logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • 更多功能
  • icon-appicon-app-active手机APP
首页
/
计算机
题目

阅读下面的文字,完成下面小题。对话邱谆:全世界都在等一个具身智能拐点时刻刘景丰 霞光社:从春晚的“机器人热”之后,到过去的一个月,国内有数十家具身智能、机器人的企业涌现,整个机器人行业进入前所未有的发展高潮。您过去一直关注具身智能和机器人行业,怎么看待这种突然的火爆? 邱谆:从时间点上看,这并不是突然的事,而是水到渠成,只是刚好和春晚凑到一起了。 首先需明确区分传统机器人和具身智能。扫地机、送餐机器人等属于传统机器人,它们的核心是机械、运控加部分算法,大部分是规则驱动的;而具身智能(包括人形和非人形)是人工智能的分支,是有机器人形态的人工智能大模型,核心为训练数据驱动,而非规则驱动,这是二者最核心的区分红线。 今年机器人行业并非传统机器人爆发,而是物理AI(具身智能)的爆发。其实也是因为AI大模型已经发展到一定量级,带动了物理AI的发展,而且当前数据搜集环节也迎来发展节点,具身智能领域才会涌现大量数据搜集公司。 霞光社:为什么具身智能的本体要做成与人形相近? 邱谆:核心还是数据的关系,因为具身智能的训练数据多是围绕人类行为、视角来进行的,因此人形的设计能获取更大量数据。当然非人形设计若能找到足够训练数据也可行,但目前中美市场均以人形为主,且特斯拉主打的灵巧手也与接近人类动作的训练数据相关。 霞光社:中国和美国在具身智能发展上有哪些差异? 邱谆:在具身数据搜集上中国是有显著优势的,美国则在数据搜集算法研发上更擅长。 中国在数据搜集的优势体现在四个方面:一是人力优势,数据搜集需要大量采集员;二是设备供应链优势,数据采集涉及硬件设备,中国在数据采集设备上有优势;三是场地优势,数采工厂建设需要场地支撑;四是基础设施,包括数据采集后的存储、分析、部署等基础设施,中国更完善。 因为有这样的优势,有些中国企业会专门向海外企业提供采集的具身智能数据和数据设备。 霞光社:在AI大模型上,中美开发者交流特别多,很多美国AI企业里有非常多的华人。那在具身智能这个领域,会延续这种情况吗? 邱谆:目前因为一些地缘政治的关系,国内具身智能企业不再像以前自动驾驶那会儿在美国设很多研发中心,但是两边的合作还是很多。国内企业已经在做自己的具身智能算法研究,而且中美两边很多时候是同时开发。像星动纪元的创始人陈建宇教授,最近与斯坦福大学Chelsea Finn团队合作,联合发布了VLAW框架;光轮智能跟英伟达的机器人实验室也交流非常紧密。我目前看到,中国跟美国在具身智能领域,不管是算法还是数据,都是齐头并进的。 另外,华人在这些项目中的优势是他们对硬件的理解会比较强,而且在国内带着很强的供应链资源。 其实很多美国的具身智能公司在硬件本体、灵巧手、数据方面也在跟中国企业合作,这说明双方的互补和合作是比较清晰的,至少美国的具身智能公司完全离开中国,我觉得是搞不定的。 霞光社:在具身智能这个赛道,中国企业目前出海的机会是什么? 邱谆:美国在硬件供应链上存在大量缺口,从电机、电池到本体、灵巧手等核心零部件均依赖外部,这为中国企业带来了出海机会。虽面临关税、科技壁垒、技术出口限制等问题,合作形式更间接,但行业需求真实存在,出海机会明确。 霞光社:海外市场对机器人/具身智能的需求近年会有什么变化吗? 邱谆:我认为海外市场对机器人的需求是一直在那里的。你看各种欧美科幻电影,第一天就在拍机器人。