实体人工智能是风险投资中最热门的领域之一，许多公司已经筹集了数十亿美元，将给我们带来大型语言模型的工具应用于机器人技术。这种兴奋感帮助Unitree， 中国领先的机器人制造商，实现了成功的首次公开募股（IPO），在抵达中国等于纳斯达克的市场后，其公司估值达到660亿美元。然而，本周，这一估值暴跌，公司几乎失去了近一半的价值。分析师指出一个明显的问题：虽然机器人的物理能力在提高，但它们仍然缺乏实际进行创造价值工作的知识。在上周的Actuate大会上，这是一场为机器人构建AI大脑的开发者集会，兴奋之情显而易见。根据组织者Foxglove的数据，该活动自2023年启动以来已增长到三倍，参与者达到1500名，Foxglove是一家帮助物理AI模型构建者管理和可视化其数据的公司。风险显而易见：Aval一个另一家物理AI基础设施公司的展台上展示了一张标牌，上面承诺解决“机器人数据危机”。这场危机是AI模型缺乏高质量训练数据。尝试建立可以执行任何任务的通用机器人仍然遥遥无期，而使用端到端学习进行特定任务的尝试仍未能提供具有可靠商业性能的产品。对于开发者来说，解决方案是更好地模拟前沿AI实验室的进展——寻找或创建更为多样化的数据集，尝试不同的训练方案，找出更好的强化学习场景。Antioch的创始人Harry Mellsop表示，实体人工智能正处于“GPT 2时代”，这是一个早于ChatGPT的OpenAI模型。为了越过这个瓶颈，需要更多的数据和计算能力，特别是优化用于光线追踪的GPU，这些用于创建高保真模拟。最先进的是自动驾驶汽车，部分原因在于能够从由人类驾驶的汽车中收集相关数据，以及主要任务是避免接触，而不是操控物理环境。模型构建很多工具来自自动驾驶汽车公司；例如，Foxglove由Cruise的前员工创立，Cruise是通用汽车此前的自动驾驶项目。而现在，这些汽车公司越来越多地押注于他们对机器学习工具的投资，使他们能够与专门的人形机器人制造商竞争。特斯拉已经开始尝试其Optimus机器人，现在专注于自动驾驶的Wayve和乘车共享巨头Uber也推出了专注于人形形式的机器人实验室作为研发工作。Wayve的首席执行官Alex Kendall对TechCrunch表示：“我认为你需要从车辆开始……操纵机器人的技术就像五年前的自动驾驶一样，”他说。“数据基础设施、模拟、机器学习操作基础设施，可能会共享，但模拟器的具体世界模型将是不同的后期训练。有更多的共性，但不同领域的具体体现会有一些不同。”Kendall认为，现在过早地承诺任何一个硬件平台。传感器和其他组件的进步速度正在加快，而真正的通用模型应该更具中立性。然而，今年筹集了1.05亿美元种子轮的Genesis AI首席执行官Théophile Gervet不同意，告诉TechCrunch：“我们在这一波太早，脑策略不起作用；我们的看法是有很多机会共同设计硬件和AI。”Gervet还涉及该行业的另一个热门话题：如何具体聚焦你的物理AI业务。那些针对特定任务的机器人公司正在让他们的机器人走出实验室——Gritt正在建立太阳能电厂，Agility正在工业环境中部署机器人，而Bedrock正在自主操作挖掘机。与此同时，通用的人形机器人并没有走出实验室。“没有客户关心有效率80%的通用机器人，”Gervet谈到了这个困境。“我们看到很多其他参与者走向通用，但没有提供价值，因为缺乏垂直焦点……但是，如果你是基于GPT 2构建[针对狭窄领域]的产品，你就会被基于GPT 4的公司所击败。”然而，投资于特定垂直领域的诱惑很大，因为它不仅提供收入，还提供真实世界的部署数据。虽然任务特定数据可能没有足够的多样性来推动通用模型向前发展，但这对于制作增加价值的机器人至关重要。Bedrock首席技术官Kevin Peterson指出，他的公司刚开始使用挖掘作为了解“野外操作”的挑战的方法，但计划开发一个跨越一系列施工机械的智能层。管理所有这些数据是一项挑战，尤其是由于视觉数据的密度。