Unitree Technology đang trở thành một trong những công ty công nghệ được chú ý nhất trên thị trường chứng khoán A-share gần đây.

Ngày 26 tháng 10, cổ phiếu của Unitree Technology (688836.SH) tiếp tục tăng mạnh, phiên sáng có lúc tăng hơn 9%, chạm mức cao nhất 682 nhân dân tệ/cổ phiếu. Tính đến giờ nghỉ trưa, giá cổ phiếu đạt 674,01 nhân dân tệ, tổng vốn hóa thị trường đạt 272,6 tỷ nhân dân tệ. Trước đó vào ngày 23 tháng 10, Unitree Technology vừa ghi nhận mức tăng trần 20%. Kể từ ngày 16 tháng 10, bảy phiên giao dịch liên tiếp đã tăng tổng cộng hơn 60%.

Đằng sau sự nhiệt tình của thị trường là kỳ vọng ngày càng tăng về tiến bộ công nghệ của robot hình người. Ngày 21 tháng 10, Unitree Technology ra mắt robot hình người H2-X, trình diễn các động tác phức tạp như nhảy từ bệ cao, lộn nhào về phía trước. Ngày hôm sau, nhà sáng lập Unitree Vương Hưng Hưng phát biểu tại Hội nghị AI Vật lý Thế giới rằng, cùng với việc năng lực của mô hình lớn tiếp tục được nâng cao, AI vật lý đã xuất hiện dấu hiệu đạt được đột phá then chốt.

Đúng vào lúc cổ phiếu Unitree tiếp tục tăng, Nomura Securities đã công bố báo cáo nghiên cứu robot toàn cầu mới nhất vào ngày 25 tháng 10, đưa ra một nhận định có vẻ đi ngược trực giác: khi thuật toán điều khiển chuyển động của robot ngày càng dễ huấn luyện, yếu tố thực sự quyết định cục diện cạnh tranh của ngành có thể không còn là phần mềm chuyển động, mà là tính nhất quán của phần cứng và năng lực sản xuất quy mô lớn.

Nhận định này xuất phát từ nghiên cứu SuperMimic mới nhất được công bố bởi Đại học California, Berkeley. Công nghệ này giúp giảm hơn 1.000 lần khối lượng tính toán huấn luyện bộ điều khiển chuyển động toàn thân của robot hình người. Nhiệm vụ trước đây cần 128 GPU chạy liên tục một tuần để hoàn thành, nay chỉ cần một GPU H100, huấn luyện ba giờ, đã có thể đạt kết quả kiểm thử chuẩn tốt hơn.

Nhóm nghiên cứu cũng đã triển khai bộ điều khiển này trên robot hình người Unitree G1 thực tế, hoàn thành thành công các động tác phức tạp bao gồm lộn nghiêng, lộn nhào trên không.

Điều này có nghĩa là, năng lực chuyển động của robot mà trước đây cần đầu tư năng lực tính toán khổng lồ mới có được, đang ngày càng trở nên rẻ hơn.

Tuy nhiên, Nomura cho rằng, điều này không nhất thiết có nghĩa là lợi thế cạnh tranh của các doanh nghiệp robot hàng đầu sẽ biến mất theo. Ngược lại, khi nhiều doanh nghiệp hơn có thể huấn luyện ra thuật toán điều khiển chuyển động xuất sắc, một năng lực khác có thể trở nên khan hiếm hơn: liệu có thể sản xuất hàng loạt robot hình người với hiệu suất ổn định, thông số phần cứng có tính nhất quán cao, với chi phí đủ thấp hay không.

Theo khảo sát ngành của Nomura, Trung Quốc đã có khoảng 300 doanh nghiệp có thể cung cấp một chức năng điều khiển chuyển động then chốt nào đó. Lợi thế dẫn đầu ngành một đến hai năm của Unitree trước đây về phần cứng và điều khiển chuyển động có thể đang thu hẹp. Nhưng sự tích lũy của hãng về chi phí phần cứng, chuỗi cung ứng và kinh nghiệm sản xuất hàng loạt vẫn là rào cản cạnh tranh khó có thể nhanh chóng sao chép.

Đối với Unitree, công ty có cổ phiếu liên tục tăng mạnh gần đây, báo cáo nghiên cứu này của Nomura mang đến một góc nhìn đầu tư đáng chú ý: giai đoạn cạnh tranh tiếp theo của ngành robot có thể không còn là ai có thể khiến robot thực hiện những động tác phức tạp nhất, mà là ai có thể sao chép ổn định những động tác đó lên hàng chục nghìn sản phẩm chi phí thấp.

