Kiedy AI zaczyna mieć ciało: Czy fizyczne AI stanie się nową główną linią technologiczną?

Autor: Jim, MSX Maitong

Redaktor: Frank, MSX Maitong

W ciągu ostatnich dwóch lat, AI na rynku kapitałowym koncentrowało się głównie na "mózgu" AI.

Od ChatGPT, dużych modeli po GPU, HBM, centra danych, komunikację optyczną i infrastrukturę energetyczną, prawie wszystkie kluczowe linie koncentrują się na tym, jak zwiększyć skalę modeli, przyspieszyć tempo treningu i obniżyć koszty wnioskowania.

Jednak te AI mogą generować tekst, obrazy, kod i wideo, ale w większości nadal działają w ekranach i cyfrowym świecie.

Dlatego, gdy zdolności dużych modeli i infrastruktura obliczeniowa stają się coraz bardziej dojrzałe, rynek naturalnie zaczyna zadawać pytanie: Czy te coraz mądrzejsze modele mogą w końcu wyjść z ekranu i wejść do samochodów, fabryk, magazynów, szpitali i rzeczywistego świata?

To właśnie dlatego fizyczne AI zaczyna wkraczać na scenę przemysłową.

I. Od "myślenia" do "działania", dlaczego fizyczne AI jest ważne?

Zgodnie z definicją NVIDIA, fizyczne AI to umożliwienie AI wyjścia z ekranu, aby roboty, kamery, samochody autonomiczne i inne systemy autonomiczne mogły postrzegać i rozumieć otaczające środowisko, podejmować wnioski, decyzje i wykonywać złożone działania.

Innymi słowy, jeśli generatywne AI rozwiązują problem "jak maszyna myśli", to fizyczne AI próbuje rozwiązać problem jak maszyna, po myśleniu, może działać poprawnie, bezpiecznie i niskokosztowo, aby naprawdę mogła wchodzić w interakcje z rzeczywistym światem.

Z ostatnich publicznych wystąpień Jensen Huang, NVIDIA nieustannie wzmacnia linie produktów takie jak Isaac, GR00T, Cosmos, Omniverse i Jetson, a ich celem nie jest jedynie obstawianie na konkretnego robota, ale zbudowanie kompleksowej platformy podstawowej obejmującej trening, symulację, wnioskowanie i wdrażanie, aby umożliwić maszynom wejście do fizycznego świata.

Ponieważ prawdziwe fizyczne AI nie polega jedynie na podłączeniu dużego modelu do robota, wymaga ono również zrozumienia relacji przestrzennych i praw fizyki, potrzebuje modelu świata, danych treningowych, środowiska symulacyjnego, obliczeń brzegowych, wizji maszynowej, czujników i kontroli ruchu, a przed wdrożeniem musi przejść wiele testów bezpieczeństwa.

W kontekście rynkowym, fizyczne AI jest ściśle związane z "inteligencją cielesną", ale jego zakres jest szerszy, obejmując nie tylko roboty humanoidalne, ale także autonomiczne pojazdy, roboty przemysłowe, drony, inteligentne fabryki, systemy magazynowe oraz inteligentne przestrzenie napędzane przez kamery i czujniki.

Oczywiście, fizyczne AI nie jest nagle pojawiającym się nowym pojęciem.

Autonomiczne pojazdy, roboty przemysłowe, wizja maszynowa i automatyzacja magazynów rozwijają się od wielu lat, a prawdziwą zmianą jest to, że duże modele, modele świata, technologia symulacji i obliczenia brzegowe łączą te wcześniej względnie rozdzielone ścieżki technologiczne.

Wiele tradycyjnych robotów przemysłowych polega na wcześniej napisanych programach, które powtarzają standardowe działania w stosunkowo stałym środowisku; celem fizycznego AI jest umożliwienie maszynom dostosowywania swoich osądów i działań na podstawie informacji w czasie rzeczywistym, gdy stają w obliczu różnych obiektów, nieznanych środowisk i nagłych sytuacji.

