当前对大语言模型的关注，可能低估了AI真正的进化方向。一种被称为‘具身智能’的思路认为，让AI通过物理身体直接学习和操纵现实世界，才是通往通用智能的关键，其潜力远超仅基于文本训练的模型。
智能速览
现有AI模型受限于文本训练，文本仅承载了现实世界不到1%的知识。
特斯拉FSD被视为‘具身智能’的原型，能直接与物理世界交互。
人形机器人Optimus的核心进化在于具备‘观察’与‘操纵’两种能力。
通过‘操纵来学习’，机器人能建立关于现实运作的更深层次智能。
具身智能能以海量、客观、实时的数据，解决人类研究中的长久迷思。
精华内容
超越人类偏见与文字局限，AI的终极形态或许并非在云端，而是在物理世界中。通过身体去感知、去行动，AI的学习方式正迎来一场根本性变革。
文字的局限
当前AI巨头的核心竞争力在于大语言模型，但其训练基础——文字语料库，实际上是对现实世界的一种有损压缩。资深工程师菲尔贝塞尔指出，全世界仅有不到1%的知识被写成了文字。当阅读一段物理现象的描述时，读者获取的是作者主观视角下的有限信息，大量关于物理规律、空间感和细微互动的原始数据在这一压缩过程中已丢失。
进化的原型
特斯拉选择了一条截然不同的路径，其FSD系统被视为‘具身智能’的一个原型。它是一套视觉驱动的系统，直接面对物理世界，而非通过文字中转。真正的进化跳跃体现在通用机器人Optimus身上。与受限于道路环境的FSD不同，Optimus是第一个能大规模进入物理世界的‘具身智能’个体，核心在于其身体带来的两种关键能力。
操纵中学习
第一种能力是‘无处不在的观察’，机器人可进入建筑物、家庭等任何环境，实时捕捉物理世界的原始数据。第二种，也是最关键的能力，是‘通过操纵来学习’。菲尔贝塞尔强调，这种智能不仅能观察，更能通过尝试改变物理世界，观察反馈结果，从而建立起一套关于现实如何运作的更深层次的理解。
数据的降维打击
这种进化的威力可以通过植物学研究体现。传统模式下，博士生带领本科生观察几十棵树，数据集微小且充满人类偏误。而‘具身智能’模式中，遍布全球的机器人机群可同时观察亿万棵树，并能以秒级速度处理微小变化。这种规模化、实时性、客观性的数据挖掘，将产生远超人类记录范畴的超级智能。
破解现实迷思
这种进化还能解决困扰人类的长久迷思。例如，咖啡对健康的影响，数十年来科学结论反复不定，主因是研究依赖主观且不准确的自我报告。若家庭机器人能真实观察数百万人的咖啡摄入量，并实时监测其长期健康结果，就能通过海量真实数据，得出历史上第一个真正准确的结论。
菲尔贝塞尔的观点指明了通往物理通用智能的必经之路。超越人类知识的傲慢与局限，让AI直接与物理世界进行高频次、高精度的对话，这或许是实现人工智能圣杯的真正答案。未来，一个由‘具身智能’构成的世界，将会解锁哪些我们今日无法想象的未知？
