涌现（Emergence），是生成式AI浪潮的一个关键现象：当模型规模扩大至临界点，AI会展现出人类一般的智慧，能理解、学习甚至创造。

「涌现」也发生在现实世界——硅基文明一触即发，AI领域的创业者、创造者，正在用他们的智慧与头脑，点亮实现AGI的漫漫征途。

在新旧生产力交替之际，《智能涌现》推出新栏目「涌现36人」，我们将通过与业界关键人物的对话，记录这一阶段的新思考。

文｜田哲

编辑｜苏建勋

美剧《西部世界》描绘了一个人类与机器人共存的社会图景：在科技高度发达的未来，机器人与人类的外观、行为表现几乎没有差异，人类能在一座乐园中与机器人随意互动。

在熊友军看来，未来机器人不会束缚在乐园中，而是成为人类生活的一部分，机器人可以是人类的生活助手，也可以是朋友，甚至是身体的一部分。正是怀揣这一梦想，让熊友军在机器人行业浸泡了20多年。

熊友军是机器人公司优必选的联合创始人之一，曾主导多款人形机器人的开发，其中一款名为“Walker”的机器人两次登上央视春晚舞台表演。更早之前，他还负责包括国家发改委在内的多部门人工智能创新发展重大工程项目。

他将机器人的发展阶段分为三个时期，分别是弱人工智能、强人工智能、超人工智能。尽管机器人技术已发展数十年，但仍停留在弱人工智能阶段，他认为只有实现通用人工智能，机器人能与真实世界交互，机器人才可能进入下一个发展阶段。

2023年，熊友军离开生活十多年的深圳，北上北京，成为国地共建具身智能机器人创新中心（以下简称“创新中心）的CEO。

这是他人生中的一次不小转变。“我们是国家级创新平台，不仅需要实现关键共性技术的攻关，还承担着带动产业发展的职责”。他介绍。

2023年，大量机器人初创公司接连冒出，探索不同的技术路线，但这也意味着，机器人行业需要经过漫长的技术探索、验证周期，才能让机器人走向量产。与此同时，美国不仅有行业先驱波士顿动力，也诞生了Figure、Digit机器人新贵，相比中国，美国机器人公司有着更充足的资金优势以及顶级人才。

今年8月，熊友军向波士顿动力创始人马克·雷波特提出一个问题，为什么波士顿动力技术强大，却不急于商业化？马克·雷波特的回答很简单，只是一句：“I don’t care。”

这出乎熊友军的意料，“他根本不在乎这些，只把大量精力和资源集中在技术的领先性和创新性上。”

在熊友军看来，中美两国的机器人技术差距整体不大，但中国机器人初创公司能得到的资源更少，也存在一定的重复造轮子的问题，这是他决定加入创新中心，推动国内机器人技术、行业标准加速成熟的原因。

经过一年研发，创新中心通过通用机器人平台“天工”打造了三款机器人，实现机器人在拟人行走、拟人奔跑、具身操作等方面的技术突破。打造的多能具身智能体“开物”，则聚焦于打造通用的机器人“大脑”“小脑”，让同一套技术方案适用于不同形态的机器人。未来，创新中心研发的技术都将陆续开源。

在熊友军看来，仅仅将技术开源还不足以推动行业明显进步，创新中心还负责制定机器人行业标准规范。据介绍，创新中心已参与制定4项国家标准、3项国际标准。

随着人形机器人技术走向成熟，熊友军预计未来的机器人，几乎人人都能买得起。但他也担忧，价格战在机器人行业重演，“这对行业是一种伤害，不希望看到。”

“如果那一天真的到来，创新中心能发挥哪些作用？”《智能涌现》将这个问题抛给熊友军。

“说明机器人技术已经十分成熟，不再需要解决共性的技术难题，那时创新中心的使命已经完成，我们也将开始下一个征程。”熊友军说。

以下是《智能涌现》和国地共建具身智能机器人创新中心CEO熊友军的对话，内容略经编辑：

打造机器人行业开源的OpenAI

《智能涌现》：先来聊聊创新中心的职责，你觉得与其它商业公司的差别是什么？

熊友军：国家地方共建具身智能机器人创新中心是由国家定义的新型研发机构，它代表国家和整个机器人产业，致力于攻克共性和关键核心技术。最终目标是推动中国具身智能机器人产业占领全球科技竞争的制高点。

