文｜AlphaEngineer，作者|費斌杰
全球頂級對沖基金Coatue近日發(fā)布了一篇關(guān)于“具身智能”的重磅報告，題為《The Path to General-Purpose Robots》。
Coatue認為，AI機器人是一股顛覆性的力量，有望成為人類歷史上最大的科技浪潮之一，值得高度重視。
這篇報告亮點很多，不僅細致分析了現(xiàn)階段AI機器人面臨的挑戰(zhàn)，同時也對行業(yè)發(fā)展做出了合理展望，從投資的角度給出了專業(yè)意見。無論你是科技投資人、AI從業(yè)者、還是對機器人感興趣的朋友，都值得一讀。
下面我給大家解讀一下這篇大報告。
理想很豐滿，現(xiàn)實很骨感
機器人行業(yè)也許是Demo與現(xiàn)實差距最大的行業(yè)之一。
Demo視頻中是這樣的：
現(xiàn)實則是另一種畫風(fēng)：
1961年，第一臺工業(yè)機器人誕生于GM，用于汽車生產(chǎn)流水線。
經(jīng)過50多年的發(fā)展，機器人的形態(tài)變得越來越多樣，功能場景也豐富了起來，有掃地機器人、四足機器人、人型機器人等。
縱觀歷史，機器人滲透率其實是線性提升的。
以工業(yè)機器人為例，每萬名制造業(yè)員工對應(yīng)機器人的數(shù)量從2013年的53臺增長到2022年的151臺，CAGR達到12%。
雖然機器人行業(yè)整體發(fā)展穩(wěn)中向好，但是具體公司的的表現(xiàn)并不盡如人意。
機器人公司普遍存在商業(yè)化困難的問題，加之前期資本開支巨大，22-23年大量機器人公司破產(chǎn)倒閉。
空間智能，讓通用機器人成為可能
上一代機器人更多是執(zhí)行某些單一任務(wù)的，比如掃地機器人只負責(zé)掃地，農(nóng)業(yè)無人機只負責(zé)灌溉農(nóng)田，工業(yè)機器人只負責(zé)機械焊接等。
但是隨著AI泛化智能的涌現(xiàn)，下一代機器人有望成為“通用機器人”，勝任各式各樣的任務(wù)與環(huán)境。
正如大語言模型讓語言推理成為現(xiàn)實，空間大模型有望打破第四面墻，讓AI真正理解物理世界，從而與之交互。
機器人面臨的核心挑戰(zhàn)：缺乏訓(xùn)練數(shù)據(jù)
對人類來說很簡單的任務(wù)，對機器人來說可能并不容易。
Coatue舉了三個具體例子。
靈巧性：
空間感知能力：
平衡恢復(fù)能力：
為了克服這些問題，需要用海量數(shù)據(jù)進行訓(xùn)練，使機器人變得更加智能。
但是機器人是一個非常新的領(lǐng)域，嚴重缺乏訓(xùn)練數(shù)據(jù)的積累。
對比不同模態(tài)下的最大數(shù)據(jù)集，文本模態(tài)約15T tokens，圖片模態(tài)有6B圖文配對數(shù)據(jù)，視頻模態(tài)有2.6B視聽特征數(shù)據(jù)。
然而機器人模態(tài)只有240萬個數(shù)據(jù)片段，相比其他模態(tài)而言，數(shù)據(jù)積累遠遠不夠。
機器人訓(xùn)練數(shù)據(jù)的四種采集方式
既然數(shù)據(jù)是機器人發(fā)展的核心瓶頸，那么有什么方法可以快速積累機器人訓(xùn)練數(shù)據(jù)呢？
近年來，這方面的研究層出不窮，逐漸形成了四種流派。
機器人數(shù)據(jù)采集方法1：遠程操作（Teleoperation）
顧名思義，由實驗人員操作機械手柄，遠程控制機器人做出相同動作，以此來積累數(shù)據(jù)。
機器人數(shù)據(jù)采集方法2：AR
在一項名為《Explainable Human-Robot Training and Cooperation with Augmented Reality》的研究中，研究人員通過AR（增強現(xiàn)實）技術(shù)讓人機交互過程具備更強的可解釋性，從而進行數(shù)據(jù)積累。
機器人數(shù)據(jù)采集方法3：仿真
通過海量算力進行模擬運算，計算得出海量機器人訓(xùn)練數(shù)據(jù)集。
仿真可能是目前最有可能做到規(guī)�；瘮�(shù)據(jù)生成的路徑，背后需要巨大的算力支持。
