1928年，在美国纽约市的一家高级俱乐部，一个由墙板制成的粗糙类人形体（头部、铰接的手臂和腿）开启了人类对于人形机器人的无限想象。这个类人形体被称为“Herbert Televox”，由美国西屋公司打造，身体的核心部分是Televox控制单元。1928年的广告是这样描述Televox的：“这是未来会成为仆人的一款新设备。”

对于机器智能体来说，先天的不足——是其芯片组件往往来自人类的预先设计，一旦制成，在整个生命周期中无法动态修改，无法在环境的交互中动态优化。不过，随着芯片设计、封装、制造等技术的演进，包括chiplet、量子芯片等发展，机器智能体的计算方式也在发生变化，迭代进化速度将不断加快。

我预测未来每个人常打交道的机器人数量应该在10-20个左右。既不可能是一个机器人解决我们的所有问题（就算有钱，管家和秘书还有司机还是分开的），更不可能和3000个机器人打交道（我们的人脑能分清楚150个人都困难），那么问题来了，未来的世界我们和机器人到底是怎么工作的呢？

如果要让机器人直接加载“强人工智能”，那只会让机器人的芯片瞬间过载死机——即使能勉强运行，也会对本来就艰难的功耗和续航带来巨大负担。对单机芯片的算力来说，这是让人绝望的量级差。

当一款适合的柔性传感器贴附于机器人的手时，机器人整个倒水过程就可以精确地被检测到，以此辅助他进行类人的高灵巧操作......厦大航院实验室里的“机械臂”就是在这样的探索下成功实现了对动态力的超灵敏感知及灵巧操作。“未来，该触觉传感器不仅适用于智能机器人，也有望在医疗、汽车、可穿戴设备等领域进行

根据机器人联合会的统计，一些高空擦玻璃、泳池清理的场景也正在被机器人占满......机器人技术阶段性停滞的时期，扫地机器人、物流机器人类似的细分市场已经接近饱和，初创企业要再切入自然不会选择重资产的生产模式，采用软件开发的轻资产运营是可以理解的套路。

量产时间暂时还没明确，用马斯克的话来说，技术上肯定会进一步升级，也可以进行对话和交谈，但就是还不知道终极目标是什么......人形机器人可能受益的环节有减速器、 电机、结构件、半导体芯片及器件、传感器、面板玻璃和材料等，这些都会有更多的投资机会。

四足机器人在运动能力、负载能力和续航能力上都领先于双足人形机器人。“在服务人类方面，更有竞争力。”......机器人行业不像手机行业，动辄销量几亿台那种量级，“现在虽然大家知道了这个行业，但是还是很小众。“

今年只是又一个会过去的年份，不管我们动用多少机器人来记录，数据只会冗余在堆栈，不会全部刻录到我们的头脑、身体和精神中。就算机器人费尽心思掌握我们身体的数据、身体移动的路线，却终究无法定位和掌握我们脑海中的微妙想法。

研究团队试图模仿人类的咀嚼过程——人类的咀嚼过程不仅在物理上分解食物以便于消化，而且使人体口腔充满唾液和酶，从而改变食物的味道。这个过程给我们带来了唾液将食物中的化学物质带到舌头上的味觉感受器，后者将信号传递给大脑，由大脑决定某物是否好吃的能力。

学校或少年宫引入教育机器人的“功利性”也是不争的事实。要么是政策引导的结果，就像前面提到的教育部“推广编程教育”的工作安排；要么属于学校的兴趣课程，常见于江浙沪等富裕地区的学校，向外界传递素质教育的信号；要么是应试教育的产物，比如一些省市将“创新”纳入中高考加分制度，一些学校开展机器人教育的核

比如自闭症儿童对这种类机器人反应良好......机器必须对人有深刻的理解和同情。他们必须欣赏我们的价值观，成为我们的朋友，并以我们能够理解的方式表达他们的感受。只有具备类人的性格，才能与这样的机器合作与和平。

