特斯拉的Optimus有望成為下一個革命性產品，將超越智慧手機，成為我們這個時代的標誌性技術。
Optimus不僅僅是一個人形機器人，它代表了基於行動的計算機時代的開始，將自主性無縫融入日常生活。透過擴充套件人類的能力，超越了以前的極限，它標誌著技術採用的一個轉折點。
這篇文章將Optimus視為一個聯網裝置。隨著世界朝著無處不在、高頻寬、低延遲的網際網路接入方向發展，每個裝置——無論在哪裡——都可以持續連線。這種連線為Optimus解鎖了強大的計算可能性，我們將在這裡探討。
Optimus在網際網路上
從一開始，Optimus將是一個連線的裝置。作為一個完全整合的物聯網（IoT）裝置，Optimus將可以訪問網際網路資源並連線到特斯拉雲。就像特斯拉汽車一樣，Optimus將支援空中（OTA）軟體更新。它將透過WiFi或蜂窩連線保持網際網路連線。
獨特的是，Optimus將支援SpaceX Starlink DTC（Direct-to-Cell）進行連線。這使特斯拉能夠在全球範圍內運營Optimus，甚至在偏遠地區。
連線的機器人
無處不在的網際網路連線開啟了一個充滿可能性的世界。讓我們瀏覽一組可能的特性和功能。下面的討論不是特斯拉的路線圖。我不是特斯拉員工，也沒有任何內幕資訊。一些方面概述了可能的前進道路，而另一些方面則根據假設的挑戰和機遇提出了新的功能。
Optimus的移動記憶
當Optimus與它的主人、其他人和它的環境互動時，它會建立一個記憶。這種記憶是豐富的，包括所有的對話（透過語音互動），其活動的視覺記錄，以及它所做的每一個動作。就像人類一樣，記憶是一個關鍵的定義元素。
在談話中，Optimus的記憶提供了上下文。例如，
- 如果你問，“我的泳衣你帶了嗎？"，它可以響應，“是的，在你的隨身行李裡。"
- 或者如果你問“上週我們用了多少雞蛋？",它可以作出反應，“我們總共用了15個雞蛋，12個是早餐用的，剩下的是我週四烤的蛋糕。我們每週平均吃10個雞蛋。"
作為聯網裝置
Optimus連線到Tesla Cloud，使其能夠將其記憶體狀態與基於雲的儲存同步。這不僅僅是一個備份-這是一個接近實時同步的特斯拉Optimus的記憶體狀態。在某些情況下，讓Optimus親自出現可能不方便或不可能。特斯拉可以提供一個移動的配套應用程式，允許使用者下載和訪問他們的Optimus記憶體狀態。這個應用程式的功能就像一個虛擬的Optimus，即使沒有物理機器人，也可以進行對話和互動，進一步改善其記憶狀態。
每個Optimus都保持著獨特的記憶狀態。在任何時候，Optimus要麼是活躍的（使用當前記憶體執行）或休眠的（等待以儲存器狀態啟用）。休眠的Optimus可以使用另一個Optimus的記憶體狀態啟用。這允許Optimus的記憶體在物理單元之間無縫傳輸-在原始Optimus不可用、損壞或使用者旅行時非常有用。例如，使用者可以在旅行目的地租用Optimus並恢復其記憶狀態，確保體驗的連續性。
將Optimus的記憶體狀態同步到Tesla Cloud或移動終端應該是快速無縫的。對於未啟動的裝置（如另一臺Optimus），可能需要幾分鐘，但對於最近使用的裝置，可能不到1分鐘。
共享儲存器
全球艦隊或Optimus機器人的子艦隊可以共享觀察記憶。共享記憶體涉及選擇性的記憶體模式，而不是整個記憶體狀態。這指的是觀察記憶--從環境觀察中獲得的知識。例如，每個Optimus機器人都可以觀察其駐紮位置的天氣，並與集體艦隊和其他資料系統共享這些觀察結果。同樣，Optimus機器人可以實時跟蹤人口密度，使資料系統能夠識別機場、商場和城市街道等地點的高峰活動時間。
基於雲的分散式推理
Optimus的大腦本質上是一個基於人工智慧的作業系統。其感知和規劃活動的決策框架基於神經網路。因此，其大部分計算資源專用於推理。推理涉及透過AI模型處理輸入資料以生成動作。神經網路模型由在訓練過程中建立的大量引數（數字）組成。該處理不對稱：使用雲中的大量計算資源建立模型，之後將其載入到進行推理處理的目標裝置上。
