今天，我们有幸邀请到商汤科技的田丰院长，与我们深入探讨当前热门话题：人工智能+。首先，请您从大模型+机器人的角度，分享下您的看法。

　　田丰：从英伟达黄仁勋先生的未来战略来看，如果我们对比OpenAI与英伟达，可以发现背后涉及大模型的两条发展路径。第一条路径是基于全球人类知识数据训练出的GPT基础大模型，它对人类知识有着深刻的理解。第二条路径是认识到仅从互联网获取数据是不够的，未来的发展需要从物理世界中获取数据，例如工厂、生产线或供应链。黄仁勋先生正在布局一个宏大的战略，不仅涉及底层的GPU芯片，还包括Omniverse这样的工业平台。

　　目前，宝马、奔驰、西门子、三星等工业制造企业都已接入Omniverse Cloud。这是一个云平台，利用一套AI算法分析产业链中的各种数据。从工厂的规划、设计到部署、调试，甚至培训和运营，都可以在Omniverse Cloud上进行。

　　以宝马在亚洲建厂为例，可以由多个国家团队在云平台上共同设计，将生产线的虚拟设备放入数字工厂中运行。建成后，类似有一个线上数字工厂与实体工厂同步运作，简单讲，就是打造一个从物理世界、工业领域汇聚数据，进行工业智能制造全流程管理的模型平台。下一步的重点是如何从物理世界获取更多与生产相关的数据，并利用人类知识进行各种生成式应用。我将这称为“新智生产力”。

　　有人称去年为大模型的元年，今年则是机器人技术爆发的一年。今年，我们需要特别关注美国的3-4家公司。首先是英伟达，在GTC大会上，60%的时间都在讨论Omniverse工业领域的AI平台，目前已有许多机器人创业公司接入。其次是特斯拉，马斯克不仅涉足大模型Grok和计算中心，还致力于机器人技术。第三家是谷歌，拥有Gemini大模型和远超OpenAI的算力中心。最后是OpenAI与微软的合作，他们也投资了两家机器人公司。这四家公司正全力将物理世界融入大模型中，或者可以说是将大模型嵌入到物理世界的机器人执行体中。

　　任泽平：传统的机器人只能执行单一功能，现在我们称之为具身智能。那么，具备人工智能的机器人与以往的机械手臂有何不同？它们将带来哪些变革？

　　田丰：过去制造机器人的首要任务是解决零部件问题。例如，国内一些机器人创业公司致力于让机器人关节的电机更小巧、更轻便。

　　第二步，如美国的机器人创业公司，广泛采用仿真测试环境。例如，谷歌在加州湾区的实验室里，线下有十台机器人进行打扫卫生等任务的训练，而线上则有超过一千个虚拟机器人在不停地进行训练。线上训练仅消耗算力，大幅节约成本。训练到一定程度后，将虚拟的机器人模型移植到物理机器人上，这一过程可以随时同步，显著加快了机器人的训练进程。这可以理解为在仿真环境中的快速进化。

　　第三步，是将机器人投入到真实的生产环境中进行测试。例如，特斯拉的擎天柱机器人在超级工厂中安装汽车。谷歌则专注于开发通用人工智能机器人。以往的机器人在生产线上只能执行几个固定动作，且需预先编程。现在的机器人则是通用型，通过摄像头和传感器感知不同的零部件。它们甚至具备大模型带来的人机交互和常识能力，无论是生产线上的柔性生产还是日常生活中的各种问题，它们都能灵活应对，无需预先训练。

　　当然，大模型本身需要经过预训练。一旦将大模型与机器人结合，就可以根据人类的自然语言指令，让机器人灵活执行各种非标准任务，这也带来了“泛在感知”和“泛在智能”的概念。黄仁勋先生甚至认为：在未来，所有移动的物体都将是机器人。在我们有生之年，可能会看到AGI（人工通用智能）与机器人的结合。

　　在软件层面上，我们认为机器人中应该集成的是大模型构成的智能体。智能体与大模型的区别在于：大模型依靠的是自身能力，即基础模型，具有广泛的应用能力，但存在边界。而智能体承认自身能力的局限性，能够调用其他软件和工具，类似于管理者，能够协调软硬件资源，完成复杂任务的分配。

　　任泽平：您刚才提到，将大模型嵌入机器人，使其更加智能化，能够实现更加人性化的生产。那么，未来面向企业和消费者的应用空间应该会非常广阔。

　　田丰：任博的见解非常独到。我们可以用三个圆圈来表示这种应用需求。左边的圆圈代表物理世界，右边的圆圈代表人类的精神世界，中间的圆圈则是大模型存在的数字世界。实际上，我们可以看到两个方向的应用需求：一是工业领域，它越来越逼真地重现物理世界，更多地表现为功能性工具，如完成生产制造的机器人；另一个方向是大模型越来越能够与人类共情，例如目前非常流行的虚拟宠物、虚拟男女朋友等。

　　任泽平：这些虚拟伴侣既能聊天，又能不断学习用户的爱好，如果真的成为人类的虚拟伴侣，那么生育率是否会大幅下降？

　　田丰：我们目前观察到，年轻人将这些技术作为一种游戏来玩。外向型的人更愿意在现实中进行社交，内向型的人则可能设计自己的分身。

　　例如，一位男性大学生正在上课，没有时间回复女朋友的信息，他可以让数字分身，即语言大模型挂机回复，以促进两性关系的和谐。如果对“分身”的性格不满意，可以根据MBTI进行优化，比如从偏知性改为偏感性。白天与真实的男朋友相处，晚上与虚拟男朋友聊天，我认为这可能成为未来的常态。当前的大模型正在不断为人类提供情感价值。真正的大模型，未来不会以取代真人为目标，而是作为情感的补充。

