具身智能大模型初创企业“X Square”近期连续完成了由联想之星投资的数千万元人民币的天使轮融资，和由九合创投领投的数千万元人民币的天使+轮融资，一苇资本担任X Square独家财务顾问。

成立于2023年12月，X Square聚焦于“通用具身大模型”的研发，为机器人提供通用大模型底座。公司的目标是为机器人构建一个通用的大脑-小脑系统，提供从感知到动作的端到端能力。

在AI的发展历史中，人们发现了一种与直觉相悖的现象：越是人类认为的高阶智慧能力例如棋类运动和数学越容易被AI实现；但越是无意识的技能和直觉却越难以用AI模拟。

这个被称为“莫拉维克悖论”的现象在具身智能领域体现得淋漓尽致：感知环境、操作物体是人类最为本能和基础的能力，但从实现难度上来说，却可以被认为是所有AI领域的巅峰。这也正是为什么在ChatGPT等大模型在部分高级认知能力上已经接近甚至超越人类的今天，AI仍然无法在“低级的”体力劳动中取代人类的原因。

一些迹象表露，适配具身智能的通用大模型，将成为AI赛道的一个重点。谷歌曾表示，AI机器人很强大，但通用性很差，比如一款扫地机器人要根据特定的环境、动作、障碍、反馈等数据进行长期训练和反复测试。2023年10月，谷歌DeepMind发布了全球最大的机器人通用模型RT-X。RT-X在无需训练或者极少训练的情况下，就能执行一些特定任务。

2024年3月19日，英伟达发布了人形机器人通用基础模型Project GR00T，“AI教父”黄仁勋评价：“开发通用人形机器人基础模型是当今AI领域中最令人兴奋的课题之一。”

此前对具身智能的研究，很长一段时间都发展相对缓慢。X Square创始人兼CEO William Wang认为，其原因在于机器人任务非常复杂，“一个部分是对周围环境的感知、推理和任务规划等high level能力，另一部分是类似运动皮层和小脑对运动进行直接控制的low level能力”。

“单从硬件层面来说，即使是最复杂的操作，当前市面上的硬件水平也已经可以支持，而卡点在于智能本身。”William表示。

由于缺乏智能涌现和通用性，传统Robotics Learning的范式难以为机器人提供复杂精确操作的能力，如处理可变形的物体和复杂随机的摩擦。直到2020年后，Transformer结构在机器人模型上的应用以及Imitation Learning（模仿学习）、Offline Reinforcement Learning（离线强化学习）等新的训练方式的成熟，才让机器人在操作任务的端到端运动控制上有了新的突破。同时多模态的能力使得机器人的high level能力得到突破性进展，William表示，“莫拉维克悖论”终于到了可以被挑战的临界点。

传统切分场景的方法难以提高模型的通用性，因此X Square将机器人的任务流程分成两大部分：

1. 根据人类指令和意图，多模态大语言模型进行高层次的推理和规划；

2. 机器人通用模型依据规划的指令端到端生成执行动作。X Square依靠软硬一体的研发能力和对大模型的理解，将物理世界的交互与模型训练相结合，推动模型通用操作能力的发展。

简而言之，X Square自研的机器人通用模型平台，是多模态大模型、机器人控制大模型（Large Manipulation Model）、机器人本体的结合。

据X Square介绍，目前团队自研的基础模型已经达到世界先进水平，可以训练机器人完成复杂而精细的物理操作。比如公司已经能够实现面对表面不规则或光滑的物体，例如蔬菜、香肠等，进行精细化的切割；机器人也可以完成饮料的冲泡，包括拿起勺子，从罐子里舀出果汁粉放入杯中，再倒入水冲果汁。

X Square CTO Hao Wang介绍，机器人通用模型的核心，仍是训练数据，“LLM和物理世界无关，数据可以充分利用全球外包，但机器人需要软硬一体、数据-模型一体的能力”。他认为，作为世界硬件中心的中国具有天然优势，“中国开始做LLM的时间晚于美国，但具身智能基础模型与美国更接近同一起跑线”。

在商业化层面，X Square在B、C两端均有布局。William认为，具身智能可以投入现实使用的实现时间要快于大部分人的预期，3-5年的时间应该就能有初步商业化落地。

X Square团队既有来自Robot Learning顶级实验室的的成员，也有LLM方面的专家，同时有软硬一体开发与系统优化的能力。不到三个月的时间内，团队已经能够通过大模型让机器人自主完成数十种复杂任务。

创始人兼CEO William是全球最早在神经网络中引入注意力机制的学者之一，并在美国顶级机器人实验室参与了多项机器人学习项目。

CTO Hao出身IDEA研究院，曾担任封神榜大模型团队算法负责人，开发了包括文生图模型“太乙”、通用大模型“姜子牙”系列等，开源模型累计下载超百万。

联想之星认为：将预训练模型应用在机器人领域，使机器人完成通用性复杂任务成为可能，也让机器人有可能真正理解物体概念和任务，从而深入的理解世界，进而实现具身智能。具身智能是划时代的技术进步，有望实现机器人行业整体升级。X Square团队，机器人、大模型等领域研究、工程经验完备，是本领域不可多得的团队。联想之星一直以来重点布局机器人领域，投资了一批创新型优秀机器人公司。在新技术代际迭代的当下，愿意陪伴新一代团队成长，共同探索具身智能的未来。

九合创投认为：具身智能方向长期将带来巨大的市场机会和机器人服务的变革。X Square团队关注具身智能模型能力的持续迭代，团队从模型侧发力，不断提升智能化水平，早期模型在执行复杂任务上表现出了竞争力。期待X Square团队不断带来更好的模型效果，带来具身智能的“涌现时刻”。

一苇资本合伙人林文欣认为：X Square团队在机器人与大模型方面均具备极强的技术实力与技术前瞻性，在不到三个月的时间内即完成了技术架构的搭建和早期模型的训练，成长速度超乎预期。一苇非常荣幸见证和陪伴X Square团队的成长，期待X Square引领具身智能走入千家万户的一天。