最新：边缘AI,具身智能和空间智能的终局-比特驱动原子的体AI

美呗对话

随着英伟达市值在上周短暂登高全球之首，一个大变革的时代正在愈演愈烈。SIP Trunk的相关问题可以到网站了解下，我们是业内领域专业的平台，您如果有需要可以咨询，相信可以帮到您，值得您的信赖！https://www.siptrunk.cn/

纵观股市发展历史，我们可以发现一个有趣的规律：每当一家跃升为全球市值冠军，往往预示着其所处行业将引领未来十年甚至更长时期的经济增长。这些巨头的崛起，犹如一座座时代的灯塔，照亮了产业变革的航道。

而此时此刻，随着生成式人工智能(G AI)的日新月异，AI正悄然走向下一个前沿阵地——比特与原子的交汇点。

英伟达，作为比较早洞察这一趋势的科技巨擘，敏锐地提出了AI发展的新重心：从生成式AI转向体AI(P AI)。这意味着，AI系统将不再局限于虚拟世界的创造，而是要深入理解现世界的物理法则与复杂环境，进而推动自动化服务机器人的加速普及。

英伟达近期还趁热打铁，发布了AI E-IGX平台和O微服务，以提升AI在边缘环境中的大规模部署能力，为体AI的发展铺平道路。

与此同时，苹果在比较新的WWDC大会上也抛出了重磅发布：A I。这个全新的AI架构比较吸引眼球的，莫过于其边缘和云端混合的组合模型，以及端到端加密的隐私计算技术。在这种设计下，每位C用户都能拥有独一二的个性化模型，现基础模型与用户同步进化。苹果正巧妙利用自身在移动终端的优势，弥补在大语言模型领域的后发劣势。

体AI这个概念，源自英国帝国理工学院研究人员的创见，并被投资机构C纳入其比较新的AI四阶段S曲线发展图。

这四个阶段分别是：AI基础架构、边缘AI、AI应用和体AI。每个阶段都呈现出独特的投资机遇和挑战。

AI基础架构：已进入第二轮角逐。当前数据中心内与AI相关的服务器仅占9%，但终将增长至90%；AI耗电量仅2%，云平台AI模型收入占比才3%。竞赛方兴未艾，但基础架构已是AI投资比较成熟的赛道。

边缘AI：尚处概念炒作阶段。C将AI手机和AI PC划归此类。随着拥有海量用户的苹果杀入AI市场，谷歌和苹果的角力将更趋白热化。

AI应用：百花齐放的早春时节，投资风险不小。软件巨头凭借既有用户基础进场占优，初创则压力山大。

体AI：我们正处于一个独特的时间节点。得益于强化学习、计算机视觉和大模型(LLMVLM)的长足进步，诸多昔日不可能的工业应用场景，现已近在咫尺。譬如：以比较少人工干预，现新型材料的闭环预测、模拟、生产与测试；研发在偏远沙漠布设太阳能板的机器人，效率比人工高1000倍；应用自主控制，大幅提升水泥、化工等高耗能工业流程的管理效率；利用自主工厂，将制造成本高企的产品生产线迁回国内。未来5-10年，人工智能必将彻底重塑我们的物理世界。

当前，AI基础设施的竞赛已如火如荼，而体AI的角逐才刚刚起步。

要为用户带来流畅的智能体验，必须现软硬兼施。在这个快速迭代的智能时代，传统的应用开发模式面临巨大挑战。我们也许根本需开发应用，只需通过各种硬件和自然对话交互，以端到端的方式为用户解决问题。因为，这是一场远超互联和移动时代的新工业革命。

今天，让我们一起探寻比特与原子的交汇点，揭秘体AI的机遇与挑战。

体AI：比特如何驱动原子什么是体AI

体人工智能(E AI)是人工智能技术的一个新兴分支，旨在解决与物理世界直接交互的问题。不同于传统的人工智能系统，如金融推荐系统、聊天机器人或智能游戏，体人工智能系统能够通过传感器感知周围的环境，并通过执行器对环境进行操作和改变。

