#技術路線
美國雷射雷達最後希望暴雷!CEO被罷免CFO跑路,現金流岌岌可危
北美最後的車載雷射雷達“獨苗”,正在快速敗退。Luminar峰值50億美元的市值,在不到三年時間跌到7000萬美元左右,幾乎清零。5月突然曝出內訌,創始人CEO因為“商業道德”問題走人,首次將曾經風光無限的全球雷射雷達TOP2 的困境暴露於公眾。而現在,Luminar又被傳出大規模裁員消息,現金流距離“暴雷”越來越近。就連CFO,也剛剛跑路了。Luminar裁員、CFO跑路與半年前戲劇性的“商業道德”問題趕走創始人不同,這次Luminar的困境是“自曝”。前幾天Luminar向SEC提交了監管檔案,明確說將裁員25%來“止損”。止什麼損?Luminar發出了預警,公司帳上現在只有7200萬美元現金及有價證券,如果沒有新的融資或者借貸,最多支撐到明年一季度。而之前的債務,也出現了逾期違約。更直白說,ICU倒計時,短則2個月,長則半年。所以Luminar到底欠了多少錢還不上,接連裁員縮減成本都應付不暇?沒透露也無從猜測,但Luminar的財務狀況應該非常棘手,以至於2020年一手運作Luminar上市的CFO,剛剛官宣離職走人了。理由是“尋求其他職業機會”,“並非因與公司財務狀況或審計機構存在任何分歧”。這相當於一種委婉的方式,向外界宣稱了Luminar無論財務還是業務,都已經回天乏術了。Luminar如今現金流枯竭、債務違約、核心團隊崩塌,其實距離當年市值50億美金的巔峰時刻,也才僅僅兩年多的時間。美國雷射雷達最後的希望,可能還是守不住2012年建立Luminar時,奧斯汀·羅素(Austin Russell) 只有17歲,剛剛從史丹佛應用物理專業輟學。這個醉心物理的矽谷天才,從小就展現了過人的天賦,2歲時熟記元素周期表,12歲時寫下了他的第一項專利。在上大學之前,他就已經對雷射雷達展現出了濃厚的興趣,高中開始在加州歐文分校貝克曼雷射研究所學習,師從光學大牛Jason Eichenholz(後成為Luminar聯創和CTO)。進入史丹佛3個月後,羅素參加了2011年成立的泰爾獎學金項目。這個項目專為年輕人提供為期兩年、共計10萬美元的資助,讓他們能追求自己的創新想法。拿著這筆獎學金,羅素決定專注於雷射雷達,自己設計和製造雷射雷達元件,一家名為Luminar的公司由此誕生。在5年的隱姓埋名後,Luminar在2017年突然宣佈進軍自動駕駛汽車領域,並開始活躍於資本市場,A輪就拿下了3600萬美元融資(約2.6億元)。2018年,公司宣佈已經在雷射雷達方面擁有完全整合的技術堆疊,代表產品Iris在2019年初步亮相,可用於在乘用車、Robotaxi和卡車上實現自動駕駛。憑藉先發,Luminar接連拿下了全球多家巨頭OEM、Tier 1客戶。輝達、Mobileye、高通、豐田、沃爾沃、奔馳、奧迪、上汽等等,都成為了Luminar的合作對象。其中的沃爾沃奔馳上汽等車企,除了定點量產合作,還拿出真金白銀投資了Luminar。公開資訊中,Luminar還是奔馳唯一一家直接投資押注的雷射雷達公司。2020年,Luminar登陸納斯達克,上市前估值就已達到34億美元(約246億元),一度成為美股市值最高的雷射雷達企業。2022年,Luminar達到了成立以來的巔峰:市值50億美元。但後續的發展出人意料,Luminar的“巔峰”只停留在市值,一直沒能轉化成業務。剛剛說的Luminar早期拿下的一系列定點項目,最後真正上車的只有沃爾沃EX90/ES90、上汽飛凡R7這幾款車。據剛剛走人的CFO透露,Luminar給沃爾沃出貨的雷射雷達,其實根本不夠成本價,完全是賠本賺吆喝。但問題是,這幾款車都不是各自所在賽道的優秀選手。尤其是飛凡R7,走量最大的SKU是上海市、長三角地區的出租網約車,根本沒配雷射雷達。至於沃爾沃,一直是新能源賽道的陪跑角色,反倒是用了速騰雷射雷達吉利系的“兄弟車型”賣爆。