具身智能苦等“ChatGPT時(shí)刻”

作者 | 曹全景

編輯 | 黃運(yùn)濤

在人工智能的諸多分支中，具身智能是近一年間被高頻提及的方向之一。

從工業(yè)機(jī)器人到服務(wù)機(jī)器人，從自動(dòng)駕駛到人形機(jī)器，各條技術(shù)路線每隔一段時(shí)間就會(huì)被寄予一次“通用智能入口”的期待。

但與算法驅(qū)動(dòng)的軟件革命不同，它始終被現(xiàn)實(shí)世界的摩擦力拖慢節(jié)奏。

如果只看公開(kāi)視頻，具身智能的公共敘事幾乎被同一組類似的畫(huà)面占據(jù)：機(jī)器人跑得更穩(wěn)了，抓得更準(zhǔn)了，動(dòng)作更連貫，任務(wù)更復(fù)雜。融資在加速，模型在迭代，具身智能似乎正處在一條確定無(wú)疑的上升曲線。

成功被循環(huán)播放，失敗被剪掉——在實(shí)驗(yàn)室之外，另一種敘事同時(shí)存在：部署成本、穩(wěn)定性、維護(hù)復(fù)雜度，仍在反復(fù)拉長(zhǎng)商業(yè)化的時(shí)間表。

2月10日，原力靈機(jī)的首次技術(shù)開(kāi)放日在北京中關(guān)村國(guó)家自主創(chuàng)新示范區(qū)展示中心舉行。

原力靈機(jī)發(fā)布了三款核心產(chǎn)品：具身原生大模型 DM0、具身原生開(kāi)發(fā)框架 Dexbotic 2.0、以及具身原生應(yīng)用量產(chǎn)工作流 DFOL。這也是原力靈機(jī)成立近一年來(lái)，公司核心團(tuán)隊(duì)第一次集體公開(kāi)亮相。

在當(dāng)天的“PhysicalAl Next 圓桌論壇”上，來(lái)自產(chǎn)、學(xué)、研的五位嘉賓花了約一半的時(shí)間，討論一個(gè)問(wèn)題：

具身智能的ChatGPT時(shí)刻何時(shí)到來(lái)？

具身智能的ChatGPT時(shí)刻——這是一個(gè)混合了技術(shù)突破、產(chǎn)品體驗(yàn)與商業(yè)想象的復(fù)合概念。它既指模型能力的躍遷，也暗含一種期待：像ChatGPT一樣，被非技術(shù)用戶快速理解、低成本使用，并形成規(guī)模化擴(kuò)散。

它帶著某種技術(shù)樂(lè)觀主義的興奮。畢竟，大模型在ChatGPT發(fā)布后迅速?gòu)膶?shí)驗(yàn)室走向全球數(shù)億用戶，完成了一次清晰可辨的躍遷。

人們自然期待，當(dāng)人工智能擁有了身體——能行走、抓取、操作物理世界的實(shí)體——是否也會(huì)迎來(lái)類似的爆發(fā)點(diǎn)？

ChatGPT的成功，在于它提供了一種使用成本低、使用結(jié)果高度穩(wěn)定且可重復(fù)驗(yàn)證的體驗(yàn)：任何人打開(kāi)瀏覽器，輸入一句話，幾秒內(nèi)就能獲得輸出。這種“即開(kāi)即用”的特性，使其迅速成為通用工具。

更重要的是，大模型的擴(kuò)散幾乎不依賴新增物理基礎(chǔ)設(shè)施：算力集中在云端，終端只是入口。對(duì)產(chǎn)業(yè)來(lái)說(shuō)，這是一次典型的“輕資產(chǎn)躍遷”。

具身智能則完全不同。它是一個(gè)集硬件、算法、環(huán)境感知與運(yùn)維體系于一體的物理系統(tǒng)。

北京智源人工智能研究院院長(zhǎng)王仲遠(yuǎn)認(rèn)為，即便模型能力在提升，也還遠(yuǎn)沒(méi)有到具身智能的ChatGPT時(shí)刻。“尤其當(dāng)具身智能的模型和硬件真機(jī)部署之后，我們發(fā)現(xiàn)離真正希望的大規(guī)模應(yīng)用還是有比較大的gap。”

這個(gè)差距，源于物理世界固有的不確定性——地面是否平整、光照是否有變化、零部件是否存在微小公差、傳感器是否會(huì)老化……任何一個(gè)變量都可能導(dǎo)致任務(wù)失敗。

這也是為什么，在當(dāng)前階段，具身智能還仍停留在“可演示”而非“可大規(guī)模復(fù)制”的狀態(tài)：一次成功，并不等于系統(tǒng)性成功。

更關(guān)鍵的是，同一臺(tái)機(jī)器人，在不同時(shí)間、不同地點(diǎn)的表現(xiàn)可能截然不同。這意味著，它無(wú)法像ChatGPT那樣，為所有用戶提供統(tǒng)一、可預(yù)期的體驗(yàn)。而“時(shí)刻”的本質(zhì)，恰恰依賴于這種集體可感知的突變。

清華大學(xué)電子工程系長(zhǎng)聘教授汪玉認(rèn)為，當(dāng)前大多數(shù)機(jī)器人雖已有很大進(jìn)步，但還是“局限在一個(gè)工作臺(tái)上”，難以跨空間、跨模態(tài)完成連續(xù)復(fù)雜任務(wù)。

