近日，科技界傳來(lái)一則震撼消息，亞馬遜創(chuàng)始人杰夫·貝索斯再次出手，向一家名為Physical Intelligence的人工智能初創(chuàng)企業(yè)注資，攜手風(fēng)險(xiǎn)投資巨頭Thrive Capital和Lux Capital共同領(lǐng)投，吸引了OpenAI、Redpoint Ventures和Bond等多家知名企業(yè)的跟投，一舉將這家初創(chuàng)公司的估值推高至24億美元。
Physical Intelligence之所以備受矚目，得益于其核心產(chǎn)品π0（pi-zero）軟件。這款通用機(jī)器人基礎(chǔ)模型，旨在讓用戶通過(guò)簡(jiǎn)單的語(yǔ)言指令，就像與聊天助手交流一樣，輕松控制機(jī)器人。在最新發(fā)布的論文中，Physical Intelligence展示了π0如何讓機(jī)器人完成折疊衣物、清理桌子和壓平盒子等復(fù)雜任務(wù)的技術(shù)細(xì)節(jié)，令人嘆為觀止。
π0機(jī)器人控制模型集成了尖端技術(shù)，使其能夠靈活應(yīng)對(duì)各種復(fù)雜任務(wù)。模型首先利用視覺(jué)-語(yǔ)言模型理解圖像和文字信息，然后通過(guò)特殊動(dòng)作輸出系統(tǒng)，迅速向機(jī)器人發(fā)出指令。這種快速、連續(xù)的動(dòng)作指令對(duì)于精細(xì)操作至關(guān)重要，如疊衣服或裝箱。π0模型的訓(xùn)練分為預(yù)訓(xùn)練和后訓(xùn)練兩個(gè)階段，預(yù)訓(xùn)練階段學(xué)習(xí)大量數(shù)據(jù)，掌握廣泛技能；后訓(xùn)練階段則針對(duì)特定任務(wù)進(jìn)行調(diào)整，提升表現(xiàn)。
π0還采用了流匹配技術(shù)，能夠處理連續(xù)動(dòng)作，而非單一離散步驟。結(jié)合混合專家架構(gòu)，π0在預(yù)測(cè)動(dòng)作時(shí)更加準(zhǔn)確。這些技術(shù)的綜合應(yīng)用，使π0在多種機(jī)器人平臺(tái)上展現(xiàn)出卓越性能，無(wú)論是預(yù)訓(xùn)練后立即執(zhí)行任務(wù)，還是經(jīng)過(guò)特定任務(wù)微調(diào)后。
網(wǎng)友們對(duì)Physical Intelligence的反應(yīng)熱烈，有人表示：“我一直相信AI機(jī)器人的能力，現(xiàn)在它能幫我洗衣服，我就更喜歡它了！”還有人化身“賽博乞丐”：“給我來(lái)一個(gè)！”但也有網(wǎng)友認(rèn)為，演示中的內(nèi)容在特斯拉機(jī)器人面前顯得“小兒科”，不過(guò)很快遭到反駁：“人家只是初創(chuàng)公司！”
Physical Intelligence的野心勃勃，旨在成為機(jī)器人行業(yè)中的“OpenAI”。與OpenAI類似，Physical Intelligence試圖從模型與數(shù)據(jù)層面顛覆傳統(tǒng)技術(shù)慣性。將Physical Intelligence的π0與OpenAI的ChatGPT進(jìn)行比較，可以更直觀地理解其創(chuàng)新和潛力。ChatGPT以精準(zhǔn)語(yǔ)義理解能力為核心優(yōu)勢(shì)，而π0則需理解物理世界中的交互指令和上下文，包括視覺(jué)、語(yǔ)言和觸覺(jué)等多種感官輸入。
通過(guò)大規(guī)?；ヂ?lián)網(wǎng)視覺(jué)-語(yǔ)言預(yù)訓(xùn)練和豐富的機(jī)器人操作數(shù)據(jù)集，π0能夠熟練執(zhí)行多樣化任務(wù)，展現(xiàn)出在解讀物理世界指令和多模態(tài)感知、任務(wù)執(zhí)行方面的先進(jìn)性。ChatGPT能將宏觀問(wèn)題細(xì)化為微觀問(wèn)題并整合答案，而π0則需將復(fù)雜物理任務(wù)分解成可操作步驟，根據(jù)環(huán)境實(shí)時(shí)反饋靈活調(diào)整行動(dòng)。π0在廣泛的機(jī)器人操作數(shù)據(jù)集上訓(xùn)練，能夠執(zhí)行從簡(jiǎn)單物體搬運(yùn)到復(fù)雜衣物整理等任務(wù)，展現(xiàn)出強(qiáng)大的任務(wù)分解和解決方案構(gòu)建能力。
Physical Intelligence成立于2024年，是一家專注于將通用人工智能與物理系統(tǒng)相結(jié)合的機(jī)器人初創(chuàng)公司，總部位于舊金山。公司目標(biāo)是開(kāi)發(fā)一種基礎(chǔ)軟件，能夠應(yīng)用于各種機(jī)器人，執(zhí)行復(fù)雜多步驟任務(wù)，擺脫特定功能限制。聯(lián)合創(chuàng)始人兼首席執(zhí)行官卡羅爾·豪斯曼（Karol Hausman）曾在谷歌DeepMind擔(dān)任機(jī)器人科學(xué)家，現(xiàn)任斯坦福大學(xué)客座教授。
其他聯(lián)合創(chuàng)始人同樣來(lái)頭不小，包括加州大學(xué)伯克利分校教授謝爾蓋·萊維寧（Sergey Levine）、斯坦福大學(xué)助理教授切爾西·芬（Chelsea Finn）、谷歌大腦前研究科學(xué)家布萊恩·伊赫特（Brian Ichter）和Stripe前員工拉基·格魯姆（Lachy Groom）。這些大咖的加入，無(wú)疑為Physical Intelligence注入了強(qiáng)大動(dòng)力。
Physical Intelligence的兩輪融資中都有OpenAI的跟投。2024年3月，公司籌集到7000萬(wàn)美元種子輪融資，由Thrive Capital領(lǐng)投，參與者包括Khosla Ventures、Lux Capital、OpenAI和Sequoia Capital。2024年11月，貝索斯領(lǐng)投4億美元，公司估值飆升至24億美元。OpenAI之所以投資Physical Intelligence，或許與其解散機(jī)器人團(tuán)隊(duì)后的“遺憾”有關(guān)。
2018年，OpenAI推出類人機(jī)械手Dactyl，通過(guò)強(qiáng)化學(xué)習(xí)算法實(shí)現(xiàn)靈巧操控。2019年，展示單手解魔方機(jī)器人。但2021年夏天，OpenAI宣布解散機(jī)器人團(tuán)隊(duì)，原因包括數(shù)據(jù)稀缺、研發(fā)受阻以及資源和精力更集中于大語(yǔ)言模型開(kāi)發(fā)。盡管解散團(tuán)隊(duì)，OpenAI并未放棄機(jī)器人夢(mèng)想，開(kāi)始投資與其技術(shù)路線相符的初創(chuàng)公司，如Figure和1X Technologies，以及Physical Intelligence。
除了Physical Intelligence，國(guó)內(nèi)外還有多家專注于具身智能大模型的初創(chuàng)公司，如Skild AI、Archetype AI和Figure AI等。這些公司同樣吸引了包括貝索斯、軟銀集團(tuán)和紅杉資本等知名投資者的關(guān)注，展現(xiàn)出具身智能領(lǐng)域的廣闊前景。
