導(dǎo)言
根據(jù)托馬斯·庫恩的《科學(xué)革命的結(jié)構(gòu)》，范式是一種普遍認可的科學(xué)成就，奠定了某一科學(xué)共同體（如物理學(xué)家、生物學(xué)家群體）在特定時期內(nèi)共同接受的理論體系、方法論與價值標(biāo)準(zhǔn)的集合，為一個領(lǐng)域的快速發(fā)展提供了共識基礎(chǔ)和快速發(fā)展的保障。
而范式的轉(zhuǎn)換往往由一系列重大發(fā)明或理論更新來推動。如地心說到日心說的轉(zhuǎn)變、經(jīng)典物理到量子力學(xué)的轉(zhuǎn)變、工業(yè)革命、計算機科學(xué)與互聯(lián)網(wǎng)等。范式過渡的時間甚至可以按世紀計算。
我們當(dāng)下正在經(jīng)歷的，便是由AIforScience（人工智能驅(qū)動的科學(xué)研究）所驅(qū)動的新一輪范式重構(gòu)。
當(dāng)我們在談及人工智能對科研領(lǐng)域的重大貢獻時，話題不會局限于軟件算法。如果要將AI帶來的數(shù)據(jù)成果落實到實操層面，Tangible（現(xiàn)實）的實驗室環(huán)境內(nèi)也必須匹配同等重要的硬件設(shè)施，也就是具身智能體。
人工智能在科研領(lǐng)域的垂直大模型，與客制化具身智能體，這兩者間的軟硬件協(xié)同，整合而成的平臺型協(xié)同體（下文簡稱協(xié)同體），才能夠推動各行業(yè)領(lǐng)域科學(xué)研發(fā)的加速與顛覆。
垂直領(lǐng)域大模型
自ChatGPT和Deepseek的崛起以來，自然語言問答的AI工具已經(jīng)為我們的生活帶來了極大的便利。在以月份為單位的時間跨度中，我們對這一工具的認知已從新奇驚訝轉(zhuǎn)變?yōu)榱死硭?dāng)然。
所有這些AI工具都是基于通用大模型來建立，通用大模型的知識面覆蓋極廣，適用人群偏向普通群眾，有廣度但欠缺深度。與此同時，為滿足各個專業(yè)細分領(lǐng)域的具體需求，“垂直模型”的發(fā)展也從未落下。
與通用大模型相比，垂直模型以深度為優(yōu)先，訓(xùn)練數(shù)據(jù)需求低但訓(xùn)練語料集中。通過學(xué)習(xí)指定領(lǐng)域的結(jié)構(gòu)化數(shù)據(jù)，參數(shù)量級從通用的千億級縮減至十億或百億級，訓(xùn)練成本更低，成型時間更快，可以為特定的細分領(lǐng)域服務(wù)，直接滿足業(yè)務(wù)需求、驅(qū)動業(yè)務(wù)決策。
行業(yè)案例：
生物醫(yī)藥
新藥研發(fā)的創(chuàng)新嚴重依賴無數(shù)科學(xué)家漫長的嘗試和實驗過程。要發(fā)現(xiàn)一款藥物，需要上百名科研人員高頻次次的科學(xué)實驗和累計百萬小時的工作時間，一個分子結(jié)構(gòu)往往需要經(jīng)過成百上千次的驗證，整個研發(fā)流程所需的成本也將高達數(shù)億美元。
如果將藥物分子式的研發(fā)工作由生成式的垂直模型進行，則可以極大縮短分子式、藥物的發(fā)現(xiàn)周期，節(jié)省人工成本和實驗成本，全面提高研發(fā)效率。
一個合格的藥物研發(fā)垂直模型，應(yīng)當(dāng)可以完成自動文獻檢索、文獻匹配、自動設(shè)計合成路徑、逆合成分析、評估分子式有效性與合成難度、成本核算、原料庫匹配度等工作。
而根據(jù)藥物種類和實驗室場景的區(qū)別，垂直模型可以進一步細分拓展，例如小分子和大分子分別的合成、純化、實驗場景，每個單一研發(fā)步驟都值得訓(xùn)練對應(yīng)的垂直模型。多條藥物研發(fā)流程將會發(fā)展成多個獨立垂直模型的流程整合。
