深圳两企业同日称“大湾区首个”,“最像特斯拉”的智平方200亿估值能否实至名归?

深圳两家企业同日称“大湾区首个”,智平方对标特斯拉,200亿估值能否实至名归?

深圳机器人圈惊现“撞车”事件,6月29日,自变量和智平方两家深圳企业先后宣布估值突破200亿元,还都自称“大湾区首个估值突破200亿元的具身智能企业”。

自变量实力强劲,其机器人曾在发布会上“随机捡起地上的纸团”震惊业界,两个月内连融4轮,背后有阿里、字节、美团、小米四大互联网厂商支持。

而略显低调的智平方,实力也不容小觑。它近期完成近50亿元融资,投资方涵盖国家队、地方国资、险资、券商和产业资本,估值超过200亿元。智平方还有个亮眼标签——“最像特斯拉”的机器人公司。

和特斯拉一样,智平方押注端到端具身大模型,强调模型、硬件和真实场景一起迭代,想把机器人送进工厂成为“通用工人”。这一技术路线或许能解释为何智平方在短短三年吸引豪华投资阵容并获得高估值。

不过,连率先押注端到端具身智能的特斯拉都未在具身智能赛道找到最终答案,“最像特斯拉”的智平方凭什么让人相信它能行?

智平方最像特斯拉之处在于,它想把模型、硬件、数据和制造全抓在自己手里。2023年,公司全面押注端到端VLA(视觉 - 语言 - 动作)模型,让机器人将看到的画面、听到的指令和执行的动作直接相连,减少人工编写规则。当时全球坚持这一方向的机器人公司不多,特斯拉Optimus是代表。

两年后,智平方将模型升级成GOVLA(全域全身VLA),让机器人具备跨场景、跨任务的泛化能力。它还引入“快慢系统”,慢系统负责理解环境和拆解任务,快系统负责实时控制动作。该技术使模型开始决定机器人的形态,为配合GOVLA,AlphaBot 2做出34个以上自由度,加入腰腿升降结构,垂直工作范围覆盖0至2.4米,单臂臂展达700毫米,能连续工作6小时以上。

今年6月,智平方发布并开源NeuroVLA,将“快慢系统”拆成类似皮层、小脑和脊髓的三级结构,让机器人能实时修正动作并在碰撞时迅速反应。

模型和硬件只是起点,智平方下一步是把机器人送进真实场景积累数据。目前,AlphaBot系列已进入汽车制造、半导体显示和生物制造等场景。在汽车工厂,它负责上下料、转运和贴标;在晶能微电子半导体产线,参与晶圆装载和物料搬运;在华熙生物工厂,要进行拆包消毒、视觉检测和无菌环境下的物料转运。

最有分量的订单来自半导体显示企业惠科,慧智物联将在三年内于全球生产基地部署超1000台智平方机器人,覆盖仓储物流、上下料、零部件装配和质检测试等环节,订单金额接近5亿元,是公开金额较大的具身智能机器人订单之一。

由此,一套闭环雏形出现:机器人在工厂工作积累数据,数据返回模型训练机器人能力,模型升级后机器人可处理更多任务。这种软硬件协同演进的研发方式与特斯拉FSD和Optimus的AI驱动产品逻辑相似。

然而,走上和特斯拉相似的路不代表智平方跑在行业前面。如今,让模型直接控制机器人全身已快成头部玩家的共同选择。今年1月,Figure发布Helix 02,能从摄像头画面直接控制机器人完成长任务;Physical Intelligence的π0.7能用同一模型控制多种机器人,处理新指令。

这意味着智平方虽押注路线较早,但未建立难以逾越的护城河。而且同行把机器人送进工厂积累数据的动作也很快,Figure的机器人曾在宝马工厂连续部署11个月。相比之下,智平方公开的技术证据多集中在论文测试、演示视频、客户合作和订单规划,缺少足够多、足够公开的长期运行数据证明比同行更快。

此外,智平方和特斯拉还有现实差距。特斯拉做Optimus依靠多年积累的真实世界数据、自研AI芯片、全球工厂和供应链,以及汽车与能源业务的现金流。2025年,其研发投入和资本开支分别达64.11亿美元和85.3亿美元,今年还扩充AI算力并涉足半导体制造。

