Coatue重磅报告:空间大模型与通用机器人

作者 | 费斌杰 北京市青联委员 熵简科技CEO

全球顶级对冲基金Coatue近日发布了一篇关于“具身智能”的重磅报告,题为《ThePath to General-Purpose Robots》。

Coatue认为,AI机器人是一股颠覆性的力量,有望成为人类历史上最大的科技浪潮之一,值得高度重视。

这篇报告亮点很多,不仅细致分析了现阶段AI机器人面临的挑战,同时也对行业发展做出了合理展望,从投资的角度给出了专业意见。无论你是科技投资人、AI从业者、还是对机器人感兴趣的朋友,都值得一读。

下面我给大家解读一下这篇大报告。报告链接放在文末,欢迎感兴趣的朋友去看原文。

(1)理想很丰满,现实很骨感

机器人行业也许是Demo与现实差距最大的行业之一。

Demo视频中是这样的:

现实则是另一种画风:

1961年,第一台工业机器人诞生于GM,用于汽车生产流水线。

经过50多年的发展,机器人的形态变得越来越多样,功能场景也丰富了起来,有扫地机器人、四足机器人、人型机器人等。

纵观历史,机器人渗透率其实是线性提升的。

以工业机器人为例,每万名制造业员工对应机器人的数量从2013年的53台增长到2022年的151台,CAGR达到12%。

虽然机器人行业整体发展稳中向好,但是具体公司的的表现并不尽如人意。

机器人公司普遍存在商业化困难的问题,加之前期资本开支巨大,22-23年大量机器人公司破产倒闭。

(2)空间智能,让通用机器人成为可能

上一代机器人更多是执行某些单一任务的,比如扫地机器人只负责扫地,农业无人机只负责灌溉农田,工业机器人只负责机械焊接等。

但是随着AI泛化智能的涌现,下一代机器人有望成为“通用机器人”,胜任各式各样的任务与环境。

正如大语言模型让语言推理成为现实,空间大模型有望打破第四面墙,让AI真正理解物理世界,从而与之交互。

(3)机器人面临的核心挑战:缺乏训练数据

对人类来说很简单的任务,对机器人来说可能并不容易。

Coatue举了三个具体例子。

灵巧性:

空间感知能力:

平衡恢复能力:

为了克服这些问题,需要用海量数据进行训练,使机器人变得更加智能。

但是机器人是一个非常新的领域,严重缺乏训练数据的积累。

对比不同模态下的最大数据集,文本模态约15T tokens,图片模态有6B图文配对数据,视频模态有2.6B视听特征数据。

然而机器人模态只有240万个数据片段,相比其他模态而言,数据积累远远不够。

(4)机器人训练数据的四种采集方式

既然数据是机器人发展的核心瓶颈,那么有什么方法可以快速积累机器人训练数据呢?

近年来,这方面的研究层出不穷,逐渐形成了四种流派。

机器人数据采集方法1:远程操作(Teleoperation)

顾名思义,由实验人员操作机械手柄,远程控制机器人做出相同动作,以此来积累数据。

机器人数据采集方法2:AR

在一项名为《Explainable Human-Robot Training andCooperation with Augmented Reality》的研究中,研究人员通过AR(增强现实)技术让人机交互过程具备更强的可解释性,从而进行数据积累。

