1、2023年度总结：工业机器人下半场&人形机器人开场
10月，就有VC朋友催更了：
12月，开始给一二级朋友们做年终分享；本文节选了部分内容，作为今年的年度总结。
Part 1 什么是下半场
ICT产业，曾跑出来多只大牛股。
笔者亲历了移动通信行业的完整周期(上下半场各8年)，做产品研发时发现了一条能穿越牛熊、通用于各行业的金律。
后来，在一二级市场里力荐这条金律，屡试不爽(屡次试验都没有差错)！
今天，就把这条金律送给诸位!
2023年的日K图(图片来自雪球)
今年，紧抱智选系统的车企们，股价遥遥领先。
表面上，是各整车厂之间的PK；
实际上，是两种工业体系的PK！
Andrew曾在Stanford商学院亲授这条金律，后来在1997年出了本书。
所谓金律，能穿越几十年的牛熊周期。
这张图来自Andrew 26年前那本书的第三章，PC行业上半场百花齐放，下半场系统归一：
垂直自研体系只剩下水果一家。分工协同体系都基于微软OS，攒机、做应用软件，从DOS到AI PC。所谓金律，能通用于所有大行业。
各行业的下半场有早有晚，总有机会：
汽车行业的下半场，今年显现。机器人行业的下半场，序幕已拉开。只有基于全行业最强系统攒出来的机和码出来的App，其产品力才最极致。
要么自己做出更NB的系统；要么如Dell、三星、赛力斯等尽早投奔最强的系统。
在这条金律面前，任何单一本体商、设备厂的主观意愿，都然并卵！
所以，几年前，笔者就坚信智选系统能成！
Google发布Android之后，市场先跌2/3为敬！而相信这条金律并长期持有Google的投资人，最终收益率能跑赢老巴。
有人坚守这条金律，疫情几年和今年，都取得了不错的正收益。
所谓金律，能实现高胜率&高赔率！
美股前7大科技公司，3家垂直自己玩，3家开放协同。共性是：都拥有系统。
总结下：
上半场，多家封闭一条龙，各玩各的；下半场，封闭体系和协同体系并发，系统归一；而整机和应用更丰富。Part 2 机器人下半场的产业趋势
2023和2022年前3季度中国市场工业机器人的总销量和内资份额(图片来自睿工业)
笔者在2023年初做了机器人十大预测(by 2025)，第4条是：by 2025年底，国产工业机器人市占率>50%。看这趋势，这条预测，在2024年就要提前兑现了！
2020年工业机器人国产化率只有29%。
全球工业机器人60多年的燃油车封闭工业体系，怎能打得过咱开放协同体系呢！
数据来自睿工业(如需各家的具体占比数据，加笔者微信)
中国市场：
2022前三季度，前4家里只有1家是中国公司2023前三季度，前4家里竟有3家是中国公司在开放协同工业体系的支持下，各行业巨头纷纷下场造机，倚仗长期积累的资源和经验，专注做好本行业的工艺和应用！
过去几年，采用纯国产核心部件的本体商，靠高性价比取胜。
未来几年，喊了好多年的通用机器人，不仅会替代大量人工，甚至将替代部分专机！
经常和投资人争论市场规模，很多人说：“中国每万名工人拥有机器人近400台了，快见顶了(全球密度最高的韩国，也就1000出头)，工业机器人市场规模太小了！” 当专机用的传统机器人，的确如此。
笔者一直说：“每万名工人拥有机器人数量将超过万台！” 这里说的是通用机器人。
直到20230706，马斯克在上海世界AI大会也如是说：“机人比例可能超过1:1，甚至多很多”。
Part 3 投资机会
机器人行业，再次给你对标ICT行业的大机会：Apple、Google(Android)、字节、富蓝立、HMOV，你想投哪个？
先说上游
VC阶段的机会，不多了。
看好核心系统＝操作工人养成的使用习惯＋迭代积累了多种工艺＋决定整机综合性能，具有赢家通吃、头部聚集的平台特性。
纯正向研发+真正跨行业跨工艺+销量行业前几名的系统公司，极稀缺！
中国式现代化，高质量>大规模。
再说中游
有这么几个机会
工业机械臂：能跑出来年产5万台机械臂的富蓝立、华闻龙。工业协作臂：国外传统工业机器人厂家，在搞高压、模块化工业协作机器人=工业机器人的刚度速度皮实度+协作机器人的拆装换线便利性。人形协作臂：机器人十大预测(by 2025)的第1条是：到2025年底，售价<1万元的仿人本体(六轴人形协作臂)，即将超预期实现！当某个赛道及对标公司，长期未跑通盈利模型时，要防止集体跑偏，判据是：客户价值和综合壁垒。
有投资人运用本文的金律，其Portfolio里的大部分公司，仅几千万营收时，就跑通了盈利模型，稳了！
