推特 文爱
"你看过《机械姬》吗？阿谁会骗东说念主的艾娃，真是是 AI 吗？"
一又友倏得的问题让我堕入念念考。电影里，艾娃的每个见解、每句对白都让东说念主如履薄冰——她太像东说念主了，以至于不雅众理所虽然地以为，这便是 AI 的终极格局。
但现实是，艾娃跟咱们目下所说的 AI，根蒂是两码事。她的才智寄身于一个叫具身智能的宗旨。
具身智能并非更高档的 AI，而是一种皆备不同的本认识径：它不依赖诳言语模子的圭表定律，通过物理肉体与环境互动，像婴儿相通学习宇宙。
但由于科幻片的兴起与传播，被误当成 AI 很多年。
今天，就让咱们抛开刻板印象，聊一聊：
为什么具身智能和 AI 不相通？以及咱们离真确的"艾娃"，还有几公里？
《机械姬》等影视作品中的机器东说念主形象潜移暗化中强化了"具身智能 =AI "的领略。
但践诺上，这是一种误读。
具身智能并不等同于 AI。
要意会具身智能是什么，早先要分清具身和离身两个宗旨。
具身指存在或领略必须通过物理肉体与环境的交互终了，强调肉体教悔的基础性作用，如东说念主类；离身指存在或领略不错脱离物理载体孤苦存在，强调综合体式的自主性，如软件、算法。
访佛于 ChatGPT 相通的传统 AI 便是离身智能，不错脱离物理实体终了标记逻辑的综合推理，能存在于任何结尾。诳言语模子通过海量文本考研树立词汇干系性鸠合，得出概率映射的最优解。关联词，这种造谣环境中研发出的智能零落对物理宇宙的感知。它难以意会提起水杯需要如何的力学限定，也不解白若何避让倏得出现的险峻物。
具身智能则强调与物理宇宙的交互，将智能体的领略才智锚定在特定肉体上，迥殊于"灵肉合一"。这个肉体必须领有明晰的限度和自我领略：早先，它得是唯独无二的，我方能迁移操控的；其次，它要不错与环境交互，并从中蓄积教悔、习得步履。这种肉体化学习（Embodied Learning）机制，让具身智能的进化旅途与纯数据驱动的 AI 天地之别。
而代表具身智能的东说念主形机器东说念主，更是与 AI 差了一万八沉。
早先，东说念主形机器东说念主必须领有能与现实宇宙互动的物理肉体。这不单是是加个外壳那么八成，而是要树立一套完整的感知－行径闭环。
其次，这个肉体要能动。要让机器东说念主的肉体真确活起来，需要冲破三浩劫关：精准的抓持限定，比如提起筷子或者豌豆；动态均衡，在山坡、楼梯等叛逆坦说念路行走；多任务互助，边步碾儿边端盘子等。
何况，要给他与宇宙交互的多模态感官。具身智能需要构建比 AI 更丰富的感官体系，不仅要能看（商酌机视觉），还要能听（声源定位）、触（力度反映），致使闻（化学传感）。
终末，要一个比诳言语模子更明智的大脑，基于圭表定律的脑子高深因果。东说念主形机器东说念主的大脑要走宇宙模子这条路，在与真实宇宙的交互中习得教悔，越过概率，走向步履。
综上，东说念主形机器东说念主是多个顶尖级本领集成的复杂智能体。但这么一个复杂智能体，真是如网上营销的那般，离咱们唯唯独步之遥吗？
哪怕翻遍通盘最顶尖东说念主形机器东说念主公司的 demo，咱们也只可看到一个握住舞蹈、翻跟头、无意连苹果也拿不稳的东说念主形巨物。它的电板续航时时不够 5h，时时电量告急；复杂的动作需要东说念主工遥控，就跟小孩的遥控赛车一般。不外，小孩的赛车只消几百块，一款机器东说念主需要几十万。
不得不说，这是一个炫技大于实用的宗旨。
因为咱们联想中的东说念主形机器东说念主，那得是《机器东说念主女友》里秉文兼武、长得像绫濑遥相通好意思、偶尔显现反差萌的无缺"恋东说念主"才行。
联想丰润，现实骨感，AI 发展已堕入固有本领要道论的池沼，咱们热衷于诳言语模子、热衷于强化学习，却忽略了它们只陶冶 AI 如何效法，没陶冶 AI 如何意会真实而复杂的物理宇宙。
而这恰正是东说念主形机器东说念主向强发展所需要克服的。
近日，图灵奖赢得者杨立昆在巴黎 AI 峰会上发表不雅点，要商议东说念主类级 AI 就要不破不立，作念到三个烧毁：烧毁只会概率商酌的诳言语模子、烧毁宛如拼图游戏的对比学习、烧毁驯狗般赏罚 AI 的强化学习。
东说念主形机器东说念主的脑子需要的是宇宙模子、盘算推算算法等能与环境交互的本领；东说念主形机器东说念主的肉体需要辅助指导的仿生关节、代表感官的传感器会通系统、访佛小脑的指导限定算法以及算作腹黑的高能量密度电板。
但这些本领恰如 2020 年之前的诳言语模子一般，堕入了商议瓶颈。
一方面，是因为太难；另一方面，是成本太高。
