Musk indicó a principios de este año que su robot humanoide "Optimus 3" probablemente entrará en producción en masa el próximo año. En la segunda mitad de los grandes modelos, la IA no se limita al espacio digital, sino que debe poder entrar en el mundo real para realizar tareas por las personas. La inteligencia encarnada y los robots se han convertido en el núcleo de este avance. ¿Llegará el "momento iPhone" de la inteligencia encarnada? El 2 de julio de 2026, en la Cumbre de Ciudades de Tencent Cloud en Wuhan Optics Valley, organizamos una mesa redonda donde representantes expertos de primera línea de empresas, universidades y el gobierno mantuvieron una discusión profunda y accesible.
Invitados:
Liu Chuanhou Director de Operaciones (COO), Centro de Innovación de Robots Humanoides de la Provincia de Hubei
Yang Songhua Cofundador y Director de Tecnología (CTO), Lunpai Technology
Ma Junjie Vicepresidente, Beijing Kunlunxing Robot Technology Co.
Li Min Profesor, Escuela de Ciencia e Ingeniería Mecánica, Universidad de Ciencia y Tecnología de Huazhong
Moderador:
Wu Pengyang Experto Sénior, Tencent Research Institute
【Puntos Clave】
01 El "momento iPhone" está lejos de llegar; actualmente se parece más a la "era del teléfono móvil".
Las rutas tecnológicas de la inteligencia encarnada aún no han convergido; además de VLA, hay múltiples exploraciones, y actualmente solo pueden satisfacer algunas funciones básicas.
02 "Si puede moverse" ya se ha resuelto, pero "si es útil" aún requiere esfuerzo.
El cerebelo del robot (control del movimiento) ya es bastante bueno, pero el cerebro (toma de decisiones y generalización) está lejos de alcanzar un nivel comercial a gran escala.
03 Los datos son el mayor cuello de botella, existe una gran brecha.
La inteligencia encarnada necesita al menos decenas de millones de datos para alcanzar un momento similar al "GPT 2.0", pero actualmente en todo el mundo solo hay alrededor de 500,000, una diferencia de 200 veces en magnitud.
04 El primer obstáculo para la comercialización es la cuenta económica, que actualmente no cuadra.
El costo de los robots humanoides sumado al de VLA, modelos del mundo, etc., actualmente suele ser mucho más caro en comparación con la mano de obra tradicional.
05 Las aplicaciones de inteligencia encarnada tienen tres tipos de mercados, con un enorme espacio de imaginación de billones.
Mercado de valor emocional de miles de millones, como presentaciones, cuidado y crianza; mercado de servicios comerciales de billones, como atracción de clientes, guías turísticos, administrativos y de compras; mercado de productividad laboral de billones, como trabajar en fábricas, hacer tareas domésticas en hogares, etc.
06 Los robots humanoides aún están lejos, pero la inteligencia encarnada puede avanzar primero.
Las aplicaciones de inteligencia encarnada ya pueden usarse ahora, no necesariamente con forma humana ni necesariamente para realizar trabajos. Si pueden acompañar como mascotas, las personas también lo esperarán.
07 El objetivo final de la IA está en el mundo físico, no en la pantalla.
Por muy amigable que sea la IA en el móvil, finalmente está separada por una pantalla de vidrio; la inteligencia artificial finalmente entrará en el mundo físico y en millones de hogares.
08 Usar la IA para mejorar la eficiencia ya es un consenso, pero las decisiones clave no pueden dejarse en manos de la IA.
La IA ya ha mejorado significativamente la eficiencia en codificación, investigación científica, enseñanza, etc., pero existen riesgos de "engaño" y "sustitución cognitiva"; el juicio y la toma de decisiones centrales deben estar en manos humanas.
Contenido completo de la entrevista:
P1: ¿En qué punto está la inteligencia encarnada?
Wu Pengyang: Es un gran honor discutir hoy con los expertos un tema que preocupa mucho ahora: la inteligencia encarnada. En estos dos años, el maratón de robots humanoides ha hecho que los robots corran más rápido que las personas, lo que emociona mucho al público. Por eso, nuestro tema de hoy utiliza un nombre algo provocativo: ¿ha llegado el "momento iPhone" de la inteligencia encarnada?
Primera pregunta, ¿en qué punto está realmente la inteligencia encarnada hoy? Los invitados pueden hablar desde la perspectiva tecnológica, el desarrollo de rutas tecnológicas subyacentes; o desde la perspectiva de capacidades, como correr, saltar o realizar tareas complejas, eligiendo la dirección en la que se especializan.
Liu Chuanhou: Primero la conclusión: creo que la inteligencia encarnada aún está lejos de su momento iPhone.
Para resumir, la inteligencia encarnada actualmente se encuentra en una era similar a la del "teléfono móvil", que solo puede satisfacer algunas funciones básicas. Actualmente, los robots humanoides se dividen en cerebro grande y pequeño; el control del movimiento corporal completo (cerebelo) ya es bastante bueno, pero el cerebro (toma de decisiones y generalización) aún está lejos de alcanzar un nivel comercial. A partir de 2024, se ha discutido constantemente sobre el cerebro de los robots humanoides, pero aún no se ha visto un avance significativo en las aplicaciones industriales específicas.
