AI浪潮下，具身智能成为算力霸主

《科创板日报》5月17日报导，黄仁勋表示，下一个人工智能浪潮将是具身智能。具身智能是指能够理解、推理并与物理世界互动的智能系统。黄仁勋介绍了英伟达的多模态具身智能系统NvidiaVIMA，它可以在视觉和文本的指导下执行复杂任务、获取概念、理解边界和模拟物理学，这标志着AI能力的显著进步。

今年3月，谷歌发布了一种叫做PaLM-E的多模态具身视觉语言模型，它能够理解图像、生成语言，并且能够执行各种复杂的机器人指令，而且无需重新训练，具有很好的迁移能力。

政策方面也开始关注具身人工智能。北京市日前发布的《北京市促进通用人工智能创新发展的若干措施（2023-2025年）（征求意见稿）》提出了探索具身智能、通用智能体和类脑智能等通用人工智能新路径的措施。

具身智能是指智能体通过与环境交互后，通过自身学习产生对客观世界的理解和改造能力。要实现具身智能离不开多个学科的交叉互助，包括机器人学、深度学习、强化学习、机器视觉、计算机图形学、自然语言和认知科学。

具身智能最早可以追溯到1950年，不过在之后的几十年中没有取得显著进展，大多数机器人仍然依赖人类的手写指令和代码。谷歌的PaLM-E模型引起了业界的关注，因为它无需预处理场景，并且能对周围环境变化作出相应反应。

实现通用人工智能是行业的愿景之一，但其中一些概念很难被测量或验证。因此具身智能可能是迈向通用智能的一个很好起点，因为它是可测量、可解释和可验证的。