今天小編分享的互聯網經驗：我們又忘了，人形機器人≠AI，歡迎閱讀。
文 | 腦極體
" 你看過《機械姬》嗎？那個會騙人的艾娃，真的是 AI 嗎？"
朋友突然的問題讓我陷入思考。電影裡，艾娃的每個眼神、每句對白都讓人毛骨悚然——她太像人了，以至于觀眾理所當然地認為，這就是 AI 的終極形态。
但現實是，艾娃跟我們現在所說的 AI，根本是兩碼事。她的能力寄身于一個叫具身智能的概念。
具身智能并非更高級的 AI，而是一種完全不同的技術路徑：它不依賴大語言模型的尺度定律，通過物理身體與環境互動，像嬰兒一樣學習世界。
但由于科幻片的興起與傳播，被誤當成 AI 好多年。
今天，就讓我們抛開刻板印象，聊一聊：
為什麼具身智能和 AI 不一樣？以及我們離真正的 " 艾娃 "，還有幾公裡？
《機械姬》等影視作品中的機器人形象潛移默化中強化了 " 具身智能 =AI" 的認知。
但實際上，這是一種誤讀。
具身智能并不等同于 AI
要理解具身智能是什麼，首先要分清具身和離身兩個概念。
具身指存在或認知必須通過物理身體與環境的互動實現，強調身體經驗的基礎性作用，如人類；離身指存在或認知可以脫離物理載體獨立存在，強調抽象形式的自主性，如軟體、算法。
類似于 ChatGPT 一樣的傳統 AI 就是離身智能，可以脫離物理實體實現符号邏輯的抽象推理，能存在于任何終端。大語言模型通過海量文本訓練建立詞匯相關性網絡，得出概率映射的最優解。然而，這種虛拟環境中研發出的智能缺乏對物理世界的感知。它難以理解拿起水杯需要怎樣的力學控制，也不明白怎麼避開突然出現的障礙物。
具身智能則強調與物理世界的互動，将智能體的認知能力錨定在特定身體上，相當于 " 靈肉合一 "。這個身體必須擁有清晰的邊界和自我認知：首先，它得是獨一無二的，自己能移動操控的；其次，它要可以與環境互動，并從中累積經驗、習得規律。這種身體化學習（Embodied Learning）機制，讓具身智能的進化路徑與純數據驅動的 AI 截然不同。
而代表具身智能的人形機器人，更是與 AI 差了一萬八千裡。
首先，人形機器人必須擁有能與現實世界互動的物理身體。這不僅僅是加個外殼那麼簡單，而是要建立一套完整的感知－行動閉環。
其次，這個身體要能動。要讓機器人的身體真正活起來，需要突破三大難關：精确的抓握控制，比如拿起筷子或者豌豆；動态平衡，在山坡、樓梯等不平坦道路行走；多任務協調，邊走路邊端盤子等。
并且，要給他與世界互動的多模态感官。具身智能需要構建比 AI 更豐富的感官體系，不僅要能看（計算機視覺），還要能聽（聲源定位）、觸（力度反饋），甚至聞（化學傳感）。
最後，要一個比大語言模型更聰明的大腦，基于尺度定律的腦子難解因果。人形機器人的大腦要走世界模型這條路，在與真實世界的互動中習得經驗，超越概率，走向規律。
綜上，人形機器人是多個頂尖級技術集成的復雜智能體。但這樣一個復雜智能體，真的如網上營銷的那般，離我們只有一步之遙嗎？
哪怕翻遍所有最頂尖人形機器人公司的 demo，我們也只能看到一個不停跳舞、翻跟頭、有時連蘋果也拿不穩的人形巨物。它的電池續航通常不夠 5h，常常電量告急；復雜的動作需要人工遙控，就跟小孩的遙控賽車一般。不過，小孩的賽車只要幾百塊，一款機器人需要幾十萬。
不得不說，這是一個炫技大于實用的概念。
因為我們想象中的人形機器人，那得是《機器人女友》裡文武雙全、長得像绫濑遙一樣美、偶爾露出反差萌的完美 " 戀人 " 才行。
理想豐滿，現實骨感，AI 發展已陷入固有技術方法論的沼澤，我們熱衷于大語言模型、熱衷于強化學習，卻忽略了它們只教會 AI 如何模仿，沒教會 AI 如何理解真實而復雜的物理世界。
而這恰恰是人形機器人向強發展所需要克服的。
近日，圖靈獎得主楊立昆在巴黎 AI 峰會上發表觀點，要研究人類級 AI 就要不破不立，做到三個放棄：放棄只會概率計算的大語言模型、放棄宛如拼圖遊戲的對比學習、放棄馴狗般獎懲 AI 的強化學習。
人形機器人的腦子需要的是世界模型、規劃算法等能與環境互動的技術；人形機器人的身體需要支持運動的仿生關節、代表感官的傳感器融合系統、類似小腦的運動控制算法以及作為心髒的高能量密度電池。
