初创公司推出π0.7机器人基础模型 机器人AI迎来能力拐点

4月17日，成立仅两年的机器人初创公司Physical Intelligence发布新一代机器人基础模型π0.7，该模型展现出任务泛化的涌现能力，可让机器人完成未经过专门训练的全新任务，包括操作家用空气炸锅烹饪红薯、在无训练数据的工业机器人上完成T恤折叠，这一成果引发全球AI与机器人领域关注，被业内称为机器人领域的“GPT-2时刻”。

这次引发行业热议的π0.7，出自仅成立两年的初创团队Physical Intelligence，此前这家公司并未在行业内进行过多高调发声，此次成果发布直接打破了不少人对机器人AI的固有认知。

不同于市面上多数需要针对特定任务重新标注数据、微调参数的机器人模型，π0.7的跨任务泛化能力完全是训练过程中自发涌现的，没有经过人工针对未知任务的特殊设计。目前公开的测试案例显示，π0.7可以指挥机械臂完成从未纳入训练集的空气炸锅烤红薯操作，也能让完全没有接触过任何衣物折叠训练数据的工业机器人，成功完成T恤折叠任务，这种跨场景适配能力超出了此前业界的普遍预期。

业内将这次发布定义为机器人领域的GPT-2时刻，并非营销层面的夸大，而是精准点出了这次突破的行业意义。

回顾大语言模型的发展历程，GPT-2诞生之前，自然语言处理领域长期走“小模型定制专属任务”的路线，直到GPT-2第一次清晰展现出大模型的涌现能力，让整个行业意识到通用大基座路线的可行性，直接为后续ChatGPT的爆发埋下了伏笔。

放到机器人领域来看，当前产业界整体还停留在“定制模型解决特定任务”的阶段：不管是工业分拣机器人还是商用服务机器人，换一个任务就要重新标注数据、调试模型，不仅成本高昂，也根本无法适配开放家庭场景里的海量未知需求。