每經(jīng)記者｜可楊    每經(jīng)編輯｜陳旭    

當(dāng)人工智能開始從屏幕走向現(xiàn)實世界，人機交互正經(jīng)歷一次升級時刻。

無論是手機、汽車，還是正在加速落地的機器人與可穿戴設(shè)備，過往以你問我答為核心的回合制交互，正逐漸暴露出響應(yīng)遲緩、感知割裂、上下文中斷等問題。這種交互方式的先天缺陷，正在成為AI進入物理世界的關(guān)鍵瓶頸。

2月2日，面壁智能聯(lián)合創(chuàng)始人兼CEO李大海接受包括《每日經(jīng)濟新聞》記者在內(nèi)的媒體采訪時表示，新一代人機交互的方向已經(jīng)出現(xiàn)曙光，但真正的躍遷不會一蹴而就，而是伴隨著云端與端側(cè)模型能力的持續(xù)提升逐步發(fā)生。在這一過程中，全模態(tài)模型是否能夠成為連接數(shù)字智能與物理世界的具身大腦，正在成為產(chǎn)業(yè)關(guān)注的核心問題。

圖片來源：面壁智能

全模態(tài)不是功能疊加，而是交互范式變化

隨著AI開始進入物理世界，當(dāng)其驅(qū)動機器人或可穿戴設(shè)備時，傳統(tǒng)的人機交互模式開始顯現(xiàn)弊端。

清華大學(xué)計算機系長聘教授、面壁智能聯(lián)合創(chuàng)始人兼首席科學(xué)家劉知遠認為，對人類而言，聽、說、看本身是多通道并行的，人可以在說話的同時繼續(xù)聽、繼續(xù)看，這些過程并不會彼此阻礙。但在人機交互層面，此前的大多數(shù)模型都很難具備這種能力，“一旦你開始說，就沒有辦法看了，有這樣那樣的問題?！?/p>

這種交互方式的缺陷，限制了AI走向具身智能的深度。在劉知遠看來，擬人化、高度自然的交互能力，是讓機器人、智能終端更像人的關(guān)鍵一步?！八ㄈB(tài)模型）和讓我們未來的機器人、智能終端能夠像人一樣去進行自然交互，可能離得更近?！?/p>

依照這一判斷，具身智能并不是一個獨立分支，而是對模型交互能力提出了更高要求的應(yīng)用場景。劉知遠強調(diào)，在具身、智能終端等場景中，其實同樣需要類似的模型，才可能讓它更好地服務(wù)人類。劉知遠在采訪中判斷，具身智能在能力層面的快速迭代，可能并不遙遠?！叭绻f還有多久，我估計可能也就是這兩三年時間。”

落到產(chǎn)業(yè)層面，端側(cè)模型與AI硬件的結(jié)合，正在成為一個現(xiàn)實而復(fù)雜的命題。

在李大?？磥恚S著大廠下場、智能體進入手機等終端形態(tài)，新一代人機交互的形態(tài)已經(jīng)看到曙光，但這也并不意味著拐點已經(jīng)到來。他判斷，這一躍遷不會是一次性完成的，“大家會在這個方向上不斷地探索，這個要伴隨著云端模型和端側(cè)模型的持續(xù)提升?！?/p>

即便在當(dāng)前被廣泛討論的手機場景中，技術(shù)本身仍存在明顯約束。李大海表示，像豆包手機背后依托的是目前行業(yè)里最優(yōu)秀的模型之一，但它對人類復(fù)雜任務(wù)的完成率其實也沒有完全達到可用的理想狀態(tài)。

李大海進一步分析稱，一方面，純云端方案難以繞開隱私問題；另一方面，端側(cè)資源的算力等消耗，使得全模態(tài)能力在手機上的落地需要更長時間。李大海直言，模態(tài)越多，資源消耗越大，這決定了不同終端形態(tài)的節(jié)奏差異。