《智能涌现》： 可以把创新中心类比为早期的 OpenAI吗？

熊友军： 对。我觉得创新中心是机器人行业的一个引导者，汇聚行业资源再推动应用。

《智能涌现》：创新中心目前主要在做什么？能从哪些方面推动机器人行业发展？

熊友军：创新中心主要做的是推动具身智能机器人技术的发展和生态建设。它集中在两个重要任务上：一个是“天工”通用机器人母平台，另一个是“开物”多能具身智能体平台。

创新中心还负责牵头国家级任务，攻关关键技术、编写国际和国家机器人相关标准，和场景方合作推动试点机器人应用。

《智能涌现》：现在团队规模情况如何？

熊友军：我们团队目前近200人，平均年龄32岁，研发占比70%左右。

《智能涌现》：创新中心和你之前在优必选的工作内容差异很大，你怎么切换角色？

熊友军：我目前还是优必选的兼职CTO，能够继续关注和推动优必选的研发工作。同时，优必选是创新中心的主要股东之一，刚成立时为创新中心提供了巨大的支持。优必选不仅调派了研发人员协助启动多个项目，还将300多项专利开放给创新中心。

我认为，优必选在推动创新中心的发展上做出了重要贡献，尤其是在洞察机器人行业痛点方面。

《智能涌现》： 你觉得机器人行业需要解决什么痛点，才能促进机器人规模化量产，实现商业化应用？

熊友军：我觉得主要方面分几个方面：

首先，技术的成熟还需要时间。这不仅仅包括机器人本身的技术，还涵盖人工智能、具身感知等多个领域的技术，以及运动控制技术的完善。

其次，供应链的成熟度也制约了机器人大规模应用，当前，机器人产量较低，导致成本无法降低。

技术、供应链不成熟导致人形机器人现在没有大量生产，其实市场需求都有。随着技术迭代，机器人产量提升，这些问题会逐步得到解决，这是一个渐进的过程。

《智能涌现》： 如果行业出现新技术，创新中心是否会立刻投入跟踪和研发？创新中心如果要为行业服务，会有什么举措？

熊友军：面对新技术，我们会首先进行评估，主要考虑技术的成熟度、应用前景以及是否符合我们的长期战略。

如果新技术符合方向，我们会选择投入研发，或者与行业伙伴合作推进。此外，创新中心的天工开源项目和具身智能数据集建设为行业提供了技术孵化和支持，帮助推动行业的技术进步。

《智能涌现》：现在机器人的技术、零部件没有标准，创新中心对于机器人的技术路线有标准吗？

熊友军：人形机器人技术面向不同行业，解决方案会有所不同，因此不会有统一的标准。对于工业领域的机器人，未来一定会找到最具成本效益的解决方案；而面向商用和家庭服务的机器人，也会有相应的解决方案。目前，人形机器人技术路线仍在探索阶段，各个方向都不够成熟。未来可能会有某个技术方案发展更快、产业链配套更完善。

因此，面对一个高速发展的行业，现在也不能够定得太死，需要根据行业的发展 情况动态调整。

《智能涌现》：创新中心的职责也包括带动机器人相关政策、标准制定吗？

熊友军：没错，这是我们解决共性关键技术的很重要的一个方向，行业发展首先要规范，这个标准必须要做，所以创新中心成立以来已经牵头三项机器人国际标准，四项国家标准，还发布了一些行业标准。

机器人智能和本体发展差距不大

《智能涌现》：目前创新中心的研发重心是什么？

熊友军：除了“天工”之外， 我们还倾斜了更多资源投入到机器人的“大脑”建设上，这个“大脑”就是“开物”平台。它是一个具身智能体，能让机器人实现“一脑多机”和“一脑多能”。

“一脑多机”意味着“开物”平台不仅能服务我们的天工系列机器人，还能服务其他机器人公司，包括人形机器人、四足机器人和工业机器人，使机器人更加智能化。“一脑多能”则指平台能够适应不同场景，如工业、商用服务和家庭等。

围绕这个“大脑”，我们还搭建了具身智能数据集平台，与多方合作伙伴共同建设多样化的应用场景。除了工业场景外，我们还在开发特种、家庭和商业服务领域，未来将建成全球最大、最稠密、最通用的具身智能数据收集平台。

《智能涌现》：机器人形态多样，甚至不同机器人的手指数量也不一样，“开物”平台怎么实现服务多种类型机器人？

熊友军：针对比如五指、四指、两指等不同类型机器人，会各选出一种行业主流机器人，针对不同动作进行数据采集。其次，我们有一套具身智能算法调配，让开物具备通用能力，适配各种各样机器人。

