500字解释最近热门的Figure01（openai加持），具身机器人，embodied agent

问了一个搞robotics的朋友，Figure 01在robo这个领域来说，其实还是有意义的。其实它主要是厉害在能够准确的执行识别、抓取、移动等任务，而不是自媒体宣传的优势。至于大模型、openai、多模态等等热门关键词，都是给外行和资本看的，如果想了解这方面的技术，可以看看大模型的 function call，这不是很强的技术（相对而言）。更多的信息：figure 01的技术思路和 humane ai 有点相似。

既然谈到了多模态，其实现在没有公开的优秀的多模态的产品，哪怕是openai、Google等一众AI公司也没有公布“不以虚假宣传为目的”多模态产品（GPT DALLE严格意义上不算多模态，Sora目前不算）。多模态，其实这是一个很难的task，多模态不仅仅涵括到之前语言大模型所有的难点，还包括某种类似于“大一统”的难点：如何找到一个大一统的low来描述多模态的数据形式（语言是vector，图片是matrix，视频是streaming，只是打个比方）。这个情况有点类似于物理中的大一统理论，目前也是没有结果的。物理学家可以找到某两两之间的联系，但是他们哪怕是爱因斯坦究极一生也做不出大一统理论。那么，现在在GenAI的领域，会突破这种诅咒吗？我们，至少是我，无法也不配做出准确的估计。

也谈到了AGI，这个以前从技术角度有讲过多次，不再细说。