加密新闻

Anthropic 持续震撼市场。在 Project Fetch 实验的第二阶段，Claude Opus 4.7 模型展现了令人瞩目的成果：它配置并编程了一台四足机器人（机器狗），速度比使用上一代 AI 版本的人类工程师团队快 20 倍。

2024 年的测试方式有所不同：当时 AI 仅作为经验不足员工的辅助工具。而如今，Opus 4.7 模型几乎完全自主运行，仅在研究人员的最低限度监控下。神经网络独立完成了完整的任务流程：

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

数据不言自明：Opus 4.7 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，神经网络生成的代码比人类编写的紧凑 10 倍——这标志着效率的质的飞跃。

关键结论：机器人技术的进步是语言模型通用扩展的副产品。Anthropic 并未引入专门用于控制“硬件”的算法——这纯粹是基础架构的优势。

然而，限制依然存在。Claude 在精确物理操作方面存在困难：模型将机器人引导至目标，但未能将球精准推至指定位置。这需要复杂的实时反馈，而人类在这方面仍保持优势。

Anthropic 表示，行业正进入“物理 AI 代理”时代。未来，神经网络将能像处理代码一样高效地操控标准工具和设备。

我的分析： Project Fetch 的成果不仅仅是又一个基准测试。它标志着数字世界与物理世界之间的界限比预期更快地消融。然而，“精细动作控制”问题仍是瓶颈。在 AI 学会凭直觉感知物理交互之前，完全替代人类进行实际操作的可能性不大。但进步的速度迫使人们重新审视这些悲观的预测。