裁剪部 发自 凹非寺杨幂 丝袜

量子位 | 公众号 QbitAI

我对于具身智能的界说很浅薄，即是能帮东说念主类作念各式事，比如帮咱们的爷爷奶奶养老。

……

当今界说具身智能的L1-L5级没特意思意思，中枢尺度照旧咱们的机器东说念主能处罚哪些骨子问题。

具身智能趋势大热，勇于给断言的东说念主未几，高阳是一个。

他是清华大学交叉信息操办院助理培植，于好意思国加州大学伯克利分校取得博士学位，后于加州伯克利大学与 Pieter Abbeel 等东说念主相助完成了博士后操办。目下主握具身视觉与机器东说念主实际室 (Embodied Vision and Robotics，简称EVAR Lab)，专注于行使东说念主工智能本事赋能机器东说念主，奋发于打造通用的具身智能框架，由他提议的ViLa算法被Figure AI给与。

2024年，高阳作为集中首创东说念主创立具身智能公司千寻智能。这家公司也被称为中国版Figure 01，1年时代快速完成三轮融资，其中种子轮+天神轮2亿。

MEET 2025智能将来大会上，量子位邀请到高阳博士深入探讨了具身智能的发展近况与将来，从模子架构、数据、产业落地等维度伸开深入探讨。

MEET 2025智能将来大会是由量子位独揽的行业峰会，20余位产业代表与会磋商。线下参会不雅众1000+，线上直播不雅众320万+，取得了主流媒体的平庸关切与报说念。

中枢不雅点具身智能的界说，即是机器东说念主能帮咱们作念各式事。AI和机器东说念主制造的熟悉，催生具身智能产业。具身智能要缩短对东说念主工收集数据的依赖。当今界说具身智能L1-L5没特意思意思，很永劫期内齐只可停留在L2.99。咱们抵达RobotGPT的1.0阶段，旨趣如故详情；4年后不错达到RobotGPT-3.5阶段。但愿10年后，全国上10%的东说念主不错领有我方的机器东说念主。

（为更好呈现高阳的不雅点，量子位在不调动欢喜的基础上作念了如下梳理）

10年后10%东说念主类不错有专属机器东说念主

量子位：你若何界说具身智能？

高阳：我合计这个问题是一个相当直不雅的问题。

有一次我在作念一个对于具身智能的演讲，有一位粗略60、70岁老奶奶听我讲好多，问我说什么时候机器东说念主能给她养老。

其实这个即是具身智能。

具身智能即是咱们构建一个机器东说念主，这个机器东说念主能（比如在家内部）帮咱们作念各式事情，比如帮咱们的爷爷奶奶养老。

是以我创建了千寻智能，我最大的一个期望和愿望即是在十年之后，但愿这个全国上10%的东说念主不错领有我方的机器东说念主。

它颖慧什么，也相当直不雅。比如说我我方每天晚上回到家如故比较晚了，可能想吃点夜宵，吃完之后不想打理盘子；周末家里好多东西莫得归位，我想让一个机器东说念主帮我把这些东西归位……

这些即是所谓的具身智能，有实体机器东说念主不错帮咱们作念各式各类咱们我方不想作念或者懒得作念的一些事情，这是我融会里的具身智能。

量子位：具身智能这个主见来自于阿兰·图灵，是半个世纪以前启动界说/构想的事。本年被咱们界说为具身智能元年，或者说它发展熟悉了。您在产业中看到了若何的本事/因素变化，让您合计具身智能变得熟悉，并让您决定启动创业？

高阳：这里唯独的变量即是OpenAI讲解了预查考（Pre-training）加上一系列Post-training的形势，不错真确产生、至少看起来像是东说念主类智能，或者达到东说念主类智能景况相似的才略，我合计这是当今作念具身智能创业的一个最中枢的变量。

像刚才各人讲的，以前的机器东说念主齐是手写的一些规章，齐是写死的，就导致对于环境的符合性很差。其实我之前对机器东说念主硬件并不是尽头了解，但当我真是去看的时候，看到工业机器东说念主一年的销量有若干台，我相当惊诧，工业机器东说念主一年的销量全球只好粗略200万台的量级摆布。

这个量级比拟于汽车、手机齐是一个相当小的量。背后的中枢制约即是机器东说念主相当难用，这仅仅一个专用的缔造，你需要有很高的本事储备，才智把它用起来。

是以我合计是这两者之间的离别在于，一个是智能本事使得机器东说念主变得越来越好用，另一个是咱们在造机器东说念主这件事情上，如故走了相当远，咱们不错把机器东说念主作念到亚毫米的精度，以相当低廉的价钱。

这两方面的熟悉催生具身智能产业。天然这个产业当今处于相当初期的阶段，我也泛泛讲，这个东西其实很难，因为泛泛讲具身智能像是一个硅基人命的造物主，要是把具身智能作念出来了，东说念主类作为碳基人命的教化要领任务也基本完成了。是以我合计这个东西是很历久的事情，我至少从我我方来讲，我是把它动作一个lifetime的职业来作念。

