科技大佬都在竞速争夺「机器人」。
前有雷军抢先发布人形机器人CyberOne，后有马斯克即将亮相的特斯拉人形机器人擎天柱。
甚至从去年开始，百度造的智能车，都被李彦宏叫成汽车「机器人」……
机器人不是什么新概念。但问题在于，实际产业和大众认知之间，属实还有亿点点距离。
毕竟，在多年科幻大片的浸润下，「机器人」在大众心目中，多少是和强人工智能挂钩的。
所以，这股热潮背后，科技巨头们看中的究竟是什么？
莫非机器人产业，还真就悄悄迈向了大规模应用前夜，要迎来变现的时间节点了？
01
机器革命正在进行时
如果把视线局限在狭义的机器人本身，谈论高度自主的行动、思考和决策能力，普通人的生活看上去离科幻片还颇为遥远。
像这样在「控制」这一方面惊艳众人的，全球也只波士顿动力一家。
但其实如果把机器人的定义拓宽开去，涵盖进具备一定的感知能力、规划能力、行为能力，能辅助人们工作生活的自动化机器，那么在那些最酷炫最仿生的人型机器人背后，一场机器革命确实已经在人们的日常生活中铺开。
并且是以润物细无声的方式，涉及到你所能想到、所想不到的方方面面。
最容易想到，也跟「机器人」之名直接相关的，便是扫地机器人。
在迈入千家万户的同时，当下的扫地机器人们，也已成为机器人「控制」和「智能化」技术最日常化的落地应用代表。
比如石头扫地机器人T7 Pro，就采用了自动驾驶同款立体视觉识别技术和AI物体识别技术。
扫地机器人鼻祖iRobot，也在高通骁龙212平台所集成的人工智能技术的基础上，让扫地机器人学会迅速掌握房间格局，并在使用过程中学习和适应不断变化的家庭环境。
而更多的终端，无机器人之名，却有机器人之实，它们可能不是Robot，但一定驱动自Robotics…
比如能自动检测食物存量、自动下单补货的智能冰箱；能基于语音识别技术，对家中各种电子设备进行控制的智能音箱……
这还只是在我们熟悉的日常生活场景，在更广阔的工业、农业场景中，终端智能化变革的脚步，甚至更加深入。
比如农林植保无人机，就已与飞防员、农药共同构成了我国农业飞防体系。
基于智能航线规划、自主飞行、断点续航等智能化能力，以及基于5G的信息处理能力，其作业效率能达到人工的30倍，并大幅提高农药利用率。
又比如工业中的智能头戴计算机。
不仅具备智能双摄像头，像“两只眼睛”一样检查现场、将数据通过5G迅速发送给后台处理；还能解放双手，使用AI语音命令就能完成智能检索、和专家远程通话、表单可视化等功能。
……
也就是说，越来越多机器终端，从摄像头，到大小家电，再到无人机甚至汽车，都正在AI和5G等前沿技术的加持之下，化身广泛意义上的「机器人」。
并且正在连点成线，以越来越快的速度，铺就一张前沿技术落地应用的巨大网络，一张由算法驱动软件、软件驱动硬件的巨大网络。
而这，也正是AIoT的实质。或者你也可以理解为：AI→AIoT的进程中，Robotics是必备要素。
根据IDC的数据预测，2021年全球物联网支出达到7542.8亿美元，并有望在2025年达到1.2万亿美元，2021-2025年复合增长率11.4%。
甚至也开始有分析机构，用AIoT审视新技术时代的一切，因为可以更合理地端到端评估，并且把包括特斯拉、SpaceX等马斯克的创新公司都置于AIoT维度之下。
是否有依据？
深究AIoT快速发展至今背后的底层技术和基础设施，其实便可窥出端倪。
02
背后的「基础设施」是什么？
对于一个逐渐趋于成熟的产业而言，这种进度已经无法仅凭AI技术中的单一基准，或硬件上的某个机械精度来度量，而必须从当前生产体系是否规模化、乃至应用落地的生态布局来整体把控。
当前，行业生产体系是否已具备大规模量产的成熟条件，首要条件即具备技术底层的「基础设施」——
即近年来渗透到机器人产业各个角落、覆盖软硬件和开发工具的成熟平台型解决方案。
其中的一个典型代表，就是高通机器人RB5平台和RB6平台。RB5是*同时支持5G和AI的机器人平台，能够规模化地从技术上支持开发者解决机器人是否具备「足够自主性」的问题。
判断机器人是否具备足够自主性，往往是判断它内在程序的「智能性」，即处理传感器数据等外界信息的能力，以及根据行动做出判断以更好地完成更多任务的能力，往往同时面临AI算法和算力的性能调度。
