机械人“最强大脑”竞赛白热化：特斯拉、Figu

　　国泰君安证券也认为，将自研人形机械人投入到本身的出产流程中，既大幅提拔从动化程度，降低人力成本，又通过实正在场景堆集锻炼数据，测试产物机能，构成“研发-制制-反馈”的闭环迭代。比拟于保守的汽车出产线，无望逐渐实现“人机夹杂出产—全机械人出产”的渐进径。

　　不外，田丰认为，目前人形机械人还没有法子替代人，还存正在速度和精度的问题。减速器等相关，好比能不克不及支撑身体手臂的快速挪动；精度则和传感器相关，需要力反馈，也跟工场相关，好比可能有磁性。并且工场要求很是快的出产节奏，现正在机械人干活比力慢，还不克不及完全跟上从动化出产线节奏。

　　机械人若何实现三维空间中的复杂操做？特斯拉、Figure等头部厂商现正在是采用端到端的方案，不外由于采用一个模子，正在实践中很是难于获得大规模、高质量锻炼数据集。

　　正在田丰看来，特斯拉有从动驾驶的堆集，能够往机械人模子做迁徙。从动驾驶方面，良多厂商仍是用分段式的架构去向理，好比车辆的、规控、施行等模子。机械人比FSD（完全从动驾驶）还要复杂一些，“按马斯克的说法，从动驾驶是正在二维空间的自从挪动，机械人是三维空间的自从步履，决策判断要更复杂。”！

　　据记者不完全统计，仅5月以来，就有具身智能公司自变量机械人完成数亿元A轮融资，由美团和投领投、美团龙珠跟投；华为取优必选正式签订全面合做和谈，环绕具身智能和人形机械人范畴合做；腾讯云和越疆科技深化计谋合做。

　　公开材料显示，美的自研的“美罗1号”人形机械人已正式前去美的洗衣机荆州工场“打工”；乐聚机械人公司于本年1月完成了100台人形机械人的财产化交付；小鹏官宣其AI机械人Iron将于2026年规模化进入工业化量产，目前已正在广州工场实现Iron实训落地。

　　田丰暗示，“其实机械人本身的拆卸也可能会成为机械人锻炼的天然场景，就是机械人本人来拆卸本人，一旦能够满脚本人的需求，也常大的工业级市场。”。

　　“我认为对工场来说，人形机械人的交付量是一个环节的里程碑。一旦有单个工场或企业用了1000台，申明这件事曾经做到了。现正在中国工场里打工的机械人成本还很贵，单台价钱可能就要50-80万元，以至100万元。”田丰判断。

　　特斯拉正在社交发布一段做家务视频。展现了倒垃圾、用铲子搅拌锅、操做吸尘器、把物品放正在置物架上、打开柜门、拉窗帘等一系列简单家务能力。

　　找到高价值财产场景、快速适配迭代、处理出产力瓶颈、起量规模化，是加快人形机械人落地的必经之，而具有制制的厂商有先发劣势。

　　田丰暗示，“因而大师有一个遍及见地，认为物理世界的实机数据常贵重的，采集成本很是高，并且需要良多时间才能起量规模化。特斯拉透露过，合成数据正在其锻炼里占了不小的比例。现正在财产里凡是都是往仿实去迭代。由于仿实能够带入更多物理属性的数据，大部门玩家仍是正在英伟达的Omniverse Isaac平台做仿实进修，中国也有一些平台，好比松应科技、群核智能等。”。

　　“特斯拉该当不是只看视频就学会，由于财产中凡是采用实机数据采集、进行具身智能模子锻炼。由于视频是二维的，需要算法精准还原成三维、高精度比力难，并且视频缺乏物理属性，好比机械人实正操做物体的时候，零件的分量、内部布局等都是需要判断的。”快思慢想研究院院长田丰对21世纪经济报道记者暗示。

　　Figure机械人则展现了一段工场视频，称正在宝马X3出产线小时轮班功课。并暗示曾经持续数周进行10小时轮班功课。

　　好比，Figure此前就发布人形机械人制制工场BotQ，年产能可达12000台人形机械人，并打算正在四年内将产能提拔到年产10万台机械人。

　　这大概也是赛力斯601127）、长安汽车、奇瑞汽车等一众整车厂，美的、海尔、逃觅等消费制制企业纷纷入局机械人的动因。

　　值得一提的是，特斯拉正在视频中称，其所无机器人利用统一个神经收集模子锻炼。并且，这些家务技术皆由实人视频进修而来，而非现正在常用的VR动做捕获进修。

　　现实上，对大模子来说，一曲存正在Scaling Law（缩放定律）的实践谬误，通过指数级放大数据量、模子参数量和算力，能够快速迫近AGI，但就具身智能来说，障碍机械人财产Scaling Law的环节瓶颈，正在于数据规模。