这是一个与「朱啸虎们」相反的 AGI 叙事。 访谈丨陈彩娴 马晓宁 作者丨马晓宁 编辑丨陈彩娴...

作者丨丁莉 编辑丨陈彩娴 聚身智能成为新机遇？资本兴趣又面向何方？ 时间进入7月，半个月来，国内具身智能领域共发生16起融资事件，几乎平均每天一起。仅7月8日一天内，就有6家公司官宣获得了新一轮投资。 将时间线进一步拉长，今年以来截至7月16日，AI科技评论以“具身智能”为标签在IT桔子上检索到融资事件共计130件。其中，已明确公布的融资金额共计96.68亿元；另有98件未公布明确金额的融资事件，从千万级到数亿元不等，如果再算上这一部分，预估整个具身智能领域上半年的总融资超过了 200亿人民币，甚至更多。 相关数字已远远超过 2024 年全年的 90 起融资 — — 89.33亿元融资金额。 去年涌向大模型的科技投资，今年开始掉转方向拥抱具身智能，但钱具体流向了哪里？ AI科技评论梳理出的上半年融资金额与轮次最多、估值增长最突出的13家具身智能赛道头部公司，大多都选择了大脑与本体“两条腿走路”；在它们的资方构成中，大厂和传统制造巨头充当了重要角色。 资本日渐向头部企业聚拢，或将倒逼创新收敛，并把行业提前带到洗牌期。 Press enter or click to...

「复制训练」或许是一条推动 RL 模型走向通用智能的重要路径。编译丨郑佳美编辑丨陈彩娴最近，国外一家 AI 初创公司 Mechanize 的三位创始人联合撰文，提出一个大胆的判断：RL 或许要迎来属于它的 “GPT-3 时刻”，但还需要拥有相当于数千至上万年“模型处理任务所用时间”的训练。在他们看来，当前的 RL 模型还存在明显短板，比如泛化能力差、难以适应新任务等，这种局面其实很像 GPT-3 出现之前的语言模型 — — 能解决特定问题，但难以迁移和扩展。为了解决这个问题，他们提出了一种新的训练范式，叫作“复制训练”（Replication Training）：让模型在虚拟环境中模拟真实软件的操作过程，比如使用浏览器、编写代码、处理命令行任务等等。这种训练方式的好处在于任务目标清晰、评分机制明确，同时还能大规模自动生成训练数据，非常适合用在 RL 模型的系统性训练中。当然，它也不是万能的，比如在任务开放性和测试设计方面还有一些挑战。但他们认为，复制训练是一条能推动 RL 模型走向通用智能的重要路径，有望带来一次类似 GPT-3 那样的能力跃迁。综上，AI...