机器人数据采集方法3:仿真

通过海量算力进行模拟运算,计算得出海量机器人训练数据集。

仿真可能是目前最有可能做到规模化数据生成的路径,背后需要巨大的算力支持。

目前Nvidia的Jim Fan团队采取的就是这条技术路径。

机器人数据采集方法4:视频学习

通过多模态大模型,直接让机器人通过视频学习人类动作,从而积累训练数据。

(5)机器人成本与人类工资的黄金交叉

随着GPU成本的下降,大模型训练的成本大幅降低。

过去一年中,Azure云平台上的A100显卡租赁价格从6美金/小时下降到1.5美金/小时,降幅达到75%。

硬件成本同样在快速降低,20年L3 LiDAR传感器的成本在7400美金左右,现在已经腰斩到3200美金。

机器人成本不断下降的同时,人类的薪酬水平却在稳步提升。

可以想见,在不久的将来,二者终将迎来金叉。

Coatue认为26-27年人型机器人的成本就会降低到人类平均薪酬以下,这无疑会对全球劳动力市场造成重大冲击。

(6)硅基生命进化进行时:更快的速度,更高的灵巧性

作为硅基生命的代表,机器人在很多场合的能力表现已经超过了人类。

比如宇树的H1机器人行走速度达到3.3米/秒,而人类平均行走速度只有1.42米/秒。

除了行走速度之外,机器人动作的灵巧性也在快速提升。

马斯克表示,今年新的Optimus机器人将有22个自由度。

随着大量AI机器人公司的涌现,硅基生命的进化速度会越来越快。

(7)类比无人驾驶,L4人型机器人即将到来

在自主性方面,人型机器人与无人驾驶汽车类似,可以分为L1到L5。

无人驾驶汽车从L1到L2花了大约20年,而从L2到现在的L4只用了不到10年。

人型机器人从L1到L2用了大约50年,从L2到L4预计只需要不到5年。

(8)机器人的“ChatGPT时刻”即将到来?

大模型发展如火如荼,大家都在期待着机器人领域迎来自己的“ChatGPT时刻”。

纵观过去20年,真正称得上科技领域的“WOW!时刻”的只有三次,分别是07年的iPhone、22年的ChatGPT、以及24年的无人驾驶。

这些“WOW!时刻”有着一些共同特征。

首先,它们都在day 1带来了激动人心的use case,并通过口耳相传形成病毒式传播。

其次,应用成本达到拐点,使得技术能够向市场大众普及,构成正向的商业模型。

第三,开发者社区增长迅猛,围绕核心技术及产品形成商业生态。

Coatue预测,机器人并不会迎来所谓的“ChatGPT时刻”,因为它尚不具备以上几点特征。

相反,Coatue认为机器人的普及,会经历由浅入深的三个阶段,走出一条独特的发展路径。

第一阶段:Seeing,人们通过电影、小说等媒介对机器人形成初步模糊的了解。

第二阶段:Experiencing,指消费者直接享受机器人提供的服务,而非自己拥有机器人,类似B2B2C的模式。比如你在咖啡厅享用一杯机器人拉花的咖啡,就属于这个阶段。

第三阶段:Owning,即每个用户自己拥有一台或多台机器人。

Coatue还预测了人型机器人能力的成长曲线。

对于家庭人型机器人,能力成长路径依次为:扫地 -> 做饭 -> 管家-> 保姆。

对于户外人型机器人,应用场景成长路径依次为:仓库 -> 门店 -> 消防-> 手术。

(9)投融资火热,机器人生态渐成

随着奇点的不断逼近,AI机器人公司的投融资越来越火热。

围绕AI机器人,一个完整的生态圈正在形成,包括机器人开发工具、机器人训练数据集、机器人运维、空间大模型、机器人生产制造等。

(10)Wintel,还是围墙花园?

类似PC时代,AI机器人正在形成Wintel-like以及Walled Garden这两种典型的商业模式。

Neuralink的脑机接口、SpaceX的卫星通信、Tesla的无人驾驶、xAI的大语言模型、Optimus的人型机器人,马斯克的这盘大棋正在逐渐浮出水面,越来越清晰。

作为AI时代极少数拥有机器人全栈能力的公司,Optimus的发展值得期待。

(文毕)

欢迎关注我的公众号,这里会分享一些前沿科技及投资的最新观点。

原文标题:Coatue - The Path to General-Purpose Robots

可以关注公众号,回复【coatue】获取报告,五日内有效。

报告正文也可以在AlphaEngine中查看。

PC端可以登录:

https://www.alphaengine.top/

小程序版可以点击:AlphaEngine

打开APP阅读更多精彩内容