Q：目前国产机器人厂商在下游产业应用方面有哪些布局？

A：国产机器人厂商在下游产业应用方面主要集中在汽车和3C行业。许多厂商，如优必选，与多家汽车厂商合作。此外，银河通用和智昀等也与汽车主机厂商合作。3C行业由于中国完善的产业链和需求，也吸引了不少厂商的尝试。优必选还与麦迪科技合作，探索医疗领域的应用。

Q：为什么国内机器人产业在汽车和3C行业走得比较靠前？

A：国内机器人产业在汽车行业的领先主要是受到特斯拉的影响。特斯拉发起了相关应用的探索，但并未限制在特定的应用场景。这种开放的态度促进了技术的接受度和需求的增长。

Q：车企在采购人形机器人时，主要用于哪些工作环节？

A：目前车企采购人形机器人主要用于搬运工作，因为总装车间有很多工序需要人工完成，机械臂无法替代。而搬运工作相对简单，占总装车间工作的40%到50%，因此在搬运领域使用人形机器人是最可行且有潜力的。

Q：车企对人形机器人的采购需求是如何划分的？

A：车企对人形机器人的采购需求主要是按工人数量划分，而非车间数量或车辆销量。逻辑是看机器人能够替代哪些工种，以及这些工种在产线上的人数比例。目前，机器人替代搬运工人的比例可以达到30%到40%。

Q：国内机器人厂商在人形机器人商业化方面处于什么阶段？

A：目前国内机器人厂商还处于测试阶段，尚未达到大规模商业化推广的阶段。车企的采购也主要是小批量的验证性采购，而非大规模的商业化采购。

Q：车企大规模替代工人的时间展望如何？

A：预计在明年或后年，车企可能会在搬运工的替代方面取得一定的进展。业内对搬运工作的替代持乐观态度，认为明后年有可能实现一定的出货量。

Q：目前国内厂商卖给车企的人形机器人的成本大概是多少？

A：目前人形机器人的成本较高，因为处于验证性阶段，没有实现量产。成本估计在150万到200万元之间。这一成本不代表售价，但推算下来，一台机器人的成本至少要几十万元，加上利润空间，整体成本在150万元左右。

Q：未来机器人产业链的降本空间主要来自哪些方面？

A：降本的空间主要来自于三个方面：首先是零部件的国产化，例如减速器的国产化可以显著降低成本。其次是规模化生产，随着产量的增加，伺服电机等关键部件的成本可以降低一半以上。最后是方案的选择，不同的减速器方案（如行星方案）可以在保持性能的同时降低成本。

Q：机器人在教育领域的应用场景主要有哪些？

A：在教育领域，机器人主要用于科研和职业教育。它们可以帮助学生理解机器人结构，并完成一些高难度动作，尤其是在科研方向上有较多应用。然而，这个市场的空间相对较小。

Q：无人割草机、猫砂机等产品是否会成为主流需求？

A：这些产品与人形机器人关系不大，属于标准赛道的机器人。它们对物体识别和导航要求较高，但对机动性和AI能力的要求相对较低。因此，这些产品的成本也不高，目前还不确定是否会成为主流需求。

Q：大模型为什么在这两年如此火爆？

A：大模型的火爆始于ChatGPT的推出，其惊艳的表现能力让人们对人工智能重新燃起信心。大模型的核心在于其庞大的数据量和参数规模，例如ChatGPT和LLaMA等模型都达到千亿或万亿级的参数量级。大模型的逻辑可以概括为“大力出奇迹”。

Q：国内各家人形机器人厂商在大模型AI应用能力上的差距主要体现在哪些方面？这些厂商是主要依靠自研还是第三方采购？

A：目前，几乎没有人形机器人厂商在自主开发大模型，因为这需要巨大的成本投入，回报却不明显。除了特斯拉，其他公司基本上都依赖开源模型，并在此基础上开发自己的小模型。大模型的开发需要强大的基础设施，如大量的GPU，这对于大多数公司来说是不可行的。因此，各家厂商的差异主要体现在数据积累和小模型的搭建能力上。

