近日，美國(guó)紅杉資本（Sequoia Capital）的播客Training Data對(duì)AI社區(qū)Hugging Face的聯(lián)合創(chuàng)始人、首席科學(xué)官Thomas Wolf進(jìn)行了一次訪談，著重討論了機(jī)器人AI技術(shù)和物理人工智能（Physical AI）目前的現(xiàn)狀，以及目前開源和閉源模型的爭(zhēng)論。

Wolf已經(jīng)看到機(jī)器人AI模型已經(jīng)接近于大語(yǔ)言模型的ChatGPT時(shí)刻，并在18個(gè)月前開始著手推動(dòng)Hugging Face的機(jī)器人AI社區(qū)項(xiàng)目LeRobot，從AI軟件領(lǐng)域進(jìn)入到硬件領(lǐng)域，打造一個(gè)開源的機(jī)器人AI社區(qū)。

Wolf描述了目前機(jī)器人AI模型開發(fā)的一個(gè)“新群體“。這一群體并非機(jī)器人專家，而是來自AI算法領(lǐng)域，他們將機(jī)器人看作是AI算法的一個(gè)物理延伸。而很多創(chuàng)業(yè)者和極客購(gòu)買一些價(jià)格幾百美元的機(jī)器人，用來探索機(jī)器人應(yīng)用開發(fā)的可能性，打磨他們?cè)谶@一領(lǐng)域的創(chuàng)業(yè)想法。

Wolf也指出，目前機(jī)器人AI的主要瓶頸在于可供訓(xùn)練的數(shù)據(jù)不足。機(jī)器人AI模型訓(xùn)練的數(shù)據(jù)通常來自兩類渠道：物理世界的訓(xùn)練行為數(shù)據(jù)和模擬數(shù)據(jù)。物理世界的數(shù)據(jù)面臨的問題是缺乏“多樣性”——機(jī)器人反復(fù)在同一環(huán)境下做訓(xùn)練，如果換了新的環(huán)境，機(jī)器人的表現(xiàn)可能就不理想；而在模擬數(shù)據(jù)方面，Wolf發(fā)現(xiàn)了一個(gè)新的“可能性”——隨著視頻生成模型越來越強(qiáng)大、無限接近于真實(shí)世界時(shí)，可以把視頻模型生成的內(nèi)容用來訓(xùn)練機(jī)器人AI模型。

Wolf還認(rèn)為，人形機(jī)器人并不一定是機(jī)器人的最終形態(tài)，因?yàn)槠涿媾R“價(jià)格昂貴”和“社會(huì)接受度”兩個(gè)方面的挑戰(zhàn)。相比于此，他期待看到未來人形機(jī)器人和滿足“長(zhǎng)尾需求”的低成本機(jī)器人的共存。

Wolf在訪談也中特別提到了宇樹科技，稱其”一直在盡可能地降低人形機(jī)器人的成本”，不過，Wolf認(rèn)為人形機(jī)器人想要低于1萬美元、低于一輛汽車的價(jià)格，是一件非常困難的事。

以下為「明亮公司」編譯的訪談?wù)模ㄓ袆h節(jié)）：

Huang=Sonya Huang，紅杉資本合伙人

Grady =Pat Grady，紅杉資本合伙人

Wolf =Thomas Wolf，Hugging Face的聯(lián)合創(chuàng)始人、首席科學(xué)家

Thomas Wolf（中）來源：Training Data賬號(hào)

機(jī)器人AI的「GPT時(shí)刻」

Huang：Thomas，上次我們聊天時(shí)你提到，今天在機(jī)器人領(lǐng)域所處的時(shí)刻如同幾年前在Transformer模型和大語(yǔ)言模型領(lǐng)域一樣，你看到了什么？

Wolf：這始于兩年前。我們是在18個(gè)月前開始在機(jī)器人領(lǐng)域展開工作。在那個(gè)時(shí)候，一些實(shí)驗(yàn)室取得了突破，就是斯坦福這樣的實(shí)驗(yàn)室，這些團(tuán)隊(duì)開始展示能夠打結(jié)、疊衣服、做飯、把東西在平底鍋里拋起來再接住的機(jī)器人。所有這些事情在某種程度上，基本只用了很少的數(shù)據(jù)，但同時(shí)也展現(xiàn)了很好的前景，即能夠利用我們看到的那些世界模型之類的東西，這些東西確實(shí)從互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)中受益匪淺。所以所有這一切都指向了一個(gè)不遠(yuǎn)的未來，機(jī)器人將以一種新的方式工作。

在我看來，硬件其實(shí)早已準(zhǔn)備就緒。但缺失的關(guān)鍵環(huán)節(jié)是能夠適應(yīng)、能夠動(dòng)態(tài)變化的軟件。這就是為什么我們?cè)?8個(gè)多月前著手開始LeRobot項(xiàng)目。

我們下的巨大賭注是，能否在機(jī)器人領(lǐng)域建立一個(gè)龐大的社區(qū)？之前有一個(gè)由業(yè)余愛好者（hobbyists）或非常認(rèn)真地為工廠流水線等制造機(jī)器人的人組成的小社區(qū)。但在我看來，那只是一個(gè)很小的垂直領(lǐng)域。你是否能將這個(gè)微小的垂直領(lǐng)域轉(zhuǎn)變?yōu)橐粋€(gè)完全水平化的領(lǐng)域？就像現(xiàn)在，每個(gè)軟件開發(fā)者幾乎都算是一個(gè)人工智能研究者。他們都想知道大語(yǔ)言模型是如何工作的，如何訓(xùn)練它們，這里有一個(gè)非常平滑的過渡，數(shù)以億計(jì)的開發(fā)者變得越來越具備人工智能意識(shí)（AI-aware），我認(rèn)為未來還有一個(gè)潛在的過渡，就是所有這些人也可能在某種程度上成為機(jī)器人專家（roboticist），只要你給他們工具。

Huang：跟我說說LeRobot是什么？

Wolf：當(dāng)然，LeRobot是我們?cè)噲D在機(jī)器人領(lǐng)域重現(xiàn)Transformer模型庫(kù)成功的嘗試。這個(gè)想法是擁有一個(gè)每個(gè)人都會(huì)使用的中央庫(kù)，它會(huì)以一種非常簡(jiǎn)單、易于訪問的方式，匯集所有最新的技術(shù)、人們用來高效訓(xùn)練機(jī)器人的最新算法、他們用來訓(xùn)練的數(shù)據(jù)集，并將其與執(zhí)行器（actuators）即硬件部分連接起來。而LeRobot試圖融合的正是這三個(gè)方面：策略模型、數(shù)據(jù)集和硬件。

