经纬创投：人形机械人的新起点

　　跟着AI突飞大进，具身智能成为了本年本钱市场上最热的范畴之一，那些已经仅存正在于科幻片子中的机械人，正离现实糊口越来越近，变得“看得见、摸得着”。正在揭幕前后，也有多家机械人公司发布了新产物，好比经纬创投投资的宇树科技发布了G1量产版本，起售价为9。9万元，这款产物界机械会上初次展出，更强机能、终极外不雅，最环节的是能够多量量出产了。智元机械人则是一口吻发布了五款商用人形机械人产物，包罗3款合用于分歧场景的远征系列(A2、A2-W、A2-Max)，2款模块化机械人系列产物(灵犀X1和X1-W，后者面向专业数据采集)。星尘智能则发布了新一代AI机械人帮理Astribot S1，这款产物也正在2024世界机械会上正式表态。今天跟着人形机械人越来越走进现实，也送来了群雄逐鹿的时辰，但手艺线仍不确定、使用场景皆有可能。经纬创投正在几年前就系统性地关心通用智能机械人赛道，正在机械人软硬件一体化范畴，投资了宇树科技、智元机械人、银河通用、星尘智能，它们都是优良的全手艺栈型创业公司，但各自的手艺切入标的目的并不不异，切入的使用场景也不尽不异，有工业、仓储物流、零售、生物制药等等场景。短期方针都是快速占领各自的使用场景，谁先把一个细分场景做好，堆集出脚够多的数据，就有可能继续拓展新的延展范畴，最终通用化。除了机械人软硬件一体化外，正在财产链上逛的两个主要标的目的（数据、一体化关节），经纬创投也投资了AI仿实数据范畴的光轮智能，正正在为行业供给海量的高实正在性、高效用性的锻炼数据；而正在一体化关节/施行器范畴，经纬则投资了钛虎机械人，钛虎有很是高效和全面的产物系列，笼盖了从工致手到上下的所相关节……比拟于AI大模子，人形机械人更需要工程层面的实践取冲破。好比1990 年出生的王兴兴，并不是履历亮眼的学霸型创业者，他是一个典型的理科偏才。“大师可能感觉良多顶尖院校的人很厉害，但现实上大师都是通俗人，正在机械人这个行业里，良多人只做软件，完全没碰过硬件，而硬件是实践出来的，你晓得就是晓得，不晓得就是不晓得。” 宇树科技创始人兼CEO王兴兴说，正在大学时代他就发觉，只需调集最好的零部件，而且用上最先辈的软件，就能够做出一个更好产物，组合式立异。取王兴兴有着雷同的履历，钛虎创始人易港是一位95后，早正在大学宿舍就搞起了3D打印机和焊台，大一就做出了假肢原型机，还正在中美创客大赛中获；大二又做出了一套从从式外骨骼，手部具有17个度。他总结本人为什么能正在大学期间的良多项中，打败名校的参赛项目，最焦点的就是本人的产物“看获得、摸得着、能体验，对社会有间接价值，而不是标致的PPT。”跟着AI大模子的冲破，今天的人形机械人，正越来越迫近临界点。有越来越多之前不敢想的使命，现在都能够实现了。出格是跟着“世界模子”的提出，机械人的实机数据越来越具备适用价值。“下一个十年，最值得做的就是人形机械人。”星尘智能创始人来杰说，他曾是腾讯RoboticsX机械人尝试室的一号员工、百度“小度机械人”团队担任人，正在客岁底去职创业。“人工智能的黎明曾经敏捷临近，我估计正在来岁岁尾之前，全球至多会有一家公司可以或许推出相对通用的机械人AI模子，成长速度之快令人注目。” 王兴兴说，“我正在岁首年月提出了这一概念，至今仍然，来岁岁尾实现这一方针常有可能的。”今天的机械人取以往最大的区别正在于，跟着AI的迸发，智能泛化能力大幅加强，这让通用机械人成为可能。保守机械人并不需要对自从响应，所以这是一个从动化设备，不竭地反复之前预设的法式。而现正在有了智能泛化能力的冲破，以至只需要语音节制，机械人就能实现新功能，这是从从动化到智能化的底层改变。而AI大模子的能力，不只表现正在规划层面，也起头进入和节制环节，机械人成长了50多年，第一次呈现如许由进修算法驱动、以及一个很是大的预锻炼模子来鞭策节制环节的变化，这也是过去一年里，我们看到手艺层面最大的冲破。