Robot潮声丨政策加码热钱涌动 机器人行业拐点已至？

编者按：1977年，彼时还默默无名的乔治·卢卡斯携《星球大战》一炮而红，电影中忠诚勇敢的机器人——R2-D2让全美乃至全球的观众第一次对机器人有了具体而微的印象，在那个互联网还没有普及的年代，人类似乎听到了来自未来的“心跳”。

但在各种数字化、智能化技术层出不穷的今天，机器人变得更加普及，其角色与含义也愈加丰富。千行百业的数字化浪潮中都会出现他们的身影。但与此同时，由于机器人背后有着多种学科的交叉，其产业发展仍受制于技术研发水平、产业链上下游成熟度乃至于国际局势的影响，在不远的未来，全球机器人产业又将呈现出怎样的图景？

为此，21世纪经济报道策划了“Robot潮声”系列报道，我们将从工业、医疗、家庭等各种场景出发，拆解当代机器人产业发展的密码。希望为行业提供一种独特的理解机器人产业的视角。

21世纪经济报道记者张梓桐 上海报道

今年年初，工信部等17部门联合印发《“机器人+”应用行动实施方案》，提出到2025年，制造业机器人密度较2020年实现翻番，服务机器人、特种机器人行业应用深度和广度显著提升。 

与此同时，发力打造机器人产业发展高地的上海也在近期发布了《上海市智能机器人标杆企业与应用场景推荐目录》。其中指出，到2025年，上海市将打造10家行业一流的机器人头部品牌、100个标杆示范的机器人应用场景、1000亿元机器人关联产业规模。

政策加持之下，市场情绪涌动。机器人赛道内的玩家们一方面在不断深挖技术护城河、形成竞争壁垒，另一方面也在期待，机器人产业爆发的奇点将会在何时到来？

中国科学院院士，上海交通大学机械与动力工程学院教授丁汉在近日举办的2023机器人科技创新论坛上表示，随着大数据、数字孪生等技术的涌现，未来机器人将扮演着重要的融合性功能。“机器人将会与多个学科进行交叉，例如多模态赶着、群体智能等，同时机器人将与信息技术深度融合，产生许多新的制造理论，一些新的制造模式也将会涌现。”

交叉融合 

若论及近期机器人行业内的明星产品，特斯拉推出的“擎天柱（Optimus）”当仁不让。

在近日的特斯拉投资者大会上，马斯克表示，特斯拉汽车是放在轮子上的机器人，在现实世界的AI方面没有人，也没有公司能接近特斯拉的水平。

马斯克放出豪言称，通过将特斯拉的已有技术整合在一起，就能直接制造出来一个擎天柱（Optimus），其中包括电器电子架构、电池包、电动马达等用于汽车的部件和技术都可以直接使用。

马斯克对于人形机器人充满信心的畅想开始让行业期待，机器人产业的拐点是否已经到来？

上海机器人产业技术研究院院长黄慧洁在接受21世纪经济报道采访时表示，机器人与人工智能领域目前正处于深度交叉的阶段，人工智能技术、深度学习的算法等正在助力机器人应用更加广泛和深化。 

人工智能技术的核心是自然语言处理，AIGC需要机器能够理解人类语言，并能够根据语言生成相应的内容。应用在机器人领域，意味着机器人将能够更好地理解人类语言，并能够根据人类的需求生成相应的内容；同时，人机交互也将更加智能化，从而更好地为人类服务。 

以家庭的机器人助手为例，这是机器人行业内部以及普罗大众都有共识的广阔市场，但为什么目前机器人助手没有进入到日常家庭里？

在黄慧洁看来，核心原因在于机器人的智能水平还不够。而如果要提升其智能化水平，就需要涉及到人工智能的算法、算力以及大量的数据，然后再进行反复的训练。 

“从物理角度实现机器人助手，现在已经非常成熟，它只需要移动底盘以及操作手臂，然后配备各种感知手段。因此目前很多研究机构和头部企业都在研究如何用人工智能然后来进一步训练机器人的’智商’，换言之，如何识别出各种场景，同时自动判断要执行何种任务都需要人工智能技术的加持。”黄慧洁说道。

除此之外，在物流分拣场景之内，人工智能技术也将会进一步赋能机器人产业。黄慧洁向记者举例称，城市的快递网点包裹都非常无序凌乱，现有的机器人在识别、抓取包裹的时候也并不灵活，而通过人工智能算法的加持可以快速的提高分拣效率。

“机器人在看到物品后可以通过拍照快速识别出物品的种类，并且迅速决策应该抓去的部位，应该用多大的力，应该怎么去抓等问题，由此可以高效的完成作业。” 

而在丁汉看来，机器人产业与芯片技术也在走向深度融合，他表示，3C行业等领域的装配作业很多依靠人类来完成，这代表着自动化的智能制造在这其中有着巨大的市场需求，但这背后需要工艺支持和人的传感信息高度融合。 

但与此同时，大规模算力芯片的价格日益昂贵。“构成AI人工智能三大要素则包括：数据、算法、算力，其中尤以芯片的算力是最重要的一环。由于模型训练参数量的使用与算力成正相关，ChatGPT 升级演进从GPT-3 到3.5再到现在的GPT-4 ,其参数使用量从1750亿到1.7万亿再增加到3.3万亿，投入资金亦水涨船高。”一位行业人士对记者分析道。

数据质量挑战

21世纪经济报道记者在采访了解到，总体来看，在智能制造等场景中人工智能技术的应用越来越广泛。不过，在人工智能关键的数据质量方面，行业发展仍存在一些瓶颈问题需要突破。

一位国内主攻云控平台的机器人企业工程师告诉21世纪经济报道记者，人工智能技术需要大量的数据来训练模型，但在实际应用中，数据的质量往往难以保证，包括数据的准确性、完整性、一致性等问题都会影响模型的准确性和稳定性。 

另一方面，人工智能技术所高度依赖的数据作为一种归属权和使用权分化还尚不清晰的生产要素，其在生产和利用过程中的商业伦理问题仍待解决。

“在智能制造场景中，人工智能技术需要处理大量的敏感数据，如企业的生产数据、客户信息等，这会带来安全和隐私问题，这同样需要采取相应的措施来保护数据的安全和隐私。”上述人士说道。 

与此同时，人工智能对制造系统的进化也起到了很大影响，人工智能产业模式和云端工业智能网将给制造业带来大的变化。

除此之外，丁汉指出，未来制造业中机器人将扮演更加重要的角色。“我们以前看到机器人会进行喷漆、码垛、焊接等工作，但在未来会有更多充满技巧性的工作来由机器人完成。这里面最底层的逻辑就是把人类智慧融入到制造过程，实现非结构化过程中的智力制造。”

最大的挑战则在于机器人灵巧性和机器人多模态感知与协同优化。丁汉表示，智能制造未来主要的发展趋势之一就是机器人化的智能制造。这里面涉及大量科学问题和关键技术，政府需要把底层技术和基础打牢，有了基础和技术才可以进行下一步的技术突破。 

“马斯克为什么可以推出人形机器人？它的机器人与智能汽车和太空领域的底层技术都有共通。”在上述人士看来，未来人工智能技术将成为机器人领域的核心竞争力。因此随着人工智能技术的不断发展，机器人将具备更加智能化、自主化的能力，能够更好地适应各种复杂环境和任务。

这也将进一步推动机器人应用场景的不断拓展，促进机器人与人类的更加紧密的融合，迎来更加广阔的发展空间和市场需求。