Một GPU thay thế cả một cụm, chi phí huấn luyện robot giảm hàng nghìn lần

Ngày 20 tháng 10, nhóm nghiên cứu của Đại học California, Berkeley công bố bài báo 《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》. Bài báo đã được hội nghị học máy robot CoRL 2026 chấp nhận, tác giả bao gồm các học giả robot nổi tiếng Pieter Abbeel và Koushil Sreenath.

Nghiên cứu tập trung vào một bài toán cốt lõi trong lĩnh vực robot hình người: làm thế nào để robot nắm vững số lượng lớn các động tác cơ thể khác nhau, đồng thời tránh chi phí huấn luyện tăng vọt theo số lượng động tác.

Huấn luyện điều khiển chuyển động robot hình người truyền thống thường dựa vào học tăng cường. Các nhà nghiên cứu trước tiên xây dựng mô hình robot trong trình mô phỏng vật lý, sau đó để robot liên tục thử các động tác khác nhau, thông qua nhiều lần thử và sai dần dần học được đi bộ, chạy, nhảy múa và lộn nhào.

Phương pháp này tuy hiệu quả nhưng tiêu tốn lượng lớn tài nguyên tính toán. Khi số lượng động tác huấn luyện tăng lên, trình mô phỏng cần thực hiện nhiều phép tính hơn, chi phí huấn luyện theo đó tăng lên.

Lấy hệ thống điều khiển chuyển động hiện có SONIC làm ví dụ, quá trình huấn luyện của nó sử dụng 128 GPU, kéo dài khoảng bảy ngày, tổng cộng tiêu tốn khoảng 21.000 giờ GPU.

SuperMimic thì thay đổi cách huấn luyện robot.

Các nhà nghiên cứu không còn để robot hoàn toàn dựa vào trình mô phỏng vật lý để thử và sai lặp đi lặp lại, mà trước tiên huấn luyện một mô hình mô tả quy luật chuyển động vật lý của bản thân robot, sau đó để bộ điều khiển chuyển động học tập bên trong mô hình này.

Mô hình này có thể dự đoán cơ thể robot sẽ chuyển động như thế nào sau khi thực hiện các động tác khác nhau, do đó có thể thay thế lượng lớn quá trình mô phỏng vật lý truyền thống.

Kết quả thí nghiệm cho thấy, SuperMimic sau ba giờ huấn luyện trên một GPU H100, hiệu suất theo dõi chuyển động của nó đã vượt qua mô hình đã công bố của SONIC. Trong bài kiểm tra chuẩn bao gồm 129.514 động tác, SuperMimic chỉ thất bại 25 động tác, trong khi số lượng thất bại của SONIC lên tới 179. Sau khi tiếp tục sử dụng hai GPU huấn luyện 9,8 giờ, số lượng thất bại của SuperMimic trên tập kiểm tra này giảm xuống bằng không.

Điều này có nghĩa là, so với quy trình huấn luyện trước đây cần hàng chục nghìn giờ GPU, phương pháp mới chỉ cần vài đến vài chục giờ GPU là có thể đạt được hiệu quả điều khiển chuyển động có tính cạnh tranh.

Nomura cho rằng, đây là một trong những bằng chứng rõ ràng nhất cho đến nay, cho thấy việc huấn luyện điều khiển chuyển động toàn thân của robot hình người đang trở nên rẻ hơn. Quan trọng hơn, công nghệ này đã từ môi trường mô phỏng bước vào robot thực tế.

Nhóm nghiên cứu đã triển khai bộ điều khiển đã huấn luyện xong lên robot hình người Unitree G1,成功实现侧滚翻、360 度空翻等复杂动作。Điều này cho thấy, chiến lược điều khiển chuyển động được huấn luyện trong môi trường mô phỏng thông qua phương pháp mới, ít nhất trong phạm vi các động tác được trình diễn trong thí nghiệm, có thể chuyển giao sang phần cứng thực tế để vận hành.

Đối với ngành robot, sự cải thiện hiệu quả này có thể thay đổi ngưỡng phát triển công nghệ điều khiển chuyển động. Những nhiệm vụ huấn luyện trước đây chỉ có các doanh nghiệp sở hữu nguồn tài nguyên GPU lớn và đội ngũ thuật toán chuyên nghiệp mới có thể đảm nhận, trong tương lai có thể được nhiều đội ngũ quy mô nhỏ hơn hoàn thành.

