科技大佬都在競速爭奪「機器人」。

　　前有雷軍搶先發布人形機器人CyberOne，后有馬斯克即將亮相的特斯拉人形機器人擎天柱。

　　甚至從去年開始，百度造的智能車，都被李彥宏叫成汽車「機器人」……

　　機器人不是什么新概念。但問題在于，實際產業和大眾認知之間，屬實還有億點點距離。

　　畢竟，在多年科幻大片的浸潤下，「機器人」在大眾心目中，多少是和強人工智能掛鉤的。

　　所以，這股熱潮背后，科技巨頭們看中的究竟是什么?

　　莫非機器人產業，還真就悄悄邁向了大規模應用前夜，要迎來變現的時間節點了?

　　01

　　機器革命正在進行時

　　如果把視線局限在狹義的機器人本身，談論高度自主的行動、思考和決策能力，普通人的生活看上去離科幻片還頗為遙遠。

　　像這樣在「控制」這一方面驚艷眾人的，全球也只波士頓動力一家。

　　但其實如果把機器人的定義拓寬開去，涵蓋進具備一定的感知能力、規劃能力、行為能力，能輔助人們工作生活的自動化機器，那么在那些最酷炫最仿生的人型機器人背后，一場機器革命確實已經在人們的日常生活中鋪開。

　　并且是以潤物細無聲的方式，涉及到你所能想到、所想不到的方方面面。

　　最容易想到，也跟「機器人」之名直接相關的，便是掃地機器人。

　　在邁入千家萬戶的同時，當下的掃地機器人們，也已成為機器人「控制」和「智能化」技術最日�；�的落地應用代表。

　　比如石頭掃地機器人T7 Pro，就采用了自動駕駛同款立體視覺識別技術和AI物體識別技術。

　　掃地機器人鼻祖iRobot，也在高通驍龍212平臺所集成的人工智能技術的基礎上，讓掃地機器人學會迅速掌握房間格局，并在使用過程中學習和適應不斷變化的家庭環境。

　　而更多的終端，無機器人之名，卻有機器人之實，它們可能不是Robot，但一定驅動自Robotics…

　　比如能自動檢測食物存量、自動下單補貨的智能冰箱;能基于語音識別技術，對家中各種電子設備進行控制的智能音箱……

　　這還只是在我們熟悉的日常生活場景，在更廣闊的工業、農業場景中，終端智能化變革的腳步，甚至更加深入。

　　比如農林植保無人機，就已與飛防員、農藥共同構成了我國農業飛防體系。

　　基于智能航線規劃、自主飛行、斷點續航等智能化能力，以及基于5G的信息處理能力，其作業效率能達到人工的30倍，并大幅提高農藥利用率。

　　又比如工業中的智能頭戴計算機。

　　不僅具備智能雙攝像頭，像“兩只眼睛”一樣檢查現場、將數據通過5G迅速發送給后臺處理;還能解放雙手，使用AI語音命令就能完成智能檢索、和專家遠程通話、表單可視化等功能。

　　……

　　也就是說，越來越多機器終端，從攝像頭，到大小家電，再到無人機甚至汽車，都正在AI和5G等前沿技術的加持之下，化身廣泛意義上的「機器人」。

　　并且正在連點成線，以越來越快的速度，鋪就一張前沿技術落地應用的巨大網絡，一張由算法驅動軟件、軟件驅動硬件的巨大網絡。

　　而這，也正是AIoT的實質。或者你也可以理解為：AI→AIoT的進程中，Robotics是必備要素。

　　根據IDC的數據預測，2021年全球物聯網支出達到7542.8億美元，并有望在2025年達到1.2萬億美元，2021-2025年復合增長率11.4%。

　　甚至也開始有分析機構，用AIoT審視新技術時代的一切，因為可以更合理地端到端評估，并且把包括特斯拉、SpaceX等馬斯克的創新公司都置于AIoT維度之下。

　　是否有依據?

　　深究AIoT快速發展至今背后的底層技術和基礎設施，其實便可窺出端倪。

　　02

　　背后的「基礎設施」是什么？

　　對于一個逐漸趨于成熟的產業而言，這種進度已經無法僅憑AI技術中的單一基準，或硬件上的某個機械精度來度量，而必須從當前生產體系是否規模化、乃至應用落地的生態布局來整體把控。

　　當前，行業生產體系是否已具備大規模量產的成熟條件，首要條件即具備技術底層的「基礎設施」——

　　即近年來滲透到機器人產業各個角落、覆蓋軟硬件和開發工具的成熟平臺型解決方案。

　　其中的一個典型代表，就是高通機器人RB5平臺和RB6平臺。RB5是*同時支持5G和AI的機器人平臺，能夠規�；�地從技術上支持開發者解決機器人是否具備「足夠自主性」的問題。

　　判斷機器人是否具備足夠自主性，往往是判斷它內在程序的「智能性」，即處理傳感器數據等外界信息的能力，以及根據行動做出判斷以更好地完成更多任務的能力，往往同時面臨AI算法和算力的性能調度。

