加密新闻

机器人技术领域见证了一个里程碑事件：Anthropic公司推出的新版语言模型Claude Opus 4.7，在配置和控制四足机器人方面的速度比人类工程师团队快了20倍。这不仅仅是又一个基准测试——它标志着人工智能不仅承担数字任务，更开始涉足物理任务的时代真正到来。

2024年8月，Anthropic的员工（此前并无机器人技术经验）曾尝试借助人工智能为机器狗编程。当时，该模型仅作为辅助角色，加速了解决方案的寻找过程。而如今被称为“Project Fetch, Phase 2”的实验，则彻底改变了游戏规则。Opus 4.7模型几乎完全自主运行，仅需研究人员最低限度的监督。

人工智能独立完成了什么？

神经网络完成了完整的集成任务流程：它连接了视频传感器和激光雷达，编写了手动控制程序，创建了机器人路径监控系统，并配置了物体识别算法。所有这些工作完成的速度比人类团队快数十倍。

对比分析令人印象深刻：Opus 4.7比使用旧版人工智能的团队快18倍，比没有聊天机器人辅助的人类快37倍。此外，生成的代码比人类编写的代码紧凑高效10倍。这表明，该模型并非简单复制操作者的行为，而是找到了本质上更优的解决方案。

物理极限：未能攻克皮球难题

尽管在编程领域取得了胜利，Claude在精确物理操作方面仍面临挑战。模型成功将机器人引导至目标位置，但未能精准地将沙滩球推至指定点。这是一项需要实时反馈和精细运动控制的复杂任务——人类在此领域仍保持优势。正如我在分析中多次指出的，“硬件”和物理世界仍是人工智能时代人类智能的最后防线。

需要强调的是，Anthropic并未引入专门用于机器人控制的算法。机器人技术的进步，是语言模型通用扩展带来的副产品。这印证了我长期以来的假设：在海量数据上训练的通用模型，必然会在相关领域超越专用系统。

该公司认为，行业正进入“物理人工智能代理”时代。在不久的将来，神经网络将能像处理软件代码一样高效地使用标准工具和设备。值得一提的是，6月13日，Anthropic因美国政府出口管制指令被迫停止了对Fable 5和Mythos 5模型的访问。这充分说明了监管机构对这类技术潜力的重视程度。

我的分析：机器狗领域的突破不仅仅是速度的展示。它向市场传递了一个信号：对基础大语言模型的投资正在最意想不到的领域产生回报。我预计，在未来12至18个月内，我们将看到大量初创公司尝试将类似方法应用于工业自动化和物流领域。然而，物理精度仍将是“瓶颈”——而这正是开发触觉传感器和反馈系统的公司最具投资价值之处。