“最终我们会有大脑大模子、小脑大模子，一路把本体串起来，形成一个通用机械人系统。”北大-银河通器具身智能结合尝试室从任王鹤说。他认为，通用机械人该当由基石层和能力层支持，正在基石层最环节的是去打制一个通用的本体，数据依赖于本体，本体也决定了它能发生什么样的数据，两者彼此绑定。基于本体和数据，进而成长出机械人能力，次要是“大脑”和“小脑”，前者次要处理和决策问题，后者把大脑的和决策转换成动做。好比智元机械人也遵照了如许的思虑逻辑。“稚晖君”彭志辉从华为去职创业后，取上海交通大学博士生导师闫维新，组建了创始团队，此中闫维新担任人形机械人的“身体”，彭志辉担任人形机械人的“大脑”。“过去，他们正在工做中有一些交集，创始人(彭志辉)提出这个设法之后，大师一拍即合。”远征A1，是智元机械人的第一代产物，已于客岁8月表态。其步行速度为7公里/小时，依托视觉传感器和多线激光雷达可自从避障。它的工致手有5根手指，能像人类一样抓取物品。使用场景专注于工场、生物尝试室、家庭护理取陪同等。而一年之后，8月18日上午，智元机械人一口吻发布了“远征”取“灵犀”两大师族共计五款商用人形机械人新品：交互办事机械人远征A2、柔性智制机械人远征A2-W、沉载特种机械人远征A2-Max、智元X-Lab孵化的首个全栈开源机械人灵犀X1、专业数采机械人灵犀X1-W。对于机械人如许，离不开硬件做最终施行的赛道，“软硬一体”的能力特别主要，像宇树科技、智元、银河通用、星尘等等公司都很是注沉这一思。若是我们看电动车取从动驾驶行业的汗青，2015年第一批电动车创业公司创立至今，正在这个过程中，从动驾驶创业公司的数量，并不少于电动车创业公司。但正在今天，纯真做从动驾驶的创业公司根基上都处于挣扎形态，鲜有获得营业冲破，哪怕已经获得过巨额融资。但从电动车企的角度，不只“蔚小理”等一众新兴电动车企兴起，先有了“硬件”、发生数据闭环，再切入从动驾驶，反而有很大的营业进展，各家的城市NOA越来越智能。若是一个行业离不开硬件支持，而且这个硬件仍处于快速迭代期，纯真做这行业的软件是要冒极大风险的。雷同于新能源汽车焦点的三电系统，彭志辉将机械人的焦点系统分为：动力域(电机关节、伺服节制、电源办理)、域(传感器模块、算法)、通信域(收集接口、数据传输和谈、两头件框架)、节制域(通用算力、AI算力单位、运控算法、具身算法)。“整个机械人其实是一个软硬件极其复杂的系统，既涉及到内部各个硬件模块的协同和摆设，同时也需要软件跟算法高效共同。” 彭志辉说。另一方面，虽然最终的方针是通用化，但正在当下晚期的成长阶段，机械人的产物定义并不明白。因为劳动力和使命需求是多元的，人形机械人公司短期内也不会只要独一的巨头，将会有良多公司环绕分歧细分市场，走分歧的手艺标的目的，堆集该场景下的数据护城河，这种“条条大通罗马”的场合排场会维持一段时间。一些公司选择把次要精神放正在机械人的“上半身”。好比银河通用选择的落地场景是无人值守药店(出格是夜班)，其首代产物盖博特机械人，“下半身”就采纳了轮式底盘+折叠本体的设想。之所以采纳如许的设想，起首由于轮式底盘正在零售场景里，曾经完全能够笼盖绝大部门使用。而折叠的设想，往上能够摸到2。4米，能够笼盖最高的货架，机械人能够拿到所有货色。往下也能够摸到地面，好比当有产物不小心掉到地面上时，机械人也能够本人捡起来。这些都是目前机械人的双腿布局，比力难处理的问题，而正在当下集中精神先研发“手”，星尘智能创始人来杰则将本人的机械人产物定义为“帮理”，辅帮人，而非替代人。首要的场景就是那些脑力劳动更多，但却经常陷入一些反复操做的工作上。最典型的例子就是生物医疗和化学尝试，这些都是需要高智力劳动，但却绕不开反复操做的范畴。