自變量機器人獲美團數億A輪融資,累計融超10億

Ofweek維科網
昨天

前言:

[具身大腦]逐漸在市場上獲得更多關注。其根本原因在於,國內[具身大腦]的發展尚有限,缺乏一個面向機器人行業、產品級別的[具身大腦]。

然而,大腦能力的缺失將嚴重限制機器人自主決策的智能能力。

作者| 方文三

圖片來源|網 絡

2024年芯片企業營收TOP10新老更替

市場研究機構Omdia發佈的2024年全球芯片公司營收排名,猶如一顆重磅炸彈,在半導體行業掀起了驚濤駭浪。

這一年,全球芯片市場規模達到了令人矚目的6830億美元,與前一年相比,增幅高達25%。

而這一顯著增長的背後,AI相關芯片需求的爆發無疑是最大的功臣。

英偉達憑藉其在AI芯片領域的卓越表現,成功登頂,成爲全球芯片公司營收排名的新科狀元。

這一成就的取得,不僅彰顯了英偉達在技術創新和市場佈局上的強大實力,更標誌着AI技術在半導體行業的深度滲透和廣泛應用。

從最初的默默無聞到如今的行業霸主,英偉達的崛起之路充滿了傳奇色彩。

隨着AI技術的興起,英偉達敏銳地捕捉到了這一歷史機遇,迅速加大在AI芯片領域的研發投入。

憑藉其領先的技術和出色的產品性能,英偉達的AI芯片迅速在市場上獲得了廣泛認可,成爲了衆多科技企業的首選。

與英偉達的風光無限形成鮮明對比的是,一些傳統芯片巨頭如英飛凌和ST意法半導體則未能跟上市場變化的步伐,跌出了前十名的行列。

英飛凌作爲全球領先的半導體解決方案提供商,在汽車電子、工業電子等領域擁有深厚的技術積累和廣泛的市場份額。

然而,在AI芯片市場的快速崛起面前,英飛凌的轉型步伐略顯遲緩,未能及時推出具有競爭力的AI芯片產品,導致其在市場競爭中逐漸處於劣勢。

作爲一家在模擬和功率芯片領域具有重要影響力的企業,ST意法半導體在面對市場需求結構的變化時,未能及時調整產品策略,導致其市場份額被競爭對手逐漸蠶食。

意法半導體、英飛凌等傳統芯片廠商也面臨着各自的困境。

意法半導體在模擬和功率芯片市場的份額下滑,主要原因在於市場需求的變化和競爭的加劇。

隨着新能源汽車、工業自動化等領域對芯片性能和功能的要求不斷提高,意法半導體的產品未能及時跟上市場需求的變化,導致其市場份額被競爭對手逐漸搶佔。

英飛凌同樣在模擬和功率芯片市場面臨着挑戰,其在汽車電子領域的業務受到了全球汽車市場不景氣的影響,營收出現了下滑。

此外,英飛凌在AI芯片領域的轉型也相對緩慢,未能及時抓住市場機遇,導致其在市場競爭中處於劣勢。

意法半導體加大了在新興應用領域的研發投入,如物聯網、人工智能等,試圖通過技術創新和產品升級來提升其市場競爭力;

英飛凌則通過收購和合作等方式,拓展其產品線和市場份額,同時加快在AI芯片領域的研發和佈局,以適應市場變化。然而,這些措施能否取得成效,還需要時間的檢驗。

這一升一降之間,深刻地反映了全球芯片市場格局的巨大變化。

美團成亮點:自變量機器人獲最新一輪融資

近日,具身智能企業“自變量機器人”成功完成數億元人民幣的A輪融資,由美團戰投領投,美團龍珠跟投。

此次融資所得資金將被用於持續推動完全自主研發的端到端通用具身智能大模型與機器人本體的同步發展,以及未來多個應用場景的智能化解決方案合作與實施。

自2023年初成立以來,自變量機器人已累計完成7輪融資,總金額超過10億元人民幣,吸引的投資方包括頂級機構、產業資本以及國資基金。

在今年2月,公司完成了由光速光合與君聯資本領投的Pre-A++輪融資,資金主要用於下一代通用具身大模型的訓練及場景應用落地;

緊接着,又獲得了華映資本、雲啓資本、廣發信德投資的Pre-A+++輪融資。

除了延續今年以來的強勁融資勢頭,本輪融資的最大亮點在於——由美團獨家投資。

自變量機器人公司的創始人王潛在本輪融資完成後向媒體闡述,公司計劃在國內開放性服務場景中實施落地實踐,並致力於探索在不同場景下實現服務閉環。

此次投資自變量機器人,是美團在機器人領域佈局的重要一環,有助於美團構建從感知、決策到執行的全棧式技術體系,實現機器人技術與自身業務深度融合,提升服務效率和用戶體驗。

技術獨特性:[大小腦統一的端到端]路線

在具身智能領域,技術路線的選擇至關重要。

自變量機器人選擇[大小腦統一的端到端大模型]技術路線,可謂是另闢蹊徑。

若將宇樹視爲人形機器人核心能力的代表,銀河通用則專注於抓取與操作技術,而自變量機器人則憑藉其[統一、端到端的具身大模型]在業界嶄露頭角,成爲備受矚目的明星企業。

一方面,機器人通過視覺、聽覺和觸覺等多模態數據的直接輸入,模型能夠輸出速度、位姿、力矩等執行參數,從而實現對一個動作全過程的控制,整個流程由單一模型獨立完成;