Las rutas tecnológicas del cerebro de la inteligencia encarnada aún no han convergido. Actualmente, el modelo VLA es popular, pero también enfrenta muchos problemas; el camino en general aún es muy largo. La tecnología no se logra de la noche a la mañana, requiere una serie de esfuerzos. Por supuesto, este año también ha habido cambios, como la combinación de modelos del mundo, aprendizaje por refuerzo y modelos VLA, ¿podrían crear una nueva ruta? En este proceso, ¿se pueden integrar datos clave nuevos, como datos táctiles, en el modelo? Todo esto se está explorando. Después de todo, para un robot, no solo se trata de evitar obstáculos, sino también de realizar cierto contacto. Sin embargo, por el momento, no ha surgido un modelo algorítmico que supere a VLA.
El camino es largo y arduo, pero hay que tener confianza. Al igual que en los años 90, era difícil imaginar que los móviles pudieran resolver tantos problemas como lo hacen hoy. Para los robots, probablemente sea similar.
Yang Songhua: Estoy de acuerdo con la opinión del Sr. Liu. Actualmente, la inteligencia encarnada se divide principalmente en cuerpo y modelo. Desde la perspectiva del cuerpo, como en el maratón de robots del año pasado y las actuaciones de robots de varias empresas en el Festival de Primavera, se puede ver que los robots básicamente han resuelto el problema de "si pueden moverse". El siguiente paso en toda la industria es centrarse en el problema de "si son útiles", es decir, el problema del cerebro.
En cuanto al cerebro, como antes trabajaba en modelos de lenguaje grandes, si repasamos el proceso de desarrollo de los grandes modelos en ese momento, nosotros (inteligencia encarnada) actualmente ni siquiera hemos llegado al momento GPT 2.0, porque ni siquiera hemos convergido en la ruta. Como nosotros, siempre hemos trabajado en modelos VLA, pero este año ya nos hemos dirigido a otros modelos como los modelos del mundo.
Como las rutas no han convergido, todos están recolectando datos, y es difícil resolver problemas como la heterogeneidad y la sincronización de los datos recopilados. Actualmente, un problema importante sigue siendo la brecha de datos. Se cree comúnmente en la industria que se necesitan al menos decenas de millones de datos para que la inteligencia encarnada alcance un momento como GPT 2.0 o 2.5. Pero actualmente, en todo el mundo, hay aproximadamente 500,000 datos, una diferencia de 200 veces en magnitud.
Por lo tanto, la inteligencia encarnada aún tiene un largo camino por recorrer, incluyendo la arquitectura del modelo, los métodos de recolección de datos y la escala de datos, entre otros aspectos. Pero creo que si seguimos firmemente este camino, finalmente realizaremos la visión que todos tienen para la industria de los robots.
Ma Junjie: Desde la perspectiva de los profesionales de la industria, dividiré las capacidades de la inteligencia encarnada que entendemos en cuatro aspectos.
Primero, la capacidad de control del movimiento, es decir, el cerebelo. Esta parte, como se mencionó, es relativamente madura. Pero para alcanzar una madurez absoluta, aún hay distancia. El núcleo sigue estando en algunos módulos clave, incluidos el blindaje electromagnético, la gestión térmica y los algoritmos de control del movimiento, que requieren un refinamiento minucioso.
Segundo, la capacidad de movilidad y navegación. Después de todo, la inteligencia encarnada está en un mundo físico tridimensional; primero debe saber dónde está, luego a dónde ir, hacer planificación de rutas automática y evitar obstáculos dinámicos. La tecnología en general solo puede decirse que es relativamente madura; desde el extremo del automóvil autónomo hasta la extensión directa de VLA a la industria de la inteligencia encarnada, es utilizable. Pero los autos autónomos en la carretera tienen un entorno más simple que las aplicaciones de inteligencia encarnada; por ejemplo, esta sala es mucho más compleja que una vía pública. La inteligencia encarnada necesita un refinamiento constante para aplicarse completamente en tales escenarios.
Tercero, la capacidad de interacción multimodal. Actualmente, la capacidad de interacción lingüística de los grandes modelos de lenguaje es bastante buena, pero en escenarios futuros de acompañamiento emocional, podría utilizarse la interacción corporal relacionada con las emociones, además de expresiones faciales, etc., que actualmente están en etapas iniciales.
Cuarto, la capacidad de operación laboral. Como se mencionó, en cuanto a la dirección técnica relacionada, como los modelos del mundo, se ha formado un consenso preliminar. Pero cómo se hacen específicamente los modelos del mundo, cada empresa está buscando su propio camino viable. Para una implementación amplia específica, probablemente aún se necesite un tiempo.
Li Min: Lo que todos pueden ver es que la capacidad general de los robots actualmente es muy buena. Pero en realidad, para que sean verdaderamente utilizables y aplicables, un problema importante es su estabilidad. Si los robots pueden garantizar un funcionamiento estable a largo plazo como los automóviles u otras herramientas de producción, esto aún tiene un largo camino por recorrer.
