产业｜AI时代下半场，人形机器人有望引爆超级应用

2023年ChatGPT横空出世，人工智能上半场开启近两年，海量企业加入AI赛道，却鲜有成功的、实现盈利的商业模式，本质是缺乏超级应用，没有新的需求创造，在终端消费没有引爆点。
人工智能下半场，全球也在等待AI超级应用。AI超级应用才是大多数人的机会。超级应用一是能将前沿技术应用在人们可以广范接受的消费领域，比如硬件领域的”iPhone时刻”。二是能制造需求引爆点，创造新增长、新应用。例如，智能手机的硬件革命，将互联网时代的核心用户场景从PC转移到了手机，逐渐将个人生活需求与移动互联网形成深度绑定，开辟了移动出行、电子商务等新应用领域，创造了新的用户需求和消费趋势。
人形机器人有望引爆超级应用，是当前AI革命的重要终端，具有巨大的发展潜力：AI像人一样，拥有一个物理的躯体，能感知、能互动、能主动地进入到”真实世界”。
本篇文章将深入探讨人形机器人如何成为AI革命的重要终端，以及它们如何引领新的增长和应用趋势。
01
AI巨头纷纷布局人形机器人，显示超级应用发展走向
大模型龙头公司OpenAI当前聚焦于解决盈利难题，业务重心转向扩大商业化场景。由于模型算力和训练成本高昂，OpenAI至今未盈利。ChatGPT在2023年底有1.8亿用户和1亿付费月活，最新预测2024年营收也将达到50亿美元。即便如此，管理层对今年实现盈利仍没有做出期待。
OpenAI以”资本+GPT赋能”的方式参与人形机器人行业，2022年同微软一同成立OpenAIStartupFund，现已投资1XTechnologies及FigureAI。针对后者，OpenAI为其设计专属机器人大模型，已颇有成果。
算力龙头公司英伟达的新增长曲线全部聚焦于AI软硬件应用和服务，主要在人形机器人、自动驾驶汽车、AR/VR设备领域。英伟达主导了OpenUSD项目和Isaac系列，前者用于创建和模拟复杂3D数据，后者服务于加速机器人应用的开发工程，两者都专注于机器人领域的算法和工程实现、验证。
此外，英伟达发布的JetsonThor专用芯片，是为高阶自动驾驶、人形机器人等需要高性能推理的边缘计算领域而设计。
未来，在技术巨头的加持下，人形机器人行业将形成多元良性竞争态势，加速商业应用的规模化落地。
02
特斯拉新一代Optimus发布，人形机器人进入日常生活指日可待
北京时间10月11日上午，特斯拉召开了主题为”WEROBOT”的新品发布会，发布了Robotaxi无人驾驶出租车服务、两款全自动驾驶车型Cybercab赛博无人出租车和Robovan无人驾驶多功能车以及人形机器人Optimus。
最新版Optimus确实令人眼前一亮，先是来了一段开场热舞，拉爆全场气氛，还化身”社交达人”走入人群潇洒开启social模式：不仅和周围人自信开口交谈，身体也非常松弛惬意；还能化身酒保，倒酒、划拳。马斯克介绍Optimus作为个人/家庭助手，还能浇花、做家务、看孩子。更是直接在发布会上豪言，”无论你想让它做什么，它都会做！”。
马斯克谈到未来实现量产的人形机器人成本大约2万到3万美元，可能比一辆车还便宜。它可以当老师、照顾小孩、遛狗、修剪草坪、购物、帮你倒酒水饮料等等。
03
拟人化、灵活性及降本增效是人形机器人技术迭代的主要方向
人形机器人不同于以往的机器人。AI超级应用的人形机器人指的是”具备高度自动化、智能化、集成化的通用机器人”。以特斯拉Optimus为代表的通用机器人不限于特定应用领域，在设计上可以像人一样从事各种复杂的、高难度任务，因此对大模型的算法和算力水平要求更高，最终目标是成为拥有”大脑”的类人机器人。
人形机器人的核心技术还是人机交互算法和运动控制算法：