哪怕50年前,如果有一个机器人能帮你扫地、做家务,性价比还不错的,当时就会有很多人要。但这几十年一直面临的问题是,你很难使机器人真正实现通用化。现在基于大模型的具身智能,第一次让机器人实现通用化成为可能。 霞光社:今年一开年大家都投入了很多,您觉得会有具身智能跑出来吗? 邱谆:我们应该看几个里程碑。顺着当年GPT的爆发看现在的具身智能,我觉得应该对它稍微降低一些期望值。如果在GPT出来之前,你抓住Sam Altman①,问这个东西到底会应用在金融、医疗还是教育,或是写代码,他其实也未必知道。 所以我认为,对于太创新的事情,不要给太多商业化压力,这个事情非常重要。而这一点恰恰是中国创新环境下与硅谷有一定差距的地方,因为中国的环境会更加强调创新带来的商业化效益。 所以第一步我们要等到具身迎来“GPT时刻”,即这个AI大模型被训练出来,突然展现出通用智能涌现的能力;第二步,再去看它怎么商业化。 现在这些项目还处在大量搜集数据、全力训练模型的阶段,如果太着急去问它要在哪个非常具体的场景里去落地,我觉得有时候可能会伤害到这些公司。 霞光社:因为您平时常在硅谷,从您的视角看国内这波“具身智能热”,您想给什么建议? 邱谆:现在的AI企业、具身智能企业,已经不单单是一家企业了,它其实还有科研的部分,比如他们都会有首席科学家,因为他们要做科研。对这些公司来讲,其实前沿探索的能力是更重要的,尤其是当下的具身领域,它的软件算法还没有收敛,大家还没有形成一个共识,还在探索的阶段。 比如单就人形机器人来说,如果软件没有收敛,虽然最后硬件都是偏人形,但到底是怎样的人形,比如你的灵巧手有多少自由度?要轮式还是双足?这些都还未定。 因此,只要朝着一个大目标,路线可以不同。 从这个角度,我觉得投资者应该给这些创业公司更多空间、机会去成长,去实现“具身智能的GPT时刻”。(有删改) 【注】①Sam Altman:OpenAI联合创始人,被誉为“ChatGPT之父”。(1)下列对原文相关内容的理解和分析,不正确的一项是( ____ )A.标题中所说的“拐点时刻”指具身智能迎来“GPT时刻”,即大模型通过训练展现出通用智能的涌现能力。B.文本开头部分对传统机器人和具身智能的区分,为后文写具身智能的未来发展提供了前提。C.由于美国具身智能企业在硬件本体、灵巧手等方面具备技术优势,中美企业之间开展了诸多合作。D.邱谆对比中国与硅谷的创新环境,为的是强调在当下不能给予我国具身智能公司太多商业化压力。(2)下列对原文相关内容的分析和评价,正确的一项是( ____ )A.受访者阐释概念时用词精准,如以“规则驱动”和“训练数据驱动”划定核心界限,体现出论述的专业性。B.具身智能与传统机器人的主要区别在于是否拥有机器人形态,传统机器人缺乏形态设计,而具身智能有明确的形态。C.陈建宇教授和光轮智能与美国开发者合作的例子,证明了地缘政治关系对具身智能发展的影响。D.受访者既立足国内具身智能产业现状,又放眼硅谷与全球技术格局,为行业未来发展指明了具体路径。(3)老师要求同学们结合本文总结有关访谈的相关知识,请结合文本补全下面横线处的内容。每处不超过10个字。①这篇访谈紧扣当下火爆的“具身智能”话题进行,体现出访谈具有 ____ 的特点。②访谈者设计的提问以直问为主,由浅入深、层层深入,体现出问题设计 ____ 的特点。③访谈者全程保持客观谦逊的倾听姿态,提问语言 ____ ,显现出良好的专业素养。(4)霞光社对邱谆的访谈内容围绕“具身智能”展开,请概括本次访谈是从哪些角度逐步推进对话的。(5)面对具身智能拐点时刻到来的发展机遇,中国具身智能行业有怎样的优势?又面临怎样的挑战?请简要分析。

