Elon Musk từng tuyên bố đầu năm nay rằng robot hình người "Optimus 3" của ông dự kiến sẽ đi vào sản xuất hàng loạt vào năm tới. Ở nửa cuối của đại mô hình, AI không chỉ dừng lại trong không gian kỹ thuật số, mà còn phải bước vào thế giới thực để thay con người hoàn thành nhiệm vụ, với trí tuệ thể hiện và robot là đột phá trọng tâm. Đã đến lúc "iPhone" của trí tuệ thể hiện chưa? Vào ngày 2 tháng 7 năm 2026, tại Hội nghị thượng đỉnh thành phố Tencent Cloud ở Quang Cốc, Vũ Hán, chúng tôi đã tổ chức một diễn đàn bàn tròn, với sự tham gia của các chuyên gia hàng đầu từ doanh nghiệp, trường đại học và chính phủ, để có một cuộc thảo luận sâu rộng và dễ hiểu.
Khách mời:
Lưu Truyền Hậu Giám đốc điều hành Trung tâm Đổi mới Robot hình người tỉnh Hồ Bắc
Dương Tùng Hóa Đồng sáng lập, CTO Công ty TNHH Luân Phái Technology
Mã Tuấn Kiệt Phó Chủ tịch Công ty Robot Bắc Kinh Côn Luân Hành
Lý Mẫn Giáo sư Khoa Khoa học và Kỹ thuật Cơ khí, Đại học Khoa học và Công nghệ Hoa Trung
Người dẫn chương trình:
Ngô Bằng Dương Chuyên gia cao cấp Viện Nghiên cứu Tencent
【Quan điểm cốt lõi】
01 Thời điểm "iPhone" còn rất xa, hiện tại giống thời "điện thoại cục gạch" hơn.
Lộ trình công nghệ trí tuệ thể hiện vẫn chưa hội tụ, ngoài VLA còn có nhiều hướng khám phá khác, hiện chỉ có thể đáp ứng một số chức năng cơ bản.
02 "Có thể di chuyển không" đã giải quyết, "có thể dùng được không" vẫn cần nỗ lực.
Tiểu não robot (điều khiển vận động) đã khá tốt, nhưng đại não (ra quyết định và khái quát hóa) còn xa mới đạt đến mức có thể thương mại hóa quy mô lớn.
03 Dữ liệu là nút thắt lớn nhất, tồn tại khoảng cách lớn.
Trí tuệ thể hiện ít nhất cần dữ liệu cấp độ hàng chục triệu mới có thể đạt đến thời điểm tương tự "GPT 2.0", nhưng hiện tại toàn cầu chỉ có khoảng 500.000, chênh lệch 200 lần về số lượng.
04 Rào cản đầu tiên của thương mại hóa là bài toán kinh tế, hiện tại vẫn chưa tính được.
Chi phí robot hình người cộng với chi phí của VLA, mô hình thế giới v.v., hiện tại thường đắt hơn nhiều so với chi phí lao động truyền thống.
05 Ứng dụng trí tuệ thể hiện có ba loại thị trường, không gian tưởng tượng lớn nhất lên đến trăm nghìn tỷ.
Thị trường giá trị cảm xúc hàng tỷ, như biểu diễn triển lãm, chăm sóc bầu bạn; thị trường dịch vụ thương mại hàng nghìn tỷ, như thu hút khách, dẫn dắt lưu lượng, hướng dẫn tham quan, xử lý công việc, mua sắm; thị trường lao động sản xuất hàng trăm nghìn tỷ, như vào nhà máy làm việc, vào gia đình làm việc nhà, v.v.
06 Robot hình người vẫn còn khoảng cách, nhưng trí tuệ thể hiện có thể đi trước.
Ứng dụng của trí tuệ thể hiện hiện đã có thể triển khai, không nhất thiết phải là hình người, cũng không nhất thiết phải biết làm việc. Chỉ cần có thể đồng hành như thú cưng, mọi người cũng sẽ rất mong đợi.
07 Cục cuối cùng của AI ở thế giới vật lý, không phải trong màn hình.
AI trên điện thoại dù đáng yêu đến đâu, cuối cùng vẫn cách một lớp kính, trí tuệ nhân tạo cuối cùng sẽ bước vào thế giới vật lý, đi vào từng gia đình.
08 Dùng AI nâng cao hiệu quả đã thành đồng thuận, nhưng quyết định quan trọng không thể giao cho AI.
AI trong các khâu như viết mã, nghiên cứu khoa học, giảng dạy đã nâng cao hiệu quả đáng kể, nhưng tồn tại rủi ro "đánh lừa" và "thay thế nhận thức", phán đoán và quyết định cốt lõi phải do con người nắm giữ.
Nội dung phỏng vấn đầy đủ:
Q1: Trí tuệ thể hiện đang ở đâu?
Ngô Bằng Dương: Rất vinh dự được cùng các chuyên gia thảo luận về một vấn đề mà mọi người đang rất quan tâm hiện nay, đó là trí tuệ thể hiện. Hai năm qua, cuộc chạy đua marathon robot hình người, robot chạy còn nhanh hơn người, công chúng đều rất hào hứng. Vì vậy chủ đề hôm nay chúng tôi sử dụng một cái tên khá kích thích gọi là – liệu thời điểm "iPhone" của trí tuệ thể hiện đã đến chưa.
Đầu tiên, câu hỏi thứ nhất, hiện tại trí tuệ thể hiện đã tiến đến đâu rồi? Các vị khách mời có thể từ góc độ kỹ thuật, sự phát triển của lộ trình công nghệ nền tảng; hoặc góc độ năng lực, chẳng hạn như chạy, nhảy hoặc khả năng thực hiện nhiệm vụ phức tạp, chọn hướng mình giỏi để trao đổi.
Lưu Truyền Hậu: Nói kết luận trước, tôi nghĩ hiện tại trí tuệ thể hiện vẫn còn xa mới đến thời điểm iPhone.
Dùng một câu đơn giản hơn để nói, trí tuệ thể hiện hiện nay đang ở thời kỳ tương tự như điện thoại "cục gạch", chỉ có thể đáp ứng một số chức năng cơ bản. Hiện tại robot hình người được chia thành đại não và tiểu não, điều khiển vận động toàn thân (tiểu não) phần này đã làm khá tốt, nhưng đại não (ra quyết định và khái quát hóa) còn xa mới đạt đến mức có thể thương mại hóa. Từ năm 2024, mọi người đã không ngừng thảo luận về vấn đề đại não robot hình người, nhưng hiện tại trong ứng dụng cụ thể của ngành vẫn chưa thấy đột phá rõ rệt.
