意大利机器人公司Generative Bionics CEO:人形机器人的目标是'多用途',不是'通用'
Generative Bionics CEO Daniele Pucci认为'通用'是从语言模型借来的概念,在物理世界没有对应参照物;她提出按工业细分领域训练'专家模型'再组合为'工业行动模型',以此替代对通用机器人的等待。
'通用机器人'这个说法正在误导整个行业。意大利人形机器人公司Generative Bionics的CEO Daniele Pucci指出,'general-purpose'是从语言模型领域借来的术语,在软件中它有清晰含义——一个模型处理任何文本、任何语言——但在物理世界中它几乎没有意义,因为真正通用的物理代理只有一个参照物:人。没有人打算重建一个人。
Pucci的替代框架是'多用途'(multipurpose):一个能在客户实际运营环境中完成多种真实任务的机器人——工厂、产线、仓库、实验室——而不假装它必须做到人类能做的一切才值得部署。她强调这不是语义上的文字游戏,它改变了你构建什么、如何训练、以及何时交付。
具体机制是'细分领域专家模型'(Segment Expert Model, SEM)。Generative Bionics从客户参考场景的抽象出发——这个抽象被同一市场段内大量客户共享——训练出对特定工业领域(如物流或医疗)的专家模型。该模型在公司的'物理AI数据工厂'中见过该市场的物体、材料、公差和动作,在真实环境和物理一致的数字孪生中均达到部署质量。
数据工厂的运作逻辑是一个闭环飞轮:真实机器人执行任务,全身多模态皮肤采集力、接近度、压力、接触和温度数据;这些数据驱动物理一致的实时数字孪生;孪生环境在布局、物体、材料、工况和故障模式上随机化,将数据规模放大数千倍;训练出的模型返回物理机器人验证,验证结果再喂入下一轮训练。仿真和数字孪生是放大器,不是数据源——管线始于真实硬件,也终于真实硬件。
Pucci给出的时间线是:SEM在大约三年内到达特定工业市场段。她认为这不是三十年,因为不需要等待一个突破性的通用模型,而是逐段生成物理数据、逐段训练专家。当多个工业段都拥有SEM后,将它们组合成'工业行动模型'(Industrial Action Model)——其广度来自各段专业能力的并集,而非一个声称Day One就通用的系统。
这构成了对当前主流叙事的直接反驳。Tesla CEO Elon Musk将Optimus定位为通用机器,声称年产能将达两万台,数十亿机器人将使人类工作变为可选项。Pucci没有点名回应,但她的逻辑指向一个结论:这种框架产生的只是随机答案,因为标尺本身就是错的。
不过需要注意,这是一位正在制造自家机器人的公司CEO的战略论述。'自下而上组合出通用性'的声称目前尚未有独立验证——没有公开证据表明任何公司已成功将多个SEM组合为跨段可靠的工业行动模型。Pucci的框架在逻辑上自洽,但它同时也可能是一种将当前工程限制重新包装为刻意战略选择的修辞。
她的论点中有一个可检验的边界条件:如果数据飞轮确实能跨段泛化,那么第一个SEM部署到第二个类似但不同的客户环境时,微调成本应显著低于从零训练。这是三年时间线能否兑现的关键观测点,目前尚无公开数据。