ارتفاع سهم يوشو تكنولوجي (Unitree) بأكثر من 60% في 7 أيام ونومورا ترى أن الخندق الحقيقي للروبوتات يتغير
Blockbeatsتتحول شركة يوشو تكنولوجي (Unitree Technology) بسرعة إلى واحدة من أكثر شركات التكنولوجيا متابعة في سوق الأسهم الصينية (A-shares) مؤخرًا.
في 26 أكتوبر، واصل سهم يوشو تكنولوجي (Unitree Technology) (688836.SH) ارتفاعه الكبير، حيث ارتفع بأكثر من 9% في التعاملات الصباحية ليصل إلى أعلى مستوى عند 682 يوانًا للسهم. وعند إغلاق منتصف اليوم، بلغ سعر السهم 674.01 يوان، ووصلت القيمة السوقية الإجمالية إلى 272.6 مليار يوان. وكان السهم قد سجل في 23 أكتوبر ارتفاعًا بالحد الأقصى اليومي البالغ 20%. ومنذ 16 أكتوبر، بلغ الارتفاع التراكمي خلال سبعة أيام تداول أكثر من 60%.
خلف حماس السوق، تتزايد التوقعات بشأن التقدم التقني في الروبوتات البشرية. ففي 21 أكتوبر، أطلقت يوشو تكنولوجي الروبوت البشري H2-X، وعرضت حركات معقدة مثل القفز من منصة عالية والشقلبة الأمامية. وفي اليوم التالي، صرح وانغ شينغشينغ، مؤسس يوشو، في المؤتمر العالمي للذكاء الاصطناعي الفيزيائي بأنه مع التحسن المستمر في قدرات النماذج الكبيرة، بدأت تظهر بوادر اختراقات رئيسية في الذكاء الاصطناعي الفيزيائي.
وفي الوقت الذي يواصل فيه سهم يوشو ارتفاعه، أصدرت نومورا للأوراق المالية (Nomura) في 25 أكتوبر أحدث تقرير بحثي عالمي عن الروبوتات، وقدمت حكمًا يبدو مخالفًا للحدس: مع تزايد سهولة تدريب خوارزميات التحكم في حركة الروبوتات، فإن ما سيحدد فعليًا المشهد التنافسي للصناعة قد لا يكون برمجيات الحركة، بل اتساق العتاد وقدرات التصنيع على نطاق واسع.
يأتي هذا الحكم من بحث SuperMimic الذي نشرته جامعة كاليفورنيا في بيركلي مؤخرًا. فقد خفضت هذه التقنية كمية الحوسبة اللازمة لتدريب وحدة التحكم في حركة الجسم الكامل للروبوت البشري بأكثر من 1000 مرة. فالمهام التي كانت تتطلب في السابق تشغيل 128 وحدة معالجة رسوميات (GPU) لمدة أسبوع كامل، يمكن الآن إنجازها بوحدة H100 واحدة وثلاث ساعات من التدريب فقط، مع تحقيق نتائج أفضل في الاختبارات المعيارية.
كما قام فريق البحث بنشر وحدة التحكم هذه على روبوت يوشو G1 البشري الحقيقي، ونجح في تنفيذ حركات معقدة تشمل الشقلبة الجانبية والشقلبة الهوائية.
وهذا يعني أن قدرات حركة الروبوت التي كانت تتطلب في السابق استثمارات ضخمة في القدرة الحاسوبية أصبحت رخيصة بشكل متزايد.
ومع ذلك، ترى نومورا أن هذا لا يعني بالضرورة أن الميزة التنافسية لشركات الروبوتات الرائدة ستختفي. بل على العكس، فعندما يصبح بمقدور المزيد من الشركات تدريب خوارزميات تحكم حركة ممتازة، قد تصبح قدرة أخرى أكثر ندرة: القدرة على تصنيع روبوتات بشرية بأداء مستقر ومعايير عتاد متسقة للغاية وبتكلفة منخفضة بما يكفي وبكميات كبيرة.
وفقًا لبحث نومورا القطاعي، هناك حوالي 300 شركة في الصين قادرة على تقديم وظيفة تحكم حركة رئيسية معينة. وقد تكون ميزة يوشو السابقة التي تتراوح بين عام وعامين في العتاد والتحكم في الحركة آخذة في التقلص. لكن تراكمها في تكلفة العتاد وسلسلة التوريد وخبرة الإنتاج الضخم لا يزال يشكل حاجزًا تنافسيًا يصعب تكراره بسرعة.