相當於Luminar賠了本,吆喝根本沒賺到多少。Luminar確定車載雷射雷達戰略,全面擁抱ADAS爆發的時間節點,其實不算晚,幾乎和中國頭部玩家禾賽、速騰同步。態度和效率嘛,也比當年“一哥”Velodyne要好得多。但為什麼最後還是越跑越吃力?最致命的主觀因素之一,可能是Luminar的技術路線——1550nm波長、二維振鏡結構。懂行的觀眾老爺可能一下就明白了,Luminar做雷射雷達,始終抱著矽谷精英的理想主義色彩,技術、性能毫不猶豫選擇最炫技、最昂貴的,對傳統龐大的汽車工業的習慣訴求考慮較少。1550nm波長本身沒啥不好,甚至遠距離探測比905nm路線更有優勢,但最大的問題就是常見的矽基材料不能接收1550nm波長,只能用昂貴的銦鎵砷材料。這就使得Luminar初期和中國一眾905nm玩家競爭時,輸了車企最在乎的第一要素。而到了後期,905nm路線玩家通過晶片化、自研處理器等等手段,實際已經追平並超過了1550nm產品性能,車企就更加沒理由選擇堅持1550nm的Luminar了。其次是二維振鏡結構,早期看的確比一維轉鏡體積更小,但問題也幾乎一樣:成本更高的同時,更複雜的結構反而降低了雷射雷達的抗衝擊、可靠性。另外在性能參數的標註上,振鏡路線也比較吃虧,其本質可以理解成一個簡單的“相控陣雷達”,直接代表性能的“線數”不是一個固定值,不同方向、不同掃描策略下各不相同,PPT中的峰值線數,只能作為參考。而轉鏡則直觀得多,所見即所得。幾個共同因素作用下,905nm雷射雷達這幾年幾乎統治了全部的ADAS及Robotaxi市場。比如禾賽科技2025年上半年的雷射雷達總交付量為284399台,其中ADAS市場交付約44.97萬台。速騰上半年雷射雷達出貨量為236501台。再加上自有生態的華為,三家幾乎佔據了車載雷射雷達超91%的份額。並且速騰和禾賽,已經開始將業務延伸到具身智能,新增長曲線已經顯現。中國其實還有一家與Luminar技術路線高度相似的玩家——圖達通。但這其實是Liminar在主觀因素之外,客觀條件上的劣勢——人家圖達通有蔚來的羽翼庇護,靠這一家裝機量就站穩賽道,短期別說生存之憂,就連擴張新客戶也不是很急迫。不過最近有媒體曝出圖達通也在向905nm、轉鏡路線轉軌,還因為跟禾賽產品太過相似產生了商業糾紛。說回Luminar,一邊是擁抱中國市場因為成本、技術問題沒有優勢,而回頭看美國市場,有且僅有一家智能車企業:特斯拉。Luminar一方面很幸運,誕生在了自動駕駛的起源之地,也是智能汽車革命的策源地。但最大的不幸,是北美只有把雷射雷達貶損得一文不值,而且還是行業領軍者的馬斯克、特斯拉。等不到L4走量,L2幾又是死局,荒廢了技術資本產業升級、積累的最佳窗口。大模型浪潮帶動的具身智能雷射雷達新機遇,恐怕又要被中國玩家嬴者通吃了。 (智能車參考)
全球 AGI 的三大技術路線:競爭格局正在成型
過去一年,大模型競爭逐漸從“能力發佈”轉向“路線分化”。OpenAI、Google、Anthropic 與 Meta 的技術選擇並非同質,而是在朝三條清晰可辨的 AGI 技術路徑聚合。這些路徑不僅決定模型能力的邊界,也決定下一代基礎設施、算力結構與生態參與者的角色重排。以下為當前全球 AGI 的三大主路徑,以及它們所形塑的競爭格局。一|Scaling:以規模驅動智能的主流路徑(奧爾特曼路線)Scaling 路線的核心假設是:智能是統計規律在足夠大規模下自發形成的現象。技術特徵包括:超大規模 Transformer大規模視訊與圖文資料的被動學習能力隨規模呈現非線性躍遷以分佈擬合驅動推理與規劃代表人物明確:Sam Altman。其核心觀點是“苦澀教訓”:不需要預設智能結構,只需在更大參數與更巨量資料中尋找能力的自然湧現。