近期，人形機(jī)器人相關(guān)政策接踵而至，國內(nèi)外大廠也陸續(xù)入局，可謂利好頻出。

6月28日，北京市印發(fā)《北京市機(jī)器人產(chǎn)業(yè)創(chuàng)新發(fā)展行動方案（2023—2025年）》，提出加緊布局人形機(jī)器人，對標(biāo)國際領(lǐng)先人形機(jī)器人產(chǎn)品，支持企業(yè)和高校院所開展人形機(jī)器人整機(jī)產(chǎn)品、關(guān)鍵零部件攻關(guān)和工程化。

目標(biāo)是到2025年建成人形機(jī)器人通用行為控制大模型開發(fā)平臺，形成超算環(huán)境及軟件生態(tài)，完成百套級人形機(jī)器人原型機(jī)小批量制造。

此前，上海、深圳等地也發(fā)布類似政策，組建人形機(jī)器人制造業(yè)創(chuàng)新中心，促進(jìn)人形機(jī)器人創(chuàng)新發(fā)展。

在政策利好之外，人形機(jī)器人產(chǎn)品也取得了一定進(jìn)展。特斯拉Optimus是人形機(jī)器人標(biāo)志性產(chǎn)品之一，他們在2023年5月的股東大會上展示了最新進(jìn)展，走路更加自然靈活，有了記憶能力，還能收拾杯子盤子之類的小物件，也就是說具備了更精準(zhǔn)的感知和操控能力。

與此同時，波士頓動力的著名機(jī)器人Atlas也在不斷升級，不只會跑酷跳舞，還能在工地腳手架上幫工人搭橋、搬磚，儼然有成為打工人的趨勢。

隨著AI熱潮的持續(xù)高漲，很多AI公司也進(jìn)入人形機(jī)器人領(lǐng)域，比如因GPT而名聲大噪的OpenAI投資了挪威人形機(jī)器人公司1X Technologies，用于研發(fā)雙足機(jī)器人NEO。

而現(xiàn)階段AI變革的最大獲益者之一英偉達(dá)CEO黃仁勛提出下一波AI浪潮是具身AI（Embodied AI），也就是給AI加上能夠感知物理世界的身軀，典型應(yīng)用就是人形機(jī)器人。

直接點名的扶持政策，人形機(jī)器人產(chǎn)品的更新迭代，國內(nèi)外巨頭的紛紛入局，多重利好點燃了市場對機(jī)器人板塊的預(yù)期，6月29日國內(nèi)股市累計有超過30只相關(guān)個股漲停，似乎成為市場最強(qiáng)勢板塊之一。

之后，7月3日媒體報道稱字節(jié)機(jī)器人團(tuán)隊已有約 50 人，計劃年底擴(kuò)充到上百人，他們想用機(jī)器人代替人類完成揀貨、搬運(yùn)和打包等工作，這也進(jìn)一步延續(xù)了機(jī)器人的熱度。

很多人開始看好人形機(jī)器人的未來，有人號稱2023年人形機(jī)器人將迎來“iPhone時刻”；有人說產(chǎn)業(yè)鏈將迎來“從0到1”的新機(jī)遇；更有人開始搬出高盛2022年的研究報告，稱2035年人形機(jī)器人市場規(guī)模將高達(dá)1540億美元，約合人民幣1萬億。

但是，越是熱炒階段，就越需要冷靜分析其中的底層邏輯，而不是被熱點新聞和市場情緒所左右，導(dǎo)致盲目跟風(fēng)。

其實，早在3月份我就說，今年人形機(jī)器人會引發(fā)熱潮，項目容易爆火，因為人形機(jī)器人與每個人都相關(guān)，其產(chǎn)品宣傳視頻容易廣為傳播。

這一輪人形機(jī)器人熱潮，更像是曾經(jīng)元宇宙風(fēng)潮中的Avatar虛擬分身概念，最初大家對Avatar期望過高，認(rèn)為每個人都會在元宇宙世界里建立一個化身，匯聚個人行為、資產(chǎn)、聲譽(yù)和成就，未來將成為元宇宙中最有價值的資產(chǎn)之一。

