中国是世界上最大的工业机器人市场。根据IFR的统计，其增速远超行业平均水平。然而长久以来，国内工业机器人行业长期被四大家族（发那科、安川、ABB、库卡）垄断。即便如此，通过新松机器人、埃斯顿、埃夫特等中国国产机器人企业积极耕耘，国产机器人厂商成功分一杯羹，渐渐占据市场装机量的三、四成。除了传统的工业机器手臂，新一代的机器人厂商如节卡、海康机器人、灵动科技等已经迅速建立起一套完善的协作机器人和移动机器人解决方案，在国内甚至海外都有亮眼的成绩单。
随着机器人的产品线日益多元化，具有高度的创新性和伸缩性的生成式人工智能则成为备受业界瞩目的新风口。传统上，机器人擅长收集和处理传感器信息。机器人依靠基于卷积神经网络（CNN）的计算机视觉来完成各种关键应用，包括路径规划和优化、物体检测和人员检测。这些卷积神经网络非常精准，而且相对容易训练，但由于它们不是为通用目的而设计的，因此不能很好地扩展。
相比之下，基础模型更适合开发能处理更广泛任务的机器人。制造业企业可以使用基础模型，如大型语言模型（LLM）、视觉语言模型（VLM）、视觉转换器（Vi-T）和视觉-语言-动作模型（VLAM）等将从现有的机器人数据输入中，进而产生新的输出，引导机器人进行各种举措，如代码编程、动作指令和车间内导航。例如，Vi-T 可以使用大量数据进行预训练后再转移到数据点较少的功能和应用场景，前提是工业机器人厂商需要使用各种模型压缩工具对基础模型进行优化。
即便如此，国产机器人要部署生成式人工智能仍然困难重重。大部分厂商缺乏大规模和多样化的机器人数据来进行预训练和微调。在硬件端，要在机器人嵌入生成式人工智能，英伟达 GPU 仍然是云基础设施和机器人首选的人工智能芯片。不过，高阶 GPU 可能非常昂贵且耗电。
面对这种挑战，国产机器人厂商可以考虑高通、安霸、地平线等非 GPU 供应商。这些针对高度优化的基础模型而设计的芯片组基于不同的架构，包括 CPU、FPGA（现场可编程门阵列）和DSP（数字信号处理器）。数据方面的挑战则可以利用生成的合成数据和高保真模拟且可扩展的虚拟环境来解决。在模拟环境中，可以指示由基础模型控制的机器人执行各种机器人应用，包括现实生活中罕见的边缘情况和场景。然后，收集数据并反复运行数千次基于物理的模拟，以开发和微调正确的动作序列。然后利用这些模拟来训练其他机器人执行特定领域的任务。
作为目前科技的顶端，未来人工智能和机器人的结合又将何去何从呢？人工智能界大佬李飞飞创办了空间智能公司World Labs，意味着以机器人为载体的具身智能便是下一个大风口。在这一技术愿景下，嵌入人工智能的机器人与周遭的物理环境互动，并从中学习。摆脱模拟环境的机器人通过不断尝试和犯错，使其内部的人工智能形成对现实世界的表征和理解。它还具备多步骤推理能力，能将复杂指令分解成中间步骤，并能分析和学习从各种传感器获取的数据，以达到执行任务、自主活动、甚至模仿经验老道的师傅，从而强化车间作业能力。
相关报告，请点击阅读原文。
本文作者
苏廉节
首席分析师 - AI&IoT
更多AI 相关内容电子书：
文章版权和解释权归微信平台Omdia所有
Omdia，作为Informa Tech的一部分，是一家专注于科技行业的领先研究和咨询集团。凭借对科技市场的深入了解，结合切实可行的洞察力，Omdia将赋能企业做出明智的增长决策。要了解更多信息，请访问www.omdia.com。
如您想了解更多有关Omdia的最新研究成果，请浏览Omdia官方网站或通过电子邮件联系我们。
omdia.com
rina.zhang@Omdia.com
