前Meta科学家创立Perceptron，发布开源视觉模型Isaac 0.5，试图打破工业AI“通用与专用”的二元困局

【科技24时区】人工智能正在重塑我们周遭的一切，但迄今为止，这股浪潮大多仍被禁锢在数字世界的围墙之内。不过，风向正在悄然改变。越来越多的初创公司开始尝试将AI从屏幕中解放出来，推向充满不确定性的物理现实。由两位前Meta研究科学家联合创立的Perceptron，正是这一趋势的典型代表。

这家成立于2024年11月的年轻公司，致力于开发前沿视觉模型，旨在赋予机器更娴熟地与其物理环境互动的能力。本周，Perceptron正式推出了其最新模型——Isaac 0.5。据创始团队介绍，该模型专为工业场景设计，核心目标是让机器具备“感知、推理和行动”的闭环能力。具体而言，这款软件不仅能辅助视觉引导机器人在仓库或工厂车间等复杂环境中自主导航，还能帮助相关企业从机器人录制的视频中提取有价值的视觉智能数据。值得注意的是，Isaac 0.5以开放权重（open-weight）的形式发布，这意味着任何开发者都可以审查其参数及训练材料，这种透明度在当下闭源模型主导的市场中显得颇为罕见。

资本市场的嗅觉往往比技术落地更为敏锐。就在近期，Perceptron完成了一轮由Bessemer Venture Partners领投的2100万美元融资。公司的联合创始人Armen Aghajanyan和Akshat Shrivastava均出身于Meta的基础人工智能研究部门（FAIR），这是该科技巨头核心的AI研发机构。这两位创始人认为，他们的软件代表了工业自动化部署的未来方向。

“当下的物理AI迫使行业陷入一种虚假的二选一困境，”Perceptron方面指出，“要么是那些每个实例都需要多个专用云端GPU支持的通用基础模型，要么是仅能处理感知或控制单一环节、无法兼顾两者的狭窄模型。”Aghajanyan和Shrivastava强调，Isaac 0.5与现有空间内的模型截然不同，因为它具有通用性，并非为某一特定、重复的任务而构建。相反，该模型被设计为能够根据其所处的特定环境或情境灵活调整策略。

为了更直观地解释这一理念，Shrivastava在采访中抛出了一个看似简单却极具挑战性的物理过程——整理箱子。“想象一下，现在有一台机器人被部署去分拣包裹。它需要完成哪些任务？”他问道。这样一个相对简单的动作，实则包含了一系列复杂的步骤：机器人首先必须读取包裹上的标签，进行空间分析以理解箱子的位置，并决定拿起哪一个。如果涉及连续拾取一系列箱子，它还需要规划拾取的顺序和路径。Perceptron的软件正是旨在帮助机器人顺畅地穿越这一过程中的每一个步骤。

诚然，行业内已存在能帮助机器完成上述大部分任务的软件，但极少有程序能够如此灵活地应对多变的环境。那么，支撑这种算法炼金术的数据究竟从何而来？像Isaac 0.5这样的模型，通过吞噬海量的视频训练数据来学习操作技能。Perceptron透露，其新模型接受了长达一百万小时的所谓“通用视频”训练，以此教会算法识别特定的设置、视觉效果和场景。此外，公司还大量依赖所谓的“第一人称视频”（ego video）——通常通过GoPro或可穿戴相机拍摄，记录个人完成物理任务时的视角——以及UMI视频，后者同样用于通过记录人类重复动作来教导AI系统掌握运动规律。

尽管Perceptron并未公开其训练数据的具体来源，但Shrivastava表示，公司内部构建了PB级的数据集，涵盖了图像、文本、视频乃至机器人轨迹等多种模态。显然，一款能够帮助机器人在仓库中熟练操作的软件，其潜在效用是巨大的。Perceptron认为自己已处于引领这波自动化浪潮的有利位置。目前，该初创公司已准备好将其软件推向各类供应商，从而有望将其智能层集成到广泛的行业中，包括制造业、物流仓储、安防、移动出行，甚至媒体和娱乐领域。

“市面上真的不存在类似的东西，”Aghajanyan难掩兴奋之情，“我们对此感到非常激动。”