AI大模型，無(wú)疑是2023年以來(lái)最炙手可熱的名詞。

在AI的快速迭代下，各行各業(yè)都掀起了變革的巨浪。每個(gè)人都屏住呼吸，期待著下一個(gè)被AI顛覆的行業(yè)。

微軟、阿里、谷歌這些科技巨頭們最近的動(dòng)作表明，下一個(gè)迎來(lái)革命的行業(yè)，可能就是工業(yè)機(jī)器人。

而人機(jī)交互，就是革命的突破口。

人機(jī)交互，革命的開(kāi)端

工業(yè)機(jī)器人在過(guò)去的幾十年發(fā)展迅猛，但短板依然明顯：需要有專(zhuān)家教它們?cè)趺垂ぷ鳌Ｗ詸C(jī)器人誕生以來(lái)，教機(jī)器人做事的方法完全沒(méi)有變化：一個(gè)專(zhuān)業(yè)程序員團(tuán)隊(duì)需要花費(fèi)成百上千個(gè)小時(shí)，手動(dòng)編碼讓工業(yè)機(jī)器人完成特定的動(dòng)作。

此外，操控不同的機(jī)器人還需要掌握不同的編程語(yǔ)言。這讓調(diào)教機(jī)器人的技術(shù)門(mén)檻變得極高。

在現(xiàn)實(shí)落地中，這個(gè)團(tuán)隊(duì)還需要對(duì)生產(chǎn)場(chǎng)景有足夠的理解，對(duì)機(jī)器人進(jìn)行反復(fù)調(diào)試，機(jī)器人才能在不同環(huán)境下順暢運(yùn)作。如果機(jī)器人工作環(huán)境出現(xiàn)了變化，一線工作者還需要聯(lián)系專(zhuān)業(yè)技術(shù)人員進(jìn)行處理。這種人機(jī)交互模式的高昂成本始終是工業(yè)機(jī)器人普及的主要障礙。

AI大模型，就是清除這個(gè)障礙的最佳工具。

能夠用日常的語(yǔ)言和人類(lèi)交流，正是ChatGPT的出圈爆火的重要原因。一個(gè)對(duì)AI一竅不通的用戶(hù)也能夠自如地與它溝通，向它下達(dá)指令。

如果將這種能力運(yùn)用到工業(yè)機(jī)器人上，一個(gè)一線工人就能隨時(shí)根據(jù)現(xiàn)場(chǎng)的需要，用日常對(duì)話的方式來(lái)指揮機(jī)器人。人機(jī)交互的改進(jìn)，對(duì)于制造業(yè)而言，無(wú)疑是一場(chǎng)革命。

頭部AI大公司很快就嗅到了其中的商機(jī)，紛紛嘗試用AI為工業(yè)機(jī)器人“注入靈魂”。

作為OpenAI的長(zhǎng)期合作伙伴，微軟首先進(jìn)軍這一領(lǐng)域。在今年年初，微軟的研究人員就宣布他們?cè)谕ㄟ^(guò)自然語(yǔ)言命令機(jī)器人單獨(dú)完成特定任務(wù)，其中包括讓機(jī)器人識(shí)別不同物體，以及控制“無(wú)人機(jī)以之字形的路徑檢查貨架”。

更讓人驚奇的是，面對(duì)人類(lèi)沒(méi)有說(shuō)清楚的模糊問(wèn)題，機(jī)器人搭載的AI會(huì)進(jìn)一步地詢(xún)問(wèn)，以搞清楚研究者的真實(shí)目的。

例如當(dāng)研究者要求AI 為他找飲料時(shí)，AI會(huì)先問(wèn)清楚具體想要哪一種飲料。當(dāng)研究者不直接告訴 AI 選哪個(gè)，而是說(shuō)：“我剛從健身房回來(lái)，請(qǐng)幫我找個(gè)健康點(diǎn)兒的飲料?！盇I會(huì)猜測(cè)研究者或許想要喝椰子水，并開(kāi)始指揮無(wú)人機(jī)去取椰子水。

這種溝通方式打開(kāi)了人機(jī)交互的一扇新的大門(mén)，人類(lèi)不僅可以用自然語(yǔ)言與機(jī)器人直接溝通，機(jī)器人甚至能根據(jù)現(xiàn)場(chǎng)環(huán)境與用戶(hù)需求，提供相應(yīng)的建議。

這意味著，一方面，程序員與機(jī)器人的交互效率將有一個(gè)飛躍。另一方面，不懂編程，但對(duì)應(yīng)用場(chǎng)景理解更深入的人也能參與調(diào)試，創(chuàng)造出效率更高的解決方案。

