标签: 人工智能

起源与诞生 ：AI 技术的起源可以追溯到 20 世纪 40 年代，随着计算机技术的兴起，科学家们开始思考如何让机器具备类似人类的智能。1950 年，英国数学家艾伦・图灵提出了著名的 “图灵测试”，为 AI 技术的发展奠定了理论基础。1956 年，美国达特茅斯学院举行了一次人工智能研讨会，标志着 AI 作为一门独立学科的诞生。 符号主义阶段（20 世纪 50 年代 - 70 年代） ：研究人员主要关注如何使用符号逻辑和推理规则来模拟人类思维，试图通过构建复杂的逻辑系统来解决各种问题。然而，由于这种方法的局限性，AI 技术在实践中遇到了很多困难，如对复杂问题的处理能力有限、缺乏灵活性等。 知识工程阶段（20 世纪 80 年代 - 90 年代） ：研究人员开始关注如何利用专家知识和经验来构建智能系统，尝试将人类专家的知识和经验转化为计算机程序，以便让机器能够处理更复杂的问题。这一阶段的代表成果是专家系统，它在医疗、金融等领域取得了一定的应用，但也存在知识获取困难、维护成本高等问题。 机器学习阶段（2000 年至今） ：进入 21 世纪后，随着大数据和计算能力的提升，机器学习技术得到了广泛应用。机器学习是一种让计算机从数据中学习并自动改进的技术，它可以帮助机器识别模式、预测未来并做出决策。其中，深度学习技术的崛起推动了 AI 技术的飞速发展，在图像识别、自然语言处理等领域取得了重大突破。 当前 AI 技术热点领域 深度学习与神经网络 ：通过构建多层神经网络，模拟人脑的神经元结构和工作原理，深度学习能够自动从大量数据中学习特征和模式，在图像识别、语音识别、自然语言处理等领域取得了卓越的成果，如 ResNet、Transformer 等架构的出现，极大地提高了模型的性能和效率。 自然语言处理 ：使计算机能够理解和处理人类语言，实现文本生成、机器翻译、问答系统、情感分析等功能。例如，GPT 系列、文心一言等大型语言模型的出现，为自然语言处理带来了新的突破，使机器能够生成高质量的文本内容。 计算机视觉 ：让计算机能够理解和分析图像、视频等视觉信息，实现目标检测、图像分类、语义分割、视频理解等功能。深度学习技术在计算机视觉领域的应用，使得计算机对视觉信息的处理能力大幅提升，如人脸识别技术在安防、支付等领域的广泛应用。 强化学习 ：通过让智能体在环境中进行试错学习，根据环境反馈的奖励信号来调整自己的行为策略，以实现特定的目标。强化学习在机器人控制、游戏、自动驾驶等领域有着重要的应用，如 AlphaGo 通过强化学习和深度学习的结合，战胜了人类围棋冠军。 AI 技术的未来发展趋势 通用人工智能（AGI） ：致力于开发具有广泛智能和学习能力的 AI 系统，能够像人类一样在多个领域内自主学习、推理和解决问题，实现真正意义上的智能通用化。虽然目前仍面临诸多挑战，但 AGI 被认为是 AI 技术未来的重要发展方向。 多模态融合 ：将文本、图像、语音、视频等多种模态的数据进行融合处理，使 AI 系统能够更全面、更深入地理解和感知世界，从而提供更准确、更智能的服务和决策。例如，多模态大模型可处理和理解多种类型的数据输入，并根据任务需求生成多种类型的输出。 与物联网的深度融合 ：随着物联网技术的发展，越来越多的设备和物品将连接到互联网，产生海量的数据。AI 技术将与物联网深度融合，实现设备之间的智能互联和协同工作，打造更加智能化的物联网生态系统，如智能家居、智能城市等领域的应用将更加广泛和深入。 人机融合与协同 ：未来的 AI 技术将更加注重与人类智能的深度融合和协同工作，通过脑机接口、人机交互技术的不断创新，实现人类与机器之间更加自然、高效的信息交流和合作，使人类和机器能够相互补充、相互协作，共同完成复杂的任务。 伦理与法规的完善 ：随着 AI 技术的广泛应用，伦理、道德、隐私、安全等问题日益凸显。未来需要加强对 AI 技术的监管和管理，建立健全相关的法律法规和伦理准则，确保 AI 技术的健康、可持续和负责任地发展，同时也需要提高公众对 AI 技术的认识和理解，促进公众参与和监督。

