AI大模型，無疑是2023年以來最炙手可熱的名詞。

在AI的快速迭代下，各行各業(yè)都掀起了變革的巨浪。每個人都屏住呼吸，期待著下一個被AI顛覆的行業(yè)。

微軟、阿里、谷歌這些科技巨頭們最近的動作表明，下一個迎來革命的行業(yè)，可能就是工業(yè)機器人。

而人機交互，就是革命的突破口。

人機交互，革命的開端

工業(yè)機器人在過去的幾十年發(fā)展迅猛，但短板依然明顯：需要有專家教它們怎么工作。自機器人誕生以來，教機器人做事的方法完全沒有變化：一個專業(yè)程序員團隊需要花費成百上千個小時，手動編碼讓工業(yè)機器人完成特定的動作。

此外，操控不同的機器人還需要掌握不同的編程語言。這讓調教機器人的技術門檻變得極高。

在現(xiàn)實落地中，這個團隊還需要對生產(chǎn)場景有足夠的理解，對機器人進行反復調試，機器人才能在不同環(huán)境下順暢運作。如果機器人工作環(huán)境出現(xiàn)了變化，一線工作者還需要聯(lián)系專業(yè)技術人員進行處理。這種人機交互模式的高昂成本始終是工業(yè)機器人普及的主要障礙。

AI大模型，就是清除這個障礙的最佳工具。

能夠用日常的語言和人類交流，正是ChatGPT的出圈爆火的重要原因。一個對AI一竅不通的用戶也能夠自如地與它溝通，向它下達指令。

如果將這種能力運用到工業(yè)機器人上，一個一線工人就能隨時根據(jù)現(xiàn)場的需要，用日常對話的方式來指揮機器人。人機交互的改進，對于制造業(yè)而言，無疑是一場革命。

頭部AI大公司很快就嗅到了其中的商機，紛紛嘗試用AI為工業(yè)機器人“注入靈魂”。

作為OpenAI的長期合作伙伴，微軟首先進軍這一領域。在今年年初，微軟的研究人員就宣布他們在通過自然語言命令機器人單獨完成特定任務，其中包括讓機器人識別不同物體，以及控制“無人機以之字形的路徑檢查貨架”。

更讓人驚奇的是，面對人類沒有說清楚的模糊問題，機器人搭載的AI會進一步地詢問，以搞清楚研究者的真實目的。

例如當研究者要求AI 為他找飲料時，AI會先問清楚具體想要哪一種飲料。當研究者不直接告訴 AI 選哪個，而是說：“我剛從健身房回來，請幫我找個健康點兒的飲料?！盇I會猜測研究者或許想要喝椰子水，并開始指揮無人機去取椰子水。

這種溝通方式打開了人機交互的一扇新的大門，人類不僅可以用自然語言與機器人直接溝通，機器人甚至能根據(jù)現(xiàn)場環(huán)境與用戶需求，提供相應的建議。

這意味著，一方面，程序員與機器人的交互效率將有一個飛躍。另一方面，不懂編程，但對應用場景理解更深入的人也能參與調試，創(chuàng)造出效率更高的解決方案。

這在工業(yè)產(chǎn)線上尤為重要，因為同時精通生產(chǎn)需求與編程技術的工作人員鳳毛麟角。如果AI能清晰地理解一線工作人員的需求，并根據(jù)具體生產(chǎn)環(huán)境實現(xiàn)需求，那么，實現(xiàn)降本增效將是一件輕而易舉的事情。

面對微軟勾畫的未來宏圖，谷歌馬上給予回應。

微軟公布論文不久后，谷歌與柏林工業(yè)大學共同推出了史上最大的視覺語言模型PaLM-E。據(jù)研究團隊介紹，該模型隨后將運用到工業(yè)機器人上。

PaLM-E最為業(yè)界關注的技術是，PaLM-E能夠通過分析接收到的視覺圖像，執(zhí)行研究者的指令，而無需任何人類引導。例如在演示視頻中，谷歌團隊向機器人發(fā)出“把抽屜里的薯片拿給我”的指令時，PaLM-E通過分析來自攝像頭采集的周圍空間以及桌子的圖像數(shù)據(jù)，生成了行動計劃，然后機器人從抽屜中取出薯片，放置在指定位置。

在整個過程中，研究者既沒有預先處理場景表示，也沒有對其進行引導。只要用自然語言向機器人下指令，它們就能隨機應變地完成任務。甚至，研究人員好幾次故意“搗亂”，把機器人拿出來的薯片袋又放了回去，但它總能重新找到薯片袋并完成任務。

