为什么特斯拉跟幻想，都不想否认本人是「汽车
作者：[db:作者]日期：2025/01/11 浏览：
年夜导演詹姆斯·卡梅隆曾在 2019 年担负编剧，制造了一部《阿丽塔：战役天使》的片子，这个片子的原著漫画《铳梦》早在 1991 年的时间，就有一个十分超前的设定：住活着界底部「废铁镇 Scrapyard」的住民，年夜多是领有人类年夜脑，机器身材的改革人，而住活着界上方乌托邦都会「扎雷姆 Zalem」的住民，则都是成年后被摘除年夜脑，植入芯片年夜脑，被超等盘算机把持，但领有人类躯体的改革了。撤除对于战役跟科幻的描写，《铳梦》提出了一个在事先看起来很微妙的成绩：领有人类年夜脑跟机器躯体的人，跟领有机器年夜脑跟人类躯体的人，哪个才算真正的人？全部公司都应当是 AI 公司？全部公司都可能是具身智能公司！ 2023 年下半年 ChatGPT 3.5 跟年夜模子技巧开端进入大众视线之后，也有人喊出了一个标语：全部公司都应当是 AI 公司，不入局 AI，不会用 AI 的公司在将来毫无竞争力。于是咱们在 2024 年上半年阅历了有数的人类巨变之夜，OpenAI、微软、Google 或许英伟达的任何新新闻，都能够被解读为汗青的转机点。而后人们发明，AI 对天下的打击，似乎不媒体说的那么激烈。 开展全文
与狂飙突进的 AI 过程相婚配的，另有「具身智能 Embodied Intelligence」观点的崛起，这也是一个具有了哲学，生物，科幻跟科技意思上的观点。
咱们能够这么简略懂得「具身智能」：Embodied Intelligence 是付与智能以身材，把智能体系跟呆板人身材联合在一同，使之能认知情况，懂得情况，能够与情况交互跟举动，来表现智能。
在制作业兴旺的中国，「具身智能」实在是一个比 AI 更吸惹人，更轻易被民众接收的观点，也是更合适中国实业的 AI 技巧道路。
之以是有如斯感想，是由于外行业趋于沉着的 2024 年下半年之后，我做的屡次采访，都提到了自家企业将来的开展偏向都市是，或许都包括具身智能。
风趣的是，这些企业都不是民众认知中严厉意思上的呆板人公司，或许人工智能公司，而是民众眼里的车企，无人机车企，或许家电企业……
客岁 8 月，爱范儿与幻想智驾团队有过对话，此中幻想智驾研发副总裁郎咸朋这么描述端到端技巧道路的智能驾驶，跟此前依附「感知-计划-把持」逻辑的智能驾驶是「才能跟功效」的差别。
或许说，是授人以渔仍是授人以鱼。
▲ 端到端+VLM 的底层模子框架，可能是现在具身智能的通用框架
在采访中，幻想智驾中心团队都市把幻想汽车比方成装在轮子上的呆板人，也聊到了人形呆板人等具身智能载体在用「端到端+VLM」的框架的利用雏形。
车企在研讨智驾技巧弯道超车的进程中，发明了具身智能的曙光。
而后就是幻想开创人李想在客岁岁尾表态接收专访，直接表现幻想的定位跟愿景：幻想是一家人工智能企业，努力于人工智能的汽车化，推进人工智能普惠到每一个家庭。
假如存眷过 2024 小鹏 AI 科技日运动的话，也会发明小鹏更是高举 AI 年夜旗，还宣布了 AI 呆板人 Iron，并把 AI 呆板策略人放在了主要地位，表现不 500 亿，做欠好 AI 呆板人。
更不必说马斯克频频夸大「特斯拉是一家 AI 跟呆板人公司，而不只是一家汽车公司」，对于造车卖车这件事，各人想必感到到了马斯克曾经意兴衰退，他更多的精神在 xAI 跟 TeslaBot，另有 RoboTaxi+FSD 的贸易形式上。
▲ Figure 02
乃至是被各人以为最正统最纯洁的 AI 公司 OpenAI，也能够是一家具身智能公司。AI 呆板人公司 Figure 背地的投资方包含了 OpenAI、微软、英伟达等巨子企业，客岁下半年宣布的 Figure 02 被称为「地球上开始进的 AI 硬件」，此中的 AI 技巧，包含多模态 AI 才能，由 OpenAI 供给。
