复利投研社
Region: US
Wednesday 21 October 2026 11:19:26 GMT
780
23
3
5
Music
Download
Comments
great_scientist_Marx_大科学家马克思 :
通用人工智能物理世界模型很难一步到位开发成功。按规律也应该是先在各行业软件中一步步实现，最终升华为通用模型。
2026-10-22 05:29:44
0
機器人美女皮囊研究坊 :
未來實體 AI 的構想：讓老師傅的經驗，成為全世界器人的技能 未來 AI 產業的競爭，不應只追求更大的運算中心、更昂貴的 AI 機櫃，而應朝向工廠自主學習、資料留在本地、技能可以複製、機器人能適應不同環境的方向發展。 以下構想，供全球 AI、機器人及自動化產業參考。 一、讓老師傅成為 AI 的老師 各行各業都有數十年經驗的老師傅，例如裝配設備、開挖、割草、養殖人員、焊接、農作、搬運、組裝及機械加工。 透過穿戴式感測服，記錄老師傅的身體姿勢、手部動作、操作速度、工具位置、施力大小及工作結果，讓 AI 學習真正的工作技能，而不只是模仿表面動作。 二、空中機器蜂或無人機建立 3D 真實環境 單靠老師傅的動作資料，機器人仍無法適應所有工作場所。 因此，可搭配配備 LiDAR 光達、立體攝影機及定位設備的無人機，建立工作區域的 3D 地形圖，再由地面機器人的感測器補充即時資訊。 例如，怪手、剷平機操作、養殖人員、割草機器人等到達新地點時，必須重新辨識坡度、排水溝、石頭、草況及障礙物，將環境資料與已學會的挖土及割草技能結合，才能安全工作。 三、建立工廠自己的 AI 大腦 我希望未來能出現一套體積小、價格合理的廠內 AI 系統，整合技能學習、3D 場景分析、模型微調、測試及機器人部署。 企業不必每次都依賴外部雲端，也不必從零訓練所有大型模型。製造機密、老師傅的技能資料及生產資訊，可以留在企業內部管理。 四、技能可以複製，環境必須適應 未來可以建立兩種獨立又能結合的資料： **通用技能庫：**學會裝配、挖土、割草、焊接、搬運、採收等工作方法。 **當地環境庫：**記錄各地的地形、障礙物、工作條件及即時變化。 當新機器人接到任務時，載入相容的技能套件，再透過無人機及地面感測器建立當地環境模型，必要時進行微調及安全驗證。 如此，同一套割草技能就可能應用於不同地區，而不必每換一個地方，就重新訓練整套 AI。 五、未來值得突破的商業模式 我期待產業能逐步實現： 老師傅示範 → AI 學習技能 → 3D 掃描環境 → 廠內主機整合與微調 → 技能部署到機器人 → 現場感測與持續改善。 這不代表一塊晶片就能直接控制所有品牌的機器人，而是希望透過標準化的技能套件、相容的運算模組及安全控制，讓技能更容易移植與更新。 大型 AI 模型的基礎訓練，仍可能需要大型運算設備；但許多工廠的專屬技能學習、微調與日常運作，應盡可能在本地完成。 六、想告訴全世界 未來實體 AI 的價值，不只是讓機器人能夠動作，而是讓機器人真正學會人類的工作經驗，理解現場環境，並安全、穩定地完成任務。 期待未來的工廠，不必把所有機密交給雲端，也不必為每一種工作重新打造龐大的 AI 系統，而是能擁有自己的 AI 大腦，讓老師傅的經驗化為可驗證、可更新、可移植的機器人技能。 這不只是技術的進步，更是讓中小企業也有機會運用 AI、降低自動化門檻，並將人類累積數十年的專業經驗傳承下去。 讓 AI 學會人的技能，讓機器人適應真實世界，讓企業掌握自己的智慧。這是我對未來實體 AI 的期待。
2026-10-24 22:41:30
0
To see more videos from user @user68195088305177, please go to the Tikwm
homepage.
