《科創(chuàng)板日報》1月8日訊 被谷歌、OpenAI、微軟等全球頂尖科技大廠紛紛看好的具身智能，正加速迎來它的ChatGPT時刻。

近日，英偉達掌門人黃仁勛在CES演講上正式推出物理AI大模型Cosmos。據(jù)介紹，這款模型使開發(fā)者能夠根據(jù)文本、圖像和視頻等輸入組合以及機器人傳感器或運動數(shù)據(jù)生成基于物理學(xué)的視頻，實現(xiàn)對現(xiàn)實環(huán)境（如倉庫、工廠、交通路況等）的預(yù)測，從而完成對機器人和自動駕駛汽車的訓(xùn)練。

所謂物理AI大模型，即是世界基礎(chǔ)模型，其能夠理解世界語言、物理特性、空間位置等要素，并合成相關(guān)物理數(shù)據(jù)。是加速智能汽車、具身智能等AI終端普及的關(guān)鍵所在。相較于ChatGPT等大語言模型的飛躍式進程，世界模型仍處于較為早期的階段。其普遍面臨開發(fā)成本高、無法持續(xù)遵守物理規(guī)則等問題。

值得一提的是，此次英偉達發(fā)布的Cosmos將以開源的形式發(fā)布。根據(jù)其披露的名單，首批用戶包括1X、Agile Robots、Agility、Figure AI、Foretellix、Fourier、Galbot、Hillbot,、IntBot、Neura Robotics、Skild AI、Virtual Incision、Waabi 和小鵬汽車等十余個國內(nèi)外機器人和汽車廠商。

事實上，英偉達采用逼真物理環(huán)境對機器人進行訓(xùn)練的嘗試可以追溯至2024年6月，當(dāng)時其運用仿真框架RoboCasa，提供了超過150個物體類別的數(shù)千個3D模型和數(shù)十種可交互的家具和家電。在相關(guān)實驗中，證明了合成物理數(shù)據(jù)在機器人訓(xùn)練中的有效性。

黃仁勛表示，“世界基礎(chǔ)模型是推動機器人和自動駕駛汽車開發(fā)的基礎(chǔ)，但并非所有開發(fā)者都擁有自主訓(xùn)練模型所需的專業(yè)知識和資源。我們創(chuàng)建Cosmos是為了普及物理AI，讓每一位開發(fā)者都能接觸到通用機器人技術(shù)?！?/p>

截至目前，已有數(shù)個公司推出世界基礎(chǔ)模型。2024年12月5日，谷歌發(fā)布大型基礎(chǔ)世界模型Genie2，可生成較為逼真的3D世界；同年9月，1XTechnologies發(fā)布人形機器人世界模型，可以模擬出機器人在不同動作下的未來場景。

此外，視頻生成模型也被視作通往世界基礎(chǔ)模型的路徑之一。在視頻生成領(lǐng)域，Sora、Runway等均表達了希望進軍世界模型的想法。開源證券指出，視頻生成和世界模型均有諸多相似之處，均將復(fù)雜外部世界獲取的數(shù)據(jù)進行編碼和壓縮、抽象成為低維度的向量，并采用Transformer或者其他模型在時空維度學(xué)習(xí)這些知識進而實現(xiàn)預(yù)測。

華泰證券今日研報指出，受到文本大模型的啟發(fā)，人形機器人也開始構(gòu)建具身大模型，首當(dāng)其沖的便是解決數(shù)據(jù)問題。自動駕駛可簡化為3D空間中的2D運動，而機器人是3D空間中的3D運動，還需包括力觸覺等信息，因此理論上機器人所需數(shù)據(jù)量高于自動駕駛。目前，人形機器人訓(xùn)練數(shù)據(jù)的收集主要依賴三種方式：

采集真機數(shù)據(jù)，例如人穿戴動作捕捉服，這種方式數(shù)據(jù)質(zhì)量好，但采集成本高速度慢；

利用仿真環(huán)境生成合成數(shù)據(jù)，再對機器人進行訓(xùn)練；

根據(jù)現(xiàn)有的互聯(lián)網(wǎng)視頻捕捉動作數(shù)據(jù)，雖然不需要構(gòu)建仿真物理引擎，但涉及復(fù)雜的坐標(biāo)轉(zhuǎn)換和缺少力觸覺等信息維度。

華泰證券認(rèn)為，在上述三種方式中，合成數(shù)據(jù)將大大促進機器人發(fā)展，學(xué)界已經(jīng)證明了上述方式的可行性，機器人大腦已迎來ChatGPT時刻。