【原】推進工業新質生產力，機器人有望成為AI下一個“新引擎”？

科技云報道 2024-06-19 發布于北京

展開全文

推進工業新質生產力，機器人有望成為AI下一個“新引擎”？

“人工智能的下一波浪潮是機器人技術，這是一個'0億美元市場’，但未來將價值數十億美元，就像Nvidia剛起步時的GPU加速計算一樣……”這是英偉達CEO黃仁勛對加州理工2024屆畢業生的勸勉。

這不免讓人想起初創公司Figure的人形機器人，其外表和動作都與人類十分相似。它可以與人流暢對話，理解人的意圖。當聽到工程師“想吃點東西”的口令后，它遲疑了一下，準確地拿起了蘋果。它甚至可以解釋自己為什么要這樣做。

這一人形機器人背后，是OpenAI公司為其配置的大語言模型。多模態技術加持下，它具備高級視覺和語言智能。

隨著大模型、機器人制造等技術發展，賦予人工智能“形體”的具身智能（Embodied AI）正逐步走入人工智能舞臺中央。

AI技術的集大成者

“具身智能”，字面意思是“具有身體的人工智能”。簡言之，具身智能就是讓機器人或智能系統像生物一樣，通過自己的身體去感知世界、理解世界，并在世界中行動和完成任務的智能技術。一年多來，隨著政策、資本、產業、學術界的共同推動，具身智能成為廣為人知的熱門詞匯。

如今，具身智能是人工智能產業發展的重要方向之一。英偉達近期發布人形機器人通用基礎模型Project GR00T，希望能讓機器人擁有更聰明的“大腦”。由Project GR00T驅動的機器人能夠理解自然語言，并通過觀察人類行為來模仿人類動作。在特斯拉2023股東大會上，馬斯克也向大眾展示了人形機器人Optimus的全新型號。這些都是具身智能駛入發展快車道的縮影。

值得一提的是，在大眾語境中，具身智能常常會被認知為人形機器人，以此作為其通俗意義的指代稱呼。但具身智能不能完全等同于人形機器人，它代表的是一種智能技術，當具身智能走進物理世界、與不同硬件結合時，形成的硬件有可能是機械手臂、四足或六足機器人、輪式機器人，或者人形機器人，因此二者的范疇是不同的，人形機器人只是可能承載具身智能的一個本體。

具身智能強調的是機器能夠像人類一樣感知和交互的能力，不僅僅局限于思維和計算能力。它涉及多個學科和技術，包括機器人學、計算機視覺、計算機圖形學、語音與自然語言處理技術等，這些技術共同作用，使機器能夠理解、推理并與物理世界進行有效的互動。換句話說，具身智能的獨特意義在于為實體機器人安上“大腦”，讓“機器”真正變成“機器人”。

隨著AI技術的不斷突破，機器人產業或將成為下一個萬億市場。人形機器人是AI最有前景的落地方向之一，未來不僅能將人類從低級和高危行業中解放出來，提升人類生產力水平和工作效率，還可以在工業、商業、家庭、外太空探索等領域具有廣闊應用場景。

根據Precedence Research數據，2022年全球人形機器人市場規模約為16.2億美元，預計到2032年，全球人形機器人的市場規模將增至286.6億美元，2022-2032年的CAGR高達33.28%市場空間廣闊。

當前，阻礙人形機器人商業化量產的原因包括大規模應用場景不足以及存在諸多技術問題亟待解決。

一方面，應用場景直接影響機器人需求的剛性程度，目前人形機器人應用場景仍有待挖掘。

另一方面，人形機器人尚處于功能相對簡單、初步智能的形態。其解決路徑核心仍是機器人功能和智能化水平提升，支撐機器人從封閉場景走向開放場景，從單一場景進入復雜場景。提升通用化水平是未來人形機器人行業發展的必由之路，必須依靠AI技術的進步和發展，AI技術與機器人的結合，將彌補當前機器人在智能性、易用性、經濟性上的短板，有效提升機器人在各個行業的滲透率。

傳統的深度學習模型中，機器智能往往局限于特定場景，而在ChatGPT、PaLM為代表的AI多模態大模型的賦能下，機器人可以與真實世界進行多模態交互，從而實現具身智能，并擁有不斷進化、跨場景應用的能力。

