Маск в начале этого года заявил, что его гуманоидный робот "Optimus 3" ожидается в серийном производстве в следующем году. На второй половине пути больших языковых моделей, ИИ больше не ограничивается цифровым пространством, он должен войти в реальный мир, чтобы выполнять задачи за человека. Воплощённый ИИ и робототехника стали ключевыми прорывными направлениями. Наступает ли "iPhone-момент" для воплощённого ИИ? 2 июля 2026 года в Ухане, в Хайма Гуангу, на городском саммите Tencent Cloud мы провели круглый стол, где эксперты из предприятий, вузов и правительства провели углублённое и понятное обсуждение.
Гости:
Лю Чуаньхоу COO Центра инноваций в области гуманоидных роботов провинции Хубэй
Ян Сунхуа Сооснователь и технический директор Lunpai Technology
Ма Цзюньцзе Вице-президент компании Beijing Kunlunxing Robot Technology Co., Ltd.
Ли Минь Профессор Школы машиностроения и науки, Университет науки и технологий Хуачжун
Модератор:
У Пэнъян Старший эксперт Tencent Research Institute
【Ключевые идеи】
01 "iPhone-момент" ещё далеко, сейчас больше похоже на эпоху "переносных телефонов".
Технологические пути воплощённого ИИ ещё не сходятся, помимо VLA существует множество других направлений исследований, сейчас могут удовлетворяться лишь некоторые базовые функции.
02 "Может ли двигаться" уже решено, "может ли использоваться" требует усилий.
Мозжечок робота (управление движением) уже неплохой, но мозг (принятие решений и обобщение) ещё далёк от уровня масштабного коммерческого использования.
03 Данные — главное узкое место, существует большой разрыв.
Для воплощённого ИИ требуется не менее десятков миллионов данных, чтобы достичь момента, подобного "GPT2.0", но сейчас в мире в сумме лишь около 500 000, на два порядка меньше.
04 Первое препятствие для коммерциализации — экономический расчёт, сейчас он не складывается.
Стоимость гуманоидного робота плюс затраты на VLA, мировые модели и т.д., в настоящее время часто значительно превышает традиционные затраты на рабочую силу.
05 Применение воплощённого ИИ имеет три рынка, наибольший обладает потенциалом в сотни триллионов.
Рынок эмоциональной ценности в десятки миллиардов: выступления, демонстрации, уход и воспитание; Рынок коммерческих услуг в сотни миллиардов: привлечение и сопровождение клиентов, экскурсии, помощь в оформлении, покупках; Рынок производственных операций в сотни триллионов: работа на заводе, домашние дела и т.д.
06 Гуманоидные роботы ещё впереди, но воплощённый ИИ может начаться раньше.
Применение воплощённого ИИ может начаться уже сейчас, не обязательно в гуманоидной форме и не обязательно для выполнения работы. Даже если он будет просто сопровождать, как домашний питомец, люди будут этого ждать.
07 Конечная цель ИИ — в физическом мире, не на экране.
Сколько бы милым ни был ИИ в телефоне, его отделяет слой стекла. Искусственный интеллект в конечном итоге войдёт в физический мир, в миллионы домов.
08 Использование ИИ для повышения эффективности стало консенсусом, но ключевые решения нельзя доверять ИИ.
ИИ уже значительно повысил эффективность в кодировании, научных исследованиях, обучении и других аспектах, но существует риск "обмана" и "когнитивного замещения". Ключевые суждения и решения должны оставаться за человеком.
Полное содержание интервью:
В1: На каком этапе находится развитие воплощённого ИИ?
У Пэнъян: Для меня большая честь сегодня вместе с экспертами обсудить очень актуальную тему — воплощённый ИИ. В последние два года марафон гуманоидных роботов, роботы бегут быстрее человека, публика очень взволнована. Поэтому наша сегодняшняя тема носит довольно провокационное название — Наступает ли "iPhone-момент" для воплощённого ИИ?
Итак, первый вопрос: на каком этапе сегодня находится воплощённый ИИ? Гости могут высказаться с технической точки зрения, о развитии базовых технологических путей; или с точки зрения возможностей, таких как бег, прыжки или выполнение сложных задач, выбрав своё направление.
Лю Чуаньхоу: Сначала вывод: я считаю, что воплощённый ИИ ещё далёк от своего "iPhone-момента".