半導(dǎo)體
半導(dǎo)體的研發(fā)、制造、檢測領(lǐng)域，都對AI垂直模型有著很高的需求。
例如在模擬芯片EDA領(lǐng)域，通過對已有版圖設(shè)計和不同軟件間工藝移植數(shù)據(jù)的學(xué)習(xí)，相關(guān)垂直模型可以做到對所需版圖的自動生成、將已完成電路轉(zhuǎn)化為用于芯片制造的版圖、協(xié)助工程師完成布局和布線、自動完成不同軟件間的格式轉(zhuǎn)換。
目前，AIEDA工具行業(yè)尚處在早期階段。美國的頭部EDA企業(yè)均有對針對性AI工具的布局，國內(nèi)也有企業(yè)正致力于開發(fā)自動化AIEDA工具的開發(fā)。
在AOI檢測領(lǐng)域，傳統(tǒng)自動化算法的AOI檢測有著很高的誤判率，本該替代人工目檢的算法，在復(fù)雜的檢測環(huán)境下，反過來還需依賴人工復(fù)檢，對人力成本的優(yōu)化有限。
而通過使用更強性能的攝像頭組件，結(jié)合計算機視覺和深度學(xué)習(xí)，學(xué)習(xí)了海量圖像語料的AIAOI設(shè)備，可以提升檢查準(zhǔn)確率，一定程度上優(yōu)化總體效率。當(dāng)前僅國內(nèi)，針對無線細分的半導(dǎo)體檢測場景，可通過AI算法助力檢測設(shè)備的企業(yè)廠家已全面開花。
化工/材料
與生物醫(yī)藥類似，化工和材料學(xué)領(lǐng)域的垂直模型需求，往往也與化合物的生成相關(guān)。結(jié)合到特定領(lǐng)域，具體研發(fā)的內(nèi)容轉(zhuǎn)變到了高分子材料或催化劑的開發(fā)。
除此之外，基于行業(yè)的特殊性，部分化工和材料行業(yè)會涉及到高危物質(zhì)和廢料處理等場景，這部分場景對AI垂直模型的需求，往往不限于具體化學(xué)結(jié)構(gòu)或材料的研發(fā)，而是會轉(zhuǎn)變?yōu)閷ぷ髁鞒陶{(diào)度的協(xié)同，還有無人工作場景的需求。
這類需求會把我們的關(guān)注點，從純軟件的AI垂類模型，放寬到新的層面，即【流程優(yōu)化調(diào)度Agent】，還有【具身智能】兩個層面。
流程調(diào)度Agent與MCP
流程Agent
從上述幾個簡要的行業(yè)案例看，我們可以發(fā)現(xiàn)，即便垂直模型可以從軟件層面提升科研步驟的效率，這些效率提升往往停留在某幾個工作節(jié)點上，業(yè)務(wù)與業(yè)務(wù)之間尚未打通。
以制藥行業(yè)為例，一款藥物研發(fā)工序會涉及不同科研人員間的協(xié)作，也涉及多個步驟的時間調(diào)度。
因此針對復(fù)雜業(yè)務(wù)動線的整合就顯得必不可少。流程調(diào)度類的AI模型（即Agent），不需要對任一研發(fā)垂類模型的細節(jié)有所了解，但必須對醫(yī)藥研發(fā)的全局工序有所掌握，并能夠?qū)崿F(xiàn)工作流設(shè)計、研發(fā)周期時間表調(diào)度、科研人員日程調(diào)度、實驗室閑忙管理、監(jiān)控運維助手、關(guān)鍵節(jié)點預(yù)估等智能工作流需求。
MCP
MCP即ModelContextProtocol（模型上下文協(xié)議），是一種開源協(xié)議，用于集成AI模型與外部數(shù)據(jù)、各類工具間的集成和多向互聯(lián)，成為一個高效的信息樞紐。
