讓馬斯克瘋狂的人形機(jī)器人！萬(wàn)億級(jí)新藍(lán)海，揭秘背后產(chǎn)業(yè)

人形機(jī)器人，AI領(lǐng)域的終極形態(tài)。

編輯 |  智東西內(nèi)參

當(dāng)?shù)貢r(shí)間6月3日，特斯拉CEO埃隆·馬斯克在推特上預(yù)告，將在9月30日的特斯拉人工智能日上發(fā)布原型機(jī)。它叫“擎天柱”（Optimus），又被稱(chēng)為“特斯拉人形機(jī)器人”（Tesla Bot），是特斯拉今年最重要的產(chǎn)品。

人形機(jī)器人的出現(xiàn)可以賦能千行百業(yè)，是人工智能場(chǎng)景的下一波浪潮，隨著技術(shù)的不斷成熟和商業(yè)化落地，有望帶來(lái)萬(wàn)億級(jí)別的空前藍(lán)海。

我們推薦華西證券的報(bào)告《Tesla Bot: AI的星辰大?！?，解析人形機(jī)器人的市場(chǎng)前景。 

來(lái)源 華西證券

原標(biāo)題：

《Tesla Bot: AI的星辰大海》

01.

特斯拉或?qū)⒂?2022年9 月 30日推出首款人形機(jī)器人原型機(jī)，并將其命名為 ” OPTIMUS”。早在2021年8月19日，馬斯克在特斯拉人工智能日時(shí)提出推出人形機(jī)器人，旨意是解決從事重復(fù)性高、單調(diào)枯燥的危險(xiǎn)差事。

馬斯克宣布進(jìn)軍AI機(jī)器人領(lǐng)域，意味著特斯拉絕不只是一家電動(dòng)車(chē)公司，而是一家 AI公司。此外馬斯克聲稱(chēng)特斯拉機(jī)器人有朝一日隨著時(shí)間推移將比汽車(chē)公司更加重要。

特斯拉機(jī)器人可以簡(jiǎn)單拆分2個(gè)域，即AI域及技術(shù)域。

AI域 : 采用FSD computer作為算力核心，配備8個(gè)Autopliot Cameras作為傳感器，支持深度學(xué)習(xí)、大數(shù)據(jù)分析，Dojo訓(xùn)練，自動(dòng)標(biāo)記等算法。

技術(shù)域：機(jī)器人頭部包含信息屏幕，用來(lái)展示信息，此外機(jī)器人由輕質(zhì)材料組成，并且四肢包含40個(gè)左右的機(jī)電執(zhí)行器，并通過(guò)力反饋感應(yīng)系統(tǒng)來(lái)實(shí)現(xiàn)平穩(wěn)和敏捷雙腳行走。

據(jù)馬斯克介紹，該機(jī)器人大約1.73米，體重約56.7千克，可抱起約20.4千克的貨物最快行走速度可約達(dá)8KM/時(shí)。

AI域是人形機(jī)器人的核心，因?yàn)闄C(jī)器人只有通過(guò)不斷的機(jī)器學(xué)習(xí)的訓(xùn)練，才能完成指定的任務(wù)。此外特斯拉人形機(jī)器人是特斯拉自動(dòng)駕駛的集大成者，因?yàn)槿诵螜C(jī)器人的核心與智能駕駛共用 FSD系統(tǒng)，我們預(yù)計(jì)智能駕駛很多神經(jīng)網(wǎng)絡(luò)系統(tǒng)將會(huì)應(yīng)用在人形機(jī)器人中。

數(shù)據(jù)是實(shí)現(xiàn)智能駕駛和智能機(jī)器人的根基，而算力為機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)提供基礎(chǔ)動(dòng)力，隨著特斯拉所處理的數(shù)據(jù)指數(shù)級(jí)的增長(zhǎng)，公司由于耗電問(wèn)題放棄Nvidia A100 GPU作為超級(jí)電腦的陣列去做訓(xùn)練，而是憑借自身強(qiáng)大的垂直整合能力，研發(fā)出專(zhuān)注于深度學(xué)習(xí)訓(xùn)練的Dojo D1芯片，于是特斯拉Dojo超級(jí)電腦應(yīng)運(yùn)而生。

D1芯片作為 Dojo超級(jí)計(jì)算機(jī)的關(guān)鍵單元，實(shí)現(xiàn)了超強(qiáng)算力和超高帶寬，實(shí)現(xiàn)了空間和時(shí)間的平衡。該芯片采用分布式結(jié)構(gòu)和7納米工藝，搭載500億個(gè)晶體管、354個(gè)訓(xùn)練節(jié)點(diǎn)，僅內(nèi)部的電路就長(zhǎng)達(dá)17.7公里。