Проще говоря, воплощённый ИИ сейчас находится на этапе, подобном эпохе "переносных телефонов", может удовлетворять лишь некоторые базовые функции. Сейчас гуманоидные роботы разделены на большой и малый мозг, управление движением всего тела (мозжечок) уже довольно неплохое, но мозг (принятие решений и обобщение) ещё далёк от уровня коммерческого использования. С 2024 года все постоянно обсуждают тему большого мозга у гуманоидных роботов, но в реальных отраслевых применениях пока не видно явного прорыва.
Технологические пути мозга воплощённого ИИ ещё не сошлись. Сейчас популярна модель VLA, но она также сталкивается со множеством проблем, общий путь ещё очень долог. Технологии не развиваются мгновенно, требуется ряд усилий. Конечно, в этом году тоже есть изменения: например, может ли сочетание мировой модели, обучения с подкреплением и модели VLA создать новый путь? Можно ли в этом процессе включить в модель новые ключевые данные, такие как тактильные данные? Это всё исследуется. В конце концов, для робота недостаточно просто избегать препятствий, нужно ещё и взаимодействовать. Однако пока не появилось алгоритмической модели, превосходящей VLA.
Путь долог и труден, но нужно сохранять уверенность. Как и в 90-х годах прошлого века с мобильными телефонами, трудно было представить, что сейчас с их помощью можно решить множество проблем. Вероятно, то же самое будет и с роботами.
Ян Сунхуа: Я согласен с точкой зрения г-на Лю. Сейчас воплощённый ИИ в основном делится на платформу и модель. С точки зрения платформы, например, прошлогодний марафон роботов и выступления роботов разных компаний на Новый год показали, что роботы в основном решили проблему "может ли двигаться". Следующий шаг, на котором сосредоточена вся отрасль — проблема "может ли использоваться", то есть проблема мозга.
Что касается мозга: поскольку я раньше занимался большими языковыми моделями, вспомним историю их развития. Мы (воплощённый ИИ), возможно, ещё даже не достигли момента GPT2.0, потому что наши пути ещё не сошлись. Например, мы долго работали с моделями VLA, но в этом году уже перешли на мировые модели и другие различные модели.
Поскольку пути ещё не сошлись, все занимаются сбором данных, также сложно решить проблемы гетерогенности, синхронизации собранных данных. В настоящее время серьёзной проблемой является недостаток данных. В отрасли общепризнано, что необходимо как минимум десятки миллионов данных, чтобы воплощённый ИИ достиг момента, подобного GPT2.0 или 2.5. Но сейчас в мире в сумме лишь около 500 000, данных на два порядка меньше.
Таким образом, у воплощённого ИИ ещё долгий путь, включая архитектуру моделей, способы сбора данных, их масштаб и другие аспекты. Но я считаю, что если твёрдо идти этим путём, в конечном итоге реализуются все мечты об отрасли робототехники.
Ма Цзюньцзе: С точки зрения практикующего специалиста, я разделю возможности воплощённого ИИ на четыре аспекта.
Первый — способность управления движением, то есть мозжечок. Как уже сказали, эта часть относительно зрелая. Но чтобы довести её до абсолютной зрелости, ещё есть дистанция. Основное — это ключевые модули, включая электромагнитное экранирование, тепловое управление, алгоритмы управления движением и другие аспекты, которые требуют тщательной отработки.
Второй — способность передвижения и навигации. Воплощённый ИИ, в конце концов, находится в трёхмерном физическом мире, сначала нужно знать, где он находится, затем куда идти, осуществлять автоматическое планирование маршрута, динамически избегать препятствий. Вся технология относительно зрелая, можно использовать прямое расширение от беспилотного вождения (end-to-end) и VLA в отрасль воплощённого ИИ. Но применение беспилотных автомобилей на дорогах проще, чем сценарии применения воплощённого ИИ. Например, этот зал сложнее открытой дороги, для полного обобщённого применения воплощённого ИИ в таких сценариях требуется постоянная доработка.
Третий — способность мультимодального взаимодействия. Сейчас языковые возможности больших языковых моделей хороши, но в сценариях эмоционального сопровождения могут использоваться связанные с эмоциями жестовые взаимодействия, также мимика лица и т.д., это всё ещё на начальном этапе.
Четвёртый — способность выполнения трудовых операций. Как уже говорилось, относительно связанных с этим технологий, по общему направлению, например, мировой модели, уже сформировалось общее мнение. Но как конкретно реализовать мировую модель, каждая компания ищет свой путь. Конкретное широкое внедрение, возможно, потребует ещё некоторого времени.
Ли Минь: То, что все видят, — общие возможности роботов уже очень хороши. Но на самом деле, чтобы они действительно внедрялись и использовались, важной проблемой является их стабильность. Может ли робот гарантировать, что как автомобиль или другой производственный инструмент, он будет стабильно работать долгое время — этот путь ещё очень долог.
