2020年之前，宇树科技创始人王兴兴曾断然拒绝投资人的人形机器人项目。然而，在2023年年初，宇树科技宣布进军人形机器人赛道，这一转变背后的关键因素在于，随着特斯拉创始人埃隆·马斯克（Elon Musk）的推动，全球科技界对人形机器人产生了浓厚兴趣。更重要的是，2022年底大语言模型的出现，彻底改变了人工智能技术的面貌，業界看到了AI赋能机器人的巨大潜力。
在大模型的加持下，2024年世界机器人大会的热度攀升至历史新高，现场展示了27款机器人产品。通过与多位行业人士的交流，第一财经记者发现，目前行业共识在于机器人赛道仍处于非常早期的阶段，大模型与机器人融合是大势所趋。然而，关于机器人技术路线、人形与非人形的形态、商业化落地方向等问题，行业内尚未达成一致意见。
星海图创始人高继扬表示，机器人行业目前处于发展的早期阶段，从业者对技术路径的判断存在分歧，新公司不断涌现，技术路径尚未收敛，商业化周期也相对较长。种种因素表明，今年上半年的机器人赛道更像是春秋战国时期，各路势力混战，尚未形成明确的领导者。预计下半年或明年，头部玩家将逐渐崭露头角，吸引更多的人才和资金。
机器人产品“百花齐放”
在8月21日至25日举行的世界机器人大会上，多款机器人新品惊艳亮相。北京具身智能机器人创新中心自主研发的“天工”机器人实现了全球首个全尺寸纯电驱人形机器人的拟人奔跑，并展示了新的技能。全球首款搭载人工智能深度学习技术的骨科手术机器人也首次亮相，软体机器人则突破了工业应用领域的瓶颈。
以“天工”为例，这款机器人于今年4月首次亮相，凭借6km/h的稳定小跑速度，实现了全球首个纯电驱全尺寸人形机器人的拟人奔跑。四个月后，“天工”再次升级，在具身智能大模型的加持下，基于状态记忆的预测型强化模仿学习方法，掌握了语音交互抓取能力。当人们发出语音指令后，具身智能机器人能够基于“开放词汇目标检测与任意物品分割多模态模型”完成抓取和放置的动作。
优必选科技副总裁郝宝玉表示，公司结合端到端模仿学习、视觉精准识别、全身精细运动控制等技术，工业版人形机器人Walker S Lite已在多家汽车工厂“入职”，例如在极氪工厂的CTU入库上料工位协同员工执行搬运任务。
钛虎机器人创始人易港称，该公司刚刚发布的人形机器人T230新品是国内首个高达2.3米的人形机器人，主要应用于重物搬运场景。依托自主研发的轻量化减速器等核心部件，T230实现了身体轻却力量大的特点，力量相当于正常成年人的三倍。
机器人行业已经发展了数十年，蓝驰创投合伙人曹巍认为，中国市场蕴藏着巨大的机器人市场潜力，无论是机器人消费还是机器人出口，中国都是全球领域的重要支柱。此外，中国面临着人口老龄化的问题，未来机器人有可能成为解决中国未来人口老龄化和劳动力供给的关键技术。同时，中国的人才储备和社区生态也为机器人行业的发展奠定了良好的基础。目前，中国有400多所大学设置了机器人专业，过去五年已有超过10万家机器人企业注册，每年平均有1万至2万家新企业加入。
在资本方面，过去十年，无论是美元基金还是人民币基金，投入机器人领域的总额已超过千亿。各地方政府和引导基金也积极设立与机器人相关的产业大基金，扶持和推动机器人产业发展。结合产业集群和长期政策支持，曹巍判断，未来5-10年，甚至15-20年，机器人赛道都将是一个重要且支柱型的基础创新赛道。
除了行业逻辑，今年机器人赛道的火爆还受到以大模型为代表的人工智能技术升级迭代的影响。王兴兴表示，目前这波机器人浪潮，最大的影响因素就是人工智能浪潮。如今，人们更加相信人工智能，更加相信人形机器人可以创造更多价值，这种信心在十年前是不可想象的。
曹巍也持相同观点，他认为，大模型让行业看到了机器人执行复杂任务的能力显著提升。过去，机器人的传统算法成功率大约在50%左右，仅处于实验室的初级水平。然而，在大模型的加持下，相同的算法结合大模型后，成功率提升了50%以上，有的甚至提高了100%，逐渐接近商用水平。
审慎看待技术热度
大模型技术并非万能，并且技术本身尚未完全成熟。
王兴兴指出，真正释放人工智能能力需要物理机器人能够真正干活。“干活”是行业对机器人的首要期待，这也提升了行业对机器人想象空间的认识。因此，王兴兴认为当下技术对机器人行业的最大限制在于人工智能“不太够”——人工智能模型、人工智能训练数据集、人工智能场景的落地部署都远远不够。
虽然硬件层面也未完全成熟，但硬件目前已经不存在理论门槛，主要存在工程化问题，也就是要让机器人在工程上将成本做得更低、更好，外观做得更极致，硬件功能做得更丰富，但这些问题在时间上都是可以预估的。相较而言，机器人人工智能技术尚未突破这件事更具挑战。
根据曹巍多年行业观察，机器人本体无论是运动控制，还是末端执行的精细化操作，都取得了长足进步。机器人算法也逐渐从基于模型的算法转向基于学习的算法，这一趋势让行业看到了未来机器人可以与数据结合的可能性，数据越多，学习表现就越好。
