【十字路口】当具身智能走到十字路口｜和苏度、蚂蚁灵波、自变量、破壳：四种一线判断【视频播客】

Koji杨远骋at十字路口

AI-assisted summary of 【十字路口】当具身智能走到十字路口｜和苏度、蚂蚁灵波、自变量、破壳：四种一线判断【视频播客】 — original source. Check the original for full context.

Source published: 2026-09-13

Detailed notes

## Background 本期视频由 Bilibili 频道“Koji杨远骋at十字路口”于 2026 年 9 月 13 日发布，内容为 2026 Inclusion 外滩大会主会场的圆桌对谈。视频由 Koji 主持，邀请了苏度科技韩铮、蚂蚁灵波科技沈宇军、自变量机器人王潜与破壳机器人许华哲四位一线具身智能创业者与科学家，聚焦具身智能在数据来源、模型架构（如 GPT-6 Astra 的冲击与护城河）及商业化落地上的路线级分歧与终局判断。

## TL;DR 圆桌深入探讨了具身智能在数据、大模型与落地场景上的底层矛盾。嘉宾们剖析了仿真强化学习与真机物理数据不可替代性的博弈，并针对 GPT-6 Astra 的发布明确指出：通用大模型无法直接靠‘智能外溢’解决低延迟流式控制，Contact-rich（富物理接触）任务仍是具身创业公司的坚固阵地。同时，四位一线专家确立了以‘免后训练的高成功率’和‘可持续付费 ROI’为核心的商业化标尺，并前瞻性地指出物理直觉是实现完整 RSI（递归自我改进）的关键闭环，具身模型甚至有望在 3 年内迎来跨越式的通用实体落地。

## Atmosphere & style 整场对谈摒弃了行业公关式的虚浮修辞，充斥着一线技术领军者之间刀刃向内的理性交锋与硬核拆解。四位嘉宾观点鲜明、毫无保留，既有对巨头降维打击神话的冷静退魅，也有对学术界‘数据量崇拜’和‘盲目照搬对话 AI’的尖锐批判。现场氛围务实、凝练且极富纵深感，从底层触觉传感器的微小噪声一直推演到‘造飞机如写 APP’的宏大生产力跃迁，给听众带来极具冲击力的智力激荡与思想厚度。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV19XYe66E6G?t=0s) 数据路线存在分歧：苏度坚定押注大规模闭源仿真器与合成数据管线，通过无约束组合强化学习使基础技能成功率接近 100%；灵波则强调传感器固有噪声与 Real-to-Sim 难以规模化，物理真实数据具有不可替代性。 - [07:20](https://www.bilibili.com/video/BV19XYe66E6G?t=440s) GPT-6 Astra 等通用大模型能控制机械臂并非神话，而是源于大规模采购真实机器人数据与定向训练；大模型在本质上是数据的蒸馏器与部署容器，巨头入局具身智能仍需老老实实搭建物理世界数据与评测基建。 - [11:15](https://www.bilibili.com/video/BV19XYe66E6G?t=675s) 大模型演进史上从未出现过通用能力自然外溢解决全新垂直任务的先例，视频生成并不天然带来动作控制优势，机器人端受算力与低延迟限制必然需要专用的端侧具身模型。 - [14:40](https://www.bilibili.com/video/BV19XYe66E6G?t=880s) 破壳实测表明 Astra 在语义与空间泛化上表现极其出色，但在涉及摩擦力、形变的高接触（Contact-rich）物理任务上几乎瘫痪，复杂物理接触操作是具身公司的最后阵地与核心护城河。 - [14:40](https://www.bilibili.com/video/BV19XYe66E6G?t=880s) 大模型与具身策略正走向分层协同：云端大模型通过思维链（CoT）与常识拆解任务并做材质判断，端侧具身策略负责高频、确定性的底层接触控制与实时避错。 - [19:00](https://www.bilibili.com/video/BV19XYe66E6G?t=1140s) 具身智能与问答式大模型的工作范式截然不同：机器人必须面对 7×24 小时不间断的连续流式传感器输入，无法在执行动作时切断感知，数字世界的微调技巧在具身领域可能被严重高估。 - [19:00](https://www.bilibili.com/video/BV19XYe66E6G?t=1140s) 具身机器人采集的高维物理交互数据具有不可替代性，未来将反哺云端基座模型，推动 AI 从冷冰冰的问答工具进化为具备环境感知与物理共情能力的生命态智能体。 - [24:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1470s) 具身商业化不能依赖高昂的后训练过拟合成本，必须追求初次执行即接近 100% 的极高确定性与防过拟合泛化，客户可持续付费意愿是检验商业价值的终极标尺。 - [30:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1830s) 当前中国硬件供应链对具身智能的支撑度被严重高估，多数零部件源自传统汽车与工业机械臂体系，其精度一致性与轻量灵巧度与高频具身要求仍有明显代差。 - [36:06](https://www.bilibili.com/video/BV19XYe66E6G?t=2166s) 缺乏具身智能的递归自我改进（RSI）只是空中楼阁：纯语言模型无法突破算力、电力与芯片制造等物理现实瓶颈，只有当具身机器人接管半导体制造与基建运维时，硅基系统才能完成自我演进的闭环。 - [39:40](https://www.bilibili.com/video/BV19XYe66E6G?t=2380s) 具身智能有望在五年内重构制造业生产范式，让制造复杂物理实体（如造飞机）像今天单人使用多 Agent 开发一款 APP 一样敏捷高效，实现生产全流程闭环。 - [41:15](https://www.bilibili.com/video/BV19XYe66E6G?t=2475s) 动辄数百万小时的盲目数据量军备竞赛被严重高估，杂乱大体量数据并不优于数万小时的高精度数据；而通用具身落地的进化速度被严重低估，有望在 3 年内实现常态化通用服务交付。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV19XYe66E6G?t=0s) 开场与数据路线之争：苏度的纯仿真与基础模型预训练

圆桌主持人杨远骋（Koji）开门见山地指出，站在 2026 年的节点，具身智能正处在充满路线级分歧的“十字路口”，本次讨论将聚焦三个核心战场：数据之争、智能之争与场景之争。

首个交锋点落在了数据路线上——行业内部对“坚定押注仿真”与“坚定押注真机”存在明显分歧。苏度科技联合创始人兼 CEO 韩铮率先阐述了其坚定押注仿真的技术逻辑。他强调，苏度的立场是“坚信使用仿真，但真实世界数据同样极具价值”，并非极端地排斥真实数据。从 2015、2016 年探索机器人仿真器与合成数据起步，到如今进入商业化版本，苏度经历了两次技术迭代。韩铮分析道，科研与商业化对仿真的诉求截然不同：在科研领域，研究者通常借助开源项目（如早期的 SAPIEN、ManiSkill）或英伟达的 Isaac Sim 做小规模强化学习算法实验，浅尝辄止，难以将其拓展并规模化构建基础模型；或者仅在传统控制向机器学习迁移时将仿真器作为数据补充。