بالنسبة ليوشو التي يواصل سهمها الارتفاع مؤخرًا، يقدم تقرير نومورا البحثي منظورًا استثماريًا يستحق الاهتمام: المنافسة في المرحلة التالية لصناعة الروبوتات قد لا تكون حول من يستطيع جعل الروبوت ينفذ أكثر الحركات تعقيدًا، بل حول من يستطيع تكرار هذه الحركات بثبات عبر آلاف المنتجات منخفضة التكلفة.
وحدة GPU واحدة تعادل مجموعة كاملة سابقًا، وتكلفة تدريب الروبوتات تنخفض ألف مرة
في 20 أكتوبر، نشر فريق بحثي من جامعة كاليفورنيا في بيركلي ورقة بحثية بعنوان "SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model". وقد قُبلت الورقة في مؤتمر تعلم الروبوتات CoRL 2026، ومن بين مؤلفيها الباحثان البارزان في مجال الروبوتات بيتر أبيل وكوشيل سريناث.
يركز البحث على مشكلة جوهرية في مجال الروبوتات البشرية: كيف نجعل الروبوت يتقن عددًا كبيرًا من حركات الجسم المختلفة، مع تجنب الارتفاع الحاد في تكاليف التدريب مع زيادة عدد الحركات.
يعتمد تدريب التحكم في حركة الروبوتات البشرية التقليدي عادةً على التعلم المعزز. يقوم الباحثون أولاً ببناء نموذج للروبوت في محاكي فيزيائي، ثم يتركون الروبوت يجرب حركات مختلفة بشكل متكرر، ويتعلم تدريجيًا المشي والجري والرقص والشقلبة من خلال الكثير من التجربة والخطأ.
هذه الطريقة فعالة، لكنها تستهلك موارد حاسوبية كبيرة. ومع زيادة عدد حركات التدريب، يحتاج المحاكي إلى تنفيذ المزيد من العمليات الحسابية، مما يرفع تكلفة التدريب.
على سبيل المثال، استخدم نظام التحكم الحركي الحالي SONIC في تدريبه 128 وحدة GPU لمدة سبعة أيام تقريبًا، بإجمالي استهلاك حوالي 21,000 ساعة GPU.
أما SuperMimic فقد غيّر طريقة تدريب الروبوت.
فبدلاً من جعل الروبوت يعتمد كليًا على المحاكي الفيزيائي للتجربة والخطأ المتكرر، يقوم الباحثون أولاً بتدريب نموذج يصف القوانين الفيزيائية لحركة جسم الروبوت نفسه، ثم يتركون وحدة التحكم في الحركة تتعلم داخل هذا النموذج.
يمكن لهذا النموذج التنبؤ بكيفية تحرك جسم الروبوت بعد اتخاذ إجراءات مختلفة، وبالتالي يمكنه استبدال الكثير من عمليات المحاكاة الفيزيائية التقليدية.
أظهرت النتائج التجريبية أن SuperMimic، بعد ثلاث ساعات من التدريب على وحدة H100 GPU واحدة، تفوق أداؤه في تتبع الحركة على النموذج المنشور لـ SONIC. ففي اختبار معياري يضم 129,514 حركة، فشل SuperMimic في 25 حركة فقط، بينما بلغ عدد حالات فشل SONIC 179 حركة. وبعد مزيد من التدريب باستخدام وحدتي GPU لمدة 9.8 ساعة، انخفض عدد حالات الفشل في مجموعة الاختبار إلى الصفر.
وهذا يعني أنه مقارنة بعمليات التدريب السابقة التي كانت تتطلب عشرات الآلاف من ساعات GPU، فإن الطريقة الجديدة تحتاج فقط إلى بضع ساعات إلى عشرات الساعات من GPU للحصول على أداء تحكم حركي تنافسي.
ترى نومورا أن هذا أحد أوضح الأدلة حتى الآن على أن تدريب التحكم في حركة الجسم الكامل للروبوتات البشرية أصبح رخيصًا. والأهم من ذلك، أن هذه التقنية انتقلت بالفعل من البيئة المحاكاة إلى الروبوتات الحقيقية.
قام فريق البحث بنشر وحدة التحكم بالشبكة العصبية المدربة على روبوت يوشو G1 البشري، ونجح في تحقيق حركات معقدة مثل الشقلبة الجانبية والشقلبة الهوائية بزاوية 360 درجة. وهذا يوضح أن استراتيجيات التحكم الحركي المدربة في بيئة محاكاة باستخدام الطريقة الجديدة يمكن نقلها للعمل على عتاد حقيقي، على الأقل ضمن نطاق الحركات المعروضة في التجربة.