Lộ trình công nghệ cho đại não của trí tuệ thể hiện vẫn chưa hội tụ. Hiện nay mô hình VLA đang rất nóng, nhưng cũng đối mặt với rất nhiều vấn đề, con đường tổng thể còn rất dài. Công nghệ không thể một bước đến nơi, phải trải qua một loạt nỗ lực. Tất nhiên năm nay cũng có những thay đổi tương ứng, ví dụ sự kết hợp giữa mô hình thế giới và học tăng cường cùng với mô hình VLA, liệu có thể tạo ra một lộ trình mới? Trong quá trình này, dữ liệu xúc giác và các dữ liệu mấu chốt mới khác có thể tích hợp vào mô hình không? Những điều này đều đang được khám phá. Rốt cuộc đối với robot, không chỉ đơn thuần là tránh vật cản, mà còn phải tiếp xúc nhất định. Nhưng hiện tại, vẫn chưa xuất hiện một mô hình thuật toán vượt trội hơn VLA.
Đường dài còn xa ngàn dặm, vẫn phải có niềm tin. Giống như điện thoại di động vào những năm 90 của thế kỷ trước, khó có thể tưởng tượng bây giờ dùng điện thoại có thể giải quyết rất nhiều vấn đề. Đối với robot, rất có thể cũng như vậy.
Dương Tùng Hóa: Tôi khá đồng ý với quan điểm của anh Lưu. Hiện tại trí tuệ thể hiện chủ yếu được chia thành bản thể và mô hình. Từ góc độ bản thể, ví dụ như cuộc thi marathon robot năm ngoái và biểu diễn robot của các doanh nghiệp trong Tết Nguyên đán, có thể thấy robot về cơ bản đã giải quyết được vấn đề "có thể di chuyển không". Bước tiếp theo toàn ngành đều đang quan tâm vấn đề "có thể dùng được không" của robot, tức là vấn đề đại não.
Về đại não, vì tôi trước đây làm mô hình ngôn ngữ lớn sớm nhất, hồi tưởng lại quá trình phát triển của mô hình lớn thời đó, chúng ta (trí tuệ thể hiện) hiện tại có thể thậm chí chưa đến thời điểm GPT2.0, vì chúng ta thậm chí còn chưa hội tụ được lộ trình. Giống như chúng tôi trước đây luôn làm mô hình VLA, nhưng năm nay đã chuyển sang các mô hình khác như mô hình thế giới.
Vì lộ trình chưa hội tụ, mọi người đều đang thu thập dữ liệu, các vấn đề dị thể, vấn đề đồng bộ hóa của dữ liệu thu thập ở các mặt cũng khó giải quyết. Hiện tại một vấn đề lớn vẫn là khoảng trống dữ liệu. Giới công nghiệp phổ biến cho rằng, ít nhất phải có dữ liệu đạt đến cấp độ hàng chục triệu, trí tuệ thể hiện mới có thể có thời điểm như GPT2.0 hoặc 2.5. Nhưng hiện tại toàn cầu cộng lại chỉ khoảng 500.000, dữ liệu chênh lệch 200 lần về số lượng.
Vì vậy, trí tuệ thể hiện còn một chặng đường dài phía trước, bao gồm kiến trúc mô hình, phương thức thu thập dữ liệu và quy mô dữ liệu. Nhưng tôi nghĩ chỉ cần kiên định đi theo con đường này, cuối cùng sẽ thực hiện được mong muốn của mọi người về ngành công nghiệp robot.
Mã Tuấn Kiệt: Từ góc độ người làm trong ngành công nghiệp, tôi chia sẻ hiểu biết của chúng tôi về năng lực của trí tuệ thể hiện thành bốn mặt.
Thứ nhất là khả năng điều khiển vận động, tức là tiểu não. Phần này như mọi người vừa nói, tương đối trưởng thành. Nhưng để làm cho nó hoàn toàn trưởng thành, thực ra vẫn còn khoảng cách. Cốt lõi vẫn là một số mô-đun then chốt, bao gồm chắn điện từ, quản lý nhiệt và thuật toán điều khiển vận động, đều cần được mài giũa tỉ mỉ.
Thứ hai là khả năng di chuyển và định vị. Rốt cuộc trí tuệ thể hiện là trong thế giới vật lý ba chiều, trước hết phải biết mình ở đâu, sau đó muốn đi đâu, phải lập kế hoạch đường đi tự động, còn phải tránh chướng ngại vật động. Toàn bộ công nghệ chỉ có thể nói là tương đối trưởng thành, từ đầu-cuối của lái xe tự động và sự mở rộng trực tiếp của VLA vào ngành trí tuệ thể hiện là có thể sử dụng. Nhưng ô tô lái tự động dùng trên đường, so với ứng dụng trí tuệ thể hiện đơn giản hơn, ví dụ hội trường này phức tạp hơn nhiều so với đường công cộng, trí tuệ thể hiện muốn ứng dụng hoàn toàn khái quát hóa trong bối cảnh như vậy cần không ngừng mài giũa.
Thứ ba là khả năng tương tác đa phương thức. Hiện tại khả năng tương tác ngôn ngữ của mô hình ngôn ngữ lớn khá tốt, nhưng tiếp theo trong bối cảnh chăm sóc cảm xúc, có thể sử dụng tương tác cơ thể liên quan đến cảm xúc, ngoài ra còn có biểu cảm khuôn mặt, những thứ này hiện đang ở giai đoạn khởi đầu.
Thứ tư là khả năng lao động thao tác. Như đã nói, về hướng công nghệ lớn liên quan đến mặt này, ví dụ mô hình thế giới mọi người đã hình thành ý kiến thống nhất sơ bộ. Nhưng cụ thể mô hình thế giới làm như thế nào, mỗi công ty đều đang tìm con đường có thể thông suốt. Cụ thể ứng dụng rộng rãi, có thể còn cần một thời gian nhất định.
