人形機器人在2023年吸足了業界的眼球，資本對它們的青睞也顯而易見。但由于迄今為止，還沒有一個真正落地，甚至能正常運行展示的產品出現，大批廠商并沒有輕易入局，而是在觀望先鋒企業是否能做出落地產品，再隨后跟上。因此人形機器人與其說掀起了一波浪潮，不如說是雷聲大，雨點小。

在年末回望，真正稱得上今年業界的最大風口的，無疑是人工智能。

從資本的風向來看，人工智能可以說是2023年幾乎唯一的亮點。由于全球經濟形勢并不景氣，疊加地緣政治的因素影響，資本進入了寒冬期。

知名投融資分析機構PitchBook的數據顯示，2023年上半年全球風投資金總額只有1739億美元，同比下降48%，融資次數也下降19%。到了第三季度，情況并沒有改善，全球融資額同比下降了31%。

而人工智能卻逆勢上升，第三季度全球人工智能企業融資額同比增長27%，達到了179億美元，甚至超過了其他硬科技賽道的融資總額。

這也難怪某資本行業從業者說：“今年科技賽道只有兩條，AI和其他。”

從產業端來看，盡管以Chatgpt為代表的AI大模型風頭無兩，但落地場景成謎，由于目前大模型在文字、圖像生成領域表現出色，許多人認為這一波AI更可能首先在服務或設計行業落地。

但實際上，高工移動機器人發現，許多移動機器人企業認為人工智能是助推工業移動機器人爆發的關鍵技術，目前正在將人工智能的最新進展接入到他們的產品體系中，而且其中數家企業強調“這絕對不是噱頭”。

有業內人士就表示：“你說今年行業沒有亮點，我是不同意的。年初開始，AI對我們啟發非常大，我覺得這個是行業進化的機會，是能夠真正促使移動機器人爆發的變革。”

或許這波人工智能革命，首先落地的行業，將會是工業移動機器人。

0****1

大模型如何賦能工業機器人？

在年初被大模型革命性的能力震撼過后，業界人士目前已經回歸理性，AI大模型的具體落地場景，能夠帶來多少收益，成為行業關心的核心。

據高工移動機器人走訪，人工智能目前主要在三個領域加持工業機器人：

1、人機交互。一直以來，機器人的控制、調度與排障都需要熟悉相關知識的專業人員，這意味著高企的人力成本。由于大模型在自然語言處理與生成、語音識別等面向領域的算法驚人進展，在人工智能的加持下，現場工作人員能直接用自然語言，讓大模型生成代碼操控機器人，因此與機器人的交互能夠實現低代碼，甚至無代碼的人機協作。

同時，與傳統的人機交互方式不同，操作者能夠輸入多模態指令（比如圖片、文字與語言），并且通過多輪命令修正機器人的行動。

實際上，這也是科技巨頭試圖落地大模型的主要途徑之一。谷歌在3月時，推出的PaLM-E著重用自然語言指揮機器人抓取米餅；阿里在4月時就透露，正在實驗將千問大模型接入工業機器人，用自然語言遠程指揮機器人工作，并且放出了工程師實際操作的視頻。

**2、視覺檢測。**業內人士表示，盡管圖像識別是人工智能最主要的應用領域之一，但直到今年，AI+在機器視覺領域的應用有了革命性的進展。據其介紹，過去應用人工智能，他們需要大量的圖片標注，各種各樣的瑕疵樣本，但還是會有從未見過的新瑕疵出現，無論是訓練的算力、部署的時間或是需要的人力成本都非常高。

現在由于大模型的出現，他們只需要提供良品樣本，就能在消耗極小的算力下，在更短的時間完成在產線上的部署。與此同理，相比目前普遍運用的技術，移動機器人在例如強光等室內外復雜場景下，識別周邊環境以及避障能力也得到了提升。

3、具身智能。由于大模型的發展，機器人理解與處理多模態信息的能力也得到了空前提高。機器人作為一個多傳感的集成設備，能夠同時通過視覺、觸覺等方式獲取信息，因此在視覺識別出某個原料后，就能根據材質調整夾取的力度或者加工的動作。

值得一提的是，如果冷靜地觀察人工智能以及機器人行業的發展，其實會發現，工業機器人與人工智能的融合，已經有相當長的歷程，許多企業也摸索出了多條落地的路徑。

某家老牌機器人企業的負責人告訴高工移動機器人，他們早在2017年前后，就開始探索人工智能在移動機器人上的應用，那個時候做的還是比較簡單的語言識別的人機交互，可以用自然語言命令某個機器人移動到某個地點，進行某個動作。

