本月行业报告传递重要动态,国内乱码现象:一线二线三线城市的差异与应对策略
本周研究机构发布权威信息,起底全球估值NO.1机器人公司,创始人被称作“下一个马斯克”,很高兴为您解答这个问题,让我来帮您详细说明一下。预防性维保中心,延长产品使用寿命
东莞市长安镇、巴中市通江县 ,清远市英德市、广西柳州市柳江区、许昌市魏都区、内蒙古乌海市海勃湾区、黔南贵定县、齐齐哈尔市依安县、晋中市灵石县、宁夏银川市永宁县、大连市中山区、广安市广安区、内蒙古兴安盟阿尔山市、鹤壁市浚县、普洱市思茅区、内蒙古通辽市库伦旗、朝阳市北票市 、潮州市湘桥区、亳州市蒙城县、云浮市云城区、宜春市高安市、黑河市逊克县、凉山宁南县、赣州市安远县、沈阳市新民市、长春市榆树市、中山市中山港街道、天津市西青区、怒江傈僳族自治州泸水市
官方技术支援专线,本周行业报告披露行业新动态,国内乱码现象:一线二线三线城市的差异与应对策略,很高兴为您解答这个问题,让我来帮您详细说明一下:智能化工单系统,自动派发维修任务
中山市阜沙镇、苏州市吴江区 ,鞍山市台安县、天水市麦积区、营口市老边区、荆州市监利市、赣州市兴国县、兰州市城关区、黄石市黄石港区、恩施州来凤县、宿迁市宿城区、文昌市铺前镇、自贡市贡井区、临汾市曲沃县、宁德市周宁县、三明市永安市、杭州市萧山区 、昆明市石林彝族自治县、果洛甘德县、红河元阳县、大连市甘井子区、济南市长清区、重庆市酉阳县、牡丹江市绥芬河市、东营市河口区、常德市武陵区、南阳市桐柏县、广西桂林市荔浦市、西安市周至县、泉州市永春县、内蒙古包头市东河区
全球服务区域: 黔西南望谟县、清远市连州市 、六盘水市盘州市、惠州市惠城区、黔南长顺县、玉树称多县、汕头市南澳县、东莞市莞城街道、营口市西市区、绍兴市上虞区、楚雄永仁县、晋中市太谷区、陇南市成县、马鞍山市当涂县、成都市成华区、内蒙古巴彦淖尔市杭锦后旗、文昌市文城镇 、揭阳市揭东区、吕梁市孝义市、六盘水市盘州市、北京市平谷区、兰州市七里河区
本周数据平台稍早前行业报告,本月官方发布行业新动态,国内乱码现象:一线二线三线城市的差异与应对策略,很高兴为您解答这个问题,让我来帮您详细说明一下:家电售后专线,专业团队高效处理
全国服务区域: 中山市南朗镇、大庆市林甸县 、永州市双牌县、咸阳市兴平市、商洛市柞水县、武汉市新洲区、宜昌市远安县、内蒙古包头市固阳县、郑州市登封市、普洱市景谷傣族彝族自治县、成都市青羊区、天水市秦安县、聊城市临清市、宁夏固原市彭阳县、龙岩市连城县、昆明市官渡区、池州市贵池区 、乐山市沙湾区、衡阳市耒阳市、吉林市舒兰市、天津市西青区、晋中市左权县、扬州市广陵区、上海市长宁区、广西来宾市兴宾区、榆林市绥德县、烟台市福山区、邵阳市大祥区、信阳市光山县、凉山美姑县、内蒙古呼伦贝尔市牙克石市、焦作市修武县、湛江市雷州市、临汾市洪洞县、长春市双阳区、六盘水市盘州市、梅州市平远县、七台河市勃利县、西安市新城区、中山市古镇镇、合肥市包河区
本月官方渠道传达政策动向:昨日官方披露行业研究成果,国内乱码现象:一线二线三线城市的差异与应对策略
随着我国城市化进程的不断加快,城市之间的差异日益明显。在这其中,乱码现象作为城市治理中的一个难题,在不同线城市中呈现出不同的特点。本文将从一线、二线、三线城市三个方面,探讨国内乱码现象的现状、成因及应对策略。 一、一线城市的乱码现象 一线城市,如北京、上海、广州、深圳等,是我国经济发展水平最高的城市,人口密度大,城市基础设施完善。然而,在这样的城市中,乱码现象依然严重。 1. 原因分析 (1)城市人口流动性大:一线城市人口流动性高,外来人口增多,导致城市面貌不断变化,乱码现象随之增多。 (2)城市管理难度大:一线城市城市规模庞大,城市管理难度加大,部分区域管理不到位,导致乱码现象难以根除。 (3)法律法规不健全:我国相关法律法规对乱码现象的处罚力度不够,导致乱码现象屡禁不止。 2. 应对策略 (1)加强城市管理:政府部门应加大对城市管理的投入,提高城市管理水平,减少乱码现象的发生。 (2)完善法律法规:加强对乱码现象的立法,提高处罚力度,形成震慑效应。 (3)提高全民素质:通过宣传教育,提高市民对乱码现象的认识,培养良好的城市文明习惯。 二、二线城市的乱码现象 二线城市,如成都、杭州、武汉等,经济发展水平较高,城市基础设施逐步完善。与一线城市相比,二线城市的乱码现象相对较少。 1. 原因分析 (1)城市人口流动性相对较低:二线城市人口流动性相对一线城市较低,外来人口数量较少,城市面貌变化较小。 (2)城市管理相对有序:二线城市城市管理相对有序,乱码现象得到有效控制。 (3)法律法规逐步完善:二线城市在法律法规方面逐步完善,对乱码现象的处罚力度加大。 2. 应对策略 (1)借鉴一线城市经验:二线城市可以借鉴一线城市在乱码现象治理方面的成功经验,提高自身管理水平。 (2)加强宣传教育:通过宣传教育,提高市民对乱码现象的认识,培养良好的城市文明习惯。 (3)完善法律法规:逐步完善相关法律法规,加大对乱码现象的处罚力度。 三、三线城市的乱码现象 三线城市,如洛阳、绵阳、抚州等,经济发展水平相对较低,城市基础设施有待完善。与一线、二线城市相比,三线城市的乱码现象较为严重。 1. 原因分析 (1)城市人口流动性小:三线城市人口流动性小,外来人口数量较少,城市面貌变化不大。 (2)城市管理相对薄弱:三线城市城市管理相对薄弱,乱码现象难以得到有效控制。 (3)法律法规不完善:三线城市在法律法规方面相对滞后,对乱码现象的处罚力度不够。 2. 应对策略 (1)加强城市管理:政府部门应加大对城市管理的投入,提高城市管理水平,减少乱码现象的发生。 (2)完善法律法规:逐步完善相关法律法规,加大对乱码现象的处罚力度。 (3)加大宣传教育力度:通过宣传教育,提高市民对乱码现象的认识,培养良好的城市文明习惯。 总之,国内乱码现象在不同线城市中呈现出不同的特点。针对这一问题,各地政府应结合自身实际情况,采取有针对性的措施,共同推进城市文明建设。
一家成立仅三年的机器人初创公司,凭借明星创始人、快速迭代的产品,在科技热潮中迅速崛起,成为全球估值最高的人形机器人公司,Figure 的成名史非常具有 " 硅谷特色 "。当地时间周二(9 月 16 日),Figure 在官网宣布,公司 C 轮融资筹集了超 10 亿美元,投后估值达 390 亿美元,一举成为目前全球估值最高的人形机器人公司。本轮融资由知名投资机构 Parkway Venture Capital 领投,Brookfield Asset Management、英伟达、英特尔资本、LG Technology Ventures、赛富时、T-Mobile Ventures、高通创投等行业巨头参投。英伟达、英特尔等曾参与 Figure 此前的融资。Figure 于 2022 年 1 月诞生于美国硅谷,致力于研发自主通用人形机器人。2023 年 5 月,Figure 完成 7000 万美元的 A 轮融资,由 Parkway Venture Capital 领投,跟投方包括 Aliya Capital、Bold Ventures、Tamarack Global、FJ Labs 和库卡机器人前 CEO Till Reuter,两个月后,其又获得了英特尔资本等的 900 万美元 A+ 轮投资;其在 2024 年 2 月完成约 6.75 亿美元的 B 轮融资时,估值约为 26 亿美元,其中贝索斯通过名下公司 Explore Investments LLC 承诺投资 1 亿美元,微软投资 9500 万美元,而英伟达和亚马逊附属基金则各投资 5000 万美元。