亚马逊公司旗下以保密著称的 Lab126 研发部门今日宣布成立了一个专注于人工智能 agent 的新团队。
Lab126 是亚马逊内部的一个研发机构,以高度保密闻名。此前它曾协助开发了 Amazon Kindle 电子书阅读器和 Echo 智能音箱等设备,并以在产品发布前对许多创新技术保密而著称。
这一新团队的成立正值越来越多的科技公司在探索人工智能 agent 潜能之时。它们希望利用人工智能的最新进展,超越简单的文本和图像生成器,打造能够代表用户执行复杂多步任务和操作的数字助手。
Lab126 的新团队主要将研究如何利用人工智能 agent 来提升公司机器人的性能。亚马逊在其物流运营中已经大量使用仓库机器人,现正寻求提升这些机器人的智能化水平,以便它们能执行多种任务。这将是一次重大改进,因为目前的机器人通常只设计完成单一任务。
为此,亚马逊的新团队将尝试开发用于所谓“物理 AI”应用的 agentic AI 框架。
亚马逊在周三的一次发布会上表示,通过将 agentic AI 能力嵌入机器人,这些机器将能够卸载拖车,然后取回任何需要维修的零件。公司解释称,这种 agentic AI 软件将使机器人能够 “hear, understand and act on natural language commands” ,从而将其转变为一支具备多种技能、灵活多变的自动化工人军队。
亚马逊机器人部门高级应用科学经理 Yesh Dattatreya 告诉路透社,对于亚马逊的客户来说,最大的好处将是更快的配送速度。他认为,这些机器人在需求高峰期(例如节假日)尤为有用,能够加快订单处理速度,并通过在狭小空间中搬运重物来优化仓库运营。他还表示,这将有助于最大限度减少浪费并降低碳排放。
不过,Dattatreya 强调,亚马逊的 agentic AI 机器人仍处于非常早期的阶段,公司尚未决定它们的具体形态,以及具体的部署时间和数量。
亚马逊在 AI agent 方面已有一定经验。今年早些时候,公司旗下的 AI 实验室推出了一款名为 Nova Act 的网页浏览器 agent,能够在线执行任务。此外,它还推出了一款先进版本的数字语音助手 Alexa+,具备一定的 agentic 能力。
融合 AI 的地图
在同一活动的另一项公告中,亚马逊表示正致力于开发更先进的地图技术,以提高配送员的工作效率。该技术将提供诸如建筑形状等更为细致的信息,以及配送员在投递包裹途中可能遇到的任何障碍物。
亚马逊在活动中表示:“这一创新使得亚马逊的配送员更容易找到正确的交付位置,尤其是在诸如大型办公园区等复杂环境中。”
亚马逊暗示,这些先进地图可能会与其为配送员开发的专用眼镜集成在一起。据报道,去年该公司就开始研发一款内嵌显示屏的眼镜,该眼镜能够显示实时地图,并提供实时、逐向导航。其理念是让配送员始终双手稳握方向盘,而无需停车操作 GPS 设备——更不用说在未停车的情况下操作。
亚马逊地图与地理空间业务副总裁兼总经理 Viraj Chatterjee 确认,公司正在研发这种设备,这是首次有公司高管公开证实此事。他对路透社表示,这项新地图技术可能会与这种设备配合使用,但他补充道,相关硬件仍在开发中。他指出,早期测试显示该软件在大型住宅区尤为有效,因为这些区域中许多建筑外观相同。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。