每經記者｜朱成祥(xiang)    每經編輯｜黃博文    

11月(yue)5日，在第八屆虹橋國際(ji)經(jing)濟論(lun)(lun)壇“人(ren)形(xing)機器(qi)人(ren)創新發(fa)展(zhan)合(he)作”分論(lun)(lun)壇上，宇樹科技(ji)創始人(ren)兼首(shou)席執行官王興(xing)興(xing)發(fa)表了主題演講。

王興興認為，今年機器(qi)(qi)人(ren)產業非常火熱。不(bu)過，他也指出，機器(qi)(qi)人(ren)大(da)模型進展比想象中緩慢，還沒有達到臨(lin)界值。王(wang)興興表示，具身智能大模型、端(duan)到端(duan)技術的(de)進步，總體上非常快，但是比(bi)他想象的(de)稍微慢一(yi)點(dian)點(dian)。

對于(yu)什(shen)么才是(shi)具身智能(neng)發(fa)展的(de)(de)臨界點，即具身智能(neng)“ChatGPT時刻(ke)”，王興(xing)興(xing)認(ren)為，在(zai)陌生的(de)(de)場景中，給機器人(ren)發(fa)送語音或(huo)文(wen)字，若機器人(ren)能(neng)夠(gou)完成80%左右的(de)(de)任務(wu)。這便是(shi)突破性技術，基(ji)本可以達(da)到(dao)“ChatGPT時刻(ke)”。

那么，為了早日實現“ChatGPT時刻”，更(geng)應該(gai)研(yan)究模(mo)(mo)型(xing)，還(huan)是收集(ji)更(geng)多(duo)的數(shu)據？王興(xing)興(xing)表示，目(mu)前在模(mo)(mo)型(xing)結(jie)構(gou)上大(da)家做了很多(duo)嘗試，發(fa)現泛化(hua)能力不夠，還(huan)需(xu)要創新(xin)。大(da)家也需(xu)要收集(ji)更(geng)大(da)規模(mo)(mo)的數(shu)據、質(zhi)(zhi)量(liang)(liang)更(geng)好的數(shu)據。但目(mu)前，對數(shu)據的采集(ji)、對數(shu)據質(zhi)(zhi)量(liang)(liang)的評(ping)判(pan)還(huan)非(fei)常困難。

王興興提出，模型和數據需(xu)要(yao)相輔相成，而不(bu)是一股(gu)腦(nao)采集大(da)量數據，或者一股(gu)腦(nao)把模型做(zuo)大(da)。

目前，具身智能(neng)主流模型(xing)(xing)有VLA（視(shi)頻語言動作）+RL（強(qiang)化(hua)學習(xi)）模型(xing)(xing)和(he)基(ji)于視(shi)頻生成的(de)世界模型(xing)(xing)。王興(xing)興(xing)表示，前(qian)者可以(yi)用(yong)(yong)仿真(zhen)環境(jing)做訓(xun)練，或(huo)者用(yong)(yong)真(zhen)實場景(jing)做訓(xun)練，但(dan)泛化能力(li)相(xiang)對來(lai)說不是特(te)別(bie)夠。因此，他更喜(xi)歡基(ji)于視頻生成的(de)世界模(mo)型。

然而，王興興也認為，該(gai)模(mo)型(xing)(xing)面臨(lin)比(bi)(bi)較大的(de)挑(tiao)戰。因為基于視(shi)頻生成(cheng)的(de)世界模(mo)型(xing)(xing)對算(suan)(suan)力(li)的(de)需求非(fei)常大，需要的(de)算(suan)(suan)力(li)卡(ka)比(bi)(bi)較多，所以中小(xiao)型(xing)(xing)人形機器人公(gong)司往(wang)往(wang)“跑不(bu)動”，反(fan)而是一些(xie)大型(xing)(xing)AI公(gong)司、互(hu)聯網公(gong)司視(shi)頻模(mo)型(xing)(xing)的(de)資源更加豐(feng)富，做出(chu)該(gai)模(mo)型(xing)(xing)的(de)概率更大。