代表公司包括:OpenAI(最純粹的 scaling 路線,GPT 系列、Sora)Anthropic(Claude 系列:大規模模型+憲法式對齊)Google(Gemini 系列仍以 scaling 派為基礎,輔以結構化推理能力)Scaling 依舊是當前 AGI 的主戰場,也是計算資源需求最大的路徑。其優勢是工程體系成熟、迭代速度快,但在可控性、一致性與因果性方面仍有邊界。二|Embodied Intelligence:以行動和空間建構理解(李飛飛路線)具身路線立場明確:智能並非從資料中“觀看世界”,而是通過行動、感知與反饋建構理解。技術特徵包括:機器人行動資料(action-driven learning)空間智能(spatial intelligence)感知—行動—反饋的閉環學習高保真模擬器的 Sim-to-Real 轉換學術旗手為 Fei-Fei Li(李飛飛)。她的體系直接影響 Google Robotics、Stanford HAI、Toyota Research Institute 以及部分 Meta 的具身研究團隊。具身路線的優勢在於其對真實世界一致性的高要求。智能體可通過行動資料捕獲因果結構,從而彌補純 scaling 路線的物理性缺失。其限制則在於資料採集成本高、工程周期長,短期難以與大模型能力直接對標。三|World-Model:以因果與結構為核心的預測路徑(Meta/LeCun 路線)世界模型路線建立在一個更結構化的假設上:智能依賴內部的世界表示系統,模型需要具備因果推理與結構化預測能力。核心技術包括:結構化世界表徵(structured representations)因果推理圖(causal graphs)能量基模型(EBM)JEPA(Joint Embedding Predictive Architecture)分層預測機制(hierarchical predictive modeling)這一路線由 Yann LeCun(Meta 首席科學家) 主導,也是目前唯一由大型科技公司明確推進的結構化 AGI 路線。LeCun 認為傳統生成式大模型在效率與可控性上存在根本性限制,需要以“世界模型+預測編碼”重建下一代智能架構。該路線的優勢是可控性強、結構透明、推理更接近人類認知框架;限制在於工具鏈仍早期,短期能力不及 scaling 路徑。四|路線背後的產業角色:模型公司、算力供應商與雲廠商的“三極結構”無論路線如何分化,全球 AI 產業鏈正在形成新的功能分層。1|模型公司:路線選擇決定成本結構與競爭邊界Scaling → 極度依賴算力、迭代速度快Embodied → 資料成本高、真實世界一致性強World-Model → 研發周期長、結構依賴重模型公司必須在能力躍遷、可控性與算力成本之間反覆取捨。2|輝達:三種路線的通用底座無論是那條路線,智能體都依賴統一的算力結構來訓練模型、運行推理和管理資料流。輝達正從 GPU 供應商轉向:“訓練底座+推理平台+加速軟體棧”的系統提供者。其在三條路線中的作用:Scaling:GPU 需求最大、增長最快Embodied:需要多模態感測與模擬計算World-Model:需要長序列、高維預測的推理密集環境路線分化不會削弱輝達的支配力,反而強化其在基礎設施層的中心地位。3|雲廠商與資料中心:路線差異推動基礎設施分層Scaling 需要密集 H100/H200 叢集;Embodied 需要模擬平台、邊緣計算與機器人基礎設施;World-Model 需要長序列表徵與預測流水線。未來的資料中心體系將進一步分化,訓練叢集、推理叢集與模擬叢集將不再是同構結構。五|未來:三條路線將長期並存,競爭由“能力比拚”轉向“架構之爭”全球 AGI 的格局正在朝多路線演化:OpenAI 與 Anthropic 將繼續推動 scaling 的極限;Google 嘗試在 scaling 框架中加入更多結構;Meta 則押注世界模型體系,以架構革新重塑未來智能。智能的發展不再是單一路徑,而是“規模—行動—結構”的三維博弈。它們共同構成了未來十年 AGI 的主要競爭框架。 (方到)
