如果2024年是“AI元年”，那么2025年，AI技术将迎来怎样的变化?

一年一度的“科技春晚”每年1月如期而至。作为全球最大、影响最广的消费类电子技术年展，今年的国际消费类电子产品展览会(简称CES)上“爆款”频出，其中英伟达发布的“NVIDIA Cosmos”作为首个世界基础模型更是格外吸睛。创始人黄仁勋表示，AI的下一个前沿就是物理AI(Physical AI)。“如果说ChatGPT定义了生成式AI，那么Cosmos将是机器人领域的‘ChatGPT时代’。”

李文文信息管理与商业智能系助理教授

研究方向：商务智能，机器学习，医疗健康管理，平台管理

1

创造一个虚拟世界，让AI更了解“真实”

“世界基础模型”利用生成式AI技术，模拟现实环境并基于文本、图像或视频输入预测准确结果。与利用大量文本数据进行训练的大语言模型不同，世界模型利用包括文本、图像和视频在内的输入数据来生成视频。通过从感官数据中学习表示和预测运动、力和空间关系等动态特性，它们能够理解物理世界中事物的性质、运行规律和空间特性。

世界基础模型的作用并不是生成创意内容，而是帮助AI理解物理世界。例如，它能帮助AI理解物体如苹果受重力影响会掉落等基本物理规律，这种能力对于机器在物理世界中的交互非常重要。这项技术面向大众开放以后，每个开发者都可能有机会开发为下游应用或特定领域构建世界模型，例如工厂车间、仓库或高速公路，进而训练具有特定能力的机器人。

特斯拉最新提出的理念是采用“端到端”技术，基于摄像头所看到的环境进行实时判断，从而决定车辆行驶的路线、进行一系列驾驶操作等。小马智行则认为，首先需要一个世界模型去构造一个虚拟环境，包含各种道路情况，行人以及其他车辆的行为。然后让自动驾驶模型在这个环境中进行训练，就像人类一样去观察路况，通过强化学习去不断进化迭代，并应对可能发生的各种状况。Cosmo正好能够为这类技术路线提供世界基础模型的支持。

但是现在Comos开放的测试环境有限，目前平台能够生成的虚拟世界还存在不少漏洞。例如，生成的自动驾驶测试环境里，路人的形象很模糊，前方会突然出现违背正常规律的车辆等，平台还有待进一步升级优化。

3

没有技术嗅觉，玩不转AI时代

如果从商业应用角度来看AI技术，我们需要思考当前的大模型技术仅仅是昙花一现，还是可以在商业层面发挥实际作用，这也是许多企业面临的关键问题。

在ChatGPT面世之前，大众对于人工智能的理解较为有限，通常局限于执行一些基础的智能化任务。然而，当GPT等产品推出之后，极大地激发了大众的想象力与需求。Sora的文生视频技术更是模糊了现实与虚拟的界限，开始将物理世界置于模拟器之中。

但这些技术目前在商业上还没有取得显著成功，甚至Open AI本身也没有实现盈利。所以，无论是科技创新型公司还是大型企业，对他们的领导者而言，未来他们必须拥有一项综合技术与商业思维的新技能，我将其命名为“技术嗅觉”。

“技术嗅觉”是一个全新的概念，也是我认为在AI时代对管理者而言非常重要的概念。

所谓技术嗅觉，就是将技术理解与市场洞察相结合的一种能力。这种能力不仅仅是指技术人员的专业技能，也不只是纯商业活动的一部分，它要求对技术的发展有一定理解，即便不是技术或科研人员，也需要知道技术能够解决什么问题。与此同时，还需要对市场需求有敏锐地洞察，了解用户真正需要的是什么，以及市场的发展趋势如何。最终，技术嗅觉可以帮助识别商业化机会。

一个常见的决策场景是在技术发展的不同阶段，企业需要考虑切入的时机。例如，新技术刚刚出现时，企业是否应该立刻引入，还是等到技术成熟后再采纳，这需要权衡。企业应该根据自身定位，选择不同的切入时机和介入深度。

所有这些决策需要结合技术嗅觉，不仅依赖传统的商业嗅觉，这种综合能力是现代企业在动荡的技术环境中做出最佳决策的基础。从这点上说，在自动驾驶汽车、机器人技术发展日益蓬勃的当下，英伟达推出Cosmos模型也是一种技术嗅觉的体现。

关于未来，有专家预测2025年将是“具身智能体元年”。“具身智能体”概念是人工智能落地化的重要一步，其核心不再仅仅是对话式的大型语言模型，而能够调用外部工具，如搜索引擎、知识图谱、思维导图工具等，进而执行更复杂的任务。

这一变革将使得大型语言模型不再局限于生成自然语言，而是在行动上，尤其是在机器人领域实现更广泛的应用与实践。世界基础模型的出现和后续迭代升级，将对具身智能发展产生怎样的影响，非常值得期待。（来源：光明网）