從產(chǎn)業(yè)端來看，盡管以Chatgpt為代表的AI大模型風(fēng)頭無兩，但落地場景成謎，由于目前大模型在文字、圖像生成領(lǐng)域表現(xiàn)出色，許多人認(rèn)為這一波AI更可能首先在服務(wù)或設(shè)計(jì)行業(yè)落地。

但實(shí)際上，高工移動機(jī)器人發(fā)現(xiàn)，許多移動機(jī)器人企業(yè)認(rèn)為人工智能是助推工業(yè)移動機(jī)器人爆發(fā)的關(guān)鍵技術(shù)，目前正在將人工智能的最新進(jìn)展接入到他們的產(chǎn)品體系中，而且其中數(shù)家企業(yè)強(qiáng)調(diào)“這絕對不是噱頭”。

有業(yè)內(nèi)人士就表示：“你說今年行業(yè)沒有亮點(diǎn)，我是不同意的。年初開始，AI對我們啟發(fā)非常大，我覺得這個是行業(yè)進(jìn)化的機(jī)會，是能夠真正促使移動機(jī)器人爆發(fā)的變革?！?/p>

或許這波人工智能革命，首先落地的行業(yè)，將會是工業(yè)移動機(jī)器人。

0****1

大模型如何賦能工業(yè)機(jī)器人？

在年初被大模型革命性的能力震撼過后，業(yè)界人士目前已經(jīng)回歸理性，AI大模型的具體落地場景，能夠帶來多少收益，成為行業(yè)關(guān)心的核心。

據(jù)高工移動機(jī)器人走訪，人工智能目前主要在三個領(lǐng)域加持工業(yè)機(jī)器人：

1、人機(jī)交互。一直以來，機(jī)器人的控制、調(diào)度與排障都需要熟悉相關(guān)知識的專業(yè)人員，這意味著高企的人力成本。由于大模型在自然語言處理與生成、語音識別等面向領(lǐng)域的算法驚人進(jìn)展，在人工智能的加持下，現(xiàn)場工作人員能直接用自然語言，讓大模型生成代碼操控機(jī)器人，因此與機(jī)器人的交互能夠?qū)崿F(xiàn)低代碼，甚至無代碼的人機(jī)協(xié)作。

同時，與傳統(tǒng)的人機(jī)交互方式不同，操作者能夠輸入多模態(tài)指令（比如圖片、文字與語言），并且通過多輪命令修正機(jī)器人的行動。

實(shí)際上，這也是科技巨頭試圖落地大模型的主要途徑之一。谷歌在3月時，推出的PaLM-E著重用自然語言指揮機(jī)器人抓取米餅；阿里在4月時就透露，正在實(shí)驗(yàn)將千問大模型接入工業(yè)機(jī)器人，用自然語言遠(yuǎn)程指揮機(jī)器人工作，并且放出了工程師實(shí)際操作的視頻。

**2、視覺檢測。**業(yè)內(nèi)人士表示，盡管圖像識別是人工智能最主要的應(yīng)用領(lǐng)域之一，但直到今年，AI+在機(jī)器視覺領(lǐng)域的應(yīng)用有了革命性的進(jìn)展。據(jù)其介紹，過去應(yīng)用人工智能，他們需要大量的圖片標(biāo)注，各種各樣的瑕疵樣本，但還是會有從未見過的新瑕疵出現(xiàn)，無論是訓(xùn)練的算力、部署的時間或是需要的人力成本都非常高。

現(xiàn)在由于大模型的出現(xiàn)，他們只需要提供良品樣本，就能在消耗極小的算力下，在更短的時間完成在產(chǎn)線上的部署。與此同理，相比目前普遍運(yùn)用的技術(shù)，移動機(jī)器人在例如強(qiáng)光等室內(nèi)外復(fù)雜場景下，識別周邊環(huán)境以及避障能力也得到了提升。

3、具身智能。由于大模型的發(fā)展，機(jī)器人理解與處理多模態(tài)信息的能力也得到了空前提高。機(jī)器人作為一個多傳感的集成設(shè)備，能夠同時通過視覺、觸覺等方式獲取信息，因此在視覺識別出某個原料后，就能根據(jù)材質(zhì)調(diào)整夾取的力度或者加工的動作。

值得一提的是，如果冷靜地觀察人工智能以及機(jī)器人行業(yè)的發(fā)展，其實(shí)會發(fā)現(xiàn)，工業(yè)機(jī)器人與人工智能的融合，已經(jīng)有相當(dāng)長的歷程，許多企業(yè)也摸索出了多條落地的路徑。

某家老牌機(jī)器人企業(yè)的負(fù)責(zé)人告訴高工移動機(jī)器人，他們早在2017年前后，就開始探索人工智能在移動機(jī)器人上的應(yīng)用，那個時候做的還是比較簡單的語言識別的人機(jī)交互，可以用自然語言命令某個機(jī)器人移動到某個地點(diǎn)，進(jìn)行某個動作。

今年以來Chatgpt領(lǐng)銜的大模型狂潮，與其說是徹底改變了工業(yè)界應(yīng)用人工智能的路徑，不如說是讓企業(yè)探索這些路徑的速度更快，想象空間更大。

