2024-08-29
在人工智能從技術(shù)探索轉(zhuǎn)向技術(shù)應(yīng)用趨勢(shì)下，空間智能作為一種融合了多模態(tài)大模型、虛擬現(xiàn)實(shí)等前沿技術(shù)的新方向，展現(xiàn)出了巨大潛力。天娛數(shù)科首席數(shù)據(jù)官吳邦毅表示，人工智能下一個(gè)階段是實(shí)現(xiàn)AGI，而AGI釋放的更大生產(chǎn)力蘊(yùn)含在制造領(lǐng)域，發(fā)展空間智能是讓AGI從桌面邁入工業(yè)應(yīng)用的關(guān)鍵。
人工智能的演進(jìn)正從初期的技術(shù)探索階段，轉(zhuǎn)向技術(shù)應(yīng)用階段。在此趨勢(shì)下，空間智能作為一種融合了多模態(tài)大模型、虛擬現(xiàn)實(shí)等前沿技術(shù)的新方向，展現(xiàn)出了巨大的潛力和商業(yè)價(jià)值。2024深圳（國(guó)際）通用人工智能大會(huì)期間，天娛數(shù)科首席數(shù)據(jù)官吳邦毅在接受財(cái)聯(lián)社記者專訪時(shí)表示，人工智能下一個(gè)階段是實(shí)現(xiàn)通用人工智能（AGI），而AGI釋放的更大生產(chǎn)力蘊(yùn)含在制造領(lǐng)域，發(fā)展空間智能是讓AGI從桌面邁入工業(yè)應(yīng)用的關(guān)鍵。
以下是訪談實(shí)錄（有刪改）：
財(cái)聯(lián)社：隨著AI技術(shù)的廣泛應(yīng)用，您認(rèn)為人工智能發(fā)展的下一個(gè)階段會(huì)是什么？
吳邦毅：人工智能正處在一個(gè)快速發(fā)展和廣泛應(yīng)用的階段，同時(shí)也在積極探索實(shí)現(xiàn)更高級(jí)別的通用智能的可能性。我們對(duì)人工智能下一階段的普遍共識(shí)是實(shí)現(xiàn)AGI。那時(shí)，AI的認(rèn)知、理解、驅(qū)動(dòng)、決策能力可以與人類匹敵甚至超越人類。然而，目前AGI主要集中在內(nèi)容創(chuàng)作、客服、編程等桌面應(yīng)用，在工業(yè)領(lǐng)域應(yīng)用可以說(shuō)鳳毛麟角。
我們判斷人工智能下一階段的發(fā)展機(jī)遇，蘊(yùn)含在新型工業(yè)化變革中，AGI釋放的更大生產(chǎn)力蘊(yùn)含在制造領(lǐng)域。
財(cái)聯(lián)社：相對(duì)于AGI桌面應(yīng)用，為什么工業(yè)應(yīng)用會(huì)比較匱乏？如何彌合工業(yè)場(chǎng)景應(yīng)用存在的空間計(jì)算鴻溝？
吳邦毅：人工智能在工業(yè)場(chǎng)景應(yīng)用匱乏的本質(zhì)原因在于工業(yè)場(chǎng)景是3D空間，而目前絕大部分大模型為語(yǔ)言、圖形、視頻等2D模型，在工業(yè)場(chǎng)景應(yīng)用時(shí)存在空間計(jì)算鴻溝。相較于2D智能，3D空間智能在理解真實(shí)世界方面具備更全面的感知、理解、交互與決策能力，重新定義人、機(jī)器與真實(shí)世界、虛擬世界之間的關(guān)系，擁有更強(qiáng)的泛化能力和涌現(xiàn)特性。
一方面，通過(guò)3D數(shù)據(jù)捕捉深度信息，它能讓AI對(duì)物理世界人與物的形態(tài)、結(jié)構(gòu)和位置有更準(zhǔn)確的理解，從而生成更具真實(shí)感的場(chǎng)景，提供更直觀的可視化效果，讓虛擬世界更真實(shí)；另一方面，空間智能可以在三維場(chǎng)景中像人類一樣對(duì)視覺(jué)信息進(jìn)行高級(jí)推理，超越二維視覺(jué)的局限，讓真實(shí)世界更智能，將為多個(gè)產(chǎn)業(yè)特別是具身智能、智能制造、低空經(jīng)濟(jì)等產(chǎn)業(yè)帶來(lái)顛覆式的變革。