但需要注意的是，曹巍表示，机器人是由上千个零部件构成的，机器人本体也是不可或缺的一部分。过去2-3年，人形机器人的初步硬件架构已经确立，但其关键模块和技术路径仍在不断迭代和探索。
与行业普遍认为大语言模型是机器人赛道核心变量不同，星海图创始人高继扬认为具身智能真正要解决的是机器人在物理世界执行的能力。未来阻碍智能型机器人大规模融入人类社会的关键瓶颈是智能系统，而非机电系统，其中的关键因素在计算能力和传感器系统，以及算法本身。
在多元技术路径中，行业对技术安全性与稳定性的要求愈加严格。欧洲机器人协会副主席Juha Röning表示，从机械工程的角度看，机器人领域已经实现了高度标准化。但对于现代系统和软件架构而言，行业距离实现“即插即用”的水平还有相当的距离。与机械工程相比，计算机科学领域的标准化程度较低，简单地将功能性组件组合在一起是远远不够的。在人工智能领域，这种标准化更是稀缺。
日本机器人学会主席Shigeki SuGANo表示，行业将人工智能与硬件以及其他各类公共信息相结合，创造出一种具备智能能力的硬件实体，进而实现人机共生互联。由于人始终是最终的服务对象，因此，安全性和高功率输出成为亟待解决的关键问题。尽管市场上已有人形机器人，但大多数这类机器人无法有效支持人类活动，因为它们的功率输出不足。如何在保证安全性的前提下实现高功率输出，是Shigeki Sugano所认为的最核心议题。
分歧背后的存活方向
需要明确的是，机器人行业已有数十年的历史，产业技术每年都在微观处发生改变，总的趋势是在向自动化迈进。
在IEEE工业电子学会主席(2000)、台湾大学何宜慈讲座教授Ren C.Luo看来，二三十年前的机器人1.0时代有一些电机、控制器；2.0时代加入视觉检测，加入变得更加智能；3.0时代出现了人形机器人和协作机器人；现在行业进入4.0的智慧时代。
王兴兴认为，当下的机器人行业各家都有不同的想法，比如机器人的相机应该装什么？装在什么地方？相机应该装几个？传感器数据应该怎么采？要不要安装触觉传感器？触觉又是一个宽泛的话题，有些流派不想使用超触觉传感器、数据传感器，甚至国外有些流派连灵巧手都不想安装，只想用个爪子替代即可。有些流派希望手更加灵活，也就是手指要更多，而每个手指上都要按照足够丰富的传感器。
综上所述，王兴兴认为，行业内每个人的想法都不太一样，目前整个的人工智能模型的技术路线也没有那么统一，这就导致了很难定性哪条技术路线是正确的，哪条路线是错误的，哪个路线已经推进到哪个节奏了，这些都是无定论的难题。
如果类比大模型，王兴兴表示，大语言模型出现后，大家已经忘记GPT之前的其他模型了，但实际在大语言模型这个圈子里，ChatGPT出现之前，行业内有非常多语言模型结构。但GPT模型证明自身架构价值后，其他架构也被随之淘汰。而目前的人形机器人与具身智能赛道有些像ChatGPT出现前的一两年，行业有意识向某个方向发力，但没有哪一家敢保证，这个方向绝对正确。
借助大模型热度，热钱涌入机器人行业。据第三方数据统计，今年截至2024年6月30日，国内机器人行业融资69起，已披露金额融资事件中亿元级融资12起，机器人领域已披露融资总额总计约75亿元。融资额较高的案例如宇树科技近10亿元B2轮融资，银河通用7亿元天使轮融资等，此外还有智元机器人、星动纪元、星海图、帕西尼感知、星尘智能等明星初创公司。
高盛研究分析师、中国工业技术研究主管Jacqueline Du此前预测：到2035年，全球人形机器人市场总额将达380亿美元，较之前预测的60亿美元增长了六倍多。
曹巍对记者表示，具身智能领域技术在过去一两年内大幅提升，其中必然存在泡沫情况，但好的公司理应“享受”泡沫，从中实现真正价值的创造。热度之下，价值判断应依据创业公司团队本身：团队在技术落地与产品化过程中的能力是否足够强，团队是否想过真正的商业化落地路径。“如果有能力在一年内造出1000台机器人，两年后造出一万台机器，这就是在做事业。”曹巍表示。
而机器人的落地是循序渐进的过程，曹巍表示，在B端市场，企业对机器人的需求主要集中在明确的成本效益和稳定性上，企业希望机器人能够在特定场景下完成简单但高效的任务。同时C端市场也面临着新的挑战。随着消费电子产品的普及，许多标准化的任务已经被成熟产品所替代，留给机器人创业公司的基本都是复杂任务，如家庭清洁、照顾老人等非标准化任务，这些任务不仅涉及空间交互，还需要机器人与其他智能体的协作。
身处行业早期，曹巍给到初创公司的建议仍旧是“广积粮”，在行业尚未形成成熟商业化的情况下，先想办法多融钱、储备资金。其次是提升商业化能力。“行情好的时候多拿钱，拿不到钱的时候想清楚自己怎么赚钱。”
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，可联系本站进行审核删除。
