NVIDIA与Google杀入日本制造现场：谁掌握现场数据，谁就掌握下一代工业

都发布了什么

这一连串发布的中心,是富士通主导的具身智能事业探讨。

富士通7月16日宣布,将与发那科、安川电机、川崎重工业共同启动面向具身智能社会落地的事业探讨。它将在引入NVIDIA技术的同时,构建一套协调控制基座,把数字空间中的规划与判断,连到现实世界机器人和设备的动作上。

各企业探讨的领域各不相同。

面向工厂,是让生产计划与现场运行状况联动,优化整体生产活动;面向零售与物流,是根据销售与库存情况重排搬运计划,推进物流的机器人自动化;面向医疗健康,则设想由机器人依据医院业务系统的指示,承担药品与检体的搬运、患者的接待与引导等。

技术上,将运用NVIDIA的世界模型"Cosmos"、机器人开发基座"Isaac"、用于数字孪生与仿真的"Omniverse",以及负责物理演算的"Newton"等。富士通希望把这些与机器人厂商的控制技术、现场数据相连,构建一个能横跨不同机器人与设备加以驱动的共通基座。

不过,目前敲定的仅是事业探讨的框架。具体产品、服务与推出时间都尚未给出,后续将制定技术开发与事业推进的路线图。

前一天发布的安川电机与Google DeepMind合作

在富士通发布的前一天、即7月15日,安川电机宣布已开发出把"MOTOMAN NEXT"与Google DeepMind的"Gemini Robotics ER 1.6"相连的"智能体机器人系统"。

Gemini Robotics ER 1.6是一款面向机器人的具身推理模型,负责空间理解、作业规划,以及判断作业是否完成。它作为上位"大脑",把复杂作业拆解为步骤,并在失败时判断是重做还是进入下一道工序。

在安川电机的系统里,人给出"把这个零件分拣一下"之类的粗略指示后,由AI组织作业步骤。据此判断,再由MOTOMAN NEXT标配的机器视觉、动作路径规划、力觉控制等,落实为实际的机器人动作。搬运途中掉落零件时,机器人会识别状况并重做作业;检测到零件不足时,还可将订货信息联动至生产管理系统。

这里要点在于:安川电机与Google DeepMind并未宣布正式的全面合作,而是把Google DeepMind的AI模型连入了安川电机的机器人系统。具体的适用领域与推出时间,也称今后再定。

为什么是现在,为什么是具身智能

以往的工业机器人,擅长把预先示教的位置与步骤高速、精确地重复。

而零件位置或形状每次都变的作业、处理柔软物体的作业、需依周围状况改变步骤的作业,很大程度依赖人的认知与判断,自动化一直很难。

随着生成式AI与多模态AI的发展,机器人有望理解摄像头与传感器所得的信息、规划作业,并在确认结果的同时决定下一步行动。曾在屏幕里生成文字与图像的AI,开始进入驱动现实世界机器与设备的阶段。

在日本,劳动力不足与熟练工减少,进一步推动了这一趋势。具身智能一旦实用化,机器人就有可能进入以往固定式自动化难以划算的领域——多品种小批量生产、物流、检测、医疗与看护等。

不止"海外AI×日本精密硬件"

这次发布,可以概括为"海外企业提供大脑,日本企业提供身体"。

NVIDIA除GPU外,还提供涵盖世界模型、仿真、机器人学习、边缘AI的具身智能基座;Google DeepMind的Gemini Robotics ER 1.6负责空间识别、作业规划与成败判断。日本一侧则拥有机器人本体、伺服电机、编码器、动作路径规划、力觉控制、安全控制,以及现场导入技术。

但真正的分工,并非"AI"与"硬件"的两层,至少可分为四层。

第一是世界模型、面向机器人的基础模型等AI层;第二是GPU、边缘计算机、仿真等算力层;第三是把生产计划、库存、医院业务等与机器人连接起来的协调控制与业务系统层;第四是机器人本体,以及让其精确、安全运行的动作控制层。

在这次构想中,NVIDIA与Google DeepMind在第一、第二层领先,富士通承担第三层,机器人厂商承担第三与第四层。

对日本企业而言,关键在于:能否不局限于第四层硬件,而把现场数据、协调控制乃至导入后的运营也握在手里。

安川电机展现的"组合多种AI"战略

安川电机的站位,对思考具身智能的产业结构颇具象征意义。

该公司既参与了富士通主导、运用NVIDIA技术的事业探讨,又在自家MOTOMAN NEXT上接入了Google DeepMind的Gemini Robotics ER 1.6。

