2021年的特斯拉AI Day，特斯拉PPT首發(fā)了人形機器人Tesla Bot的概念機設(shè)計方案。按照馬斯克畫的大餅，Tesla Bot可以完全代替人類“從事重復(fù)性/無聊的工作”。

也許是擔心在場觀眾干看PPT無聊，馬斯克請來了一位身著緊身衣的皮套人，模仿Tesla Bot尬舞了一段。

AI Day結(jié)束，科技媒體The Verge表示，馬斯克的Tesla Bot就是個笑話[1]。文章還援引中央蘭開夏大學機器人工程教授Carl Berry的評價：說它是馬糞都算抬舉它了（horse shit sounds generous, frankly）。

Carl Berry還專門搬出機器人領(lǐng)域的網(wǎng)紅公司波士頓動力，認為后者正在踏踏實實的做事，而特斯拉在加深公眾對機器人不切實際的幻想。

今年4月，特斯拉的皮套人尬舞再度被拉出來鞭尸。在波士頓動力展示新款機器人的視頻中，機器人以一種靈活到有些詭異的方式從地上站起來。

波士頓動力也在推特上陰陽怪氣了一句：“我們保證這不是一個穿著緊身衣的人。”

事情的起因是，波士頓動力宣布11歲“高齡”的人形機器人Atlas正式退休——Atlas算得上是初代機器人網(wǎng)紅，它被波士頓動力員工一棍子撂倒，接著踉踉蹌蹌爬起來的視頻，一度引發(fā)了“停止霸凌機器人”的后現(xiàn)代哲學思考。

結(jié)果Atlas領(lǐng)退休金的第一天，“煥新版”Atlas正式出道。最大的變化是，波士頓動力拋棄了原有的液壓結(jié)構(gòu)，改為電機驅(qū)動。

目前，“煥新版”Atlas的宣傳片已經(jīng)在YouTube上收獲了500多萬播放量。

相比Atlas熟悉的后空翻大劈叉，相較之下，去年年底的第二代Tesla Bot才剛學會緩慢行走和90度深蹲。

加上馬斯克近幾年大餅畫的太多，也不難理解The Verge會提出“機器人為什么要像人”的質(zhì)疑。

然而，可能恰恰是2021年P(guān)PT上的Tesla Bot和滑稽的皮套人尬舞，決定了波士頓動力的命運。

谷歌發(fā)現(xiàn)了什么？

相比荒誕開場的Tesla Bot，波士頓動力這家公司是機器人領(lǐng)域根正苗紅的祖師爺。

波士頓動力成立于1992年，前身是麻省理工學院的腿部實驗室，長期致力于有腿機器人的研究。

2012年，DARPA（美國國防高級研究計劃局）為了推動機器人研究，資助了一場機器人挑戰(zhàn)賽，波士頓動力由此進入美國軍方的視野。

DARPA是五角大樓旗下的研究機構(gòu)，和NASA一起誕生于美蘇爭霸的白熱化時期，目的是借助國家意志確保美國在高科技領(lǐng)域的領(lǐng)先。只不過NASA負責地球以外，DARPA負責地球以內(nèi)。過去幾十年間，DARPA直接或間接的推動了GPS、互聯(lián)網(wǎng)等技術(shù)的誕生。

2012年，正值DARPA在機器人、自動駕駛等領(lǐng)域大力投資，為了降低參賽門檻，DARPA希望能有一款標準化的人形機器人，供參賽團隊編程。

在這之前，波士頓動力已經(jīng)為DARPA開發(fā)了多款產(chǎn)品，比如外型神似野豬的LS3，能夠穿梭于各種極端戰(zhàn)場環(huán)境，快速運送物資。

波士頓動力LS3

2013年7月，在DARPA的資助下，波士頓動力打造出了身高1.88米，重達150千克的初代Atlas。這個新聞很快傳到了谷歌的耳朵里，波士頓動力的命運隨之改變。

當時，谷歌正在秘密籌備一個代號為“Replicant（復(fù)制人）”的機器人項目，由“安卓之父”安迪·魯賓親自帶隊。按照魯賓的設(shè)想，谷歌將打造一個編程平臺，從而推動機器人普及，最終在機器人身上復(fù)刻安卓系統(tǒng)的成功[3]。

為了這個龐大計劃，谷歌瘋狂掃貨，一口氣收購了九家機器人初創(chuàng)公司，Atlas問世不到半年，波士頓動力就被谷歌收入囊中。此后，Atlas的迭代速度也坐上了火箭。

2016年，波士頓動力毫無征兆的發(fā)布了一則新款A(yù)tlas的演示視頻，視頻中Atlas熟練的行走跳躍，尤其是被推倒在地后，仍能自主起身繼續(xù)完成工作，整個過程栩栩如生，帶給公眾的震撼不亞于2022年底ChatGPT的問世。

