详细资料

分类：创业

发布于 2023年11月29日

　　你知道CQB（室内近距离战斗）战术里面，站在哪个位置的队员最危险吗？

　　通常来说，打头阵的一号队员最危险，因为他带头破门而入的时候，压根儿就不知道门后边有几支枪指着他，又或者对方在门后边放了什么爆炸物。

　　虽说大家都知道危险，可这门破了总得有人第一个进吧，谁第一个进谁就当冤大头呗，那能有啥好办法没？解放军这儿还真有！

　　就在前几天的央视军事报道里，曝光了解放军小分队巷战演练，担负破门任务的一号队员居然是一只倒背着95式自动步枪的机器狗。

　　只见这只机器狗在铁皮门前毫不犹豫地“Duang”地一下就撞过去，随后就是战士们鱼贯而入，一套下来行云流水，看来在此之前也没少练。

　　这就有点震惊到军武菌了，在咱们的印象里，好像拥有“天顶星科技”的美军都还没这么用机器狗吧，这解放军怎么都能把机器狗当一号突击手用到巷战了呢？

　　其实，解放军用机器狗作战早些时候就已经曝光过了。

　　就在今年7月13日，央视军事栏目报道了解放军西部战区部队的日常训练情况，画面中就出现了一款全新的无人装备机械狗。

　　在视频中两台机器狗先是都伏在靶场的地上，随后在操作员的控制下，其中一只机器狗迅速进入战斗状态，第一时间瞄准既定目标并开火，两轮短点射后，机器狗成功“击毙”目标，而且假想敌头上的靶纸弹孔分布还很均匀。

　　更难得的是，视频中有部分画面是固定在机器狗身上的摄像机拍摄的，从画面中看得出机器狗在拍摄过程中一直非常稳定，几乎没有震动，可以说是“稳如老狗”了！

　　有资料显示，这款机器狗是由西部战区陆军某部联合清华大学共同研发的，它们装备的有摄像机、雷达、激光扫描仪以及部分火力武器等等，不仅能自主巡逻，进行监视，在发现可疑的目标后，还可以自动识别并且进行追踪。

　　它还可以通过内置的激光扫描仪对战场进行地图测绘，为战士们提供精准的战场情报。此外，它还可以进行搜爆任务，现在已经在西部战区某部服役。

　　后来，我国又公开了一段视频，一架小型旋翼无人机从远处飞来稳稳地降落在地面上，随后将下部支架上的机器狗投放在地面后，立即飞离地面，能把无人机跟机器狗玩儿得这么溜的，恐怕全球也就独此一家了吧。

　　解放军装备的机器狗其实也叫做四足机器人，这种仿生式的四足机器人对于大家来说确实还算是个新鲜物，毕竟这东西也就只在几个发达国家的军队中出现。

　　这是因为四足机器人的控制系统需要模仿生物学，要远比无人车的运动原理复杂得多，技术难度较大，在较长一段时间里都只能作为展示产品，而非军事领域的实用品。

　　最早的四足机器人是由上世纪90年代美国和日本的一些机构研发的，直到2005年，美国波士顿动力学公司推出了一款名为“大狗”的四足机器人。

　　这只“大狗”体型跟成年德牧差不多，以汽油发动机作动力，内部安装的计算机可根据环境的变化调整其行进姿态。

　　“大狗”的自我平衡能力极好，在一些公布的视频中可以看到，无论是实验人员用脚猛踹还是它自己在地面上打滑，都能经过一两个趔趄重新恢复稳定行走状态。

　　“大狗”全身分布有50多个传感器，具备对作战环境内较好的感知能力，并能接收和解读语言与视觉命令，此外，还能通过接受士兵语音指令，为其单兵装备进行快速充电等。

　　而且它的速度也不慢，行进速度能达到7千米/小时，还能够攀越35度的斜坡，可以携带重量超过150千克的武器装备或物资，沿预设的简单路线行进，也可进行远程控制。

　　可以说，这款“大狗”的问世给了当时全世界亿点点的震撼，但是美军通过测试却认为，“大狗”的汽油发动机声音太大，容易暴露目标，而且系统太复杂，真到了战场上发生了故障，维修起来太费劲。

　　所以，后来美国军方就在2015年12月决定把“大狗”转入技术储备，而没有继续研发。而也正是在这一年，中国兵器装备集团公司推出了被称为“中国大狗”的仿生四足机器人。

　　这款“中国大狗”具备对地形自我感知，可以摆脱人工操控自主工作，它总重250千克，负重能力160千克，爬坡角度30度，最高速度1.4米/秒，续航时间2小时，它不但能驮运物资，还能承担侦察打击任务，同时也能运用到抢险救灾当中。

