AI+機器人！當機器人碰上大模型，將帶來哪些變革？ | 研報推薦

疊加AI大模型（特別是多模態AI大模型）的賦能，移動機器人的能力有望大幅提升。

進入2024年，機器人領域迎來了一場大爆發，科技巨頭們紛紛帶來驚艷的演示視頻，展示出令人瞠目結舌的產品。

這其中，大部分視頻展示的是外表酷似人形的“具身智能體”，它們可以完成各類復雜任務。

然而，這些演示視頻也引發了不少的爭議，有人懷疑這些機器人是否真的在自主執行任務。

例如斯坦福大學推出的Mobile ALOHA系統機器人，就被曝出是真人遠程操作，在自主模式下曾多次“翻車”，可見AI機器人離落地應用還有很大差距。

不過在工業制造、倉儲物流等場景里，工業機器人已經在大模型（LLM）的加持下展現出一定的智能性與自主性。

在近期國投證券發布的報告《人工智能行業專題：大模型帶來機器人變革》一文里，分析師以“AMR機器人”為例，介紹了大模型給工業機器人帶來的影響與變革。

以下內容為報告重點內容精選：

AMR行業快速增長，軟件和算法是核心

（鎂客網注：在此部分，分析師介紹了AMR機器人的定義、技術路徑、技術核心等內容，并介紹了英偉達等海外大廠的AMR機器人方案。）

移動機器人，指在復雜環境下工作，具有自行組織、自主運行、自主規劃的智能機器人，主要可以分為自主移動機器人（AMR）、關節型機器人、人機協作機器人等。

根據GGII數據，從全球維度來看，22年全球移動機器人市場規模約292億，預計27年增長至1874億元，對應22-27年CAGR為45.07%；

從國內維度來看，22年中國移動機器人市場規模約97億元，預計27年增長至462億元，對應22-27年CAGR為36.74%，市場規?？焖僭鲩L。

其中，自主移動機器人（AMR）是一種能夠獨立理解環境并在環境中移動的機器人。

AMR與其前身自動導引車 (AGV) 不同，后者依賴于軌道或預定義路徑，并且通常需要操作員監督。而AMR使用一組復雜的傳感器、人工智能、機器學習和計算來進行路徑規劃，以解釋和導航其環境，不受有線電源的束縛。

AMR的背后有兩大關鍵技術路徑：

1、容器化的SDK工具集——包含感知、導航軟件堆棧；好用的開發環境，模擬工具；后續優化升級Containers；

2、邊緣微服務器支撐——包括無線通信，安全設備，協作SLAM Fleet管理。

AMR技術核心：

1、架構

（1）AMR本體能力：具備傳感和智能路徑規劃，運動控制、安全和人機交互HMI，機器視覺和智能導航等能力， 賦能制造業向柔性化、智能化發展。

（2）云端交互任務處理：AMR本體通過網絡（WIFI/以太）與云端計算中心交互，在云端完成數據分析，推理，模擬等工作，需要云端AI芯片支持（例如英偉達H100等）。

（3）架構組成：目前主要由控制系統、導航傳感系統、驅動模塊、安全監測模塊、交互模塊、通訊模塊、動力模塊（電池等）、執行機構（機械裝置）組成，不同場景品類的機器人對配置要求不同。

2、硬件

硬件部分主要包括TMT零部件（控制系統相關硬件、導航傳感器、驅動模塊、通訊模塊等）、電池（動力模塊）、機械裝置（執行機構等），隨著定位導航、機器視覺、規劃執行等環節對芯片需求的增長，以及激光雷達等新型傳感器的應用，機器人中TMT零部件的價值量持續提升。

未來，AI將走出計算機，進而影響外部世界（物理世界），而機器人是AI最佳載體之一；隨著智能機器人的發展，機器人傳感器、執行器將同AI相結合，具備模擬（用于仿真的虛擬空間）、映射（實時地圖創建能力）、自主（獨立運行）等能力，需要強大的端側算力支撐，移動GPU嵌入AMR本體是發展趨勢。

3、軟件、算法

在實際應用中，移動機器人通常以集群的方式系統完成特定任務；

未來，成百上千臺機器人規劃化集群作業是發展的必然趨勢，即逐步從單體智能向群體智能演進，軟件和算法成為構筑核心競爭力的壁壘，例如統一環境下完成作業調度、找到全局最優方案提升集群機器人工作總效率等。