Grady：Hugging Face在機(jī)器人領(lǐng)域的角色如何變化？對(duì)于在物理世界中進(jìn)行構(gòu)建的人來說，Hugging Face扮演的角色與它在數(shù)字世界中為人們扮演的角色是相同還是不同？

Wolf：我們的目標(biāo)是扮演同樣的角色，從非常高的層面來說，就是建立社區(qū)，把人們帶入這個(gè)理念中，這可以是開源的。它不僅僅是你消費(fèi)的東西，更是你可以調(diào)整、訓(xùn)練、控制、部署在任何你想要的地方的東西。實(shí)際上，“部署在任何你想要的地方”在機(jī)器人領(lǐng)域甚至更重要。

因?yàn)樵谖磥頇C(jī)器人無處不在的世界里，你很可能希望很多模型能在本地運(yùn)行。因?yàn)槿绻愕臋C(jī)器人失去了Wi-Fi連接之類然后撞到墻上，或者撞到你的孩子，比一個(gè)大語(yǔ)言模型出問題要更麻煩。所以機(jī)器人領(lǐng)域的安全問題，我認(rèn)為是一個(gè)很好的理由，讓你可能真的希望能夠不依賴于遠(yuǎn)程API，而是讓模型盡可能地靠近硬件。對(duì)于所有的安全問題和機(jī)器人技術(shù)的未來需求而言，我們的角色可能比在LLM領(lǐng)域更加重要。

Huang：LeRobot社區(qū)的規(guī)模？

Wolf：我其實(shí)應(yīng)該查一下最新的數(shù)字，因?yàn)樗谥笖?shù)級(jí)增長(zhǎng)，目前大概六千到一萬人。我們幾個(gè)月前舉辦了一場(chǎng)全球黑客松，在六大洲有一百個(gè)活動(dòng)地點(diǎn)。對(duì)我們來說，主要的指標(biāo)是我們可以衡量Hub（注：即Hugging Face Hub，目前該平臺(tái)上有約170萬個(gè)模型、40萬個(gè)數(shù)據(jù)集）數(shù)據(jù)集數(shù)量，我們看到了這種指數(shù)級(jí)增長(zhǎng)，我認(rèn)為這是一個(gè)非常好的跡象，表明我們走在正確的路線上。

目前可用的硬件仍然很像業(yè)余愛好者的硬件，比如3D打印的機(jī)械臂，到處都還連著電線。這就是為什么從今年夏天開始，我們想推出更大眾市場(chǎng)的硬件，就是那種不僅能吸引那些習(xí)慣于到處插電線的黑客和技術(shù)愛好者，也能吸引所有人的東西，比如能吸引家庭用戶看起來更精致的東西。

Huang：LeRobot社區(qū)中開發(fā)者的畫像是怎樣的？我很好奇這與傳統(tǒng)上構(gòu)建基于經(jīng)典控制系統(tǒng)的人有何相同或不同之處。

Wolf：有幾種類型的畫像。第一種是傳統(tǒng)的機(jī)器人專家。他們肯定想使用人工智能，所以他們中的許多人知道如何構(gòu)建硬件，知道他們能用什么。但他們一直對(duì)軟件棧的局限性感到沮喪，所有的最優(yōu)控制模型等等都極大地限制了你能做的事情。所以所有這些人非常樂意地加入了這股潮流。我們看到了與Transformer模型領(lǐng)域相同的效應(yīng)，即許多學(xué)術(shù)實(shí)驗(yàn)室開始使用LeRobot。因?yàn)樗鼘?duì)所有學(xué)生來說是一個(gè)非常好的切入點(diǎn)。這個(gè)群體增長(zhǎng)非常迅速。

第二個(gè)群體在我看來更有趣，他們是那些原本不搞機(jī)器人技術(shù)，但因?yàn)樗麄儗?duì)人工智能感興趣，而機(jī)器人技術(shù)看起來像是人工智能的物理呈現(xiàn)。他們就想進(jìn)入機(jī)器人領(lǐng)域。這些人包括軟件開發(fā)者，甚至只是對(duì)機(jī)器人技術(shù)感興趣的人。

舉個(gè)例子，很多投資者實(shí)際上購(gòu)買了SO100機(jī)械臂，只是為了親身體驗(yàn)，理解這個(gè)機(jī)器人到底是什么、它能做什么。因?yàn)樗雌饋砣绱似揭捉?，你拿到機(jī)械臂，軟件只是一些Python代碼，用一點(diǎn)點(diǎn)“氛圍編程”（vibe coding），你就可以很容易地調(diào)整或控制它。我們看到有些人，他們可能不是純粹的技術(shù)人員，但他們想了解機(jī)器人領(lǐng)域正在發(fā)生什么，他們就用LeRobot作為入門的開始。

SO100的升級(jí)版SO101機(jī)械臂（來源：Wolf的社交媒體）

Huang：所以你可以用“氛圍編程”來控制機(jī)器人。

Wolf：是，這確實(shí)是我的目標(biāo)，對(duì)于新的機(jī)器人Reachy Mini，我絕對(duì)希望這成為最簡(jiǎn)單的使用方式之一。我希望我的孩子們能夠用“氛圍編程”來編寫機(jī)器人的行為。

Grady：你認(rèn)為我們現(xiàn)在處于機(jī)器人市場(chǎng)整體成熟度的哪個(gè)階段？我們什么時(shí)候會(huì)在機(jī)器人世界迎來一個(gè)“ChatGPT時(shí)刻”？

Wolf：我也在找，有時(shí)我也稱之為“iPhone時(shí)刻”。在消費(fèi)領(lǐng)域，第一個(gè)殺手級(jí)應(yīng)用可能出現(xiàn)在大多數(shù)人都有“我想要一個(gè)機(jī)器人”想法的時(shí)刻。而在企業(yè)級(jí)市場(chǎng)，情況比較復(fù)雜，某些行業(yè)已經(jīng)有很多機(jī)器人了，汽車制造業(yè)是最好的例子。