Lý Mẫn: Những gì mọi người có thể thấy, năng lực tổng thể của robot hiện tại thực sự đã rất tốt. Nhưng thực tế nó thực sự có thể ứng dụng và sử dụng được, vấn đề quan trọng là tính ổn định của nó. Robot có thể đảm bảo như ô tô hoặc công cụ sản xuất khác, có thể duy trì hoạt động ổn định lâu dài, điểm này vẫn còn một chặng đường dài phía trước.
Một lần nữa nói về mô hình, các mô hình AI hay mô hình thế giới mà mọi người đề cập hiện nay, bản thân lộ trình và đường hướng vẫn chưa hoàn toàn xác định. Mọi người vẫn đang trong trạng thái trăm hoa đua nở. Nguyên nhân quan trọng là, so với AI ảo như GPT, vấn đề quan trọng nhất vẫn là dữ liệu. Độ khó dễ thu thập dữ liệu của GPT tương đối dễ hơn, vì nó có thể lấy từ Internet. Nhưng đối với trí tuệ thể hiện, việc thu thập dữ liệu khá khó khăn, điều này dẫn đến mọi người khó thu thập dữ liệu, cho dù là dữ liệu thế giới thực hay dữ liệu mô phỏng, còn có dữ liệu tương tác vật lý, dữ liệu xúc giác, sự thiếu hụt dữ liệu thực sự cản trở sự phát triển của mô hình.
Tổng thể, trí tuệ thể hiện còn một chặng đường dài phía trước. Nhưng ngành này phát triển rất nhanh, một ngày một thay đổi hoặc một tuần một thay đổi, tương lai đáng mong đợi.
Ngô Bằng Dương: Cảm ơn bốn vị khách mời, trong làn sóng nhiệt huyết này đã cho chúng ta một số suy nghĩ lạnh lùng. Tôi tóm tắt lại, trí tuệ thể hiện đã phát triển đến giai đoạn nào: Nếu lấy điện thoại để so sánh, có thể là thời kỳ điện thoại cục gạch; nếu lấy mô hình để so sánh, có thể là GPT 2.0. Tổng thể, còn xa thời điểm iPhone, vẫn cần đi thêm và xem thêm.
Q2: Hiện trạng và không gian tưởng tượng của ứng dụng trí tuệ thể hiện?
Ngô Bằng Dương: Câu hỏi thứ hai, ứng dụng trí tuệ thể hiện phát triển như thế nào? Hiện tại bối cảnh nào tương đối trưởng thành, hoặc đã thấy khả năng ứng dụng quy mô hóa? Ứng dụng nào có không gian tưởng tượng lớn hơn trong tương lai?
Lý Mẫn: Từ góc độ trường học, hiện tại hướng lớn một là vào nhà máy, một hướng khác là gia đình hoặc dịch vụ. Tổng thể, ứng dụng quy mô lớn còn sớm. Hiện tại những gì mọi người thấy có thể là một số ứng dụng mang tính thị phạm.
Ngô Bằng Dương: Có cái nào tương đối chạy nhanh hơn không?
Lý Mẫn: Có thể trong lĩnh vực tuần tra làm nhiều hơn, vì tuần tra liên quan đến thành phần thao tác cụ thể tương đối ít hơn, ứng dụng sẽ nhiều hơn một chút. Nhưng thực sự thay thế con người vào nhà máy, còn một chặng đường dài, ví dụ như vấn đề ổn định tôi đề cập trước đó, vì nhà máy yêu cầu hiệu quả và tỷ lệ thành công rất cao.
Ngô Bằng Dương: Hiện tại bên anh chủ yếu nghiên cứu ứng dụng gì?
Lý Mẫn: Chúng tôi hiện chủ yếu là tuần tra công trình, ngành ô tô này, đều có một số doanh nghiệp hàng đầu liên kết làm phòng thí nghiệm. Thực tế rất nhiều doanh nghiệp nhu cầu về trí tuệ thể hiện vẫn rất lớn, mọi người đều nhìn thấy điều này, nhưng những doanh nghiệp này không biết cụ thể sử dụng và ứng dụng như thế nào, nên sẽ dựa vào trường đại học để làm một số nghiên cứu và thị phạm.
Mã Tuấn Kiệt: Tôi phân tích từ tầng thị trường, chia thành ba loại thị trường.
Loại thứ nhất là thị trường giá trị cảm xúc (hàng tỷ) . Hiện tại chủ yếu dựa vào biểu diễn triển lãm, chủ yếu dựa vào khả năng điều khiển vận động. Gần đây một số nhà sản xuất công bố robot chăm sóc, nuôi dưỡng, có thể sử dụng khả năng tương tác đa phương thức, di chuyển định vị. Thị trường đang ở giai đoạn xác minh ban đầu.
Loại thứ hai là thị trường năng suất dịch vụ thương mại (hàng nghìn tỷ) . Ví dụ các bối cảnh thương mại khác nhau thu hút khách hàng dẫn lưu lượng, hướng dẫn triển lãm trong phòng triển lãm, hướng dẫn xử lý công việc tại đại sảnh, hướng dẫn mua sắm tại cửa hàng thực tế, chủ yếu cần năng lực tổng hợp vận động + định vị + tương tác đa phương thức. Thị trường này nếu năng lực trưởng thành, đó là thị trường hàng nghìn tỷ.
Loại thứ ba là thị trường năng suất lao động thao tác (hàng trăm nghìn tỷ) . Ví dụ rộng rãi vào nhà máy làm việc, vào gia đình làm việc nhà, v.v., trọng điểm dựa vào khả năng lao động thao tác của robot, quy mô thị trường này hàng trăm nghìn tỷ. Tại sao? Số lượng điện thoại thông minh mười tỷ, nhân với mười vạn đồng (giá trung bình thấp hơn của ô tô lái tự động năng lượng mới), ước tính đơn giản là hàng trăm nghìn tỷ. Thị trường này rất lớn, cũng đối mặt với nhiều thách thức. Trong một số bối cảnh cụ thể tương đối tiêu chuẩn, môi trường không cần khái quát hóa nhiều, thực tế có thể thử nghiệm một số. Vào nhà máy làm việc có thể, tiền đề là ROI có thể tính ra. Tôi tin với sự phát triển công nghệ, sẽ dần dần tìm thấy nhiều bối cảnh hơn, làm cho nó trưởng thành hơn.
