大模型与具身智能为何难以融合？
我一个表弟在特斯拉Optimus产线打杂,跟我说过一句特别扎心的话:"这玩意儿在台上能后空翻,可到了产线连8小时都撑不下来。"我一开始以为是夸张,直到看到商务部2026年的数据——具身智能机器人销售额同比增长13%,听着爆发,单台成本依然压不下去,一台人形机器人超过5万美元,光硬件就吃掉一大半。SITS2026圆桌上六位首席科学家也承认,当前大模型瓶颈已经从算力和数据规模,转到了跨模态语义对齐的鲁棒性上。换句话说,不是模型不够大,是模型对"勃艮第红"和"酒红"这种细粒度都分不清,放到工业现场连颗螺丝的颜色都认错,更别提实时性——工业控制要毫秒级响应,云端大模型根本来不及。难怪业内开始讲"大脑+小脑"双架构,LLM管思考,VLA管反射,中间靠Jetson Thor这种边缘算力桥接。可桥接本身就是新坑,延迟、安全、数据回流,一个比一个难。AGI的终极拼图没拿到之前,具身智能注定是条慢路。
发布于 福建
1
评论
赞
未登录
友善发言
评论
加载中
