Diskutieren Sie die "Verachtungshierarchie" im Kreis der Roboter-Startups | Fokusanalyse

Autor丨Qiu Xiaofen

Redakteur丨Su Jianxun

Im Jahr 2024, obwohl der von großen Modellen ausgelöste "verkörperte Intelligenz"-Gründungsboom noch nicht lange andauert, haben wir nach Dutzenden von Interviews mit Roboterfirmen eine "Abneigungskette" innerhalb der Branche entdeckt.

„Diejenigen, die Software machen, verachten diejenigen, die Hardware machen, und diejenigen, die große Modelle machen, schauen auf Reinforcement Learning herab“, beobachteten mehrere Brancheninsider ähnlich.

Unterschiedliche Perspektiven bestimmen den Einstieg der Robotergründer in das Geschäft.

Wang Sheng, Partner bei InnoAngel Fund, sagte im Interview, dass es unter den Hunderte von aufstrebenden Roboter-Startups in Chinadrei Haupttypen von Genen gibt:

Erstens Teams, die ursprünglich aus der Robotik kommen und sich stärker auf die Hardwarefähigkeiten von Robotern konzentrieren, hauptsächlich auf Steuerung und Motoren. Der Hauptfokus liegt auf dem Körper des Roboters (humanoid/vierbeinige Roboter), gefolgt von den Armen oder Gelenken des Roboters.

Zweitens Teams mit Software-Hintergrund, die sich stärker auf die Intelligenz und Generalisierungsfähigkeit von Robotern konzentrieren, wobei „Software“ weiter unterteilt werden kann:

Einige sind Unternehmer der vorherigen KI-Welle, die sich in das Roboterfeld gewandelt haben, wie zum Beispiel CV, Reinforcement Learning; andere stammen aus einem echten großen Modell-Hintergrund, dieser Personenkreis ist kleiner und steht an der Spitze der Abneigungskette.

"Ich kann diese Hardware-Unternehmen in China nicht ernst nehmen.“, sagte ein Gründer eines Unternehmens für verkörperte Intelligenz im Interview. Seiner Meinung nach ist die Software das Nadelöhr in der Roboterentwicklung, aber derzeit sind die Budgets der Hardware-Unternehmen für KI-Software zu niedrig, „sie nutzen nur einfach ausländische Open-Source-Großmodelle“.

Unitree Robotics ist typisch für die „Hardware-Fraktion“, ihr Gründer Wang Xingxing äußerte sich in einem öffentlichen Interview——ihre Investitionen in KI sind sehr kontrolliert, weil es zu teuer ist. „Roboter sind unsere Existenzgrundlage“, sagte er sogar, „wir begrüßen Kunden, die unsere Hardware nutzen, selbst wenn sie unsere gesamte Software löschen“.

Ein Insider eines Roboter-Hardware-Unternehmens äußerte widerwillig, dass es momentan keine Einigung im Bereich der Robotik-Software gibt – es gibt zu viele technische Paradigmen und Ansätze. Was sind die Grenzen zwischen dem „Gehirn“ und dem „Kleinhirn“ eines Roboters? Wie macht man verkörperte Intelligenz richtig? Die Branche ist noch sehr chaotisch und es bleiben viele Fragen offen.

Unitree G1

Das Ergebnis des "Software-Hardware-Konflikts" ist, dassdie meisten Hardware-Unternehmen in China Roboter immer noch mit einem traditionellen Hardware-Denken entwickeln und die Anwendung von „Gehirnen“ nur oberflächlich durchführen, während die meisten Unternehmen, die „Gehirne“ entwickeln, sich dafür entscheiden, ihre eigene Hardware von Grund auf neu zu entwickeln.

Jeder arbeitet für sich, die Branche ist in einem vagen Zustand der Fragmentierung.

Große Modelle können Roboter noch nicht „befähigen“

„Die Firmen, die jetzt Hardware machen, sind nur Videoproduktionsfirmen!“ äußerten mehrere Investoren und Brancheninsider in Interviews.

In diesem Jahr haben viele Roboterhersteller in ihren Demos beeindruckende Szenen gezeigt: Roboter, die in Autofabriken Dinge transportieren, Regale sortieren, was den Eindruck erweckt, dass Roboter der AGI-Ära Realität geworden sind.