Ngô Bằng Dương: Hiện tại anh nhìn thấy bối cảnh nào nhất?
Mã Tuấn Kiệt: Chắc chắn là lấy mục tiêu cuối làm điểm xuất phát, nhưng con đường này như các chuyên gia nói trước đó, hiện chúng ta đang ở thời đại điện thoại cục gạch, phải làm việc đúng đắn vào thời điểm thích hợp.
Ngô Bằng Dương: Hiện tại anh đang làm bối cảnh gì?
Mã Tuấn Kiệt: Robot hình người, sẽ lấy hai loại trước làm hướng sản lượng chính, rèn luyện mô hình kinh doanh của chúng tôi tiến lên, đồng thời cũng sẽ đầu tư trọng điểm một số bối cảnh lao động thao tác cụ thể.
Ngô Bằng Dương: Bối cảnh thứ hai, thị trường dịch vụ thương mại lớn hơn, nhưng chúng ta cũng biết những robot này trong khách sạn hiện đã có, trí tuệ thể hiện còn có thể làm gì, còn có giá trị bối cảnh gì?
Mã Tuấn Kiệt: Giá trị dịch vụ thương mại chia thành hai loại, một là giá trị cảm xúc, một là giá trị chức năng. Robot dịch vụ thấy trong khách sạn hiện nay chủ yếu là không hình người, chủ yếu là giá trị chức năng, không có giá trị cảm xúc. Nếu thêm hình người vào làm việc này, chính là giá trị cảm xúc cộng với giá trị chức năng, bối cảnh thị trường rất lớn.
Ngô Bằng Dương: Giá trị cảm xúc vừa khéo là điểm mạnh của anh Dương.
Dương Tùng Hóa: Tôi nói trọng điểm một chút, cũng là điểm mà giới trẻ chúng tôi quan tâm.
Các chuyên gia đề cập trước đó, năm nay robot vào nhà máy, làm hướng dẫn, thay thế một số lao động lặp lại truyền thống là xu hướng chủ đạo. Nhưng như vậy có một vấn đề: năm nay bắt đầu dần bước vào thương mại hóa, một khi bắt đầu thương mại hóa, bắt đầu tính toán bài toán kinh tế. Lúc này sẽ phát hiện, chi phí robot hình người cộng với chi phí của mô hình VLA, mô hình thế giới, so với chi phí lao động truyền thống, bài toán kinh tế này thường không tính được.
Ngô Bằng Dương: Chênh lệch khoảng bao nhiêu?
Dương Tùng Hóa: Nếu bạn muốn giải quyết giá trị ứng dụng của một robot, tạo ra một robot cho nó vào nhà máy hoặc làm việc nhà, nó thường đắt hơn con người, và đắt hơn nhiều, đôi khi còn không ổn định. Đây là một đạo lý: bạn muốn một việc thể hiện giá trị thực tế và ứng dụng của nó, cho dù bạn có giàu đến đâu, cũng sẽ tính ra bài toán kinh tế.
Tôi cho rằng, trong ba năm tới robot có thể chủ yếu vẫn cung cấp sự đồng hành và giá trị cảm xúc cho mọi người. Giá trị cảm xúc này không có giới hạn trên. Giống như vài năm gần đây doanh nghiệp như Bubble Mart trong nước, có thể đạt giá trị thị trường gần nghìn tỷ, thực tế chính là cung cấp giá trị cảm xúc cho giới trẻ, các bà mẹ. Trong nước gần đây rất nhiều doanh nghiệp đều quan tâm robot mô phỏng sinh học, tạo ra hàng chục tỷ, hàng trăm tỷ lượt thảo luận trên toàn mạng. Mọi người rất mong đợi một robot, cho dù nó không thể làm việc, chỉ ngồi đó nhìn bạn, hàng ngày đồng hành cùng bạn, trò chuyện với bạn, chúng tôi cũng sẽ rất mong đợi.
Ngô Bằng Dương: Có hơi đáng sợ không?
Dương Tùng Hóa: Giá trị cảm xúc không nhất thiết phải làm khuôn mặt mô phỏng cực độ mới có. Chúng ta nuôi mèo nuôi chó, hoặc Bubble Mart có một Labubu, không có hình người nào cũng có thể cung cấp giá trị cảm xúc.
Công ty chúng tôi luôn tập trung làm robot đồng hành cảm xúc. Ví dụ cha mẹ hàng ngày rất bận, hy vọng hàng ngày cho trẻ nhỏ có thể trò chuyện với robot; hoặc dân văn phòng rất mệt, hàng ngày có thể để robot cung cấp giá trị cảm xúc, giống như nuôi mèo nuôi chó, còn không phải cho ăn, dắt đi nhiều như vậy.
Về tương lai, chúng ta chắc chắn đều hy vọng robot cuối cùng sẽ bước vào từng gia đình. Nhưng tôi nghĩ bước đầu cũng là bồi dưỡng nhận thức người dùng, trước để người dùng cảm nhận giá trị đồng hành của robot, sau đó đợi công nghệ, mô hình, lượng dữ liệu của chúng ta đều trưởng thành, robot lại dần dần làm một số việc như làm việc nhà.
Ngô Bằng Dương: Ứng dụng mô hình lớn hiện nay, bao gồm ChatBot chúng ta thường dùng, thực tế cũng có thể đồng hành, cung cấp giá trị cảm xúc, tại sao phải thêm robot để đồng hành? Giá trị cốt lõi là gì?
Dương Tùng Hóa: Đây thực tế phải trở về một vấn đề bản chất của ngành. Ví dụ AI trên điện thoại, làm cũng rất đáng yêu, trò chuyện cũng rất thú vị, rất nhiều người đang yêu với AI. Nhưng chúng tôi cảm thấy, ngành trí tuệ nhân tạo này cuối cùng nhất định phải bước vào thế giới vật lý.
Trí tuệ nhân tạo thời kỳ đầu chỉ có thể nhận diện hình ảnh, dịch thuật, sau đó có mô hình lớn có thể đối thoại, trả lời câu hỏi. Hiện nay lại có tác nhân thông minh mạnh mẽ như vậy có thể giúp chúng ta giải quyết các vấn đề về quy trình làm việc. Nhưng tương lai muốn thực hiện cảnh cuối cùng như trong phim khoa học viễn tưởng, vậy robot nhất định phải giống như mỗi người mua ô tô hôm nay, tương lai có thể mỗi người sẽ mua một robot, hàng ngày đều có thể đồng hành cùng chúng ta, mua rau, nấu cơm, v.v., đây là xu hướng cuối cùng của ngành trí tuệ nhân tạo. Chỉ có thực thể cuối cùng này, hàng ngày bạn có thể nhìn thấy, sờ thấy, mới thực sự mang lại cho người ta một cảm giác thân thiết rất thật.
