人工智能技术演进趋势 - 大语言模型正从"快思考"模式转向注重推理深度与逻辑连贯性的"慢思考"范式 [2] - DeepSeek-R1等新型模型通过强化学习机制提升长思维链推理能力 在复杂任务中展现出更强理解力和决策能力 [2] - "慢思考"技术成为推动大模型迈向更高智能水平的关键路径 引领行业走向更具自动化与可靠性的未来 [2] 技术突破与应用价值 - 慢思考模型在数学、编程等高阶任务中表现优异 并通过开源架构和成本优势推动技术普及 [2] - 该技术在多科学场景和应用领域取得重要突破 通过生成更长思考过程解决挑战性问题 [8] - 模型采用以强化学习为主线的关键技术 但现阶段仍存在局限需要进一步突破 [8] 学术资源与知识传播 - 施普林格·自然推出2025年全新人工智能电子图书合集 涵盖从基础理论到前沿研究的广泛学科主题 [18] - 图书合集包含专著、会议论文集、教科书和手册等多种类型 可作为科研人员与学生的学习资源 [18] - 赵鑫教授团队编著《大语言模型》中文书 构建系统化技术框架与路线图 帮助读者掌握从核心概念到前沿算法的完整脉络 [16] 行业活动与专家分享 - 将于2025年9月9日举办"AI慢思考：大模型复杂推理技术在线研讨会" 由中国人民大学赵鑫教授分享最新研究进展 [2][5] - 赵鑫教授发表论文200余篇 谷歌学术引用3万余次 曾主导研发玉兰系列大语言模型并荣获多项学术奖项 [7] - 施普林格·自然计算机科学图书编辑总监常兰兰博士将介绍人工智能图书资源及其在科研与教学中的应用价值 [10]

融资与资本动态 - 梅卡曼德机器人完成近5亿元新一轮融资 由雄安基金、大洋电机、华创资本等投资 资金将用于加速具身智能"眼脑手"全栈技术进化及全球商业化能力提升[1][3] - 大洋电机作为产业投资方 将与梅卡曼德探索业务场景应用和前瞻业务研发的深入合作[3] 企业财务与研发进展 - 新松机器人上半年实现营收16.60亿元 研发投入约1.37亿元[4][6] - 公司推进六轴工业机器人标准化 销量快速增长 并成立具身智能研究院开启"机器人+AI"融合创新[6] - 计划突破机器人"大脑"与"身体"协同瓶颈 打造通用型智能机器人平台 通过"技术认证+场景验证"加速全球市场布局[6] 商业化应用与市场表现 - 机器人焰究所日均接待顾客达300至400人 单日最高人流量突破千人[7][9] - 餐厅融合科技与餐饮 提供机器人乐手表演及仿生人形互动体验 正依托大会流量与消费节热度吸引多元客群[9] - 已获市场好评并吸引企业合作 未来将持续融入机器人元素助力北京亦庄打造消费新高地[9] 战略合作与技术布局 - 均胜电子与阿里云签署合作协议 基于通义千问AI模型在具身智能机器人领域展开全面合作[10][12] - 聚焦工业、医疗等场景开发先进机器人智能体 推进海外本地化方案落地[12] - 阿里云将提供全栈大模型服务及云资源支撑 双方共同开拓海外市场[12] - 虹软科技布局具身智能领域 已与全球知名民用机器人公司建立技术合作[13][15] - 公司掌握适用于机器人的核心算法技术 包括人脸识别、手势识别、3D重建及SLAM等 并研发了智能视觉感知与视觉融合IPs[15] 行业生态与产业链 - 工业机器人领域涵盖埃斯顿自动化、埃夫特机器人、非夕科技等企业[20] - 服务与特种机器人领域包括亿嘉和、晶品特装、普渡机器人等企业[20] - 医疗机器人企业涉及元化智能、天智航、精锋医疗等[21] - 人形机器人企业包含优必选科技、宇树、云深处等[21] - 具身智能企业覆盖跨维智能、银河通用、科大讯飞等[22] - 核心零部件企业涉及绿的谐波、因时机器人、思岚科技等[24]