举个例子，东说念主类使用器用的才智树立在数百万年进化变成的内容感知系统上。东说念主类使用螺丝刀时，能通过触觉及时颐养持力，并预判旋转时的扭矩变化。而机器东说念主要终了同等操作，需要冲破三浩劫关：0.1 牛顿级的力控精度、高灵敏的触觉理会，以及幸免自碰撞的指导盘算推算协同。
目下起初进的机器东说念主，仍难在不同场景中提起一个调换的苹果。通盘科技公司放出的 Demo 险些都是无杂物的光滑桌子或者空旷、后光鼓胀的实验室环境，若是控制多出一只梨子，或者苹果不注意滚落到地板，他们就可能束手无措。
另一方面，如波士顿能源 Atlas 的实验机东说念主形机器东说念主研发成本精深最初 200 万好意思元。特斯莱自研"大脑"主控芯片每个 3.2 万，一个聪慧手 1.2 万元，算作感官的传感器系统总共 11 万元，辅助指导的线性关节总成本约 15 万元，而即使终了量产，后期也要一大笔资金参预维修和贵重，因为东说念主形机器东说念主有 30 个傍边的关节，过程屡次考研磨损后会出现不灵便、卡壳等情况。
不丢脸出，发展东说念主形机器东说念主便是为了造东说念主而造东说念主。然则从工业场景来讲，双足的终结是不牢固的，远远低于轮式底盘和机械臂的组合；且本领不够锻真金不怕火，莫得发展旅途，着实称不上一门很合算的生意。
既然性价比如斯低，东说念主形机器东说念主的说法到底从何而来，又为什么如斯火热？
东说念主形机器东说念主是一个被本钱炒熟的宗旨，亦然一场为了融资而造假的狂欢。
2024 年 1 月至 10 月寰球东说念主形机器东说念主行业共发生 69 起融资事件，总金额最初 110 亿元。其中，有 56 起发生在中国，总金额最初 50 亿元，不少头部企业一轮就融超 10 亿。
然则，刻下融资高涨源于本钱追捧而非本领锻真金不怕火，部分公司估值虚高。为了劝诱融资，企业赓续在搪塞媒体上营销打拳、翻跟头等不实用的功能，同质化严重，价钱高、才智差、落地难，本质是脱离本领谈畴昔。
泄漏后的本钱热运转落潮。
一些企业坠落了。曾估值 30 亿好意思元的达闼科技被曝欠薪、裁人、资金链断裂堕入停摆危急；而素有东说念主形机器东说念主第一股之称的优必选五年亏超五十亿，市值挥发千亿港元。
一些投资方撤资了，朱啸虎批量撤出东说念主形机器东说念主，退出的公司包括星海图和松延能源。
这并非孤例，这个由本钱催熟的宗旨，在历史上至少过程三次幻灭。
1970 年代，早稻田 WABOT-1 初度双足立正但动作渐渐、能耗极高，仅实验室展示；
1990 年，奇迹机器东说念主泡沫，成本高达 200 万好意思元的本田 ASIMO，仅能端茶倒水，2018 年完毕通盘干系技俩；
2010 年代的搪塞机器东说念主据说软银 Pepper 因对话机械、价钱上流、故障率高，在 2023 年停产；
2020 年代，AI 的爆火又一次叫醒了本钱对东说念主形机器东说念主的狂欢。但这仍掩饰不了波士顿能源屡次易主谷歌、软银、当代的事实，另一家公司 Atlas 因炫技视频与践诺落地脱节，融资越来越少。
回望历史，东说念主形机器东说念主的发展永远跳不出一个轮回怪圈：老是始于惊艳的实验室 demo 劝诱本钱追捧，继而催生估值泡沫，最终因交易化失败导致资金集体颤抖。
无数企业和资方月盈则亏地演绎着从但愿到幻灭的故事。而这个轮回反复出现，主要有三个原因：
早先，烧钱太猛，但莫得变成交易闭环，莫得找到阛阓过度依赖投资。造一个东说念主形机器东说念主动辄上百万，比工场里用的机械臂贵几十倍。投资东说念主砸再多钱，也很难找到应承买单的客户。就像往日本田花 3 亿好意思元研发的 ASIMO，终末只可在科技馆里饰演端茶倒水。
其次，目下的本领其实不及以撑持东说念主形机器东说念主的爆炸，还处于摸着石头过河的情景。刻下 VLA（视觉－话语－动作）模子在动态环境中的作假率仍高达 40%，远未达到自主方案水平；高功耗导致大批东说念主形机器东说念主仅能贯穿责任不到 5 小时，远低于工业需求。
终末，所在跑偏了，文娱属性强、器用属性弱。为了劝诱投资而握住造假舞蹈、忽略实用性。无法在垂直场景裁汰东说念主类职守普及总体效益的机器东说念主，催生了更大的泡沫。
偷拍脱离本领谈交易，只是海市蜃楼。险些不错料定，即使此轮东说念主形机器东说念主不会幻灭，也一定像历史相通走向幽静。毕竟，莫得东说念主应承花几十万去买一个只会舞蹈的大型机械。但另一方面，值得荣幸的是，咱们离阿谁会运用东说念主类厚谊的"艾娃"还很远。
推特 文爱