多模態(tài)大模型落地機(jī)器人行業(yè) 國內(nèi)多家企業(yè)實(shí)現(xiàn)技術(shù)突破

    本報記者 王鏡茹

    近期國內(nèi)多家企業(yè)在“大模型+機(jī)器人”已實(shí)現(xiàn)技術(shù)突破。

    業(yè)內(nèi)認(rèn)為，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場景的擴(kuò)大，多模態(tài)大模型與機(jī)器人的需求將會不斷增加，為企業(yè)提供了廣闊市場空間。此外，與其他行業(yè)的合作也將為多模態(tài)大模型與機(jī)器人的發(fā)展帶來新機(jī)遇，例如與醫(yī)療、制造等行業(yè)的合作，可實(shí)現(xiàn)更廣泛的應(yīng)用場景和商業(yè)價值。

    多模態(tài)機(jī)器人實(shí)現(xiàn)技術(shù)突破

    截至12月13日收盤，步科股份、埃夫特、綠的諧波等多只機(jī)器人概念股漲超4%。消息面上，特斯拉發(fā)布Optimus-Gen2（第二代擎天柱）人形機(jī)器人視頻，其搭載由特斯拉設(shè)計(jì)的執(zhí)行器與傳感器，行走速度提高30%，平衡力及全身控制均得到提高。

    “多模態(tài)”AI是指能處理文本、音頻、圖像、視頻和代碼等多種形式內(nèi)容的大模型。隨著多模態(tài)大模型快速迭代，國際大廠不斷關(guān)注其在機(jī)器人領(lǐng)域的應(yīng)用，并在機(jī)器人規(guī)劃、控制、導(dǎo)航等主要任務(wù)上進(jìn)行了探索。

    止于至善投資總經(jīng)理何理告訴《證券日報》記者：“多模態(tài)大模型融合視覺、語音和傳感器數(shù)據(jù)處理技術(shù)，極大豐富了機(jī)器人認(rèn)知和決策層面。該技術(shù)在機(jī)器人中的應(yīng)用，有望使機(jī)器人在復(fù)雜交互、自然語言理解和環(huán)境適應(yīng)等領(lǐng)域邁出重大進(jìn)步，激發(fā)其作為高度自主助手或勞動力的無限可能性。”

    國內(nèi)已有企業(yè)在此領(lǐng)域搶先布局。12月12日晚，奧比中光發(fā)布大模型機(jī)械臂1.0產(chǎn)品，可通過語音Prompts作為輸入，利用多種大模型的理解能力和視覺感知能力，生成空間語義信息，讓機(jī)械臂理解、執(zhí)行動作。在其同步披露的視頻中，機(jī)械臂成功完成了一系列語音口令，包括“把綠色方塊放到黃色框中”“請恢復(fù)最開始的狀態(tài)”等。

    奧比中光聯(lián)合創(chuàng)始人、CTO肖振中告訴《證券日報》記者：“公司希望通過工程化研究，使大模型機(jī)械臂在實(shí)際場景落地，包括提升機(jī)械臂自動繞開復(fù)雜障礙物來完成人類指令的能力，解決大模型+機(jī)械臂的泛化性問題，最終實(shí)現(xiàn)通用場景落地。”

    據(jù)不完全統(tǒng)計(jì)，中科創(chuàng)達(dá)、億嘉和等上市公司亦于近期相繼披露了基于多模態(tài)大模型的機(jī)器人研發(fā)進(jìn)展情況。

    商業(yè)大規(guī)模應(yīng)用仍需時間

    我國機(jī)器人行業(yè)已具備一定產(chǎn)業(yè)基礎(chǔ)。頭腦聰明、四肢靈活得多的模態(tài)機(jī)器人正成為多方競逐未來產(chǎn)業(yè)的新賽道。

    何理認(rèn)為，在國內(nèi)市場，企業(yè)已積極投入關(guān)鍵技術(shù)環(huán)節(jié)的研發(fā)和生產(chǎn)，尤其是在傳感器、精密機(jī)械部件、執(zhí)行器以及創(chuàng)新材料和輕量化結(jié)構(gòu)件領(lǐng)域，展示了蓬勃發(fā)展勢頭。

    諧波減速器是工業(yè)機(jī)器人的核心零部件。綠的諧波披露，已較早完成工業(yè)機(jī)器人諧波減速器技術(shù)研發(fā)并實(shí)現(xiàn)規(guī)模化生產(chǎn)，在該領(lǐng)域率先實(shí)現(xiàn)了對進(jìn)口產(chǎn)品的替代，極大降低了國產(chǎn)機(jī)器人企業(yè)的采購成本及采購周期。其推出的新一代Y系列諧波減速器，通過數(shù)理模型創(chuàng)新，軸承設(shè)計(jì)及加工工藝優(yōu)化，其剛度指標(biāo)較現(xiàn)有其他產(chǎn)品提升了一倍。

    不過，部分業(yè)內(nèi)人士認(rèn)為，“多模態(tài)+機(jī)器人”還處于發(fā)展階段，實(shí)現(xiàn)商業(yè)化落地仍面臨不少挑戰(zhàn)。

    “首先，技術(shù)成熟度較低，存在技術(shù)瓶頸。例如模型的可解釋性、穩(wěn)定性、安全性等方面還需進(jìn)一步提升；其次，大模型和機(jī)器人的研發(fā)和生產(chǎn)成本較高，維護(hù)和運(yùn)營成本也相對較高，需投入大量人力、物力資源。”郭濤說。

    肖振中對此表示認(rèn)同，他告訴《證券日報》記者：“大語言模型（Large Language Model，LLM）結(jié)合視覺傳感，會讓各類機(jī)器人、機(jī)械臂落地到更多場景中，如工業(yè)制造、柔性物流、商用服務(wù)等。目前大模型跟實(shí)際數(shù)據(jù)的結(jié)合還存在一定差距，大模型運(yùn)行消耗的算力也偏大，應(yīng)用需要三五年的時間逐步落地，業(yè)務(wù)成熟可能需要更久。”

    “但公司堅(jiān)信這是正確的方向，前景廣闊。”肖振中表示，奧比中光正搭建機(jī)器人及AI視覺中臺，通過多模態(tài)視覺大模型及智能算法研發(fā)，結(jié)合機(jī)器人視覺傳感器，形成自主移動定位導(dǎo)航和避障的完整產(chǎn)品方案，積極迎接智能機(jī)器人時代。

（編輯 孫倩）