全球物理人工智能研究实验室Genesis AI今日正式启动,专注于智能机器人的AI模型开发,并宣布已完成1.05亿美元融资。
本轮投资由Eclipse和Khosla Ventures共同领投,参投方包括Bpifrance、HSG、前谷歌首席执行官埃里克·施密特以及法国电信巨头泽维尔·尼尔。
Genesis AI首席执行官周贤表示:"由物理AI驱动的通用机器人将定义人类历史的下一个重要篇章。虽然数字AI取得了非凡进步,但物理AI——让机器能够感知、理解并与现实世界交互的智能——仍然滞后。"
物理AI是指能够直接与物理世界交互并适应的人工智能系统,例如驱动和支持机器人系统的AI。Genesis AI表示,公司通过构建可扩展的通用数据引擎进行物理仿真,并利用大规模机器人数据收集,为物理AI带来了以数据为中心的全栈方法。
要达到人类的灵巧性和能力水平,机器人需要大量的训练数据和敏感性。当今的机器人都是专业化的;大多数工业机器人只能执行单一任务或一系列简化动作,通常由无法适应快速变化条件的软件堆栈控制。
由物理AI机器人基础模型(RFM)驱动的机器人可以在人类周围工作、适应和克服复杂空间、与人类协作,甚至理解它们最初未接触过的情况。Genesis表示希望提供一个平台,通过可部署于任何类型机器人的RFM,为不同机器人带来人类级别的智能。
Eclipse合伙人查理·姆万吉表示:"即使在当今最'自动化'的行业中,机器人与人类的比例也很少超过1:30,这是因为需要灵巧性、认知能力、移动性和现实世界推理的长尾任务,而当前的机器人根本无法处理。通用机器人是我们一直在等待的突破,将影响各行业数万亿的劳动价值。"
对机器人需求最高的行业,如汽车行业,每年仅增加约13,000台机器人。根据《科技日报》的报告,全球范围内目前仅有约2,000台AI驱动的机器人在使用。
为了解决这一问题,公司组建了一支由来自Mistral AI、英伟达、谷歌、卡内基梅隆大学、麻省理工学院、斯坦福大学、哥伦比亚大学和马里兰大学的行业技术人才和学术专家组成的专家团队。Genesis表示,其核心工程团队在仿真、图形学、机器人和大规模AI模型训练与部署方面拥有深厚的专业知识。
Genesis认为通用机器人在工厂车间、仓库、医疗保健和农业领域存在明显机遇。所有这些场景都需要精确的工具使用和与人类伙伴的密切配合,这无法通过现代解决方案采用的当前软件堆栈轻松编程实现。
专家表示,AI驱动机器人实时学习、适应和做出智能决策的能力,将对解决这些行业的挑战至关重要。
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。