　　次年，解放军陆军装备部主办了一场“跨越险阻2016”地面无人系统挑战赛，其中就有一台名为“奔跑号”的国产山地四足仿生机器人发挥出色，获得了50米竞速和综合越野第一名。

　　在2018年的第十二届珠海航展上，就首次亮相了可用于战场侦察和运输弹药物资的小型军用四足机器人，还有的军工单位宣称已经开始研制能背负武器装备的四足作战机器人。

　　到了去年，国内的红隼公司推出了一款名为“红翼前锋战斗机器犬”的四足战斗机器人，大小跟市面上常见的玩具机器狗差不多，可以安装侦察设备或轻武器。

　　而且这款四足战斗机器人居然成一个系列，有三种型号，采用了模块化设计，可以通过改装搭载不同任务模块进行变形。

　　第一种是配备有激光雷达、热成像仪、夜视仪和战术自组网络系统的基本型（侦察型），第二种是倒着背负95式自动步枪的轻武器型，第三种是搭载9联装榴弹发射器的重火力型。

　　从他们发布的视频来看，这款机器人已经具备了翻越障碍、侦察、打击等多种任务能力，简直就是巷战利器。

　　本以为这些机器人也就是展示一下咱们技术多牛也就罢了，谁知各种官方新闻中却开始出现了机器狗进部队的消息。

　　先是央视去年6月份报道的解放军陆军步兵学院进行的一场对抗性演习中，出现了仅安装一支95式自动步枪的机器狗，还出现了只承担侦察监视任务的机器狗。

　　后来在7月初在新疆军区部队庆祝建党100周年活动中，出现了正式列装的军用机器狗，而在军事博物馆中，更是直接展出了已列装的察打一体四足机器人实物图片。

　　这种察打一体机器狗上装有小型的穿墙雷达，可以从外部探测建筑内部的敌军，发现敌人后机器狗可以冲进去射击，有阻挡的话就呼叫火力支援。

　　可以说中国在四足仿生机器人的军事领域，已经走到了世界的前列，那么中国为什么要在美国已经放弃的技术上下这么大力气呢？

　　这是因为四足机器人与轮式/履带式机器人相比，它的地形适应性更强，无论是松软的地面、多层楼梯还是崎岖的地形，都能在保持自身平稳和移动顺畅的前提下行走自如。

　　因此，四足机器人的应用场景就更加广泛，虽然美国将这项技术纳入技术储备，暂时不在继续发展，但这并不意味着他们就放弃了这条技术路径，反倒是他们的民间公司不断推陈出新。

　　再说了，全世界研制四足机器人的也不止美国一家，他们暂时放一放，别的国家也会继续研制，中国选择这条赛道继续走下去也就不是很难理解的事儿了。

　　事实上，这个四足机器人只不过是中国无人化武器的冰山一角，如今世界主要军事强国已经拉开了夺取大数据、云计算、智能机器人优势的帷幕，下一步战争形态必然是地面机器人、无人机与人类士兵协同作战，而这种领先的技术谁先掌握谁就能获得先机。

　　虽说俄乌冲突爆发之后，各国发现无人装备是真好使，但是大多数国家的无人装备都还处于PPT阶段，还远达不到真正的量产。

　　而中国对于军事技术变革已经有了极其敏锐的认知，尤其是军改后的解放军对无人武器的应用和战术战法的拓展也颇为重视，相关探索与经验积累相当丰富。

　　而且中国有规模庞大且水平很高的制造业，以及日新月异的半导体工业和IT产业，所以现在主打就是一个人无我有、人有我强。

　　早在2020年，一场东南海域举行的多种兵种联合立体渡海登陆演习中，就出现了许多无人作战装备，包括无人机、无人伴随支援战车、无人弹药车、无人破障船。

　　到2021年，央视报道了第73集团军下属某两栖重型合成旅部队，组织的一场跨海夺岛体系联合登陆演练，在播报的画面中，就出现了两栖装甲部队与蜂群无人机协同战术配合的场景。

　　从央视播报的画面来看，这些蜂群无人机高度统一，间距整齐划一，在目前世界范围内的军用蜂群无人机实践应用中，都算得上个中翘楚。

　　还有陆军好几所军事院校在组织学员毕业演习的时候，出现的无人装备就更加种类繁多，比如无人机、无人侦察车、无人突击车、无人反坦克车、四足机器人等等，令人眼花缭乱。

　　要知道，这么多的无人装备在前几年都还处于科研阶段，还没正式列装部队。但现在，这些装备已经经过全面测试并正式列装部队，还有多余的能供军事院校用了，这个产能不服不行啊！

