科技日报记者 张晔 实习生 张鑫哲
成都一位90后眼镜店老板大概没想过，自己有朝一日能“造”出一座天宫。
不久前，他制作的短视频《云上仙宫》在网上走红：飞檐在云海里层层铺开，仙鹤穿过祥云。这条看起来造价不菲的片子，是在AI视频创作平台PAVO上生成的，每秒成本约一角五分钱。
把视频生成价格压到行业水平的十分之一到五分之一，靠的不是补贴烧钱，而是基础模型与推理技术的协同优化。价格降下来，用量跟着上去，平台所属的南京市爱思人工智能科技有限公司（以下简称爱思科技），目前月均Token调用量已达65万亿。
不过在公司创始人杨通看来，把内容生成的价格打下来只是第一步。大模型真正的考场，在屏幕之外的物理世界——让AI不只“会说”，还能“会做”，这正是业内所说的“物理AI”。
先解决慢的问题
大模型在屏幕里思考一次，需要两三秒。用户可以等，工厂里的机械臂等不起——延迟几秒，可能就是一次事故。
“传统机器人多用VLA模型，泛化能力和自然语言理解都有局限。”杨通说，大语言模型是“慢思考”，直接拿去控制物理设备就会“失速”，而真实世界的人机交互，恰恰需要即时响应。
爱思科技的解法，是给大模型配一个“小脑”：大语言模型负责理解任务、做战略规划，相当于“想清楚”；专门的决策模型负责毫秒级的动作选择与执行，相当于“快出手”，单次决策只需100到200毫秒。
这套架构已在公司内部得到充分验证。在多智能体博弈环境中，智能体的决策延迟被压缩到0.23秒，训练成本也远低于传统强化学习——用大模型复盘对局轨迹、把经验沉淀成可复用的技能，几百场训练就能达到以往几十万次试错的效果。
对具身智能而言，这种“快速反应叠加快速学习”的能力，比某个单一场景里的胜率数字更有产业价值。
让模型边干边学
解决了快，还有“水土不服”。
物理场景千差万别，传统模型出厂即定型。企业换一条产线、换一批物料，模型就得重新定制，费用不低。测试时训练（TTT）技术提供了另一种可能：模型部署到客户现场后，仍能利用任务反馈更新自身参数，大约20分钟完成一轮微调。说白了，就是边干边学。
一台机械臂的变化很能说明问题：刚部署时，它的抓取成功率只有50%上下；经过一段时间的持续试错和自我进化，这个数字爬升到了94%。
边干边学，不等于放任不管。杨通介绍，自我进化依托一套自动化测评体系：任务完成效果有反馈打分，参数更新后有跑分校验，确认模型朝好的方向变化，新参数才会保留下来。“我们交付的更像一个有能力的‘大学生’，到了具体岗位上再慢慢学技能。”他说，模型不必打磨到接近完美才敢出厂，在使用过程中持续优化即可，企业为AI定制付出的成本由此大幅压缩。
一群设备一个大脑
单个设备会干活还不够，难的是让一群设备协同。
机器狗、无人机、机械臂往往出自不同厂商，接口各不相同，过去想让它们配合作业，得逐台编程。通过自研的模型硬件系统（MHS）和标准化协议，开发者只需声明设备能力，云端“大脑”便会自动分配任务。
演示现场，工作人员输入一句“去西边野外找一块奇怪的石头，取样回来化验”，仿真环境里的无人机随即升空勘探，采样小车自主规划路径完成取样。
在更贴近产业的场景中，爱思科技与南京天创智能合作，把电力巡检机器人的机械臂接入系统，工作人员用自然语言就能指挥它完成配电箱前的高危操作。
设备协同的想象空间，最终要落在产业土壤上。南京是全国首个“中国软件名城”，软件和信息服务业已是万亿级集群，物理AI与世界模型赛道上集聚企业46家、居全省第一。
10月21日，南京江北新区举行具身智能产业生态协同发展战略合作签约仪式，爱思科技与南钢等9家企业同台，到真实场景里找解法。
人才供给同样是企业选择南京的理由：这里有54所普通高校、110万在校大学生，公司团队落地以来从50人扩展到320人，还与3所高校共建了校企实践基地。“从企业注册到人才政策对接，全流程服务让我们心无旁骛搞技术。”公司执行总裁张毅泷说，从拿到营业执照到中国总部开张，不到两个月。
从一角钱一秒的视频，到一句话指挥的机械臂，背后是同一件事：大模型的价值，最终要在物理世界里兑现。这条路上，技术要过关，成本要下来，还要有一片接得住的产业土壤。至少在南京，这三件事正在同时发生。
（受访单位供图）
网友评论