Ngô Bằng Dương: Thật vậy, chỉ sờ điện thoại vẫn khá ngượng.
Lưu Truyền Hậu: Trí tuệ thể hiện và robot hình người tuy tương thông, nhưng thực tế cũng là hai thứ. Robot hình người về bản chất giống người hơn, có thể thực sự hòa nhập vào xã hội loài người. Phạm vi trí tuệ thể hiện rộng hơn, không đơn thuần là robot hình người, còn bao gồm bốn chân, bánh xe, đều thuộc phạm trù robot trí tuệ thể hiện.
Ứng dụng của robot hình người vẫn còn khoảng cách, nhưng ứng dụng của trí tuệ thể hiện có thể đi trước. Hiện nay robot giao đồ ăn trong khách sạn, robot quét nhà tự động, thực tế cũng là một ứng dụng tiềm ẩn của trí tuệ thể hiện. Sau đó ứng dụng trí tuệ thể hiện có thể bắt đầu từ các bối cảnh ứng dụng khác, không nhất thiết nhắm vào hình người cụ thể.
Trung tâm đổi mới của chúng tôi hiện cũng đang tích cực thăm dò ứng dụng bối cảnh của trí tuệ thể hiện trên robot không hình người. Vì Trung Quốc và nước ngoài có sự khác biệt lớn, nước ngoài như Tesla, theo đuổi nhiều hơn nguyên lý thứ nhất, chỉ muốn tạo ra một con người. Nhưng trong nước hiện tại phần lớn công ty vẫn đang tìm bối cảnh, làm ứng dụng trực tiếp. Nhiều sản phẩm của công ty robot, cũng không phải hình người hai chân hoàn toàn, nhiều cái là bánh xe. Ứng dụng của trí tuệ thể hiện hiện thực tế có thể ứng dụng, không cần đợi mười năm, hai mươi năm sau.
Tháng trước, Bộ Công nghiệp và Công nghệ Thông tin cùng Ủy ban Quản lý Tài sản Nhà nước Liên hợp công bố hành động chuyên đề đào tạo thực tế robot hình người và trí tuệ thể hiện, trung tâm đổi mới của chúng tôi cũng tích cực đăng ký xây dựng 5, 6 sản phẩm hợp tác. Năm nay từ định vị chiến lược mà nói, tích cực thúc đẩy robot hình người và trí tuệ thể hiện ứng dụng với bối cảnh thực tế, cũng là việc lớn mà nhà nước kiên định. Đối với chúng tôi, bắt kịp hoặc khám phá ra một số con đường khả thi rất quan trọng.
Ngô Bằng Dương: Anh hy vọng đột phá bối cảnh nào nhất?
Lưu Truyền Hậu: Từ góc độ lâu dài, hy vọng giải quyết vấn đề của con người. Ở nhà tôi không muốn làm việc gì, hoặc người không muốn làm việc gì, đây chắc chắn là vấn đề chúng tôi muốn giải quyết. Nhưng hiện tại vấn đề thực tế là: robot đang làm những việc chúng ta giỏi làm, chứ không phải thay chúng ta làm những việc không muốn làm. Chúng tôi muốn robot nấu ăn, làm việc nhà, nhưng thực tế hiện nay là chúng tôi đang làm việc nhà, robot đang làm một số việc trí não. Điều này khó giải quyết trong thời gian ngắn.
Q3: Tình hình hệ sinh thái ngành và nhu cầu xây dựng của trí tuệ thể hiện?
Ngô Bằng Dương: Trí tuệ thể hiện muốn đột phá, nhất định cần hệ sinh thái, liên kết ngành trên dưới. Mọi người từ doanh nghiệp của mình, sản phẩm của mình xuất phát, cảm thấy tình hình phát triển hệ sinh thái ngành hiện tại như thế nào? Có cảm thấy thiếu điểm nào, hoặc hy vọng trên môi trường, chế độ có một số đột phá không?
Dương Tùng Hóa: Hồ Bắc chúng tôi ưu thế chủ yếu là chúng tôi là tỉnh lớn sản xuất truyền thống, ở nơi như Quang Cốc có rất nhiều doanh nghiệp quang điện, sản xuất 3C, thực sự có thể cung cấp môi trường sản xuất linh kiện tốt cho việc phát triển robot. Hơn nữa ưu thế lớn nhất của Hồ Bắc, đặc biệt là Vũ Hán, là tài nguyên đại học rất nhiều, mật độ nhân tài rất cao. Rất nhiều doanh nghiệp chọn đặt nghiên cứu phát triển ở Vũ Hán, vì bên này có rất nhiều kỹ sư trưởng thành. Như trung tâm đổi mới robot hình người Hồ Bắc anh Lưu họ làm thu thập dữ liệu, thực sự giúp giải quyết vấn đề việc làm của rất nhiều sinh viên đại học. Vũ Hán ưu thế chủ yếu nằm ở dữ liệu và kỹ sư.
Nhu cầu xây dựng trong tương lai, so với doanh nghiệp Bắc Kinh, Thượng Hải, Thâm Quyến, chủ yếu vẫn là đại não, mô hình. Vì đại não AI cần những người thông minh nhất, đứng đầu làm, Vũ Hán bước tiếp cũng có thể cần thu hút nhiều hơn một số doanh nghiệp xuất sắc làm tác dụng thị phạm đầu tàu.
Ngô Bằng Dương: Cụ thể hơn, ví dụ anh phát triển sản phẩm hiện tại, có khâu cụ thể nào, anh cảm thấy công ty mô hình lớn cần cung cấp cái gì cho các anh?
