機器人，正在成為很多離開自動駕駛賽道玩家的下一站。

這倒不太令人意外。畢竟，環(huán)境感知、規(guī)劃決策、執(zhí)行控制，這些我們在自動駕駛領域耳熟能詳?shù)年P鍵技術，在機器人領域同樣需要。

而另一個更關鍵的原因，是資本開始對機器人展現(xiàn)出了遠超自動駕駛的熱情。

“最近和不少從自動駕駛賽道出來的人聊過，他們都在咨詢我機器人創(chuàng)業(yè)的事?！眲嬖V智車星球。

劍寒是清華大學一名年輕的助理教授，主要研究領域是機器人相關的計算機視覺，尤其是三維場景理解和自動駕駛領域。

在劍寒提到的聊天名單中，有好幾個是前不久從干線自動駕駛賽道中退出的創(chuàng)業(yè)者。

“還有不少投資人也在問我要不要出來自己做，我身邊也有不少青年科學家開始在這個賽道創(chuàng)業(yè)了。”

資本的熱情很高，熱錢很多，對于身處學術界的劍寒來說，這是對目前機器人賽道的最直觀感受。

而產業(yè)界的人，這樣的體會會更早。

“從資本的視角來看，L4級自動駕駛似乎已經進入了其資本生命周期的末期。海外公司Nuro進行了大量的裁員，但尚未實現(xiàn)盈利；阿里巴巴也關閉了達摩院的自動駕駛項目，更早之前，亞馬遜已經放棄了其低速自動駕駛配送服務——Amazon Scout。這些事件都被視為市場正在釋放的警報信號，而資本市場對這類信號極為敏感。然而目前來看，機器人領域仍然保持著較為積極的市場態(tài)勢?！?/span>

今年5月，在與優(yōu)時科技的CEO林锫森交流時，他也提及了資本市場對L4級自動駕駛的生命周期看法?！半S著ChatGPT的來臨，資本市場的注意力似乎開始轉向AIGC領域，與此同時，L4級自動駕駛的實際應用和成效卻顯得更為長遠和不確定?！?/span>

而隨著“華為天才少年”稚暉君帶著大模型AI機器人“遠征 A1”實機登臺、原阿里達摩院自動駕駛負責人陳俊波明確了有鹿機器人在“具身智能”領域的創(chuàng)業(yè)方向，這場關于大模型+機器人的創(chuàng)業(yè)風暴，正在愈刮愈烈。

1

—

這件事為何迷人？

關于原子彈，最有價值的情報就是它可以被造出來。

這句話最近一次的代表性印證，就是ChatGPT出現(xiàn)后，國內各種大模型就如雨后春筍般冒了出來。

同樣的情況也出現(xiàn)在機器人賽道， “尤其是在看到谷歌DeepMind發(fā)布的機器人大模型RT-2和李飛飛團隊帶來的VoxPoser展示后，來找我聊機器人創(chuàng)業(yè)的投資人更多了。”劍寒說道。

谷歌的RT-2是基于Transformer架構來做的，但卻是一種全新的“視覺-語言-行動”（VLA）模型。它是根據(jù)互聯(lián)網上的文本和圖像進行訓練，讓機器人學習“知識”，從而完成創(chuàng)造性任務。

用大白話說，通過RT-2模型的訓練，機器人能像人一樣，將學到的概念應用于全新的情境中。

舉個例子，如果我們希望機器人去廚房的冰箱中拿一個蘋果，普通機器人的執(zhí)行過程一般包括以下幾個環(huán)節(jié)：

1、任務定義與描述（去接一杯水）；

2、把任務拆解成一個一個細小動作（進入廚房、打開冰箱、拿出蘋果、關閉冰箱等）；

3、工程師根據(jù)分解動作對機器人進行編程，生成代碼；

4、控制-執(zhí)行-反饋。

這些都是傳統(tǒng)意義上機器人控制的主要功能，在大模型之前，通常只有第四步的控制和反饋環(huán)節(jié)由計算機自動完成，之前的任務定義、拆解和機器人運動代碼生成等主要由工程師完成。

