本文來自微信公眾號(hào)“高工移動(dòng)機(jī)器人”，作者/不及。
“為通用人形機(jī)器人構(gòu)建基礎(chǔ)模型是當(dāng)今人工智能最令人興奮的問題之一。”黃仁勛在GTC2024的開幕演講中表示。
而科大訊飛董事長(zhǎng)劉慶峰也在兩會(huì)上預(yù)言，“2024年將是大模型走向落地應(yīng)用的關(guān)鍵之年。”
“AI+機(jī)器人”的概念在這個(gè)春天被引爆。但除了科技大佬和投資人的狂歡以外，也有機(jī)器人從業(yè)者感到無(wú)法理解：小腦都沒做好，就開始炒作“大腦”了？
有人直言：“AI+機(jī)器人純粹是炒概念。”“這個(gè)概念太超前了，落地不現(xiàn)實(shí)。”
意見對(duì)立的根本矛盾在于，“AI+機(jī)器人”現(xiàn)在能不能跑通？進(jìn)入工業(yè)還有多久？
未來太美，現(xiàn)在太遠(yuǎn)
如果去看“AI+機(jī)器人”描繪的未來，無(wú)疑是美好的。
當(dāng)機(jī)器人實(shí)現(xiàn)任務(wù)級(jí)交互，完成通用性進(jìn)化。那么就意味著在任何場(chǎng)景下，用戶僅需向機(jī)器人明確抽象的任務(wù)目標(biāo)，它便能理解自然語(yǔ)言并自主拆解任務(wù)內(nèi)容，輸出具體決策與操作指令。并根據(jù)反饋信息，對(duì)指令進(jìn)行修正。
“大腦”進(jìn)化之后，機(jī)器人的使用者將從掌握編程語(yǔ)言的專業(yè)算法工程師變?yōu)橐话愕钠胀ㄓ脩?，大大降低使用門檻。這也往往是一個(gè)產(chǎn)品或一個(gè)產(chǎn)業(yè)走向大規(guī)?？焖俦l(fā)的起點(diǎn)。
這種設(shè)想已看到了現(xiàn)實(shí)的曙光，不少大模型形成了泛化能力。泛化能力指的是，大模型在訓(xùn)練數(shù)據(jù)中提煉共性，這樣在面對(duì)從未見過的數(shù)據(jù)時(shí)也能具備很好的預(yù)測(cè)能力，做到只窺見物體的一部分，而能想象到全貌。
百度集團(tuán)副總裁侯震宇認(rèn)為，和上一輪AI落地不同，2023年的大模型參數(shù)動(dòng)輒上千億，這樣規(guī)模的大模型才能在各個(gè)場(chǎng)景下具備通用能力，基于這種大模型精調(diào)出來才具備更好的產(chǎn)業(yè)應(yīng)用效果。
在主客觀因素影響下，全球基礎(chǔ)大模型均主要面向To B行業(yè)市場(chǎng)。例如制造、零售、金融等行業(yè)，而機(jī)器人更是被認(rèn)為是大模型的最佳載體之一，目前有大量企業(yè)及相關(guān)機(jī)構(gòu)在瞄準(zhǔn)“AI+機(jī)器人”賽道。
例如，擁有協(xié)作機(jī)器人和AMR產(chǎn)品線的Teradyne Robotics在GTC大會(huì)上宣布與英偉達(dá)合作，為協(xié)作和移動(dòng)機(jī)器人添加新的AI功能；Figure AI的人形機(jī)器人搭載ChatGPT大模型，已能遵循指示并協(xié)助完成清理和移交物體等任務(wù)；近期瞄準(zhǔn)機(jī)器人行業(yè)的多模態(tài)大模型公司若愚科技完成超5000萬(wàn)元天使輪融資……
更早之前，李飛飛教授聯(lián)合斯坦福大學(xué)、加州理工、清華大學(xué)和英偉達(dá)幾位學(xué)者打造的機(jī)器人VIMA，是一個(gè)帶有機(jī)械臂的LLM，能接受多模態(tài)提示詞、單個(gè)文本、圖像、視頻等信息結(jié)合，一度引發(fā)行業(yè)熱議。
然而，在產(chǎn)業(yè)鏈深耕的部分從業(yè)者們對(duì)此持疑，“商業(yè)的本質(zhì)是產(chǎn)生價(jià)值，而不是有高級(jí)的東西就買。”更多人認(rèn)為，“AI+機(jī)器人”前景是美好的，但工業(yè)講究務(wù)實(shí)，并不會(huì)只為好的概念而買單。
有人舉例，“一分投入一分收獲，智能駕駛投入了多少時(shí)間和人力物力，到現(xiàn)在都不是個(gè)合格的駕駛員，又怎么能指望AI能培養(yǎng)出來一個(gè)合格的工人？”
透過大模型未來繁榮的濾鏡，機(jī)器人產(chǎn)業(yè)鏈更關(guān)注大模型何時(shí)能落地、現(xiàn)階段又能產(chǎn)生何種價(jià)值。
“AI是很熱，但是技術(shù)和錢是不一樣的，錢在哪投都是錢，但是你做產(chǎn)品和技術(shù)在不同的領(lǐng)域都有可能不一樣，不能被市場(chǎng)熱點(diǎn)帶著跑。”
“如果5-8年內(nèi)，AI疊加到機(jī)器人身上，能解決一些特定的工藝問題，那還是有巨大市場(chǎng)的。”