通俗來講，MCP可以理解成AI軟件層面的USB轉(zhuǎn)接口，實現(xiàn)本地數(shù)據(jù)和云數(shù)據(jù)的互聯(lián)、新興AI工具與傳統(tǒng)IT工具的互聯(lián)、各個AI工具模型之間的互聯(lián)，突破應(yīng)用程序和AI模型之間的數(shù)據(jù)孤島，實現(xiàn)本地文件、數(shù)據(jù)庫、Web服務(wù)的無縫交互，從而抹除平臺壁壘，極大提升工作效率。
MCPArchitecture(Credits:PiecesforDevelopers)
OpenAI已經(jīng)宣布對MCP協(xié)議的全面支持，我國許多互聯(lián)網(wǎng)企業(yè)和人工智能科技企業(yè)也在加碼對MCP協(xié)議的應(yīng)用。
垂直模型的其他應(yīng)用
專精的垂直模型幾乎可以應(yīng)用到所有行業(yè)，在科研領(lǐng)域之外，垂直模型也擁有廣闊的應(yīng)用前景。
如金融領(lǐng)域有專門處理量化數(shù)據(jù)、財務(wù)報表和提供投資決策建議的垂直模型。法務(wù)領(lǐng)域有可以自動分析案件、批量處理卷宗、辨識協(xié)議的垂直模型。
在動植物學(xué)界，有集成了物種多樣性數(shù)據(jù)平臺的圖像識別助手，用于識別野外拍攝到的動植物，可快速分析出所攝物種的所屬類目信息。
游戲領(lǐng)域，當(dāng)前的AI應(yīng)用主要還集中在圖像與視頻生成等單一場景。在關(guān)卡設(shè)計、內(nèi)容策劃、復(fù)雜交互、代碼編寫等層面暫無可用方案。據(jù)國內(nèi)某頭部游戲企業(yè)反饋，部分游戲公司也在通過場外調(diào)研、投資初創(chuàng)公司、追蹤技術(shù)發(fā)展等形式，尋求可能的應(yīng)用突破口。
前沿物理領(lǐng)域，筆者訪談了加州某大學(xué)的物理學(xué)博士，據(jù)悉在這一領(lǐng)域暫無代表性的垂直模型或AI工具。物理和數(shù)學(xué)可能會是AI最后的攻堅地。
局限性
1.除去小部分極端領(lǐng)域未觸及的缺口，垂直領(lǐng)域模型和通用大模型一樣，易受到“幻覺”的干擾，可能會向使用者提供沒有根據(jù)的編纂內(nèi)容，或提供錯誤的反饋。這樣的缺陷，在AI工具替使用者節(jié)省大量時間的同時，又向使用者提出了更嚴苛的專業(yè)要求和辨識能力要求。
AI工具的產(chǎn)出質(zhì)量是否經(jīng)得起考驗？對應(yīng)的科研成果與學(xué)術(shù)論文到底能讓“科學(xué)受益”，還是讓“科學(xué)家受益”，這樣的爭論一直存在。
2.另一方面，AI工具的穩(wěn)定性也開始遭受考驗，7月19日有開發(fā)者反饋，開發(fā)協(xié)作平臺Replit出現(xiàn)數(shù)據(jù)庫遭到刪除和掩蓋的惡性事故，使用者數(shù)十次的自然語言命令并沒有得到模型的正確響應(yīng)。這樣的生產(chǎn)事故標(biāo)志著現(xiàn)有AI工具尚存在不穩(wěn)定和不可控的風(fēng)險；當(dāng)前市面上百花齊放的工具與平臺，并不一定都具備完備的安全措施或回滾機制；開發(fā)者對自身AI產(chǎn)品的安全性和穩(wěn)定性上，還有相當(dāng)大的優(yōu)化空間，而這一部分的優(yōu)化是需要人工干預(yù)和微調(diào)的，暫不能期待AI的自主優(yōu)化。
