🤖🔥1/ Astra 就是机器人领域的 GPT-3 时刻。讽刺的是，现在它终于来了，机器人领域的一些人似乎却不愿承认它。也许是因为它（遗憾的是）并非出自机器人公司？
2/ 机器人学正成为前沿实验室的又一垂直领域。从某些方面看，这与 coding 并无太大不同。何必为每个行业重新发明通用智能呢？
3/ 直到现在，机器人学才变得值得投资。在此之前，没有令人信服的预训练扩展定律，也没有在模型、数据或硬件上达成共识。难怪一些批评者将其斥为一个支离破碎的行业，只是在玩一场昂贵的“演示游戏”。Astra 可能终于提供了一条可信的规模化路径。
4/ 机器人基础模型初创公司有其道理。但这个道理有多强？他们的论点是：Astra 处理系统 2（推理），而专用模型保留系统 1（技能）和系统 0（运动控制）。这很公平。但这不就已经是一个更狭窄的价值主张了吗？谁说边界就此止步？
5/ 跟随人才。听说 OpenAI 围绕核心 Astra 模型重组了其 30–40 人的机器人团队。在@Tesla_Optimus也听到类似向通用模型转型的举措。组织架构图可能比任何演示都更能说明问题。
6/ 机器人数据淘金热是真实的。百万小时的采购计划，有些可能达到数千万小时。前沿实验室的预算据说接近每家 10 亿美元。
7/ 看好机器人硬件产量。随着智能变得更易获取，构建有用机器人的障碍可能急剧降低。护城河将转向可靠性、灵巧性、集成和部署。
8/ 机器人学可能推动下一轮半导体和内存超级周期。一个 1000 亿参数的边缘模型，仅 4 位权重就需要约 50GB。现在乘以数百万台机器人。你以为@JensenHuang为什么对机器人如此痴迷？@elonmusk早就看穿了
9/ 自动驾驶能免疫通用模型的威胁吗？继编程和机器人之后，为什么假设自动驾驶仍是专有垂直模型的专属领域？对我来说，Robotaxi 越来越像一个已解决的问题。但如果前沿实验室进军自动驾驶，我们可能会看到类似 Apple 对 Android 的动态。想想这对 $TSLA、Waymo 和其他 OEM 的影响。
10/ 下一个瓶颈可能不是智能，而是部署。模型改进的速度快于我们在混乱现实世界中部署机器人的能力。集成、硬件差异、故障恢复和经济性仍然极其困难。真正的护城河可能是将智能转化为可靠的、有利可图的物理工作。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。