2024 年被視作具身智能發(fā)展“元年”，全球科技界紛紛搶灘布局。自艾倫·圖靈 1950 年提出相關(guān)概念，經(jīng)多年沉淀，在大模型與生成式 AI 助力下，具身智能從理論邁向應(yīng)用，成為當(dāng)前全球人工智能領(lǐng)域的前沿?zé)狳c(diǎn)和新浪潮。

國(guó)際上，科技圈大佬馬斯克、黃仁勛等積極推動(dòng)，谷歌發(fā)布 RT 系列機(jī)器人模型，RT - H 任務(wù)成功率顯著提升；英偉達(dá)成立 GEAR 實(shí)驗(yàn)室，推出 Project GR00T 及 Jetson Thor 平臺(tái)；微軟、OpenAI 也投身浪潮。特斯拉擎天柱機(jī)器人更是大顯身手，從日?，嵤碌焦I(yè)應(yīng)用，潛力無(wú)限。

國(guó)內(nèi)同樣呈噴薄之勢(shì)，2024 年上半年超 50 家具身智能概念創(chuàng)業(yè)公司涌現(xiàn)，融資活躍。其中，如智元機(jī)器人、星塵智能、逐際動(dòng)力等在人形機(jī)器人研發(fā)成果斐然。

具身智能之所以備受矚目，在于其擁有更強(qiáng)認(rèn)知與決策力，能在復(fù)雜環(huán)境自如交互、執(zhí)行任務(wù)，打破機(jī)械局限，有望顛覆計(jì)算機(jī)、智能手機(jī)、新能源汽車(chē)等產(chǎn)品。

由此，具身智能將數(shù)字世界與物理世界相連，未來(lái)必將深刻重塑各行各業(yè)，開(kāi)啟一個(gè)充滿(mǎn)無(wú)限可能的全新智能時(shí)代。據(jù)36氪研究院測(cè)算，我國(guó)具身智能的市場(chǎng)規(guī)模已從2018年的2923億元增長(zhǎng)至2023年的7487億元，年復(fù)合增長(zhǎng)率高達(dá)20.7%，并且有望在2026年突破萬(wàn)億。

數(shù)據(jù)瓶頸：制約具身智能發(fā)展的枷鎖

然而，在這一片欣欣向榮的背后，具身智能行業(yè)的發(fā)展之路卻并非坦途。當(dāng)前，行業(yè)面臨著諸多棘手的痛點(diǎn)，尤其是在數(shù)據(jù)訓(xùn)練與仿真這一關(guān)鍵環(huán)節(jié)，存在著嚴(yán)重的不足。

在具身智能領(lǐng)域，數(shù)據(jù)對(duì)于訓(xùn)練深度學(xué)習(xí)模型以增強(qiáng)和優(yōu)化機(jī)器人能力至關(guān)重要。這對(duì)系統(tǒng)性能與適應(yīng)性起著決定性作用。開(kāi)發(fā)具身智能系統(tǒng)需要海量且高質(zhì)量的數(shù)據(jù)集，這些數(shù)據(jù)需涵蓋機(jī)器人及其所處環(huán)境中的多樣化真實(shí)世界信息。

實(shí)際情況卻是，從機(jī)器人及其環(huán)境中捕獲此類(lèi)數(shù)據(jù)既極具挑戰(zhàn)性，又伴隨著高昂的成本。機(jī)器人數(shù)據(jù)相較于傳統(tǒng)的文字和圖片數(shù)據(jù)顯得尤為稀缺，除圖像數(shù)據(jù)相對(duì)較易獲取外，諸如摩擦、壓力、重量等物理知識(shí)數(shù)據(jù)的獲取難度極大。

同時(shí)，具身智能的數(shù)據(jù)涉及機(jī)器人與其動(dòng)態(tài)環(huán)境之間的復(fù)雜互動(dòng)，這些物理互動(dòng)還常常存在于多樣且常常不可預(yù)測(cè)的環(huán)境中。鑒于獲取大量高質(zhì)量和多樣化的數(shù)據(jù)成本過(guò)高，基于數(shù)字孿生的仿真已經(jīng)證明是一個(gè)有效的解決方案。

通過(guò)建立仿真平臺(tái)對(duì)于具身智能至關(guān)重要，因?yàn)樗鼈兲峁┝顺杀拘б娓叩膶?shí)驗(yàn)方式，確保了通過(guò)模擬潛在的危險(xiǎn)場(chǎng)景的安全性，為測(cè)試在各種環(huán)境中提供了可擴(kuò)展性，快速原型設(shè)計(jì)的能力，對(duì)更廣泛的研究社區(qū)的可訪問(wèn)性，精確研究的受控環(huán)境，用于訓(xùn)練和評(píng)估的數(shù)據(jù)生成，以及用于算法比較的標(biāo)準(zhǔn)基準(zhǔn)。

世界模型：解決數(shù)據(jù)瓶頸問(wèn)題的全新思路

對(duì)于制約具身智能發(fā)展的數(shù)據(jù)瓶頸，2024 年，AI 教母李飛飛發(fā)布的空間智能及相關(guān)大世界模型，猶如一顆重磅炸彈，在自動(dòng)駕駛及更廣泛的具身智能應(yīng)用場(chǎng)景中展現(xiàn)出了巨大的發(fā)展與應(yīng)用潛力，為解決數(shù)據(jù)瓶頸問(wèn)題提供了全新的思路。