Кроме того, говоря о моделях, упомянутые сейчас так называемые ИИ-модели или мировые модели, сами их пути и направления ещё не полностью определены. Все ещё в состоянии разнообразия и конкуренции. Важная причина в том, что по сравнению с виртуальным ИИ, таким как GPT, ключевой проблемой остаются данные. Данные для GPT относительно легче получить, потому что их можно взять из интернета. Но для воплощённого ИИ получение данных довольно сложно, это затрудняет сбор данных. Независимо от данных реального мира или симуляционных данных, данных физического взаимодействия, тактильных данных и т.д., недостаток данных фактически тормозит развитие моделей.
В целом, у воплощённого ИИ ещё долгий путь. Но эта отрасль развивается быстро, изменения происходят ежедневно или еженедельно, будущее многообещающее.
У Пэнъян: Благодарю четырёх гостей за предоставление нам трезвых размышлений в этом ажиотаже. Подведу итог: на каком этапе находится развитие воплощённого ИИ: Если сравнить с телефоном, возможно, это период "переносного"; если сравнить с моделью, возможно, это GPT 2.0. В целом, до "iPhone-момента" ещё далеко, нужно ещё походить, посмотреть.
В2: Текущая ситуация и потенциал применения воплощённого ИИ?
У Пэнъян: Второй вопрос: как идёт развитие применения воплощённого ИИ? Какие сценарии относительно зрелые или уже видны возможности масштабного применения? Где потенциал будущих применений больше?
Ли Минь: С точки зрения университета, сейчас основные направления — это внедрение на заводы, а также домашнее или сервисное применение. В целом, до крупномасштабного внедрения ещё далеко. Сейчас все видят, возможно, некоторые демонстрационные применения.
У Пэнъян: Есть ли относительно продвинутые?
Ли Минь: Возможно, в инспекции делают больше, потому что инспекция связана с относительно меньшим количеством конкретных операций, применение будет немного больше. Но чтобы действительно заменить людей на заводах, путь очень долог, например, упомянутая мной проблема стабильности, потому что заводы предъявляют очень высокие требования к эффективности, успешности.
У Пэнъян: На каких применениях вы сейчас в основном сосредоточены?
Ли Минь: Сейчас мы в основном занимаемся инспекцией инженерных объектов, автомобильной отраслью, некоторые ведущие предприятия совместно создают лаборатории. На самом деле, многие компании испытывают огромную потребность в воплощённом ИИ, все это видят, но эти компании не знают, как именно использовать, как внедрять, поэтому они полагаются на университеты для исследований и демонстраций.
Ма Цзюньцзе: Я проанализирую с рыночной точки зрения, разделю на три рынка.
Первый рынок — эмоциональной ценности (десятки миллиардов) . В настоящее время в основном выступления и демонстрации, в основном полагаются на способность управления движением. Недавно некоторые производители выпускают роботов для ухода и воспитания, возможно, использующих возможности мультимодального взаимодействия, передвижения и навигации. Рынок находится на начальной стадии проверки.
Второй рынок — производительности коммерческих услуг (сотни миллиардов) . Например, привлечение и сопровождение клиентов в различных коммерческих сценариях, экскурсии по выставочным залам, помощь в оформлении в центрах обслуживания, консультации в офлайн-магазинах и т.д., требуют в основном комплексных способностей движения + навигации + мультимодального взаимодействия. Если возможности станут зрелыми, этот рынок будет оцениваться в сотни миллиардов.
Третий рынок — производительности трудовых операций (сотни триллионов) . Например, массовое внедрение на заводы для работы, в домашние хозяйства для выполнения домашних дел и т.д., в основном зависит от способности роботов выполнять трудовые операции, масштаб этого рынка — сотни триллионов. Почему? Десять миллиардов смартфонов умножить на сто тысяч юаней (средняя цена автомобиля с автопилотом на новой энергии) — простая оценка даёт сотни триллионов. Этот рынок очень велик, но и сталкивается со многими вызовами. В некоторых относительно стандартных, не требующих широкого обобщения средах, можно попробовать. Работа на заводе возможна при условии, что ROI рассчитан. Я верю, что с развитием технологий постепенно найдутся новые сценарии, что сделает его более зрелым.
У Пэнъян: Какой сценарий вы сейчас больше всего цените?
Ма Цзюньцзе: Конечно, исходя из конечной цели, но этот путь, как говорили предыдущие эксперты, сейчас мы в эпохе "переносных телефонов", нужно в подходящее время делать правильные вещи.
