机器人AI大脑开发正走出"GPT-2时代"

物理AI是风险投资领域最热门的赛道之一，众多企业正将催生大语言模型的技术工具应用于机器人领域，并为此募集了数十亿美元资金。

这股热潮推动了宇树科技的大规模IPO——这家中国领先的机器人制造商在中国版纳斯达克上市后，估值一度高达660亿美元。然而本周，公司股价急转直下，市值近乎腰斩。分析人士指出了一个显而易见的问题：尽管机器人的物理能力持续提升，但它们仍缺乏真正创造价值所需的实际操作能力。

在上周举办的Actuate大会上，这种热情显而易见。这是一场专为机器人AI大脑开发者打造的行业聚会。据主办方Foxglove介绍，大会自2023年创办以来规模已扩大至三倍，本届吸引了1500名参会者。Foxglove是一家帮助物理AI模型开发者管理和可视化数据的公司。

风险同样不容忽视：另一家物理AI基础设施企业Avala的展台上，醒目地打出了"解决机器人数据危机"的口号。

所谓"数据危机"，指的是AI模型高质量训练数据的严重匮乏。构建能够胜任任何任务的通用机器人，目前仍是遥不可及的目标；而针对特定任务的端到端学习，也尚未产出具备稳定商业表现的产品。对于开发者而言，出路在于更好地借鉴前沿AI实验室的进展——寻找或创建更多样化的数据集、尝试不同的训练方案，并探索更有效的强化学习场景。

机器人模型仿真工具初创公司Antioch的联合创始人Harry Mellsop认为，物理AI目前正处于"GPT-2时代"——彼时OpenAI的这一模型尚在ChatGPT问世之前。要跨越这道门槛，需要更多数据和算力，尤其是针对光线追踪优化的GPU，这类GPU被用于构建高保真仿真环境。

目前进展最快的是自动驾驶汽车领域，部分原因在于可以从人类驾驶的车辆中采集相关数据，另一部分原因则在于其核心任务是避免碰撞，而非操控物理环境。模型构建所需的大量工具均源自自动驾驶公司——例如Foxglove便由通用汽车旗下自动驾驶项目Cruise的前员工创立。

如今，这些汽车公司越来越相信，其在机器学习工具链上的投入将使其具备与专业人形机器人制造商竞争的实力。特斯拉已通过Optimus机器人付诸实践，而专注自动驾驶的Wayve和出行巨头Uber也相继成立了专注人形机器人形态的机器人实验室，作为研发布局。

"我认为必须从车辆起步……操控类机器人就像五年前的自动驾驶，"Wayve首席执行官Alex Kendall告诉TechCrunch，"数据基础设施、仿真系统、机器学习运维基础设施大概率会共用，但仿真器的具体世界模型将在后训练阶段有所不同。共性会远多于差异，但不同的具身形态也需要一些针对性的调整。"

Kendall认为，现在押注某一特定硬件平台为时尚早——传感器及其他组件的技术进步日新月异，真正通用的模型应当对硬件保持更高的兼容性。

Genesis AI是一家垂直整合的人形机器人公司，今年完成了1.05亿美元的种子轮融资。其首席执行官Théophile Gervet对此持不同看法，他告诉TechCrunch："我们在这波浪潮中还太早期，单纯的'大脑策略'还行不通；我们的判断是，硬件与AI协同设计存在大量机会。"

Gervet还谈及了行业内另一个热议话题：如何精准定位物理AI业务的聚焦方向。专注特定任务的机器人公司正在将产品推向实际应用——Gritt在建设太阳能农场，Agility在工业场景中部署机器人，Bedrock则在自主操控挖掘机。与此同时，通用人形机器人仍迟迟走不出实验室。

"没有客户会为一台成功率只有80%的通用机器人买单，"Gervet谈及这一困境时说，"我们看到很多玩家走向通用化，但由于缺乏垂直聚焦，根本无法创造价值……但另一方面，如果你在GPT-2的基础上构建某个细分垂直场景，等GPT-4时代来临，你就会被那些站在更高平台上的公司碾压。"