随着软件定义汽车的发展，车辆生成的数据量也以前所未有的速度 不断增加 。这些数据包含广泛的信息，包括传感器数据、遥测数据、诊断数据等。在开发过程中， 有效处理这些数据并从中获得见解 至关重要。 对于原始设备制造商（OEM）和汽车一级供应商（Tier 1）来说，是否 自主构建 和 维护数据处理流程 是一个至关重要的考虑因素。 数据处理流程 是应对当下软件定义汽车所产生的海量数据的基础组件。 一、问题背景 在 AWS 等云平台 上为高级驾驶辅助系统 （ADAS） 和自动驾驶 （AD） 数据构建鲁棒的数据处理流程，通常需要全面了解各种服务及其集成。您可能使用的特定服务可能取决于 应用程序的要求、数据源和处理需求 。 为了解决这一问题， 康谋 通过使用 IVEX 提出了专门用于应对ADAS/AD海量数据的数据处理流程。 该流程的核心目的是自动 从原始传感器数据等输入中识别出值得关注的事件和场景。构建这样的数据处理流程需要仔细考虑 各种技术方面 ，例如：原始传感器数据的云端存储、基于原始数据的算法执行（包括需要例如GPU等特定资源的机器学习算法）、事件和场景等后处理数据的存储机制、算法版本控制、结果可视化以及确保数据仅对授权用户可见。 二、内部构建或获取预组装解决方案 IVEX 的数据处理流程基于多种AWS服务实现 无缝衔接 ，以下是经过 策略性部署的AWS服务 ： 1. 原始传感器的数据 （包括激光雷达点云、相机图像和GNSS信息）存储在S3存储服务中。S3用作采集数据的暂存地，为后期处理的数据提供扩展存储，并为处理提供经济高效的短期存储解决方案。此外，使用S3挂载点功能能让S3作为主要的“处理卷”，使其能够像文件系统一样使用。虽然它不完全符合POSIX标准，对某些工作负载存在限制，但可以通过整合EFS和可能添加的FSx来解决这个问题，以根据需要确保兼容性。 2. 处理后的数据 （重要事件和场景）存储在关系型数据库服务（Relational Database Service，RDS）和DocDB中。RDS是一个高效的存储库，用于组织对分析至关重要的标记数据。同时，DocDB作为文档存储运行，它是专为快速变化的数据和显示目的所需的二进制数据而设计的。 3. EKS和EC2处理算法执行和可视化任务。 EKS充当一系列服务的主机，包括后端、数据服务、前端和处理服务。EC2主要用于根据为EKS制定的规则配置机器。 4. 算法的版本控制通过 ECR 进行管理。 ECR用于存储Docker容器镜像。 5. 身份验证通过Cognito进行。 如果有必要，可以灵活地替换为任何OpenID Connect （OIDC）解决方案。 6. 数据传输和临时数据存储通过EFS进行管理。 EFS作为临时处理区域运行，供各种数据处理流水线存放中间数据并促进不同进程之间的数据共享。因为EFS完全符合POSIX标准，所以可以选择它作为S3的替代文件系统。 这个方案示例突出了 构建鲁棒的ADAS/AD数据处理流程 所涉及的 众多云服务 ，并强调了应对各种技术复杂性的必要性。此外，还必须解决诸如组织输入数据、确保数据格式兼容性以及管理和监控数据格式变化等挑战。 例如，随着ADAS/AD系统的发展，添加更多传感器以及管理不同车辆配置的需求成为数据处理流程中的关键考虑因素。如果不加以妥善处理，这些因素可能会导致 不正确的数据处理，最终得到错误的结果。 上图列出的是构建此数据处理流程的预计工作量和成本细目，该处理流程可标记 12种驾驶场景、提取驾驶参数，并支持可视化大型文件（≥ 10TB） 。 三、总结 总之，解决上述的这些问题需要付出大量的努力。显而易见的是，选择 预先搭建好的数据处理流程将拥有更低的开销 。此后，便可以将节省的时间和成本分配给开发OEM和Tier1产品的关键方面。

