人工智能已经学会了互联网。现在它必须学会了解世界。.
人工智能通过学习数字世界取得了显著进步。互联网为人工智能系统提供了海量的文本、图像、视频、代码和其他形式的数字信息。从语言模型和生成式人工智能到功能日益强大的软件代理，人工智能近期的诸多发展都得益于这些丰富的数字数据。.
但物理世界带来的挑战则截然不同。.
人工智能系统识别图像中的物体或描述任务执行方式是一回事，而智能机器在应对不断变化的环境、突发情况和现实世界的限制的同时，实际执行该任务则是另一回事。.
拿起杯子、打开抽屉、转动把手、移动物体或与人安全互动，需要的不仅仅是识别能力，还需要感知、动作、协调、控制和经验。.
这里 物理人工智能 进入画面。
物理人工智能广义上指的是能够感知、推理并在物理环境中行动的智能系统。机器人技术是其最显而易见的应用之一，但挑战远不止于机器人本身。为了让智能机器在物理世界中发挥更大的作用，它们需要数字人工智能多年来一直受益的资源：大规模的、有意义的经验积累。.
在 Callindo，我们认为这种转变不仅仅是又一个技术趋势，它更代表着一个重新思考如何……的契机。 人、技术和人工智能 可以共同努力解决日益复杂的现实世界问题。.
因此，我们很高兴地宣布与……建立合作伙伴关系。 WorldEngine AI.
从数字智能到物理智能
现代人工智能的发展与数字数据的可用性密切相关。.
互联网创造了一个巨大的学习环境。人类的知识、交流、图像、软件以及无数其他形式的数字信息都可以被收集并转化为人工智能系统可以从中学习的素材。.
体能智能面临着不同的问题。.
人类的许多生理知识都是内隐的。我们知道如何伸手去拿杯子、抓住把手、拿起物体、在东西滑落时调整动作，或者在预期动作不起作用时改变方法。.
我们不断地进行这些行为，常常没有有意识地去思考其中涉及的复杂性。.
但对于机器而言，这些交互蕴含着宝贵的信息。.
物体的位置、手的动作、抓取物体所需的力、多个物体之间的关系以及对意外事件的反应，所有这些都可以构成人工智能系统需要学习的物理经验。.
WorldEngine AI 正致力于应对这一挑战。.
其既定使命是 达到体能敏捷性, 公司首先着手解决其认为的关键瓶颈：实体体验。公司将其方法描述为大规模采集实体体验数据，将其结构化为有用数据，并训练能够从中学习的模型。.
这个想法改变了我们对机器人技术的思考方式。.
问题不仅仅是如何制造一个功能强大的机器人。.
它还涉及如何创建系统、数据和学习过程，使身体智能能够不断提高。.
构建物理人工智能的基础设施
这就是 WorldEngine AI 特别吸引人的原因之一。.
WorldEngine并没有将机器人定位为独立产品，而是将其工作描述为构建一个 连接数据、模型、评估和部署的物理人工智能基础设施层.
这种方法的核心是持续学习循环。.
物理体验被采集并结构化为数据。模型从这些数据中学习。它们的性能在真实环境中进行评估。该评估揭示了系统仍然存在的不足之处，而失败和新的经验则提供了可用于下一阶段学习的信息。.
简单来说：
获取 → 构建 → 训练 → 评估 → 部署 → 再次学习
这为机器人技术的未来提供了一个不同的视角。.
一个功能强大的物理人工智能系统不仅依赖于硬件，还依赖于围绕该硬件的基础设施：它从中学习的数据、处理这些数据的模型、用于评估性能的方法以及将智能连接回现实世界的部署过程。.
WorldEngine 公开展示的作品体现了其对物理体验和数据的重视。例如，其 WEB-1K 项目展示了 90 项真实世界任务中的双手操作演示，录制了超过 5 万个片段，包含数亿帧图像。.
其意义不仅仅在于数据集的大小。.
它认识到，日常的物理互动可以成为机器学习的来源。.
物理人工智能需要经验，而经验需要基础设施。.
为什么人的因素仍然重要
随着人工智能和机器人技术能力的不断提升，一个重要的问题自然而然地随之而来：
人们的角色将会发生怎样的变化？
在 Callindo，我们并不认为自动化程度的提高必然意味着人类的作用会减小。.
