加密新闻

Anthropic公司公布了Project Fetch实验第二阶段的成果，结果令人瞩目。我和我的团队一直在密切关注这个项目，因为它展示了语言模型在自主解决复杂物理任务方面取得的巨大进步。

Claude Opus 4.7模型完成机器狗的全套调试和控制流程，速度比使用早期AI版本的人类工程师团队快20倍。这不仅仅是性能提升——更是范式的转变。

工作原理

与第一阶段AI仅作为无机器人经验者的辅助工具不同，新版本Claude几乎实现了完全自主运行。在研究人员的最低限度监督下，该模型独立完成了以下工作：

• 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。

尤为重要的是：神经网络编写的代码量仅为人类团队的十分之一。这不仅意味着速度优势，更体现了质量提升——更高效、更简洁的解决方案。

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。值得注意的是，Anthropic并未引入专门针对硬件控制的算法——这一进步是语言模型整体规模扩展带来的附带效应。

局限性与前景

然而，弱点依然存在。Claude成功将机器人引导至目标位置，但未能完成将球精准推至指定点的精细操作。这需要复杂的实时反馈机制，人类在这方面仍优于AI。不过我认为这只是暂时性局限——一旦模型学会处理触觉反馈，物理智能体将成为现实。

Anthropic坚信行业正迈入"物理AI智能体"时代。我的专业预测是：未来2-3年内，我们将看到神经网络像现在处理代码一样高效地使用标准工具和设备。这将为物流、建筑乃至家政领域的自动化开辟全新前景。