Dương Tùng Hóa: Hiện tại phần lớn công ty làm đa phương thức, có thể vẫn là mô hình mã nguồn mở truyền thống. Chúng tôi hiện rất hy vọng như một số mô hình VLA, mô hình thế giới cũng có thể làm thành dịch vụ hóa, nhưng hiện tại nhìn vẫn hơi khó. Hy vọng công ty mô hình lớn thứ nhất có thể cung cấp một nền tảng tốt, như nền tảng Hunyuan của Tencent, chúng tôi trực tiếp có thể làm một số điều chỉnh nhỏ là có thể dùng. Vì vậy mã nguồn mở vẫn rất quan trọng.
Mã Tuấn Kiệt: Hệ sinh thái ngành chia trên dưới. Phía trên, một là AI, một là phần cứng, hiện tại hệ sinh thái ngành Trung Quốc đều khá phong phú. Nhưng mỗi lĩnh vực vẫn cần không ngừng thúc đẩy, ví dụ xử lý nhiệt, thiết bị kiểm tra của bộ giảm tốc harmonic linh kiện cốt lõi, công nghệ chuỗi cung ứng trong nước cần tăng cường; dữ liệu trong AI, hệ sinh thái ngành, cần tích hợp thêm.
Ngoài ra tôi muốn đề cập phía dưới. Lịch trình phát triển của trí tuệ thể hiện, có thể tương tự ô tô lái tự động năng lượng mới, vì phía dưới liên quan kênh bán hàng, phương án tài chính (như cho thuê tài chính) , bảo hiểm, thị trường sửa chữa bảo dưỡng. Khi trí tuệ thể hiện ngày càng xuất hiện nhiều trong cuộc sống chúng ta, thị trường phía dưới tương lai cũng sẽ dần phát triển, vừa là thách thức cũng là cơ hội.
Ngô Bằng Dương: Anh cảm thấy các khâu này hiện tại nơi nào thử thách nhất?
Mã Tuấn Kiệt: Mỗi khâu đều rất quan trọng, thực sự muốn làm tốt những điều này, chính là phải bồi dưỡng thị trường trưởng thành, thị trường và chuỗi ngành đạt được sự xoáy ốc tích cực.
Ngô Bằng Dương: Vừa rồi anh nói bảo hiểm, cái này rất mới, bảo hiểm robot làm sao đây?
Mã Tuấn Kiệt: Ví dụ, ví dụ robot đi biểu diễn, nó thực tế tốt nhất là có phương án bảo hiểm. Nếu không làm tốt hoặc gây tai nạn, có bảo hiểm cung cấp bảo đảm. Thực tế bảo hiểm trí tuệ thể hiện, giống như ô tô năng lượng mới, bạn có thể hiểu như vậy. Mọi người đang thăm dò, một số ngành phụ đã bắt đầu làm.
Lưu Truyền Hậu: Ngành trí tuệ thể hiện, từ chuỗi ngành phía trên mà nói, chúng tôi năm ngoái phân loại chuỗi ngành trong tỉnh Hồ Bắc, đại khái ba mươi mấy. Nhưng năm nay lại phân loại có thể vào hệ sinh thái ngành, đại khái đã có một trăm bốn mươi mấy. Tất nhiên, họ có thể vào không vẫn là chuyện khác, vì liên quan đến vấn đề sản lượng. Sản phẩm cuối liên quan đến robot hoặc robot hình người tỉnh Hồ Bắc rốt cuộc có thể sản xuất bao nhiêu, quyết định quy mô chuỗi ngành phía trên do sản phẩm cuối dẫn dắt.
Tổng thể hệ sinh thái ngành, nơi bị kẹt cổ rốt cuộc ở đâu? Tôi cảm thấy có thể vẫn là ở phần dữ liệu và mô hình. Tôi không bao giờ lo lắng khả năng sản xuất, sản xuất chế tạo của Trung Quốc có khoảng trống gì, nhưng đối với dữ liệu và mô hình có thể là một vấn đề lớn.
Trước đó nói dữ liệu cần bao nhiêu mới đạt đến trình độ như lái tự động L3 hoặc L4 hiện tại, có chuyên gia trong ngành dự đoán, lái tự động đạt đến hiện tại đại khái cần dữ liệu hàng trăm tỷ giờ. Nhưng đối với robot hoặc robot hình người, có thể lượng dữ liệu phải đạt đến hàng nghìn tỷ giờ. Chúng tôi hiện chỉ có dữ liệu vài triệu giờ, còn xa lắm. Mô hình rất phụ thuộc dữ liệu, không có dữ liệu thì hiệu quả mô hình khi ứng dụng bối cảnh sẽ có vấn đề rất lớn.
Vì vậy tôi cảm thấy hiện tại yếu kém vẫn là phần dữ liệu, chúng ta cần lượng dữ liệu lớn, hơn nữa dữ liệu này phải có tính giao dịch, có thể để tất cả tổ chức có nhu cầu huấn luyện mô hình rất thuận tiện, tương đối rẻ lấy được, như vậy mới có mô hình xuất sắc hơn ra, thúc đẩy sự phát triển của toàn ngành.
Ngô Bằng Dương: Nếu tập trung vào robot hình người, vì cần huấn luyện hành vi động tác của người, hơi giống lúc đó huấn luyện mô hình lớn mời mọi người đánh dấu, người bình thường làm các động tác này có thể không, như vậy có khả năng để người bình thường cũng có thể tham gia cung cấp dữ liệu?
Lưu Truyền Hậu: Dữ liệu chủ yếu chia thành mấy loại. Dữ liệu điều khiển từ xa là đắt nhất, nhưng nó tốt là có thể trực tiếp chuyển sang robot tương ứng làm điều chỉnh đơn giản. Dữ liệu người, tháng 2 năm nay bắt đầu, NVIDIA đưa ra một hướng công nghệ mới, dữ liệu không bản thể thu thập trở thành đường đua mới. Lượng dữ liệu không bản thể lớn, đặc biệt là dữ liệu hành vi động tác người có thể được thu thập dùng cho huấn luyện mô hình, có thể giải quyết vấn đề lớn.
Hiện tại trung tâm đổi mới robot hình người Hồ Bắc cũng tích cực thăm dò hợp tác, cùng xây dựng nền tảng ứng dụng lưu thông dữ liệu. Đồng thời, cũng hy vọng xây dựng cơ chế đám đông, để người bình thường có thể trong bối cảnh sản xuất cuộc sống thu thập dữ liệu lên. Nếu thành công động viên sức mạnh xã hội, vài trăm vạn thậm chí hàng chục triệu người cùng nhau thu thập dữ liệu, tôi cảm thấy có thể tăng tốc phát triển trí tuệ thể hiện. Vì chỉ có như vậy mới có nhiều dữ liệu lên, thúc đẩy lặp lại mô hình.