人形機器人企業穿越噪音
這個夏天,隨著世界人工智慧大會、世界機器人大會、人形機器人運動會的輪番上陣,人形機器人產業的曝光度也推至高點。隨之,關鍵技術尚未收斂是否正常、文化體育的應用場景是非剛需、何時能夠成為合格的“勞動力”等質疑也浮出水面……人形機器人產業的發展已經進入“無人區”,沒有經驗可以借鑑,沒有路徑可以參考,出現質疑甚至否定屬實正常,可喜的是,在外界的熱切關注之下,在嘈雜的噪聲之中,中國機器人企業未曾猶疑,仍不懈探索、摸索前行。進入9月,宇樹科技展現人形機器人G1人摔倒後能快速起身的訓練成果、優必選與中國職業技術教育學會共建人形機器人資料採集中心、智元獲業內首張人形機器人資料集CR認證、銀河通用“具身智慧型手機器人零售店”亮相頤和園、樂聚機器人與海晨共同成立工業級物流人形機器人合資公司……人形機器人企業依舊很忙,規範資料採集、開拓各領域的合作夥伴、推動場景應用落地,越來越多企業的注意力重新聚焦到專注創新、修煉內功。在實踐中調整和打磨技術路線作為未來產業的代表,人形機器人產業多項核心技術處於萌芽發展期,產業專家和企業們都處於摸著石頭過河的階段,諸多關鍵技術路線尚未收斂是當前產業發展的最顯著特徵。特斯拉人形機器人採用了腱繩驅動的靈巧手“人形機器人產業鏈長,涉及了硬體軟體等多個重要環節,技術的未收斂是當前產業發展的重要特點。”浙江省機器人產業發展協會秘書長、浙江大學機器人研究院研究員宋偉告訴記者。宋偉舉例說,人形機器人涉及多個核心零部件、AI模型與控制系統等核心技術,每個核心部件都有不同的技術路線。例如關節模組有旋轉和直線兩種技術路線,前者旋轉關節模組採用“電機+減速器”結構,通過旋轉運動實現肢體靈活運動;後者通過絲槓系統實現高負載、高精度運動。人形機器人的靈巧手也可以分為三類技術路線,齒輪傳動、連桿傳動與繩驅動,前者方案的靈巧手自由度會少一點,只有幾個自由度;連桿傳動方案能做15個自由度左右。最後一種繩驅動是電機加上滾珠絲槓,末端的傳動使用了腱繩驅動的方式,與人手的運轉方式相似,目前可以做到20個自由度。此外,具身智能模型的發展主要分為兩種路線:端到端模型路線(VLA)和分層模型路線。端到端模型路線,這種技術路線能夠直接實現從人類指令到機械臂執行,即輸入圖像及文字指令,輸出夾爪末端動作,直接端到端地實現從人類指令到機械臂執行;分層模型路線是將不同層次模型協作,上層大模型進行感知與決策,底層硬體層和中間響應快的小模型進行決策的分解與執行。在各個技術節點上,各家人形機器人公司在自己的堅持中探索和深耕所選擇的技術路線方向,當然,在技術迭代過程中,也在不斷打磨和調整自己的技術路線。北京大學助理教授、銀河通用創始人兼首席技術官、智源學者王鶴告訴《中國電子報》記者,銀河通用機器人搭載VLA具身智能大模型,核心技術全自主,與其他機器人企業不同,銀河通用首創合成模擬資料技術,在全球率先打造百億具身智能資料集,有效破解當前具身智能領域面臨的“資料少、採集難、成本高”的問題。夸父人形機器人在中關村論壇開幕式上打太極“我們認為model-based+RL(強化學習)的耦合未來是人形機器人小腦的核心發展趨勢。未來,樂聚將逐步推動人形機器人的產業化處理程序。”樂聚機器人CEO常琳告訴《中國電子報》記者,此前,樂聚一直堅持model-based路線,這種路線讓機器人在場景應用中的每個行為都可控,規則預先設定,能精確執行任務,且批次化生產時,每台機器人都能完成任務,但是缺乏泛化能力。因此,樂聚推動model-based的精準控制與RL的泛化性相結合,並與北京通研院合作,讓多台人形機器人夸父在2025年的中關村論壇的舞台上實現了穩定表演太極。深耕不同的落地應用場景不僅是核心技術路線存在明顯的多樣性,當前各家人形機器人企業優先瞄準的落地應用場景也不盡相同。