Además, en cuanto a los modelos, las llamadas modelos de IA o modelos del mundo mencionados actualmente, sus rutas y direcciones aún no están completamente determinadas. Todos están en un estado de diversidad y competencia. La razón más importante es que, en comparación con la IA virtual como GPT, el problema más importante sigue siendo los datos. La facilidad para obtener datos de GPT es relativamente mayor porque puede obtenerlos de Internet. Pero para la inteligencia encarnada, la obtención de datos es bastante difícil, lo que hace que sea difícil para todos recolectar datos. Tanto los datos del mundo real como los datos de simulación, además de los datos de interacción física, datos táctiles, etc., la falta de datos en realidad obstaculiza el desarrollo del modelo.
En general, la inteligencia encarnada aún tiene un largo camino por recorrer. Pero esta industria se desarrolla rápidamente, con cambios diarios o semanales, y el futuro es prometedor.
Wu Pengyang: Gracias a los cuatro invitados por brindarnos algunas reflexiones serias en medio de este auge. Resumiendo, ¿en qué etapa se encuentra el desarrollo de la inteligencia encarnada? Si lo comparamos con los móviles, podría ser el período del teléfono móvil; si lo comparamos con modelos, podría ser GPT 2.0. En general, el momento iPhone aún puede estar algo lejos, y necesitamos seguir avanzando y observando.
P2: ¿Cuál es la situación actual y el espacio de imaginación de las aplicaciones de inteligencia encarnada?
Wu Pengyang: Segunda pregunta, ¿cómo va el desarrollo de las aplicaciones de inteligencia encarnada? ¿Qué escenarios son relativamente maduros ahora o han mostrado posibilidades de aplicación a gran escala? ¿Dónde están las aplicaciones con mayor espacio de imaginación en el futuro?
Li Min: Desde la perspectiva universitaria, actualmente hay dos direcciones principales: una es entrar en fábricas, y la otra es uso doméstico o servicios. En general, la aplicación a gran escala aún es prematura. Lo que todos pueden ver actualmente son probablemente algunas aplicaciones demostrativas.
Wu Pengyang: ¿Hay algunos que progresen relativamente rápido?
Li Min: Probablemente en el área de inspección se hace más, porque la inspección involucra relativamente menos componentes de operación específica, por lo que la aplicación será un poco mayor. Pero realmente reemplazar a las personas en fábricas tiene un largo camino por recorrer, como el problema de estabilidad que mencioné antes, porque las fábricas tienen requisitos muy altos de eficiencia y tasa de éxito.
Wu Pengyang: ¿En qué aplicaciones de investigación se centran principalmente ahora?
Li Min: Actualmente, principalmente en inspección de ingeniería, industria automotriz, etc., todos con algunas empresas líderes que colaboran en laboratorios. En realidad, muchas empresas tienen una gran demanda de inteligencia encarnada, todos son optimistas al respecto, pero estas empresas no saben exactamente cómo usarla o implementarla, por lo que confían en las universidades para realizar investigaciones y demostraciones.
Ma Junjie: Analizaré desde el nivel del mercado, dividido en tres tipos de mercados.
Primer tipo: mercado de valor emocional (miles de millones) . Actualmente, se centra principalmente en presentaciones y exhibiciones, dependiendo principalmente de la capacidad de control del movimiento. Recientemente, algunos fabricantes han lanzado robots de cuidado y crianza, que pueden requerir capacidades de interacción multimodal y navegación móvil. El mercado se encuentra en una etapa de verificación inicial.
Segundo tipo: mercado de productividad de servicios comerciales (billones) . Por ejemplo, atracción de clientes en varios escenarios comerciales, guías turísticos en salas de exhibición, guías administrativos en oficinas de servicios, guías de compras en tiendas físicas, etc., requieren principalmente capacidades combinadas de movimiento + navegación + interacción multimodal. Si esta capacidad madura, el mercado será de billones.
Tercer tipo: mercado de productividad de operación laboral (millones de billones) . Por ejemplo, trabajar ampliamente en fábricas, hacer tareas domésticas en hogares, etc., dependen principalmente de la capacidad de operación laboral de los robots, y el tamaño de este mercado es de millones de billones. ¿Por qué? Mil millones de móviles inteligentes, multiplicado por cien mil yuanes (precio promedio bajo de automóviles autónomos de nueva energía), una estimación simple es millones de billones. Este mercado es muy grande y enfrenta muchos desafíos. En algunos escenarios específicos relativamente estándar que no requieren mucha generalización del entorno, en realidad se pueden hacer algunos intentos. Trabajar en fábricas es posible, siempre que el ROI pueda calcularse. Creo que con el desarrollo tecnológico, gradualmente se encontrarán más escenarios para madurarlo.
Wu Pengyang: ¿Qué escenario ve más prometedor actualmente?
Ma Junjie: Definitivamente, es comenzar desde el final, pero este camino, como dijeron los expertos anteriores, actualmente estamos en la era del teléfono móvil y debemos hacer lo correcto en el momento adecuado.
