作者 | 曹全景

編輯 | 黃運濤

在人工智能的諸多分支中，具身智能是近一年間被高頻提及的方向之一。

從工業(yè)機器人到服務(wù)機器人，從自動駕駛到人形機器，各條技術(shù)路線每隔一段時間就會被寄予一次“通用智能入口”的期待。

但與算法驅(qū)動的軟件革命不同，它始終被現(xiàn)實世界的摩擦力拖慢節(jié)奏。

如果只看公開視頻，具身智能的公共敘事幾乎被同一組類似的畫面占據(jù)：機器人跑得更穩(wěn)了，抓得更準了，動作更連貫，任務(wù)更復(fù)雜。融資在加速，模型在迭代，具身智能似乎正處在一條確定無疑的上升曲線。

成功被循環(huán)播放，失敗被剪掉——在實驗室之外，另一種敘事同時存在：部署成本、穩(wěn)定性、維護復(fù)雜度，仍在反復(fù)拉長商業(yè)化的時間表。

2月10日，原力靈機的首次技術(shù)開放日在北京中關(guān)村國家自主創(chuàng)新示范區(qū)展示中心舉行。

原力靈機發(fā)布了三款核心產(chǎn)品：具身原生大模型 DM0、具身原生開發(fā)框架 Dexbotic 2.0、以及具身原生應(yīng)用量產(chǎn)工作流 DFOL。這也是原力靈機成立近一年來，公司核心團隊第一次集體公開亮相。

在當(dāng)天的“PhysicalAl Next 圓桌論壇”上，來自產(chǎn)、學(xué)、研的五位嘉賓花了約一半的時間，討論一個問題：

具身智能的ChatGPT時刻何時到來？

具身智能的ChatGPT時刻——這是一個混合了技術(shù)突破、產(chǎn)品體驗與商業(yè)想象的復(fù)合概念。它既指模型能力的躍遷，也暗含一種期待：像ChatGPT一樣，被非技術(shù)用戶快速理解、低成本使用，并形成規(guī)?；瘮U散。

它帶著某種技術(shù)樂觀主義的興奮。畢竟，大模型在ChatGPT發(fā)布后迅速從實驗室走向全球數(shù)億用戶，完成了一次清晰可辨的躍遷。

人們自然期待，當(dāng)人工智能擁有了身體——能行走、抓取、操作物理世界的實體——是否也會迎來類似的爆發(fā)點？

ChatGPT的成功，在于它提供了一種使用成本低、使用結(jié)果高度穩(wěn)定且可重復(fù)驗證的體驗：任何人打開瀏覽器，輸入一句話，幾秒內(nèi)就能獲得輸出。這種“即開即用”的特性，使其迅速成為通用工具。

更重要的是，大模型的擴散幾乎不依賴新增物理基礎(chǔ)設(shè)施：算力集中在云端，終端只是入口。對產(chǎn)業(yè)來說，這是一次典型的“輕資產(chǎn)躍遷”。

具身智能則完全不同。它是一個集硬件、算法、環(huán)境感知與運維體系于一體的物理系統(tǒng)。

北京智源人工智能研究院院長王仲遠認為，即便模型能力在提升，也還遠沒有到具身智能的ChatGPT時刻。“尤其當(dāng)具身智能的模型和硬件真機部署之后，我們發(fā)現(xiàn)離真正希望的大規(guī)模應(yīng)用還是有比較大的gap?！?/p>

這個差距，源于物理世界固有的不確定性——地面是否平整、光照是否有變化、零部件是否存在微小公差、傳感器是否會老化……任何一個變量都可能導(dǎo)致任務(wù)失敗。

這也是為什么，在當(dāng)前階段，具身智能還仍停留在“可演示”而非“可大規(guī)模復(fù)制”的狀態(tài)：一次成功，并不等于系統(tǒng)性成功。

更關(guān)鍵的是，同一臺機器人，在不同時間、不同地點的表現(xiàn)可能截然不同。這意味著，它無法像ChatGPT那樣，為所有用戶提供統(tǒng)一、可預(yù)期的體驗。而“時刻”的本質(zhì)，恰恰依賴于這種集體可感知的突變。

清華大學(xué)電子工程系長聘教授汪玉認為，當(dāng)前大多數(shù)機器人雖已有很大進步，但還是“局限在一個工作臺上”，難以跨空間、跨模態(tài)完成連續(xù)復(fù)雜任務(wù)。