然而，機(jī)器人要想像人類一樣，具有廣泛的知識(shí)、協(xié)調(diào)的肢體行為能力，短期來看是不現(xiàn)實(shí)的。
泛化的AI，還無(wú)法成為合格工人
已具備泛化能力的大模型，為何還無(wú)法成為一個(gè)合格工人？
如果說通用大模型是培養(yǎng)一個(gè)對(duì)社會(huì)生活有基礎(chǔ)認(rèn)知和處理能力的人，那么行業(yè)大模型的目標(biāo)就是訓(xùn)練一個(gè)成熟掌握技能的工人。
行業(yè)大模型基于基礎(chǔ)大模型能力做一些行業(yè)微調(diào)，針對(duì)性定制，不需要從零開始標(biāo)注數(shù)據(jù)。
但難就難在“行業(yè)微調(diào)”，機(jī)器人面對(duì)千行百業(yè)，下游應(yīng)用豐富，但終端行業(yè)數(shù)據(jù)具有封閉性，大模型要獲得工藝數(shù)據(jù)的培訓(xùn)十分困難。
例如，工業(yè)場(chǎng)景復(fù)雜不標(biāo)準(zhǔn)，人的經(jīng)驗(yàn)難以理論化，工藝更難靠理論推演。同一個(gè)場(chǎng)景下，不同的SKU、不同材質(zhì)和形狀的部件，都會(huì)有不同的處理方法。對(duì)人來說舉一反三輕而易舉，對(duì)AI而言卻是能力的鴻溝。
因此，大部分人認(rèn)為，“AI+機(jī)器人”不是不能加入工業(yè)場(chǎng)景，不過只能做一些簡(jiǎn)單的場(chǎng)景。
“如果只能解決低工藝場(chǎng)景，現(xiàn)在的技術(shù)都能做到，加不加AI有什么區(qū)別呢？”
“例如就擰螺絲而言，要給四個(gè)角擰螺絲，如果是機(jī)器人可能四個(gè)角就全擰死了，而在實(shí)際操作中，需要有先后次序，不能一下全部擰死。”如果沒有對(duì)工藝庫(kù)有深刻的理解，根本不知道這些細(xì)節(jié)。甚至焊接一類復(fù)雜的場(chǎng)景，都還沒有形成可復(fù)制推廣的工藝程序。
如果寄希望于行業(yè)開放工藝數(shù)據(jù)，又會(huì)陷入另一個(gè)僵局。工廠最值錢的是工藝和供應(yīng)鏈，最難的是工藝庫(kù)。而建工藝庫(kù)，來自大量現(xiàn)場(chǎng)實(shí)踐。作為工廠的核心機(jī)密之一，工藝庫(kù)向來不假借于外人之手。
要撬開終端的數(shù)據(jù)庫(kù)并不容易。但基于數(shù)據(jù)庫(kù)的重要性，越來越多的機(jī)器人廠商與終端合作，典型是作為具身智能代表的人形機(jī)器人。
例如Figure AI與寶馬的合作、Digit落地試點(diǎn)亞馬遜倉(cāng)庫(kù)、Apollo進(jìn)軍奔馳車間等。
但這種模式的跑通顯然不是一蹴而就的，有行業(yè)人士直指，AI+機(jī)器人能不能成功，要看特斯拉今年能不能在工廠內(nèi)跑通。
另一種可能的路徑是做行業(yè)大模型的人，本身就深諳機(jī)器人產(chǎn)業(yè)，對(duì)一些應(yīng)用場(chǎng)景深入了解。正如許多汽車廠商躬身入局，開發(fā)人形機(jī)器人投入到汽車產(chǎn)線上。
但放眼整個(gè)機(jī)器人行業(yè)而言，都缺乏這類復(fù)合型人才，“以前行業(yè)不需要智能，現(xiàn)在需要智能的時(shí)候，這個(gè)產(chǎn)業(yè)鏈上的人都不是搞智能出身的。”
除了工藝庫(kù)建設(shè)的難度外，硬件精度是實(shí)現(xiàn)機(jī)器人智慧操作的短板。
目前，機(jī)器人行業(yè)現(xiàn)狀是，硬件不夠軟件湊。傳感器精度的不足，常常需要依靠算法來彌補(bǔ)。但當(dāng)算法已經(jīng)成長(zhǎng)為真正的“大腦“，此時(shí)的手腳失衡只會(huì)讓機(jī)器人顯得更笨拙。
有行業(yè)人士表示，如果要達(dá)成理想化的“AI+機(jī)器人”，當(dāng)前的傳感器強(qiáng)度就不支持。例如“大腦”已經(jīng)完成了識(shí)別、規(guī)劃，但受限于傳感器精度，機(jī)器人可能按照規(guī)劃路徑都走不準(zhǔn)。
“只靠理論推演，而不親身實(shí)踐，是走不通的。起碼現(xiàn)在沒有一個(gè)行業(yè)按照這種模式走得通，就說明AI不是萬(wàn)能的。”
理論永遠(yuǎn)無(wú)法推演實(shí)際，一套完美的邏輯化成現(xiàn)實(shí)，往往需要經(jīng)過艱難的跋涉。
機(jī)器人不僅是走在科技前沿的新質(zhì)生產(chǎn)力，更多是幾十年的打鐵功夫積累，看的就是一釘一鑿之間的幽微之處。
而這釘鑿之間的細(xì)微差距，已足以讓AI深研良久。