生成式AI终结了文牍主义。办公文书、八股文等固定格式的文本，是机器人最容易掌握，也最容易仿真和替代的。介乎宣传文稿和新闻作品之间的新闻内容，均具有固定格式，类似八股文。某种意义上说，生成式AI将会对新闻报道中文牍主义、形式主义形成冲击，同时也对僵化的官僚主义、科层制管理模式形成冲击。

可以从数学角度来看这个问题。ChatGPT它的目标是什么？是面对提问，每次给出最大概率出现、最自然的解，所以它的运作思路，和人想出新办法的能力是完全相反的。人在这方面的能力，ChatGPT没法替代。培养人的思维能力，让人想出那些创新的，奇奇怪怪的新方法，其实也是非常难的。

2016年人工智能第一次撞开现实之门，所有人都在讨论赢了李世石的AlphaGo，讨论AlphaGo背后的DeepMind......彼时深度学习的技术演进变成CV（计算机视觉）和NLP（自然语言处理）等领域新的场景......此时的追一从单纯的产品技术角度，已经没有太多优势。一个象征性的事情是，滴滴在决定自研智能客服后，在2019年结束了与追

这一次，是聊的模式，即上下文+启发的对话模式。其中上下文是你和机器人一轮一轮的口语化自然语言，是语境语义，它为了学到你理解你懂你，就会按你的说话套路（你的口头语音说话习惯，即是你打的自然语言的字）来跟你聊它的看法，而不算回答，因为问答、回答是考试模式填鸭模式，少了可能性。

从数据的角度看，ChatGPT并不具备智能的本质特征。小样本小数据解决大问题，才是智能的表现。在许多场景中，交互双方的意图往往是在具有不确定性的非完备的动态小数据中，小概率出现并逐步演化而成的。

GPT-4根据工作人员的回复“推理”出它不应该透露它是一个机器人。于是它开始编造一些借口，来解释为什么它无法解决验证码问题。GPT-4回答表示：“不，我不是一个机器人。我有视力障碍，这使我很难看到图像，所以我很需要这个服务。”

ChatGPT这一种LLM，不是打开了AIGC的大门，而是打开了自然语言用户界面（LUI, Language User Interface）的大门。LUI是一个比AIGC大不知道几个数量级的世界。和LUI的大海相比，AIGC就是一个小池塘。

创造是人类的天性。在过去30万年间，我们在创造艺术、美食、宣言、社会的能力方面一直是独一无二的：我们在前所未有的领域设想和创造新东西。现在我们有伴了。当你在读这句话的时候，人工智能（AI）程序正在绘制宇宙画像，回复电子邮件，做报税准备，录制金属摇滚。它们正在写演讲稿，调试代码，勾画建筑蓝图，并提供健康建议

过去人们看到蒸汽把壶盖掀起来，从而发明了蒸汽机，以至于后面发生的工业革命，极大地解放了生产力。AI就是我们这个时代的“蒸汽机”，这是不可逆的时代浪潮，我们每个人都要去适应与AI共存。

使用ChatGPT时就会发现它一个让人十分惊讶的能力，即使和ChatGPT交互了十多轮，它仍然还记得第一轮的信息，而且能够根据用户意图比较准确地识别省略、指代等细粒度语言现象。这些对我们人来说似乎不算问题，但是在NLP的研究历史中，省略、指代等问题一直是一个难以逾越的挑战。

五六年前就已经有了MGC的内容生产方式，那会儿其实就是基于人工智能的算法。现在，如果我们把它作为一个现象级的东西更加确切地定义，就不能叫MGC了，应该叫AIGC，即人工智能内容生产。它是一种突破性的技术，它的自由度高，边界被打破了。ChatGPT的热潮，就是以用户需求、用户兴趣作为它功能展示的逻辑起点，这也是未来

ChatGPT代写和以往的找枪手、抄袭、学术不端都有极大的不同。首先ChatGPT生成的内容是个性化的，不能用查重来解决。其次没有枪手来佐证，只要学生不承认老师和学校也没办法。最重要的是，ChatGPT生成的内容目前还没有独立的著作权，校方不能按照侵犯著作权来惩罚学生。学生可以提出，不用ChatGPT用其他AI模型可以