他甚至提出一個(gè)顛覆性設(shè)想：未來(lái)的住宅設(shè)計(jì)，或許需要加入“機(jī)器人適配”維度。也就是說(shuō)，與其“苛求”機(jī)器人適應(yīng)人類混亂的生活環(huán)境，不如讓建筑和基礎(chǔ)設(shè)施主動(dòng)為機(jī)器優(yōu)化。

雪豹財(cái)經(jīng)社認(rèn)為，在工業(yè)史上，這種路徑并不陌生——流水線、電梯、自動(dòng)門，都是先改變空間，再釋放自動(dòng)化價(jià)值。具身智能或許也需要類似的“環(huán)境工程”。

汪玉的觀點(diǎn)也揭示了大模型和具身智能的一大不同：大模型運(yùn)行在高度標(biāo)準(zhǔn)化的數(shù)字世界，而具身智能卻要闖入一個(gè)為人類而非機(jī)器設(shè)計(jì)的物理世界。前者是規(guī)則清晰的棋盤，后者是充滿噪聲的曠野。

究竟該如何定義ChatGPT時(shí)刻？

在階躍星辰創(chuàng)始人、CEO姜大昕看來(lái)，一個(gè)標(biāo)志性的東西就是零樣本。“零樣本去做泛化，給它任何一條指令，即使以前沒(méi)有見(jiàn)過(guò)，它也可以回答出問(wèn)題，這和原來(lái)的自然語(yǔ)言處理是完全不一樣的，這是為什么ChatGPT時(shí)刻大家覺(jué)得非常興奮。”

如果對(duì)比自然語(yǔ)言和具身智能，姜大昕覺(jué)得，具身智能的“ChatGPT時(shí)刻”會(huì)更加困難一些。他進(jìn)一步解釋稱：具身智能的泛化涉及場(chǎng)景、任務(wù)、目標(biāo)等多個(gè)維度，在哪個(gè)維度上定義“突破”，本身就缺乏共識(shí)。

單純技術(shù)維度的突破，并不必然等價(jià)于產(chǎn)品或產(chǎn)業(yè)維度的拐點(diǎn)。這種錯(cuò)位，正是“ChatGPT時(shí)刻”在具身智能領(lǐng)域被反復(fù)討論、卻難以實(shí)現(xiàn)的原因。

當(dāng)連“成功”的標(biāo)準(zhǔn)都無(wú)法統(tǒng)一，“時(shí)刻”自然淪為模糊修辭。

真正貼近商業(yè)落地的創(chuàng)業(yè)者，正在轉(zhuǎn)向更務(wù)實(shí)的定義。原力靈機(jī)聯(lián)合創(chuàng)始人、CEO唐文斌心中的具身智能ChatGPT時(shí)刻，是它變得有用、可信賴，并能夠在投資回報(bào)率（ROI）上算明白。

唐文斌坦言，“雖然行業(yè)非常火爆，繁花似錦，但我們實(shí)際上整個(gè)（具身）智能的能力還在蹣跚學(xué)步的階段。”

星海圖創(chuàng)始人、CEO高繼揚(yáng)則從產(chǎn)業(yè)鏈角度指出，大模型是“模型即產(chǎn)品”。大語(yǔ)言模型的終端是手機(jī)、電腦，渠道是社交媒體的傳播。模型好了，整個(gè)商業(yè)化、產(chǎn)業(yè)化的鏈條馬上就具備了。而具身智能的鏈條極長(zhǎng)，從供應(yīng)鏈、整機(jī)組裝到數(shù)據(jù)閉環(huán)、售后服務(wù)等，算法反而是傳播周期較短的一環(huán)。

這意味著，具身智能的商業(yè)化節(jié)奏，更兼有制造業(yè)的特性：資本回收慢、失敗成本高，任何一環(huán)掉鏈子，都會(huì)放大整體風(fēng)險(xiǎn)。單一技術(shù)的突破，很難撬動(dòng)整個(gè)系統(tǒng)的商業(yè)化進(jìn)程。“如果從業(yè)務(wù)產(chǎn)線的角度來(lái)說(shuō)，具身智能的ChatGPT時(shí)刻，是我們真的看到它在某些限定范圍內(nèi)具備商業(yè)價(jià)值的一個(gè)時(shí)刻。”高繼揚(yáng)說(shuō)。

對(duì)具身智能而言，“ChatGPT時(shí)刻”更像一個(gè)外借的隱喻，而非可被復(fù)制的路徑。

具身智能真正的分水嶺，或許并不表現(xiàn)為一次全民圍觀的技術(shù)奇跡，而是某一天，它在工廠、倉(cāng)庫(kù)、園區(qū)里悄然變成“離不開(kāi)但不被討論”的存在。

但在這個(gè)終局來(lái)臨之前，它的成熟將更像基礎(chǔ)設(shè)施的演進(jìn)——緩慢、無(wú)聲，卻不可或缺。

如果說(shuō)大模型證明了算法的爆發(fā)力，那么具身智能考驗(yàn)的，則是整個(gè)產(chǎn)業(yè)系統(tǒng)的耐力。

在這場(chǎng)沒(méi)有“神跡”的長(zhǎng)跑中，勝出者或許不是算法最炫酷的那一家，而是最懂供應(yīng)鏈、最能跑通真機(jī)閉環(huán)、最愿意沉入具體場(chǎng)景的那一方。

封面來(lái)源：《機(jī)器人總動(dòng)員》劇照