现在大家都在盯着算力不放，不管是企业还是政府，手里的资源都往数据中心和高性能处理器上砸，就为了把人工智能推上规模化的轨道。不过也有不少人开始犯嘀咕，觉得光盯着云那一套会不会让咱们错过了下一个真正的大风口？因为在现实的物理世界里，过度依赖云端是有短板的。你看咱们现在搞的人工智能，跟云计算早就绑死在一块了，靠着集中式数据中心的大算力，在搞语言处理、图像识别还有下棋这些事儿上确实拿了不少亮眼的成绩。可要是想让智能系统真正能干点脏活累活，比如在月球上探测、在深山里救人或者在高速公路上开车，这时候云端的毛病就全暴露出来了。比如网络延迟一下或者信号断了，系统就变得又慢又不靠谱，直接影响任务的安全和效率。加州大学伯克利分校增强现实中心的那位艾伦·杨就说得很直白，“月球上没云用”。他特别强调，要是真要想让机器去开飞机、救伤员、盖房子、搞探索甚至看护病人，那关键本事必须得长在设备自己身上。 从技术上看，“实体智能”这东西的崛起完全是被现实逼着来的。一方面是因为很多要命的任务压根儿受不了数据在云端和本地来回跑的那点时间，必须得靠本地马上算出来才行；另一方面是因为像深海、深空或者灾区这种地方，通信基础本来就差或者根本没信号，设备想活命就得学会自己做主。再加上现在的传感器和芯片技术都有了长足进步，功耗也被控制得死死的，在有限的空间里把事办好已经不成问题。这堆技术的进步其实就是给了“实体智能”发展的硬件底子。 这一转变可能会把整个技术路线和产业重点都带歪了。往后头看，投钱的方向肯定不能再死磕集中式的算力基建了，得慢慢把钱往嵌入式计算、智能传感器还有机器人的本体技术上分流。技术标准的制定和研发重点也得跟着调调，“感知—决策—执行”一体化的能力提升估计会成新的创新大方向。应用的场景也会越来越宽，不光是工业自动化和智慧交通能用到，以后像太空开发、应急救援还有个性化医疗这种更复杂、更苛刻的物理环境也能派上用场。 面对这种情况，咱们不能把云端和实体智能当成死对头来看待。业界得想办法把两者协同起来搞发展。一边得继续发挥云端在模型训练、大数据分析还有系统调度上的大作用；另一边得把边缘计算和终端设备的智商提上去，确保关键任务在本地跑得又快又稳。政策层面也得鼓励不同学科凑在一块儿搞合作，把材料科学、机械工程、控制理论和人工智能深深度融合起来；同时还要支持大家在那些典型的物理场景里做技术验证和应用示范。 往远处看，“实体智能”要是真成熟了，那带来的不光是机器替人干活这么简单，很可能会弄出一种新的人机协作模式来。那些能感知环境、自己做决定还能动手干活的设备，以后说不定能变成咱们在复杂环境里的“好帮手”，一起去解决资源勘探、灾害应对还有太空探索这些全球级别的大难题。虽说现在还没出现像当年“阿尔法围棋”那样的标志性大事件，但好多专家都觉得下一场智能革命很可能就藏在从数字世界走向物理世界的那个拐弯处。 技术发展从来都不是一条笔直的路走到底的事儿，都是被实际需求拽着往前走的。当智能技术从虚拟的数据空间杀到了物理空间里的时候，它的意义不光是换了个架子那么简单；更重要的是给咱们提供了一套新的工具箱来解决现实世界里那些复杂的问题。在这次静悄悄却又很深刻的转型里，咱们该怎么平衡短期的算力大竞赛和长期的能力建设？又该怎么让智能真正变成咱们在现实世界里生活和发展的帮手？这可是整个行业都得一起琢磨的大命题。