机器人大脑构建者正在走出他们的 GPT-2 时代

Physical AI 已成为风险投资领域最具活力的板块之一，众多公司获得了数十亿美元的融资，旨在将大语言模型背后的基础工具应用于机器人领域。

这种热情推动了宇树科技（Unitree）——中国领先的机器人制造商——进行大规模首次公开募股（IPO），该公司在登陆中国纳斯达克等效市场时，初始估值高达 660 亿美元。然而，本周市场情绪急剧转变，抹去了近一半的估值。分析师将这一下跌归因于一个关键差距：尽管机器人的物理能力正在进步，但它们仍缺乏执行产生价值任务所需的实际技能。

在上周举行的 Actuate 大会上——这是一个为开发机器人 AI 系统的开发者举办的峰会——行业的乐观情绪显而易见。据活动组织者 Foxglove 称，该组织协助物理 AI 模型构建者管理和可视化数据，自 2023 年创立以来，活动规模已扩大了三倍，吸引了 1,500 名与会者。

潜在的风险也同样明显。另一家物理 AI 基础设施参与者 Avala 的展位上展示了一块标牌，承诺解决“机器人数据危机”。

这一危机源于 AI 模型高质量训练数据的短缺。构建能够执行任何任务的通用机器人的目标仍然遥远，针对特定任务的端到端学习尚未产生具有可靠、商业级性能的产品。对于开发者而言，解决方案在于效仿领先 AI 实验室的进展：获取或生成更多样化的数据集，尝试不同的训练方法，并优化强化学习场景。

开发模型构建者仿真工具的初创公司 Antioch 的创始人 Harry Mellsop 将物理 AI 描述为处于其“GPT-2 时代”，指的是 ChatGPT 之前的 OpenAI 模型。克服当前的局限性需要更多的数据和计算能力，特别是针对光线追踪进行优化的 GPU，以创建高保真度的仿真环境。

自动驾驶汽车目前进展最为顺利，部分原因在于能够从人类驾驶的汽车中收集相关数据，部分原因在于其主要目标是避免碰撞，而非操纵物理环境。模型开发的大部分工具源自自动驾驶汽车公司；例如，Foxglove 由通用汽车前自动驾驶项目 Cruise 的前员工创立。

因此，这些汽车公司越来越相信，它们在机器学习工具方面的投资将使它们能够与专用人形机器人制造商竞争。特斯拉已经通过其 Optimus 机器人 pursuing 这一策略，现在，专注于自动驾驶的公司 Wayve 和网约车巨头 Uber 都建立了专门从事人形形态的机器人实验室，作为其研发工作的一部分。

“我认为你需要从车辆开始……操纵式机器人是五年前的自动驾驶状态，”Wayve 的首席执行官 Alex Kendall 告诉 TechCrunch。“数据基础设施、仿真和机器学习运维基础设施可能会共享，但仿真器的特定世界模型需要不同的后训练。会有大量的共性，但也需要针对不同形态的差异。”

Kendall 认为，现在承诺任何单一硬件平台为时过早，因为传感器和其他组件的进步正在迅速发生，一个真正的通用模型应保持硬件无关性。

今年获得 1.05 亿美元种子轮融资的垂直整合人形机器人公司 Genesis AI 的首席执行官 Théophile Gervet 对此表示不同意。他告诉 TechCrunch：“在这个浪潮中，我们处于太早期的阶段，纯‘大脑’策略无法成功；我们的观点是，存在许多共同设计硬件和 AI 的机会。”

Gervet 还解决了该领域的另一个突出话题：如何具体聚焦物理 AI 业务。针对特定任务的机器人公司正在将机器人部署到实地——Gritt 正在建设太阳能农场，Agility 正在工业环境中运营机器人，Bedrock 正在自主运行挖掘机。与此同时，通用人形机器人主要仍局限于实验室。

“没有客户关心一个成功率仅为 80% 的通用机器人，”Gervet 在解释这一困境时说道。“我们看到许多其他参与者追求通用方法，但如果没有垂直领域的聚焦，它们无法提供价值。然而，如果你基于 GPT-2 级别的模型构建狭窄垂直领域，你将被基于 GPT-4 构建的公司击败。”

投资特定垂直领域的诱惑很大，因为它不仅产生收入，还产生现实世界的部署数据。虽然特定任务的数据可能缺乏推进通用模型所需的多样性，但对于创建提供切实价值的机器人至关重要。Bedrock 的首席技术官 Kevin Peterson 指出，他的公司从挖掘开始，以了解“野外操纵”的挑战，但计划开发一个跨越一系列建筑机械的智能层。

管理如此大量的数据具有挑战性，特别是由于视觉和激光雷达信息的密度。本周，Foxglove 宣布了一款基于 Nvidia Cosmos 开放权重世界模型的新产品，使工程师能够使用复杂自然语言查询搜索数据，以构建评估和仿真。目标是更快的分诊和调试，使模型构建者能够更快地迭代。

那么，物理 AI 的所谓 ChatGPT 时刻是什么？Sam Altman 最近表示这仅在未来几年内？Kendall 指出，全球最大规模的机器人部署仍然是消费级吸尘器。对他来说，ChatGPT 时刻将涉及令消费者兴奋的事物，而不是已经非常热情的投资者。

“一个例子是在价值不到 1,000 美元的硬件中实现汽车的眼离自动驾驶，”Kendall 表示。巧合的是，他的公司正在向汽车制造商授权模型，目标正是实现这一点。他将此业务视为一个数十亿美元的机会，将 enabling 创建真正通用的具身 AI 模型。

对于 Gervet 而言，物理 AI 成为主流的时刻是“开箱即用的操纵。你可以用自然语言指示机器人执行任何基本操纵任务，如推、拉、合上笔记本电脑或清洁桌子，并且它能可靠地执行——假设开箱即用成功率为 80%。这大致反映了 ChatGPT 的体验。”

Foxglove 的首席执行官 Adrian Macneil 从不同的角度看待这个问题。

“机器人领域不会有 ChatGPT 时刻，”他告诉 TechCrunch。“使 ChatGPT 成为历史性时刻的是其分发——他们在大约一周内从零增长到约一百万活跃用户。现实世界的分发要困难得多。如果机器人领域出现类似 Apple II 或 IBM PC 的时刻，我会非常兴奋：我何时可以购买一台开始执行有用且令人愉快的任务的家用机器人？”