行业与公司 * 本纪要为摩根士丹利全球具身人工智能团队发布的《机器人年鉴》第二卷，主题为“如何训练你的机器人、地缘政治、稀土、萨根的预言”[1] * 报告涉及行业为具身人工智能与机器人行业，涵盖机器人基础模型、世界模型、训练方法、边缘计算、地缘政治竞争及稀土供应链等多个细分领域[21][23] * 提及的公司众多，包括但不限于： * **科技巨头/上市公司**：NVIDIA（覆盖分析师：Joseph Moore）[76]、Google/Alphabet（覆盖分析师：Brian Nowak）[89][224]、Meta（覆盖分析师：Brian Nowak）[214]、Apple（覆盖分析师：Erik Woodring）[214]、Tesla[143]、Unity（覆盖分析师：Matt Cost）[169]、MP Materials（覆盖分析师：Carlos De Alba）[427]、Lynas（LYC.AX，覆盖分析师：Rahul Anand）[428]、Iluka Resources（ILU.AX，覆盖分析师：Rahul Anand）[429]、BYD（覆盖分析师：Tim Hsiao）[339] * **机器人/具身AI初创公司（私人公司）**：Skild AI[284]、Physical Intelligence[279]、1X Technologies[60]、Figure AI[59]、Covariant[62]、Field AI[63]、Agibot[61]、Apptronik[251] * **其他**：Epic Games（私人）[169]、Brookfield（覆盖分析师：Mike Cyprys）[199]、DJI（私人）[339] 核心观点与论据 **1 机器人技术范式转变：从预AI到后AI** * **预AI机器人**：局限于工厂，执行高度可预测、重复的任务，复杂度有限，需要有限的灵巧性，与人类交互有限或无交互[30] * **后AI机器人**：能够执行多样化任务、适应不同环境，可与人类交互，并具备持续学习能力[39] * **关键转变**：机器人正“逃离工厂”，进入家庭、农场、城市、空中、太空、军事和海洋等物理世界[45] **2 机器人基础模型（RFM）的核心概念与架构** * **定义**：RFM通过大规模机器人运动数据集进行预训练（实现广泛泛化），再针对特定任务（如抓取物体）进行后训练[53] * **与LLM/VLM的区别**： * **LLM/VLM**：基于互联网上易于抓取的文本/图像数据进行训练，输出文本、图像、代码等[96] * **机器人模型**：需要大量现实世界数据收集和模拟，输出是动作[100] * **类比人脑**：LLM主要对应大脑的创造性、解决问题、语言等功能区域（额叶、颞叶等），而物理AI则对应处理精细运动技能、平衡、协调的小脑和运动皮层，后者被描述为“最难的AI领域”[105][107] * **主流架构**：大多数基础模型基于视觉-语言-动作架构，通过神经网络处理视觉和语言输入，输出机器人动作[66][67] * **双系统方法**：开发者（如NVIDIA、Physical Intelligence、Figure）采用类似人脑的“快慢思考”双系统方法，系统1负责自动/本能反应，系统2负责通过推理确定任务中间步骤[70][72] **3 机器人训练方法、数据与挑战** * **训练方法**：主要有三种——遥操作（人类直接控制）、模拟（数字孪生+强化学习）、视频学习（基于人类或机器人视频）[140][143] * **方法对比**： * **遥操作**：能提供视觉和物理数据，相对简单，但耗时、不可扩展，数据在不同机器人形态间用处有限[147] * **模拟**：可无限扩展至多样场景，提供视觉和物理数据，但计算密集，存在“模拟到现实”的差距[152] * **视频**：基于真实世界，可通过摄像头捕获大量人类场景，理论上可从互联网抓取，但仅有视觉数据，可能需要更大样本量[154] * **特斯拉的实践**：尝试了所有三种方法，目前专注于模拟和视频学习[155] * **数据挑战与价值**： * **莫拉维克悖论**：对人类来说容易的技能（如抓取、在拥挤空间导航），对AI来说很难；反之，对人类难的技能（如多变量微积分），对AI可能很容易[127][130][132] * **物理世界的复杂性**：训练机器人执行简单任务（如从冰箱取瓶子）需考虑手指精确定位、身体平衡、肩膀角度、施加的力度、物体重心变化、环境导航、湿度、材料属性等无数细节，凸显物理AI的难度[116][120] * **数据的时效性**：最具价值的5分钟数据是“刚刚过去的5分钟”，仅次于“接下来的5分钟”，拥有最佳实时/涌现数据的公司具有重大优势[125][126] * **模拟与游戏引擎的作用**： * 模拟对机器人训练至关重要，因其更安全、可扩展且能不断改进[159] * 视频游戏本质上是模拟，游戏引擎公司（如Epic Games的Unreal Engine、Unity）已涉足该领域[166][169] * NVIDIA的显卡游戏历史为其机器人未来（如Omniverse模拟平台）奠定了基础[170][174] **4 边缘计算与分布式推理** * **NVIDIA的三计算架构**：模拟（合成数据生成）、数据中心（训练）、运行时计算机（如Jetson系列，在边缘进行实时推理）[176] * **边缘计算需求与潜力**： * **Jetson Thor**：最新一代边缘实时推理计算机，每套约3500美元，每台机器人至少配备一个，用户包括1X、Agility、Amazon、Boston Dynamics、Figure等[178][180] * **分布式推理云**：随着机器人数量增加，其搭载的推理算力可能形成分布式推理云，挑战集中式数据中心模式，优势包括能源效率、弹性/容错/安全性、灵活性/效率和低延迟[185][188] * **特斯拉的设想**：利用特斯拉AI5芯片连接其“机器人”群，形成分布式推理云，据摩根士丹利测算，假设1亿台机器人，每台2，500 