У Пэнъян: На каких сценариях вы сейчас работаете?
Ма Цзюньцзе: Для гуманоидных роботов в основном первыми двумя направлениями как основными для массового производства, чтобы развивать нашу бизнес-модель, а также мы будем уделять внимание некоторым конкретным сценариям трудовых операций.
У Пэнъян: Второй сценарий, рынок коммерческих услуг больше, но мы также знаем, что роботы в отелях уже есть, что ещё может делать воплощённый ИИ, какие ценностные сценарии остались?
Ма Цзюньцзе: Ценность коммерческих услуг делится на два типа: эмоциональная ценность и функциональная ценность. Сейчас сервисные роботы, видимые в отелях, в основном негуманоидные, в основном функциональная ценность, без эмоциональной. Если добавить им гуманоидную форму, это будет эмоциональная ценность плюс функциональная ценность, рыночный сценарий очень велик.
У Пэнъян: Эмоциональная ценность как раз сильная сторона г-на Яна.
Ян Сунхуа: Я сосредоточусь на том, что также волнует нас, молодых людей.
Как уже говорили эксперты, в этом году основная тенденция — внедрение роботов на заводы, проведение экскурсий, замена некоторых традиционных отраслей с повторяющимся трудом. Но возникает вопрос: в этом году начинается постепенная коммерциализация, как только она начинается, нужно начинать считать экономику. Тогда выясняется, что стоимость гуманоидного робота плюс затраты на модели VLA, мировые модели, по сравнению с традиционными затратами на рабочую силу, экономический расчёт часто не сходится.
У Пэнъян: Примерно насколько отличается?
Ян Сунхуа: Если вы хотите решить проблему применения робота, создали робота для работы на заводе или домашних дел, он часто оказывается дороже человека, и намного дороже, а иногда и нестабилен. Вот в чём дело: чтобы показать реальную и прикладную ценность чего-либо, как бы вы ни были богаты, всё равно придётся считать экономику.
Я считаю, что в течение трёх лет роботы, возможно, в основном будут предоставлять людям сопровождение и эмоциональную ценность. У эмоциональной ценности нет предела. Как компании вроде Pop Mart в последние годы смогли достичь капитализации почти в триллион, они просто предоставляют эмоциональную ценность молодым людям, мамам. Многие компании в Китае сейчас обращают внимание на бионических роботов, в интернете это вызвало десятки, сотни миллиардов обсуждений. Люди очень ждут робота, даже если он не может работать, просто сидит и смотрит на тебя, каждый день сопровождает, разговаривает с тобой, мы тоже будем ждать.
У Пэнъян: Не будет ли немного страшно?
Ян Сунхуа: Эмоциональная ценность не обязательно требует создания чрезвычайно бионического лица. Мы заводим кошку или собаку, или у Pop Mart есть Лабубу, без какой-либо человеческой формы тоже может предоставлять эмоциональную ценность.
Наша компания всегда сосредоточена на создании роботов для эмоционального сопровождения. Например, родители каждый день заняты, хотят, чтобы ребёнок мог каждый день общаться с роботом; или офисные работники устали, каждый день могут получать эмоциональную ценность от робота, как от кошки или собаки, но без хлопот с кормлением, выгулом.
Что касается будущего, мы все, конечно, надеемся, что роботы в конечном итоге войдут в миллионы домов. Но я считаю, что первый шаг — это также формирование пользовательского восприятия, сначала дать пользователям почувствовать ценность сопровождения робота, а затем, когда наши технологии, модели, объём данных созреют, роботы постепенно начнут делать что-то, например, домашние дела.
У Пэнъян: Приложения больших моделей, включая чат-ботов, которые мы обычно используем, также могут сопровождать, предоставлять эмоциональную ценность, зачем тогда добавлять робота для сопровождения? В чём основная ценность?
Ян Сунхуа: Это возвращает к фундаментальному вопросу отрасли. Например, ИИ на телефоне тоже может быть милым, интересно общаться, многие люди общаются с ИИ. Но мы считаем, что индустрия искусственного интеллекта в конечном итоге должна войти в физический мир.
Раньше ИИ мог только распознавать изображения, переводить, затем появились большие модели, способные вести диалог, отвечать на вопросы. Сейчас есть такие мощные агенты, которые могут решать различные рабочие процессы. Но чтобы реализовать конечные сцены, как в научно-фантастических фильмах, роботы обязательно должны, как сегодня каждый покупает машину, в будущем, возможно, каждый будет покупать робота, который каждый день будет сопровождать нас, ходить за покупками, готовить и т.д., это конечная тенденция индустрии ИИ. Только этот конечный физический объект, который вы можете видеть и трогать каждый день, действительно даст людям очень реальное чувство близости.