Dojo超級(jí)計(jì)算機(jī)實(shí)為 ”性能猛獸 ”，算力高達(dá)s 9PFLOPs 。Dojo超級(jí)計(jì)算機(jī)的訓(xùn)練模塊由1500個(gè)D1芯片組成，共53萬(wàn)余訓(xùn)練節(jié)點(diǎn)，相鄰芯片之間延遲較低，配合特斯拉自創(chuàng)高寬帶、低延遲的連接器，算力高達(dá)9PFLOPs，是世界上首屈一指的超級(jí)計(jì)算機(jī)。與業(yè)內(nèi)相比，同成本性能可提升4倍，同能耗性能可提高1.3倍，占比空間節(jié)省五倍。

特斯拉 Dojo D1芯片主要可以拆解成4個(gè)部分，即CPU、 Switch、 Matmult、 SIMD。

CPU即中央處理器，是計(jì)算機(jī)系列的運(yùn)行和控制核心，是信息處理、程序運(yùn)行的最終指令單元。

Switch即交換器，是計(jì)算機(jī)芯片與芯片之間的橋梁，具有數(shù)據(jù)傳輸功能。

SIMD即單指令流多數(shù)據(jù)流，可以理解成平行計(jì)算，是采用一個(gè)控制器來(lái)控制多個(gè)處理器，介入實(shí)現(xiàn)空間并行性的技術(shù)，簡(jiǎn)單來(lái)說(shuō)是一個(gè)指令可以處理多個(gè)數(shù)據(jù)。

Mat mult 即計(jì)算單元，可以專(zhuān)注于神經(jīng)網(wǎng)絡(luò)的計(jì)算，進(jìn)而加速神經(jīng)網(wǎng)絡(luò)的計(jì)算速度，是特斯拉計(jì)算機(jī)實(shí)現(xiàn)算力猛獸的根本原因之一?？梢詫⒃撚?jì)算單元可以理解成人工智能芯片，即AI處理器，是一款芯片專(zhuān)門(mén)用于機(jī)器學(xué)習(xí)的算法及神經(jīng)網(wǎng)絡(luò)的運(yùn)算，可用于訓(xùn)練和推理。相較于同期的CPU和GPU相比，可以實(shí)現(xiàn)15-30倍的性能提升，以及30-80倍效率(性能)提升。

機(jī)器視覺(jué)是 AI深度學(xué)習(xí)的一種應(yīng)用與技術(shù)方向，無(wú)論是人形機(jī)器人還是智能駕駛都是機(jī)器視覺(jué)的落地方向之一。

神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn) AI深度學(xué)習(xí)的一種重要算法，覆蓋人形機(jī)器人從識(shí)別到生成指令的全流程。是通過(guò)對(duì)人腦的基本單元神經(jīng)元的建模和鏈接，探索模擬人腦系統(tǒng)功能的模型，并研發(fā)出的一種具有學(xué)習(xí)、聯(lián)想、記憶和模式識(shí)別等具有智慧信息處理功能的人工系統(tǒng)。神經(jīng)網(wǎng)絡(luò)在智能機(jī)器人的應(yīng)用廣泛，主要應(yīng)用在物體識(shí)別、規(guī)劃、假設(shè)、訓(xùn)練/ /測(cè)試等各個(gè)環(huán)節(jié)。

神經(jīng)網(wǎng)絡(luò)最重要的特征是能從環(huán)境中學(xué)習(xí)，并把學(xué)習(xí)的結(jié)果分布存儲(chǔ)在網(wǎng)絡(luò)的突觸連接中。神經(jīng)網(wǎng)絡(luò)是學(xué)習(xí)的一個(gè)過(guò)程。在環(huán)境的刺激下，相繼給網(wǎng)絡(luò)輸入一些樣本模式(input layer)，按照一定的學(xué)習(xí)算法調(diào)整網(wǎng)絡(luò)各層的權(quán)值矩陣(hidden layer)，待網(wǎng)絡(luò)各層權(quán)值收斂到一定值，學(xué)習(xí)過(guò)程會(huì)結(jié)束(output layer)。

特斯拉在智能駕駛和人形機(jī)器人在機(jī)器視覺(jué)的路徑上具有異曲同工之妙。一套完整的訓(xùn)練、測(cè)試( (工作) )運(yùn)動(dòng)包含傳感器、感知、評(píng)估、規(guī)劃、制動(dòng)器五個(gè)部分。