Tại sao hiệu quả huấn luyện có thể tăng gấp nghìn lần?

Đột phá then chốt của SuperMimic không phải là tăng dữ liệu huấn luyện, mà là thay đổi cách robot học các động tác.

Nomura chỉ ra rằng, do robot hình người sử dụng cùng một cấu trúc cơ thể khi thực hiện các động tác khác nhau, nên không cần phải học lại toàn bộ quy luật vật lý cho từng động tác.

Nhóm nghiên cứu đã tận dụng đặc điểm này để xây dựng một mô hình cơ thể robot có thể được chia sẻ cho nhiều động tác. Bất kể robot đang đi bộ, nhảy múa hay lăn lộn, bộ điều khiển đều có thể học cách điều chỉnh các khớp bên trong mô hình này, từ đó giảm sự phụ thuộc vào mô phỏng vật lý truyền thống. Theo bài báo, sự cải thiện hiệu quả của SuperMimic chủ yếu đến từ ba khía cạnh.

Đầu tiên là tốc độ vận hành. Ở quy mô lô điển hình, mô hình thế giới đã học có tốc độ vận hành nhanh hơn hơn 10 lần so với trình mô phỏng vật lý truyền thống; ở quy mô lô thử nghiệm tối đa, tốc độ cải thiện cao nhất đạt 62 lần.

Thứ hai là phương thức huấn luyện. Học tăng cường truyền thống phụ thuộc vào lượng lớn thử sai ngẫu nhiên, robot cần không ngừng thử các động tác khác nhau, rồi điều chỉnh chiến lược điều khiển dựa trên phản hồi.

Mô hình thế giới mà SuperMimic sử dụng có tính chất khả vi, có thể cung cấp thông tin gradient trực tiếp hơn cho bộ điều khiển, giúp nó phán đoán nên điều chỉnh động tác như thế nào, mà không cần hoàn toàn phụ thuộc vào khám phá ngẫu nhiên. Chỉ riêng thay đổi này đã giảm số bước huấn luyện cần thiết khoảng 64 lần.

Cuối cùng là khả năng mở rộng quy mô. Khi dữ liệu động tác huấn luyện tăng từ 1 giờ lên 264 giờ, sai số dự đoán của mô hình thế giới vẫn duy trì tương đối ổn định. Điều này có nghĩa là, ngay cả khi robot cần nắm vững ngày càng nhiều động tác, khối lượng tính toán huấn luyện cũng không cần tăng theo tỷ lệ tương ứng.

Ba cải tiến hiệu suất chồng lên nhau đã giúp SuperMimic đạt được mức giảm hơn 1.000 lần giờ GPU.

Tuy nhiên, Nomura cũng nhấn mạnh rằng điều kiện huấn luyện của SuperMimic và SONIC không hoàn toàn giống nhau. Cái trước sử dụng lượng dữ liệu chuyển động ít hơn khoảng 2,3 lần, đồng thời sử dụng GPU thế hệ mới hơn, do đó không thể đơn giản quy toàn bộ khoảng cách sức mạnh tính toán cho cải tiến thuật toán. Các tác giả bài báo cho rằng những yếu tố này vẫn chưa đủ để giải thích sự chênh lệch hiệu quả tính toán lớn đến vậy.

Ngoài ra, SuperMimic cũng không có nghĩa là robot hình người đã có trí tuệ tổng quát.

Hiện tại nghiên cứu chủ yếu bao phủ các chuyển động cơ thể trên mặt đất bằng phẳng, không liên quan đến địa hình phức tạp hoặc thao tác vật thể. Mô hình thế giới hoàn toàn được huấn luyện bằng dữ liệu từ trình mô phỏng, chứ không phải dữ liệu tương tác vật lý trong thế giới thực.

Các chuyển động trong bài kiểm tra chuẩn quy mô lớn cũng thuộc chuyển động huấn luyện, do đó việc không có thất bại nào trên tập kiểm tra không có nghĩa là robot đã có thể đối phó với tất cả các chuyển động chưa biết và môi trường phức tạp.

