学术界的女神，押注物理智能
本文3324字，约4.8分钟
作者 | 吕敬之 编辑 | 吾人
李飞飞，出手了。
美国具身智能公司Generalist AI宣布完成新一轮4亿美元（约合人民币27亿元）融资，目前融资总额超过5亿美元。
本轮本轮新增主要投资方：Radical Ventures（领投）、8VC、Union Square Ventures、Hanabi Capital、Norwest；原有头部投资方均大额跟投，包含英伟达旗下NVentures、Boldstart Ventures、Spark Capital、Bezos Expeditions、NFDG。新增天使投资人包括Eric Yuan、Bin Lin、Fei-Fei Li（李飞飞）、Naval Ravikant。成立两年的机器人公司Generalist拿到4亿美元，投后估值20亿，跻身新晋独角兽。
这次，被称为“AI教母”的斯坦福人工智能实验室的负责人、ImageNet的创建者，李飞飞，这次不是站在讲台前，而是以投资人的身份出现在了一个明星项目当中。她不是追逐风口的资本玩家，在人工智能领域已经奋斗了近30年的时间，经历了各种各样的兴衰成败。此时选择押注具身智能的人一定是基于对技术发展和产业发展时机的一种判断，并不是盲目地跟随一阵风。
一个“物理世界”的赌注
仅从融资公告来看，Generalist AI似乎就是一家按照常规流程进行新一轮融资的人工智能企业，主要投资人名气大、陪跑者众多、估值已经突破了独角兽的标准。但是使这则公告值得重视的是，在天使投资人一栏中出现了李飞飞的名字。
李飞飞很少以个人投资人身份公开露面。她更多的是作为研究者、教育者和政策倡导者的角色存在，在二十年前就用一个巨大的图像数据集来改变整个计算机视觉领域的走向。ImageNet 的诞生使得深度学习在感知层面上有了突破的可能性，而今天所见的这场人工智能革命也可以追溯到这个数据集打下的基础之上。她对于人工智能的认识，并不是从商业逻辑反向推导出来的技术本身，而是由技术的本质向外扩展出来的认识方式，因此她在判断某个方向是否正确的这件事情上拥有不同于普通投资者的标准体系。
这次她所押注的是具身智能中一个更加具体的问题：怎样才能使机器人真的“会”在物理世界中动手做事情。
这个问题听起来很简单，但是做起来很难。近几年来大模型把人工智能在语言和视觉方面的水平提升到了一个新的高度，机器可以阅读、观看、创作，但是这些能力都局限在了信息的世界中。物理世界的逻辑是另外一套体系，在这里存在重力、摩擦以及各种各样的意外情况，每个行为的结果都是真实的并且不能被逆转。要使机器人在这个世界上完成具有经济意义的工作，并不是仅仅依靠更强大的感知能力就可以实现的，还需要有一整套能够理解物理交互规律并在实际环境中保持稳定的执行系统。这件事情，在行业内已经做了好多年了，但是进展却比预期要慢得多。
通用人工智能之所以能够吸引到这些投资人，在于他们在该问题上给出的回答。不修改现有技术体系，而是在此之上建立一个以物理交互为特征的新系统，并且选择的技术路线与市场的主流选择大相径庭。差异化的早期意味着较高的风险，但是也意味一旦打通之后就形成了很高的壁垒，因为路径已经不一样了，后面的跟随者很难轻易地复制过来。
这次的投资不只是一个财务上的举动，也成了对技术的一种公开的认可。在具身智能还不能完全被人们所理解的时候，在各种不同的声音仍然存在的情况下，李飞飞的加入给该领域带来了一种学术上的信任感。对于犹豫不决的人而言，这样的信息已经足够有说服力了。
不属于主流的那一支队伍
一般人工智能的创始人队伍里，很少有这样的人在一起。
CEO Pete Florence来自谷歌旗下的DeepMind，具有资深的研究科学家背景；CTO Andrew Barry在波士顿动力工作期间就深度参与到过让全世界工程师都反复观看的机器人的背后系统的研发中去；首席科学家Andy Zeng也是从DeepMind出来的，在机器人学习方面也有很深的学术基础。三人把顶尖的研究机构与顶尖的工程实践经验带入了同一个公司里，既有发表论文的能力又有使机器人在真实的工厂中完成一个工序的能力。
这样的组合在早期的人工智能公司中很少出现。学术背景好的团队会花费很多的时间去写论文、做方法论，商业化的速度比较慢；而工程背景好的团队动手能力很强，但是很容易陷入到具体的产物当中去，对于底层的方向没有太多的判断力。Generalist AI的三位创始人正好分别处在两端都有所积累的地方，这样他们就可以从技术和产品的角度给出有力的意见，并且能够把意见落实为实际可用的产品。