因此，發(fā)展空間智能是讓AGI從桌面邁入工業(yè)應(yīng)用的關(guān)鍵。
財(cái)聯(lián)社：可以詳細(xì)說(shuō)說(shuō)在具身智能、智能制造、低空經(jīng)濟(jì)等產(chǎn)業(yè)，3D空間智能將如何與產(chǎn)業(yè)結(jié)合？
吳邦毅：如果說(shuō)空間智能是讓AGI從桌面邁入工業(yè)應(yīng)用的關(guān)鍵，那么3D大模型則是發(fā)展空間智能的關(guān)鍵。
3D大模型為空間智能提供了多模態(tài)數(shù)據(jù)融合、空間計(jì)算、復(fù)雜場(chǎng)景處理、交互性增強(qiáng)、3D生成式AI等多方面的支持，是推動(dòng)空間智能技術(shù)發(fā)展的關(guān)鍵。
在具身智能、人形機(jī)器人領(lǐng)域，將3D多模態(tài)大模型與機(jī)器人技術(shù)相結(jié)合，使機(jī)器人不但具備理解、記憶、推理等認(rèn)知水平，還能認(rèn)識(shí)和理解真實(shí)的3D物理世界，在作業(yè)場(chǎng)景中具備自主決策、行動(dòng)與操作能力。
在智能制造領(lǐng)域，將3D大模型與人、機(jī)、物、環(huán)境的多源異構(gòu)3D數(shù)據(jù)相結(jié)合，對(duì)整個(gè)生產(chǎn)環(huán)節(jié)進(jìn)行3D重構(gòu)，精確分析、交叉比對(duì)、識(shí)別瓶頸、輔助管理決策，提高生產(chǎn)制造、倉(cāng)儲(chǔ)物流的效率，降低成本，助力產(chǎn)業(yè)升級(jí)和模式創(chuàng)新。
在低空經(jīng)濟(jì)領(lǐng)域，將3D大模型與飛行器技術(shù)相結(jié)合，使飛行器在飛行活動(dòng)中可以智能感知和識(shí)別、自主導(dǎo)航和避障，再通過(guò)對(duì)低空空域自然環(huán)境、飛行活動(dòng)、基礎(chǔ)設(shè)施等進(jìn)行3D重構(gòu)，構(gòu)建空間智能系統(tǒng)，破解低空管理中感知能力弱、智能化程度低、應(yīng)用成本高等難題。
財(cái)聯(lián)社：天娛數(shù)科在構(gòu)筑空間智能的領(lǐng)域有哪些嘗試和布局？目前進(jìn)展如何？
吳邦毅：到目前為止，天娛數(shù)科布局空間智能領(lǐng)域已有3年多的時(shí)間，從最開(kāi)始入局時(shí)的AI數(shù)字人，到如今的3D大模型、空間智能MaaS平臺(tái)，我們穩(wěn)步推進(jìn)著空間智能技術(shù)和應(yīng)用場(chǎng)景的創(chuàng)新。
公司融合智者千問(wèn)大模型與3D數(shù)據(jù)集、可視算法，構(gòu)建了空間智能MaaS平臺(tái)，實(shí)現(xiàn)了跨類型數(shù)據(jù)的智能解析。通過(guò)“1+1+N”模式，構(gòu)建了1個(gè)全國(guó)最大規(guī)模的高質(zhì)量3D數(shù)據(jù)集，開(kāi)發(fā)了1個(gè)國(guó)產(chǎn)高性能3D空間智能大模型，通過(guò)DaaS、MaaS模式實(shí)現(xiàn)在具身智能、人形機(jī)器人、智能制造、低空經(jīng)濟(jì)等N個(gè)場(chǎng)景的應(yīng)用。