他甚至提出一個顛覆性設(shè)想：未來的住宅設(shè)計，或許需要加入“機器人適配”維度。也就是說，與其“苛求”機器人適應(yīng)人類混亂的生活環(huán)境，不如讓建筑和基礎(chǔ)設(shè)施主動為機器優(yōu)化。

雪豹財經(jīng)社認為，在工業(yè)史上，這種路徑并不陌生——流水線、電梯、自動門，都是先改變空間，再釋放自動化價值。具身智能或許也需要類似的“環(huán)境工程”。

汪玉的觀點也揭示了大模型和具身智能的一大不同：大模型運行在高度標準化的數(shù)字世界，而具身智能卻要闖入一個為人類而非機器設(shè)計的物理世界。前者是規(guī)則清晰的棋盤，后者是充滿噪聲的曠野。

究竟該如何定義ChatGPT時刻？

在階躍星辰創(chuàng)始人、CEO姜大昕看來，一個標志性的東西就是零樣本?！傲銟颖救プ龇夯?，給它任何一條指令，即使以前沒有見過，它也可以回答出問題，這和原來的自然語言處理是完全不一樣的，這是為什么ChatGPT時刻大家覺得非常興奮?！?/p>

如果對比自然語言和具身智能，姜大昕覺得，具身智能的“ChatGPT時刻”會更加困難一些。他進一步解釋稱：具身智能的泛化涉及場景、任務(wù)、目標等多個維度，在哪個維度上定義“突破”，本身就缺乏共識。

單純技術(shù)維度的突破，并不必然等價于產(chǎn)品或產(chǎn)業(yè)維度的拐點。這種錯位，正是“ChatGPT時刻”在具身智能領(lǐng)域被反復(fù)討論、卻難以實現(xiàn)的原因。

當(dāng)連“成功”的標準都無法統(tǒng)一，“時刻”自然淪為模糊修辭。

真正貼近商業(yè)落地的創(chuàng)業(yè)者，正在轉(zhuǎn)向更務(wù)實的定義。原力靈機聯(lián)合創(chuàng)始人、CEO唐文斌心中的具身智能ChatGPT時刻，是它變得有用、可信賴，并能夠在投資回報率（ROI）上算明白。

唐文斌坦言，“雖然行業(yè)非?；鸨被ㄋ棋\，但我們實際上整個（具身）智能的能力還在蹣跚學(xué)步的階段。”

星海圖創(chuàng)始人、CEO高繼揚則從產(chǎn)業(yè)鏈角度指出，大模型是“模型即產(chǎn)品”。大語言模型的終端是手機、電腦，渠道是社交媒體的傳播。模型好了，整個商業(yè)化、產(chǎn)業(yè)化的鏈條馬上就具備了。而具身智能的鏈條極長，從供應(yīng)鏈、整機組裝到數(shù)據(jù)閉環(huán)、售后服務(wù)等，算法反而是傳播周期較短的一環(huán)。

這意味著，具身智能的商業(yè)化節(jié)奏，更兼有制造業(yè)的特性：資本回收慢、失敗成本高，任何一環(huán)掉鏈子，都會放大整體風(fēng)險。單一技術(shù)的突破，很難撬動整個系統(tǒng)的商業(yè)化進程。“如果從業(yè)務(wù)產(chǎn)線的角度來說，具身智能的ChatGPT時刻，是我們真的看到它在某些限定范圍內(nèi)具備商業(yè)價值的一個時刻。”高繼揚說。

對具身智能而言，“ChatGPT時刻”更像一個外借的隱喻，而非可被復(fù)制的路徑。

具身智能真正的分水嶺，或許并不表現(xiàn)為一次全民圍觀的技術(shù)奇跡，而是某一天，它在工廠、倉庫、園區(qū)里悄然變成“離不開但不被討論”的存在。

但在這個終局來臨之前，它的成熟將更像基礎(chǔ)設(shè)施的演進——緩慢、無聲，卻不可或缺。

如果說大模型證明了算法的爆發(fā)力，那么具身智能考驗的，則是整個產(chǎn)業(yè)系統(tǒng)的耐力。

在這場沒有“神跡”的長跑中，勝出者或許不是算法最炫酷的那一家，而是最懂供應(yīng)鏈、最能跑通真機閉環(huán)、最愿意沉入具體場景的那一方。

封面來源：《機器人總動員》劇照