目前，這條視頻的Youtube播放量已經(jīng)積累到了4059萬。2017年，Atlas再接再厲，用一個精彩的后空翻再度把波士頓動力送上全球熱搜。

Atlas表演后空翻，2017年

然而，就在波士頓動力風頭正盛的2017年，投資了五年之久的谷歌卻將其甩賣。按照彭博的說法，谷歌管理層的核心分歧在于商業(yè)化。

波士頓動力希望埋頭研究，但谷歌希望盡快打造能商業(yè)化的產(chǎn)品：“我們不可能用30%的資源去投入一個需要10年以上的項目[4]�！�

在彭博的報道中，豐田和亞馬遜都是潛在的買家，但波士頓動力最終被賣給了軟銀，2020年又被賣給了韓國現(xiàn)代。

谷歌內(nèi)部，安迪·魯賓因性丑聞被掃地出門，Replicant項目也草草收場，劃上一個滿是遺憾的句號。

一家明星公司在當打之年被潦草脫手，谷歌內(nèi)部真實的決策過程難以知曉。但在這個過程中起到?jīng)Q定性作用的，很可能是2017年發(fā)生在谷歌內(nèi)部的另一件事。

我來組成頭部

2017年6月，谷歌的8位AI科學家聯(lián)名發(fā)表了一篇名為《Attention Is All You Need》的論文。這是繼2012年AlexNet勇奪ImageNet挑戰(zhàn)賽冠軍之后，人工智能發(fā)展史上的又一個里程碑事件。

谷歌的科學家在論文里提出了一種“注意力機制”，并基于此開發(fā)一個名叫Transformer（變形金剛）的深度學習模型，解決了傳統(tǒng)RNN模型的一系列問題。

2020年，谷歌又提出了Vision Transformer ( ViT )概念，賦予了Transformer處理圖像的能力。

隨著Transformer一口氣解決了眾多缺陷，它漸漸發(fā)展成了AGI領(lǐng)域的唯一解。

2012年的AlexNet讓AI有了“感知”的能力，而Transformer和之后的大模型讓AI有了“生成”的能力。換句話說，2012年的AI可以識別出各種各樣的貓，2017年之后的AI已經(jīng)可以自己生成貓的圖片了。

因此，Transformer的推出直接開啟了今天的大模型時代，2018年6月，OpenAI推出了基于Transformer模型的GPT-1，GPT里的“T”，就是Transformer的首字母。此后，OpenAI沿著這條路線持續(xù)迭代，并基于GPT模型開發(fā)了ChatGPT。

在大模型百花齊放的同時，Transformer也為人形機器人的進步打開了一扇窗戶。

傳統(tǒng)機器人大多基于特定的規(guī)劃執(zhí)行特定的操作，比如運輸、分揀，不具備感知和決策能力。人形機器人不僅能與物理世界交互，還有感知和理解能力。

舉一個不太恰當?shù)美斫獾睦樱?strong>送餐機器人執(zhí)行“把外賣送到1203號房”這個任務(wù)時，并不理解什么是“外賣”和“1203號房”，只是根據(jù)軟件系統(tǒng)既定的指令和路線規(guī)劃完成任務(wù)。

但人形機器人可以借由智能化，理解物理世界各種物體、語言和文字的含義，并自主規(guī)劃和決策。也就是說，機器人可以不依賴預(yù)先的編程，就能完成諸如“關(guān)掉最上層抽屜”等較為模糊的指令。

波士頓動力的問題在于，無論Atlas的機械與動力結(jié)構(gòu)多么優(yōu)秀，都無法解決“窮舉法”的問題。

Atlas的軟件原理是通過攝像頭與傳感器輸入外界環(huán)境數(shù)據(jù)，再根據(jù)提前創(chuàng)建的行為庫，執(zhí)行對應(yīng)的動作。在其官方的文檔里，波士頓動力坦誠了這么做的弊端：

“如果盒子向一側(cè)移動了0.5 米，那么Atlas會找到并完成跳躍；如果盒子移動得太遠，那么系統(tǒng)將停止[5]�！�

由于Atlas的所有動作都依賴提前設(shè)計的模版，那么真實環(huán)境的一點點變化，都可能讓機器人無所適從。這也是為什么傳統(tǒng)機器人只被用于環(huán)境、路線和職能極度固定的工廠、酒店送餐等場景。

而Transformer帶來的思路是，只要讓機器學習足夠多的數(shù)據(jù)，就能擁有類人的智能，可以脫離預(yù)設(shè)的規(guī)劃進行自主決策。