Ngô Bằng Dương: Giáo sư Lý, tình hình ngành trên dưới, từ góc độ đại học nhìn như thế nào?
Lý Mẫn: Vũ Hán như Hoa Trung, rất nhiều tốt nghiệp sinh trong người làm internet tương đối nhiều, đây là có ưu thế. Ngoài ra Vũ Hán sản xuất truyền thống cũng rất mạnh, bao gồm hiện tại quang phục, quang tâm này sản xuất mới nổi cũng rất tốt.
Thực tế phát triển trí tuệ thể hiện một động lực quan trọng là bối cảnh và ứng dụng. Điều này liên quan đến điểm rất quan trọng: sản xuất dữ liệu, điều này đối với trí tuệ thể hiện có tác dụng thúc đẩy rất lớn, vì bản thân dữ liệu là cơ sở hạ tầng.
Từ góc độ trường học, nhà nước và chính phủ sự hỗ trợ cho phần này rất coi trọng. Ví dụ hôm qua Quỹ Khoa học Tự nhiên Quốc gia và tỉnh Hồ Bắc làm một quỹ liên hợp, một năm hỗ trợ một trăm triệu, liên tục hỗ trợ năm năm, trong hướng liên quan robot hình người, trí tuệ thể hiện làm nghiên cứu hỗ trợ kỹ thuật. Đại học Khoa học và Công nghệ Hoa Trung chúng tôi cũng dẫn đầu kế hoạch đột phá robot hình người, liên hợp Thanh Hoa, Chiết Giang, Bắc Lý Công, Đại Liên Lý Công nhiều trường đại học triển khai một loạt nghiên cứu, tổng cộng mười đề tài.
Quay lại hệ sinh thái, chuỗi ngành robot hình người rất nhiều trước đây làm tự động hóa sản xuất, bao gồm động cơ, cảm nhận. Trong một số linh kiện cốt lõi, ví dụ mọi người thảo luận nhiều truyền động điện, cảm nhận thông tin tương tác vật lý, tỉnh Hồ Bắc cũng có ưu thế riêng. Ví dụ công ty chúng tôi ấp ủ, chuyên làm cảm nhận xúc giác, hiện tại trong ngành nhiều cảm nhận xúc giác của tay linh hoạt cơ bản đều đến từ đội này. Tỉnh Hồ Bắc ở các mặt này có cơ sở tốt, có sức sau rất mạnh.
Q4: Hiện trạng và khả năng tương lai của "Dùng AI tạo AI"?
Ngô Bằng Dương: Tình hình kết hợp mô hình lớn và trí tuệ thể hiện như thế nào? Mọi người trong công việc dùng mô hình lớn như thế nào để giúp sản phẩm và vận hành tổ chức nâng cao hiệu quả?
Lưu Truyền Hậu: Chúng tôi cơ bản từ năm 23 đến nay luôn dùng mô hình lớn. Lúc đó ChatGPT ra, chúng tôi đã đang thăm dò cách ứng dụng. Nhưng GenAI nói thật có một vấn đề lớn – tính đánh lừa lớn, vấn đề nó trả lời ra không nhất định đúng. Vì vậy dùng AI tạo AI, vấn đề này tồn tại vấn đề nhận thức lớn. Nhưng điều này không ngăn cản chúng tôi sử dụng khả năng công nghệ của AI, đội nghiên cứu của chúng tôi cũng đang dùng, ví dụ viết mã, quản lý các tầng, nghiên cứu của công ty chúng tôi thực sự là người dùng sâu, có thái độ khá cởi mở.
Dương Tùng Hóa: Tôi là một doanh nhân 00, vẫn là nghiên cứu sinh tiến sĩ, bình thường cũng làm rất nhiều nghiên cứu, viết luận văn, lĩnh vực này vừa khéo là lĩnh vực nghiên cứu của tôi.
Phương pháp huấn luyện mô hình lớn truyền thống, dùng hết tất cả dữ liệu trên internet của nhân loại. Như mô hình sau GPT4.0, cơ bản đều dùng dữ liệu AI sinh thành huấn luyện, hoặc tìm một mô hình giáo viên tương đối mạnh để huấn luyện mô hình của mình tương đối yếu.
Huấn luyện mô hình trong lĩnh vực trí tuệ thể hiện, chủ yếu có ba loại.
Loại thứ nhất, tư tưởng tương tự mô hình lớn, dùng một mô hình tiên tiến làm mô hình giáo viên, điều chỉnh nhỏ một mô hình nhỏ tự huấn luyện cục bộ.
Loại thứ hai, có thể dùng mô hình tiên tiến hiện tại như VLA này, để làm dữ liệu một số làm sạch, lọc, phân đoạn.
Loại thứ ba, chính là mô hình thế giới. Dữ liệu sinh thành của mô hình thế giới sớm nhất, thực tế chính là dùng để huấn luyện, sau đó mọi người phát hiện, đã có thể sinh thành dữ liệu quỹ đạo vận động cơ khí, tại sao không thể trực tiếp lấy kết quả dự đoán làm đầu ra? Như lái tự động, sớm nhất cũng lấy mô hình thế giới sinh thành một số video cảnh cực đoan làm dữ liệu huấn luyện bổ sung. Tôi cảm thấy dùng mô hình thế giới huấn luyện trí tuệ thể hiện, khả năng này vẫn rất lớn.
Ngô Bằng Dương: Tình hình ứng dụng dữ liệu tổng hợp trong trí tuệ thể hiện?
Dương Tùng Hóa: Thực tế rất nhiều dữ liệu chính là dữ liệu tổng hợp tương tự mô phỏng. Nhưng mô phỏng còn không tính là dùng AI tạo AI, vì mô phỏng cần người tham gia viết quy tắc vật lý lớn. Nhưng mô phỏng chủ yếu dùng để huấn luyện trước VLA, nếu làm thao tác tinh tế, vẫn lấy dữ liệu điều khiển từ xa làm chính.