活动概况 - 2025年9月5日至6日在北京中关村国家自主创新示范区展示交易中心会议中心举行第三届全球手术机器人大会 主题为"MedRobot Next｜下一站技术未来" 聚焦智能手术系统系统化升级 全链条生态构建与全球化路径[1][3] 行业技术发展 - 上海微创医疗机器人集团分享技术进展[3] - 北京罗森博特探讨医工交叉推动手术机器人创新[3] - 深圳鑫君特展示骨科手术机器人在智能化自主执行上的探索[3] - 艾瑞迈迪介绍手术室智慧情景导航平台从精准定位到智能全景感知[4] - 天津大学左思洋教授分享消化道早癌诊疗柔性手术机器人关键技术[7] - 中国科学院深圳先进技术研究院探讨手术室AI技术创新与室-机-人融合[7] - 解放军总医院讨论骨关节自动手术机器人的发展历程[8] - 北京医院探索肿瘤微创介入机器人临床应用[8] 临床应用与培训 - 中国医科大学附属第一医院分享机器人辅助脊柱手术的操作优化经验[3] - 史赛克介绍由精准植入到功能焕新的机器人关节置换新篇章[3] - 浙江省人民医院讨论医疗服务新项目准入[4] - 通和立泰强调医学动物实验在手术机器人产业化发展中的重要作用[5] - 元化智能科技分享锟镖辅助复杂手术病例的经验与启示[5] 产业生态与商业模式 - 直观复星展示达芬奇与ion的技术进化[4] - 诺万特机器人介绍精密运动控制与力传感技术赋能手术机器人[4] - 中关村科技租赁分享手术机器人租赁落地案例[5] - 深圳市人工智能与机器人研究院探讨手术机器人方向产研共创新模式[5] 国际化发展 - VentureBlick创始人原美敦力/拜耳亚太区总裁Chris Lee分析中国医疗机器人出海的机遇与挑战 包括国际市场对中国高端技术的接受度 以及如何跨越研发 监管 临床和市场教育壁垒[5] - 香港科学园探讨赴港上市 香港产业环境和扶持政策[7] - 中国科学院香港院AI与机器人中心讨论手术机器人出海策略[7] 学术与产业融合 - 大会设置深度智能外科专题 首次引入"咨询级深度讲座" 全面分析国内外微创外科AI研究现状与趋势 包括微创外科的数字化进程 国内医工AI案例 美国南加州泌尿外科智能研究中心的科研之路 以及2024年和2025年SRS手术机器人大会上的外科AI趋势变化[8][9] 参与企业 - 医疗机器人企业包括元化智能 天智航 思哲睿智能医疗 精锋医疗 佗道医疗 真易达 术锐机器人 罗森博特 磅客策 柏惠维康 迪视医疗 水木东方等[15] - 核心零部件企业包括绿的谐波 因时机器人 坤维科技 脉塔智能 青瞳视觉 本末科技 鑫精诚传感器 蓝点触控等[18]

技术路线转变 - 特斯拉改变擎天柱人形机器人训练策略 从依赖动作捕捉和遥控操作转向主要依靠视频训练 [1] - 人工智能主管阿肖克·埃卢斯瓦米接任项目负责人 体现公司对机器视觉加人工智能路线的坚持 [1] - 新方法通过录制工人执行任务视频教导机器人快速执行拾取物体或折叠T恤等操作 [1] 训练方法对比 - 远程操作和动作捕捉是行业训练机器人的标准做法 例如波士顿动力采用类似方法训练Atlas机器人 [3] - 特斯拉内部曾使用动作捕捉服和VR设备记录人类操作数据并远程控制机器人 [1][5] - 工作人员需长时间穿着动作捕捉服执行简单任务 数据由注释者分析后用于训练人工智能系统 [4][5] 数据收集挑战 - 动作捕捉服和机器人故障问题限制数据收集量 工厂训练可能需要数十万到数百万小时数据 [8] - 数据收集成本可能达五亿美元且成功与否存在不确定性 [8] - 截至8月底特斯拉招聘页面列出50多个Optimus相关职位 但排除动作捕捉数据收集员岗位 [4] 视频训练优势 - 视频训练方法使团队能更快扩大数据收集规模 [1] - 五月份展示的机器人已能从人类视频直接学习新任务 [3] - 摄像头多角度采集能捕捉关节手指位置等细节 帮助AI模型精确适应环境 [8] 技术可行性分析 - 马斯克承认人形机器人训练需求至少是汽车训练需求的10倍 [9] - 视频训练方法与特斯拉自动驾驶软件训练流程一致 主要依靠机器视觉从数百万车主数据中学习 [10] - 专家指出单纯视频训练难以弥补虚拟与现实鸿沟 混合数据策略可能是更可行的长期方案 [12] 行业发展动态 - 行业存在多种技术路线分歧 特斯拉采用纯视频训练而其他公司坚持混合数据策略 [12] - 谢菲尔德大学专家认为特斯拉可能在寻找通用训练方法以适应各种任务 [9] - 公司可能采用与Physical Intelligence类似策略 通过大量演示数据让机器人学习可转移技能 [9]