У Пэнъян: Действительно, просто трогать телефон всё же немного неловко.
Лю Чуаньхоу: Воплощённый ИИ и гуманоидные роботы хоть и связаны, но это две разные вещи. Гуманоидные роботы по сути больше похожи на людей, могут действительно интегрироваться в человеческое общество. Воплощённый ИИ шире, включает не только гуманоидных роботов, но и четвероногих, колёсных, всё это относится к сфере роботов воплощённого ИИ.
Применению гуманоидных роботов ещё далеко, но применение воплощённого ИИ может начаться раньше. Сейчас роботы в отелях, разносящие еду, автоматические роботы-пылесосы — это тоже потенциальное применение воплощённого ИИ. В дальнейшем применение воплощённого ИИ может начаться с других доступных сценариев, не обязательно сначала нацеливаться на гуманоидную форму.
Наш инновационный центр сейчас также активно исследует сценарии применения воплощённого ИИ на негуманоидных роботах. Потому что Китай и зарубежные страны сильно отличаются, зарубежные, например, Tesla, больше стремятся к первопринципам, хотят создать человека. Но в Китае сейчас большинство компаний всё ещё ищут сценарии, делают прямые применения. Продукты многих робототехнических компаний тоже не полностью двуногие гуманоиды, многие колёсные. Применение воплощённого ИИ уже сейчас может использоваться, не нужно ждать десять-двадцать лет.
В прошлом месяце Министерство промышленности и информатизации и Государственный комитет по делам государственного имущества совместно выпустили специальную акцию по практическому обучению гуманоидных роботов и воплощённого ИИ в реальных условиях, наш инновационный центр также активно подал заявки на строительство 5-6 продуктов партнёров. В этом году с точки зрения стратегической позиции, активное продвижение применения гуманоидных роботов и воплощённого ИИ в реальных сценариях также является важным национальным делом. Для нас очень важно идти в ногу или исследовать некоторые возможные пути.
У Пэнъян: Какой сценарий прорыва вы больше всего хотели бы?
Лю Чуаньхоу: С долгосрочной точки зрения, хотелось бы решить проблемы человека. То, что я не хочу делать дома, или то, что человек не хочет делать, это определённо то, что мы хотим решить. Но сейчас реальная проблема: роботы делают то, что мы умеем делать, а не то, что мы не хотим делать. Мы хотим, чтобы робот готовил, делал домашние дела, но на самом деле сейчас мы делаем домашние дела, а роботы делают что-то умственное. Это сложно решить в короткие сроки.
В3: Ситуация и потребности в построении индустриальной экосистемы воплощённого ИИ?
У Пэнъян: Для прорыва воплощённого ИИ обязательно требуется взаимодействие экосистемы, всей цепочки поставок. С точки зрения своих предприятий, своих продуктов, как вы считаете, какова текущая ситуация развития индустриальной экосистемы? Есть ли ощущение недостающих моментов или желание некоторых прорывов в среде, системе?
Ян Сунхуа: Главное преимущество провинции Хубэй в том, что мы традиционно крупная производственная провинция, в таких местах, как Хайма Гуангу, много предприятий оптико-электронной, 3C-промышленности, что действительно может предоставить хорошую среду для производства компонентов для разработки роботов. И главное преимущество Хубэя, особенно Уханя — это большое количество университетов, очень высокая плотность талантов. Многие компании выбирают размещение разработки в Ухане, потому что здесь много опытных инженеров. Например, сбор данных, который осуществляют г-н Лю и его коллеги из Центра инноваций в области гуманоидных роботов провинции Хубэй, действительно помогает решить проблему занятости многих студентов. Основные преимущества Уханя — это данные и инженеры.
Что касается потребностей в будущем строительстве, по сравнению с предприятиями Пекина, Шанхая, Шэньчжэня, в основном это мозг, модель. Потому что для ИИ-мозга нужны самые передовые, умные люди, следующий шаг для Уханя, возможно, также требует привлечения большего количества передовых предприятий для демонстрационной роли.
У Пэнъян: Более конкретно, например, при разработке продукта, в каком конкретном звене вы чувствуете, что компании больших моделей должны предоставить вам что-то?
Ян Сунхуа: Сейчас большинство компаний, занимающихся мультимодальностью, возможно, всё ещё используют традиционные открытые модели. Мы очень надеемся, что некоторые модели VLA, мировые модели также могут быть сервисно ориентированы, но сейчас это ещё сложно. Надеемся, что компании больших моделей, во-первых, могут предоставить хорошую базовую модель, как базовая модель Tencent Hunyuan, которую мы можем непосредственно дообучить и использовать. Поэтому открытый исходный код очень важен.
