大摩重磅机器人年鉴（二）：机器人"逃离工厂"，训练重点从"大脑"转向"身体"，边缘算力有望爆发

摩根士丹利（大摩）在发布的《机器人年鉴（第二卷）》中指出，全球机器人行业正迎来两大关键转变：应用场景从工厂向家庭、城市等非结构化环境延伸，训练重点从通用AI"大脑"转向物理动作控制的"身体"。这一转变预计将推动边缘算力需求的爆发式增长。大摩预测，到2050年全球将售出14亿台机器人。*机器人"逃离工厂"传统工业机器人局限于结构化环境，而AI赋能的新一代机器人正在进入家庭和公共空间。面对物理世界的复杂性（如抓取力度的控制），机器人必须具备实时感知、动态决策与精细动作控制能力，而非仅依赖预设程序。训练范式转变目前的瓶颈在于物理动作执行（Moravec悖论）。特斯拉、英伟达、谷歌等巨头正通过以下方式收集数据： 远程操作：人类通过动作捕捉控制机器人。 模拟训练：利用数字孪生（如NVIDIA的Omniverse）在虚拟环境中复现复杂场景。 视频学习：从人类行为视频中提取模式，如Google DeepMind的Genie 3和Meta的V-JEPA 2。边缘算力需求爆发随着云端延迟问题凸显，边缘算力成为刚需：1. 专用边缘芯片普及：如英伟达的Jetson Thor，满足实时性与低功耗要求。2. 分布式推理网络：特斯拉提出"机器人即算力节点"构想，通过分布在全球的机器人闲置算力来降低对数据中心的依赖。