IT时代网6月22日消息，具身智能的"GPT时刻"什么时候到来？3年、5年还是更久？近日在星海图全球开发者大会上，星海图CEO高继扬抛出了一个独特观点——这个时刻可能不会像大语言模型那样明显。
高继扬认为，大语言模型是每个人在手机上就能感受到的东西，而具身智能可能在一个地方落地了大家都不知道。具身智能的落地过程是随着能力边界逐个场景解锁的。"可能若干年之后，我们回头一看，原来机器人已经无处不在，但我们已经记不得是从哪一年开始。"
6月16日，星海图发布新一代VLA基础模型G0.5并宣布开源，同时公布世界模型Fast-WAM与全身控制基础模型，自研双足人形机器人Kengo（行客）现场首秀。高继扬在会上分享了关于VLA与世界模型路线、数据成本、整机与智能投入平衡等核心问题的思考。
关于VLA与世界模型的路线之争，高继扬明确表示二者并非对立，而是同源共生。训练VLA和WIM的底层逻辑相同，都是将多模态数据变为Token、通过多层Transformer处理，区别仅在于监督方式和架构调整。所有数据——human centric data（UMI、Ego等）与robot centric data（遥操作数据）——均可混用。
在数据成本方面，高继扬提出应关注智能总成本而非单项数据成本。数据成本与算力成本之比至少为1:10，即1块钱的数据需要10块钱的算力来训练。目前human centric data采集成本约50-100元/小时，robot centric data约250元/小时，相比大语言模型每年数亿美金的算力支出，数据采集投入极为划算。
对于整机和智能的战略关系，高继扬用"有限游戏与无限游戏"来概括——整机和供应链是有限游戏，智能和应用才是无限游戏。如果不玩好有限游戏，就没机会玩无限游戏。从研发投入看，智能投入远超整机，存在数量级差距。
关于市场竞争，高继扬表示现阶段不追求整机销售的绝对第一，因为这个阶段的第一没有意义。真正的商业化将在智能驱动的生产力场景展开，届时商业模式将是方案订阅制。在他看来，当前展演艺市场虽已有十亿级营收企业，但生产力场景尚未有任何企业真正有效作业，"真正的星辰大海还没有展开"。
创作声明：本文借助AI辅助创作
热门跟贴