文章核心观点 - FCloud OmniBot平台通过云端整合仿真、数据合成及模型训练服务 系统性解决具身智能开发中的标准碎片化、数据成本高及开发效率低三大痛点 实现从仿真到部署的完整闭环 [4][6][11] - 平台深度集成NVIDIA技术栈（Isaac Sim/Omniverse/GR00T/Cosmos） 提供云原生开发环境 显著降低硬件投入成本60%以上并提升开发效率 [6][7][8] - 协创数据与FCloud联合NVIDIA等合作伙伴举办技术沙龙 展示云端算力在机器人仿真训练中的实际应用 推动具身智能产业落地 [1][11][13] 行业背景与痛点 - 具身智能处于"单场景、单任务、单构型"早期阶段 产业化面临标准碎片化、高质量数据成本高昂及开发效率低下三座大山 [4] - 真实场景数据采集需实体机器人 成本高且效率低 而传统开发各环节数据流转不畅形成低效循环 [4] - 不同厂商采用异构操作系统、通信协议及硬件接口 导致算法适配需重复投入大量资源 [4] 技术解决方案 - OmniBot平台通过云端一键启动NVIDIA Isaac Sim虚拟环境 开发者按月订购算力 无需前期硬件投入 大幅降低开发门槛 [7] - 集成NVIDIA Cosmos模型实现合成数据分钟级生成 新场景数据采集成本降低60%以上 尤其适用于危险工业场景或极端环境 [8] - 容器化开发环境提供从模型微调、量化到部署的全流程支持 开发者可专注算法创新 降低团队协作成本 [8] - 平台集成NVIDIA及主流开源基座模型 提供统一接口与评估工具 通过"模型超市"模式破解标准碎片化导致的选型难题 [9] - 云盘引擎实现实时数据同步 打通分布式团队协作中的数据壁垒 [11] 生态合作与活动 - FCloud作为NVIDIA NCP Preferred级别战略合作伙伴 其OmniBot平台被NVIDIA高度认可 并在WRC大会作为Physical Ecosystem的Computing Platform合作伙伴亮相 [3] - 协创数据与他山科技达成战略合作 共建"感知+算力+具身应用"智能生态系统 [3] - 技术沙龙将分享NVIDIA具身智能平台架构、OmniBot实际应用案例 并组织种子客户、行业及高校专家探讨数据泛化与产业应用 [11][16]

机器人行业政策与赛事动态 - 深圳启动2025年智能机器人灵巧手大赛 聚焦末端执行技术攻关与应用示范 开设竞技与创意双赛道[2] - 深圳多区推介专项支持政策 已聚集超7.4万家机器人企业形成产业集聚区[2] - 北京平谷举行首届中国炒菜机器人大赛 30支队伍参与标准菜包与创意菜挑战 同步推动共享中央厨房产业联盟建设[3][5] 机器人企业技术突破 - 上海氦豚COFE+全球首发第6代咖啡机器人 实现手工拉花与3D打印功能 运营成本降低90%并出口50余国[6][8] - 宇树科技获人形机器人足部专利授权 采用气腔结构设计提升响应速度与维修便捷性 有效保护传感器部件[9][10] - 美韩高校团队研发1毫克超高速微型机器人 仿水黾扇叶结构提升推力与机动性 为环境监测等领域提供新方案[11][15] 机器人产业生态布局 - 深圳通过赛事构建创新生态 加速技术全场景应用示范 推动机器人向精细化作业方向发展[2] - 平谷区规划建设"四大基地" 构建食品营养健康产业链 促进产业集群落地[5] - 产业链覆盖工业/服务/医疗/人形机器人等细分领域 超百家代表企业形成完整生态矩阵[19][20][21][22][23]