第二個(gè)方面是，目前機(jī)器人仍存在很多可靠性的的挑戰(zhàn)，比如，它們是否足夠可靠地部署在零售領(lǐng)域？

但我更感興趣的第三部分實(shí)際上是娛樂和偏向教育的領(lǐng)域，在這些領(lǐng)域，關(guān)于“我要那個(gè)3000美元是因?yàn)樗煽啃浴边@類問題就不那么突出了，所以你可以用一個(gè)親民的機(jī)器人，比如Reachy Mini，它的定價(jià)是300美元，這可會(huì)變成沖動(dòng)消費(fèi)。你買它，不確定它是否能用。但對(duì)于這個(gè)價(jià)格，我們想發(fā)現(xiàn)的是——在更偏向娛樂、趣味、通過物理互動(dòng)學(xué)習(xí)人工智能，而不是僅僅在聊天機(jī)器人上編程——是否存在巨大的潛力。我認(rèn)為這方面完全沒有被探索過。

開源機(jī)器人Reachy Mini（來源：Hugging Face網(wǎng)站）

我過去有一些嘗試，比如麻省理工學(xué)院媒體實(shí)驗(yàn)室（MIT Media Lab）的Jibo，它們的價(jià)格很高，可能超過一千美元。更重要的是，我認(rèn)為那時(shí)的軟件非常有限，所以你買一個(gè)機(jī)器人會(huì)很有趣，但你可能只有五到十種行為，一旦你全部試過，就結(jié)束了。

而Reachy Mini的目標(biāo)是真正把它做成幾乎像智能手機(jī)一樣的東西。它自帶一些行為，但因?yàn)槟憧梢哉{(diào)整它，人們可以創(chuàng)造新的行為并分享，還可以接入所有新的視覺語(yǔ)言模型、語(yǔ)音模型、聊天模型，可能性幾乎是無限的。

這就像打開了一扇門，基本上是在重建iPhone的應(yīng)用商店，所以這是我非常興奮的地方。這最后一部分仍然是一個(gè)很大的賭注，因?yàn)槟抢锸裁炊歼€沒有，沒有真正的跡象來證明（可能會(huì)實(shí)現(xiàn)）。主要跡象就是所有這些社區(qū)的指數(shù)級(jí)增長(zhǎng)，這讓它看起來很有可能。

Huang：所以你把Reachy Mini看作是九十年代機(jī)器狗的重生，人們可以真正地玩耍和實(shí)驗(yàn)，在家里擁有機(jī)器人伴侶。

Wolf：這是一個(gè)很大的賭注。但昨天我其實(shí)在Tech Barbecue科技大會(huì)上討論機(jī)器人技術(shù)時(shí)，有人作為投資人告訴我，你知道嗎？已經(jīng)有非常非常多的初創(chuàng)公司在我們的機(jī)器人基礎(chǔ)上進(jìn)行構(gòu)建了。他們想創(chuàng)造一些東西，他們有一個(gè)關(guān)于可以自動(dòng)化的手動(dòng)任務(wù)（manual task）的想法，或者他們有一個(gè)關(guān)于可以在物理世界中做些什么的想法。然后他們就來用這個(gè)機(jī)器人，他們采用我們已經(jīng)發(fā)布的基礎(chǔ)構(gòu)建模塊，那只是一個(gè)機(jī)器人，一個(gè)我們?cè)O(shè)計(jì)得非常簡(jiǎn)單的SO100機(jī)械臂，基本上是最便宜的機(jī)械臂，價(jià)格在100美元。他們已經(jīng)開始嘗試圍繞這個(gè)來創(chuàng)業(yè)或做一些事。

Reachy Mini在某種程度上也是為此設(shè)計(jì)的。它是一個(gè)非常簡(jiǎn)潔、簡(jiǎn)單的機(jī)器人，如果你想改造它，如果你覺得“嘿，我有一個(gè)關(guān)于這個(gè)的商業(yè)想法，但我需要一個(gè)機(jī)器人來與人互動(dòng)”，你就可以拿這個(gè)來用，你就可以開始構(gòu)建你的想法了。這就是Hugging Face的底層精神，你帶來了所有這些平臺(tái)，所有這些基礎(chǔ)構(gòu)建模塊，讓人們可以在上面創(chuàng)造出真正了不起的東西。所以，機(jī)器人技術(shù)對(duì)我們來說是同樣的目標(biāo)。

機(jī)器人AI的挑戰(zhàn)與世界模型

Huang：我想談?wù)剶?shù)據(jù)作為瓶頸的問題。我認(rèn)為語(yǔ)言和機(jī)器人技術(shù)之間的一大區(qū)別是，公共互聯(lián)網(wǎng)上有數(shù)萬億的token可以用來訓(xùn)練大語(yǔ)言模型，但這種動(dòng)態(tài)數(shù)據(jù)在機(jī)器人領(lǐng)域并不存在。實(shí)際上，我認(rèn)為這正是Hugging Face在生態(tài)系統(tǒng)中可以扮演更有趣角色的地方，即在去中心化的數(shù)據(jù)集策劃和創(chuàng)建方面。談?wù)勗贚eRobot的數(shù)據(jù)集方面正在發(fā)生什么。

Wolf：這也超級(jí)有趣我認(rèn)為，機(jī)器人領(lǐng)域有幾個(gè)挑戰(zhàn)，而主要的挑戰(zhàn)在于數(shù)據(jù)，就是數(shù)據(jù)不夠。有一些方法可以利用互聯(lián)網(wǎng)上的視頻作為訓(xùn)練數(shù)據(jù)，但這非常有限。

在某些方面，我們或許可以使用模型。但如果你想自動(dòng)化一個(gè)任務(wù)，除了記錄某人或者機(jī)器人可能正在執(zhí)行這個(gè)任務(wù)之外，沒有別的辦法。

我認(rèn)為這里有一個(gè)可能性和一個(gè)局限性。主要的局限性是，你可以自己記錄大量的任務(wù)，但通常你會(huì)非常缺乏多樣性。你基本上只能訓(xùn)練一個(gè)機(jī)器人在你的房間里，在一切看起來都一樣的情況下，把某件事做得很好。但一旦你把它放到隔壁房間，那里的墻可能是綠色的而不是紅色的，機(jī)器人就很難泛化了。這是主要的局限性。

