马斯克雷军竞速「机器人」背后，一场机器革命正在发生

原标题:马斯克雷军赛车机器人背后，一场机器革命正在发生。

科技巨头们正在争夺“机器人”。

雷军率先发布了人形机器人CyberOne，随后是马斯克即将登场的特斯拉人形机器人Optimus Prime。

甚至从去年开始，百度制造的智能汽车就被李彦宏称为“机器人”...

机器人不是一个新概念。但问题是，实际的行业和大众的认知还有十亿分的距离。

毕竟，经过多年的科幻大片，“机器人”在大众心目中或多或少与强人工智能联系在一起。

那么，在这股热潮的背后，科技巨头们都在觊觎什么呢？

机器人行业是不是正在悄悄走向大规模应用的前夜，是时候该实现实现了？

机器革命正在进行中。

如果把目光局限在狭义的机器人本身，谈论高度自主的行动、思考、决策能力，普通人的生活似乎离科幻片还相当遥远。

像这样的，波士顿动力是世界上唯一一个在“操控”方面让人惊艳的。

但事实上，如果把机器人的定义拓宽到包括具有一定感知、规划和行为能力，能够辅助人们工作和生活的自动化机器，那么在那些最酷、最仿生的人形机器人背后，一场机器革命确实已经在人们的日常生活中铺开。

而且它以一种安静的方式涉及到你能想到的和想不到的一切。

最容易想到的，和“机器人”这个名字直接相关的，就是扫地机器人。

在走进千家万户的同时，如今的扫地机器人已经成为机器人“控制”和“智能”技术最日常的应用代表。

比如石头扫地机器人T7 Pro，采用了同样的立体视觉识别技术和自动驾驶的AI物体识别技术。

扫地机器人鼻祖IRobot也在高通骁龙212平台集成的人工智能技术基础上，让扫地机器人学会快速掌握房间布局，并在使用过程中学习适应不断变化的家庭环境。

而更多的终端，没有机器人的名字，却有机器人的现实。他们可能不是机器人，但他们必须由机器人驾驶…

比如可以自动检测食物存量，自动下单补货的智能冰箱；基于语音识别技术可以控制家中各种电子设备的智能音箱...

这只是在我们熟悉的日常生活场景中，在更广阔的工农业场景中，智能终端转型的步伐更加深入。

比如农林植保无人机，再加上飞卫、农药，形成了中国的农业飞防体系。

基于智能航线规划、自主飞行、断点续航力、基于5G的信息处理能力等智能能力，其作业效率可达到人工作业的30倍，农药利用率可大幅提升。

途航空M4E植保无人机

再比如工业上的智能耳机电脑。

它不仅拥有智能双摄像头，还能像“两只眼睛”一样检查场景，并通过5G快速将数据发送到后台进行处理；还能解放双手，利用AI语音指令完成智能检索、与专家远程通话、表单可视化等功能。

瑞威尔工业AR戴电脑

……

也就是说，越来越多的机器终端，从相机到家电，再到无人机，甚至汽车，在AI、5G等前沿技术的加持下，正在成为广义上的“机器人”。

它正在将这些点连接成一条线，以越来越快的速度铺设一个庞大的尖端技术网络，一个由算法驱动的软件和由软件驱动的硬件的庞大网络。

而这就是AIoT的精髓。或者你也可以理解为:机器人技术是AI AIoT过程中必不可少的元素。

根据IDC的数据预测，2021年全球物联网支出将达到7542.8亿美元，预计2025年将达到1.2万亿美元，2021-2025年复合增长率为11.4%。

甚至有分析机构用AIoT来审视新技术时代的一切，因为它可以更合理地端到端评估，创新公司包括特斯拉、SpaceX等。被放置在AIoT维度下。

有依据吗？

深入研究AIoT到目前为止的快速发展背后的底层技术和基础设施，其实可以发现端倪。

背后的“基础设施”是什么？

对于一个成熟的行业来说，这种进步已经不能仅仅用AI技术上的单一基准或者硬件上的某个机械精度来衡量，而必须从当前生产体系的规模甚至其应用的生态布局来整体掌控。

目前工业生产体系是否具备量产的成熟条件，首要条件是具备技术底层的“基础设施”—

即近年来渗透到机器人行业的各个角落，涵盖软件、硬件、开发工具。

典型代表之一是高通机器人的RB5平台和RB6平台。RB5是第一个同时支持5G和AI的机器人平台。可以在技术上支持开发者大规模解决机器人“足够自主”的问题。

判断机器人是否具有足够的自主性，往往是判断其内部程序的“智能”，即处理传感器数据等外部信息的能力，以及基于动作做出判断以更好地完成更多任务的能力。往往同时面临AI算法和计算能力的性能调度。