此时一个及格的机械人帮理，能够解放这些传授、博士们双手，他们只需要设想尝试，而所有操做都能够让机械人精确无误、不分日夜的去完成。若是给一位生物传授配10个机械人帮理，他用于创制的时间以至能够翻几倍。来杰也很是注沉“软硬一体”的能力。得益于正在腾讯RoboticsX机械人尝试室的履历，他很是注沉架构，“我们取腾讯RoboticsX机械人尝试室的架构就很类似，一半从攻机械人软硬件一体化，另一半强挪用AI算法去做和活动节制，以此来摸索AI和机械人的强耦合。”星尘融合了触觉进行力控抓取，并连系规模化数据分析锻炼，包罗人体动做视频演示、动捕、遥操做采集等方案。来杰很是注沉传动布局中的刚、柔连系，也拆入了一些传感器以正在传动过程中，能一曲监测力的传输。好比机械人正在削黄瓜时，星尘的机械人并不是去估算轨迹，而是取人类一样，通过削皮刀正在压到黄瓜上时，力量的大小，来节制力量的输出，这种特殊的传动布局，能使精度更上一层楼。“当下，离我们想要的具身智能之间，还有两个主要的Gap(差距)没有处理。”星尘智能创始人来杰说。第一个Gap是AI大模子和机械人之间，有时候一些问题的发生，并不是纯真靠扩大数据规模，或是算法就能够处理，而是需要正在机械人层面去进行提拔，这是硬件带来的。第二个Gap是正在硬件本身的表达能力脚够的前提下，AI若何更好地连系硬件的能力。好比说AI能否可能完全自从地进行进修和测验考试？假设有一个机械人正在办公下，它本来什么都不晓得，只晓得一些根本动做，然后让它本人去建语图，本人去理解，本人去察看其他人的操做，然后把所有动做学会，这就跟我们人类很像。当然，这也是Yann LeCun所提出的“世界模子”。彭志辉正在比来的发布会上，对整个具身手艺成熟度品级，做了从G1-G5的划分，这雷同于从动驾驶的L1-L5：“我们正在过去一年里，同时正在G2落地和G3预研两个标的目的，都取得了一些阶段性冲破。正在G2阶段实现了一系列zero-shot和few-shot的一些通用原子能力，好比通用的位姿估量模子UniPose。目前也正正在取多家制制业和办事业领军企业，进行结合的场景POC，本年晚些时候无望全流程跑通，让机械人可以或许正式正在客户场景中摆设干活。” 彭志辉说。低成本是人形机械规模使用的前提。本年5月，宇树正在发布G1人形机械人时，把最低售价打到了9。9万元。但这款机械人的参数一个不差，身高约127厘米，体沉约35公斤，具有超越的矫捷性，具有广漠的关节活动空间，23至43个关节，最大关节扭矩达到120N。m，可进行高难度的动态动做。比行业全体廉价80%的售价，再一次成为人形机械人范畴的核心。“大部门人对社会的成本布局一窍不通。”王兴兴说，“低成本的缘由其实很简单，以前良多学术或公司次要靠去买工业电机，但它们很大、很贵、很沉，所以做出来的结果也不太好。但我后来发觉，其实能够对航模电机加以，所当前来的电机驱动器满是我本人做的，能够做到很小很廉价，再连系最新的活动节制手艺，就能够把全体机能做得很是好。其实整个社会大部门立异，是组合式立异，我们需要把各个行业的一些设法、手艺组合做新的实践，它是最前沿的，其实你就能够实现良多方针。”正在2013年-2015年读研究生期间，王兴兴没什么资本和资金，却做出了一款其时出格火爆的产物XDog，拿到上海机械人设想大赛二等，这几乎是他一小我从头设想硬件、节制算法，便宜驱动电机做出来的。比拟之下动力的四脚机械人，仍是纯液压方案，虽然机能不错，可是很大、很贵、很沉，那时候纯电机驱动方案仍是比力领先的。“正在制形成本方面，我以至认为机械人其实取家里的电电扇素质是一样的，都能够通过各类方式将成本做到极致。”王兴兴说，他认为大部门产物都能够分为“材料成本+加工成本”，若是能优化整个流程，找到合适的加工方式，其实能够省良多钱。