因为我们也投资过一些抓取的公司
也非常关注这个领域的
在实验室里面把一个苹果在一个很干净的环境里面抓取起来
再把它放下去
哪怕你做到99%的成功率
它离真正的行业落地可能是千差万别
因为如果你在一个工厂里面
他要求的不是96%的准确率
他要求的是五个九的准确率
他要求你抓1万次
只有一次失败
这个的准确度和可靠度对于今天的所有的算法或者所有的技术框架来说
可能是一个完全不同level的一个问题
你的执行机的可靠度可能就做不到这么高
哪怕你有一个理想的算法
你可能抓一万次你都会失败100次
但是客户要求的是万分之一的准确度
对你讲的非常好
我们去年其实在聊机器人跟大模型的那期播客里面有提到
如果我们让一个机械手臂能够在任何空间间
任何光线下都能够非常准确的去握住一只杯子
那它可能就是一个诺贝尔奖级的成果了
是的
这是机器人学的皇冠级的问题
但是对于一个人来说
哪怕一个接受过一两个小时训练的工人来说
他在产线上面基本上可以做到百分之百的不失误或者不失效
而且是非常灵巧
非常快速
所以这一点就意味着我们真正把机器人落地到这个场景里面
其实需要非常仔细的思考它的产品的路径
做一个很酷炫的demo
离真正的商业化是很远的那回到我们做投资
我们要投的是一个商业上成功的公司
我们投的不是一个很善于做demo
很善于持续募资的公司
所以这对我们的投资和创业提出了非常高的要求
人形机器人会在哪些场景或者哪些领域里面首先实现商业化应用
你怎么看
这是一个好问题
我也跟非常多的创业者
跟专家讨论过这个问题
今天大家看来
包括以马斯克为例
以中国和美国的很多人形机器人的创业公司为例
大家能够看到的最清晰的场景还是在工厂和仓库的场景
工厂尤其是以汽车工厂为代表
汽车的总装线
汽车的搬运产线
以及仓库里面的拣选搬运的环节
这两个环节相对来说是场景比较可控
他的任务清晰
可以定义他需要一定的移动
也需要一定的操作能力
但是它的难度并不是特别大
同时这两个场景成本的成熟度和我任务失效的代价都是在一个比较可控的范围
所以从理性的角度上讲
可能这些场景会是未来一两年很多公司率先落地的场景
包括像特斯拉也提出了他们可能要在今年或者明年要实现上千台的Optimus 在工厂里面的落地
我觉得这些目标都是有可能实现的
但是从这些场景里面能不能真正实现商业上的正向的盈利
或者说实现正向的发展
我觉得还有待验证
这个场景能不能再进一步扩散到更加通用的
更加开放的场景
我觉得也是需要今天软件跟硬件技术的进一步发展
你觉得如果我们说到工厂或者是新能源汽车生产线
他的整个的应用规模有多大
如果直接算这个的话
可能不好算出一个特别清晰的TAM
因为现实情况上产线和仓库里面的工人他往往是多任务的
他可能并不只是做这一个任务
但是我们一开始商业化的机器人
可能他就是设计起来专门为这一个场景去优化的工厂或者说仓库的搬运这个环节
我觉得从全球范围来看
当有非常多的行业
非常多领域
可能整个市场价钱是一个千万级的人力的需求
但是当你细分到每一个垂直的行业
比如说汽车产业在垂直到每一个工厂里面的具体的工序
可能这个数字会缩小很多
但可能今天人形机器人也好
通用机器人也好
关注的不是这个市场到底有多大的问题
而是我能不能有一台
有有10台
有100台
能够在这些场景里面真正的稳定高效的工作起来
我觉得今天可能连10台都做不到
就是持续稳定的在工厂里面工作
不给工厂添乱
我觉得可能今天都做不到这个水平
所以你会怎么去衡量一家机器人公司的好坏
以及它是否值得投资
投资其实是非常多维的一个考虑
我能够总结的是做一家公司
他一定要在对的时间选择对的切入口
以及一个对的团队去把它做下来
比如说可能在14、15年的时候
中国出现了一些扫地机器人的公司
比如说21年、22年的时候
中国出现了一些割草机型的创业公司
可能在16、17年的时候
中国出现了一批仓储机器人公司
其实他们这些公司出现的时间和切入的这个市场
是跟当时技术和需求的成熟度是密切相关的
我们作为投资人
作为创业者来说
我们要判断在今天这个时间点上哪些
属哪些能力成熟到了可以进行商业化创业
可以进行商业化的一个阶段
以及这个团队是不是真正找到了一群合适的人
而不只是看起来可能有非常好的背景
看起来有很好的逻辑或者很好的故事
但是他并没有不能把这个场景或者产品真正的交付起来
我觉得它是反正蛮综合的一个事情
这也是我们每天在不断探索跟训练的一个过程
有阶段性的结论吗
首先我觉得其实中国的公司在机器人的创业这波浪潮里面
还是有非常大的机会的
