在机器人前沿与50个朋友交谈后的10个辛辣镜头🤖🔥

1/ Astra IS机器人的GPT-3时刻。具有讽刺意味的是，现在它终于来了，但机器人领域的一些人似乎不愿意承认这一点。也许是因为（遗憾的是）它不是来自机器人公司？

2/机器人技术正在成为前沿实验室的另一个垂直领域。在某些方面和编程没有太大区别。为什么要为每个行业重新发明通用情报？

3/ 直到现在，机器人技术一直很难承保。没有令人信服的预训练缩放法，模型、数据或硬件上没有一致性。难怪一些批评者将其斥为一个分散的行业，玩着昂贵的“模拟游戏”。阿斯特拉或许终于能提供一条可信的扩张之路。

4/机器人基础模型初创企业有其案例。但它到底有多强呢？论点是:Astra处理系统2（推理），而专业模型保留系统1（技能）和系统0（运动控制）。公平。但这不就已经是一个更狭隘的价值主张了吗？谁说边界就到此为止了？

5/跟随人才。据说OpenAI围绕核心的Astra模型重组了其30-40人的机器人团队。在@Tesla_Optimus，听到有人对通用车型采取类似行动。组织图可以告诉我们比任何演示更多的信息。

6/机器人数据热潮是真的。百万小时的采购项目，有些可能达到数千万小时。关于每个前沿实验室的预算接近10亿美元的讨论。

7/看好机器人硬件的销量。随着智能变得更容易获取，制造有用机器人的障碍可能会显著减少。护城河转向可靠性、灵活性、集成性和部署性。

8/机器人技术可能推动下一个半导体和存储器超级周期。边缘运行的100B参数模型仅4位权重就需要约50GB。现在将这个数字乘以数百万机器人。你觉得@JensenHuang为什么这么痴迷于机器人技术？@elonmusk看到了它的到来:x.com/elonmusk/statu...

9/自动驾驶对一般模型的威胁免疫吗？在编码和机器人之后，为什么认为自动驾驶仍然是专有的垂直模型的专属领域？对我来说，机器人出租车越来越像是解决了问题。但如果前沿实验室进入自动驾驶领域，我们可能会看到苹果与安卓的竞争。想想这对$TSLA、Waymo和其他OEM厂商的影响。

10/下一个瓶颈可能不是智力。这是部署。模型的改进速度快于我们在混乱的现实世界中部署机器人的能力。集成、硬件方差、故障恢复和经济性仍然非常困难。真正的护城河或许是将智力转化为可靠、有利可图的体力工作。

--
我意识到其中一些做法可能会误导人们，尤其是那些花了多年时间努力推进机器人技术的人。那不是我的本意。

我分享它们是为了引发辩论，而不是宣布赢家和输家。阿斯特拉出局才一个月左右，现在下定论还为时尚早。更重要的是，当TAM如此庞大——可能是科技领域最大的——时，应该有足够的空间来支持不同的方法和许多赢家。