阅读下面的文字,完成下面小题。
对话邱谆:全世界都在等一个具身智能拐点时刻刘景丰       霞光社:从春晚的“机器人热”之后,到过去的一个月,国内有数十家具身智能、机器人的企业涌现,整个机器人行业进入前所未有的发展高潮。您过去一直关注具身智能和机器人行业,怎么看待这种突然的火爆?
       邱谆:从时间点上看,这并不是突然的事,而是水到渠成,只是刚好和春晚凑到一起了。
       首先需明确区分传统机器人和具身智能。扫地机、送餐机器人等属于传统机器人,它们的核心是机械、运控加部分算法,大部分是规则驱动的;而具身智能(包括人形和非人形)是人工智能的分支,是有机器人形态的人工智能大模型,核心为训练数据驱动,而非规则驱动,这是二者最核心的区分红线。
       今年机器人行业并非传统机器人爆发,而是物理AI(具身智能)的爆发。其实也是因为AI大模型已经发展到一定量级,带动了物理AI的发展,而且当前数据搜集环节也迎来发展节点,具身智能领域才会涌现大量数据搜集公司。
       霞光社:为什么具身智能的本体要做成与人形相近?
       邱谆:核心还是数据的关系,因为具身智能的训练数据多是围绕人类行为、视角来进行的,因此人形的设计能获取更大量数据。当然非人形设计若能找到足够训练数据也可行,但目前中美市场均以人形为主,且特斯拉主打的灵巧手也与接近人类动作的训练数据相关。
       霞光社:中国和美国在具身智能发展上有哪些差异?
       邱谆:在具身数据搜集上中国是有显著优势的,美国则在数据搜集算法研发上更擅长。
       中国在数据搜集的优势体现在四个方面:一是人力优势,数据搜集需要大量采集员;二是设备供应链优势,数据采集涉及硬件设备,中国在数据采集设备上有优势;三是场地优势,数采工厂建设需要场地支撑;四是基础设施,包括数据采集后的存储、分析、部署等基础设施,中国更完善。
       因为有这样的优势,有些中国企业会专门向海外企业提供采集的具身智能数据和数据设备。
       霞光社:在AI大模型上,中美开发者交流特别多,很多美国AI企业里有非常多的华人。那在具身智能这个领域,会延续这种情况吗?
       邱谆:目前因为一些地缘政治的关系,国内具身智能企业不再像以前自动驾驶那会儿在美国设很多研发中心,但是两边的合作还是很多。国内企业已经在做自己的具身智能算法研究,而且中美两边很多时候是同时开发。像星动纪元的创始人陈建宇教授,最近与斯坦福大学Chelsea Finn团队合作,联合发布了VLAW框架;光轮智能跟英伟达的机器人实验室也交流非常紧密。我目前看到,中国跟美国在具身智能领域,不管是算法还是数据,都是齐头并进的。
       另外,华人在这些项目中的优势是他们对硬件的理解会比较强,而且在国内带着很强的供应链资源。
       其实很多美国的具身智能公司在硬件本体、灵巧手、数据方面也在跟中国企业合作,这说明双方的互补和合作是比较清晰的,至少美国的具身智能公司完全离开中国,我觉得是搞不定的。
       霞光社:在具身智能这个赛道,中国企业目前出海的机会是什么?
       邱谆:美国在硬件供应链上存在大量缺口,从电机、电池到本体、灵巧手等核心零部件均依赖外部,这为中国企业带来了出海机会。虽面临关税、科技壁垒、技术出口限制等问题,合作形式更间接,但行业需求真实存在,出海机会明确。
       霞光社:海外市场对机器人/具身智能的需求近年会有什么变化吗?
       邱谆:我认为海外市场对机器人的需求是一直在那里的。你看各种欧美科幻电影,第一天就在拍机器人。哪怕50年前,如果有一个机器人能帮你扫地、做家务,性价比还不错的,当时就会有很多人要。但这几十年一直面临的问题是,你很难使机器人真正实现通用化。现在基于大模型的具身智能,第一次让机器人实现通用化成为可能。
