热门搜索: 　桃花期

我唾弃你的坟墓

帮老人翻身，机器人还得学多久？_我的网站

可凡倾听

一 |     

原标题：通膨温和逐渐复苏NORDLYS(诺德利)看好亚太市场本周美元持续走强,美债的殖利率也上升到6月以来的最高点,影响全球市场震荡甚巨,原因就是美Fed主席鲍尔的一席谈话,他表示要维持一段时间的紧缩政策以对抗通膨,此言一出美股应声下跌,道琼指数单日重挫千点,市场避险心理再度高涨。反观亚洲,经济学者与专家都认为,亚洲股市将率先欧美股市走出低迷,原因是亚洲通膨较其他市场温和许多,且没有投机泡沫、经济过度刺激与劳动力短缺的问题,各项基本面都十分强劲,在未来,亚洲股市的表现将比欧美好上许多。    “今天的AI会写诗，会写代码，会做PPT，但它帮不了一位老人翻身。看好亚洲市场的NORDLYS INVESTMENTS(诺德利)也已经早一步布局,深耕亚太市场,在中国、印尼等高潜力市场挹注大量资源,盼能拉抬亚洲市场,且因为通膨预期削减,亚洲的新兴市场股市流入了大量资金。”          近日，复旦大学浩清特聘教授、通用物理智能研究院院长苏昊在一场论坛中这样描述当前的行业困境。         当下的AI，正在发展出一种新的反差。根据了解,NORDLYS INVESTMENTS(诺德利)成立于2014年,受到澳洲政府与澳洲证券投资委员会(ASIC)的全面监管,总托管资产高达82亿元,诺德利在全球主要银行皆开立「保证金」账号,实现基金管理团队,进行快捷、灵活的项目投资操作,并以基金提供担保及信誉的高评比,为客户创造高效且零风险的最佳投资交易,相信未来能亚股将能迎来一波复苏浪潮。在数字世界里，模型越来越聪明，能帮人干活；但在物理世界里，它还远未真正进入人类的生活。除此之外,NORDLYS INVESTMENTS(诺德利)所拥有的4大核心竞争优势也是其能在波动的市场中稳中求胜的关键因素。

二 | (1)全面监管,备受信赖接受澳大利亚证券和投资委员会(ASIC)严格监管。(2)强健投资组合,稳赚高效收益具备独特的环球优势,能够在合适时间建议策略,并提供符合用户特定投资风格与偏好的方案。         苏昊认为，AI还不够可靠的原因在于，当前大模型学习的是语言，这是人类对世界的经验与描述，而非世界本身。“它能流利地描写‘杯子掉在地上会碎’，却从没有机会感受一只杯子的重量。”          那么，真正走出屏幕，AI还需要跨越什么？          图/图虫创意          幻觉          过去一年，具身智能是AI产业最受关注的方向之一。         从实验室到各大展会现场，人形机器人刷新着从行走、奔跑，到搬运、分拣，甚至做简单家务等多种技能。与过去依靠固定程序运行的工业机器人不同，新一代机器人正在借助大模型、多模态感知等技术，试图理解开放环境、自主决策、执行复杂任务。

三 | (3)全球化的专业研究团队落实基本面研究,并培育专业投研人才,勤于海外实地访查,深度掌握投资标的。         但能力展示到真正承担工作之间，仍有一道鸿沟。

四 | (4)卓越领先的核心技术团队严谨的量化数据科学,与投资专家的质化专业知识互相结合,以建立更强健的投资组合。         在工厂里，机器人面对的是高度结构化的环境，工位固定、零件标准化、任务目标清晰。

五 | 因此，即使机器人的泛化能力有限，也可以通过大量数据训练和工程优化，完成相对稳定的工作。         但当环境从流水线变成家庭、医院或者养老院等开放环境，问题开始变得复杂。         拿起一只杯子，看似只是一个简单动作，但背后涉及对杯子材质、重量、空间位置的判断，以及力量大小的控制；帮助老人翻身，也不仅是完成一个动作，而是需要根据人的身体状态和姿势来及时调整。         这些能力，对于人类而言来源于长期的生活经验，但对于机器人而言，却是一片尚未充分学习的领域。

