AI导读：

英伟达创始人黄仁勋在半导体大会上提出，具身智能将是人工智能的下一个浪潮。同时介绍了英伟达的多模态具身智能系统Nvidia VIMA。谷歌发布的PaLM-E模型更是将这一趋势推向高潮。政策端也开始关注具身人工智能。

AI发展的下一站在何方？英伟达创始人兼首席执行官黄仁勋在ITF World 2023半导体大会上给出了他的答案：具身智能（embodied AI），即能理解、推理并与物理世界互动的智能系统，将成为人工智能的新浪潮。

黄仁勋不仅揭示了这一趋势，还介绍了英伟达的多模态具身智能系统Nvidia VIMA。该系统在视觉文本提示下，能执行复杂任务、获取概念、理解边界，甚至模拟物理学，这标志着AI能力取得了显著进步。

今年3月，谷歌与柏林工业大学团队发布的PaLM-E更是将这一趋势推向高潮。PaLM-E是一种多模态具身视觉语言模型，被誉为史上最大的“通才”AI模型。它不仅能理解图像，还能生成语言，执行各种复杂的机器人指令，且无需重新训练，展现出强大的迁移能力。

政策端也开始关注具身人工智能。北京市发布的《北京市促进通用人工智能创新发展的若干措施（2023-2025年）（征求意见稿）》中，明确提出探索具身智能等新路径，推动具身智能系统研究及应用，突破机器人在复杂条件下的感知、认知、决策技术。

那么，何为具身智能？如何实现？具身智能是指智能体通过与环境交互，产生对客观世界的理解和改造能力。一个具身智能机器人需要听懂人类语言，分解任务，规划子任务，识别物体，与环境交互，最终完成任务。实现具身智能需要多个学科的交叉互助，包括机器人学、神经网络、强化学习、机器视觉、计算机图形学、自然语言以及认知科学。

具身智能的概念最早可追溯至1950年图灵的论文。然而，在此后的几十年中，具身智能并未取得显著进展。直到谷歌的PaLM-E模型出现，才在业内引起轰动。PaLM-E无需预先处理的场景和数据注释，只需简单指令，便可实现更为自主的机器人控制，且行动计划具有“弹性”，能对周围环境变化作出反应。

上海交通大学教授卢策吾认为，虽然人工智能能输出表征，但难以检验其是否真正理解相关概念。因此，可以先在可验证、可测量的概念上做出闭环。而具身智能正是这样一个闭环，它可测量、可解释、可检验，可能是迈向通用智能的一个很好的起点。

（文章来源：财联社）