具身智能与人形机器人发展现状 - 具身智能仍处于"幼儿园孩子水平" 仅能完成抓取 走跑跳等简单动作 复杂长程任务能力薄弱 缺乏流畅性与协调性[1] - 面临硬件长期稳定性与一致性不足 软件泛化能力弱 数据匮乏无标准三重困境[1] - 需要搭建感知—推理—执行的完整链路 并通过数据飞轮实现模型能力与产品性能的持续提升[1] 数据规模与Scaling Law关系 - 模型性能遵循Scaling Law 参数规模突破阈值后才会涌现上下文学习 复杂推理等能力[2] - 依据Scaling Law经验推演 1亿条高质量行为轨迹数据是支撑具身智能大模型能力跃迁的关键门槛[2] - 行业正加速搭建"仿真-真机融合"数据训练场 通过并行机器人 远程操控等机制高效采集大规模数据[2] 数据采集技术方案 - 光学动捕精度达0.1毫米级 适用于手指灵巧作业等精度要求高的情况[8] - 惯性动补数据连续性更好 不怕遮挡 得应急救援等领域青睐[8] - 光惯融合技术方案实现集成化 智能化高质量数据采集 保证精度同时解决遮挡问题[8] 数据采集效率指标 - 单次采集任务实现83%稼动率 60秒任务时长中高效采集50秒有效数据[10] - 人机工效比从1:10优化到1:2 效率提升5倍 机器人完成任务时长仅是人工耗时的一倍[10] - 开发人体Human to Robot映射重定向算法 将人体25个关节30个手指关节参数转化为机器人运动控制参数[11] 仿真与真实数据融合训练 - 行业采用"仿真+真机"比例混合训练模型 理想模型基于10%真机数据生成80%仿真数据 再用10%真机数据验证Sim2Real效果[7] - 真实数据用于纠偏与对齐 仿真数据用于规模扩展和多样性覆盖 二者融合训练可有效兼顾效率与表现[7] - 通过设定URDF模型物理参数维度 保证仿真环境训练动作序列迁移真机过程中物理量的一致性[12] 全栈数据解决方案 - 从数据采集延展到多模态数据整合 结构化处理 存储 标注 仿真等环节 形成全栈数据解决方案[13] - 已与宇树 智元 傅利叶 睿尔曼等市占率较高头部企业实现适配 新款机型适配能在两三周完成[13] - 标注支持自动识别框选和人工标注框选 借鉴自动驾驶矩形框选 圆形框选模式[14] 数据量需求场景分析 - 商业服务场景如咖啡店需十万到五十万条数据 最多不超过一百万条可实现99%成功率[18] - 环境变化较大场景如便利店理货与分拣可能需要百万条以上数据[18] - 工业场景需达到99.99%成功率 需要千万条级别数据规模[19] 能耗与性能评估 - 人形机器人行走功耗约1000瓦 而人类行走仅需70瓦左右 能效远低于人类[18] - FZMotion Transformer评测软件15分钟完成160+项测试 实现动作自动语义分割[17] - 通过运动学与动力学分析优化关节运动轨迹 系统优化机器人功耗模型[18] 技术优势与产业布局 - 母公司凌云光2010年布局空间视觉领域 依托光学技术29年积累构建全链路能力[21] - 单条数据采集价格是国外同行的1/10[23] - 未来将持续深耕光惯融合方案 联合大模型技术公司提供结构化数据 优化训练效率[24]

