每日经济新闻 06-06
大模型热潮第三年,“AI春晚”又换主角 为什么是具身智能?
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

早早就没了位置,人墙围了一层又一层,宇树机器人、天工机器人一登场,就调动了全场气氛。

6 月 6 日,由北京智源人工智能研究院主办的 "AI 春晚 " ——第七届北京智源大会(以下简称智源大会)正式开幕。

大模型热潮进入第三年,智源大会的关键词已经从 " 大语言模型 " 跃升为 " 具身智能 " 与 " 机器人 2.0"。

作为产业风向标,在智源大会上,OpenAI 创始人山姆 · 奥特曼以及 " 深度学习之父 " 辛顿曾发表演讲;月之暗面创始人杨植麟曾经历人墙围堵,热度远超如今首个冲向 IPO 的智谱 AI;而今,大会上的 " 明星 " 是宇树科技创始人、CEO(首席执行官)王兴兴。

变化的背后,AI(人工智能)正加速迈入 " 干实事 " 的新阶段:从机器人表演走向实际应用,从模型训练走向产业闭环。物理世界的复杂性、数据采集的现实需求、人与机器的自然交互,正在共同推动具身智能成为 AI 发展的下一个技术高地。

具身智能会客厅对话现场 主办者供图

"AI 春晚 ",主角又换了

结束开幕式上的 " 智源具身智能会客厅 " 圆桌对话后,宇树科技 CEO 王兴兴在现场安保引导下离场,想要上前与其交流的观众被隔绝在人墙外。

这或许是吸取了去年的 " 教训 ",彼时的明星公司是月之暗面,杨植麟在下场后几度被人墙围住无法脱身。

如果以 2022 年末 ChatGPT 的发布作为节点,三届智源大会,不仅见证了大模型时代 AI 技术的跨越式发展,也折射出人工智能产业关注重心的变动轨迹。

2023 年,AI 领域风头无两的是 OpenAI 所引领的生成式大语言模型热潮,当年大会的高光时刻是 OpenAI 的代表人物山姆 · 奥特曼(Sam Altman)与 " 深度学习之父 " 辛顿(Geoffrey Hinton)的亮相。

2024 年,以月之暗面、百度、智谱 AI 为代表的国产大模型厂商迅速崛起,在语言模型与多模态模型领域竞逐成 " 主角 ",开发出 Kimi 的月之暗面备受追捧。

2025 年,具身智能集中抢镜,机器人、跨模态系统、物理智能等成为主论坛的重要议题。变化背后,是技术路线的演进和应用价值的再认识。

面壁智能 CEO 兼联合创始人李大海在接受《每日经济新闻》记者采访时表示,技术的发展是非线性的。大模型本质上是一项基础性技术,未来一定是非常重要的底层基础设施。随着这项技术逐步成熟,产业关注的重心自然也开始从底层模型向其之上的具体应用转移,这种关注点的迁移是合理且必然的。

同时,李大海认为,大模型 " 奇点 " 正在到来,其身处其中有非常强烈的感受,当前大模型在训练过程中,已经能够利用自身的特性,反哺训练过程,实现大模型训练的加速,形成 " 用大模型训练大模型 " 的良性循环。" 整个技术的发展在加速,(所以)才有外面能看到的整个行业的变化越来越大(的情况)。"

" 人工智能正加速从数字世界走向物理世界,这是我们对整个大的技术发展趋势的判断。" 智源研究院院长王仲远受访时表示。

从 " 秀肌肉 " 到 " 干实事 "

在 2024 年的智源大会开幕式上,月之暗面、百川智能、智谱 AI 与面壁智能四家国产大模型公司曾罕见同台,展开通往通用人工智能(AGI)之路的对话。而 2025 年,圆桌环节的对话主角,从大模型转向了具身智能。

开年以来,具身智能成为人工智能领域最热的关键词,伴随而来的,是形态各异的机器人频繁亮相各种公众赛事:从春节晚会上的舞蹈表演,到格斗竞技场上的人形对抗赛;从物流分拣的真实场景模拟,到即将在北京举办的 " 世界人形机器人运动会 "。

眼下风靡的机器人比赛,是验证技术的试验场,还是秀肌肉的 " 秀场 "?

对此,王兴兴认为,当前机器人赛事的价值在于让大众 " 看到机器人已经发展到什么阶段了 "。他坦言,尽管人形机器人还不能 " 真正进入家庭干活 ",但通过格斗、跳舞等全身动作训练,一方面可以展示当前 AI 控制系统的水平,另一方面,跳舞和格斗,其实是机器人全身动作的一部分。" 我们的目标一直是希望通过 AI 技术让机器人能做各种全身动作,来实现终极目标,去真正解放人类生产力。"

王兴兴进一步解释道,这种展示不仅有助于训练和验证模型能力,也开始体现出一定的商业价值。今年上半年,人形机器人租赁市场就比较火爆,王兴兴认为,这也是一种产业价值的体现。

北京人形机器人创新中心总经理熊友军也表示,接下来的 " 世界人形机器人运动会 ",不仅包括格斗等竞技类项目,还将引入短跑、接力、足球、舞蹈等来自人类场景的形式。同时,赛事中还包含多个真实生活和工业场景,如工厂的物流搬运、医院的医药分拣、酒店的服务应用等。

熊友军表示,这些比赛场景来自具体的企业提出的真实场景需求,和机器人即将走入现实的生活密切相关。" 这是一个很好的训练场,对提升机器的技术有很大帮助,也是潜在客户了解和跟机器人企业沟通的桥梁。"

尽管表演与赛事火热,但具身智能产业化真正的关键仍是 " 干活 " 能力的打造。对此,银河通用创始人王鹤指出,当前行业已经有许多炫酷技能,但需要反思的是,如果在真实环境下无法保证成功率,这些技能的产业价值就非常有限。

王鹤介绍,银河通用与智源研究院的联合团队正在重点攻关 " 通用移动抓取 " 任务,即通过导航与抓取组合,让机器人在货架等实际工作场景中完成复杂动作。王鹤透露,银河通用的机器人已经在北京值守 7 家 24 小时无人药店,由人形机器人完成取药和对接骑手的任务。他进一步强调,希望赛事和应用场景能进一步打通,用赛事去引领有价值的、可落地的技能。

人形机器人现场展示格斗 主办方供图

人形还是非人形?