Q：如何评判各家人形机器人厂商之间的差距？先发优势是否重要？

A：评判各家厂商差距的一个重要标准是其现场表现能力，而不是宣传视频。机器人需要在运动控制、硬件技术、AI技术等方面没有短板，才能在现场表现出色。先发优势非常重要，因为数据积累是关键，尤其是在不同的行业场景中，数据需求不同。先发的公司能够更早地积累数据，形成马太效应。

Q：机器人厂商如何获取下游场景的数据？

A：获取数据的方法主要有三种：一是通过实训机器人直接获取数据；二是通过人穿戴设备进行动作示范，类似特斯拉的方法；三是通过虚拟训练，即在虚拟世界中模拟训练机器人，这种方法成本较低，但与实际应用存在差异，稳定性不足。

Q：如何看待国内与国外在人形机器人方面的差距？具体在哪些方面体现？

A：国内与国外在人形机器人方面的差距较大，尤其是美国在这方面领先明显。特斯拉在资金、领导层决策、技术和数据收集方面具有显著优势。特斯拉的FSD技术在机器人和汽车领域都能应用，并通过工厂和车辆收集大量数据，形成了强大的数据优势。虽然特斯拉在技术层面上领先，但在模型端，中国近年来有赶上的趋势。

Q：端到端的含义及其发展情况？

A：端到端是特斯拉提出的概念，指从输入到输出的直接过程。虽然具体运行模式不清楚，但它需要大量数据，运算量大，泛化性高。Transformer模型通过多个模态的模型组建成一个大模型，这也是端到端的一种形式。特斯拉的端到端可能是一个黑盒子，经过大量数据训练后能提供更准确的答案。

Q：为什么很多企业纷纷提出端到端的概念？

A：端到端的概念不仅限于特斯拉，许多企业也在使用。不同企业对端到端的定义可能不同，有些企业可能将其作为一种噱头。国内的模型公司或人工智能公司可能会将端到端拆分得更细，例如语言端到端，即输入语言指令后立即反馈另一个语言指令。

Q：日本在机器人，特别是人形机器人技术方面的领先情况如何？

A：日本在早期确实在机器人领域有过一些令人印象深刻的表现，比如本田的阿西莫。然而，阿西莫更多是展示硬件能力，缺乏智能层面的突破。当前，人形机器人行业的突破口不在硬件，而在于软件和AI层面的发展。尽管日本在硬件方面有一定优势，但在智能化方面还有待提高。

Q：国内机器人厂商在汽车行业应用中是否需要做人形机器人？

A：国内厂商在定位上倾向于人形机器人，因为其能够无缝融入人类工作场景，使用人类工具。目前，人形机器人主要用于搬运和质检等工作，但未来有望在精细化操作中应用，如布线、安装挡风玻璃、贴车刀和打螺丝等。虽然在某些简单场景中，轮式机器人也能满足需求，但人形机器人被视为更佳的长期解决方案。

Q：华为、小米等公司在人工智能领域是否具备优势来发展人形机器人？

A：人形机器人是一个复杂的多学科领域，要求企业在运动控制、AI和工业能力等方面没有短板。尽管华为、小米在某些环节具备优势，但缺乏在各个场景端的实际应用数据。具身智能需要实际实体产生的数据，而这些公司在这方面并不具备优势。

Q：国内厂商在机器人控制和数据积累方面是否具备先发优势？

A：国内厂商在技术和数据积累上确实具备先发优势。这些积累需要时间和资源的投入。虽然巨头公司如华为和小米有能力进入这一领域，但需要时间和精力来弥补差距。特斯拉的例子表明，即使从零开始，通过时间和努力也能成为行业领头羊。

Q：在人形机器人行业中，哪些方面构成了技术壁垒？

A：人形机器人的技术壁垒主要体现在工业制造的复杂性和稳定性。工业制造涉及成千上万的零部件，需要强大的技术积淀和供应能力，以确保各个零部件的稳定性。稳定性是评判人形机器人公司实力的重要指标，只有在长时间和多次重复动作后仍能保持稳定运行的公司才能在市场中立足。

Q：在国内人形机器人公司中，您如何排名？

A：我个人认为优必选目前处于领先地位，尽管有一些负面新闻。其次是宇树，它的方案比较收敛且聚焦。智源也比较靠前，但其方案存在问题，尤其是第二代产品完全改动了第一代的方案，显示出路线不够明确。对于银河通用和主机动力，由于了解不多，暂不排名。