据科技媒体TechCrunch报道，中国机器人制造商宇树科技（Unitree）在上市后市值一度达到660亿美元，但本周股价下跌近半。分析师指出，尽管机器人的物理能力不断提升，但缺少实际创造价值所需的技能，这使其商业化前景承压。

物理AI是当前风险投资最热门的赛道之一，公司们正将大语言模型所依赖的工具引入机器人领域。宇树科技在中国版纳斯达克完成上市，并取得高估值，但随后暴跌。与此同时，上周举办的Actuate大会吸引了1500名开发者，规模是2023年首届的三倍。组织方Foxglove是一家为物理AI模型构建者提供数据管理和可视化服务的公司。会场上一家名为Avala的公司打出标语，承诺解决“机器人数据危机”。

所谓“数据危机”，是指AI模型缺乏高质量的训练数据。构建能做任何事的通用机器人仍然遥远，而用端到端学习完成特定任务也没有达到稳定商业性能。开发者认为，需要模仿前沿AI实验室的路径：寻找或创建更多样化的数据集，尝试不同的训练机制，并设计更好的强化学习场景。

初创公司Antioch创始人Harry Mellsop认为，物理AI目前处于“GPT-2时代”，就像ChatGPT出现前的OpenAI模型。要跨越这道坎，需要更多数据和计算资源，尤其是用于光线追踪的GPU，因为它们能生成高保真模拟环境。走得最远的是自动驾驶，部分原因是能够从人类驾驶的汽车中收集相关数据，另一部分原因是主要任务是避免碰撞，而非操作物理世界。许多模型构建工具来自自动驾驶公司，Foxglove即为通用汽车旗下Cruise的前员工所创立。

如今，汽车公司正押注其机器学习工具能帮助它们与专业人形机器人厂商竞争。特斯拉已推出Optimus，自动驾驶公司Wayve和出行巨头Uber也分别设立了人形机器人研究实验室。Wayve首席执行官Alex Kendall对TechCrunch表示：“我认为要从汽车开始……操纵机器人类似于五年前的自动驾驶。数据基础设施、仿真和机器学习运维基础设施可能通用，但模拟器所需的特定世界模型需要不同的后训练。共性会多于差异，但针对不同具身形态仍需调整。”他还认为，押注任何单一硬件平台都为时过早，传感器等组件进步很快，真正的通用模型应该与硬件无关。

Genesis AI首席执行官Théophile Gervet则持不同观点。该公司是一家垂直整合的人形机器人企业，今年完成1.05亿美元种子轮融资。他告诉TechCrunch：“在这一波浪潮中谈‘大脑策略’还太早；我们相信软硬件协同设计有大量机会。”他还谈到行业难题：只针对特定任务的机器人已开始走出实验室——Gritt在建造太阳能农场，Agility在工业环境中部署机器人，Bedrock在自主操作挖掘机；而通用人形机器人还无法离开实验室。“没有客户关心成功率80%的通用机器人，”Gervet说，“很多玩家走向通用，但由于缺乏垂直聚焦，提供不了价值。然而，如果在GPT-2之上做狭窄垂直，又会被基于GPT-4的公司碾压。”投资垂直领域的吸引力在于既能获得收入，也能获得真实部署数据。Bedrock首席技术官Kevin Peterson表示，公司从挖掘作业起步，以理解“野外操纵”的挑战，并计划开发覆盖一系列工程机械的智能层。