所以我們對(duì)Hub的想法是，每個(gè)人都可以記錄數(shù)據(jù)集，如果我們能設(shè)法激勵(lì)他們分享數(shù)據(jù)，那么我們或許可以建立一個(gè)非常多樣化的數(shù)據(jù)集。一個(gè)多地點(diǎn)的數(shù)據(jù)集，它會(huì)極其多樣化。

此外，希望它也能非常大。那是一個(gè)長(zhǎng)期目標(biāo)，我們希望這能有所幫助。但我們嘗試做的另一個(gè)更直接的事情是，也直接與社區(qū)的參與者合作。我們發(fā)布了幾個(gè)數(shù)據(jù)集，也想幫助他們發(fā)布數(shù)據(jù)集。

我們認(rèn)為在機(jī)器人領(lǐng)域，一個(gè)很好的方面是很多人最終都想賣硬件，所以他們實(shí)際上有能力，甚至比大語(yǔ)言模型領(lǐng)域更能負(fù)擔(dān)得起將一部分軟件作為開源分享——如果這能推動(dòng)整個(gè)領(lǐng)域的發(fā)展的話。畢竟最終那并不是他們直接賣的東西，所以這正是我試圖說服許多機(jī)器人公司去做的事情，而且令人驚訝的是他們中的許多人似乎對(duì)此很感興趣。

Huang：非常有趣。你發(fā)推文說“世界模型日”，世界模型開源領(lǐng)域正在發(fā)生什么？這對(duì)機(jī)器人領(lǐng)域的發(fā)展有何影響？

Grady：我可以接著問一下，世界模型現(xiàn)在有什么“時(shí)機(jī)已到”的誘因嗎？因?yàn)楦杏X它們最近才開始涌現(xiàn)。

Wolf：有趣的是，你感覺就像是幾個(gè)團(tuán)隊(duì)實(shí)際上已經(jīng)獨(dú)立在這方面工作了幾個(gè)月，然后恰好現(xiàn)在發(fā)布了，因?yàn)楫?dāng)你和他們所有人交談時(shí)，他們并沒互相抄襲。

我猜其中一個(gè)原因是真正好的圖像生成技術(shù)的出現(xiàn)，并且最終理解了如何修復(fù)“六指”之類的問題，基本上就是為圖像獲得一個(gè)更可靠、更連貫的世界模型。這也很自然地被移植到了視頻上，所以我們現(xiàn)在也看到了一些非常酷的視頻模型。

我在這個(gè)領(lǐng)域交談過的很多創(chuàng)始人都說，他們也得益于開源視頻模型生成或開源圖像生成的進(jìn)步，他們基本上拿過來這些視頻生成模型然后對(duì)它們進(jìn)行微調(diào)，然后訓(xùn)練它們能夠?qū)δ承┹斎胱龀龇磻?yīng)，這也是我們?cè)跈C(jī)器人領(lǐng)域做的事情。

這兩件事之間有很多共同點(diǎn)，而且似乎效果相當(dāng)好。所以你開始擁有這種在我看來非常有趣、全新的體驗(yàn)，你實(shí)際上有了一個(gè)可控的影片，它既是照片般逼真的，又能對(duì)你輸入的動(dòng)作做出非常連貫的反應(yīng)。

無論是四處移動(dòng)，還是要求它添加一些東西，比如添加一個(gè)騎手、一座城堡、一輛行駛的汽車，你都會(huì)看到這個(gè)東西反應(yīng)得非常好。我認(rèn)為這里有很多潛在的應(yīng)用，顯然，除了娛樂之外，實(shí)際上是一些可能全新的娛樂形式，一些我們從未見過的東西，這可能是第一次創(chuàng)造出一種真正新的虛擬娛樂形式。

但也有很多在商業(yè)中的應(yīng)用，以及如何能互動(dòng)的東西，而其中一個(gè)應(yīng)用就是為機(jī)器人生成更多數(shù)據(jù)。

生成數(shù)據(jù)只有兩種方式，一種是在現(xiàn)實(shí)世界中記錄，我認(rèn)為這仍然非常有趣，另一種是模擬它。

令人驚訝的是，在模擬方面，我們并沒有看到很多沒有看到真正的突破，所以也許這是我相當(dāng)長(zhǎng)一段時(shí)間以來在模擬生成數(shù)據(jù)方面看到的第一個(gè)突破。

Huang：是的，我很高興看到一些進(jìn)展，甚至像DeepMind用Genie所做的那樣，訓(xùn)練他們的具身機(jī)器人，你相信人形機(jī)器人是最終形態(tài)嗎？

Wolf：這方面爭(zhēng)論不休。可以肯定的是，我現(xiàn)在對(duì)嘗試其他形態(tài)更感興趣。

人形機(jī)器人的主要問題，我認(rèn)為有兩個(gè)：第一個(gè)是，它總是相當(dāng)昂貴，僅僅因?yàn)槟阈枰罅康鸟R達(dá)，而機(jī)器人的所有價(jià)格都在于執(zhí)行器，那總是占價(jià)格標(biāo)簽的70%左右。所以當(dāng)你有60個(gè)執(zhí)行器時(shí)，你的賬單就很長(zhǎng)了。所以很難把人形機(jī)器人的價(jià)格降到一輛汽車以下。而我認(rèn)為一輛車的價(jià)格已經(jīng)是一個(gè)相當(dāng)高的要求了，如果你買一個(gè)和汽車價(jià)格一樣的東西，你確實(shí)期望從中獲得很多價(jià)值，對(duì)吧？所以這就是為什么我們正在探索更小、更小的機(jī)器人，比如只有一個(gè)手臂或者只有一個(gè)會(huì)動(dòng)的頭之類的東西。有可能我們將來能獲得更便宜的人形機(jī)器人，就一直在嘗試，他們一直在努力降低價(jià)格，也有很多公司以此為目標(biāo)。

但我認(rèn)為，要把它降到一萬美元以下會(huì)非常困難。當(dāng)然，人形機(jī)器人的好處在于，一旦你解決了人形機(jī)器人的問題，你就能同時(shí)解決很多任務(wù)，所以如果你解決了人形機(jī)器人的問題，你可以做所有人類能做的事情，這非常令人興奮。