بالنسبة لصناعة الروبوتات، قد يغير هذا التحسن في الكفاءة عتبة تطوير تقنيات التحكم الحركي. فمهام التدريب التي كانت في السابق حكرًا على الشركات التي تمتلك موارد GPU ضخمة وفرق خوارزميات متخصصة، قد تصبح في المستقبل في متناول فرق أصغر حجمًا.
لماذا يمكن أن تزيد كفاءة التدريب ألف مرة؟
الاختراق الرئيسي في SuperMimic ليس زيادة بيانات التدريب، بل تغيير طريقة تعلم الروبوت للحركات.
تشير نومورا إلى أنه نظرًا لأن الروبوت البشري يستخدم نفس بنية الجسم عند تنفيذ حركات مختلفة، فليس من الضروري إعادة تعلم القوانين الفيزيائية الكاملة لكل حركة على حدة.
استغل فريق البحث هذه الخاصية لبناء نموذج جسم للروبوت يمكن مشاركته عبر عدد كبير من الحركات. سواء كان الروبوت يمشي أو يرقص أو يتقلب، يمكن لوحدة التحكم أن تتعلم داخل هذا النموذج كيفية ضبط المفاصل، مما يقلل الاعتماد على المحاكاة الفيزيائية التقليدية. وفقًا للورقة، تأتي زيادة كفاءة SuperMimic من ثلاثة جوانب رئيسية.
الأول هو سرعة التشغيل. فعند أحجام الدفعات النموذجية، يعمل نموذج العالم المكتسب أسرع بأكثر من 10 مرات من المحاكي الفيزيائي التقليدي؛ وعند أكبر حجم دفعة تم اختباره، يصل التحسن في السرعة إلى 62 مرة كحد أقصى.
الثاني هو طريقة التدريب. يعتمد التعلم المعزز التقليدي على الكثير من التجربة والخطأ العشوائي، حيث يحتاج الروبوت إلى تجربة حركات مختلفة باستمرار ثم تعديل استراتيجية التحكم بناءً على التغذية الراجعة.
أما نموذج العالم المستخدم في SuperMimic فيتميز بخاصية قابلية الاشتقاق، مما يوفر لوحدة التحكم معلومات تدرج أكثر مباشرة، ويساعدها على تحديد كيفية تعديل الحركات دون الاعتماد كليًا على الاستكشاف العشوائي. هذا التغيير وحده خفض عدد خطوات التدريب المطلوبة بنحو 64 مرة.
وأخيرًا، قدرة التوسع. فعند زيادة بيانات حركات التدريب من ساعة واحدة إلى 264 ساعة، ظل خطأ التنبؤ لنموذج العالم مستقرًا نسبيًا. وهذا يعني أنه حتى لو احتاج الروبوت إلى إتقان المزيد والمزيد من الحركات، فلن يلزم زيادة كمية الحوسبة التدريبية بنفس النسبة.
وبتضافر هذه التحسينات الثلاثة في الكفاءة، حقق SuperMimic انخفاضًا في ساعات GPU يتجاوز 1000 مرة.
ومع ذلك، تؤكد نومورا أن ظروف تدريب SuperMimic وSONIC ليست متطابقة تمامًا. فالأول استخدم كمية بيانات حركة أقل بنحو 2.3 مرة، كما استخدم وحدات GPU من طراز أحدث، لذا لا يمكن عزو كل الفارق في القدرة الحاسوبية ببساطة إلى تحسين الخوارزمية. ويرى مؤلفو الورقة أن هذه العوامل لا تزال غير كافية لتفسير هذا الفارق الهائل في الكفاءة الحاسوبية.
بالإضافة إلى ذلك، لا يعني SuperMimic أن الروبوتات البشرية أصبحت تمتلك ذكاءً عامًا.
فالبحث الحالي يغطي بشكل أساسي حركات الجسم على أرض مستوية، ولا يشمل التضاريس المعقدة أو التعامل مع الأشياء. ونموذج العالم مدرّب بالكامل باستخدام بيانات المحاكي، وليس بيانات التفاعل الفيزيائي من العالم الحقيقي.
