联汇科技赵天成：中国是“物理AI”热土

　　浙江在线2月14日讯（记者 龚晓）近几年，随着人形机器人、机器狗等新生事物在社会上流行，“具身智能”这个略显生涩的名词，通过政府文件、新闻报道等形式走入大众视野，那它究竟应该怎么解释呢？

（杭州联汇科技股份有限公司CEO兼首席科学家赵天成）

　　带着这个疑问，浙江在线新闻网站品牌栏目《向“新”力》采访了杭州联汇科技股份有限公司CEO兼首席科学家赵天成。

　　在他的表述中，具身智能可以理解为具备身体的人工智能，区别于大家常用的对话式AI大模型，它不仅可以思考，还能在物理世界中解决问题。

　　“行业内对具身智能有个称呼——物理AI。” 赵天成说。

　　一个“大脑”多个形体

　　2014年，赵天成刚进入美国卡内基梅隆大学学习，他美国导师告诫他，不要去研究人家已经解决的问题，要着眼于下一个十年。于是，赵天成便开始研究多模态智能体（Agent,感知环境并行动、用于实现特定目标），“主要用于实现人工智能与物理世界的交互沟通。”

　　“最初只做对话，接着做视觉，后来做了末端的执行策略。”赵天成说，“智能体形成了感知、理解、决策的闭环，这是具身智能的雏形。”

　　2020年，赵天成选择回国创业，他说中国是“物理AI”发展的热土，在全世界范围内，我们国家在装备制造、供应链衔接、机电一体化、软硬件整合方面都有着显著的优势，很容易就能将先进技术整合成产品，进而参与市场竞争。

　　经过几年的努力，联汇科技开发了三条主要的产品线，一个是视觉模块，用于感知和理解，摄像头取景后，辅之以大模型级别的理解和分析，让具身智能具备人眼的功能；一个是记忆模块，以视频方式存储、分析、总结具身智能的活动；一个是决策模块，“看见着火了，马上灭火，而不是通知人来灭火，这是我们跟之前AI的本质区别。”赵天成说。

　　联汇科技的三个模块，可以根据需要灵活组合，赋能机器人、机器狗等不同的载体，安装大脑模块的具身智能可以通过“数据链”共享感知、共享记忆、共享决策，一个“大脑”适配多个形体，相互配合完成指令。“比如无人机看见哪里失火了，就可以指挥有灭火能力的机器狗、机器人，根据‘大脑’规划的路线去灭火。”赵天成说。

　　“数据荒”制约发展

　　目前，具身智能发展最大的瓶颈就是“数据荒”。

　　据介绍，文本大模型训练的语料，是基于人类多年来在线上线下积累下来的海量文本作为基础的，“但是具身智能没有可用于训练的海量数据。”赵天成说。

　　现阶段尚未构建起专门针对物理 AI 的互联网体系，因此不存在可直接利用的现成海量数据源。目前，全国各地有不少地方在建设一些“数采”工厂，但是效率很低规模很小，无法满足具身智能产业的进一步发展。

　　人工智能发展很快，在科学研究阶段，小模型的训练需要的数据量不大，现在的大模型需要数千亿至数万亿单词的文本训练，“基础设施的建设依然还在路上。”如果无法突破目前的模式，具身智能产业想要进一步发展，就要在核心算法上突破。“毕竟训练一个人，一个婴幼儿学会走路，学会拿筷子吃饭，并不需要海量的数据。”赵天成分析道。

　　“一人公司”将成现实

　　对于目前的科创大潮，不少人担心无法分享时代的红利，毕竟不是所有人都拥有理工科的博士学位。对此，赵天成微笑回应，随着人工智能的发展，将来会出现“一人公司”：以后创业需要雇佣的就不是员工，而是各种各样的智能体，有物理智能体，也有数字智能体。

　　目前，联汇科技也推出一个名为“OttoBox（中文名小欧）”的个人AI工作站，它可以精准识别画面语义，听懂复杂指令，内置的数据库实现毫秒级语义检索，AI文件柜系统自动解析入库素材，为每一份素材配上专属智能档案。

（联汇科技的产品）

　　“小欧”直击视频创作痛点。“脚本、初剪，甚至爆款解析都能自动生成。”赵天成说，“对于视频创作者来说，一人公司已经不是科幻了，而是现实。”

　　具身智能的本质是让AI从“数字世界”走向“物理世界”，而中国最大的优势，就是把这种跨越变成了产品。赵天成强调：“物理AI不是简单给机器装大脑，而是构建一个能感知、理解、决策并行动的生态闭环。一个‘大脑’适配多个形体，靠的是数据链打通共享记忆与协同决策——这才是具身智能的底层逻辑。”