第九章 物理AI

    苏晚发来新资料那天下午，江州下著小雨。
    林风刚冲了杯速溶咖啡，坐在公寓书桌前。邮件提示音短促响了一下，点开一看，三页pdf文件。比上次余热回收装置的厚厚一沓薄得多，但苏晚在邮件里留了言。
    “这个项目非常有意思！”
    第一页是技术摘要。中部大学人工智慧学院，沈燃副教授团队，研究方向是机器人底层运动控制算法。摘要写得很学术，但核心意思清楚：基於元学习的物理交互模型。让机器人在极少量物理样本下自主生成动作序列与力控参数，不依赖预编程。
    第二页是团队简歷。沈燃，三十五岁，全球最早一批做机器人运动控制的学者，论文发在行业顶会上，被引用量不错，也不水。
    第三页是融资需求。团队想把算法从仿真推上真机，建一套完整的验证平台，资金缺口三千万。
    林风从头到尾翻了两遍。沈燃的项目是从论文出发，更早期，离市场更远，对商业化潜力与可行性的判断难度也更大。
    他放下杯子，换了个坐姿。
    ————
    机器人產业链的现状他有一些了解。上游关节模组和力传感器国內已有成熟供应商，下游人形机器人厂商在等一件事：
    让机器人真正“会动”。
    但我们常用的那种大语言模型能输出“拿起杯子”这样的自然语言指令，却无法將这些指令转化为关节轨跡和力控参数。
    语言模型理解语义，不理解物理。
    中间缺了一层——將任务意图翻译为物理动作的那一层。
    沈燃做的就是这一层。
    ……
    林风翻开笔记本，记录到一半，停下笔，起身走到阳台上，雨丝细密地打在栏杆上，空气里一股潮湿的泥土味，园区绿化带在雨里绿得发暗。
    他在想一个问题：
    沈燃的技术到底值不值钱。
    不是学术上值不值——顶会满分论文放在那里。
    而是转化价值，它的商业假设、应用假设都能实现吗？
    回到桌前，杯里的咖啡凉了。又冲了一杯。
    手机里面新建了个项目群，苏晚已经把林风引荐给了沈燃。
    林风打开聊天群，想了想，还是……还是邮件吧……
    “沈老师，我是源创观宇的技术经理人林风。苏总推荐了您的物理ai项目，我对您的元学习框架很感兴趣。本周什么时候方便，我去江城找您。”
    中部大学地处中部的核心城市之一，江城。（註：不是江州）
    第二天，收到回復。“不用来江城，下周五上午我在你们江州有个论坛，周五下午我去找你们。”
    ————
    会议室，
    沈燃比林风想像中更年轻，但头髮已经有些稀疏。背著双肩包，进了办公室就把电脑掏出来放桌上。旁边跟著一个研究生。
    “目前那种大语言模型和机器人运动控制之间很难直接打通。”
    他在纸上画了一个四层架构图，並把第二层圈出来。
    他写了一个名字。“物理推理与实时交互核心”。括號里標了“prime core”。“这一层是我做的。接收上层语义指令，基於物理推理生成关节轨跡和力控参数。它通过元学习提取了不同物体的物理属性，能给出通用策略。”
    “元学习的概念，简单说就是学会如何学习。”沈燃推了推眼镜，“传统机器学习是『见一个任务学一个任务』，元学习是『见过十个任务后，第十一个新任务上手就会』。把这种学习能力放到物理世界里——机器人不是见过杯子才会拿杯子，而是见过杯子、书、盒子、碗之后，第一次见到苹果也知道怎么拿。不是靠海量数据堆出来的，是靠理解这些东西背后的物理规律：材质、重心、摩擦力、重量分布——这些规律一旦学到，就可以泛化到没见过的物体上。不用专门训练『怎么拿苹果』。”
    沈燃在架构图旁边写了五个字，“把它作为独立模块嵌入……”
    合上笔帽。“现在算法在仿真里跑得很好，但仿真代替不了实际物理交互。”
    “需要融资三千万用於概念验证、模型验证？”
    “是的”
    林风在心里过了一遍这个数字。三千万不算天文数字，但对於一个还没真实场景应用过的算法来说，没有投资人敢直接出到这个量级。
    “我建议先做个轻量版的概念验证。三个月周期，一百万的规模。就验证一件事——在初级真实场景的核心能力。拿到第一批物理交互数据，用数据去撬下一轮钱。你们实验室能出匹配资金吗？或者学校有相关专项？”
    沈燃想了想。“学院有一笔研发经费，大概能出三十万左右。再往上要走学校层面，流程太长。”
    “加上江城市科技局的概念验证专项，我听说你们中部大学技术转移办公室今年拿到了总额2000万的额度，配下来就够了。这个专项申报材料我帮你来写，政策我已提前梳理过。”林风在笔记本上写下几个字：轻量级概念验证。
    “核心方案需要你出——三个月、一百万以內，验证什么、怎么验证、预算怎么拆。”
    沈燃打开电脑……
    10分钟后，沈燃展示了一个可视化流程图与工作任务包。
    “三个月的话，我们可以这样……”
    “预算只要九十几万？”
    “是的。”
    “那就按100万申请，別忘了还有其他成本。”
    ————
    面谈结束后，林风把沈燃送到电梯口。电梯门合上，他在走廊里站了一会儿。
    回到公寓，他在书桌前坐下，拿著沈燃留下的架构图仔细翻看。物理ai这层技术逻辑——它与大语言模型的根本差异在於数据来源：大语言模型依赖的是已有知识，物理ai的交互数据必须从真机实验中逐条採集。
    说实话，这个算法比较早期，但……顶不住其巨大的想像空间。
    闭眼……
    打开面板。
    这次系统没有给任何直接答案，是基於已掌握的信息和沈燃的技术特徵，帮他將几个关键问题逐一拆解。
    还做了一件事：把沈燃的技术具体推演到工业场景能力矩阵中去。林风脑海中浮现的矩阵非常具体，针对不同作业场景评估沈燃方案的实施条件：產线上工件一致性高的场景部署最快，物流拣选中的非標物体次之，人形机器人的全场景適应最远——也是最具有想像力的地方。
    想像一下，如果机器人不需要遥控器和预编程了……
    那意味著什么？
    ————
    把今天的沟通整理成一份简要的进展说明，发给苏晚。写到最后，犹豫了一下，还是加了一段自己的判断：“……我建议分两阶段推进：先做轻量级概念验证，用三个月验证核心能力，同步对接產业方和投资方；拿到数据后再启动全面验证和正式融资。轻量验证的资金先申请用公共概念验证资金加学院配资解决。”
    苏晚的消息回来时，快十点了。
    “蛮好的，技术定位没问题。路径分两阶段也合理。这个项目你盯紧，后续融资我可以帮你。”
    窗外，园区的路灯亮了一整排。远处火车汽笛声穿过雨后的空气，闷闷的，像从很远的地方传过来。
    ————
    关於物理ai的討论，读者朋友可以自己搜索一下。
    很多人会吐槽现在机器人是遥控玩具，其实没必要。
    这些都是未来的基础，探索是值得的。