機器人自主級別：從指令碼運動到通用任務的進階之路
本文提出了業界首個“機器人自主級別”分類法，將機器人自主能力劃分為0到4共五個級別，每個級別基於前一級別逐步解鎖新能力。文章分析了各級別當前部署情況、經濟性、挑戰及進展，並指出通用型機器人正從早期生產階段走向勞動力替代。當前通用機器人已達到2級，3級處於早期試點，而4級仍有待突破。
機器人已經為製造業提供了數十年的動力，但它們始終侷限於單一用途，並且只能在完美環境中執行。過去對智慧機器的嘗試往往承諾過多而交付不足，但那是為時過早。如今，現代AI正規化將大多數機器人障礙轉化為資料問題，推動機器實現曾經被認為不可能的能力。隨著這些模型吸收真實世界經驗，機器人將提升現有技能、獲得新技能並更快部署，逐步承擔越來越多的勞動份額。
2025年3月11日，SemiAnalysis釋出了題為“美國正在錯失新勞動經濟——機器人技術第一部分”的報告，提出了業界首個“機器人自主級別”（Robotics Levels of Autonomy）分類法。該分類法將機器人自主能力劃分為5個級別，每個級別以其解鎖的能力為標誌，並且各級別依次構建，為成熟度提供指標。
級別0：指令碼運動 這是傳統工業機器人的正規化，機器人完全透過預程式設計執行，需要靜態環境和任務。它們缺乏自主性，僅在高度工程化的“單元”中工作，安全性和精度極高，但靈活性極低。部署成本高昂，整合費用可達機器人本身成本的4-6倍。汽車工廠通常每廠使用400-1000臺工業機器人，電子製造則約50-200臺。最高境界是“黑暗工廠”，即完全由機器人執行、無需照明的設施。但級別0的剛性使其無法適應變化，一旦出錯可能導致高額停機損失。
級別1：智慧拾放 大約從2015年開始，機器人首次獲得視覺能力，能夠識別不同位置和姿態的物品並進行拾取分類。這一級別解鎖了可泛化的感知與抓取能力。2015-2022年間，許多公司透過“手臂農場”收集大量抓取資料，將成功率提升至99%甚至99.99%，但最後“最後一毫米”的改進極其艱難。部署時面臨整合挑戰，包括與倉庫管理系統（WMS）的對接問題。經濟性取決於具體任務：在電子商務高混合低吞吐場景中，機器人成本回收期長達3.5年；而在包裹分揀等低混合場景中，1年內即可實現盈利。當時感知和泛化能力仍然脆弱，許多公司被迫使用“排除列表”來避免失敗。
級別2：自主移動 在這一級別，機器人獲得了通用自主性——能夠自主規劃任務並在開放世界中導航。這得益於基礎模型和視覺-語言模型（VLM）帶來的高階規劃與空間推理能力，以及透過大規模強化學習在模擬中獲得的運動靈巧性。機器人在建築工地、油氣煉廠、基礎設施等大規模且危險的環境中執行資料收集和巡檢任務。部署不再需要數百萬美元的設施改造，只需1-3周即可適應新環境。同時，硬體進步如NVIDIA Jetson、高效執行器和電池使長時間自主執行成為可能。
級別3：低技能操作 機器人能夠執行基本的非關鍵低技能任務，如整理衣物、簡單裝配等。當前處於早期試點階段，在廚房、洗衣房、製造業和物流中測試。解鎖的關鍵是可泛化的操作能力，但力控和精細操作仍需進一步突破。
級別4：力控任務 這是最高階別，機器人能夠執行需要力與重量理解的精細任務，例如從口袋中取出手機、對準螺紋擰螺絲等。目前仍處於研究階段，尚未有商業部署。
總結與展望 通用型機器人已經進入早期生產階段（級別2），但在公眾視野之外。級別3的低技能操作正處於試點，而級別4仍待突破。機器人將對勞動力市場產生深遠影響，但替代將按級別逐步進行。經濟可行性高度依賴於任務的具體要求，企業需根據自身場景評估投資回報。
SemiAnalysis與行業專家合作，基於大量調研、公司分析及行業會議提出了這一分類法。該框架透過代理（Agency）和靈巧性（Dexterity）兩個維度展示了機器人能力的演進，併為未來發展提供了預測。