كما أن الحركات في الاختبار المعياري واسع النطاق تنتمي إلى حركات التدريب، لذا فإن عدم وجود فشل في مجموعة الاختبار لا يعني أن الروبوت أصبح قادرًا على التعامل مع جميع الحركات غير المعروفة والبيئات المعقدة.
وتعرفها نومورا بأنها تقدم على مستوى "المخيخ" للروبوت، أي تحقيق اختراق في قدرات التحكم المسؤولة عن حركة الجسم والتوازن، وليس "الدماغ" المسؤول عن فهم المهام المعقدة والتخطيط والاستدلال، ولا "اليدين" المسؤولتين عن العمليات الدقيقة.
بعبارة أخرى، ما يخفضه SuperMimic بشكل كبير هو التكلفة الحاسوبية لتعليم الروبوت الحركة، وليس حل جميع المشكلات التقنية اللازمة للروبوت لأداء العمل الفعلي بشكل مستقل.
نومورا: الميزة الحقيقية ليوشو قد لا تكون خوارزميات الحركة بعد الآن
بالمقارنة مع الاختراق التقني لـ SuperMimic نفسه، تهتم نومورا أكثر بتأثيره على المشهد التنافسي لصناعة الروبوتات.
في الماضي، كانت خوارزميات التحكم في الحركة حاجزًا تنافسيًا مهمًا لمصنعي الروبوتات البشرية. فجعل الروبوت يمشي ويقفز ويجري بثبات وحتى ينفذ حركات بهلوانية عالية الصعوبة كان يتطلب غالبًا تطوير خوارزميات طويل الأمد وموارد حاسوبية واسعة النطاق وتصحيحًا هندسيًا متكررًا.
لكن SuperMimic يُظهر أن هذا الحاجز قد يكون آخذًا في الانخفاض. فإذا كان تدريب التحكم الحركي الذي كان يتطلب في السابق مجموعات GPU ضخمة يمكن تحقيقه الآن بوحدة GPU واحدة، فإن المزيد والمزيد من الشركات ستتاح لها الفرصة للحصول على أنظمة تحكم حركي عالية الأداء.
وفقًا لبحث نومورا القطاعي، هناك حوالي 300 شركة في الصين قادرة على تقديم وظيفة تحكم حركي رئيسية معينة. ويرى التقرير أن ميزة يوشو التي تتراوح بين عام وعامين في مجال العتاد والتحكم الحركي قد تكون آخذة في التقلص، وأن التقدم التقني مثل SuperMimic سيخفض عتبة تطوير خوارزميات الحركة بشكل أكبر.
ومع ذلك، لا تعتقد نومورا بسبب ذلك أن يوشو ستفقد ميزتها التنافسية. بل على العكس تمامًا، فمع تزايد سهولة الحصول على برمجيات التحكم الحركي، قد يصبح تراكم يوشو في تصنيع العتاد أكثر أهمية.
المشكلة هي أن الخوارزمية التي تمكن روبوتًا واحدًا من تنفيذ حركات معقدة لا تعني أنها ستعمل بثبات على آلاف الروبوتات. فالروبوت البشري يمتلك عادة أكثر من عشرين مفصلاً، وكل مفصل يتضمن مشغلات وهياكل نقل وأجهزة استشعار ومعايرة حركية دقيقة. وحتى لو استخدم روبوتان نفس التصميم تمامًا، فقد تكون هناك اختلافات طفيفة في عملية الإنتاج الفعلية.
على سبيل المثال، قد تختلف نقطة الصفر للمفاصل وتفاوتات الأبعاد وأداء النقل بين الأجهزة المختلفة. وعندما تتوزع هذه الأخطاء على أكثر من عشرين مفصلاً، فقد ينحرف أداء حركة الروبوت بأكمله.
تشير نومورا إلى أن نموذج الروبوت المستخدم في بيئة المحاكاة في SuperMimic لديه انحراف معايرة مفاصل يبلغ ±0.01 راديان فقط. هذا المطلب لدقة اتساق معايير العتاد يسلط الضوء على التحدي الذي يواجه انتقال الروبوتات من المختبر إلى التصنيع على نطاق واسع. لنفترض أن شركة طورت وحدة تحكم ممتازة تمكن الروبوت من أداء الشقلبة، ولكن بسبب الاختلافات في العتاد بين الروبوتات المنتجة بكميات كبيرة، لا يمكن لهذه الوحدة أن تعمل بثبات إلا على عدد قليل من الأجهزة، فستظل الشركة بحاجة إلى استثمار الكثير من الوقت في المعايرة والتصحيح وحتى إعادة التدريب لكل جهاز على حدة.
