机器人智能体：从GPT-2时代迈向新高峰

物理AI投资热潮与市场波动

物理AI已成为风险投资领域最受关注的赛道之一，众多企业筹集数十亿美元资金，旨在将大型语言模型技术应用于机器人领域。这一热潮推动了中国领先机器人制造商宇树科技成功上市，在登陆中国版纳斯达克后，公司估值高达660亿美元。然而，本周该公司市值几乎腰斩，分析师指出一个明显问题：尽管机器人的物理能力正在提升，但它们仍缺乏创造实际价值的工作能力。

开发者大会规模激增，行业热情高涨

在上周举行的Actuate开发者大会上，这一热情显而易见。该会议聚集了为机器人构建AI智能体的开发者，据主办方Foxglove公司（一家帮助物理AI模型构建者管理和可视化数据的企业）统计，自2023年启动以来，会议规模已扩大三倍，吸引了1500名与会者。

物理AI面临的数据挑战

风险同样显而易见：另一家物理AI基础设施公司Avala的展位上挂着一个标志，承诺解决”机器人数据危机”。这一危机指的是AI模型缺乏高质量训练数据的问题。

目前，试图构建能够执行任何任务的通用机器人仍遥不可及，而使用端到端学习方法针对特定任务训练的产品，尚未实现可靠且具有商业性能的表现。对于开发者而言，解决方案是更好地模仿前沿AI实验室的进展：寻找或创建更多样化的数据集，尝试不同的训练方案，并设计更有效的强化学习场景。

物理AI的发展阶段与突破路径

Antioch公司创始人哈里·梅尔索普指出，物理AI目前处于”GPT-2时代”，即OpenAI在ChatGPT出现之前开发的模型阶段。要跨越这一障碍，需要更多数据和计算能力，特别是针对光线追踪优化的GPU，这些GPU被用于创建高保真度模拟。

自动驾驶领域的领先地位

在物理AI领域，自动驾驶车辆处于领先地位，部分原因在于能够从人类驾驶的车辆中收集相关数据，部分原因在于其主要任务是避免接触而非操作物理环境。许多模型构建工具来自自动驾驶公司，例如Foxglove就由通用汽车前自动驾驶部门Cruise的前员工创立。

汽车公司与机器人制造商的竞争新格局

如今，这些汽车公司越来越相信，他们在机器学习工具上的投资将使他们能够与专业人形机器人制造商竞争。特斯拉已通过其Optimus机器人尝试这一策略，而专注于自动驾驶的Wayve和网约车巨头Uber也相继成立了专注于人形机器人研发的实验室。

“我认为你需要从车辆开始…操作型机器人就像是五年前的自动驾驶，”Wayve首席执行官亚历克斯·肯德尔表示，”数据基础设施、模拟和机器学习运营基础设施可能会共享，但模拟器的特定世界模型将是不同的后训练处理。它们之间会有更多共性，但不同形态仍需要一些差异。”

硬件策略的分歧

肯德尔认为，现在就承诺任何一个硬件平台还为时过早——传感器和其他组件的进步正在迅速发展，真正的通用模型应该更加中立。

Genesis AI首席执行官西奥菲勒·格维特对此持不同看法。该公司是一家垂直整合的人形机器人公司，今年完成了1.05亿美元的种子轮融资。格维特表示：”我们在这波浪潮中还为时过早，采用大脑策略无法奏效；我们的观点是，硬件与AI共同设计存在大量机会。”

专业化与通用化的战略选择

格维特还谈到了行业中的另一个热门话题：如何具体定位物理AI业务。针对特定任务的机器人公司正在将产品投入实际应用——Gritt正在建设太阳能发电厂，Agility在工业环境中部署机器人，而Bedrock则自主操作挖掘机。与此同时，通用型人形机器人仍停留在实验室阶段。

“没有客户关心成功率仅为80%的通用型机器人，”格维特描述这一困境时说，”我们看到许多玩家走向通用化，但由于没有垂直聚焦，没有提供价值…但如果你是基于GPT-2为狭窄垂直领域构建，你将被基于GPT-4构建的公司击败。”

数据管理与技术突破

然而，投资特定垂直领域具有诱惑力，因为它不仅带来收入，还能提供实际部署数据。虽然特定任务的数据可能缺乏足够的多样性来推动通用模型发展，但对于构建创造价值的机器人而言，这些数据至关重要。Bedrock首席技术官凯文·彼得森指出，公司从挖掘工作开始，目的是理解”野外操作”的挑战，但计划开发一个跨越一系列建筑设备的智能层。

管理所有这些数据是一项挑战，特别是视觉和激光雷达数据的密集性。Foxglove本周发布了一款新产品，基于英伟达的Cosmos开放权重世界模型构建，允许工程师使用复杂的自然语言查询搜索数据，以构建评估和模拟。目标是实现更快速的分诊和调试，使模型构建者能够更快迭代。