AI热榜 物理人工智能是风险投资中最热门的领域之一，公司筹集了数十亿美元来应用为机器人提供大型语言模型的工具。
这种兴奋帮助中国领先的机器人制造商 Unitree 实现了大规模 IPO，该公司在中国相当于纳斯达克的股票上市后估值达到 660 亿美元。
然而，本周，公司股价触底，市值缩水近一半。
分析师指出了一个明显的问题：虽然机器人的身体能力正在提高，但它们仍然缺乏实际从事创造价值工作的专业知识。
在上周的 Actuate 会议上，开发人员聚集在一起为机器人构建人工智能大脑，兴奋之情显而易见。
据组织者 Foxglove（一家帮助物理人工智能模型构建者管理和可视化数据的公司）称，自 2023 年举办以来，该活动的规模增加了两倍，共有 1,500 名与会者。
风险也很明显：另一家物理人工智能基础设施提供商 Avala 的展位上有一个标志，承诺解决“机器人数据危机”。
这场危机是人工智能模型缺乏高质量的训练数据。
尝试构建可以完成任何任务的通用机器人仍然很遥远，并且针对特定任务使用端到端学习仍然无法提供具有可靠的商业性能的产品。
对于开发人员来说，答案是更好地模仿前沿人工智能实验室的进步——找到或创建更多样化的数据集，混合不同的训练方案，并找出更好的强化学习场景。
哈里·梅尔索普，创始人 安提阿 一家为模型构建者构建模拟工具的初创公司表示，物理 AI 正处于“GPT-2 时代”，即早于 ChatGPT 出现的 OpenAI 模型。
需要更多的数据和计算来克服困难，特别是针对光线追踪进行优化的 GPU，用于创建高保真模拟。
最领先的是自动驾驶汽车，部分原因是能够从人类驾驶的汽车中收集相关数据，部分原因是主要任务是避免接触，而不是操纵物理环境。
大部分模型构建工具都来自自动驾驶汽车公司；例如，Foxglove 是由通用汽车公司以前的自动驾驶项目 Cruise 的前员工创立的。
现在，这些汽车公司越来越相信，他们对机器学习工具的投资将使他们能够与专门的人形机器人制造商竞争。
特斯拉已经在其 Optimus 机器人上进行了尝试，现在专注于 AV 的 Wayve 和乘车巨头 Uber 都推出了专注于人形外形的机器人实验室作为研发工作。
🔗 原始来源
如果你要核对细节，可以再看原文： TechCrunch AI原文链接