大导演詹姆斯卡梅隆曾正在 2019 年担任编剧，制做了一部《阿丽塔：和役》的片子，这个片子的原著漫画《铳梦》早正在 1991 年的时候，就有一个很是超前的设定：住界底部「废铁镇 Scrapyard」的居平易近，大多是具有人类大脑，机械身体的人，而住界上方乌托邦城市「扎雷姆 Zalem」的居平易近，则都是成年后被摘除大脑，植入芯片大脑，被超等计较机节制，但具有人类的了。除去关于和役和科幻的描述，《铳梦》提出了一个正在其时看起来很的问题：具有人类大脑和机械的人，和拥无机械大脑和人类的人，哪个才算实正的人？2023 年下半年 ChatGPT 3。5 和大模子手艺起头进入视野之后，也有人喊出了一个标语：所有公司都该当是 AI 公司，不入局 AI，不会用 AI 的公司正在将来毫无合作力。于是我们正在 2024 年上半年履历了无数的人类剧变之夜，OpenAI、微软、Google 或者英伟达的任何新动静，都能够被解读为汗青的转机点。取狂飙突进的 AI 历程相婚配的，还有「具身智能 Embodied Intelligence」概念的兴起，这也是一个具备了哲学，生物，科幻和科技意义上的概念。我们能够这么简单理解「具身智能」：Embodied Intelligence 是付与智能以身体，把智能系统和机械人身体连系正在一路，使之能认知，理解，能够取交互和步履，来表现智能。正在制制业发财的中国，「具身智能」其实是一个比 AI 更吸惹人，更容易被公共接管的概念，也是更适合中国实业的 AI 手艺线。之所以有如斯感到，是由于外行业趋于沉着的 2024 年下半年之后，都提到了自家企业将来的成长标的目的城市是，或者都包含具身智能。风趣的是，这些企业都不是公共认知中严酷意义上的机械人公司，或者人工智能公司，而是公共眼里的车企，无人机车企，或者家电企业……客岁 8 月，爱范儿取抱负智驾团队有过对话，此中抱负智驾研发副总裁郎咸朋这么描述端到端手艺线的智能驾驶，和此前依托「-规划-节制」逻辑的智能驾驶是「能力和功能」的区别。正在采访中，抱负智驾焦点团队城市把抱负汽车比方成拆正在轮子上的机械人，也聊到了人形机械人等具身智能载体正在用「端到端+VLM」的框架的使用雏形。然后就是抱负创始人李想正在客岁岁尾表态接管专访，间接暗示抱负的定位和愿景：抱负是一家人工智能企业，努力于人工智能的汽车化，鞭策人工智能普惠到每一个家庭。若是关心过 2024 小鹏 AI 科技日勾当的话，也会发觉小鹏更是高举 AI 大旗，还发布了 AI 机械人 Iron，并把 AI 机械计谋人放正在了主要，暗示没有 500 亿，做欠好 AI 机械人。更不消说马斯克几回再三强调「特斯拉是一家 AI 和机械人公司，而不只是一家汽车公司」，关于制车卖车这件事，大师想必感受到了马斯克曾经意兴阑珊，他更多的精神正在 xAI 和 TeslaBot，还有 RoboTaxi+FSD 的贸易模式上。以至是被大师认为最正统最纯粹的 AI 公司 OpenAI，也能够是一家具身智能公司。AI 机械人公司 Figure 背后的投资方包罗了 OpenAI、微软、英伟达等巨头企业，客岁下半年发布的 Figure 02 被称为「地球上最先辈的 AI 硬件」，此中的 AI 手艺，包罗多模态 AI 能力，由 OpenAI 供给。很是分歧的是，无论是特斯拉的 TeslaBot，仍是小鹏的 Iron，亦或是 Figure 02 都被放置进了汽车出产车间打工，这此中虽然有营销的成分，但也申明他们的愿景。