立足当下,过去短短一年半的时间里,其估值增长了约 14 倍。同样站在热门风口,为什么这些知名资本、硅谷巨头选择押注 Figure?超绝行动力和全栈式路线成立后不到 12 月的时间里,Figure 团队从零设计出了人形机器人的大部分部件。2023 年 3 月,Figure 的第一款人形机器人 Figure 01 面世,不仅能完成搬箱子等简单的体力任务,还能通过观察人类示范学会煮咖啡。2024 年 8 月,续航能力和计算推理能力更强、软件更高级的 Figure 02 上线。2025 年 2 月初是个重要的时间点,Figure 与 OpenAI 终止合作,转而进行完全自主研发的端到端机器人 AI 模型—— Helix。据介绍,Helix 是首款能对整个人形机器人上半身(包括头部、躯干、手腕和手指)进行高频率、连续控制的视觉 - 语言 - 动作(VLA)模型。通过直接将视觉语言模型中捕获的丰富语义知识,直接转化为机器人动作,克服了人形机器人领域的多个长期挑战——至少不需要为机器人的每一个动作进行大量训练了。今年以来,Figure 放出一系列演示视频,展示了其人形机器人在多种场景下的作业能力:与 OpenAI" 分手 " 当月,2 月 20 日,Figure 便演示了 Helix 加持的两个机器人能 " 共脑合作 ",即 AI 同时操控两台机器人;3 月 25 日,Figure 更新拟人步态技术,其人形机器人 Figure 02 能够以每小时 2.68 英里(约 1.2 米 / 秒)的速度像人类一样以自然步态行走,机器人行走速度较前代产品提升近七倍;5 月,第三代产品 Figure 03 问世,Figure CEO Brett Adcock 强调这是他迄今为止见过最先进的硬件系统;6 月,Figure 的人形机器人成功学会了在物流产线上分拣包裹;7 月 -8 月,Figure 展示了机器人作为 " 家政员 " 的能力,包括从筐中取出待洗衣物,并将其放入洗衣机滚筒、自主叠衣服;最近的技能更新是在 9 月 3 日(见下图),其机器人能够自主将碗碟放入洗碗机。尽管这项工作看似简单,但光滑或易碎物品的处理需要精准的操作,洗碗机篮筐的误差容忍度仅有厘米级。国泰海通最新研报认为,场景层面,Figure 机器人折叠衣物任务的突破标志其从工业向家庭场景渗透,未来有望围绕日常服务需求(清洁、护理等)拓展能力边界。也就是说,Figure 用三年的时间,完成了人形机器人从概念到原型,再到商业化应用的跳跃,在 AI 模型构建、本体硬件、现实场景运行的数据采集和商业化上实现了闭环,现在正试图在 B 端场景落地,并延伸到 C 端场景。创始人被称作 " 下一个马斯克 "Figure 的创始人兼 CEO、现年 39 岁的 Brett Adcock(布雷特 · 阿德科克)已经有近 20 年的前沿科技创业经验。他曾创立 eVTOL 公司 Archer Aviation,该公司于 2020 年底上市,更早时候 Adcock 创立了在线人才市场 Vettery,该公司后被全球最大的招聘公司德科集团(Adecco Group)以 1.1 亿美元的价格收购。Adcock 曾喊出了 " 要做世界上第一个商业上可行的通用人形机器人 " 的口号,他在 Figure 首轮便投入了 1000 万美元,A 轮追加 2000 万美元,并表示未来可能至少投入 1 亿美元资金进入 Figure。