Nomura: Terobosan model robot semakin hampir, tangan dexterous mendapat manfaat dahulu, kebolehpercayaan kilang masih menjadi halangan
Nomura melihat model baharu dari Disember 2026 hingga Januari 2027 sebagai pemangkin pertama. Video perspektif orang pertama dan peningkatan kecekapan latihan sedang mengurangkan halangan pembelajaran, tetapi pengkomersialan juga bergantung pada keupayaan operasi berterusan, gelung maklum balas data di lapangan dan konsistensi perkakasan.
Sumber asal：Nomura International (Hong Kong) Ltd.Pertama diterbitkan di Unhidea：Tarikh sumber asal：
Inti utama
Nomura berpendapat robot semakin pantas maju mengikut laluan model besar. Tangan dexterous berpotensi mencatat peningkatan jumlah terlebih dahulu, manakala kunci penggunaan komersial yang berterusan ialah menukar keupayaan model kepada operasi yang boleh dipercayai dan data lapangan yang boleh diguna semula.
Terobosan model semakin hampir, tetapi sejauh mana lagi sebelum robot boleh digunakan di kilang?
Nomura menjangka OpenAI akan melancarkan model untuk AI fizikal antara Disember 2026 hingga Januari 2027 sebagai pemangkin pertama. Namun, bank itu menyifatkan kemajuan ini sebagai menghampiri GPT-2: keupayaan mula muncul, tetapi masih terdapat jurang sebelum pengeluaran stabil dapat dicapai.
Pembelajaran daripada sebilangan kecil demonstrasi sudah menunjukkan kemajuan. Generalist AI melaporkan bahawa GEN-1.5 mencapai kadar kejayaan 59% dalam sepuluh ujian selepas menonton satu demonstrasi selama 3–12 saat, dan meningkat kepada 83% selepas latihan ringkas dengan tambahan data lima minit. Keputusan ini berasal daripada ujian syarikat yang meliputi tugasan pendek atau persekitaran simulasi.
Kebolehpercayaanlah yang benar-benar menentukan sama ada pelanggan beralih daripada bajet percubaan kepada bajet operasi. Kajian Nomura menunjukkan robot terbaik hanya boleh beroperasi selama beberapa jam tanpa campur tangan, sedangkan kilang memerlukan seminggu; ketepatan di lapangan sekitar 60%, manakala industri memerlukan sekurang-kurangnya 98%. Bank itu menjangka jurang yang terakhir ini memerlukan 3–5 tahun untuk dirapatkan.
Mengapa video perspektif orang pertama mungkin mengubah kos latihan?
Teleoperasi bergantung pada manusia yang mengawal robot dari jauh untuk mengumpul data; kosnya tinggi dan terikat kepada model robot tertentu. Nomura menganggarkan kos lazim sekitar 700 yuan sejam. Video perspektif orang pertama manusia berharga sekitar 300–350 yuan dan masih boleh digunakan merentas generasi robot, menjadikannya lebih sesuai untuk memperbanyak data pral-atihan.
Peningkatan kecekapan juga datang daripada kaedah latihan. SuperMimic mula-mula mempelajari cara badan bergerak, kemudian melatih pengawal dalam model. Kertas penyelidikan itu melaporkan bahawa latihan menggunakan satu GPU selama 3 jam mengatasi kaedah penanda aras yang dilatih menggunakan 128 GPU selama 7 hari, dengan keperluan pengiraan berkurang lebih seribu kali ganda. Peningkatan ini melibatkan kawalan pergerakan seluruh badan; berdasarkan itu, Nomura berpendapat kebergantungan tahap ini pada kuasa pengkomputeran mungkin menurun.
Video boleh menangani pembelajaran awal, tetapi kemajuan berterusan juga bergantung pada data yang dijana semasa robot bekerja. Nomura berpendapat hanya penggunaan dalam jumlah yang mencukupi dapat membentuk kitaran ‘operasi menjana data—model bertambah baik—penggunaan meningkat’.
Siapa yang lebih berupaya menukar kemajuan model menjadi gelung maklum balas data?
Nomura lebih mengutamakan makmal AI besar dan Tesla: yang pertama memiliki model serba guna, tenaga pakar dan kuasa pengkomputeran, manakala Tesla menghubungkan simulasi, platform data, ujian kilang dan robotnya sendiri. Kedua-dua jenis keupayaan ini boleh saling melengkapi.
Skala di lapangan masih menjadi kekangan. Menurut kajian Nomura, Tesla menyasarkan untuk mengumpul 1 juta jam data yang boleh digunakan menjelang akhir 2026 melalui kira-kira 10 ribu robot latihan dalaman. Sebagai perbandingan, tujuh syarikat penghantaran ekspres terbesar China dijangka membeli kurang daripada 500 robot humanoid secara keseluruhan pada 2026. Oleh itu, bank itu menilai bahawa gelung maklum balas akan bermula dalam syarikat yang menguasai kedua-dua model dan robot.
Mengapa tangan dexterous mungkin mencatat peningkatan jumlah terlebih dahulu?
Pada masa lalu, data latihan tidak mencukupi dan robot lebih kerap menggunakan pencengkam mudah. Nomura berpendapat model asas yang lebih kuat mampu memindahkan kemahiran yang dipelajari pencengkam dua atau tiga jari kepada tangan lima jari, mendorong peningkatan penggunaan dan penurunan harga seunit.
Bank itu menjangka penghantaran tangan dexterous meningkat 80%–120% tahun ke tahun pada 2026, terutamanya didorong oleh produk dengan darjah kebebasan tinggi yang mempunyai lebih banyak sendi boleh bergerak. Asas manfaatnya ialah model mengurangkan halangan penggunaan tangan kompleks, sementara pertumbuhan penghantaran disertai penurunan harga.
Mengapa persaingan pengeluar robot lengkap akhirnya bergantung pada konsistensi pembuatan?
Nomura menjangka robot akan menuju kepada sebilangan kecil bentuk standard selepas pendekatan model stabil. Ketika itu, perkara utama ialah memastikan lebih daripada 20 sendi pada setiap robot berprestasi hampir sama: jika perbezaan badan robot terlalu besar, strategi kawalan yang dipelajari oleh satu mesin sukar diguna semula pada mesin lain, lalu menjejaskan perkongsian data.
Oleh itu, bank tersebut mengutamakan Unitree, pengeluar kereta dan pembekal komponen utama yang pantas melakukan iterasi serta cekap mengawal kos. Ia juga menjangka Unitree meningkatkan bahagian pembelian luar apabila jumlah meningkat, bagi mengimbangi kos dan kualiti. Sebaliknya, pengeluar robot lengkap yang konsistensi produknya lemah dan bergantung pada pelanggan yang mengumpul data mungkin berdepan penurunan permintaan.