　　而美国这边呢，今年9月份的时候，海军陆战队搞了个“机枪山羊”概念测试，他们把一具 M72 火箭筒到四足机器人背上，然后测试它瞄准和攻击目标的能力。

　　结果就有不过有眼尖的网民通过他们网站上发布的照片发现，“四等人”测试用的像是中国“宇树科技制造公司”制造的Unitree GO1机器狗。

　　这款消费级的机器狗其实是和前段时间在亚运会上的机器狗是同款，当时在亚运会上这款机器狗还排队入场，表演过整齐划一的“舞蹈动作”。

　　这款机器人能像训练过真狗那样作揖，甚至还能简单对话，价格则是相当接地气，普通版售价2700美元，增强版售价3500美元，说白了就是个玩具价。

　　美军后来也承认这机器狗不是美国造，但是却嘴硬说这只是展示一个概念，将来在正式采购的时候还是会用美国的，再不济也会用盟友国家的，反正中国的再怎么香，以后我是不会用了。

详细资料

分类：创业

发布于 2023年11月13日

　　在AI从业者里有位备受关注的“网红”叫Shawn Wang（他推特“swyx”更为大家熟知，同时也是Smol.ai的创始人），今年7月他在专栏“Latent Space”上首次提出了“AI engineer（AI工程师）”的概念。同名播客也是今年听过最精彩的栏目之一。

　　这个新“人群”介于传统机器学习工程师和为产品服务的全栈工程师之间，借助成熟的软件供应链和API生态，还有日益开放的模型和开发工具链，AI工程师能够快速搭建产品原型，利用现有公司的分发渠道或社媒等方式获得用户反馈和数据，从而进一步迭代模型本身。

　　有趣的是，10月Shawn在湾区举办了第一届“AI Engineer Summit（峰会）”，大会上一位独立开发者发表了一个引起众多共鸣的事实：

　　“开发AI项目的过程中，我的时间80%都花在了UI设计上。”

　　AI似乎是最简单的部分，如何把一个花了两个小时搭好的demo变成可发布在生产环境的产品，才是最难的事情，而这部分工作量与AI无关。

　　在湾区的这段时间里，与正积极实践将AI融合到已有SaaS产品的AI工程师的交流中，也的确感受到从原型到内测，再到邀请种子客户测试的过程是复杂且反复，通常比预期都要长。

　　红杉美国在9月发表的《生成式AI进入第二阶段》新文章里，认为AI从拿着大模型找“钉子”的方式正式进入了“第二幕（Act 2）”，真正的壁垒在“客户中，而不是在数据中”。

　　这个观点对新进创业者来说有点残酷，如果一开始大模型就无法冲破传统的无论是面向企业场景的工作流或消费场景的网络效应的话，那么大部分创业公司现在仍面临“找钉子”的状态，而且需要快速转型。

　　在我看来，对初创公司甚至整个生成式AI的时代，其实大家仍在第一幕或第一阶段，并没有进入所谓的“第二幕”。

　　总的来说，还有三条鸿沟：

　　AI既可以是feature（功能），也可以是产品，目前边界是模糊的。

　　AI native对产品经理和设计提出前所未有和更高维度的要求。

　　与其死磕融入或创造”新工作流”，或许不如直接卖“新工作”。

　　不久前ChatGPT集成了PDF Chat功能，网上就这个功能对一系列相似产品的冲击展开了很有意思的讨论。不少人认为很多初创公司会因此死掉，所有类GPT “wrapper/套壳”类产品都会在未来由于ChatGPT本身能力的延展而受到严重挤压。

　　没过多久，PDF.ai的创始人Damon Chen发表了自己的看法：

　　“我不认为ChatGPT会把很多PDF相关的小功能但又是用户急切需要的都开发出来。当然，很多比我们规模小许多或者准备做这个方向的创业者会退场，而如果有VC投资的初创公司可能会死亡，如果他们还持续烧钱。

　　但是PDF.ai一直是bootstrap且盈利的。我们不是为了成为独角兽，几百万美金ARR对我们来说足够好了，我有1000%的信心可以做到。所以我甚至更乐观了，我们有能力在Chat PDF类的产品里做到最好。”

　　更有意思的是，在上周第一届OpenAI Dev Day当日，Chatbase的创始人Yasser和Damon同时在公开宣称当日自家网站注册量的激增，似乎这些所谓的”AI套壳“产品并没有受到重创，反而让更多用户发现通用型GPT和单点工具的差异而选择后者。

