給你半分鐘時間認真思考一個問題：如果有一天家里來一個人形機器人，你是打算開箱把它打開，還是讓它自己敲門進來？

這不是科幻電影里的場景，更不是天方夜譚。也許只要5年時間，這個問題會真實地擺在你面前。

昨天，阿里巴巴集團CEO、阿里云智能集團董事長兼CEO吳泳銘在2024云棲大會上發(fā)表主題演講時表示，生成式AI最大的想象力，絕不是在手機屏幕上做一兩個新的超級App，而是接管數字世界，改變物理世界。

“現(xiàn)在每個城市家庭里有一輛或者兩輛車，未來每個家庭可能會有兩三個機器人，可能是寵物狗、保姆、助理。”

最快一年半

智能體從數字世界走向物理世界

昨天上午，云棲大會主論壇一場關于通往AGI的大模型發(fā)展之路的圓桌論壇上，清華大學人工智能研究院副院長、生數科技首席科學家朱軍說，關于AGI（通用人工智能），學術界和產業(yè)界一般認為分為L1-L5這五個階段。

L1相當于聊天機器人，就是像ChatGPT可以做很多對話。L2叫推理者，可以做復雜問題的深度思考和推理。L3又叫智能體，AI開始從“數字世界”走向“物理世界”。L4是創(chuàng)新者，它會發(fā)現(xiàn)并創(chuàng)造新的東西和知識。到了L5則變成組織者，它可以去協(xié)同，或者某種組織方式更高效來運轉。

雖然目前還處于AGI的初級階段，不過今年有三件事讓階躍星辰創(chuàng)始人、CEO姜大昕印象深刻，其中一個便是GPT-4o的發(fā)布。

“在GPT-4o之前，大模型是一個個孤立的，比如有像GPT4V這樣的視覺理解模型，有Dalle、Sora這樣的視覺生成模型，還有像Whisper這樣的聲音模型。但是到了4o，這些原本孤立的大模型融合在了一起。”

融合這件事之所以這么重要，是因為物理世界本身就是一個多模態(tài)的世界。“多模融合有助于我們更好地為物理世界建模，從而模擬世界。”姜大昕說。

被稱為天才少年的楊植麟是月之暗面Kimi創(chuàng)始人，成立至今，月之暗面經歷了4輪融資，成為國內大模型創(chuàng)業(yè)公司中估值最高的一家。

楊植麟說，AI不僅在智商上有了很大提升，橫向來看也有了很多新的突破。比如從Sora完成文生視頻生成，到最近很多新產品和技術出來，不同模態(tài)之間的轉化、交互和生成，變得越來越成熟。

他預測，隨著o1大模型帶來的思考范式的不同，未來在產品形態(tài)上有很大變化。“以后的AI，可能不光是思考20秒、40秒，它還要調用各種工具，可能執(zhí)行的是分鐘級別、小時級別甚至天級別的任務，所以產品形態(tài)上會更接近一個人，或接近‘助理’的概念，幫你完成任務。”

AGI從到L1、L2到L3，意味著未來智能體可以更好地做推理規(guī)劃，更高效地和環(huán)境做交互以及完成人類的復雜任務。那么這個過程還需要多久？

朱軍預測，未來18個月可能比較令人興奮的一個進展，“我希望看到L3已經基本上實現(xiàn)。”

機器人最快5年進入家庭

隨著AI的迅猛發(fā)展，也打開了通用機器人這個萬億市場的大門。

在最近的2024 ALL-IN峰會上，特斯拉和美國太空探索技術公司（SpaceX）的首席執(zhí)行官埃隆·馬斯克預測，未來機器人的數量將遠遠超過人類，達到至少2:1甚至3:1的比例。而早在去年，他曾公開表示，特斯拉未來將以人形機器人為基礎，擎天柱要賣100億臺。

那么機器人大規(guī)模走入家庭，到底需要多久？

云棲大會上有一場關于人形機器人的“圖靈時刻”的圓桌上，星動紀元創(chuàng)始人陳建宇，北大-銀河通用具身智能聯(lián)合實驗室主任、智源學者王鶴，宇樹科技創(chuàng)始人、CEO王興興以及逐際動力創(chuàng)始人張巍進行了大膽預測。

陳建宇認為，不管是工業(yè)還是商用甚至是家用，可能在一兩年內有一些機器人開始進入，并進行簡單工作。

“5年左右，可能是天翻地覆的變化。”對于通用機器人的落地應用，王興興非常樂觀。他預測，最快明年機器人將在一些公益場景或固定場景有商業(yè)價值的落地應用，而全球范圍內通用機器人開始應用需要3年左右時間。

“整個的發(fā)展節(jié)奏，無論是硬件還是軟件，在某種程度上都是超過我自己預計的節(jié)奏。”王興興說。

而王鶴給銀河通用定的目標是5年。“在車廠里抱箱子的機器人將達到1萬臺，10年可以安全性達到進入家庭標準，而15年后預計可能會產生千萬乃至大千萬級別的市場。”

這一代是最后一撥

大規(guī)模開車的人？

鈦媒體聯(lián)合創(chuàng)始人劉湘明經常和同事們開玩笑說，我們這代人可能是最后一撥大規(guī)模自己開車的人。

昨天，這個玩笑被“坐實”了。

“從現(xiàn)在到未來的36個月，可以讓我們每一個人在每一個城市都像老司機一樣開車。”昨天“生成式AI重塑自動駕駛”圓桌會上，小鵬汽車董事長、CEO何小鵬這樣預測。

自動駕駛技術最早是從1925年開始開發(fā)，豐田從1999年開始開發(fā)，谷歌開始的時間是2009年，而百度和小鵬分別是2014年和2017年。

過去的自動駕駛，規(guī)則是人類工程師用代碼一個個寫出來的，“一個人無法用規(guī)則去面對世界上所有的場景，即使僅僅在開車這一個專業(yè)的業(yè)務。”何小鵬說，這也導致直到今天自動駕駛沒有規(guī)模落地。

不過隨著生成式AI的出現(xiàn)，自動駕駛在過去一年多的時間里看到巨大的機會。今年1月，特斯拉FSD全自動駕駛系統(tǒng)升級到了V12版本，何小鵬體驗后的評價是：“幾乎接近人類司機的駕駛水平。”

NVIDIA全球副總裁、汽車事業(yè)部負責人吳新宙，此前在自動駕駛行業(yè)工作超過10年，也見證了自動駕駛整個的變化和進展。吳新宙說，大模型已經在互聯(lián)網上通過互聯(lián)網量級的數據訓練過，它對物理世界的理解已經遠遠超越了汽車駕駛的場景。“有了這樣的通用能力，我們相信自動駕駛可以非常高效地去提高它的上限。”

“我覺得FSD在去年有著長足的進步，以前不管是中國的NGP，還是在海外FSD，都只是一個很基礎的自動輔助駕駛。但FSD用端到端的大模型之后，讓我們都看到了一個更巨大的變化，更擬人、很流暢，是當地的老司機。”

何小鵬預測，一旦當端到端的模型，下限能力在明年會快速提高，下限能力快速提高之后只用兩年，就可以在全球范圍內做到超過L4的標準能力（高度自動駕駛水平）。

文 | 沈積慧

VIEW MORE

@西湖邊的猴子，直面天命 >>

@不死癌癥“狙擊手” >>

@AR眼鏡“孤泳者” >>

@AI“心理咨詢師” >>