但这并不意味着它同时脚踏NVIDIA与Google两个互斥的"阵营"。MOTOMAN NEXT标配NVIDIA的GPU,在该算力环境上,既可接入Google DeepMind这样的外部AI模型,也能组合安川电机自研的图像识别、路径规划与力觉控制。

也就是说,GPU、上位AI模型、机器人控制,可以分别来自不同企业。安川电机的战略,应是打造一个能接入多种AI与软件的开放机器人基座,而非把自家机器人绑定在单一AI基座上。

这对机器人厂商是一种议价能力。若客户能按用途选择AI模型,厂商便不必从属于某一家AI企业,而能作为承担物理动作与现场落地的核心留存下来。

另一方面,若上位AI到机器人的连接方式被标准化,厂商专有的编程环境与操作软件的价值也可能下降。除机器人本体性能外,能多快、多安全地把外部AI导入现场,将成为竞争力所在。

左右主导权的是"现场数据"

具身智能最重要的资产之一,是从真实作业中产生的数据。

在工厂与物流设施,积累的不只是摄像头影像,还有机器人的轨迹、电机状态、抓持力、接触信息、作业的成败,以及从异常中恢复的记录。

利用这些数据,可以持续改进AI模型与机器人控制。但由谁保存这些数据、由谁用于训练、改进后的模型归谁所有,尚不明确。

需要追问的是:现场数据是送往AI基座企业的云端,还是保留在工厂或企业内部?用某一AI模型积累的数据,能否迁移到别的AI或别家厂商的机器人?导入之后,持续握有客户接点的,究竟是AI企业、机器人厂商、像富士通这样的IT企业,还是系统集成商?

富士通提出"确保主权的协调控制基座",背后不仅是防范网络攻击与机密泄露,更在于不让数据与系统全面依赖特定的海外基座。富士通表示,将把该基座共通化、开放化,作为企业与研究机构均可参与的平台加以提供。

变化也波及系统集成商与零部件厂商

具身智能一旦进入落地阶段,系统集成商的工作也会改变。

以往的机器人导入,以逐台设备的示教、手爪与治具的设计、安全栅的设置、周边设备的连接为主。这些并不会消失,但今后会新增:收集哪些数据、如何评估AI模型的性能、如何监控导入后的误动作等工作。

系统集成商的角色,将从组装设备的工作,扩展到在设备集成之外,长期运营数据与AI模型的工作。

零部件厂商也会面临新的要求。编码器、精密减速机、伺服电机、力觉与触觉传感器等,都是日本企业具备竞争力的领域。

但仅有定位精度与耐久性已不够。还需要能安全、无时延地执行AI生成的动作,能与人同处一个空间作业的功能安全,以及把传感器数据传给外部AI的接口。

在AI处理用半导体与基础模型上,海外企业领先。对日本零部件厂商来说,关键在于能否把自家产品从封闭的专用部件,转变为可接入多种AI与机器人基座的形态。

现场的评价标准也在变

在具身智能时代,机器人导入首日的速度与精度,已不足以判断投资效果。

从粗略指示出发能执行多少作业;对象的位置或种类改变时能多快应对;失败时不叫人、能自主恢复到什么程度;导入后能否积累数据、改进性能——这些将变得重要。

评估不能只看初期导入费,还要把追加品种所需时间、示教与再调整的人工费、停机时间、AI模型使用费、数据管理费用一并纳入。

机器人正从"购买时性能即被固定"的设备,转变为"导入后仍可凭数据与软件持续更新"的设备。

下一个焦点

这次发布敲定的,仅是面向具身智能社会落地的事业探讨,以及安川电机的系统开发。

接下来应关注的,第一是哪个行业率先启动验证或商用导入。要看的不是演示,而是能否在工厂、物流设施、医院等场景稳定运行,拿出投入产出比。

第二是由谁管理机器人作业所产生的影像、动作、力觉、失败与恢复数据。握住现场数据的企业,才能持续改进AI模型、维系与客户的关系。

第三是让不同厂商的机器人与AI模型互联的开放性,究竟能实现到什么程度。开放推进,导入企业的选择增多;但机器人厂商的软件也可能更难做出差异化。

NVIDIA首席执行官黄仁勋在此次发布之际,把具身智能定位为下一场产业革命,并表达了希望它以"日本制造"诞生的期待。然而,这场产业革命的主导权能否留在日本企业手中,并不会仅凭"能造出精密机器人"就此决定。