Counterpoint发布了一份最新的报告, 这份报告进行了一些预测, 他们认为到二〇三〇年, 一台人形机器人里面将会搭载三十九GB大小的内存内容, 这个容量的话, 比起现在大家普遍所使用的水平来说, 大概会有一个接近二十倍的增长幅度, 智元也在同时期发布了名为GO-3 Preview的这个产品, 他们还宣称自己已经把从预训练开始、接着是后训练环节、最后到部署完了以后这些阶段, 整个全链路的规模化学习流程给打通了, 并且他们也声称自己已经包揽了三大关于机器人的基准测试的榜首位置。

01.内存需求五年翻二十倍

Counterpoint这个机构, 在2023年的10月下旬发布了一个关于行业的报告, 报告里面明确指出, 人形机器人在执行物理世界里面的各种任务的时候, 它所需要的内存数量是非常巨大的, 远远超过了手机和电脑这种个人计算机所拥有的内存规模。

按照这个说法预测到2030年这个时间点, 单台设备上面将会配置有39GB的内存空间。这个研究机构认为, 这一种增长的趋势主要是被多模态感知模块以及实时决策模块这两个方面所驱动导致的, 所以核心芯片的配置规格必须要跟得上变化进行同步的升级才行。

报告分析称, 假如机器人要是在真实的环境里面去完成精细的操作的话, 那么对于算力和存储方面的需求就会呈现出一种指数级别的急速增长状态。

分析师方面给出了预计, 认为在未来的发展过程之中, 机器人在内存消耗这个领域里的表现有可能甚至会超过全球范围之内其他所有种类终端设备加在一起所拥有的总耗量情况, 这就意味着整个产业链的上游和下游都将面临到进行重构这样一个必须面对的局面。

02.GO-3包揽三大机器人基准榜首

在10月30日这一天, 智元公司对外公布了相关消息, 指出其推出的GO-3 Preview模型, 在国际上的三项机器人基准测试中, 也就是RoboDojo、RoboTwin以及RoboColiseum这些项目里面, 全部都排在了第一位的位置上。

这个模型的能力边界有了非常显著的拓展变化。这是因为它在该模型的预训练阶段, 还有后来的后训练阶段, 以及部署完成之后的后续使用阶段这三个环节里, 都实现了全链路Scaling这样的技术发展路径。

由GO_1首创那个叫视觉-语言-动作架构的东西, 也就是ViLLA, 到GO-2里面引入了所谓动作思维链, 再到后来的GO-3的时候, 智元这家把规模效应这个东西从训练端延伸到了真实作业现场去了。然后机器人开箱之后就可以直接执行数百种任务, 其中有一些高难度操作达到了甚至超越人类水平的状态了。

03.SVP单步预测未来动作

GO-3的SVP模块能够根据当下观测的情况还有任务里的指令, 通过一步操作来生成对未来的完整状态预测, 这么做就让机器人具备了那种会先好好商量再动手的规划能力。数量庞大的人类视频给这个模型提供了关于物理世界变化规律的那些常识经验, 而机器人的轨迹数据就把这些预测具体的动作给绑定在了一起。

KASO机制在训练过程中会进行筛选, 它专门挑选那些和真实动作匹配度更高的候选预测结果, 然后把这些结果放在一起进行联合学习。

因为, 在同一个场景之下, 可能存在多种合理的未来走向, 所以KASO这种设计能够避免动作被各种不同的可能性平均对待, 从而防止结果变成一种模糊不清的输出状态, 最终确保预测内容与实际执行操作在物理层面上实现精准的相互对应和贴合。

04.后训练三引擎并行试错

GO-3 后训练, 是构建了这样一个范式, 这个范式有三个引擎, 分别是什么, 分别是真机, 还有物理仿真, 以及世界模型。

在这个架构里, 世界模型是在云端来推演的, 它推演各种动作的分支, 也推演视觉的动态变化。与此同时, 真机引擎会把最新的物理数据实时地反哺到云端去, 这样做是为了确保练习的过程与真实的物理世界始终保持对齐。

在群体经验学习的加持之下, 成功轨迹为大家提供了模仿的目标, 而失败轨迹决定了重点复习的方向。实测数据已经显示出来了, 手机多阶段包装任务的失败次数减少了百分之九十二。另外, 叠衣服形态控制的合格率从之前的百分之八十五点八提升到了百分之九十八点三, 这种可靠性实现了大幅度的跃升。

05.部署后Physical RSI持续进化

GO-3这个系统引入了Physical RSI机制, 机器人在没有人工干预的真实作业环境里自主进行经验的积累。Agent框架将上层的推理功能和底层的执行能力串联到一起。比如在便利店挂货这样的应用场景中, 系统可以自主规划左手的靠近动作, 安排腕部相机补充视角的情况, 确定右手执行的具体的行动序列。

这是这个行业第一次离开了那种仿真环境还有实验室环境, 转而去到那些真实的业务场景里面去把那个闭环迭代给跑通。机器人的能力不再只是取决于出厂之前训练了多少数据量, 而是更加依赖于整条链条里面对于经验进行复用的速度以及修正的速度。

06.边际成本下降打开规模化窗口

智元提出这样一个观点, 那就是机器人的能力提升, 必须发生在每一场真正的作业过程里头, 不能就止步在训练阶段那个地方, 对于人类的视频记录, 包括那些失败的运行轨迹，还有世界模型所做的推演结果, 甚至像打翻的水瓶这样的情况信息, 在他们的整个体系内部看来, 这都是可以被持续利用的数据资源。

当部署之后的那些经验被反复使用的时候, 那么边际成本就会一直持续着下降这样一个状态。在这种情况下, 关于具身智能进行大规模复制所必须满足的前提条件, 正处在慢慢形成的过程当中。

站在行业观察人士的角度来看, 他们对未来的一个预测是, 在2027年以前这个时间节点之前, 人形机器人很有希望进入到一个批量商用的实际阶段里, 具体所涉及到的领域包括仓储、零售等相关的方面。

我们得考虑一下, 要是机器人能在实际工作中不断地自己进化、提升自己, 那么你猜一猜, 是不是还需要好长一段时间的积累和等待, 人形机器人才会能够完全接手仓储行业以及零售行业里的那些岗位呢? 这个具体时间是多少年?

请你一定要在下面的评论区里写出你自己的看法和判断出来。如果你在阅读之后觉得这篇文章的内容是有价值的, 对你来说很有用, 那么就请动动你的手指头给一个点赞, 并且把这篇文章转发给你身边可能对这一话题感兴趣的朋友们去阅读。