2024人形机器人技术突破与市场潜力研究报告

行业细分：类人机器人 人类化，还是非人类化？ 本报告探讨了类人机器人当前状态和未来潜力，重点关注推动行业发展的关键创新者和技术。我们旨在突出类人机器人在各个领域的进步和实际应用。 引言 本研究的目的是评估人形机器人行业的领先企业，分析其进展，并评估其对行业的影响。 目标 我们的研究通过详细分析公司报告、行业数据和专家见解进行。来源包括在线报道、Pitchbook和Crunchbase。 方法学 作者 埃蒂安·塞格尔 研究员 威尔·萨梅林创始人兼管理合伙人 创始人兼管理合伙人马克西米利安·弗里德里希 内容 I. 背景 第3-6页 第二部分：需求 第7-9页 第三部分：技术 第10-12页 第四章 机会 第13-19页 V. 创新者 第20-30页 I. 背景 当你想起“具身人工智能”时，会联想到什么？几个世纪以来，机器人一直在科幻领域和无穷无尽的人类想象力中得到占据。像列奥纳多·达·芬奇和伊希梅尔·阿尔-贾扎里这样的人物，创造了机械生物的早期概念，而雅克·德·沃康松则引进了一些最早的自动机械。在过去的一个世纪中，像以《我，机器人》著名的艾萨克·阿西莫夫和詹姆斯·卡梅隆的《终结者》这样的人物，塑造了我们对于机器人可能会在遥远的未来成为怎样的一种愿景。 今天，然而，那个遥远的未来正逐渐逼近，这得益于人工智能的快速进步、制造业成本的降低，以及各个行业的人力短缺。这些因素不仅加速了人形机器人的发展，还使我们站在了机器人革命的边缘。本报告将探讨这场革命的影响——它将如何塑造企业、经济，甚至是家庭生活。重点关注的是美国市场，观察那些在机器人开发和应用方面处于领先地位的公司。 我相信Optimus将在特斯拉中比任何其他一切综合更有价值，因为一个能够导航现实并按要求执行任务的意识化人形机器人对经济规模的扩大没有实质性的限制。 埃隆·马斯克，关于特斯拉Optimus仿人形机器人的潜力，特斯拉第一季度收益电话会议，2024年4月 双足机器人有可能彻底改变各个行业——从家务到养老服务——并使人类从最不愉快的工作中解放出来。25年后，可能有数十亿机器人执行各种任务，最终重塑GDP、生产力和人类幸福。 文诺德·科斯拉，人工智能：乌托邦还是反乌托邦？，2024年9月 我们相信，在未来五到十五年内，通用型人形机器人很可能会成为工业运作和日常生活中的重要组成部分。这些机器人被设计来完成从工厂组装到执行家务等一系列任务，它们不再是遥不可及的梦想。相反，由于技术在突破和大量投资于开发者，它们正逐渐成为现实。随着机器人填补劳动力短缺造成的空白，并执行从危险到日常的任务，我们正站在一场重大变革的前沿。 引言：创新者简介 我们对一些最有潜力的初创公司和正在开发类人机器人的成熟企业进行了深入研究。本报告中所介绍的公司代表了不同的发展阶段、团队规模和投资者支持水平。尽管存在这些差异，但有一点是明确的：类人机器人行业仍处于早期阶段，这使得很难确定哪些玩家将脱颖而出。目前，我们相信类人机器人的工业应用将远远超过任何面向消费者的产品，尤其是在处理不愉快或危险任务的领域。这些用例包括制造业、物流和废物管理等行业，在这些行业中，机器人可以降低人类受伤的风险，并提高运营效率。鉴于这一背景，我们的关注点集中在与工业合作伙伴合作最为紧密的类人机器人，它们正在解决劳动力短缺和危险环境问题。 顶级人形机器人公司投资交易中的主要投资者计数，2019–2024 类人形机器人——简史及里程碑 第二部分：需求 A. 劳动力短缺 随着经济体从COVID-19造成的破坏中恢复，劳动力市场的动态发生了显著变化。2010年代以劳动力过剩和就业岗位不足为特征，而2020年代则见证了相反的趋势：为了满足不断增长的需求，劳动力短缺。这一趋势预计将持续下去，重塑行业并推动自动化和机器人解决方案的采用。 根据麦肯锡全球研究院的报告，在大流行病之后的疫情余波中首次出现的劳动力短缺并非一个暂时现象。