To oznacza, że łańcuch wartości AI rozwija się od "mózgu" do "ciała".

W ciągu ostatnich dwóch lat rynek najpierw ponownie ocenił GPU, pamięć, serwery, sieci i energię potrzebną do trenowania i uruchamiania AI. Następnie kapitał może dalej poszukiwać nośników, które mogą przyjąć tę moc obliczeniową i przekształcić zdolności modeli w rzeczywistą produktywność: roboty, autonomiczne pojazdy, drony, urządzenia automatyzacji przemysłowej oraz systemy wizji i czujników rozprzestrzenione w fabrykach, magazynach i miastach.

Dlatego fizyczne AI nie jest prostym pojęciem równym "robotom humanoidalnym", ale otwiera cały łańcuch przemysłowy od obliczeń do działań.

II. Od obliczeń do robotów, pięć warstw łańcucha wartości fizycznego AI

Aby ułatwić zrozumienie, MSX Research Institute wstępnie podzieliło łańcuch wartości fizycznego AI na pięć kluczowych ogniw.

1. Pierwsza warstwa: warstwa obliczeniowa

Niezależnie od tego, czy chodzi o trenowanie modeli robotów, budowanie wirtualnych środowisk, czy realizację wnioskowania w czasie rzeczywistym w pojazdach i robotach, nie można obejść się bez obliczeń.

Obejmuje to GPU w centrach danych, chipy AI brzegowe, platformy obliczeniowe w pojazdach i procesory o niskim zużyciu energii, a główne podmioty to:

• NVIDIA (NVDA.M): obejmująca moc obliczeniową do treningu, platformę obliczeniową Jetson oraz ekosystem rozwoju robotów;
• TSMC (TSM.M): podstawowe zakłady produkcyjne chipów AI, chipów samochodowych i chipów obliczeniowych brzegowych;
• Arm (ARM.M): architektura obliczeniowa o niskim zużyciu energii szeroko stosowana w pojazdach, robotach i inteligentnych urządzeniach;
• Qualcomm (QCOM.M): inwestycje w AI w pojazdach, wnioskowanie brzegowe i inteligentne urządzenia;
• AMD (AMD.M): potencjalni beneficjenci mocy obliczeniowej AI i obliczeń wbudowanych;

Logika tej warstwy jest podobna do rynku AI generatywnego w ciągu ostatnich dwóch lat, kontynuując logikę "sprzedawania łopat", niezależnie od tego, która firma robotyczna ostatecznie wygra, podstawowe potrzeby to chipy, moc obliczeniowa i architektura obliczeniowa.

2. Druga warstwa: warstwa modeli

Nie jest to trudne do zrozumienia, fizyczne AI potrzebuje nie tylko modeli językowych, ale także podstawowych modeli robotów, modeli świata oraz modeli wizji-języka-działania.

Modele językowe mogą rozumieć polecenia ludzi, modele wizji pomagają maszynom rozpoznawać otoczenie, a modele działań odpowiadają za przekształcanie osądów w konkretne działania; modele świata idą jeszcze dalej, próbując sprawić, aby AI zrozumiało relacje między obiektami, przewidziało, co może się wydarzyć w następnej kolejności, i przeprowadziło symulacje przed działaniem.

Ta warstwa jest obecnie głównie napędzana przez duże firmy technologiczne i przedsiębiorstwa platformowe, w tym NVIDIA, Tesla, Google oraz niektóre startupy robotyczne.

W porównaniu do dużych modeli językowych, największym problemem, przed którym stoją modele robotów, są dane, chociaż w Internecie znajduje się ogromna ilość tekstów, obrazów i wideo, to jednak naprawdę wysokiej jakości dane operacyjne robotów są rzadkie, a generowanie wystarczającej ilości danych treningowych stanie się kluczowym progiem w procesie rozwoju fizycznego AI.

3. Trzecia warstwa: warstwa symulacji

Z powodu wysokich kosztów, wolnych prędkości i dużego ryzyka rzeczywistego treningu, roboty muszą najpierw uczyć się w wirtualnym świecie, dlatego cyfrowe bliźniaki, dane syntetyczne i wirtualne środowiska treningowe stanowią bardzo ważną warstwę fizycznego AI.

