建造人形机器人可能正在成为2025年最热门的东西。
从去年第四季度开始，随着大型模型的应用加深，体现智能的概念被点燃。最独特的功能之一是，大量的自主驾驶大亨已将职业转变为加入。
只需提及一些更重要的事情，Yu Yinan（博士学位），创始成员，副总裁兼前列表的Smart Driving Chip Company Horizon的软件平台产品系列，与前任Zhao Zhelun合作Li Auto的智能驾驶产品总监，建立了体现情报领域的初创公司Vita Power。 ;
Baidu Group的高级副总裁Li Zhenyu，首席执行官助理，前百度智能驾驶小组（IDG）的负责人加入了具体的智能轨道创业公司Taishizhihang；
小米前第二个自动驾驶产品技术领导者和群众生产负责人刘第一家建立了体现的情报概念公司Amio机器人...
用左手制造汽车，用右手创造人，自主驾驶退伍军人的企业家没有终结。
01
汽车公司还来占用一部分
实际上，除了上面提到的几位前自动驾驶从业人员最近进入体现的情报行业外，自动驾驶行业中还有许多重量级人物很久以前就进入了该行业。
原始文章Yuanzhixing Coo Zhang Li在2023年6月辞职后不到半年后加入了人类机器人公司Zhuji Dynamics，担任联合创始人和COO。他对公司的全球战略规划，渠道扩展，项目实施，营销和政府关系事项完全负责。
在Waymo和Momma担任重要技术职位的Gao Jiyang于2023年5月创立了体现的情报公司Starseer AI，并担任首席执行官。成立后，该公司立即从IDG Capital和BV Baidu Venture Capital等顶级投资机构获得了数千万美元的投资。
2023年4月，曾在Xiaopeng Motors and Oppo担任首席科学家的Guo Yandong创立了深圳AI Square Technology Co.，作为创始人兼首席执行官。现在，该公司的自发多模式大型Model-AI2R大脑可以驱动Alpha Bot机器人，以在不同场景中实现高精度感知和自然互动。
此外，还有其他自主驾驶精英，他们已经切换到具体的情报轨道。
Sun Zhaozhi：Luobo Intelligent Execuce，以前是Xiaopeng Robots的产品设计总监，也是Didi Chuxing的汽车制造项目的产品总监。
Wang Fan：Zongmu Technology的首席技术官后，他后来加入Beidou Zhilian Technology Co.，Ltd。担任CTO。
Wang Rongxing：Momensa负责产品工程研发的副总裁。离开工作后，他创办了一家大型模特业务，并于2023年6月创立了Wanren AI。
Chen Junbo：Cainiao Network的“ ET物流实验室”的无人车辆算法负责人。离开阿里巴巴后，他与前阿里巴巴机器人首席执行官Gu Zulin和其他人共同创立了“ Youlu Robot”，进入了户外清洁机器人的领域。
肖Jun：JD.com前副总裁兼JD Logistics Yuan Investment总裁。
一个有趣的现象是，自动驾驶退伍军人已转向体现的情报轨道来创办自己的业务。汽车公司不应被抛在后面，并且还集体部署了具体的情报。
去年12月26日，GAC Group发布了独立开发的第三代体现的智能人形机器人机器人，这是汽车公司制定体现的情报轨道的最新发展。
Gomate是一种全尺寸的人形机器人机器人，其整个身体的自由度为38度。 GAC Group机器人研发团队负责人Zhang Aimin博士说，GAC集团计划在2025年实现自我开发的零件的大规模生产，并将领导在研讨会生产线和工业中执行完整的机器演示应用程序GAC Trumpchi，Aian和其他OEM公园；它将在2026年实施。整个机器是小批量生产的，并逐渐扩展到大规模的批量生产。