Wu Pengyang: ¿En qué escenario trabaja actualmente?
Ma Junjie: En cuanto a los robots humanoides, las dos primeras categorías serán las principales direcciones de producción en masa, para desarrollar nuestro modelo comercial hacia adelante, y al mismo tiempo invertiremos significativamente en algunos escenarios específicos de operación laboral.
Wu Pengyang: En el segundo escenario, el mercado de servicios comerciales es más grande, pero también sabemos que los robots en hoteles ya existen, ¿qué más puede hacer la inteligencia encarnada y qué escenarios de valor hay?
Ma Junjie: El valor de los servicios comerciales se divide en dos tipos: uno es el valor emocional y el otro es el valor funcional. Los robots de servicio que se ven actualmente en hoteles son principalmente no humanoides, centrados en el valor funcional, sin valor emocional. Si se les agrega forma humana para hacer esto, es valor emocional más valor funcional, y el escenario de mercado es muy grande.
Wu Pengyang: El valor emocional es justo lo que el Sr. Yang domina.
Yang Songhua: Me centraré en esto, que también es algo que preocupa a los jóvenes.
Como mencionaron los expertos, este año la entrada de robots en fábricas, hacer guías turísticos, reemplazar trabajos repetitivos en industrias tradicionales es la tendencia principal. Pero esto plantea un problema: este año comenzamos a avanzar hacia la comercialización, y una vez que comenzamos la comercialización, debemos comenzar a hacer cuentas económicas. En este punto, descubrimos que el costo de los robots humanoides sumado al costo de los modelos VLA, modelos del mundo, en comparación con el costo de la mano de obra tradicional, a menudo no cuadra económicamente.
Wu Pengyang: ¿Aproximadamente cuánta diferencia hay?
Yang Songhua: Si quieres resolver el valor de una aplicación de robot, construyes un robot para que entre en una fábrica o haga tareas domésticas, a menudo es más caro que una persona, mucho más caro, y a veces inestable. Esta es la razón: para que algo muestre su valor práctico y aplicado, incluso si tienes mucho dinero, harás las cuentas económicas.
Creo que en los próximos tres años, los robots probablemente seguirán proporcionando principalmente compañía y valor emocional a las personas. El valor emocional no tiene límite superior. Como empresas como Pop Mart en China en los últimos años, que pueden alcanzar una capitalización de mercado cercana a billones, en realidad es proporcionar valor emocional a los jóvenes y madres. Recientemente, muchas empresas en China han estado centrándose en robots biónicos, generando discusiones de miles de millones en toda la red. Todos esperan mucho un robot, incluso si no puede trabajar, solo sentarse allí tranquilamente, mirarte, acompañarte todos los días, charlar contigo, lo esperaríamos con ansias.
Wu Pengyang: ¿No sería algo aterrador?
Yang Songhua: El valor emocional no necesariamente requiere una cara extremadamente biónica. Tener un gato o un perro, o Pop Mart tiene un Labubu, sin forma humana, también puede proporcionar valor emocional.
Nuestra empresa siempre se ha centrado en hacer robots de compañía emocional. Por ejemplo, padres muy ocupados que desean que sus hijos pequeños puedan charlar con un robot todos los días; o trabajadores agotados que pueden permitir que un robot proporcione valor emocional diariamente, como tener un gato o un perro, pero sin la carga de alimentar o pasear.
En cuanto al futuro, definitivamente esperamos que los robots finalmente entren en millones de hogares. Pero creo que dar el primer paso también es cultivar la percepción de los usuarios, dejar que los usuarios experimenten primero el valor de compañía de los robots, y luego, cuando nuestra tecnología, modelos y volumen de datos maduren, los robots gradualmente comenzarán a hacer cosas como tareas domésticas.
Wu Pengyang: Las aplicaciones actuales de grandes modelos, incluidos los chatbots que usamos normalmente, también pueden acompañar y proporcionar valor emocional, ¿por qué agregar robots para hacer compañía? ¿Cuál es el valor central?
Yang Songhua: Esto en realidad vuelve a una pregunta esencial de la industria. Por ejemplo, la IA en el móvil también es muy linda, charlar también es interesante, muchas personas están enamorándose de la IA. Pero creemos que la industria de la inteligencia artificial finalmente debe entrar en el mundo físico.
Al principio, la inteligencia artificial solo podía hacer reconocimiento de imágenes, traducción, luego aparecieron grandes modelos que podían conversar, responder preguntas. Ahora hay agentes inteligentes tan poderosos que pueden ayudarnos a resolver problemas de flujo de trabajo. Pero para lograr la escena final como en las películas de ciencia ficción en el futuro, los robots definitivamente deben ser como comprar un automóvil hoy. En el futuro, probablemente todos compraremos un robot, que nos acompañe todos los días, compre verduras, cocine, etc. Esta es la tendencia final de la industria de la inteligencia artificial. Solo esta entidad final, que puedes ver y tocar todos los días, realmente dará a las personas una sensación de cercanía muy real.