Ма Цзюньцзе: Индустриальная экосистема делится на верхний и нижний потоки. На верхнем потоке: один — ИИ, другой — аппаратное обеспечение, сейчас китайская индустриальная экосистема довольно богата. Но каждая область требует дальнейшего продвижения, например, термическая обработка, контрольное оборудование для ключевых компонентов, таких как гармонические редукторы, технология внутренней цепочки поставок требует укрепления; данные, индустриальная экосистема в ИИ требуют дальнейшей интеграции.
Кроме того, я хочу упомянуть нижний поток. Процесс развития воплощённого ИИ, возможно, похож на автомобили с новой энергией и автопилотом, потому что нижний поток включает каналы сбыта, финансовые схемы (например, лизинг) , страхование, рынок послепродажного обслуживания и ремонта. По мере того, как воплощённый ИИ всё чаще появляется в нашей жизни, в будущем нижний рынок также будет постепенно развиваться, это и вызов, и возможность.
У Пэнъян: Как вы думаете, какое звено сейчас самое сложное?
Ма Цзюньцзе: Каждое звено очень важно, чтобы действительно сделать всё хорошо, нужно созреть рынку, реализовать положительную спираль между рынком и индустриальной цепочкой.
У Пэнъян: Вы упомянули страхование, это очень ново, как страховать робота?
Ма Цзюньцзе: Например, если робот выступает, ему действительно лучше иметь страховку. На случай, если что-то пойдёт не так или произойдёт авария, страхование обеспечит защиту. Фактически страхование воплощённого ИИ похоже на страхование автомобилей с новой энергией, можно так понимать. Все ещё исследуют, некоторые подотрасли уже начали это делать.
Лю Чуаньхоу: Что касается индустрии воплощённого ИИ, с точки зрения верхнего потока цепочки поставок, мы в прошлом году проанализировали внутреннюю цепочку провинции Хубэй, было около тридцати с лишним. Но в этом году при повторном анализе тех, кто может войти в индустриальную экосистему, уже около ста сорока с лишним. Конечно, смогут ли они войти — другой вопрос, потому что это связано с объёмом производства. Сколько конечных продуктов, связанных с роботами или гуманоидными роботами, может произвести провинция Хубэй, определяет масштаб всей верхней цепочки, стимулируемый конечными продуктами.
Что касается всей индустриальной экосистемы, где узкие места? Я думаю, возможно, всё ещё в области данных и моделей. Я никогда не беспокоюсь, что у китайского производства, производственных мощностей будут какие-то пробелы, но для данных и моделей, возможно, это большая проблема.
Ранее говорили, сколько данных нужно, чтобы достичь уровня, подобного нынешнему автопилоту L3 или L4, прогнозировали эксперты отрасли, чтобы достичь нынешнего уровня, требуется данные на сотни миллиардов часов. Но для роботов или гуманоидных роботов, возможно, требуется данные на тысячи миллиардов часов. Сейчас у нас данные всего на несколько миллионов часов, ещё очень далеко. Модели сильно зависят от данных, без данных эффективность моделей при внедрении в сценарии будет иметь большие проблемы.
Поэтому я считаю, что сейчас слабым звеном всё ещё являются данные, нам нужно много данных, и эти данные должны быть пригодны для торговли, чтобы все организации, нуждающиеся в обучении моделей, могли легко и дёшево их получить, тогда появятся более совершенные модели, что продвинет развитие всей отрасли.
У Пэнъян: Если сосредоточиться на гуманоидных роботах, потому что нужно обучать человеческим действиям, похоже на то, как при обучении больших моделей просили людей размечать, могут ли обычные люди также выполнять эти действия, возможно, это позволит обычным людям участвовать в предоставлении данных?
Лю Чуаньхоу: Данные в основном делятся на несколько типов. Данные телеуправления самые дорогие, но их преимущество в том, что их можно напрямую перенести на соответствующего робота с простой адаптацией. Человеческие данные, с февраля этого года, Nvidia выдвинула новое технологическое направление, сбор данных без платформы стал новой нишей. Большое количество данных без платформы, особенно данных о человеческих действиях и поведении, может быть собрано для обучения моделей, что может решить большую проблему.