但核心問題是，你真的需要解決人形機(jī)器人的問題嗎？就我而言，我更希望看到一個(gè)由各種不同形態(tài)組成的“星系”，我也覺得其中一些比人形機(jī)器人可愛得多。

而另一方面，我認(rèn)為對(duì)于社會(huì)接受度而言，你要直接面對(duì)那種“恐怖谷”，它看起來很像你，動(dòng)作也很像你。所以我曾認(rèn)為這對(duì)社會(huì)接受度會(huì)是一個(gè)很大的限制。但老實(shí)說，我已經(jīng)見過很多Unitree（宇樹科技）的機(jī)器人了，我不知道你怎么樣，但在某個(gè)時(shí)候你就開始忽略它們了。所以我也更有信心，也許我們對(duì)此過于擔(dān)心了，機(jī)器人領(lǐng)域可能也是如此。也許在某個(gè)時(shí)候，一旦我們開始看到一些機(jī)器人，人們就會(huì)非常非常容易地接受它們。

Huang：好的，所以我們將看到人形機(jī)器人的場(chǎng)景。

Wolf：我的意思是，我們的目標(biāo)是讓Reachy Mini和我們的小型機(jī)器人運(yùn)行得非常好，以至于在某個(gè)時(shí)候，我們都會(huì)回過頭來，以我們已經(jīng)做過的方式，逐步地將社區(qū)帶到我們身邊，一起制造人形機(jī)器人。

Huang：如果你想象十年后的世界，你認(rèn)為我們身邊會(huì)有多少機(jī)器人？比如80%是人形機(jī)器人，然后20%是這種硬件和場(chǎng)景多樣性的長(zhǎng)尾（機(jī)器人）？

Wolf：是的，我希望看到第二種選擇，因?yàn)槲艺J(rèn)為那是一個(gè)我們的生活中有更多機(jī)器人的選擇。我真的不太希望看到的是一個(gè)未來是機(jī)器人變成一種精英化的產(chǎn)品——如果你有錢，你家里就有三臺(tái)機(jī)器人，如果你沒錢，你就沒有。Hugging Face也一直關(guān)注廣大的社區(qū)，所以我們關(guān)心這一點(diǎn)。

因此，我更興奮地看到許多不同形態(tài)的機(jī)器人，它們對(duì)很多人來說都是可以負(fù)擔(dān)得起的。其中一些更便宜，一些比那單一的人形機(jī)器人更昂貴，所以我會(huì)說，在Hugging Face，我們?cè)噲D實(shí)現(xiàn)的未來是第一種。我也認(rèn)為這更有趣，因?yàn)樵谀撤N程度上，你也在限制自己，就像大語(yǔ)言模型一樣。如果你只是想讓它們模仿人類，那是一回事，但如果你試著想，也許它們能做一些人類做不到的事情，那在某種程度上也更有趣。

Huang：你認(rèn)為我們正在走向一個(gè)擁有大型基礎(chǔ)模型的世界嗎？這些模型可以做任何事，然后通過幾個(gè)提示就能迅速適應(yīng)任何新領(lǐng)域？還是你認(rèn)為你社區(qū)里的開發(fā)者會(huì)從一個(gè)小的基礎(chǔ)模型開始，然后做大量的自有數(shù)據(jù)收集和定制化來適應(yīng)他們的領(lǐng)域？

Wolf：我認(rèn)為我們會(huì)越來越多地看到兩者并存。比如說，如果我們看Hugging Face上的下載量，我們既看到非常大的、最先進(jìn)的模型被下載，它們通常太大而無法在本地筆記本電腦上運(yùn)行。但我們也看到一些最受歡迎的模型實(shí)際上尺寸正好，可以在筆記本電腦上快速運(yùn)行。所以我們看到了這兩種模式，我認(rèn)為，隨著領(lǐng)域的成熟，我們將越來越多地看到這一點(diǎn)，就是你不是非此即彼。

只是根據(jù)你的需要，你可能會(huì)在本地使用，也可能不會(huì)。我認(rèn)為帶有路由器的GPT-5就是一個(gè)很好的例子。也許最大的模型、最長(zhǎng)的推理鏈并不是所有問題的答案，你實(shí)際上需要聰明地選擇你想要的那個(gè)。所以它可以在一個(gè)路由器后面，但也可以就在本地。你可以在這里運(yùn)行一些模型。它們可能非常有用，而且我們?cè)絹碓蕉萌绾斡?xùn)練出真正有用的模型。但是當(dāng)你需要一些更復(fù)雜的東西，當(dāng)你需要很長(zhǎng)時(shí)間的反思時(shí)，你就會(huì)轉(zhuǎn)向更大的模型。

開源與閉源之爭(zhēng)：五年前難以想象中國(guó)公司會(huì)是開源擁護(hù)者

Grady：過去幾年非常流行的一個(gè)敘事是開源與閉源，你認(rèn)為哪個(gè)會(huì)贏？而就在最近幾周，OpenAI的模型現(xiàn)在也出現(xiàn)在Hugging Face上了。所以我很好奇這該如何解讀，它可能暗示了開源與閉源的未來，或者它們將如何協(xié)同工作。

Wolf：我們非常高興歡迎他們回來，他們?cè)?jīng)在這。我做的第一個(gè)模型，以及我們從一家游戲公司轉(zhuǎn)型為開源平臺(tái)的原因，就是GPT-1。很多人都不記得了，但它非常有趣，因?yàn)樗饕窃谛≌f和言情小說上訓(xùn)練的。所以當(dāng)你把兩個(gè)角色放進(jìn)去讓它續(xù)寫時(shí)，他們總會(huì)以某種方式墜入愛河，我還有點(diǎn)懷念那個(gè)版本。然后，然后谷歌采納了這個(gè)想法，并在維基百科上進(jìn)行了訓(xùn)練，這增加了很多世界知識(shí)，然后將其擴(kuò)展到GPT等等。但在那個(gè)時(shí)候，他們非常非常支持開源。我認(rèn)為開源，就像在軟件領(lǐng)域一樣，我認(rèn)為兩種解決方案只會(huì)共存，而有公司同時(shí)做開源和閉源，谷歌在相當(dāng)長(zhǎng)一段時(shí)間里就是一個(gè)例子，有Gemma系列和Gemini系列。