في هذه الحالة، حتى لو انخفضت تكلفة تدريب الخوارزمية نفسها بشكل كبير، فقد تظل تكاليف النشر والصيانة الناجمة عن عدم اتساق العتاد مرتفعة. ترى نومورا أن مفتاح حل هذه المشكلة هو التراكم طويل الأمد في تصميم العتاد وإدارة سلسلة التوريد ومراقبة الجودة وخبرة التصنيع على نطاق واسع. هذه القدرات يصعب الحصول عليها في وقت قصير من خلال شراء وحدات GPU أو تكرار ورقة بحثية. وهذا أيضًا سبب مهم لرؤية نومورا أن يوشو لا تزال تتمتع بميزة تنافسية مقارنة ببعض شركات نماذج الروبوتات التي تبني عتادها بنفسها.
مع الانخفاض المستمر في تكلفة تدريب برمجيات الحركة، قد تتحول المنافسة في صناعة الروبوتات تدريجيًا من قدرات الخوارزميات السابقة إلى دقة العتاد واتساق المنتج والتحكم في التكلفة والتسليم على نطاق واسع.
المشغلات تمثل حتى 75% من التكلفة، فمن المستفيد؟
أهمية اتساق العتاد تعني أيضًا أن توزيع القيمة في سلسلة صناعة الروبوتات قد يتغير.
تقدر نومورا أن المشغلات تمثل حوالي 50% إلى 75% من تكلفة مكونات الروبوت البشري، وهي جزء مهم من تكلفة عتاد الجهاز الكامل. المشغلات مسؤولة عن تحويل أوامر التحكم إلى حركة مفاصل فعلية، ودقتها وسرعة استجابتها واستقرارها واتساق تصنيعها تؤثر مباشرة على قدرة الروبوت على تنفيذ الحركات المعقدة.
مع تزايد سهولة الحصول على خوارزميات التحكم الحركي، قد تتقلص الفروق في القدرات البرمجية بين مصنعي الأجهزة الكاملة، بينما قد تبرز جودة التصنيع ومزايا التكلفة للعتاد الأساسي مثل المشغلات بشكل أكبر.
وهذا يعني أن شركات المكونات التي تمتلك قدرات تصنيع مشغلات عالية الدقة وسلاسل توريد مستقرة وأنظمة صارمة لمراقبة الجودة قد تصبح مستفيدًا مهمًا من تطور صناعة الروبوتات.
بالنسبة لشركات الأجهزة الكاملة، قد لا يكون مفتاح المنافسة المستقبلية هو ما إذا كان روبوت واحد يمكنه أداء حركة عالية الصعوبة، بل ما إذا كان يمكن الحفاظ على أداء متسق عبر المنتجات بكميات كبيرة مع التحكم في التكلفة.
وبناءً على ذلك، ترى نومورا أن شركات الروبوتات والموردين الرئيسيين الذين يمتلكون قدرات عالية المستوى في التحكم في اتساق العتاد قد يكونون في وضع أفضل من الشركات التي تعتمد فقط على برمجيات التحكم الحركي.
بالنسبة ليوشو، هذا الحكم له أهمية كبيرة. فمع الانخفاض المستمر في تكلفة تطوير خوارزميات الحركة، قد تواجه المكانة الرائدة التي بنتها يوشو سابقًا بالاعتماد على قدرات التحكم الحركي مطاردة من المزيد من المنافسين. لكن تراكمها في تصميم العتاد والتحكم في التكلفة والتصنيع على نطاق واسع قد يصبح أيضًا حاجزًا تنافسيًا يصعب تكراره في المرحلة التالية.
تجدر الإشارة إلى أن SuperMimic أثبت أن الكفاءة الحاسوبية لتدريب مهام معينة للتحكم في حركة الجسم الكامل يمكن زيادتها بشكل كبير، لكن هذا لا يعني أن برمجيات حركة الروبوت ستتوحد تمامًا على الفور. فالنشر في البيئات الحقيقية وتكامل الأنظمة والتحكم في السلامة وموثوقية المنتج لا تزال تتطلب استثمارات هندسية مستمرة.
لذلك، فإن حكم نومورا أقرب إلى استنتاج لاتجاه المنافسة المستقبلية، وليس اعتبارًا بأن برمجيات التحكم الحركي فقدت قيمتها التجارية بالفعل.
