加密新闻

Anthropic公司公布了Project Fetch实验第二阶段的成果，令人印象深刻。新款Claude Opus 4.7模型展示了自主配置和控制四足机器人的能力，完成任务的速度比使用先前AI版本的经验丰富的人类工程师团队快20倍。

回顾一下，2024年8月，Anthropic的员工（没有机器人技术经验）曾尝试借助AI对机器狗进行编程。当时模型仅扮演辅助角色。在新的测试阶段，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。

神经网络自主完成了一系列关键操作：

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

关键性能指标令人瞩目：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团队的代码紧凑10倍，这表明效率显著更高。

重要的一点是：Anthropic强调，机器人技术的进步是语言模型通用扩展的“副产品”，而非引入专门用于控制“硬件”的算法的结果。这证实了通用AI模型无需特殊调整即可适应物理任务的假设。

然而，Claude在精确物理操作方面仍存在困难。模型成功将机器人引导至目标，但未能完成将球轻轻推到指定点的任务。此类操作需要复杂的实时反馈，而人类在这方面仍保持优势。

Anthropic认为，我们正在进入“物理AI代理”的时代。在不久的将来，神经网络将能够像现在处理软件代码一样高效地操作标准工具和设备。

我的分析：Project Fetch的成果不仅仅是又一次性能突破。它们标志着根本性的转变：AI模型开始从虚拟空间进入物理世界，而且这一转变比预期更快。然而，需要精细运动协调和实时反馈的任务仍然是“瓶颈”。未来几年，开发者之间的竞争将集中于此。