王田苗黄铁军巅峰对话：AI+具身智能，产业未来将走向何处

​

11月25日，由创业黑马主办的“第15届创业家年会”在北京举办，年会主题为“AI给世界一个确定性”。

 
会上，北京大学信息科学技术学院教授、北京智源人工智能研究院院长黄铁军和北航机器人所名誉所长、中关村智友研究院院长王田苗就《AI+具身智能，重塑产业未来新格局》这一前沿话题，进行巅峰对话。
 
黄铁军在对话中表示，以大模型为代表的时代是确定的，企业要在产业生态中找到自己的位置。他认为：“这么多企业在创造一个智力时代，就像今天电力时代一样，电力系统背后有千千万万的企业，大型智力时代背后也有千千万万的企业。”
 
王田苗在对话中表示，AI赋能制造产业有很多突破，但核心技术上还有很长的路。他认为：“‘机器换人’是一个不可替代的趋势，对人形机器人需要理性看待，要更多关注于核心技术突破。”
 
以下为创业家&i黑马编辑过的对话节选：
 
王田苗：感谢创业黑马的邀请，今天有机会能跟北大科学家黄铁军进行对话学习。我简要介绍一下铁军，他在人工智能方面设计发明了脉冲视觉，目前该技术正应用于人工智能感知大模型。而且他和宏江（张宏江 北京智源人工智能研究院理事长）老师创立了北京智源人工智能研究院，被誉为中国AI大模型的“黄埔军校”。
 
黄铁军：谢谢王老师，过奖。我和王老师是多年的好朋友，今天很高兴一起讨论AI具身智能话题。邀请我的话，我觉得特别合适，我做AI，王老师做机器人，我们俩加在一起，就是智能的未来。
 
王田苗：最近科技圈在讲“AI宫斗”，其背后的原因是什么？
 
黄铁军：确实关注度非常高，我的看法很清晰，这就是一个AI风险和AI红利之间的争论。从科学家研究者角度来说，AI确实到了一个危险的边缘，通用人工智能有两种理解，一种叫GAI（通用人工智能，即具有通用性的人工智能），一个叫AGI（人工通用智能，即全面超越人类的超级人工智能），这两者有着根本不同。通用人工智能希望能赋能千行百业，带来巨大的商业利益。AGI是全面超越人类智商，这件事不能随便追求。这次斗争，就是从“通用智能商业加速”和“AGI要来了，对人类造成颠覆性、毁灭性影响的担心” 两种观念的交锋。
 
王田苗：这次OpenAI它的首席科学家Ilya Sutskever与创始人Altman之间的“斗争”，能不能理解为创新型企业发展到一定程度，会自然上升到企业发展的哲学层面来思考，比如创立这家企业的哲学理念是什么，这其中有联系吗？
 
黄铁军：确实是。当然我们在商言商，企业是社会的一部分、是人类的一部分、是未来的一部分。哲学和商业因素都要考虑，尤其是AI发展这么快的情况下，商业利益和风险要同时重视。
 
王田苗：一般来说大模型该怎么定义？或者说参数到达多少才能称之为大模型？现在统计中国有200多个大模型，美国有60多个，请给我们科普一下。
 
黄铁军：这个没有绝对的数字，一般认为几百亿，比如五六百亿之后就是具有涌现能力的新阶段，我们称作大模型。
 
王田苗：达到500亿以上的中国大模型，有多少家呢？
 
黄铁军：我们测试了一部分，也不全面，能做到千亿参数不会超过10家。
 
王田苗：美国呢？
 
黄铁军：美国比我们少，美国的集中度要高，几千亿、上万亿参数的大模型，有三四家。
 
王田苗：从AI基础性大模型再跑三五年，您觉得中国这10家都会存活吗？
 
黄铁军：我2021年就说过，全部存活不太可能。基础性大模型企业全球就三五家，中国2家–3家就不得了了。
 
王田苗：按你所说从200家存活到50家，50家到10家，10家到3家，假如要你给中国大模型的企业家两个最重要的忠告，让他们跑赢这种竞赛，会是什么？
 
黄铁军：首先这不是说哪两家活下来，哪两家成功，别人就失败了，不是这个逻辑。这么多企业在创造一个智力时代，就像今天电力时代一样，电力系统背后有千千万万的企业，大型智力时代背后也有千千万万的企业，只是说像“国家电网”这种公司不会有很多家，而不是说这个产业链上的企业不会有很多家。现在是百模大战，我相信大部分企业都会在未来的生态中找到自己的恰当位置，只不过不是“国家电网”。
 
