人形机器人的核心价值在于通用+智能，将和工业机器人共同推动制造业智能化。工业机器人虽然技术成熟，但却无法解决泛化性的问题，不适应现代制造业柔性生产的需要。我们认为人形机器人将作为工业机器人的补充，与工业机器人共同推进制造业的智能化发展。“人形”只是表象，人形机器人的核心价值在于通用+智能。未来的工厂中，工业机器人、人形机器人、人工或将以
7:2:1的比例存在。
以GPT为代表的大模型是迈向通用人工智能AGl的重要一步。之前的人工智能属于专业Al,走的是“先专后通”的发展路径。而以GPT为代表的大模型具备了一定的常识和推理能力，有望走出一条“先通后专”的发展路径。而具备控制、感知、执行能力的Al Agent是大模型落地的重要形式。
LLM与机器人结合的研究在短时间取得了众多突破，让我们对产业化多了一份信心。我们把人形机器人视为LLM+机器人领域的Al Agent。LLM的引入解决了之前机器人行业的两大痛点：1)交互不便，无法理解人类的自然语言；
2)不够聪明，无法对复杂任务自主拆解。在LLM与机器人结合方面，学界取得了众多进展。Google在2022年发表的SayCan模型，解决了LLM作为语言模型无法适应现实世界的问题；2022年12月，google发布RT-1模型，使人形机器人表现出了泛化性，可以解决未训练场景的任务；2023年2月，微软发表ChatGPT far Robots,提出用LLM语言模型控制机器人的方法，使机器人可以利用LLM模型的“常识”和推理能力；2023年3月，google发布PaLM-E模型，把具身信息融入大模型，进一步提升了泛化能力；2023年7月，google发布视觉-语言-动作(VLA)的机器人模型RT-2,模型直接输出机器人的动作，泛化能力进一步增长，并为解决机器人数据缺乏问题提供了一种新的思路。
人形机器人的商业化落地需要具体的场景。当前人形机器人产业面对数据不足、算力不足、人机交互安全性、长尾场景等挑战，终极的通用人形机器人还比较遥远，但是基于特定场景的人形机器人可以降低对数据、算力的依赖，有望率先落地。2023年10月，亚马逊宣布已经在仓库试用人形机器人Digit。自动驾驶与人形机器人有众多相似之处，自动驾驶的发展历程有借鉴意义。何小鹏认为，自动驾驶本质上是机器人科学，智能汽车公司最终也会和机器人公司在技术、产品、生态等等方面融合。参考自动驾驶的发展历程，我们认为人形机器人的发展也会有3个趋势：1)终极的人形机器人还很遥远，但基于特定场景的机器人会率先落地；2)随着人形机器人对大数据、大模型的要求越来越高，数据闭环能力越来越关键；3)端到端模型可以节省算力，但当前受限于数据、规模。区分规划算法、控制算法的多模块的方案更容易落地，其中连接LLM和控制算法的prompt是瓶颈所在。
工业机器人虽然技术成熟，但却无法解决泛化性的问题，不适应现代制造业柔性生产的需要。我们认为人形机器人将作为工业机器人的补充，与工业机器人共同推进制造业的智能化发展。
如何增强机器人的泛用性是行业一直致力解决的问题。传统的工业机器人并不能直接使用，需要被系统集成商集成后使用。机器人的系统集成需要对客户工艺的深刻理解，是高度定制化的环节，同时也是严重依赖工程师经验的环节。系统集成不仅增加了工业机器人的使用成本，还使工业机器人失去了泛化性。在工业机器人被集成的过程中，工业机器人遵循编写好的程序运行，与应用场景高度绑定。一旦环境变化后，用户需要通过工程师重新部署、编程，无法通过简单操作实现场景适配。这注定了工业机器人适用于大规模、重复性生产，无法适应柔性化生产的需要。这严重限制了机器人的使用范围，阻碍了机器人行业的成长。2022年工业机器人市场规模585亿，并不是一个非常大的市场。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