Hugging Face“本周流行中可以看到不少中國(guó)的開源模型（來源：Hugging Face網(wǎng)站）

還有一些有趣的時(shí)刻，我有時(shí)聽說某個(gè)Gemma模型實(shí)際上非常好，以至于比閉源模型還要好。所以他們不得不去閉源它。所以目前這兩者之間的界限可以說相當(dāng)模糊。還有一些來挑戰(zhàn)的新玩家，主要是在中國(guó)，但我想我們也會(huì)開始在美國(guó)看到一些新的基礎(chǔ)模型團(tuán)隊(duì)。我認(rèn)為我們可能也會(huì)在美國(guó)看到一些挑戰(zhàn)，我認(rèn)為界限將保持相當(dāng)模糊。而且兩種模式都會(huì)存在，性能上只有微小的差異。

我認(rèn)為，目前的主要原因，老實(shí)說，在此時(shí)此刻，我認(rèn)為我們并不完全處于一個(gè)人工智能的“成本節(jié)約”時(shí)代。

對(duì)于很多參與者來說，轉(zhuǎn)向開源因?yàn)榭梢怨?jié)省成本，但這并不是他們最重要的事情。所以他們現(xiàn)在轉(zhuǎn)向開源通常是因?yàn)樗麄冴P(guān)心數(shù)據(jù)隱私，他們希望能夠調(diào)整他們擁有的模型，也許有一個(gè)新想法，想去實(shí)現(xiàn)。

我所期望的是，隨著我們進(jìn)入一個(gè)更成熟的市場(chǎng)，那么成本以及能否在更快的硬件或其他類型的硬件上運(yùn)行，然后。能夠擁有模型和模型運(yùn)行的整個(gè)技術(shù)棧，將變得越來越重要。

所以我認(rèn)為，就像在軟件領(lǐng)域一樣，從長(zhǎng)遠(yuǎn)來看，開源對(duì)于許多應(yīng)用、許多用途來說是一種制勝的解決方案。但我們?nèi)匀惶幱谝粋€(gè)平衡的階段。

Huang：隨著這些模型不斷挑戰(zhàn)前沿，并且出現(xiàn)了閉源模型，Hugging Face在大語(yǔ)言模型生態(tài)系統(tǒng)中的角色是如何演變的？我記得以前你可以在Hugging Face上下載小型的BERT模型并在本地運(yùn)行，現(xiàn)在我們正走向大到無法在消費(fèi)級(jí)硬件上運(yùn)行的模型，你的業(yè)務(wù)是如何演變的？你如何看待Hugging Face角色的演變？

Wolf：令人驚訝的是，我去年年底做統(tǒng)計(jì)時(shí)發(fā)現(xiàn)，BERT模型仍然被大量使用。開源一個(gè)令人驚訝的有趣方面是它的韌性，就是一旦你有了一個(gè)在預(yù)測(cè)中確實(shí)有效的東西，你可能不想被迫轉(zhuǎn)向新的GPT……開源對(duì)我們來說長(zhǎng)期的興趣也是提供非常穩(wěn)定的基礎(chǔ)，就像你構(gòu)建了某樣?xùn)|西，你知道它會(huì)一直存在，你可以把它作為一個(gè)非常穩(wěn)定的基礎(chǔ)。總的來說，我認(rèn)為在社區(qū)中，我們的角色已經(jīng)從可能自己推動(dòng)很多事情、推動(dòng)我們的庫(kù)、推動(dòng)我們的早期產(chǎn)品，逐漸轉(zhuǎn)變?yōu)楦嗟刭x能整個(gè)社區(qū)，所以我們現(xiàn)在與社區(qū)的許多參與者合作?！?/p>

Huang：你提到最近中國(guó)有很多開源模型，這是為什么？西方開放模型的發(fā)展?fàn)顩r如何？

Wolf：是的，這是我認(rèn)為過去兩年發(fā)生的最令人驚訝的事情——中國(guó)會(huì)成為開源的擁護(hù)者，誰能在2020年預(yù)測(cè)到呢？

我兩周前去拜訪了他們，試圖在實(shí)地更好地了解情況。事情就是這樣——這（中國(guó)市場(chǎng)）是一個(gè)內(nèi)部競(jìng)爭(zhēng)非常非常激烈的市場(chǎng)。那里有很多非常優(yōu)秀的團(tuán)隊(duì)，這在某種程度上讓我想起了硅谷。人們工作極其努力。

令人驚訝的是，他們競(jìng)爭(zhēng)的一個(gè)方面體現(xiàn)在開源方面，是希望成為最開放的模型提供者，所以，他們?yōu)樽约旱拈_源而感到非常自豪。其中一些公司曾經(jīng)嘗試轉(zhuǎn)向閉源，然后馬上就體驗(yàn)到閉源帶來負(fù)面影響——我想主要是在招聘上，人們不想再去那里工作了，所以他們又重回開源。所以現(xiàn)在這（開源的思維）已經(jīng)相當(dāng)根深蒂固了。所以我會(huì)希望繼續(xù)下去，也希望有更多的團(tuán)隊(duì)加入，因?yàn)槲铱吹搅撕芏唷?GPT-5 的發(fā)布會(huì)上，你會(huì)看到其中一些成員來自清華大學(xué)，對(duì)吧？我們知道這里的團(tuán)隊(duì)，也有一部分是中國(guó)成員。所以他們有非常非常強(qiáng)大的人才，他們已經(jīng)在思考訓(xùn)練出最好的模型。

有趣的是，我看到西方最近又回到了開源。OpenAI決定回來了，現(xiàn)在我們只等Anthropic也許會(huì)開源他們的第一個(gè)模型，所以我想是時(shí)候試著請(qǐng)他們參與進(jìn)來了。我會(huì)說，現(xiàn)在的情況對(duì)于開源來說是相當(dāng)不錯(cuò)的，但就像《星球大戰(zhàn)》里的絕地武士，（開源）從來都不是穩(wěn)贏。我們必須繼續(xù)推動(dòng)，我們必須繼續(xù)高舉開源的旗幟。

Grady：是什么推動(dòng)了西方開源的復(fù)興？

Wolf：當(dāng)你在某種程度上沒有什么可失去的時(shí)候，開源總是一個(gè)好的解決方案。當(dāng)你是一個(gè)新團(tuán)隊(duì)時(shí)，比如你創(chuàng)建了一家新公司，你想迅速崛起——這就是Mistral的秘訣。

