加密新闻

人工智能与物理机器人融合的实验正迈入全新阶段。Anthropic公司公布了其Project Fetch项目的最新成果，数据令人瞩目：Claude Opus 4.7模型在配置和控制四足机器人方面的速度，比使用去年版本AI的工程师团队快了20倍。

如果说2024年神经网络还只是充当助手角色，帮助缺乏机器人技术经验的员工更快找到解决方案，那么现在情况已发生根本性转变。在新一轮测试中，Claude Opus 4.7几乎实现了完全自主运行。在研究人员的最低限度监控下，该神经网络完成了全套任务流程：

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

对比分析显示出巨大的性能差距。Opus 4.7模型比使用旧版AI的团队快18倍，比没有聊天机器人辅助的人类工作者快37倍。此外，神经网络生成的代码比人类编写的代码紧凑高效10倍。

物理限制依然存在

实验作者强调了一个重要细节：机器人技术的进步是语言模型整体规模扩展的副产品。Anthropic并未引入专门用于控制硬件的算法——模型自行找到了与物理环境交互的方法。然而，尽管在导航和编程方面取得了成功，Claude在精确物理操作上仍存在困难。虽然成功将机器人引导至目标点，但模型无法精准地将球推至指定位置。这类任务需要复杂的实时反馈，而人类在这方面仍优于AI。

Anthropic表示，行业正进入"物理AI代理"时代。他们认为，未来神经网络将能像现在处理软件代码一样，高效使用标准工具和设备。

专家观点：Project Fetch的成果不仅仅是又一个基准测试。我们正在见证AI从纯数字空间向物理世界的跨越。模型能在没有专门训练的情况下自主掌握机器人控制，表明神经网络已具备真正的自适应逻辑。然而，精确运动技能的问题——这个"瓶颈"——仍将我们与真正的机器人助手隔开。在AI学会感知与物体交互的物理特性之前，谈论此类系统的大规模部署还为时过早。