行业发展趋势 - 智能产业正从单一条线向跨领域融合演进 以智能汽车 智能机器人与低空经济为代表的多条产业链在技术 零部件供应 场景应用和监管政策上出现大量交叉 催生出聚合智能这一新的产业发展方向[1] - 产业端整合推动技术复用与规模化落地 对感知 控制与安全等底层能力提出更高要求 在复杂现实场景中实现高可靠 低成本的数据采集与训练成为大规模商用的关键[1] - 获得足够多高质量数据并完成有效训练 在特定领域将机器人技能优化到可替代人工水平并实现规模化落地应用 是突破关键瓶颈的核心要素[1] 公司业务与技术优势 - 公司是人工智能触觉传感芯片及应用解决方案研发商 在触觉感知领域是行业内唯一覆盖底层感知芯片硬件 软硬件模组以及触觉前端模型的企业 市占率超过80%[3] - 公司聚焦机器人触觉感知层面 覆盖从底层芯片到前端触觉模型的完整链路 率先在MuJoCo与英伟达Isaac Sim上搭建并开源触觉仿真模型 通过仿真解决现实端数据稀缺与降本问题[2] - 在人形机器人领域主要提供触觉传感器和电子皮肤 在汽车 家电 消费电子等领域也有广泛应用 汽车领域合作伙伴包括奔驰 宝马 比亚迪等企业[3] 触觉技术的重要性与应用 - 触觉作为与物理世界直接交互的唯一感知通道 在需要柔性操作和高可靠性场景中至关重要 是机器人能否真正替代人工的核心要素之一[2] - 触觉与视觉发展路径不同 触觉覆盖全身且双手是关键 前端决策通过手端神经回路和小脑完成快速调整 这些不过脑子的前端决策正是触觉要解决的问题[4] - 工业自动化设备擅长固定标准化作业 但在柔性和泛化场景尚未满足需求 例如汽车产线上90%以上工位工作可由设备完成 但取出零部件 去掉保护套等动作仍难以实现[4] 商业化路径与发展挑战 - 选择在酒店 物流等可快速学习 易复制场景切入 商用端对成功率要求高达约99.7% 工业端要求更高 通过阶段性落地推动具身智能向更大规模商业化迈进[2] - 最大瓶颈在于数据与训练成本 现实生活场景缺乏机器人进行数据采集和训练 数据短缺制约发展 需要通过付费或条件交换采集数据[5] - 重点开展数字仿真训练工作 在MuJoCo平台搭建触觉仿真训练框架 与英伟达合作借助Isaac Sim平台进行训练和数据获取 大幅降低数据采集与训练成本[6] 行业发展前景 - 行业乐观派认为机器人会在5-10年内实现通用泛化 保守估计需要20年 未来1-2年可预见在酒店等场景实现商用化应用[4][6] - 机器人将替代人类从事繁重 重复或危险工作 如养老 物流等领域 使人类更多从事创造性与想象力驱动的工作[7] - 公司去年获得工信部专精特新小巨人企业称号 今年成功入选国家级重点小巨人企业[3]