《智能涌现》：创新中心现在研发的机器人，选择什么技术路线？

熊友军： 我们现在偏向于纯视觉、仿生的路线。

《智能涌现》：原因是什么？

熊友军：因为仿生的成本可靠，产品也可控。

《智能涌现》：了解到现在创新中心推出了三款自研的“天工”机器人，在哪些地方取得了一定的优势，未来还有哪些规划？

熊友军：天工实际上是一套完整的系统，创新中心成立时，我定下了五个关键任务：人形机器人本体、运动控制算法、具身智能大模型、机器人操作系统和机器人工具链。

目前，机器人像腿、胳膊这些部分已经取得了一些阶段性成果。接下来，我们将开源一整套运动控制算法库，包括模型预设控制、全新运动控制算法，以及强化学习、模仿学习网络等。此外，“开物”平台未来也将陆续开源，以推动整个行业的技术进步和资源共享。

《智能涌现》： 创新中心首要任务还是解决机器人的运动控制，还是机器人本体的问题？

熊友军：对，本体和运动控制现在是第一阶段的重要攻关难题，我们也在同步推动机器人的“大脑”发育。

《智能涌现》：注意到开物可以让机器人具备复杂长程任务拆解执行能力，这是如何做到的？

熊友军：长程任务执行能力是机器人智能化的关键，长行程任务的步骤越多，意味着任务越复杂。我们正在努力让“开物”能完成超过50步的复杂任务，同时还能在不同场景中灵活应对各种任务。

“开物”的核心是“具身大脑+小脑”的设计：大脑由AI模型驱动，负责任务规划、逻辑推理和场景理解；小脑则负责具体动作，比如执行技能、处理错误和实时反馈。两者配合，通过智能体框架共同完成任务。

另外，创新中心还在建设一个国家级的具身智能数据平台，用来采集、标注和优化各种数据。这不仅让“开物”学得更快，也能让它在更多场景中表现得更好。

《智能涌现》：具备50步长行程任务执行能力，理论上可以把机器人应用在哪些场景？

熊友军：未来，这些能力将使机器人在制造业、服务业和家庭场景中广泛应用。在工厂中，机器人可以承担高复杂度、长流程且精细的任务；在服务业中，能够执行长程复杂任务的机器人将满足多样化需求，而不仅限于简单对话。

《智能涌现》：现在天工机器人能够理解并执行“给我一瓶可乐”这类任务吗？

熊友军：目前，创新中心已实现基础的长程任务执行能力，如处理早餐备餐等场景任务。通过技术进步、数据积累和具身智能大模型优化，未来机器人将更强大，能够完成更多类型的复杂任务。

针对“给我一瓶可乐”这类任务，可通过“具身大脑+小脑”架构实现：AI大模型（具身大脑）负责任务规划，制定动作决策；数据驱动的端到端技能模块（具身小脑）负责执行具体动作，如打开冰箱、取出可乐并递给用户。

《智能涌现》：现在机器人大脑能够执行复杂任务，但是本体刚学会跑步，这代表机器人的运动控制、肢体现在跟不上大脑的发展？

熊友军：这并不意味着本体和运动控制有所落后。大模型与机器人技术的融合是近两年才刚刚开始的，让机器人足够聪明，拥有自主理解和执行任务能力来完成更复杂的任务，整个具身智能行业都还有很多课题要攻克。

《智能涌现》：具身智能机器人距离大规模商用还需要解决哪些问题？

熊友军：在工业和商业服务场景中，一些简单的需求已经有了初步应用。但要让人形机器人真正普及到千家万户，不仅需要技术突破，还要解决成本、法律、标准、伦理等多方面问题。

技术方面挑战主要包括：多模态感知能力的提升、更自然的情感交互、操作泛化能力、长时间安全稳定运行的可靠性。

成本方面，目前人形机器人尚未规模化量产，成本较高，不适合普通家庭使用。未来随着技术成熟和规模化生产，成本有望大幅下降，推动商用普及。

法律和标准方面，当前行业缺乏统一标准，不同厂商的机器人能力差异较大。未来建立国家或行业标准，将有助于提高不同机器人间的兼容性和互操作性。此外，商用后的责任归属、使用权限以及相关法律法规的完善，也是必须解决的问题。