Сейчас Центр инноваций в области гуманоидных роботов провинции Хубэй также активно исследует сотрудничество, совместно строит платформу для оборота и применения данных. Также надеемся создать механизм, подобный краудсорсингу, чтобы обычные люди в жизненных и производственных сценариях могли собирать данные. Если это удастся, мобилизовав общественные силы, сотни тысяч, даже миллионы людей совместно собирают данные, я думаю, это может ускорить развитие воплощённого ИИ. Потому что только так можно получить столько данных, чтобы продвигать итерацию моделей.
У Пэнъян: Профессор Ли, с точки зрения вуза, как выглядит ситуация с верхним и нижним потоками экосистемы?
Ли Минь: В Ухане, например, в Хуачжунском университете науки и технологий, много выпускников работают в интернет-компаниях, это преимущество. Кроме того, традиционное производство в Ухане также очень сильное, включая новые производства в области фотоэлектрики, оптических чипов.
Фактически, важным двигателем развития воплощённого ИИ являются сценарии и применения. Это связано с важным моментом: производство данных, что очень способствует развитию воплощённого ИИ, потому что данные сами по себе являются инфраструктурой.
С точки зрения университета, государство и правительство очень серьёзно относятся к поддержке этого направления. Например, вчера Национальный фонд естественных наук и провинция Хубэй создали совместный фонд, поддерживающий на миллиард в год, непрерывно в течение пяти лет, для поддержки технических исследований в области гуманоидных роботов, воплощённого ИИ. Наш Хуачжунский университет науки и технологий также возглавляет программу прорыва в области гуманоидных роботов, совместно с Цинхуа, Чжэцзянским университетом, Пекинским технологическим институтом, Даляньским технологическим университетом и другими вузами проводя ряд исследований, всего десять тем.
Возвращаясь к экосистеме, многие в цепочке поставок гуманоидных роботов раньше занимались автоматизацией производства, включая двигатели, восприятие. В некоторых ключевых компонентах, таких как электропривод, восприятие физической информации взаимодействия, о которых много говорят, провинция Хубэй также имеет свои преимущества. Например, компания, созданная нашим коллективом, специализируется на тактильном восприятии, сейчас тактильное восприятие многих ловких рук в отрасли в основном от этой команды. Провинция Хубэй имеет хорошую основу в этих аспектах, обладает сильным потенциалом.
В4: Текущая ситуация и будущие возможности "создания ИИ с помощью ИИ"?
У Пэнъян: Как обстоит дело с сочетанием больших моделей и воплощённого ИИ? Как вы в своей работе используете большие модели для повышения эффективности продуктов и организационной работы?
Лю Чуаньхоу: Мы в основном с 23 года по настоящее время постоянно используем большие модели. Когда появился ChatGPT, мы уже исследовали, как применять. Но у GenAI, честно говоря, есть большая проблема — большая обманчивость, ответы не обязательно верны. Поэтому использование ИИ для создания ИИ имеет большую когнитивную проблему. Но это не мешает нам использовать технологические возможности ИИ, наша команда разработчиков также использует, например, в кодировании, управлении, наши разработчики действительно активные пользователи, с открытым подходом.
Ян Сунхуа: Я предприниматель 00-х годов, ещё докторант, обычно также занимаюсь исследованиями, пишу статьи, эта область как раз одна из моих исследований.
Традиционный метод обучения больших моделей использовал все данные из интернета. Модели после GPT4.0 в основном обучались на данных, сгенерированных ИИ, или использовали более сильную учительскую модель для обучения более слабой модели.
Обучение моделей в области воплощённого ИИ в основном имеет три типа.
Первый, похожий на подход больших моделей, использует более продвинутую модель как учительскую модель для тонкой настройки локально обученной маленькой модели.
Второй, можно использовать современные продвинутые модели, такие как VLA, для очистки, фильтрации, сегментации данных.
Третий — это мировая модель. Раньше данные, генерируемые мировой моделью, использовались для обучения, потом все поняли, что раз можно генерировать данные траекторий механических движений, почему нельзя напрямую использовать прогнозируемые результаты как вывод? Например, в беспилотном вождении, мировая модель также использовалась для генерации видео экстремальных сценариев в качестве дополнения к обучающим данным. Я считаю, что использование мировой модели для обучения воплощённого ИИ вполне вероятно.
У Пэнъян: Ситуация с применением синтетических данных в воплощённом ИИ?
Ян Сунхуа: На самом деле, многие данные — это синтетические данные, подобные симуляции. Но симуляция ещё не считается созданием ИИ с помощью ИИ, потому что для симуляции требуется большое участие человека в написании физических правил. Однако симуляция в основном используется для предобучения VLA, если нужно выполнять точные операции, то в основном используются данные телеуправления.