然而，一旦进入基础模型的强化学习预训练阶段，市面上的现有工具便显露出严重的局限性。苏度在 2024 年后彻底重构了一套闭源的数据管线与仿真器管线。在对物体几何、环境布局、光照变化等海量变量充分组合并进行强化学习后，模型在抓取、放置、组装等技能操作上，已经能够在物体和环境几乎无约束的工况下达到接近 100% 的成功率。韩铮明确指出，纯靠真实世界采集数据效率太慢、质量受限，因此“仿真是一道绕不过去的关卡”。这一趋势已在北美同行中得到印证，许多头部公司正在加码仿真基础设施，苏度科技创始团队苏老师的学生在毕业前夕便被美国顶级具身公司挖角担任仿真核心负责人，足见行业风向的转变。

```mermaid flowchart TD accTitle: 苏度科技仿真强化学习与基础模型训练流程 accDescr: 展示从底层高保真物理/光照仿真器到海量合成数据管线，再到技能强化学习预训练与高成功率执行的完整逻辑。 subgraph S1["仿真数据底盘"] A["大规模重构闭源仿真器"] --> B["自动化合成数据管线"] end subgraph S2["预训练与泛化"] B --> C["物理/环境/光照全维度组合"] C --> D["基础模型强化学习 (RL) 预训练"] end subgraph S3["落地技能库"] D --> E["抓取 / 放置 / 组装高鲁棒技能"] E --> F["无约束环境下接近 100% 成功率"] end ```

[03:20](https://www.bilibili.com/video/BV19XYe66E6G?t=200s) 真实数据的物理不可替代性与 Real-to-Sim 的规模化困境

蚂蚁灵波科技首席科学家沈宇军从务实研发的角度回应了数据路线的分野。他澄清，灵波内部从未非黑即白地站队，而是根据技术发展的不同阶段匹配不同数据：预训练阶段更侧重互联网数据与真实物理世界采集数据；而在具体任务闭环（类似自动驾驶仿真）时，仿真数据同样有重要价值。

灵波坚持在预训练中引入大量真实世界数据的核心假设，源于对机器人系统底层工作方式的“第一性原理”推演： 1. **传感器是唯一的物理接口**：机器人走向物理世界干活，不能像数字世界模型那样通过完美的键盘打字输入，它对物理世界的全部感知只能源自机载传感器。 2. **物理误差无法回避**：现实中不存在无误差的完美传感器，传感器噪声与非理想物理特性是固有存在的。 3. **“Real-to-Sim” 的规模化瓶颈**：行业长期热议从虚拟到现实（Sim-to-Real）的差距，但沈宇军认为，更本质的制约其实是现实到虚拟（Real-to-Sim）的不可规模化复制。

沈宇军举了一个最具代表性的例子——触觉传感器。市场上许多触觉硬件厂商会配套提供仿真工具包，但实测表明，真实传感器采集到的高频响应、信号幅值波动以及不同传感器个体之间的一致性偏差，与仿真环境模拟出的数据存在“千差万别”的鸿沟。如果无法把真实的物理噪声低成本、规模化地搬进仿真器，仿真就只能在单一受控任务中生效，难以支撑通用基础模型的跨场景预训练。机器人在物理世界中必须适应这种由传感器不完美性构成的复杂现实，这正是真实物理数据不可被替代的根本原因。

[07:20](https://www.bilibili.com/video/BV19XYe66E6G?t=440s) 智能之争：GPT-6 Astra 会对具身智能形成降维打击吗？

对话转向当下最轰动的话题：随着 GPT-6 Astra 的发布，社交网络上涌现出大量直接利用 Astra 控制机械臂和灵巧手完成各类操作的演示，引发了“通用大模型是否将对具身智能垂直创业公司形成降维打击”的恐慌与热议。

自变量机器人创始人兼 CEO 王潜给出了极其冷静且坚决的反驳。他首先揭秘了技术背后的事实：Astra 之所以能展现机械控制能力，是因为从去年年初开始，OpenAI 和 Anthropic 就已经在大规模采购真实的机器人数据、自建小规模数据工厂并重金招募机器人专家。一个本身参数规模极大的多模态基础模型，在灌入海量机器人专用数据后能完成基础操控，“本身并不是一件奇怪的事情”。

随后，王潜抛出了被大模型一线研发者广泛认同的“正论”：“今天智能的本体是存在于数据和 evaluation（评估体系）里面的，模型在训练时是一个蒸馏器，在部署时是一个容器。”在大模型研发周期中，算法模型结构本身的作用已被压缩得极小，参数规模扩大带来的是推理承载能力，真正的模型性能飞跃来自于数据的合成、筛选、清洗与校验。 - **Coding 率先被攻克**：因为代码是最容易自动化制造且最容易通过编译器闭环验证的数据。 - **数学紧随其后**：同样具备明确的形式化验证反馈机制。 - **3D 与视频生成次之**：虽然验证困难，但相对容易进行人工或半人工标注。

王潜直言，OpenAI 或 Anthropic 如果要真正做深具身智能，他们依然要直面并建设与具身创业公司一模一样的数据基建、真机验证流水线、世界模型仿真器，并且不可避免地要深入物理世界去碰硬件与现场评估。“这些物理层面的难度，绝不会因为你在通用基础语言模型上的优势而降低半点。”因此，巨头跨界入局不过是“成为了另外一家具身智能公司而已”，并不存在所谓的降维神话。

[11:15](https://www.bilibili.com/video/BV19XYe66E6G?t=675s) 跨领域通用智能的外溢伪命题与车端独立推理架构

针对行业中普遍蔓延的第二层担忧——“通用语言模型是否能通过跨领域的广泛智能自动泛化到物理操作”，王潜从大模型演进历史给出了强有力的证伪依据。在语言模型的发展史上，从未发生过通用能力自然外溢并解决全新垂直领域任务的先例： - **代码不是聊出来的**：代码能力的爆发绝非源于日常对话做得好，而是依靠海量独立的代码预训练数据与自动化验证体系。 - **数学与代码互不兼容**：数学能力的突破与代码成功并无线性因果，相反，在早期预训练中同时硬塞入数学和代码数据时，模型能力经常“打架”，如今行业普遍采用针对代码与数学分别训练领域专家模型（Expert），再通过 DPO 等强化学习对齐手段融合。 - **视频生成未带来控制优势**：当下 Sora 等视频生成模型已极其逼真，但视频模型并没有天然转化为高频动作控制（Action Policy）上的控制优势。

王潜总结道，Astra 带来的真正行业启示在于：在具身领域做大规模多模态预训练不仅可行，而且带来的增益（Bonus）远大于干扰，行业应当坚定地推进预训练范式。

未来行业的终局结构非常清晰：OpenAI 等巨头可能会将这些物理世界数据内嵌于超级通用的云端庞大模型中，但庞大的通用大模型受制于算力功耗，在物理机器人端根本无法以百赫兹级别的极高频率进行低延迟控制与实时部署。机器人端必然需要专用的、高效率运行的具身模型。只要具身公司持续走通预训练并搭建起严密的数据与评测基础设施，两者在智能天花板与演进速度上不会存在本质鸿沟。

[14:40](https://www.bilibili.com/video/BV19XYe66E6G?t=880s) 破壳机器人的 Astra 实测：语义/空间泛化与“物理接触”最后阵地

破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲结合团队近期的研究（如机器人做麻婆豆腐）以及对 GPT-6 Astra 发布的即时评测，给出了细致的技术拆解。许华哲指出，评估具身智能任务必须将其解构为三个层面的泛化能力： 1. **语义泛化**（Semantic Generalization） 2. **空间泛化**（Spatial Generalization） 3. **物理泛化**（Physical Generalization）

破壳在 Astra 开放权限当天进行了极限压力测试。实测表明，Astra 在“语义”与“空间”泛化上展现出了惊人的压迫感：无论桌面上放置任何类别的物体、道具是真还是假，Astra 都能精准理解并移动到正确位置；更突破以往 VLM（视觉语言模型）乱晃假动作的是，Astra 能在三维空间中抓起极其刁钻的细小物体（例如平放在桌面上原本需要靠边缘滑动打滑才能拾起的筷子），甚至能将筷子旋转直立插入狭窄的杯子中，完成双臂跨手交接（Handover）。

许华哲明确断言：“带物理接触的复杂任务（Contact-rich tasks）是具身机器人公司最后的阵地。”类似叠衣服、折包装盒、烹饪麻婆豆腐等涉及流体、形变、挤压与摩擦力的动作，Astra 目前无能为力。

关于未来的模型协同，许华哲提到了分层调用构架：高层大模型提供思维链（CoT）与常识判断，底层具身策略执行复杂物理接触。他举了一个抓水果的生动案例：研发前期常拿泡沫假水果训练，导致模型学到“用大力抠进泡沫肉里就能提起来”的作弊数据；但抓真实菠萝时，模型必须知道只能抓顶部的绿叶或托住底座。此时大模型通过视觉常识和触觉回传的 CoT 识别出“这是真菠萝还是假模型”，再指挥端侧物理策略采用适配抓法，构成了大模型、具身模型与物理世界的紧密闭环。