NVIDIA zbudowała dość kompletny zestaw narzędzi w tej warstwie: Omniverse służy do budowania cyfrowych bliźniaków i środowisk symulacyjnych, Isaac Sim i Isaac Lab wspierają trening, testowanie i weryfikację robotów, a Cosmos zapewnia modele świata i zdolności generowania danych.

Wartość tej warstwy polega na tym, że może przenieść kosztowne, niebezpieczne i powolne próby i błędy z rzeczywistego świata do wirtualnego środowiska, gdzie deweloperzy mogą jednocześnie uruchamiać wiele scenariuszy, testować różne oświetlenia, warunki pogodowe, tereny i nagłe zdarzenia, a następnie wdrażać zweryfikowane modele na rzeczywistych urządzeniach.

Mówiąc wprost, trening robota w rzeczywistości może zająć kilka minut, podczas gdy w środowisku symulacyjnym można przeprowadzić tysiące równoległych uruchomień.

4. Czwarta warstwa: warstwa percepcji

Gdy robot wchodzi do rzeczywistego świata, pierwszym krokiem często nie jest posiadanie zwinnych rąk, ale zdolność do stabilnego "widzenia" i rozumienia otaczającego środowiska.

Musi rozpoznawać obiekty, oceniać odległości, rozumieć zmiany w otoczeniu i lokalizować się w złożonej przestrzeni, a po podjęciu decyzji musi przekształcić ją w rzeczywiste działania za pomocą kontrolera, silników, ramion robotycznych i modułów stawowych.

Ta warstwa obejmuje wizję maszynową, kamery, lidar, czujniki, chipy kontrolne, kontrolę ruchu i różne komponenty wykonawcze:

• Cognex (CGNX.M): systemy wizji przemysłowej i rozpoznawania;
• Ouster (OUST.M): lidar i platformy percepcyjne;
• Qualcomm, NVIDIA: dostarczające platformy wizji obliczeniowej w pojazdach i na brzegach;

Ouster zintegrował nową generację cyfrowego lidaru z NVIDIA Jetson i ekosystemem Isaac, a także promuje zastosowanie w robotach przemysłowych, inspekcjach i systemach autonomicznych; Cognex kontynuuje wdrażanie systemów wizji AI w scenariuszach detekcji i automatyzacji w przemyśle.

W porównaniu do robotów humanoidalnych, przestrzeń wyobraźni dla wizji maszynowej i czujników może nie być tak duża, ale jest bliższa rzeczywistym zamówieniom i istniejącym klientom.

Jeśli chodzi o silniki, reduktory i moduły stawowe, w amerykańskich akcjach jest stosunkowo niewiele czystych podmiotów, a związane możliwości są bardziej rozproszone w automatyzacji przemysłowej, chipach symulacyjnych i firmach produkujących specjalistyczne komponenty.

5. Piąta warstwa: warstwa aplikacji

Jako najwyższa warstwa łańcucha wartości, jest to również rynek najbardziej znany z robotów, autonomicznych pojazdów, dronów i urządzeń automatyzacji przemysłowej, a odpowiadające podmioty to:

• Tesla (TSLA.M): Optimus, FSD i Robotaxi;
• Alphabet (GOOGL.M): rozwój autonomicznych pojazdów przez Waymo;
• Amazon (AMZN.M): roboty magazynowe, automatyzacja logistyki i Zoox;
• Teradyne (TER.M): roboty współpracujące i mobilne;
• AeroVironment (AVAV.M), Kratos (KTOS.M), Ondas (ONDS.M): drony i systemy bezzałogowe;
• Palantir (PLTR.M): platforma oprogramowania łącząca dane, decyzje i urządzenia bezzałogowe;

Wśród nich Palantir nie jest producentem robotów, ale bardziej platformą oprogramowania łączącą dane, decyzje i urządzenia bezzałogowe; Uber może stać się punktem dostępu dla różnych flot Robotaxi do pozyskiwania użytkowników, zarządzania zamówieniami i realizacji transakcji, obie te firmy są kierunkami pośrednich korzyści.