正在不少的细分范畴，好比专注正在农业范畴的极飞，认为正在耕种管收的农业出产阶段，具身智能也有用武之地，好比大型棉田粮田都有大型收割机械，可是正在收苹果收梨子这种果园场景，大型农机难以进入，次要仍是靠人力来采摘，具有复杂狭小地形步履能力和机械臂的 AI 机械人，正好适合这种场景。而目上次要产物为扫拖机械人和洗地机的云鲸，则认为目前家庭洁净只做到了平面，也就是地面的洁净，将来云鲸的成长标的目的是空间洁净，即各类桌面台面的洁净和拾掇。想要做到空间洁净，天然也需要以「视觉能力」为焦点的人工智能能力，以及正在扫拖机械人根本长进化而来的更度的机械布局。无独有偶，正在 2025 年 CES 旗舰，同为扫地机械人出产商的石头和逃觅，都发布了带机械手的扫地机械人，或者是仿生多关节机械手手艺，扫地机械人只是机械手手艺的载体罢了。更早之前，戴森也发布了机械手清理家居的演示物料，根基上各大处置家居洁净工做的厂商，都起头思虑用机械臂机械手的硬件，和以 AI 视觉为焦点的 AI 能力来冲破只能洁净地面的局限，这是家居里的具身智能。虽然小题目里的「所有公司都可能是具身智能公司」这句话有点题目党，但如斯强调的意义正在于，这一批有志于具身智能的企业，并不完满是离贸易化较远，离前沿手艺很近的机械人公司（好比机械人），而很可能是我们身边日常接触的企业，它们有成熟的贸易模式和现金流，以及敌手艺的庞大投入决心。良多抢手的手艺趋向，好比 AR/VR/XR，元，NFT 等等，热度大概高，但共识很懦弱，各有各的设法和算盘，没有合力，也没有普适场景。「给岁月以文明，而不是给文明以岁月」是个全能句式，就像我们会商具身智能的时候，也要会商是「给身体以智能，仍是给智能以身体？」一样。也能够回到起头的问题，《铳梦》提出的「具有人类大脑和机械的人，和拥无机械大脑和人类的人，哪个才算实正的人？」图灵获得者、中国科学院院士、大学交叉消息研究院院长，也是世界最顶尖计较机人才摇篮「姚班」的开办者姚期智，正在 2023 年世界机械会上讲话说：身体的部门具身必必要有脚够的硬件，具有传感器和施行器，小脑会从导视觉、触觉各类来节制身体，完成复杂的使命，最初大脑部门，它从导上层的逻辑推理、决策、长时间的规划以用天然言语可以或许和其他的智能体、交换。做为担任「-推理-预测-步履」的模块，现在具身智能的大脑能力和人类还有庞大的差距，研究上也属于晚期阶段，Google 正在 2022 年发布了机械人节制系统 SayCan，次年发布了 562B 参数的多模态大模子 PaLM-E，此中包罗 22B 参数的视觉模子。PaLM-E 的前进之处正在于，具身智能机械人能够按照人类的天然言语指令，自从分化使命，付诸步履，完成使命，雷同于 ChatGPT 按照 prompt 生成成果。别的 Google 和 DeepMind 等机构也一曲正在汇集机械人的锻炼数据集，最新的 RT-X 汇集了 22 种分歧机械人类型的数据，涵盖 100 万个片段，展现了机械人 500 多项技术和 16 万项使命表示。斯坦福终身传授、前 Google 首席科学家李飞飞比来的研究沉心也转移到了空间智能，而且开办了空间智能科技公司 World Labs，意正在将 AI 模子从 2D 像素平面提拔到完整的 3D 世界（虚拟和现实世界），建立大型世界模子 (LWM)，以、生成和取 3D 世界互动。而正在开办 World Labs 之前，李飞飞正在具身智能范畴也有严沉贡献，她带领的 VoxPoser 和 PaLM-E 雷同，也是具身智能多模态大模子，具有很强的视觉智能，以及把天然言语指令改变为具体步履的能力。