李自动公司首席执行官Li Xiang在2024年的早些时候回应了他是否会制作人形机器人机器人，并表示概率肯定是100％。 Li Xiang还强调，理想是一家人工智能公司，它想要做的不是汽车的智能。 ization，但人工智能的汽车化，并将促进人工智能向每个家庭的传播。
在11月6日的Xpeng Motors的“ AI技术日”上，Xpeng Motors还推出了新一代的人形机器人“ Iron Allen”。该人形机器人已进入Xpeng Motors Guangzhou工厂，用于生产Xpeng P7+型号。实践培训将重点放在未来的工厂和离线商店等场景上。
除了亲自参加外，还有汽车公司通过联合合作伙伴或投资部署了具体的情报。
Chery Automobile与AI Company Aimoga合作，共同开发了人形机器人Mornine，进入了人形机器人轨道； SAIC风险投资参加了人形机器人公司Zhiyuan Robot的A3战略融资。 SAIC集团通过投资机器人公司进入人形机器人市场。场地。
02
相同的技术核心
建造汽车和建筑人员可以随意融合的两条轨道的原因很大程度上是由于技术来源，也就是说，它们既基于环境的感知和互动，又是基于指导运动的过程计算外部信息后的机器。从本质上讲，两者都需要一个智能的大脑，但是外部表现的物理形式是不同的。
特斯拉自动驾驶部门的前负责人安德烈·卡尔帕蒂（Andrej Karpathy）在最近的一次采访中也表示：汽车也是机器人。在从汽车到人形机器人擎天柱的技术转移中，工作量实际上并不大，并且工具都是现成的。它只是从汽车转移到机器人中，并且系统重新配置，但实际上它保持不变。
尽管这些技术来自相同的来源，但在实际的应用程序级别上，自主驾驶和体现的智能仍然必须面对不同类型和水平的数据处理要求和计算能力。
从计算量表的角度来看，有许多高速场景用于自动驾驶，它们与安全性密切相关，因此需要具有较高计算能力的芯片来支持实时计算。在此阶段，智能机器人通常在相对较低的速度环境中起作用，相应的计算需求将减少。
Horizon联合创始人和CTO Huang Chang曾经解释了自动驾驶领域该行业的基本计算能力。 L2水平需要大约10个顶部； L2+需要数十个顶部； L3需要100多个顶部； L4需要1000个顶部，必须完全满足L4级别的要求。 ，甚至需要数千个上衣。
但是，对于大型机器人模型，服用一个可以推断出7B大型模型的单个NVIDIA A100，其最高峰达到1248。各种机器人。处理能力至关重要。
在运动控制的维度中，自主驾驶只需要控制2D维度的运动，而人形机器人只需要模仿20多个生物生物体的关节运动以进行手抓手，这对计算和控制构成了挑战。更高的挑战。
此外，自动驾驶面临的数据相对“标准化”，其中大多数是在某些规则中运行的车道线，交通信号灯等。与机器人不同，他们使用的场景是复杂而可变的，这导致数据类型和差异的类型相应增加，这也赋予了计算能力的某些要求。
以大规模应用的酒店服务机器人为例。尽管工程师已经增强了机器人的地图构造功能，将VSLAM技术应用于机器的识别和校准，并加强了避免障碍算法和感知，但他们已经能够制造机器人，但最有可能避免与行人冲突，并且可以更好地冲突更灵敏地确定地面上的障碍。
现在，至少有三个环境变化会影响酒店现场机器人的操作。
就物理环境而言，地面环境的变化，例如地毯清洁，会议设备和设施以及装饰的放置可能会导致机器人识别故障，从而导致机器人路径识别错误；
就社会环境而言，与电梯中的人或其他人有关将电梯优先考虑；
就数字环境而言，酒店网络方法导致电梯或角落中机器人的通信故障。
马斯克说，特斯拉现有的FSD技术可以在将来在一定程度上使用机器人模块重新使用，但它仍然只能在“低级模块”中完成。 “仍然需要针对高阶计算和方案。机器人平台的特殊开发。”
Li Xiang还说，如果我们甚至无法解决L4和自动驾驶汽车，我们如何解决更复杂的汽车？由于汽车是一个非接触式机器人，并且道路是标准化的，包括道路上的提示和参与者，每个人都接受了交通规则的培训，所以我认为这是最简单的机器人。如果汽车无法实现。实际上，其他人工智能机器人仍然非常有限。