To również jest najbardziej elastyczny segment fizycznego AI, gdy tylko jakiś robot, Robotaxi lub dron wejdzie w fazę masowej produkcji, rynek szybko zaktualizuje swoje prognozy przychodów i wyceny.

Jednakże, jednocześnie warstwa aplikacji jest również najbardziej konkurencyjna i najtrudniejsza do realizacji.

III. Kto pierwszy zarobi: sprzedawcy łopat czy producenci robotów?

Z punktu widzenia kolejności realizacji przemysłowej, dodatkowe przychody i zyski przynoszone przez fizyczne AI niekoniecznie pojawią się najpierw w najbardziej futurystycznych robotach humanoidalnych.

Bardziej prawdopodobną ścieżką jest najpierw sprzedaż podstawowych platform, a następnie wejście w zamknięte scenariusze; najpierw rozwiązanie standardowych zadań, a potem wyzwanie otwartego świata, krótko mówiąc, pewność "sprzedawania łopat" nadal jest najwyższa.

Dlatego, jeśli powiedzieć, że największym beneficjentem pierwszej fazy AI generatywnego była NVIDIA, to wczesny rozwój fizycznego AI nadal będzie miał trudności z ominięciem NVIDIA. Niezależnie od tego, czy to Tesla, Amazon, czy jakaś firma startupowa zajmująca się robotyką, wszystkie potrzebują treningu modeli, testów symulacyjnych, wnioskowania w czasie rzeczywistym i wdrażania brzegowego.

Przewaga NVIDIA nie polega tylko na GPU, ale na tym, że integruje chipy, modele, oprogramowanie symulacyjne i platformy obliczeniowe brzegowe w kompletny system rozwoju, co oznacza, że nie musi osobiście produkować każdego robota, wystarczy, że coraz więcej robotów korzysta z jej mocy obliczeniowej i ekosystemu oprogramowania.

Z tej perspektywy, wyraźnym kierunkiem korzyści w pierwszej fazie fizycznego AI mogą być nadal "sprzedawcy łopat", którzy dostarczają moc obliczeniową, symulacje, chipy i narzędzia rozwojowe; ale "wyraźna ścieżka korzyści" nie oznacza, że cena akcji nie niesie ryzyka, nadal trzeba obserwować, czy rynek już uwzględnił oczekiwania wzrostu, czy ekosystem oprogramowania może stworzyć trwałe przychody, czy konkurenci mogą dostarczyć alternatywne rozwiązania.

Następnie fabryki i magazyny mogą szybciej zamknąć cykl komercyjny, co oznacza, że fizyczne AI najwcześniej pojawi się w raportach finansowych, prawdopodobnie w obszarze produkcji, magazynowania i logistyki.

Te scenariusze mają względnie zamknięte środowisko, a trasy i zadania są bardziej znormalizowane, co sprawia, że przedsiębiorstwa łatwiej obliczają zwrot z inwestycji ------ po zainwestowaniu w robota, można bezpośrednio zmierzyć, ile pracy można zaoszczędzić, jaką efektywność można zwiększyć i ile strat można zmniejszyć.

Amazon już masowo wykorzystuje roboty w swojej sieci magazynowej i optymalizuje harmonogramy i trasy między urządzeniami za pomocą modeli AI; Universal Robots i MiR, należące do Teradyne, obejmują odpowiednio roboty współpracujące i autonomiczne roboty mobilne, które już weszły do rzeczywistych środowisk produkcyjnych, takich jak produkcja, logistyka i półprzewodniki.

Wspólną cechą tych firm jest to, że nie tylko pokazują, co roboty mogą zrobić, ale już zaczęły wprowadzać roboty do fabryk i magazynów, aby rozwiązywać rzeczywiste problemy produkcyjne. W porównaniu do tego, wprowadzenie robotów do domów w celu gotowania, sprzątania i opieki nad osobami starszymi wiąże się z bardziej złożonymi środowiskami i odpowiedzialnością za bezpieczeństwo, co może znacznie wydłużyć cykl komercjalizacji.

