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
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。