Doch die Realität sieht anders aus.

Hinter einem perfekten Demo steht oft: Wenn man eine Szene eines Roboters filmt, der ein Glas aus einer Schublade greift, könnte sich das Training morgens umstellen, während die Aufnahme nachts stattfindet; oder wenn sich zwei Gläser in der Schublade mehr oder die Position der Schublade ändert – diese Kleinigkeiten können dazu führen, dass der Roboter seine Aufgabe nicht erfüllt.

„Bei einigen Demos ist der Erfolg nur einmal in zehntausend Versuchen (im Video ist es oft nicht ehrlich).“ bemerkte ein Brancheninsider.

Aber man könnte sich fragen, warum große Modelle auf mobilen Geräten und Computern bereits intelligent genug sind, es aber nicht schaffen, die Robotergehirne klüger zu machen, so dass Hardware-Unternehmen so hart an „perfekten“ Demos arbeiten müssen.

figure 02

Nach unserem Verständnis ist die Anwendung und das Verständnis großer Modelle bei den meisten Hardware-Unternehmen nur oberflächlich – sie verbinden nur einfach die mittelgroßen und großen Sprachmodelle. In der Tat ist die Distanz zwischen großen Modellen und der „räumlichen Intelligenz“, die Roboter tatsächlich benötigen, noch weit.

Mehrere Brancheninsider sagten, je größer die Datenmenge in den Sprachmodellen, desto größer die Gefahr von „Halluzinationen“, die die Aufgabenausführung stören können. „Sprachmodelle haben nichts mit der erfolgreichen Umsetzung von Roboteraufgaben zu tun – die Erfolgsquote ist miserabel!“

Der Gründer des zuvor benannten Unternehmens für verkörperte Intelligenz bemerkte, dasskeines der hiesigen Teams wirklich von den Anforderungen von Robotern ausging, um angepasste große Modelle für verkörperte Intelligenz zu entwickeln.

Früher war eine Lösung in der Roboterindustrie, eine Zwischenebene namens „Klein-Hirn“ zwischen dem großen Modell und dem Roboterkörper einzuführen – es sollte verschiedene „Sub-Aufgaben“ (z. B. die Aufgabe „Den Roboter Kaffee machen lassen“ in die einzelnen Schritte „Tasse holen – Bohnen mahlen – Wasser aufbrühen“ zerlegen) zum Hauptgehirn transportieren und den Roboterkörper dazu bringen, diese zu verstehen und auszuführen.

Aber auch neue Herausforderungen traten auf. Einerseits bedeutet die Einführung des Klein-Hirns, dass Roboterhersteller bei komplexen Aufgaben endlose Sub-Aufgaben vorbereiten müssen, die weiter unterteilt werden müssen.

Andererseits ist Datenmangel ein noch dringlicheres Problem. Derzeit investieren Regierung und einige Unternehmen stark in zentralisiertes Training, aber mehrere Brancheninsider bemerken, dass die Effekte nicht ideal sind, da niemand so recht weiß, welche Daten gesammelt werden sollten oder was die Standards für qualitativ hochwertige Daten sein sollten.

Am Beispiel des Greifens eines Bechers sollten qualitativ hochwertige Daten idealerweise eine vollständige Manipulation durch einen Roboterarm umfassen, der weiß, wie der Becher zu greifen ist – selbst wenn sich die Umstände ändern. Aber das bedeutet auch, dass für eine einfache Aktion wie das Greifen Millionen oder sogar Milliarden von Daten erforderlich sind.

Mit der initialen Erwartung „Große Modelle verändern alles“ sind viele in die Roboterbranche gestürzt, nur um festzustellen, dass es ein viel größeres Zwischenstück gibt, als angenommen.

Eine kollektive Neuausrichtung

Aus Branchenperspektive ist der Fragmentierungszustand ungesund, und Investoren sowie Branchenakteure durchlaufen eine kollektive „Neuausrichtung“.