取王兴兴读研期间做了XDog雷同，钛虎创始人易港也正在大学期间，东拼西凑了4-5万元，正在大学宿舍里买了3D打印机和焊台，自学3D建模和编程，仿照骨科冠军企业奥托博克的产物，制做出了一款假肢原型机，并正在中美创客大赛中获。“做机械人，充满了工程方面的问题，良多时候不是凭智商，而是看你对这个工具是不是实的感乐趣，能不克不及去一点点研究，测验考试各类各样的方式去处理手艺难题，并且还要正在必然的量产取成本可控的前提下。”易港说。现在，钛虎从攻高机能一体化关节/施行器，延展到轻量级协做机械臂、人形机械人/外骨骼、工致手等，其产物从打高扭矩密度、体积小、分量轻，具备无框电机、减速器、驱动器、编码器自研设想能力，拥无机器人所需要的所相关节，能够说是最为全面的产物线。若是从更全局的角度来看，人形机械人最焦点的是软件+施行器，软件担任和决策，素质上取从动驾驶雷同，都需要先，然后做径规划和决策。而正在硬件层面，也就是机械设想层面，最环节的就是施行器，它相当于机械人的“关节和肌肉”，让机械人能够做出各类动做，特别是人形机械人，它的施行器数量要远远高于保守工业机械人，也是人形机械人的设想难点和主要成本项。若是只看机械人的硬件成本，此中占比最大的就是一体化关节，它集成了伺服电机、驱动器、减速器和一些节制模块等。正在保守工业机械人中，这些伺服电机、驱动器、减速器等部件并不需要太集成，它们能够正在空间上各自分立，通过各类线缆和毗连件进行毗连，体积分量大。但人形机械人不成能这么做，而一体化关节/施行器的定位，就是正在设想层面，将它们集成为一体化，实现更小体积、更轻分量、更强扭矩机能。人形机械人还有一个特殊的焦点零部件——工致手。它高度仿人手，是人形机械人施行动做的最终零件，十分主要且复杂，面对的最题是要正在极小的空间内，驱动度极多、配备功率密度高、节制精度高的电机，对其机能要求极高。好比特斯拉Optimus机械人，和人手一样同样利用5个手指，具有11个度，拇指采用双电机驱动弯曲和侧摆，其它四指各用一个电机带动。电机采用蜗杆传动机构的目标，取腿部曲线伺服千篇一律，采用机构自锁降低能耗。为逃求形态美妙及自顺应性，手指采用拉线KG)，和自顺应抓取(可以或许抓取分歧外形、尺寸的物体)的能力，可完成搬运、浇花等动做。这根基上就复制了人类手掌的功能设想。4年前，易港还自从研发了一款工致手，“我也没想到这款产物正在今天那么受欢送，现在回头看，其实这是现正在三大支流布局中的一个，我们其时为了做假肢，成果相当于开创了一个布局派系。”正在工致手的传动布局中，有奥托博克式的曲线年就实现了量产。另一种支流布局是拉绳式，雷同于仿照人体的筋腱，拖一根绳子来传动。还有一种钛虎的专利，基于平行齿轮、锥齿，再加上三连杆的布局。“若是从美妙度、抗冲击性、拆卸难易程度、成本等各个方面来看，第三种方案有其劣势。”易港认为。机械人上半身的成长，间接决定了它现正在能做什么。当然工致手的设想和使用并不容易，正在这项手艺成熟之前，采纳夹爪(“两爪”、“三爪”)的方案也未尝不成，需要有选择性。好比银河通用正在便当店场景的现实使用中，给机械人拆上了吸盘和夹爪两种结尾施行器，机械人能够自从决策需要用哪个，例如正在需要拿矿泉水瓶时，夹爪就能够完成使命，但正在抓取零食时，吸盘会更合适。同时，银河通用还正在针对工致手展开研究，由于面临过宽(夹爪的夹距无限)或滑腻的物体，以及柔性物体(好比晾晒衣服，需要用衣架把衣服插起来)、复杂场景(拧瓶盖)时，工致手大概才是终极处理方案。比拟于AI大模子，正在人形机械人范畴，硬件的快速迭代也有很主要的影响。拿电动车财产举例子，保守燃油车至多需要三年时间的研发、七年时间的全球发卖，才能收回成本起头盈利。