炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!
(来源:上海证券报)
上证报中国证券网讯(记者 李雁争)智澄AI创始人兼首席执行官胡鲁辉近日接受上海证券报记者专访时表示,人工智能正从信息智能向物理智能演进,世界模型是物理智能的核心技术之一,智澄AI选择JEPA(联合嵌入预测架构)技术路线,致力于用通用人工智能赋能物理世界。
机器人与物理世界直接交互面临三个本质挑战
在胡鲁辉看来,机器人与物理世界直接交互面临三个本质挑战。首先是泛化性,机器人需要对环境和任务具备一定的泛化能力,而不是只能在设定好的路径和对象上工作;其次是遵守物理规律,交互过程不能突破物理常识;第三也是最核心的,是人工智能能否真正理解要做的事情。
“如果不能理解,它就需要很多数据,即使今天能做这个事情,换一个环境、换一个场景,或者换一个本体,它也做不了了。”胡鲁辉表示,这正是将具身智能作为人工智能核心突破点的原因。“如果把这个技术突破了,不光只是一个机器人,也不仅仅是一个技术,它将对人类社会和日常生活带来很大影响。”
对于市场热议的具身智能“iPhone时刻”何时到来,胡鲁辉认为技术的持续发展需要积累,不会突然爆发。他以GPT和iPhone为例:“GPT也不是突然出来的,它也经历了GPT-1、2、3,只是很多人在3.5的时候才知道这个事情。iPhone也是,苹果前面研究了三五年才有iPhone。”
他指出,目前在数据积累、模型技术突破等多个方面都已取得进展。“人工智能从十几年前AlexNet开始,后来出现强化学习,大家觉得可以做无人驾驶了,但后来验证好像不行;然后又出现了VLA(视觉-语言-动作),最近也碰到了和强化学习同样的挑战。那么下一个能让我们突破的,就是物理智能和世界模型。”
胡鲁辉判断,人工智能发展越来越快,不像以前可能需要五年十年,从GPT的效果来看,物理智能的突破应该会很快发生。
JEPA路线从理解物理世界到端侧落地
胡鲁辉介绍,人工智能的发展可以分为三个阶段——信息智能、物理智能和生物智能。“信息智能里很重要的核心技术就是Transformer和GPT,那么世界模型就是物理智能里非常核心的技术之一。”
智澄AI定位为通用人工智能公司,目标是用通用人工智能赋能物理世界,也是国内首家自研世界模型的企业。“我们把物理世界模型作为物理智能的核心技术,然后把这个技术用到机器人里。机器人是物理智能里面最好的闭环场景之一,也可能是价值最大的。”
在技术路线上,智澄AI选择了JEPA路径。胡鲁辉曾在Meta(Facebook)工作,正是世界模型方向的研究者。他表示,公司成立之初模型大约在1B(十亿参数)左右,最近在研究把模型做得更小、效果更好。
胡鲁辉认为,VLA能够替换或升级强化学习,因为效果更好,但世界模型和物理智能核心要解决的问题不仅仅是泛化性。“更重要的是对物理世界的理解,我们叫physics或者理解。就像人一样,人不是说会做点事情,而是做这个事情本身是理解的。”
在模型输入输出上,智澄AI的世界模型主要采用两种输入:视觉,就像人的眼睛;以及机器人信号,包括各个关节的配置、位置、速度和力矩等。输出同样是机器人信号,用于控制机器人。
对于端侧和云端的选择,胡鲁辉表示目前在云端,但目标是端侧。他认为这里存在一个认知错觉:“大家一想到通用可能就是要非常大的模型,但其实从人工智能发展到现阶段,或者从世界模型和机器人的特点来看,端侧应该是最佳的解决方案。”
他解释,世界模型吸引人的地方不仅在于技术领先性,还在于工程领先性。“它本身模型比较小,对数据的需求量或者对算力的需求量要求不是那么高。因此,世界模型应该比原来的人工智能技术更加有影响力和价值。加上算力每年以10倍速度发展,端侧落地具备可行性。”
开源推动生态繁荣
对于世界模型是否会开源,胡鲁辉表示,开源只是一种商业模式或技术情怀,不是技术本身。智澄AI的开源动机比较单纯:“我们希望能够一起推动世界模型和物理智能时代的到来,因为只有共享、只有大家一起来做,才能把这个事情做得更快更好。”
但他强调,公司不是一切开源,商业模式是闭环的。在产品层面,智澄AI专注打造两款机器人:一款是双足高性能人形机器人,今年推出的最新款为TR6;另一款是复合型高性能轮式机器人,迭代推出了XR1。“我们的目标是用同一个模型适配不同的机器人,这也是人工智能本身发展的趋势。就像在数字空间里,GPT一个模型既能做数理化、又能画画,什么都能做。”
商业化方面,智澄AI累计签约近15亿元订单和合作。胡鲁辉表示,公司愿景是通用人形机器人,希望在家用、工业或特殊场景都能应用,但目前策略比较聚焦,主要专注四个场景:智能制造和物流、安防、生化场景、泛科技。
胡鲁辉表示,“下一个时代就是机器人时代,智能机器人将是人类历史上最大的一个产业。实现这一愿景的关键是技术突破,只有技术持续进步,才能把事情做得更好。”