文|姚悅

　　“沒有藝術，全是物理!物理讓你快樂，不是嗎?”

　　近日，在世界計算機圖形會議 SIGGRAPH 2023 上，英偉達創始人、CEO 黃仁勛宣布，將生成式AI與仿真模擬平臺Omniverse結合的時候，如同他宣布“AIGC是iPhone時刻”一樣興奮。

　　不同于大語言模型只能應用在圖文，有了基于物理規律的仿真模擬平臺，生成式AI就可以直接用到現實世界。

　　除了黃仁勛，美國斯坦福大學李飛飛團隊，近期也將大模型接入機器人，不僅使得機器人能夠與環境有效交互，還能夠在無需額外數據和訓練的情況下完成各種任務。

　　“基于物理世界模擬的生成式AI，是生成式AI 2.0”，跨維智能創始人、華南理工大學教授賈奎對光錐智能表示，與具身智能的結合，生成式AI 將發揮出更確定性的作用。

　　而隨著通用能力的增強，AI也有望打破商業化的“魔咒”。

　　當生成式AI學會物理

　　將生成式AI與物理世界結合，并不容易，這里面涉及的技術鏈條非常長。

　　首先，需要對物理世界基本規律的掌握，才能將真實世界建模到仿真模擬平臺。

　　仿真模擬平臺，不僅可以仿真物理場景，還可以模擬真實世界中物體之間相互作用、運動和變形。

　　而生成式AI的加入，會讓仿真模擬平臺擁有“預演”能力。

　　“人類從小就知道的物理常識，AI卻不知道。”黃仁勛表示，“生成式AI和仿真模擬平臺結合，就是要讓AI的未來能夠在物理上扎根。”

　　黃仁勛進一步解釋，讓AI在虛擬世界中學習如何感知環境，并通過強化學習來理解物理行為的影響和后果，讓AI實現特定目標。

　　這就需要用生成式 AI，預測物理世界中的千萬種、甚至上億種可能性，形成有價值的合成數據。

　　比如機械臂需要通過3D視覺的“眼睛”才能精準抓取，但如何排除環境變化的干擾，認出待抓取的物體(比如工廠里的零部件)?

　　通過仿真模擬平臺掌握了“光線對場景目標的反射、折射影響”等物理規律，生成式 AI就能預測模擬出一個瓶子，在不同場景光照下，周身不同的反光程度;同一光照下，金屬、塑料、木制品等不同材質物體表面呈現的狀態;一堆釘子，所有可能出現的散落狀態……

　　再次，需要將所有數據，都在仿真模擬平臺中用AI都跑一遍。

　　這一步，就是在訓練3D視覺大模型。區別于大語言模型，3D視覺大模型對于理解和推理視覺場景的組成特性至關重要，需要處理對象之間的復雜關系、位置、以及現實環境中的變化等。

　　最后，再連接上機械臂等具身智能的硬件，才能讓其學會智能化操作。

　　可以看到，生成式AI與物理世界結合的整個技術鏈條，不僅涉及物理學、圖形學、計算機視覺、機器人多學科交叉，還包括數字孿生、幾何深度學習、運動學解算、混合智能、智能硬件等多維前沿技術。

　　相應的，整個產業的鏈條也比較復雜，需要從數據到模型，再從模型到部署。

　　在這些環節中，有一個節點和此前AI的路徑非常不同，那就是“合成數據生成”。

　　用基于物理規律的生成式AI合成的數據，去訓練大模型，將給實體產業帶來跨越式的革命。

　　不用一張真實圖片，訓練3D視覺大模型

　　為什么不直接用真實數據訓練大模型?

　　目前，行業內多數基于3D視覺的機械臂，其控制系統的算法訓練所使用的就是真實數據。因為商業隱私等問題，這些真實數據很難在通用數據中獲取，基本都是企業自行采集。

　　然而，自采真實數據，首先在“效率和成本”這兩個運營的關鍵指標上，性價比就非常低。

　　這是因為，終端應用場景碎片化，數據根本不能通用。采集真實數據，企業就需要一個一個行業，一個一個工廠，一個一個場景的“地毯式”采集。而且，采集回來的數據也不能直接用，還需要進行一系列處理。

　　這個過程中，甚至產生了“人工智能悖論”。

　　“采集真實數據，AI技術的成本構成中，半數以上都是數據成本，而對數據的采集、清洗、標注、增強等處理過程，往往是大量人力堆積的結果。”有分析人士就曾指出，人工智能的本質是代替人工的智能。“諷刺的是，這樣的AI具備顯著的勞動密集型產業特征。”

　　如果用合成數據呢?