MaaS平臺(tái)匯聚兩大核心功能，一是AI+3D可視化功能，可為多元產(chǎn)業(yè)提供XR虛擬場(chǎng)景、游戲開(kāi)發(fā)、AI客服、智能數(shù)字人等多種數(shù)智產(chǎn)品與服務(wù)，目前已廣泛應(yīng)用與文旅、展會(huì)、金融、教育、影視、游戲等行業(yè)；二是AI+3D數(shù)據(jù)集功能，可為企業(yè)提供垂類模型訓(xùn)練、數(shù)據(jù)智算、具身智能等AI數(shù)據(jù)服務(wù)。
目前，空間智能MaaS平臺(tái)已為中國(guó)日?qǐng)?bào)、內(nèi)蒙古阿拉善電視臺(tái)、云南農(nóng)職院、五芳齋、天河城、楊國(guó)福、華潤(rùn)雪花等多家企業(yè)客戶提供了3D虛擬場(chǎng)景、AI數(shù)字人智能交互服務(wù)。
財(cái)聯(lián)社：要實(shí)現(xiàn)3D空間智能在工業(yè)領(lǐng)域的廣泛應(yīng)用還面臨哪些挑戰(zhàn)？天娛數(shù)科有哪些應(yīng)對(duì)方案？
吳邦毅：首先要強(qiáng)調(diào)的是，3D多模態(tài)大模型極端依賴大規(guī)模、高質(zhì)量的3D數(shù)據(jù)訓(xùn)練，3D數(shù)據(jù)集對(duì)于提供真實(shí)人物、場(chǎng)景的展示、豐富的交互體驗(yàn)和決策支持至關(guān)重要。
但當(dāng)前，3D數(shù)據(jù)集在質(zhì)量和數(shù)量上都面臨著一些挑戰(zhàn)，高質(zhì)量3D數(shù)據(jù)集匱乏是產(chǎn)業(yè)痛點(diǎn)，全球范圍內(nèi)，3D數(shù)據(jù)都處于極端重要，又極端缺乏的狀態(tài)。
其次，3D數(shù)據(jù)的獲取和處理成本相對(duì)較高，涉及到高端設(shè)備如深度相機(jī)的數(shù)據(jù)采集，以及繁瑣的數(shù)據(jù)處理工作。這不僅需要大量的時(shí)間、人力和資金投入。而且，3D數(shù)據(jù)的標(biāo)準(zhǔn)化程度低，導(dǎo)致數(shù)據(jù)的兼容性較差，共享和復(fù)用難度大，也對(duì)空間智能技術(shù)的發(fā)展形成了掣肘。
3D數(shù)據(jù)集正在成為競(jìng)爭(zhēng)的核心節(jié)點(diǎn)，在可見(jiàn)的未來(lái)，它決定3D多模態(tài)大模型和空間智能的發(fā)展，以及全球科技競(jìng)爭(zhēng)的走勢(shì)。
我們已經(jīng)在數(shù)據(jù)的采、存、管、研、用各個(gè)階段形成了一體化解決方案。空間智能MaaS平臺(tái)通過(guò)收集多樣化的數(shù)據(jù)類型，利用LightStage超高精度光場(chǎng)掃描、手持深度攝像頭等先進(jìn)設(shè)備，捕捉詳盡的三維數(shù)據(jù)。
與此同時(shí)，平臺(tái)還運(yùn)用了NeRF、3D高斯等前沿技術(shù)，從掃描數(shù)據(jù)、視頻、圖像乃至文字中生成高質(zhì)量的3D模型，使虛擬場(chǎng)景和物體更加逼真。這些數(shù)據(jù)與圖像、文本等其他模態(tài)信息相互融合，形成了全方位、多維度的數(shù)據(jù)集。
目前，平臺(tái)已擁有超80萬(wàn)組3D數(shù)據(jù)、35萬(wàn)組多模態(tài)數(shù)據(jù)，建立了海量的數(shù)據(jù)資源優(yōu)勢(shì)。