吴军，GMEX Robotics独立董事 – 采访系列

Jun Wu, GMEX Robotics独立董事，拥有深厚的公司治理、资本市场和财务监督经验，曾支持多家上市公司。他为公司方向、资本分配和高管表现提供独立的战略指导，同时确保强有力的治理、监管合规和风险管理。作为审计委员会成员，他帮助监督财务报告、内部控制和审计流程，强化透明度和问责制。他的更广泛的经验包括在金融机构担任高级职务，并在维克多集团控股公司（Victor Group Holdings）担任公司秘书，他负责ASX合规、董事会运营和股东沟通。

GMEX Robotics是一家专注于开发人工智能驱动的机器人系统的技术公司，用于消费者、商业和工业应用。从电子商务起步，该公司正在开发智能硬件解决方案，例如用于酒店、医疗物流和工业自动化的机器人。通过结合传感器、机器学习和实时控制系统，GMEX旨在创建一个集成的机器人平台生态系统，旨在提高效率、减少劳动力需求，并将实际自动化带入日常运营。

GMEX Robotics从健身技术公司演变为人工智能驱动的机器人平台。是什么触发了这一转变，你在生物力学方面的遗产如何影响你今天的机器人战略?

GMEX Robotics，前身为Fitell Corporation，开始通过现代化其基础专业知识，集成传感器和连接系统来捕获运动和力数据的实时信息，通过精确的健身解决方案。这种工作揭示了一个基本原理：优化人体运动的原理正是智能机器在现实世界中可靠运行所需要的。我们的使命今天反映了这一见解。我们正在建设未来物理手，驱动最智能和最具成本效益的AI大脑。我们开发的机器人可以感知和行动，我们聚合告诉他们如何做的AI。我们的生物力学遗产是我们所建造的一切的基础。

许多机器人公司从软件优先的方法开始，但GMEX强调硬件优先的基础。为什么这是构建可靠的现实世界机器人系统的正确策略?

硬件是数据采集舰队。我们的模块化机器人底盘、先进的视觉传感器和通用夹持器被部署到现实环境中，正是因为物理存在产生了地面真实遥测，这是无法被模拟复制的。行业4.0要求速度、精度和适应性。我们的5.AXIS协作机器人，由航天级铝制成，具有微米级精度和动态扭矩控制，体现了这一点。这样的硬件精度无法通过将软件固定在弱的机械基础上来实现。可靠性必须从地面上工程化。

你的运动科学和人体性能背景在机器人领域有些独特。这种背景如何转化为设计智能机器的有形优势?

大多数机器人团队来自机械工程或计算机科学背景，这些背景是无价的，但它们并不总是考虑到人体运动的细微复杂性。我们是一家人体性能技术公司，应用我们对运动的深入理解，开启一个新的前沿，建立机器人能力，首先推动创新，最后在需要精确、适应性物理智能的多个领域。这种遗产还告知我们的AI路由策略。因为我们理解身体如何与空间交互，我们可以定义有意义的成功指标，例如机器人是否成功地抓住一个湿玻璃而不打破它，这是通用AI基准无法衡量的。这种现实世界的性能数据成为我们最有防御性的资产之一。

GMEX将自己定位在人工智能、机器人和人体运动的交叉点。有效整合这三个领域的最大技术挑战是什么?

核心挑战不仅是工程学，还有经济学，不仅要使机器人变得智能，还要使智能在规模上变得可负担。我们正在建设一个AI模型经纪和编排层：一个统一的API网关，连接我们的物理机器人到全球大语言模型和视觉语言动作模型的生态系统。这意味着动态路由一个简单的“拾取杯子”命令到一个成本高效的本地模型，而路由一个复杂的“阅读此处方标签并交叉引用化学危险表”查询到一个前沿模型。我们通过一个称为每成功操作成本的指标来跟踪这一点。在安全方面，我们通过力-扭矩传感器、先进的2D/3D视觉系统、碰撞检测和数字孪生来模拟和优化交互之前的物理部署，解决物理可靠性问题。

该公司提到专注于现实世界环境而不是受控实验室环境。将机器人从实验原型转变为可扩展、生产就绪系统需要什么?