谷歌的計劃，是將機器人從對環(huán)境變化不知所措的“人工智障”，成為能夠根據(jù)環(huán)境變化，尋找相應行動方案的”人工智能“。

無獨有偶，一個多月后，阿里也高調宣布入局AI+機器人的賽道。

在第六屆數(shù)字中國建設峰會上，阿里巴巴董事會主席兼CEO、阿里云智能集團CEO張勇宣布:阿里云正在實驗將千問大模型接入工業(yè)機器人。

在當天發(fā)布的演示視頻里，工程師通過釘釘對話框向機器人發(fā)出指令，機器人立即理解了指令內容并回答，“好的，我找找有什么喝的?！彪S后，機器人開始識別周邊環(huán)境，從附近找到一瓶水，并自動完成抓取、配送等一系列動作，將水遞送給工程師。

工程師還介紹稱，千問大模型為機器人執(zhí)行任務提供了推理決策的能力，一線工人只需發(fā)送一段文字，千問就能理解其意圖，指揮機器執(zhí)行任務，有效提升生產(chǎn)效率。

從這三家科技巨頭公布的具體成果來看，用自然語言與機器人交流，是他們不約而同選擇的展示重點。他們認為讓機器人理解人類的命令，并選擇行動方案，也即”輸入”環(huán)節(jié)與“決策”環(huán)節(jié)，才是這次"AI+革命"的突破口，而工業(yè)機器人則是AI則是未來最可能的應用場景。

其實，這也在情理之中。一方面，目前工業(yè)機器人部分技術已經(jīng)逐漸成熟，在部分場景單一，作業(yè)難度不大的領域，AI的落地可行性相對較大。另一方面，人機交互的革命性改進能為制造業(yè)降低大量成本，因此這類AI+機器人的商業(yè)化落地可能性更大，更有利于刺激資本后續(xù)對該項技術的投入。

然而，科技巨頭們的野心遠不止于此。

具身智能，才是AI+機器人的終極形態(tài)，它也將徹底改變當前制造業(yè)。

得益于英偉達創(chuàng)始人黃仁勛最近的豪言“AI的下一個浪潮將是具身智能”，這個概念快速進入了大眾的視野。

具身智能，指的就是能夠感知并理解周邊環(huán)境，通過自主學習完成任務的智能體。其中的“智能”一詞，指的就是與環(huán)境交互，同時在環(huán)境中行動的功能。

根據(jù)研究人員的設想，當人類下達指令時，一臺具身智能機器人能夠聽懂人類的語言，“觀察”自己所處的物理環(huán)境，然后通過理解、推理并與環(huán)境互動，完成相應任務。

換句話說，具身智能就是讓機器人的感知、決策與行動更像人，能夠完成目前只有人類才能完成的復雜任務。

那么，為什么具身智能將會沖擊當前制造業(yè)的形態(tài)呢？

現(xiàn)在的機器人，依然需要人類告訴它完成任務的方法，例如按照特定工序組裝機械。另外，機器人將一直遵照這個方法，不會改動。

但具身智能機器人，能夠在與環(huán)境的互動中，一次次地迭代成長，自主學習并發(fā)現(xiàn)最優(yōu)的行動策略。而最優(yōu)的策略，可能遠比人類制定的方法高效許多。

在未來，無論是生產(chǎn)工藝的改進、產(chǎn)線設計，還是AGV/AMR的集群調度，人類除了一開始的指導與監(jiān)督以外，只要把總任務告知具身智能機器人，它們就能夠實現(xiàn)全程無人化生產(chǎn)。同時在生產(chǎn)過程中，它們還會根據(jù)環(huán)境與當前生產(chǎn)效率，不斷迭代升級生產(chǎn)的策略，且中間的調整完全無需人類參與。

正如中國工程院院士李德毅教授所說，可交互、會學習、自成長是具身智能的核心。

這或許就是制造業(yè)的終極形態(tài)：完全無人化，且會不斷學習成長的全自動工廠。

有批評者認為，具身智能依然還是個遙遠的夢想，距離大規(guī)模落地還有很長一段距離。例如具身智能機器人目前和陌生物體互動時，依然表現(xiàn)不佳。此外，目前具身智能無法完成長序列的復雜動作，如烘焙或洗碗等。

但一項技術在爆發(fā)期時的發(fā)展速度，往往比人們想像快得多，這類故事在人類科技史上數(shù)不勝數(shù)，最近的例子就是圍棋AI。

自計算機發(fā)明以來，人們一直認為，圍棋由于其高復雜度，是無法用人工智能模擬的棋類運動。

AlphaGo在2014年橫空出世，那時候表現(xiàn)最佳的圍棋AI甚至無法擊敗業(yè)余棋手，更不用說代表人類頂尖水平的職業(yè)棋手。

但AlphaGo在2015年就首次擊敗了圍棋職業(yè)棋手，2016年更戰(zhàn)勝了代表人類頂級水平的李世乭九段。從此以后，人類再也沒有望AI項背。今天，圍棋選手推翻了千年以來人類總結的對弈經(jīng)驗，而將AI的一招一式奉為圭臬。

這一切發(fā)生在3年之內。

當機器人搭載了AI大模型之后，他們又會花多久時間，推翻人類上千年的知識積累，重塑制造業(yè)，乃至于重塑整個人類社會？