物理人工智能（Physical AI）是风险投资领域最热门的赛道之一，众多公司筹集了数十亿美元资金，旨在将赋予大语言模型的工具应用于机器人领域。
这种热情助力宇树科技（Unitree）——中国领先的机器人制造商——实现了一次重磅首次公开募股（IPO），该公司在登陆中国版纳斯达克后估值达到660亿美元。然而本周，其股价大幅下挫，市值几乎蒸发了一半。分析师指出一个显而易见的问题：尽管机器人的物理能力正在提升，但它们仍缺乏真正创造价值的实际工作能力。
在上周举行的Actuate大会上，一群致力于为机器人构建“AI大脑”的开发者齐聚一堂，现场气氛热烈。据帮助物理AI模型构建者管理和可视化数据的Foxglove公司称，自2023年首届举办以来，该活动规模已扩大三倍，参会人数达1500人。
风险同样显而易见：另一家物理AI基础设施玩家Avala的展位上挂着一块招牌，承诺解决“机器人数据危机”。
这场危机指的是AI模型缺乏高质量训练数据。试图构建能执行任何任务的通用机器人仍遥遥无期，而针对特定任务使用端到端学习仍未带来具备可靠商业性能的产品。对于开发者而言，答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，尝试不同的训练机制，并探索更优的强化学习场景。
物理AI正处于“GPT-2时代”
Harry Mellsop是Antioch的创始人之一。这家初创公司为模型构建者开发模拟工具。他认为物理人工智能正处于其“GPT-2时代”，即OpenAI在ChatGPT问世之前的那个模型阶段。要跨越这一瓶颈，需要更多的数据和算力，尤其是用于创建高保真模拟的光线追踪优化GPU。
目前进展最快的是自动驾驶汽车，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任务是避免碰撞，而非操控物理环境。许多模型构建工具来自自动驾驶汽车公司；例如，Foxglove由前Cruise员工创立，而Cruise是通用汽车此前推出的自动驾驶项目。
如今，这些汽车公司越来越相信，它们在机器学习工具上的投资将使它们能够与专门的人形机器人制造商竞争。特斯拉已经通过其Optimus机器人尝试了这一路径，而现在，专注于自动驾驶的Wayve和网约车巨头Uber也分别成立了专注于人形形态的机器人实验室，作为研发举措。
硬件平台之争与垂直化路线
Wayve首席执行官Alex Kendall对TechCrunch表示：“我认为你需要从车辆领域开始……操作机器人技术就像五年前的自动驾驶一样。”数据基础设施、仿真和机器学习运维基础设施可能会共享，但模拟器的特定世界模型将在后训练阶段有所不同。尽管会有更多的共性，但也需要针对不同形态进行一些差异化的调整。
Kendall认为，现在承诺采用任何单一硬件平台还为时过早——传感器和其他组件的进步正在迅速推进，而一个真正通用的模型应该更加中立。
Genesis AI总裁兼联合创始人Théophile Gervet对此持不同意见。这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。他对TechCrunch表示：“在这个浪潮中，我们仍处于早期阶段，因此‘大脑策略’难以奏效；我们的观点是，在硬件与AI协同设计方面存在大量机会。”
Gervet还触及了该领域的另一个热门话题：如何具体聚焦你的物理AI业务。针对特定任务的机器人公司正在将机器人投入实际使用——Gritt正在建设太阳能农场，Agility正在工业环境中部署机器人，Bedrock则自主操作挖掘机。与此同时，通用型人形机器人尚未走出实验室。
Gervet谈到这一困境时表示：“没有客户关心那些成功率仅为80%的通用机器人。”他补充道：“我们看到很多其他玩家选择走通用路线，但由于缺乏垂直领域的专注，它们并未提供价值。……然而，如果你基于GPT-2构建[针对狭窄]垂直领域的应用，你将被基于GPT-4的公司彻底碾压。”
真实世界数据是关键资产
然而，投资特定垂直领域的诱惑在于，它不仅能带来收入，还能提供真实世界的部署数据。虽然任务特定的数据可能不足以推动通用模型的发展，但对于制造具有实际价值的机器人来说至关重要。Bedrock首席技术官Kevin Peterson指出，他的公司最初以挖掘作为切入点，旨在理解“野外操作”的挑战，但计划开发一种能够跨越一系列建筑机器的智能层。
管理所有这些数据是一项挑战，尤其是由于视觉和激光雷达数据的密度极高。Foxglove本周宣布推出了一款新产品，该产品基于Nvidia的Cosmos开源世界模型构建，允许工程师通过复杂的自然语言查询搜索这些数据，从而构建评估和仿真。其目标是加快分类和调试速度，使模型构建者能够更快地迭代。
物理AI的“ChatGPT时刻”何时到来？
那么，Sam Altman 最近表示就在几年之内的、所谓物理 AI 的“ChatGPT 时刻”究竟会是什么？Kendall 指出，目前全球最大的机器人部署仍然是消费级扫地机器人。对他而言，“ChatGPT 时刻”应该是能激发消费者兴奋感的事物，而不是投资者——后者显然已经相当兴奋了。
Kendall 说：“一个例子就是，当你在汽车中获得‘脱眼’（eyes-off）自动驾驶能力，且硬件成本低于 1000 美元时。”巧合的是，他的公司正在向汽车制造商授权模型，以期实现这一目标。他认为这项业务是一个数十亿美元的市场机会，将使他们能够构建真正通用的具身 AI 模型。
对于 Gervet 来说，物理 AI 成为现实的时刻是“开箱即用的操作能力。你可以用自然语言与机器人对话，让它执行任何基本的操作任务，比如推、拉、合上笔记本电脑、清理桌子，无论你想做什么，它都能以一定的可靠性运行，我们姑且说是开箱即用就能达到 80% 以上的可靠性——这大致就是你的 ChatGPT 体验。”
Foxglove 的首席执行官 Adrian Macneil 对这个问题有着不同的看法。
他告诉 TechCrunch：“机器人领域不会出现‘ChatGPT 时刻’。让 ChatGPT 成为一个时代标志的是其分发能力——它在大约一周内就从零增长到了约百万活跃用户……而在现实世界中的分发要困难得多，对吧？我会非常期待机器人领域的‘Apple II 时刻’或‘IBM PC 时刻’。什么时候我能买到一台家用机器人，开始做一些有用且有趣的事情呢？”
更正：本文最初报道 Théophile Gervet 是 Genesis AI 的首席执行官；他实际上是总裁兼联合创始人。