这些因素共同决定了人形机器人从技术验证走向大规模应用的速度和广度。

《智能涌现》：数据收集速度是怎样的？预计什么时候、到多大数据量的时候，将为具身大脑带来可见的变化？

熊友军：目前，数据采集覆盖6类本体和7大典型场景，日产数据已达10TB。同时，创新中心还建设了一体化综合数据平台，集数据生产、采集、标注和存储于一体，为机器人发展提供全面支持。

我认为，具身智能大脑的突破指日可待。随着机器人应用场景和数据规模的不断扩大，量变将很快引发质变，为具身智能大脑带来显著的进步和变化。

《智能涌现》：机器人训练需要的数据量大概是怎样的量级？数据量越多越好吗？

熊友军：数据量大是好事，但当数据规模持续扩大，重复场景、动作和行为的数据会占比逐渐增多，其价值相对较低。真正关键的是稀缺场景和高质量数据，它们对机器人能力的进一步提升至关重要。

如果把特斯拉看作一个“自动驾驶机器人”，根据马斯克的观点，达到全球监管认可的自动驾驶水平需要60亿英里的行驶数据。这主要依赖图像数据，输出的基本动作是加速、减速和转弯，虽然场景是非结构化的，但控制自由度较低。

相比之下，机器人需要在非结构化场景中处理多模态输入（如音频、视频、图像和文本），还需结合力度和触觉感知，输出动作的复杂度远超自动驾驶。因此，机器人训练所需的数据量级也必然远超自动驾驶的需求。

《智能涌现》：今年很多公司把端到端大模型应用到机器人，创新中心会不会也尝试端到端大模型？

熊友军：当然，端到端是一种很好的解决方案。关于具身智能的大脑解决方案，国际上有几种不同的思路：

首先是端到端方案，将语音、视觉、行为等统一处理为一个大模型。这是一个耦合方案，语音、规划、执行动作等全部混在一起，训练成本较高。Google采用了这种方式。

其次是解耦方案，将语音、视觉、运动控制等模块单独作为不同的模型，这种方案的代表是Figure和OpenAI。这种方式不仅可以进行人机交互、语音交流，还能执行动作，我个人更倾向于这种方案。

还有面向具体工作的小模型。例如特斯拉，他们采用模仿学习，针对特定任务（如电池分拣）进行训练。这些小模型能够快速复制，但泛化能力相对较差。

这三种方式各有优势，我们会根据实际需求进行尝试和探索。

机器人大脑，中美差距大约一年

《智能涌现》：你觉得目前国内外的人形机器人发展有哪些差距呢？

熊友军：中美是全球人形机器人行业发展最快的两个国家，尤其是在具身智能时代来临之后，我认为中美将在未来的竞争中占据优势。

美国主要由一些大型科技公司主导这一领域，比如特斯拉、Figure、Digit和波士顿动力，每家公司都有独特的优势。Figure背靠OpenAI，Digit则由亚马逊提供底层技术、资本和产业支持，同时，他们在学术界也有深厚的背景，如斯坦福、加州理工等。

相比之下，国内的人形机器人领域主要由创业公司推动，这意味着技术积累、资本投入和行业资源的聚集度相对较低，尚未达到美国企业的规模和影响力。

《智能涌现》：国内机器人行业的优势是什么？

熊友军：中国市场庞大，供应链更完善，应用场景更多，技术探索速度相对更快。

在本体研发方面，中美的差距不大，甚至在某些领域，中国的技术探索可能更为全面。例如，面对同一个技术方案，中国的迭代速度更快，同时在核心零部件的成本、技术可靠性和稳定性方面也具有明显优势。

在运动控制方面，中国和美国基本处于同一起跑线，许多美国公司能做到的技术，我们也能做到，甚至在纯电驱动领域，中国的运动控制能力在部分方面比美国更强。

《智能涌现》：本体的同一个技术方案，中国的迭代速度会更快，是指中国产业支持机器人应用，因此能够快速测试、收集数据用以迭代吗？

熊友军：是的，中国的优势在于完整的产业链、丰富的应用场景以及政策的强力支持。政府提供了政策和资源支持，加上庞大的市场和多样化的应用场景，使得中国能够更快地进行技术测试、收集数据并进行产品迭代。同时，中国的产品化速度也较快，能够将科研成果迅速转化为实际产品，从而推动技术的优化和应用的落地。

