文章來源：遠川科技評論

圖片來源：由無界AI生成

2021年的特斯拉AI Day，特斯拉PPT首發了人形機器人Tesla Bot的概念機設計方案。按照馬斯克畫的大餅，Tesla Bot可以完全代替人類“從事重複性/無聊的工作”。

也許是擔心在場觀眾干看PPT無聊，馬斯克請來了一位身着緊身衣的皮套人，模仿Tesla Bot尬舞了一段。

AI Day結束，科技媒體The Verge表示，馬斯克的Tesla Bot就是個笑話[1]。文章還援引中央蘭開夏大學機器人工程教授Carl Berry的評價：說它是馬糞都算抬舉它了（horse shit sounds generous, frankly）。

Carl Berry還專門搬出機器人領域的網紅公司波士頓動力，認為後者正在踏踏實實的做事，而特斯拉在加深公眾對機器人不切實際的幻想。

今年4月，特斯拉的皮套人尬舞再度被拉出來鞭屍。在波士頓動力展示新款機器人的視頻中，機器人以一種靈活到有些詭異的方式從地上站起來。

波士頓動力也在推特上陰陽怪氣了一句：“我們保證這不是一個穿着緊身衣的人。”

事情的起因是，波士頓動力宣布11歲“高齡”的人形機器人Atlas正式退休——Atlas算得上是初代機器人網紅，它被波士頓動力員工一棍子撂倒，接着踉踉蹌蹌爬起來的視頻，一度引發了“停止霸凌機器人”的后現代哲學思考。

結果Atlas領退休金的第一天，“煥新版”Atlas正式出道。最大的變化是，波士頓動力拋棄了原有的液壓結構，改為電機驅動。

目前，“煥新版”Atlas的宣傳片已經在YouTube上收穫了500多萬播放量。

相比Atlas熟悉的后空翻大劈叉，相較之下，去年年底的第二代Tesla Bot才剛學會緩慢行走和90度深蹲。

加上馬斯克近幾年大餅畫的太多，也不難理解The Verge會提出“機器人為什麼要像人”的質疑。

然而，可能恰恰是2021年PPT上的Tesla Bot和滑稽的皮套人尬舞，決定了波士頓動力的命運。

谷歌發現了什麼？

相比荒誕開場的Tesla Bot，波士頓動力這家公司是機器人領域根正苗紅的祖師爺。

波士頓動力成立於1992年，前身是麻省理工學院的腿部實驗室，長期致力於有腿機器人的研究。

2012年，DARPA（美國國防高級研究計劃局）為了推動機器人研究，資助了一場機器人挑戰賽，波士頓動力由此進入美國軍方的視野。

DARPA是五角大樓旗下的研究機構，和NASA一起誕生於美蘇爭霸的白熱化時期，目的是藉助國家意志確保美國在高科技領域的領先。只不過NASA負責地球以外，DARPA負責地球以內。過去幾十年間，DARPA直接或間接的推動了GPS、互聯網等技術的誕生。

2012年，正值DARPA在機器人、自動駕駛等領域大力投資，為了降低參賽門檻，DARPA希望能有一款標準化的人形機器人，供參賽團隊編程。

在這之前，波士頓動力已經為DARPA開發了多款產品，比如外型神似野豬的LS3，能夠穿梭於各種極端戰場環境，快速運送物資。

波士頓動力LS3

2013年7月，在DARPA的資助下，波士頓動力打造出了身高1.88米，重達150千克的初代Atlas。這個新聞很快傳到了谷歌的耳朵里，波士頓動力的命運隨之改變。

當時，谷歌正在秘密籌備一個代號為“Replicant（複製人）”的機器人項目，由“安卓之父”安迪·魯賓親自帶隊。按照魯賓的設想，谷歌將打造一個編程平台，從而推動機器人普及，最終在機器人身上復刻安卓系統的成功[3]。

