具身智能的创业江湖配资炒股新手入门，可以用“热辣滚烫”来形容。
几乎每天都有新的创业公司和创新技术冒出来，路线越来越多，玩家越来越多，融资、模型、数据、硬件……已经热得不能再热。
就在这片热闹里，又来了一位履历颇有意思的教授。
他叫张富。
这个名字背后的标签，单拎一个出来都够讲一段故事：李泽湘的学生、大疆8年产业顾问经历、香港大学副教授。
跟随李泽湘研究无人机时，他学会了沉下心到一线跟供应链团队、用户进行沟通，不止做学者、旁观者；在大疆8年，他了解把实验室技术做到产品的全过程和产业化面对的真实问题；在港大实验室，他和团队一起持续推进自主飞行等前沿研究。
所以张富这次创业，没去和一众玩家一起卷“地面”。
他把这三种经验结合，做不靠GPS定位、不靠飞手摇控，就能感知环境、判断自己在哪里、规划下一步往哪儿飞，最后自己把任务干完的空中智能体。
这也给具身进入人类世界创造另一种可能：
具身智能未必一定要长出人的手脚。
它也可以先长出一双翅膀，替人走进那些几十米高的幕墙、陡峭的山坡和危险的工业现场。
具身又来了一位创业教授硅羽科技受关注不只因为它把具身智能搬到天空，还因为创始人张富。
张富是香港创业教父李泽湘的学生。他本科毕业于中国科学技术大学，之后在加州大学伯克利分校攻读博士。
2015年前后，张富受李泽湘邀请进入香港科技大学，开始系统研究机器人和无人机；
2016年起，又深度参与大疆的核心技术研发与产品化，覆盖飞控、多传感器融合、激光雷达等方向。
在产业一线深耕多年，参与过研发、产品定义和量产落地的完整过程。
后来，张富来到香港大学担任机械工程系终身副教授，期间组建MaRS Lab（港大机电与机器人系统实验室），把研究重点继续压在一件事上：让飞行机器人在陌生环境里自己找到路。
MaRS Lab公开资料显示，实验室长期研究UAV、自主导航、激光雷达SLAM和集群协同，并强调把实验室成果推向真实世界。
其中一个代表性成果，就是FAST-LIVO系列。
简单说，GPS失灵后，FAST-LIVO2可以让机器人靠自己“认路”：一边看周围，一边判断自己走到了哪里，再把沿途看到的世界拼成一张地图。
这一相关成果的论文获得了IEEE Transactions on Robotics（TRO）傅京孙纪念最佳论文奖。
这条技术路线，恰好成了硅羽如今“空中智能”的底座：先让机器知道自己在哪里，再让它理解周围是什么，最后进一步判断“我要做什么、下一步怎么做”。
目前，张富带着团队把实验室的科研技术转化成公司和产品。
公司目前构建了多模态感知、端到端运动控制、世界导航模型，以及灵巧作业和集群协同等技术体系，试图让飞行器摆脱对GPS、先验地图和持续人工操控的依赖。
所以，硅羽真正想卖的不只是更聪明的无人机，还有无人机的通用大脑。
让无人机拥有“自主能力”，不需要人实时手动操作，并且同一套智能，装进不同的飞行器，让它们自己感知、自己决策、自己完成任务。
资本已经开始下注。硅羽半年内连续完成四轮融资，累计数亿元，投资方包括耀途资本、锦秋基金、阿里巴巴等。
对张富来说，资本真正关注的并不是一架更智能的无人机，而是飞行器下一阶段可能出现的能力范式变化：
当成千上万种不同的飞行平台进入真实世界，能否让它们共享一套不断进化的智能能力？
给无人机装上大脑量子位：具身智能这么热，大家注意力大多在地面人形具身，你为什么偏偏选了更有难度的空中？
张富：我博士的时候研究控制理论和人工智能，当时在学校实验室见过简陋的四旋翼无人机，觉得特别有趣。
2015年开始，我在港科大李泽湘老师的实验室里正式接触无人机，做了大量基础性工作，从无人机新构型硬件，到定位、感知、导航。
这两年具身智能发展得很快，我们很早就把具身和无人机做结合了。
随着研究深入，我们需要更多算力、数据和专利。
另一方面，我们收到大量潜在客户的邮件，希望利用更智能的飞行器解决一些传统方式难以覆盖的问题。
这两个因素合在一起促使我创业，一是满足市场需求，二是借助公司平台更好地推进技术突破，把通用空中智能推到下一阶段。