随着软件定义汽车的发展，车辆生成的数据量也以前所未有的速度 不断增加 。这些数据包含广泛的信息，包括传感器数据、遥测数据、诊断数据等。在开发过程中， 有效处理这些数据并从中获得见解 至关重要。 对于原始设备制造商（OEM）和汽车一级供应商（Tier 1）来说，是否 自主构建 和 维护数据处理流程 是一个至关重要的考虑因素。 数据处理流程 是应对当下软件定义汽车所产生的海量数据的基础组件。 一、问题背景 在 AWS 等云平台 上为高级驾驶辅助系统 （ADAS） 和自动驾驶 （AD） 数据构建鲁棒的数据处理流程，通常需要全面了解各种服务及其集成。您可能使用的特定服务可能取决于 应用程序的要求、数据源和处理需求 。 为了解决这一问题， 康谋 通过使用 IVEX 提出了专门用于应对ADAS/AD海量数据的数据处理流程。 该流程的核心目的是自动 从原始传感器数据等输入中识别出值得关注的事件和场景。构建这样的数据处理流程需要仔细考虑 各种技术方面 ，例如：原始传感器数据的云端存储、基于原始数据的算法执行（包括需要例如GPU等特定资源的机器学习算法）、事件和场景等后处理数据的存储机制、算法版本控制、结果可视化以及确保数据仅对授权用户可见。 二、内部构建或获取预组装解决方案 IVEX 的数据处理流程基于多种AWS服务实现 无缝衔接 ，以下是经过 策略性部署的AWS服务 ： 1. 原始传感器的数据 （包括激光雷达点云、相机图像和GNSS信息）存储在S3存储服务中。S3用作采集数据的暂存地，为后期处理的数据提供扩展存储，并为处理提供经济高效的短期存储解决方案。此外，使用S3挂载点功能能让S3作为主要的“处理卷”，使其能够像文件系统一样使用。虽然它不完全符合POSIX标准，对某些工作负载存在限制，但可以通过整合EFS和可能添加的FSx来解决这个问题，以根据需要确保兼容性。 2. 处理后的数据 （重要事件和场景）存储在关系型数据库服务（Relational Database Service，RDS）和DocDB中。RDS是一个高效的存储库，用于组织对分析至关重要的标记数据。同时，DocDB作为文档存储运行，它是专为快速变化的数据和显示目的所需的二进制数据而设计的。 3. EKS和EC2处理算法执行和可视化任务。 EKS充当一系列服务的主机，包括后端、数据服务、前端和处理服务。EC2主要用于根据为EKS制定的规则配置机器。 4. 算法的版本控制通过 ECR 进行管理。 ECR用于存储Docker容器镜像。 5. 身份验证通过Cognito进行。 如果有必要，可以灵活地替换为任何OpenID Connect （OIDC）解决方案。 6. 数据传输和临时数据存储通过EFS进行管理。 EFS作为临时处理区域运行，供各种数据处理流水线存放中间数据并促进不同进程之间的数据共享。因为EFS完全符合POSIX标准，所以可以选择它作为S3的替代文件系统。 这个方案示例突出了 构建鲁棒的ADAS/AD数据处理流程 所涉及的 众多云服务 ，并强调了应对各种技术复杂性的必要性。此外，还必须解决诸如组织输入数据、确保数据格式兼容性以及管理和监控数据格式变化等挑战。 例如，随着ADAS/AD系统的发展，添加更多传感器以及管理不同车辆配置的需求成为数据处理流程中的关键考虑因素。如果不加以妥善处理，这些因素可能会导致 不正确的数据处理，最终得到错误的结果。 上图列出的是构建此数据处理流程的预计工作量和成本细目，该处理流程可标记 12种驾驶场景、提取驾驶参数，并支持可视化大型文件（≥ 10TB） 。 三、总结 总之，解决上述的这些问题需要付出大量的努力。显而易见的是，选择 预先搭建好的数据处理流程将拥有更低的开销 。此后，便可以将节省的时间和成本分配给开发OEM和Tier1产品的关键方面。

2024 年，是芯驿电子技术创新与行业合作齐头并进的一年。作为一家拥有 AUMO（专注车载智能） 和 ALINX（聚焦 FPGA 行业解决方案） 品牌的企业，我们始终以客户为中心，致力于帮助客户降低产品开发验证成本、加速产品上市周期。 AUMO 智能车载领域的创新与成长 2024 年 3 月 18 日，AUMO 成功通过了 ISO 26262:2018 功能安全 ASIL D 流程认证 ，标志着芯驿电子的开发流程已经按照 ISO 26262:2018 版标准要求，建立起符合功能安全最高等级“ASIL D”级别的产品开发和管理流程体系，为客户提供了更可靠的产品保障。 