在交互领域有比较重要的两个可能。一个是神经辐射场(NeRF)，NeRF使用2D图像训练神经网络，预测全新视角下的图像，从而完成场景渲染，是一种场景3D信息的隐式表达方式。NeRF带来了新的3D交互方式，也为3D内容的生成提供了新的可能性。即使其目前在训练/推理效率、处理动态物体等方面存在一定缺陷，但它带来的全新应用场景的可能性也值得我们期待。

另一个就是LLM（大语言模型），它会助力AR眼镜成为随身的AI助理。AR眼镜具备第一视角的近眼显示能力，在ChatGPT等大模型的赋能下，可以实现语音交互、实时翻译、导航、购物建议等功能。

算力平台

在算力方面我们得出结论是：不同的平台，不同的场景，一定会有对应的算力平台。比如说眼镜对应XR2，车对应Orin，云端对应A100。未来基本上就是这样的架构，不会出现一款芯片或者是计算产品解决所有的问题。因为在不同场景下的功耗是不同的，针对电源、系统能量的管理是不同的，任务的复杂度和场景的状态也不一样。

03

工业场景的提升

我们一直在想象，未来的工业场景能否把底层系统打通在一个平台上，上层可以直接调用ChatGPT跟它自然交互，再去挖掘问题所在？

此前工业互联网的收效有限，一个核心原因是他们不是信息化Native，还是要靠外装设备。如果数据来自硬件自带的AI系统，能自己形成分析反馈，将可以实现有价值的预测分析，这对实现工厂的单站智能非常重要；通过这些智能单站连成线之后，可以形成闭环的整厂数据链路，从而可以构架出整厂的AI模型数据。如果无法拿到原生数据，能用后装传感器抓到数据也可以，吉利汽车有一个特别厉害的自动化产线，已经在用Transformer和类ChatGPT模型去理解工厂的问题在哪里。

AI对工厂预测性维护的提升还是有限，因为工业里面环环相扣的工艺很多，产品生产过程琐碎。最重要的是如何做到自适应工厂单工艺以及全局的复杂状态。工业互联网的痛点是设备的每个参数都要单独测试，一个设备只能干一件事，超出这个场景，设备算法就不一样。所以我们一直在设想未来的机器人应该就像流水线一样，能非常快地对齐认知，这就需要AI既能掌控单工艺制造过程，又具备全局大脑决策功能。

特斯拉工厂其实就是一个大机器人。整个传感器数据是全栈、全链条、全体系共享。但底层都有传感器，有智能化、数字化基础。这些都需要原生数据，打补丁是做不到的。