```mermaid flowchart TD accTitle: 大模型与具身策略的分层协作架构 accDescr: 高层大模型负责常识、语义理解与思维链规划，低层具身物理策略负责端侧高频无死角的物理接触控制。 U["人类复杂指令 / 开放任务"] --> M1["高层大模型 (如 Astra / 通用 VLM)"] subgraph CloudLayer["云端/高层认知层"] M1 --> A1["语义泛化 & 开放场景识别"] M1 --> A2["思维链 (CoT) 任务拆解与材质判断"] end A2 -->|步骤分解与状态反馈| M2["端侧具身模型 (Embodied Policy)"] subgraph EdgeLayer["端侧/物理执行层"] M2 --> B1["空间坐标精确定位"] M2 --> B2["Contact-rich 物理交互 (防滑/形变/自适应受力)"] B2 --> B3["真实物理执行 (如烹饪、折叠、装配)"] end B3 -.->|高频传感器流 / 异常信号| M2 B3 -.->|状态报告 / 材质认知更新| M1 ```

[19:00](https://www.bilibili.com/video/BV19XYe66E6G?t=1140s) 连续流式输入范式与物理世界对超级智能的逆向反哺

沈宇军顺着模型架构进一步指出，外界忽视了具身模型与数字世界大模型在工作范式上的天壤之别。数字世界的大模型本质是“轮式对话”（Turn-based）：一问一答，模型生成 token 时上下文处于静止输入状态。而部署在机器人本体上的具身模型必须面对“源源不断的连续流式传感器输入”（Continuous Streaming Input）：在模型持续输出动作策略的瞬间，外部物理世界从未停止运动，光影在变、物体在滑移，机载模型必须在推理过程中随时被新输入的物理扰动重塑其输出。具身模型最终更像是一个在物理世界动态环境里高速自闭环的“硬核工具”。

同时，沈宇军提出了一个更前瞻的观点：**具身场景采集的高维物理交互数据，将在未来反向哺育并改写云端超级大模型的演化方向**。当前多模态模型依然被禁锢在屏幕背后，仅能处理文本、语音和二维图像。但在真实世界的人际交往中，人类的交流是全息多模态的——窗外突然暴雨、对方脸色突然一沉，都会让谈话者瞬间改变语言与交互策略。只有当机器人大规模走进物理现实、带回温度、触觉、微表情与物理反馈等前所未有的传感器交互语料，未来的大模型才能从“冷冰冰的问答机器人”，蜕变为主动的、具备物理共情与环境感知能力的生命态智能体。

韩铮也从底层系统设计对这一观点表示高度认同。他指出，Physical Intelligence 等顶尖具身探索者的真正竞争对手一直都是 OpenAI 与 Anthropic 这类通用巨头（近期 DeepMind 顶尖机器人学者也跳槽加盟 Anthropic）。然而，“上下分层”的技术共识正在快速形成。无论上层通义千问或 Astra 如何利用语言交互将抽象指令拆解为 Reasoning 步骤，**底层的“基础机器人技能（Robot Foundation Skills）”必须具备极高的泛化性与确定性的极高成功率**。如果底层技能频频失误，上层逻辑推理再完美，整个动作序列在物理世界中也会彻底崩溃。

[24:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1470s) 场景之争与终极指标：如何打破具身商业化泡沫？

圆桌第三部分切入当下最具刺痛感的现实命题：行业 Demo 漫天飞舞、融资极为火热，但能规模化复制且持续产生商业价值的落地场景究竟在哪？具身智能跨越概念泡沫期的核心领先指标是什么？

三位具身创业公司 CEO 给出了严苛务实的评估标尺：

**1. 韩铮（苏度科技）：确定性的高成功率与防过拟合泛化** 韩铮强调，工业场景对机器人的要求与过去自动化时代完全一致——“高成功率是商用化的绝对前提”。在 100 个工业任务中，允许 80% 成功率且可人工二次纠错的场景最多只有 1 到 5 个，剩下 90 多个任务必须做到初次执行即接近 100% 成功。与传统固定自动化专机相比，现代具身智能的核心价值是在高成功率之上必须具备环境泛化能力，且**绝不能依赖高昂的后训练（Post-training）过拟合成本**。如果每进驻一个新车间都需要派驻工程师针对光照、箱体重新采数过拟合，商业化在财务模型上就宣告死亡。

**2. 王潜（自变量机器人）：客户持续付钱的意愿与飞轮效应** 王潜直截了当地指出，最终极也最残酷的商业指标是：“客户能够可持续地付钱，并且付钱越来越多。”如果只是依靠示范工程或上一代机器人的传统替人模式，天花板肉眼可见。具身智能必须在特定垂直场景（例如现代物流）中提供超越人类投资回报率（ROI）的全新生产力，完成传统自动化设备完全无法企及的非结构化动作。王潜同时警示：“某种意义上，过早的商业化是有害的。”大模型历史已经证明，模型在初期不赚钱，唯有技术跨过特定实用门槛后，商业造血带来的现金流与前沿模型的巨额研发投入才能形成彼此助推的良性飞轮。

**3. 许华哲（破壳机器人）：两类商业化路径与跃迁式的大模型化终局** 许华哲将商业化分成了两条平行轨道： - **工程闭环类后训练商业化**：例如在家门口快速开一家关东煮小吃摊机器人，核心衡量指标是“将闭环系统稳定部署到单店需要多少工时”以及“模型能够在多少家连锁店快速平移复刻”，底层考核的是传统机器人的部署工时与 ROI 算盘。 - **跃迁式大模型化商业化**：语言大模型（如 ChatGPT）哪怕输出正确率只有 50%，人类用户通过多轮追问与修正，大概率能拿到满意答案，因此体感上觉得“非常有用”；但如果机器人在物理世界端茶倒水的成功率是 50%，意味着有一半的概率把杯子摔得粉碎，用户体感直接归零甚至视为负资产。然而，具身智能绝不能因此放弃大模型路线，因为当下面对全物理世界万事万物的泛化基准虽然只有 50%，但唯有坚定地推动该基准从 50%、60% 持续跃升至 99.9%，具身智能基础模型才会以“跃迁方式”瞬间吞噬物理世界的庞大劳动力市场。