　　目前RB5平臺已經廣泛用在各行各業的機器人上。搭載的第五代高通AI引擎，一方面達到每秒15萬億次運算(15 TOPS)的AI計算能力、另一方面適配多種復雜的AI算法，給基于這一平臺構建的各種智能機器人提供了極大的創新空間。

　　今年新推出的RB6平臺，則還要在AI和5G能力上更進一步，不僅通過擴展卡讓平臺在未來支持5G不斷演進的連接特性，包括3GPP Release15/16/17/18的特性;還將AI計算能力提升到了每秒70-200萬億次運算(70-200 TOPS)，算法豐富度也進一步提升。

　　進一步地，在具備成熟基礎設施的情況下，如何形成顛覆傳統產業的生態布局，又得從產業發展路徑來看。

　　這場機器革命能否取得突破的關鍵，還在于它是否能給各行各業帶來規模性的效率提升、而非僅僅局限在某一類場景中產生效用。

　　集中到一個關鍵詞上，其實就是對數據的*化利用。

　　從這個維度來看，也就更能夠理解AIoT為什么能夠成為一個評判技術創新的全新框架：

　　傳感器是數據流入的接口，5G搭建了數據快速交換的橋梁，而背后的AI，則代表著數據處理的*進方式。

　　AIoT產業化過程中，技術本身也正是在這幾個關鍵節點上發力和聯結。

　　以高通的統一AI軟件棧為例，就是以統一不同終端設備算法的方式，加速了AI算法在物聯網各終端的落地速度，從而推動整個AIoT產業的快速鋪開。

　　03

　　數據驅動下的萬物互聯浪潮

　　回溯AIoT的幾個發展階段，不難發現以傳感器為代表的數據生成，正是奠定物聯網發展基礎的初始階段。

　　在這個階段中，物聯網基于計算機程序初步具備了一定的數據處理能力，但距離大規模落地應用還有很遠。

　　直到迎來AI和5G技術后，物聯網才真正具備了體系化、批量化的數據分析能力，成千上萬的數據被迅速傳輸并匯集到一塊、有了用武之地，自此「萬物互聯」的價值也逐漸開始體現。

　　單從連接節點來看，終端正呈現出一種以數據驅動為核心的趨勢，將智能+連接的能力帶動到更多類型的設備上。

　　正如高通智能網聯邊緣(CIE)的理念一樣，如今這種智能化、連接化的趨勢不僅體現在移動終端、甚至不僅體現在電子設備上，而是生活中的一切物體，皆可能成為物聯網的連接節點。

　　例如，商場中的購物車，原本只是一個(坐在里面玩)商品的暫存工具，但將其智能化后，不僅能一鍵將加購的商品進行結賬、省去了排隊的時間，還能在購買途中根據喜好智能推薦優惠券。

　　這背后正呈現出一種以攝像頭、GPS為傳感器核心，以驍龍450移動平臺的5G傳輸能力和AI推薦算法為基底的數據驅動浪潮，席卷了商超零售行業。

　　又例如，理發店中的鏡子，原本只是Tony老師讓你心情變差的證據(手動狗頭)，但將它智能化后，鏡子就成了預覽「最美發型」的能力。

　　根據你的臉型和要求，智能鏡子會通過實時渲染仿真模擬出剪發后的效果，再也不用擔心Tony老師剪出奇怪的發型了。

　　而這背后，又是基于攝像頭等傳感器技術，結合5G實時渲染能力和驍龍845平臺中AI圖像生成等能力，針對日常終端設備實施的一場數據變革。

　　甚至最常見的物流運貨車，智能化后也極大提升了可運輸的貨物種類，特殊的、需要冷鏈存儲的貴重藥品運載(如胰島素)無需再依靠人力監管，機器能自動識別并判斷*儲藏溫度、及時調整艙內環境。

　　這其中從傳感器芯片、5G低延時數據交換，到AI智能溫控等技術，背后的數據驅動能力都來自高通MDM9206 LTE IoT提供的物聯網「工具平臺」，驅動整個物流行業的智能變革。

　　看似智能購物車、鏡子還是傳感器監控的功能不盡相同，所用技術也各不一樣。

　　但如果從數據驅動的維度去觀察，就會發現上述一切場景的技術根源都可以被歸溯到數據生成、數據傳輸和數據分析三方面上，并最終落地到AIoT這個答案上。

　　而高通這幾年所進行的技術儲備，也正是在這幾個方面有所體現：數據生成上的傳感器管理、攝像頭控制、定位導航等;數據傳輸上的無線連接、5G基帶等技術;數據分析上的圖像處理、語音識別等……

　　這其中的環節也正如冪集創新的技術能力一般環環相扣，互相影響催生出更多的技術應用，乃至于加速更多智能設備的連接。

　　例如高通的Vision Intelligence 400平臺中就設計了一系列專門為IoT設備打造的芯片，將AI計算和邊緣計算能力直接加持到智能相機、攝像頭和機器人上，讓更多尋常的數據生成設備也能具備AI的數據分析能力。

