从语言智能，到空间智能。 整理 | 曹思颀 2024 年，具身智能无疑是 AI 范畴里最火热的新赛道之一。 相较于现在大语言模子在数字天下里带来的技能厘革，具身智能刻画了通往将来天下的另一条路径：大量具有聪明的呆板人出如今真实的物理空间中，通过到场到人类生产、生存的各个环节，改变人类的生存方式。 但和大语言模子可以使用海量互联网文本、图像资源举行快速学习差别，在具身智能范畴里，呆板人缺少低本钱、高服从、多样性、可泛化的学习数据。 假如只基于 Transformer 架构的大语言模子（如 ChatGPT），人类无法实现具身智能。海量物理精确的练习数据怎样快速获取，是迈向具身智能前的天下级困难。 13 年前，黄晓煌返国创业。返国前，他在美国伊利诺伊大学学习 GPU 盘算，也在英伟达做过云盘算。他一开始的创业方式，是盼望用 GPU、云盘算来做物理仿真，但在其时，少少有人可以明白 GPU 通用盘算的代价。于是，黄晓煌用 GPU 举行光学仿真，并应用对家装场景里，把过往必要几非常钟的渲染提速到了 10 余秒，自此开始了群核科技的创业之路。 多年后，依附着在家装渲染、工业 4.0 生产对接中积聚的海量数据，在具身智能的技能巨浪袭来时，群核科技终于脱下「家装公司」的外壳，浮出水面。他们盼望可以在数字天下和物理天下中心，搭起一道桥梁，通过海量可交互的、物理精确的三维数据，推动具身智能的发展。 以下是群核科技团结首创人兼董事长黄晓煌在 IF 2025 主舞台的演讲全文。在演讲中，黄晓煌分享了群核科技的创业故事，以及他们对具身智能期间的思索。由极客公园整理。 01 ChatGPT 办理不了的「叠被子逆境」 各人好，我是极客公园的老朋侪，来自群核科技的黄晓煌。本日我先容的主题是：怎样让 AI 从数字天下走向物理天下。 大模子到来之后，全部人都想知道它能为昨们做什么。昨们的下一代已经成为了「AI 原生娃」。我女儿刚学会认字，但她已经能很天然地对着各种镜子和屏幕喊「小度小度」大概「小爱同砚」了。 但他们现在还只能跟假造人物举行沟通，昨们更盼望孩子们跟物理天下有更多互动，有真实的伴随。惋惜即便 AI 如今已经可以吟诗作画，但就算叠被子这么简朴的家务，呆板人都实现不了。 当昨们谈到具身智能大概呆板人的时间，「叠被子逆境」是一个非常典范的场景。 现在的 ChatGPT 大语言模子，可以很轻易地让呆板人明白人类的指令，「给我叠一个被子」，它也可以通过视觉判定哪床被子是叠好的、哪床被子没叠好，但它很难实行。大概当它学会叠一床被子后，换个外形大概就又不会了。 呆板人的大脑在数字天下里，但身材却在物理天下中。办理这类题目，最关键的是在物理天下和数字天下内里创建一个桥梁。而 ChatGPT 一类的大语言模子是无法实现的，昨们必要一个全新的大模子。 让呆板人精确明白物理天下，关键是要有海量可交互的三维数据。许多大语言模子都是根据互联网上的语料信息、图片或视频练习出来的，但这些内容只是一堆静态的影象，练习出来的东西跟物理天下是相违反的。 这里有一个简朴的例子，左边是由 Stable Diffusion 大模子天生的寝室场景，右边是由昨们的矩阵 CAD 引擎天生的。乍一看都挺美丽的，但左边这张存在多处物理不精确的地方：好比有的床头柜悬空、有的柜门无法打开。昨们必要在大模子脑海里出现右边这种内容，来引导真实的生产制造。
