免责声明:下面内容只做产业观察、行业信息分享,不是投资指导,不聊买什么、怎么买,不教任何交易方法。赛道处在早期阶段,技术、订单、落地进度都有变数,大家当个行业故事看就好。
哈喽,我是好运。
好多朋友最近跟我唠:刷来刷去全是各种大模型、短视频 AI,看着热闹,转头一想,好像这些东西大多都只能在手机电脑里跑,没法真伸手干点实在活。
其实啊,AI 这盘棋早就悄悄换赛道了。不是谁模型吹得越厉害谁就赢,真正难啃、慢慢要跑出结果的,是大家听得有点玄乎的“物理 AI”,也就是常说的具身智能,最核心的载体就是人形机器人。今天咱们不搞花里胡哨的图表轰炸,就像坐一块喝茶聊天,把这个人形机器人最关键的具身控制赛道好好捋一遍,哪些地方先跑出来、坑在哪、平时该怎么看,一次性说清楚。
很多人第一反应:人形机器人,那不就是拼减速器、拼电机吗?谁家零件做得好,机器人就能满地跑。这话只说对一半。硬件确实是骨架跟肌肉,但没有一套靠谱的具身控制,再贵再好的零件拼在一起,基本也就是展厅里表演一下,走两步、抓个瓶子,到工厂里真要天天干活,动不动就抖、摔、抓不住东西。控制这套东西,才是指挥全身怎么使劲、怎么平衡、怎么随机应变的那个“总调度”。
咱们先把两件事分开:会“想”和会“做”,根本不是一回事。
大模型更像咱们大脑里负责思考说话那一块。你跟它说“把箱子搬到工作台”,它听得懂这句话,知道目标是什么,适合慢慢规划一套方案。可机器人要真动起来,每一个关节转多少、用多大劲、重心往哪挪,不能慢悠悠想半天。底层控制得反应极快,稍微慢一点,身子稳不住,直接摔一个。一个慢思考、一个急反应,这一对矛盾,就是现在行业里公认最难跨过去的一道坎。
以前那种老工业机器人,路子简单多了。提前写好一套固定动作,在一模一样的位置、一模一样的环境里反复干活,效率很高。可只要东西歪一点、地面有点滑、光线变一变,它就容易懵。具身控制不一样,它靠眼睛、触觉、力感一堆传感器不停摸环境,一边感知一边调整动作,碰到没见过的东西、没踩过的地面,也有机会自己想办法完成任务。这就是跟传统自动化最大的差别:不是死记一套动作,是真的会在现实世界里“随机应变”。
整条具身控制产业链,不是单独一个软件或者单独一个零件,是一整套体系,一层一层往上搭,节奏完全不一样。
最底下那一层,就是世界模型跟仿真平台。说白了,不能什么都拿真机器人一遍一遍摔着试,成本太高,机器也扛不住。行业现在普遍的做法,就是搭一个足够真实的虚拟世界,让机器人在里面反复练走路、练抓东西、练躲障碍,把练出来的本事再搬到真机上去用。但这个活不是做个好看的动画就行,虚拟世界里的摩擦力、东西轻重、一碰就变形的手感,都得跟现实贴得足够近,不然模拟器里练得再好,一落地直接“翻车”。这块属于打底的基础设施,投入大、见效慢,短期很难立刻看到大把利润,但长期来看,只要人形机器人产业真起来,谁都绕不开它。
再往上一层,就是具身大模型和运动规划算法。这一层负责把一个大目标拆成一步一步该怎么动,是走左边还是绕过去、手怎么伸才能抓住东西。现在行业里有两条路子在抢跑道:一种是分工干活,大模型负责想大方案,专门的运动控制器负责把动作做稳;另一种是想一套模型直接输出关节指令,也就是大家常听到的端到端路线。目前哪条路最后能跑通,还没有定论,属于还在激烈试错的阶段,变数不小。
再往上,也是最近大家盯得最紧、落地确定性相对更高的一块:实时运动控制器加上柔顺力控这套系统。不管上面怎么规划,最后所有指令都得送到这一层,一边指挥各个关节怎么动,一边不停读力传感器、触觉传感器传回来的信号,快速调力度、调位置,保证不摔倒、不把东西捏碎,也不会抓不住。很多人容易忽略一点:普通工业机器人的控制器不能直接拿来给人形机器人用。工业机械臂大多固定在底座上,不用操心整个人会不会倒;人形机器人是站着的,一个动作牵动全身重心,控制难度直接上一个大台阶,这也是现在国内不少团队拼命啃的方向。
最上面大家最熟,就是各种感知和执行硬件:深度相机、触觉传感器、六维力传感器、伺服电机、一体化关节、减速器这些。它们就是机器人的眼睛、皮肤和肌肉。硬件跟算法绑得特别紧,传感器不准、电机反应慢、零件间隙大,再好的控制思路都发挥不出来;反过来,一堆好零件摆在那,没有一套能控得住的算法,也就是一堆贵价配件。所以现在越来越多团队不只是单独卖零件,而是打包一套控制方案加上关节总成一起推。
如果看时间线,短期这两三年,最先看到实际落地迹象的,大概率是实时控制器、力控方案,还有配套的一体化关节、高端力传感器;等产业再往前走一段,仿真平台、世界模型才会慢慢跟上;再往远看,真正通用的端到端具身智能,才有可能打开更大的想象空间。
这里也跟大家把落地预期说实在一点,别被短视频里那些炫酷演示给带偏了。