今年，大家都很在乎：做到多少亿营收时，才能跑通盈利模型？
下游有Surprises！
一提下游，连散户大妈都跑了。非标定制拼人头的集成商，有啥意思啊！
但马斯克所说的Station Control(笔者译为站控)，在极小时空内一把齐活；这和传统自动化集成商(拆解成几十个简单操作工位+传送带移载=非标摊大饼)，有质的区别。
站控具有核心部件的所有属性，且单价高达几十万！
站控=通用机器人，没啥新鲜的，BP都说了10来年！
各家BP都说有：极高指标、独门算法、特种材料、机密工艺、高端设备、Lab/大厂背景、YSJQ、BIG dream、海外对标、第0梯队......都很棒！But，靠这些东东，很难预判哪家最后能胜出！
100年前，维特根斯坦给了极好的判断方法论：
What we cannot speak about, we must pass over in silence.(整不明白的东东，干脆不看）Everything that can be put into words, can be put clearly.(凡写进投决报告的，一定要整的贼明白)似懂非懂(感谢B站)&无法验证的过程中各种要素，可以填满99页PPT，但很难作为决策依据(真懂、真干过的高人，除外)。
深入看真懂&可验证的最终现场结果，比如下面这12字判据：
如需2023年新版思维导图，加笔者微信
在智能焊接、智能打磨等站控领域，国产公司已遥遥领先了；有的在L2级别快速迭代，有的已开始批量落地！
Part 4 人形的开场
极高功率密度+大模型。一般来说，先把功率密度(单位重量&体积&成本下的扭矩)做上去，通用硬件普适于所有场景(飞天入海)，先卖上量；然后在真实场景和需求里，自然地进化涌现出大模型。通用机器人有多种形态，人形是重要形态之一，但不是唯一(如智能打磨，需要用高刚性高加速度的无腿工业机器人)。人形机器人有多种形态，人型是重要形态之一，但不是唯一(汽车≈更快的马，汽车≠四足马)。类似蔚小理 or HAT or YYKS or BHH 背景的创始人，都有机会，都在搞机器人+大模型，要看谁能做出客户价值和综合壁垒。人形机器人≠新一代蔚小理，更像SpaceX。人形机器人，是下一代终端。这是某大厂朋友两眼放电说的，他信了！千万别让创始人反反复复论证：“你的人形机器人，为啥选择从X场景落地并收集数据训练万能大模型？”
自己先信了，再去聊：“你不用pitch我！我信人形，胜似信GPU！除了钱，我还能给你XXX，助你做成通用机器人！”
文章来源：硬科技加速器
2、电子科技大学程洪教授团队在脑卒中康复研究领域的研究进展
导 语
近日，电子科技大学机器人研究中心程洪教授团队，针对脑卒中患者的康复训练，分析了患者运动想象时的脑功能网络特异性，提出了面向不同患者的个性化脑机接口，并结合下肢康复外骨骼机器人，实现了脑卒中患者的运动-认知闭环康复训练，相关研究成果发表在ICRA、ICCSIP以及Frontiers in Neuroscience上。
研究背景
脑卒中患者由于大脑皮层受损导致其受损平面以下肢体的运动和感知功能出现障碍，给患者的生活和家庭带来沉重负担。如何最大程度恢复患者的肢体运动功能，是临床康复关注的核心问题。以往研究表明，脑机接口主动康复技术相较于传统治疗手段能够显著地、高效地、持续地促进患者受损区域的神经重塑，恢复患者的运动功能。脑机接口的核心是运动意图识别，然而，由于脑电信号的非平稳性和个体差异性，实现高效精准的运动意图识别极具挑战性。
研究概述
基于功能化导电聚合物的设计，研究团队设计了功能化聚苯胺基时序黏附水凝胶贴片。它可以实现心脏的同步机械生理监测和电耦合治疗，并牢固附着在心脏表面监测心脏的机械运动和电活动。
针对上述挑战，本研究分析了健康受试者和缺血性脑卒中患者在运动想象过程中的脑功能网络差异性，并基于此提出了基于脑功能网络机制的多模态运动意图识别方法。随后，将设计的脑机接口与下肢康复外骨骼机器人结合起来，搭建了基于脑电的脑控外骨骼平台以及基于脑肌电的多模态外骨骼神经控制平台，并在脑卒中患者上验证了所提出脑机接口的有效性，实现了脑卒中患者的运动-认知闭环康复训练。
（1）基于脑功能网络的脑卒中患者运动想象差异性分析
