token燒不停 應用變現成挑戰

「為什麼token一直燒，公司營收卻沒有增加？」、「有超級個體，但無法打造超級團隊？」、「人形機器人做事情需要66秒，工廠環境需要6秒內」，AI帶來各種人形機器人發展，超級個體百花齊放，但落地應用如何更絲滑、如何變現，更實際的是投資AI的各項成本要轉換成營收才算成功。

訓練數據不足 人形機器人遇瓶頸

人形機器人的落地應用面臨關鍵瓶頸。智元合夥人姚卯青指出，訓練機器人粗估至少需要100億小時以上的數據量才足夠，現有訓練機器人的數據多來自網路或創作性內容，與機器人實際任務所需的柔性、流體、摩擦力等物理情境落差極大，數據不足是一大瓶頸。

其次，是模型本身的難題。亮源新創創辦人姜旭曾在OpenAI擔任資深演算法負責人，是ChatGPT核心貢獻者之一，他指出，今年「世界模型」一詞在中國爆紅，世界模型核心不只是理解物理環境，更要能完成兩件事：預測世界下一個狀態，以及預測下一步該採取的動作，是機器人能力提升的重要關鍵。但「理解感知」和「動作生成」這兩種能力目前在模型架構上互相衝突，必須有架構層級的創新才能突破。

做機器人行業已經11年的深圳越疆科技董事長劉培超直言，在「真實環境中執行真實任務，並且長時間產生生產力價值」，才能叫「落地」，展示疊衣服、炒菜等，都是在實驗室場景，一個動作要60幾秒，但商用場景至少要縮短一半。此外，過去中國在乎人形機器人的體驗感，但現在要求安全感，他說，「人形機器人可以做到5萬小時不故障嗎？人形機器人的安全感將是可預期的瓶頸」。

人形機器人落地應用有瓶頸以外，超級個體無法成為超級團隊也是大陸民企的關心話題。騰訊研究院研究員袁曉輝說，超級個體或是超級員工，以AI為核心指揮電腦做事情，提升工作效率也擴大工作範圍，但個人變強了，組織呢？「每個工作環節都增加效率了，但是公司整體卻沒有增加效率、營收沒有增長」。

她分析，工作流程中過去需要八成的時間產製，現在縮短只需要一成的時間，但是靠人類判斷、審核等大量協作成本、溝通成本，以及如何「目標對齊」等時間並沒有縮短，「發動機變強了，車卻沒有更快」，是目前多數企業的困境。