技術進步與挑戰并存

依托大規模數據和強大算力的大模型，為機器理解世界提供了前所未有的能力。它與具身智能的結合，預示著機器人的未來將更加智能化、互動化。

在制造業領域，機器人集成了人工智能、高端制造、新材料等先進技術，被譽為“制造業皇冠頂端的明珠”。而結合大模型的人形機器人，更是新質生產力發展的重要代表。

去年11月，工業和信息化部印發《人形機器人創新發展指導意見》，提出人形機器人集成人工智能、高端制造、新材料等先進技術，發展潛力大、應用前景廣，是未來產業的新賽道。

發展具身智能，主要可從三方面發力。

一是仿生機制。具身智能的一個關鍵目標是使機器能像生物體一樣具備感知、決策和運動能力。因此，更深入地研究和模仿復雜的生物機制，如神經系統的運行方式、生物體的自我修復能力等，是實現這一目標的重要途徑。

二是基于物理的智能決策能力。智能系統需要更緊密地與其所處的物理形態融合，以便在各種環境中自然、高效地執行任務。這意味著需要發展出更先進的機器人硬件和軟件技術，支持智能系統在復雜環境中的運動和操作。

三是自主學習和適應環境。具身智能系統需要具備自主學習和適應環境能力，以便能在復雜多變的環境中執行任務和解決問題。這可以通過強化學習、遷移學習等機器學習技術實現。

然而，難題和挑戰也如影隨形。

首當其沖的是算力。具身智能需要進行大量計算來支持感知、決策和運動過程。隨著任務和環境復雜性的升級，其對算力的需求會不斷增加。目前，大模型的參數已經達到萬億級別。這類大模型存在過度消耗數據和算力的問題。沒有深度學習時，算力對電力的依賴每20個月翻一番；大模型時代，算力對電力的依賴，每年都要翻10到100倍。可見，算力對電力的消耗呈幾何指數增長。

數據安全也不可忽視。具身智能系統需要收集和處理大量數據進行學習優化，這些數據可能包含用戶個人隱私信息。除了隱私泄露，具身智能在實踐應用中，還可能帶來模型中毒、數據竄改、內部威脅、蓄意攻擊等數據安全威脅。

隨著具身智能技術不斷發展，也需要關注其可能帶來的倫理和道德問題。例如，如何確保機器人在執行任務時不傷害人類或造成不必要的損失，如何保證機器人行為符合人類道德和價值觀等。

具身智能的萬里長征

在2024北京智源大會上，針對當下人形機器人賽道參與者眾多、創業項目層出不窮的現象，零一萬物CEO、創新工場董事長李開復“潑”了一盆冷水，他透露，目前創新工場投資了約6家無人駕駛公司，卻并沒有投資任何一家具身智能、人形機器人公司。李開復指出，具身智能是物理世界跟AI的結合，一旦大模型接入物理世界，就需要面臨包括安全問題、機器問題、機械問題、故障問題在內的各種問題，難度會增加很多倍。

具身智能是重要的，它可以很好地結合大模型多模態能力，而且一旦實現之后就可以產生數據，形成數據飛輪閉環，有很大的想象空間。但具身智能要在短期做好，難度很大，必然要走漫長的道路。

張亞勤從AI安全方面發出了提醒，隨著AI能力的不斷擴大，AI的安全風險也在擴大，因此現在考慮未來的風險是很重要的。當AGI達到一定能力并被大規模部署，那么可能會有失控的風險。目前AI仍存在可解釋性問題，未來機器人數量可能會比人要多，當大模型被用到基礎物理設施、金融系統，包括國家安全、軍事系統等方面，就可能會有失控的風險。

人工智能的未來就像“薛定諤的貓”，充滿不確定性。但可以確定的是，人類不會在各種陷阱面前望而卻步、畏首畏尾。面對人工智能帶來的陷阱，堅持開放而審慎、包容而敬畏、大膽而自信的心態，我們就能與新技術的更迭保持同頻，站在人工智能的肩膀之上抓住機遇，確保AI技術朝著有益于人類福祉的方向發展。