缺血性脑卒中患者由于大脑皮层受损导致皮层结构和功能发生改变，基于健康受试者脑电信号开发的脑机接口运动意图识别准确率低，降低了患者参与训练的主动积极性，并且严重阻碍了神经通路重建与修复进程。本研究采集了缺血性脑卒中患者和健康受试者的下肢运动想象脑电信号，结合事件相关电位、事件相关同步/去同步和脑功能网络分析方法研究了卒中后局部皮层神经活动的变化和大脑半球间及半球内网络连接情况，并基于脑功能网络属性研究了卒中后全脑大规模皮层活动的变化，完成了患者运动想象时的脑功能网络特异性分析（图1），为设计面向脑卒中患者的脑机接口，提高运动意图识别准确率提供了理论基础。
图1：缺血性脑卒中患者运动想象差异性分析
（2）基于图神经网络的运动想象脑机接口
脑电信号的个体差异大，不同患者运动想象的响应频率和脑功能网络的激活模式不一样，这导致脑机接口很难泛化到新患者上。针对这个问题，本研究提出了一种基于图神经网络的调谐拓扑时空融合网络用于脑卒中患者的运动意图识别（图2）。该网络通过一个可学习的脑电信号（EEG）调谐器来选取与运动想象最相关的信号频带，并利用图卷积网络来提取个性化的脑电信号拓扑特征，提高了运动想象脑机接口在新受试者上的泛化能力（图3），实现了高效精准的运动意图识别。
图2：基于图神经网络的调谐拓扑时空融合网络框架
图3：所提出方法的运动意图识别性能
（3）基于sEMG和EEG信号的多模态增强融合下肢运动意图识别
为了进一步提高运动想象脑机接口的识别准确率，实现高效精准且稳定的运动意图识别，本研究提出了一种基于脑肌电的多模态增强融合脑机接口（图4）。该接口采用脑卒中患者健侧的表面肌电信号（sEMG）和EEG信号对患者运动意图进行识别，利用密集共注意力对称网络（DCA）的堆叠密集共注意力层实现sEMG和EEG信号特征之间的映射和深度融合。实验结果表明，所提出的多模态脑机接口在单一受试者内和跨受试者情况下均获得了比单模态EEG信号更稳定准确的识别效果，具有稳定的运动意图识别性能（图5）。
图4：多模增强融合运动意图识别框架
图5：所提出接口的运动意图识别性能
（4）面向脑卒中患者的脑控外骨骼平台搭建及康复训练验证
依托实验室的脑肌电采集设备和下肢助行外骨骼AIDER，本研究搭建了基于EEG信号的脑控外骨骼平台和基于sEMG和EEG信号的多模融合外骨骼神经控制平台，并在偏瘫患者上进行了康复训练验证（图6和图7），实验结果表明基于EEG的脑控外骨骼平台下肢运动预测准确率≥70%，多模融合外骨骼神经控制平台下肢运动预测准确率≥95%，能够稳定有效的帮助脑卒中患者实现运动-认知闭环康复训练。
图6：脑控外骨骼平台框架示意图
图7：脑控外骨骼平台康复训练验证
结语
未来，研究团队将以脑功能网络为基础，研究不同康复训练动作下脑卒中患者运动想象功能网络的变化机理，从而实现对脑卒中患者康复训练的精准评估。同时将进一步研究基于任务引导和多模态感觉反馈的人机闭环康复训练脑机接口，进一步推动脑机接口在脑卒中患者上的临床康复应用。
电子科技大学程洪教授团队信息：http://uestcrobot.net/
参考文献：
[1] Shi K, Huang R, Mu F, et al. A novel multimodal human-exoskeleton interface based on EEG and sEMG activity for rehabilitation training[C]//2022 International Conference on Robotics and Automation (ICRA). IEEE, 2022: 8076-8082.
[2] Shi K, Mu F, Zou C, et al. T3SFNet: A Tuned Topological Temporal-Spatial Fusion Network for Motor Imagery with Rehabilitation Exoskeleton[C]//International Conference on Cognitive Systems and Signal Processing. Singapore: Springer Nature Singapore, 2022: 16-29.
[3] Shi K, Huang R, Peng Z, et al. MCSNet: channel synergy-based human-exo skeleton interface with surface electromyogram[J]. Frontiers in Neuroscience, 2021, 15: 704603.
文章来源：CAAI认知系统与信息处理专委会