因此分析師認為，隨著行業應用場景的豐富和技術的發展，產品模塊化、軟件模塊化將成為AMR發展的必然趨勢。

目前，端側（即機器人本體）軟件、算法主要有ROS 2、地圖規劃算法、AI算法、樣點算法等，支撐路徑規劃、障礙躲避、運動控制等功能；

而云側（及邊緣）軟件、算法主要有集群管理算法、訓練、遠端推理、遠端SLAM、數據分析算法等，支撐算力調度、機器人集群協作、數據分析等功能。

目前，各頭部廠商擁有自己的解決方案，技術路徑隨大模型的發展，快速迭代。

以Intel為例，其提供相應的開發工具和平臺，使開發者可以快速、低成本地搭建、管理AMR機器人。

除此以外，英偉達旗下的ISAAC集成式端到端解決方案、Jetson系列產品以及特斯拉的FSD+Dojo都是目前業內比較領先的解決方案。

值得一提的是，當前機器人價值鏈劃分里面沒有智能系統。

分析師認為，機器人是典型的機電軟一體化產品，軟件與硬件是相互限制又相互促進的矛盾體；邊緣算力硬件將會制約機器人相關應用的發展，邊緣算力硬件的突破使得機器人可以承載更強大的AI，同時機器人應用的發展會倒逼邊緣算力硬件的提升。

當下的機器人智能停留在視覺（vision）階段，機器人缺乏智能系統（即機器人的大腦）；在未來，在AI對機器人賦能的大背景下，機器人可以逐步理解物理世界，未來有可能向具身智能方向發展，智能系統對機器人的重要性愈發凸顯。

巨變：多模態大模型賦能機器人

（鎂客網注：在此部分，分析師介紹了多模態大模型如何賦能機器人。）

多模態大模型賦能機器人，主要體現為多模態感知和多模態交互。

• 多模態感知：通過多類型傳感器的配合，機器人處理多個模態接收的信息，從而實現對文本、圖像、視頻、音頻等模態信息的學習和理解。

• 多模態交互：用戶可以同時使用語音、手勢、文本等與機器人交互，同單模態交互相比，多模態交互具有減輕用戶認知負擔（交互更自然）、消除任 務歧義（交互更準確）、降低環境干擾（交互更加魯棒）等優勢，使交互更加靈活和高效。

此外，大語言模型（LLM）賦能機器人語義理解，從傳統的關鍵詞語義識別，進化到可以理解人類復雜的語音命令；同時，通過預訓練大模型將“記憶”移植到智能機器人終端，機器人具備理解任務的能力。

由于機器人本體計算能力有限，需要通過強大的云端計算能力給機器人賦能。由此構成了“云-網-端”架構

“端”：是機器人本體及本體自身的控制系統，嵌入式AI芯片逐步替代傳統嵌入式芯片，機器人本體的智能性快速提升；

“網”：主要指通過Wifi、5G及其他無線通信網絡將機器人連接起來，實現機器人本體和云端大腦的連接；

“云”：通過機器學習，不斷進化，進而使前端機器人本體的智能隨之提升。

未來，隨著模型植入機器人本體。云端大模型泛化出基本能力，并把這部分“記憶”植入機器人邊緣端（通過蒸餾等方式壓縮模型大?。?，進 而機器人本體可以將識別到的視覺、雷達、語音交互數據進行處理，并規劃動作，完成反饋。

在該部分，分析師以Google RT2 為例，介紹了新模型如何賦能機器人執行各項任務。這是一個視覺-語言-動作（VLA）模型，符號理解、推理、人類識別等領域能力大幅提升，且泛化能力大幅提升。

國內機器人產業蓬勃發展

（鎂客網注：在此部分，分析師介紹了國內機器人產業的最新情況。）

國內機器人產業：機器人產業鏈上游包括核心零部件、配套零部件和軟件系統開發，中游為機器人本體的生產及系統集成，目前主要集 中在工業機器人和服務機器人領域，下游主要包括工業應用（汽車制造、家電制造、航空航天等）和服務應用（餐飲服務、酒店服務、

醫療服務、物流服務等）；近兩年一些做算法的軟件公司借助海外大模型的風，開始自研垂直小模型，并供給下游終端廠。

創業公司情況：根據中國機器人網統計數據，2023年中國機器人行業共發生134起融資事件，其中近億/過億元級融資事件52起，2023年融資金額總計為200億元左右；2023年融資事件主要發生在工業機器人相關（37起左右）、醫療機器人（29起左右）、服務機器人（24起左右）、人形機器人（12起左右）等領域。

上市公司情況：目前上市公司以提供終端硬件為主，并逐步優化機器人軟件（模型、算法等），提升機器人性能表現。

在此部分，研報列舉了?？禉C器人等國內多家優秀機器人企業，這里就不詳細展開介紹。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！