特斯拉最著名的 AI算法是其機(jī)器視覺(jué)中的純視覺(jué)解決方案，該算法在人形機(jī)器人的制造中將其延續(xù)。

基于圖像的目標(biāo)檢測(cè): 目的是確定圖象中是否存在給定類(lèi)別的目標(biāo)實(shí)例，可以是動(dòng)態(tài)或靜態(tài)目標(biāo)，如果存在，就返回每個(gè)目標(biāo)實(shí)例的空間位置和覆蓋范圍。目標(biāo)檢測(cè)是解決分割、場(chǎng)景理解、目標(biāo)追蹤、圖像描述、事件檢測(cè)和活動(dòng)識(shí)別等更復(fù)雜更高層次(時(shí)間記憶等)的視覺(jué)任務(wù)的基礎(chǔ)。

2D物體識(shí)別到 3D物體識(shí)別的轉(zhuǎn)換 : 特斯拉通過(guò)在8個(gè)不同位置的攝像頭，得到不同角度的同一物體，在通過(guò)神經(jīng)網(wǎng)絡(luò)(類(lèi)似NeRF算法)渲染出該物體的3D圖像，并記錄該物體的大小及位置；隨后生成一個(gè)3D向量空間，通過(guò)鳥(niǎo)看圖的方式，通過(guò)另一種神經(jīng)網(wǎng)絡(luò)(類(lèi)似LSTM算法)和物體識(shí)別計(jì)算出物體下一時(shí)間點(diǎn)出現(xiàn)的位置，至此人形機(jī)器人完成全部的感知步驟，其中包含三維信息及時(shí)間維度信息，并將該信息存儲(chǔ)在訓(xùn)練集中，并不斷強(qiáng)化學(xué)習(xí)。

▲特斯拉2D物體識(shí)別到3D物體識(shí)別的過(guò)程示意圖

02.

從智慧城市到智能駕駛 AI浪潮的變化，預(yù)計(jì)人形機(jī)器人為人工智能的下一落地應(yīng)用場(chǎng)景。

大數(shù)據(jù)時(shí)代 : 2016年AI戰(zhàn)勝柯潔，同時(shí)隨著基礎(chǔ)算力的提升，我國(guó)開(kāi)啟新一輪人工智能熱潮即大數(shù)據(jù)時(shí)代。政策、資本先行，應(yīng)用場(chǎng)景逐漸豐富。無(wú)人機(jī)、AI翻譯機(jī)等相繼落地。

智能駕駛 : 隨著海量數(shù)據(jù)的陸續(xù)爆發(fā)，基礎(chǔ)算力及芯片的陸續(xù)演進(jìn)，特斯拉Autopilot憑借完善的功能定義、依靠數(shù)據(jù)不斷學(xué)習(xí)的算法，以及通過(guò)OTA實(shí)現(xiàn)的軟件升級(jí)，全球正式進(jìn)入智能駕駛時(shí)代，同時(shí),谷歌、百度、騰訊、華為等互聯(lián)網(wǎng)巨頭相繼入局，推動(dòng)智能駕駛加速發(fā)展。疊加政策持續(xù)推動(dòng)自動(dòng)駕駛商業(yè)化運(yùn)營(yíng)落地。如今，我國(guó)國(guó)內(nèi)廠商在智能座艙、駕駛等發(fā)面都取得實(shí)際性的突破，未來(lái)國(guó)產(chǎn)化的生態(tài)將大有可為。

人形機(jī)器人 : 未來(lái)隨著人形機(jī)器人的落地，枯燥乏味、重復(fù)性高例如買(mǎi)菜、家務(wù)等工作極易被人形機(jī)器人取代，我們認(rèn)為這是人工智能的下一波浪潮，國(guó)內(nèi)公司極大可能復(fù)制在智能駕駛領(lǐng)域取得的成果。

根據(jù)麥肯錫數(shù)據(jù)稱(chēng)，隨著AI的不斷進(jìn)步，預(yù)計(jì)2030年全球約有3.75億人口由于AI的技術(shù)突破將重新就業(yè)，從數(shù)量上看，我國(guó)將有1200萬(wàn)至1.02億人口需要重新就業(yè)。全球平均被取代的勞動(dòng)力比率為15%，我國(guó)作為人口大國(guó)基本與世界保持持平為16%。