Nomura định nghĩa đây là tiến bộ ở cấp độ "tiểu não" của robot, tức là đạt được đột phá về khả năng kiểm soát chịu trách nhiệm vận động cơ thể và cân bằng, chứ không phải "bộ não" chịu trách nhiệm hiểu nhiệm vụ phức tạp, lập kế hoạch và suy luận, cũng không phải "đôi tay" chịu trách nhiệm thao tác tinh vi.

Nói cách khác, SuperMimic giảm mạnh chi phí tính toán để robot học chuyển động, chứ không giải quyết toàn bộ các vấn đề kỹ thuật cần thiết để robot tự chủ hoàn thành công việc thực tế.

Nomura: Lợi thế thực sự của Unitree có thể không còn là thuật toán chuyển động

So với đột phá kỹ thuật của bản thân SuperMimic, Nomura quan tâm hơn đến tác động của nó đối với cục diện cạnh tranh trong ngành robot.

Trước đây, thuật toán kiểm soát chuyển động là rào cản cạnh tranh quan trọng của các nhà sản xuất robot hình người. Để robot có thể đi bộ ổn định, nhảy, chạy thậm chí hoàn thành các động tác nhào lộn khó thường cần nghiên cứu thuật toán lâu dài, tài nguyên tính toán quy mô lớn và gỡ lỗi kỹ thuật lặp đi lặp lại.

Nhưng SuperMimic cho thấy rào cản này có thể đang giảm xuống. Nếu việc huấn luyện kiểm soát chuyển động trước đây cần cụm GPU khổng lồ để hoàn thành, nay có thể thực hiện bằng một GPU, thì ngày càng nhiều doanh nghiệp có cơ hội sở hữu hệ thống kiểm soát chuyển động có hiệu suất cao.

Theo khảo sát ngành của Nomura, Trung Quốc đã có khoảng 300 doanh nghiệp có thể cung cấp một chức năng kiểm soát chuyển động then chốt nào đó. Báo cáo cho rằng lợi thế dẫn đầu một đến hai năm của Unitree trong lĩnh vực phần cứng và kiểm soát chuyển động có thể đang thu hẹp, và các tiến bộ kỹ thuật như SuperMimic sẽ tiếp tục hạ thấp ngưỡng phát triển thuật toán chuyển động.

Tuy nhiên, Nomura không vì thế mà cho rằng Unitree sẽ mất đi lợi thế cạnh tranh. Ngược lại, khi phần mềm điều khiển chuyển động dần trở nên dễ tiếp cận hơn, những tích lũy của Unitree trong lĩnh vực sản xuất phần cứng có thể trở nên quan trọng hơn.

Vấn đề nằm ở chỗ, một bộ thuật toán có thể khiến một robot hoàn thành các động tác phức tạp không có nghĩa là nó có thể vận hành ổn định trên hàng nghìn robot. Robot hình người thường có hơn hai mươi khớp, mỗi khớp đều liên quan đến cơ cấu chấp hành, kết cấu truyền động, cảm biến và hiệu chuẩn động học chính xác. Ngay cả khi hai robot sử dụng thiết kế hoàn toàn giống nhau, trong quá trình sản xuất thực tế cũng có thể tồn tại những khác biệt nhỏ.

Ví dụ, điểm không của khớp, dung sai kích thước và hiệu suất truyền động của các thiết bị khác nhau có thể khác nhau. Khi những sai số này phân bố trên hơn hai mươi khớp, hiệu suất chuyển động của toàn bộ robot có thể xuất hiện sai lệch.

Nomura chỉ ra rằng, mô hình robot mà SuperMimic sử dụng trong môi trường mô phỏng có độ lệch hiệu chuẩn khớp chỉ ±0,01 radian. Yêu cầu về tính nhất quán của tham số phần cứng này làm nổi bật những thách thức mà robot phải đối mặt khi từ phòng thí nghiệm bước ra sản xuất quy mô lớn. Giả sử một doanh nghiệp phát triển được bộ điều khiển xuất sắc có thể giúp robot thực hiện động tác lộn nhào, nhưng do sự khác biệt phần cứng giữa các robot sản xuất hàng loạt, bộ điều khiển này chỉ có thể vận hành ổn định trên một số ít thiết bị, thì doanh nghiệp vẫn cần đầu tư nhiều thời gian để hiệu chuẩn từng máy, gỡ lỗi thậm chí huấn luyện lại.