السهم يرتفع أكثر من 60% في 7 أيام، فما الذي تحتاج يوشو لإثباته بعد ذلك؟
بالعودة إلى سوق رأس المال، يُظهر أداء سهم يوشو الأخير أن المستثمرين يعيدون تقييم التقدم التقني وآفاق التسويق لصناعة الروبوتات البشرية.
في 21 أكتوبر، أطلقت يوشو الروبوت البشري H2-X، وعرضت قدرات حركية ديناميكية أكثر تعقيدًا. وفي 22 أكتوبر، أعرب وانغ شينغشينغ في المؤتمر العالمي للذكاء الاصطناعي الفيزيائي عن توقعات إيجابية لاختراقات الذكاء الاصطناعي الفيزيائي.
بعد ذلك، سجلت يوشو ارتفاعًا بالحد الأقصى اليومي 20% في 23 أكتوبر، وواصلت الارتفاع بأكثر من 9% في التعاملات الصباحية ليوم 26 أكتوبر. وعند إغلاق منتصف اليوم، بلغت القيمة السوقية الإجمالية 272.6 مليار يوان.
لكن تجدر الإشارة إلى أن التقدم في تقنيات التحكم الحركي للروبوتات لا يعني بالضرورة تحسن ربحية مصنعي الأجهزة الكاملة في نفس الوقت. فالزيادة في الكفاءة التي كشف عنها SuperMimic قد تسمح لمزيد من الشركات بدخول مجال التحكم الحركي بتكلفة منخفضة، مما يزيد من حدة المنافسة في السوق. فقط الشركات القادرة على تحويل الميزة التقنية إلى أداء منتج وميزة تكلفة وقدرة تسليم على نطاق واسع ستتاح لها الفرصة لبناء حواجز تجارية مستدامة.
بالنسبة ليوشو التي ارتفع سهمها بسرعة مؤخرًا، هذا التمييز مهم بشكل خاص.
في مساء 20 أكتوبر، أصدرت يوشو إعلانًا عن تقلبات غير طبيعية في تداول السهم. وذكرت الشركة أنه حتى ذلك اليوم، بلغت نسبة السعر إلى الأرباح المتحركة 388.25 مرة، وهي أعلى بكثير من متوسط قطاع تصنيع المعدات العامة البالغ 39.51 مرة.
كما نبهت الشركة إلى أن صناعة الروبوتات البشرية لا تزال في مرحلة مبكرة من التسويق، وأن نضج التقنية والطلب النهائي وقدرات سلسلة التوريد الصناعية كلها تنطوي على عدم يقين. وإذا لم يتحقق التقدم في التسويق التجاري واسع النطاق للصناعة كما هو متوقع، فقد يتأثر نمو الإيرادات المستقبلية وتحقيق الأرباح.
لذلك، من منظور استثماري، يثير التغير التقني الذي يمثله SuperMimic سؤالين على الأقل يحتاجان إلى مراقبة مستمرة.
أولاً، مع الانخفاض المستمر في تكلفة تدريب تقنيات التحكم الحركي للروبوتات البشرية، هل يمكن للشركات الرائدة الحفاظ على ميزة التمايز؟
ثانيًا، عندما يتقن المزيد والمزيد من الشركات قدرات الحركة المعقدة، أي المصنعين يمكنهم الاعتماد على اتساق العتاد وسلسلة التوريد وخبرة الإنتاج الضخم لتحويل القدرات التقنية إلى عوائد تجارية مستقرة؟
إجابة نومورا تميل أكثر إلى الخيار الثاني.
عندما يصبح تعليم الروبوتات المشي والقفز وحتى الشقلبة أرخص فأرخص، فإن ما يصعب تكراره حقًا قد لا يكون خوارزمية تحكم حركي معينة، بل نظام التصنيع الذي يضع هذه القدرات بثبات في آلاف الروبوتات.
بالنسبة ليوشو، قد تكون هذه هي الميزة التنافسية الأكثر استحقاقًا للمتابعة في المرحلة التالية، وستكون أيضًا السؤال الجوهري الذي يحتاج التقييم السوقي المرتفع إلى التحقق منه باستمرار.
هذا المحتوى لأغراض معلوماتية وتعليمية فقط، ولا يمثل نصيحة استثمارية تتعلق بـ BTCC. تبذل BTCC قصارى جهدها ولكنها لا تضمن صحة أو دقة أو أصالة المحتوى المذكور أعلاه.