[30:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1830s) 五年回望：具身智能被高估与被低估的领域

圆桌尾声，主持人借用技术预言名言让四位嘉宾站在 2031 年（五年之后）的时间尺度，回望 2026 年当下被严重高估与严重低估的技术及产业要素。

**韩铮的预判：** - **严重被高估：当前中国硬件供应链对具身智能的真实支撑度。** 尽管国内零部件选择繁多，但大多是从成熟汽车工业与上一代工业机器人体系中沿袭拼凑而来的组件。面对高频交互、轻量灵巧、高可靠迭代的具身要求，在精度一致性与大工业级品控制造水平上仍有明显代差，需要行业付出艰苦努力填平。 - **严重被低估：免后训练的基础技能库与上层模型融合的爆发速度。** 行业无需因 99.9% 通用标准的苛刻而悲观，在未来 1 到 2 年内，一批极其稳定可靠的垂直底层操作技能（Foundation Skills）与高层认知模型的组合，将迅速通杀各行业中高度相似的一大类通用任务。

**沈宇军的预判：** - **严重被低估：具身智能作为一个综合系统工程的厚重度。** 行业习惯性把落地成败完全归咎于端到端模型能力的高低。但商用落地本质是极其现实的成本综合计算：特定作业到底需不需要移动底盘？双臂机械臂是否比单臂更具性价比？硬件整机在恶劣工况下的鲁棒性如何保障？模型只是庞大商业机器运转中的一环。 - **严重被高估：把现有数字大模型训练技术生搬硬套到物理世界的幻想。** 行业弥漫着一种盲目乐观情绪，认为要么具身会被云端通用大模型降维收割，要么只需效仿数字世界的大数据大力出奇迹，攒一波物理世界数据灌入现有 Transformer 架构就能自然涌现出通用具身大脑。沈宇军尖锐地指出，忽视物理世界交互规律与流式推理特性的“照猫画虎”，在逻辑上根本无法成立。

[35:00](https://www.bilibili.com/video/BV19XYe66E6G?t=2100s) 应用场景决定模型范式：具身智能为何不能套用对话式 AI

应用场景的根本差异决定了具身智能不可能简单复用大语言模型的技术路线。在纯数字世界中，主流大模型大多是“问答对话式”的交互逻辑，用户输入一段提示词，模型给出一轮响应，不用的时候随时可以关闭后台。然而，具身机器人在物理环境中生存，必须做到“一边工作一边推理”，两者绝对不能互斥。机器人绝不可能在执行操作任务的同时完全屏蔽掉外界输入、对外部的声音和突发物理扰动置若罔闻。既然底层逻辑完全不同，具身智能必然会催生出一套全新的训练范式。

这种新范式必须能够支持对物理世界信息的不间断持续处理，甚至需要达到 7×24 小时、全年无休地实时吞吐环境流式数据。在此背景下，当前大语言模型中被热炒的各种“训练技巧”在具身领域很可能被高估了——它们远没有外界想象的那么像“魔法”。真正能够推动具身智能突破的，恰恰是应对真实物理交互时涌现出的特定挑战，这些挑战将倒逼行业探索出完全脱离现有数字语言模型体系的新训练技术。

- **工作与推理并存**：机器人无法在执行物理动作时切断感知，物理交互要求模型具备低时延、不间断的流式推理能力。 - **训练技巧退魅**：语言模型现存的微调与提示词工程技巧在物理世界可能并不适用，具身系统需要解决的是对环境连续变化的动态自适应。

---

[36:06](https://www.bilibili.com/video/BV19XYe66E6G?t=2166s) 王潜：物理直觉无法被替代，缺少具身的 RSI 是空中楼阁

五年之后回头看，全行业大概率会发现具身智能的重要性和潜力被严重低估了。大家今天虽然口头上将具身智能视作 AGI 的关键拼图，但其实并未真正参透其核心逻辑。结合此前关于 GPT-6 Astra 的讨论，具身机器人采集的数据之所以无可替代，是因为它沉淀了其他方式绝不可能获取的智能要素。复杂的物理交互、动态力学过程、传感器底层的真实噪声以及物理世界本质的不可控性，根本无法通过单纯的互联网视频、3D 渲染甚至代码数据复刻出来。

科学研究历来由两种底层思维驱动：一种是基于数学深度搜索的“逻辑推理”，另一种则是来自物理实验的“物理直觉”。人类科学发展史表明，这两种思维方式各有所长、无法相互替代。要打造真正意义上的 AGI，物理直觉与实体交互能力是绝对无法绕开的，无论最终是将物理常识端到端塞进单一模型，还是采用分层架构组合，都必须把从真实世界和高精仿真中提取的物理智能注入 AI 系统。

```mermaid flowchart TD accTitle: 具身智能闭环 RSI（递归自我改进）逻辑图 accDescr: 展示纯语言模型在物理世界受阻，必须通过具身智能完成物质增值以实现完整 RSI。 subgraph Digital["数字世界（现有语言模型）"] A["逻辑推理与代码编写"] --> B["自主演进训练流程"] B -.->|"无法干预物质世界"| C["扩展瓶颈：算力/芯片/电力"] end subgraph Physical["物理世界（瓶颈阻碍）"] C --> D["数据中心基建施工"] C --> E["半导体工厂精密调参"] end subgraph Embodied["具身智能注入（闭环形成）"] F["具身机器人劳动力"] -->|"物理实体操控"| D F -->|"工厂自动化运维"| E D & E -->|"提供物理资源"| G["真实意义的完整 RSI"] end ```

在行业应用层面，当前硅谷与国内对递归自我改进（Recursive Self-Improvement, RSI）产生了极大的 FOMO（错失恐惧）情绪，狂热与恐慌交织。但纯靠现有的语言模型根本不足以支撑完整的 RSI，因为其中缺失了最关键的实体闭环——**物质上的自我制造与自我增殖**。语言模型可以重构代码、修改训练流，但走向更大规模的 Scale-up 必须依赖更多的芯片、更多的电力与更大规模的数据中心建设。现实中，美国数据中心的土建施工与半导体晶圆厂的精密参数调试，依然全部被牢牢卡死在人类工人的物理操作上。

王潜打趣道，如果 Anthropic 今天把人类员工全部开除、纯靠 AI Agent 去研发下一代大模型，研发进度固然会变慢，但最终大概率还是能推出来；可如果半导体工厂里彻底没有了人类工人，仅凭现有 AI 系统则完全无法运转。只有在五年后具身智能真正顶上这些物理实体劳动时，硅基系统才能完成自我迭代的终极闭环，真正意义上的 RSI 才会降临。

---

[39:40](https://www.bilibili.com/video/BV19XYe66E6G?t=2380s) 从“做 APP”到“造飞机”：生产全流程闭环与自主技术路线

软件开发范式的巨变正在为物理制造提供镜像参考。如今开发一款 APP，已经不再需要庞大的研发团队耗费一年时间协同攻坚；只要算力和 Token 额度充足，一个人驱动一组 AI Agent，在几个小时内就能完成原型开发。五年之后，具身智能很可能会在通用大模型的协同下，将这种范式革命带入物理实体制造业。

未来制造一架复杂的客机，可能不再依赖极其冗长的跨国供应链体系与数以千计的产线装配工人，在具身智能辅助下，“造一架飞机也可以像今天做一个 APP 这样简单”。这标志着物理生产的全流程将完全摆脱对人类经济体系的绝对依赖，迎来真正意义上的“硅基脱离碳基”。王潜调侃道，面对当前大模型商业公司道德水平参差不齐的现状，这种未来的走向是福是祸仍未可知，但具身智能沉淀的高价值物理数据回流至通用基座模型，必将成为走出一条独立 AI 发展道路的重要基石，甚至未来每家具身企业都会训练专属的领域大模型。

- **生产范式降维**：从软件工程的单人多 Agent 模式，外推到航空航天与重工业制造的极简交付。 - **数据反哺大模型**：物理世界产生的第一手多模态触觉、动力学数据，是重塑通用基座模型不可多得的独门燃料。

---

[41:15](https://www.bilibili.com/video/BV19XYe66E6G?t=2475s) 许华哲压轴：数据量崇拜被严重高估，具身通用落地被严重低估

作为压轴发言，许华哲给出了两个极其鲜明且具反共识色彩的行业判断：

被严重高估的是**行业对绝对数据量的盲目崇拜**。市面上充斥着“拥有 100 万甚至几百万小时真实数据”的军备竞赛宣传，甚至衍生出“谁买了海量数据，不买就会掉队”的行业焦虑。但从实际模型评测结果来看，盲目用超大体量杂乱数据堆出来的具身模型，并没有展现出超出预期的泛化能力，其综合表现往往并不优于用数万小时高精度、高质量数据精细训练出来的系统。对数据规模的无节制追求，目前在行业内存在严重泡沫。

