DeepMind、Tesla、AMD专家云集，共话AI+机器人创投 | CAN+美国智能科技游学DAY 3

当地时间1月12日，CAN+美国智能科技游学四期在硅 谷的高密度研学迎来最后一日。当天，TSVC联合创始人Eugene Zhang、DeepMind首席研究科学家、Tesla资深电机工程师、机器人自动驾驶平台ROAR主席Allen Yang教授等来自知名机构投资人、科学家为同学们带来深度风暴，全面复盘了AI、机器人、自动驾驶技术和产业发展趋势。

TSVC联合创始人详解AI带来的10大趋势

TSVC成立于2010年，是专投种子轮科技公司的一家硅谷风险投资基金，也是Zoom种子轮里唯一的机构投资人。 TSVC联合创始人Eugene Zhang 认为，从2000年代的互联网投资，到2010年代的移动互联，再到当前2020年代的人工智能，我们正在迎来第三个重要的技术革命时期，其影响可能比前两者更为深远。

AI时代到来后，会发生哪些变化？Eugene提到了10大趋势，包括SaaS增长的结束、AI代理赋能、美国制造的复兴、AI在医疗和法律领域的应用，以及AI对就业和职业发展的挑战等。

他特别指出， AI将把许多运营密集型低利润业务转变为高利润业务 ，并且成功的初创公司将通过销售基于代理的服务和成果来实现这一转变。

在与Eugene的对谈中，Ebots创始人兼CEO、连续创业者徐征表达了他对于解决自动化领域的最后一公里的应用展望。徐征在考察众多国内工厂后发现，随着出生率下降和服务业，相对枯燥和艰苦的制造业岗位变得很难吸引年轻人。而从成本角度，如果一个工厂的成本仅剩下设备投资和电，将变得更有价值。

徐征认为， “机器换人”最大的难点在于可靠性 ，机器人既要精细，又要灵巧。他创办的新公司Ebots专注于制造业领域的智能机器人，通过视觉和AI在机器人中的应用，解决精密组装和操作难题。

DeepMind科学家：Transformer用了8年，是时候考虑新架构了

DeepMind首席研究科学家 解读了LLM底层逻辑和Genimi进化。他表示，大语言模型的规模增长非常迅速，从2018年1000万参数到2022年的1000亿参数仅用了4年。其优势在于可以广泛用于各类任务，不需要太多微调，也不需要信息标注，可以很快地规模化。但是，但大语言模型也面临包括幻觉、难以控制、算力成本、潜在滥用风险在内的众多问题。

他认为，文案、编辑、工程师、艺术工作者等岗位将不得不面对大语言模型带来的挑战，而建筑工、农业等重视人工操作的工作则较难使用人工智能替代。

如何看待大模型Scaling Law放缓的瓶颈？他分享了对于大型语言模型未来的看法，表示Transformer已经用了8年，现在应该开始考虑新的架构了。

特斯拉资深电机工程师：在自动驾驶领域，AI正经历快速变革

特斯拉资深电机工程师 分享了“AI赋能机器人与新能源汽车的未来”话题。他分析了特斯拉、比亚迪等公司的市场份额和技术进步，强调了电机、电控系统以及电池管理系统（BMS）在其中的关键作用，“从电子产品到车到机器人，电控系统都有缩小的趋势。”他指出，特别是在自动驾驶领域，AI正经历快速变革。

无论是从技术还是成本的角度，激光雷达都有着被视觉识别取代的趋势。嘉宾认为，随着AI Agent的出现，自动驾驶也进化了，AI成为提升自动驾驶系统运行效率的关键。

电机的小型化和高效化随之影响了机器人性能。“人形机器人生产起来并不难”， 他强调，我们应该考虑的是如何让市场和销售者接受它。虽然技术已经成熟，但实用场景和市场需求仍待进一步明确。

马斯克称，2025年将是Optimus的量产元年。对此，嘉宾在与 参加CAN+领教、国盛证券机械行业首席分析师张一鸣 的交流中表示 ，总装能力是制约量产的最大问题。特斯拉在美国和 中国建立了成熟的供应链，但未来可能会面临政策环境的变化与挑战，本地化生产是非常重要的。

人形机器人的身体零部件结构和执行器已经接近定型，其认为，手和手臂的设计与应用仍是人形机器人领域中面临较大挑战的部分，需进一步探索其在使用场景中的实际用途， 纯硬件时代已结束，现在是软硬件相结合阶段 ，AI技术的融入有望提高其准确率。与这一观点类似，张一鸣也认为手是未来人形机器人领域最亟待解决的关键问题之一。

主题沙龙：AI与智能出行的融合探索

在“AI、机器人与智能出行的技术与投资机遇”主题沙龙环节， 参加CAN+领教、富士康科技集团CDO史喆 对话 机器人自动驾驶平台ROAR主席Allen Yang教授 、 RoboForce CEO Leo Ma 、 AMD资深首席工程师Xiyue Xiang ，深入探讨了AI技术在智能制造、自动驾驶、机器人技术等领域的应用与前景。

史喆指出，尽管AI技术带来了智能制造的新热潮，但真正能在产线上广泛应用的成熟技术仍然有限，期待未来出现更多现象级的产品和技术。Allen Yang认为，实现L4级别的自动驾驶技术是行业的一大突破，AI技术在自动驾驶领域达到Tesla的水平，首先要解决数据碎片化的问题。

Leo Ma着重强调了AI技术在降低成本和提高价值方面的潜力，尤其在劳动力短缺的背景下，AI技术的应用具有重要意义。 Xiyue Xiang则从数据角度进行了分析，认为真正能产生经济效益的是模型背后的数据，谁拥有数据并能高效挖掘数据价值，谁就能赢得模型竞争的胜利。在他看来，随着模型从云端向终端的移动，大型模型将被缩小化，实现更高效、低成本、低延时、低功耗的应用场景，这一趋势将让更多普通人接触到AI技术。