图源：企业供图

蓝鲸新闻 7 月 1 日讯（记者 翟智超）6 月 28 日晚，北京智慧电竞赛事中心，一场由机器人参与的足球赛广受关注。最终，清华 " 火神队 " 以 5:3 击败中国农大 " 山海队 "，捧起国内首个机器人足球 3v3 AI 赛冠军奖杯。

比赛场上的机器人，正是来自专注人形机器人研发的创业公司 " 加速进化 " 的 Booster T1。这家成立仅三年的创业公司刚完成亿元级融资。赛前，创始人程昊接受了蓝鲸科技的独家专访，讲述了其举办机器人足球赛始末。

机器人行业发展至今，外界最为关注的便是商业化落地，在程昊看来，之所以举行机器人足球比赛，最大的考量便是能将技术可视化，从而加速技术的进化。

程昊认为，通过参与足球等博弈类赛事，机器人厂商与开发者可加速算法及硬件迭代，将技术效果可视化、公开化，拉近大众对机器人的认知，摆脱行业常见的 " 拍摄 100 次仅成功 5 次 " 的 Demo 状态。同时，此类竞技中频繁的碰撞与摔倒，能有效验证机器人的稳定性与可靠性。

更为重要的是，机器人踢足球也是为数不多能锻炼其未来进入家庭和工厂所需全部技术的运动方式。" 我们坚信，当机器人能在足球场上与人对抗时，便具备了进入家庭的条件。"程昊称。

在与蓝鲸科技记者对话过程中，程昊表示，机器人一旦实现配送、陪伴等场景，即可开启落地实用化进程。

以下内容为蓝鲸科技与程昊的对话实录，在保证原意下有所修改：

人形机器人的 " 极限考场 "

蓝鲸科技：加速进化举办足球赛，这背后的逻辑是什么？

程昊：通过参与足球等博弈类赛事，机器人厂商与开发者可加速算法及硬件迭代，将技术效果可视化、公开化，拉近大众对机器人的认知，摆脱行业常见的 " 拍摄 100 次仅成功 5 次 " 的 Demo 状态。如 IBM 深蓝在国际象棋、谷歌 Deep   Mind 的 Alpha   Go 在围棋领域，均通过 " 先在博弈类项目突破，再将算法迁移至复杂真实场景 " 实现技术泛化。

足球这类竞技既能通过对抗，快速推动算法和硬件迭代，又因具备观赏性，能拉近机器人与观众的距离，更因其在家庭、工业场景的强泛化潜力，而具备商业化落地可能。

此外，此类竞技中频繁的碰撞与摔倒，能有效验证机器人的稳定性与可靠性。

蓝鲸科技：为什么坚定做机器人踢足球的应用场景 ?

程昊：其一，团队核心成员拥有近 20 年参与机器人足球世界杯的经验；其二，足球场景本身具备商业化落地的潜力，能够为技术应用与产业发展提供可行路径；其三，我们希望支持中国队伍率先拿到机器人足球领域的世界杯冠军。

蓝鲸科技：您认为比赛中锤炼出的核心能力（比如动态平衡、环境适应性），将如何优先转化到更广泛的商业场景中？

程昊：机器人踢足球是为数不多能锻炼其未来进入家庭和工厂所需全部技术的运动方式。跑步仅锻炼耐久性，遥控拳击更多侧重平衡运动能力，而足球是运动能力与感知决策的结合（如 AI 踢足球），这与未来工厂和家庭场景中感知决策、定位导航、运动控制的融合需求一致，堪称最小级别的通用性技术验证。

我们坚信，当机器人能在足球场上与人对抗时，便具备了进入家庭的条件。对抗中，机器人需识别人与球，并完成抢断球，同时确保不会伤人——这种能力一旦在球场展现，多数观众会认可其进入家庭的安全性，因二者背后技术逻辑相同。

蓝鲸科技：人形机器人如何通过腿部操作算法，实现手臂场景技术平移？

程昊：人形机器人初入工厂和家庭时，无需具备灵巧操作能力，可先从事送快递、陪伴老人小孩等非灵巧操作类工作。当前机器人在精准性方面存在局限，例如人类罚任意球，命中率偏低。当机器人实现如 " 百发百中 " 般的精准飞行，且腿部与胳膊部构型相同时，若能在移动中完成像梅西、C 罗那样精准的踢球动作，便意味着其腿部操作算法已足够成熟，可直接平移至手臂操作场景。

核心瓶颈仍在于技术尚未成熟

蓝鲸科技：目前加速进化已获得新一轮融资，这笔重要资金会重点投入在哪些方面？

程昊：我们将大部分融资投入到几个方向：第一是新技术研发，比如正在制作的端到端全身运动模型。VRa 作为端到端运动模型，其运动方式与其他模型不同，更侧重解决运动问题而非操作；第二，我们把模型分为 " 小脑模型 " 和 " 大脑模型 "。其中，小脑模型的率先成熟至关重要——如同人类发展规律，需先具备健全的四肢运动能力，才能在不同场景完成任务，再逐步完善大脑智能。我们认为机器人发展也应遵循这一逻辑，并将加大在该方向的投入。第三，机器人的量产与商业化能力也需大幅提升。