當(dāng)然，這并不意味著大模型是個噱頭，它確實(shí)革命性地提高了人工智能的部署、迭代與進(jìn)化速度。

某機(jī)器人企業(yè)產(chǎn)品線負(fù)責(zé)人就表示：“舉個例子，大模型讓機(jī)器人具備意圖分析的能力，這相比之前就有巨大的差距。以前，你要很精確地告訴它，它要具體做ABCD的動作。但現(xiàn)在的話，它能夠識別意圖，你告訴它AB它就會主要詢問你是否要做CD動作。當(dāng)能夠識別操作者的意圖后，就意味著我們能夠用更少的關(guān)鍵詞錄入，更短的訓(xùn)練時間，機(jī)器人自己就能進(jìn)行關(guān)聯(lián)和分析，讓人工智能自主來處理。”

過去多年的研發(fā)與實(shí)踐經(jīng)驗(yàn)積累，以及保障人工智能運(yùn)作的數(shù)字基礎(chǔ)設(shè)施的持續(xù)建設(shè)（例如邊緣計(jì)算技術(shù)、數(shù)據(jù)庫、大數(shù)據(jù)平臺等）讓工業(yè)界能夠在大模型的崛起后，迅速擁抱新興技術(shù)，或許可能成為人工智能大模型率先落地并獲得收益的行業(yè)。

0****2

AI+工業(yè)時代為何還未到來？

盡管未來前景很美好，但大模型在工業(yè)界的落地之旅其實(shí)還是崎嶇難行。

這主要出于三方面的原因：

1、目前大模型的研制還處于初步階段，大部分企業(yè)無力進(jìn)行探索。高工移動機(jī)器人發(fā)現(xiàn)，許多企業(yè)都認(rèn)為大模型肯定在工業(yè)領(lǐng)域大有可為，也已經(jīng)投入了人力物力進(jìn)行研究，但他們都表示需要的成本太高，因此只能是巨頭們的游戲，以目前中國機(jī)器人企業(yè)的實(shí)力，從底層開始構(gòu)筑基礎(chǔ)模型近乎不可能。“我們是不想搞嗎？不是啊，我們太弱太小了，沒辦法?。　?/p>

2、**訓(xùn)練數(shù)據(jù)缺乏。**眾所周知，人工智能大模型需要大量數(shù)據(jù)訓(xùn)練，但在工業(yè)領(lǐng)域，許多企業(yè)的數(shù)字化改造還是非常初步的階段，無法提供足夠訓(xùn)練人工智能的數(shù)據(jù)。況且，工業(yè)界的數(shù)據(jù)是各個廠商非常核心的資源，不可能共享出來，更不可能開放供外部的大模型訓(xùn)練使用，因此人工智能無法發(fā)揮它的全部實(shí)力。

另一方面，**制造業(yè)中的細(xì)分場景紛繁復(fù)雜也讓企業(yè)難以提供足夠的訓(xùn)練數(shù)據(jù)。**即使是同一個細(xì)分賽道中，同一生產(chǎn)鏈條上也會有相差甚遠(yuǎn)的場景，它們產(chǎn)生的數(shù)據(jù)與對人工智能的需求也各不相同。

有企業(yè)負(fù)責(zé)人就曾說過：**“制造業(yè)遠(yuǎn)看是個萬億級的市場，近看就是一萬個億級的賽道。”**這也意味著，要么針對不同的場景收集不同的數(shù)據(jù)，要么就在不同場景使用同一個通用的大模型。但前者的成本太高，也不一定有足夠的數(shù)據(jù)；后者則很難適配相差甚遠(yuǎn)的不同場景。

3、**成本依然居高不下。**工業(yè)領(lǐng)域?qū)γ宽?xiàng)技術(shù)的首要衡量標(biāo)準(zhǔn)就是投入產(chǎn)出比，對成本的核算非常仔細(xì)。

拋去雇傭訓(xùn)練大模型所需要的工程師團(tuán)隊(duì)的人力成本，而大模型目前的訓(xùn)練成本依然很高，人工智能需要進(jìn)行計(jì)算，那么就需要相應(yīng)的硬件成本，每日維持還需要高額的算力成本，盡管沒有一個精確的數(shù)字，但這是大部分企業(yè)無法承擔(dān)的費(fèi)用。以O(shè)penai為例，僅在Chatgpt上，他們每日就要燒70萬美元維護(hù)，因此需要包括微軟在內(nèi)的巨頭提供源源不斷的融資輸血，這是絕大部分企業(yè)無法做到的。

此外，目前業(yè)界對它的使用還處于初步階段，大模型還沒有表現(xiàn)出它在降本增效方面的能力。在大模型高昂的成本之下，產(chǎn)出卻依然成謎。**直白而言，人機(jī)交互、具身智能這些功能，到底能為企業(yè)節(jié)約多少錢？提高多少效率？**目前來看，企業(yè)其實(shí)很難算清楚，因此，目前工業(yè)界對大模型的普遍態(tài)度，還是認(rèn)為需要時間探索。

每一個使用過Chatgpt的人，都不會懷疑人工智能將引發(fā)下一波科技浪潮；每一個了解機(jī)器人的人，也必然相信工業(yè)界的終極形態(tài)應(yīng)該是全自動的智能工廠。AI與機(jī)器人的共同點(diǎn)就在此，大家都相信它們是科技發(fā)展的彼岸，但如何跨過中間的鴻溝，還要多久才能跨越？這些都猶未可知。

但或許，我們離未來只有一步之遙。






審核編輯：劉清