物理AI的终局:不只要身体,还要认知共生
AI技术

物理AI的终局:不只要身体,还要认知共生

AI吞掉了软件,现在轮到工业。贝佐斯押注的那家公司估值已经冲到410亿美元,外界叫它「物理世界的 OpenAI」。资本押得很直接。机器人会像大模型改写代码一样,改写产线、仓库和物流。身体好造,脑子难办。物理AI眼下最麻烦的地方就在这儿。

牛津那份59页长文给出的答案是「认知共生体」。作者认为,物理AI终局的另一半,是能与人类、环境持续对话的认知层。更强的本体解决不了这件事。机器人真正卡住的地方,是不清楚自己该干什么。走不稳倒在其次。补上认知,比一味堆硬件更接近终局。

工程侧已经有新解法。ZeroVLN 干脆不碰 VLM 的核心权重,改用语义接口。视觉语言模型用自然语言向动作专家模型发出移动请求,再靠强化学习把两个组件一起调优,训练时让动作和反馈互相修正。在 VLN-CE 基准上,它跑赢了有代表性的监督微调方案,同时几乎没伤到 VLM 的通用视觉能力。少改模型,反而更好用。

把这三件事放在一起看,它们指向同一条线。算力、模型、本体都已就位,缺的是让认知和行动互相校正的架构。410亿美元押的是未来十年的工业入口。技术上的胜负手,很可能就藏在这些「少改一点」的设计里。谁先把认知层接上,谁才有资格谈物理AI的终局。