无人机能去作业的场景，都是人很难去、或者去的成本很高、很危险的地方，天生具有不可替代性。
我认为，空中具身智能的商业进展会更快。
如果说飞行器行业的上半场比拼的是工程成熟度，那么下半场的核心变量将是自主能力。这已经成为行业的痛点，大家都把技术、资金投入到这里，所以这个赛道的价值体现会更早。
量子位：融资后有报道提到你们正在量产，目前产品能完成什么任务？
张富：现在人为操作的无人机受限于技术和智能化程度，还是有很多地方去不了，这部分就是我们的目标。
今年年底我们会量产第一阶段的产品，就是让它们不再需要飞手遥控，飞去更多困难复杂的场景自主完成特定任务。比如地下空间的管廊、隧道，室内空间的仓储、厂房，还有桥下、森林树林等这些无人机很难作业飞行的地方。
再进一步要让无人机具备自主思考的能力，像人一样推理世界、自我决策，会根据环境判断怎么飞，甚至在完全未知的环境，靠以前经验做出判断，完成任务，就像把人的脑袋放到无人机上。
我们的技术目前还在研发迭代，让它更稳定成熟。
第三阶段的产品会具备干预世界的能力，比如抓东西。这方面商业化需求和落地需求还需要时间培养，比如高空作业，玻璃幕墙清洗。
现在这些作业场景都是把人送上去，非常危险、成本高、效率低，以后都能通过智能飞行器操作完成。
量子位：硅羽科技的核心竞争力有哪些？
张富：我们团队在两个维度做得比较好。第一是原始技术的创新能力，这10年我们研发的技术被企业广泛使用。
比如，在大疆时我负责研发的激光雷达览沃（Livox），解决了激光雷达贵和重的问题，现在从割草机、移动机器人、物流机器人、机器狗，包括空中具身行业，大量无人机在用览沃。
贵和重对于空中的设备更重要，任何一点重量都带来能量损失、续航损失。我们的产品在同类产品里应该算最轻的，重量不到一千克、整个产品只有一张A4纸大。
它的续航能力跟常见的无人机类似，20-30分钟。但这里要注意，绝对续航是一方面，更重要的是有效续航。有效续航是单位时间能执行多少任务。
无人机靠人操作，人首先要对环境做出判断，再操作，还要在空中不断干预、纠正，这在无形当中降低了无人机的作业效率。
空中智能体有自主解决问题的能力后，就不需要人为操纵，它能够高速自主飞行，在单位时间内能飞的地方更多，执行的任务远比现在靠人手动操作的无人机要高好几倍。
以前执行任务需要20分钟，现在可能只需要5分钟。在我看来，这其实才是解决续航问题最好的做法。
第二是量产经验，我们知道怎么把技术做成可靠一致、满足用户痛点的产品。
量子位：你在产业一线做了8年科学顾问，这段经历对创业有什么用？
张富：最大的收获是让我了解把技术落地成为产品的全过程。
我以前是比较典型的学者思维，只想做有趣的、前沿的、能发论文的研究。
但研究出来的技术如何用到产品上，用到真实的世界，我没有过多了解。
但当我到了企业中才接触产业化过程中会遇到什么问题、需要什么资源、怎么解决、怎么把产品推向市场，只有真的下沉到生产一线、去工厂跟研发人员沟通、看工人操作，甚至自己上手操作几遍，才知道软硬（件）结合产品做到产品层面有多少困难挑战。
这段经历让我对问题的思考不止停留在学者思维，还会用产业化的角度去思考，去解决真实产业当中的问题。
量子位：公司刚建不久就有阿里很强的融资公司进来，大家说投钱是为您这个人，您觉得教授身份是投资主因吗？
张富：教授身份是一方面，肯定是亮点，代表我们有原始技术创新能力。
但最终大家看的一定不是某一个身份标签，而是团队有没有能力把一件长期而困难的事情真正落地做出来。
重构数字孪生仿真环境量子位：具身智能行业都面临数据紧缺，空中具身是不是更缺？数据采集的成本也更高？
张富：是的，而且获取成本会更高。很多地面具身数据可以通过人直接采集，但空中数据需要飞行器真正进入三维空间运行，还涉及飞手、设备、安全和场地条件。因此，高质量空中真实数据本身就比较稀缺。
如果完全依赖真实飞行去覆盖所有环境，成本会非常高，而且很多长尾场景也很难完整采集。
所以我们一直在探索怎样利用少量真实世界数据，构建更大规模、更丰富的训练环境。
