安裝維護更便捷 1764-24BWA 高速計數模塊

安裝維護更便捷  1764-24BWA  高速計數模塊

安裝維護更便捷  1764-24BWA  高速計數模塊

6月2日,英偉達CEO黃仁勛發表演講提到,”機器人時代已經到來,AI的下一波浪潮將是物理AI,機器人將日益融入我們的日常生活,一切都將機器人化“。在黃仁勛的構想中,下一個由機器人制造的高產量機器人產品可能是人形機器人,容易適應世界的機器人也是人形機器人。

在熱度持續近兩年后,人形機器人產業發展現狀與未來趨勢如何?創業邦聯合中國移動智慧家庭運營中心發布《2024人形機器人研究報告》,給業界提供人形機器人新發展洞察。

一、市場:老齡化加重、人口紅利減弱,人形機器人潛在需求旺盛

據國家統計局數據顯示,2023年中國總人口為14.1億,連續兩年人口負增長,且老齡化人口比重達15.4%。隨著人口紅利的逐漸減弱和老齡化趨勢的日益嚴重,勞動力市場的供需矛盾愈發凸顯,且工資水平的快速上漲進一步加劇了企業的成本壓力。此背景下,人形機器人市場展現出巨大的潛在需求。

根據Stratistics Market Research Consulting數據,2020年全球人形機器人市場規模估計為5.6億美元,預計到2027年將達到141億美元,年均復合增長率(CAGR)達58.5%。其中,2027年中國人形機器人市場規模有望達到23億美元,CAGR達56.4%。

圖表 1 中國老齡化趨勢與人形機器人市場規模

數據來源:國家統計局、Stratistics Market Research Consulting,創業邦研究中心整理

二、技術:大模型提升了人形機器人的認知智能與決策智能

大模型技術顯著提升人形機器人智能化水平與自主性能力。大模型具備龐大的先驗知識庫、通識理解能力和復雜語義多級推理能力,與人形機器人結合,顯著提升機器人的任務級泛化交互水平。

在探索將大模型用于人形機器人方面,SayCan、RT-1、PaLM-E、RT-2等模型,分別解決了LLM適應現實世界、機器人泛化性、利用LLM進行控制、融入具身信息以及直接輸出動作等問題。比如,PaLM-E能夠理解和生成語言,并執行復雜的機器人指令,無需重新訓練。

圖表 2 大模型提升人形機器人自主性

分層解耦的大模型應用方案是當前主流,基于大模型與控制算法之間的prompt設計與生成,實現有效控制。大模型用于人形機器人主要有兩種方案,一是分層解耦的方案,將大模型分為三層,分別對應“大腦”的交互感知和任務推理、“小腦”的動作決策和任務規劃、以及“腦干”的運動執行;二是端到端的解決方案,大模型通過直接處理傳感器采集的信息,輸出運動控制命令,完成從感知到控制的全過程。

三、應用:汽車生產場景提供“實訓試驗田”,家庭場景更需要高標準安全機制支撐

人形機器人在制造成本、應用場景和性能之間仍難以平衡,找到市場空間足夠大的細分場景是商業化探索的重要一步。基于技術成熟度和市場空間,報告對人形機器人應用落地時間給出判斷,近兩年內首先會在細分垂類場景小規模試用,未來五到十年應用將逐漸成熟。

圖表 3 人形機器人主要應用場景推進時間判斷

人形機器人在汽車工廠的實訓步伐顯著加快。汽車生產環節涵蓋大量裝配、搬運、質檢等細分場景,提供了較為理想的“試驗田”,2024年初,Figure01進入寶馬工廠做標準化任務培訓和執行,優必選Walker S在2月進入蔚來工廠完成現場培訓,執行裝配輔助任務,智元機器人遠征A1也在汽車工廠完成地盤裝配、線束整理和外觀質檢等任務。

人形機器人在家庭場景的應用,更需要高標準的安全機制支撐。家庭應用分為陪伴和服務兩條路線,分別包括情感陪護、安全看護、教育/娛樂和家務整理、家居管理。優必選和達闥科技的機器人已在家庭場景有應用嘗試,如端茶倒水、陪護照看等。中國移動也在積極布局人形機器人產業,依托其在網絡連接、算力調度、家庭數據和智慧家庭生態等方面的積累,圍繞家庭人形機器人從操作系統、家庭行業大模型、家庭算力網絡等基礎能力持續發力,構建新一代智慧家庭技術體系。