王田苗：你的意思是说，最后会分化，在一个生态链上，找到自己的恰当位置。
 
黄铁军：是的。
 
王田苗：假如创业者的初衷还是希望成为“国家电网”，你能给我们想成为基础型大模型“国家电网”的建议吗？
 
黄铁军：还在形成过程中，今天讲的大模型都是造发电机，“国家电网”还没有出现。我们要跳出商业角度看这个问题，自古以来，盐、铁、水、电，以及未来的智力，都是公共资源和社会基础性服务，不会让一家企业垄断谋取超额利益。这次OpenAI+微软试图想占据这个位置，但这会带来很多问题，所有行业大大小小的企业把数据交一个企业去垄断，让它获取利益，已经不是一个纯粹的商业问题。
 
王田苗：AI革命让我们经常睡不着觉。我听说，谁能把握客户的流量，谁就拥有了第一张入场券。第二，谁能跟算力公司形成战略合作伙伴，这是第二个入场券。第三，深刻理解国家政策，拿到合规资源，这是第三个入场券。第四是商业运营，用AI能打透某一个高频场景，获得现金流，这是第四个入场券。你同意这种观点吗？
 
黄铁军：王老师说得很清楚，这些入场券都是提高自己竞争能力和占据更好地位的重要台阶，但这些都不一定是决定未来产业生态的因素。即便这些入场券你都拿到了，你也不一定能成为AI的产业头部。
 
王田苗：明白，所以这里有很多的不确定性。
 
黄铁军：有很多不确定性，但最确定的是，以大模型为代表的时代一定会到来。未来十年红利期和经济社会的大幅提升，这是最确定的。这就像互联网一定会对社会产生影响力，重要的是，你要在里面找到自己恰当的位置。
 
王田苗：我是做机器人的，偏重于制造，对通用AI基础大模型，我够不上，但我很关心垂直大模型。我的问题是，像李院士（中国工程院院士、前华中科技大学校长李培根，下同）讲的AI为智能制造带来了革命性变化，就你理解AI在工业界，垂直大模型在哪几个环节需要我们发力，给我们做制造的人一些建议？
 
黄铁军：今天讲的基础大模型和垂类大模型，基础大模型是个基础设施，肯定是存在的。垂类大模型会发生很大的变化，如果基础大模型足够强，垂类大模型是不是一个产业形态，都要进行思考。我也想请教王老师，王老师做机器人，确定的一定是有很多实体、具有智能的机器人，比如自动驾驶，这个会大量体现。今年特别火的词是“具身智能”，您怎么看待“具身智能”和机器人之间的关系？
 
王田苗：具身智能先从狭义理解，Embodied AI，就像具有智能行为的Agent，广义理解为Embedded AI或Internet AI。所以说具身智能好像AI完成了大模型以后，能够作为一个工具帮助人，或者能够作为人代理使用工具，改变世界，这可能就是通用机器人，人们自然而然就对具身智能和未来的发展产生了特别大的兴趣。
 
黄铁军：大家梦想机器人进入家庭，进入工厂和制造业，已经有四五十年了，为什么今天就可能了呢？故事讲了30-50年没讲成，为什么今天有可能了呢？
 

王田苗：现在全球机器人的规模在600-1000亿美元，中国正好在1000-1500亿人民币。为什么最近这么火呢？主要有三个原因：
 
第一是机器人未来人机交互十分重要，所以脑机接口、软体操作灵巧手和可穿戴式人工肌肉、人工皮肤等，这让人们感觉机器人未来的交互可能会带来革命性变化。
 
第二个原因就是人工智能，特别是机器学习与大模型。机器人分大脑与小脑，大脑是推理、认知和分析，这块大模型即将做到了，这对机器人来说是革命性的。但机器人又是在一个特定任务、高速、高精度、高效操作或移动环境中，必须有一个小脑。小脑需要平衡、速度、精准控制，而且容错率要非常低，不像咱俩对话，我说错了，它可以允许，但机器人操作往往是不允许的。小脑不仅需要人工智能还需要基于感知的智能控制。
 