　　我非常赞同Damon的想法，也给创业者和独立开发者很多启发。

　　首先，如果要验证AI是否在假设场景的价值，不要忌讳先做成“wrapper”。要快速搭建出可用的工具型产品，验证市场。

　　经过大半年跟许多尝试想快速在OpenAI的API基础上搭建一个可用demo的工程师交流后，大家普遍发现要真正从一个外界看来是“套壳”的demo到变成可用的产品，还要跨越很多障碍，需要反复做许多实验。

　　如上图，在AI Engineer的大会上对迁移学习中的领域自适应（Domain adaptation），就有了现在集中主流方式的探讨，想必RAG（搜索增强生成）是各类需要大模型获得更多事实性信息的应用很关注的话题。

　　所以，即便利用了大模型的API，我们也不能笼统地认为“套壳”是一个简单的工作，至少要做到一个可用的工具，百万级用户能稳定使用的产品，比大部分没有0到1做过的人想象中要困难很多。

　　（那些从未真正build过产品的人总说OpenAI杀死了很多AI套壳产品，而正在做产品的人一直在挣钱）

　　其次，创业在海外拥有非常立体的环境。立体具体表现在：

　　你可以选择不拿融资或少量融资，做一款拥有几十万甚至百万用户的小巧工具，同时有几十万甚至百万美金收入。也可以选择获得巨额融资，发展成为能服务上千家企业客户，拥有千万甚至过亿美金收入的企业级产品。

　　前者一直保持较小团队规模，许多时候不超过10人，就能持续盈利，就像早些时候的Midjourney。后者在通常情况下，会持续扩张并保持融资和烧钱状态，目的是成为行业第一，并试图挤压第二和第三的市场份额。

　　结果是，大多数前者很多时候并不会因为后者的持续扩张而受到严重挤压，除非真的因为本身产品的退步。后者虽然有很大想象和飞跃可能，但要承担一旦无法取得投资人预期的成绩，就需要做出巨大改变或转型，否则就要面临因为无法自身造血而彻底退场的结局。

　　所以，当下无需过多纠结AI将是一个现有产品的“功能”还是有机会成为一个独立的原生产品，因为在不同类型的用户和场景来看，很可能都会存在。

　　但接下来，这对产品经理和设计师都提出了一个重要挑战——如何设计出下一代AI原生体验的产品。

　　蒙眼狂奔了大半年的AI公司的确开始吸纳产品经理了，比如今年我了解到发展最快之一的法律科技公司Harvey.ai，不仅获得了OpenAI和红杉美国的投资，最近宣布招聘了第一位产品负责人Aatish Nayak，Nayak曾是Scale.ai的产品负责人，工作长达4年时间，也见证了传统机器学习向生成式AI演进的重要里程。

　　同样几个月前，演示文稿生成工具Tome也吸纳了第一位AI产品经理，在湾区跟他交流的时候，他刚加入不久，跟团队高层当时讨论的核心便是，以对话为交互基础的体验到底是不是用户最能接受的方式？

　　或者说，作为一位AI产品经理，很重要的是如何将“传统”用户旅程和AI原生的体验（目前核心是对话引导）巧妙结合，包括如何引导用户尽快上手体验AI。

　　一个微妙的发现是：产品不再是AI初创公司刚开始的必要岗位，AI本身让创始人成为最重要的产品经理。

　　根本原因是，生成式AI给产品设计带来的机会是让所有产品实验得以实时进行，让用户无感知地反馈甚至参与后续迭代，包括产品设计和”产品模型“。

　　产品模型便是所有实验的核心，它是作为AI工程师或创始人，需要构建的一套完整且能自我迭代的技术栈，最终像OpenAI的联合创始人Andrej Karpathy在他的”软件3.0“理论中提出的：

　　让产品能够获得”理解“和”生成“的能力。

　　无论这套模型是否拥有自己的大模型，无论在领域自适应中使用了哪种方法获得精确的背景信息，无论是否通过自然语言对话来完成用户的交互，重要的是能否利用现有的任何技术，设计出一套能实时产生交互数据并能反馈于最终效果和体验的模型。

　　这里面最成功的案例莫非Github Copilot了。记得在某期播客中，产品初期的负责人曾说过，最美妙的地方在于用户是与产品本身实时在交互，交互的过程（删掉或保留代码）和结果（代码和程序）就是对模型最直接的反馈。甚至都不需要像ChatGPT一样需要用户点击”大拇指