高盛機器人深度研究（三）：人形機器人可能接近量產，拐點會出現在三個方面

2025/02/22

•

人形機器人正在快速發展，但整體技術仍未達到工業或消費領域大規模應用的要求。高盛認為，人形機器人技術的拐點可能會出現在三個方面：解決多個通用任務、高成功率和持續穩健性、快速推理。目前，人形機器人的發展仍存在一些障礙，例如缺乏訓練所需的原始資料。

近日，特斯拉Optimus的現場演示以及宇樹Unitree H1的春晚首秀，都展示了人形機器人的進步，但整體技術仍未達到工業或消費領域大規模應用的要求，主要受限於通用和自主AI能力不足。

2月20日，高盛分析師Jacqueline Du、Yuichiro Isayama等人發佈研報稱，人形機器人技術的拐點可能會出現在三個方面：解決多個通用任務、高成功率和持續穩健性、快速推理。

高盛也指出，近年來，人形機器人製造商數量快速成長，這一行業可能已經接近進入量產階段，此外，輝達推出的實體AI研發生態系統也是推動人形機器人技術發展的另一個關鍵因素。

在2024年3月的GTC大會上，輝達推出了邊緣運算SoC Jetson Thor、GR00T模型，以及Isaac平台。 Jetson Thor是人形機器人所需的高效能硬體，能夠讓機器人自主運行預訓練的邊緣AI模型；Isaac是一個整合了多種工具的研發平台，產生了輝達內部的通用模型GR00T。

但是，高盛也指出，目前人形機器人的發展仍存在一些障礙，例如缺乏訓練所需的原始資料。

與大語言模型（LLMs）類似，機器人AI模型也需要大量資料來支援模型訓練和最佳化；但與LLMs的視訊、圖像、文字資料不同，機器人AI模型所需的重要物理資料（如力、扭矩、運動資料）仍然稀缺。

因此，彌補原始實體資料的短缺已成為促進機器人AI研發的共識需求，鑑於此需求，許多企業紛紛做出回應。例如，輝達推出的Isaac GR00T Blueprint和Cosmos框架能夠利用合成資料加速模型訓練，彌補這一不足。

通用性是人形機器人與傳統工業機器人之間的關鍵區別：傳統工業機器人通常被設計用於完成特定任務，如裝配線上的單一操作；相比之下，人形機器人需要具備處理多種任務的能力，例如在家庭、辦公室或工業環境中執行不同的工作。

因此，高盛認為人形機器人至少需要在多個（例如5到10個）通用任務上表現出色，才能開始大規模應用。

這裡的通用任務包括但不限於搬運物品、清掃、提供服務（如引導、語音識別）、資料收集、以及與人類的互動等。這種通用性是人形機器人實現大規模應用的關鍵，因為它能讓機器人適應更多樣化的工作環境和需求，而不只限於特定領域。

高成功率指的是機器人在執行任務時能夠成功完成目標動作或任務的頻率。

持續穩健性則是指機器人能夠在長時間內保持穩定運行，尤其是在需要長時間工作或高負荷任務的場合。商業化的機器人需要能夠承受長時間工作，且不易出現硬體損壞或軟體崩潰。

高盛表示，人形機器人在長時間操作中的高成功率和穩健性，能夠確保其穩定輸出，這對商業化至關重要。

快速推理是指人形機器人能夠快速處理輸入資訊並做出決策的能力，人形機器人高效的推理和反應能力可以大大提高效率和客戶互動體驗。

在實際應用中，人形機器人常常需要即時處理來自環境、感測器和使用者的各種資訊，並在極短的時間內作出回應。例如，機器人在與使用者互動時，需要快速理解使用者的語音指令，或在複雜環境中，及時調整動作以避免碰撞。

此外，快速推理還可以在機器人執行任務時減少延遲，使得機器人能夠即時適應環境變化，並提升效率。

高盛表示，近年來，越來越多的企業進入了人形機器人領域，特別是在中國。

2024年，中國有15家公司進入人形機器人產業，並推出了17個新的機器人原型，而2023年僅為10個。華為、比亞迪、寧德時代等科技、汽車、新能源產業的領先企業也紛紛宣佈啟動人形機器人研發項目。

更重要的是，與2023年相比，人形機器人技術的領導者（如Figure、Agility、Unitree、AGIBOT、Leju等）在2024年已經開始了工廠測試或初步商業化。

這些進展表明，人形機器人行業可能已經接近進入量產階段。

此外，對於中國人形機器人廠商而言，DeepSeek-R1的發佈為趕超海外同行鋪平了道路。

在DeepSeek推出之前，中國廠商必須基於OpenAI、Llama訓練模型，而DeepSeek發佈的高品質開源LLM，使用較低端的GPU和較低的成本，可能有助於國內廠商在競爭中獲得優勢。（硬AI）