02 群核的创业之路：家装公司收到硅谷来信 说说我的个人履历吧。我一开始在美国伊利诺伊大学香槟分校学习 GPU 高性能盘算；厥后去英伟达做了 CUDA；返国后建立群核科技，做了 3D 云计划平台；如今又在关注具身智能。 常常有朋侪问我，为什么你选择如许的创业门路？我想说，在中国创业没办法太阳春白雪，要实事求是跟着期间走。 刚开始创业的时间，我想用 GPU、云盘算来做物理仿真。但是返国一看，发现其时投资圈热门的都是移动互联网、O2O，我所想做的项目根本融不到钱。跟投资人讲 GPU 通用盘算，在谁人年代险些就是对牛奏琴，更不要提物理仿真了。 厥后，昨们想到了用 GPU 来做光学仿真，把原来必要几非常钟、一个小时的结果图渲染提速到了 10 秒钟，为家装计划师提速。这个「家装 OTO」的概念，很快成为了资源最推许的项目，帮昨们融到了许多资金，让酷家乐乐成上线并成为了计划师首选的计划工具。 下一步，昨们捉住了工业 4.0 改革里，传统工厂打造柔性生产线的需求，用昨们的数据资助工厂举行升级。昨们用物理仿真、数字孪生，把每一件商品拆解成一个个零件，通过流水线呆板人以及传送带实现柔性生产。 但这依然不敷，由于这些工厂里全部的机器臂都是没有聪明的。你告诉它往左就往左、往右就往右，机器臂是没有智能的。一旦举行微小的改动，全部统统都要重来。以是，如今的无人工厂现实上还不是真正的无人工厂。 那段时间我非常苦恼，但昨们已经见地到了物理精确数据的代价。直到有一天，我看到马斯克提出用人形呆板人在工厂生产汽车，就以为工业 4.0 的下一步是把流水线呆板人酿成人形呆板人。我以为这是将来，而群核科技就是这些全部呆板人练习的「道场」。
这些年昨们做 3D 云计划平台，只管路径一些曲折，但也积聚了海量的三维数据：3.2 亿个 3D 模子、不可胜数的物理精确的三维场景、月活靠近 8000 万，服务了 200 多个国家和地域。昨们在这个过程中始终信赖，物理精确的空间数据是可以用来练习大模子的，昨们的科研职员也不停在练习，在等候一个时机。 2018 年，昨们的科研职员跟帝国理工、南加州大学共同发布了一个室内智能数据集方案。这是其时环球最大的室内场景认知深度学习数据集，一下子在学术界很热。 有一天，昨们收到了一封硅谷最大公司的邮件，盼望跟昨们举行空间智能的互助。固然昨们乃至猜疑是骗子。几万亿美元的大公司，怎么会找一家创业公司互助空间智能。但这简直是真的。在互助的过程中，昨们发现了这些大公司在办理了算力、算法题目之后，他们面对的题目是，缺少海量的、可交互的、物理精确的三维数据。 昨们跟现在环球这个范畴最靠前的公司根本都告竣了互助。这两年，中国的空间智能、具身智能也发作式地增长，昨们也跟国内头部公司告竣了互助。这个时间，我以为技能奇点到来了，昨们的时机也来了。 03 具身智能的天下级困难：数据 昨们发现，如今不管是空间智能照旧具身智能，有四个最关键的题目必要办理：算法、算力、数据、呆板人硬件。 算法层面，现在是百花争鸣的状态，有非常多算法。 算力层面，国外以英伟达为代表，国内也有地平线等公司在快速地办理这个题目。我以为算力已颠末了技能的奇点，可以支持人造的聪明了。 呆板人硬件层面，中国更是独霸环球。 而现在天下级困难的是：怎样给呆板人提供用来练习的可交互的数据？这就是昨们要去办理的。
现在用来练习具身智能的方式，重要有两种： 第一种，以斯坦福大学的 Moblile Aloha 为代表，它通过用装备来收罗人在物理空间中的动作，来练习呆板人。但是它的收罗本钱非常高，而且空间非常受限。 第二种，也是现在学术界比力火热的，通过仿真数据来做呆板人的练习。现在新一代的算法论文都是基于这个逻辑，李飞飞的文章也都是这个逻辑。由于它才真正可以实如今海量的空间内里做物理练习，让呆板人可以或许拥有充足多的顺应性。 相比真实的练习情况，仿真练习重要有以下四个巨大的上风： 第一，低本钱。如果用一个真实的空间练习一个呆板人，那么每练习一个场景都要盖一个真实的房间，那这个本钱着实太高了。 第二，高服从。在物理天下里，时空是确定的。