问我为什么看好Axis AI？ @axisrobotics

因为 我看上郡主了…

啊不，小声点，说漏了🤫

是看好郡主的眼光——这理由够充分吗？😼

言归正传，我接触一个项目，会首先从名字开始研究

而 "Axis AI"这个名字，本身就很有意思，

AI——很明显，这是一家AI公司，

Axis——这里有很多可以说道的，

Axis的字面意思是轴线、轴心、坐标轴、旋转轴，等等，

常用在工业设备、机器人行业中，比如6轴机器人；

现在用在公司名称上，似乎是在暗示：

Axis AI不仅是机器人硬件的"运动轴"，

更是要成为连接人类与机器人的"轴"，

连接AGI与RGI之间的"轴"，

甚至会是具身AI的底层"轴"！

千穿万穿，马屁不穿，

彩虹屁拍完了，再说说Axis AI正在构建的未来中，最让我兴奋的是什么吧，

毫无疑问，必然是机器人模拟仿真数据的基础设施！

我们都知道，和LLM类似，机器人训练也需要海量的数据，而采集真实世界的数据面临成本高、难度大、周期长，等等问题，

比如，

LLM GPT-4的训练需要约15万亿文本token；

具身智能Google RT-1使用的13万条真实世界数据，耗时17个月采集；

……

这些问题让采集真实世界数据，在面对规模化的机器人训练需求时，变的很不现实，几乎走不通！

所以，转向模拟仿真数据是必然的路径。

现在Axis AI在做的事情的路数，让我觉得有些类似SpaceX的火箭回收。

传统火箭发射完全是把火箭当作一次性消耗品，每次都发射后都要重新再造新火箭，成本高的惊人不说，发射周期还长……

这太像采集真实世界数据了：

采集数据的硬件是消耗品，

容易发生撞坏、故障等问题，

采集数据慢、周期长，迭代成本也高。

SpaceX除了使用不锈钢造火箭之外，还把火箭的一级助推器做成可回收、可复用的资产，不仅让发射成本骤降，还令发射周期从月缩短到周/天，现在Falcon 9几乎每周发射，这在以往是不可想象的！

Axis AI一次搭好模拟仿真环境，就可以无限并行进行实验、生成数据，不必担心硬件损坏重新投入成本的问题，而且还可以发动社区参与，比如"小王子的玫瑰"，这也会大缩短数据生产的周期。

想象一下，Axis AI能够像SpaceX将火箭发射的成本"平民化"那样，把机器人训练数据的生产通过模拟仿真实现规模化，成本还低，并且可"无限复用"，这难道不让人兴奋吗！

马斯克 @elonmusk 说：

你要看大火箭吗？

Axis AI说：你要看郡主吗？

啊啊，又错了，重来~

Axis AI说：

你要看机器人小王子浇玫瑰花吗？

Axis AI还补了一句彩蛋：

现在有"假"的，谁还用真的？

😏😏

#axisai