前幾天，英偉達創始人黃仁勛在香港科技大學演講時表示，人工智能行業的發展有兩大趨勢，即AI智能體與機器人。就機器人而言，未來“只有汽車、無人機、人形機器人三種機器人能夠實現大規模量產?！?/p>

在中國，人形機器人賽道正涌現出越來越多的潛力股。12月2日，人形機器人公司MagicLab（魔法原子）公布的一段視頻顯示，旗下人形機器人MagicBot已經進駐工廠生產線進行作業訓練，包括但不限于產品檢測、物料搬運、零件取放、掃碼入庫等，還呈現了集群式多級協作的能力。

據了解，魔法原子將于2025年第一季度正式發布新一代人形機器人產品MagicBot，同步小規模量產，并在工業、商業服務等場景落地應用。

自從特斯拉新一代Optimus亮相后，行業卷起了一股機器人新風，大家都看到了自動機器人產品的潛力。MagicLab很年輕，2024年1月成立，著眼通用人形機器人、仿生四足機器人等，覆蓋家庭、工業、商業等多個場景。

類人形機器人是一套復雜的工程體系，主要涉及硬件設計和自動駕駛算法。

為了還原人類復雜且靈活的關節活動能力，類人形機器人的技術難點也就落在了關節模組上，關節設計的活動角度和靈活性是否達標，能否提供足夠的力量和扭矩，直接影響到機器人的工作效果。

MagicLab自研了一系列關節模組執行器，可以提供高至550N·m扭力，力量相當于某些柴油發動機的輸出能力，上至工廠重物搬運，下至商場貨物分揀，MagicBot不僅有靈活的手部，還有足夠的力量做基礎。

（圖片來自魔法原子）

另外，MagicBot本體配備了許多不同類型的傳感器，結合自研的軟件算法，可以將分散的傳感器合為一個整體的感知體系。

驅動人形機器人工作的依舊是人工智能大模型，與端到端自動駕駛汽車有一定的技術共通，也需要大量的數據訓練，機器人的“大腦”也具備環境識別、任務決策和執行的能力，并且也能夠通過數據積累增強機器人的表現。事實上，特斯拉的Optimus機器人就與汽車共用一套FSD技術。

官方表示，MagicBot會用到四類數據進行模型訓練，分別是“合成數據”“全身遙控操作采集數據”“三方模仿學習數據庫數據”以及“場景實時數據”。

為了利用好各種數據，魔法原子團隊研發了MagicData AI數據引擎，通過本地、云端進行數據標注、處理，并在仿真訓練場中模型訓練，再逐步應用到真實場景中。數據模型相當于人類的“大腦”，是人形機器人自驅的關鍵，大模型的能力，決定機器人的“業務能力”。

負責人吳長征表示，公司將會進一步完善Sim2Real的AI數據引擎，打通任務理解、數字資產生成、數據仿真生成、AI模型訓練的自動化平臺，目的就是用可泛化、批量化的訓練和數據方案，系統化的訓練機器人。

而目前我們看到的“工廠搬磚”，只是人形機器人最主要的場景落地，雖說光論效率可能不如有針對性設計的自動化機器人，但人形機器人面向的賽道還是通用化，能夠像人類一樣適應各種工作才是終點。

（圖片來自魔法原子）

無論是自動駕駛還是人形機器人，本質上還是AI大模型進一步深化應用的體現，只是形態上各有區別，服務的對象不盡相同。自動化機器人品類還很年輕，更處于剛起步的階段，MagicLab瞄準人形機器人的駕駛模型和關節模組兩大核心技術自研，起步更早。

類人形機器人的確是一條十分大膽的創新賽道，可以想象的是，AI主導的機器人進入生活，又將改變我們對“便利”的理解了。未來，專注AI硬科技的也將對機器人賽道保持密切關注。