去年7月《紐約時報》探班谷歌實驗室， 完整記錄了基于RT-2模型的機器人智能閃現(xiàn)的瞬間：

桌子上放著一堆塑料玩具，工程師讓單臂機器人“撿起滅絕的動物”，機器人拿起了恐龍。

這意味著機器人不僅能識別三種動物，也能理解“滅絕的動物”的含義，還可以完成具體的操作。

Google RT-2

Transformer的出現(xiàn)徹底改變了機器人的技術(shù)路徑，在感知-決策-執(zhí)行的完整鏈條中，核心能力不再是驅(qū)動機器人后空翻大劈叉的機械結(jié)構(gòu)，而是組成機器人大腦的軟件算法。

人工智能的進步在各行各業(yè)上演著軟件對硬件的奪權(quán)，機器人只是其中之一。

另一個正在由軟件定義的行業(yè)是自動駕駛，這也是為什么馬斯克會說：當你能解決自動駕駛，你就能解決現(xiàn)實世界中的人工智能。

特斯拉的三張牌

特斯拉在AI世界的出場，常常呈現(xiàn)某種荒誕不經(jīng)的色彩。

2022年特斯拉備受期待的Tesla Bot第一次“真人”亮相，居然要依靠三名壯漢攙扶。兩個月后ChatGPT橫空出世，Tesla Bot成了一塊無人問津的背景板。

然而，特斯拉在機器人領(lǐng)域的積累，可能比任何一家公司都要深厚。

自動駕駛本質(zhì)上是機器人的一個“前置產(chǎn)業(yè)”，兩者的核心都是基于人工智能，實現(xiàn)感知-決策-執(zhí)行的完整鏈條。

這就意味著無論是軟件層面的算法，還是硬件層面的視覺傳感器、FSD芯片等零部件，理論上都可以用于人形機器人。

特斯拉也的確是這么做的：Tesla Bot共配置有3顆攝像頭，左右眼各一個，外加一顆魚眼廣角。芯片是和特斯拉電動車一模一樣的FSD自動駕駛芯片。軟件上，Tesla Bot也承襲了自動駕駛的技術(shù)方案。

2023年特斯拉股東大會，馬斯克也確認了這一點：特斯拉已經(jīng)打通了自動駕駛芯片F(xiàn)SD和機器人的底層模塊，實現(xiàn)了一定程度的算法復(fù)用。

任何人工智能的發(fā)展都需要算法、算力、數(shù)據(jù)三駕馬車來拉動，算法決定了計算機用什么方式識別事物；但算法又需要足夠大的算力來驅(qū)動；同時，算法的提升又需要大規(guī)模高質(zhì)量的數(shù)據(jù)；三者相輔相成，缺一不可。

算法和算力層面，特斯拉已經(jīng)借助電動車業(yè)務(wù)，完成了從云端（D1）到終端（FSD），核心軟硬件的自研。

數(shù)據(jù)層面，2022年的AI Day上，特斯拉宣稱已經(jīng)存儲的有價值訓(xùn)練數(shù)據(jù)集有23.2萬幀，驗證數(shù)據(jù)集0.38萬幀。上百萬車主正在源源不斷的為算法訓(xùn)練貢獻著數(shù)據(jù)。

馬斯克本人在AI領(lǐng)域的涉足也常被忽略，他是OpenAI的創(chuàng)始人之一，也是DeepMind的早期投資人。他參與的人工智能公司還有腦機芯片Neuralink、聊天機器人Grok。特斯拉每天接受并處理的視頻畫面超過1600億幀，這很可能是商業(yè)公司能擁有的最大的真實世界數(shù)據(jù)集。

波士頓動力很可能意識到了這個問題，但“煥新版”Atlas最大的改變，是從液壓改為全電動，最大的好處可能是降低成本。

在一次采訪中，創(chuàng)始人Marc Raibert曾表示Atlas在一定程度上激勵了馬斯克制造Tesla Bot的想法。但在人工智能殘酷的競爭中，波士頓動力已經(jīng)落后太多。

波士頓動力的問題在于，他們用了20年的時間試圖教會機器人如何“運動”，但實際上，機器人應(yīng)該先學會“思考”。

或許在不久的將來，判斷機器人的智能化程度，可能不是看它會不會后空翻大劈叉，而是能不能從九張圖片中選出包含紅綠燈或摩托車的圖片，或者滑動滑塊使圖片位于正確的角度。

參考資料

[1] Don’t overthink it: Elon Musk’s Tesla Bot is a joke，The Verge

[2] Modest Debut of Atlas May Foreshadow Age of ‘Robo Sapiens’，The NewYorker Times

[3] Google’s Andy Rubin Pursues ‘Replicant’ Robots，The Information

[4] Google Puts Boston Dynamics Up for Sale in Robotics Retreat，bloomberg

[5] Flipping the Script with Atlas，Boston Dynamics

[6] Elon Musk was likely inspired by Boston Dynamics' humanoid robot, its founder says，Businessinsider

編輯：李墨天

視覺設(shè)計：疏睿

責任編輯：李墨天