今年以來Chatgpt領銜的大模型狂潮，與其說是徹底改變了工業界應用人工智能的路徑，不如說是讓企業探索這些路徑的速度更快，想象空間更大。

當然，這并不意味著大模型是個噱頭，它確實革命性地提高了人工智能的部署、迭代與進化速度。

某機器人企業產品線負責人就表示：“舉個例子，大模型讓機器人具備意圖分析的能力，這相比之前就有巨大的差距。以前，你要很精確地告訴它，它要具體做ABCD的動作。但現在的話，它能夠識別意圖，你告訴它AB它就會主要詢問你是否要做CD動作。當能夠識別操作者的意圖后，就意味著我們能夠用更少的關鍵詞錄入，更短的訓練時間，機器人自己就能進行關聯和分析，讓人工智能自主來處理。”

過去多年的研發與實踐經驗積累，以及保障人工智能運作的數字基礎設施的持續建設（例如邊緣計算技術、數據庫、大數據平臺等）讓工業界能夠在大模型的崛起后，迅速擁抱新興技術，或許可能成為人工智能大模型率先落地并獲得收益的行業。

0****2

AI+工業時代為何還未到來？

盡管未來前景很美好，但大模型在工業界的落地之旅其實還是崎嶇難行。

這主要出于三方面的原因：

1、目前大模型的研制還處于初步階段，大部分企業無力進行探索。高工移動機器人發現，許多企業都認為大模型肯定在工業領域大有可為，也已經投入了人力物力進行研究，但他們都表示需要的成本太高，因此只能是巨頭們的游戲，以目前中國機器人企業的實力，從底層開始構筑基礎模型近乎不可能。“我們是不想搞嗎？不是啊，我們太弱太小了，沒辦法啊！”

2、**訓練數據缺乏。**眾所周知，人工智能大模型需要大量數據訓練，但在工業領域，許多企業的數字化改造還是非常初步的階段，無法提供足夠訓練人工智能的數據。況且，工業界的數據是各個廠商非常核心的資源，不可能共享出來，更不可能開放供外部的大模型訓練使用，因此人工智能無法發揮它的全部實力。

另一方面，**制造業中的細分場景紛繁復雜也讓企業難以提供足夠的訓練數據。**即使是同一個細分賽道中，同一生產鏈條上也會有相差甚遠的場景，它們產生的數據與對人工智能的需求也各不相同。

有企業負責人就曾說過：**“制造業遠看是個萬億級的市場，近看就是一萬個億級的賽道。”**這也意味著，要么針對不同的場景收集不同的數據，要么就在不同場景使用同一個通用的大模型。但前者的成本太高，也不一定有足夠的數據；后者則很難適配相差甚遠的不同場景。

3、**成本依然居高不下。**工業領域對每項技術的首要衡量標準就是投入產出比，對成本的核算非常仔細。

拋去雇傭訓練大模型所需要的工程師團隊的人力成本，而大模型目前的訓練成本依然很高，人工智能需要進行計算，那么就需要相應的硬件成本，每日維持還需要高額的算力成本，盡管沒有一個精確的數字，但這是大部分企業無法承擔的費用。以Openai為例，僅在Chatgpt上，他們每日就要燒70萬美元維護，因此需要包括微軟在內的巨頭提供源源不斷的融資輸血，這是絕大部分企業無法做到的。

此外，目前業界對它的使用還處于初步階段，大模型還沒有表現出它在降本增效方面的能力。在大模型高昂的成本之下，產出卻依然成謎。**直白而言，人機交互、具身智能這些功能，到底能為企業節約多少錢？提高多少效率？**目前來看，企業其實很難算清楚，因此，目前工業界對大模型的普遍態度，還是認為需要時間探索。

每一個使用過Chatgpt的人，都不會懷疑人工智能將引發下一波科技浪潮；每一個了解機器人的人，也必然相信工業界的終極形態應該是全自動的智能工廠。AI與機器人的共同點就在此，大家都相信它們是科技發展的彼岸，但如何跨過中間的鴻溝，還要多久才能跨越？這些都猶未可知。

但或許，我們離未來只有一步之遙。






審核編輯：劉清