靈初智能首席科學(xué)家楊耀東：具身智能模型面臨的突出問題是數(shù)據(jù)瓶頸

經(jīng)濟(jì)觀察報(bào) 記者 老盈盈

7月8日至7月10日，沙特阿拉伯利雅得的國(guó)際科技展會(huì)LEAP首次在香港舉辦LEAP East。

展會(huì)期間，優(yōu)必選海外業(yè)務(wù)負(fù)責(zé)人秦曉軍與北京大學(xué)人工智能研究院助理教授、靈初智能首席科學(xué)家楊耀東在“中東通·高層會(huì)客廳”論壇上就具身智能的 “ChatGPT 時(shí)刻”何時(shí)到來等話題展開討論。

楊耀東表示，2025年春晚之后，機(jī)器人領(lǐng)域就變得非常熱鬧，機(jī)器人能唱歌、跳舞、打太極拳，但各界目前都在關(guān)注人形機(jī)器人能否真正勝任工業(yè)實(shí)操工作。說白了，大家都非常期待具身智能的“ChatGPT 時(shí)刻”，但很遺憾，目前還有一段距離。

楊耀東稱，現(xiàn)在具身智能用的模型大多是7B、14B（Billion，十億）參數(shù)規(guī)模，屬于小參數(shù)模型，所以整個(gè)具身智能的模型能力還有待提升。當(dāng)然，模型規(guī)模之所以難以提升，和必要元素的缺失有關(guān)。比如，缺場(chǎng)景數(shù)據(jù)，難以形成數(shù)據(jù)飛輪效應(yīng)。

秦曉軍介紹，去年優(yōu)必選全尺寸人形機(jī)器人銷售了1079臺(tái)，這個(gè)數(shù)據(jù)在全尺寸人形機(jī)器人賽道里算是比較多的。但客觀地說，這些機(jī)器人分布在數(shù)十個(gè)客戶手里，其中大部分客戶都是在做早期 POC（概念驗(yàn)證），并沒有單一客戶真正規(guī)模化部署幾百臺(tái)的情況。這也是行業(yè)現(xiàn)狀，因?yàn)榭蛻粢惨度牒芏鄷r(shí)間針對(duì)自身場(chǎng)景做訓(xùn)練。

秦曉軍進(jìn)一步表示，現(xiàn)在機(jī)器人的通用化時(shí)代還沒有到來，針對(duì)每一個(gè)場(chǎng)景都要收集足夠多的數(shù)據(jù)，才有可能形成數(shù)據(jù)飛輪效應(yīng)，提升任務(wù)成功率。目前在很多工廠場(chǎng)景里，機(jī)器人的成功率還沒達(dá)到客戶預(yù)期，再加上很多工廠對(duì)生產(chǎn)節(jié)拍有要求，挑戰(zhàn)就更大了。所以優(yōu)必選計(jì)劃從2026年下半年開始，針對(duì)幾個(gè)普適性比較高的場(chǎng)景做預(yù)訓(xùn)練模型，以減少后續(xù)場(chǎng)景訓(xùn)練的數(shù)據(jù)量，因?yàn)槠者m性強(qiáng)的場(chǎng)景能加快規(guī)模化落地的速度，如果每個(gè)場(chǎng)景都從零開始訓(xùn)練，難度就太大了。

那么，機(jī)器人要做到通用場(chǎng)景適配，核心的挑戰(zhàn)在哪里？對(duì)此，楊耀東認(rèn)為，通用化目前看起來還沒有明確的可行路徑，因?yàn)榇笳Z(yǔ)言模型的語(yǔ)料可以從互聯(lián)網(wǎng)上獲取，但具身智能模型所需要的數(shù)據(jù)是無(wú)法通過這種方式獲取的，它的落地難度比自動(dòng)駕駛還要高。

楊耀東同時(shí)表示，具身智能機(jī)器人目前還沒有成熟的L2級(jí)規(guī)模化應(yīng)用形態(tài)，數(shù)據(jù)生產(chǎn)過程本身就是重投入的制造業(yè)環(huán)節(jié)。

在楊耀東看來，如何讓具身智能模型真正實(shí)現(xiàn)泛化、完成各類通用任務(wù)，最大的瓶頸還在于數(shù)據(jù)。根據(jù)學(xué)界的共識(shí)性觀點(diǎn)，大概需要1億小時(shí)的人類操作數(shù)據(jù)，才能支撐具身智能模型實(shí)現(xiàn)能力躍遷。單從手部操作來看，國(guó)內(nèi)每小時(shí)人類操作數(shù)據(jù)的采集成本大概是300元，如果在美國(guó)采集這類數(shù)據(jù)，成本還要高得多。所以從全球范圍來看，要訓(xùn)練出可用的具身智能模型，數(shù)據(jù)瓶頸是非常突出的問題。

（作者 老盈盈）

免責(zé)聲明：本文觀點(diǎn)僅代表作者本人，供參考、交流，不構(gòu)成任何建議。

老盈盈

主任。關(guān)注金融機(jī)構(gòu)、資本市場(chǎng)及區(qū)域內(nèi)重大新聞事件報(bào)道。