三物理合理性筛查过滤掉不符合物理世界规律的数据。其余5道工序则是由鹿明团队独创鹿明团队并未对外公布。丁琰指出“前三道工序是大部分机器人团队都能做到的可以筛掉约10%的不合格数据通过后5道独创的工序鹿明团队可以进一步筛掉约20%的不合格数据。”值得注意的是在具身智能被写入政府工作报告、成为国家战略新兴产业后具身智能的数据标准问题也被提上了日程2025年上海就曾发布人形机器人数据集标准国家数据局近日也指出2026年我国将面向智能体、具身智能等方向推出30余项数据国家标准。丁琰在接受媒体采访时告诉我们“我们团队已经陆续收到来自不同类型客户的标准在给客户交付的时候我们的数据质量不仅完全符合这些标准甚至远超客户要求。”基于这样的设备和标准鹿明在2025年通过自建数采工站已经完成了10万小时数据的采集据鹿明联合创始人赵广智透露接下来鹿明数据采集会分两步走第一步2026年以与政府/产业方合作建设数采工厂方式实现100万小时数据产能第二步2027年以众包激励形式实现1000万小时的数据产能。这里值得一提的是无论是对于鹿明、对于UMI还是具身智能整个行业百万小时高质量数据都将会是一个关键节点。喻超告诉我们“在2026年完成百万小时高质量数据产能建设后将带动硬件本体在场景中规模化落地同时在场景中进一步加强我们的硬件能力进一步提升硬件本体落地规模。”实际上鹿明的商业化探索也已经开启。03 先为具身智能提供基础设施2025年7月三菱电机与鹿明官宣合作基于这次合作双方将共研工业级人形机器人核心技术制定智能工厂机器人应用技术路线图更重要的是鹿明的人形机器人由此也进入到了三菱的工厂。喻超告诉我们“鹿明和三菱的第一期合作已经完成已经在三菱工厂中的PLC产线上换用了轮式双臂人形机器人并在不到两个月的时间里将单个工序的节拍从30秒压缩到12秒左右。”不过喻超也指出“要想大规模可靠完整落地还需要在这一场景中将数据量级进一步提上来所以接下来我们的合作会进入三菱更多实际场景中来实现数据规模化。”在喻超的规划中鹿明的商业化分为三个阶段第一阶段作为数据和硬件的基础设施供应商服务具身智能的算法公司、硬件公司场景和产业应用方第二阶段与场景方合作推动人形机器人在具体场景中落地第三阶段与生态合作伙伴共同推动人形机器人通用本体含数据、模型的大规模落地。关于这三个阶段的时间预期喻超告诉我们“预计第一阶段预计需要三年左右2025年开始第二阶段需要五年左右2026年开始第三阶段则是整个行业和生态未来共同努力去实现的一个目标。”现在来看鹿明目前要做的是为整个行业提供数据、硬件基础设施让FastUMI Pro数据采集系统朝着具身智能的‘USB接口’方向演进据悉这套系统将真机数据采集效率提升了5倍、成本降低了80%。而据喻超透露“目前全球三分之二的具身智能团队都在使用FastUMI Pro2026年鹿明预期营收规模在亿元级别。”