Wu Pengyang: Ciertamente, tocar solo el móvil es algo incómodo.
Liu Chuanhou: La inteligencia encarnada y los robots humanoides están relacionados, pero en realidad son dos cosas diferentes. Los robots humanoides son esencialmente más parecidos a los humanos y pueden integrarse verdaderamente en la sociedad humana. El alcance de la inteligencia encarnada es más amplio; no se limita solo a robots humanoides, sino que también incluye cuadrúpedos, con ruedas, todos pertenecen a la categoría de robots de inteligencia encarnada.
La aplicación de robots humanoides aún tiene distancia, pero la aplicación de inteligencia encarnada puede avanzar primero. Los robots que entregan comida en hoteles, los robots de limpieza automática que se ven actualmente en hoteles, en realidad también son una aplicación potencial de inteligencia encarnada. Posteriormente, las aplicaciones de inteligencia encarnada pueden comenzar desde otros escenarios aplicables, no necesariamente apuntando primero a la forma humana específica.
Nuestro centro de innovación actualmente también está explorando activamente las aplicaciones de inteligencia encarnada en robots no humanoides. Porque China y el extranjero son muy diferentes; en el extranjero, como Tesla, buscan más el primer principio, es decir, quieren crear una persona. Pero actualmente, la gran mayoría de las empresas en China todavía buscan escenarios y hacen aplicaciones directas. Muchos productos de empresas de robots no son completamente bípedos humanoides, muchos son con ruedas. Las aplicaciones de inteligencia encarnada en realidad ya pueden usarse ahora, sin esperar diez o veinte años.
El mes pasado, el Ministerio de Industria y Tecnología de la Información y la Comisión Estatal de Supervisión y Administración de Activos estatales emitieron conjuntamente una acción especial de capacitación práctica en escenarios reales para robots humanoides e inteligencia encarnada; nuestro centro de innovación también solicitó activamente la construcción de 5 o 6 productos de socios. Este año, desde el posicionamiento estratégico, promover activamente la aplicación de robots humanoides e inteligencia encarnada en escenarios reales también es una gran prioridad nacional. Para nosotros, seguir o explorar algunos caminos viables es muy importante.
Wu Pengyang: ¿Qué escenario espera más poder superar?
Liu Chuanhou: A largo plazo, esperamos resolver problemas humanos. Cosas que no quiero hacer en casa, o cosas que las personas no quieren hacer, definitivamente son problemas que queremos resolver. Pero el problema real actual es: los robots están haciendo cosas en las que somos buenos, no cosas que no queremos hacer. Queremos que los robots cocinen, hagan tareas domésticas, pero en realidad actualmente nosotros hacemos las tareas domésticas, y los robots hacen cosas mentales. Esto es difícil de resolver en poco tiempo.
P3: ¿Cuál es la situación del ecosistema industrial de la inteligencia encarnada y qué necesita para su construcción?
Wu Pengyang: Para que la inteligencia encarnada avance, definitivamente necesita la interacción del ecosistema y la cadena industrial de arriba a abajo. Desde sus propias empresas, sus propios productos, ¿cómo ven la situación del desarrollo del ecosistema industrial actual? ¿Sienten que hay puntos faltantes, o esperan algún avance en el entorno o sistema?
Yang Songhua: La principal ventaja de Hubei es que somos una gran provincia tradicional de manufactura; en lugares como Optics Valley, hay muchas empresas de optoelectrónica y manufactura 3C, que realmente pueden proporcionar un buen entorno de producción de componentes para nuestro desarrollo de robots. Además, la mayor ventaja de Hubei, especialmente Wuhan, es que hay muchos recursos universitarios, con una densidad de talento muy alta. Muchas empresas eligen ubicar su I+D en Wuhan porque hay muchos ingenieros experimentados aquí. Como el Centro de Innovación de Robots Humanoides de Hubei del Sr. Liu y su equipo que recopilan datos, realmente ayudan a resolver el empleo de muchos estudiantes universitarios. La principal ventaja de Wuhan radica en los datos y los ingenieros.
En cuanto a las necesidades futuras de construcción, en comparación con empresas de Beijing, Shanghái y Shenzhen, principalmente en el área del cerebro y modelos. Porque el cerebro de IA necesita a las personas más inteligentes y destacadas para liderar; Wuhan también puede necesitar introducir más empresas destacadas en el próximo paso para desempeñar un papel de demostración líder.
Wu Pengyang: Un poco más específico, por ejemplo, cuando desarrolla productos ahora, ¿en qué enlace específico siente que las empresas de grandes modelos necesitan proporcionar algo?
Yang Songhua: Actualmente, la mayoría de las empresas que trabajan en multimodalidad probablemente todavía usan modelos de código abierto tradicionales. Actualmente, realmente esperamos que algunos modelos VLA, modelos del mundo también puedan ofrecerse como servicios, pero actualmente parece un poco difícil. Esperamos que las empresas de grandes modelos primero puedan proporcionar una buena base, como la base Hunyuan de Tencent, que podemos ajustar ligeramente y usar directamente. Por lo tanto, el código abierto sigue siendo muy importante.