天工機器人勇奪首個人形機器人半程馬拉松冠軍、宇樹機器人開展激烈的拳擊比賽、加速進化機器人在草坪上踢足球,百姓甚至願意自掏腰包去人形機器人運動會上看機器人跑步、過障礙、做任務;和璇機器人樂隊已經可以彈鋼琴、奏揚琴、打鼓、吹電吹管和演奏無弦吉他,目前已經可以及完整演奏一曲《青花瓷》。和璇機器人樂隊正在彈奏歌曲然而,因此有聲音質疑現階段人形機器人只能“娛樂大眾”,短期內無法成為真正的“勞動力”,代替人類工作。“人形機器人不是為了娛樂表演而娛樂表演,而是會通過表演精進相關技能,例如我們和璇機器人最開始只能彈奏鋼琴6級的曲子,現已升級為彈奏鋼琴10級的曲子,演奏能力的提升就是技術提升體現,從這個娛樂場景中可以迭代一些技術,也可以遷移到工業甚至是家庭應用場景中去。”宋偉告訴記者,娛樂表演也可以精進人形機器人相關技術。另外一種觀點認為,當前的人形機器人技術能夠支撐的最可能的、最具有商業閉環的場景就是文化娛樂。在人形機器人進入家庭場景之前,企業也需要“沿途下蛋的能力”。只有擁有盈利能力,才能為企業的發展“持續造血”,支撐他們最終實現人形機器人進入應用場景進入家庭的宏大願景。除了娛樂體育文化應用場景,事實上也有頭部企業瞄準了工業和商業場景應用,並開始取得相關成績。蘭森第二代人形機器人在產線執行任務隆盛自主研發的蘭森第二代人形機器人身高2米,加上移動底盤重約100公斤,該人形機器人目前已經在無錫隆盛新能源汽車驅動電機零部件智能產線上陸續“上崗”,替代工人執行搬運和檢測任務。隆盛唯睿新創技術中心具身智能技術專家洪霄告訴記者,通過專用大模型的接入,蘭森第二代人形機器人可以實現對工件抓取位置的自主適應、對工作環境與要素的自主感知和理解,通過專門的動力與感測系統設計,其搬運承載力大於20kg,同時具有末端精確的觸覺與視覺反饋,是產線上質檢和短距離非標搬運的好幫手。樂聚也在推動其“夸父”人形機器人在商業服務和工業製造場景落地。常琳介紹說,夸父已“入職”蘇州市低空經濟發展展示館、青島人工智慧創新應用展示中心、中國移動智慧家庭營運中心等展廳,擔任講解員。同時,夸父現階段重點攻關工業智造領域,“夸父”已交付至一汽紅旗、海晨股份等工業企業,深入傳統工業機器人難以應對的柔性製造、狹窄多變空間等場景,完成精細、泛化的操作。銀河通用正在探索無人零售場景銀河通用則瞄準了無人零售場景,公司的機器人依靠視覺反饋閉環,在真實環境中完成抓取、搬運、分揀等實際任務,基於需求,打造工業級穩定、可靠、具備長時間作業能力的人形機器人,在滿電情況下能穩定工作8小時以上,任務精確完成率達97%,其在智慧零售店的人形機器人解決方案,已穩定營運超過半年。“我們相信,只有把機器人真正放到能解決實際問題的場景中,才能不斷推動技術持續迭代與產業價值實現。”王鶴表示,當前公司重點聚焦兩大方向:一是工業製造場景,如整車及零部件製造中的物料搬運與分揀;二是民生服務領域,包括智慧藥房、零售太空艙等高頻剛需場景。市民可以在夜間買到藥品,或在街頭即時購買飲品。這些場景的共同點在於剛需、高頻,同時對機器人的可靠性、適應性與持續作業能力提出極高要求。當前的工業和商業落地場景只是人形機器人的初步探索,企業一致認為,通過持續的技術創新和實踐落地,人形機器人終將走入家庭場景。“通過市場的場景選擇,人形機器人技術會逐漸收斂至一條可以應用和產業化的路線。未來2至3年,最多5到10年內,行業將呈現指數級增長趨勢。”常琳指出,樂聚把機器人定義成一個通用的開發性平台,所有企業都可以去開發適配不同場景所需要的技能。現在人形機器人進入工業工廠只是第一步,未來人形機器人還將適配康養、家政等方向,走進千家萬戶。相關企業家也表示,無論環境如何變化都將久久為功推動人形機器人產業持續進步。“對企業而言,當前局面既是挑戰也是機遇:挑戰在於需在高度不確定性中保持長期研發投入與戰略定力;機遇則在於,誰能夠率先在剛需場景中實現產品化、規模化落地,誰就能佔據產業競爭的制高點。”王鶴說道,希望能夠率先在行業打造機器人的泛化與落地能力,推動行業從技術演示向真實生產力躍遷。 (中國電子報)