相反，这反映了长期的人口结构变化。生育高峰期出生的一代人正在退出劳动力市场，而进入劳动市场的年轻工人数量减少，造成了自动化和机器人技术日益被要求填补的空缺。 在美国，失业率保持在历史低位，截至2024年中期，失业率在4%左右徘徊，即使在劳动力市场开始从疫情带来的压力中缓解之后。此外，在制造业等行业中，短缺问题预计将进一步恶化。德勤预测，到2030年，美国制造业将面临210万个职位空缺，而2024年的空缺职位为505,000个。有几个因素导致了这一令人担忧的趋势： • 不断老龄化的劳动力，尤其是在熟练制造岗位上的劳动力• 持续存在的技能差距，可用的工人缺乏操作日益先进的机械设备所需的专门知识• 工人倾向于选择卫生保健和技术等领域的职业 尽管是自动化程度最高的行业之一，人类工作者对于机器监控、质量控制、维护以及机器人系统定制等关键任务仍然至关重要。随着公司努力填补这些职位，许多企业正将机器人技术和自动化视为缓解劳动力短缺的解决方案。 B. 劳作危害 在多个行业中，特别是在那些死亡率高和长期健康风险大的行业，自动化的需求变得越来越明显。如建筑、灾害救援、采矿、核反应堆维护、化学制造和废物管理等行业代表了最危险的工作环境，具有高死亡率和长期健康风险。这些行业长期以来一直是伦理辩论的主题，因为高薪工作的好处与固有的风险相权衡。机器人提供了一种应对这些危害的有力解决方案。 通过自动化那些对身体有害或使工人在毒害材料中暴露的任务，机器人技术可以大幅度减少在高风险环境中对人工参与的需求： • 煤炭采矿和伐木，这两项均为死亡率最高的行业之一，可以从机器人执行切割、运输和检查危险区域等任务的活动中受益。 • 核反应堆维护和化学制造业通常涉及处理高度放射或有毒物质。配备专用工具的机器人。传感器可以接管那些原本会暴露工人于严重健康风险中的任务。风险。• 在人类生命常处于危险之中的灾害救援任务中，可以通过人形机器人来改变现状。这些机器人能够穿越废墟，进入危险环境，并在不危及人类生命的情况下协助搜救行动。 C. 科学进步 类人型机器人在科学进步和创新的最前沿，得益于他们克服可能限制人类研究人员的物理限制的能力。从海洋的极深之处到寒冷的极地和多变的火山地带，地球上的许多地区仍处于未开发状态。例如，海洋覆盖了地球表面的70%，但我们仅探索了其中的5%。机器人能够在人类难以生存的恶劣环境中进行操作。 此外，随着太空探索从科幻小说变为现实，类人机器人将在新兴的太空经济中扮演至关重要的角色。随着对月球和火星进一步探索的计划，太空任务中对机器人辅助的需求正在增长。此外，在没有人类登船的情况下，我们有可能将太空任务发送到更远的距离，无需将航天器返回地球。 人类还是非人类？ 机器人设计成类似人类的概念已经广泛争论，许多倡导者认为世界本质上是为人际互动而构建的。 建筑环境，从门把手到楼梯，都是考虑到人体结构而精心打造的。因此，创建能够轻松融入这些空间的机器人的最合逻辑的方法是对其人体生理学进行建模。类人型机器人支持者认为，这样的设计可以在从制造到医疗保健的各个行业中无缝执行任务，因为它们与我们世界的运作方式相一致。另一方面，批评类人方法的人建议，并非所有任务都需要类似人类的机器人才能有效地完成。在许多情况下，专为特定功能设计的机器人，如工厂自动化或医疗程序，可能会更有效率。 那么问题就转化为效用与多功能性之间的权衡：我们应该构建一系列具有独特设计、针对特定任务定制的机器人？还是应该专注于构建少量通用型人形机器人，这些机器人能够执行多种功能？这场辩论将塑造机器人技术的未来，并影响哪种方法在长期内证明更具可扩展性、成本效益和影响力。 如果我们希望机器人能够在我们的环境中尽可能地无缝操作，或许这些机器人应该仿照人类来设计。 比尔·盖茨，盖茨笔记，2024年1月 第三部分：技术 本节概述了构成当今尖端类人机器人的关键组件，以及推动这一快速发展的产业变革的供应商。