这个天然言语指令和最终动做之间，申明 VoxPoser 支撑下的机械人可以或许晓得什么是抽屉，什么是花瓶，看获得抽屉和花瓶正在 3D 空间的方位，「小心」的潜台词是什么，最终使命是什么……。这意味着机械人有耳朵，有眼睛，有脑子，当然也有手。脑子会理解耳朵听到的指令，然后拆解成使命步调，接着脑子还会批示眼睛，去生成空间消息的「地图」，最初手会按照「地图」进行步履。如斯复杂的过程傍边，多模态大模子中的狂言语模子和视觉模子会不竭交互，生成拆解使命的代码，空间消息地图，以及施行使命的代码等等消息。更环节的是，机械人没有颠末预锻炼，而是间接完成了使命，这就是具身智能和先前机械人的最大区别：之前的机械人，无论是产线上的机械臂，仍是晚会上跳舞的机械人，都是按照固定法式运转，行为只要一套模板，无解消息并做出反映。多模态大模子支撑下的具身智能也会发生「出现」的能力，好比正在没有预锻炼的环境，要机械人把抽屉抽出一半这个使命，由于机械人事后不晓得抽屉的长度，所以「一半」是什么，对于机械人是未知数。或者说，像 VoxPoser 如许的多模态大模子，付与了具身智能「泛化」的能力，即具身智能不止能干一件事，而是能够触类旁通，干良多工作。这就又回到了前面说的阿谁问题，是授人以渔仍是授人以鱼。端到端大模子是智驾里的「授人以渔」，写规控是「授人以鱼」，雷同的，多模态大模子本人生成代码是本人控制了「能力」，能力可以或许发生多种「功能」。VoxPoser 的演示可以或许帮帮我们理解具身智能和此前各类机械人的显著区别，也可以或许回覆小题目的设问：给身体以智能，仍是给智能以身体？《铳梦》的问题也有了谜底，具有人类大脑和机械的人，和拥无机械大脑和人类的人，哪个才算实正的人？当然也是前者。当我思虑为什么现正在的汽车厂商如斯热衷于 AI 和具身智能，以致于都要丢弃「汽车厂商」身份的时候，呈现了这么一些设法：特斯拉位于上海的工场是汽车行业里从动化程度最高，效率最高的工场之一，当然也可能是人类参取起码的汽车工场之一，绝大大都出产拆卸工序，都依托机械完成。而「黑灯工场」的概念，也深受汽车行业欢送，不少车企还会特地宣传「黑灯工场」，所谓「黑灯工场」，就是指无需人类参取，从动化智能化程度极高，能够不消照明也能够运转的产线或工场。做为通俗人，我们理解汽车对人类的「丢弃」更多仍是智能驾驶层面，「驾驶行为」能够预见到正在将来会变得越来越罕见，离日常越来越远，离乐趣快乐喜爱越来越近。我们也能够从另一个角度去理解汽车这种产物，无论是特斯拉仍是蔚小理的产物，都能够算做是通俗人可以或许具有的马力最大，智力最高产物。正在很长一段时间里，马力和智力是分隔的，燃油车时代的汽车智力无限，车内虽然芯片浩繁，但制程和算力都很掉队，我们日常利用的手机和电脑，以及背后的云计较，具有不错的算力，但都不会具有马力。若是从这个角度考虑，那些正在往汽车里加传感器加大算力芯片，自建万卡锻炼集群做大模子的汽车品牌，和聘用画线老给汽车画腰线的汽车品牌，曾经是完全分歧的品类了。比来马斯克和川普的一些狂热支撑者（简称 MAGA 群体）正在社交上有过一场狠恶的比武，起因是 MAGA 群体否决高手艺人才工做签证，认为这类签证会抢走本土着土偶才的工做机遇，把大好工做机遇留给外人。通过高手艺人才工做签证等路子引进的工程手艺人才很是主要，就像 NBA 的掘金队引进塞尔维亚活动员约基奇一样。雷同的桥段也有佐证，比若有说，美国投资人若是看到一个硅谷互联网创业团队里没有华裔名字，才是快刀，马斯克和他盟友的潜台词意义差不多就是，MAGA 群体干不了高手艺人才的活，活是给伶俐人干的。