　　“用五六年、上千個案例積累的真實數據，通過合成數據，幾天幾周就能完成。”賈奎告訴光錐智能，相比于人工采集與標注數據，合成數據的成本能夠實現幾個數量級的降低。

　　最關鍵的還是，在訓練效果上，合成數據能夠更優于真實數據。

　　由于本身就是基于物理規律合成，合成數據天生自帶絕對精確的標注，這就意味著，AI學習起來效率非常高。

　　另外，合成數據的“全面性”是真實數據難以比擬的。“生成式AI 2.0可以創造無數個世界，而且可以讓這個世界快速演進。”賈奎表示。

　　而落地到3D視覺行業，機械臂就猶如有了“上帝之手”，可以掌控一切過去未來。

　　“當然，這不能是物理世界的規律之外的。”賈奎強調。

　　“目前，我們不使用一張真實圖片，就可以完成機械臂復雜場景作業的3D視覺模型訓練。”賈奎告訴光錐智能，完全使用合成數據訓練的模型引導機械臂的柔性操作，可以實現現場99.9%以上的穩定抓取。

　　也正是因為此，合成數據，被稱為大模型的“數據永動機”。

　　當前，除了3D視覺領域，許多領域也都因通用數據缺乏和噪點多等問題，開始嘗試使用合成數據。但也有對合成數據抱有強烈質疑的觀點，稱如果沒有經過精心調試，在訓練時大量使用，會引發模型崩潰，造成不可逆的缺陷。

　　從技術演進的角度，合成數據不會是大模型的唯一解。

　　但賈奎指出，“沒有找到更好的辦法之前，合成數據就是目前能夠解決實際問題的最好辦法。如果還采用人力堆砌的真實數據，在包括3D視覺在內的很多領域，AGI(通用人工智能)永遠不可能實現。”

　　打破AI的商業化“魔咒”

　　在機器視覺領域，對合成數據的需求更加旺盛，生成式AI 2.0能夠釋放的價值也就會更大。

　　作為機器視覺非常重要的感知手段，3D視覺對于合成數據的需求就十分迫切。

　　“在一堆相似的零件里‘找不同’，物體換一個材質、顏色，都需要去調整參數。”一位3D視覺從業人士表示，不同領域的需求不同，使得落地場景過于碎片化，只能做完一個項目再重新定制另一個項目。

　　這就意味著，企業很難通過著力解決一個或幾個項目需求，就能形成標準化產品。也就無法進而通過快速復制，打入并拓展市場，追求利潤規模。

　　邊際成本難以降低，會將一家技術公司，變成項目公司，最終拖垮。

　　“魔鬼”藏在細節中。

　　傳統3D視覺感知有多脆弱?賈奎向光錐智能描述，“機械臂在抓取過程中，如果有人路過產生光線變化，任務就可能失敗。”

　　這是由硬件3D相機的成像原理造成的，3D相機成像容易受環境、物體形狀、材質、顏色、散射介質等影響，而且這一問題短時間內難以解決。

　　“解決一個問題可能是一百步，但最后一步付出的努力可能跟前面99步加起來是一樣的。”商湯科技聯合創始人楊帆曾表示，企業大部分的精力都需要用來應對小部分長尾問題。

　　但現在，“通用性能力很強的生成式AI 2.0，能夠解決長尾問題，對于產品標準化至關重要。”賈奎表示。

　　相較于行業傳統定制化開發的模式，企業基于生成式AI 2.0，就可以利用通用大模型，實現產品模塊化開發，做到開箱即用地部署，進而實現同行業直接拓展，不同行業也能有效復用。3D視覺行業的商業化難題也就迎刃而解。

　　與此同時，數據、開發、部署、硬件、行業拓展，每一個環節的成本也都實現驟降。

　　而在生成式AI 2.0的催化下，3D視覺一旦爆發，也就意味著，在機械臂、機器人、無人駕駛、元宇宙等等高度依賴3D視覺技術的垂直場景，都將加速吃到AI的紅利。

　　不少數據已經印證了這一點，像數據標注、合成數據、工業機器人、機器視覺等領域，全球市場規模都在高速增長，尤其是合成數據的年復合增長率甚至都超過了30%。

　　這背后，實際上是生成式AI 2.0的戰略價值，已經受到了科技和眾多制造業巨頭的高度重視。

　　從西門子、福特等老牌制造企業，到英偉達、特斯拉、谷歌等一眾科技巨頭，再到Waabi等明星初創公司，都開始紛紛在工業、機器人、無人駕駛、醫療、零售等諸多領域，探索生成式AI 2.0更大的可能。

　　與此同時，資本的熱情也被極大地調動起來。據不完全統計，近年來，國外合成數據的相關融資，累計已接近8億美元。

　　在國內，合成數據相關企業也同樣引起了資本的注意。2022年6月，跨維智能宣布完成Pre-A輪融資，融資金額數千萬元，成立不到一年時間累計融資近億元;今年7月，光輪智能也宣布完成天使+輪融資，融資金額累計數千萬元。

　　可以說，從會作詩到學物理，生成式AI 2.0正在開啟一個產業數字化的宏大未來。