目前Nvidia的Jim Fan團隊采取的就是這條技術(shù)路徑。
機器人數(shù)據(jù)采集方法4：視頻學(xué)習(xí)
通過多模態(tài)大模型，直接讓機器人通過視頻學(xué)習(xí)人類動作，從而積累訓(xùn)練數(shù)據(jù)。
機器人成本與人類工資的黃金交叉
隨著GPU成本的下降，大模型訓(xùn)練的成本大幅降低。
過去一年中，Azure云平臺上的A100顯卡租賃價格從6美金/小時下降到1.5美金/小時，降幅達到75%。
硬件成本同樣在快速降低，20年L3 LiDAR傳感器的成本在7400美金左右，現(xiàn)在已經(jīng)腰斬到3200美金。
機器人成本不斷下降的同時，人類的薪酬水平卻在穩(wěn)步提升。
可以想見，在不久的將來，二者終將迎來金叉。
Coatue認為26-27年人型機器人的成本就會降低到人類平均薪酬以下，這無疑會對全球勞動力市場造成重大沖擊。
硅基生命進化進行時：更快的速度，更高的靈巧性
作為硅基生命的代表，機器人在很多場合的能力表現(xiàn)已經(jīng)超過了人類。
比如宇樹的H1機器人行走速度達到3.3米/秒，而人類平均行走速度只有1.42米/秒。
除了行走速度之外，機器人動作的靈巧性也在快速提升。
馬斯克表示，今年新的Optimus機器人將有22個自由度。
隨著大量AI機器人公司的涌現(xiàn)，硅基生命的進化速度會越來越快。
類比無人駕駛，L4人型機器人即將到來
在自主性方面，人型機器人與無人駕駛汽車類似，可以分為L1到L5。
無人駕駛汽車從L1到L2花了大約20年，而從L2到現(xiàn)在的L4只用了不到10年。
人型機器人從L1到L2用了大約50年，從L2到L4預(yù)計只需要不到5年。
機器人的“ChatGPT時刻”即將到來？
大模型發(fā)展如火如荼，大家都在期待著機器人領(lǐng)域迎來自己的“ChatGPT時刻”。
縱觀過去20年，真正稱得上科技領(lǐng)域的“WOW!時刻”的只有三次，分別是07年的iPhone、22年的ChatGPT、以及24年的無人駕駛。
這些“WOW!時刻”有著一些共同特征。
首先，它們都在day 1帶來了激動人心的use case，并通過口耳相傳形成病毒式傳播。
其次，應(yīng)用成本達到拐點，使得技術(shù)能夠向市場大眾普及，構(gòu)成正向的商業(yè)模型。
第三，開發(fā)者社區(qū)增長迅猛，圍繞核心技術(shù)及產(chǎn)品形成商業(yè)生態(tài)。
Coatue預(yù)測，機器人并不會迎來所謂的“ChatGPT時刻”，因為它尚不具備以上幾點特征。
相反，Coatue認為機器人的普及，會經(jīng)歷由淺入深的三個階段，走出一條獨特的發(fā)展路徑。
第一階段：Seeing，人們通過電影、小說等媒介對機器人形成初步模糊的了解。
第二階段：Experiencing，指消費者直接享受機器人提供的服務(wù)，而非自己擁有機器人，類似B2B2C的模式。比如你在咖啡廳享用一杯機器人拉花的咖啡，就屬于這個階段。
第三階段：Owning，即每個用戶自己擁有一臺或多臺機器人。
Coatue還預(yù)測了人型機器人能力的成長曲線。
對于家庭人型機器人，能力成長路徑依次為：掃地->做飯 -> 管家-> 保姆。
對于戶外人型機器人，應(yīng)用場景成長路徑依次為：倉庫 -> 門店 -> 消防-> 手術(shù)。
投融資火熱，機器人生態(tài)漸成
隨著奇點的不斷逼近，AI機器人公司的投融資越來越火熱。
圍繞AI機器人，一個完整的生態(tài)圈正在形成，包括機器人開發(fā)工具、機器人訓(xùn)練數(shù)據(jù)集、機器人運維、空間大模型、機器人生產(chǎn)制造等。
Wintel，還是圍墻花園？
類似PC時代，AI機器人正在形成Wintel-like以及Walled Garden這兩種典型的商業(yè)模式。
Neuralink的腦機接口、SpaceX的衛(wèi)星通信、Tesla的無人駕駛、xAI的大語言模型、Optimus的人型機器人，馬斯克的這盤大棋正在逐漸浮出水面，越來越清晰。
作為AI時代極少數(shù)擁有機器人全棧能力的公司，Optimus的發(fā)展值得期待。
