当前位置:商业频道首页 > 头条推荐 > 正文

当答案失灵,CEO的集体AI焦虑还有解吗?(6)

而当拥有了全新的技术,如何找到第一个落地场景?张直政的商业化路径选择极具启示性。面对万亿级市场潜力,这位估值10亿美金独角兽的掌舵者坚持“先做穿一个场景”的务实策略。对他而言,银河通用坚持做“会干活的机器人”,而不是“炫技”:“成功率1%的演示没有意义,能落地才是关键。”例如,在零售与工业领域,银河通用聚焦高价值、强适配的细分场景,用解决最后20%难题的攻坚精神,将技术势能转化为商业动能。这种“二八法则”的极致应用,正在验证具身智能从实验室到产业化的最短路径。

阿里云智能集团公共云事业部副总裁、华北大区&浙江大区总经理高飞总结道,具身智能破局需闯三关:其一是数据关——真机派与仿真派的技术路线之争;其二是场景关——从咖啡机器人到24小时智能药房,必须穿透高价值场景;其三是泛化关——突破工业机器人PLC编程的局限,构建跨场景认知能力。他特别指出,银河通用在中关村落地的机器人咖啡工坊,正是同时攻克数据仿真、场景适配、泛化能力三重难关的典型样本。

当一个全新的赛道出现时,技术路线的战略决策同样关键。同样作为具身智能行业炙手可热的独角兽明星,自变量坚定地选择通用基础模型路线。这样的路径背后,是创始人&CEO王潜对于机器人的赛道的基础判断:“过去80年机器人行业的尝试之所以全部失败,是因为都走了专用模型的道路。而大模型带来的思维范式转变在于,用同样的预算训练一个通用模型,效果会远超训练一个专用模型。其核心原理在于,通用模型通过跨任务学习能够捕捉到不同任务之间的共性规律(如物理原理、基础逻辑等),当这些底层认知被内化后,即使面对特定领域的专项任务,模型也能展现更强的泛化能力。”这解释了为何自变量放弃短期场景适配,选择构建具身智能的“元能力”,而这种“先通识后专精”的学习路径,正在颠覆传统“聚焦单一任务”的AI开发范式。

热点推送

本周关注

MORE