TFLOPS，平均50%可用利用率，可提供约125，000 ExaFLOPS算力，相当于约700万个B200 GPU的算力，且功耗和冷却已由设备承担[193][195] * **边缘算力需求估算**： * **单机器人算力**：2024年，人形机器人约等效于2个NVIDIA Jetson Orin（275 TFLOPS），自动驾驶汽车和电动垂直起降飞行器约等效于2个NVIDIA DRIVE Thor SoC（1，000 TFLOPS）[234] * **总需求**：机器人销量增长将驱动边缘AI计算需求呈指数级增长[228] **5 地缘政治：中美在具身AI领域的竞争** * **竞争态势**：中美之间正在进行“AI霸权竞赛”[287] * **美国现状**：目前在AI模型（根据Scale AI的MASK基准测试）等方面可能“领先”[290] * **中国的战略与优势**： * **国家优先**：已将机器人列为国家优先事项[301] * **制造规模**：2024年工业机器人安装量占全球的54%，超过其他所有国家总和[302]；正在将现有制造业产能转化为生产AI机器人[297] * **垂直整合**：在电动汽车、电池、无人机、摄像头设备等领域通过垂直整合和本土化实现主导地位，例如比亚迪75%的零部件自产，大疆的飞控、摄像头、电机、电池、云台、软件均自产[338] * **STEM教育**：在STEM教育方面超过美国[309] * **相互依赖与谈判**： * **美国需要中国**：中国主导全球电动汽车电池制造和稀土磁体生产[341][344] * **中国需要美国**：美国拥有巨大的私人财富和市场[348][349] * 双方已表现出在贸易及相关问题上谈判的意愿，议题可能包括TikTok美国业务出售、稀土供应、尖端芯片等[350][351] * **竞争驱动创新**：历史表明，从战国时期到冷战，国家间的竞争是创新的关键驱动力[321][325] * **“美国发明，中国规模化”模式**：报告以太阳能电池为例，美国于1954年发明，但到2023年近100%的太阳能生产依赖中国，2024年中国新增太阳能装机容量超过美国总装机容量的1.5倍[328][330][334] * **中期展望**：中美之间将是“竞争性对抗”[360] * **潜在合作案例**：传闻苹果与比亚迪在越南合作制造机器人[356][358] **6 稀土：关键瓶颈与供应链风险** * **重要性**：稀土元素（特别是钕、镝、铽等）对于制造用于机器人关节、电动汽车电机等的永磁体至关重要[367][373] * **供应高度集中**：中国主导稀土开采和精炼，2024年分别占约90%和近90%[400][404] * **供应链脆弱性**：历史上（如2010年对日本）曾出现供应中断，导致价格飙升[408][409] * **需求激增**： * **机器人需求**：不同机器人形态需要不同数量的钕铁硼磁体（公斤/台）[390] * **巨大增量**：仅人形机器人一项，到2050年就可能使磁体需求翻倍[393] * **总量预估**：到2050年，预计售出14亿台机器人，对应170万吨磁体需求（假设磁体化学性质不变）[396][398] * **挑战与应对**： * **无快速解决方案**：建立新的采矿和精炼产能需要时间，全球新矿启动通常需要超过20年[414][416] * **中国持续主导**：预计到2050年中国仍将保持主导份额[419] * **投资与替代努力**： * **美国政府介入**：2025年7月，美国国防部收购MP Materials 15%的股份，以扩大其磁体产能，这是自2008年金融危机救助以来罕见的政府直接持股[432][433] * **摩根士丹利看好的非中国稀土股**：MP Materials、Lynas、Iluka Resources[425] * **初创企业探索**：包括无稀土磁体、稀土回收、从采矿废料中提取稀土等方向的私人公司[436] **7 数据收集与未来展望** * **视觉数据收集**：报告预测，到2030年，人们将通过众多摄像头持续收集数据以训练机器人，而不仅是口袋里的一个摄像头[203][209] * **大型科技公司的数据探针**：Meta智能眼镜等设备可能成为重要的现实世界数据来源，据估计两年内使用量超过2000万副，约相当于特斯拉上路车辆数量的两倍[219] * **行业投入**：全球对物理AI模型与开发的初创企业风险投资规模巨大（截至2025年12月10日）[240] * **萨根的预言**：引用天文学家卡尔·萨根1995年的预言，警告美国制造业流失可能带来不利的地缘政治和社会后果[442][448] * **机遇**：AI与实体经济的交汇为证伪萨根的预言提供了机会，可能重塑全球制造业格局[455] * **摩根士丹利的战略承诺**：公司将致力于阐述具身AI的故事，帮助客户识别可能超越当今全球GDP规模的行业变革者和新市场创造者[458] 其他重要内容 * **报告性质与免责声明**：内容基于未经审计的信息，不构成投资建议，特别是涉及私人公司的部分仅供信息参考，投资者应自行尽职调查[1][463] * **术语简化尝试**：报告承认AI和机器人术语混乱，并尝试简化一系列术语，如世界模型、模仿学习、LLM、预训练、数字孪生等[47] * **列举的机器人基础模型与世界模型**：报告列出了多家公司/机构开发的基础模型和世界模型示例[54][63][80][84] * **全球机器人AI赋能者概览**：报告以图表形式展示了该生态系统的关键参与者[244] * **谷歌的数据规模**：提及谷歌处理的令牌数量从2024年5月的9.7万亿个攀升至2025年4月的超过万亿个，并在2025年6月达到980+万亿个[224]