電子發燒友網報道（文/吳子鵬）前有AI落地難，如今AI大模型的落地也遇到了一些挑戰。雖然各大企業推出了非常多的行業垂直大模型，不過這些模型基本上還是基于云端去實現。在終端，目前AI智能手機和AI PC是最熱門的兩大應用。

我們簡單看一下AI智能手機行業，已經有數家廠商推出了配置在手機端的大模型。以vivo的藍心大模型為例，可以通過抓取屏幕中的內容，智能且直接地完成日程添加的操作，使用戶體驗更為便捷。還有榮耀MagicOS 8，大模型讓榮耀手機能夠捕獲用戶的意圖。在AI PC方面，道理大抵是相通的。

那么，除了原本就比較智能且出貨量較大的智能手機和PC之外，AI大模型還有什么終端方向值得去探索呢？OpenAI 給出的答案是機器人。

把ChatGPT裝進機器人的大腦

近日，機器人初創公司Figure發布了自己第一個OpenAI大模型加持的機器人demo。視頻內容顯示，當一個1.7米左右的機器人被植入GPT大模型之后，智能化水平顯著提升，不僅能夠和人類無違和對話，而且也具有非常強的動手能力。

根據demo內容，這個搭載GPT的機器人能夠非常準確地描述自己所見的內容，比如面前的蘋果和杯子，以及演示人員手部的動作。并且，當演示人員讓這個機器人遞些吃的東西過去時，它能夠在幾乎不需要反應時間的情況下將蘋果遞給演示人員。這個demo顯示出，搭載GPT的機器人已經具有非常高的“意識自主性”，雖然有些對話需要時間反應，不過他最終都能夠做出正確的舉措。

據悉，機器人初創公司Figure擁有一個豪華的技術團隊，創始人Adcock重金從波士頓動力、特斯拉、谷歌等公司挖了大量的人才。再加上有了GPT的加持，Figure 01機器人可以自主做計劃、執行任務、有記憶、聽懂人話，離具身智能的程度更近一步。

上一個引起行業廣泛關注的機器人是VIMA（Vision-and-Language Navigation with Multi-Modal Transformers）。VIMA由李飛飛教授及來自斯坦福大學、加州理工、清華大學和英偉達的幾位學者組成的團隊聯合打造，是一個使用多模態提示執行各類任務的機械體操作系統。根據介紹，VIMA是一個帶有機械臂的LLM，可以接受多模態提示詞，單個的文本、圖像、視頻或這些信息的結合。

太平洋證券曾在研報中指出，雖然當前人形機器人的智能AI系統還不夠成熟，但當前ChatGPT的出現已展現了生成式AI具備較強理解和生成對話能力，結合OpenAI投資人形機器人賽道，以及特斯拉等巨頭的入局，看好未來人形機器人更快商業化落地。

無疑，Figure 01機器人展示出當下具身智能機器人的最新進展。具身智能機器人要求機器人能夠像人類一樣與環境交互、感知、規劃、決策、行動、執行任務。英偉達創始人黃仁勛在 ITF World 2023 半導體大會上就大談特談具身智能。他認為，具身智能是能理解、推理、并與物理世界互動的智能系統，是人工智能的下一個浪潮。

相信隨著AI大模型技術越來越成熟，這種大模型和機器人的融合會更加成熟，到時候機器人可能會無縫融入人類社會。

大模型融入機器人的挑戰

不過，憧憬是美好的，過程總是很艱辛。針對AI大模型和機器人的融合，當前還有很多困難需要克服，就像Figure 01機器人一樣，它還有很多細節問題無法很平滑地處理。

在2023年底舉辦的中國信通院人工智能論壇上，很多專家就談到了AI大模型的終端落地難題，其中一些問題實際上也是適用于機器人行業的。

比如，第一個是算力和存儲問題，當AI大模型在云端訓練時，相對算力還是比較充沛的，不過當部署到終端的時候，模型受限于算力和存儲能力的顯著下降就需要做瘦身。這就牽連出第二個問題，由于實際應用經驗嚴重匱乏，目前大部分AI大模型的瘦身都是“拍腦袋式”的，這也是為什么Figure 01機器人在一些問題上應對非常好，在一些問題上卻需要很久的推理思考。因此，在硬件問題上，成本就會是個大麻煩，成本太低的話，AI大模型受影響就會非常嚴重，成本太高的話就無法廣泛普及。

第二個是數據的問題，以機器人來說，最終落地到終端會有比較明確的場景。然而，就需要利用這類場景數據對AI大模型進行二次訓練，如何對這些數據進行高質量清洗，另外如何微調數據以達到更好的部署效果，這些都是巨大的挑戰，因為有太多經驗空白區。有人會問，竟然要求具身智能，要像人類一樣，那么不是應該具有廣泛的知識嗎？理想形態當然是這樣，甚至是機器人在一些能力上超過人類，但是受限于硬件，短期看這是不現實的。

第三個是仿真和部署的問題。我們都知道，具身智能的機器人需要和物理世界接觸并融入物理世界。這就遇到了一個問題，智能體是基于虛擬仿真環境進行設計的，不過智能體部署之后，現實世界要復雜很多，如何將虛擬世界和物理世界耦合是一個更大的挑戰。這不僅要求智能體模型具有非常好的可擴展性和成長性，還需要一個強大的通用智能本體平臺。可能有人已經想到了硬件性能冗余，不過考慮到可靠性和成本問題，單純性能冗余明顯是不夠的，特定場景通用走向社會性通用的過程中，硬件平臺架構創新是非常關鍵的。

目前，頭部企業實現AI大模型和機器人融合的方式有一些差異性。微軟公司使用ChatGPT大型語言模型 (LLM) 將人的語言快速轉換為機器人的高層控制代碼，然后轉化為機器人的控制；谷歌PaLM-E模型則是一種視覺路線，能夠觀察物理實體世界的信息，由大模型進行分析理解，再將決策結果反饋至物理世界；特斯拉則是打通FSD和機器人的底層模塊，實現一定的算法復用，特斯拉利用大規模的數據集訓練模型，可以提高算法在復雜環境下的性能，并認為自動駕駛的本質就是機器人。

從結果來看，目前AI大模型+機器人已經實現了一些功能，但是離通用智能和規模部署還有一段路要走。

結語

AI大模型如何在終端落地？這是一個困擾行業的問題，將本身就智能的智能手機和PC升級，這當然是一個路徑。不過，具身智能的機器人會有更大的想象空間，當然這條路道阻且長。