之所以需要工程師進行大量的任務拆解和編程工作，是因為普通機器人控制系統(tǒng)不具備通識理解能力和某些專業(yè)技能，無法把任務目標和需要執(zhí)行的動作聯(lián)系起來。

比如在人類看來很簡單的打開冰箱，對機器人來講就有很多挑戰(zhàn)，冰箱的大小款式不盡相同，機器人首先要理解面對的是一個怎樣的冰箱，該如何開啟，開啟冷藏還是冷凍層才能找到蘋果。這些對于人類來講是常識的事，都需要工程師通過代碼一行行寫出來。

但對于RT-2、Voxposer這類機器人，你只需將互聯(lián)網數(shù)據(jù)中有關冰箱、蘋果的概念和知識（圖片、視頻、文本等）直接傳遞給機器人，讓機器人通過“學習”這些概念和知識，逐步構建相關的概念框架，就能讓從未受過拿蘋果訓練的機器人，知道怎么打開冰箱拿蘋果。

這就是所謂的零樣本或小樣本學習，通過應用大模型的理解能力，這種路徑規(guī)劃任務的學習過程不需要大量的訓練數(shù)據(jù)就能完成。

比如下圖，當人類用自然語言給Voxposer下達“打開上面的抽屜，小心花瓶！”的指令時， 大語言模型+視覺語言模型就能從3D空間中分析出目標和需要繞過的障礙，幫助機器人做行動規(guī)劃。

一旦大模型的通識理解能有效賦能機器人，讓機器人能聽懂任務描述、自動進行任務分解和程序生成，并最終完成任務交互，一個能幫你跑腿、打掃房間、照顧老人的機器人就將成為現(xiàn)實，其商業(yè)價值也將成倍增長。

2

—

變數(shù)是大模型？

當然，在達到這些對機器人未來應用的美好幻想前，要做的工作、要明確的問題還有很多。因此，對于入局，劍寒很謹慎，

“現(xiàn)階段是一個技術和發(fā)展方向非常不明朗的階段，比如要不要端對端，要不要依靠大模型，到底是通用還是垂直，可選路徑太多?！?/span>

對此，林锫森也表達了相似的觀點，特別是關于這場變革的核心——大模型，“大模型的變化實在是太快了，而且 Google 和 OpenAI 對比開源社群的開源方案，并沒有堅不可摧的壁壘。” 林锫森說道。

今年7月Meta開源了LLama2大模型。一個月后，OpenAI正式開放GPT-3.5微調API，所有開發(fā)者都可以對GPT-3.5 Turbo進行微調。有開發(fā)者在微調GPT-3.5 Turbo后，在具體任務中，性能與GPT-4實力相當，甚至反超GPT-4。

“如果基于GPT-3.5進行優(yōu)化，當你經過艱苦努力，優(yōu)化到一定程度后，GPT-5很可能又已經發(fā)布了?！绷诛律忉尩??？赡苁袌鲞€要等多一些數(shù)據(jù)點后，會有較明朗的發(fā)展思路。

這不禁人讓人想到那家2020年底誕生，花費18個月成為獨角獸的AIGC企業(yè)——Jasper。

憑借讓AI幫人寫文案這個賣點，Jasper在截至2022年底共完成了3輪融資，籌集到1.31億美元，估值超過15億美元。

但2023年初，ChatGPT風靡全球，金主們掀起Jasper的“頭蓋骨”，發(fā)現(xiàn)其內容生產軟件Jasper.ai就是基于GPT-3構建的。這意味著，Jasper毫無技術護城河，產品極易被復制，無法在競爭中保持領先地位。

很快，Jasper就開啟了裁員，業(yè)內一片嘩然。

因此，當產品的核心模塊中包含大模型，如何保持領先性，是一個大問題。

金沙江創(chuàng)投董事總經理朱嘯虎就曾在朋友圈表示，“不要迷信通用大模型，明年3.5就成commodity，3年后4也將是commodity。對于大部分創(chuàng)業(yè)者，場景優(yōu)先，數(shù)據(jù)為王?！?/span>