手機目前的交互仍主要以語音和觸控為主，模態(tài)相對受限。李大海介紹，以豆包手機為例，其核心突破是讓智能體可以像人一樣操作手機，代替用戶完成復(fù)雜任務(wù)，這相當(dāng)于解決了像人一樣輸出的問題。而下一個重要的演進方向，則在于輸入方式的變革。

“目前手機與人的上下文同步，依賴人在屏幕上的主動操作。如果未來手機能直接聆聽、觀看真實世界，它就能更好地與主人同步、共享上下文?！崩畲蠛ＵJ為，這是手機邁向真正智能體的關(guān)鍵一步，但也將直面功耗與隱私保護的雙重挑戰(zhàn)，對產(chǎn)品設(shè)計提出了更高要求。

相比之下，汽車、機器人等場景，由于資源條件更寬松，也被李大海認為是全模態(tài)模型更具潛力的落地方向。而在具身智能領(lǐng)域，他認為，當(dāng)前的瓶頸不在本體，而在大腦，一旦模型能力出現(xiàn)突破性進展，具身智能很可能迎來類似“ChatGPT時刻”的躍遷。

行業(yè)將快速見證模型專業(yè)能力與交互能力爆發(fā)

在這種判斷下，面壁智能對自身的定位并不著重關(guān)注某一個產(chǎn)品或硬件形態(tài)，而在于是否能夠持續(xù)產(chǎn)出高質(zhì)量模型。

在AI領(lǐng)域，Scaling Law（規(guī)模定律）曾是公認的鐵律，但關(guān)于其是否會碰壁的爭論從未停止。面壁智能曾經(jīng)提出另一個視角：Densing Law（密度法則），即大模型的保鮮期極短，能力密度每100天左右提升一倍。這意味著，重要的不是開發(fā)出一個優(yōu)秀的模型，而是具備持續(xù)開發(fā)優(yōu)秀模型的能力。

面壁智能將自己定位為“做大模型的光刻機”。李大海解釋說，這個光刻機指的是不斷訓(xùn)練出更高能力密度的大模型。

劉知遠補充表示，密度法則的邏輯與芯片行業(yè)相類似：大模型未來的趨勢是尺寸越來越小、密度越來越高。進而極致地降低模型成本，同時用更小的尺寸讓其更有可能在距離用戶更近的終端上運行。

李大海強調(diào)，端側(cè)模型的商業(yè)化，本身也是能力驗證和數(shù)據(jù)飛輪的一部分。單純依靠商業(yè)化的路徑銷售模型，來實現(xiàn)將模型部署到百億臺設(shè)備的目標可能比較困難，更現(xiàn)實的路徑是通過生態(tài)和開發(fā)者，共同推進這一過程。

關(guān)于與大廠之間的競爭，在李大?？磥?，創(chuàng)業(yè)公司的機會并未因為大廠入場而消失。AI仍然是一個產(chǎn)業(yè)級機會，創(chuàng)業(yè)公司面臨的考驗是，選擇在一個非常廣闊的賽道上占領(lǐng)比較小的份額，還是在比較小的市場去爭取頭部，“我相信還有很大的空間給大家去發(fā)揮?！?/p>

對于未來的技術(shù)趨勢，劉知遠提出了兩大主旋律：一是智能能力的持續(xù)增強；二是智能的使用持續(xù)高效。他認為，接下來一兩年，行業(yè)將快速見證模型專業(yè)能力越來越強，以及與世界交互能力的爆發(fā)?！八ㄖ改Ｐ停┳鳛橐粋€智能體，具備了更強的自主學(xué)習(xí)能力，這是接下來一兩年非常重要的發(fā)展趨勢。當(dāng)它具備了自主探索、學(xué)習(xí)成長的能力之后，再下一步的突破，其實就是多智能體的協(xié)同?！?/p>

劉知遠表示，在未來的五到十年，全球一定會進入多智能體互聯(lián)互通、高度協(xié)作，并涌現(xiàn)出群體智能的狀態(tài)。

封面圖片來源：受訪公司提供