从机械硬件到人工智能驱动的控制系统，每个要素都在让类人机器人得以实现其生命活动中发挥着至关重要的作用。根据高盛在2024年1月的权益研究，2023年建造一个类人机器人的平均成本预计为150,000美元。然而，最近的技术进步和产量增加已推低了成本，当前的估计介于低端的30,000美元到高端的120,000美元。这些不断降低的成本，结合功能性和扩展性的提升，正在为类人机器人更广泛地部署于各行业铺平道路。 基础模型与基础设施进步 基于构成类人机器人的关键组件，人工智能和基础设施的近期进步正在重新塑造这些系统的功能和学习方式。尤其是在人工智能领域，基础模型正在通过使类人机器人以更智能和更具适应性的方式导航和与环境交互，推动着它们可以达到的成就界限。 NVIDIA的Project GR00T于2024年4月推出的项目旨在开发适用于类人机器人的通用基础模型。这些模型能够接受多模态指令和历史交互作为输入，生成反应性机器人动作。通过利用NVIDIA的完整三计算机机器人堆栈——DGX用于训练、Isaac Lab用于强化学习，以及Jetson Thor用于计算，Project GR00T为类人机器人配备了先进的推理、规划和运动能力。系统通过结合包括视频和模仿学习在内的多模态数据源进行学习，以获取新技能，加速机器人开发和适应性。 谷歌的RT-2由DeepMind于2023年开发，该模型在机器人智能领域实现了重大突破，使机器人能够像人类一样学习和适应。该模型集成了视觉、语言和动作，使机器人能够通过从网络数据中学习通用概念来执行任务，而不是依赖于繁琐的任务特定训练。RT-2在它的前身RT-1的基础上发展，但在新的、未经训练的场景中几乎将其性能翻倍，显示出62%的成功率。通过将学习到的知识转移到机器人动作中，它简化了机器人操作，标志着向更多自主、通用型机器人迈出的重要一步，这些机器人在多变的环境中可以表现出色。 领域人工智能该公司的Field Foundation Models正在革命性地改变着各个行业，使机器人能够在建筑、石油和天然气、农业等行业的不规则环境中自主导航。FFMs允许与各种传感器和车辆类型无缝操作，从而创建适应不可预测条件的灵活系统。由NASA、DARPA和Google DeepMind的团队领导，Field AI的成熟技术使现实世界环境中的自主操作成为可能。比尔·盖茨已经认可了该公司在机器人智能领域的开拓性作用，并指出其在工业自动化方面的变革潜力。 协方差人工智能，一个成立于2017年的OpenAI机器人公司分支，一直处于AI驱动机器人领域的最前沿，拥有其开创性的机器人基础模型（RFMs）。这些模型通过多年的机器人实验和数百万个数据点开发而成，构成了可变脑的核心，使机器人能够以非凡的精度执行人类水平的工作。Covariant的解决方案已在仓储等行业得到广泛应用，处理数百万种独特的物品。最近，Covariant与亚马逊合作，授予其RFMs的非独家许可。 Skild AI，成立于2023年，由人工智能先驱Deepak Pathak和Abhinav Gupta共同创立，正在开发一个名为Skild Brain的突破性机器人基础模型。创始人凭借超过25年的机器人与人工智能相结合的经验，旨在创造一种具身智能，使机器人能够在真实世界环境中学习和反应。Skild AI的通用模型支持各种机器人形态，从用于安全的四足机器人到移动操作臂。投资者Lightspeed、SoftBank和Bezos Expeditions都对Skild下了注。 第四章 机会 合作伙伴关系 类人形机器人正在各行各业中得到越来越多的测试和部署，这标志着它们在解决劳动力短缺和提高效率方面的作用日益上升。亚马逊和GXO物流已部署了Agility Robotics的Digit，利用它来自动化仓库中的任务，如搬运和分类包裹。宝马和奔驰也类似地将类人形机器人集成到其制造运营中，以减少对人类工人进行重复性或危险任务的依赖。 除工业环境外，挪