物理 AI 是风投最热门的领域之一，但机器人仍然缺乏真正创造价值的技能。在 Actuate 大会上，开发者们讨论了物理 AI 面临的「数据危机」和「GPT-2 时代」困境，以及何时才能迎来机器人领域的 ChatGPT 时刻。
物理 AI 是风险投资最热门的领域之一，公司们筹集了数十亿美元，将大型语言模型的技术应用于机器人领域。这种热情帮助中国领先的机器人制造商宇树科技（Unitree）实现了大型 IPO，市值达 660 亿美元。但本周，该公司股价暴跌近一半。分析师指出一个明显的问题：虽然机器人的物理能力在提升，但它们仍然缺乏实际创造价值的技能。
在上周的 Actuate 大会上，为机器人构建 AI 大脑的开发者们热情高涨。该活动自 2023 年启动以来规模已扩大三倍，据组织者 Foxglove 称，有 1500 名参与者。但风险也很明显：一家物理 AI 基础设施公司的展位上写着「解决机器人数据危机」。
这场危机就是 AI 模型缺乏高质量训练数据。构建能做任何任务的通用机器人仍然遥不可及，而使用端到端学习执行特定任务仍未交付可靠的商业产品。对开发者来说，答案是更好的模仿前沿 AI 实验室的进步——找到或创建更多样化的数据集、尝试不同的训练方案、设计更好的强化学习场景。
Antioch 创始人 Harry Mellsop 认为，物理 AI 正处于「GPT-2 时代」——即 ChatGPT 出现之前的 OpenAI 模型时代。需要更多的数据和计算能力来突破瓶颈，特别是用于光线追踪的 GPU，以创建高保真仿真。
最领先的是自动驾驶汽车，部分原因是能够从人类驾驶的汽车中收集相关数据，部分原因是主要任务是避免碰撞而非操纵物理环境。现在，这些汽车公司越来越相信他们的 ML 工具投资将使他们能够与专用的人形机器人制造商竞争。特斯拉已经在尝试用 Optimus 机器人做到这一点，Wayve 和 Uber 也推出了专注于人形机器人的机器人实验室。
Wayve CEO Alex Kendall 认为，现在承诺任何单一硬件平台还为时过早——传感器和其他组件的进步很快，真正的通用模型应该更加独立于硬件。而垂直整合的人形机器人公司 Genesis AI 的 CEO Théophile Gervet 则认为，这个阶段「大脑策略」为时过早，有很多机会可以协同设计硬件和 AI。
对于物理 AI 的 ChatGPT 时刻，开发者们有不同的看法。Kendall 认为一个例子是「在不到 1000 美元硬件成本的汽车中实现无人监督的自动驾驶」。Gervet 则认为，「你可以用自然语言与机器人对话，让它执行任何基本操作，如推、拉、合上笔记本电脑、清理桌子，可靠性达到 80% 以上——这就是你的 ChatGPT 体验。」
Foxglove CEO Adrian Macneil 则持不同看法：「机器人领域不会有 ChatGPT 时刻。ChatGPT 之所以成为里程碑时刻是因为分发——它在一周内从零到百万用户。在现实世界中的分发要难得多。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能做有用和有趣事情的家用机器人？」
来源：TechCrunch
