行业细分：类人机器人——走向类人化，还是不走向类人化？

行业细分：人形机器人 是拟人化，还是非拟人化？ 本报告探讨了人形机器人的当前状态和未来潜力，重点关注推动行业向前发展的关键创新者和技术。我们旨在突出人形机器人在各领域的进步和实际应用。 引言 本研究的目标是评估人形机器人领域的领先公司，分析其发展进展，并评估其对行业的影响。 目标 我们的研究是通过对公司报告、行业数据和专家见解进行详细分析而进行的。信息来源包括网络报道、Pitchbook和Crunchbase。 METHODOLOGY 作者 研究学者Etienne Segal Will Summerlin创始人兼管理合伙人 创始人兼管理合伙人Maximilian Friedrich Content I. 背景 第3-6页 II. 需求 第7-9页 III. 技术 第10-12页 IV. 机遇 第13-19页 V. 创新者 Page 20-30 I. 背景 当你想到“具身AI”时会想到什么？数个世纪以来，机器人技术一直占据着科幻领域和人类无限想象力的舞台。像莱昂纳多·达·芬奇和伊萨姆·阿尔-贾拉里等先驱者构思了机械生物的早期概念，而雅克·德·瓦康松则引入了一些最早的自动机。在过去一个世纪里，以艾萨克·阿西莫夫的《我，机器人》和詹姆斯·卡梅隆的《终结者》等作品为代表的人物，塑造了我们对遥远未来机器人可能成为什么的想象。 然而，如今那个遥远的未来正变得越来越近，这得益于人工智能的飞速发展、制造业成本下降以及各行业普遍存在的劳动力短缺。这些因素不仅加速了人形机器人的发展，还使我们逼近了一场机器人革命的前沿。本报告将探讨这场革命的启示——它将如何塑造商业、经济乃至家庭生活。重点关注美国市场，观察处于人形机器人研发和采用前沿的公司。 我相信Optimus将比特斯拉的一切加起来更有价值，因为一个能够与现实世界互动并按需执行任务的 sentient humanoid robot 没有对经济体规模的实质性限制。 埃隆·马斯克，关于特斯拉Optimus人形机器人的潜力，特斯拉财报电话会议，2024年4月 双足机器人可能从根本上改变每个领域——从家务到养老护理——并让人类摆脱最不受欢迎的工作。在未来25年内，可能有十亿台机器人执行广泛的任务，最终重塑GDP、生产力以及人类幸福感。 Vinod Khosla, 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，通用型人形机器人可能会成为工业运营和日常生活的重要组成部分。这些机器人设计用于执行从工厂装配到承担家务等任务，不再是一个遥远的梦想。相反，由于技术突破和对开发者投资的激增，它们正成为现实。随着机器人填补劳动力短缺造成的空缺，并执行从危险到平凡的任务，我们正站在一场重大变革的边缘。 创新者简介 我们对一些最具潜力的类人机器人初创公司和成熟企业进行了深入研究。本报告所涵盖的公司代表了不同的发展阶段、团队规模以及投资者支持水平。尽管存在这些差异，但有一件事是明确的：类人机器人行业仍处于早期阶段，难以准确预测哪些参与者将脱颖而出。目前，我们认为工业应用中的类人机器人将远超任何面向消费者的产品，特别是在处理不理想或危险任务的行业。这些应用场景包括制造业、物流业和废物管理行业，机器人可以降低人身伤害风险并提高运营效率。在此背景下，我们的关注点集中在那些在工业领域获得最大关注的类人机器人上，它们正解决劳动力短缺和危险环境问题。 交易中的人形机器人公司的顶级投资者Count, 2019–2024 人形机器人——简史与里程碑 II. 需求 A. 劳动力短缺 随着经济体从COVID-19造成的中断中恢复，劳动力市场的动态发生了显著变化。2010年代的特点是劳动力过剩而工作不足，而2020年代则正经历相反的情况——劳动力短缺以满足不断增长的需求。预计这一趋势将持续，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，最初出现在疫情后的劳动力短缺并非暂时现象，而是反映了长期的人口结构变化。