十分分歧的是，无论是特斯拉的 TeslaBot，仍是小鹏的 Iron，亦或是 Figure 02 都被部署进了汽车出产车间打工，这此中诚然有营销的身分，但也阐明他们的愿景。
在不少的细分范畴，比方专一在农业范畴的极飞，以为在耕作管收的农业出产阶段，具身智能也有效武之地，比方年夜型棉田粮田都有年夜型收割机器，然而在收苹果收梨子这种果园场景，年夜型农机难以进入，重要仍是靠人力来采摘，存在庞杂狭窄地形举动才能跟机器臂的 AI 呆板人，恰好合适这种场景。
而现在重要产物为扫拖呆板人跟洗地机的云鲸，则以为现在家庭情况干净只做到了立体，也就是空中的干净，将来云鲸的开展偏向是空间干净，即种种桌面台面的干净跟收拾。想要做到空间干净，天然也须要以「视觉才能」为中心的人工智能才能，以及在扫拖呆板人基本长进化而来的更多维度的机器构造。
▲ 石头 Saros Z70 扫地呆板人，带无机械手
独一无二，在 2025 年 CES 旗舰，同为扫地呆板人出产商的石头跟追觅，都宣布了带机器手的扫地呆板人，或许是仿生多枢纽机器手技巧，扫地呆板人只是机器手技巧的载体罢了。
▲ 戴森的机器手做家务演示
更早之前，戴森也宣布了机器手清算家居的演示物料，基础上各年夜从事家居干净任务的厂商，都开端思考用机器臂机器手的硬件，跟以 AI 视觉为中心的 AI 才能来冲破只能干净空中的范围，这是家居情况里的具身智能。
固然小题目里的「全部公司都可能是具身智能公司」这句话有点题目党，但如斯夸大的意思在于，这一批有志于具身智能的企业，并不完整是离贸易化较远，离前沿技巧很近的呆板人公司（比方波士顿呆板人），而很可能是咱们身边一样平常打仗的企业，它们有成熟的贸易形式跟现金流，以及对技巧的宏大投入信心。
这也是技巧道路能够走下去的标记之一：共鸣。
良多热点的技巧趋向，比方 AR/VR/XR，元宇宙，NFT 等等，热度或者高，但共鸣很懦弱，各有各的主意跟算盘，不协力，也不普适场景。
▲ 阿丽塔乃至不头骨，用机器构造包裹年夜脑，图片来自《阿丽塔：战役天使》剧照
给身材以智能，仍是给智能以身材？
「给光阴以文化，而不是给文化以光阴」是个全能句式，就像咱们探讨具身智能的时间，也要探讨是「给身材以智能，仍是给智能以身材？」一样。
也能够回到开端的成绩，《铳梦》提出的「领有人类年夜脑跟机器躯体的人，跟领有机器年夜脑跟人类躯体的人，哪个才算真正的人？」
图灵奖取得者、中国迷信院院士、清华年夜学穿插信息研讨院院长，也是天下最顶尖盘算机人才摇篮「清华姚班」的开办者姚期智，在 2023 年天下呆板人年夜会上谈话说：
人类自身就是天下上相称幻想的一个具身智能体。
它基础上具有三个方面，三个身分：第一方面是身材，第二方面是小脑，第三方面是年夜脑。
身材的局部具身必需要有充足的硬件，存在传感器跟履行器，小脑会主导视觉、触觉种种感知来把持身材，实现庞杂的义务，最后年夜脑局部，它主导下层的逻辑推理、决议、长时光的计划以用天然言语可能跟其余的智能体、情况交换。
人类自身就是天下上相称幻想的一个具身智能体。
它基础上具有三个方面，三个身分：第一方面是身材，第二方面是小脑，第三方面是年夜脑。
身材的局部具身必需要有充足的硬件，存在传感器跟履行器，小脑会主导视觉、触觉种种感知来把持身材，实现庞杂的义务，最后年夜脑局部，它主导下层的逻辑推理、决议、长时光的计划以用天然言语可能跟其余的智能体、情况交换。
身材，小脑跟年夜脑的三重比方，是业界最艰深易懂的，对于「具身智能」的说明。
比拟于身材的绝对成熟，具身智能傍边「小脑」跟「年夜脑」的成熟度还远远不敷，尤其是「年夜脑」。
