#人工智能创作者签约季#
AI发展的两条主要路线：一条路线是以语言为元模态，这是当前大型语言模型所采取的主要路径。在这条路线上，所有的信息和知识，无论是图像、声音还是其他形式的数据，最终都被转化为某种形式的符号表示并映射到统一的语义空间，由语言模型进行处理和理解。也就是说，目前的多模态模型虽然能处理图像、声音等，但本质上仍是将一切转化为抽象的token，并在统一的语义空间中操作。

另一条路线则是具身智能路线，强调直接的，直接的，直接的物理世界感知和交互。在这条路线上，AI不仅仅是处理抽象的符号，而是通过各种传感器直接感知世界，并通过物理行动与世界互动。这种方法更接近于生物智能的发展方式，允许AI形成更丰富、更直接的世界模型。具身智能的传感器（如触觉、压力、温度、平衡感等）提供了完全不同的信息类型。

虽然语言模型的成功使我们看到了纯符号处理的潜力，但要迈向真正的AGI，物理世界的直接体验和互动是不可或缺的组成部分。因为基于网络数据训练的大模型已触及认知边界，单纯增加参数量和数据量再也难以带来质的突破，参考Gork3的成本与收益。而且，具身智能不仅是为了获取更多数据，而是为了获取本质上不同的数据，并在根本上改变AI学习和理解世界的方式。所以未来最强大的AI系统可能是将两者优势结合的混合系统：既具备语言模型的抽象推理能力，又拥有具身智能的物理交互能力。

自动驾驶作为具身智能的先行场景，其"感知-决策-规划-控制"架构与Tesla的技术复用经验，已为具身智能提供了重要参考。具身智能的物理载体呈现多样性，从固定底座到人形机器人，没有单一最佳形态，而应基于场景需求选择，只是说人形机器人的形象更加符合大众固定思维，而且它的泛用性在多场景应用中也的确具有独特优势。不过因为当前的数据驱动模型仍难以真正理解因果关系，多模态融合能力有限，所以具身智能难以在开放环境中可靠运行。而世界模型的出现为解决这些挑战带来希望：如NVIDIA Cosmos等世界基础模型提供了符合物理规律的仿真环境，不仅降低了数据采集成本，还为具身智能提供了"演武场"，使其能在闭环环境中快速学习。这种技术进步将加速具身智能的发展浪潮，推动AI向真正的通用人工智能迈进。