3 月起，AUMO走进多家汽车主机厂 ，包括 比亚迪、北汽研究总院、零跑汽车、深蓝汽车、哪吒汽车、现代汽车、江淮汽车、沃尔沃， 开展自动驾驶硬件在环仿真测试及电子后视镜 CMS 领域产品展示与技术交流活动。展示产品从 自动驾驶摄像头视频数据采集注入等高性能硬件板卡 ，到 集成化系统平台 ，产品以卓越的性能、稳定的表现赢得行业客户的关注与认可。 8 月 28 日至 8 月 30 日，AUMO 携多款前沿车载智能产品亮相 2024 汽车测试及质量监控博览会（Testing Expo China 2024） ，包括 AUMO 自动驾驶硬件在环仿真测试全产品家族，并首次展示公布自研车载仿真测试系统品牌—— AUSIM 。 10 月 24 日，经由超数百万汽车人参与票选，芯驿电子 AUMO 傲目凭借自主研发的 自动驾驶硬件在环仿真 HIL 解决方案 获评 “第六届金辑 · 最具成长价值奖” ，进一步提升了在智能车载行业的品牌影响力。 ALINX FPGA 领域的行业领先者 2024 年，ALINX 正式推出了全新 IP 核产品线，形成了由 “核心板、功能板、FMC 子卡和 IPCore 矩阵” 四部分灵活组合的模块化产品体系，为客户提供更加高效、便捷、丰富的产品服务。 5 月至 9 月，ALINX 作为紫光同创官方合作伙伴，全程深度参与了 紫光同创 FPGA 技术研讨会 。重点推出了联合紫光同创开发的 首款国产 Kosmo-2 可编程系统平台开发套件 AXK400 。 6 月，ALINX 作为 AMD 在中国的唯一一家Premier Partner，受邀参加了 AMD在其美国总部举办的合作伙伴峰会（ AMD Partner Summit ） 。7 月，ALINX 受邀参加在深圳举行的 AMD 自适应计算峰会（AMD Adaptive Computing Summit, 即 AMD ACS） 。ALINX 与业界同仁共同探讨 FPGA 技术的未来发展趋势，分享了 ALINX 在 FPGA 领域的最新研发成果。 7月，ALINX 亮相 CCME 2024 第八届内镜大会暨年度盛典 ，基于 FPGA+GPU 异架构平台 Z19-M 的内窥镜和手术机器人解决方案 获得行业关注，并荣获 2024 中国医疗内窥镜行业 “优秀供应商”奖 。 2024 年，芯驿电子携 ALINX 和 AUMO 两大品牌活跃于各大电子科技展会舞台。6 月，首秀 上海国际嵌入式展 ；7 月， 慕尼黑上海电子展 上，双品牌共展风采，展现多元产品线；11 月，ALINX 参加 国际集成电路展览会 ，销售总监丁百成主题分享了 ALINX 系列产品及方案；11月， 第二十六届高交会 ，ALINX 国产化 FPGA开发板与车载方案引关注。这一系列亮相，充分展现了 ALINX 与 AUMO 在通信、工业、医疗、智能车载等领域的深厚底蕴与创新活力。 2024 年，芯驿电子在智能车载与 FPGA 开发领域取得了显著的发展成果。旗下 AUMO 和 ALINX 两大品牌，各自发挥独特优势，积极推动行业发展。 ALINX 已推出 100 多款 FPGA SoM 模组和配套板卡，服务了 2000 多家企业批量用户，吸引了上万个独立开发者。凭借这些优势，ALINX 在国内 SoM 产品领域的市场占有率稳居行业第一，成为FPGA 板卡及方案领域的领导者。 AUMO 作为新兴车载智能产品，正朝着”创新、安全、高效“的方向稳健迈进，通过“产品+定制化服务”的经营模式，满足车企和汽车产业链的车载自动驾驶产品开发需求，助力车企塑造智能出行新时代。

以人形机器人和通用人工智能为代表的新技术、新产品、新业态蓬勃发展，正成为全球科技创新的制高点与未来产业的新赛道。 01、Optimus-Gen 2来了，人形机器人管家还远吗？ 没有一点点防备， 特斯拉人形机器人Optimus-Gen 2来了！ 12月13日，马斯克于社交媒体上公布了特斯拉第二代人形机器人的产品演示，并预计将于本月内发布。 