3.在道德倫理的規(guī)范層面，AI工具的界限同樣仰賴于開發(fā)者的調(diào)校，且AI工具的倫理標(biāo)準(zhǔn)受限于開發(fā)者本身的認知與立場限制。這套標(biāo)準(zhǔn)還會受到開發(fā)者所在的國家主體的各類法規(guī)限制或公序良俗影響，也會遭到地緣政治與意識形態(tài)博弈的干涉。
就通用大模型而言，部分海外知名頭部模型，對涉及政治正確或猶太人的相關(guān)冒犯性內(nèi)容上有著極端嚴格的審查標(biāo)準(zhǔn)，但這類保護性審查限制在當(dāng)時并未覆蓋亞洲人和非洲人。部分模型對于完全一致的生成內(nèi)容，如果描述主體在美國兩大黨派之間切換時，其自主規(guī)制條件也會發(fā)生靈活松動。
延伸到專有垂直模型層面，不同行業(yè)也有著針對性的倫理或安全風(fēng)險評估。例如訓(xùn)練語料是否摻入知識產(chǎn)權(quán)敏感信息，導(dǎo)致產(chǎn)出結(jié)果侵犯他人專利；化工反應(yīng)鏈路的成果，可能會和特定的環(huán)保原則、排放標(biāo)準(zhǔn)產(chǎn)生沖突；在自動駕駛或危險生產(chǎn)環(huán)境，如果AI決策造成了人身危害事故，責(zé)任歸屬的界定可能會引發(fā)爭議等等。
這些問題不但需要宏觀上道德法制的跟進完善，也依賴于每個特定行業(yè)內(nèi)相關(guān)標(biāo)準(zhǔn)的有效執(zhí)行與更新。
從垂直模型到具身智能
本文截止目前，主要都在闡述垂直模型相關(guān)的純軟件領(lǐng)域。然而對于科研場景，特別是實際研發(fā)環(huán)節(jié)和實驗室環(huán)節(jié)，僅靠軟件層面產(chǎn)出的數(shù)據(jù)結(jié)果，并不能有效驅(qū)動科研效率的提升或研發(fā)流程的進化。
務(wù)實且有效的效率飛躍，不能僅停留在腦力的輔助，還必須觸及體力的替代。因此我們要引入下一個主題，即具身智能體的應(yīng)用領(lǐng)域。
具身智能強調(diào)通過機器人實體進行感知、行動、決策，需結(jié)合匹配的AI工具，是AIforScience概念從純軟件系統(tǒng)向現(xiàn)實世界拓展的重要一環(huán)。
具身智能體
具身智能的特點
具身智能是新質(zhì)生產(chǎn)力的重要組成部分，具身智能體在AI大腦的指揮下，需要自主感知復(fù)雜的環(huán)境，自主完成學(xué)習(xí)和任務(wù)執(zhí)行。其涉及學(xué)科廣泛，包括人工智能、機器人科學(xué)、認知科學(xué)、傳感技術(shù)等。
針對不同的行業(yè)，以及行業(yè)內(nèi)的細分使用場景，機器人的表現(xiàn)形態(tài)、功能組件、智能化程度都會有很大的不同，這也能顯示出具身智能定制化這一題材，擁有潛力巨大的發(fā)展空間和市場空間。
核心部件及進階發(fā)展
具身智能體要實現(xiàn)感知、行動、決策這三大需求，需要其各個感知元件、行動部件和匹配算法的協(xié)同支持，即“多模態(tài)融合感知技術(shù)”，需要機器人的視覺、聽覺、觸覺感知高度協(xié)同，模擬人類感知，從多維度收集并融合多種模態(tài)的數(shù)據(jù)，同時理解外部環(huán)境并進行融合分析，以完成決策。多模態(tài)數(shù)據(jù)如何進行融合對齊、交互理解，也是具身智能需要深入鉆研的重要課題。
部分具身智能體所需的關(guān)鍵零部件如下：
1.視覺傳感器
為了滿足感知這一基礎(chǔ)需求，機器人需要配備多種視覺傳感器，不同于人類僅需雙眼即可滿足日常生活。受限于活動關(guān)節(jié)角度、傳感器配置限制、算法算力限制等情況，具身智能體需要較多的視覺傳感器和攝像頭。按使用場景的不同，可能需要配置觀察使用環(huán)境的視覺攝像頭、用于測量距離的TOF攝像頭、機械臂上針對細致操作的攝像頭等等。