目前，RB5平台已经广泛应用于各行各业的机器人。搭载第五代高通AI引擎，一方面具备每秒15万亿次运算的AI计算能力，另一方面适应多种复杂的AI算法，为基于该平台的各类智能机器人提供了极大的创新空间。

今年新推出的RB6平台将在AI和5G能力上更进一步，不仅允许平台通过扩展卡支持未来5G不断演进的连接特性，包括3GPP Release15/16/17/18的特性；还将AI计算能力提升至每秒70-200万亿次运算，算法丰富度进一步提升。

再者，有了成熟的基础设施，如何形成颠覆传统产业的生态布局，取决于产业发展的路径。

这场机器革命能否取得突破，关键在于能否给各行各业带来大规模的效率提升，而不是局限于某一类场景产生效力。

专注于一个关键词，其实就是对数据的最大化利用。

从这个维度，我们可以更好地理解为什么AIoT可以成为一个全新的评判技术创新的框架:

它是数据流入的接口。5G搭建了快速数据交换的桥梁，背后的AI代表了最先进的数据处理方式。

在AIoT产业化的过程中，技术本身在这些关键节点上发挥了力量和联系。

以高通的统一AI软件栈为例，它通过统一不同终端设备的算法，加快AI算法在物联网终端的落地速度，从而推动整个AIoT产业的快速普及。

数据驱动的万物互联浪潮

回顾AIoT的几个发展阶段，不难发现以传感器为代表的数据生成是为物联网发展奠定基础的初级阶段。

现阶段，物联网已经具备了一定的基于计算机程序的数据处理能力，但离大规模应用还很远。

直到AI和5G技术的出现，物联网才真正具备了系统化、批量化的数据分析能力。成千上万的数据被迅速传输和收集在一起，使其变得有用。自此，“万物互联”的价值逐渐开始体现。

从单个连接节点来看，终端正呈现出以数据驱动为核心的趋势，将智能+连接的能力驱动到更多类型的设备。

就像高通的智能联网边缘(intelligent networking edge)的想法一样，今天的智能化和连接化趋势不仅仅体现在移动终端，甚至是电子设备上，生活中的所有物体都可能成为物联网的连接节点。

比如商场里的购物车，原本只是一个临时的商品工具，但是智能化之后，不仅可以一键结账购买的商品，节省排队的时间，还可以在购买过程中根据你的喜好智能推荐优惠券。

嗨，超级科技智能购物车

这背后，是一股以摄像头和GPS为传感器核心，以骁龙450移动平台的5G传输能力和AI推荐算法为底气，席卷超市零售行业的数据驱动浪潮。

比如理发店里的镜子，原本只是托尼老师让你难受的证据，但被智能化后，镜子变成了预览“最美发型”的能力。

智能镜子会根据你的脸型和要求，通过实时渲染模拟，模拟理发后的效果，你再也不用担心托尼老师剪奇怪的发型了。

新智智能魔镜魔镜

这背后，是基于摄像头等传感器技术，结合骁龙845平台的5G实时渲染能力和AI图像生成能力，针对日常终端设备的数据革命。

即使是最普通的物流货车，智能化之后，也大大提高了可以运输的货物种类。需要冷链储存的特殊贵重药品不再需要依靠人工监管。机器可以自动识别和判断最佳存储温度，并及时调整机舱环境。

移动通信冷链监控智能终端

其中，从传感器芯片、5G低时延数据交换，到AI智能温控等技术，背后的数据驱动能力都来自于高通MDM9206 LTE IoT提供的物联网“工具平台”，驱动着整个物流行业的智能化变革。

好像智能购物车，镜子或者传感器监控的功能都不一样，用的技术也不一样。

但如果从数据驱动的维度来看，会发现以上所有场景的技术根源都可以追溯到三个方面:数据生成、数据传输、数据分析，最后来到AIoT。

高通近年来的技术储备也体现在这些方面:数据生成中的传感器管理、摄像头控制、定位导航等。数据传输、5G基带等技术上的无线连接；数据分析、语音识别等中的图像处理...

