AI大模型助力人形机器人：从预训练到任务微调

图片来源：摄图网

据相关媒体报道，人工智能聊天机器人ChatGPT在移动领域的努力获得了丰厚回报，但也正面临挑战。从积极的方面来看，安装数量和营收都在持续增长，9月份在这两个方面都创下了新纪录。到目前为止，7月份增至274万美元，8月份为381万美元，9月份创下了458万美元的最新纪录。

然而，根据市场情报公司Appfigures的最新数据，其营收增长已经开始放缓。虽然在过去的几个月里，ChatGPT的收入增长超过30%，其中7月份为31%，8月份为39%，但到9月份，这一数字降至20%。

ChatGPT营收增长放缓的原因可能有几个方面。首先，ChatGPT的初期推出引起了广泛关注，但随着时间推移，新鲜感逐渐消退，用户需求可能趋于饱和。其次，ChatGPT在应用场景上还存在一定的限制，无法完全替代人工客服或其他解决方案。此外，ChatGPT可能面临着技术上的挑战，如准确性、语义理解等方面的问题，这也可能导致用户对其信任度下降。最后，市场竞争激烈，其他竞争对手的产品不断涌现，也对ChatGPT的市场份额造成了一定冲击。

——AI大模型是一种新的智能计算范式

大规模智能模型，也被称为超大规模智能模型或大模型，是一种新兴的人工智能计算模式。与传统的AI模型相比，大模型在训练过程中使用的数据更多，因此具备更好的泛化能力，能够适用于更为广泛的下游任务。根据应用场景的不同，AI大模型可分为语言大模型、视觉大模型以及多模态大模型等。当前，业界已有一些著名的自然语言大模型，如GPT-3、源、悟道和文心等。而在视觉领域，大模型也得到了广泛的应用，例如在自动驾驶、智能安防和医学影像等领域。此外，基于多模态的大模型，尤其是以文生图技术为核心，也正快速发展。值得注意的是，AI内容生成（AI Generated Content，AIGC）已经逐渐成为人工智能发展的下一个重点领域。

——AI大模型助力人形机器人拆解任务

人形机器人的决策挑战更大：其决策过程依赖于感知层收集的数据来做出判断，进而指导机器人身体的运动规划和指令发布。虽然特斯拉的人形机器人与FSD底层模块实现了互联互通，使得部分算法可以得以重复使用，但是由于人形机器人需要完成人类的各类动作，这些动作的连贯性和复杂性都相当高，同时还需要频繁地进行物理互动，并且操作的因果关系也非常复杂，因此，人形机器人的决策难度要远远超过自动驾驶系统。

随着人工智能大模型的迅速进步，ChatGPT在人形机器人拆解任务中发挥着越来越重要的作用。这种卓越的语言推理能力和编程技巧使得ChatGPT能够有效地分解复杂的人形机器人拆解过程，并提供精确的运动规划目标函数。

——预训练大模型成为人工智能领导者的竞争焦点

预训练大模型作为人工智能产业发展的重要策略，其基础在于海量行业数据和知识的积累，以及强大的算力集群。这种方法能够在预先训练基础模型的同时，根据应用场景的数据和需求，实现“预训练大模型 任务微调”，从而达到“工业化”的高效率开发目标。开发者可以借助预训练大模型，仅需少量数据，就能迅速构建出精度更高、泛化能力更强的行业模型。预训练大模型的应用，不仅提升了人工智能项目的开发效率，降低了研发成本，减少了研发时间，还能有效解决人工智能项目碎片化的问题。

根据Omdia的最新数据，我国开发人员对于基于昇思MindSpore构建的盘古NLP大模型表现出了极大的热情。这主要源于几个方面的因素。首先，在技术层面，盘古NLP大模型处于行业前沿，其拥有千亿参数的大规模模型学习能力，并掌握了40TB的中文文本数据，这使得其在中文领域具有独特的竞争优势。其次，盘古NLP大模型能够满足多种场景下的语言处理任务和需求，具有较强的泛化能力，因此在知识问答、知识检索、知识推理等文本生成领域有着广阔的应用前景。此外，盘古NLP大模型对开发者来说十分友好，用户可以通过简单地拖拽操作来使用大模型，降低了开发和生产的成本。这也从另一个侧面证明了盘古大模型的开放性，开发者可以轻松地在不同平台上调用盘古大模型，实现与各类工具和应用的无缝对接。

百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜表示，AI大模型百花齐放的现象表明了一个趋势，即生成式AI在未来可能会对产业结构以及社会带来深刻的影响。现在只是刚刚拉开帷幕，AI对产业的渗透正在加深。毋庸置疑的是，生成式AI将推动全球生产力革新与商业模式重塑。