In der zweiten Jahreshälfte 2024 zeichnete sich eine subtile Veränderung in den Investitionstrends im Robotersektor ab. Wang Sheng berichtete, dass zuvor viele Investoren glaubten,dass Investitionen in Roboter gleichbedeutend mit Investitionen in humanoide Roboterhardware seien.

In den letzten anderthalb Jahren blühten humanoide Roboterfirmen prächtig auf, ihre Bewertungen stiegen rapide. Laut unserem Verständnis haben beispielsweise Unitree Robotics und Zhiyuan Robotics, zwei begehrte Roboter-Hardware-Unternehmen, in den letzten Jahren nach mehreren Finanzierungsrunden beide eine Bewertung von über 1 Milliarde US-Dollar erreicht, „unerschwinglich“.

ZhiYuan Expedition A2-max

Währenddessen hatten viele Unternehmen, die sich auf Roboter-Klein-Gehirne/-Groß-Gehirne spezialisierten, mit Finanzierungsschwierigkeiten zu kämpfen und mussten erneut überlegen, wie sie ihre Unternehmensgeschichten erzählen können.

„Vor der zweiten Jahreshälfte dieses Jahres war es schwer, Investoren für große einheitliche Robotermodelle oder End-to-End-Geschichten zu gewinnen“, sagte der Gründer des zuvor erwähnten Roboter-Gehirn-Unternehmens. „Aber jetzt, wenn man nicht über End-to-End redet, ist man nicht mehr up-to-date.“

Die Investitionstrends änderten sich in der zweiten Jahreshälfte dieses Jahres dramatisch.

Ein Gründer eines humanoiden Roboter-Gelenkunternehmens bemerkte, dass es in diesem Jahr für reine Hardware-Startups spürbar schwieriger geworden ist, große Finanzierungsrunden zu erhalten, „der Markt ist ein wenig rau“.

Schaut man auf jüngste Entwicklungen, sieht man weltweit, dass Skild AI und Physical Intelligence in kurzer Zeit Bewertungen im Milliardenbereich erreicht haben; in China hat das Roboter-Klein-Gehirn-Unternehmen „Starsea Diagram“ kürzlich Mittel von Ant Investment erhalten, während die Roboter-Großhirn-Unternehmen „Variable“ und „Thousand Decisions Technology“ ebenfalls Investitionen gesichert haben.

Jetzt investieren die Anleger von humanoiden Robotern in verkörperte Intelligenz, betonte Wang Sheng im Interview und bemerkte, dass die verkörperte Intelligenz der Schlüssel zu allgemeineren Aufgabenverarbeitungen bei Robotern sei.

Das Umdenken betrifft nicht nur die Investitionen; eine Welle von Hardware-Herstellern beginnt ebenfalls, ihre Vergangenheit neu zu bewerten. Früher sammelten Roboterfirmen Daten in spezialisierten Bereichen, um diese in bestimmten Szenarien zu verwenden. Man glaubte , was allgemein ist, ist wertlos.

Heute, trotz der Herausforderungen bei der Anwendung großer Modelle, ziehen Unternehmer daraus die Lehre, dass möglicherweise zuerst grundlegende generelle Modellfähigkeiten entwickelt werden müssen, bevor darauf spezialisierte Anwendungen aufgebaut werden können – dies könnte der Schlüssel zur generellen Lösung des Problems sein.

Der Software-Hardware-Konflikt im Roboterbereich zeigt, dass die Branche unter der AI-Einwirkung weiterhin im Chaos verhaftet ist und die Einigung über einheitliche Standards fehlt. Aber die Verknüpfung von Hardware und verkörperter Intelligenz ist der endgültige Weg, den Roboter nehmen müssen; beides ist unverzichtbar.

„Egal, ob aus Software- oder Hardware-Perspektive, das endgültige Ziel aller ist ähnlich, es kommt darauf an, wer es kommerziell effizienter lösen kann“, sagte ein Brancheninsider. "In der AGI-Ära brauchen Roboterfirmen im Wesentlichen Teams, die sowohl KI als auch Hardware verstehen. Der entscheidende Punkt ist jedoch, dass sich alle gegenseitig anerkennen."

(Alle Bilder in diesem Artikel stammen aus offiziellen Quellen)

Ende

Ende