作为担任「感知-推理-猜测-举动」的模块，现在具身智能的年夜脑才能跟人类另有宏大的差距，研讨上也属于晚期阶段，Google 在 2022 年宣布了呆板人把持体系 SayCan，次年宣布了 562B 参数的多模态年夜模子 PaLM-E，此中包含 22B 参数的视觉模子。
▲ PaLM-E 简介
PaLM-E 的提高之处在于，具身智能呆板人能够依据人类的天然言语指令，自立剖析义务，付诸举动，实现义务，相似于 ChatGPT 依据 prompt 天生成果。
别的 Google 跟 DeepMind 等机构也始终在会集呆板人的练习数据集，最新的 RT-X 会集了 22 种差别呆板人范例的数据，涵盖 100 万个片断，展现了呆板人 500 多项技巧跟 16 万项义务表示。
斯坦福毕生教学、前 Google 首席迷信家李飞飞近来的研讨重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，意在将 AI 模子从 2D 像素立体晋升到完全的 3D 天下（虚构跟事实天下），构建年夜型天下模子 (LWM)，以感知、天生跟与 3D 天下互动。
而在开办 World Labs 之前，李飞飞在具身智能范畴也有严重奉献，她引导的 VoxPoser 跟 PaLM-E 相似，也是具身智能多模态年夜模子，存在很强的视觉智能，以及把天然言语指令改变为详细举动的才能。
▲ VoxPoser 支撑下的呆板人绕过花瓶翻开抽屉
比喻说，告知呆板人「翻开抽屉，警惕花瓶」，呆板人就会绕过花瓶去翻开抽屉。
这个天然言语指令跟终极举措之间，阐明 VoxPoser 支撑下的呆板人可能晓得什么是抽屉，什么是花瓶，看失掉抽屉跟花瓶在 3D 空间的方位，「警惕」的潜台词是什么，终极义务是什么…….
▲ VoxPoser 运转逻辑
这象征着呆板人有耳朵，有眼睛，有头脑，固然也有手。头脑会懂得耳朵听到的指令，而后拆解成义务步调，接着头脑还会批示眼睛，去天生空间信息的「舆图」，最先手会依据「舆图」停止举动。
如斯庞杂的进程傍边，多模态年夜模子中的年夜言语模子跟视觉模子会一直交互，天生拆解义务的代码，空间信息舆图，以及履行义务的代码等等信息。
更要害的是，呆板人不经由预练习，而是直接实现了义务，这就是具身智能跟先前呆板人的最年夜差别：之前的呆板人，无论是产线上的机器臂，仍是晚会上舞蹈的呆板人，都是依照牢固顺序运转，行动只有一套模板，无奈懂得情况信息并做出反映。
多模态年夜模子支撑下的具身智能也会发生「出现」的才能，比方在不预练习的情形，要呆板人把抽屉抽出一半这个义务，由于呆板人事后不晓得抽屉的长度，以是「一半」是什么，对呆板人是未知数。
但呆板人是如许求解的：先把抽屉完整抽出，而后推回一半，也就即是抽出了一半。
或许说，像 VoxPoser 如许的多模态年夜模子，付与了具身智能「泛化」的才能，即具身智能不止无能一件事，而是能够触类旁通，干良多事件。
这就又回到了后面说的谁人成绩，是授人以渔仍是授人以鱼。端到端年夜模子是智驾里的「授人以渔」，写规控是「授人以鱼」，相似的，多模态年夜模子本人天生代码是本人控制了「才能」，才能可能发生多种「功效」。
VoxPoser 的演示可能辅助咱们懂得具身智能跟此前种种呆板人的明显差别，也可能答复小题目的设问：给身材以智能，仍是给智能以身材？
固然是给智能以身材，年夜脑才是身材的主宰。
《铳梦》的成绩也有了谜底，领有人类年夜脑跟机器躯体的人，跟领有机器年夜脑跟人类躯体的人，哪个才算真正的人？固然也是前者。
▲ 特斯拉自研了用于 AI 练习的 Dojo 芯片跟 Dojo 体系
马力与智力，马斯克与 MAGA