對(duì)中國(guó)公司來說，幾乎沒有人會(huì)使用中國(guó)的API，所以他們無論如何都不會(huì)在西方賣API。所以在某種程度上，他們通過開源他們的模型，在西方市場(chǎng)沒有什么可失去的。

所以我認(rèn)為有這個(gè)因素在起作用。其結(jié)果是，當(dāng)沒有人開源時(shí)，就像一個(gè)市場(chǎng)，有人就有興趣來填補(bǔ)這個(gè)空缺，說我們將成為開源玩家。所以Meta就是那個(gè)開源玩家，當(dāng)大家都停止開源的時(shí)候。我覺得總會(huì)有這樣的事情，當(dāng)一些人停止開源時(shí)。那么實(shí)際上就出現(xiàn)了一個(gè)成為新的頂級(jí)開源參與者的空缺，然后就會(huì)有人想填補(bǔ)這個(gè)空白。

Huang：你提到西方公司不會(huì)使用中國(guó)的模型或者中國(guó)的API，那么，你是說西方公司實(shí)際上愿意還是不愿意使用中國(guó)的開源模型？

Wolf：我認(rèn)為更多該關(guān)注的是，人們都希望有一種更好的方式來理解模型的安全性。以及，很多公司一直在問的問題，就是如何保證這個(gè)模型總是表現(xiàn)良好——我們知道這真的很難，即使是GPT，有時(shí)你問草莓的單詞 （strawberry）里有多少個(gè)R，它就是表現(xiàn)得很糟糕，這是一個(gè)普遍需要盡快解決的問題，并且有幾個(gè)團(tuán)隊(duì)肯定在為此努力。

AI for Science：當(dāng)下大模型仍無法提出對(duì)的問題

Grady：談?wù)勯_放科學(xué)（Open Science）。

Wolf：我們像人類一樣構(gòu)建大語(yǔ)言模型，但如果一個(gè)AI模型能看到紅外線、能看到我們看不到的某些輻射，這就是人類做不到的事情，所以它已經(jīng)是超人類的了。而對(duì)于科學(xué)來說，這實(shí)際上也很有趣——很多用于科學(xué)的AI模型在某種程度上已經(jīng)是超人類的了，它們要么可以看到不同的模態(tài)，要么預(yù)測(cè)一些人類根本無法企及的東西。我認(rèn)為這是一個(gè)很好的基礎(chǔ)，可以讓我們跳出人類能做什么的局限去思考。

Grady：你對(duì)開放科學(xué)充滿熱情已經(jīng)有一段時(shí)間了。什么是開放科學(xué)？Hugging Face在其中扮演什么角色？你對(duì)它的熱情來自哪里？

Wolf：開始于很久以前。所以在我成為律師之前，我曾是一名物理學(xué)研究員，我研究超導(dǎo)材料。令人驚訝的是，在超導(dǎo)材料領(lǐng)域，很多偉大的研究都是蘇聯(lián)時(shí)期的蘇聯(lián)人完成的，而這些蘇聯(lián)研究人員發(fā)明理論的方式與西方世界截然不同，所以他們有一些非常棒的想法和一些非常有趣的東西，但我必須找到這些理論是怎么被發(fā)明的，在前蘇聯(lián)的信件中追蹤它們，其中一些信件還是俄語(yǔ)的。所以從那時(shí)起，我感到獲取知識(shí)是困難的，如果我能讓它變得更容易，那就能解鎖很多非?？岬臇|西。如果我能找到那個(gè)方程來自哪里，并真正能夠閱讀那篇文章，那就太牛了。

所以當(dāng)我進(jìn)入計(jì)算機(jī)科學(xué)領(lǐng)域時(shí)，我發(fā)現(xiàn)了arXiv、我發(fā)現(xiàn)了開源。我當(dāng)時(shí)覺得這太酷了，所有東西基本上都是免費(fèi)的。每個(gè)人都在分享，且文獻(xiàn)都是英語(yǔ)的，基本上所有人都能讀。我對(duì)此非常興奮——直到我開始嘗試復(fù)現(xiàn)一篇DeepMind的論文。

我發(fā)現(xiàn)這里有一個(gè)限制，因?yàn)槿藗冎话l(fā)表他們想發(fā)表的東西，但他們并不會(huì)告訴你所有的訣竅。所以當(dāng)你嘗試復(fù)現(xiàn)時(shí)，你發(fā)現(xiàn)它根本行不通。所以對(duì)我來說，開放科學(xué)就是這種延伸，給人們開源模型讓他們可以在上面構(gòu)建東西是很好的。授人以漁就是我們想做的。從長(zhǎng)遠(yuǎn)來看，這將成為一種基礎(chǔ)技術(shù)，基本上應(yīng)該像物理學(xué)一樣，是每個(gè)人都可以通過讀書來學(xué)習(xí)的東西，比如你今天想學(xué)習(xí)廣義相對(duì)論，你可以讀一本書，你就能了解它。

人工智能，或者說訓(xùn)練一個(gè)智能物體或人造物的竅門，也應(yīng)該成為每個(gè)人都應(yīng)該知道的東西，這是一個(gè)長(zhǎng)期的事情。短期的目標(biāo)是，如果我們教人們?nèi)绾斡?xùn)練出色的模型，那么他們就會(huì)把出色的模型帶到Hub上，然后我們就有更多出色的內(nèi)容可以提供。所以這也有點(diǎn)像提供內(nèi)容，如果你提供出色的模型，就很好。我們?yōu)榇藢懥朔浅ｉL(zhǎng)的博客文章，其中一些甚至變成了書，關(guān)于如何在一千個(gè)GPU上進(jìn)行訓(xùn)練，如何平衡負(fù)載，以及如何做所有這些并行化的事情。我們寫的另一篇很長(zhǎng)的博客文章是關(guān)于如何制作一個(gè)高質(zhì)量的數(shù)據(jù)集。

