AI机器人发展热潮下,众多机器人企业纷纷入局,研发的高门槛需投入大量资金及资源,如何构建更良性的产业生态,提升行业效率,使机器人企业达到最优化的投入产出比?6月23日,在京东数科产业AI公开课第二季第四期《AI能否催生机器人的“后浪”时代》中,清华大学人工智能研究院常务副院长孙茂松与京东数科副总裁曹鹏围绕AI机器人的产业发展趋势展开深度探讨。曹鹏系统性介绍了京东数科AI机器人两大发展方向,一是在纵向的研发维度以云脑、机脑、人脑的“三脑”融合体系做强自身的底层技术;二是在横向的行业维度开放机器人底层能力,打造开放平台,共建机器人产业生态体系。
曹鹏表示,目前机器人产业整体还处于比较早期的阶段,底层基础能力不足,每一个细分领域在应用具体场景时,都需要从头开始“造轮子”。机器人研发需要的巨大投入和细分市场小规模收益之间的矛盾,导致很多服务于细分市场的机器人公司产品落地能力受限。在曹鹏看来,单一去解决某个具体场景的痛点对于整个产业效率提升意义有限,机器人行业更需要打造完善的基础能力平台,而这也是京东数科在机器人领域的重要方向,将打造开放平台,为行业构建底盘、机械臂、路径规划、空间定位等底层技术能力。
京东数科自主研发的AI机器人系列产品
除了在横向的行业广度打造机器人底层开放平台,京东数科还在纵向维度以云脑、机脑、人脑的“三脑”融合体系做强自身的底层技术研发。云脑,即云计算,在云端强大的算力下,帮助AI机器人有效解决复杂场景的各种问题;机脑,即边缘计算处理能力,能够解决具体场景里面的个性化问题;人脑,即人类的脑力,由于机器人实际上智能化程度有限,尚不能完全自主,还需要有人类参与进来与其进行交互,加速机器人的智能进化。在曹鹏看来,“三脑”融合将带动AI机器人价值提升,助推各产业实现智能化、数字化转型。
清华大学人工智能研究院常务副院长孙茂松也表示,传统工业场景下的机器人,其严格地说并不能称作机器人。“它只会按照我们设定的程序执行,而人工智能机器人在AI技术的加持下,拥有一定的自主学习能力和操作能力,这是二者之间的本质差别”。在物联网、云计算、5G网络的加持下,现在的机器人脱离了机械化的范畴,具备了真正意义上的智能化,应用场景也得以不断拓展。
以京东数科为例,近年来其围绕机房巡检、室内运送、铁路巡检等场景自主研发了系列AI机器人产品,如室内运送机器人已在疫情期间落地某上海新冠确诊病例收治中心,减轻了医护人员在高危场景下的工作压力;机房巡检机器人在国有大型商业银行数据中心的无网络环境下自主工作;铁路巡检机器人可以在高原铁路的无人区保障铁轨安全,也保护了铁路巡检员的人身安全。
然而,在细分场景把机器人产品做扎实并不是京东数科的最终目标,通过这些现有产品打磨基础能力,开放给机器人产业细分场景才是价值所在。曹鹏表示,京东数科从机器人几大核心应用场景中积淀出标准化的产品和服务,并开放给更多机器人中小型企业,帮助其降低基础研发成本,助力其在细分领域的落地,进而构建起更良性的产业链共生共荣生态。
京东数科产业AI公开课第二季话题聚焦“疫情之后,机器人是否会迎来新浪潮”,由中国科协科学技术传播中心担任指导单位,清华大学人工智能研究院自然语言处理研究中心、清华大学人工智能研究院智能机器人研究中心与京东数科产业AI中心联合主办。本季邀请到来自清华大学、中科院等10位产学研资深嘉宾,围绕当下机器人的核心技术突破,以及与产业应用结合的多个细分领域进行深度探讨。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。