《具身智能发展报告(2024年)》

  • 来源专题:新能源汽车
  • 编译者: 王晓丽
  • 发布时间:2024-09-24
  • 【摘  要】报告致力于厘清具身智能的概念内涵、演进历程、技术体系,通过梳理当前具身智能技术发展现状,研判分析具身智能应用潜力与带来的影响,并总结当前产业应用困难与挑战,展望思维智能和行动智能有机融合的无限可能。【目  录】一、全球具身智能发展态势  (一)具身智能的概念与内涵   (二)具身智能发展历程(三)全球具身智能提速发展   二、具身智能技术突破,重塑智能边界(一)感知模块—赋予机器感官,实现多模态感知泛化  (二)决策模块—提升机器脑力,实现人类思维模拟(三)行动模块—提升机器自主行动能力,实现精细动作执行  (四)反馈模块—拓展机器交互通道,实现自主学习演进   (五)支撑要素—本体、数据和软硬件底座共同构成具身智能发展基础(六)安全与隐私保障—确保具身智能执行安全可信三、具身智能在各领域的应用前景(一)工业制造领域:打破人机协作瓶颈,实现智能化柔性适配   (二)自动驾驶领域:适应开放交通环境,实现安全可靠智能驾驶(三)物流运输领域:优化仓储物流产线,实现高效货物运转  (四)家庭服务领域:解放人类双手束缚,实现全场景的智能家务服务(五)医疗康养领域:应对老龄化问题,实现拟人化交互服务  (六)其他领域:从赋能到变革,推动各行各业创新与转型四、具身智能发展所面临的挑战(一)技术挑战   (二)应用挑战   (三)标准与合规挑战   五、迈向未来,具身智能迎来无限可能(一)技术创新发展,推动具身智能持续进化(二)产业跨界整合,开辟更广阔的市场空间 (三)体系重构加速,引发更深层次社会思考
相关报告
  • 《生成式人工智能应用发展报告(2024)》

    • 来源专题:新能源汽车
    • 编译者:王晓丽
    • 发布时间:2025-01-13
    • 《报告》显示,各行各业正在积极拥抱生成式人工智能带来的智能化升级浪潮。一是各领域引入生成式人工智能实现降本增效。例如,海淀区政府利用政务大模型,将查找数据、指标计算等场景所需的3天工作时长降低到1分钟,把图标绘制、报告撰写等场景所需的5天工作时长降低到30分钟。二是多模态能力拓展了生成式人工智能的应用边界。自动驾驶是新质生产力典型代表,也是多模态大模型的典型应用场景。北京、上海、广州、武汉等城市已广泛开展自动驾驶出行服务应用示范。萝卜快跑的第六代车辆搭载自动驾驶大模型ApolloADFM,结合点云和视觉的多模态融合,能够更精确地检测和理解复杂环境中的障碍物,实现对各类信息的深层理解和联动,更有利于将自动驾驶服务扩展到跨区通行、跨江通行、机场高速通行等多种场景。三是智能体成为连接用户与各类服务的新桥梁。在政务服务领域,中卫慧通利用基层政务智能体帮助村民们解答生活中的各种问题,已覆盖6000多个村庄,约3万名基层政务工作人员用大模型服务超千万居民,实现对居民需求的快速精准反馈处理。在企业运营领域,比亚迪等企业将智能体应用于销售、售后领域,为用户提供专业、高效的咨询服务,其销售线索转化率提升了119%
  • 《2024 年人工智能指数报告》