图片和视频，这些都是单向的交流模式，人们可以听到和看到亲人，但不能与他们互动。Deep Brain AI利用这些信息宝库，加上预先录制的内容，可以安排虚拟会议，人们甚至可以与亲人进行未完成的对话。DeepBrain AI不仅可以将死去的人变成虚拟人，此前还制作了一个国家电视台的新闻主持人的AI版本，同时还公布了韩国总统尹

尽管AI生成的文本可以拥有完美的语法和句法，但内容却很难超出几个段落。这意味着，内容越长，AI的写作连续性越差，也没有清晰的逻辑思路作为主干。同时，AI无法正确理解事实，生成内容中的引用、日期和思路很可能是错的。

虚拟仿真角色的情感研究号称人工智能的“禁区”，其中既包含了哲学、伦理学层面的寓意，同时也因为情感本身较难被量化、被转换为抽象的数字。技术层面，虚拟主播的具象化情感表达或可从如下路径加以探索。

对完全依靠AI驱动的虚拟人而言，最后呈现出来的效果，受到语音识别（ASR）、自然语言处理（NLP）、语音合成（TTS）、语音驱动面部动画（ADFA）等技术的共同影响。换言之，只有具备了以上几个技术要素，一个虚拟人才能够看得见、听得懂、会思考、能回答、能呈现。

恐怖谷假设提出，当虚拟人和真人的相似度达到某一程度之后，哪怕是极其细微的不同点都会激起人们的反感甚至恐惧。若想要突破恐怖谷，虚拟人与真人的相似度需要进一步提升。当将差距降到微乎其微后，人们与虚拟人之间又会产生情感联结。因此，写实型虚拟人需要极高的人物形象真实度，对人物建模等技术提出了更高的要

虚拟人在物理世界中并无实体，纯粹是虚拟世界中的虚拟产物，身份、外貌与行为举止都是虚构出来的，可以是一个虚拟IP，也可以是一个特定场景中的虚拟角色；而数字人则在物理世界中有着对应的形象，数字人可以看做是真人在虚拟世界中的孪生分身，身份、外貌均与真人相同......

这一次，他们这帮技术出身的科研人员，切实感受到了科技和传统艺术的碰撞。“学京剧的人，对传统是很敬畏的，也是相当讲究的。”翁冬冬说。梅兰芳先生服装的数字化，就颇费一番周折。“现在的布料，和民国时期的布料是不一样的。”

AI Studio是一家基于SaaS的工作室，为使用AI虚拟人而非真人制造视频的公司和创造者提供工具，该公司声明，用AI Studio制作视频不需要“亲自拍摄或雇佣真人”。目前，明芒科技已经推出众多虚拟形象，投入媒体、金融、教育等行业。

在45年前再往前，曾经IBM的董事长认为也许未来世界人类可能需要五台计算机就够了。但是当45年前比尔盖茨创立微软的时候，他做出了一个巨大的预见，他认为这个世界上不是只有五台计算机，而是每一个人都会需要他们自己的计算机，并且在这些计算机上都会运行微软的软件。

鲁曼认为，这其实是“客服降级，减低成本，漠视用户权益”的表现。企业都希望将更多业务交给机器处理，以降低人工成本。很多互联网企业引导客户采用机器、自助服务等形式处理，机器人客服成为流于形式的幌子。

有行业内人士甚至认为，如果不是算命本身的合法性存在质疑，AI算命不失为一个有刚需、有市场的落地场景。“只要有焦虑，就永远有占卜的生存之地，而AI算命恰好能在尽可能不丢失准确性的情况下，把占卜的成本降到最低。”

噪声环境的各类声源处理是目前公认的技术难题，机器无法从各层次的背景噪音中分辨出人声，而且，背景噪声千差万别，训练的情况也不能完全匹配真实环境。因而，语音识别在噪声中比在安静的环境下要难得多。