未来两三年,人形机器人基本不太可能大批量跑进家里做家务。家里东西乱、场景千奇百怪,安全要求又极高,成本也压不下来,这条路还要磨很久。真正先跑起来的地方,基本都在工厂里面:搬料、分拣零件、帮忙装配、去一些人不想去或者危险的地方巡检。这些场景相对可控,企业愿意花钱试,容错空间也大,是最有机会先跑通闭环的。
整个产业现在大概处在这么一个阶段:样机越来越多,不少整机厂已经拿回去在自己厂里小规模测试,一边试一边改毛病;再过一段时间,如果测试效果稳住了,订单慢慢上来,才会进入一个小规模放量阶段;等到后面接口、通信标准慢慢统一,各家设备能更好地搭在一起,整个生态才算真正成熟。一句话总结:现在不是遍地开花,是从实验室往工厂试点慢慢挪的关键过渡期。
当然,这条路不是一路绿灯,有几个实打实的卡点,也是整个产业能不能走下去的关键。
第一个,就是仿真跟真机之间那道“鸿沟”。虚拟世界再怎么调,现实里地面打滑、沾点油、光线忽明忽暗、零件用久了有点磨损,都会让之前练好的效果大打折扣。拿真机器人去采集大量靠谱数据,成本高、速度慢,是所有人都头疼的问题。能不能持续拿到真机测试机会、能不能跟做整机的团队深度一起迭代,直接决定很多方案能不能活下来。
第二个,就是快慢怎么配合。上面负责想方案的那一套慢一点没关系,下面负责稳住身体的那一套必须快。怎么把两边调度好,紧急情况交给机器人自己立刻处理,复杂规划再交给后台,这里面有一大堆工程活要慢慢磨,本地算力、实时操作系统这些,全都是配套要跟上的。
第三个,就是力控能不能稳得住。抓东西、跟人一起干活,全都靠感知力度。高端力感传感器现在国产替代虽然一直在推进,但还有短板;就算传感器过关,长时间连续跑之后,参数飘、动作抖、每一台机器效果不一样,也是量产路上绕不开的坑。实验室里演得好,不等于批量出厂每一台都靠谱。
第四个,就是性能跟成本怎么平衡。现在一套能好好干活的人形机器人成本还很高,如果降不下来,算不过来一本经济账,就算技术再炫,工厂也不会大批量买。不是一味堆最贵的零件就行,怎么在够用的前提下把价格往下压,是一场长期拉锯。
那平时看这个赛道,怎么区分是真在做事,还是单纯蹭热度呢?不用搞得特别复杂,盯着几个信号就行。
第一,看是不是真的进了实际测试场景,不是只拿个样机拍视频。有没有跟做整机的团队一起长期打磨、有没有实实在在的试点项目,比单纯“送样”更有分量。送样只是递个名片,能不能留下来一起长期迭代,才是真本事。
第二,看主业到底是什么。有些公司本来就是做传统自动化、普通机械臂控制的,只是顺带提一嘴人形机器人,这块业务占比很小,那它更多就是沾点边,不是主线。
第三,看到底有没有啃硬骨头。是自己踏踏实实做平衡、力控、实时控制整套工程,还是简单套个现成大模型接口就包装成具身方案。后者门槛低,很容易被换掉。
第四,看迭代速度。有没有持续放出新的测试版本、新的试点场景、新的真机测试结果。如果喊了很久,一直没什么实质进展,那就要多留个心眼。
还有一点一定要分清:有的行情纯粹是消息带起来的,比如一台新机发布、一个新模型出来,短期热度拉满;真正产业落地,得靠一批一批实实在在的订单跟落地数据堆出来。消息催出来的热度来得快退得也快,别一头扎进去追风口;真正的产业机会,是慢慢跑出来的。
既然是早期赛道,风险肯定不能藏着不说。
技术路线还没定,万一押错方向,前期大把投入可能就白费;就算技术跑通了,工厂愿不愿意买单、多久能回本,也是另外一回事;热度上来之后,资本往里挤,产能一多,价格竞争就容易变激烈;研发要一直砸钱,不少团队要扛很久的资金压力;再加上人机一起干活,安全标准、认证流程都很严,一旦出问题,整个行业推进速度都会受影响。所以看这个赛道,适合长期跟踪、慢慢看产业变化,不适合一股脑赌上去。
总的来说,物理 AI 不是一个凭空吹出来的概念。大模型负责听懂、想明白,具身控制负责伸手、做得到。AI 从屏幕里走出来,到现实世界里搬东西、干活,这一步一旦踩稳,就是一个很大的变化。接下来这几年,就是看控制器、力控方案、一体化关节、仿真平台这些环节,谁能先跑出来、谁能拿到真实场景里的反馈、谁能慢慢把成本跟稳定性做上去。
当然了,不是说只要沾上人形机器人三个字就一定能成。这个赛道最后一定会大浪淘沙,很多团队试到一半就会掉队。咱们看这个产业,核心不是追着热点跑,而是盯着实实在在的落地信号:有没有真机器在工厂里持续跑、有没有拿到试点反馈、有没有一步一步把稳定性做上去。
最后咱们聊两句:你觉得在这些环节里面,是先靠力控跟控制器把基础动作稳住,还是一体化关节先放量,又或者仿真平台会成为后面真正的“隐形赢家”?你觉得人形机器人最先扎根的地方,会是工厂里那些重复又累人的岗位,还是再过几年慢慢摸到家里来?
我是好运,平时不爱堆虚头巴脑的概念,就喜欢蹲在产业边上看真东西落地。不管是具身智能,还是高端制造这些新方向,我都慢慢给大家聊清楚背后到底发生了什么。喜欢听实在行业故事的,点个关注,咱们接着蹲赛道、看变化,下期继续聊。
热门跟贴