量子位：那硅羽用什么方式采集数据？
张富：如果只靠真机采集真实数据，可能累积10年都不够用，成本也是无法估量的。
我们做一套Real-to-Sim数据采集系统，只需少量现实飞行数据就能重构非常逼真的仿真环境，批量生成不同场景的训练数据，大幅降低对真机采集的依赖。
Real-to-Sim相当于放大器，一条真实数据可以复制、放大几千倍甚至上万倍，重复飞行数千至数万次，能在一定程度上解决真实数据稀缺的问题。
量子位：这样会产生sim-to-real gap吗？
张富：这就是为什么我们做Real-to-Sim，而不是纯仿真。
纯仿真会出现较大sim-to-real gap，但我们的gap小很多，因为环境不是从噪声（误差）中直接生成，而是真实数据重构出来的，跟真实世界一模一样。
在建筑领域叫数字孪生，现实世界长什么样，通过Real-to-Sim放到电脑数字世界就是什么样。
Real-to-Sim做得越好，gap越小。我们积累了大量底层核心技术，能把保真度做得很好，速度也很快，几十公里场景大概用十几分钟就能生成出来。
量子位：Real-to-Sim所生成的场景会不会过于单一、限制在某个特定空间？
张富：仿真不是一潭死水，可以进一步改变物体位置、环境结构、视角、任务条件等参数，把有限的数据扩展成更丰富的训练分布。
真实数据采集也不会只采一两条，会采成千上万条真实数据，只是每类数据不需要采特别多。
真实数据只需覆盖度够全，多样性在仿真里创造。两者结合，才能更有效地支持模型训练。
量子位：有了这个环境还能做什么？
张富：不只解决数据短缺，还能做强化学习。
现在大家更多在做监督学习，监督学习更多是模仿，强化学习是模型的自我迭代。
它见过大量场景，能记住分布特征，基于记忆和数据产生自我行为推理，不停在仿真环境交互、自我博弈和迭代，最后它的智能化程度会比人高。
这是我们非常激动的点。我们现在甚至开始考虑怎么regulate（约束）技术不被滥用。
量子位：现在模型已经比人强了？
张富：现在还没有。但随着数据、模型和算力不断积累，机器会越来越强。下一步的发展就是让机器能够应对更复杂、更开放的真实环境。
空中智能逐步进入高风险、高成本场景作业量子位：你认为国内空中具身处于什么阶段？
张富：刚起步。现在还没一款产品真正被批量制造出来，更别说卖得怎样。大家还在做技术路线探索、场景探索。
量子位：离规模商用量产多远？
张富：很快，不会超过两年。不同场景会非常不一样。
量子位：空中智能体有哪些应用场景？
张富：我们对接过一个需求，是利用产品进行山坡基础设施巡检。
山坡上有一些基础设施需要定期检查维修，比如阻挡泥石流下滑的铁丝网。
铁丝网只有两米，被周围很多树木遮挡着，飞行器需要自己感知环境，躲开树枝树叶这类干扰，飞到关键的部位拍照、给铁丝网做三维建模，检查是否有需要加固或者维修的地方。
这类工作以前都需要人来做，工人爬到高度很高的山坡上，越过杂草碎石，作业现场天气酷热、还有蚊虫叮咬，环境危险，效率也低，还发生过安全事故。
现在飞行器可以逐步替代人工进入这些高风险、高成本的场景作业，随着空中智能体操作能力进一步成熟，还可以用于更多空中作业。比如矿业、电力能源类的基础设施巡检，仓储物流行业仓库巡检。
量子位：除了市政、矿业、电力这些B端，普通消费者能用在哪里？
张富：未来随着智能能力提高，人与飞行器的交互方式会发生变化。
比如摄影，它可以像摄影师一样，有审美、会抓情绪，自己选角度运镜拍照，消费者相当于随身带着一个摄影师。
但这些都建立在一个共同前提上：飞行器首先要从“被遥控”，走向“能自主”。
当这种能力真正成熟之后，空中的具身智能才会从少数专业场景，逐步进入更广泛的真实世界。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见配资炒股新手入门
富灯网提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
