机器人“大脑”研发者正走出自己的 GPT-2 时代
物理 AI 是当下风投最热门的赛道之一，各公司纷纷筹集数十亿美元，试图将大语言模型的技术应用于机器人。这股热潮让中国领先的机器人制造商宇树科技（Unitree）成功上市，市值一度达到 660 亿美元。然而本周，该公司市值几乎腰斩。分析师指出一个显而易见的问题：虽然机器人的物理能力在提升，但它们仍缺乏真正创造价值的工作技能。
在上周举行的 Actuate 大会上，为机器人构建 AI 大脑的开发者们热情高涨。据主办方 Foxglove（一家帮助物理 AI 模型构建者管理和可视化数据的公司）称，该活动规模自 2023 年启动以来已扩大两倍，与会者达 1500 人。但风险也显而易见：物理 AI 基础设施公司 Avala 的展台上写着“解决机器人数据危机”。
所谓数据危机，是指缺乏高质量的训练数据。构建能做任何任务的通用机器人仍遥遥无期，而针对特定任务的端到端学习也尚未带来可靠、商业化的产品。开发者的答案是更好地模仿前沿 AI 实验室的进展——寻找或创造更多样化的数据集、尝试不同的训练方案、设计更好的强化学习场景。
Antioch 创始人 Harry Mellsop 认为，物理 AI 正处于 GPT-2 时代（即 ChatGPT 出现之前的 OpenAI 模型）。要突破瓶颈，需要更多数据和算力，尤其是用于创建高保真模拟的、针对光线追踪优化的 GPU。
走得最远的是自动驾驶汽车，部分原因是能从人类驾驶的汽车中收集相关数据，部分原因是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公司；例如，Foxglove 由通用汽车旗下自动驾驶公司 Cruise 的前员工创立。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其能与专用人形机器人制造商竞争。特斯拉已经在用其 Optimus 机器人尝试这一点。
