独家：为什么机器人不能像ChatGPT一样学习

OpenAI的ChatGPT从数十年的互联网规模数据中吸取了教训。类人机器人没有那么奢侈。随着投资者向嵌入式人工智能投入数十亿美元，机器人和大型语言模型之间的比较变得越来越常见。

但法拉第未来智能电气公司全球执行董事长王杰瑞。（纳斯达克股票代码：FFAI）兼AIxCrypto Holdings，Inc.首席执行官（纳斯达克股票代码：AIXT）表示，存在根本性差异。

ChatGPT分析文本、图像和音频以预测下一个最佳单词，而仓库机器人则处理力传感器、摄像头和网格布局以确定下一个最佳运动。这种区别可能有助于解释为什么机器人竞赛的下一阶段可能不是建立更智能的人工智能模型，而是收集现实世界的数据。

ChatGPT等大型语言模型受益于巨大的领先优势。“他们受益于数十年的互联网规模的数据，”王告诉本辛加。“机器人没有这个优势。他们通过与物理世界的互动来学习。”

他们导航的每个仓库、移动的每个包裹以及完成的每个任务都会生成可以提高未来绩效的运营数据。但与互联网文本不同的是，该数据并不容易获得。

“收集起来更难、更慢、更昂贵，”王说。这意味着扩展嵌入式人工智能不仅仅是构建更大的模型或添加更多计算能力的问题。公司首先需要机器人在现实世界中运行，从现实世界环境中学习。

另请阅读：独家报道：人工智能先锋称OpenAI的“开放”使命被其自身架构所取消

对于王来说，这就是该行业下一个竞争优势的出现。

部署的机器人越多，公司可以收集的运营数据就越多。更多的数据会带来更好的性能，使机器人对企业越来越有价值，并鼓励更广泛的采用--这个反馈循环与推动生成性人工智能的反馈循环有根本不同。

王说：“我们相信，随着越来越多的机器人被更频繁地部署和使用，更广泛的生态系统有可能受益。”“更多的部署会带来更多的数据、更好的性能、更强的投资回报率，并最终更广泛的采用。”

这表明部署本身可能成为一种战略资产，而不仅仅是商业成功的衡量标准。

当今的机器人话题大部分都集中在谁正在建造最聪明的人形机器人上。特斯拉公司（纳斯达克股票代码：TSLA）、Figure AI、Unitree和Boston Dynamics继续竞争，以提高移动性、智能性和现实世界的能力。

但如果王是对的，那么拥有最大长期优势的公司可能不仅仅是那些制造当今最好机器人的公司。他们明天可能会将最多的机器人放入现实世界环境中，创建竞争对手无法轻易复制的专有数据集。

对于投资者来说，这是一个重要的区别。生成性人工智能热潮奖励了公司访问大量数字数据的机会。机器人热潮最终可能会奖励那些能够获得更难获得的东西的人：数百万小时的现实世界体验。

Anthropic的Claude增长速度比ChatGPT快9倍那么为什么OpenAI没有失败呢？

通过ChatGPT使用人工智能创建的图像