所以我們制作了一個(gè)叫做Fine Web的數(shù)據(jù)集來免費(fèi)訓(xùn)練模型，它使用了許多最近的模型，比如Qwen模型。然后我們還寫了我們是如何構(gòu)建這個(gè)數(shù)據(jù)集的，我們是如何過濾它的，當(dāng)你想構(gòu)建好的數(shù)據(jù)來訓(xùn)練模型時(shí)，理解什么是重要的。所有這些我認(rèn)為都是相輔相成的，這基本上就是把更好、更好的開源AI模型帶到Hugging Face的一種方式。

Huang：我想回到你關(guān)于物理學(xué)和超導(dǎo)的觀點(diǎn)，很多通用人工智能（AGI）實(shí)驗(yàn)室相信，AI顛覆科學(xué)其實(shí)并不遙遠(yuǎn)。已經(jīng)有一些令人興奮的發(fā)現(xiàn)了，我認(rèn)為到目前為止在數(shù)學(xué)領(lǐng)域已經(jīng)有了令人興奮的證據(jù)，然后可能會(huì)擴(kuò)展到物理學(xué)、材料科學(xué)，你認(rèn)為我們會(huì)看到這些模型在科學(xué)發(fā)現(xiàn)上帶來一個(gè)拐點(diǎn)嗎？你認(rèn)為開源在推動(dòng)這一進(jìn)程中將扮演什么角色？

Wolf：這里有一些炒作是好事，能驅(qū)動(dòng)別人去做事情。但有時(shí)我們高估了正在發(fā)生的事情，數(shù)學(xué)就是一個(gè)很好的例子。曾經(jīng)有這樣的想法，AI正在為一些數(shù)學(xué)理論做出新的證明，這就像在發(fā)明新的科學(xué)。我認(rèn)為作為一名科學(xué)家，這真的是看待科學(xué)的錯(cuò)誤方式。原因是我曾是一個(gè)糟糕的科學(xué)家，我可以談?wù)勥@個(gè)。我曾是一個(gè)非常好的學(xué)生。所以當(dāng)你給我一個(gè)問題時(shí)，我總是很確定我能找到證明，我能找到答案。但是我知道這個(gè)問題有解，所以我只需要填補(bǔ)空白，然后抓住一些我知道的東西，把它們組合在一起。

當(dāng)我成為一名研究員時(shí)，我發(fā)現(xiàn)我是一個(gè)相當(dāng)糟糕的研究員，因?yàn)槲一旧蠠o法提出正確的問題。所以如果有人問我說，你能證明這個(gè)定理嗎？我能做到。但如果有人問，現(xiàn)在在數(shù)學(xué)領(lǐng)域探索什么是有趣的？我基本上毫無頭緒。

在科學(xué)領(lǐng)域，如果你想做出重大的突破，你需要做的主要事情是，你需要提出正確的問題。你需要找到一種方法，提出一個(gè)能開啟一個(gè)全新研究領(lǐng)域的問題。比如，諾貝爾獎(jiǎng)通常是頒給一個(gè)開啟了全新研究領(lǐng)域的人，因?yàn)檫@個(gè)人只是提出了正確的問題。比如，也許光速應(yīng)該是恒定的，讓我們來探索這意味著什么，這意味著我們實(shí)際上可以創(chuàng)造出廣義相對(duì)論，然后我們可以從中推導(dǎo)出黑洞。

我認(rèn)為大語(yǔ)言模型現(xiàn)在這種有品味地提出正確問題的能力上表現(xiàn)非常糟糕。但這并不意味著我們不能用它們做一些非?？岬氖虑椋椰F(xiàn)在看待它們的方式更像是非常有用的助手和加速器。我希望看到的是一個(gè)AI會(huì)說，“嘿，我有一個(gè)關(guān)于如何超越光速的想法”，但為此你不能只寫下如何超越光速的答案。

你必須提出正確的問題，我們應(yīng)該對(duì)今天的理論做出什么改變？我們今天應(yīng)該做什么？我們應(yīng)該重新考慮什么，才能發(fā)明出一些突破性的東西？這就是我的觀點(diǎn)。

Grady：你認(rèn)為現(xiàn)在AI世界中有趣的問題是什么？或者說，人們應(yīng)該問但沒問的問題是什么？

Wolf：這也是一個(gè)問題。它與我們經(jīng)常談?wù)摰囊粋€(gè)東西有關(guān)——這種討好（sycophantic）、即AI模型總是同意你的傾向。我認(rèn)為，一個(gè)好的研究員實(shí)際上是不會(huì)認(rèn)同很多人（的觀點(diǎn)）。我以前的教授是一位諾貝爾獎(jiǎng)得主，他表達(dá)觀點(diǎn)的方式非常不友好，但我認(rèn)為這是其中的一部分，你必須非常有主見。所以，找到一種方式推動(dòng)這些模型有更強(qiáng)的觀點(diǎn)，或者在他們的觀點(diǎn)中有品味，對(duì)于科學(xué)來說將是關(guān)鍵。

當(dāng)然，這會(huì)基于深度學(xué)習(xí)和大語(yǔ)言模型，它可能涉及其他訓(xùn)練它們的方式、思考它們的方式。有幾個(gè)人在朝著這個(gè)方向探索，但探索的人并不多。

Huang：當(dāng)你展望十年后的世界時(shí)，Hugging Face在其中扮演什么角色？你認(rèn)為你的社區(qū)中有多少人在用大語(yǔ)言模型和機(jī)器人構(gòu)建？以十年的時(shí)間跨度來思考很難，但你認(rèn)為十年后的世界會(huì)是什么樣子？

Wolf：十年會(huì)非常非常不同。我希望看到的是，在十年后一個(gè)世界里基本上每個(gè)人都覺得他們可以用AI來構(gòu)建，而不僅僅是消費(fèi)AI。但他們覺得自己可以成為這件事的參與者，有點(diǎn)像——過去有很多為我們生成和創(chuàng)作的媒體，然后我們進(jìn)入了現(xiàn)在的時(shí)代，每個(gè)人實(shí)際上都能夠創(chuàng)作、都是媒體。

我希望AI也是一樣，就是一個(gè)像軟件開發(fā)者社區(qū)一樣非常龐大的社區(qū)，每個(gè)人都可以用AI創(chuàng)造東西，他們覺得這只是他們工具箱里的另一個(gè)工具。他們可以寫代碼，但他們也可以訓(xùn)練一個(gè)模型，也可以調(diào)整模型。

作者：MD

出品：明亮公司