這在工業(yè)產(chǎn)線上尤為重要，因?yàn)橥瑫r(shí)精通生產(chǎn)需求與編程技術(shù)的工作人員鳳毛麟角。如果AI能清晰地理解一線工作人員的需求，并根據(jù)具體生產(chǎn)環(huán)境實(shí)現(xiàn)需求，那么，實(shí)現(xiàn)降本增效將是一件輕而易舉的事情。

面對(duì)微軟勾畫(huà)的未來(lái)宏圖，谷歌馬上給予回應(yīng)。

微軟公布論文不久后，谷歌與柏林工業(yè)大學(xué)共同推出了史上最大的視覺(jué)語(yǔ)言模型PaLM-E。據(jù)研究團(tuán)隊(duì)介紹，該模型隨后將運(yùn)用到工業(yè)機(jī)器人上。

PaLM-E最為業(yè)界關(guān)注的技術(shù)是，PaLM-E能夠通過(guò)分析接收到的視覺(jué)圖像，執(zhí)行研究者的指令，而無(wú)需任何人類(lèi)引導(dǎo)。例如在演示視頻中，谷歌團(tuán)隊(duì)向機(jī)器人發(fā)出“把抽屜里的薯片拿給我”的指令時(shí)，PaLM-E通過(guò)分析來(lái)自攝像頭采集的周?chē)臻g以及桌子的圖像數(shù)據(jù)，生成了行動(dòng)計(jì)劃，然后機(jī)器人從抽屜中取出薯片，放置在指定位置。

在整個(gè)過(guò)程中，研究者既沒(méi)有預(yù)先處理場(chǎng)景表示，也沒(méi)有對(duì)其進(jìn)行引導(dǎo)。只要用自然語(yǔ)言向機(jī)器人下指令，它們就能隨機(jī)應(yīng)變地完成任務(wù)。甚至，研究人員好幾次故意“搗亂”，把機(jī)器人拿出來(lái)的薯片袋又放了回去，但它總能重新找到薯片袋并完成任務(wù)。

谷歌的計(jì)劃，是將機(jī)器人從對(duì)環(huán)境變化不知所措的“人工智障”，成為能夠根據(jù)環(huán)境變化，尋找相應(yīng)行動(dòng)方案的”人工智能“。

無(wú)獨(dú)有偶，一個(gè)多月后，阿里也高調(diào)宣布入局AI+機(jī)器人的賽道。

在第六屆數(shù)字中國(guó)建設(shè)峰會(huì)上，阿里巴巴董事會(huì)主席兼CEO、阿里云智能集團(tuán)CEO張勇宣布:阿里云正在實(shí)驗(yàn)將千問(wèn)大模型接入工業(yè)機(jī)器人。

在當(dāng)天發(fā)布的演示視頻里，工程師通過(guò)釘釘對(duì)話框向機(jī)器人發(fā)出指令，機(jī)器人立即理解了指令內(nèi)容并回答，“好的，我找找有什么喝的?！彪S后，機(jī)器人開(kāi)始識(shí)別周邊環(huán)境，從附近找到一瓶水，并自動(dòng)完成抓取、配送等一系列動(dòng)作，將水遞送給工程師。

工程師還介紹稱(chēng)，千問(wèn)大模型為機(jī)器人執(zhí)行任務(wù)提供了推理決策的能力，一線工人只需發(fā)送一段文字，千問(wèn)就能理解其意圖，指揮機(jī)器執(zhí)行任務(wù)，有效提升生產(chǎn)效率。

從這三家科技巨頭公布的具體成果來(lái)看，用自然語(yǔ)言與機(jī)器人交流，是他們不約而同選擇的展示重點(diǎn)。他們認(rèn)為讓機(jī)器人理解人類(lèi)的命令，并選擇行動(dòng)方案，也即”輸入”環(huán)節(jié)與“決策”環(huán)節(jié)，才是這次"AI+革命"的突破口，而工業(yè)機(jī)器人則是AI則是未來(lái)最可能的應(yīng)用場(chǎng)景。

其實(shí)，這也在情理之中。一方面，目前工業(yè)機(jī)器人部分技術(shù)已經(jīng)逐漸成熟，在部分場(chǎng)景單一，作業(yè)難度不大的領(lǐng)域，AI的落地可行性相對(duì)較大。另一方面，人機(jī)交互的革命性改進(jìn)能為制造業(yè)降低大量成本，因此這類(lèi)AI+機(jī)器人的商業(yè)化落地可能性更大，更有利于刺激資本后續(xù)對(duì)該項(xiàng)技術(shù)的投入。

