最近，有家成立2年的中国机器人公司——魔法原子，跑去美国硅谷开了场大会，说要在2036年，收入突破140亿美元，也就是约1000亿元。
今年3月，魔法原子完成5亿元A轮融资。
而且它不是私下里讲，而是当着全球科学家、产业人士的面，宣布了收入目标。
4月28日，它在美国办了场全球具身智能创新大会（GEIS），嘉宾有图灵奖得主Martin Hellman、前旧金山市长Willie Brown等。
GEIS大会现场
这味道就不一样了，这是在给全球行业发名片。而且这张名片，是在全球科技腹地——硅谷发出的。
这张高调的名片，已经充分吊起了大家的兴趣：这1000亿目标，要怎么实现？
这次大会上，魔法原子主要打了三张牌：一个大脑，一双手，一款机器人（整机）。
首先是大脑。它发布了一个世界模型叫Magic-Mix。名字先放一边，关键是它要解决的问题：让机器人“自己变聪明”。
当然，这个方向不少公司都在做，毕竟现在的行业共性是：机器人的脑子还得练练。
具体表现是：会看，但不能理解；能干活，但不会举一反三。
而之前的机器人，主流训练方式是什么？有点像“人工带教”，一个动作一个动作练，一条一条地教，依赖真实数据，但数据成本是不低的。
传统训练方式VS魔法原子训练方式
业业内有一个常见的成本数据：一条有效的机器人操作数据，成本可能在几十元到上百元；而一套复杂任务，往往需要几十万到上百万条数据。
Magic-Mix要解决的，就是这个问题：造了一套比较聪明的“练级系统”。
它聪明在哪里？它不只是用模拟世界“造数据”，而是搭了一套更完整的系统：一边让机器人学会理解真实世界（WAM），一边在虚拟环境里批量生成训练数据（Creator）。
两者结合，相当于给机器人建了一个可以反复“练级”的体系：在虚拟世界里练，再逐步用到真实场景中。
更关键的是，这样可以大幅减少对真实数据的依赖：用合成数据把训练规模放大，让模型学得更快，也更容易适应不同场景。
其次，它发布了“一双手”——灵巧手H01。
过去机器人的手，有两个典型问题：
1、力气控制不准：要么抓不住，要么捏坏。
2、感知能力弱：不知道自己碰到了什么。
比如一个常见的场景：有些机器人能搬箱子，但拿不了鸡蛋。
H01的改进点，基本在解决这些问题：懂轻拿轻放，力控精度0.05牛顿；会精确感知，44个三维触觉传感器；出问题能急停，毫秒之间响应。
再次，它发布了一款整机机器人——MagicBot X1。
提到机器人整机，估计有人会觉得腻了：能跑的、能跳的、能翻跟头的，基本都见过了。
为什么腻？因为没解决大家的真实需求：这些东西，除了好看，到底有多大用？
MagicBot X1倒是换了个思路：不比谁看起来更酷，而是能不能稳定干活。
一款机器人整机包括三大件。除了前文已经提到的手、大脑，还有身体——比如关节、电机、骨骼结构、电池等。
从参数看，MagicBot X1有几个特点：
1、450牛·米关节扭矩：接近小型机械臂级别，能搬重物、做工业动作。
2、31个主动自由度：动作更细，支持复杂操作。
3、双电系统支持24/7运行：减少停机时间，不频繁“下班”。
这三件事放在一起，其实在解决一个更底层的问题：它能不能像个人一样，稳定地上班。
为了做到这一点，魔法原子主攻硬件自研（自研率约90%+），覆盖全关节模组、灵巧手、减速器、驱动器等关键零部件，自研的11自由度灵巧手已实现量产，20自由度灵巧手已有原型机。
综上所述，魔法原子一共打了三张牌：大脑提效、双手落地、整机闭环，逐步构建软硬一体的护城河。
当然，更关键的是问题是：机器人造出来之后，当下有没有收入，未来有没有复制能力。
回到魔法原子——它现在做得怎么样了？距离1000亿收入目标，还有多远？