1.人机交互算法，即从通用类大模型上移植的核心”思维方式”，决定了机器人理解人类指示、理解周围环境、做出相应反馈或智能化的交互能力。
2.运动控制算法决定了机器人的运动能力，通过计算所需力和力矩来驱动关节运动，尤其是在复杂地形和存在外部干扰的场景，如何确保机器人的行走、操作、平衡和稳定性。
3.突破机器人的机械结构、传感装置的技术难点，降低综合成本、提高运行的可靠性和稳定性也是业内努力的方向。
本次发布会展现出来的Optimus在技术上的领先优势非常显著，体现在：
1.基于AI完全地自主行走，当天的环境是在光线并不好的夜间，并且是在开放的场景下，在众多的人群里，Optimus表现出的稳定自主行走，体现了FSD自动驾驶技术的优势。
2.第三代灵巧手丝滑的操作，自由度从上一代的16个提升到22个，是目前行业最高的，设计上将执行器移动到上肢，采用电缆链接手指，使灵巧手更像人类的手的工作模式，在灵巧性上大幅提升，软件算法的能力也成倍提升。
未来Optimus的主要工作量将会集中在手部操作的数据采集和模型训练上。当数据积累到一定规模，机器人操作模型的能力将会得到大幅提升，我们将看到机器人自主的完成各种任务，实现发布会上特斯拉畅想的机器人的未来。
04
国内人形机器人政策逐步深化、多方力量合力攻坚
根据工信部最新指引，人形机器人已被同时纳为未来产业创新任务及未来高端装备标志性产业。2023年10月，《人形机器人创新发展指导意见》发布，成为首个鼓励”人形机器人”发展的文件，对于人形机器人相关细节技术领域创新提出指导意见。
北京具身智能机器人创新中心在北京经开区机器人创新产业园正式注册，标志着国内首家省级人形机器人创新中心成立。创新中心由中国人形机器人头部企业优必选作为牵头单位和总经理单位，股东除了优必选，还包括小米机器人、京城机电以及北京国资背景的北京亦庄机器人科技产业发展有限公司。
今年4月27日，北京人形机器人创新中心发布了全球首个纯电驱拟人奔跑的全尺寸人形机器人母平台”天工”，具备开源开放性和兼容扩展性，可以实现开放调用通讯接口、灵活扩展软硬件等功能模块，充分满足不同应用场景下需求。这样一来，其它机器人企业就可以避免重复投资和研发，直接采用母平台进行更个性化的设计或在此基础上进一步开发。
下一步，北京人形机器人创新中心将着手建立全球人形机器人通用的高质量具身智能数据集”开物”，着眼于具身智能大模型及框架，聚焦多模态的关键算法、具身智能仿真应用建设及工具链整套体系建设。围绕”开物”，团队正在打造大规模具身智能数据集，用来支撑超70亿参数视觉语言多模态大模型训练调优，实现机器人中文互动、开放问答、场景视觉理解、具身操作等能力，计划2025年底前发布200万条高质量数据。
05
关于人形机器人行业的思考及展望
（一）人形机器人商业化落地的难点
当前，行业内技术方案的多样性导致成本难以降低。技术方案的收敛是降低成本的前提，只有当技术方案趋于统一，零部件的标准化和规模化生产才能实现，进而推动成本下降。目前，不同企业的技术方案，包括运动控制方案，呈现出多样化态势，缺乏统一标准。这种分散导致零部件难以实现规模化生产，无法形成规模效应，从而使得成本难以降低。此外，缺乏稳定的供应商和原材料一致性问题也加剧了成本控制的难度。
第二是商业化落地场景并不多。从人形机器人的商业化落地路径来看，有人认为工业领域结构化场景将有望优先落地，其次是商业服务场景，最后才是面向C端的家庭/个人服务场景。
在工业应用领域，拥有政府背景或大型企业集团背景的企业更易于实施人形机器人技术。例如，汽车制造商由于拥有自己的工厂和应用场景，能够与自家的机器人技术实现高效协同。以特斯拉的Optimus为例，马斯克计划明年生产数千台，主要服务于特斯拉工厂内部，承担汽车质检和电池组装等劳动密集型任务。这种内部应用一旦成熟，有望扩展至其他工业场景。然而，目前人形机器人的商业化应用场景相对有限，短期内难以实现大规模落地。这涉及到技术成熟度、成本控制以及客户需求的匹配问题，这些因素目前都难以同时满足。
