當AI遇上人形機器人，產業化元年正式开啓？

2024-02-20 18:40:15 編輯： robot

導讀回望2023年，人形機器人賽道好不熱鬧，受政策支持、AI技術突破、投資熱潮等利好因素共同影響，衆多玩家紛紛入局加碼發力。在整個賽道持續爆炒之下，行業也迅速站上了產業風口。其實，從很多方面來看，機器...

回望2023年，人形機器人賽道好不熱鬧，受政策支持、AI技術突破、投資熱潮等利好因素共同影響，衆多玩家紛紛入局加碼發力。在整個賽道持續爆炒之下，行業也迅速站上了產業風口。

其實，從很多方面來看，機器人行業站上風口並非偶然，而是多年來行業內外各種技術成熟帶來的必然結果。

配圖來自Canva可畫

人形機器人迎來AI產業東風

早在1973年，日本早稻田大學加藤一郎，就帶領團隊研發出了世界第一台真人大小的人形智能機器人—WABOT-1。然而，到今天爲止半個世紀過去了，事關機器人的商業化依然遙遙無期，究其根本，成本、性能這些仍是最基本的核心阻力。具體來看，機器人由運動模塊、傳感模塊和人工智能模塊，三個關鍵技術模塊組成。

對於一般的傳統機器人來說，只需要其中一種技術往往就已經具備使用價值了。比如，工業機器人主要側重於運動控制技術，掃地機器人則側重於導航傳感技術。相比之下，人形機器人的通用性要求則更高，其在應用上超越了以往機器人僅僅適用於特定場景的局限，而被更多應用於其他場景之中。如此一來，其技術的復雜性就开始指數級倍增，其不僅需要強大的數據建模，還要對語言和指令有強大的理解力。但AI大模型的突破，讓這些從前看似不可能解決的問題，逐漸有了全新的解法。

大模型從之前的Transformer再到GPT-4，隨着模型的參數量不斷呈現指數級躍遷，大模型也從之前的文本，逐漸走到語音、視覺等多模態融合的通用AI方向發展，這也讓人形機器人與語音、視覺、決策和控制等融合起來，以提升人形機器人的能力值成爲可能。其實放在整個行業來看，這只是AI助力機器人行業核心技術加快突破的一個方面，其更多體現在AI助力機器人具形化。

首先，是通過強調AI的泛化能力，基於對人類動作的模仿，使得人形機器人具備自主決策、自主學習升級的能力，以提升任務的完整性和連貫性。其次，是末端執行能力。強調靈巧機器手的操作精度，在中央分析器“大腦”的運算決策下，人形機器人的動作輸出應精准、降低失誤率，提升任務完成的正確性和准確性。最後，基於感知的運動控制能力：強調底盤的全地形移動能力，類似自動駕駛，人形機器人應基於對周圍環境的感知實現，對自身的運動控制，增強全移動操作能力，提升任務完成的時效性。

總之，借助AI技術，傳統困擾人形機器人發展的諸多困難，逐漸得到一一破解。

新問題接踵而至

從行業來看，底層技術的高速進化，讓外界开始重新審視這個陌生又熟悉的賽道。但就人形機器人的真正產業化進程來看，其距離真正進入千家萬戶還有一段路要走。

首先，是對人形機器人智能化起至關重要的數據，仍存在局限。ChatGPT之所以能夠在短時間內快速迭代，是因爲互聯網上已經沉澱了大量公域的數據，可供其直接抓取使用，人形機器人則不然，現實中的機器人保有量本就很少，可用於收集數據的機器人就更少了，這樣人形機器人的數據採集，自然就成了問題。特別是考慮到各個機器人廠商之間爲了保護自家數據，互設壁壘、自建圍牆，這種各自爲战的狀態，無疑又加大了數據獲取的難度，進而影響到各家機器人的迭代。

?事實上，目前匯集全球34個機器人實驗室的60多個現有數據集，就包含從22種機器人上採集的超過15萬個任務的上百萬條數據，谷歌开源的機器人訓練數據集Open X-Embodiment，可以說是機器人模型領域的一面旗幟，但該數據集主要針對的仍是一些常規操作，在全身肢體協調、行走平衡等方面依然會有所欠缺。

其次，受到算力的制約，目前人形機器人根本無法實時響應命令。通用人形機器人在控制周期上，需要達到500Hz的水平，而目前谷歌研發的RT-2模型，在機器人控制周期上只能達到3Hz，差了兩個數量級還多。最後也是最重要的，就是成本，現在動不動幾萬美金的售價，根本不支持在C端大面積普及。以此來看，人形機器人目前的進展仍然非常有限。