《智能涌现》：中美之间的具身智能技术领域差距多大？

熊友军：中美在具身智能领域的差距并不大，从数据、制造和应用场景等方面来看，中国还有不少优势。

算法上，中美几乎同步起步，中国研究人员在顶级机器人会议上频频获奖，水平相当。数据方面，具身智能需要复杂的物理世界交互数据，而国外收集成本高、难度大。相比之下，中国制造业规模大、场景丰富、人力成本低，在数据收集和应用上占据优势。

另外具身智能在执行大脑的方面，双方差距不大，差距是底层算法，我们使用了美国的一些开源大模型、底层技术架构。但在应用方面我们在快速迭代，所以说总体差距不是很大，各有优势。

《智能涌现》：能不能列举一些开源大模型、底层技术架构？这对国内现阶段人形机器人发展带来哪些影响？

熊友军：一个直观的例子是，国内许多大模型的早期发展是基于美国开源代码进行二次开发和优化的。随着时间推移，国内企业逐渐推出自研模型，加速了技术的应用和落地。

借鉴美国开源模型的底层架构，可以在一定程度上节省开发成本，推动技术和产品的快速迭代。但同时，国内也在加大自主研发力度，推动国产化进程，增强技术的自主可控性。

美国机器人领域的开源开放有助于避免重复造轮子，加速全球机器人产业的发展。同样，国内企业也在努力，例如我们国地共建具身智能机器人创新中心、上海人形机器人创新中心、智元机器人和宇树等，都在积极开源技术成果，推动全球技术进步，最终造福全人类。

《智能涌现》：如果用时间换算，中美之间机器人发展差距相差多少个月？

熊友军：美国推出一款新的大模型，国内通常能在半年内跟上，我认为差距大约在半年到一年的范围内。不过这只是我个人的观点，时间差很难精确评估。

《智能涌现》：对于这一差距，目前行业的解决方法是什么？创新中心能够做些什么？

熊友军：中国近年来加大了研发力度，优化算力结构，推动产业融合。例如，北京发布了算力基础设施建设方案，并推出了国产算力验证平台。创新中心也与科研机构和企业合作，致力于研发人形机器人专用的芯片，从而加速缩小与国际间的算力差距。

机器人仍处于弱人工智能时代

《智能涌现》：你在机器人行业20多年，机器人吸引你的地方是什么？

熊友军：我梦想中的社会是一个人机共融的社会，随着机器人技术的发展，机器人将越来越多地融入我们的社会生活。最初，机器人可能会在工业领域执行一些工作，接着进入商业领域，最后走进家庭，成为我们的生活伙伴或帮手，帮助解决各种劳动问题。我相信这是一个大趋势。

然而，现阶段机器人的技术还不够成熟，我们不能因此而停滞不前。我们可以借鉴智能汽车的发展思路，对机器人进行智能程度分级。就像自动驾驶从L0到L5分为六个等级，虽然现在大部分智能驾驶系统停留在L2和L3级，远未达到L5级，但自动驾驶技术已经在社会中广泛应用了。

机器人也会走类似的道路，尽管目前还没有达到L5级，但仍然可以在很多场景中应用。我们可以持续提升机器人的自动化能力，同时采取“沿途下蛋”的策略，先将现有成果应用到实际场景中，逐步渗透到我们的社会生活和各类工作中。我认为，这是一条符合商业发展路径的道路。

《智能涌现》：近两年的大模型应用到人形机器人，加速了行业发展。现在是历史上发展人形机器人的最佳时刻吗？除了大模型应用，还有哪些因素推动？

熊友军：现在的确是发展人形机器人的好时机，就像当年的 iPhone 时刻一样。美国的特斯拉、谷歌、亚马逊，以及国内的华为、腾讯等科技巨头都在加速布局，推动这一领域的发展。

推动人形机器人发展的原因有很多：大模型的爆发让具身智能有了更大的可能性，产业链逐渐成熟，机器人成本降低，实际应用的可能性大大增加。另外，劳动力短缺、人力成本上升，以及危险和特殊作业的替代需求，让工业自动化和服务业对人形机器人的需求越来越旺盛。

《智能涌现》:前段时间你在世界机器人大会上，和美国波士顿动力的创始人马克·雷波特交流，他对人形机器人的看法有哪些令你印象深刻呢？

熊友军：我曾经问过他很多次，为什么波士顿动力的技术那么强大，却没有进行产业化？为什么不做一些商业化运作，或者去融资？他的回答很简单，只说了一句：“I don’t care。” 他根本不在乎这些。波士顿动力把大量精力和资源集中在技术的领先性和创新性上，这种专注精神和态度是非常值得敬佩的。