隨著熱度的下降，預(yù)期逐漸縮減成為Meta-human虛擬數(shù)字人，而現(xiàn)在虛擬數(shù)字人的成本不過萬元，應(yīng)用場景也主要是直播與客服，但確實得到了廣泛使用。

“歷史不會重復(fù)，但是會押韻”。人們暢想人形機(jī)器人的美好未來時，同樣認(rèn)為每個家庭都需要一個甚至幾個人形機(jī)器人，但最終的演變過程可能與數(shù)字人一樣，從無所不能的類人機(jī)器人，變成主要負(fù)責(zé)語言互動的智能交互機(jī)器人，任務(wù)也聚焦逐漸于特定應(yīng)用領(lǐng)域提供具體的顧問服務(wù)。

這是因為，通用人形機(jī)器人受到了環(huán)境識別與互動能力的雙重制約，真正實現(xiàn)突破，達(dá)到人類的靈活性尚需時日。

雖然特斯拉的Optimus有可以復(fù)用自動駕駛FSD算法的便利，但是自動駕駛只需識別出物理輪廓和運(yùn)動方向、速度即可，環(huán)境識別精度要求較低，但人形機(jī)器人在現(xiàn)實生活中需要識別更加微小的物體，做更加靈活的互動，也就需要更加精細(xì)的環(huán)境識別能力。

而且，僅有識別能力還不夠，還需要訓(xùn)練機(jī)器人的物理交互能力。理論上講，在封閉測試環(huán)境中，機(jī)器人經(jīng)過訓(xùn)練后就可以重復(fù)卓越的表現(xiàn)，但問題是，人們的現(xiàn)實生活環(huán)境極其復(fù)雜，而且經(jīng)常會有變動，這就意味著對人形機(jī)器人的訓(xùn)練是一大難題。

前谷歌人工智能、機(jī)器人高級研究員Eric Jang曾說，在訓(xùn)練機(jī)器人沖泡咖啡時，需要訓(xùn)練5000次才能保證執(zhí)行準(zhǔn)確率達(dá)到50%以上，而現(xiàn)實環(huán)境中應(yīng)用場景多種多樣，不光需要龐大的訓(xùn)練量，在具體場景中做訓(xùn)練以適應(yīng)特定場景也不太現(xiàn)實，準(zhǔn)確率50%更是遠(yuǎn)遠(yuǎn)達(dá)不到服務(wù)水平的要求。

也就是說，無論宣傳片多么亮眼，依然還是在封閉環(huán)境和特定應(yīng)用場景中實現(xiàn)的效果，距離邁進(jìn)尋常百姓家成為全能的機(jī)器人管家還有很長的路要走，人形機(jī)器人的iPhone時刻遠(yuǎn)未到來。

不過，雖然全能型的通用人形機(jī)器人依然遙遙無期，但在一些具體應(yīng)用領(lǐng)域仍然有快速商業(yè)化的機(jī)會，尤其是隨著ChatGPT的進(jìn)展，不負(fù)責(zé)物理互動，只負(fù)責(zé)語言交互的機(jī)器人有望獲得廣泛應(yīng)用。

此類應(yīng)用環(huán)境制約較弱，又具有龐大的應(yīng)用市場，未來隨著環(huán)境識別和互動技術(shù)的調(diào)優(yōu)，能夠基于自身特色快速整合其他部件與系統(tǒng)，逐步走向通用化。也就是說，未來人形機(jī)器人的手和腿還有很大的改進(jìn)空間，但大概率會裝上具有Sophia的復(fù)雜表情互動能力的臉。

人形機(jī)器人前景可期，但是我們不要輕易被所謂的浪潮所迷惑，而是要理清技術(shù)的邊界，分析技術(shù)對產(chǎn)業(yè)的影響，了解技術(shù)的真實需求，才有可能發(fā)現(xiàn)迷霧之下的真實機(jī)會。