在视频中，Optimus-Gen 2相比上一代有了大幅改进，不仅拥有AI大模型的加持，并在没有其他性能影响的前提下（相比上一代）将体重减少10kg，更包含： 由特斯拉设计的致动器和传感器； 2-Dof（自由度）的脖子，可以让机器人在一定幅度内转头； *图片来源网络 11-DoF 全新双手，手指伸展灵活得像个真人； *图片来源网络 所有手指都配备触觉传感器，可以处理精致的物体，比如鸡蛋； *图片来源网络 行走速度提高 30%； 人体脚部几何形状，走路方式也和人类相似； 脚力 / 扭矩感应； 铰接式脚趾部分； 它甚至还能做一个均匀的90度深蹲，众所周知，做这个动作需要调动全身多个关节来保持平衡；更能随着音乐翩翩起舞。 *图片来源网络 看起来，似乎我们距离拥有机器人管家的设想不远了。 02、产业链细分技术市场空间前景可期 人形机器人，其灵感来源于人类的身体，来自人类的感知和运动技能，以及人类在环境中使用工具的能力。 人形机器人通过集仿生学原理和机器电控原理于一体，通过模仿人体结构、运动特性等，设计出具有优越性能的机电结构。 从1969年发展至今，人形机器人产业已经发生了不少变化： 主导国家从日本变为美国、中国。早期，人形机器人由本田等日本企业主导。现今包括波士顿动力、 Agility Robotics、特斯拉、优必选科技、小米等全球范围内的企业均已推出人形机器人产品，并且在持续迭代研发； 研发目的从科学展示与教育培训变为多场景作业，企业积极探索人形机器人商业化落地。 而拆分其产业链架构来看，主要仍分为上中下游三部分。 具体来看，上游为人形机器人本体结构、伺服驱动器、智能感知、驱动控制、支撑环境五个模块的供应商；中游则是人形机器人产品集成商；下游为人形机器人可能的应用场景，如商业服务、科学 研究、科学展示等。 *图片来源：《人形机器人技术专利分析报告》 大模型赋能人形机器人，“具身智能”进化的关键一环 由于在传统的深度学习模型中，机器智能往往局限于特定场景，而在大模型赋能下，机器人可以与真实世界进行多模态交互，从而实现“具身智能”，拥有不断进化、跨场景应用的能力。 可以说AI大模型的发展决定了人形机器人产品力的天花板。 智能感知：传感是智能化的必要基础 而要产生人形机器人智能化的直观体现，就需要智能感知、执行控制和智能决策合三为一。 因为，传感器可以将外部信息以及自身状态信息传递给机器人控制系统，从而为人形机器人的决策提供必要条件。 比如在Optimus-Gen 2的升级中，就有特斯拉设计的传感器加持，而触觉传感器的加入，也让其具备了处理更精致物体，例如鸡蛋的能力。 对于智能传感器和发射器解决方案的全球领导者来说，艾迈斯欧司朗认为，在任何应用中，机器人都需要对周围环境有可靠的感测能力，从而确保产品功能的效率、有效性和安全性。 传感和照明技术正是实现环境感知这一目标的关键。 比如，精准紧凑的飞行时间距离测量传感器(1/2/3D)、激光雷达系统（EEL和VCSEL）、用于泛光照明和点阵照明的照明器、在近红外光谱中支持3D主动立体视觉和结构光（路径扫描传感器、人脸识别、物体避让）解决方案的高性能成像器……，它们都将使人形机器人更加智能、使用更加便捷，并在无防护区域提供更安全的人机交互界面。 伺服驱动：精准执行 在伺服系统中，要实现精准执行，除了需要减速器和电机这2大核心硬件，也离不开编码器。 作为人形机器人的内部传感器，它可用于测量人形机器人的自身状态，比如让机器人感知自身的运动状态，使得机器人可以按照规定的位置、轨迹等参数运动。 而艾迈斯欧司朗的磁性位置传感器具备的对外部磁场几近“免疫”的能力，成为其“入主”高性能应用领域的核心优势。 之前，艾迈斯欧司朗专家就曾表示，除了在汽车，其位置传感器的另一个增长点就是各类电机。当下，电机的用量与日俱增，而电机的发展趋势正由过去的有刷电机向无刷电机过渡。对于无刷电机来说，位置传感器更是必不可少的一个组成部分。 而对人形机器人来说，几乎每个关节都会使用两个或多个位置传感器。 特别是马斯克早在特斯拉2023年股东大会上便表示，人形机器人将是今后特斯拉主要的长期价值来源，“如果人形机器人和人的比例是2比1左右，那么人们对机器人的需求量可能是100亿乃至200亿个，远超电动车的数量。” 这其中的市场空间，值得想象。 