数据仍是具身智能发展攻坚重心

量子位：您若何看以前一年具身智能领域的中枢证据，哪些值得在2025年重心攻坚？

高阳：我认为具身智能以前一年比较大的冲破，除了刚刚谈过的VLA模子外，还有一些是模子如何作念预查考。像咱们当今的形势（包括Phi），齐是狂采了一万个小时的数据去查考，让模子具备一些才略。

要是咱们归来现时统共让东说念主印象真切的大模子，比如ChatGPT、Stable Diffusion、视频生成模子（Sora）等，它们的数据量齐是100T tokens或者几十个billion的image-text pair。

当今咱们通过东说念主工去收集的操作数据，远远小于这个量级。是以我认为在具身智能发展经由之中，如何去更多行使互联网上的数据作念预查考是一个相当迫切的事情。

对于这个问题，比如VLA其实作念的比较弱。VLA的预查考数据中只好图像和文本。我合计在学术界，各人有好多新奇的念念路来处罚这个问题，这应该是将来3-4年内齐能够握续发展且相当迫切的事情。

△高阳操办组提议ViLa算法

举几个具体的例子。比如我合计Google的RT-Trajectory是一个比较有代表性的责任。这个模子先容，要是只用收集的效法学习的数据去查考，数据量永久不够。

它给与一种新的顺次，用一个中间示意来示意机器东说念主转移的简陋轨迹，让机器东说念主去粗略follow这条轨迹。具体细节是由底层计策平直产生。

近似这类的著作有好多，包括我我方的操办组也作念了好多有关责任。我我方作念的是一些用物体的将来粒子畅通形势来描摹中间层示意。

我合计这些责任是相适时东说念主开心的，因为以前各人也不错去收集数据、也不错去查考效法学习，然则这波大模子波澜驾临时，咱们需要敷裕多的数据。

这一年这些新的操办责任，其实也为咱们将来发展指明了标的。

VLA自己是一个相当好的范式，亦然将来中枢之一。然则在VLA除外，我看到了更多缩短对东说念主类收集数据依赖的责任，这亦然本年相适时东说念主开心的证据。

当今界说具身智能L1-L5没特意思意思

量子位：要是咱们要定制一个机器东说念主、具身智能尺度，这个尺度应该是若何的？

高阳：制定一个尺度本意是为了促进一个行业发展，不错斟酌每个公司的本事达到了若何的水平。

但我合计可能在一个颠倒长的时代内，不管这个尺度是什么样，可能大大宗具身智能因为客不雅本事罢休，只可达到或者堪称达到L2.99，或者是达到了有限场景内的L4.

是以这个尺度临了可能就酿成了一个偏向宣寄语术的东西，有限时代内各人作念不到平庸场景的L4或L5的水平。

是以尺度照旧要看咱们能不成处罚客户的需求，这不错是相当了了的。

比如说咱们要工作一些工场、贸易、家庭场景，咱们的机器东说念主到底能不成作念到，咱们工作到这个场景的时候，downtime的概率是若干。

这些是我认为愈加明确的、愈加不错去追求的一些主见。

以致我当今合计，去界说一个具身智能的L1-L5主见也不是相当特意思意思。

色吧影院

要津在于具身智能大脑能不成处罚具体问题，比如外卖送货、比如工场安设零件，这是需要咱们探讨和追求的。

咱们还要等机器东说念主“大学毕业”

量子位：那么，咱们当今处于具身智能的什么阶段？

高阳：咱们刚刚目睹了GPT从1.0到3.5、4.0再到o1的发展。GPT-1刚刚出来时，没东说念主瞧得起它，它话语不利索、莫得推理才略，跟东说念主交流很有问题。

然则在GPT-1出身时，大语言模子本事的旨趣如故基本详情。

我认为当今咱们处于RobotGPT的1.0阶段。因为基本旨趣如故定下来，可能将来几年各人看这个本事也照旧处于初级水平、没太猛证据，然则智能发展是一个指数飞腾的弧线，是以我个东说念主合计对于具身智能大脑端，会在4年之后达到RobotGPT-3.5阶段。可能莫得那么高阶，然则如故不错看到好多令东说念主惊诧的才略了。

我认为咱们距离那一天有一段时代，但也不会很远。

量子位：等RobotGPT上一个大学。

高阳：对，他才刚刚进大学，什么齐不会，需要大学毕业，真确干与每一个东说念主的家庭，从当今启动算粗略需要10年时代。

天然GPT-4如故不错回应好多问题了，然则它仍然有10%的情况莫得那么可靠，是以咱们仍然需要不竭升迁语言模子的才略使得它能够真是深入到东说念主类分娩生涯中的方方面面。

对于机器东说念主的模子来讲，我合计亦然相似的，咱们在作念出来3.5之后，他可能莫得那么鲁棒，资本可能有点高，咱们需要不竭改造这个本事，是以我认为在10年之后会有10%的东说念主领有我方的机器东说念主。

— 完 —

量子位 QbitAI · 头条号

关切咱们杨幂 丝袜，第一时代获知前沿科技动态