但现正在中国的智能电动车企业，曾经能做到两年就迭代一个平台，由于若是不克不及正在两年之内迭代一个平台的话，这个车型无论是正在智能化方面，仍是正在续航里程方面就都跟不上。正在光伏财产也雷同，每隔几年就会有一个主要的手艺迭代。一个新产线若是不克不及正在两年之内实现产能交付，根基上也会被裁减。而机械人硬件程度每迭代一次，良多核能城市跃升一个台阶，而这恰好是中国供应链的劣势。好比减速器、电机的升级，对精度、力控都有决定性影响，这能极大升级机械人的可操做性。一旦研发成熟，达到制制环节，按照大大都制制业的纪律，每当产量翻倍，成本将会降低10-30%，这正在光伏和锂电池行业中，均有所表现。“数据是AI下一个成长阶段的最大帮推力，但实正在世界的数据是远远不敷的，这需要仿实数据来填补。”光轮智能结合创始人兼COO波说，“我们认为很快就能找到Scaling Law，那么机械人也将很快变成数据驱动，这也是我们做仿实合成数据的初志。”GPT-3。5之所以能发生划时代的冲破，焦点正在于Scaling law，而这离不开数以百亿的锻炼数据。锻炼AI大模子的数据正在互联网上容易获取，但对于机械人来说，间接可用的数据几乎为零。可否获得高质量且脚够廉价的数据，是当下限制机械人成长的瓶颈，也是拉开公司之间合作的主要手段。是Everyday Robots，它曾是谷歌的明星项目，但正在本年2月被谷歌因成本节制而闭幕，并入谷歌其他部分。形成Everyday Robots成本昂扬的一个主要缘由，就是数据采集成本过于高贵。OpenAI已经也有一个机械人部分，但后来放弃了，为什么采集成本这么高？次要是由于Everyday Robots基于实正在来收集数据。谷歌为了锻炼PaLM-E，用了13台机械人，收集了17个月，才拿到脚够的数据量，若是是正在更复杂的工业场景，数据采集成本会更高。“目前对于人形机械人来说，支流的数据获取手段分为两种：一种是实正在数据，另一种是仿实数据。”波认为。实正在数据就是建立一个采集数据的，正在里边搭建相关设备，动做捕获等等，好比家庭场景里的做饭，捕获方方面面的动做数据，然后再对归并数据进行一些泛化，以及清洗，最终给到模子。仿实数据则是完全正在模仿器中进行的。起首用虚拟建模的体例，把场景搭建起来，然后再把机械人虚拟化放进去，构成一个动态的场景。这里面的一切物体，建模都要尽量接近实正在，好比需要做一个苹果，那就要制做出大量分歧的具体形态，好比分歧的光照前提、分歧的前提、分歧的摩擦力环境等等。从如许动态场景提取出来的数据，其实是一张张雷同于“图片”的数据集，正在这些“图片”上也需要弥补针对性的标注，再给到机械人公司做算法锻炼。这个锻炼过程，就有点像特斯拉正在锻炼FSD时，拿人类司机的实正在驾驶视频锻炼。仿实数据最焦点的要求，就是尽可能的接近实正在，实正在度、泛化度都是主要目标。若何合适物理纪律，是目前的一个难点，好比一个物体是软仍是硬，这就需要更复杂的参数设想。因为仿实数据大都是通过视觉，锻炼过程往往是，起首需要判断出来这个物体是什么材质，好比是个杯子，然后再去设想多大的力量，这个过程也能够插手狂言语模子的能力。但这取正在机械人的传动布局中，加一个力触觉是分歧的手艺标的目的。所以，仿实数据取遥操做各有好坏。遥操做的劣势正在于，正在将采集到的数据用于锻炼机械人后，这一项使命的成功率会很高。但劣势也很较着，机械人的能力缺乏泛化性。好比正在特斯拉锻炼机械人分拣电池的例子中，就是通过人类带着VR眼镜，去遥控操做机械人采集而来的。通过这种方式锻炼出来的机械人，几乎只会反复遥操做时的动做，好比把一个电池放到三乘三的盒子里，但当你把电池换成矿泉水瓶，同时将盒子换成更大的四乘六时，机械人就不晓得怎样办了，这时候就又需要从头进行遥操做再去锻炼。正在没无形成海量数据的时候，每做一个新动做都很是费劲，数据采集成本很高，而且难以正在短时间获取大量数据。