人形機器人比自動駕駛簡單?
馬斯克曾表示,人形機器人的開發可能比自動駕駛更具挑戰性。然而,這更多取決於願景的高度。馬斯克追求的並不是簡單的工廠機器人,而是一個能「一步到位」解決各種高階需求的多功能系統。對比之下,工廠裡基本功能的自動化機器人,技術難度其實沒有那麼高。就像 Chris 所説的純視覺靠AI要接近完美的最後一步可能更難。因爲你知道自動駕駛是什麽訓練的嗎?就是用很多高質量的人類司機駕駛影片喂給AI去學習的。訓練中它會透過自己學習生成所需的程序,所以程序編程部分已經不需要人類來寫了。這也意味著如果出現問題,工你程師們是很難像普通軟件一樣從中修復bug的,因爲 AI 訓練生成出來的程序是很龐大且複雜的。在運用上,大家都知道,道路駕駛會面對諸多極端及邊緣的情況(16個邊緣場景影片鏈接)。這對反應速度和及時決策能力的要求也有很高。因此,訓練模型目前還需要持續優化,而每一次的優化所需的數據量(影片量)也會成指數型增加。如此一來,目前最强的 Nvidia 芯片組成的算力所能處理的影片數量還能再進步多少?能不能超越人類其實還都説不定。當然以目前特斯拉的 FSD V13 版本是已經有很驚人因此很大可能會超越人類。只希望他不會如下圖指數表一樣永遠達不到目標綫就好了哈哈哈😅!
那麽在人形機器人方面,如果近期想開始在工廠空間和環境相對可控的情況下運行,想必會比自動駕駛容易的多,因爲容錯空間也比較大。因此如果將目標放低,人形機器人目前的技術已經足夠應付大多數基礎任務。加上感測器、致動器和其他關鍵部件的成本在過去幾年裡顯著下降,讓這項技術在經濟上變得更加可行。這些基礎功能型機器人不僅容易實現,更重要的是完全不用擔心沒有市場需求。
人形機器人領域的主要玩家
當前市場上有幾家公司在積極研究人形機器人其實非常少數,因此競爭其實不大,以下是一些值得關注的企業:
唯一上市公司:
- 特斯拉 (Optimus 順暢的22自由度新手)
- Boston Dynamics (Atlas 工厰場景)
- Unitree Robotics (G1)
- Figure AI (Figure 02 BMW 工廠場景)
- Agility Robotics (Digit 從事物流工作)
時代需求造就商機
我們回顧過去幾年的社會與經濟環境變化,可以發現人形機器人的發展正站在一個需求與技術成熟的黃金交匯點。以美國為例,COVID-19 之後,勞動力短缺的問題始終困擾著各行各業。再加上隨著未來政策更傾向支持本土製造,這種短缺問題可能進一步加劇。人形機器人在勞動密集型產業(如工廠和倉儲)中的價值不容忽視。換言之,需求端與技術端的契合,讓人形機器人的推廣比許多人想像的更加實際且迫切。機器人革命的投資啟示
作為投資者,我們需要關注這樣的趨勢:技術不僅是工具,更是解決社會問題的催化劑,特別是在降本增效方面。馬斯克的遠景固然振奮人心,但如Chris所言,若聚焦於工廠等基礎應用,人形機器人的技術門檻與市場進入點其實並不高。這是否意味著我們應更加關注那些已經在此領域布局的公司?當人形機器人逐漸實現商業化,相關供應鏈是否也會迎來新一輪革命?例如感測器、AI驅動操作系統、人形機器人相關雲端服務等,這些領域或許都是值得探索的投資方向。
沒有留言:
發佈留言