03
降价
在体现情报的竞争中，商业化是企业家面临的一个常见问题。在特斯拉去年的股东会议上，马斯克首次谈到了人类机器人初创公司，“原型很容易，大规模生产很困难，甚至不可能。”不仅在于软件算法和硬件传感器，而且还在于生产和生产和生产和硬件。工程能力更直截了当，生产的产品具有适当的价格，可以被用户接受。
让我们先看一下软件算法。
从基础算法模型的角度来看，体现的智能软件可以分为大脑和小脑。
大脑负责传感和模拟人类的思维和决策过程，而小脑则模仿了生物复杂运动的控制。
脑算法中的环境感知和理解（如自主驾驶）主要基于机器视觉，并且已经变得相对成熟。当前，许多体现的情报初创公司都依赖主要技术公司的多模式大型模型。
例如，图02图AI和EVE和NEO下的1X技术下的NEO都与Openal的端到端大型语言 - 视觉（VLM）模型有关；
Leju机器人的“ Kuafu”与华为体现的智能大型模型相连。
UBTECH的Walker S与Baidu Wenxin Yiyan的大型模型相连。
Xingdong时代的“小星”系列与Ali Tongyi Qianwen和Zhipu Qingyan的两个大型模型相连。
Zhiyuan机器人的多模式通用大型模型使用Iflytek Spark大型模型（自发开发的操作大型模型）。
这些主要制造商的大型模型在基本能力方面都表现良好，并且每个人都有自己的优势。在这方面，启动的起点大致相同，并且没有太大的差异。
但是，就运动控制的小脑算法而言，每个公司都显示出不同的技术途径。
最典型的情况是，人形机器人控制算法的开发已通过基于模型的控制算法（LIPM+ZMP），动态模型控制和最佳控制算法（MPC+WBC），模拟学习+增强学习（IL+RL）等待几个阶段。
当前的主流是MPC+WBC解决方案，但是行业通常认为IL+RL路线将来是主流控制方法。但是，在初创企业进行了无数尝试之后，该解决方案进入了技术瓶颈时期，并且在短期内很难实施。突破性，这也是许多类人生物机器人公司发射轮式仿生机器人而不是双足动物机器人的主要原因。
硬件方面主要包括执行运动控制操作的芯片，传感器，“手”和“脚”。
目前，人形机器人中计算功率芯片的成本大约是十分之几。芯片和解决方案制造商从Horizon旋转的Digua机器人开发人员生态系统负责人Hu Chunxu在接受媒体的采访时说，其中不同类型的机器人中的机器人中，芯片成本比率没有太大不同，大约7％至10％。当人形机器人的平均价格为500,000元时，芯片层的成本不超过10,000元。但是，将来，当人形机器人电动机和其他组件的成本下降时，芯片部分的成本比例有望增加。
相比之下，进行运动控制和执行的“手”要昂贵得多。
由于手需要执行诸如抓取，放置，推动和拉动之类的动作，因此操作准确性的要求也很高，并且上肢操作的自由度自然会相应地增加。
一些专业人士说，人形机器人不算作“手”，并且在整个身体中可能拥有约27度的自由度。但是，去年11月底，特斯拉展示的擎天柱人形机器人可以用手抓住网球，并以灵活的动作放下。与上一代相比，它使用灵巧的自由度的数量增加了11至22。
在行业对高度自由度达成共识的背景下，灵巧的手等同于重建机器人。这就是“手”价格仍然很高的原因之一。
Xingdong时代的联合创始人Xi Yue曾经介绍过自己的产品：“用手占据整个身体的人形机器人的成本约为1/5至1/4。”主要原因是当前的触觉传感器仍然非常昂贵，甚至比没有手的整体更昂贵。触觉传感器的“手”更昂贵。 “一方面使用的触觉传感器可能会花费数千元。一方面，触觉传感器只有在占手的成本的10％的约10％时才能大规模应用。”一些专业人士这么说。
从上述分析中，不难看出，就像自动驾驶汽车一样，从最初的数十个或数百万个单元到robotaxi，逐渐下降到200,000左右，甚至到少于100,000的自动付费车辆，也是如此的受欢迎程度和渗透率自动驾驶的速度仅加速。
对于体现的情报初创公司，如何降低机器人的价格将是在未来竞争中采取主动行动的关键。