Ma Junjie: El ecosistema industrial se divide en aguas arriba y aguas abajo. En aguas arriba, uno es IA, el otro es hardware; actualmente, el ecosistema industrial de China es bastante rico. Pero cada área aún necesita avances constantes, como tratamiento térmico de piezas clave de reductores armónicos, equipos de inspección, etc., la tecnología de la cadena de suministro nacional aún debe fortalecerse; en IA, datos, ecosistema industrial, etc., necesitan una mayor integración.
Además, me gustaría mencionar aguas abajo. El proceso de desarrollo de la inteligencia encarnada probablemente sea similar al de los automóviles autónomos de nueva energía, porque aguas abajo involucra canales de ventas, soluciones financieras (como arrendamiento financiero) , seguros, mercado de reparación posventa, etc. A medida que la inteligencia encarnada aparece cada vez más en nuestras vidas, el mercado aguas abajo también se desarrollará gradualmente en el futuro, lo que es tanto un desafío como una oportunidad.
Wu Pengyang: ¿Cuál cree que es el área más desafiante en estos enlaces actualmente?
Ma Junjie: Cada enlace es muy importante; realmente hacerlo bien implica madurar el mercado, logrando una espiral ascendente positiva entre el mercado y la cadena industrial.
Wu Pengyang: Mencionó seguros anteriormente, esto es muy nuevo, ¿cómo se aseguran los robots?
Ma Junjie: Por ejemplo, si un robot va a hacer una presentación, en realidad es mejor tener un plan de seguro. En caso de que no lo haga bien o ocurra un accidente, el seguro puede proporcionar protección. En realidad, el seguro de inteligencia encarnada es similar al de los automóviles de nueva energía, se puede entender así. Todos están explorando, algunas industrias específicas ya han comenzado a hacerlo.
Liu Chuanhou: En cuanto a la industria de la inteligencia encarnada, desde la cadena industrial aguas arriba, el año pasado analizamos la cadena industrial dentro de la provincia de Hubei, aproximadamente más de treinta empresas. Pero este año, al analizar nuevamente las que pueden ingresar al ecosistema industrial, probablemente ya hay más de ciento cuarenta. Por supuesto, si pueden ingresar es otra cuestión, porque involucra el problema de producción. Cuántos productos finales relacionados con robots o robots humanoides puede producir la provincia de Hubei determina la escala de toda la cadena industrial aguas arriba impulsada por los productos finales.
En cuanto al ecosistema industrial en general, ¿dónde están los cuellos de botella? Creo que probablemente todavía estén en el área de datos y modelos. Nunca me preocupa que la capacidad de manufactura y producción de China tenga deficiencias, pero los datos y modelos pueden ser un problema mayor.
Anteriormente se mencionó cuántos datos se necesitan para alcanzar un nivel similar al actual L3 o L4 de conducción autónoma; algunos expertos de la industria predijeron que para alcanzar el nivel actual de conducción autónoma, probablemente se necesiten decenas de miles de millones de horas de datos. Pero para robots o robots humanoides, el volumen de datos podría necesitar alcanzar cientos de miles de millones de horas. Actualmente solo tenemos unos pocos millones de horas de datos, todavía estamos muy lejos. Los modelos dependen mucho de los datos; sin datos, el efecto del modelo en la implementación de escenarios tendrá grandes problemas.
Por lo tanto, creo que actualmente la debilidad sigue estando en el área de datos; necesitamos una gran cantidad de datos, y estos datos deben ser comercializables, permitiendo que todas las instituciones que necesitan entrenar modelos los obtengan de manera conveniente y económica, para que puedan surgir modelos más excelentes y promover el desarrollo de toda la industria.
Wu Pengyang: Si nos enfocamos en robots humanoides, porque necesitan entrenar el comportamiento humano, algo similar a cuando se entrenaban grandes modelos y se pedía a las personas que etiquetaran, ¿las personas comunes también podrían hacer estos movimientos, permitiendo que personas comunes participen en la provisión de datos?
Liu Chuanhou: Los datos se dividen principalmente en varias categorías. Los datos de teleoperación son los más caros, pero lo bueno es que pueden transferirse directamente al robot correspondiente con una adaptación simple. Los datos humanos, a partir de febrero de este año, NVIDIA lanzó una nueva dirección tecnológica; la recolección de datos sin cuerpo se ha convertido en una nueva área. Una gran cantidad de datos sin cuerpo, especialmente datos de comportamiento y movimiento humano, pueden recolectarse para el entrenamiento de modelos, lo que puede resolver grandes problemas.
Actualmente, el Centro de Innovación de Robots Humanoides de Hubei también está explorando activamente la cooperación para construir conjuntamente una plataforma de aplicación de circulación de datos. Al mismo tiempo, también esperamos establecer un mecanismo similar al crowdsourcing, permitiendo que personas comunes recolecten datos en escenarios de vida y producción. Si esto puede movilizar con éxito las fuerzas sociales, cientos de miles o incluso millones de personas recolectando datos juntos, creo que podría acelerar el desarrollo de la inteligencia encarnada. Porque solo así podremos tener tantos datos para impulsar la iteración de modelos.
