跳到主要內容
AI 武林
影片進階中文3,716 次觀看

【十字路口】当具身智能走到十字路口|和苏度、蚂蚁灵波、自变量、破壳:四种一线判断【视频播客】

來源 Koji杨远骋

看影片(在新分頁開啟原站)連到 Koji杨远骋

其他版本:Podcast 版(在新分頁開啟)

摘要

本期播客探討 2026 年具身智慧面臨的資料、智慧與場景三大分歧。韓錚強調需結合模擬與真實資料,並指出真實資料在物理世界不可複製的價值;沈宇軍認為真實資料不可替代的原因在於物理世界感測器的非完美性與可擴充套件性;王潛指出具身智慧將成為大模型的延伸工具,並可能反哺大模型發展;許華哲則批評盲目追求資料量,並預見具身智慧將在五年內實現通用化服務。

This podcast explores the three diverging paths of embodied AI in 2026: data, intelligence, and scenarios. Experts discuss the necessity of combining simulation with real-world data, the unique value of physical sensors, how embodied AI may extend and even improve large language models, and the risk…

重點

  • 韓錚主張結合模擬與真實資料,真實資料在物理世界不可替代。
  • 沈宇軍認為真實資料不可替代因物理世界感測器非完美且不可複製。
  • 王潛指出具身智慧將成為大模型延伸工具,可能反哺大模型發展。

章節

依話題轉折切分,標題由 AI 產生

  1. 00:00資料與模擬:壓注模擬還是真機?
  2. 03:13資料不可替代性:真實世界的物理限制
  3. 07:50智慧爭奪:GPT-6 Astra 的降維打擊?
  4. 14:19具身任務:麻婆豆腐能否代表全能?
  5. 19:01Scaling Low 訊號:具身智慧的終極考驗
  6. 23:31技能泛化:高成功率與高泛化性的平衡
  7. 26:48商業化指標:誰能證明巨深已脫泡沫?
  8. 29:57商業化本質:持續營收才是終極判準
  9. 34:52具身智慧誤解:為什麼機器人好用難?
  10. 38:04具身智慧路徑:物理世界與數字世界的差異
  11. 41:08具身智慧挑戰:RSI 的物質重製造難點

提到的工具與公司

  • OpenAI
  • Anthropic
  • GPT-6 Astra
  • DeepMind

適合誰看

對具身智慧發展趨勢、資料策略及未來商業化前景感興趣的技術決策者與創業者。

摘要依據

依據
語音轉文字

為什麼排在這裡

人氣
0.39
新鮮
0.93

在主題頁與搜尋結果裡,名次由相關、人氣、新鮮三個分數決定;這一頁沒有搜尋的關鍵字,所以沒有相關分數。排序怎麼算

摘要由 AI 根據原文產生,可能有誤;完整內容請看原站。看影片(在新分頁開啟原站)