机器人领域即将迎来ChatGPT时刻

在人工智能领域，基础模型的崛起彻底改变了自然语言处理的面貌。如今，一家名为General Intuition的初创公司相信，类似的范式转变即将在机器人领域发生，而他们正致力于成为这场变革的推动者。

General Intuition的CEO Pim de Witte在接受TechCrunch采访时表示，当前机器人行业的发展路径与GPT-3出现前的自然语言处理领域惊人地相似。许多公司正投入大量资源，为特定的机器人形态、特定环境和特定任务收集海量真实世界数据，从零开始训练专用模型。然而，de Witte认为，这种模式很快将被更高效的方法取代。

“很多公司现在都在做大量专注于个体形态、个体环境和个体机器人的专门化工作，”de Witte说道。他主张，随着像General Intuition正在开发的通用模型的出现，这些工作中的大部分将变得多余。公司的核心理念是，与其追求数据量的无限增长，不如专注于构建更高质量的数据集，从而训练出能够跨多种环境迁移运动直觉的基础模型。

de Witte将这种通用模型本身视为产品。“模型本身的泛化能力就是产品，”他强调，“它具备关于空间和时间的基础推理能力，这将使人们停止收集数十万甚至数百万小时的现实世界数据。因为现实是，你只需要几分钟。”

为了验证这一假设，General Intuition选择了一条独特的路径：利用数百万小时的视频游戏数据来训练其基础模型。这些数据不仅包含游戏画面，还包含了人类玩家在何时按下了控制器上的哪个按钮等动作信息。de Witte和公司的首席投资人、知名风投Vinod Khosla都认为，这种动作数据是开发类似人类直觉的时空推理能力的关键。

这一论点得到了资本市场的认可。General Intuition上月成功筹集了3.2亿美元资金，公司估值达到23亿美元。更令人信服的是，公司已经展示了其模型的强大能力：经过微调后，该模型不仅能在视频游戏中连续玩数小时，还能仅凭8分钟的真实世界机器人数据，就驱动一台四足机器人完成复杂的动态环境任务。

“事实上，机器人仅靠前置摄像头，没有其他传感器，在办公室环境中，面对动态物体和来往行人，就能实现零样本泛化，这对我们来说是一个非常大的惊喜，”de Witte回忆道，“我认为这是未来趋势的一个信号。”

值得注意的是，General Intuition的终极目标并非亲自下场制造机器人。公司的战略定位是成为“物理AI的基础模型”，为其他机器人公司提供底层能力，让它们能够在此基础上为自己的机器开发专用功能。de Witte用了一个形象的比喻来说明：“我们不会去创办一家自动驾驶汽车公司。我们要做的，是让下一个想要创办自动驾驶汽车公司的人，把这件事变得容易十倍。”

这种“模型即平台”的商业模式，与OpenAI等公司在语言模型领域的成功路径如出一辙。如果General Intuition的愿景得以实现，机器人开发的门槛将大幅降低，创新者将能更专注于应用层和特定场景的解决方案，而无需从零攻克底层运动控制和环境感知的难题。机器人领域的“ChatGPT时刻”，或许真的已经不远了。