ChatGPT在三年多前的發布引發了AI熱潮。儘管AI模型持續變得更加強大，但要真正在人們的日常生活中發揮最大幫助作用，它們需要能夠處理日常任務。這隻有讓AI走出筆記本電腦螢幕上的聊天機器人，更直接地融入我們的環境中才能實現。
行業最新熱詞登場：物理AI。這個術語在上周的消費電子展（CES）上全面展示，幾乎每家公司都在推出能夠推進這一領域發展的新模型或硬體，包括英偉達。在公司主題演講中，CEO黃仁勛甚至將物理AI的重要性與ChatGPT的發布相提並論。
"物理AI的ChatGPT時刻已經到來——機器開始理解、推理並在現實世界中行動，"他說道。
物理AI可以概括定義為在硬體中實現的AI，能夠感知周圍世界，然後進行推理來執行或協調動作。流行的例子包括自動駕駛汽車和機器人——但利用AI執行任務的機器人已經存在了幾十年。那麼區別在哪裡？
高通自動駕駛和機器人業務副總裁兼總經理Anshuman Saxena表示，區別在於機器人推理、採取行動和與周圍世界互動的能力。
"思維鏈條、推理、大腦的整個概念，將在情境中工作並像人類一樣採取行動——這才是物理AI的真正定義，"Saxena說道。
例如，人形機器人能夠超越按指示執行移動材料或包裹等任務，而是能夠感知環境來直觀地執行任務。
然而，例子不必那麼複雜；事實上，根據高通XR、可穿戴設備和個人AI高級副總裁兼總經理Ziad Asghar的說法，你可能已經擁有物理AI的典型例子。
"智能眼鏡已經是物理AI的最佳代表，"Asghar說。"它們是一種基本存在的設備，能夠看到你所看到的；它們能夠聽到你所聽到的，所以它們在你的物理世界中。"
Saxena補充說，雖然人形機器人在人類不想執行任務的情況下會很有用，無論是因為任務過於繁瑣還是過於危險，但它們不會取代人類。這就是智能眼鏡等AI可穿戴設備發揮重要作用的地方，因為它們可以增強人類能力。
但除此之外，AI可穿戴設備實際上可能能夠通過提供基於現實生活視角和例子的高質量數據集，反饋給其他物理AI設備，如機器人。
"為什麼大語言模型如此出色？因為網際網路上有大量數據，提供了很多上下文資訊等等，但物理數據並不存在，"Saxena說。
他描述的問題是經常阻礙物理AI發展的問題。因為在現實世界中訓練機器人風險太大，比如讓自動駕駛汽車上路，公司必須創建合成數據模擬來訓練和測試這些模型。許多公司在CES上試圖解決這個問題。
英偉達發布了理解你周圍真實世界的新模型，可用於創建模擬現實生活場景的合成數據和模擬。高通提供了一個全面的物理AI堆棧，將在CES上發布的新高通Dragonwing IQ10系列處理器與AI數據收集和訓練所需的工具相結合。
為這種訓練創建數據集通常是一個耗時且昂貴的過程。然而，機器人可以使用人們每天已經使用的可穿戴設備的數據，這實際上是符合人類體驗的物理AI數據。
"想想這些傳感器、眼鏡，還有那麼多東西，如果我戴著眼鏡，基於'哦，我在這裡看到了什麼'採取行動，立即就會產生大量資訊，這也能幫助機器人，今天創造出一套新的資訊，"Saxena說。
考慮到使用你的日常數據來訓練機器人可能帶來的隱私擔憂，Saxena強調來自可穿戴設備的數據應該始終保持最高級別的隱私。因此，這些數據——應該已經被可穿戴設備公司匿名化——可能對訓練機器人非常有幫助。然後機器人可以創造更多數據，形成健康的生態系統。
"這種情境分享，你周圍的機器人和可穿戴AI設備之間的AI分享，我認為這是你將能夠獲得的好處，"Asghar補充道。
Q&A
Q1：什麼是物理AI？它與普通AI有什麼區別？
A：物理AI是在硬體中實現的AI，能夠感知周圍世界並進行推理來執行或協調動作。與普通AI的區別在於機器人的推理、採取行動和與周圍世界互動的能力，具有思維鏈條、推理和大腦的概念，能在情境中工作並像人類一樣採取行動。
Q2：智能眼鏡如何成為物理AI的代表？
A：智能眼鏡能夠看到用戶所看到的，聽到用戶所聽到的，它們存在於用戶的物理世界中。作為AI可穿戴設備，智能眼鏡可以增強人類能力，並通過提供基於現實生活視角的高質量數據集來反饋給其他物理AI設備如機器人。
Q3：物理AI發展面臨什麼挑戰？如何解決？
A：主要挑戰是缺乏物理數據進行訓練，因為在現實世界中訓練機器人風險太大。解決方案包括創建合成數據模擬來訓練模型，以及利用人們日常使用的可穿戴設備產生的數據，這些數據符合人類體驗且能幫助機器人學習。