       霞光社:今年一开年大家都投入了很多,您觉得会有具身智能跑出来吗?
       邱谆:我们应该看几个里程碑。顺着当年GPT的爆发看现在的具身智能,我觉得应该对它稍微降低一些期望值。如果在GPT出来之前,你抓住Sam Altman①,问这个东西到底会应用在金融、医疗还是教育,或是写代码,他其实也未必知道。
       所以我认为,对于太创新的事情,不要给太多商业化压力,这个事情非常重要。而这一点恰恰是中国创新环境下与硅谷有一定差距的地方,因为中国的环境会更加强调创新带来的商业化效益。
       所以第一步我们要等到具身迎来“GPT时刻”,即这个AI大模型被训练出来,突然展现出通用智能涌现的能力;第二步,再去看它怎么商业化。
       现在这些项目还处在大量搜集数据、全力训练模型的阶段,如果太着急去问它要在哪个非常具体的场景里去落地,我觉得有时候可能会伤害到这些公司。
       霞光社:因为您平时常在硅谷,从您的视角看国内这波“具身智能热”,您想给什么建议?
       邱谆:现在的AI企业、具身智能企业,已经不单单是一家企业了,它其实还有科研的部分,比如他们都会有首席科学家,因为他们要做科研。对这些公司来讲,其实前沿探索的能力是更重要的,尤其是当下的具身领域,它的软件算法还没有收敛,大家还没有形成一个共识,还在探索的阶段。
       比如单就人形机器人来说,如果软件没有收敛,虽然最后硬件都是偏人形,但到底是怎样的人形,比如你的灵巧手有多少自由度?要轮式还是双足?这些都还未定。
       因此,只要朝着一个大目标,路线可以不同。
       从这个角度,我觉得投资者应该给这些创业公司更多空间、机会去成长,去实现“具身智能的GPT时刻”。
(有删改)       【注】①Sam Altman:OpenAI联合创始人,被誉为“ChatGPT之父”。
(1)下列对原文相关内容的理解和分析,不正确的一项是( ____ )
A.标题中所说的“拐点时刻”指具身智能迎来“GPT时刻”,即大模型通过训练展现出通用智能的涌现能力。
B.文本开头部分对传统机器人和具身智能的区分,为后文写具身智能的未来发展提供了前提。
C.由于美国具身智能企业在硬件本体、灵巧手等方面具备技术优势,中美企业之间开展了诸多合作。
D.邱谆对比中国与硅谷的创新环境,为的是强调在当下不能给予我国具身智能公司太多商业化压力。
(2)下列对原文相关内容的分析和评价,正确的一项是( ____ )
A.受访者阐释概念时用词精准,如以“规则驱动”和“训练数据驱动”划定核心界限,体现出论述的专业性。
B.具身智能与传统机器人的主要区别在于是否拥有机器人形态,传统机器人缺乏形态设计,而具身智能有明确的形态。
C.陈建宇教授和光轮智能与美国开发者合作的例子,证明了地缘政治关系对具身智能发展的影响。
D.受访者既立足国内具身智能产业现状,又放眼硅谷与全球技术格局,为行业未来发展指明了具体路径。
(3)老师要求同学们结合本文总结有关访谈的相关知识,请结合文本补全下面横线处的内容。每处不超过10个字。
①这篇访谈紧扣当下火爆的“具身智能”话题进行,体现出访谈具有 ____ 的特点。
②访谈者设计的提问以直问为主,由浅入深、层层深入,体现出问题设计 ____ 的特点。
③访谈者全程保持客观谦逊的倾听姿态,提问语言 ____ ,显现出良好的专业素养。
(4)霞光社对邱谆的访谈内容围绕“具身智能”展开,请概括本次访谈是从哪些角度逐步推进对话的。
(5)面对具身智能拐点时刻到来的发展机遇,中国具身智能行业有怎样的优势?又面临怎样的挑战?请简要分析。

