上证报中国证券网讯（记者操子怡）6月28日，在青年科学家成果转化暨具身智能高质量发展研修会上股票知识配资论坛，千寻智能具身智能部负责人解浚源表示，具身智能现状可能处在类似于GPT1-GPT3之间的阶段，VLA（视觉-语言-动作模型）的兴起为具身智能开启了“ScalingLaw”的可能性。
千寻智能创立于2024年2月，成立4个月就完成近2亿元种子轮+天使轮融资。今年3月，千寻智能刚刚宣布一笔5.28亿元人民币Pre-A轮融资，由阿美风险投资旗下Prosperity7Ventures（P7）领投，招商局创投、广发信德、靖亚资本、东方富海、华控基金、达晨财智、柏睿资本、弘晖基金等参投。
在千寻智能两位创始人中，韩峰涛曾任珞石机器人联合创始人&CTO，有丰富的机器人制造和量产经验。另一位联合创始人高阳是清华大学交叉信息研究院的助理教授，同时也是千寻智能的首席科学家。
解浚源表示，具身智能涵盖“本体”与“运控”，即“小脑”与“大脑”两大核心领域。在本体层面，机器人早已实现灵巧操作与高动态运动，机械性能长期领先于智能算法，而“大脑”层面的技术路径曾长期面临瓶颈。
转折点出现在VLA模仿学习路线的兴起。他表示，DiffusionPolicy生成模型解决了传统行为克隆的“多模行为平均化”难题，可从随机初始状态生成多元可行路径。而VLM（视觉语言模型）与DiffusionPolicy的结合（即VLA范式），借助互联网数据预训练赋予模型“世界先验知识”，仅需少量真机数据即可实现强泛化能力，为具身智能开启了“ScalingLaw”的可能性。
大模型训练本质是“用规模换能力”，通过预训练积累通用知识，再通过指令微调与RLHF对齐人类需求，最终依托ScalingLaw实现性能突破。
解浚源表示，受大模型训练范式启发，千寻智能也是采用了类似的范式，通过“互联网数据预训练+真机数据模仿学习+强化学习优化”的三段式架构：预训练阶段，利用互联网数据隐含的真实世界知识，让模型具备基础认知。模仿学习阶段，通过真机采集数据做模仿学习，最后用强化学习将成功率从95%提升至99%以上，补足最后精度缺口。
解浚源将当前具身智能发展阶段类比为“GPT1-GPT3之间”，他认为若ScalingLaw成立股票知识配资论坛，通过量产与基础设施建设，机器人数据量按每年一个数量级递增。例如，今年百台、明年千台、后年万台，3年至5年内具身智能技术效果有望实现GPT1到GPT4级别的跨越。
胜亿策略提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