文章核心观点 - 欧洲研究团队提出并验证了一套由异构机器人团队执行的自主探索方案，用于安全高效地探索火星或月球上的熔岩洞穴，这些洞穴是未来建立永久基地的理想选址 [3][5][35] 功能互补的异构机器人团队 - 团队由三款功能各异的机器人组成：混合轮腿式探测车SherpaTT（重约210公斤，配备六自由度机械臂，最大有效载荷25公斤）、小型火星车Coyote III（重约20公斤，适合绳降和探索狭窄熔岩管，配备探地雷达）以及轻型月球车LUVMI-X（用于探索月球挥发物资源）[7][11][16] - 系绳管理与对接系统（TMDS）连接SherpaTT和Coyote III，系绳不仅用于绳降，还能传输电力和数据 [11][14] - 任务管理子系统（CMS）是团队架构核心，负责指挥机器人自主探索，每个机器人配备不同传感器和专属硬件以执行特定任务 [20] 环环相扣的四阶段自主探索流程 - 在西班牙兰萨罗特岛进行了为期21天的模拟外星实地测试，任务分解为四个阶段 [22] - **地表协同测绘**：SherpaTT和LUVMI-X在天窗周围自主测绘，生成协同数字高程图，地图点的平均水平误差仅为0.298米（标准差0.179米）[22] - **天窗勘测**：LUVMI-X将搭载RGB-D相机和IMU的传感器立方体垂降入洞穴，生成内部三维点云模型，精确定位出最窄处（“瓶颈”直径1.85米）和最佳入口点 [24] - **垂降进入**：Coyote III与TMDS对接后垂降，SherpaTT作为移动锚点并提供支撑，同时利用机械臂和模型预测控制器最小化腕关节力矩，实验数据证实所有关节力矩均在安全极限内 [26] - **洞内探索**：Coyote III在洞穴内部成功探索，在垂直横截面半径50到4米、倾角25°的复杂地形中穿越了235米，并利用ToF相机采集数据生成了洞穴的三维重建模型 [29] 研究意义与行业背景 - 随着美国Artemis月球计划、中国载人月球探测等工程推进，月球与火星地下世界成为下一个前沿竞争领域 [35] - 该研究勾勒出未来地外深度探索的清晰蓝图，表明由异构机器人组成的协同系统是探索地外熔岩洞穴等极端环境的可行且高效方案 [35][36]

大会基本信息 - 2025科技创变者大会将于9月5日在北京中关村东升科技园万丽酒店举办 由智友·雅瑞科创平台主办 北京中关村东升科技园有限责任公司和广发证券股份有限公司联合主办[2] - 大会以"具身智能 产业智变新引擎"为主题 聚焦硬科技产业化落地 核心模式为"产业对接+资源赋能"[3] - 大会旨在搭建权威专业开放的交流平台 促进具身智能领域交流合作 推动科技成果转化和商业化应用[3] 议程安排 - 上午议程包括开场致辞(09:00-09:15) 战略合作签约仪式(09:15-09:25) 具身智能产业协同创新中心成立仪式(09:25-09:30) 以及具身智能行业十大应用场景发布与颁奖(09:30-09:40)[5] - 主旨报告环节邀请意大利机器人国家能力中心Artes4.0主任Paolo Dario和北京智源人工智能研究院理事长黄铁军分别就AGI之路和具身智能技术演进发表演讲(09:40-10:10)[6] - 上午还将发布《2025中国具身智能产业星图》(10:10-10:40) 并举行智友·雅瑞科创平台发起人和广发证券高管的分享环节(10:40-11:20)[6][7][8] - 下午议程包含多场主题演讲 涵盖灵巧手技术革新(11:20-12:00) 工业具身智能机器人(14:00-14:40) 具身智能大模型应用(14:40-15:00) 以及机器人产业创业实践(15:40-16:20)[8][10][11][12] - 投资视角环节设有"产投视角下具身智能的规模化落地与攻坚"圆桌论坛(16:20-17:00) 由广发证券投行业务管理委员会委员孟晓翔主持 邀请长城资本 讯飞创投 联想创投等投资机构参与[12] 大会活动亮点 - 论坛规格为主论坛 覆盖具身智能 人形机器人 算力 芯片 核心零部件等前沿议题 预计汇聚500+科学家 创业领袖 产业专家和投资人[15] - 发布《具身智能产业星图》 深度剖析从自动化到智能化的演化逻辑 揭示未来产业战略制高点[15][16] - 成立产业创新中心 获得高端制造 