他们所选择的技术路线就是这个团队最应该被提及的一点。
目前行业内主流的具身智能技术路线主要有两种：一种是视觉-语言-动作模型，即将大语言模型能力融入到机器人的控制中去；另一种则是世界模型，在虚拟环境中进行大量的模拟训练。两条道路都有一些大公司在推动，并且投入了很大的资源，但是各有各的限制，或者是在实际环境中应用不起来，或者是仿真和现实之间存在很高的迁移成本。通用人工智能的选择就是避开这两条路，自己搭建一个专门针对物理交互的设计好的基础模型，并且使用大量的真实世界的數據来进行预训练，而不用依靠于机器人本身所获取的数据。
该选择背后的商业判断是：真实的工厂场景需求多样、任务种类繁杂、环境变化无常，每一个新的任务都需要大量的专用数据以及很长的调试时间来完成，这样下去商业化进程就会很缓慢，而客户的耐性也是有限的。他们要解决的是使机器人在很少量的新数据下就可以完成新的任务，并且降低商业应用的门槛。从GEN-0到GEN-1的方向没有改变过，在每一代的更新中都把这一目标推向了更远的地方。
在他们产品的逻辑中，技术架构是哪一种类型、属于哪一个学术流派，并不重要。真正重要的就是机器人是否能在真实的工况下稳定地完成具有商业价值的工作。“结果第一”的思想，在他们与许多学术背景的团队之间的区别上是最明显的。从事研究工作的人很容易把方法论当作目的来追求，而从事公司的人员则应该以成果作为唯一的标准来进行评判。Generalist AI的三个创始人从一开始就明白这一点。
所以他们在本次融资中能够同时获得英伟达的战略投资者以及Radical Ventures等早期机构的支持。前者是看这门技术路线是否能成为未来的具身智能生态系统的一个重要部分，而后者则是看这个团队是否有足够的判断力与执行能力来解决一个问题。两种投资人有不同的逻辑，但是都找出了自己需要的答案，在同一个公司里面。
具身智能迎来了它所期待的机会
“具身智能”这个词在人工智能领域已经讨论了多年，但是引起大量资金涌入的是最近两三年的事情。
时机变化的原因有很多层次。
第一层就是从技术角度来说已经很成熟了。大模型在感知与推理方面取得的进步为具身智能提供了更加强大的“大脑”。以前机器人不能完成复杂的任务主要是因为它的感知能力太差，看不清楚、判别不出、泛化能力不强。目前瓶颈已经被很大程度上突破了，剩下需要解决的问题主要集中在动作执行以及物理适配上，而这也是Generalist AI等公司所要攻克的方向。技术之间接替的过程就发生了，这就是促使具身智能快速发展的最根本的动力。
第二层就是产业端的需求确实存在着并且长时间地积累下来了。制造业对自动化的需要并不是一个新的问题，但是以前的自动化方案都要求有结构化的环境，流水线要按固定的模式来设计和布置，一旦有所改变就必须要重新进行编程和调试，所以它的灵活性很差。真实的工厂场景并不是这样子的，订单会变化、工艺也会变化、工件放置的位置也会变化，这些都是传统的自动化方案所不能涵盖到的空白区域。如果具身智能能够很好地解决这个问题的话，那么它所填补的就是一个长久以来存在的、规模很大的产业空缺，并不是一种新的需求。
第三层就是产业转型升级的大环境促使这件事情加快了进程。全世界的制造行业都面临着成本与效率的压力，能够落地、实用并且可以迅速应对变化的物理智能系统的需求越来越强烈。这并不是某个市场或者某一个行业的孤立的现象，在各个地方、各个行业中同时出现了这样的趋势。当需求端的压力达到一定水平的时候，会有一些愿意尝试新事物的客户出现出来，而第一批客户的到来就标志着一个赛道由“讲道理”转为“做事情”的重要标志。
具身智能未来的发展趋势主要有以下几种：商业落地将会从结构化程度最高、标准化工序最多的地方做起，并且逐渐过渡到更加复杂的、不那么标准化的工作中去；技术竞争的重点也由“能否实现”转为“是否可以低成本、高速度和高稳定性的实现”；产业生态系统的建立会使整个产业链条上各环节之间的分工越来越明确，在基础模型、行业应用以及硬件集成等各个层面都形成了各自的竞争态势。
这条路还很长，但是方向已经很明确了。此时李飞飞出面了，她所押注的是不止于Generalist AI这家公司本身，在物理智能时代的“有可能”到“一定”的转变过程中也包括在内。
星速优配提示：文章来自网络，不代表本站观点。