第三原因是马斯克说，特斯拉要在5年以内，把现在的人形机器人从100万到200万美元的成本降到2万美元成本。2万美元的成本，让人感觉只要量大，只要让电机、电控、电池、减速器、传感器等核心部件实现批量生产，加上大脑、小脑的突破，具身智能的时代就要到了。
 
黄铁军：第一，为什么非要做成人形？第二，你为什么相信人形机器人的聪明程度，可以进入家庭代替一些家务工作，这个靠谱吗？
 
王田苗：这个问题很尖锐，从技术和社会商业两个层面来看。先说技术，以人形为代表的平台去探索材料、认知、推理、控制、操作、运动以及带动相关的制造，是具有重要的意义。正因为有这个重要意义，所以国家把它作为未来战略性产业来培育，这是我的理解。
 
第二个是商业。从目前来看，人形机器人在许多效率方面，并不一定合适，比如充电维护方面，很多环境用到通用机器人，2-3个小时就要充一次电，因为机器人站着不动就要耗电，更何况还有高速或灵巧的动作；另外在很多事情上，机器人很难像人一样，需要大量工程师的安全维护，这是商业化需要去考量的问题。
 
但AI带来了一个机会，就是通过人机交互，来提醒机器人做什么。这样的话，在非实时性、非结构化环境下，会让机器人按照人的意图去完成人不愿或危险的任务，比如在传染病环境中作业，比如核工业危险物品的搬运和操作等，这些痛点往往需要机器人。
 
另外，我们的世界、我们的工具、我们的工作与生活环境，一切都是为人设计的。自然人们想象人形机器人在这个环境下替代人，就有它的意义和价值。
 
我还想再补充两点。第一点，做机器人科学家与工程师还在加班加点熬夜攻克核心技术难题，但是资本市场好像有点过热，有点泡沫。也就是人形机器人还没有成功研制落地应用，还没有在产业化验证，还有成本、效率、安全等等卡点，可是二级市场对具有人形机器人概念上市企业或核心部件企业，它们股价却已经上来了。另外人形机器人在一定程度上会涉及到伦理，比如我想让人形机器人到家里陪护、聊天、生活，这在伦理上还有争论。
 
黄铁军：我不做机器人，我有点不同意你说的资本市场有泡沫。现在的人形机器人要加大投入，而且咱俩加在一起，这件事就佐证了这点。AI实际上是为机器人装一个大脑，提高它的认知能力。大模型已经对家里各个物件的物理性质、危不危险、杯子抓得紧一点还是松一点、液体不能倒在地上等有了认知，机器人装上大模型以后，就会解决之前多年不能解决的问题。当然机器人的身体是必不可少的，所以往机器人关键部件去投入，是没问题的，当然也不作为投资依据，我认为这是一个很好的时机。身体做好了，现在大脑也快准备好了，加在一起，机器人真的能进入千家万户。
 
王田苗：你的观点我非常认同，机器人在中国正在以20%-25%的复合增长率加速发展，全世界增速是8%-12%。所以“机器换人”是一个不可替代的趋势，只是对人形机器人的发展要更加理性，要更多关注于核心技术突破。我是指人形机器人在有些地方，想象得过于乐观。跟现实的人，无论从情感温度、灵巧、安全性来说，还是有相当的距离。我把它看成未来前沿技术和产业的重要方向。
 
