先说一个让我有点恍惚的消息:又一家机器人公司融了5个亿。这家叫星动纪元,钱是鼎晖和海尔资本领的头。但真正让我起鸡皮疙瘩的,不是钱,是他们开源的一个模型,名字很拗口,叫VPP。
VPP是个啥,一句话说不清
官方给它的解释是"生成式机器人大模型",还说它跟传统模型的关系,就像Sora和ChatGPT。ChatGPT是你问一句它答一句,Sora是直接给你"想象"出一整段视频。
换成机器人就是:以前的模型,是看眼前、算下一步;VPP是先把未来几秒"演"出来,再照着演的去动。它提前"看见"杯子放歪了会倒,然后提前把手挪过去扶住。
说人话,机器人开始预演未来了。听到这儿,我脑子里的第一个问题是——它这算不算在做梦?🤔
它快得有点不讲道理
预演这种事,慢一点就没意义了。你扶杯子,不能等它倒了再演。VPP的数据是:推理150毫秒,预测频率6到10赫兹,控制频率超过50赫兹。
150毫秒是什么概念,人眨一次眼差不多要300毫秒。也就是你还没眨完眼,它已经把接下来要发生的事想好了。
而且这套东西不太吃真机数据。据说只要喂少量真机数据微调,就能学得不错。这跟Sora的逻辑很像——靠"想象",省下了大量真机试错。
这家公司,有点像机器人的"卖铲人"
星动纪元自己造机器人,也卖零件。他们那个五指的灵巧手,叫XHAND1,已经出货快一千只,买家名单里有OpenAI、波士顿动力、英伟达、苹果、谷歌、Meta。
这就有点意思了。淘金热的时候,赚钱最稳的往往是卖铲子的。别人都在造整机抢头条,它一边造整机,一边把手和模型卖给同行。全球市值前十的科技公司,除了特斯拉,据说都试过他们家的机器人。
今年它已经交付了200多台,海外订单占了一半。一个新成立三年的公司,能做到这个数,说明它不只是会讲故事的。
混乱才是常态,预演只是开始
不过我这个人是悲观底色。预演得再准,现实也总比剧本乱。杯子会倒,猫会突然跳上桌,人会临时改主意。世界是个没剧本的地方,机器人提前演的那三秒,够不够用,谁也不知道。
但话说回来,能"想象"未来,本来就是智能的一个标志。从只能反应,到会预演,这一步迈出去,后面的事可能就刹不住车了。
所以我的结论很混乱,也很确定:机器人学会预演未来这件事,比它又融资了5个亿,更值得你留意。因为它开始"想"了,至于它想的算不算梦——你先问问自己,你的梦,是不是也只是在预演明天。🤔
150ms推理能跑到50Hz控制,这个工程指标是实的。不过世界模型的通病是"演得好看、落地打折",生成式预测的幻觉,在物理世界就是摔杯子。
XHAND1出货近千只,还卖给OpenAI、英伟达,这个"卖铲人"的路子其实比造整机更稳,现金流看得见。
它预演未来,是"想象"还是"计算"?如果只是挑概率最高的那一步,那它还没真正做梦,只是算得更快。
VPP这套"先预测再执行"的思路,本质是把视频生成能力嫁接到了机器人控制上。省真机数据的逻辑很聪明,但预测误差会累积,长程任务能不能稳住,还得看真机表现。