假如练习一个呆板人必要 1 天，那么练习 1 万次就得 1 万天，时间没有办法压缩。但在数字天下里，时间是可以被压缩的，物理天下里要用 1 万天跑完的数据，数字天下里大概 1 天就可以跑完。 第三，多样性。在实际天下内里，要找到各种各样差别场景黑白常困难的。假如昨们想练习一个呆板人去火星上帮人类干活，但没有办法先把一堆装备送到火星上去提前练习。合成数据办理了多样性题目。 第四，可泛化性。李飞飞发表的文章里提到了「数字表亲」的概念，可以生产雷同的场景举行练习，从而实现闻一知十。否则昨们练习出来的呆板人只能在千篇一律的房间里干活，脱离了谁人房间，照旧啥都不会。
那么，群核科技的焦点上风是什么？昨们为什么能一起到场这个故意思的征程呢？ 昨们通过多年的 3D 云计划平台，积聚了海量数据，用这些数据练习了本身 CAD 的大模子。这些大模子可以阅读人类的 CAD 文件、图片、手绘等，然后把这些内容再转换成物理精确的空间场景。昨们也自建了 1 万多台高性能盘算服务器，专门用来练习、推理、渲染。昨们盼望用物理精确的合成数据，来资助全部具身智能的呆板实现练习。 本年，昨们推出了新版本的 SpatialVerse 来赋能 AI 空间智能。由于传统的三维数据太「干净」了，没有办法直接用来练习呆板人。昨们必要 AI 对这些原始的数据举行物理加强：告诉呆板人那里是抽屉可以打开，可以打开多少水平；物体的重力是多少；那里是门可以打开，是往里开照旧往外开等等。 其次，在呆板人练习的时间必要有各种语义信息在内里，已往都是人工标注，如今要用 AI 给它主动标注好。 别的，情况增强也很紧张。昨们平凡人生存的情况不是像 3D 天下内里那么纯净的，包罗你的房间内里有纸巾、有动物的毛发等，但是在数字天下里没有，你要把它以某种方式加归去，让一个空间不是一个纯净的空间，它必要更靠近于真实的空间。 末了是隐私题目。前阵子环球最闻名的公司之一被曝出在收罗物理数据的时间，不警惕拍到了房屋主人上茅厕的视频。合成数据就没有这个题目，它不会涉及到人类隐私的题目。 昨们本年和上海人工智能实行室一起发布了具身智能练习的新范式，多模态的 3D 数据办理方案，就是大规模的动态场景天生，渲染+物理真实感以及高分辨率的场景分割。这内里的空间场景都是基于昨们 SpatialVerse 的办理方案。
我以上展示的这些肯定不是空间智能、具身智能的全部，它只是开始。具身智能还会进入到昨们更多的场景，除了在昨们工厂内里工作，还会进入到昨们的贸易空间里、办公室里，家庭里。将来，昨们的生存场景内里会布满了空间智能、具身智能的呆板人。 固然，全部的利用场景都必要丰富的物理精确的三维数据给它们练习，由于各人不盼望一个没有练习过的呆板人在你家内里。一个 300 公斤重的呆板人，万一发起疯来，谁都受不了，以是昨们得确保它在充足多的空间里练习过，才气够进入到昨们工作生存的情况里，这黑白常紧张的。 我信赖将来肯定是具身智能、空间智能的期间，我信赖从生产制造再到贸易空间再到昨们家庭场景，它会充斥到昨们每一个角落，就像叠被子那一刻被呆板人完善地办理了之后，呆板人就会办理昨们一样平常生存中各种各样所必要的题目，我也盼望群核科技可以或许成为中心紧张的推力之一。 接待各位小同伴跟群核一起走向技能的彼岸。 *头图泉源：极客公园 本文为极客公园原创文章，转载请接洽极客君微信 geekparkGO 想看国际最先辈程度的 AI 公司怎样对待 AI 吗？想看最火的呆板人公司怎么预测将来吗？想看最有调性的科技公司怎么在这个期间做产物吗？好险！差点就错过他们的分享了！ 12 月 19 日（周四） 13:30，极客公园创新大会 2025 直播举行时！锁定视频号直播间，2025 年科技趋势全部都有！ |