体人工智能的一个显著特点是，它需要处理来自真世界的海量异构数据，这些数据往往具有不确定性和不完整性。同时，体人工智能系统的行为结果也存在一定的不确定性，因为它们所处的环境是复杂多变的，并且往往需要与人类共享环境。因此，如何在不确定环境中做出智能决策，是体人工智能面临的一大挑战。

以机器人领域为例，目前的机器人在“智能”程度上存在很大差异。

传统的工业机器人主要执行高度重复的任务，很少需要与环境和人类交互。而服务机器人则需要大量的传感器来感知环境，如导航、抓取物体、识别人脸等，同时它们的行为结果也不那么确定。这些服务机器人是体人工智能的典型代表，它们需要更高级的智能来应对复杂多变的现世界。

但体人工智能的应用远不止机器人。

我们可以设想一个智慧城市的场景，通过在公共设施上安装大量微型传感器，来时监测城市的污染水平。人工智能算法可以融合这些传感器数据，精确预测污染的分布情况。同时，算法还可以主动控制传感器的移动路径，引导它们到达信息量比较大的区域。

更进一步，系统还可以通过城市摄像头识别移动污染源(如车辆)，从公开渠道挖掘其他污染源的信息。比较后，这个物理数据驱动的智慧系统可以对城市居民和管理部门提供两方面的决策支持：一是向居民推荐避开高污染区域的路线，二是控制交通引导，合理疏散和分流人群。这个场景展现了体人工智能融合物理世界数据，现智能感知、决策与控制的巨大潜力。

当前，我们正处于一个人工智能蓬勃发展的时代。得益于机器学习算法的进步，以及算力、数据的积累，许多以前看似不可能的任务正在被逐一攻克。

未来5到10年，人工智能有望在先进制造、智能电、自动驾驶等领域得到大规模应用，彻底改变我们的物理世界。而体人工智能作为连接虚拟与现的桥梁，必将在这场智能革命中扮演关键角色。

体AI：创新重心的大迁移在人工智能的浪潮中，边缘智能、具身智能和空间智能如股清流，渐渐汇聚成体智能(P AI)的洪流。

这是一场从虚拟走向现、从抽象走向具象的壮丽跃迁，预示着人工智能正全面渗透并重塑我们的物理世界。

边缘智能力图将AI算力从云端下放至边缘设备，让智能在数据源头就能时响应；具身智能则致力于将AI与机器人硬件深度融合，使其能感知、理解并操控维空间；空间智能则探索如何用AI理解和优化人类活动的空间布局。

者虽各有千秋，但殊途同归，不试图打破数字与物理世界的藩篱，让AI融入现。

这种趋同绝非偶然。当前AI的主战场仍局限于线上数据和应用，而人类生活的主要空间依然在线下。边缘、具身、空间只是体智能的不同切入点和落地路径，其共同目标都是服务并改变物理世界。正因如此，英伟达将体智能视为继生成式AI之后的下一个制高点，苹果也在加紧布局边云协同的“上下同欲”。

体智能的崛起，意味着AI创新的重心正从算法回归到场景，从验室走向产线车间、城市街道和人们的日常生活。

这对传统软件开发模式提出了挑战。单纯的云端AI恐难以应对体世界的多样性和复杂性，开发者需要在算法、硬件、场景之间找到微妙平衡。应用也将不再是孤立的软件，而是与真环境深度融合、持续互动的智能系统。

随着体智能的发展，未来将不再有单一的“软件应用”，取而代之的是各种基于AI的智能服务。

工厂里的机器人、口袋中的手机、家中的智能音箱…这些智能设备将以不同形态和方式，与人类和环境展开时互动，缝满足人们的各种需求。这是一场数字革命，但触发点在物理；是一场工业革命，但生产力在智能。

事上，许多企业已在探索体智能的应用。与依靠算力的云端生成式AI之争不同，拥有比较佳使用场景的企业可能将胜出。

特斯拉更新了的生态图，标题为“M T J V”，暗示他们不仅仅是造车的。特斯拉正通过其改进版本驱动O机器人，马斯克在比较近一次财报会上表示，计划今年底让O在G 代替人类干活。