　　电影《非诚勿扰3》中有与机器人和真人谈恋爱的情节，这代表了人类多了一种选择。如果人们对真人寄予希望和感情，那么机器人就只是游戏工具。如果在两性关系中受过伤害，人工智能的语言模型可以成为心理咨询师，帮助人类走出失恋的阴影，重新面对真实世界。机器人制造商、大模型研发企业和运行平台都肩负着社会责任。任何科技的出现，都应符合人类伦理，不论手机还是AI，应缩短人与人之间的距离，也不能影响人类的传宗接代。无论是机器人还是大模型，都必须清楚自己的本职工作和使命。

　　《流浪地球2》中有一句台词从科幻角度阐述了数字生命的意义：数字生命的意义在于什么?我个人觉得在于辅助人使得人类文明得以延续。”在未来的星际大航海时代，人类可能会先派遣有情感的机器人去开发其他资源行星，在改造到一定程度后，再迎来人类的宇航员。按照刘慈欣的观点，人工智能、机器人、具身智能是跨星际文明的一张船票。如果没有人工智能和机器人，我们可能仍处于地球母亲的子宫中，无法走出太阳系。因此，数字生命对人类文明的进化具有极其重要的意义。

　　任泽平：人工智能有几个核心要素：算力、算法、数据、模型以及各种应用。那么，中国在算法和数据方面是否具有优势？我们在发展大模型时应该在哪些维度上发力？

　　田丰：任博的问题直指人工智能竞争力的本质。我们先讨论优势，再谈挑战。优势方面，有传言称OpenAI启动了一个包含一百万块GPU的集群来训练GPT，我相信GPT5和GPT6都在其训练过程中。GPT-4有17万亿的参数量。而现在，当我们训练具有百万亿参数量的模型时，能源消耗巨大，对电网造成了巨大冲击。人工智能的终极问题在于能源。中国在全球新能源中位居前列，新能源成本低廉，如生产的光伏组件、中西部广阔的土地成本。我们完全有能力在青海、甘肃、新疆等地建立集中式的光伏厂或风电厂。如果未来的超大规模AI智算中心紧邻核电站或光伏集群建设，中国将具有比较优势。许多欧洲和东南亚国家并不具备如此广阔的土地优势。

　　第二是数据方面的优势。无论是OpenAI还是中国的一些领先人工智能企业，都在进行合成数据的生成。通过虚拟的数字孪生环境，使机器人、自动驾驶汽车、无人机产生更多的合成数据。这种合成数据是大模型的未来。有预测显示，到2025年合成数据将超过线年合成数据将完全替代真实世界的数据。因此，合成数据是未来的战略要地。从传统数据优势来看，中国14亿人口产生的数据量自然超过美国3亿人口，中国130多亿的智能终端产生的物理数据也超过美国30多亿的智能终端。但在合成数据方面，我们必须加大科研投入。

　　第三是算力。OpenAI和微软计划投资1000亿美元，打造一个相当于现有算力100倍的超级计算机——星际之门。OpenAI认为，其算力目前明显落后于谷歌。谷歌在英伟达发布BG200时，大量采购了最新的芯片，而且目前本身就是全球云计算领域的领头羊。谷歌拥有自己的TPU，同时还在采购最先进的芯片，有可能打造出地球上最大的AI计算中心。微软实际上也提出了条件，如果OpenAI不能继续证明GPT5取得重大突破，那么1000亿美元的投资可能不会那么快到位，纳德拉会根据AI近期的进展来决定是否分期投资。话说回来，所有人工智能企业都面临着算力和数据的短缺。Transformer模型决定了尺度定律，投入越多的算力、越多的数据，模型的效果就越好，参数量也越大。人类的大脑有1000亿的神经元，但功耗很小。那为什么AI还没有达到通用人工智能？人类其实拥有非常节能、环保而且效率很高的思考模式和神经网络。回到第一性原理，就有可能出现下一代架构，甚至颠覆式创新现在的Transformer。

　　现在很多大模型都在卷算力，一秒钟回复答案。但OpenAI等公司却在开发围棋里的“长考”。思考时间很长，但给出的是一个非常严谨的答案，通过反复推敲，多个数据源的交叉验证。真正的科学研究是需要这种“长考”的。我相信在未来很快会出现推理更精准可靠，贴近人类科研思维的模型架构。中国受到的算力限制更紧迫，所以更有动力去探索新的架构模式。美国依靠“大力出奇迹”的惯性时间会更长一些。

　　历史总是辩证的。当年钱学森先生回到中国研发导弹、两弹合一、卫星等被超级大国封锁的前沿技术。当时美国每个零件做的精度都比我们小几个数量级。钱学森先生就研发出了工程控制学，每一个零件的精度都比较差，但能通过一套有效的体系达到整体最优。科研竞赛就像打冰球，想要抢球就得看到球运动的方向，下一个位置在哪。所以中国现在更多的是要去思考下一代的Transformer架构。下一代能够颠覆GPU的架构是什么？下一代的算力集群应该怎么提升整体的效率？

　　任泽平：从算力到数据，中国目前还很难达到美国的水平。但是在全球来看，稳居第二问题不大。我们未来可能会利用丰富的绿电资源，而不是像美国那样纯粹堆算力。当人工智能进入大规模商用以后，丰富的应用场景可能就爆发出来了。中国大规模的生产能力和降成本的能力是非常强的。

　　我们在光伏、锂电、新能源汽车领域势头迅猛。现在特斯拉都不敢公布Model 2了，因为它发现中国已经推出十万人民币以下的新能源汽车了。马斯克宣布在8月8号将推出Robotaxi，无人驾驶的出租。