為了這個龐大計劃，谷歌瘋狂掃貨，一口氣收購了九家機器人初創公司，Atlas問世不到半年，波士頓動力就被谷歌收入囊中。此後，Atlas的迭代速度也坐上了火箭。

2016年，波士頓動力毫無徵兆的發布了一則新款Atlas的演示視頻，視頻中Atlas熟練的行走跳躍，尤其是被推倒在地后，仍能自主起身繼續完成工作，整個過程栩栩如生，帶給公眾的震撼不亞於2022年底ChatGPT的問世。

目前，這條視頻的Youtube播放量已經積累到了4059萬。2017年，Atlas再接再厲，用一個精彩的后空翻再度把波士頓動力送上全球熱搜。

Atlas表演后空翻，2017年

然而，就在波士頓動力風頭正盛的2017年，投資了五年之久的谷歌卻將其甩賣。按照彭博的說法，谷歌管理層的核心分歧在於商業化。

波士頓動力希望埋頭研究，但谷歌希望儘快打造能商業化的產品：“我們不可能用30%的資源去投入一個需要10年以上的項目[4]。”

在彭博的報道中，豐田和亞馬遜都是潛在的買家，但波士頓動力最終被賣給了軟銀，2020年又被賣給了韓國現代。

谷歌內部，安迪·魯賓因性醜聞被掃地出門，Replicant項目也草草收場，劃上一個滿是遺憾的句號。

一家明星公司在當打之年被潦草脫手，谷歌內部真實的決策過程難以知曉。但在這個過程中起到決定性作用的，很可能是2017年發生在谷歌內部的另一件事。

我來組成頭部

2017年6月，谷歌的8位AI科學家聯名發表了一篇名為《Attention Is All You Need》的論文。這是繼2012年AlexNet勇奪ImageNet挑戰賽冠軍之後，人工智能發展史上的又一個裡程碑事件。

谷歌的科學家在論文里提出了一種“注意力機制”，並基於此開發一個名叫Transformer（變形金剛）的深度學習模型，解決了傳統RNN模型的一系列問題。

2020年，谷歌又提出了Vision Transformer ( ViT )概念，賦予了Transformer處理圖像的能力。

隨着Transformer一口氣解決了眾多缺陷，它漸漸發展成了AGI領域的唯一解。

2012年的AlexNet讓AI有了“感知”的能力，而Transformer和之後的大模型讓AI有了“生成”的能力。換句話說，2012年的AI可以識別出各種各樣的貓，2017年之後的AI已經可以自己生成貓的圖片了。

因此，Transformer的推出直接開啟了今天的大模型時代，2018年6月，OpenAI推出了基於Transformer模型的GPT-1，GPT里的“T”，就是Transformer的首字母。此後，OpenAI沿着這條路線持續迭代，並基於GPT模型開發了ChatGPT。

在大模型百花齊放的同時，Transformer也為人形機器人的進步打開了一扇窗戶。

傳統機器人大多基於特定的規劃執行特定的操作，比如運輸、分揀，不具備感知和決策能力。人形機器人不僅能與物理世界交互，還有感知和理解能力。

舉一個不太恰當但好理解的例子：送餐機器人執行“把外賣送到1203號房”這個任務時，並不理解什麼是“外賣”和“1203號房”，只是根據軟件系統既定的指令和路線規劃完成任務。

但人形機器人可以藉由智能化，理解物理世界各種物體、語言和文字的含義，並自主規劃和決策。也就是說，機器人可以不依賴預先的編程，就能完成諸如“關掉最上層抽屜”等較為模糊的指令。

波士頓動力的問題在於，無論Atlas的机械與動力結構多麼優秀，都無法解決“窮舉法”的問題。

Atlas的軟件原理是通過攝像頭與傳感器輸入外界環境數據，再根據提前創建的行為庫，執行對應的動作。在其官方的文檔里，波士頓動力坦誠了這麼做的弊端：

“如果盒子向一側移動了0.5 米，那麼Atlas會找到並完成跳躍；如果盒子移動得太遠，那麼系統將停止[5]。”

由於Atlas的所有動作都依賴提前設計的模版，那麼真實環境的一點點變化，都可能讓機器人無所適從。這也是為什麼傳統機器人只被用於環境、路線和職能極度固定的工廠、酒店送餐等場景。