智平方虽摸到闭环轮廓,但难以复制特斯拉用海量资金、数据和制造能力让系统运转的部分。“最像特斯拉”证明智平方选对方向,却暂时无法证明形成特斯拉式的领先优势。路线先进只是入场券,撑起200亿元估值还需更硬的成绩单。

实际上,智平方现在不缺订单,惠科近5亿元、超1000台机器人的订单证明市场认可。但这笔订单三年内逐步部署,1000台最终交付、验收多少,能变成多少当期收入,尚无明确答案。

同时,要分清产能和销量。智平方建成年产能超2000台的半自动化产线,还计划下半年启动数万台规模新产线。产线生产能力不代表销量,机器人最终卖出去多少、客户是否复购,决定生意规模。

目前,智平方公开的明确收入数据仍是2024年的数千万元,离200亿元估值还有很长距离。而且工业机器人交付后,不同工厂要求不同,若新场景需大量工程师驻场调试,订单越多交付和售后成本越高。

所以,智平方接下来要证明1000台订单能否按时交付,产能能否变成稳定销量,销量能否带来复购和利润。这些数字才是200亿元估值缺少的成绩单。

内容概要:本文围绕“基于改进秃鹰算法的微电网群经济优化调度”展开研究,提出了一种改进的秃鹰搜索算法(BES),旨在解决微电网群在复杂运行环境下的多目标、强约束、非线性及高维经济调度问题。通过引入特定优化策略,增强了基础算法的全局搜索能力和收敛效率,克服了传统能算法易陷入局部优的缺陷。研究构建了一个包含分布式电源、储能系统与多元负荷的微电网群调度模型,以小化系统综合运行成本为核心目标,综合考虑功率平衡、设备出力能力、储能运行特性等多重约束条件。通过仿真实验验证了所提算法在调度精度、稳定性和计算效率方面相较于传统方法具有明显优势,并进一步展示了其在降低能源开支、提升可再生能源消纳水平方面的实际应用价值。; 适合人群:具备一定电力系统基础知识或优化算法背景,从事新能源调度、能优化算法研究与应用等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网群、综合能源系统等场景下的经济调度优化;②为秃鹰算法及其他群体能算法的改进、复现与性能对比提供参考范例;③服务于科研仿真、算法验证及工程化应用需求。; 阅读建议:建议读者结合文中提供的Matlab代码实现进行实践操作,重点关注算法改进机制与调度模型的构建逻辑,同时可借助网盘资源获取完整资料,以加深对算法性能表现与应用场景的理解。
内容概要:本文围绕“多种改进粒子群算法在深度神经网络卸载策略中的比较研究”展开,系统探讨了边缘计算环境下基于启发式优化算法的DNN任务卸载问题。文章首先剖析了传统粒子群算法(PSO)的基本原理及其在收敛性和全局搜索能力方面的局限性,继而深入介绍四种代表性改进算法:自适应权重PSO、混合遗传PSO、模拟退火PSO以及多目标PSO,详述其在提升寻优效率、增强鲁棒性及应对复杂多约束场景下的机制与优势。研究通过构建DNN卸载模型,设计多维度性能评估体系,在延迟、能耗、资源利用率等关键指标上对各类算法进行对比实验分析,进而提出面向不同应用场景的算法选型策略与优化建议。该工作为边缘能系统中的计算任务调度提供了理论支撑与实践指导。; 适合人群:具备一定人工能与优化算法基础,从事边缘计算、物联网、能系统优化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 掌握多种改进粒子群算法的核心思想与实现机制;② 理解深度神经网络在边缘-云协同环境下的任务卸载建模方法;③ 学习如何通过仿真实验对比不同启发式算法的性能差异,并根据实际需求选择优算法方案; 阅读建议:建议结合提供的Matlab代码实现进行动手实践,重点关注算法参数调优、适应度函数设计及实验结果可视化分析过程,以深入理解算法行为与系统性能之间的内在关联。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值