发布于

模型不是护城河

作者

Listen in English · 模型不是护城河

0:00 / 0:00

Watch in English · 模型不是护城河

这个论点一句话就能概括,而埃利奥特·霍洛维茨本人也正是这样说的:机器人领域的价值不会属于拥有最大封闭模型的人。模型不是护城河。你的数据和你的技术诀窍才是。

这话从一位卖软件的人口中说出来有些奇怪,所以他的文章其余部分值得当作经济学来读,而不是当作热情洋溢的鼓吹。

1十亿
他希望在未来十年内实现的物理AI部署
10,000
他表示这一转型所需的初创企业
2
所有人都在其上训练的公共机器人数据集

什么仍然属于你,什么不再属于你

他把界限划得很窄。有三样东西是护城河,应当保持专有:你的机器收集的数据、你流程中的诀窍,以及你实际运行的部署。其余的一切——模型、权重、编码系统——都应当开放。

  1. 你的数据

    在你自己的机器上收集的

  2. 你的专有技术

    是流程,而不是模型

  3. 你的部署

    它在哪里运行以及它接触什么

  4. 其他一切

    模型、权重、工具——开放

在他的框架中,保留三样东西,放弃一样。

原因并非情绪。所有人用来训练的公开机器人数据规模小且共享,因此在其上训练的模型会趋同——而差异则来自你自己的机器所看到的内容。这些数据分散在工厂、农场和仓库的数百万个部署场景中,任何模型公司都无法触及。他认为,这恰恰说明基础设施应由掌握数据的人拥有,而不是由少数想要拥有它的人拥有。

对两个反对意见的回应

  1. 规模取胜

    数据是分散的,而非集中的

  2. 开放权重是存在的

    没有工具和部署,权重作用甚微

两个反对意见,以及分别对每个意见的一句话回答。

他首先讨论最先出现的两个问题。如果规模取胜,那么拥有最多数据的人就能训练出最好的模型——只不过真正重要的数据并不集中在任何地方,也无法被买到一个地方。而如果开放权重已经存在,那只是一个起点,而不是答案:工具、数据管线和部署层也必须开放,否则权重对真正需要它的人几乎毫无用处。

为 ABN Asia 绘制的开放运行时

训练数据究竟来自哪里

主要是视频。有大量人们做各种事情的影像,也有许多专门为教授某项任务而制作的视频,还有越来越多关于如何将其转化为机器人训练数据的研究。早期结果足够有希望,以至于研究团队已经在利用日常人类工作的视频来训练机器人策略。这是该论证中最不确定的部分,而他将其视为余地最大的部分。

他自己做出的披露

他并不中立,也不假装中立。他把自己的钱投入了一家机器人公司,该公司的运行时是开源的,模块由他发布,并对云服务收费——这与他之前建立的数据库业务形态相同。他说,商业与开源并不对立;这就是模式,而不是妥协。

他所反对的是一个特定结果:数百万开发者在那十家把价值置于付费墙之后的公司工作。他想要的替代方案更平淡、也更宏大——开放的实体人工智能进入每一家企业,从小型机加工车间到航运公司,再到商业洗衣店。

这会给我们其他人带来什么变化

开放的运行时只是转移风险,而不是消除风险。如果模型是商品化的,而运行时是公开代码,那么差异化和风险暴露都会转移到部署环节:你运行什么、它能访问什么,以及当漏洞出现时谁能修补它。这首先是安全问题,其次才是许可问题,而这正是开放机器人论证中往往未被言明的部分。

你得到的不只是软件——你得到的是安全软件。如果你要将一台机器接入网络,并且其底层使用的是开放运行时,请联系我们:[email protected]。

艾略特·霍洛维茨,《开放是机器人技术取胜之道》,2026年11月18日。文中观点仅代表作者本人;其投资披露由本人负责。

请注意,中文版本是由 AI 辅助翻译的,因此可能存在细微错误。

作者

Ai-Banking-NetworkSecurity (ABN), ABN ASIA由具有深厚学术背景的人员创立,他们在美国、荷兰、匈牙利、日本、韩国、新加坡和越南等国家有工作经验。ABN Asia是学术界和技术相遇的地方。凭借我们领先的解决方案和优秀的软件开发服务,我们帮助企业提升水平,走向全球舞台。我们的承诺:更快。更好。更可靠。在大多数情况下:也更便宜。

无论您需要IT服务、数字咨询、现成软件解决方案,还是想向我们发送招标要求(RFPs),都请随时与我们联系。您可以通过[email protected]与我们联系。我们随时准备为您提供所有技术需求的帮助。

ABNAsia.org

© ABN ASIA