这篇分享满满都是干货。 科技投资机构 Altimeter 的合伙人 Freda Duan 与 50 位机器人行业的前沿从业者交流后，整理出了十个判断。 太长… · @Michaelzsguo · TwKit

@Michaelzsguo

这篇分享满满都是干货。 科技投资机构 Altimeter 的合伙人 Freda Duan 与 50 位机器人行业的前沿从业者交流后，整理出了十个判断。 太长不看版：随着通用大模型能力不断增强，机器人可能正在成为头部 AI 实验室的又一个垂直应用，就像今天的编程一样。OpenAI 的 Astra 发布，可能就是机器人行业的 ChatGPT 时刻。 背后的逻辑其实也不复杂：如果理解世界、推理和规划这些能力可以复用，为什么每个行业都要重新训练一套通用智能？头部实验室在模型、算力和人才上的积累，自然也有机会延伸到物理世界。 头部实验室也在进行相应的组织调整。OpenAI 已将约 30–40 人的机器人团队围绕核心 Astra 模型重新整合，Tesla 的 Optimus 团队也在向通用模型方向调整。 这让机器人基础模型创业公司的定位变得有些微妙。原本想做机器人的“大脑”，现在可能需要与通用模型重新分工：通用模型负责理解任务和推理，专用模型负责具体技能和底层运动控制。这种分工依然有价值，但留给专用模型的空间究竟有多大，边界会不会继续移动，都成了必须回答的问题。 不过，智能变得更容易获得，也可能让更多硬件公司有机会做出真正实用的机器人。竞争的重点会更多转向可靠性、灵巧性、系统集成和实际部署能力。 这和我们在其他行业看到的模型发展趋势很相似：模型进步的速度，可能已经超过了我们将机器人部署到真实世界的速度。不同硬件如何适配，任务失败后如何恢复，能否长期稳定运行，最终算下来是否划算，这些问题仍然需要一家家公司在真实场景中逐一解决。

曝光 27 · 评论 0 · 点赞 0 · 书签 0