針對進階需求，機器人也會配備不可見光、雷達等其他傳感器。
2.機械臂
機械臂是具身智能體最基礎(chǔ)也是最必備的原件。其性能和可活動關(guān)節(jié)數(shù)等因素，決定了機器人在應(yīng)用場景中的靈活度。除了活動功能，其表面也需要整合基礎(chǔ)的觸覺感應(yīng)，以便在運行中避開障礙磕碰，不損傷其本身或場景，更不能傷害場景中的工作人員。
3.抓手
機械抓手（機械爪）用于機械臂末端的精細執(zhí)行操作，按使用場景的需求，存在二爪、三爪等多種制式。仿生的五指靈巧手也存在，但當(dāng)前對現(xiàn)實應(yīng)用的落地能力有待考證。機械爪的靈敏度和制作材料也需要適配使用場景，如涉及玻璃等易碎易壞物品時，機械爪力需要整合力反饋功能。如針對危廢工廠的場景，機械爪需要選用低成本易替換的材質(zhì)。
機械爪的進化方向，包括多維度力測量、霍爾效應(yīng)觸覺傳感器、攝像頭視覺感知、柔性表面等等。
4.移動底盤
在部分應(yīng)用場景，如科研實驗室等環(huán)境內(nèi)，機器人需要配備移動底盤以拓展可觸及范圍。擁有移動能力的具身智能體被稱作多用途柔性機器人，能夠極大拓展應(yīng)用縱深。
按照某大型制藥企業(yè)的反饋，同樣具備感知能力和機械臂的機器人，是否擁有移動能力將決定機器人的應(yīng)用場景。不可移動的機器人更適合量產(chǎn)場景，可作為固定工作站的一部分。而可移動的機器人才能勝任研發(fā)環(huán)境，以針對科研環(huán)境內(nèi)更靈活的應(yīng)用環(huán)境。
移動底盤本身除去最基本的移動功能，還需要集成獨立的自動巡路、路線規(guī)劃、智能避障等功能，不占用機器人主要功能的算力，因此也需要集成各類傳感器和計算能力。
5.IOT協(xié)同
在實驗室環(huán)境中，具身智能體需要與場景內(nèi)的許多實驗儀器實現(xiàn)互動，較為務(wù)實的方案是將已有的設(shè)備接入IOT網(wǎng)絡(luò)，將各個設(shè)備讀取的如溫度、重量等信息傳遞至移動機器人的數(shù)據(jù)云端，以此產(chǎn)生協(xié)同。
這一方案僅需對現(xiàn)有的實驗器材進行最低限度的調(diào)整，不用為了鋪設(shè)機器人而大幅調(diào)整現(xiàn)有實驗環(huán)境，從而改變工作流程，影響人員工作習(xí)慣，產(chǎn)生本末倒置的負面影響。
6.VLA模型
VLA模型不是具體的物理部件，而是一種延伸至物理空間的模型，即視覺-語言-動作模型（Vision-Language-ActionModels，簡稱VLA）。過往的機器人、人工智能協(xié)同模式下，視覺、語言、動作系統(tǒng)是相互獨立的。VLA模型通過整合上述各個核心零部件，能夠理解復(fù)雜的圖像和語言命令，提高機器人的能動性，讓機器人擁有對應(yīng)復(fù)雜實時場景的能力。
市場環(huán)境與投資機會
市場規(guī)模分析
AI大模型及具身智能體作為當(dāng)前最熱門的兩大領(lǐng)域，可融合的場景過于寬泛，因此其總體市場規(guī)模的預(yù)測失去了實際意義。但若集中于科研領(lǐng)域，我們可以通過某些維度的信息進行粗略的了解。
通過截取相關(guān)產(chǎn)業(yè)上市公司晶泰科技、已申報公司鎂伽科技公開的招股說明書，我們可以大致列出部分細分領(lǐng)域的市場體量，具體如下，僅供參考，不具備投資決策價值：