雖然推理的計算密集度低於訓練，但它仍然需要大量資源。在某些情況下，單靠裝置上的推斷是不夠的。Optimus可以利用雲輔助推理，在網路延遲較低時將某些流程解除安裝到雲。除了雲輔助推理之外，Optimus機器人和特斯拉汽車還可以在分散式推理系統中協同工作。雖然Optimus可能經常處於活躍使用狀態，但也有一些時間段（例如充電期間）其計算資源保持大部分空閒。同樣，特斯拉汽車也經歷了長時間的有限使用，使其車載計算能力可用於分散式推理。
隨著Optimus變得越來越先進，許多推理任務將轉移到施事推理- 非同步執行，而不是真實的執行，其中網路延遲不太重要。例如，你可以要求Optimus支付你的賬單或安排一個約會。這些非實時任務非常適合分散式推理。
區域性學習
到目前為止，我們已經討論了網路連線Optimus的上下文中的推理。但是學習呢？在標準的人工智慧模型中，“訓練”-學習過程-集中發生在資料中心。這個培訓過程建立了一個模型，然後將其下載到裝置（作為OTA更新的一部分）。一旦在裝置上，推理就可以發生--為預期的結果運用模型。
然而，Optimus可以在本地裝置上學習。這個學習過程有效地建立了一個技能或子技能。例如，主人可以教Optimus用一隻手打雞蛋，即使它最初需要兩隻手。或者Optimus可以學習如何選擇性地給花園除草，讓有益的植物不受影響。這些調整，本質上是對車載模型的改進，可以傳輸到特斯拉雲，以包含在全域性模型中。
組學習
但並不是所有的地方學習都應該重新納入全球模式。當企業購買或租賃Optimus時，它將訓練機器人執行符合其運營需求的任務。例如，星巴克可能會部署Optimus作為咖啡師，訓練它準備各種咖啡飲料。經過培訓後，Optimus機器人學習到的技能可以立即與其工作人員中的其他機器人共享-這是全球艦隊的一個子集。然而，這些在當地獲得的技能中有許多被認為是專有的。製造業和服務業經常開發獨特的生產和服務技術。因此，他們希望Optimus只在自己的艦隊內共享培訓，以確保專有知識保密。
群組操作
到目前為止，Optimus採取的所有行動都被認為是單獨集中的-由一個Optimus機器人完成。但是網路中有力量;連線的機器人可以組織集體推理並協調群體行動。群體行動使Optimus機器人能夠協作，利用其網路智慧來處理超出單個單元能力的任務。例如，在製造環境中，多個Optimus機器人可以在裝配線上一起工作，一些機器人處理元件放置，而另一些機器人進行實時質量檢查。透過共享資料和動態調整，他們確保了精度和效率，同時減少了錯誤和生產延遲。在建築物安全場景中，Optimus機器人網路可以在沒有冗餘的情況下巡邏不同的區域，協調它們的路線以確保全面覆蓋，同時共享有關潛在安全威脅的實時警報。如果一個機器人檢測到異常，它可以立即通知其他機器人做出相應的響應，防止不必要的重疊並提高態勢感知能力。
這種作為統一系統的能力突出了集體智慧的力量，使Optimus能夠在複雜的多智慧體環境中無縫執行。
網路上
網路連線使Optimus能夠以新穎而強大的方式發揮作用。如前所述，Optimus可以遠端儲存、傳輸和共享其記憶體。它還可以將其推理處理擴充套件到雲端，並在整個網路中分配計算任務。此外，Optimus在當地學習的技能可以與指定的車隊或團隊共享，從而在不損害專有知識的情況下促進專業培訓。最後，網路連線使Optimus單元能夠協調和執行群體行動，從而實現超越單個單元能力的協作努力。
結論
第三次革命現在正向我們走來。
- 個人電腦是在一個網路無處不在的時代出現的。直到1985年，隨著Macintosh Office的出現，“網路”的概念才進入消費者的意識。
- 網際網路出現在20世紀90年代初，各地的消費者開始瀏覽全球資訊網。
- 到2000年代中期，智慧手機已經初具規模。2007年，蘋果推出了iPhone，作為一個持續連線的網路裝置首次亮相-依賴並假設網路連線。從2007年到現在，網路連線不斷改善，消費者現在將其視為技術的基本組成部分。全世界都期待著近網路的普及，而像SpaceX的Starlink這樣的產品，這種普及現在已經延伸到了我們星球的每個角落。
Optimus不一樣。它是在一個連線性是絕對的世界中出現的第一個主要的新產品類別。與智慧手機不同，我們已經開始將其理解為網路端點，Optimus整合到網路的結構中。這標誌著一個關鍵的轉變-下一個大的事情不僅僅是另一個裝置，而是一個新的正規化，其中技術和網路是不可分割的。