物理AI周末刷屏:JPM上调宇树评级,野村称机器人训练算力可降1000倍
摩根大通将宇树评级从低配上调至增持,把2028年人形机器人销量预测从约4.16万台上调到11.16万台,2026年预测仍约1.42万台。野村援引SuperMimic研究称,单张H100训练三小时的表现超过此前消耗约2.1万GPU小时的SONIC检查点,但该降幅仅限特定运动控制训练任务。数据采集方面,专家称一天佩戴设备采集八小时,筛选后可用数据可能只有一两个小时。
器人怎样学习身体动作。 过去常见的做法,是在物理仿真器里大量试错。SuperMimic 则先学习一个描述机器人自身运动规律的模型,再在这个模型里训练控制器。 按野村转述,单张 H100 训练三小时后,其表现超过了此前 SONIC 已发布的模型检查点;后者的训练消耗约2.1万 GPU 小时。 图:SuperMimic 的真实 Unitree G1 演示画面,原视频标注为 1 倍速。来源:Qiayuan Liao,X,2026年10月21日;采用原视频封面。 但野村也说了算力降低1000倍不能直接扩大成整台机器人的算力需求下降1000倍。这里比较的是特定运动控制任务的训练计算量,数据量和 GPU 类型也并非完全一致。研究主要涉及平地上的身体运动,没有解决物体操作,也不能直接推到复杂工业任务。 可以把它理解为:机器人学习怎样控制身体,出现了大幅降低成本的路径。至于怎样把活干好,还有另外的问题。 所以,算法进步可能同时带来两种结果:更多公司能够进入,也让能够提供稳定硬件的平台更有用。 如果模型和训练基础设施越来越容易调用,谁能提供有效数据、理解客户现场,谁就更可能推进实际应用。 图:Ultra
匹配字段正文
