現(xiàn)在人們已經知道，人工智能產生的基礎是scaling law（尺度定律），也就是說，參數(shù)量、訓練數(shù)據(jù)和算力的持續(xù)提升會帶來模型性能的提升，最終帶來涌現(xiàn)。

相比于大語言模型可以使用全網(wǎng)的文本、圖像數(shù)據(jù)，以及動輒十億、百億級別的參數(shù)量，目前機器人的訓練規(guī)模還非常小。

有業(yè)內人士指出，早在2022年，谷歌就推出了機器人模型RT-1，能夠執(zhí)行700多個任務，成本是用13臺機器人，在17個月中收集13萬條數(shù)據(jù)。

更重要的是，具身智能所需要的數(shù)據(jù)是物理世界中的視覺-控制數(shù)據(jù)，相比于文本數(shù)據(jù)，獲取成本極高。

人們最初獲取數(shù)據(jù)是利用相機拍攝，后來發(fā)展到相機陣列：

再后來甚至是這樣的：

盧策吾教授認為，如果說自動駕駛所需的訓練數(shù)據(jù)是2D的，具身智能所需要的數(shù)據(jù)則是80D，空間不確定性更是自動駕駛數(shù)據(jù)的10000倍量級。

此外，與自動駕駛類似，具身智能需要的是多模態(tài)數(shù)據(jù)，除了視覺感知之外，更多訓練者開始引入激光雷達。

上?？萍即髮W的虞晶怡教授團隊，還使用了陀螺儀來記錄運動數(shù)據(jù)，以解決超大場景的感知難題。虞晶怡指出，想要獲取足夠多的數(shù)據(jù)，未來或許需要在每個人的衣服中都植入微型陀螺儀，由此產生的成本同樣不可忽視。

物理世界中數(shù)據(jù)來源的難題，成為本屆人工智能大會上行業(yè)人士探討的焦點。如果不能跨越這道門檻，具身智能的scaling law就無從談起。

通往AGI之路

為了應對現(xiàn)實世界的數(shù)據(jù)難題，研究者也在做出新的嘗試。

盧策吾團隊的思路是將數(shù)據(jù)簡化。他指出，人腦在進行決策的時候，其實也不需要用到非常龐大、精準的感知數(shù)據(jù)，而是下意識做出一個判斷，只要大致趨勢正確就可以，后面隨時調整。

因此，他們讓數(shù)據(jù)回歸到與自動駕駛類似的點陣云，極大壓縮了圖像體積，并引入力量的維度，建立力位混合的決策，使得數(shù)據(jù)復雜性大大下降。

此外，用仿真數(shù)據(jù)替代真實數(shù)據(jù)，能夠大大降低數(shù)據(jù)成本。

銀河通用創(chuàng)始人王鶴認為，當下真正可以實現(xiàn)規(guī)?；慨a的數(shù)據(jù)，就是合成數(shù)據(jù)。過去幾年間，王鶴團隊建立起從物體、傳感器仿真到數(shù)據(jù)標簽生成的全方位合成方法，先以合成數(shù)據(jù)進行訓練，再向真實世界遷移。

王鶴指出，以機器人靈巧手抓取為例，當訓練量為10萬次時，抓取成功率僅為58%，而十億次訓練可以做到86%的成功率。依托十億級別的訓練，銀河通用機器人做到了對透明物體的抓取能力，而這樣的訓練量在現(xiàn)實世界中是無法做到的。

虞晶怡教授則展示了只用一張圖片，就能生成物體三維模型的能力，這同樣為仿真訓練提供了便利。

除了構建仿真數(shù)據(jù)，開源合作也是擴大數(shù)據(jù)資源的有效方式。機器人領域的“國家隊”——國家地方共建人形機器人創(chuàng)新中心在此次人工智能大會上發(fā)布了國內首款開源人形機器人“青龍”，并宣布將建立對標谷歌Robot Farm的機器人訓練場，目標在2027年部署超過1000臺機器人。

盡管取得種種進展，但業(yè)內人士仍然強調，當下不宜對具身智能抱有不切實際的期望。

谷歌DeepMind首席執(zhí)行官哈薩比斯近日表示，盡管目前的人工智能可以寫作、畫畫、創(chuàng)作音樂，但以通用智能的標準來說，仍然沒有達到家貓的水平。

梅卡曼德創(chuàng)始人邵天蘭也直言，目前具身智能僅僅相當于蜥蜴的水平，還沒有走出“二疊紀”。

邵天蘭還談到，對于AGI，人類只是有了一些零散的感覺，但很難說真正找到方向，人形機器人也未必是最優(yōu)的路徑。他指出，人類并不一定是很好的模仿對象，比如每個人拿筷子、跑步的姿勢也各不一樣，也會有一些缺陷，AI也可以在實踐中找到自己的方式，未必一定要像人。事實上，AI在圍棋上也只是以人類為拐杖，但最終拋棄了人類的思維方式。

優(yōu)艾智合創(chuàng)始人張朝輝則提醒，認為機器人可以先在工業(yè)場景落地，然后過渡到通用智能的想法可能是錯誤的。因為工業(yè)領域要求的是高效率、低成本，但是通用智能的訓練與工業(yè)要求背道而馳。

因此，多位行業(yè)專家都表示，要警惕當下具身智能過熱的風險。邵天蘭指出，在過去十多年中，機器人行業(yè)已經經歷了多次起落，如果不專業(yè)的資本盲目進入，對行業(yè)發(fā)展未必是一件好事。