造完“大模型”，“具身智能”將引領(lǐng)AI下一個(gè)浪潮？

　　資深機(jī)器人專(zhuān)家Eric Jang不久前曾預(yù)言：“ChatGPT 曾在一夜之間出現(xiàn)。我認(rèn)為，有智慧的機(jī)器人技術(shù)也將如此。”

　　3月13日深夜，一段人形機(jī)器人的視頻開(kāi)始熱傳。

　　在視頻中，F(xiàn)igure的人形機(jī)器人，可以完全與人類(lèi)流暢對(duì)話(huà)，理解人類(lèi)的意圖，同時(shí)還能理解人的自然語(yǔ)言指令進(jìn)行抓取和放置，并解釋自己為什么這么做。

　　而其背后，就是OpenAI為其配置的大型語(yǔ)言模型。由于OpenAI模型還支持多模態(tài)輸入，因此可為Figure提供高級(jí)視覺(jué)和語(yǔ)言智能。

　　而Figure本身，成立于2022年。從OpenAI 宣布介入與之合作，到今天它們共同推出一個(gè)能夠自主對(duì)話(huà)和決策的機(jī)器人，只有13天。

　　具身智能的發(fā)展，顯然正在加速。

　　具身智能進(jìn)化速度超越想象

　　在去年的ITF World 2023半導(dǎo)體大會(huì)上，英偉達(dá)創(chuàng)始人兼CEO黃仁勛表示，人工智能下一個(gè)浪潮將是“具身智能”(Embodied Intelligence)，是能理解、推理、并與物理世界互動(dòng)的智能系統(tǒng)，AI與機(jī)器人的融合，具有很好的想象空間。

　　他還介紹了英偉達(dá)的多模態(tài)具身智能系統(tǒng)Nvidia-VIMA，能在視覺(jué)文本提示的指導(dǎo)下，執(zhí)行復(fù)雜任務(wù)、獲取概念、理解邊界、甚至模擬物理學(xué)，標(biāo)志著AI能力的顯著進(jìn)步。

　　此外，在特斯拉召開(kāi)2023年年度股東大會(huì)上，馬斯克展示了人形機(jī)器人Optimus的全新型號(hào)，和具身智能機(jī)器人幾乎劃等。

　　馬斯克表示，人形機(jī)器人將是今后特斯拉主要的長(zhǎng)期價(jià)值來(lái)源，他也認(rèn)為，以具身智能機(jī)器人為代表的產(chǎn)品有望成為AI的下一浪潮。

　　1950年，圖靈在他的論文——《Computing Machinery and Intelligence》中首次提出了具身智能的概念。

　　具身智能(Embodied AI)指的是，有身體并支持物理交互的智能體，如智能服務(wù)機(jī)器人、自動(dòng)駕駛汽車(chē)等，具身智能機(jī)器人指的是，像人一樣能夠與環(huán)境交互感知、自助規(guī)劃、決策、行動(dòng)、執(zhí)行任務(wù)的機(jī)器人。

　　它包含人工智能領(lǐng)域幾乎所有的技術(shù)，包括機(jī)器視覺(jué)、自然語(yǔ)言理解、認(rèn)知和推理、機(jī)器人學(xué)、博弈倫理、機(jī)器學(xué)習(xí)等，橫跨多個(gè)學(xué)科方向，是AI的集大成者。

　　2023年是生成式AI的爆發(fā)之年，也被業(yè)內(nèi)人士稱(chēng)為“機(jī)器人覺(jué)醒之年”。ChatGPT等生成式AI與人形機(jī)器人行業(yè)結(jié)合，開(kāi)啟了具身智能的時(shí)代。

　　今天，在大語(yǔ)言模型的普及和GPT-4等前沿模型的推動(dòng)下，我們似乎見(jiàn)證了人工智能領(lǐng)域的一個(gè)新時(shí)代，人機(jī)交流也變得前所未有的流暢和無(wú)縫。

　　據(jù)2023年5月GGII發(fā)布的報(bào)告預(yù)測(cè)，預(yù)計(jì)到2026年，人形機(jī)器人在全球服務(wù)機(jī)器人市場(chǎng)中的滲透率預(yù)計(jì)將達(dá)到3.5%，市場(chǎng)規(guī)模超過(guò)20億美元。

　　各大科技公司和學(xué)術(shù)界的頂尖學(xué)者也不斷涌入這一領(lǐng)域的研究與產(chǎn)品開(kāi)發(fā)當(dāng)中。

　　然而，在繁榮熱潮的背后，潛在的困境卻也如影隨形。盡管ChatGPT等模式革命性地變革了AI領(lǐng)域，但它們?cè)诶斫饬�、�?lián)想力和交互能力等方面，仍然未能完全滿(mǎn)足公眾的期望。

　　這促使我們對(duì)看似毫無(wú)阻礙的進(jìn)步進(jìn)行重新評(píng)估，同時(shí)希望經(jīng)過(guò)不懈努力，人們能攻克實(shí)現(xiàn)真正的具身智能所面臨的復(fù)雜挑戰(zhàn)。

　　當(dāng)機(jī)器人遇上大模型

　　近年來(lái)，國(guó)內(nèi)多家企業(yè)發(fā)布了自主研發(fā)的人形機(jī)器人。人形機(jī)器人是所有機(jī)器人里最復(fù)雜的一類(lèi)，“具身智能”對(duì)機(jī)器人來(lái)說(shuō)意味著什么?當(dāng)大模型和機(jī)器人相結(jié)合，會(huì)發(fā)生哪些變化?