黄铁军：我也理解，因为做AI的人站着说话不腰疼，只要有数据就能训练。真要做身体，真不容易，所以难题交给王老师们，做硬件、做高精度传感器、做电机驱动……
 
王田苗：说到AI对机器人的变革，我最近也看了很多AI文章，也听了李院士对AI在制造业变革的报告，有一些思考。
 
我们把制造业分成三段，第一段称为设计端，第二段是规划和操作端，第三段是物流和客户端。我发现AI在产品规划、设计端、仿真端，它的贡献率将超过30%以上，在物流和客户服务端，也会超过了30%。在车间规划端和协调资源端，贡献率大概是25%。而对我们的机器人在焊接、抛光、上下料、喷涂等，这个方面的贡献率是百分之十几。
 
为什么在高速、高精度的操作端贡献没有这么高呢？
 
我个人觉得李院士的报告非常深刻。机器人操作，有一定的挑战，这里面主要有三个问题。一个问题是，它要求容错率非常低。第二，实时性要求特别高。有时候一个动作要在10毫秒或20毫秒有反应，如果把算力放在云上，都对实时性提出了更高的要求。
 
李院士说非结构化环境里增加视觉3D建模，这会比过去，只有工程师才能编程的抛光打磨，效率提高了5-10倍，也就是过去需要3天到4天的工作量，比如说换一个轮毂，之前的工作任务是抛光、打磨，是固定化的。如果换一个不同车型，通过人工智能和3D实时视觉识别，它能够由3-5天变成半小时-1小时，极大提高了效率。
 
黄铁军：这确实是我们应该做的，就是AI跟制造过程、生产过程、产业过程紧密结合。我现在真的很担心，如果AI大模型更大、认知能力更强，会带来巨大的风险。大家开玩笑，之前希望机器人端茶送水扫地，现在它吟诗作赋绘画了。如果冲着提高认知这个方向，让它的数学能力、推理能力、对金融市场的操控能力、对国家决策支持能力这个方向走，真的会很危险。不如好好去做些实实在在的工作，到工厂去提高效率、提高质量，到家庭去做家务、照顾老人，这确实是应该做的，基于中国有这么一个巨大的产业基础，应该去推进。
 
王田苗：最后一个问题，创业从对社会的价值贡献和成功率角度来理解，你觉得学院派（来自于研究院、高校）和企业派，甚至是投资派，这几个角色之间，谁领导谁更有效？
 
黄铁军：这个问题王老师更有经验，我自己的感受，还是各自发挥所长。比如在美国，有大家都知道的政策或实践经验，就是学院派做好学院派的事，产业派做好产业派的事，分工合作。在中国的环境里，当然还在发展过程中，就是有点完全商业主导。当然最终要商业主导，但把研究人员和科学家变成精明的商人，这是不现实的。我期望让他们发挥好作用，但今天还不容易做到。
 
王田苗：我非常认同，如果认为这个时代对某些行业变化太快，需要很多资源，往往一定是商业主导，成功率大，比如电商里的亚马逊，因为要整合很多资源，而且变化很快。第二，对于硬科技商业化，往往需要长时间，基本上是要有工程师或高管组合专注打磨，这方面企业高管出来创业，成功率大。而科学家要不然做好桥梁作用，要不然做细分赛道，比如新材料、新试剂、核心算法等，这些重要依赖于科技的成果，原因是在实验室完成的东西，直接进入到社会工业界比较短，不需要中间的采购、商业资源整合等等环节，成功率比较大。
 
黄铁军：王老师说得对。不同产业界的情况不太一样。因为中国科技这么多年的发展，真的是不同于以前了。以前电商做商业模式创新可以很成功，但今天确实要竞争创新，AI时代、机器人、具身智能，创新是特别核心的要素。而且中国的大学、研究机构积累了很多创新，甚至是国际顶尖创新，但这些创新的转化率还不高。我从学校、从科研机构来讲，期望投资界能更多关注这些点。这些点可能不是那么成熟，但它是企业长期发展的核心竞争力，我们要有硬科技，要有核心竞争力，这是将来在国际上长期立得住的重要支撑。期望投资界和产业界支持，特别感谢！
 
王田苗：我听懂了，在硬科技时代，科技创新与产业需要科学家和工程师积极参与，有责任、有期待、有使命，只是还要思考怎么和社会更好地合作。谢谢黄老师，谢谢大家！

​Read More