中國移動打造全面的家庭機器人服務體系,開發“陪你聊”、“陪你玩”、“幫你看”、“幫你干”四大功能,為家庭人形機器人賦予子女、老師、保姆等角色,推出“HomiBot”家庭機器人服務系統,全面構建人與人/環境/服務的連接。同時,公司開發其他形態的陪伴、寵物、益智機器人,形成面向家庭全場景的完整產品矩陣,以產品矩陣和生態體系更好滿足消費者家庭應用需求。

圖表4  中國移動家庭機器人服務體系

四、產業鏈:人形機器人產業鏈逐漸形成,核心部件占整機成本約90%

人形機器人產業鏈逐漸形成,上游是傳感器、電機、絲杠、減速器等核心零部件,和攝像頭、軸承等其他零部件;中游是人形機器人本體制造,包括主要模塊、內置的算法模型與系統、主要組成部分;下游是系統集成、產品銷售與維修保養。

圖表 5 人形機器人產業鏈

傳感器、絲杠、電機、減速器占整機成本約90%[1]。人形機器人主要用到線性關節和旋轉關節,關節主要由電機、絲杠、驅動器組成,此外,運控中的控制器、編碼器、傳感器等部件也成為關鍵。以特斯拉Optimus為例,根據其所用零部件數量推算產成本結構,電機、傳感器、減速器、絲杠等構成機器人的關鍵核心零部件,也是硬件成本的主要部分。

圖表 6 特斯拉Optimus人形機器人拆解[2]

五、投融資:人形機器人融資熱度不減,機構更看重廠商生產技術垂直整合能力

根據睿獸分析數據,2023年國內人形機器人領域共發生19起融資事件,披露融資總額達26.7億元,同比增長65.5%。2024年1月至5月,融資熱度依舊高漲,已發生9起融資事件,融資總額為11.6億元。

圖表 7 國內人形機器人領域投融資三個階段

數據來源:睿獸分析

一級市場中,投資機構更加注重初創公司生產技術垂直整合能力。人形機器人集成了人工智能、高端制造、新材料等前沿技術,對企業的核心部件自研能力和垂直技術整合能力要求較高,這也構成企業的重要競爭壁壘,投資機構傾向于選擇具備這些核心能力的企業進行投資。

圖表 8 2023年以來全球人形機器人領域部分大額融資事件

數據來源:睿獸分析

六、趨勢:產業規模化拐點加速到來,端到端大模型方案成新熱點

1. 分層解耦的主流路線下,端到端大模型方案正被更多廠商采用

分層耦合的大模型應用方案結構清晰,但在連接LLM和控制算法的Prompt上存在瓶頸,端到端的方案能直接處理傳感器采集的信息,輸出運動控制命令,完成從感知到控制的全過程,有望成為人形機器人應用大模型的主流方案。特斯拉FSD端到端自動駕駛系統已在智能駕駛場景驗證了技術可行性,越來越多的廠商正在探索其在機器人上的應用。例如,1X Technologies機器人利用純視覺神經網絡實現機器人端到端學習運動行為,OpenAI和Figure AI合作探索大語言-視覺模型的人形機器人應用,優必選也在積極研究端到端技術路線。

2. 在以產業鏈優勢實現工程化成本控制后,將迎來規模化拐點。

依托國內完備且高效的供應鏈體系,國內廠商在產品的迭代更新和工程化實施上更具優勢,有望更早實現價格控制下的量產。宇樹科技發布的Unitree G1,在搭載靈巧手、大模型和23自由度的基礎上,起售價僅為9.9萬元,盡管1.3米的身高在一定程度上降低了成本,但相較于H1,價格降幅高達80%,凸顯了G1在工程化成本控制方面的顯著優勢。值得一提的是,Figure AI的創始人Brett Adcock也在今年五一期間親臨中國,尋找合作伙伴與供應商,旨在借助國內供應鏈的優勢,加速人形機器人的量產進程。

圖表 9 人形機器人產業發展洞察

安裝維護更便捷  1764-24BWA  高速計數模塊