这些环节就像动力组创新的技术能力一般都是联系在一起的，相互影响导致更多的技术应用，甚至加速更多智能设备的连接。

例如，高通的Vision Intelligence 400平台设计了一系列专为物联网设备设计的芯片，直接将AI计算和边缘计算能力添加到智能相机、摄像机和机器人中，让更多普通的数据生成设备也能具备AI数据分析能力。

以QCS605为例，它是10nm工艺的AIoT芯片。它包括对GPS导航、WiFi、麦克风阵列和一系列传感器的支持。

某种程度上可以理解为以计算机视觉ISP为核心，具备网络连接等各种功能的SoC。

CV-ISP是人工智能技术的一个非常重要的领域。高通在骁龙建造了世界上第一个CV-ISP手机SoC 855。它具有基于硬件的深度传感功能，并支持实时高清视频拍摄、对象分类和对象分割。

如今，类似的先进AI技术已经在物联网领域广泛传播，并根据物联网终端的类型进行了更多的定制化扩展。

这种终端接收到传感器产生的数据后，可以通过QCS605固有的计算能力和AI模型对数据进行分析处理，然后将处理后的数据通过WiFi传输出去。

如今，有了这个平台，公园、楼宇、甚至整个城市中更多常见的设备都接入了物联网，成为“AI+”中重要的落地场景。

例如，利用摄像头挂载视觉智能400平台，可以实现园区内的AI智能监控。

首先，摄像头采集道路上的照片数据，传输到平台中的AI模型，提取交通流量、车牌号等照片信息。结合平台的AI计算能力和信号传输能力，可以快速智能地完成园区内的高峰时段分析和车辆放行，从而做出相应的判断。

所以，从单个连接节点到覆盖范围，我们会发现，物联网已经从最初的智能家居场景，发展到农工、智慧生活等一切可以想象的应用。

比如，就连采矿业也成为物联网布局的关键场景。

原来井下地形复杂，布线困难，液压支架、采煤机、掘进机等设备移动后信号电缆容易折叠折断，可能造成数据传输中断，影响远程作业，数据传输链路无法继续。

然而，有线和5G传输信号的结合，利用AI技术提高信号强度，以及故障情况下网络的智能切换，可以进一步提高采矿行业的安全性，避免因通信延迟导致的机器事故。

结合AI技术，该系统还实现了对井下采掘、运输、维修等语音和视频数据的分析。，甚至实现井下与井下的实时通信，进一步提高煤矿巡检机器人、自动驾驶采矿机器人等设备的效率。

禺期智能矿山系统

在智慧城市中，类似的数据驱动场景也可以在餐厅、道路、学校、办公室等公共区域看到。，比如杀人机器人、智能共享汽车、乒乓球机器人等。，进一步增加了疫情下人们出行的便利性和安全性。

例如，具有自动巡航、远程监控和云平台数据分析功能的数字化消毒罐，通过5G网络连接和AI控制系统，可以自动、准时、定量地完成指定场所的消毒任务。

博通amp瑞尼比鲁数码肖莎小坦克

除了杀人机器人，道路上具有AI功能、能够自主感知道路信息的智能共享汽车也借助物联网提升了影响空间和可用功能。

例如，智能共享滑板车不仅可以识别人流、检测停车位置，还内置地图和行驶记录，随时查看和优化通行路径，加快接驳结果。

No. S90L智能共享滑板车

比如学校乒乓球课，还使用了专门的发球机器人，不仅可以根据对手的能力智能调整发球难度，还可以专门用AI分析大数据，相应改善击球弱点:

庞伯特服务机器人

回顾并重新审视“万物互联”的几个发展阶段，从数据生成、数据传输、数据分析到部署落地的过程，似乎与高通在这一领域的长期探索之路不谋而合。

在物联网概念提出之初，高通就已经基于骁龙平台为不同行业提供了传感器管理、摄像头控制、图像处理等AI数据分析解决方案。

久而久之，高通开发的各种AI能力形成了一系列完整的“基础设施”平台，被更多的场景所调用。

随后，5G等通信技术开始进一步发展，高通凭借通信技术再次成为5G时代的引领者。在Q1，2022年，高通以59.5%的收入份额继续占据基带芯片市场的首位。

因此，物联网的辐射范围正在迅速扩大，快速提升的数据传输能力使得5G、AI和物联网技术进一步融合。更多的5G+AI技术引入机器人等设备，从智能终端逐渐辐射到整个物联网。

如今，高通也在基于赋能统一AI软件栈的思想，将所有具有通用AI功能的终端设备连接起来，在更多以机器人为代表的场景中落地，直到加速这一轮机器革命到达一个奇怪的点。

以高通赋能各类机器人/物联网企业的案例为代表，可以感受到整个AIoT行业未来的技术趋势也是符合幂集创新场景法则的——

当最基础、最生态的底层技术创新出现时，也会催生一系列的场景变化。

如果说10的一次幂是底层改造场景，那么10的二次幂将带来百倍的降本增效；

10的三次方，这个场景不仅带来了成千上万的小众机会和开发者机会，也创造了行业对统一底层平台的需求。

未来，这波“万物互联”的最终形态会是什么？我们拭目以待。