Wu Pengyang: Profesor Li, desde la perspectiva universitaria, ¿cómo ve la situación de aguas arriba y aguas abajo del ecosistema?
Li Min: En Wuhan, por ejemplo, en Huazhong University of Science and Technology, muchos graduados trabajan relativamente más en internet, lo cual es una ventaja. Además, la manufactura tradicional de Wuhan también es muy fuerte, incluida la manufactura emergente actual en fotovoltaica y chips ópticos, que también es muy buena.
En realidad, un importante impulsor del desarrollo de la inteligencia encarnada son los escenarios y aplicaciones. Esto se relaciona con un punto importante: la producción de datos, que tiene un gran papel promotor para la inteligencia encarnada, porque los datos en sí son una infraestructura.
Desde la perspectiva universitaria, el país y el gobierno prestan mucha atención al apoyo en esta área. Por ejemplo, ayer, la National Natural Science Foundation of China y la provincia de Hubei establecieron un fondo conjunto, apoyando mil millones al año durante cinco años consecutivos, para realizar investigaciones técnicas en direcciones relacionadas con robots humanoides e inteligencia encarnada. Nuestra Huazhong University of Science and Technology también lidera el plan de avance en robots humanoides, colaborando con Tsinghua, Zhejiang University, Beijing Institute of Technology, Dalian University of Technology y otras universidades para llevar a cabo una serie de investigaciones, diez proyectos en total.
Volviendo al ecosistema, muchas cadenas industriales de robots humanoides antes se dedicaban a la automatización de manufactura, incluyendo motores, percepción, etc. En algunos componentes clave, como la transmisión eléctrica que se discute mucho, la percepción de información de interacción física, etc., la provincia de Hubei también tiene sus propias ventajas. Por ejemplo, el equipo que incubamos, especializado en percepción táctil; actualmente, la percepción táctil de muchas manos hábiles en la industria proviene básicamente de este equipo. La provincia de Hubei tiene una buena base en estos aspectos, con un fuerte impulso.
P4: ¿Cuál es la situación actual y la posibilidad futura de "usar IA para crear IA"?
Wu Pengyang: ¿Cómo es la combinación entre grandes modelos e inteligencia encarnada? ¿Cómo utilizan los grandes modelos en su trabajo para ayudar a mejorar la eficiencia de productos y operaciones organizacionales?
Liu Chuanhou: Básicamente, desde 2023 hasta ahora, siempre hemos estado usando grandes modelos. Cuando salió ChatGPT, ya estábamos explorando cómo aplicarlo. Pero la GenAI, para ser honesto, tiene un gran problema: una gran capacidad de engaño, las respuestas que da no necesariamente son correctas. Por lo tanto, usar IA para crear IA plantea un gran problema cognitivo. Pero esto no nos impide utilizar la capacidad tecnológica de la IA; nuestro equipo de I+D también la utiliza, como en codificación, gestión y otros niveles; nuestro equipo de I+D de la empresa es realmente un usuario profundo, con una actitud bastante abierta.
Yang Songhua: Soy un emprendedor nacido en los 2000, todavía soy estudiante de doctorado, normalmente también hago mucha investigación, escribo artículos; este campo es precisamente una de mis áreas de investigación.
El método general de entrenamiento de grandes modelos tradicionales consume todos los datos de internet de la humanidad. Modelos como GPT 4.0 y posteriores básicamente usan datos generados por IA para entrenar, o encuentran un modelo docente más poderoso para entrenar su propio modelo más débil.
El entrenamiento de modelos en el campo de la inteligencia encarnada principalmente tiene tres tipos.
Primer tipo, similar al enfoque de grandes modelos, usando un modelo más avanzado como modelo docente, para ajustar finamente un modelo pequeño entrenado localmente.
Segundo tipo, se pueden usar modelos más avanzados actuales como VLA para limpiar, filtrar y segmentar los datos.
Tercer tipo, son los modelos del mundo. Los datos generados por los primeros modelos del mundo en realidad se usaban para entrenar; luego, todos descubrieron que, dado que pueden generar datos de trayectoria de movimiento mecánico, ¿por qué no usar directamente los resultados de predicción como salida? Como en la conducción autónoma, al principio también usaban modelos del mundo para generar videos de escenarios extremos como suplemento de datos de entrenamiento. Creo que usar modelos del mundo para entrenar inteligencia encarnada, esta posibilidad es bastante grande.
Wu Pengyang: ¿Cuál es la situación de aplicación de datos sintéticos en inteligencia encarnada?
Yang Songhua: En realidad, muchos datos son datos sintéticos similares a la simulación. Pero la simulación aún no cuenta como usar IA para crear IA, porque la simulación requiere mucha participación humana en la redacción de reglas físicas. Sin embargo, la simulación se usa principalmente para el preentrenamiento de VLA; si se trata de operaciones precisas, principalmente se usan datos de teleoperación.