另一方面,推理和決策等任務不再被分解爲獨立的訓練過程,而是整合於同一模型之中,並能在工業、商業及服務等多個不同場景中進行復用。

這種統一策略的一個顯著優勢在於,模型在訓練過程中能夠自發形成[共通結構](common structure),即在一個任務中習得的技能能夠被遷移到其他任務中,顯著減少了訓練所需的數據量。

此外,這一技術路徑亦逐漸成爲全球共識。

剛完成5億美元融資的Skild AI以及具身智能領域的標杆企業Physical Intelligence(PI)等多家國際領先企業,同樣在探索類似的端到端大模型方案。

自變量機器人自主開發的[GreatWall]操作大模型系列中的[WALL-A]模型,具備強大的多模態信息融合能力,能整合視覺、語言與運動控制信號,實現從感知到執行的完整閉環。

在通用性、泛化性上,WALL-A模型表現十分出色,能用極少的樣本,完成各種物理環境變量、動作模式的泛化和遷移。

在長序列複雜操作上,它也具有絕對優勢,在疊衣服、晾衣服等複雜柔性操作中,數分鐘級別的任務成功率達到90%以上。

而且,WALL-A模型已在多個未見過的物理場景中展現出零樣本泛化能力,這可是通用機器人能力的關鍵門檻之一,特別是在長序列、複雜動作控制中,這種優勢體現得淋漓盡致。

經過不斷迭代,WALL-A模型的能力已經與SkildAI、PhysicalIntelligence處於同一水平線上,部分能力甚至強於國外競爭對手。

美團戰略佈局:獨家投資背後是廣撒網

[零售+科技]的公司戰略推動了美團在具身智能這一前沿科技領域的積極投資。

美團早已在多年前開始佈局其在機器人領域的投資版圖,涵蓋了從清潔機器人、酒店機器人到協作機器人,結合自身的到家、到店業務場景,美團已悄然展開其戰略部署。

美團的機器人投資版圖中,彙集了多種技術路徑的機器人企業。

鑑於機器人技術路徑尚未統一,投資者若不想錯失下一個宇樹科技這樣的明星企業,分散投資風險是明智之舉。

從技術角度分析,自變量開發的大模型WALL-A所展現的零樣本泛化能力可能是美團選擇獨家投資的關鍵因素。

值得注意的是,2023年年底,美團連續兩年投資了銀河通用機器人。

在此之前,美團已在機器人領域多次進行投資,宇樹科技是一個顯著的投資對象。

2024年,美團及其旗下龍珠資本曾兩次對宇樹科技進行投資,但並非獨家投資方。

根據天眼查數據,在多輪融資後,美團旗下的漢海信息技術成爲宇樹的第二大股東,持有8%的股份,僅次於創始人王興興本人持有的27%。

更早之前,2021年,美團聯合騰訊中信建投等投資者參與了清潔機器人企業高仙機器人的B+輪融資;

2022年,美團龍珠資本參投了協作機器人廠商法奧意威的A輪融資;

而今年計劃赴港上市的酒店機器人云跡科技背後,也有美團的身影。

美團目前重視的是機器人與公司業務的協同潛力。

當前機器人在實際場景中的應用尚處於概念驗證階段,對人工替代和效率提升的計算尚無法做到精確,因此美團將繼續在場景中尋找更多機會。

在具身智能領域,美團此前的投資後合作也體現了[場景賦能]的策略。

在獲得美團投資後,2024年9月,美團與銀河通用機器人簽署了戰略合作協議,雙方將共同打造全球首個人形機器人智慧藥房解決方案。

今年3月,銀河通用已在北京建立兩家由人形機器人值守的24小時[無人]藥店,並計劃年底前在全國範圍內開設100家。

雲跡科技也在去年與美團外賣達成合作,通過將美團外賣系統與配備機器人服務的酒店連接,利用機器人解決了外賣配送[最後100米]的問題。

在技術領域尚未達成廣泛共識的背景下,美團更傾向於運用投資策略來增強其生態系統。

尾:

模型需要不斷優化,以提高在複雜環境下的感知、決策和執行能力,增強對不同任務和場景的適應性。

同時,隨着技術的不斷發展,還需要緊跟前沿技術趨勢,持續創新,確保技術的領先性。

市場競爭也是一個不可忽視的挑戰。具身智能領域吸引了衆多企業和資本的湧入,競爭日益激烈。

場景落地同樣面臨困難。從實驗室研發到實際商業應用,中間存在着巨大的鴻溝。不同的應用場景對機器人的性能、可靠性、安全性等方面有着不同的要求。

目前,行業已有共識:數據收集效率,攸關具身智能模型的生死。

具身智能作爲機器人技術發展的重要方向,將不斷突破技術瓶頸,實現從專用機器人向通用機器人的轉變。

原文標題 : AI芯天下丨科創丨自變量機器人獲美團數億A輪融資,累計融超10億

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10