哲学识题跟技巧成绩或者悠远跟艰涩，但事实成绩永久存在。
当我思考为什么当初的汽车厂商如斯热衷于 AI 跟具身智能，甚至于都要摈弃「汽车厂商」身份的时间，呈现了这么一些主意：
汽车出产是最年夜范围的产业出产行动，老是寻求开始进技巧，最高效力，以及最不依附人类的制作业
汽车智能驾驶的寻求，同样也是不依附人类
汽车从前是一般人能驾御的最年夜马力产物，当初是一般人能领有最高算力（智力）产物
特斯拉位于上海的工场是汽车行业里主动化水平最高，效力最高的工场之一，固然也可能是人类参加起码的汽车工场之一，绝年夜少数出产拆卸工序，都依附呆板实现。
▲ 今世汽车产线
而「黑灯工场」的观点，也深受汽车行业欢送，不少车企还会专门宣扬「黑灯工场」，所谓「黑灯工场」，就是指无需人类参加，主动化智能化水平极高，能够不必照明也能够运转的产线或工场。
作为一般人，咱们懂得汽车对人类的「摈弃」更多仍是智能驾驶层面，「驾驶行动」能够预感到在将来会变得越来越罕见，离一样平常越来越远，离兴致喜好越来越近。
咱们也能够从另一个角度去懂得汽车这种产物，无论是特斯拉仍是蔚小理的产物，都能够算作是一般人可能领有的马力最年夜，智力最高产物。
在很长一段时光里，马力跟智力是离开的，燃油车时期的汽车智力无限，车内固然芯片浩繁，但制程跟算力都很落伍，咱们一样平常应用的手机跟电脑，以及背地的云盘算，存在不错的算力，但都不会领有马力。
而当初，一辆旗舰电动汽车，可能领有上千匹马力，以及数百亿个晶体管。
假如从这个角度斟酌，那些在往汽车里加传感器加年夜算力芯片，自建万卡练习集群做年夜模子的汽车品牌，跟保持聘请画线老神仙给汽车画腰线的汽车品牌，曾经是完整差别的品类了。
那么，前者自称「人工智能跟呆板人公司」就太公道了。
近来马斯克跟川普的一些狂热支撑者（简称 MAGA 群体）在交际媒体上有过一场激烈的比武，原因是 MAGA 群体支持高技巧人才任务签证，以为这类签证会抢走外乡人才的任务机遇，把年夜好任务机遇留给外人。
生在南非的移平易近马斯克跟他的另一位移平易近搭档盟友辩驳得就很直接，乃至自带破防跟溅射后果：
经由过程高技巧人才任务签证等正当道路引进的工程技巧人才十分主要，就像 NBA 的掘金队引进塞尔维亚活动员约基奇一样。
美国外乡文明崇尚派对明星，而非迷信人才，其余处所刚好相反。
应当引进更多的高技巧人才，翻倍最好。
相似的桥段也有佐证，比方有媒体说，美国投资人假如看到一个硅谷互联网创业团队里不华侨名字，会问一个成绩：
你们团队不中国人，那活究竟谁来干呀？
你们团队不中国人，那活究竟谁来干呀？
所谓谣言从不伤人，本相才是快刀，马斯克跟他盟友的潜台词意思差未几就是，MAGA 群体干不了高技巧人才的活，活是给聪慧人干的。
这是本相之一，本相之二就是，MAGA 群体会合的中端蓝领任务，正是马斯克所谋。
▲ 呆板人进厂打工，是营销噱头，也是将来的必定场景
制作业、物流、建造业、仓储、食物加工等范畴中，大批低技巧、高反复性的岗亭是现在 MAGA 群体的重要失业机遇，这些岗亭曾经被不少主动化产线所侵犯，残余的更柔性的局部，也很有可能被领有更强情况懂得才能跟进修才能的具身智能呆板人所代替。
那么这些具身智能重要是谁来研讨的呢？经由过程高技巧人才签证引进的工程技巧人才。
当一家企业的开创人同时可能出产宏大的马力跟智力的时间，他很难不想着去用这两种力气去替换孱弱而庞杂的人类。
治理过巨型企业的企业家更是深知人是如许难以治理，以及呆板人是如许好治理。对技巧抱有信奉，看到 AGI 曙光的企业家，天然也不会让 AI 只表现在屏幕上。
更事实的成绩：为什么咱们须要具身智能？