这需要思维方式和业务模式的根本转变，业务模式围绕现实世界的反馈循环建立。我们的烹饪机器人平台明确展示了这一点。我们的Bon Vivant 3.0和Max Kitchen机器人平台通过集成传感器、AI驱动的控制系统和可编程的烹饪工作流程，自动化关键的烹饪流程，协助专业厨房提高运营效率，同时保持食品准备的一致性。每次部署都将遥测反馈到我们的AI路由平台，该平台学习哪些模型在哪些物理任务中表现最佳。随着时间的推移，我们的平台成为唯一具有实体成功数据的聚合器，路由不仅基于价格或速度，还基于物理可靠性评分。这种反馈循环是区分原型和生产系统的关键。

GMEX同时构建消费者和商业机器人解决方案。这些两个市场的要求如何不同，您认为哪一个将更快地扩大规模?

要求差异很大。在商业方面，包括用于kitting和palletizing的工业协作机器人，以及用于制药无菌化合物和实验室自动化的机械臂，容错率低，正常运行时间不可协商。我们的系统旨在降低劳动力强度，同时保持高质量的输出和标准化流程。我们最近的AU$4.2百万协议，涉及在澳大利亚主要机场的酒店集团中部署50台机器人，是商业可扩展性的一个证明点。在消费者方面，包括用于老年护理的家庭辅助移动操作器，标准是直观的设计、可负担性和更高程度的安全保障。商业应用近期内扩展更快，但我们的AI路由平台意味着两种市场的智能都将从共享的现实世界数据中持续改进。

随着计算机视觉、机器学习和机电一体化的进步加速，您认为机器人堆栈中将会出现最大的突破?

最有意义的突破将来自我们所谓的智能飞轮。我们的家庭机器人收集数百万张杂乱的家庭环境图像；我们的实验室机器人收集数百万张移液管尖端和制药部件的图像。我们的AI路由平台使用这些专有数据来微调开源模型，基本上创建了专用变体，训练有素的实体、现实世界的数据，这是仅基于云的AI公司无法复制的。底层技术，包括响应式执行器、视觉系统和自适应控制算法，代表了我们业务的新支柱，而在此硬件基础上专有训练数据的复合价值是我们看到最持久的竞争优势出现的地方。

GMEX强调了创建可适应、以人为中心的机器人的重要性。可适应性在实践中意味着什么，您如何确保机器人可以在不可预测的环境中运行?

可适应性意味着机器人总是使用正确的智能来执行正确的任务，以正确的成本，没有冻结当条件发生变化。我们的平台建立了故障转移和冗余：如果一个AI提供商的API宕机，系统无缝地故障转移到另一个，而不会中断机器人的操作。对于敏感环境，例如制药或消费者老年护理，我们的隐私感知边缘路由可以将查询定向到本地模型，以确保HIPAA合规性，同时仍利用云提供商进行一般推理任务。我们还部署强大的工业机器人执行重型后台任务，同时柔性协作机器人处理前线与人类工人的交互，创建更具弹性和适应性的工作场所。以人为中心意味着机器人在设计上可以在人周围可预测地和安全地运行。

随着机器人在各个行业的采用率增加，仍然阻止广泛部署的关键障碍是什么，GMEX如何克服这些障碍?

三个障碍脱颖而出：成本、复杂性和信任。我们的整体战略直接解决了所有三个问题。在成本方面，我们的每成功操作成本优化意味着客户不必为简单的任务支付前沿AI价格。在复杂性方面，我们的统一API网关抽象了模型选择、故障转移路由和集成开销，这样操作员就不需要AI专业知识来部署我们的系统。在信任方面，这些努力利用GMEX在运动科学、硬件工程和AI方面的专业知识，提供可适应、以人为中心的系统，能够无缝地集成到现实世界的操作中，每次部署都建立了物理可靠性数据，使我们的路由变得更智能。竞争对手可能会出售一个更便宜的机器人臂，但没有访问我们的平台的专用模型路由和微调，这个机器人将简单地变得不那么有能力。

展望未来，您对GMEX Robotics的长期愿景是什么，您认为AI驱动的机器人将如何在未来十年内改变日常生活?

我们正在建设物理自动化的神经系统。通过聚合世界的AI模型并将它们直接连接到我们的机器人舰队，我们解决了实体智能的经济问题，确保机器人在实验室和客厅中始终使用正确的智能来执行正确的任务，以正确的成本。虽然健康和性能仍然是我们的第一个也是最自然的应用领域，但底层技术代表了我们业务的新支柱，延伸到工业、制药和消费者市场。我们的AU$4.2百万的首个商业订单是早期的可扩展性证明点。未来十年，我们相信AI驱动的机器人将变得像智能手机一样深入日常生活，GMEX的作用是成为任何机器人、任何地方都可以依赖的智能操作系统，使其能够在现实世界中思考和行动。

感谢这次精彩的采访，希望了解更多的读者请访问GMEX Robotics。