``` 行业认知偏差对比（许华哲观点）： ┌──────────────────────────────────────────────────────────┐ │ 被严重高估：盲目堆砌海量数据量（动辄数百万小时，实际效果平平） │ ├──────────────────────────────────────────────────────────┤ │ 被严重低估：通用具身智能落地的进展速度（行业看5~10年，实则3年内）│ └──────────────────────────────────────────────────────────┘ ```

被严重低估的则是**具身智能模型的整体进化速度**。外界目前普遍悲观地认为，具身机器人要走向真正的“通用”任务处理至少需要 5 到 10 年的长周期，但在许华哲的推演中，**3 年之内**具身智能便会在诸多物理场景中开始提供常态化的实体服务。这种落地并非局限于在特定单一工位过拟合的机械操作，而是具备跨场景通用适应能力的服务型交付。

主持人 Koji 在圆桌结尾感慨，四位一线创始人和科学家的分享展现了极其硬核且振奋人心的前沿图景——无论是王潜构想的“造飞机如写 APP”的工业重构，还是许华哲给出的 3 年通用落地预判，都宣告着具身智能正在经历从技术探索到物理重构的巨大拐点。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV19XYe66E6G?t=0s) 坚信使用仿真，但真实世界数据同样极具价值 — 韩铮

> [00:00](https://www.bilibili.com/video/BV19XYe66E6G?t=0s) 仿真是一道绕不过去的关卡 — 韩铮

> [07:20](https://www.bilibili.com/video/BV19XYe66E6G?t=440s) 今天智能的本体是存在于数据和 evaluation（评估体系）里面的，模型在训练时是一个蒸馏器，在部署时是一个容器。 — 王潜

> [14:40](https://www.bilibili.com/video/BV19XYe66E6G?t=880s) 带物理接触的复杂任务（Contact-rich tasks）是具身机器人公司最后的阵地。 — 许华哲

> [24:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1470s) 高成功率是商用化的绝对前提 — 韩铮

> [24:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1470s) 客户能够可持续地付钱，并且付钱越来越多。 — 王潜

> [24:30](https://www.bilibili.com/video/BV19XYe66E6G?t=1470s) 某种意义上，过早的商业化是有害的。 — 王潜

> [35:00](https://www.bilibili.com/video/BV19XYe66E6G?t=2100s) 一边工作一边推理 — 沈宇军

> [39:40](https://www.bilibili.com/video/BV19XYe66E6G?t=2380s) 造一架飞机也可以像今天做一个 APP 这样简单 — 王潜

## Mentioned Koji杨远骋, 韩铮, 沈宇军, 王潜, 许华哲, 苏度科技, 蚂蚁灵波科技, 自变量机器人, 破壳机器人, 清华大学交叉信息研究院, GPT-6 Astra, OpenAI, Anthropic, DeepMind, 英伟达 (NVIDIA), Isaac Sim, SAPIEN, ManiSkill, Physical Intelligence, Sora, 通义千问, ChatGPT, 2026 Inclusion 外滩大会

## Video description ➤ 这是一次少见的、没有收敛的、关于具身路线级分歧的公开讨论。

2026 年的具身智能，已经不缺热度。缺的是有人把分歧摆上台面。数据从哪儿来？模型怎么做？落地在哪里？

我们讨论了当下最热门的话题：GPT-6 Astra 的能力边界在哪里？如果 OpenAI、Anthropic 要做具身，会形成降维打击吗？

这期播客是「2026 Inclusion 外滩大会」主会场圆桌的现场，由我（Koji）主持，参与讨论的四位嘉宾是：

- 韩铮：苏度科技联合创始人兼 CEO - 沈宇军：蚂蚁灵波科技首席科学家 - 王潜：自变量机器人创始人兼 CEO - 许华哲：破壳机器人创始人、清华大学交叉信息研究院助理教授

透过这场对话，你会了解到：1）不同路线的核心假设和风险；2）判断哪些指标是领先指标；3）Astra 带给具身的冲击和启发，与创业公司护城河；4）具身智能商业化短期 vs 长期逻辑；5）被高估/低估的领域，可能对应投资机会或风险。

[Source](https://www.bilibili.com/video/BV19XYe66E6G)

中文简报

具身智能走向十字路口：四种一线判断圆桌深入探讨了具身智能在数据、大模型与落地场景上的底层矛盾。嘉宾们剖析了仿真强化学习与真机物理数据不可替代性的博弈，并针对 GPT-6 Astra 的发布明确指出：通用大模型无法直接靠“智能外溢”解决低延迟流式控制，富物理接触（Contact-rich）任务仍是具身创业公司的坚固阵地。同时，四位一线专家确立了以“免后训练的高成功率”和“可持续付费 ROI”为核心的商业化标尺，并前瞻性地指出物理直觉是实现完整 RSI（递归自我改进）的关键闭环，具身模型甚至有望在 3 年内迎来跨越式的通用实体落地。数据路线存在分歧：苏度坚定押注大规模闭源仿真器与合成数据管线，通过无约束组合强化学习使基础技能成功率接近 100%；灵波则强调传感器固有噪声与 Real-to-Sim 难以规模化，物理真实数据具有不可替代性。 (0:00) GPT-6 Astra 等通用大模型能控制机械臂并非神话，而是源于大规模采购真实机器人数据与定向训练；大模型在本质上是数据的蒸馏器与部署容器，巨头入局具身智能仍需老老实实搭建物理世界数据与评测基建。 (7:20) 大模型演进史上从未出现过通用能力自然外溢解决全新垂直任务的先例，视频生成并不天然带来动作控制优势，机器人端受算力与低延迟限制必然需要专用的端侧具身模型。 (11:15) 破壳实测表明 Astra 在语义与空间泛化上表现极其出色，但在涉及摩擦力、形变的高接触（Contact-rich）物理任务上几乎瘫痪，复杂物理接触操作是具身公司的最后阵地与核心护城河。 (14:40) 大模型与具身策略正走向分层协同：云端大模型通过思维链（CoT）与常识拆解任务并做材质判断，端侧具身策略负责高频、确定性的底层接触控制与实时避错。 (14:40)

