We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
Humanoid Robots Are Getting Real Jobs
2025/3/4
WSJ Tech News Briefing
C
Charlotte Gartenberg
C
Christopher Mims
D
Deepa Sitharaman
Charlotte Gartenberg: 我关注到一些初创公司正在尝试利用未充分利用的图形处理器（GPU）来训练人工智能模型，这为挑战大型AI数据中心的主导地位提供了一种新途径。
此外，我还了解到，人形机器人正在逐渐应用于现实工作中，例如仓库和工厂的物料搬运。虽然目前这些任务相对简单，但人形机器人的应用潜力巨大，未来有望在服务业和老年护理等领域发挥重要作用。
Deepa Sitharaman: 我采访了一些初创公司创始人，他们认为未充分利用的GPU可以帮助资源有限的公司在AI领域取得成功。他们试图通过整合这些闲置的GPU来挑战大型科技公司在AI领域的主导地位，例如那些拥有大量GPU资源的公司，如OpenAI和Meta等。
然而，这种做法存在巨大的风险，因为目前尚不清楚如何确保这种分布式系统中的隐私和安全。此外，GPU的利用率并非始终为100%，游戏电脑和用于加密货币挖矿的电脑中存在大量闲置的GPU，这些资源可以被有效利用。
一些公司出于数据安全考虑，会选择将GPU部署在内部，这些GPU也并非一直处于满负荷运转状态。因此，将这些闲置的GPU租赁出去，虽然存在风险，但也可能是一个值得尝试的途径，降低AI工具的准入门槛，改变我们对AI系统的认知和使用方式。
Christopher Mims: 我认为Aptronic公司专注于降低人形机器人成本，Agility Robotics的机器人已经应用于Spanx仓库，Reflex Robotics与GXO公司合作，特斯拉和Figure公司也在开发人形机器人，波士顿动力公司也参与其中。
人形机器人未来可能应用于服务业和老年护理等领域，例如在餐厅后厨进行物料搬运，或者协助老年人移动、进食等。
机器人技术的进步得益于机器人部件成本下降、性能提升以及AI技术的进步。目前，虽然已经存在能够执行基本任务的人形机器人，但挑战在于如何降低成本，使其与人类员工的成本相比具有竞争力。
将AI应用于机器人控制比开发聊天机器人复杂得多，因为缺乏足够的训练数据。人形机器人AI的训练需要在实验室和模拟环境中进行，并将其应用于现实世界，而现实世界非常复杂且存在风险。
Deep Dive
This chapter explores the potential of using underutilized GPUs in gaming PCs and other devices to train AI models, challenging the current dominance of massive data centers. It discusses the risks and opportunities of this approach, highlighting the potential for democratizing AI development.
- Startups are exploring using underused GPUs to compete with large AI data centers.
- This approach could lower the barrier to entry for AI development.
- Risks include data privacy and security in a distributed system.
Shownotes Transcript