老龄化严重的婴儿潮一代正退出劳动力市场，而进入市场的年轻工人数量减少，这造成了差距，自动化和机器人技术越来越多地被要求填补这一空缺。 在美国，失业率仍然处于历史低位，截至2024年年中，即使在劳动力市场开始从疫情引发的压力中缓解后，失业率仍徘徊在4%左右。此外，在制造业等行业中，短缺现象预计将加剧。德勤预测，到2030年，美国制造业将面临210万个空缺职位，而2024年的空缺职位为50.5万个。多种因素导致这一令人担忧的趋势： • 劳动力老龄化，特别是在熟练制造业岗位 • 持续的技能差距，现有工人缺乏操作日益先进机器所需的专业知识 • 工人更倾向于医疗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，人类劳动者对于机器监控、质量控制、维护和机器人系统定制等关键任务仍然不可或缺。随着企业为填补这些岗位而面临困境，许多人正将机器人和自动化视为缓解劳动力短缺的解决方案。 B. 劳动风险 在多个行业中，尤其是在高死亡率和高长期健康风险的行业中，对自动化的需求日益凸显。建筑、灾难救援、采矿、核反应堆维护、化学生产和废物管理等行业代表着一些最危险的工作环境，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焦点，因为高薪工作的好处与固有的风险被权衡考虑。机器人为解决这些危害提供了一种引人入胜的解决方案。 通过自动化那些存在物理危险或让工人暴露于有毒材料中的任务，机器人技术可以显著减少在高风险环境中的人为参与需求： • 煤矿和伐木业，这两个都属于最危险的行业，都可以从机器人执行切割、运输以及检查危险区域等任务中获益。 • 核反应堆维护和化学制造通常涉及处理高度放射性的或有毒的物质。配备专业工具的机器人传感器可以接管那些原本会使工人暴露于严重健康风险的任务。risks.• 灾难救援任务，往往涉及人命关天，可以利用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，并在搜救行动中协助，而无需冒人类生命的风险。 C.科学进步 人形机器人是科技进步和创新的前沿，凭借其克服可能限制人类研究员的物理局限性的能力。从海洋的极端深处到严寒的极地，以及动荡的火山区，我们星球上的许多地区仍然未被探索。例如，海洋覆盖地球表面的70%，但我们仅探索了其中的5%。机器人能够在对人类而言不可能的恶劣环境中运行。 此外，随着太空探索从科幻走向现实，人形机器人在新兴太空经济中将发挥关键作用。随着进一步探索月球和火星的计划，太空任务对机器人辅助的需求日益增长。此外，考虑到没有宇航员在座，我们或许能够将太空任务发射至更遥远的距离，而无需将航天器返回地球。 是否拟人化？ 将机器人设计成模仿人类形貌的想法已被广泛讨论，许多支持者认为这个世界本质上是为人类互动而构建的。 建筑环境，从门把手到楼梯，都是根据人体结构设计的。因此，创造能够轻松融入这些空间的机器人的最合理解决方案是模仿人类的生理结构。支持拟人形机器人的论者认为，由于这些设计符合我们世界运作的方式，因此它们可以在制造业、医疗保健等各个行业中无缝执行任务。另一方面，质疑拟人形方法的人士指出，并非所有任务都需要类似人类的机器人才能有效执行。在许多情况下，为特定功能（如工厂自动化或医疗程序）设计的机器人可能更有效率。 那么问题就变成了实用性与多功能性之间的权衡：我们应该制造一系列各具独特设计的机器人，每种机器人都针对其特定任务量身定制？还是应该专注于制造少数几种通用人形机器人，这些机器人能够执行多种功能？这场争论将塑造机器人的未来，并影响哪种方法从长远来看更具可扩展性、成本效益和影响力。 如果我们希望机器人能够尽可能顺畅地在我们环境中运行，或许那些机器人应该以人为模型。 比尔·盖茨，盖茨笔记，2024年1月 III. 技术 本节概述了构成当今尖端人形机器人的关键组件，以及塑造这一快速发展行业的供应商。