機(jī)器人端側(cè)模型的十字路口

大模型、機(jī)器人與芯片廠商的拉力賽。

原標(biāo)題：機(jī)器人端側(cè)模型的十字路口
文章來源：AI科技評論
內(nèi)容字?jǐn)?shù)：14620字

大模型、機(jī)器人與芯片廠商的“不可能三角”：誰將破局？

近年來，大模型和具身智能機(jī)器人成為科技發(fā)展兩大驅(qū)動力，兩者結(jié)合提升機(jī)器人智能水平成為重要趨勢。然而，大模型在機(jī)器人終端的落地卻面臨“不可能三角”的困境：模型廠商依賴芯片廠商，芯片廠商依賴機(jī)器人廠商，機(jī)器人廠商又依賴模型廠商，形成負(fù)反饋循環(huán)。

1. 大模型賦能機(jī)器人：挑戰(zhàn)與機(jī)遇

大模型為機(jī)器人提供“大腦”，提升其泛化和規(guī)劃能力，但目前主要用于簡單任務(wù)理解和拆分。大模型的泛化、規(guī)劃、糾錯等能力在機(jī)器人領(lǐng)域的應(yīng)用仍處于初步階段，主要原因在于：

1. 缺乏適合機(jī)器人的模型框架：目前缺乏像LLM一樣統(tǒng)一的架構(gòu)，不同形態(tài)的機(jī)器人對大模型有不同要求。

2. 數(shù)據(jù)不足：模型廠商難以獲取大量、多元化的預(yù)訓(xùn)練數(shù)據(jù)，導(dǎo)致模型泛化能力不足，尤其在精細(xì)動作控制方面。

3. 知識壁壘：大模型廠商和機(jī)器人廠商之間存在知識壁壘，難以有效融合。

2. “機(jī)器人大腦”的三角拉力賽

機(jī)器人廠商的量產(chǎn)不足是核心問題。目前機(jī)器人主要面向?qū)I(yè)用戶，應(yīng)用場景有限，導(dǎo)致數(shù)據(jù)積累不足，難以訓(xùn)練出高性能的模型。這又反過來影響芯片廠商的研發(fā)投入，因?yàn)槿狈κ袌鲂枨螅m配機(jī)器人端側(cè)模型的芯片迭代緩慢。

1. 數(shù)據(jù)標(biāo)注困難：機(jī)器人數(shù)據(jù)采集和標(biāo)注成本高昂，需要真機(jī)采集多元化數(shù)據(jù)。

2. 算力瓶頸：云端大模型難以在機(jī)器人端部署，而端側(cè)小模型能力有限，需要在能力和算力之間尋求平衡。

3. 芯片適配難題：模型需要與不同芯片適配，且低功耗芯片的算力限制嚴(yán)重影響模型性能。

3. 如何打破“死循環(huán)”？

打破“不可能三角”需要三方合力：模型廠商、芯片廠商和機(jī)器人廠商需要共同努力。

1. 端云協(xié)作：在云端訓(xùn)練大模型，再通過知識蒸餾等方式得到小模型部署在終端。

2. 非Transformer架構(gòu)：探索非Transformer架構(gòu)，降低算力要求和功耗。

3. 芯片適配優(yōu)化：模型廠商和芯片廠商合作優(yōu)化推理框架，充分利用芯片算力。

4. 機(jī)器人廠商提升量產(chǎn)：增加機(jī)器人出貨量，擴(kuò)大應(yīng)用場景，吸引更多資源投入。

最終，機(jī)器人大模型的發(fā)展需要模型、芯片和機(jī)器人廠商的共同努力，只有打破現(xiàn)有瓶頸，才能形成正向循環(huán)，實(shí)現(xiàn)機(jī)器人智能水平的快速提升。

聯(lián)系作者

文章來源：AI科技評論
作者微信：
作者簡介：雷峰網(wǎng)旗下AI新媒體。聚焦AI前沿研究，關(guān)注AI工程落地。