Reading summary

一线具身智能创业者与学者指出，通用大模型虽在语义与空间规划上展现出极强泛化，但在高接触物理交互、传感器固有噪声及连续流式推理上存在天然鸿沟，无法对具身领域形成降维收割。行业正围绕数据底盘、云端-端侧分层架构以及脱离后训练过拟合的商业化指标展开实质性路线抉择。数据之争：仿真强化学习与物理传感器壁垒 (0:00) 苏度科技韩铮主张仿真强化学习是基础模型预训练绕不过去的关卡。科研级开源工具难以支撑模型泛化，苏度在2024年后重构闭源仿真器与合成数据管线，通过对几何、光照、布局的大规模随机组合与强化学习预训练，已使抓取、放置、装配等操作在无约束环境下达到接近100%的成功率。破壳机器人许华哲亦认为行业对动辄数百万小时的绝对真实数据量存在盲目崇拜，未清洗的海量杂乱数据在泛化增益上并不优于数万小时高质量高精度数据。蚂蚁灵波沈宇军则强调真实物理数据在预训练阶段具备不可替代性。机器人与物理世界交互的唯一接口是机载传感器，而物理世界不存在无误差的完美硬件。以触觉传感器为例，其实际高频响应、信号幅值波动以及个体一致性偏差，导致将物理噪声规模化搬入虚拟环境的“Real-to-Sim”难度极大。如果无法低成本将真实物理误差虚拟化，纯仿真将受限于单一受控任务，难以支撑通用跨场景预训练。破除降维神话：流式推理与物理接触护城河 (7:20) 自变量机器人王潜针对GPT-6 Astra引发的降维恐慌指出，智能的本体存在于数据与评估体系中，模型本身只是蒸馏器与容器。OpenAI等巨头展现机械控制力，本质是提前采购真实数据与自建实验室的结果，进入物理世界依然必须攻克硬件、验证与数据基建，并无降维捷径。同时，大模型历史已证明通用智能不会自然外溢至全新垂直领域，代码、数学或视频生成均未直接转化出动作控制优势。此外，云端庞大模型受算力功耗限制，无法在端侧实现百赫兹级极高频控制，机器人端必然需要专用的具身模型。许华哲实测指出，Astra在语义与三维空间泛化（如空间规划、跨手递交）表现出色，但在复杂物理接触任务（Contact-rich tasks，如折纸盒、叠衣服、炒麻婆豆腐）上几乎完全瘫痪，高接触交互是具身公司的最后阵地。行业技术架构正走向分层协作：由高层通用大模型提供思维链与常识认知（如判断真假水果），底层具身策略执行高频无死角的物理交互。沈宇军进一步补充，不同于数字大模型静态的“轮式对话”，具身模型必须应对永不停歇的“连续流式输入”，在动态受扰动环境中不间断实时重塑控制输出。商业化标尺：确定性成功率与防过拟合成本 (24:30) 面对具身智能概念泡沫，韩铮强调工业落地的绝对前提是确定性的高成功率。工业场景中90%以上的任务要求初次执行即接近100%成功，且核心在于模型具备跨环境泛化能力，绝不能依赖工程师进驻车间重新采集数据进行高成本的后训练过拟合，否则商业财务模型无法成立。沈宇军亦提醒，行业过度聚焦端到端模型能力，却低估了落地的综合系统工程厚度，整机鲁棒性、单双臂与移动底盘的实际性价比才是落地核算的关键。关于商业化进程，王潜认为终极指标在于客户是否具有持续且增长的付费意愿，过早追求传统替人模式反而有害，唯有跨过技术实用门槛才能形成研发与现金流飞轮。许华哲将商业化解构为两条路径：一种是类似关东煮机器人的工程闭环，考核单店部署工时与跨店平移能力；另一种则是具身基础模型化，虽然当前全物理世界任务的基准成功率可能仅有50%（在物理世界中体感为负资产），但一旦推动其跃迁至99.9%，将以颠覆性方式重塑劳动力市场。物理智能反哺AGI：实体制造与完整闭环 (36:06) 王潜提出，科学研究由数学逻辑推理与物理实验直觉双轮驱动，纯软件大模型缺乏实体交互沉淀的物理直觉。当前行业对递归自我改进（RSI）的追逐在缺少具身智能时是空中楼阁，因为数字模型可以重写代码，但数据中心土建施工、电网扩容与半导体晶圆厂精细调参仍被人类物理操作卡死。只有当具身机器人接管物质层面的生产与自我增殖时，真正的RSI才能闭环。随着具身智能与大模型协同，物理生产制造有望复刻软件开发的颠覆性变革——王潜设想未来借助具身实体劳动力，复杂客机制造亦可能像如今由单人驱动AI Agent快速开发APP一样精简交付。针对发展时间表，许华哲给出了反共识预判：不同于外界普遍认为通用落地需耗时5至10年的悲观预期，具身模型整体进化速度被严重低估，3年之内具身智能就将在多个物理场景中提供常态化、跨场景通用的实体服务交付。具身智能的演进核心已从单纯堆砌参数转向物理接触精细度与系统工程的深水区。当前中国硬件产业链一致性与生搬硬套语言模型架构的乐观情绪仍存在被高估的风险，但随着底层免后训练的基础技能库逐步确立，物理交互产生的高维语料不仅将确立端侧专用模型的独立生态，也终将反哺云端大模型迈向具备真实环境感知的AGI形态。

Source quotes

[0:00] 韩铮: 坚信使用仿真，但真实世界数据同样极具价值 [0:00] 韩铮: 仿真是一道绕不过去的关卡 [7:20] 王潜: 今天智能的本体是存在于数据和 evaluation（评估体系）里面的，模型在训练时是一个蒸馏器，在部署时是一个容器。 [14:40] 许华哲: 带物理接触的复杂任务（Contact-rich tasks）是具身机器人公司最后的阵地。 [24:30] 韩铮: 高成功率是商用化的绝对前提 [24:30] 王潜: 客户能够可持续地付钱，并且付钱越来越多。 [24:30] 王潜: 某种意义上，过早的商业化是有害的。 [35:00] 沈宇军: 一边工作一边推理 [39:40] 王潜: 造一架飞机也可以像今天做一个 APP 这样简单

