参考消息网7月2日报道 据英国《金融时报》网站6月28日报道，自三年多前开放人工智能研究中心(OpenAI)推出聊天生成预训练转换器(ChatGPT)以来，人们对大语言模型已不再陌生。从日常事务处理、研究工作到医疗诊断，这项技术正在为各种活动提速和赋能。但人工智能真正的潜力，远不止于聪明的聊天机器人。

除生成数字内容外，搭载人工智能技术的机器可借助摄像头与传感器，在现实世界执行物理动作。典型应用包括智能装备、自动驾驶车辆与人形机器人。这类设备依托“世界模型”，并利用真实数据与模拟数据进行训练。“世界模型”是能够理解物体如何运动、交互与反馈的系统。它与大语言模型不同。大语言模型更近似预测性文本引擎。

在以服务业为主的发达经济体中，它们的注意力和投资大多被引向人工智能在认知任务中的应用，这一点或许并不出人意料。但在物理世界，尤其是工厂车间应用人工智能技术，或将创造更大的经济价值。

首先，物理人工智能(physical AI)有望大幅提升生产力。美国麻省理工学院计算机科学和人工智能实验室主任丹妮拉·鲁斯说：“大语言模型或许会在短期内快速产生收益，但理论上，物理人工智能从长远看在改善生产力方面拥有更大潜力，因为它直击实体生产环节的瓶颈。归根结底，人类大部分劳动时间仍用于处理实体物料，而非数字信息。”

发达国家早已推进机器人与装配生产线融合，以此拉动经济增长。人工智能让机器人得以在复杂的生产、建筑、物流场景中自主学习并适应环境，这既能提升生产效率与产品品质，还能大幅缩短不同产品之间的产线切换时间。

早期应用案例已展示其潜力。苹果手机等精密电子产品代工厂富士康引入视觉引导、可自主调节的机械臂后，装配周期最高缩短30%，产品出错率下降25%。

亚马逊在美国一处仓库部署了人工智能包裹搬运机器人。这些机器人已学会在走动的人员与各类障碍物周围灵活穿行，从而使它们的行进时间缩短了10%。

其次，人工智能驱动的机器人技术能够缓解发达国家劳动力短缺问题。

最后，物理人工智能将助力各国政府增强关键产业的本土供应链韧性。实际上，具备多任务处理能力的机器可以减少对大型装配线的依赖，这意味着生产活动能以更低的边际成本在本土进行。

由此，政策制定者从经济与政治层面都有充分理由加大扶持力度，推动物理人工智能在工业领域的应用。完成这一转型尚需时日。这需要资本、世界模型的进一步开发以及海量训练数据。制造机器人硬件的必要供应链也很重要。而工厂与仓库需要重新设计。不过，风险投资机构正越来越多地在机器人技术领域发掘投资机会。

当然，具身智能的应用也会更广泛。自动驾驶出租车等无人车辆的使用将不断增加。人形机器人常被视作社会照护、家务劳作的未来解决方案。手术机器人也展现出良好发展前景。

然而，制造业可能是实现规模化应用的最快途径。相较于道路、住宅、医院等场景，工厂是更封闭受控的区域，可以根据机器的特性加以规划设计。企业无需开发模仿人类的技术，而是可以制造专用机器人，从而实现远超人类极限的速度、精度和耐力。毕竟，最重大的技术变革往往不是复刻人类已经具备的能力，而是实现人类做不到的事。（编译/朱捷）