Trong trường hợp này, ngay cả khi chi phí huấn luyện của bản thân thuật toán giảm mạnh, chi phí triển khai và bảo trì do phần cứng không nhất quán vẫn có thể rất cao. Nomura cho rằng, chìa khóa để giải quyết vấn đề này là kinh nghiệm tích lũy lâu dài về thiết kế phần cứng, quản lý chuỗi cung ứng, kiểm soát chất lượng và sản xuất quy mô lớn. Những năng lực này rất khó có được trong thời gian ngắn thông qua việc mua GPU hoặc tái hiện một bài báo. Đây cũng là lý do quan trọng khiến Nomura cho rằng Unitree vẫn có lợi thế cạnh tranh so với một số công ty mô hình robot tự xây dựng phần cứng.

Khi chi phí huấn luyện phần mềm chuyển động không ngừng giảm, cạnh tranh trong ngành robot có thể dần chuyển từ năng lực thuật toán trong quá khứ sang độ chính xác phần cứng, tính nhất quán sản phẩm, kiểm soát chi phí và giao hàng quy mô lớn.

Cơ cấu chấp hành chiếm tới 75% chi phí cao nhất, ai sẽ hưởng lợi?

Tầm quan trọng của tính nhất quán phần cứng cũng có nghĩa là việc phân bổ giá trị trong chuỗi ngành robot có thể thay đổi.

Nomura ước tính, cơ cấu chấp hành chiếm khoảng 50% đến 75% chi phí linh kiện robot hình người, là thành phần quan trọng của chi phí phần cứng toàn máy. Cơ cấu chấp hành chịu trách nhiệm chuyển đổi lệnh điều khiển thành chuyển động khớp thực tế, độ chính xác, tốc độ phản hồi, độ ổn định và tính nhất quán sản xuất của nó ảnh hưởng trực tiếp đến khả năng thực hiện các động tác phức tạp của robot.

Khi thuật toán điều khiển chuyển động ngày càng dễ tiếp cận, sự khác biệt về năng lực phần mềm giữa các nhà sản xuất toàn máy có thể thu hẹp, trong khi chất lượng sản xuất và lợi thế chi phí của các phần cứng cốt lõi như cơ cấu chấp hành có thể trở nên nổi bật hơn.

Điều này có nghĩa là các doanh nghiệp linh kiện sở hữu năng lực sản xuất cơ cấu chấp hành độ chính xác cao, chuỗi cung ứng ổn định và hệ thống kiểm soát chất lượng nghiêm ngặt có thể trở thành những bên hưởng lợi quan trọng trong sự phát triển của ngành robot.

Đối với các doanh nghiệp sản xuất máy hoàn chỉnh, chìa khóa cạnh tranh trong tương lai có thể không còn là việc một robot đơn lẻ có thể hoàn thành một động tác khó nào đó hay không, mà là liệu có thể kiểm soát chi phí đồng thời duy trì hiệu suất nhất quán cho các sản phẩm sản xuất hàng loạt hay không.

Từ đó, Nomura cho rằng trong tương lai, các công ty robot và nhà cung cấp chủ chốt sở hữu năng lực kiểm soát tính nhất quán phần cứng ở trình độ cao có thể có lợi thế hơn so với các doanh nghiệp chỉ dựa vào phần mềm điều khiển chuyển động.

Đối với Unitree, đánh giá này có ý nghĩa quan trọng. Khi chi phí phát triển thuật toán chuyển động không ngừng giảm xuống, vị thế dẫn đầu mà Unitree từng xây dựng nhờ năng lực điều khiển chuyển động có thể phải đối mặt với sự bám đuổi của nhiều đối thủ cạnh tranh hơn. Tuy nhiên, những tích lũy của hãng trong thiết kế phần cứng, kiểm soát chi phí và sản xuất quy mô lớn cũng có thể trở thành rào cản cạnh tranh khó bị sao chép hơn trong giai đoạn tiếp theo.

Cần lưu ý rằng, SuperMimic đã chứng minh hiệu quả tính toán huấn luyện cho các nhiệm vụ điều khiển chuyển động toàn thân cụ thể có thể được nâng cao đáng kể, nhưng không có nghĩa là phần mềm chuyển động của robot sẽ ngay lập tức được chuẩn hóa hoàn toàn. Việc triển khai trong môi trường thực tế, tích hợp hệ thống, kiểm soát an toàn và độ tin cậy của sản phẩm vẫn cần đầu tư kỹ thuật liên tục.

Vì vậy, đánh giá của Nomura gần với việc suy luận về hướng cạnh tranh trong tương lai hơn là cho rằng phần mềm điều khiển chuyển động đã mất đi giá trị thương mại.