而Transformer帶來的思路是，只要讓機器學習足夠多的數據，就能擁有類人的智能，可以脫離預設的規劃進行自主決策。

去年7月《紐約時報》探班谷歌實驗室， 完整記錄了基於RT-2模型的機器人智能閃現的瞬間：

桌子上放着一堆塑料玩具，工程師讓單臂機器人“撿起滅絕的動物”，機器人拿起了恐龍。

這意味着機器人不僅能識別三種動物，也能理解“滅絕的動物”的含義，還可以完成具體的操作。

Google RT-2

Transformer的出現徹底改變了機器人的技術路徑，在感知-決策-執行的完整鏈條中，核心能力不再是驅動機器人後空翻大劈叉的机械結構，而是組成機器人大腦的軟件算法。

人工智能的進步在各行各業上演着軟件對硬件的奪權，機器人只是其中之一。
另一個正在由軟件定義的行業是自動駕駛，這也是為什麼馬斯克會說：當你能解決自動駕駛，你就能解決現實世界中的人工智能。

特斯拉的三張牌

特斯拉在AI世界的出場，常常呈現某種荒誕不經的色彩。

2022年特斯拉備受期待的Tesla Bot第一次“真人”亮相，居然要依靠三名壯漢攙扶。兩個月後ChatGPT橫空出世，Tesla Bot成了一塊無人問津的背景板。

然而，特斯拉在機器人領域的積累，可能比任何一家公司都要深厚。

自動駕駛本質上是機器人的一個“前置產業”，兩者的核心都是基於人工智能，實現感知-決策-執行的完整鏈條。

這就意味着無論是軟件層面的算法，還是硬件層面的視覺傳感器、FSD芯片等零部件，理論上都可以用於人形機器人。

特斯拉也的確是這麼做的：Tesla Bot共配置有3顆攝像頭，左右眼各一個，外加一顆魚眼廣角。芯片是和特斯拉電動車一模一樣的FSD自動駕駛芯片。軟件上，Tesla Bot也承襲了自動駕駛的技術方案。

2023年特斯拉股東大會，馬斯克也確認了這一點：特斯拉已經打通了自動駕駛芯片FSD和機器人的底層模塊，實現了一定程度的算法復用。

任何人工智能的發展都需要算法、算力、數據三駕馬車來拉動，算法決定了計算機用什麼方式識別事物；但算法又需要足夠大的算力來驅動；同時，算法的提升又需要大規模高質量的數據；三者相輔相成，缺一不可。

算法和算力層面，特斯拉已經藉助電動車業務，完成了從雲端（D1）到終端（FSD），核心軟硬件的自研。

數據層面，2022年的AI Day上，特斯拉宣稱已經存儲的有價值訓練數據集有23.2萬幀，驗證數據集0.38萬幀。上百萬車主正在源源不斷的為算法訓練貢獻着數據。

馬斯克本人在AI領域的涉足也常被忽略，他是OpenAI的創始人之一，也是DeepMind的早期投資人。他參与的人工智能公司還有腦機芯片Neuralink、聊天機器人Grok。特斯拉每天接受並處理的視頻畫面超過1600億幀，這很可能是商業公司能擁有的最大的真實世界數據集。

波士頓動力很可能意識到了這個問題，但“煥新版”Atlas最大的改變，是從液壓改為全電動，最大的好處可能是降低成本。

在一次採訪中，創始人Marc Raibert曾表示Atlas在一定程度上激勵了馬斯克制造Tesla Bot的想法。但在人工智能殘酷的競爭中，波士頓動力已經落後太多。

波士頓動力的問題在於，他們用了20年的時間試圖教會機器人如何“運動”，但實際上，機器人應該先學會“思考”。

或許在不久的將來，判斷機器人的智能化程度，可能不是看它會不會後空翻大劈叉，而是能不能從九張圖片中選出包含紅綠燈或摩托車的圖片，或者滑動滑塊使圖片位於正確的角度。