與生成式 AI 工具生成的 2D 內(nèi)容不同，李飛飛的世界模型開(kāi)啟了從數(shù)字世界向物理世界的跨越征程，實(shí)現(xiàn)了從一維數(shù)字智能向三維空間智能的重大轉(zhuǎn)變。按照李飛飛的闡釋?zhuān)臻g智能意味著 AI 能夠在三維空間與時(shí)間維度中，以立體的視角進(jìn)行感知、推理以及行動(dòng)，并切實(shí)地與現(xiàn)實(shí)世界產(chǎn)生互動(dòng)交流。

世界模型在具身智能的潛在應(yīng)用范圍極為廣泛。以自動(dòng)駕駛為例，世界模型可以實(shí)時(shí)精準(zhǔn)地把握道路狀況，并對(duì)其變化趨勢(shì)進(jìn)行精確預(yù)測(cè)，重點(diǎn)聚焦于對(duì)環(huán)境的瞬時(shí)感知以及復(fù)雜變化趨勢(shì)的預(yù)估判斷。在人形機(jī)器人領(lǐng)域，世界模型對(duì)于導(dǎo)航、物體識(shí)別檢測(cè)以及任務(wù)規(guī)劃等關(guān)鍵任務(wù)起著不可或缺的作用，可以精準(zhǔn)地解析外部動(dòng)態(tài)環(huán)境，并構(gòu)建具有交互性和實(shí)體體驗(yàn)感的環(huán)境場(chǎng)景。而在虛擬社會(huì)系統(tǒng)模擬方面，世界模型可以敏銳地捕捉并預(yù)測(cè)更為抽象的行為動(dòng)態(tài)，諸如社會(huì)交往互動(dòng)以及人類(lèi)決策制定等過(guò)程。

極佳科技：具身智能的重要引擎和加速器

由于地緣政治影響，國(guó)內(nèi)率先布局世界模型和空間智能方向的先鋒企業(yè)，可對(duì)標(biāo)李飛飛World Labs，進(jìn)行國(guó)產(chǎn)替代的的極佳科技引發(fā)廣大關(guān)注度。該公司聚焦于視頻生成與 4D 世界模型在空間智能領(lǐng)域的探索與拓展，并已在機(jī)器人與元宇宙兩大領(lǐng)域的技術(shù)及商業(yè)層面均收獲顯著成果，收獲了知名度與口碑。

于自動(dòng)駕駛領(lǐng)域，極佳科技今年10月聯(lián)合中科院自動(dòng)化所、理想汽車(chē)、北京大學(xué)、慕尼黑工業(yè)大學(xué)等重磅力量，推出DriveDreamer4D。此乃全球首個(gè)借助世界模型優(yōu)化 4D 駕駛場(chǎng)景重建成效的創(chuàng)新成果，能顯著提升多種自動(dòng)駕駛 4D 重建算法效能，在用戶(hù)調(diào)研實(shí)驗(yàn)里，超 80%的高偏好投票彰顯其卓越性能，為邁向空間智能與 4D 世界模型筑牢根基。

DriveDreamer4D 作為駕駛場(chǎng)景的數(shù)據(jù)強(qiáng)援，可生成豐富多元視角數(shù)據(jù)，涵蓋變道、加減速等動(dòng)態(tài)場(chǎng)景，極大增強(qiáng)閉環(huán)仿真能力。它以世界模型為核心數(shù)據(jù)引擎，基于真實(shí)駕駛數(shù)據(jù)合成全新軌跡視頻，例如精準(zhǔn)模擬變道場(chǎng)景。不僅能優(yōu)化 PVG、S3Gaussian、Deformable - GS 等重建算法的圖像渲染品質(zhì)，還可提升駕駛前景（車(chē)輛）與背景（車(chē)道線）的時(shí)空連貫性。

該技術(shù)在實(shí)際駕駛場(chǎng)景模擬中表現(xiàn)卓越，全面精準(zhǔn)地復(fù)刻車(chē)輛行駛的物理動(dòng)態(tài)、交通規(guī)則以及各類(lèi)道路使用者的行為變化。無(wú)論是前方車(chē)輛的軌跡預(yù)判，還是行人意圖的洞察，甚至是道路與天氣狀況等環(huán)境因素的綜合考量，基于極佳科技 4D 數(shù)據(jù)引擎訓(xùn)練的自動(dòng)駕駛算法都能迅速反應(yīng)，防患于未然，為駕乘安全保駕護(hù)航。

憑借技術(shù)領(lǐng)先優(yōu)勢(shì)，極佳科技與地平線、億咖通等頭部主機(jī)廠締結(jié)深度定點(diǎn)合作，此乃業(yè)界對(duì)其技術(shù)實(shí)力的權(quán)威背書(shū)。在近期現(xiàn)代汽車(chē)集團(tuán)創(chuàng)新計(jì)劃頒獎(jiǎng)典禮上，極佳視界憑借 4D 世界模型與視頻生成領(lǐng)域的創(chuàng)新成果，榮膺“燈塔”創(chuàng)新開(kāi)放計(jì)劃“創(chuàng)新企業(yè)獎(jiǎng)”。

鑒于自動(dòng)駕駛是具身智能的關(guān)鍵落地場(chǎng)景，且二者在大腦構(gòu)造、開(kāi)放場(chǎng)景與路徑規(guī)劃以及算法層面的高度相似性與關(guān)聯(lián)性，在自動(dòng)駕駛領(lǐng)域成功構(gòu)建并驗(yàn)證世界模型且獲頭部廠商認(rèn)可的極佳科技，無(wú)疑在具身智能這片廣袤藍(lán)海中擁有發(fā)展的無(wú)限潛力與廣闊前景，有望成為推動(dòng)具身智能行業(yè)蓬勃發(fā)展的重要引擎與加速器。