針對上文提到的AIEDA領(lǐng)域，根據(jù)MordorIntelligence數(shù)據(jù)，2023年中國模擬芯片市場規(guī)模為3026.7億元，預(yù)計2024年將達到3175.8億元。參考2021-2024年國內(nèi)模擬IC設(shè)計行業(yè)上市公司數(shù)據(jù)，粗略估計模擬芯片版圖和電路設(shè)計軟件對應(yīng)的市場規(guī)模約為190億元。Gartner在2023年發(fā)布的半導(dǎo)體技術(shù)趨勢報告中提到，AI/ML在EDA工具中的滲透率約為10%-15%（覆蓋布局、驗證等環(huán)節(jié)），并預(yù)測到2026年將增長至30%以上，預(yù)計到2026年AIEDA對應(yīng)的國內(nèi)市場將達到約60億元。
海內(nèi)外市場行情
基于上文提到的市場空間，在全球范圍內(nèi)，各行業(yè)的研發(fā)環(huán)節(jié)都會對AI垂直模型+具身智能體的協(xié)同體產(chǎn)生海量需求。
中國擁有全世界最大最全甚至唯一的全產(chǎn)業(yè)工業(yè)體系，網(wǎng)絡(luò)上，部分網(wǎng)友用“工業(yè)克蘇魯”來形容中國大陸的工業(yè)實力對全世界的碾壓。在可預(yù)見的未來，具身智能體產(chǎn)業(yè)將由中國大陸主導(dǎo)，海外部分頭部企業(yè)和高校會對掌握部分高端技術(shù)，但難以彌補工業(yè)體系存在的鴻溝。
因此，海外需求方也將把目光集中到國內(nèi)，國內(nèi)擁有特定領(lǐng)域?qū)ｉL的企業(yè)，也能因此獲得較好的訂單機會。
對國內(nèi)開發(fā)者和初創(chuàng)公司來說，由于國內(nèi)市場的客戶習(xí)慣，純算法或模型的軟件產(chǎn)品，很難具備盈利水平，許多企業(yè)因此被動發(fā)展出硬件開發(fā)能力，這種軟硬件結(jié)合的能力可以讓企業(yè)在面對客戶時擁有更好的綜合優(yōu)勢與議價權(quán)。
而面對海外客戶，單純的軟件產(chǎn)品也能擁有更好的銷售機會。如果要與海外客戶簽訂硬件產(chǎn)品的訂單，則很考驗企業(yè)的跨境運維支持能力。
合作生態(tài)
在AI垂直模型和機器人算法的科研場景中，產(chǎn)業(yè)上下游各角色的特征，決定了合作生態(tài)。
1.產(chǎn)業(yè)方
行業(yè)龍頭企業(yè)和跨行業(yè)集團，這類企業(yè)一般對終端消費者輸出產(chǎn)品。如3C數(shù)碼產(chǎn)品與汽車等廠商、互聯(lián)網(wǎng)巨頭、制藥廠、科研機構(gòu)和高校等角色。
其中部分具有綜合研發(fā)實力的科技屬性綜合企業(yè)，一般都會對自身的流水線做定制化智能開發(fā)，也擁有一定的AI開發(fā)實力。這類公司對AI模型與具身智能體整合屬于可預(yù)見事項。然而這類企業(yè)的整合成果，大多用于滿足內(nèi)部生產(chǎn)需求，與其內(nèi)部流程高度集成，不會作為對外生產(chǎn)的產(chǎn)品，也缺乏配合客戶做定制化的動力。
部分單一領(lǐng)域龍頭企業(yè)，如制藥廠和化工廠，可能積累了龐大的生產(chǎn)數(shù)據(jù)，可以作為AI訓(xùn)練的語料，但不一定具備垂直模型的開發(fā)能力或執(zhí)行力，具身智能體的啟動門檻更是高于模型訓(xùn)練。
因此，對于非頭部科技企業(yè)、大部分單一領(lǐng)域龍頭、規(guī)模非頂級的企業(yè)、規(guī)模中小型的科研單位，為了擁有整合了AI模型的機器人研發(fā)平臺（協(xié)同體），必須向外部開發(fā)者尋求支持。