从机械硬件到人工智能驱动控制系统，每个元素都在赋予人形机器人生命方面发挥着至关重要的作用。根据2024年1月高盛股权研究的数据，2023年建造一个人形机器人的平均成本估计为15万美元。然而，最近的进步和增加的生产量推动了成本的降低，当前估计范围在低端3万美元到高端12万美元之间。这些不断下降的成本，加上功能和可扩展性的改进，正在为人类机器人在各行业的更广泛部署铺平道路。 基础模型与基础设施进步 基于构成人形机器人的关键部件，近期人工智能和基础设施的进步正在重塑这些系统如何运行和学习。基础模型，特别是在人工智能领域，通过使它们能够以更智能和适应性强的方式导航和与其环境互动，正推动人形机器人所能实现能力的边界。 NVIDIA的Project GR00T于2024年4月推出的GR00T项目，旨在为 humanoid 机器人开发通用基础模型。这些模型可接收多模态指令和过往交互作为输入，从而生成反应性机器人行为。通过利用NVIDIA完整的三层机器人计算栈——DGX用于训练、Isaac Lab用于强化学习、Jetson Thor用于计算，GR00T项目为 humanoid 机器人配备了高级推理、规划和运动能力。该系统通过多模态数据源（包括视频和模仿学习）的组合进行学习，以获取新技能，加速机器人开发与适应性。 Google’s RT-2, 由DeepMind于2023年开发, 代表了机器人智能的重大突破, 通过使机器人能够像人类一样学习和适应。该模型整合了视觉、语言和行动, 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、特定任务训练。RT-2在其前作RT-1的基础上构建, 在新的、未训练场景中的性能几乎翻倍, 展示了62%的成功率。通过将所学知识转化为机器人动作, 它简化了机器人操作, 标志着朝着能够在多变环境中表现出色的更自主、通用的机器人迈出了重要一步。 领域人工智能Field AI以其现场基础模型（Field Foundation Models）正在革新行业，使机器能够在建筑、石油和天然气以及农业等不同领域自主导航非结构化环境。FFM模型能够与多种传感器和车辆类型实现无缝操作，为不可预测的条件创建适应性系统。由来自NASA、DARPA和Google DeepMind的团队领导，FieldAI的成熟技术为实际场景中的自主操作提供赋能。比尔·盖茨已认可该公司在机器人智能方面的开创性作用，并强调其对工业自动化转型的巨大潜力。 Covariant AI,成立于2017年的OpenAI机器人子公司Covariant,一直引领着人工智能机器人领域的发展,其开创性的机器人基础模型(RFMs)是其核心。这些模型通过多年的机器人场景学习和数百万个数据点开发而成,构成了Covariant Brain的基础,使机器人能够以惊人的精准度执行人类水平任务。Covariant的解决方案已广泛应用于仓储等行业,处理数百万个独特物品。最近,Covariant与亚马逊合作,授予其RFMs的非排他性许可。 Skild AI成立于2023年，由人工智能先驱Deepak Pathak和Abhinav Gupta创立的Skild AI，正在开发一款名为Skild Brain的开创性机器人基础模型。凭借在机器人技术和人工智能领域超过25年的综合经验，创始人旨在创造具身智能，使机器人能够在现实世界环境中学习和反应。Skild AI的通用模型支持多种机器人形态，从用于安防的四足机器人到移动操作器。Lightspeed、软银和贝佐斯探险队等投资者已对Skild AI进行了投资。 IV. 机遇 合作夥伴關係 人形机器人正越来越多地被测试和试点应用于各行各业，显示其在解决劳动力短缺和提高效率方面日益增长的作用。亚马逊和G XO物流公司已部署了 Agility Robotics的Digit机器人，用于在仓库中自动化搬运和分拣包裹等任务。宝马和梅赛德斯-奔驰公司同样将人形机器人整合到其制造运营中，以减少对重复性或危险任务的人工作业依赖。 除了工业环境之外