3

—

10倍好的解決方案

但一旦落地到某一垂直場景中，效率和成本這兩個“緊箍咒”，又會是讓不少科技公司拔掉一層皮的存在。

比如，一個傳菜機器人，并不能完全替代一個服務員。一個人服務員的工作除了傳菜，還可能有清潔、點單、結賬等。一個普通機器人，往往只能解決某一個高頻簡單問題。且在餐廳場景中，無法通過增加機器人工作時長來平衡效率不如人類的問題。

這些一直存在的問題，即便疊上大模型的buff，也很難快速得到有效解決。

目前，有不少人形機器人創(chuàng)業(yè)公司不約而同地選擇了倉庫搬箱子場景。

原因很好理解，倉庫場景封閉、需要足夠多的搬運工具且可以通過夜間作業(yè)或低頻長時搬運等方式彌補同時間效率不如人工的問題。這些理由，與選擇叉車作為落地自動駕駛技術的企業(yè)并無二致。

只是相比于已經初步證明自己商業(yè)化價值的自動駕駛叉車，這些“人形高達”要證明自己的難度會更大。

“AI應用最難的就是PMF（Product Market Fit的簡寫，是指產品和市場達到最佳的契合點），什么是合格的PMF，見到客戶就能簽單或者至少PoC（Proof of Concept，即概念驗證。通常是企業(yè)進行產品選型時或開展外部實施項目前，進行的一種產品或供應商能力驗證工作）。為什么要求這么嚴格?因為中國投資人對中國軟件企業(yè)收入緩慢的增長速度傷透心了，只有見面就能簽單才能實現(xiàn)AI應用收入像消費公司一樣的增長速度。怎么做到見面就能簽單？至少為客戶創(chuàng)造10倍以上的價值。”朱嘯虎的這個結論不僅適用于AI應用，套了一層物理外科的機器人也是同樣。

這里的10倍以上的價值并不是隨口而來的數(shù)，它最早出自彼得·蒂爾的《從0到1》。里面談到一個新創(chuàng)企業(yè)要想獲得快速成長，其提供的解決方案要比現(xiàn)有方案好10倍以上?？梢允浅杀镜?0倍，效能強10倍或易用性優(yōu)10倍。為什么3倍5倍不行，因為消費者會高估已有解決方案3倍以上，創(chuàng)業(yè)者會高估自己方案3倍以上。

4

—

新的競技場

除此之外，安全也是不容易跨越的大坎。

在不久前，馬斯克進行45分鐘關于FSD 12測試版的直播。過程中，馬斯克多次強調，FSD 12中沒有任何一行相應代碼，也沒有被訓練過如何讀取路標，也不知道什么是滑板車，F(xiàn)SD 12的所有行為（自行在減速帶減速、避開滑板車騎行者等）完全是大量視頻訓練的結果。通過視頻訓練數(shù)據(jù)，AI可以自己學習駕駛，像人類一樣做事。

馬斯克的思路就像人們在搜索時完全拋棄了Google，只用ChatGPT。雖然很好，但依然會犯不少低級錯誤。

同樣的，在直播過程中，出現(xiàn)了一次意外接管。當時Model S需要直行，正停下等待紅燈。但當左轉信號燈轉綠時，車輛竟然也緊跟啟動。

要解決這個問題，就需要給FSD“投喂”更多左轉紅綠燈的視頻。

但投喂視頻真的能“喂”出安全的“AI代駕”嗎？這件事依然需要打個問號。同時，法律法規(guī)的問題也得考慮其中，比如美國法律為了避免發(fā)生意外無法探究原因的問題出現(xiàn)，就不允許黑盒子AI。

這些，都是大模型機器人會遇到的問題。每一個都需要系統(tǒng)化解決，每一個都不簡單。

所以說，要看到“大模型+機器人”真正枝繁葉茂，所要的時間可能還有很多。

歷史經驗告訴我們，當一個大浪潮到來時，出現(xiàn)成果的機會往往并不在前幾年。IPhone誕生于2007年，但Uber是2010年出現(xiàn)的，抖音是2012年出來的，美團外賣則是2013年才上線的。

這個目前看起來熱火朝天的賽道，它一定需要時間的沉淀。

而對于那些從自動駕駛轉投機器人的玩家，這絕不是一處避風港，相反，更像來到了一個新的殘酷競技場。

（劍寒為化名）

返回第一電動網首頁 >