跳轉到

第 11 章　多模態、具身智慧與 AGI 的終極前沿#

11.2 具身智慧（Embodied AI）與人形機器人：當 AI 擁有鋼鐵軀體——黃仁勳與波士頓動力的次世代狂想#

11.2.1 Moravec 悖論：為什麼倒水比下棋難#

認知科學家 Hans Moravec 1980 年代即指出：對人類「容易」的感知與運動（走路、抓握）在計算上極難；對人類「困難」的邏輯（下棋、推理）反而容易。大模型補上了後者，剩下的硬骨頭正是前者——這就是具身智慧（Embodied AI）的世紀課題。

11.2.2 譜系：從波士頓動力到 Foundation Model 進機器人#

  • 波士頓動力（Marc Raibert 創立，1992；MIT Leg Lab 血統）：Atlas 後空翻、Spot 巡檢——控制論的極致展演；2013 被 Google 收購、2017 轉售軟銀、2020 再售現代汽車（商業化之路顛簸，成為「炫技不賺錢」的教科書）；
  • 2020s 轉折：大模型作為「機器人大腦」——Google RT-1/RT-2（2022–23，機器人操作與視覺語言動作 VLA）、特斯拉 Optimus（2021 AI Day 宣布，其後自研執行器與 FSD 技術復用）、Figure AI（2024 融資 26 億美元估值，與 OpenAI 合作後自研 Helix VLA）、Unitree（宇樹）以低成本全身體硬件橫掃市場；
  • 黃仁勳 2024 年 GTC 宣告「Physical AI」：GR00T 人形機器人基礎模型＋Omniverse 仿真訓練管線——NVIDIA 把 AI 的第二增長曲線押在機器人上。

11.2.3 為什麼是「人形」？#

工程與經濟的三重理由：

  1. 世界為人類身形而建（樓梯、門把、工具架）——人形免改造環境；
  2. 數據復用：人類視頻（YouTube 級）可直接教 VLA 模型；
  3. 勞動市場的接口：養老、製造、危險作業的勞動力缺口（參《動力機器的故事》14 章）。

11.2.4 前因後果#

  • 前因：VLA 模型＋仿真（Isaac Gym 等）＋硬件降本（中國供應鏈）＋勞動力結構壓力。
  • 事件：2022–25 人形機器人從 demo 走向工廠試點。
  • 後果：AI 的最後一塊拼圖（身體）開始合龍；安全議題從「屏幕內」擴展到物理世界（11.3 的最後一段），本書亦將在結語把「心智—身體—社會」的完整迴路交還給讀者。

下一節：11.3 AGI 安全