在 AI 模型 " 上天入地 " 的浪潮中,被称为 "AI+ 机器人 " 终极形态的具身智能,正成为产业界和学术界同时瞄准的下一个技术制高点。

" 其实我一直不坚持一定要做(成)人形(机器人)。" 在谈到人形机器人是否是具身智能唯一形态时,王兴兴表示,从工程实践角度出发,宇树科技早期做机器狗,转向人形机器人属于 " 顺理成章 "。在一些场景中,用轮式底盘替代腿部同样非常实用。

" 但为什么大家现在喜欢用人形,尤其上半身保留人的样子?核心是因为现在 AI 大部分还是依赖人来做数据采集。" 王兴兴解释说,人形机器人上半身动作和人类一致,可以让 AI 采集数据、训练模型都更加方便," 包括我们机器人跳舞或者做一些格斗和别的比赛,说实在的,如果你做成别的样子就没办法做这个事情 "。

不过王兴兴也明确指出,未来随着 AGI 的诞生,机器人的形态将会 " 千奇百怪 ",比现在要多非常多倍,甚至多 100 倍都有可能。但在当前阶段,人形形态仍在数据采集、模型训练和落地效率上具备 " 实用主义 " 的优势。

与王兴兴偏向技术现实主义的观点不同,熊友军更看重人形在未来市场中的地位。他认为,虽然从技术上讲,具身智能载体可以多种多样,但 " 人形机器人是具身智能发展、研究的最佳载体 "。他指出,未来具身智能的最大应用场景不是工业,而是家庭和商用服务," 今天工厂场景只是‘开胃小菜’ "。

熊友军认为,人形机器人更容易被人接受。它们会成为生活中的伙伴、朋友,甚至像现在很多年轻人所说的——可能是爱人。这种人机交互的自然程度是其他形态难以比拟的。他还补充道,人形机器人适配人类环境的成本更低,如果不是人形,就可能需要为机器人改造环境。这在实际部署中会带来额外成本。熊友军表示,长期来看,人形仍是具身智能最具发展潜力的形态。

展区机器狗 主办方供图

在形态问题的背后,具身智能的 " 智能 " 来源何处,是另一个争议核心。自动驾驶中,VLA(视觉语言动作模型)已成为主流解决方案,但面对具身智能中复杂度更高的任务环境,VLA 能否 " 泛化 " 仍待验证。

王鹤认为,自动驾驶的经验已初步证明了 " 端到端 " 方案有更好的扩展性,不依赖无穷无尽的规则,而是通过数据去驱动模型。他表示,VLA 的意义在于,通过视觉观测和自然语言指令,直接输出动作决策,中间不再需要其他环节。这种路径可以让模型更充分地吸收数据背后的知识,发挥出最大的性能,而不受制于模块化方案。

不过,王鹤也直言,目前 VLA 是具身智能研究的热点,只是针对 VLA 究竟要突破什么,行业同样有不同观点。比如,有人希望把人类能做的所有事情都整合到 VLA 中,形成一个基座模型。王鹤认为这太着急了。他指出,人类认知不是只有视觉和语言,还包括力觉、触觉、嗅觉、味觉、温觉、听觉⋯⋯ " 所以 VLA 只能是一个起点,要想真正做到人类级别的具身智能,只能不断融合新的模态。"

王鹤认为,目前 VLA 最适合的任务是移动、抓取和放置。这些以视觉为主,加上末端的触觉或力觉传感器即可执行,这类任务在工业和服务场景中已经足够广泛,如果能先将这类 VLA 模型做扎实," 将会是具身智能真正第一次高潮的到来 "。

穹彻智能联合创始⼈、上海交通⼤学教授、上海创智学院副院⻓卢策吾则补充,VLA 模型 " 确实集合了机器人几件要干的事 " —— Vision(视觉)理解世界,Language(语言)与人类沟通,Action(动作)改变世界。但他也指出 VLA 当前存在很大的限制。具身智能面对的物理世界比无人驾驶复杂得多,无人车只需在两个维度做决策,且场景相对固定,而通用具身智能的场景是开放且有接触的,空间更大、不确定性更多。因此,要做到通用,就要压缩它的 " 不确定性 ",并不停地在兼容框架中增加更多额外信息,在端到端的模型里压缩它的空间。

此外,他强调对物理世界理解能力的增强也是 " 压缩任务空间 " 的关键。穹彻团队在其第二代 " 机器人大脑 " 中,加入了 " 数字基因 "" 仿真数据资产 " 等模块,希望通过仿真产生大量数据,减少真实世界中训练对样本量的依赖。卢策吾认为,找到更聪明的方式理解世界,把它们融合到 VLA 里,才可能真正推动通用智能的拐点出现。

从人形机器人的路径分歧,到 VLA 模型的能力边界,在具身智能这条路上,数据仍是燃料,形态仍有博弈。但最终,理解世界并与之交互的能力,或许才是决定智能生命形态的关键点。

每日经济新闻

宙世代

宙世代

ZAKER旗下Web3.0元宇宙平台

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

ai 机器人 春晚 创始人 ceo
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论