Na koniec, roboty humanoidalne niewątpliwie mają największy potencjał rynkowy, teoretycznie mogą wejść do fabryk, magazynów, szpitali i domów zaprojektowanych przez ludzi, bezpośrednio korzystając z istniejących dróg, narzędzi i stołów roboczych.

Tesla Optimus stał się jednym z najbardziej interesujących kierunków w fizycznym AI, ale to nie oznacza, że masowa komercjalizacja już nadeszła; w przypadku robotów humanoidalnych, to, co naprawdę należy obserwować, to nie to, czy ruchy na konferencji są płynne, ale czy koszt jednostkowy, czas pracy ciągłej oraz wartość, którą generują, mogą pokryć koszty zakupu i utrzymania.

W porównaniu do tego, Robotaxi jest już na bardziej zaawansowanej pozycji. Autonomiczne pojazdy to w zasadzie "fizyczne AI na kołach" ------ pojazdy postrzegają otoczenie za pomocą kamer, radarów i lidarów, modele podejmują decyzje, a następnie pojazdy realizują rzeczywiste działania.

Tesla, Waymo i Zoox reprezentują odpowiednio zintegrowane oprogramowanie i sprzęt, systemy autonomiczne oraz dedykowane trasy Robotaxi; Uber stara się stać się punktem dostępu łączącym różne floty autonomicznych pojazdów z pasażerami; Waymo rozpoczęło wdrażanie całkowicie autonomicznych operacji szóstej generacji swojego systemu autonomicznego, a ich najnowszy model, wyposażony w ten system, ujawnia, że firma zrealizowała ponad 20 milionów całkowicie autonomicznych przejazdów, co wskazuje, że Robotaxi wyraźnie wyprzedza ogólne roboty humanoidalne w walidacji komercyjnej.

Ponadto, drony i roboty obronne łatwiej uzyskują potwierdzenie zamówień. W końcu klienci z sektora obronnego mają bardziej wyraźne potrzeby dotyczące autonomicznych, niskokosztowych systemów bezzałogowych i urządzeń przeciwdronowych, a takie firmy jak AeroVironment i Kratos już wykazują wzrost przychodów i zamówień w swoich działalnościach autonomicznych i bezzałogowych, a Ondas również nieustannie zdobywa zamówienia na systemy przeciwdronowe, drony patrolowe i autonomiczne systemy obronne.

Jednak te małe firmy zazwyczaj wiążą się z wyższym ryzykiem koncentracji projektów, finansowania i realizacji.

Dlatego, aby ocenić, czy firma zajmująca się fizycznym AI jest warta dalszego śledzenia, należy wrócić do trzech pytań:

• Czy jest to kluczowy element łańcucha wartości, którego nie można zastąpić?
• Czy ma rzeczywistych klientów, zamówienia i scenariusze zastosowania?
• Czy postęp technologiczny może ostatecznie przełożyć się na przychody, zyski i przepływy pieniężne?

Na koniec

Fizyczne AI nie zrealizuje się z dnia na dzień.

Z punktu widzenia zasad przemysłowych, bardziej prawdopodobne jest, że podąży ścieżką, która stopniowo przechodzi od pewności do elastyczności: najpierw moc obliczeniowa, symulacje i platformy brzegowe, następnie magazyny, fabryki i roboty specjalistyczne, a na końcu Robotaxi, drony i ogólne roboty humanoidalne.

A to, co naprawdę decyduje, jak daleko ta główna linia może sięgać, to nie to, ile ruchów roboty wykonały na konferencji, ale to, czy po zejściu ze sceny mogą wejść do fabryk, magazynów, na drogi i do rzeczywistych biznesów, tworząc wartość, która może być zweryfikowana w raportach finansowych.

Kiedy to się wydarzy, AI naprawdę przejdzie z ekranu do rzeczywistości.