题目解答

答案

(1)C.“由于美国具身智能企业在硬件本体、灵巧手等方面具备技术优势,中美企业之间开展了诸多合作”因果不当,由原文“其实很多美国的具身智能公司在硬件本体、灵巧手、数据方面也在跟中国企业合作,这说明双方的互补和合作是比较清晰的,至少美国的具身智能公司完全离开中国,我觉得是搞不定的”可知,原文强调中美合作源于双方优势互补,而非因美国的技术优势才让中国与之开展了诸多合作。
故选:C。
(2)B.“主要区别在于是否拥有机器人形态,传统机器人缺乏形态设计,而具身智能有明确的形态”错。二者的主要区别是“驱动方式”,而非“是否拥有机器人形态”,具身智能核心为训练数据驱动,传统机器人大部分为规则驱动。
C.“证明了地缘政治关系对具身智能发展的影响”错。这两个例子证明的是“中美两边很多时候是同时开发”“中国跟美国在具身智能领域,不管是算法还是数据,都是齐头并进的”。
D.“为行业未来发展指明了具体路径”错,由原文“还在探索的阶段”“这些都还未定”“只要朝着一个大目标,路线可以不同”来看,受访者只给出了朝大目标行进的方向建议,并未指明具体路径。
故选:A。
(3)第①空,访谈聚焦春晚后国内具身智能行业突然火爆这个当下的产业热点议题展开,紧扣最新行业现实动态,因此对应特点为现实针对性/针对性,此空应填“现实针对性/针对性”。
第②空,题干已经点明提问是“由浅入深、层层深入”,本次访谈从行业火爆现象入手,逐步深入到设计特点、中美差异、产业合作、出海机会、未来前景等深层问题,提问逻辑清晰、推进有序,因此对应特点为有较强逻辑性/循序渐进,准确匹配提问的设计逻辑。故此空应填“有较强逻辑性/科学性/循序渐进”。
第③空,通读访谈中霞光社的所有提问,都表述简短直白无冗余,同时语气平和礼貌,契合题干“客观谦逊的倾听姿态”的描述,因此概括为既简洁明了又亲切自然,符合要求。故此空应填“既简洁明了又亲切自然”。
(4)第一步,首先梳理访谈原文的提问顺序,按话题拆分内容模块,合并同主题内容。
第二步,先梳理访谈者的提问先后顺序,顺着提问逻辑分层提炼内容:①开篇围绕当下具身智能行业火爆现象提问,提炼出行业现象切入角度,整理出厘清概念、说明爆发原因的核心内容;②承接基础概念,提取关于人形本体设计的提问,归纳为技术核心角度;③再提取中美发展差异、行业合作相关提问,归纳为国际交流合作角度,梳理整体发展格局;④最后提取出海机遇、行业前景、发展建议类提问,归纳为市场与未来发展角度,整理后按顺序分层作答即可。
(5)第一步,审清题干,明确方向:首先明确题目要求,需分开梳理中国具身智能行业的发展优势与面临的挑战,核心是从访谈原文中定位、筛选对应信息。
第二步,筛选归纳优势要点:定位原文中美发展差异、出海机遇、技术合作相关内容,从数据搜集能力、硬件供应链、技术研发三个维度,提炼整合出中国行业的三项核心优势。
第三步,整理归纳挑战要点:定位原文地缘政治影响、中美创新环境对比、技术差异相关内容,从地缘合作限制、商业化环境急躁、核心算法研发差距三个维度,梳理出对应的挑战要点。

答案:
(1)C
(2)A
(3)现实针对性/针对性;有较强逻辑性/科学性/循序渐进;既简洁明了又亲切自然
(4)①先从行业现象角度切入,厘清传统机器人与具身智能的本质区别,指出物理AI爆发的原因。
②接着从技术核心角度,探讨具身智能本体人形设计的缘由及技术逻辑。
③然后拓展至国际交流合作角度,对比中美发展差异、交流合作现状。
④最后转向市场与未来角度,探讨中国企业出海机遇、展望行业发展前景,提出发展建议。
(5)优势:
①数据搜集优势显著:具备人力、设备供应链、场地、基础设施四大优势,可大量采集相关训练数据,甚至为海外企业提供数据与设备支持。
②硬件供应链完备:在电机、电池、机器人本体、灵巧手等方面,可弥补美国市场缺口,拥有明确出海机会。
③技术研发齐头并进:中美在算法、数据领域同步开发,国内企业自主开展算法研究,国际合作空间广阔。
挑战:
①地缘政治影响:研发中心布局受限,面临关税、科技壁垒与技术出口限制等问题,国际合作形式趋于间接。
②商业化环境急躁:国内更强调创新带来的商业化效益,易给尚处数据积累、模型训练阶段的企业带来压力,不利于前沿探索。
③核心算法存在差距:相较美国,我国在数据搜集算法研发上仍显不足。

