记得那些让数百名青少年为他们玩《Axie Infinity》以赚取魔法爱情药水的玩家吗？ 是的，那是四年前的事了。 现在你可以训练并启动100个自主编码操作员来为你玩游戏 ……并将其货币化并出售给其他人 ✅ AI x 机器人技术 AI x 机器人技术的叙述正在随着VLA模型的出现而真正升温 ​ 在AI生态系统的这个阶段，大多数协议和代理都在使用基于文本的LLM引擎或静态截图来解释数据 ​ 但请记住，现实世界的大多数地方没有API访问权限，你需要视觉、决策和行动。现实世界必须以像素的形式被看到，这就是VLA模型的用武之地 ​ @Codecopenflow 允许通过视觉使用从零开始构建的技术栈来实现软件和机器人技术的自动化 ✅ CODEC操作员 ​ 操作员是能够通过感知-推理-行动循环执行任务的自主软件代理。能够看到屏幕（或摄像头视频或传感器数据）使他们能够做出LLM无法做到的决策 ​ • 感知：捕获屏幕截图、摄像头视频或传感器数据 • 推理：使用视觉-语言模型处理观察和指令 • 行动：通过用户界面交互或硬件控制执行决策 ​ 在一个持续的循环中 操作员可以在裸金属服务器、虚拟机（在任何操作系统上）或甚至在机器人上运行。 ​ 每个操作员自动获得一个专用计算机（隔离的虚拟机或容器实例），并可以通过TEE（硬件级隔离）来保护敏感代码和数据。 ​ ✅ AI智能层 ​ 操作员可以配置为使用一个或多个模型（LLM或VLA）组合作为他们的“大脑” ​ 例如，将低成本的Mixtral-8×7B语言模型与开源的CogVLM视觉模型配对，使操作员能够读取屏幕上的文本并解释实时屏幕或摄像头视频——所有这些都以GPT-4成本的一小部分实现。 ​ VLA模型（视觉-语言-行动）使代理能够解释视觉输入，然后根据所见决定行动 ✅ 用例 ​ 🔹 桌面自动化 ​ 可以通过控制GUI来自动化重复的办公室任务。比如填写电子表格、更新日历或其他需要GUI交互的任务 ​ 可以处理UI更新，因为它实际上可以看到自己在做什么 ​ 🔹 游戏代理 ​ 操作员可以控制玩家或测试视频游戏。代理正在流式传输屏幕，并可以根据他们所看到的通过发送键盘或鼠标命令进行操作。 ​ 可以用于质量保证测试，甚至是高级NPC对手或Web3游戏的自动化 ​ 🔹 机器人技术 ​ 操作员可以控制物理机器人。机器层将连接到带有传感器和执行器的机器人硬件，代理可以发送命令以移动手臂或导航。 ​ 例如，它可以捕获在传送带上移动的物体的摄像头视频，并根据运动做出行动。如果有障碍物在路上，操作员可以看到它并控制机器人避开它 ​ ✅ 数据收集和链上安全措施 ​ 通过将操作员的信息上链到Solana，他们可以提供所有执行操作的不可变操作日志 ​ 在未来，我们可以看到一个点，机器人公司将被要求质押代币，以保证他们的操作员不会使机器人与人类发生超过某种力量的物理接触。如果他们违反了这一点，他们将被削减一部分质押代币（类似于EigenLayer / Symbiotic restaking） ​ ✅ 机器人训练环境 ​ 通过Codec，未训练的虚拟模型可以部署到动态的高保真训练场，不需要物理机器人。 ​ 在云规模上模拟、训练和完善复杂行为，然后将这些策略自信地转移到真实硬件上。 可以快速为所有类型的操作员（软件、游戏或机器人）启动训练环境 ​ ✅ Codec SDK ​ 已经开发了完整的SDK和API，以便开发者可以轻松部署他们的操作员 ​ ✅ 操作员市场 ​ 操作员可以（在未来）在定制市场上出售。 ​ 将会有收入分成，这样你就可以发布和货币化你的VLA操作员，这意味着如果你训练有效的操作员，你可以获得额外的收入来源 ​ ✅ 结论 ​ 我认为我们将在明年看到VLA领域的重大进展。我们已经看到LLM的发展速度有多快，距离GPT-1发布仅仅是几年前的事。机器人技术和视觉模型很可能会在这个周期的某个时刻成为热门叙述，我希望能早早布局 ​ 哦，我提到过联合创始人来自Hugging Face和Elixir游戏吗👀 ​ 注意：Slappjakke持有大量$CODEC代币，而在写这篇帖子时，我又变得更加看好，并增加了更多 ​ 这一切如往常一样不是投资建议，而是一项高风险投资，所以请自行研究。