这种倾注自身家当、孤注一掷的投资风格让包括《福布斯》、TechCrunch 在内的多家媒体将 Adcock 称为 " 下一个马斯克 " 或 " 马斯克 2.0"。2023 年 9 月,在《My First Million》节目中,主持人 Sam Parr 在视频封面将 Brett 贴上 " 埃隆 · 马斯克 2.0" 标签,标明其身价 30 亿美元,并表示在 10 年内他会成为霍德华 · 休斯、埃隆 · 马斯克这样的人物。目前,Figure 正积极推动机器人量产和 B 端应用。3 月 15 日,Figure 宣布 BotQ 量产工厂,第一代产线每年可量产 12000 台人形机器人,未来四年将扩展至年产 10 万台机器人或 300 万个执行器的规模。在商业应用方面,Figure 已经与宝马汽车建立了合作关系。宝马在南卡罗来纳州的斯帕坦堡工厂引进了 Figure 的人形机器人进行汽车产线测试。同时 Figure 将与 C 轮投资方 Brookfield 展开合作,帮助 Helix 开发预训练数据集。行业加速进入淘汰赛,机构聚焦头部厂商供应链有意思的是,据澎湃、投资界的报道,Adcock 曾公开聊到王兴兴的宇树科技,坦言感受到来自中国同行的竞争压力。在他看来,中国工程团队在低成本、高效率等方面的优势,将使中国成为未来全球机器人技术的主要竞争者之一。他还预测," 最终只有少数几个团队取得成功 "。当下,机器人热潮翻涌不止,Figure、特斯拉 Optimus、宇树科技等均处于第一梯队。中金公司日前发布研报称,未来仅有少数具备全栈能力的机器人企业,有望进一步突破至 " 具身智能 " 层级。该机构认为机器人大模型是破解传统机器人控制瓶颈、迈向通用具身智能的关键路径。当前行业主要基于大语言模型、自动驾驶大模型及多模态大模型探索的发展方向,产业重心已转向 " 小脑 + 大脑 " 系统研发,而不同企业在研发与商业化路径上存在差异。只有极少部分具备全栈技术能力、资源整合优势与长期主义战略的企业,未来将通过收敛技术路径,最终定义 " 具身智能 " 的核心标准,进一步突破至 " 具身智能 " 层级。华泰证券也表示,本轮具身智能热潮起于大模型的技术突破,大模型决定了人形机器人泛化能力的天花板,是现阶段商业化的核心壁垒之一。当前众多科技大厂入局赛道,如谷歌、OpenAl、Meta、英伟达等均在布局大脑,国内大厂虽然布局稍晚,但已有成型产品,如华为、百度、科大讯飞等,同时涌现出一批优秀初创公司,试图打造机器人 " 通用大脑 ",以及 Figure Al 为代表的全球头部人形机器人创企开始自研基础大模型。这会加速行业进入淘汰赛,不具备一定 AI 能力的本体厂或被挤压生存空间。该机构进一步表示,复盘 2022 年以来人形机器人的行情,从 2022 年特斯拉官宣进军人形机器人赛道开始,从早期的主题行情向趋势行情切换,并由 T 链向国产链扩散。赛道估值中枢随产业技术突破而不断抬高,市场的信心跟随产业进度不断加强,至今市场已深度认可人形机器人的广阔空间,对核心零部件公司给予了 " 终局估值法 "(按特斯拉 2029 年出货 100 万台对应的利润空间,再乘相应市占率)。考虑当前特斯拉链估值水位已较高,该机构认为 2025 年下半年市场或更注重有头部主机厂订单的供应链、机器人业务布局边际变化大的个股、新技术方向如摆线针轮、或是国产链条。本文来自:财联社,作者: 宋子乔,原文标题:《起底全球估值 NO.1 机器人公司 39 岁创始人被称作 " 下一个马斯克 " 背后站满硅谷巨头》,题图来自:Figure AI