纪要涉及的行业 人形机器人行业 纪要提到的核心观点和论据 应用场景 - 工业应用对可靠性要求高，若数据量训练足够、数据集够大，机器人几乎不犯错，未来一到两年可在产线替代人，因重复度高 [1] - 酒店场景中每个房间物品摆设相似，所需训练样本空间不大，在AI不够聪明时可通过大量训练解决问题，随着数据增多和技术进步，机器人能完成更复杂任务 [2] - 工业制造领域，双臂机器人是快速落地方式，可让人直接教导，减少硬件投入，解决招工问题，且场景重复度高，但涉及上半身操作、大模型逻辑和利益交互等挑战；物流快递场景落地相对容易 [10][11] 产业落地瓶颈 - 材料方面，电机功率密度和电池能量密度是最大瓶颈，导致机器人续航短，影响产业落地。人体关节由多肌肉驱动，而机器人关节功率相互独立，功率未共享 [4][5] - 安全问题包括物理安全和信息安全，物理安全与人协作机器人安全标准类似，正在探讨国际安全标准；信息安全因机器人类似移动摄像头和话筒，很重要。此外，大规模落地需考虑投入产出比，解决前面问题后规模化才能满足要求 [6][7] 成本结构 - 机器人成本主要来自机械结构、电控感知、算力算法三部分。算力算法有边界问题，属于研发部分；传感器规模上量后成本会降低，但也是重要开支 [12][13] - 低水平工作的机器人成本可能低至一两万，但感知能力强的机器人成本难降，因技术迭代且替代劳动力价值高，类似电脑不同配置价格不同 [14][15] 手部技术瓶颈 - 人手自由度高，有三四十个自由度，且通过小臂肌肉和筋控制，短期内难解决自由度问题。早期做出的手有28个自由度，其中24个有驱动 [17][18] - 手部触觉传感器是瓶颈，其分辨率高且遍布手部，能实现精密装配感知，但面临零点飘移、温度飘移、磨损等问题，目前成熟公司少 [20] 技能训练与大模型应用 - 机器人技能训练采用分层次方式，将不同步态、动作训练成网络，再集成到大网络，通过知识征流和控制指令实现，与传统编程模式不同 [22] - 大模型对机器人控制有帮助，可调用原子操作完成任务，有两种方式：一是调用原子操作平滑过渡完成任务；二是直接端到端学习，自带任务链完成任务 [24][25] 公司壁垒 - 挖人能使公司达到行业头部水平的百分之六七十到八九十，但人形机器人离大规模落地有距离，公司需持续创新才能存活，因行业烧钱且人才流动快，硬件系统复杂维修和加工耗时 [29][30] 其他重要但是可能被忽略的内容 - 与富士康等工业制造型企业合作，3C装配是双B好的基本单元，部分企业做机器人有提升形象的考虑 [9] - 公司机器人基本能支持各种手，实验室采购过昂贵的触觉传感器，手指头上有MIMOS力觉传感器，可靠性稍好，还在德国做了类似橡胶手套的手部传感器 [26][27]