2.開發(fā)者/初創(chuàng)公司
擁有AI模型訓(xùn)練能力和機器人硬件整合能力的公司，有機會在這一輪范式重構(gòu)的熱潮中獲取戰(zhàn)略機會。
許多擁有開發(fā)需求但缺乏能力和動力的大型企業(yè)，一旦獲得能實際落地的協(xié)同體，幾乎可以在落地瞬間立刻提升工作效率（因為無論何種程度的優(yōu)化和自動化都能帶來效益提升）。這種協(xié)同體的軟硬件定制化需求都非常高，需要貼合產(chǎn)業(yè)方的流程和生產(chǎn)慣例，且一旦落地之后，產(chǎn)業(yè)方自然會持續(xù)性的尋求優(yōu)化迭代和新需求落地，且輕易不會更換供應(yīng)商。
因此，開發(fā)者若是能抓住指定的細分領(lǐng)域，只要與單個頗具規(guī)模產(chǎn)業(yè)方形成合作關(guān)系，就能夠保證自身的存活能力，如果能借助初始的產(chǎn)業(yè)方客戶完成首單落地，那么通過貼身服務(wù)和長期磨合積累的寶貴經(jīng)驗，會助力開發(fā)者站穩(wěn)腳跟。
部分產(chǎn)業(yè)方甚至愿意開放自身的生產(chǎn)數(shù)據(jù)，與開發(fā)者共同開發(fā)/委派開發(fā)者訓(xùn)練更有針對性的垂類模型。這也將成為開發(fā)者可貴的成長經(jīng)驗。
3.模組廠、元件廠
對于純專注于機器人硬件產(chǎn)品的機械廠商（模組廠），當(dāng)前的重點應(yīng)當(dāng)從通用領(lǐng)域轉(zhuǎn)入具體細分場景，聚焦某一集中的市場方向。細分領(lǐng)域所需的應(yīng)用場景相對單一，需要感知的環(huán)境和設(shè)備相對標(biāo)準(zhǔn)化。相比通用場景和更復(fù)雜的消費場景，垂直場景的協(xié)同體應(yīng)用將更容易落地。因此專精于特定小場景的開發(fā)者，往往會比執(zhí)著于通用場景的開發(fā)者擁有更好的發(fā)展機會。如果能與提供匹配AI工具的企業(yè)結(jié)盟聯(lián)合，則有機會獲得更好的成長空間。這種情況下，速度和實績就成為了能否成功的關(guān)鍵。
對于機器人核心零部件的研發(fā)機構(gòu)，其針對特定部件的產(chǎn)品能力和技術(shù)深度必然優(yōu)于模組廠，這類企業(yè)如果可以直接與開發(fā)者建立聯(lián)系，則能夠為開發(fā)者帶來技術(shù)優(yōu)勢，可以與開發(fā)者共同服務(wù)于產(chǎn)業(yè)方客戶。
總結(jié)
優(yōu)勢
1.AIforScience的熱潮下，AI垂直模型能夠為研發(fā)環(huán)節(jié)帶來全面的效率提升，從整體流程、單個研發(fā)環(huán)節(jié)、對高端科研人員的人力解放層面都大有裨益，這種優(yōu)勢是不可逆的。
從事相關(guān)協(xié)同體產(chǎn)品的企業(yè)不但坐擁賽道本身的市場空間，在迫切的需求和外溢效應(yīng)下，協(xié)同體可以進一步挖掘存量市場的改造升級需求。對于被解放的人力成本，其原先對應(yīng)的市場規(guī)模也可以計入開發(fā)者的營收之內(nèi)。
2.AI大模型和工具的發(fā)展會快于具身智能體的發(fā)展，而AI行業(yè)的持續(xù)發(fā)展將會倒逼機器人行業(yè)迭代更新，從而彌補智能協(xié)同體在實際物業(yè)環(huán)境中的短板。兩者高度相關(guān)又相輔相成，可以形成互相促進的螺旋形進化趨勢。
