回望2023年，人形機器人賽道好不熱鬧，受政策支持、AI技術(shù)突破、投資熱潮等利好因素共同影響，眾多玩家紛紛入局加碼發(fā)力。在整個賽道持續(xù)爆炒之下，行業(yè)也迅速站上了產(chǎn)業(yè)風(fēng)口。其實，從很多方面來看，機器人行業(yè)站上風(fēng)口并非偶然，而是多年來行業(yè)內(nèi)外各種技術(shù)成熟帶來的必然結(jié)果。人形機器人迎來AI產(chǎn)業(yè)東風(fēng)早在1973年，日本早稻田大學(xué)加藤一郎，就帶領(lǐng)團隊研發(fā)出了世界第一臺真人大小的人形智能機器人—WABOT-1。然而，到今天為止半個世紀(jì)過去了，事關(guān)機器人的商業(yè)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(guān)鍵技術(shù)模塊組成。對于一般的傳統(tǒng)機器人來說，只需要其中一種技術(shù)往往就已經(jīng)具備使用價值了。比如，工業(yè)機器人主要側(cè)重于運動控制技術(shù)，掃地機器人則側(cè)重于導(dǎo)航傳感技術(shù)。相比之下，人形機器人的通用性要求則更高，其在應(yīng)用上超越了以往機器人僅僅適用于特定場景的局限，而被更多應(yīng)用于其他場景之中。如此一來，其技術(shù)的復(fù)雜性就開始指數(shù)級倍增，其不僅需要強大的數(shù)據(jù)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，隨著模型的參數(shù)量不斷呈現(xiàn)指數(shù)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(tài)融合的通用AI方向發(fā)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為可能。其實放在整個行業(yè)來看，這只是AI助力機器人行業(yè)核心技術(shù)加快突破的一個方面，其更多體現(xiàn)在AI助力機器人具形化。首先，是通過強調(diào)AI的泛化能力，基于對人類動作的模仿，使得人形機器人具備自主決策、自主學(xué)習(xí)升級的能力，以提升任務(wù)的完整性和連貫性。其次，是末端執(zhí)行能力。強調(diào)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(yīng)精準(zhǔn)、降低失誤率，提升任務(wù)完成的正確性和準(zhǔn)確性。最后，基于感知的運動控制能力：強調(diào)底盤的全地形移動能力，類似自動駕駛，人形機器人應(yīng)基于對周圍環(huán)境的感知實現(xiàn)，對自身的運動控制，增強全移動操作能力，提升任務(wù)完成的時效性。總之，借助AI技術(shù)，傳統(tǒng)困擾人形機器人發(fā)展的諸多困難，逐漸得到一一破解。新問題接踵而至從行業(yè)來看，底層技術(shù)的高速進化，讓外界開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(chǎn)業(yè)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(guān)重要的數(shù)據(jù)，仍存在局限。ChatGPT之所以能夠在短時間內(nèi)快速迭代，是因為互聯(lián)網(wǎng)上已經(jīng)沉淀了大量公域的數(shù)據(jù)，可供其直接抓取使用，人形機器人則不然，現(xiàn)實中的機器人保有量本就很少，可用于收集數(shù)據(jù)的機器人就更少了，這樣人形機器人的數(shù)據(jù)采集，自然就成了問題。特別是考慮到各個機器人廠商之間為了保護自家數(shù)據(jù)，互設(shè)壁壘、自建圍墻，這種各自為戰(zhàn)的狀態(tài)，無疑又加大了數(shù)據(jù)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(xiàn)有數(shù)據(jù)集，就包含從22種機器人上采集的超過15萬個任務(wù)的上百萬條數(shù)據(jù)，谷歌開源的機器人訓(xùn)練數(shù)據(jù)集Open X-Embodiment，可以說是機器人模型領(lǐng)域的一面旗幟，但該數(shù)據(jù)集主要針對的仍是一些常規(guī)操作，在全身肢體協(xié)調(diào)、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(yīng)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(fā)的RT-2模型，在機器人控制周期上只能達到3Hz，差了兩個數(shù)量級還多。最后也是最重要的，就是成本，現(xiàn)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(chǎn)替代按下加速鍵事實上，隨著國內(nèi)市場的火熱，國內(nèi)人形機器人產(chǎn)業(yè)加速替代的風(fēng)潮，更是一浪賽過一浪，國產(chǎn)化替代正式按下加速鍵。首先，從需求端來看，隨著國內(nèi)人力成本的逐漸攀升，國內(nèi)對機器人的需求逐漸上升，這在一定程度上激發(fā)了企業(yè)參與機器人的熱情。