机器人端侧模型的十字路口

54 0 0

文章摘要

自2023年以来，人工智能领域的大模型和机器人技术成为科技发展的两大驱动力。大模型在提升机器人智能水平方面扮演着关键角色，尤其在泛化和规划能力上。然而，大模型在机器人领域的实际应用仍处于初级阶段，主要帮助机器人进行简单的任务理解和拆分。机器人厂商、大模型厂商和芯片厂商之间形成了复杂的三角关系，这种关系影响了技术的进一步发展。

机器人厂商主要分为身体控制派和交互感知派，技术源头多样，包括视觉感知、强化学习和语言模型等。大模型派在机器人领域的落地面临挑战，因为端侧模型需要适配芯片，而芯片迭代基于市场需求。目前，机器人市场尚未从专业级产品转向消费级产品，导致适配机器人端侧模型的芯片开发缓慢。此外，机器人消费市场的扩大依赖于智能水平的提升，即AI模型的迭代，而这又需要大量真实世界的高质量数据。

大模型在机器人领域的应用面临多个挑战，包括行业尚未找到适合机器人的模型框架、不同形态的机器人对大模型有不同的要求、不同的输入方式对大模型构成挑战，以及数据获取困难。模型厂商难以获取大量多元化的预训练数据，限制了模型执行任务的泛化性。

算力也是机器人端模型发展的关键瓶颈。国内研究基础大模型的主力军仍在关注云端大模型，而机器人搭载的板卡算力有限，难以运行千亿参数规模的大模型。这导致云端模型无法在机器人本体上离线部署，增加了成本和功耗问题。

为了打破这一僵局，需要三方合力。一些大模型厂商提出了解决方案，如端云协作的大小模型协同训练和部署方式，以及基于非Transformer架构的模型以降低算力要求和功耗。同时，芯片厂商需要实现高端芯片的突破，提高算力和降低功耗，以支持模型的更多机会。

最终，解决出货量问题是关键。机器人厂商需要提高本体的稳定性和适应性，覆盖多种场景。如果出货量得到提升，场景增多，上游厂商和资源自然会涌入。同时，机器人侧大模型的创业空间较大，因为机器人的主要交互方式是语音和视觉，核心诉求是实现拟人化。长期来看，模型厂商、芯片厂商与机器人厂商都有很大的探索提升空间，需要三方积极向彼此靠拢，并有一方主动破局。