Original transcript

[0:00] 那我们今天直奔主题然后我们今天会聊三个话题一个是数据之争,一个是智能之争,一个是场景之争。为什么都是各种之争呢?就是因为感觉在2026年,我们正处在一个十字路口,有非常多的没有收敛的路径在等着大家去探索。所以我们第一个问题想请教韩征总因为我们今天在数据这方面有人会认为要bet仿真然后也有这个公司或者也有研究员在坚定的要bet真机从您的角度看你们在坚定的压注仿真,当初的压注是因为看到了哪些信号?然后到今天你们有没有看到一些新的增强的信号?我首先讲一下就是我们是这个坚信要使用仿真但是同时呢还有后面一句话就是我们也坚信这个真实界的数据的话也是非常有用的啊并不是说纯粹用仿真但我们其实出发点的话也标普速从最早可能在15年16年开始做这个机器人的仿真器合成数据的这条路直到这个我们自己开始成立公司搞商业化版本的时候其实是经历过两轮那么仿真包括机翼模型的强化学习的这条路在仿真器里边能够去进行大规模的强化学习这条路本身呢我觉得科研和这个真正商业化的话是不太一样的科研的话其实你可以用一些比如我们放出来的开源的项目和数据算法当中的话去做一些实验但大家通常呢就会啊试一下之后的话不知道接下来再怎么去大规模的去修改到一个基础模型所以大家一般就会停到那个位置上或者大家使用仿真的时候会在比如说这个偏传统的一些的控制方法里面的话在换成一些这个机器学习方法的时候会用仿真器去做一些数据的补充等等但真正大规模做大规模预训练基础模型的强化学系统做大规模的预训练的数据生成和训练的话实际上现在市面上不管是我们之前的这些开源的访证器CBMM skill 还是因为打到ISAC在我们自己内部看的话还是有一定的局限性所以我们在24年之后就是坚定的做了一个大规模的完全重构的B原的数据包括这个数据管线然后包括放电器管线到去年年底呢我们大概在11月份12月份的时候也是在今天4月份放出来的一个结果就是让大家看到对于物体和环境包括光线等等当中组合在一起的强化化下的比如说某些技能的操作比如像抓啊包括后面我们放出来的一些这个比如说像放置啊包括一些组装类的任务的话的确是可以在这个物体和环境几乎没有限制的情况之下的话几乎能达到百分之百的成功率但是我们也坚信就是说包括其他的路线的探索方式最终大家还是会有一些上下分层然后包括一些配合的方法我觉得各自都在探索不秧的路径但数据方面的话,我们还是坚持这个观点,就是光靠真实世界的数据收集主要是效率比较慢质量有的时候也比较受限所以仿真是绕不过去的我觉得这也是最近一段时间比如说在美国的我们的一些的同行他们自己也开始加强仿真器的能力我们苏老师的一个学生其实也还是没有毕业最近也加入了美国的一家公司然后担任他房车器的核心的负责人我觉得这也是给业内有一些信号吧虽然各自使用的方法不太一样对好的谢谢那接下来有请这个神语君神总啊就林波在数据路线上是非常明确的选了真实的数据对就在您的角度来看就真实数据有些方面是不可替代的就是仿真是怎么都做不到的相比仿真的数据它提供的这个就是最大的价值是什么其实也不能说是不是坚确的选择了这个真实数据数据这个事情我们是这么看在凌波内部我们从来不觉得说哪一种数据是一定要选或者一定不要选的就是可能不同的数据在不同的阶段能起到不同的作用我们会认为在预训练阶段就是可能比如说说互联网的数据以及真实的物理世界采集的数据可能就是作用更大一点然后但是如果你说刚刚韩老师也说如果我们说回归到做一个某一个具体任务尤其是仿真其实在自动驾驶意义就比较大嘛如果我们回归到具体的某一个任务本身的时候仿真数据还是有价值的这一点我们没有说仿真坚决不行这是先澄清一个事情但是同时为什么我们会 [5:00] 比较坚持的说从就是预讯的阶段的部分的数据更多的从这个真实场景来呢呃因为呃是是这样啊就是我觉得机器人它处在就是我们设想一下机器人如果有一天真的能够在这个现实世界中干活它可能跟现在数字世界很多模型的工作方式是不一样的因为它一定是基于它身上的传感器这是它唯一的所有的观测一定只能来自于它身上的传感器我们不可能说给机器人一个键盘然后给它打字输入或者是等等的但是真实世界的传感器一定是有误差的这个是物理条件限制的就我们没有见过特别完美的一个传感器对那在这种情况下机器人一定只能依赖他身上的传感器当做输入然后做事情这是我们觉得机器人最后落地的时候一定会面临着这个事情那么在基于这个如果我们从第一线原理说从从这个最后的目标出发的话我觉得仿真现在可能一个呃存在的可能一个问题啊呃就是当然大家讲的比较多的都是sim to real这个gap啊但我觉得可能更多的反而是real to sim这个部分的规模化换句话说我们能不能够把传感器的噪声或者说一些更底层的东西真的很好的搬到防震器里以及这个搬进去的事情是可不可规模化复制的如果它不可以的话我觉得它解决单一的问题是可以的但如果我们预训练肯定是希望解决更通用的能力那在这个方面如果 Real to Sim 这一步不可规模化的话我觉得可能我们只谈SIM2RAL这个GAP的逐渐的变小可能就是价值不大这是我们的一个看法对所以更底层的一个判断就是您刚刚也问就是说我们觉得哪些数据的能力是一定是来自于真实数据就是替代不了的我觉得可能就是因为机器人必须要在物理世界中工作而物理世界很多东西的不完美是不好仿的比如说举一个具体的例子呢什么样的不完美是在仿真器里面确实非常难做到的比如说我就是当时现在大家可能讲的比较多的像视觉摄像头什么可能比较发达假如说我们未来有一天希望机器人在工作的过程中也能依赖一些触觉的信息大家可以知道触觉信号当然现在有很多做触觉传染器的公司他们也提供一些关于触觉的仿真的东西但是你会发现我们测过很多真实创想器拿到的信号跟它仿出来的就是基本上千差万别吧不管是你的这个整个信号的这个频率啊包括你的浮值啊创想器之间的一致性啊等等很多问题其实是很难就是真的说搬到一个防针器里面然后让它做一个非常完美的复刻好的谢谢我们接下来再聊一聊智能之争因为最近这个礼拜有一个非常重要的发布是GPT6的Astra然后相信大家也都看到了社交媒体上大量的视频是用Astra去直接控制机械币去完成各种各样的任务甚至我看到一个说法就是Ig智能要被通用的语言大模型降维打击了我不知道王前总您看到那些视频的时候你的感受是什么就我们要被降维打击了吗最近确实是行业里面最火的话题今天早上我还看到一个用Astra去控制灵敲手的一个视频我觉得首先我们得知道一件事情就是说在这个版本的模型里面其实是迅进了大量的机器人数据的这个从去年年初的时候开始OpenEye包括这个Anthorpik其实大量的在采购机型的数据以及他们自己也有这个小规模的这个数据工厂再去采集机型的数据他们也去招了很多这个机型的人那所以我觉得这个其实不是一个什么特别奇怪的事情就它本来就是一个非常好的多么大的模型如果里面再加了很多的机器人数据的话能够做这种事情好像真的不是什么特别奇怪的事情我其实一直以来有一个暴论但是我觉得也不是暴论在大模型一线的同事们应该都能够认可我这个理论是个正论其实今天智能的本体是存在于数据里面的当然一部分是存在于evaluation里面至于模型可能更多的是一个蒸馏器和一个容器就是在训练的时候它是一个蒸馏器在部署的时候它是一个容器今天我们要去做出来一个前沿的AI系统其实模型在里面的作用已经变得极其的小了大家看到现在每一个版本语言模型的提升,一大部分是因为模型的规模在变大,所以这个更多的是Infair。