蓝鲸科技：关于这轮融资，投资者有没有急于要求商业落地？对加速进化未来发展又有何期待？

程昊：我认为我们的投资人十分务实理性，近两年来已抓住这波机会。随着时间推移，投资人对机器人发展的认知会愈发成熟。当下，量产和商业化是重中之重，核心在于我们并非依赖投资人施压，而是主动追求实现商业化。

蓝鲸科技：现在加速进化的机器人出货量如何？

程昊：目前为止，已经出售几百台，其中超过 50% 为全球订单。

蓝鲸科技：您认为当前打通商业化落地的最大瓶颈是什么？

程昊：我认为当前可称之为 TPMF（Technology Product Market Fit）。此前互联网公司常提及 PMF（Product Market Fit），移动互联网时代无需技术突破，仅需快速捕捉市场需求开发 APP。而如今核心瓶颈在于技术尚未成熟。以计算机早期为例，缺乏互联网与图形化界面，信息传输依赖软盘，彼时虽可能意识到直播的商业价值，却因存储、算法等技术限制无法实现。但即便如此，电脑仍实现全球销量增长，若无早期商业化，也难以衍生出笔记本、智能手机等产品——这遵循自然发展规律，是多轮 TPMF 循环的过程。

蓝鲸科技：我们看到加速进化在开源和生态合作上颇为积极。在您看来，这种开放策略如何既促进行业整体进步，又能为加速进化自身构建独特的竞争壁垒与商业价值？

程昊：开源的价值极大。以 PC 时代为例，微软之所以更成功，在于其构建了更完善的开发者生态，吸引众多人在系统上进行应用开发；而当时苹果相对封闭。到了智能手机时代，苹果吸取教训，推出 iPhone 后迅速上线 Apple APP Store，吸引大量开发者基于苹果手机开发应用，这使其在移动互联网时代比微软更成功。关键在于是否拥有庞大的开发者生态。如在移动互联网与 AI 领域，微软投资并收购 OpenAI，凭借开放且开源的开发工具吸引大量开发者，推动其在云和 AI 领域发展提速。由此可见，通过开源构建优质开发者生态是极具价值，且杠杆效应显著的事，我们会持续加大在这方面的资金投入。

蓝鲸科技：人形机器人在实际应用中的发展轨迹，您觉得与哪个类目最相似？

程昊：人形机器人在实际应用中的发展轨迹与 PC 类似。电脑最初的批量落地场景是教育领域，那时许多人在培训机构或学校学习打字、编程，计算机一级、二级证书考试兴起，大量计算机被卖给学校和教育机构。之后，随着 Windows 和 Word 的普及，办公场景成为主流，游戏和互联网也随之发展。机器人的发展同样如此，其最初普及的场景将集中在教育和表演赛事。

虽然这些场景规模较小，但已形成特定市场。例如，全球有 100 支机器人足球队，潜在销量可达一两千台；在教育领域，类似 90 年代建设计算机机房，如今每个学校都可能设有机器人机房，全球市场规模已达几万台，甚至更多。随着机器人定位导航能力和单元能力的提升，其将优先在物流、陪伴等无需灵巧操作的场景落地，届时每年出货量有望达到几十万台的规模。

蓝鲸科技：面向未来，加速进化如何规划 T1 机器人能力提升和场景拓展的渐进式路线图？

程昊：我们认为后续必须依靠产品迭代，如同计算机的 286、386、586 等，从硬件、操作系统、开发工具到上层能力都需持续迭代。T1 将完成其历史使命，后续会推出 T 二及 A 系列全尺寸或更小尺寸的产品。

蓝鲸科技：更小尺寸产品大概何时推出？全尺寸产品又何时推出？

程昊：近期，我们将推出更小尺寸的 K1，该产品特性主要是针对家庭场景。待完成小尺寸产品的任务后，下一步将开展全尺寸产品的测试。事实上，我们已拥有全尺寸产品，但因定位于 ToB 领域，且当前 ToB 产品尚不成熟，所以并未急于推进商业化。

蓝鲸科技：哪些标志性里程碑，最能向市场证明实用化时代的到来？

程昊：机器人一旦实现配送、陪伴等场景，即可开启落地实用化进程，快的话 2～3 年即可。

蓝鲸科技：您为何认为机器人的发展周期会比计算机、互联网等信息革命技术更快？其背后的技术基础与时代背景发生了哪些变化？

程昊：Apple 电脑于 1977 年推出，而大规模普及到许多人使用，可能是到 80 年代末甚至 90 年代初，中国的普及更晚，约在 2000 年左右，初步应用预计需 10 年。但我认为机器人的发展可能比计算机更快：计算机发展初期世界开发者少，主要依赖美国等国家，且当时电子技术尚处于初级；而如今技术基础更好，中国在其中扮演重要角色，政府也可能大量投入，行业发展加速。

AI 革命与互联网、计算机本质相同，并非单指 AI 机器人。智能手机本质是更便捷的计算机，其多数功能由计算机完成，这与计算机发展一脉相承。基于此，我们认为机器人发展周期，比信息革命时代更快——信息革命时代从 70 年代到 90 年代末的 PC，随笔记本成熟发展迅速，如 Wi-Fi 等技术几年内实现，再到移动互联网，也能在短时间内迅速普及。