但這些技術恰如 2020 年之前的大語言模型一般，陷入了研究瓶頸。
一方面，是因為太難；另一方面，是成本太高。
舉個例子，人類使用工具的能力建立在數百萬年進化形成的本體感知系統上。人類使用螺絲刀時，能通過觸覺實時調整握力，并預判旋轉時的扭矩變化。而機器人要實現同等操作，需要突破三大難關：0.1 牛頓級的力控精度、高靈敏的觸覺解析，以及避免自碰撞的運動規劃協同。
目前最先進的機器人，仍難在不同場景中拿起一個相同的蘋果。所有科技公司放出的 Demo 幾乎都是無雜物的光滑桌子或者空曠、光線充足的實驗室環境，如果旁邊多出一只梨子，或者蘋果不小心滾落到地板，他們就可能束手無措。
另一方面，如波士頓動力 Atlas 的實驗機人形機器人研發成本普遍超過 200 萬美元。特斯萊自研 " 大腦 " 主控芯片每個 3.2 萬，一個靈巧手 1.2 萬元，作為感官的傳感器系統合計 11 萬元，支持運動的線性關節總成本約 15 萬元，而即使實現量產，後期也要一大筆資金投入維修和保養，因為人形機器人有 30 個左右的關節，經過多次訓練磨損後會出現不靈便、卡殼等情況。
不難看出，發展人形機器人就是為了造人而造人。但是從工業場景來講，雙足的效率是不穩定的，遠遠低于輪式底盤和機械臂的組合；且技術不夠成熟，沒有發展路徑，實在稱不上一門很劃算的生意。
既然性價比如此低，人形機器人的說法到底從何而來，又為什麼如此火熱？
人形機器人是一個被資本炒熟的概念，也是一場為了融資而作秀的狂歡。
2024 年 1 月至 10 月全球人形機器人行業共發生 69 起融資事件，總金額超過 110 億元。其中，有 56 起發生在中國，總金額超過 50 億元，不少頭部企業一輪就融超 10 億。
但是，當前融資熱潮源于資本追捧而非技術成熟，部分公司估值虛高。為了吸引融資，企業持續在社交媒體上營銷打拳、翻跟頭等不實用的功能，同質化嚴重，價格高、能力差、落地難，本質是脫離技術談未來。
清醒後的資本熱開始退潮。
一些企業隕落了。曾估值 30 億美元的達闼科技被曝欠薪、裁員、資金鏈斷裂陷入停擺危機；而素有人形機器人第一股之稱的優必選五年虧超五十億，市值蒸發千億港元。
一些投資方撤資了，朱嘯虎批量撤出人形機器人，退出的公司包括星海圖和松延動力。
這并非孤例，這個由資本催熟的概念，在歷史上至少經過三次幻滅。
1970 年代，早稻田 WABOT-1 首次雙足站立但動作遲緩、能耗極高，僅實驗室展示；
1990 年，服務機器人泡沫，成本高達 200 萬美元的本田 ASIMO，僅能端茶倒水，2018 年終止所有相關項目；
2010 年代的社交機器人神話軟銀 Pepper 因對話機械、價格昂貴、故障率高，在 2023 年停產；
2020 年代，AI 的爆火又一次喚醒了資本對人形機器人的狂歡。但這仍掩蓋不了波士頓動力多次易主谷歌、軟銀、現代的事實，另一家公司 Atlas 因炫技視頻與實際落地脫節，融資越來越少。
回望歷史，人形機器人的發展始終跳不出一個輪回怪圈：總是始于驚豔的實驗室 demo 吸引資本追捧，繼而催生估值泡沫，最終因商業化失敗導致資金集體撤離。
無數企業和資方周而復始地演繹着從希望到幻滅的故事。而這個循環反復出現，主要有三個原因：
首先，燒錢太猛，但沒有形成商業閉環，沒有找到市場過度依賴投資。造一個人形機器人動辄上百萬，比工廠裡用的機械臂貴幾十倍。投資人砸再多錢，也很難找到願意買單的客戶。就像當年本田花 3 億美元研發的 ASIMO，最後只能在科技館裡表演端茶倒水。
其次，現在的技術其實不足以支撐人形機器人的爆炸，還處于摸着石頭過河的狀态。當前 VLA（視覺－語言－動作）模型在動态環境中的錯誤率仍高達 40%，遠未達到自主決策水平；高功耗導致多數人形機器人僅能連續工作不到 5 小時，遠低于工業需求。
最後，方向跑偏了，娛樂屬性強、工具屬性弱。為了吸引投資而不停作秀跳舞、忽略實用性。無法在垂直場景減輕人類負擔提升總體效益的機器人，催生了更大的泡沫。
脫離技術談商業，只是鏡花水月。幾乎可以斷定，即使此輪人形機器人不會破滅，也一定像歷史一樣走向沉寂。畢竟，沒有人願意花幾十萬去買一個只會跳舞的大型機械。但另一方面，值得慶幸的是，我們離那個會欺騙人類感情的 " 艾娃 " 還很遠。
