“卷融資”告一段落？人形機器人“卷交付”白熱化|聚焦
《科創板日報》1月19日訊（記者 敖瑾）人形機器人“卷”交付持續白熱化。
《科創板日報》記者從樂聚機器人處獲悉，公司第100臺全尺寸人形機器人已交付北汽越野車，主要運用在空箱搬運及物流分揀兩個場景。據公司方面介紹，樂聚機器人與北汽的合作通過公開競標敲定，同時競標的還有其他五家國內頭部人形機器人企業。“性能和成本是競標過程中客戶看重的兩個關鍵點。”樂聚機器人CEO常琳對記者表示。
“卷交付”的還有近期宣佈完成 8 億元融資的傅利葉。其創始人顧捷在2024年三季度末曾對外表示，公司交付已超過100臺。“100臺的數字，對於人形機器人行業來說是一個很大的里程碑。這意味着我們不單單只是把機器人停留在實驗室，有膽量放到真實場景中，接受用戶和場景的錘鍊。”顧捷在接受媒體採訪時表示。
經過一段時間的政策推動和熱錢催熟之後，風口之上的人形機器人企業，在技術路線和商業化推進方面都正逐漸走出分化。
人形機器人商業化加速
政策和資本雙重催熟的人形機器人賽道，在爆火後的第二年就快進到了產業化落地階段，量產和交付成爲行業焦點。除了上述兩家國內廠商外，業內標杆特斯拉Optimus也更新了量產計劃：預期在2025年量產超千臺，並進入特斯拉工廠。
對此，常琳告訴《科創板日報》記者，這事實上是行業向商業本質的迴歸，“強調交付數量，意味着客戶的選擇和認可，這其實是更重要的指標，人形機器人機器人終於從過去的純概念以及炫酷的視頻，到現在終於真正開始走入生產生活場景。”
有關注具身智能領域的一級市場投資人士則對記者表示，從投融資的角度，在經歷了一段時間的熱錢涌入後，相當一部分企業估值已經被擡得較高，“此時企業需要在業務上有里程碑式的進展，公佈量產或交付計劃，這一方面是給過去的資方交出成績，另一方面也是給接下來的繼續融資鋪路。”
在實際應用場景中積累數據，也是具身智能企業“卷交付”的重要原因之一。多名投資人在採訪中表示，數據不足是當前人形機器人大規模落地制約因素之一。“機器人的實際數據較難進行大規模採集，涉及的成本也比較高。通過部分場景的率先落地，有希望實現數據的低成本採集，從而打造出一個數據飛輪，加速人形機器人在具體場景中的智能提升。”
常琳亦對記者表示，人形機器人最終實現廣泛落地，本體、場景數據和模型三者缺一不可，儘早大量地觸達場景，以此儘可能多地獲取場景數據，有助於機器人模型的訓練。在具身智能模型方面，樂聚目前已與華爲雲、火山引擎、騰訊等達成合作。
其中，最受市場矚目的無疑是與華爲的合作。對此，樂聚方面稱，12 月華爲雲（深圳）具身智能產業創新中心成立，樂聚與華爲等大模型企業在技術、業務、戰略層面的合作正穩步推進。
據常琳介紹，目前，人形機器人已越來越深入場景端，從科研到展廳導覽，逐漸鋪開到包括3C、汽車等工業場景。目前，樂聚全尺寸人形機器人已交付至上述北汽越野車、蔚來汽車以及江蘇亨通等企業，應用於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，作業效率已從人工的30%提升到了50%。
“在與一汽的合作中，現階段，人形機器人在汽車工廠總裝車間 POC 場景一天可搬運 1000 個箱子，中長期有望實現將所有空箱子搬運歸位。接下來人形機器人還會進入到物流分揀、產品檢測等場景。總體而言，人形機器人距離完全替代人確實還很遙遠，但機器人當前已初步具備一些技能，在某些崗位上投入使用後，可以讓企業在兩年內收回相關成本。”
行業玩家路徑分化
儘管人形機器人落地場景應用正在加速，但過程中仍面臨不少問題。
常琳表示，目前來看，人形機器人進入全新應用場景，需要克服六大問題，“一是核心零部件的成本，目前人形機器人所使用電機等關鍵部件成本較高，這直接影響了人形機器人的市場定價和普及程度。二是運動控制的相關技術需要攻關。三是人形機器人的結構非常複雜。四是對應的操作系統還不完善。五是人機交互水平有待提高。六是消費終端的App生態尚未形成。”
其進一步向《科創板日報》記者介紹，爲加速推進樂聚機器人的產業化進程及產品的場景適應力，公司的人形機器人“夸父”，進行了三輪迭代。
“在硬件層面，其手臂、關節散熱、續航、傳感器均進行了改進，機器人整體在穩定性、易用性、實用性方面有所提升。軟件層面，團隊的Model-Based控制算法，已經達到全球領先水平，算法結合基於模型的控制方法與底層求解加速技術，具備高求解精度、擬人化自然運動、流暢平滑的控制效果等特點。”常琳表示。
《科創板日報》記者瞭解到，目前，人形機器人賽道在技術路線上尚未收斂，除了上述樂聚機器人的Model-Based控制算法路線外，強化學習也是一個重要的軟件層面技術實現方式。二者的區別在於：控制算法路線依據機器人運動學和動力學模型，經精確數學計算確定控制量，實現對機器人位置、速度、力等物理量的精確控制；強化學習則基於機器學習中的強化學習理論，機器人在環境中通過不斷試錯，根據環境反饋的獎勵信號來學習最優行爲策略。
控制算法路線的代表性廠商包括波士頓動力等。國內人形機器人廠商中，宇樹科技、星動紀元以及逐際動力等採用的均是強化學習路線。值得一提的是，這三家人形機器人廠商都在一級市場受到風險資金的關注，前者當前估值已達80億元，而後二者均獲得了來自阿里的資金加註。
對於上述技術路線的分野，常琳表示，不同的路線有各自的特點和優勢，但從長期來看，兩種路線會走向融合。“樂聚目前與北京通院合作，正在推進基於Model-Based的強化學習運動控制技術，預期該技術能提升複雜任務和操作模型效果。”
融資方面，成立於2016年的樂聚機器人，截至目前共完成5輪融資，投資方包括深創投、騰訊投資、鬆禾資本以及洪泰基金等。對於人形機器人企業正站在資本市場風口的現狀，常琳對《科創板日報》記者表示，發展到當前階段，樂聚已經過了強調融資的時期，“這個行業的發展確實需要很大的資金量進來，但如何實現健康可持續的資金流入，每家企業都有各自不同的戰略選擇。就樂聚當前的發展階段而言，公司更關注產品以及所服務的客戶。”
其進一步表示，樂聚目前戰略聚焦於商業化交付，“一家公司如果可以在量產能力、機器壽命以及小批量交付上實現領先，再在接下來把大批量的產業化場景牢牢抓住，到那個時候不同企業之間的代差會越來越大。”