然而，科技巨頭們的野心遠(yuǎn)不止于此。

具身智能，才是AI+機(jī)器人的終極形態(tài)，它也將徹底改變當(dāng)前制造業(yè)。

得益于英偉達(dá)創(chuàng)始人黃仁勛最近的豪言“AI的下一個(gè)浪潮將是具身智能”，這個(gè)概念快速進(jìn)入了大眾的視野。

具身智能，指的就是能夠感知并理解周邊環(huán)境，通過(guò)自主學(xué)習(xí)完成任務(wù)的智能體。其中的“智能”一詞，指的就是與環(huán)境交互，同時(shí)在環(huán)境中行動(dòng)的功能。

根據(jù)研究人員的設(shè)想，當(dāng)人類(lèi)下達(dá)指令時(shí)，一臺(tái)具身智能機(jī)器人能夠聽(tīng)懂人類(lèi)的語(yǔ)言，“觀察”自己所處的物理環(huán)境，然后通過(guò)理解、推理并與環(huán)境互動(dòng)，完成相應(yīng)任務(wù)。

換句話說(shuō)，具身智能就是讓機(jī)器人的感知、決策與行動(dòng)更像人，能夠完成目前只有人類(lèi)才能完成的復(fù)雜任務(wù)。

那么，為什么具身智能將會(huì)沖擊當(dāng)前制造業(yè)的形態(tài)呢？

現(xiàn)在的機(jī)器人，依然需要人類(lèi)告訴它完成任務(wù)的方法，例如按照特定工序組裝機(jī)械。另外，機(jī)器人將一直遵照這個(gè)方法，不會(huì)改動(dòng)。

但具身智能機(jī)器人，能夠在與環(huán)境的互動(dòng)中，一次次地迭代成長(zhǎng)，自主學(xué)習(xí)并發(fā)現(xiàn)最優(yōu)的行動(dòng)策略。而最優(yōu)的策略，可能遠(yuǎn)比人類(lèi)制定的方法高效許多。

在未來(lái)，無(wú)論是生產(chǎn)工藝的改進(jìn)、產(chǎn)線設(shè)計(jì)，還是AGV/AMR的集群調(diào)度，人類(lèi)除了一開(kāi)始的指導(dǎo)與監(jiān)督以外，只要把總?cè)蝿?wù)告知具身智能機(jī)器人，它們就能夠?qū)崿F(xiàn)全程無(wú)人化生產(chǎn)。同時(shí)在生產(chǎn)過(guò)程中，它們還會(huì)根據(jù)環(huán)境與當(dāng)前生產(chǎn)效率，不斷迭代升級(jí)生產(chǎn)的策略，且中間的調(diào)整完全無(wú)需人類(lèi)參與。

正如中國(guó)工程院院士李德毅教授所說(shuō)，可交互、會(huì)學(xué)習(xí)、自成長(zhǎng)是具身智能的核心。

這或許就是制造業(yè)的終極形態(tài)：完全無(wú)人化，且會(huì)不斷學(xué)習(xí)成長(zhǎng)的全自動(dòng)工廠。

有批評(píng)者認(rèn)為，具身智能依然還是個(gè)遙遠(yuǎn)的夢(mèng)想，距離大規(guī)模落地還有很長(zhǎng)一段距離。例如具身智能機(jī)器人目前和陌生物體互動(dòng)時(shí)，依然表現(xiàn)不佳。此外，目前具身智能無(wú)法完成長(zhǎng)序列的復(fù)雜動(dòng)作，如烘焙或洗碗等。

但一項(xiàng)技術(shù)在爆發(fā)期時(shí)的發(fā)展速度，往往比人們想像快得多，這類(lèi)故事在人類(lèi)科技史上數(shù)不勝數(shù)，最近的例子就是圍棋AI。

自計(jì)算機(jī)發(fā)明以來(lái)，人們一直認(rèn)為，圍棋由于其高復(fù)雜度，是無(wú)法用人工智能模擬的棋類(lèi)運(yùn)動(dòng)。

AlphaGo在2014年橫空出世，那時(shí)候表現(xiàn)最佳的圍棋AI甚至無(wú)法擊敗業(yè)余棋手，更不用說(shuō)代表人類(lèi)頂尖水平的職業(yè)棋手。

但AlphaGo在2015年就首次擊敗了圍棋職業(yè)棋手，2016年更戰(zhàn)勝了代表人類(lèi)頂級(jí)水平的李世乭九段。從此以后，人類(lèi)再也沒(méi)有望AI項(xiàng)背。今天，圍棋選手推翻了千年以來(lái)人類(lèi)總結(jié)的對(duì)弈經(jīng)驗(yàn)，而將AI的一招一式奉為圭臬。

這一切發(fā)生在3年之內(nèi)。

當(dāng)機(jī)器人搭載了AI大模型之后，他們又會(huì)花多久時(shí)間，推翻人類(lèi)上千年的知識(shí)積累，重塑制造業(yè)，乃至于重塑整個(gè)人類(lèi)社會(huì)？