Mã Tuấn Kiệt: Tôi ngắn gọn một chút. Chúng tôi là một công ty trí tuệ thể hiện mới thành lập, cũng là một công ty AI native. AI đã đi vào văn phòng hàng ngày cũng như toàn bộ nghiên cứu phát triển, từ sản phẩm đến thiết kế đến giao diện, đều có AI tham gia. Tổng thể mà nói, dùng AI hiệu quả có thể, bao gồm hiệu suất sẽ nâng cao nhiều, vì vậy chúng tôi là công ty AI-native kiên định.
Ngô Bằng Dương: Anh cảm thấy doanh nghiệp truyền thống và doanh nghiệp AI native, rốt cuộc khác biệt gì?
Mã Tuấn Kiệt: AI đối với công ty khởi nghiệp chúng tôi cốt lõi thứ nhất là hiệu suất, một cái khác là chi phí đầu tư và sản lượng. Ví dụ, lập trình mã cơ bản, có thể đạt chi phí nhân lực 1/3 đạt hiệu quả gấp 3 lần. Nhưng tôi cũng bổ sung, AI hiện tại là cho chúng tôi nâng cao hiệu suất, nhưng một số nơi ví dụ nghiên cứu thị trường, AI có lúc sẽ lặp lại nội dung trước đó. Vì vậy dữ liệu quan trọng và quyết định của chúng tôi, nhất định không nên quá phụ thuộc AI, AI có thể làm một tham khảo.
Ngô Bằng Dương: Việc gì cho AI, việc gì dựa vào người? Có cơ chế phân biệt không?
Mã Tuấn Kiệt: Cơ chế là AI tham gia vào mỗi công việc của chúng tôi, nhưng một số điểm quyết định cốt lõi vẫn phải dựa vào người. Đầu ra của AI dựa trên kiến thức chung, mà quyết định chính xác nhiều lúc cần phản kiến thức chung, tôi cảm thấy nhiều lúc vẫn phải dựa vào người, đặc biệt là giao tiếp trực tiếp mặt đối mặt.
Ngô Bằng Dương: Mức độ tự thực hiện của tác nhân thông minh công ty anh cao bao nhiêu?
Mã Tuấn Kiệt: Cái này không dễ lượng hóa. Chỉ có thể nói, cho dù là văn phòng hàng ngày hay làm hoạt động, làm thiết kế, thực tế đều có một trợ lý, có thể nâng cao hiệu suất làm việc của mỗi người đáng kể. Hơi giống mô hình nhóm làm việc tác nhân thông minh.
Lý Mẫn: Giới trẻ dễ tiếp nhận sự vật mới, họ sẽ tìm mọi cách tìm các công cụ để tiết kiệm thời gian và công sức. Trong việc sử dụng AI, cho dù là từ báo cáo tuần, báo cáo, PPT đơn giản nhất, đến mã, đến ý tưởng và tư duy nghiên cứu khoa học, đến viết luận văn, vẽ đồ thị, học sinh chúng tôi đều có dùng. Các tác nhân thông minh họ cũng đang dùng, chúng tôi cũng khuyến khích và hỗ trợ, bao gồm mua thành viên.
Giảng dạy chúng tôi cũng đang dùng. Vì số lượng học sinh nhiều, tinh lực giáo viên có hạn, đôi khi chúng tôi tự xây dựng tác nhân thông minh, để học sinh trước giao tiếp thảo luận với tác nhân thông minh, tác nhân thông minh tổng hợp ra điểm cốt lõi then chốt, chúng tôi lại có mục tiêu và học sinh tiến hành giao tiếp sâu. Điều này có thể tiết kiệm thời gian. Viết luận văn cũng vậy, học sinh không quen với kết cấu khung tư duy luận văn, có thể để AI hỗ trợ. Tất nhiên, tôi yêu cầu họ không thể trực tiếp dùng hình AI sinh thành để đối phó bài tập, phải học tự vẽ.
Nhưng tồn tại một vấn đề quan trọng: tính tiên tiến của công cụ sẽ mang đến sự lười biếng của người. Đôi khi học sinh không biết tại sao lại như vậy, cho rằng kết quả của AI là đúng, quá trình suy nghĩ hoàn toàn bị thay thế, trực tiếp giao kết quả. Gọi cái gì có thể, nhưng một số tư duy, công thức vẫn cần học nắm vững, ví dụ nguyên lý là gì, học sinh đôi khi khó hiểu.
Quá trình sử dụng AI phải có một mức độ, phải kiểm soát mỗi bước then chốt, như vậy mới có thể để AI phục vụ chúng ta. Rốt cuộc nó là công cụ, là công cụ nâng cao hiệu suất, nhưng chúng ta cần nhận thức tác dụng phụ mà công cụ mang đến, cố gắng tránh, mới có thể dùng công cụ đến cực điểm.
Ngô Bằng Dương: Giáo sư trong quá trình giảng dạy và dẫn dắt học sinh, có cách nào để AI dùng đúng chỗ không?
Lý Mẫn: Đôi khi chúng tôi tự làm một số thứ dùng giảng dạy, để học sinh dùng ứng dụng trong phạm vi giới hạn của chúng tôi, chứ không trực tiếp giao tiếp với AI không giới hạn.
Tóm tắt và triển vọng
Lý Mẫn: Từ góc độ vật lý, tương tác vật lý cộng với trí tuệ đám mây, rốt cuộc sẽ thúc đẩy cục cuối AGI vật lý đến.
Mã Tuấn Kiệt: AGI vật lý rốt cuộc sẽ đến, tất cả chúng ta đều sẽ nỗ lực vì điều này. Dù có nhiều con đường, nhưng trăm sông đều có thể chảy về Rome, xem ai đi thông trước.
Dương Tùng Hóa: Trí tuệ thể hiện có thể không như iPhone hoặc ChatGPT, có thời điểm kỳ dị đốt cháy hoàn toàn thị trường đại chúng, mà là một quá trình tiệm tiến, từ một số bối cảnh dần dần tích lũy và đột phá, ví dụ thời điểm GPT của bối cảnh công nghiệp, thời điểm GPT của bối cảnh tương tác người máy.
Lưu Truyền Hậu: Trí tuệ thể hiện, đường dài còn xa ngàn dặm.
Bài viết từ WeChat công chúng "Viện Nghiên cứu Tencent" (ID:cyberlawrc), tác giả: Viện Nghiên cứu Tencent