　　以其中的QCS605為例，這是一個制程10nm的AIoT芯片，包含針對GPS導航定位、WiFi、麥克風陣列和一系列傳感器(如攝像頭、陀螺儀和加速度計等)的支持。

　　在某種程度上，可以將其理解為以計算機視覺ISP(CV-ISP)為核心、具有網絡連接等各方面功能的SoC。

　　CV-ISP是人工智能技術的一個非常重要的領域，高通在手機SoC的驍龍855中便已內置了全球*CV-ISP，具備基于硬件的深度感測功能，支持實時高清視頻拍攝、對象分類和對象分割。

　　如今類似的先進AI技術已經在IoT領域進行了大范圍鋪開，并根據IoT終端類型進行了更多的定制化延展。

　　這類終端接收到(攝像頭等)傳感器產生的數據后，可以通過QCS605自帶的計算能力和搭載的AI模型對數據進行分析處理，并通過WiFi等方式再將處理好的數據傳遞出去。

　　如今憑借這一平臺，更多在園區、樓宇、乃至整個城市中常見的設備被聯入物聯網中，成為“AI+”中重要的落地場景。

　　例如園區中的AI智能監控，就可以通過用攝像頭搭載Vision Intelligence 400平臺的方式來實現。

　　攝像頭先收集道路上的照片數據，傳輸給平臺中的AI模型進行人流量、車牌號等照片信息提取后，結合平臺的AI計算能力和信號傳輸能力，就能快速智能地完成園區內上下班高峰分析、車輛放行等操作，從而做出對應的判斷。

　　因此，從單個連接節點擴大到覆蓋范圍上，會發現物聯網已經從最初的智能家居場景，發展到農工業、智慧生活等一切能想象到的應用中去。

　　比如，就連采礦業，也已成為物聯網布局的一個關鍵場景。

　　原本井下地形復雜、布線困難，液壓支架、采煤機、掘進機等設備移動后信號線纜折疊易斷裂，可能造成數據傳輸中斷、影響遠程操作，在數據傳輸這一環節無法繼續。

　　但結合有線和5G傳輸信號，并利用AI技術提升信號強度、在故障時智能切換使用網絡，就能進一步提升采礦業的安全性、避免出現溝通延遲導致的機器事故。

　　結合AI技術，這一系統還實現了井下采掘、運輸、檢修等語音和視頻等數據的分析情況，甚至實現井上井下的實時通話，進一步提升了煤礦巡檢機器人、自動駕駛采礦機器人等裝置的效率。

　　而在智慧城市中，類似的數據驅動場景也能在餐廳、道路、學校、辦公場所等公共區域看見，如消殺機器人、智能共享交通工具、乒乓球機器人等，進一步增加了疫情之下人們出行的便利性、安全性。

　　例如具備自動巡航、遠程監控和云平臺數據分析功能的數字消殺小坦克，就是通過5G網絡連接和AI控制系統，自動、準時按量地完成指定場所的消殺任務。

　　除了消殺機器人以外，布局在道路上具備AI功能、能自主感知道路信息的智能共享交通工具，也借助物聯網提升了影響的空間和可用的功能。

　　例如智能共享滑板車，不僅可以識別人流、檢測停車位置，還內置地圖、具備行車記錄，隨時查看并優化經過的路徑，加速連接成果。

　　又如在學校乒乓球課上，也用上了專門的發球機器人，不僅能根據對手的能力智能調整發球難度、還能專門利用AI分析大數據并對應提升擊球弱點：

　　回過頭重新審視「萬物互聯」的幾個發展階段，從數據生成、數據傳輸、數據分析到部署落地的過程，似乎都與高通在這一領域長期探索的路徑不謀而合。

　　最初在物聯網概念興起時，高通就已經基于驍龍平臺，為不同行業提供傳感器管理、攝像頭控制、圖像處理等AI數據分析方案。

　　日積月累下，高通發展的各種AI能力形成了一系列完整的「基礎設施」平臺，為更多場景所調用。

　　隨后，5G等通信技術開始取得進一步發展，高通也憑借通信技術再次成為5G時代的弄潮兒。2022年Q1，高通以59.5%的營收份額繼續蟬聯基帶芯片市場份額*。

　　IoT輻射范圍因此迅速擴大，急劇增加的數據傳輸能力讓5G、AI和IoT技術進一步趨于融合，更多5G+AI技術被引入機器人等設備，并逐漸從智能終端輻射到整個物聯網

　　如今，高通也正基于統一AI軟件棧的賦能思路，將一切終端設備以共同的AI功能連接起來，落地到以Robotics為代表的的更多場景中去，直至加速這一輪機器革命觸達奇點。

　　以高通對各類機器人/物聯網企業賦能的案例為代表可以感受到，整個AIoT產業的未來技術走向，也同樣符合冪集創新場景的規律——

　　當最基礎性、生態型底層技術創新出現，同樣會催生一系列場景的變革。

　　如果說10的一次冪是底層落地變革場景，那么10的二次冪帶來的便是百倍降本增效的提升;

　　而隨著10的三次冪，這一場景不僅帶來數以千計的生態位機會、開發者機遇，更因此在行業中產生了對大一統底層平臺的需求。

　　未來，這一輪「萬物互聯」浪潮的*形態會是什么樣?我們拭目以待。