我们看到基本上在过去20年成功或者过去十年成功的机器人公司
绝大部分是来自于中国
发挥了我们非常好的供应链研发和落地场景的快速迭代的这个能力
反过来说
如果今天是一个在美国想要做机器人创业的团队或者一个方向
我去衡量的角度
我可能会去思考这个美国的团队有没有做一些真正对于精度要求非常高性能要求非常高
且对很不敏感的一些领域
这可能是美国公司在过去10年、这15年做机器人创业成功的一些要素
而这个要素可能跟在中国成功正好是反的
所以一些美国公司更容易成功的领域
我可能觉得一个中国公司去做的可能性会比较低
成功概率会比较低
而一个中国公司非常擅长领域
比如说扫地机
割草机
仓储机器人
服务机器人
配送机器人
我觉得这些中国公司有显然优势的领域
讲的非常好
然后Peter你有什么要补充的吗
我想要补充的是机器人这个行业
我觉得在商业化和科研两个角度来讲
都是非常早期的一个领域
所以今天市场很热啊
大家有非常多的关注
事实上看
其实机器人只在少量的比较结构化
比较高容错率的场景
比如说扫地机器人
比如说仓储机器人这种环境里面得到了规模化的应用
以及一些少量的特别高精尖的领域
比如说手术机器人
甚至像无人机对吧
军用无人机这些场景里面得到了规划的应用
其实机器人可以落地的场景是非常多的
但是今天我觉得从算法
从硬件的角度都还在研发的一个早期
我觉得AI今天的发展
包括大模型
包括世界模型的发展
对于机器人未来的前景是非常光明的
我们发现一些机器人传统领域决策感知控制里面一些非常难的问题
因为大模型就出现
因为世界模型出现可能会有有全新的不同的解
就像我们在自动驾驶里面已经见到的一样
就是自动驾驶之前我们用传统的定位
高精地图
人工规则的方式来做
其实我们会遇到很多性能上的瓶颈
而今天当这个学习驱动的方法
数据驱动方法这个范式被真正验证的时候
我们发现自动驾驶可能真的能够看到落地和突破的一天
我认为同样的事情在集成领域里面也是一样的
我们非常期待大模型
包括世界模型
包括可能基层的大模型对基层技术的影响落地
但从另外一点我们会深刻的意识到
这是一个非常长的一个过程
我们今天还有非常多的问题没有解决
总体上来说
其实未来是非常可以期待的
只是说中间可能要跨过的一个的这种技术的细节的态度了
我们现在还在一个可以说是非常早期的阶段
对我衍生一句话就是在AI的发展历史上
我们是经历过三次的这种低谷或者是绝望之谷的
因为短期人们容易对技术的一些可能性和技术突破抱有非常高的预期
非常高的期待
但是当他不能deliver的时候
大家会陷入一个比较失望的一个状态
我担心可能机器人在未来两三年也会经历这样一个过程
尤其今天大量的资本
大量的创业者投入的人性和通用机器人这样显然非常长期非常困难的这个领域
如果他们在两三年之内
三四年之内没有达到预期的进展或者预期的效果
会不会市场会陷入这样一个低谷
或者说一个失望的过程
我们当面临这样的一个过程的时候
我们怎么从这样的环境里面再recover
再爬起来
然后真正的把这个技术朝可以落地
可以商业化的地方去推动
这可能是我未来几年会非常关注的方向
你觉不觉得这个过程非常像现在整个无人驾驶的发展的历程
很有可能我们如果回到15年的时候
告诉大家
到了2024年
我们还没有办法商业化的可以盈利的去经营
自动驾驶、Robotaxi
我觉得可能很多人回到15年
可能不会选择进入这个行业
或者不会那么积极的在这个领域进行投资
但是可能技术的发展就是这样的
它是一个挺漫长
也不是一个一帆风顺的一个过程
尤其涉及到物理环境
涉及到自然环境这个交互
我有一点我非常相信的是
如果我们要解决人形机器人或者解决通用机器人问题
它面临的难度是远远大于自动驾驶可以商业化
可以落地这个难度的
我觉得有一点好处是当有一个技术泡沫出现的时候
其实是有非常多的顶级的聪明人进入到这个行业的
这个行业它未必能够实现最终大家理想中的那个状态
但是他在往这条技术路线发展的过程中
他可能能够带来很多的新的商业化的场景
或者一些新的应用的形态
可能是大家之前没有预料到的
我觉得挺有意思的
就我们看一下这个行业会怎么演进
好了
这就是我们今天的节目
如果大家喜欢我们的节目
可以在你所收听的音频渠道来订阅
我们中国的听众可以通过小宇宙
苹果播客
喜马拉雅、网易云音乐
QQ音乐
蜻蜓FM
荔枝FM来收听订阅
我们海外的听众可以通过苹果播客
Spotify还有Youtube来收听订阅
我们
大家在Youtube上可以搜索“硅谷101播客”来找到我们
感谢大家的收听
谢谢
发表回复