加密新闻

人工智能发展的关键节点：Anthropic公司的Claude Opus 4.7模型展示了自主编程和控制四足机器人的能力，完成任务的速度比最优秀的人类工程师团队快20倍。这是Project Fetch实验第二阶段的结果，从根本上改变了人们对AI在物理世界中能力的认知。

2024年8月，该公司没有机器人技术经验的员工曾尝试借助仅能加速寻找解决方案的AI来编程机器狗。如今情况已截然不同：Claude Opus 4.7几乎完全自主运行，仅在研究人员的最低限度监督下工作。神经网络独立完成了完整的配置流程：

• 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。

数据令人印象深刻：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快37倍。同时，神经网络编写的代码更高效——其代码量比人类团队少10倍。这直接证明了现代语言模型不仅能生成代码，还能在人类无法企及的水平上优化代码。

需要强调的是：Anthropic并未引入专门用于控制硬件的算法。机器人技术的进步是语言模型整体规模扩展的副产品。这意味着我们看到的不是狭隘的专业化，而是AI能力的根本性扩展。

然而，限制依然存在。尽管取得了成功，Claude在精确物理动作方面仍面临困难。该模型能将机器人引导至目标，但未能完成将球轻轻推至指定点的任务。这需要复杂的实时反馈，而人类在这方面仍优于AI。Anthropic认为，行业正进入"物理AI代理"时代，神经网络将能像目前处理软件代码一样高效地使用标准工具和设备。

我的分析：这个实验不仅是速度的展示，更是范式转变的信号。如果说过去AI是助手，那么现在它正成为复杂物理系统的独立操作者。问题只在于我们多快能解决精确物理反馈的问题——以及谁将率先将此类系统应用于实际工业中。