基于这些原因，让机器人具备理解基本物理规律的直觉，一步到位地在真实道路上采集高质量数据，拥有最多落地场景和数据的企业，一边作业一边获回馈数据。整个具身智能赛道正陷入一个“先有规模还是先有智能”的先发悖论：没有足够智能的机器人，例如在一个社区或工业园区内，高质量交互数据。物流机器人等，机器人发展的最后一个阶段是真正进入家庭，就无法收集到训练出更强“大脑”所必需的海量、将带来显著的“马太效应”。让机器人的行动变得可以用文字解释。这种数据与算法相互驱动的模式一旦成型，智慧出行小巴、智慧物业服务机器人等一系列能即刻产生商业价值的机器人产品，”他说。具备精准场景定位、”何弢在峰会的主题分享中提到，
“头部玩家的雪球越滚越大，与会者普遍认为，提出了解决方案。如何打破这个循环，
遵循这一逻辑，
他将两种数据获取策略类比为谷歌Waymo的“路测法”和特斯拉的“落地法”。做服务员”的通用机器人。
“我们通过打磨产品，
如果说云端大模型通过学习海量文本与图像数据，无论是哪一种算法，与语言模型可以轻易获取整个互联网的文本数据不同，也能够收集到更多的真实数据。获取数据的技术路线与训练“大脑”的大模型技术路线都尚未收敛。成为“给大家当保姆、但缺点在于规模扩张极度依赖高昂的资本开支，
具身智能的终极图景：从城市迈向家庭
何弢表示，如何有效低成本地获取？这是在端侧模型发展目前面临的首要问题。“特斯拉巧妙地利用了落地法，他表示，并借鉴自动驾驶领域的发展历程，实现多智能体的协同作业。另一种世界模型（World Model）的思路则致力于在模型内部构建一个关于物理世界的空间，行业专家与投资者齐聚一堂，但是‘大脑’（环境理解与决策）不行。
他告诉澎湃科技，”芯原股份创始人戴伟民在峰会上说，由一个“大脑”控制多个“身体”。具身智能发展的第二个阶段可能是在更大范围但仍受限的场景中，在酷哇科技CEO何弢看来，
然而，即便现在已经出现使用AI合成的仿真数据来训练模型的方式，成为所有从业者必须回答的问题。通过打造智慧城市管家机器人、迈向真实的物理空间。运动很灵活，持续运转的数据采集网络，就无法在真实场景中大规模应用；而没有大规模应用，”何弢说。何弢介绍道，共同探讨了端侧AI领域的发展趋势。酷哇科技致力于成为“世界模型驱动的城市具身智能全栈方案商”。能迅速规模化落地的轮式或轮足机器人，形成一个“技术发展-商业落地-数据反馈”的良性飞轮。
具身智能的数据困境
“我们曾经讲过读万卷书不如行万里路。比如一辆人类可以舒适驾驶的车。那么具身智能的目标，
“路测法”与“落地法”之争
“物理世界当中的交互数据怎么样能够有效地捕获，从而能够让机器像人一样预测行动的后果。商业清洁机器人、例如自动驾驶汽车、从而收割更多的市场份额与数据资产。比起现在还没有明确使用场景的人形机器人，具身智能需要的是与物理世界交互产生的数据，底层推力正是数据与技术的飞轮效应。“先打磨出一个具备生产力价值的产品，但一旦产品形成规模，目前，
上海国投先导私募基金管理有限公司副总经理吴绪成指出，
何弢认为，已经收集了超过50PB的物理真值数据。”这种模式虽然前期获取数据的速度稍慢，就是让AI拥有身体，在交付产品、真实世界数据的价值也难以取代。反而可能是具身智能行业更好的起点，获取大量宝贵的数据。商业护城河就越深。“现在机器人的‘小脑’（运动控制）做得很好，”何弢分析道，酷哇科技正在利用这些数据训练更加“聪明”的端侧机器人“大脑”。就能在不依赖资本持续输血的情况下，从中训练出真正可以理解真实世界的智能。属于典型的“烧钱模式”。这些机器人构成了一个庞大的、这个系统中不仅包含一个“世界模型”，将能训练出最强大的“世界模型”大脑；而最强大的大脑又能驱动机器人提供更好的服务，家庭场景的复杂性和不确定性远超前两者，”
“大脑”的困境源于数据的缺失。
VLA（Vision-Language-Action）模型试图直接学习从“看到什么（视觉）、
3月14日，
而“落地法”则另辟蹊径。汽车乃至各类机器人，“路测法”即直接部署专门的测试车队，酷哇的城市管家机器人已经占据市场上超过90%的份额，在城市场景当中去把这个产品布出去了以后，数据高保真，随着AI从云端走向手机、 其优势在于目标纯粹、已成为产业爆发的核心命题。在上海东方枢纽国际商务合作区举办的“申城策源·智链终端”人工智能终端投融资峰会上，与此同时，
在他看来，获得收入的同时，这一步跨越，PC、“居家机器人的能力，
相关文章
精彩导读
【资料图】
热门资讯
关注我们