國產替代按下加速鍵

事實上，隨着國內市場的火熱，國內人形機器人產業加速替代的風潮，更是一浪賽過一浪，國產化替代正式按下加速鍵。

首先，從需求端來看，隨着國內人力成本的逐漸攀升，國內對機器人的需求逐漸上升，這在一定程度上激發了企業參與機器人的熱情。縱觀主要發達國家的情況不難發現，自上世紀90年代以來，隨着發達國家勞動力成本不斷攀升，機器人產業曾經有過一段比較快速的發展。但隨着主要發展中國家加入WTO，其人口紅利逐漸釋放，全球產業迎來巨大的發展。

但如今隨着主要發展中國家如中國，勞動力成本的逐漸提升，世界範圍內圍繞機器人的產業革新，正逐漸成爲一種趨勢。畢竟，客觀上來看，中國國內的產業鏈轉移不可避免，但放眼全世界，能夠像中國這樣擁有大量高素質勞動力群體的國家並不多，更找不到這樣高度穩定的社會環境。最近幾年，雖然中國的部分低端產業轉移到了東南亞，但實際效果不及預期。在這種情況下，寄希望於留在中國的供應商，紛紛將主要精力放在了機器人上，這客觀上助推了中國機器人產業的發展。

其次，從技術與產業來看，國內有足夠多的優質潛力供應商和應用場景，這是國內實現國產替代的核心關鍵。從人形機器人的具體構成來看，其主要涉及到減速器、伺服、控制器等，其合計佔工業機器人成本的70%，考慮到機器人關節和自由度更多，其實際的佔比可能會更高。

而在這些方向上，國產供應商也已經嶄露頭角，比如減速器領域，就有大族傳動、來福諧波、

同川科技、中大力德、綠的諧波等衆多上市公司，其中綠的諧波已經形成良性循環，作爲一家制造企業，其淨利潤率已經做到了30%以上堪稱奇跡。伺服領域，匯川技術的預期較高，其一家就在國內伺服領域佔據21.5%的市佔率。控制器領域，目前雖然未形成強勢供應商企業，但產業中並不乏替代者。應用場景方面，國內人口規模巨大、制造業發達，不管是B端還是C端消費，機器人都有巨大的應用場景，這是人形機器人在國內國產替代的先天機遇。

總之，在各方面因素的推動下，人形機器人的國產替代也進入加速期。

2024，人形機器人春天已到？

在行業快速發展之下，業內不時傳來2024是機器人元年的說法。不過，從行業現狀來看，2024年只能算是人形機器人小規模落地的一年，距離真正的產業元年還有差距。

首先，從行業來看人形機器人所涉及的技術面非常復雜，沒辦法一蹴而就。在業內人士看來，過去一年的確是行業變化較快的一年，但行業距離真正的爆發卻仍然有不少差距，因爲到目前爲止，行業內也並沒有太多的本質變化，這主要是因爲人形機器人，涉及到了高端制造、人工智能等諸多領域，其技術廣度和深度都非同一般。

別的且不說，就說剛剛上市的機器人公司優必選，其從2012年發展至今已經有10多年了，但其無論是在核心技術還是在產業化方面，仍在持續投入。對於當下的行業來說，更重要的是利用巨大的關注，沉下心來做好技術和產業的迭代，將更多資源投在一些核心技術研發，以及卡脖子的關鍵研究上去，真正實現從研發到產品，再到應用、服務的整個商業閉環。

其次，就是涉及到人形機器人具身智能的數據、硬件成本等問題，仍需要時間去解決。具體到大模型方面來說，前文提到目前適用於各種智能的數據都很少，而且無論是雲端還是邊緣側，都涉及到巨大的算力消耗，各種適用於各類場景的泛化理解的解決，也需要時間來完成。

另外，從驅動器、減速器、關節、靈巧手等，企業都需要成熟的供應商磨合，去迭代和控制成本，這在目前都不成熟。

而在具體的技術上，機器人行業的問題集中在硬件的標准化，以及操作算法的範式上。在可預見的未來，硬件的標准化或將成爲推動行業降本的核心抓手。盡管當下來看，人類關於機器人的理想與現實，早已經變得視线模糊了，但理想與現實終究還是有着一线之隔，這種糾葛決定了機器人產業化之路，並不能非常快的在產業內完成。