提到机器人，大家脑海中会浮现出什么样的画面？

多数情况下，要么是工业或服务场景里那些不怎么讲究外观、动作也不太连贯的机械臂或简单驱动型设备——它们常被戏称为“人工智障”；要么就是伯克利或波士顿动力实验室里那些集万千黑科技于一身的仿人机器人，动作炫酷到让人忍不住发出“灭绝警告”，但编程的复杂度、持续的作业能力和技能的泛化程度，远远达不到大规模应用的门槛。

那么，人与智能机器之间，是否存在第三种可能性？

其实早在1960年，约瑟夫·利克莱德（J. C. R. Licklider）就提出了一个概念——人机共生（Man-computer symbiosis）。简单来说，就是人类与电子设备以一种亲密合作的方式生活在一起，甚至结成紧密联盟。两者的结合，可以创造出一种高产出且充满活力的协作关系。

“人类机器命运共同体”，听起来是不是很令人向往？可惜的是，直到今天，真正的人机共生体（man-computer symbioses）仍然不多见。也正因如此，最近中国机器人产业中间出现的一款“发球机器人”，才引起了我们的关注。

没有别的原因，这可能就是人机共生“星星之火”燎原的起点。

点燃人机共生的星火：发球机器人的初蹄

先来解释一下，为什么说发球机器人体现了“人机共生”的现实趋势。

这款发球机器人的诞生，源于新松机器人与乒乓球学院一次偶然的谈话。

当前乒乓球运动面临几个亟待解决的难题：

一是效率。专业运动员的助教在喂球时，往往在速度、旋转、落点控制、频率等方面难以完全满足高水平选手的训练需求；

二是统一。助教一旦出现疲劳或状态波动，速度、旋转等参数就会受影响，训练特定技战术动作的一致性难以保证，运动员很难形成稳定的肌肉记忆；

三是反馈。乒乓球是实时性极强的运动，一秒之内往往就是几个来回。球速快、落点不确定，教练大多只能凭经验给出反馈，很难通过量化手段优化教学，一些特定的动作也无法有效分析和复现。

四是普及。作为“国球”，乒乓球在中国拥有大量的爱好者和青少年参与者。但不同地区、不同水平的教练参差不齐，这就让更多人享受这项运动的愿望难以实现。

能不能借助智能技术来打破这些瓶颈？

深耕深度学习算法的庞伯特，充分利用新松的机器人研发技术与中国乒乓球学院的海量专业数据和课程，研发出了可以自主决策的人工智能发球机器人。

而庞伯特机器人能够胜任发球任务，核心在于三个方面：

首先是感知。通过高速双目立体视觉系统，机器人可以捕捉高速运动中的乒乓球位置，并形成运动轨迹。基于轨迹分析，它能在毫秒级时间内判断球的速度和旋转方向，将复杂的技术参数转化为可视化数据，实时调整策略，实现精准化训练。

其次是决策。在轨迹分析的基础上，庞伯特同步对人体动作进行捕捉，通过与预设的动作角度进行比对，判断运动员动作是否到位。结合轨迹和动作两个维度，它可以评估运动员的水平，并据此推荐课程。对于个人爱好者而言，相当于同时拥有了一个专业教练加一个陪练。

再次是运动。庞伯特机器人采用类人化结构，与市面上那些通过挤压方式发球的设备截然不同。它能高度模拟人类的发球方式，包括对球的方向和旋转的控制，实现两跳发球。而通过更换不同的球拍胶面，还能打出不同特性的球，这些都能更好地辅助人类运动员进行训练。

可以说，庞伯特机器人正在将技术思维（technical thinking）与人类智慧结合起来，为人机共生打开了一扇新的窗户。

逃离恐怖谷：发球机器人昭示的三重改变

从庞伯特机器人的实践中不难发现，如果在人与机器之间建立起一种共生关系，那么二者的合作互动将大大改善许多现有问题。

由此也可以总结出，共生型机器人与我们常见的传统机器人真正的不同之处在哪里：

首先，虽然所有人造系统都是为了帮助人类，但传统的自动化机器人更多是为了实现“人类增强”——也就是把人的某项能力扩展得更强；而共生型机器人追求的是“与人类更好地生活在一起”。

拿发球机器人来说，传统的发球设备只是机械地替代人的手臂进行发球，那些需要主动决策、调整、制定标准的工作，仍然需要人类助教来完成，在效率和功能上并没有带来质的飞跃。而庞伯特机器人的特殊之处，在于通过深度学习算法的引入，让智能程度上了一个新台阶。比如实时高通量的数据收集与处理、高效精准专业的预判决策、个性化定制的训练反馈与指导；而乒乓球运动的随机性，又要求算法具备一定的泛化能力和高鲁棒性。这些，才是庞伯特机器人能够成为乒乓球运动伙伴的关键所在。