取遥操做对比，仿实数据的好坏势几乎相反。起首能够用低成本出产海量数据，同机会器人正在颠末锻炼当前，能力是泛化的，由于能够仿实制制一系列所需要的场景和交互，以使机械人能够处理各类问题。当然，仿实数据的劣势也很较着，问题次要出正在仿实还不敷接近实正在，当把通过仿实数据锻炼的机械人用正在实正在场景中时，存正在必然的失败率，好比正在抓取使命中，由于光照、等各类要素的改变，机械人可能认为了，但其实没。提高数据规模，测验考试将大模子锻炼中的Scaling Law，使用正在机械人仿实锻炼数据中，可能是精确率不脚的处理之道。正在王鹤看来，他正在一起头测验考试用仿实数据时，也了精确率不脚的问题。不外他很快认识到，其时只用了一个百万级的数据集，好比正在抓取这个使命上，正在用工致手抓取没有见过的、随机乱放的物体时，正在有十亿次抓取数据的环境下，机械人的成功率能到 86%，若是数据量缩到万分之一，也就是 10 万次抓取时，成功率就只要 58%。这申明具身智能也有清晰的 scaling law，它对数据有更大渴求。”王鹤说。“保守的仿实是以测试为核心的，而为具身智能办事的仿实，则是需要以锻炼为核心。”光轮智能CEO谢晨说，他认为好的仿实数据起首要有实正在性、效用性评测能力，若是没有这些，仿实数据也很难让客户的算法有所提拔。谢晨曾正在英伟达担任从动驾驶仿实，国际初创将生成式AI融入仿线开辟落地仿实数据，后选择回国创立光轮智能。“仿实数据不会代替实正在数据，而是放大它。” 他认为终极的Data for AI，会是实正在的人的示范数据，取仿实数据能力的乘积。过去10年，AI给太多行业带来过但愿和失望。而今天的人形机械人，正越来越迫近临界点。虽然机械人至今没有清晰的产物形态，但经纬创投看到每一家机械人创业公司都正在测验考试各自的使用场景，像曾经投资的四家机械人软硬件一体化公司(宇树科技、智元机械人、银河通用、星尘智能)，再共同着财产链上逛的焦点一体化关节(钛虎机械人)、仿实数据(光轮智能)，都正在分歧场景下有很是好的使用。这一波人形机械人公司的短期方针，都是快速占领各自的使用场景，谁先把一个细分场景做好，堆集出脚够多的数据，就能成立护城河，再去拓展新范畴，最终通用化。而机械人的成长离不开硬件。取欧美市场对比，经纬创投看到国内良多草创公司的硬件迭代能力，比海外要快良多，成本节制能力更好，正在某些硬件细节方面超越了海外同业。全球化几乎是中国通用机械人公司的必选计谋，且取电动车行业分歧，其正在全球化中碰到的妨碍会更小。此中一个缘由是，几乎没有一个国度具备有规模的机械人财产，此时出海不会冲击本地的财产布局，只需产质量量和使用体验脚够好，出海溢价可能达到国内的5倍以上，这将为中国通用机械人企业供给广漠的国际市场。人形机械人能成长到今天的，来之不易。“我记得正在2016年的时候，那时我还正在百度，有一次加入完一个NLP的会议，竣事之后充满了感，感受仿佛这辈子都看不到实正的使用，你也不晓得那时的投入到底是不是对的。”星尘创始人来杰回忆，“但我也经常反思，从我过去十几年对将来的预判里，我发觉AI和机械人全体的成长速度，又是大大超出我的预期了。短期内你永久会看到良多坚苦，但这么多伶俐的思维，其实正在处理一个又一个问题，发生了一个又一个手艺冲破，就像有一只庞大的手正在促使这个行业往上升，这给我带来很大的能量，让我一曲苦守正在这个行业里。”“手艺是一个日新月异的事儿，你无论是正在做你的老本行，仍是做一件新事，你都有可能明天就被更新的手艺给‘卷’了，AI和机械人行业特别如斯。取其说按兵不动，还不如自动的去创制变化。” 光轮智能创始人兼CEO谢晨说，“所以正在我看来，现正在的创业成本其实比之前要低太多了，由于现正在不变的成本太高了。”。