相关问题

  • Windows中“复制”操作的快捷键是Ctrl+V。

  • 9、不在网络安全的基本属性范围内的()。A. 机密性B. 可用性C. 完整性D. 多样性

  • 下列哪项属于因果推理模型()A. 因果图B. 神经符号推理C. 符号推理模型D. 结构因果模型

  • 3.判断题K-means聚类算法对数据的尺寸敏感。()A. 对B. 错

  • 7、 加强电脑安全防护,及时升级病 毒库,安装防火墙,及时查杀病毒和木马,是防范 电信网络诈骗的有效做法。A. 正确B. 错误

  • AdaBoosting采用多个单一分类器组成一个强分类器()A. 错误B. 正确

  • 下列哪项贪婪最佳优先搜索算法的描述正确()A. 贪婪最佳优先搜索不属于启发式搜索算法B. 贪婪最佳优先搜索是一种A*搜索算法C. 贪婪最佳优先搜索是一种广度优先搜索算法D. 贪婪最佳优先搜索属于有信息搜索算法

  • 网络安全包括物理安全[1]、逻辑安全、操作系统安全及联网安全,其中逻辑安全包括访问控制[2]、加密、安全管理及用户身份认证。A. 正确B. 错误

  • 网络安全包括物理安全[1]、逻辑安全、操作系统安全及联网安全,其中逻辑安全包括访问控制[2]、加密、安全管理及用户身份认证。A. 正确B. 错误

  • 2、网络安全工作的目标包括:()。A. 信息机密性B. 信息完整性C. 服务可用性D. 以上都是

  • 下列哪项关于监督学习算法的描述正确()A. 强化学习的训练效果一定优于监督学习B. 主要的监督学习方法包括生成方法和判别方法C. 广度优先搜索算法是一种监督学习算法

  • 以下哪种方法属于卷积神经网络的基本组件()。A. 卷积层B. 池化层C. 激活函数D. 复制层

  • 下列不属于量子机器学习算法的是()A. 量子支持向量机B. 量子主成分分析C. 薛定谔方程求解D. 深度量子学习

  • 下列哪个方法属于知识图谱推理方法()A. 路径排序算法B. 深度学习推断C. 广度优先搜索D. 归纳逻辑程序设计

  • 由脸书(Facebook)公司开发的深度学习编程框架是()A. TensorFlowB. PaddlePaddleC. PyTorchD. Mindspore

  • 8、信息安全“三个不发生”不包括( )。单选题Box 确保不发生大面积信息系统故障停运事故Box 确保不发生恶性信息泄密事故Box 确保不发生信息外网网站被恶意篡改事故Box 确保不发生信息内网非法外联事故

  • 1、网上银行系统的一次转账操作过程中发生了转账金额被非法篡改的行为,这破坏了信息安全的()属性。A. 完整性B. 保密性C. 不可否认性D. 可用性

  • 下列哪项不是求解对抗搜索问题的基本算法( ) A.反向传播算法 B.广度优先排序算法 C.Alpha-Beta剪枝算法D.最小最大搜索算法

  • 程序=算法+()A. 数据结构B. 程序结构C. 控制结构[1]D. 体系结构

  • 4/5 以下属于人工智能实际应用的是()。A. 机器视觉B. 人脸识别C. 计算机辅助自动规划D. 智能工业机器人E. 刷卡门禁

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号