Giá cổ phiếu tăng hơn 60% trong 7 ngày, Unitree tiếp theo cần chứng minh điều gì?

Trở lại thị trường vốn, diễn biến giá cổ phiếu gần đây của Unitree cho thấy các nhà đầu tư đang đánh giá lại tiến bộ công nghệ và triển vọng thương mại hóa của ngành robot hình người.

Ngày 21 tháng 10, Unitree ra mắt robot hình người H2-X, trình diễn năng lực chuyển động động phức tạp hơn. Ngày 22 tháng 10, Vương Hưng Hưng bày tỏ kỳ vọng tích cực về đột phá công nghệ AI vật lý tại Hội nghị AI vật lý thế giới.

Sau đó, Unitree ghi nhận mức tăng trần 20% vào ngày 23 tháng 10, và tiếp tục tăng hơn 9% trong phiên sáng ngày 26 tháng 10. Tính đến giờ nghỉ trưa, tổng vốn hóa thị trường đã đạt 272,6 tỷ nhân dân tệ.

Nhưng cần lưu ý rằng, tiến bộ công nghệ điều khiển chuyển động của robot không nhất thiết đồng nghĩa với việc khả năng sinh lời của các nhà sản xuất máy hoàn chỉnh cũng tăng theo. Hiệu quả nâng cao mà SuperMimic tiết lộ có thể cho phép nhiều công ty hơn gia nhập lĩnh vực điều khiển chuyển động với chi phí thấp hơn, từ đó gia tăng cường độ cạnh tranh trên thị trường. Chỉ những doanh nghiệp có khả năng chuyển hóa lợi thế công nghệ thành hiệu suất sản phẩm, lợi thế chi phí và năng lực giao hàng quy mô lớn mới có cơ hội xây dựng thêm rào cản thương mại bền vững.

Đối với Unitree, công ty có cổ phiếu tăng nhanh gần đây, sự phân biệt này đặc biệt quan trọng.

Tối ngày 20 tháng 10, Unitree đã công bố thông báo về biến động bất thường trong giao dịch cổ phiếu. Công ty cho biết tính đến ngày hôm đó, tỷ lệ giá trên thu nhập (PE) trượt của công ty đạt 388,25 lần, cao hơn đáng kể so với mức trung bình 39,51 lần của ngành sản xuất thiết bị thông dụng mà công ty thuộc về.

Công ty cũng lưu ý rằng ngành robot hình người vẫn đang ở giai đoạn đầu thương mại hóa, với độ chín muồi công nghệ, nhu cầu hạ nguồn và năng lực hỗ trợ chuỗi cung ứng đều tồn tại những yếu tố không chắc chắn. Nếu tiến độ thương mại hóa quy mô lớn của ngành không đạt kỳ vọng, tăng trưởng doanh thu và việc hiện thực hóa kết quả kinh doanh trong tương lai có thể bị ảnh hưởng.

Do đó, từ góc độ đầu tư, những thay đổi công nghệ mà SuperMimic đại diện ít nhất đặt ra hai câu hỏi cần tiếp tục theo dõi.

Thứ nhất, khi chi phí huấn luyện công nghệ điều khiển chuyển động của robot hình người liên tục giảm, liệu các doanh nghiệp dẫn đầu có thể tiếp tục duy trì lợi thế khác biệt hóa?

Thứ hai, khi ngày càng nhiều doanh nghiệp nắm vững khả năng chuyển động phức tạp, những nhà sản xuất nào có thể dựa vào tính nhất quán của phần cứng, chuỗi cung ứng và kinh nghiệm sản xuất hàng loạt để chuyển đổi năng lực công nghệ thành lợi nhuận thương mại ổn định?

Câu trả lời của Nomura nghiêng về phía sau hơn.

Khi robot học đi, nhảy thậm chí lộn nhào trở nên ngày càng rẻ, điều thực sự khó sao chép có thể không còn là một bộ thuật toán điều khiển chuyển động nào đó, mà là hệ thống sản xuất có thể lắp đặt ổn định những khả năng này vào hàng nghìn hàng vạn robot.

Đối với Unitree, đây có thể chính là lợi thế cạnh tranh đáng chú ý nhất trong giai đoạn tiếp theo, và cũng sẽ là vấn đề cốt lõi mà định giá cao của thị trường cần tiếp tục kiểm chứng.

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia