一个新的数字秩序正在形成,人工智能正从工具扩展为完整的系统。AI驱动的机器人技术正从新奇事物转向基础设施,可编程资本正从投机转向现实世界的经济层面。
在theCUBE Pod最新一期节目中,theCUBE Research的执行分析师John Furrier和首席分析师Dave Vellante深入探讨了最近的发展动态,包括近期举办的theCUBE + NYSE Wired: Robotics & AI Infrastructure Leaders 2025活动的相关内容。据最新报告显示,亚马逊公司现在在其仓库中使用的机器人几乎比人类还多,这表明AI驱动的机器人技术已经在改变物流行业。
"它仍然很原始,"Furrier说道。"但你知道,它正在到来。"
在theCUBE + NYSE Wired: Robotics & AI Infrastructure Leaders 2025活动中,AI驱动机器人技术的发展方向得到了突出展示,从低于5万美元的通用型人形机器人愿景到更专注的单任务机器。这类机器人的目标价格将在1500美元以下。
"一个洗衣机器人,一个做饭机器人,一个割草机器人,它们每个都将低于1500美元,"Vellante说道。"我喜欢这种模式,因为我认为它比通用型模式有更高的成功概率,通用型模式要做很多事情。"
数字货币正在成形
上周,Furrier和Vellante在theCUBE + NYSE Wired Crypto Trailblazer NYC活动期间与一系列C级加密货币高管和创业愿景家进行了对话。稳定币正在快速获得发展势头,Circle Internet Group Inc.等公司正在寻求认证,并用高质量银行和现实世界资产支持其货币,为金融基础设施的重大转变奠定基础,Vellante表示。
"它现在真正开始为银行业社区提供关键基础设施,"他说道。"我预测你们将开始看到央行数字货币开始在数字世界中融合,现实世界资产变得数字化和Token化。我们正在进入一个全新的、真正令人兴奋的时代,这些资产变得更加可替代、更加可交易。"
据Furrier表示,随着数字货币变得越来越可编程,稳定币有望从根本上重塑全球金融系统。加密货币市场正开始回归其最初愿景,超越过去诈骗造成的干扰。
"区块链和去中心化基础设施现在将回归其根本,你开始看到基础设施。在国际结算市场中,稳定币将发挥作用,"Furrier说道。"然后,这将是一个主权机会。"
Meta与资金
上周,据报道Meta Platforms Inc.招募了四名前OpenAI研究人员加入其新成立的超级智能实验室。作为回应,OpenAI首席执行官Sam Altman据报道表示"传教士将击败雇佣兵"。
"扎克伯格向人们提供第一年一亿美元,三年内三亿美元,"Furrier说道。"你看到了一个巨大的资金系统在运作,Dave...这真是令人震惊。"
随着股市创下新高,越来越多的讨论围绕着互联网泡沫时代与今天AI热潮之间的相似性和差异性展开。在炒作周期、资本支出等方面确实存在明显相似性,Vellante表示。
"但也有很多不同之处,"Vellante说道。"资助这一切的公司要稳定得多。它们拥有比我们在Global Crossing、安然以及其他一些建设互联网基础设施的公司如MCI和WorldCom所看到的更加一致的现金流。"
未来几个月将为AI驱动机器人技术等领域带来更多洞察
随着theCUBE进入全球范围内繁忙的夏季日程安排,发展势头持续增强。巴黎Raise峰会的报道将于7月8日和9日启动。
"Raise将是一场精彩的会议;每个人都会参加,"Furrier说道。"它本质上将是一种国际性的技术、华尔街、硅谷、纽约技术场景,前往巴黎并与欧洲人整合。"
日程表上还有AWS Summit纽约站。无论哪个活动,未来几个月都承诺进一步阐明AI驱动机器人技术、可编程资本和不断发展的AI军备竞赛的发展轨迹。
"AI将有两个阵营,"Furrier说道。"有AI的构建者和AI的消费者。所以我认为在两个方面,都有一个工具和基础设施市场,也有应用层面。我认为应用AI将是用例。"
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。