機器人大腦構建者正在走出他們的 GPT-2 時代

Physical AI 已成為風險投資領域最具活力的板塊之一，眾多公司獲得了數十億美元的融資，旨在將大語言模型背後的基礎工具應用於機器人領域。

這種熱情推動了宇樹科技（Unitree）——中國領先的機器人制造商——進行大規模首次公開募股（IPO），該公司在登陸中國納斯達克等效市場時，初始估值高達 660 億美元。然而，本週市場情緒急劇轉變，抹去了近一半的估值。分析師將這一下跌歸因於一個關鍵差距：儘管機器人的物理能力正在進步，但它們仍缺乏執行產生價值任務所需的實際技能。

在上週舉行的 Actuate 大會上——這是一個為開發機器人 AI 系統的開發者舉辦的峰會——行業的樂觀情緒顯而易見。據活動組織者 Foxglove 稱，該組織協助物理 AI 模型構建者管理和視覺化資料，自 2023 年創立以來，活動規模已擴大了三倍，吸引了 1,500 名與會者。

潛在的風險也同樣明顯。另一家物理 AI 基礎設施參與者 Avala 的展位上展示了一塊標牌，承諾解決“機器人資料危機”。

這一危機源於 AI 模型高質量訓練資料的短缺。構建能夠執行任何任務的通用機器人的目標仍然遙遠，針對特定任務的端到端學習尚未產生具有可靠、商業級效能的產品。對於開發者而言，解決方案在於效仿領先 AI 實驗室的進展：獲取或生成更多樣化的資料集，嘗試不同的訓練方法，並最佳化強化學習場景。

開發模型構建者模擬工具的初創公司 Antioch 的創始人 Harry Mellsop 將物理 AI 描述為處於其“GPT-2 時代”，指的是 ChatGPT 之前的 OpenAI 模型。克服當前的侷限性需要更多的資料和計算能力，特別是針對光線追蹤進行最佳化的 GPU，以建立高保真度的模擬環境。

自動駕駛汽車目前進展最為順利，部分原因在於能夠從人類駕駛的汽車中收集相關資料，部分原因在於其主要目標是避免碰撞，而非操縱物理環境。模型開發的大部分工具源自自動駕駛汽車公司；例如，Foxglove 由通用汽車前自動駕駛專案 Cruise 的前員工創立。

因此，這些汽車公司越來越相信，它們在機器學習工具方面的投資將使它們能夠與專用人形機器人制造商競爭。特斯拉已經透過其 Optimus 機器人 pursuing 這一策略，現在，專注於自動駕駛的公司 Wayve 和網約車巨頭 Uber 都建立了專門從事人形形態的機器人實驗室，作為其研發工作的一部分。

“我認為你需要從車輛開始……操縱式機器人是五年前的自動駕駛狀態，”Wayve 的執行長 Alex Kendall 告訴 TechCrunch。“資料基礎設施、模擬和機器學習運維基礎設施可能會共享，但模擬器的特定世界模型需要不同的後訓練。會有大量的共性，但也需要針對不同形態的差異。”

Kendall 認為，現在承諾任何單一硬體平臺為時過早，因為感測器和其他元件的進步正在迅速發生，一個真正的通用模型應保持硬體無關性。

今年獲得 1.05 億美元種子輪融資的垂直整合人形機器人公司 Genesis AI 的執行長 Théophile Gervet 對此表示不同意。他告訴 TechCrunch：“在這個浪潮中，我們處於太早期的階段，純‘大腦’策略無法成功；我們的觀點是，存在許多共同設計硬體和 AI 的機會。”

Gervet 還解決了該領域的另一個突出話題：如何具體聚焦物理 AI 業務。針對特定任務的機器人公司正在將機器人部署到實地——Gritt 正在建設太陽能農場，Agility 正在工業環境中運營機器人，Bedrock 正在自主執行挖掘機。與此同時，通用人形機器人主要仍侷限於實驗室。

“沒有客戶關心一個成功率僅為 80% 的通用機器人，”Gervet 在解釋這一困境時說道。“我們看到許多其他參與者追求通用方法，但如果沒有垂直領域的聚焦，它們無法提供價值。然而，如果你基於 GPT-2 級別的模型構建狹窄垂直領域，你將被基於 GPT-4 構建的公司擊敗。”

投資特定垂直領域的誘惑很大，因為它不僅產生收入，還產生現實世界的部署資料。雖然特定任務的資料可能缺乏推進通用模型所需的多樣性，但對於建立提供切實價值的機器人至關重要。Bedrock 的技術長 Kevin Peterson 指出，他的公司從挖掘開始，以瞭解“野外操縱”的挑戰，但計劃開發一個跨越一系列建築機械的智慧層。

管理如此大量的資料具有挑戰性，特別是由於視覺和鐳射雷達資訊的密度。本週，Foxglove 宣佈了一款基於 Nvidia Cosmos 開放權重世界模型的新產品，使工程師能夠使用複雜自然語言查詢搜尋資料，以構建評估和模擬。目標是更快的分診和除錯，使模型構建者能夠更快地迭代。

那麼，物理 AI 的所謂 ChatGPT 時刻是什麼？Sam Altman 最近表示這僅在未來幾年內？Kendall 指出，全球最大規模的機器人部署仍然是消費級吸塵器。對他來說，ChatGPT 時刻將涉及令消費者興奮的事物，而不是已經非常熱情的投資者。

“一個例子是在價值不到 1,000 美元的硬體中實現汽車的眼離自動駕駛，”Kendall 表示。巧合的是，他的公司正在向汽車製造商授權模型，目標正是實現這一點。他將此業務視為一個數十億美元的機會，將 enabling 建立真正通用的具身 AI 模型。

對於 Gervet 而言，物理 AI 成為主流的時刻是“開箱即用的操縱。你可以用自然語言指示機器人執行任何基本操縱任務，如推、拉、合上膝上型電腦或清潔桌子，並且它能可靠地執行——假設開箱即用成功率為 80%。這大致反映了 ChatGPT 的體驗。”

Foxglove 的執行長 Adrian Macneil 從不同的角度看待這個問題。

“機器人領域不會有 ChatGPT 時刻，”他告訴 TechCrunch。“使 ChatGPT 成為歷史性時刻的是其分發——他們在大約一週內從零增長到約一百萬活躍使用者。現實世界的分發要困難得多。如果機器人領域出現類似 Apple II 或 IBM PC 的時刻，我會非常興奮：我何時可以購買一臺開始執行有用且令人愉快的任務的家用機器人？”