2024 年对日德车企来说，不是很好的年份，由于一方面市场份额鄙人降，利润骤减，产能也开端呈现冗余了；另一方面，产能冗余，但工人人为仍是要发，逐利的资源天然会斟酌裁人降本，但在工会构造强盛的德国，又是艰苦重重。
比拟于在中国出产一辆汽车，民众在德国出产一辆汽车的本钱要高得多，本钱高竞争力就降落，竞争力降落，份额就增加，份额降落，产能不饱，本钱还会持续变高，民众在德国外乡就进入了如许的泥沼之中，以是民众打算在德国外乡关厂降薪裁人，而后就是工会支持，员工歇工。
经由漫长的会谈，德国民众跟工会告竣协定：不关厂，但裁人，到 2030 年逐渐在德国外乡裁人 3.5 万人。
具身智能们不会建立工会，这就是具身智能的宏大上风。
固然这是站在资源角度斟酌的。
实在站在一般人角度斟酌，逻辑也年夜差不差，要害词都是一个：休息力。
对企业主来说，押注具身智能，是指望它们成为更高效力，更低本钱（应用本钱跟治理本钱）的休息力。
▲ 在干旱地域应用智能水阀，可能年夜年夜增加用水本钱跟人力本钱，而且便利治理
对咱们来说，老龄化弗成逆转的情形下，从事基本的农业、制作业、效劳业任务的休息力能够预感地会呈现缺乏，智能化跟具身智能被以为是最无效的解法之一，这在诸多企业家或许创业者眼里是共鸣。
乃至对当初曾经有一些制作业的企业主开端埋怨，年青人更乐意送外卖，也不肯意进厂，起因不过乎送外卖更自在收入预期更高，进厂打工性价比不高。
对具身智能成为休息力的过程，各人的共鸣也差未几：
短期，ToB ，科教展研等场景，试验性出货。
中短期，ToB，产业场景落地，较传统产业呆板人，具身智能存在年夜脑的泛化性，不范围于一种任务，依附轮式底盘 + 可起落高度机器臂 + 灵活手 / 夹爪 / 三指挪动跟任务。
中期，ToB，效劳场景落地，更类人型，可能在批发（分拣、理货）、旅店 餐厅（收餐、递送）、干净（非立体操纵干净）、巡检（办公楼）场景胜任任务。
远期，ToC，效劳场景落地，满意儿童文娱、白叟关照、成人陪同等感情型功效，以及家用干净收纳等庞杂需要。
至于这个远期究竟有多远，各人却是不分歧见解，悲观的以为是三五年，守旧的以为得十年以上。
对于具身智能，休息力跟企业主的情形有良多，乃至有些情形看起来仍是抵触的，一会儿产能冗余，休息力太多，一会儿休息力又太少，但实质上仍是统一个成绩，假如有抉择，企业主实在不爱好用人当休息力，就像不教师爱好当班主任那样，加补助也不爱好。
▲ 天空上的都会就是扎雷姆 Zalem，图片来自《阿丽塔：战役天使》剧照
《铳梦》外面，乌托邦都会「扎雷姆 Zalem」的被摘除原始年夜脑被植入芯片年夜脑的住民，而后接收超等盘算机同一治理，才是企业主最爱好的形式。
固然，事实不会如斯暗中，一方面，人类跟呆板人的开展，确切会像《铳梦》描写的那样，人类犹如「废铁镇 Scrapyard」住民那样开端赛博格化，从外置机器开端，再接收必定水平上的身材机器化，从残障跟疾病人群用机器补足身材性能，再到畸形人类应用机器加强身材性能。
另一方面，具身智能的偏向天然是朝着「扎雷姆 Zalem」住民那样聪慧的年夜脑跟机动的躯体开展，以及，要听话。
不外对具身智能来说，其庞杂度跟容错率与做一个 ChatGPT 不是一个维度，年夜言语模子曾经有海量的互联网数据作为练习预感，但具身智能却不如许的报酬，RT-X 会集的 22 种差别呆板人范例的数据，涵盖 100 万个片断，展现了呆板人 500 多项技巧跟 16 万项义务表示，曾经是现在的集年夜成者，但这些数据量，都还远远比不上一个优良端到端智驾练习所需的数目，更别说敷衍更庞杂的场景了。
但或多或少，咱们在OpenAI、特斯拉、英伟达、幻想、World Labs、宇树等等等企业身上看了具身智能的拼图。
稳中向好。 前往搜狐，检查更多
义务编纂：
相关文章
客户经理