    • 来源专题:战略生物资源
    • 发布时间:2024-04-16
    • 2024年4月15日,由李飞飞联合领导的斯坦福大学以人为本人工智能研究所(Stanford HAI)发布了《2024 年人工智能指数报告》(Artificial Intelligence Index Report 2024)。这份长达 300 多页的报告是 Stanford HAI 发布的第 7 份 AI Index 研究,追踪了 2023 年全球人工智能的发展趋势。 Stanford HAI 官方介绍道,“这是我们迄今为止最全面的报告,而且是在人工智能对社会的影响从未如此明显的重要时刻发布的。” Stanford HAI 研究项目主任 Vanessa Parli 表示,“我认为最令人兴奋的人工智能研究优势是将这些大型语言模型与机器人或智能体(agent)相结合,这标志着机器人在现实世界中更有效地工作迈出了重要一步。” 新报告揭示了 2023 年人工智能行业的 10 大主要趋势: 1.人工智能在某些任务上胜过人类,但并非在所有任务上。  人工智能已在多项基准测试中超越人类,包括在图像分类、视觉推理和英语理解方面。然而,它在竞赛级数学、视觉常识推理和规划等更复杂的任务上依然落后于人类。 2.产业界继续主导人工智能前沿研究。 2023 年,产业界产生了 51 个著名的机器学习模型,而学术界只贡献了 15 个。2023 年,产学合作还产生了 21 个著名模型,创下新高。此外,108 个新发布的基础模型来自工业界,28 个来自学术界。 3.前沿模型变得更加昂贵。  根据 AI Index 的估算,最先进的人工智能模型的训练成本已经达到了前所未有的水平。例如,OpenAI 的 GPT-4 估计使用了价值 7800 万美元的计算资源进行训练,而谷歌的 Gemini Ultra 的计算成本则高达 1.91 亿美元。相比之下,几年前发布的一些最先进的模型,即原始 transformer 模型(2017 年)和 RoBERTa Large(2019 年),训练成本分别约为 900 美元和 16 万美元。 4.美国成为顶级人工智能模型的主要来源国。 2023 年,61 个著名的人工智能模型源自美国的机构,超过欧盟的 21 个和中国的 15 个。美国也仍然是人工智能投资的首选之地。2023 年,美国在人工智能领域的私人投资总额为 672 亿美元,是中国的近 9 倍。 然而,中国依然是美国最大的竞争对手,中国的机器人安装量居世界首位;同样,世界上大多数人工智能专利(61%)都来自中国。 5.严重缺乏对 LLM 责任的可靠和标准化评估。  AI Index 的最新研究显示,负责任的人工智能严重缺乏标准化。包括 OpenAI、谷歌和 Anthropic 在内的领先开发商主要根据不同的负责任人工智能基准测试他们的模型。这种做法使系统地比较顶级人工智能模型的风险和局限性的工作变得更加复杂。 6.生成式人工智能投资激增。 尽管去年人工智能私人投资整体下降,但对生成式人工智能的投资激增,比 2022 年(约 30 亿美元)增长了近八倍,达到 252 亿美元。生成式人工智能领域的主要参与者,包括 OpenAI、Anthropic、Hugging Face 和 Inflection,都获得了一轮可观的融资。 7.数据显示,人工智能让打工人更有生产力,工作质量更高。 2023 年,多项研究评估了人工智能对劳动力的影响,表明人工智能可以让打工人更快地完成任务,并提高他们的产出质量。这些研究还表明,人工智能有可能缩小低技能和高技能工人之间的技能差距。还有一些研究警告说,在没有适当监督的情况下使用人工智能可能会起到负面作用。 8.得益于人工智能,科学进步进一步加速。 2022 年,人工智能开始推动科学发现。然而,2023 年,与科学相关的更重要的人工智能应用启动——使算法排序更高效的 AlphaDev、促进材料发现过程的 GNoME、可在一分钟内提供极其准确的 10 天天气预报的 GraphCast、成功对 7100 万种可能的错义突变中的约 89% 进行分类的 AlphaMissence。如今,人工智能现在可以完成人类难以完成的、但对解决一些最复杂的科学问题至关重要的粗暴计算。在医疗方面,新的研究表明,医生可以利用人工智能更好地诊断乳腺癌、解读X射线和检测致命的癌症。 9.美国的人工智能法规数量急剧增加。 2023 年,全球立法程序中有 2175 次提及人工智能,几乎是上一年的两倍。美国人工智能相关法规的数量在过去一年大幅增加。2023 年,与人工智能相关的法规有 25 项,而 2016 年只有 1 项。仅去年一年,人工智能相关法规的总数就增长了 56.3%。其中一些法规包括生成式人工智能材料的版权指南和网络安全风险管理框架。 10.人们对人工智能的潜在影响有了更深刻的认识,同时也更焦虑。 来自市场研究公司 Ipsos 的一项调查显示,在过去一年中,认为人工智能将在未来 3-5 年内极大地影响他们生活的人,比例从 60%上升到 66%。此外,52% 的人对人工智能产品和服务表示焦虑,比 2022 年上升了 13 个百分点。 在美国,来自皮尤研究中心(Pew)的数据显示,52% 的美国人表示对人工智能的担忧多于兴奋,这一比例比 2022 年的 38% 有所上升。