技术可以提高速度、一致性、可扩展性和信息获取效率。人工智能可以帮助分析数据、辅助决策，并自动化日益复杂的工作流程中的部分环节。机器人技术可以将智能系统扩展到物理环境中。.
但现实世界的运作很少能完全预测。.
人们理解语境，能够识别例外情况，并在情况超出预设范围时做出判断。他们有助于提升质量，管理极端情况，并将技术与实际运营相结合。.
因此 人机交互 随着自动化发展，各项能力仍然至关重要。.
对于卡林多来说，这与我们目前所做的事情密切相关。.
我们的能力涵盖人员配备、运营执行、数据处理、质量保证、技术支持的流程以及可扩展的人力资源基础设施。当技术超越受控的数字化工作流程，进入到仍然需要关注人为因素和运营规范的复杂环境时，这些能力就显得尤为重要。.
物理人工智能为这种关系增添了新的维度。.
Callindo 和 WorldEngine AI 为什么互补
这就是我们与 WorldEngine AI 的合作意义所在。.
两家公司为这一共同的、新兴的机遇领域带来了不同的能力。.
WorldEngine AI 专注于物理人工智能、物理体验、机器人技术、数据、模型训练、评估以及帮助智能系统从物理世界学习所需的基础设施。.
卡林多 汇聚人员、运营执行、数据处理、质量流程和人机协同能力。.
这些能力是互补的，而不是相同的。.
对Callindo而言，此次合作并非旨在成为机器人制造商，而是要将我们现有的以人为本、融合科技的理念拓展到一个新兴的生态系统中，在这个生态系统中，人工智能与物理世界的互动日益频繁。.
随着智能机器从受控演示走向更加多样化的现实世界环境，周围的运行层变得越来越重要。.
经验必须被记录下来。.
数据必须结构化。.
各项流程必须始终如一地执行。.
必须对绩效进行评估。.
必须理解例外情况。.
而由此产生的信息必须反馈到学习循环中。.
这些领域正是技术与人类操作能力可以协同发挥作用的领域。.
人 + 技术 + 人工智能
对于 Callindo 而言，我们的总体发展方向可以简单地表述为：
人 + 技术 + 人工智能。.
人能带来背景知识、判断力、适应能力和运营经验。.
技术提供了支持日益复杂的运营所需的基础设施、连接性和可扩展性。.
人工智能为智能、自动化、分析和决策支持引入了新的能力。.
物理人工智能将这种结合从屏幕和数字工作流程扩展到物理环境。.
这为合作创造了新的可能性。.
人类的专业知识如何帮助智能系统学习？运营流程如何支持智能机器的部署和评估？通过现实世界交互产生的数据如何转化为有用的学习材料？人与智能机器如何才能更有效地协同工作？
这些问题仍在不断发展变化。.
然而，越来越明显的是，围绕人工智能的讨论正在不断扩大。.
人工智能不再仅仅关乎软件内部发生的事情。它越来越关注智能系统如何感知和应对我们周围的世界。.
展望未来
物理人工智能仍是一个新兴领域，其许多最棘手的挑战仍有待解决。.
机器需要更多物理经验。模型需要更好的数据。系统需要稳健的评估。智能体在面对现实世界环境的复杂性、多变性和不可预测性时，需要变得更具适应性。.
WorldEngine 的方法基于这样一个前提：物理智能需要自身的学习基础。它对物理体验、数据、模型、评估和部署的关注，正体现了这一更广泛的挑战。.
对于 Callindo 而言，我们与 WorldEngine AI 的合作是一个参与这一变革的机会，同时还能巩固我们最擅长的领域：将人员、技术和运营执行相结合，以解决现实世界的问题。.
未来不必被定义为人与机器的对抗。.
人工智能的定义也不一定非要局限于人工智能取代人类工作。.
更有价值的问题是，人、人工智能和智能机器如何才能有效地协同工作。.
随着人工智能从理解数字世界转向与物理世界互动，人类经验、运营能力和技术基础设施的作用也将随之不断发展。.
人 + 技术 + 人工智能 → 现在正扩展到物理世界。.
这就是我们期待共同探索的未来。 WorldEngine AI.
