机器人

具身智能的数据基建,正在成为“上游战场”。最近的AI论坛上,总绕不开这样一组对比数据:LLM预训练有数十万亿token,自动驾驶有百亿小时数据,而具身智能目前公开可用的操作数据,只有几十万小时级别。多家具身智能本体厂商也公开表态,数据是当前最大的瓶颈。
人形机器人已然成为硅谷实体人工智能热潮的标志性符号。它们在爆款短视频里跳舞、弹奏钢琴曲,还即将登陆华尔街 —— Agility Robotics 正筹备上市。厂商宣称,这类机器人将打造一支全新劳动力:永不疲惫、不会衰老,还能适配专为人类设计的各类空间作业。
在具身智能领域,一个长期存在的工程悖论是:越是靠近物理世界的终端设备,越需要强大的算力;而越靠近消费者的终端产品,越受限于成本、功耗与体积。
人形机器人产业正在长出一套全新的基础设施。它的重要性,可能比所有人正在追逐的VLA(视觉-语言-动作)、世界模型、灵巧手加在一起还要大。
当人形机器人开始走出实验室,人们关注的问题不再是“能不能有”,而是“能不能用”与“能不能优”。
人工智能(AI)、物联网(IoT)连接技术以及机器人技术,正共同推动制造业向更具预测性的模式演进。
4月底,在台积电2026北美技术研讨会上,这家半导体行业的霸主用了很大的篇幅,描绘了一个迄今还没有完全定型的产业:人形机器人。台积电给出了一个极其精准的产业定义:人形机器人 = Agentic AI(智能体AI) + Physical AI(物理AI)这从侧面印证了一个宏大的趋势:AI正在完成一次历史性的跃迁,从“理解世界”,走向“参与世界”。
目前来看,人形机器人并没有一条公认的成功路径,但能够明确的是,未来这一行业的竞争,将逐渐从技术演示,转向真正的大规模应用。
真正的智能机器人难点不在于单一动作的重复,而在于能不能在随机环境下做出全新的没有被训练过的动作。这要求基础模型必须具备高度的泛化性、准确性,能应对足够复杂的任务。
加载更多

活动