加密新闻

Anthropic公司公布了Project Fetch实验第二阶段的结果，成果令人瞩目。我的团队分析了数据：Claude Opus 4.7模型在配置和操控四足机器人方面的速度，比人类工程师团队快20倍。这不仅仅是又一个基准测试——它展示了人工智能如何从数字空间迈向物理世界。

2024年8月，实验的形态还大不相同：没有机器人技术经验的员工将AI作为助手，以加速寻找解决方案。而如今，Claude Opus 4.7几乎在研究人员的最低限度监督下自主运行。神经网络独立完成了完整的任务周期：

• 连接视频传感器和激光雷达；
• 编写手动控制程序；
• 创建机器人轨迹监控系统；
• 配置物体识别算法。

性能数据尤其值得关注。Opus 4.7比使用先前版本AI的团队快18倍，比没有聊天机器人辅助的人类快37倍。同时，神经网络生成的代码比人类解决方案紧凑10倍。这表明模型不仅加速了过程，还在根本层面上进行了优化。

关键结论：机器人技术的进步已成为语言模型通用扩展的附带效应。Anthropic并未引入专门用于操控“硬件”的算法——模型自身适应了任务。然而，也存在局限性。Claude成功将机器人引导至目标，但未能精准地将球推至指定位置。这需要复杂的实时反馈，而人类在这方面仍保持优势。

据Anthropic估计，行业正进入“物理AI代理”时代。未来，神经网络将能像当前处理软件代码一样高效地使用标准工具和设备。在我看来，这是从高度专业化机器人向AI驱动的通用系统的转变——而我们正目睹这一进程的开端。

我的分析： Claude Opus 4.7无需专门训练即可处理物理对象的能力，表明语言模型正成为通用人工智能的平台。然而，精确操控方面的问题提醒我们，在实现现实世界的完全自主之前，数字与物理感知之间仍有巨大鸿沟需要跨越。