消费科技等七大领域领军企业协同 开放千亿级产业场景作为验证场[16] - 设置十大具身应用展区 包括仿生手 人形机器人 机器狗 核心零部件等黑科技零距离体验 并公布《2025具身智能行业十大应用场景》[16] - 构建500+生态伙伴网络 涵盖高端制造 3C 消费服务等头部产业方 国内外顶尖高校 以及具身智能全产业链优质科技企业[16] - 媒体传播矩阵包括80+全球头部媒体深度报道 科技KOL矩阵参会 预计触达亿级人群[16][17] 参与企业阵容 - 工业机器人领域参与企业包括埃斯顿自动化 埃夫特机器人 非夕科技 法奥机器人 越疆机器人等15家企业[22][23] - 服务与特种机器人企业包括亿嘉和 晶品特装 七腾机器人 史河机器人 九号机器人等8家企业[23][24] - 医疗机器人企业包括元化智能 天智航 思哲睿智能医疗 精锋医疗 佗道医疗等12家企业[24][25] - 人形机器人企业包括优必选科技 宇树 云深处 星动纪元 伟景机器人等24家企业[25][26] - 具身智能企业包括跨维智能 银河通用 千寻智能 灵心巧手 睿尔曼智能等21家企业[26][27] - 核心零部件企业包括绿的谐波 因时机器人 坤维科技 脉塔智能 青瞳视觉等29家企业[28][29]

文章核心观点 - 具身智能作为人工智能与机器人技术融合的产物，正从实验室走向多场景应用，是AI发展的下一个浪潮[6] - 以节卡机器人为代表的国内企业，正通过构建多元化的具身智能产品矩阵和参与行业赛事，推动技术验证与产业落地[2][5][8] - 具身智能技术在工业制造、科研教育、服务等领域展现出巨大的应用潜力和效率提升价值[8][10][11][14] 行业技术发展 - 具身智能是人工智能（提供“大脑”）与机器人技术（提供“身体”）深度融合的必然结果，旨在实现与物理世界的交互[6] - 技术发展经历了从预设程序的工业机器人，到具备环境感知能力，再到借助大模型实现多模态信息处理和自然语言指令理解与规划的演进[7] - 关键技术突破包括多模态感知融合、物理交互与控制、仿真到现实迁移以及大语言/视觉模型的引入[7] 公司产品与战略 - 节卡机器人依托协作机器人技术积累，引入AI大模型，形成了覆盖双臂、移动、足式、轮式机器人及训练平台的“JAKA具身智能家族”[8] - 公司通过参与各类具身智能大赛（如RoboCup中国赛、JAKA Lumi杯）来验证技术、拓展应用边界[2][5] - 公司即将在工博会发布工业具身智能平台，旨在打通从数据采集、模型训练到部署应用的全链路[20] 应用场景与案例 - **工业制造**：在汽车总装等半柔性工序中，具身智能有望在某些工序渗透率达到70.3%[10]。节卡JAKA K1W机器人具备多模态感知、±0.05mm重复精度，适用于分拣、搬运等移动作业场景[10] - **高精度行业**：在电子、半导体等行业，节卡复合机器人通过视觉定位补偿，综合定位精度达±0.5mm，运行均速最高1.5m/s，已应用于晶圆盒搬运等场景[11] - **科研教育**：节卡JAKA Lumi平台作为一站式智能平台，软硬件高度集成，仅用50组增补数据就将抓取成功率提升至80%以上，降低了开发门槛[15] - **服务与其他**：具身智能可应用于政务、展厅、商超等场景的接待、引导、盘点任务[14]。节卡正在测试的JAKA K1L腿足人形机器人，适合非结构化环境作业[18] 技术标杆与趋势 - DeepMind研发的“乒乓机器人”在与人类模拟比赛中赢得29场中的13场（胜率44%），达到了人类业余选手水平，成为检验机器人综合能力与具身智能落地能力的重要标尺[1] - 具身智能推动机器人从执行工具进化为自主协作伙伴，成为人类在物理世界的“智能延伸”[7] - 行业发展趋势是实现“大脑”与“身体”双轨并进，使机器人具备更高的感知、理解、决策能力和场景泛化性[20]