目前RB5平台已经广泛用在各行各业的机器人上。搭载的第五代高通AI引擎，一方面达到每秒15万亿次运算（15 TOPS）的AI计算能力、另一方面适配多种复杂的AI算法，给基于这一平台构建的各种智能机器人提供了极大的创新空间。
今年新推出的RB6平台，则还要在AI和5G能力上更进一步，不仅通过扩展卡让平台在未来支持5G不断演进的连接特性，包括3GPP Release15/16/17/18的特性；还将AI计算能力提升到了每秒70-200万亿次运算（70-200 TOPS），算法丰富度也进一步提升。
进一步地，在具备成熟基础设施的情况下，如何形成颠覆传统产业的生态布局，又得从产业发展路径来看。
这场机器革命能否取得突破的关键，还在于它是否能给各行各业带来规模性的效率提升、而非仅仅局限在某一类场景中产生效用。
集中到一个关键词上，其实就是对数据的*化利用。
从这个维度来看，也就更能够理解AIoT为什么能够成为一个评判技术创新的全新框架：
传感器是数据流入的接口，5G搭建了数据快速交换的桥梁，而背后的AI，则代表着数据处理的*进方式。
AIoT产业化过程中，技术本身也正是在这几个关键节点上发力和联结。
以高通的统一AI软件栈为例，就是以统一不同终端设备算法的方式，加速了AI算法在物联网各终端的落地速度，从而推动整个AIoT产业的快速铺开。
03
数据驱动下的万物互联浪潮
回溯AIoT的几个发展阶段，不难发现以传感器为代表的数据生成，正是奠定物联网发展基础的初始阶段。
在这个阶段中，物联网基于计算机程序初步具备了一定的数据处理能力，但距离大规模落地应用还有很远。
直到迎来AI和5G技术后，物联网才真正具备了体系化、批量化的数据分析能力，成千上万的数据被迅速传输并汇集到一块、有了用武之地，自此「万物互联」的价值也逐渐开始体现。
单从连接节点来看，终端正呈现出一种以数据驱动为核心的趋势，将智能+连接的能力带动到更多类型的设备上。
正如高通智能网联边缘（CIE）的理念一样，如今这种智能化、连接化的趋势不仅体现在移动终端、甚至不仅体现在电子设备上，而是生活中的一切物体，皆可能成为物联网的连接节点。
例如，商场中的购物车，原本只是一个（坐在里面玩）商品的暂存工具，但将其智能化后，不仅能一键将加购的商品进行结账、省去了排队的时间，还能在购买途中根据喜好智能推荐优惠券。
这背后正呈现出一种以摄像头、GPS为传感器核心，以骁龙450移动平台的5G传输能力和AI推荐算法为基底的数据驱动浪潮，席卷了商超零售行业。
又例如，理发店中的镜子，原本只是Tony老师让你心情变差的证据（手动狗头），但将它智能化后，镜子就成了预览「最美发型」的能力。
根据你的脸型和要求，智能镜子会通过实时渲染仿真模拟出剪发后的效果，再也不用担心Tony老师剪出奇怪的发型了。
而这背后，又是基于摄像头等传感器技术，结合5G实时渲染能力和骁龙845平台中AI图像生成等能力，针对日常终端设备实施的一场数据变革。
甚至最常见的物流运货车，智能化后也极大提升了可运输的货物种类，特殊的、需要冷链存储的贵重药品运载（如胰岛素）无需再依靠人力监管，机器能自动识别并判断*储藏温度、及时调整舱内环境。
这其中从传感器芯片、5G低延时数据交换，到AI智能温控等技术，背后的数据驱动能力都来自高通MDM9206 LTE IoT提供的物联网「工具平台」，驱动整个物流行业的智能变革。
看似智能购物车、镜子还是传感器监控的功能不尽相同，所用技术也各不一样。
但如果从数据驱动的维度去观察，就会发现上述一切场景的技术根源都可以被归溯到数据生成、数据传输和数据分析三方面上，并最终落地到AIoT这个答案上。
而高通这几年所进行的技术储备，也正是在这几个方面有所体现：数据生成上的传感器管理、摄像头控制、定位导航等；数据传输上的无线连接、5G基带等技术；数据分析上的图像处理、语音识别等……
这其中的环节也正如幂集创新的技术能力一般环环相扣，互相影响催生出更多的技术应用，乃至于加速更多智能设备的连接。
例如高通的Vision Intelligence 400平台中就设计了一系列专门为IoT设备打造的芯片，将AI计算和边缘计算能力直接加持到智能相机、摄像头和机器人上，让更多寻常的数据生成设备也能具备AI的数据分析能力。
以其中的QCS605为例，这是一个制程10nm的AIoT芯片，包含针对GPS导航定位、WiFi、麦克风阵列和一系列传感器（如摄像头、陀螺仪和加速度计等）的支持。
