2025-01-10
機械人ChatGPT時刻將臨？NVIDIA世界模型Cosmos加速全球Robot開發，但有侵權隱憂！
輝達（NVIDIA）執行長黃仁勳在全球最大消費電子展CES 2025的主題演講上，發表名為 Cosmos的「世界基礎模型」，能夠生成逼真且符合物理法則的合成數據，有助降低機械人「實體AI」的開發成本與門檻，因此他豪言：「機械人的ChatGPT時刻即將到來。」到底甚麼是世界基礎模型？除NVIDIA外，在此賽道上還有哪些主要玩家？
Read More
機械人要變成「人」？黃仁勳、馬斯克押寶人形機械人！拆解人形設計的優勢與市場潛力
當機械人懂得摺衣服：家務智能化是否已到來？Physical Intelligence如何重塑AI機械人市場？
代理式AI崛起！Gemini 2.0變身智能助理，無需人類介入，完全自主決策和行動，我們準備好了嗎？
AI從感知型演進到實體智能
2025年1月7日，NVIDIA創辦人兼執行長黃仁勳在CES主題演講開場，展示並解說AI技術的４大演進階段：感知型AI（Perception AI）、生成式AI（Generative AI）、代理式AI（Agentic AI）、以及實體AI（Physical AI，又稱物理AI）。
AlexNet神經網絡系統於2012年以驚人的影像辨識準確率，震撼整個AI學術界，開啟了感知型AI時代。此後，AI能夠理解和分析輸入的圖像或語音，廣泛應用於醫療影像辨識和語音識別等範疇。2022年，ChatGPT全球爆紅，催生了生成式AI熱潮，除文案外，能夠生成圖像、影片、程式碼的模型陸續誕生，令AI應用日漸普及。
黃仁勳在CES 2025主題演講上大喊：「機械人的ChatGPT時刻即將到來。」但他坦承，在達到「ChatGPT時刻」之前，Cosmos仍需努力積累更多數據。（圖片來源：翻攝NVIDIA官方YouTube影片）
來到2025年，AI業界開始步入代理式AI階段：AI代理（AI Agent）能夠自行蒐集環境資訊，繼而自主作出決策並執行任務，適用於金融分析、客戶服務和診斷治療。AI技術發展的下一站將邁向實體AI領域，讓AI可以走出數碼世界，以人形機械人或自駕車的姿態進入物理世界，與人接觸、與現實環境互動。
懂物理定律的世界基礎模型
黃仁勳表示，為求普及實體AI，NVIDIA創建了Cosmos世界基礎模型（World Fundamental Model）。實體AI需要大量現實世界的環境數據來訓練模型，而Cosmos就可以輕鬆產製大量極富真實感、兼且符合物理規律的合成數據。開發人員只要輸入文字描述、圖片或影片，Cosmos即能生成依循物理法則的虛擬動態影像，例如煙塵飄動、水花濺射、以及光線明暗變化等，讓機械人或自駕車可以在虛擬世界中接受訓練。
黃仁勳表示，Cosmos在輸入文字或圖像後，即可產製大量虛擬世界動態影像，藉此進行機械人或自駕車的模型訓練。（圖片來源：翻攝NVIDIA官方YouTube影片）
同時，開發人員又可以按照開發需要，微調Cosmos自訂模型，譬如模擬物流倉庫、工廠生產線、甚或各種路面情況。如此一來，初創公司訓練機械人時，無需僱用真人進行動作示範；車廠研發自駕系統時，不用派出實體測試車到馬路上收集行車數據，有助於大幅降低開發成本，並縮短研發時間。
Cosmos模型使用來自現實世界的2,000萬小時影片做訓練，包羅真人互動、環境變化、工業生產、機械人活動、汽車駕駛等9,000兆組標記數據。黃仁勳指出，透過這些資料影片，可以教導AI理解物理世界各種法則，諸如重力、慣性、摩擦力、幾何和空間關係、以及因果關係等。
Google發表第二代世界模型
為了加快機械人和自駕車的發展，Cosmos以開放授權方式提供外界使用。目前首批採用Cosmos模型的業者，包括機械人公司1X、Agile Robots、Agility Robotics、Figure AI，自駕系統開發商Foretellix、自駕貨車初創Waabi、電動車廠小鵬汽車，以及叫車服務龍頭Uber等。
Cosmos能夠模擬各種路況的駕駛環境。（圖片來源：翻攝NVIDIA官方YouTube影片）
除NVIDIA外，近年愈來愈多科技公司投入世界模型的研發，計有Google、OpenAI、Meta、Anthropic、AI教母李飛飛的World Labs、以色列初創Decart等，當中以Google 最為進取。早於2024年2月，Google DeepMind已推出世界模型Genie，單靠文字、圖片或影片，就能生成可供遊玩的2D遊戲世界。
同年12月，DeepMind發表第二代世界模型Genie 2，能夠生成3D虛擬環境，讓開發人員可以在立體場景中訓練AI代理。DeepMind現正籌組一個世界模型的研發團隊，由10月從OpenAI跳槽的Sora影片生成模型開發主管提姆·布魯克斯（Tim Brooks）帶領。
遊戲、影視職位將被AI取代
世界模型生成的3D虛擬世界，不僅可用作機械人和自駕車的訓練，還可用於影視製作、遊戲開發、以至VR內容創作，看似前途一片光明，但卻引發不少業者擔心，未來或許會減少人類的工作機會。譬如遊戲開發商動視暴雪（Activision Blizzard）在2024年3度裁員，然後使用AI來彌補部分員工流失。荷里活動畫師及漫畫家工會的調查報告顯示，預計2026年逾10萬個電影、電視、動畫的工作崗位將被AI取代。
Cosmos可以模擬電動拖板車在倉庫的所有行走軌跡，從中找出最佳的行駛路徑。（圖片來源：翻攝NVIDIA官方YouTube影片）
再者，世界模型有可能涉及版權問題。以Decart的世界模型Oasis為例，能夠迅速生成類似微軟（Microsoft）遊戲作品《Minecraft》的虛擬世界，但未有明確表示已取得微軟的許可，使用《Minecraft》遊戲影片做模型訓練。另外，也有不少世界模型所產生的場景，跟《俠盜獵車手》（Grand Theft Auto）、《要塞英雄》（Fortnite）等遊戲的畫面非常近似。
面對侵權疑慮，NVIDIA回應指，Cosmos所用的訓練數據採集自各種公共和私人來源，對數據的使用符合法律條例和精神，並強調Cosmos從中學習到的物理世界法則，既不受版權保護，亦不受任何個人或企業控制。然而，有版權專家認為，此說法未必能通過司法審查，最終結果如何還須法院裁決。
《經濟通》所刊的署名及／或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。
【你點睇？】特朗普指不排除使用武力奪取格陵蘭及巴拿馬運河，你認為言論會否加劇美國與盟友間的不信任？► 立即投票