　　在“具身智能”的狀態(tài)下，機(jī)器人具備自主學(xué)習(xí)和計(jì)劃能力，遇到障礙和困難可以自主反應(yīng)、快速解決。

　　目前國(guó)內(nèi)已有200多個(gè)大模型，實(shí)際上人形機(jī)器人是一個(gè)載體，當(dāng)大模型和人形機(jī)器人相結(jié)合時(shí)，機(jī)器人可以幫助AI大模型感知物理世界，操作環(huán)境上下文;機(jī)器人利用多模態(tài)感知控制自己的身體，完成復(fù)雜的任務(wù)。

　　2023年上半年，以ChatGPT為代表的大語(yǔ)言模型爆炸式“出圈”，大語(yǔ)言模型以及結(jié)合視覺(jué)等多種傳感器的復(fù)雜多模態(tài)模型的成熟，是實(shí)現(xiàn)機(jī)器人完成具身智能的關(guān)鍵先決條件。

　　最為關(guān)鍵的一點(diǎn)是，成熟的“AI大模型”使機(jī)器人可以從程序執(zhí)行導(dǎo)向轉(zhuǎn)向任務(wù)目標(biāo)導(dǎo)向，向通用機(jī)器人的發(fā)展邁出堅(jiān)實(shí)步伐。

　　通俗點(diǎn)來(lái)說(shuō)，“大模型”與機(jī)器人的融合，讓發(fā)展已久的機(jī)器人能真正地長(zhǎng)出“腦子”。

　　機(jī)器人的“云大腦”通過(guò)在云、邊、端分布式算法、算力和大數(shù)據(jù)形成機(jī)器人智能，通過(guò) 5G等無(wú)線(xiàn)安全高速網(wǎng)絡(luò)連接云端大腦和機(jī)器人本體：機(jī)器人本體在“端”側(cè)完成各種任務(wù)。

　　云端大腦通過(guò)人工增強(qiáng)、多模態(tài)融合AI和數(shù)字生成等先進(jìn)技術(shù)，實(shí)現(xiàn)機(jī)器人智能地自我學(xué)習(xí)、不斷進(jìn)化與成長(zhǎng)。

　　AI真正賦能到各行各業(yè)、智能機(jī)器人走進(jìn)千家萬(wàn)戶(hù)的時(shí)代正在到來(lái)，伴隨著技術(shù)的突破帶來(lái)性?xún)r(jià)比提高，在未來(lái)，具身智能滲透率將有望加速提升。

　　根據(jù)高盛預(yù)測(cè)，在理想狀態(tài)下，若機(jī)器人軟硬件在短期內(nèi)產(chǎn)生重大技術(shù)突破，實(shí)現(xiàn)具身智能的同時(shí)年均降本達(dá)到20%，人形機(jī)器人全球市場(chǎng)空間 有望在2035年達(dá)到1540億美元，接近2021年智能汽車(chē)的市場(chǎng)空間，2025-2035年復(fù)合增長(zhǎng)率達(dá)到94%。

　　若是在樂(lè)觀情況下，人形機(jī)器人的出貨量有望在2035年達(dá)到100萬(wàn)臺(tái)，市場(chǎng)空間2025-2035年復(fù)合增長(zhǎng)率有望達(dá)到59%。

　　人形機(jī)器人的時(shí)代正在到來(lái)

　　2023年11月2日，工信部印發(fā)《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見(jiàn)》(以下簡(jiǎn)稱(chēng)《意見(jiàn)》)為人形機(jī)器人發(fā)展指明方向�！兑庖�(jiàn)》中指出，到2025年，人形機(jī)器人創(chuàng)新體系初步建立，“大腦、小腦、肢體”等一批關(guān)鍵技術(shù)取得突破，確保核心部組件安全有效供給。整機(jī)產(chǎn)品達(dá)到國(guó)際先進(jìn)水平，并實(shí)現(xiàn)批量生產(chǎn)。

　　2024年1月17日，AI研究實(shí)驗(yàn)室Midjourney創(chuàng)始人大衛(wèi)·霍爾茨(David Holz)在社交媒體的一篇帖子寫(xiě)道：“我們有理由期待，到2040年，地球上將有10億個(gè)人形機(jī)器人。到2060年，世界上將會(huì)有1000億人形機(jī)器人。”這預(yù)示著人形機(jī)器人的新時(shí)代正在到來(lái)。