Ма Цзюньцзе: Я коротко. Мы — новая компания в области воплощённого ИИ, также компания, рождённая от ИИ. ИИ уже вошёл в нашу повседневную работу, а также во всю разработку, от продукта до дизайна, интерфейсов, везде участвует ИИ. В целом, использование ИИ эффективно, включая значительное повышение эффективности, поэтому мы твёрдо верим в компанию, рождённую от ИИ.
У Пэнъян: Как вы думаете, в чём разница между традиционными предприятиями и предприятиями, рождёнными от ИИ?
Ма Цзюньцзе: Для нашей стартап-компании ИИ в первую очередь — это эффективность, а также затраты и результаты. Например, базовое программирование может достичь тройного эффекта при трети затрат на человеческие ресурсы. Но я также добавлю, что ИИ сейчас повысил нашу эффективность, но в некоторых местах, например, при исследовании рынка, ИИ иногда повторяет предыдущий контент. Поэтому наши ключевые данные и решения нельзя чрезмерно полагаться на ИИ, ИИ может быть справочным материалом.
У Пэнъян: Что доверить ИИ, что оставить человеку? Есть ли механизм разграничения?
Ма Цзюньцзе: Механически ИИ участвует в каждой нашей работе, но ключевые точки принятия решений всё равно остаются за человеком. Вывод ИИ основан на общих знаниях, а правильные решения часто требуют противоречия общим знаниям, я считаю, что во многих случаях всё равно нужно полагаться на человека, особенно при личном общении.
У Пэнъян: Насколько высока степень автономного выполнения агентов в вашей компании?
Ма Цзюньцзе: Это сложно измерить. Можно лишь сказать, что будь то повседневная работа, проведение мероприятий, дизайн, у каждого есть помощник, который может значительно повысить эффективность каждого. Что-то вроде режима рабочей группы агентов.
Ли Минь: Молодые люди легче принимают новое, они будут искать различные инструменты для экономии времени и сил. В использовании ИИ, от самых простых еженедельных отчётов, презентаций, PPT, до кода, затем идей и подходов в исследованиях, написания статей, рисования и т.д., наши студенты всё используют. Различные агенты они тоже используют, мы поощряем и поддерживаем, включая покупку членства.
В обучении мы тоже используем. Поскольку студентов много, а время преподавателей ограничено, иногда мы сами создаём агентов, чтобы студенты сначала взаимодействовали с агентом для обсуждения, агент суммирует ключевые моменты, а затем мы целенаправленно углублённо общаемся со студентами. Это экономит время. Написание статей тоже, студенты не очень знакомы со структурой, рамками, идеями статей, может помочь ИИ. Конечно, я требую, чтобы они не использовали сгенерированные ИИ изображения для заданий, они должны научиться делать сами.
Но здесь возникает важная проблема: продвинутость инструментов приводит к лени людей. Иногда студенты не понимают сути, считают, что результат ИИ верен, процесс мышления полностью заменён, сдают только результат. Использование можно, но некоторые идеи, формулы всё равно нужно освоить, например, каков принцип, студентам иногда трудно понять.
В процессе использования ИИ должна быть мера, нужно контролировать каждый ключевой шаг, чтобы ИИ служил нам. В конечном итоге это инструмент, инструмент повышения эффективности, но нужно осознавать негативные эффекты, которые приносит инструмент, стараться избегать их, чтобы использовать инструмент максимально.
У Пэнъян: В вашем обучении и руководстве студентами, есть ли способы правильно использовать ИИ?
Ли Минь: Иногда мы сами делаем что-то для обучения, чтобы студенты использовали приложения в ограниченном нами диапазоне, а не напрямую общались с неограниченным ИИ.
Итоги и перспективы
Ли Минь: С физической точки зрения, физическое взаимодействие плюс облачный интеллект в конечном итоге приведут к достижению физического AGI.
Ма Цзюньцзе: Физический AGI в конечном итоге наступит, все мы будем для этого стараться. Хотя есть много путей, но все дороги, возможно, ведут в Рим, вопрос в том, кто пройдёт первым.
Ян Сунхуа: Воплощённый ИИ, возможно, не будет иметь момента сингулярности, как iPhone или ChatGPT, который полностью зажжёт массовый рынок, а будет постепенным процессом, от некоторых сценариев постепенно накапливаясь и прорываясь, например, момент GPT для промышленных сценариев, момент GPT для сценариев человеко-машинного взаимодействия.
Лю Чуаньхоу: Воплощённый ИИ — путь долог и труден.
Статья из официального аккаунта WeChat "Tencent Research Institute" (ID: cyberlawrc), автор: Tencent Research Institute