此外，據(jù)馬斯克透露人形機(jī)器人的實(shí)際成本不會(huì)很高，可能比汽車(chē)還低。安德魯預(yù)測(cè)是25000美元，約人民幣16萬(wàn)元。按照特斯拉MODEL3 最低售價(jià)約為28萬(wàn)元，保守估計(jì)Optimus售價(jià)為20萬(wàn)元。長(zhǎng)期來(lái)看，保守估計(jì)，到 2030年全球人形機(jī)器人市場(chǎng)規(guī)?？蛇_(dá)萬(wàn)億規(guī)模，是繼智能駕駛電車(chē)后又一 AI的空前藍(lán)海。

人形機(jī)器人的出現(xiàn)可以賦能千行百業(yè)，有望取代重復(fù)性高、單調(diào)枯燥的繁瑣工作任務(wù)，同時(shí)，搜索拯救等一系列危險(xiǎn)問(wèn)題工作有望得到解決，快遞、家政、服務(wù)業(yè)、工業(yè)等一系列場(chǎng)景有望率先得到落地。此外，人形機(jī)器人是 AI場(chǎng)景的下一波浪潮，隨著技術(shù)的不斷成熟和商業(yè)化的落地，有望帶來(lái)萬(wàn)億級(jí)的空前藍(lán)海，在我國(guó)智能駕駛的生態(tài)逐漸突破和成熟的背景下，人形機(jī)器人勢(shì)在必行，國(guó)內(nèi)公司極大可能復(fù)制在智能駕駛領(lǐng)域取得的成果。

具備自研 AI處理器的廠商可以為人形機(jī)器人的神經(jīng)網(wǎng)絡(luò)提供算力支撐。人工智能的本質(zhì)及數(shù)據(jù)的海量運(yùn)算，相較于AI算法，數(shù)據(jù)才是重中之重。算力作為數(shù)據(jù)加速處理的動(dòng)力源泉，其重要性不言而喻。

根據(jù)機(jī)器學(xué)習(xí)的算法步驟，可分為訓(xùn)練和推斷兩個(gè)環(huán)節(jié)，訓(xùn)練環(huán)節(jié)需要極為龐大的數(shù)據(jù)輸入才能支持一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練過(guò)程中由于復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和海量訓(xùn)練數(shù)據(jù)，運(yùn)算量巨大，因此對(duì)于處理器的算力、效率(能耗)要求極大。

AI處理器芯片可以支持深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和加速計(jì)算，相比于 GPU和 CPU擁有成倍的性能提升，和極低的耗電水平。此外，推斷環(huán)節(jié)相較于訓(xùn)練環(huán)節(jié)的計(jì)算量相對(duì)較小，但依然會(huì)涉及大量的矩陣運(yùn)算，因此，人工智能芯片將發(fā)揮大量作用。

人形機(jī)器人的落地需要下游場(chǎng)景的數(shù)據(jù)融合，具備 AI算法落地的廠商具有比較優(yōu)勢(shì)。特斯拉在智能駕領(lǐng)域已經(jīng)實(shí)現(xiàn)了純視覺(jué)的解決方案，相關(guān)FSD系統(tǒng)可以直接用于人形機(jī)器人的機(jī)器視覺(jué)領(lǐng)域。

然而距離人形機(jī)器人的商業(yè)落地，其數(shù)據(jù)需要和下游細(xì)分場(chǎng)景緊密結(jié)合，通過(guò)優(yōu)質(zhì)細(xì)分場(chǎng)景下的數(shù)據(jù)和算法進(jìn)行不斷地迭代訓(xùn)練，最后提供具有價(jià)值的商業(yè)服務(wù)。人形機(jī)器人在細(xì)分場(chǎng)景海量數(shù)據(jù)并不可以直接獲得，而具備AI算法商業(yè)化落地的公司本身具備卡位優(yōu)勢(shì)，即與下游細(xì)分場(chǎng)景連接密切，雙方可以通過(guò)合作共同賦能客戶(hù)，進(jìn)而加速人形機(jī)器人的商業(yè)化落地。

特斯拉人形機(jī)器人的目標(biāo)是在重復(fù)、枯燥、危險(xiǎn)的環(huán)境和工況下應(yīng)用，最終將走向我們的家庭，以徹底解決人工不斷短缺的趨勢(shì)。雖然特斯拉在AI、機(jī)器人技術(shù)方面有著雄厚的技術(shù)基礎(chǔ)，但是馬斯克的?？谑欠衲艹烧?，這可能得到9月才能見(jiàn)分曉。