制制业、物流、建建业、仓储、食物加工等范畴中，大量低技术、高反复性的岗亭是目前 MAGA 群体的次要就业机遇，这些岗亭曾经被不少从动化产线所侵犯，残剩的更柔性的部门，也很有可能被具有更强理解能力和进修能力的具身智能机械人所代替。当一家企业的创始人同时可以或许出产庞大的马力和智力的时候，他很难不想着去用这两种力量去替代羸弱而复杂的人类。办理过巨型企业的企业家更是深知人是何等难以办理，以及机械人是何等好办理。敌手艺抱有，看到 AGI 曙光的企业家，天然也不会让 AI 只显示正在屏幕上。2024 年对于日德车企来说，不是很好的年份，由于一方面市场份额鄙人降，利润骤减，产能也起头呈现冗余了；另一方面，产能冗余，但工人工资仍是要发，逐利的本钱天然会考虑裁人降本，但正在工会组织强大的，又是坚苦沉沉。比拟于正在中国出产一辆汽车，公共正在出产一辆汽车的成本要高得多，成本高合作力就下降，合作力下降，份额就削减，份额下降，产能不饱，成本还会继续变高，公共正在本土就进入了如许的泥沼之中，所以公共打算正在本土关厂降薪裁人，然后就是工会否决，员工。颠末漫长的构和，公共和工会告竣和谈：不关厂，但裁人，到 2030 年逐渐正在本土裁人 3。5 万人。对于企业从来说，押注具身智能，是希望它们成为更高效率，更低成本（利用成本和办理成本）的劳动力。对于我们来说，老龄化不成逆转的环境下，处置根本的农业、制制业、办事业工做的劳动力能够预见识会呈现欠缺，智能化和具身智能被认为是最无效的解法之一，这正在诸多企业家或者创业者眼里是共识。以至对于现正在曾经有一些制制业的企业从起头埋怨，年轻人更情愿送外卖，也不情愿进厂，缘由不过乎送外卖更收入预期更高，进厂打工性价比不高。中短期，ToB，工业场景落地，较保守工业机械人，不局限于一种工做，依托轮式底盘 + 可起落高度机械臂 + 工致手 / 夹爪 / 三指挪动和工做。中期，ToB，办事场景落地，更类人型，可以或许正在零售（分拣、理货）、酒店 & 餐厅（收餐、递送）、洁净（非平面操做洁净）、巡检（办公楼）场景胜任工做。远期，办事场景落地，满脚儿童文娱、白叟、陪同等感情型功能，以及家用洁净收纳等复杂需求。关于具身智能，劳动力和企业从的环境有良多，以至有些环境看起来仍是矛盾的，一会儿产能冗余，劳动力太多，一会儿劳动力又太少，但素质上仍是统一个问题，若是有选择，企业从其实不喜好用人当劳动力，就像没有教员喜好当班从任那样，加津贴也不喜好。《铳梦》里面，乌托邦城市「扎雷姆 Zalem」的被摘除原始大脑被植入芯片大脑的居平易近，然后接管超等计较机同一办理，才是企业从最喜好的模式。当然，现实不会如斯，一方面，人类和机械人的成长，确实会像《铳梦》描述的那样，人类好像「废铁镇 Scrapyard」居平易近那样起头赛博格化，从外置机械起头，再接管必然程度上的身体机械化，从残障和疾病人群用机械补脚身体机能，再到正类操纵机械加强身体机能。另一方面，具身智能的标的目的天然是朝着「扎雷姆 Zalem」居平易近那样伶俐的大脑和矫捷的成长，以及，要听话。不外对于具身智能来说，其复杂度和容错率取做一个 ChatGPT 不是一个维度，狂言语模子曾经有海量的互联网数据做为锻炼意料，但具身智能却没有如许的待遇，RT-X 汇集的 22 种分歧机械人类型的数据，涵盖 100 万个片段，展现了机械人 500 多项技术和 16 万项使命表示，曾经是目前的集大成者，但这些数据量，都还远远比不上一个优良端到端智驾锻炼所需的数量，更别说对付更复杂的场景了。但或多或少，我们正在OpenAI、特斯拉、英伟达、抱负、World Labs、宇树等等等企业身上看了具身智能的拼图。