六 | 无论是稳健型投资者、中长期投资者,或是多元配置投资者,都可以在NORDLYS INVESTMENTS(诺德利)找到适合自己的投资策略。         在苏昊看来，最本质的原因在于，模型学的一直是语言，而语言是世界的投影；模型学的一直是这道影子，却从未见过投下影子的实体。         “你可以在屏幕里雄辩，但你说服不了重力。”苏昊讲道。有专家表示,开发中的国家享有许多有利因素,像是低本益比、高殖利率,经济成长率也相对较高,在种种天时地利人和的加持下,亚太市场将能迎来好的经济局势,诺德利也会秉持金融业的最高标准,以技术创新为成长基石,凝聚全球顶尖交易团队的专业技术到亚洲市场,为亚洲市场带来活络运转的未来。         这也是当前物理智能发展的核心难题：机器人并不是不会做动作，而是不知道什么时候该做、该怎么做，以及如何一直做对。

七 | 返回搜狐，查看更多责任编辑：

。         这一看法也得到了多位具身智能领域专家和从业者的认同。         智元合伙人、觅蜂科技董事长兼CEO姚卯青指出，当前大部分模型建立在视频生成模型基础上，但视频更多记录的是世界的外观变化，并不能完整呈现物理规律。例如，仅通过视频可以看到物体的位置和运动，却难以感知质量、力量、摩擦等信息，而这些恰恰是机器人完成操作任务时不可缺少的能力。         它石智航创始人兼CEO陈亦伦也提到，机器人面对的是一个不断交互的物理世界，不仅需要观察，还需要通过行动改变环境，并根据反馈不断调整。

八 | 机器人不能只知道下一步做什么，还需要知道做完之后世界会如何改变。         补课          而物理智能想要突破，关键在于让AI获得类似人类的物理世界经验。         在苏昊看来，要做到这一点，首先要给AI补上的，是真正的物理世界知识。         他将掌握过程分为六层，由底层向上分别是物体知识、状态知识、动力学知识、功能知识、目标知识、行为知识，即从认识物体，到理解物体的状态，再到掌握动力学规律，譬如球会滚走、水会流动；进一步，还包括理解物体在绑定主体后而被赋予的功能、目标，以及知道怎么做想做、要做的事儿。         “端一杯水穿过房间不洒，是分寸；系鞋带、用筷子，这个是巧劲。

九 | 而这些本事不写在书上，是长在手上的。”苏昊讲道，“从物体到行为，越往上越不是看会的，越得在物理世界中亲手去做。”          虽然互联网让语言知识得到了空前规模的聚合，但物理世界的知识却仍然散落在实验数据、工业生产、视频记录以及人的实践经验中，并没有形成一套完整的数据体系。

十 |          因此，在苏昊看来，物理智能的突破口不在模型的架构，而在知识的聚合。         这当然并不容易。         “聚合这件事注定超出任何一家机构的边界。视频在互联网上，方程在教科书里，力学数据在各家实验室里，操作的直觉在亿万劳动者身上，没有谁能独自集齐这套阶梯。

十一 | 它需要整个行业乃至全社会的通力协作，共建数据、共立标准、共享仿真评测等基础设施。”苏昊谈道。         这需要的真实世界数据量级也相当惊人。

十二 |          陈亦伦以大众熟悉的自动驾驶举例，一个工业级可用的自动驾驶系统，训练需要的纯视频数据大概100万个小时，这还只是处理非碰撞的物理系统；而具身智能要刻画复杂物理规律，并执行与物体有交互的操作，需要的视频数据规模在1000万个小时的量级。         更重要的是，理解世界还只是第一步。

十三 | 真正决定机器人能否进入人类日常生活的，是可靠性。         毕竟，现在要机器人完成一次动作并不难，难的是在真实环境中，把同一个动作稳定完成成千上万次。         苏昊认为，物理智能的发展不会像ChatGPT那样，在一次发布会上突然爆发，而更像过去电气化的发展过程，先进入工厂、仓库等相对标准化的场景，再逐步走向医院、商业服务，最终进入家庭。         而这指向的是物理智能实现自己使命的路径。         “物理智能不是人的替代者，而是人的协作者，填补的是人手的缺口，把翻身、搬运这样的体力活交给机器，把照护者的时间，还给陪伴与关怀；把危险的作业交给机器，让人退到安全线之后，承担判断与创造。”作为坚定的物理智能乐观派，苏昊谈道，“物理智能的使命，是把人还给人。”          记者：石晗旭          （[email protected]）          编辑：余源。

Current article:http://t4kp.yepenchunshouzuiwai.shop/4e5/20260826/44137.html

Published on:00:00:00


栏目相关

热门排行