（二）国产人形机器人产业面临的挑战
在政策和资本的双重加持下，中国的人形机器人进展迅速。从国产机型来看，一类是大厂商，如优必选以及未来可能的华为等，这些公司在软件和硬件技术上都有深厚的积累。另一类是像宇树、智元这样的创业公司，他们可能面临量产压力，对成本控制的需求更为迫切。据了解，智元和宇树正逐步进入小批量生产阶段。优必选在发布新的S1后，预计年底会推出新的量产计划。
中国人形机器人也和特斯拉一样，开始进厂”学习”了，在合肥蔚来的组装工厂，优必选人形机器人WalkerS已经可以完成车辆车门锁质检、后车灯盖板质检，高精度柔顺贴车标等任务，甚至还能伸手进车进行安全带检测，可以说泛化性非常高。
但是国内人形机器人的发展，也仍然面临着挑战：
第一是算力。目前随着美国对中国人工智能的限制，国内AI企业已经很难再使用OpenAI的资源，而国内主导开发的AI大模型企业，目前在人形机器人领域还没有一家能比得上OpenAI。而且因为芯片的制裁，中国也很难再拿到高性能算力芯片，这也就导致中国就算能大规模量产人形机器人，也很难躲过美国的”卡脖子”，就如同现在的中国智驾一样。且伴随着特朗普当选新一届美国总统，上述限制未来可能会进一步加剧。
第二是就业。毫无疑问，当人形机器人普及后，必然会带来失业问题。先是制造业、物流等行业，紧接着就是服务业、家政业等等。虽然人形机器人的普及也会带来一些新岗位，但新岗位的数量预计少于旧岗位，对就业及社会稳定会造成较大影响。
因此人形机器人可能会带来一场颠覆式的生产力变革，如何产业化、如何突破”卡脖子”、如何避免对社会造成冲击，是我们在人形机器人的万亿风口中真正需要思考的。
（三）重视AI的价值对齐问题
AI进步最紧迫的挑战是尽可能地在不同情形和复杂环境中做出符合人类价值观的判断，即人机对齐问题（AlignmentProblem）。算法与人类学习的方式相似，但它并不清楚人类对公平性、安全性、道德性的认知。所以特定领域需要人为筛选、标记数据、在监督学习中应对具体问题。
第一类是算法搭建谬误。训练用的数据样本是准确的，但训练规则没有考虑到统计学偏差；第二类是数据来源偏见。当数据已尽可能的具有包容性时，AI的非监督训练会直接产生道德问题；第三类是道德两难困境（MoralDilemma）。比如自动驾驶决策的担忧，算法如何在道路两难情景中去做决策？设想汽车前方突发事故，必须在短时间内紧急换道，但左侧是载有孕妇的车辆而右侧是悬崖，两种决策的后果都是致命的，此时算法该如何去权衡后果？
为解决人机对齐问题进行尝试，AI前沿企业除了发布各自的AI伦理准则，也通过收集用户反馈进行算法改进。OpenAI提出过超级对齐要求准则，微软通过可视化工具和解释性算法来揭示模型工作机制。各主权政府也相继出台文件监管，中国注重安全评估标准和生成内容标识，美国提出算法歧视保护和数据隐私要求，欧洲强调AI的自主性、预防伤害、公平性和可解释性。伴随着人形机器人的商业化步伐，AI的价值对齐问题仍需重点关注。
2024年是机器人软件技术快速突破之年，也是人形机器人量产元年。相信随着后续软件技术进步及硬件供应商进展催化密集，随着产业发展及政策的不断跟进，人形机器人产业有望迎来商业化的春天，成为引爆AI超级应用的载体。我们也期待国产机器人龙头的出现，加速全产业链发展，成为新质生产力的重要力量。
图片来源：unsplash.com/pexels.com
产业｜一个隐秘的”卡脖子”行业的觉醒
文章为作者独立观点，不代表JIC投资观察立场。