然而，押注特定垂直场景的诱惑依然强烈，因为这不仅能带来营收，还能积累真实的部署数据。尽管特定任务的数据可能缺乏足够的多样性来推动通用模型的进步，但对于打造真正能创造价值的机器人而言，这类数据至关重要。Bedrock首席技术官Kevin Peterson指出，公司最初选择挖掘作业作为切入点，是为了深入理解"野外操控"所面临的挑战，但计划未来开发一套能够横跨多种工程机械的智能层。

管理海量数据本身就是一大挑战，尤其是视觉和激光雷达数据的密度极高。Foxglove本周发布了一款新产品，基于英伟达Cosmos开放权重世界模型构建，支持工程师通过复杂的自然语言查询检索数据，以便构建评估体系和仿真场景，目标是加快问题定位与调试速度，让模型开发者能够更快速地迭代。

那么，Sam Altman近期所说的、距今仅数年之遥的物理AI"ChatGPT时刻"究竟会以何种形式到来？Kendall指出，目前全球规模最大的机器人部署仍是消费级扫地机器人。在他看来，真正的"ChatGPT时刻"应当是能让普通消费者为之兴奋的事件，而不仅仅是让投资者激动——而后者显然已经足够亢奋了。

"一个例子是：当你能以不到1000美元的硬件成本实现汽车的无人监督自动驾驶，"Kendall说——并非巧合的是，他的公司正在向汽车制造商授权模型，致力于实现这一目标。他认为这是一个数十亿美元级别的商业机会，也将使他们得以构建真正通用的具身AI模型。

对于Gervet而言，物理AI真正成熟的标志是"操控能力开箱即用。你可以用自然语言与机器人对话，让它完成任何基本的操控任务，比如推、拉、合上笔记本电脑、清理桌面，随你所想，并且能达到一定的可靠性——比如开箱成功率80%以上——这大概就是你的ChatGPT体验。"

Foxglove首席执行官Adrian Macneil则从另一个角度看待这个问题。

"机器人领域不会出现ChatGPT时刻，"他告诉TechCrunch，"ChatGPT之所以成为一个历史性时刻，关键在于它的传播——从零到一周内百万活跃用户……而现实世界的传播难度远不止于此，不是吗？我更期待机器人领域的'Apple II时刻'或'IBM PC时刻'。什么时候我能买到一台家用机器人，开始做一些真正有用又有趣的事情？"

Q&A

Q1：物理AI目前面临的最大瓶颈是什么？

A：物理AI当前最大的瓶颈是高质量训练数据的严重匮乏。针对特定任务的端到端学习尚未产出具备稳定商业表现的产品，而构建能胜任任何任务的通用机器人更是遥不可及。开发者需要更多样化的数据集、更优化的训练方案以及更有效的强化学习场景，才能推动物理AI真正走向实用化。

Q2：自动驾驶技术和人形机器人开发之间有什么关联？

A：自动驾驶领域目前是物理AI进展最快的方向，其积累的数据基础设施、仿真系统和机器学习工具链，正在被越来越多地迁移到人形机器人开发中。特斯拉、Wayve、Uber等公司都在尝试将自动驾驶的技术积累复用于机器人领域。Wayve CEO认为，操控类机器人的发展阶段，大约相当于五年前的自动驾驶。

Q3：物理AI的"ChatGPT时刻"会是什么样的？

A：不同业内人士对此看法不一。Wayve CEO认为是以不到1000美元硬件成本实现汽车无人监督自动驾驶；Genesis AI CEO认为是机器人能够开箱即用地理解自然语言并完成基本操控任务，成功率达80%以上；而Foxglove CEO则认为机器人领域不会出现类似ChatGPT的爆发式时刻，更期待类似Apple II或IBM PC那样让普通消费者能够购买和使用家用机器人的历史节点。