在某种程度上，可以将其理解为以计算机视觉ISP（CV-ISP）为核心、具有网络连接等各方面功能的SoC。
CV-ISP是人工智能技术的一个非常重要的领域，高通在手机SoC的骁龙855中便已内置了全球*CV-ISP，具备基于硬件的深度感测功能，支持实时高清视频拍摄、对象分类和对象分割。
如今类似的先进AI技术已经在IoT领域进行了大范围铺开，并根据IoT终端类型进行了更多的定制化延展。
这类终端接收到（摄像头等）传感器产生的数据后，可以通过QCS605自带的计算能力和搭载的AI模型对数据进行分析处理，并通过WiFi等方式再将处理好的数据传递出去。
如今凭借这一平台，更多在园区、楼宇、乃至整个城市中常见的设备被联入物联网中，成为“AI+”中重要的落地场景。
例如园区中的AI智能监控，就可以通过用摄像头搭载Vision Intelligence 400平台的方式来实现。
摄像头先收集道路上的照片数据，传输给平台中的AI模型进行人流量、车牌号等照片信息提取后，结合平台的AI计算能力和信号传输能力，就能快速智能地完成园区内上下班高峰分析、车辆放行等操作，从而做出对应的判断。
因此，从单个连接节点扩大到覆盖范围上，会发现物联网已经从最初的智能家居场景，发展到农工业、智慧生活等一切能想象到的应用中去。
比如，就连采矿业，也已成为物联网布局的一个关键场景。
原本井下地形复杂、布线困难，液压支架、采煤机、掘进机等设备移动后信号线缆折叠易断裂，可能造成数据传输中断、影响远程操作，在数据传输这一环节无法继续。
但结合有线和5G传输信号，并利用AI技术提升信号强度、在故障时智能切换使用网络，就能进一步提升采矿业的安全性、避免出现沟通延迟导致的机器事故。
结合AI技术，这一系统还实现了井下采掘、运输、检修等语音和视频等数据的分析情况，甚至实现井上井下的实时通话，进一步提升了煤矿巡检机器人、自动驾驶采矿机器人等装置的效率。
而在智慧城市中，类似的数据驱动场景也能在餐厅、道路、学校、办公场所等公共区域看见，如消杀机器人、智能共享交通工具、乒乓球机器人等，进一步增加了疫情之下人们出行的便利性、安全性。
例如具备自动巡航、远程监控和云平台数据分析功能的数字消杀小坦克，就是通过5G网络连接和AI控制系统，自动、准时按量地完成指定场所的消杀任务。
除了消杀机器人以外，布局在道路上具备AI功能、能自主感知道路信息的智能共享交通工具，也借助物联网提升了影响的空间和可用的功能。
例如智能共享滑板车，不仅可以识别人流、检测停车位置，还内置地图、具备行车记录，随时查看并优化经过的路径，加速连接成果。
又如在学校乒乓球课上，也用上了专门的发球机器人，不仅能根据对手的能力智能调整发球难度、还能专门利用AI分析大数据并对应提升击球弱点：
回过头重新审视「万物互联」的几个发展阶段，从数据生成、数据传输、数据分析到部署落地的过程，似乎都与高通在这一领域长期探索的路径不谋而合。
最初在物联网概念兴起时，高通就已经基于骁龙平台，为不同行业提供传感器管理、摄像头控制、图像处理等AI数据分析方案。
日积月累下，高通发展的各种AI能力形成了一系列完整的「基础设施」平台，为更多场景所调用。
随后，5G等通信技术开始取得进一步发展，高通也凭借通信技术再次成为5G时代的弄潮儿。2022年Q1，高通以59.5%的营收份额继续蝉联基带芯片市场份额*。
IoT辐射范围因此迅速扩大，急剧增加的数据传输能力让5G、AI和IoT技术进一步趋于融合，更多5G+AI技术被引入机器人等设备，并逐渐从智能终端辐射到整个物联网
如今，高通也正基于统一AI软件栈的赋能思路，将一切终端设备以共同的AI功能连接起来，落地到以Robotics为代表的的更多场景中去，直至加速这一轮机器革命触达奇点。
以高通对各类机器人/物联网企业赋能的案例为代表可以感受到，整个AIoT产业的未来技术走向，也同样符合幂集创新场景的规律——
当最基础性、生态型底层技术创新出现，同样会催生一系列场景的变革。
如果说10的一次幂是底层落地变革场景，那么10的二次幂带来的便是百倍降本增效的提升；
而随着10的三次幂，这一场景不仅带来数以千计的生态位机会、开发者机遇，更因此在行业中产生了对大一统底层平台的需求。
未来，这一轮「万物互联」浪潮的*形态会是什么样？我们拭目以待。