Ma Junjie: Seré breve. Somos una empresa recién establecida de inteligencia encarnada, también una empresa nativa de IA. La IA ya ha entrado en nuestra oficina diaria y todo el I+D, desde productos hasta diseño e interfaces, con participación de IA. En general, usar IA es efectivo, incluida una mejora considerable en eficiencia, por lo que somos una empresa firmemente nativa de IA.
Wu Pengyang: ¿Cuál cree que es la diferencia fundamental entre empresas tradicionales y empresas nativas de IA?
Ma Junjie: Para empresas emergentes como la nuestra, el núcleo de la IA es primero la eficiencia, otro es el costo de inversión y producción. Por ejemplo, en codificación básica de programas, se puede lograr 1/3 del costo humano con un efecto 3 veces mayor. Pero también debo agregar que la IA actualmente mejora nuestra eficiencia, pero en algunos lugares, como investigación de mercado, la IA a veces repite contenido anterior. Por lo tanto, nuestros datos clave y decisiones definitivamente no deben depender demasiado de la IA; la IA puede ser una referencia.
Wu Pengyang: ¿Qué cosas se le dan a la IA y qué cosas dependen de las personas? ¿Hay algún mecanismo de diferenciación?
Ma Junjie: Mecánicamente, la IA participa en cada uno de nuestros trabajos, pero algunos puntos de decisión centrales aún dependen de las personas. La salida de la IA se basa en el conocimiento general, y las decisiones correctas a menudo requieren contrarrestar el conocimiento general; creo que muchas veces aún dependen de las personas, especialmente la comunicación cara a cara.
Wu Pengyang: ¿Qué tan alto es el grado de ejecución autónoma de los agentes inteligentes en su empresa?
Ma Junjie: Esto no es fácil de cuantificar. Solo puedo decir que, ya sea en la oficina diaria o en la realización de actividades, diseño, en realidad hay un asistente que puede mejorar significativamente la eficiencia de cada persona. Es algo similar al modo de grupo de trabajo de agentes inteligentes.
Li Min: Los jóvenes aceptan fácilmente cosas nuevas; buscarán varias herramientas para ahorrar tiempo y energía. En el uso de IA, desde los informes semanales más simples, presentaciones, PPT, hasta código, ideas y enfoques de investigación, redacción de artículos, dibujo, etc., nuestros estudiantes lo están usando. También están usando varios agentes inteligentes, y nosotros los alentamos y apoyamos, incluida la compra de membresías.
También lo usamos en la enseñanza. Debido a que hay muchos estudiantes y la energía de los profesores es limitada, a veces construimos nuestros propios agentes inteligentes, dejando que los estudiantes interactúen y discutan primero con el agente inteligente, el agente inteligente resume los puntos clave centrales, y luego nosotros nos comunicamos en profundidad con los estudiantes de manera específica. Esto puede ahorrar tiempo. En la redacción de artículos, los estudiantes no están familiarizados con la estructura, marco y enfoque del artículo, la IA puede asistir. Por supuesto, les exijo que no usen imágenes generadas por IA para completar tareas; deben aprender a hacerlo por sí mismos.
Pero esto plantea un problema importante: la avanzada naturaleza de las herramientas puede hacer que las personas sean perezosas. A veces, los estudiantes no saben por qué, piensan que el resultado de la IA es correcto, el proceso de pensamiento es completamente reemplazado, simplemente entregan el resultado. Llamar cosas está bien, pero algunos enfoques, fórmulas aún necesitan dominarse, como cuál es el principio, a veces es difícil de entender para los estudiantes.
El proceso de uso de IA debe tener un límite, debe controlar cada paso clave, para que la IA nos sirva. Después de todo, es una herramienta, una herramienta para mejorar la eficiencia, pero necesitamos reconocer los efectos negativos que traen las herramientas, tratar de evitarlos para usar la herramienta al máximo.
Wu Pengyang: En su enseñanza y guía de estudiantes, ¿hay algún método para que la IA se use en el lugar correcto?
Li Min: A veces hacemos nuestras propias cosas para enseñanza, dejando que los estudiantes usen aplicaciones dentro de nuestro alcance limitado, en lugar de comunicarse directamente con IA sin restricciones.
Resumen y Perspectivas
Li Min: Desde la perspectiva física, la interacción física más la inteligencia en la nube finalmente impulsará la llegada del objetivo final de AGI física.
Ma Junjie: La AGI física llegará finalmente, todos trabajaremos para ello. Aunque hay múltiples rutas, todos los caminos pueden llevar a Roma, solo depende de quién lo logre primero.
Yang Songhua: La inteligencia encarnada probablemente no tendrá un momento de singularidad que encienda completamente el mercado masivo como el iPhone o ChatGPT, sino un proceso gradual, acumulando y avanzando gradualmente desde ciertos escenarios, como el momento GPT en escenarios industriales, el momento GPT en escenarios de interacción humano-máquina.
Liu Chuanhou: Inteligencia encarnada, el camino es largo y arduo.
Este artículo proviene del WeChat público "Tencent Research Institute" (ID: cyberlawrc), autor: Tencent Research Institute