　　近年來(lái)，具身智能在學(xué)術(shù)界的關(guān)注度持續(xù)升溫，在CoRL(機(jī)器人學(xué)習(xí)大會(huì))上，具身智能領(lǐng)域的論文數(shù)量呈現(xiàn)出快速增長(zhǎng)的趨勢(shì)。

　　而在2023年初舉行的 IROS(智能機(jī)器人及系統(tǒng)國(guó)際會(huì)議)上，具身智能也被作為一個(gè)極為重要的議題進(jìn)行了深入探討。

　　在2023年8月18日的世界機(jī)器人大會(huì)人形機(jī)器人技術(shù)與產(chǎn)業(yè)發(fā)展論壇上，2000年圖靈獎(jiǎng)獲得者、中國(guó)科學(xué)院院士、清華大學(xué)交叉信息研究院院長(zhǎng)姚期智指出，通用人工智能(AGI)的未來(lái)發(fā)展需要具備具身實(shí)體，與真實(shí)物理世界交互以完成各種任務(wù)。

　　只有這樣，才能為產(chǎn)業(yè)帶來(lái)更大的價(jià)值。

　　隨著中國(guó)社會(huì)老齡化程度將逐漸加深，勞動(dòng)力短缺問(wèn)題日益凸顯，同時(shí)中國(guó)制造業(yè)勞動(dòng)力總量下降，人工成本上升，因此“機(jī)器替代人”成為了重要趨勢(shì)。

　　目前，全球工業(yè)機(jī)器人部署量穩(wěn)定增長(zhǎng)，中國(guó)已成為世界最大的機(jī)器人市場(chǎng)。人形機(jī)器人在結(jié)構(gòu)上與人類(lèi)相似，未來(lái)有望覆蓋、替換所有原本需要人類(lèi)勞動(dòng)力的作業(yè)場(chǎng)景。

　　根據(jù)賽迪顧問(wèn)的報(bào)告，盡管目前各家人形機(jī)器人仍處于原型機(jī)研發(fā)的早期階段，但是其帶來(lái)的潛在技術(shù)變革以及對(duì)某些生產(chǎn)生活場(chǎng)景的改變值得高度關(guān)注。

　　人形機(jī)器人在制造業(yè)、航天探索、生活服務(wù)業(yè)、高校科研等領(lǐng)域具有較大的發(fā)展?jié)摿�，預(yù)計(jì)到2025年，人形機(jī)器人將有望實(shí)現(xiàn)在制造業(yè)場(chǎng)景應(yīng)用的突破，小批量應(yīng)用于電子、汽車(chē)等生產(chǎn)制造環(huán)境。

　　在中國(guó)，智能制造領(lǐng)域?qū)⒊蔀槿诵螜C(jī)器人首個(gè)實(shí)現(xiàn)大規(guī)模應(yīng)用的領(lǐng)域。人形機(jī)器人將圍繞工業(yè)制造、商用服務(wù)和家庭陪伴三大場(chǎng)景，重新定義人工智能時(shí)代的工人，把人類(lèi)從重復(fù)性勞動(dòng)中解放出來(lái)。

　　商用服務(wù)場(chǎng)景是人形機(jī)器人最快應(yīng)用的市場(chǎng)，而家庭落地場(chǎng)景則是人形機(jī)器人最具潛力的應(yīng)用市場(chǎng)。

　　近日，美國(guó)科技公司英偉達(dá)宣布成立通用具身智能體研究實(shí)驗(yàn)室GEAR。

　　去年以來(lái)，包括中國(guó)電科21所、智元機(jī)器人、科大訊飛、小鵬汽車(chē)、傅利葉智能在內(nèi)的多家國(guó)內(nèi)企業(yè)相繼發(fā)布了自主研發(fā)的具身智能機(jī)器人，并有多家企業(yè)擬在今年實(shí)現(xiàn)具身智能的商業(yè)化落地。

　　業(yè)界普遍認(rèn)為，2024年有望成為具身智能商業(yè)落地元年。

　　虛擬世界，與現(xiàn)實(shí)世界形成鮮明對(duì)比，提供了一個(gè)更為精密和可控的環(huán)境，使得智能體能夠進(jìn)行更加大膽和創(chuàng)新的行為。

　　這不僅是對(duì)人類(lèi)智能的延伸，更是一個(gè)通用人工智能誕生和發(fā)展的舞臺(tái)，為超越人類(lèi)智能水平的AI提供了理想的試驗(yàn)場(chǎng)和成長(zhǎng)空間。

　　或許，這也是各大科技公司對(duì)具身智能與虛擬世界寄予厚望的深層次原因。

　　這預(yù)示著，一個(gè)更加智能、更加互聯(lián)的未來(lái)正向我們走來(lái)。

　　相關(guān)閱讀

　　AI Agent：大模型的下一個(gè)高地

　　“狂飆”的ChatGPT，會(huì)是智能客服的新機(jī)會(huì)嗎?

　　一路狂飆的ChatGPT，是時(shí)候被監(jiān)管了

　　大模型會(huì)給操作系統(tǒng)帶來(lái)什么樣的想象?