第二，共生型机器人必须具备可“实时”（real time）进行的思考过程。

传统机器人可以根据预先设定的程序来处理数据。比如餐厅的服务机器人，输入地图、设定好送餐程序后，只能按部就班地工作，有些甚至连避让行人都做不到——一旦出现计划外的情况，整个过程就会卡住。但球类运动可不一样，乒乓球的高速运动要求发球者做出毫秒级的判断，像人一样快速思考、分析、决策、反应。有些事情对人类来说可能靠直觉就能完成，但机器与人类之间的耦合，却要紧密得多。让机器在不受预先程序束缚的情况下做出决策、控制复杂情况，正是庞伯特机器人向我们展示的现实图景。

最后，共生型机器人有机会重构机器人行业的商业方法论。

长期以来，传统机器人市场的商业逻辑要么是“人工+智能”——用真人操控机器人模型来模拟强人工智能的效果；要么是长期重金砸在天顶技术上，比如波士顿动力的机器人虽然炫酷，却因商业化困难而几度易主。而庞伯特机器人所代表的共生型机器人，开启了一种全新的模式：通过“真AI算法”加上聚焦实用场景来切入市场。

值得一提的是，除了发球机器人，庞伯特还打造了对打机器人。它将深度学习神经网络与强化学习相结合，让对打机器人和发球机器人能够通过大量复杂环境的交互，运用各自的人工智能算法平台不断获得反馈，互相学习新的技能与策略。机器人之间的对战，也在持续提升算法模型的复杂度与智能度。一旦高性能算法模块像拼图一样被灵活组合，就能以低成本、小型化、高效率的方式快速打开市场。未来不止于乒乓球这一项运动，更多场景都可以通过轨迹分析、动作分析、终端显示等模块化能力带来改变。

从这个角度来看，庞伯特机器人正在重新定义人与机器、甚至机器与机器之间的关系——一种共生伙伴关系（symbiotic partnership）。在这幅美好的图景里，机器为人类提供见解和决策，而人类则能更高效地进行智力活动与创造。

打开产业智能的价值图景：挖掘人机共生的富矿

正如国际人工智能联合大会前主席Francesca Rossi所说，人机共生是未来人类使用AI的最好方式。那么，作为人类与机器的预期前景，其中是否也埋藏着商业价值的富矿呢？答案是肯定的。

以庞伯特机器人为例，未来就有可能催生出不少新的产业机遇。

比如，通过与海量运动员对战，发球机器人可以积累专业领域的数据，不断优化算法，快速提升自身的击打能力和策略，衍生出个性化的对战模式来帮助运动员更好地训练。同时，这些能力可以输出为可量化、可视化的训练标准，让乒乓球的专业教育门槛下沉到普通人的生活中。

再比如，分析决策算法的持续迭代，有望推广到新的运动乃至其他行业中去。以基础化的能力支撑千行万业的智能化需求，成为“新基建”中不可或缺的一环。举个具体的例子：当机器人与城市智慧健康系统结合，能否作为市民健康的关键终端，来提供一套行之有效、可连可控的运动网络？

顺着这个思路延伸下去，庞伯特机器人不仅能够输出算法模块，还可以向其他行业输出软硬件合一的整体智能解决方案。通过算法、硬件、人的交互，完成一次人机共谋的大变革。

站在万物智能、人机共生的起点上，不难预见人类和机器之间密切耦合的未来。与智能生命伙伴共舞，是人类必然的方向。而见证了庞伯特机器人的我们，也正在经历种植AI的进行时。

过去几年，让深度学习摆脱大量人工输入和有监督学习的束缚，一直是研究者努力的方向，并催生了许多新技术：借助meta learning元学习算法，机器获得了“泛化”能力，能够举一反三，协同处理多种任务；借助强化学习（Reinforcement Learning），机器学会了“决策”，通过不断的自我学习与反馈来逼近高级智能。这些能够“拟人”的机器学习方法，让AI获得了前所未有的能力——打败柯洁李世石的DeepMind阿尔法狗、在DOTA2中团灭人类电竞选手的OpenAI Five、自动驾驶，乃至通用人工智能AGI，都是通过让机器模仿人类对世界的认知方式，在不断探索、试错、改进的过程中与环境实时交互，从而提升自己的能力。

天地有正气，杂然赋流形。今天，庞伯特也在试图让机器人“自行进化”，启动了一场发球机器人教对打机器人打乒乓的“先锋实验”。这两台机器人之间的相互“较量”，让机器身处一个完全不可预期的环境中，依靠人工智能算法平台主动生成标记和标签来做决策判断，独立解决多个非线性的逻辑问题，通过“行动-评价”的强化学习机制来改进自身、适应新环境，从而发展出机器人之间的校验标准。这，会成为机器人社会意识的起点吗？