03、技术专利储备，中国后来居上 2022~2023年，在人工智能为通用人形机器人带来新的想象力之际，特斯拉、亚马逊、微软、三星等多家全球巨头企业都在纷纷投入人形机器人的研发中。而在国内，人形机器人也在 2023 年成为了最受关注的新兴产业之一。 今年11月初，工业和信息化部印发了《人形机器人创新发展指导意见》，将人形机器人定位为“集成人工智能、高端制造、新材料等先进技术，有望成为继计算机、智能手机、新能源汽车后的颠覆性产品，将深刻变革人类生产生活方式，重塑全球产业发展格局”的科技竞争新高地、未来产业新赛道，以及经济发展新引擎。 而下一代颠覆性产品的推出，离不开技术专利这个基座。 11月27日，人民网研究院发布了《人形机器人技术专利分析报告》，对全球范围内的人形机器人技术专利进行了深度分析，并对人形机器人行业发展至今的技术专利布局趋势进行阐述。 据悉，中国已累计申请6618件人形机器人技术专利，是申请人形机器人技术专利数量最多的国家。 *图片来源：《人形机器人技术专利分析报告》 特别是自2000年来，在人形机器人技术领域，中国的专利集中度整体呈下降趋势，并在2014年后在20%~30%间波动。因此，目前，中国的专利集中度较低，可以推知，中国在该领域的竞争相对激烈，行业活力较强。 *图片来源：《人形机器人技术专利分析报告》 此外，在人形机器人的技术分支上，本体结构、智能感知、驱动控制是三个主要的技术专利布局领域，其中，关节、腿部、机器视觉、步态控制等技术是重点的专利布局分支。 *图片来源：《人形机器人技术专利分析报告》 总结来说，在全球人形机器人产业占位的竞争中，中国正在加速投入。 04、产业化落地，拐点已至？ 随着国内外标杆企业持续推进，以及未来更多潜在重磅玩家的参与，或将带来新一轮人形机器人产业发展的热潮。 国内外标杆企业持续推进人形机器人技术升级和商业化落地 *图片来源：国海证券 在过往，人形机器人领域也曾出现过不少明星产品，但这些产品都遭遇了商业化落地难的问题，主要还是缘于： 1.核心部件门槛高 伺服驱动器是人形机器人实现运动的核心部件，但技术应用门槛高，只有同时具备体积小、重量轻、大扭矩、高精度等性能，才能保证人形机器人在不断变化的环境中安全、顺畅地工作； 2.系统化集成能力要求高 人形机器人产品技术难度大且集合度高，是机械设计、运动控制、人工智能等领域高精尖技术的综合体现。而当前市面上的企业缺少将大量高难度技术规模化的能力，无法形成有效的人形机器人集合系统； 3.难与多个应用场景共振 人形机器人难以与多个应用场景共振，无法适应多场景的不同需求。人形机器人想要在各领域中落地都需投入大量研发时间和成本，企业研发出的人形机器人无法与多个场景匹配； 4.成本高昂 人形机器人的生产成本高，人形机器人需要多个部件、高性能硬件等做支撑，如相较于工业机器人只需要使用六到七个关节，人形机器人需使用几十个关节以满足人形机器人灵活行走的要求，因此人形机器人生产成本高昂。 但随着人形机器人本体技术的不断成熟，以及AI大模型等前沿技术的快速发展，情况正在发生变化。AI大模型提升了机器人的智能化水平，人形机器人不仅在机械方面取得突破，人机交互方面的能力也在不断提升。 人形机器人正式进入了商业化的初级阶段，全球范围内的多家企业也开始入局人形机器人。 而在商业化的过程中，寻找合适的场景尤为重要。现阶段，工业制造成为了最受关注的场景之一。 在国内，不仅优必选人形机器人针对工业领域的应用进行了多方面的布局，其一是研发了应用于工业领域的人形机器人Walker S；其二是与多家新能源汽车头部企业合作，分阶段规划人形机器人在制造业场景中的应用。 小米也在积极推进仿人机器人在自有制造系统中的分阶段落地，将在北京亦庄建设通用仿人机器人创新示范项目，开展面向3C工厂和汽车工厂等典型制造场景的创新应用示范。 无独有偶，在今年特斯拉二季度的业绩会上，马斯克明确示，特斯拉已经生产了10台擎天柱，预计在今年11月份进行行走测试，计划明年在特斯拉工厂进行实用性测试，据特斯拉透露的未来方向，擎天柱的应用场景未来会全程接管汽车生产领域，实现真正的无人生产。 未来，人工智能教育、智慧物流、智慧康养、商用服务，甚至是家庭管家都将是人形机器人试图冲击的前景领域。