这张图将AI C与软件驱动系统置于中心，构建起智能制造、能源存储、电动车、自动驾驶和人形机器人的全新生态。很明显，这次财报已暗示了特斯拉的转型，从卷电动车的红海转向现世界AI的新疆域。

英伟达有一个更宏大的计划，在今年GTC大会的“O M T”环节，他们宣布推出GR00T项目，一个通用智能体。其目标是为通用人形机器人构建基础模型，使其能在不同体间迁移。训练过程类似OAI训练GPT-4，通过在海量环境中训练获得通用性。英伟达将通过它以1000倍速运行物理模拟，生成限复杂精细的虚拟世界。

OAI在体AI领域也频繁投资。今年1月，其投资的人工智能和机器人1X宣布推出第二代机器人NEO，这是一款双足人形机器人，旨在执行消费者家中的日常任务。比较近，一家为P I的新宣布成立，称其目标是开发AI来为“当今的机器人和未来的物理驱动设备”提供动力。

据该介绍，P I正处于构建基础模型和学习算法的早期阶段。其团队包括工程师、科学家、机器人专家和建设者，得到了OAI和红杉资本等知机构的投资。

值得注意的是，该的目标并非为仓库或工厂中执行重复性任务的机器人提供动力，而是构建一个可用于各种应用的通用人工智能模型。P I不会制造硬件，他们购买不同类型的机器人来训练其软件。

W3赋能体AI：DPIN生态下的商业模式创新创建一家智能机器人需要漫长的时间，构建任何体都需要更大的创造力、商业头脑、时间，以及比较重要的“精明的”资金。然而，我们有可能将W3与AI结合，加速体AI的到来，为这一过程注入新的活力。而DPIN(去中心化物理基础设施络)正是连接W3与体经济的桥梁。

在DPIN生态下，体智能的商业模式创新有望迎来新的突破。初步的体智能应用通常采用设备销售、软件授权等相对单一的盈利方式，难以适应物联环境下多元主体、多场景的复杂需求。而DPIN独特的经济模型，为体智能商业模式创新提供了新的思路和工具。

首先，DPIN通过激励机制，可以有效调动分散在全球各地的边缘设备参与智能计算和数据共享。边缘设备提供商可以将其闲置的计算、存储资源注入DPIN络，并以此获得奖励。这种激励模式不仅可以显著降低体智能的部署成本，还能促进计算资源的弹性供给和按需使用。

其次，DPIN的经济有助于构建体智能应用的多边市场生态。在这个生态中，边缘设备提供商、数据提供方、算法开发者、应用服务商等主体可以通过现价值的自由流动和交换。例如，一家智慧城市服务商可以通过DPIN购买边缘设备提供的算力，利用数据提供方提供的城市物联数据，整合算法开发者的智能模型，从而构建全新的时城市管理方案。

再次，DPIN的机制为体智能应用提供了全新的盈利渠道。一方面，体智能服务商可以直接向用户收取服务费，或者采用+传统支付的组合盈利模式。另一方面，服务商还可以通过质押参与DPIN生态治理，分享整个络的增值收益。

比较后，DPIN的经济还将助力体智能在垂直行业的商业模式创新。以工业互联为例，DPIN可以成为连接工厂内外的交换平台。设备制造商、工业软件服务商、第方数据分析机构等，可以基于现互信协作，共同为工业客户提供端到端的体智能解决方案。

综上，DPIN的经济为体智能商业模式创新开辟了广阔空间。通过激励资源共享、构建多边生态、拓展盈利渠道、赋能行业变革等机制，DPIN将推动体智能走向规模化应用和产业化发展。

写在比较后体智能的崛起，标志着人工智能正从虚拟世界走向现，从数字空间走向物理空间。这是一场全方位的变革，将重塑我们生产和生活的方方面面。

按照投资机构C的推测，我们将见证一个新物种的诞生：H。它的大脑是GPU、知识教育来自大模型、它的家就是数据中心，它的食物就是电力，而我们需要学习的是如何与H共存。