縱觀主要發(fā)達國家的情況不難發(fā)現(xiàn)，自上世紀(jì)90年代以來，隨著發(fā)達國家勞動力成本不斷攀升，機器人產(chǎn)業(yè)曾經(jīng)有過一段比較快速的發(fā)展。但隨著主要發(fā)展中國家加入WTO，其人口紅利逐漸釋放，全球產(chǎn)業(yè)迎來巨大的發(fā)展。但如今隨著主要發(fā)展中國家如中國，勞動力成本的逐漸提升，世界范圍內(nèi)圍繞機器人的產(chǎn)業(yè)革新，正逐漸成為一種趨勢。畢竟，客觀上來看，中國國內(nèi)的產(chǎn)業(yè)鏈轉(zhuǎn)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(zhì)勞動力群體的國家并不多，更找不到這樣高度穩(wěn)定的社會環(huán)境。最近幾年，雖然中國的部分低端產(chǎn)業(yè)轉(zhuǎn)移到了東南亞，但實際效果不及預(yù)期。在這種情況下，寄希望于留在中國的供應(yīng)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(chǎn)業(yè)的發(fā)展。其次，從技術(shù)與產(chǎn)業(yè)來看，國內(nèi)有足夠多的優(yōu)質(zhì)潛力供應(yīng)商和應(yīng)用場景，這是國內(nèi)實現(xiàn)國產(chǎn)替代的核心關(guān)鍵。從人形機器人的具體構(gòu)成來看，其主要涉及到減速器、伺服、控制器等，其合計占工業(yè)機器人成本的70%，考慮到機器人關(guān)節(jié)和自由度更多，其實際的占比可能會更高。而在這些方向上，國產(chǎn)供應(yīng)商也已經(jīng)嶄露頭角，比如減速器領(lǐng)域，就有大族傳動、來福諧波、同川科技、中大力德、綠的諧波等眾多上市公司，其中綠的諧波已經(jīng)形成良性循環(huán)，作為一家制造企業(yè)，其凈利潤率已經(jīng)做到了30%以上堪稱奇跡。伺服領(lǐng)域，匯川技術(shù)的預(yù)期較高，其一家就在國內(nèi)伺服領(lǐng)域占據(jù)21.5%的市占率?？刂破黝I(lǐng)域，目前雖然未形成強勢供應(yīng)商企業(yè)，但產(chǎn)業(yè)中并不乏替代者。應(yīng)用場景方面，國內(nèi)人口規(guī)模巨大、制造業(yè)發(fā)達，不管是B端還是C端消費，機器人都有巨大的應(yīng)用場景，這是人形機器人在國內(nèi)國產(chǎn)替代的先天機遇?？傊?，在各方面因素的推動下，人形機器人的國產(chǎn)替代也進入加速期。2024，人形機器人春天已到?在行業(yè)快速發(fā)展之下，業(yè)內(nèi)不時傳來2024是機器人元年的說法。不過，從行業(yè)現(xiàn)狀來看，2024年只能算是人形機器人小規(guī)模落地的一年，距離真正的產(chǎn)業(yè)元年還有差距。首先，從行業(yè)來看人形機器人所涉及的技術(shù)面非常復(fù)雜，沒辦法一蹴而就。在業(yè)內(nèi)人士看來，過去一年的確是行業(yè)變化較快的一年，但行業(yè)距離真正的爆發(fā)卻仍然有不少差距，因為到目前為止，行業(yè)內(nèi)也并沒有太多的本質(zhì)變化，這主要是因為人形機器人，涉及到了高端制造、人工智能等諸多領(lǐng)域，其技術(shù)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(yōu)必選，其從2012年發(fā)展至今已經(jīng)有10多年了，但其無論是在核心技術(shù)還是在產(chǎn)業(yè)化方面，仍在持續(xù)投入。對于當(dāng)下的行業(yè)來說，更重要的是利用巨大的關(guān)注，沉下心來做好技術(shù)和產(chǎn)業(yè)的迭代，將更多資源投在一些核心技術(shù)研發(fā)，以及卡脖子的關(guān)鍵研究上去，真正實現(xiàn)從研發(fā)到產(chǎn)品，再到應(yīng)用、服務(wù)的整個商業(yè)閉環(huán)。其次，就是涉及到人形機器人具身智能的數(shù)據(jù)、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，前文提到目前適用于各種智能的數(shù)據(jù)都很少，而且無論是云端還是邊緣側(cè)，都涉及到巨大的算力消耗，各種適用于各類場景的泛化理解的解決，也需要時間來完成。另外，從驅(qū)動器、減速器、關(guān)節(jié)、靈巧手等，企業(yè)都需要成熟的供應(yīng)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(shù)上，機器人行業(yè)的問題集中在硬件的標(biāo)準(zhǔn)化，以及操作算法的范式上。在可預(yù)見的未來，硬件的標(biāo)準(zhǔn)化或?qū)⒊蔀橥苿有袠I(yè)降本的核心抓手。盡管當(dāng)下來看，人類關(guān)于機器人的理想與現(xiàn)實，早已經(jīng)變得視線模糊了，但理想與現(xiàn)實終究還是有著一線之隔，這種糾葛決定了機器人產(chǎn)業(yè)化之路，并不能非常快的在產(chǎn)業(yè)內(nèi)完成。