OpenAI人形机器人先出大脑，Bel模型暗藏10万亿参数
内容提要
OpenAI计划于2027年集中发布多个秘密训练的巨型AI模型，包括超10万亿参数的“Bel”和连续智能体“Astra”，后者已能解决研究级数学问题。公司战略是先开发强大“大脑”，再用于人形机器人，首批应用聚焦数据中心建设，实现自我加速发展，将引发认知冲击。
延伸解读
从“生成”到“发明”的质变
文章强调Astra已能解决研究级数学问题，并达到“AI研究实习生”水平。这标志着AI从简单的生成内容，向自主发明新知识迈进。奥特曼称其可能成为第一个“真正发明新事物”的模型，意味着AI的能力边界正在从辅助工具扩展到独立科研，对科研领域可能产生深远影响。
参数规模背后的算力与成本
Bel模型参数超10万亿，是GPT-4的数倍。如此庞大的模型对算力和数据的需求极高，训练成本可能惊人。文章提到训练数据达“艾字节级”，暗示OpenAI在算力基础设施上投入巨大。这也解释了为何OpenAI将人形机器人首先应用于数据中心建设，以形成自我加速的闭环，降低长期成本。
2027年“集群式”发布的战略意图
多个秘密训练的模型计划在2027年集中发布，而非渐进式推出。这种策略可能旨在制造“认知冲击”，一举确立领先地位。对竞争对手而言，这意味着技术代差可能突然拉大；对公众而言，AI能力的跃升将超出预期，引发社会对AI伦理、就业等问题的重新审视。
“大脑先行”策略的合理性
OpenAI选择先开发智能“大脑”，再应用于人形机器人，而非直接制造机器人。这降低了在复杂物理环境中测试的难度，先在数据中心等可控场景积累经验。这种策略更务实，也符合AI发展的逻辑：先确保智能可靠，再赋予物理形态，避免因身体限制拖累智能发展。
Q&A
OpenAI的人形机器人计划首批应用场景是什么？
OpenAI的人形机器人首批应用场景是数据中心建设和“机器人造机器人”，而不是家用机器人。
OpenAI的Astra模型在内部测试中达到了什么水平？
Astra在OpenAI内部测试中达到了“AI研究实习生”的水平，能够解决研究级数学问题，并操作桌面软件。
Bel模型的参数规模有多大？
Bel模型的参数规模超过10万亿，是GPT-4（约1.8万亿参数）的数倍甚至近十倍。
OpenAI为什么先开发“大脑”而不是直接造人形机器人？
OpenAI的战略是先开发强大的AI“大脑”，再将其应用于人形机器人。这样可以在受控环境中验证智能水平，并先用于数据中心建设，形成自我加速的闭环。
2027年AI大爆发的原因是什么？
2027年的大爆发并非突变，而是过去几年秘密积累的总攻。多个巨型模型将在短时间内集中发布，打破公众对AI发展速度的线性认知。
Astra模型在协作和工具使用方面有哪些能力？
Astra能够与其他智能体协作，解决研究级数学问题，操作桌面软件，并能持续工作数天甚至数周，记住之前的纠正，在各类软件工具间自由切换。
OpenAI将“大脑”先用于数据中心有什么商业逻辑？
用AI“大脑”操作机器人建设数据中心，可以训练下一代更强大的AI，形成自我加速的增强回路，实现商业闭环。
