現在的AI不僅僅是會說話這一件事, 它還應該掌握動手去做實際事情的能力。報告的結論裡提到, 接下來的發展方向是物理形態的人工智慧裝置。
這裡面涉及到一個世界模型核心概念, 它的作用是促使機器人先在它的內部思維過程中去預想和推算出每一個動作所帶來的可能結果。同時還會用到視覺語言行動的技術把那些通過眼睛看到的圖像資訊以及耳朵聽到的語音指令全部轉化成為身體動作的功能。
只有當上述這兩種技術和能力被真正地結合在一起使用時, 機器人才能突破以前那種只能做單個步驟操作的侷限, 從而逐步實現多個步驟的連貫規劃, 還有對過程中出現錯誤的識別能力, 以及對失敗狀態進行自主調整和恢復的最終目標。
產業訊號
AMD通過高價收購WorldLabs這一行為表明, 對於世界模型領域, 現在已經正式進入了需要投入真金白銀的階段。在技術路線方面並不是只有一條路徑可以走, 其中包含了三維生成、視訊預測、潛變數預測以及物理行動模型等多種形式。
同時, 對這些技術的 evaluated 或者說評價標準也發生了變化, 不再僅僅去考慮畫面是否像真的那樣逼真, 而是更看重其在物理邏輯上是否正確, 以及動作是否能夠被可靠地控制。
宏觀看點
具身智能這塊業務, 它將首先去處理那些具有較高價值、且重複性比較低的服務於企業端的任務；其核心的訓練過程, 會採取真機操作以及電腦模擬技術還有從人類活動視訊中進行學習這三條線路相互配合的做法；關於Optimus產品, 目前已經步入了生產線產量逐步提升的階段, 只是靈巧手的操作能力、裝配環節的複雜性以及面對各種新情況時的泛應用能力, 依然是目前難以突破的瓶頸。
更大的看點在於, 人工智慧的競爭已經從純粹的數位領域, 擴展到了物理世界。在這場競爭中, 大家比拚的是空間資料、模擬技術、本體建構、計算能力以及真實場景下的反饋, 這構成了一個完整的鏈條。
由此產生的產業價值, 也將不再侷限於零部件本身, 而是會延伸覆蓋到對資料的治理工作當中去。
附：物理AI，七大核心領域主要企業名單
(TOP行業報告)