Coatue报告：大空间模型和通用机器人
作家|费斌杰 北京市青联委员 熵简技术CEO
最近，世界顶级对冲基金Coatue发表了一份名为“具体智能”的重磅报告。《The Path to General-Purpose Robots》。
Coatue认为，AI机器人是一种颠覆性的力量，有望成为人类历史上最大的科技浪潮之一，值得高度重视。
这份报告有很多亮点，不仅详细分析了AI机器人现阶段面临的问题，还对行业发展做出了合理的展望，从投资的角度给出了专业的建议。无论你是科技投资者、AI从业者还是对机器人感兴趣的朋友，都值得一读。
接下来我给大家解读一下这个大报告。报告链接放在文末，欢迎有兴趣的朋友阅读原文。
(1)理想非常丰满，现实非常骨感。
也许机器人行业是Demo和现实差距最大的行业之一。
Demo视频中是这样的：
现实是另一种绘画风格：
一九六一年，第一台工业机器人起源于GM，用于汽车自动生产线。
经过50多年的发展，机器人形态越来越多样化，功能场景也越来越丰富，包括扫地机器人、四足机器人、人形机器人等。
从历史上看，机器人的渗透率实际上是线性的。
就拿工业机器人来说，从2013年的53个机器人数量增加到2022年的151个机器人数量，每万名制造业员工的CAGR达到12%。
虽然机器人行业的整体发展稳步提升，但是具体企业的表现并不理想。
机器人企业普遍存在商业化困难，加上前期资金支出巨大，22-23年大量机器人企业破产倒闭。
(2)空间智能，使通用机器人成为可能
上一代机器人更多的是执行一些单一的任务。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。
但随着AI泛化智能的出现，下一代机器人有望成为“通用机器人”，承担各种任务和环境。
正如大语言模型使语言推理成为现实一样，大空间模型有望打破第四面墙，让AI真正了解物理世界，进而与之互动。
机器人面临的核心挑战：缺乏训练数据
对于人类来说，任务非常简单，对于机器人来说可能并不容易。
Coatue举了三个具体的例子。
灵巧性：
空间感知能力：
恢复平衡力：
为克服这些问题，需要使用大量的数据来练习，使机器人更智能。
但是机器人是一个很新的领域，训练数据的积累极度匮乏。
对比不同模式下的最大数据集，文本模式大约15T tokens，图片模式有6B图文匹配数据，视频模式有2.6B视听特征数据。
但是，机器人模态只有240万个数据片段，与其它模态相比，数据积累远远不够。
四种采集机器人训练数据的方法？
由于数据是机器人发展的核心瓶颈，那么有什么方法可以快速地积累机器人训练数据呢？
近几年来，这一领域的研究层出不穷，逐步形成了四个派系。
收集机器人数据的方法1：远程控制（Teleoperation）
正如其名称所示，实验者操作机械摇杆，远程操作机器人进行同样的动作，以积累数据。
收集机器人数据的方法2：AR
在一项名叫《Explainable Human-Robot Training and Cooperation with Augmented Reality》通过AR(增强现实)技术，研究人员使人机交互过程具有更强的可解释性，然后积累数据。
收集机器人数据的方法3：仿真
通过大量计算率的模拟计算，可以计算出大量的机器人训练数据集。
目前，模拟可能是实现大规模数据生成的最有可能途径，其背后需要巨大的算率支持。
现在Nvidia的Jimia 这条技术路径就是Fan团队采用的。
收集机器人数据的方法4：视频学习
通过多模态大模型，机器人可以通过视频直接学习人类动作，从而积累训练数据。
机器人费用与人类工资的黄金交叉
由于GPU成本下降，大型模型训练的成本大大降低。
在过去的一年里，Azure云平台上的A100显卡租赁价格从每小时6美元下降到每小时1.5美元，下降了75%。
20年L3的硬件成本也在迅速下降。 LiDAR传感器的成本在7400美元左右，现在已经减半到3200美元。
在机器人成本持续下降的同时，人类的薪酬待遇也在稳步增长。
可想而知，在不久的将来，两者最终都会迎来金叉。
Coatue认为，26-27年人类机器人的成本将下降到人类平均工资以下，这无疑会对全球劳动力市场产生严重影响。
(6)硅基生命进化时：速度更快，灵巧度更高。
机器人作为硅基生命的代表，在许多场合已经超越了人类的能力。
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。
除行走速度外，机器人动作的灵活性也在迅速提高。
今年，新的Optimus机器人将有22个自由度，马斯克说。
硅基生命的进化速度将随着大量AI机器人公司的出现而加快。
(7)与无人驾驶相比，L4人机器人即将到来。
就自主性而言，人类机器人类似于无人驾驶汽车，可以分为L1到L5。
从L1到L2，无人驾驶汽车大约需要20年的时间，而从L2到L4只需要不到10年的时间。
从L1到L2，人类机器人已经使用了大约50年，从L2到L4估计只需不到5年。
机器人“ChatGPT时刻”即将到来？
大型模型正在蓬勃发展，每个人都在期待机器人领域迎来自己的“ChatGPT时刻”。
纵观过去20年，真正被称为科技领域的“WOW!“时刻”只有三次，分别是2007年iPhone。、ChatGPT222年、还有24年无人驾驶。
这些“WOW!“瞬间”有一些共同的特点。
第一，他们都在day。 它带来了令人兴奋的use。 case，并且通过口口相传形成病毒式传播。
第二，应用成本达到拐点，促使技术向市场普及，形成积极的商业模式。
三是开发者社区发展迅速，围绕核心技术和产品形成商业生态。
Coatue预测机器人不会迎来所谓的“ChatGPT时刻”，因为它还没有具备上述特征。
相反，Coatue认为，随着机器人的普及，它将经历三个循序渐进的阶段，走出一条独特的发展道路。
第一阶段：Seeing，每个人都通过电影、小说等媒体对机器人形成了初步模糊的认识。
第二阶段：Experiencing，是指客户直接享受机器人提供的服务，而不是拥有类似B2B2C的机器人。比如你在咖啡馆里享受一杯机器人拉花的咖啡，就属于这个阶段。
第三阶段：Owning，也就是说，每个用户都有一个或多个机器人。
Coatue还预测了人类机器人能力的增长曲线。
对家庭人形机器人而言，能力成长路径分别为：扫地->烹饪 -> 管家-> 保姆。
对户外型机器人而言，应用领域的增长路径分别为：仓库 -> 门店 -> 消防-> 手术。
(9)投融资火爆，机器人生态逐渐形成
AI机器人公司的投融资随着奇点的不断逼近而越来越受欢迎。
一个完整的生态圈正在围绕AI机器人形成，包括机器人开发工具、机器人培训数据集、机器人运维、空间大模型、机器人制造等。
（10）Wintel，还是墙壁花园？
与PC时代相似，AI机器人正在形成Wintel-like和Walled 这两种典型的商业模式Garden。
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的人类机器人，马斯克的这盘大棋正逐渐浮出水面，越来越清晰。
Optimus作为AI时代极少数具有机器人全栈能力的企业，其发展值得期待。
作家|费斌杰 北京市青联委员 熵简技术CEO
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com