3.中國大陸基于產(chǎn)業(yè)門類全、規(guī)模大、對新技術(shù)導(dǎo)入的態(tài)度積極，就算面對垂直場景，也能夠產(chǎn)生出相當(dāng)大的市場體量，支撐發(fā)展和迭代。而發(fā)達的機電供應(yīng)鏈，對于機器人本體的快速性能迭代與成本下降也提供了有力保障。
只要能夠?qū)崿F(xiàn)快速落地并產(chǎn)生即時的經(jīng)濟效益，國內(nèi)的具身智能體行業(yè)將獲得持續(xù)性的快速發(fā)展。
挑戰(zhàn)
1.反過來需要注意，產(chǎn)業(yè)的極端發(fā)達也意味著產(chǎn)能過剩和內(nèi)卷。隨著AI大模型熱潮與具身智能體熱潮的疊加，智能機械工業(yè)可能很快就會面臨擁擠，不正當(dāng)?shù)母偁帟⒊杀練⒌胶艿偷膮^(qū)間。短期內(nèi)該行業(yè)大概率會進入紅海階段，重蹈光伏和碳化硅的覆轍。反映在投融資市場上，針對具身智能體領(lǐng)域的行業(yè)風(fēng)口可能會非常短暫，后入局的玩家有可能會承擔(dān)較大的回報壓力。
2.與短期內(nèi)卷同時發(fā)生的，將會是中長期的高端瓶頸?，F(xiàn)階段的具身智能體產(chǎn)業(yè)還有許多亟待解決的技術(shù)問題，機械關(guān)節(jié)強度、電池續(xù)航能力、散熱能力、傳感器精度、觸覺靈敏度、極端場景特化等等方面都存在大小不一的門檻。
這些高精尖的技術(shù)突破可能只會掌握在極少數(shù)頭部大廠或科研機構(gòu)的手中。且必須正視尖端領(lǐng)域尚存的技術(shù)差距，有些關(guān)鍵性的技術(shù)發(fā)明中長期還會由國外企業(yè)和高校掌控。這意味著中低端具身智能體在供大于求的同時，高端具身智能體市場會十分緊俏甚至出現(xiàn)空擋。
如何實現(xiàn)特定細分領(lǐng)域的領(lǐng)先、如何在中低端市場內(nèi)守好護城河，將會是從業(yè)者很快要面臨的現(xiàn)實問題。
3.縱觀本篇全文，AI大模型的開發(fā)、具身智能體的落地，都對開發(fā)者有著極高的專業(yè)領(lǐng)域知識需求，甚至是相關(guān)行業(yè)的多年從業(yè)實踐需求。如果欠缺對應(yīng)領(lǐng)域的實操經(jīng)驗，那么協(xié)同體的開發(fā)就缺失根基，并隨時會面臨失敗的風(fēng)險。未來，同時擁有AI大模型訓(xùn)練能力和行業(yè)專精背景的復(fù)合型人才，將會是這一領(lǐng)域的中流砥柱。
展望
AI垂直模型與具身智能體的整合是多維度且互相纏繞的，能夠在軟硬件協(xié)同&人機協(xié)同的新工作流模式中，引發(fā)生產(chǎn)力的指數(shù)級上升。AIforScience的概念會逐漸向AgentforScience，乃至具身智能forScience的方向進化，最終轉(zhuǎn)化為全新的、尚未被人總結(jié)概括出的全新科研范式。在這一范式的實現(xiàn)過程中，產(chǎn)業(yè)方、開發(fā)者、模組部件廠商、投身于該賽道的投融資機構(gòu)，只要能抓住機遇，都有機會享受到發(fā)展帶來的紅利。
而無論結(jié)果如何，這種科研進步帶來的時代紅利，最終還會融入到每個人的生活中。正如疫苗、空調(diào)、冰箱、現(xiàn)代物流、互聯(lián)網(wǎng)等科技進步給普通人帶來的紅利一樣，未來的人自然會能夠享受到比前人更優(yōu)質(zhì)又更具性價比的生活品質(zhì)。
在這波變更與遷移的時代浪潮中，每個人都會是見證者和受益者。