《智能涌现》：你之前把机器人发展分为三个阶段，分别是弱人工智能、强人工智能，超人工智能。你觉得现在的机器人发展到哪个阶段了？

熊友军：我觉得现在仍然处于弱人工智能的时代，虽然我们正在朝着通用人工智能的方向发展，但人工智能的应用大多还是集中在数字空间或信息空间，真正与物理世界打交道的场景还很少。具身智能时代还没有真正到来，虽然我们已经开始迈出步伐，但仍处于初期阶段。

目前，无论是与机器人对话，还是让它帮你生成方案、写文字、制作视频，这些都属于虚拟世界或信息空间的范畴。但人类的智能远远不仅限于此。正如李飞飞所说，空间智能是一个重要的方向，我们对物理世界的理解仍然非常有限。

《智能涌现》： 如果机器人与物理空间进行强交互，能被称为超人工智能吗？

熊友军：我觉得不一定到那个时候就一定是超人工智能。其实我们人类对自己大脑的思考方式也还不是很清楚，关于人类大脑的很多机制仍然是未知的。所以，即便人工智能取得了很大的进步，也远没有达到我们想象的那种“超人工智能”阶段。

《智能涌现》：到超人工智能时代，机器人会有哪些表现？

熊友军：我觉得可以发挥大家的想象力。以前我提到过一个类似《三体》的观点：我们生活中可能会有几种形式的存在。除了我们这些原生的肉体碳基生命之外，可能还会有仿生人——他们一部分是肉体，一部分是机器人，甚至可能会出现全身都是机器人的情况。

举个例子，坐在我对面的，或许就是一个机器人帅哥，或者是一个机器人助手。它看起来和我们一模一样，拥有皮肤和非常拟人的表情，聊天时它的神态和举止也可能完全像真人一样。这种机器人能够融入我们的生活，几乎无法区分它和真人的不同，就像美剧《西部世界》里呈现的那样。

《智能涌现》：你认为机器人最终形态外观会是怎样的？

熊友军：机器人的应用场景还在不断探索中，机器人外观也会根据场景需求有所不同。在家庭场景中，机器人可能更注重外观，拥有表情、皮肤和更多的触觉传感器，整体看起来更具亲和力。而在工业场景中，外观要求相对简单，更多强调稳定性、精度和速度等实用性特征。

《智能涌现》：目前机器人行业还在初期发展阶段，大家都在找落地场景，距离商业应用仍有一段距离。现在一些投资人急于看到场景应用成果，您怎么看待机器人初创公司与投资人之间的矛盾？

熊友军：要实现大规模商业化，技术和产品的成熟是关键。在技术发展的过程中，总会有一些细分场景和阶段性的应用，技术创新和场景落地也会不断演进。

目前，我们主要在工业场景和一些商业服务领域进行探索。随着技术和产品逐渐完善，人形机器人未来会深入到生产和生活的方方面面，比如工业应用、家庭服务等。

我希望资本和公众能对具身智能机器人和人形机器人的发展多一些耐心和包容，这样才能更好地推动这个行业的长远发展。

《智能涌现》：你之前也提到说人形机器人未来要“论斤卖”，在强人工智能时代到来的话，这个论斤卖是不是会成为可能呢？

熊友军：“论斤卖”意思是，人形机器人的成本不会成为最大的担忧。随着技术成熟，商业化后的成本会大幅降低。

就像手机行业一样，早期的大哥大既贵又重，只有“土豪”能用，但如今手机功能远超大哥大，而且价格大大降低。一旦机器人实现规模化生产，家庭用户也能负担得起。

我们不希望出现价格战，因为那对所有人都没有好处。

《智能涌现》：如果未来机器人行业真的出现价格战，创新中心作为在机器人行业有影响力的组织，是不是也能够参与，改变一些市场化的问题？

熊友军：如果真正到了那一天，说明机器人行业已经繁荣发展，各项技术和行业问题都已得到解决，开始大规模产业化应用。我认为，创新中心就已经非常成功了，到那个时候，创新中心将开启新的征程。

因为国家的目标是希望创新中心能够在具身智能时代引领机器人行业发展，就像现在的电动汽车，中国已经在全球汽车行业中处于领先地位。一旦机器人产业能够完全由市场主导，创新中心可能就会有新的任务和使命了。

《智能涌现》：到那时候，你对机器人梦想也完成了吗？

熊友军：应该是满足了我现在的目标，但那时候我可能有新的目标，更远的理想要实现。

封面来源｜企业授