更大的其实是因为越来越好的数据所以其实我们大部分的时间,我指的是语言模型,大部分的时间是花在怎么样去造数据。 [10:00] 怎么样去挑出去怎么样去验证数据怎么样去标注数据画在这些东西上面并且恰恰是这些东西推进了最终我们这个AI系统结果的发展所以我们看到为什么coding这个东西先被解决因为coding确实是最容易被制造也最容易被验证的一种数据紧接着是数学现在又包括了3D也包括了视频的生成虽然3D和视频生成不太容易被验证但是它相对容易被标注所以我们看到基本上是这么一个过程那所以问题其实变成了说如果是OpenAI或者Azopic要做巨生的话,那它是否需要依赖和我们一样的数据的基础设施,验证的基础设施,以及其他的infra?需要从现实世界里面收数据或者做反转器包括做一部分世界模型的反转器是否需要在现实世界里面去做evaluation是否要碰硬件如果他还是要做这些事情的话那么我认为其实他只是另外一个直升智能公司而已因为这些难度并不会因为他在基础模型上的优势而降低所以反而是这个我觉得巨神智能的公司可能会有实质上的这个优势啊也就是说他智能的天花板以及发展速度并不会有一个明显的提升这是第一点,第二点我也知道大家在担心什么,大家实质上在担心的是是否有可能基础模型通过其他领域的通用智能泛化到聚身智能上面这个我觉得才是大家所提到降维打击的一个最大的隐含的一个担忧我觉得这个事情其实可能性也不大因为第一点在这个语言模型的历史上从来没有发生过这种事情我们看到coding的成功并不是因为对话做得好而是因为在预训练里面加了非常大量的coding数据实质上是因为coding的数据基础设施以及验证的基础设施变得更加的完善了那同理最近NS方程被解其实我们看到数学并没有因为coding的成功自然的就变得更成功反而是我们在训练的过程当中其实是会发现coding和数学的能力通常是会打架的如果在预训练的时候把这两个都夹进去效果是不好更多的现在是说先选一个coding的expert 再选一个math的expert 然后再用OPD等等其他的方式把它们合在一起所以在语言模型体上其实并没有发生过类似的事情啊包括比如说最近的3D也是一样啊然后包括比如说这个一些其他的领域像这个computer user反过头来在聚身相关的领域里面我觉得历史上也没有发生过其他的事情大家看到今天的视频生存模型已经做得非常优秀了但是它并没有直接的转化为在动作层面上在机器人控制的层面上天然的优势这个问题并没有得到解决所以我的看法是说这件事情是不是有可能会发生呢这个我觉得可能性确实非常的小但反过头来对我们可能会有一些启示啊就是预训练确实是walk的啊很多人都会说说你做了大量的预讯链是吧摘了大量的通用数据啊它是不是一种反而会有害的做法或者是反而是一种这个可能会影响模型的效果但是我觉得在这个Astro上我们看到它至少会是一个bonus我觉得它至少不应该是一个坏事情当然我也知道今天在行业内做续训练的比如说陈老师肯定还是加了很多的通用数据我觉得我们应该坚定的把这条路走下去所以到最后很有可能会发生的一件事情就是说我们和Anthorpeg或者是OpenAI唯一的差距就是他们是把这些数据把这一套的这个Infra 融入在了通用的大模型里面语言模型里面啊但是我们只是在做一个呃这一个行业专用的一个模型但是反过头来通用的大模型这个语言模型它是没有办法在机器人上以一个合理的速度来去做推理合理的速度来去做部署这个相应的来说我们确实是需要一个单纯的巨身的模型来干这件事情可能确实才是一个更高效率的一个做法但是最后这两种做法它的这个上线天花板以及发展速度并不会有非常明显的区别只要我们还坚持的在走预训练这条道路以及坚持的在把这个所有的包括数据然后包括验证在内的infra做的足够的好所以基本上这就是我的这个看法好谢谢非常全面然后接下来也想和华哲聊一聊我看到最近咱们破壳是发了一个麻婆豆腐的这个机器人做麻婆豆腐的视频嗯然后在您看来这个嗯比如说用 Astra他是不是也可以完成这样的任务 [15:00] 如果是的话你会怎么看就是机器人完全一个特定任务今天到底能说明什么以及我们应该用什么样别的指标去说哎我们的模型真的已经变得更好了而不是今天做了马破豆腐明天也可能可以炒一个火锅底料就这种特定任务的提升我觉得Astra确实是一个非常惊艳的东西我们内部在它出来的当天我们就能用得上的当天我们就立刻做了一些测试然后我们的感受是如果把巨身的任务看成里面需要语意的泛化然后需要空间的泛化加上需要物理的泛化这三个点的话物理做的相对是很弱的语意和空间做的是相对很强的简单来说就是我们给Astra一个prompt他全认识桌面上的东西无论是真的假的啊无论是任何类别他全认识他一定会往那个对的地方去走第二呢原来这种VRM模型或者是大模型基本上就走到那儿然后在那儿开始乱动然后就结束了但Astral很独特一点是它能抓起来而且能抓起来非常难抓的东西比如说一根筷子放在桌面上这种小的物体其实一直对机器人来说你得顶到桌子甚至得在桌子上打打滑然后才能抓起来的Astra现在也是能抓起来然后我们就测到这的时候我们说那它会不会旋转不太行那我们就说那你尝试把这个筷子立起来插到一个杯子里然后发现也可以所以它在整个这个三维空间不光是二维空间效果都很好但是当我们让它去做一些带物理接触的这种复杂任务的时候比如说用这个筷子挑开一个什么东西这个时候它就开始不太行了那这也是巨身机器人公司我觉得是最后的阵地物理变化啊包括我们也拿他尝试了像什么叠盒子叠衣服这种聚生公司很喜欢做的事情这个Astra都是做不了的啊所以我们看到所有的极复杂的任务那刚刚咱们聊到麻婆豆腐吗麻婆豆腐肯定是这里面最复杂之一了所以我们看到Astra其实能做的还是相对来说空间语义上面的这些巨神任务然后最复杂的这个contact reach任务他能做的一个是把这个筷子放杯子里另一个是他可以hand over就是把一个东西拿起来递到另一只手上然后再放到另一侧这个是我们当然也测了很多次有一两次成功了然后这是我们看到的关于Astra我们的一个思路或者一个想法是我觉得未来这些东西应该是串在一起的就是有点像刚才孟迪老师那个主旨演讲里面聊到的我应该是把我的这个巨身模型也接到这个codex里面或者接到一个这个harness的环境里面为什么要这样做呢一方面我的巨身模型是通用的干活儿但是里面有一些harness需要很强的这种语意能力比如说一个很典型的我们抓水果嘛抓水果但是因为你拿去菜市场买水果的话会腐烂所以一般最开始都是拿玩具水果泡沫的但这个时候其实这些数据非常有害有害的原因是泡沫的水果你可以靠加大力然后抠着一点点就可以揪起来但你真的搞一个菠萝你是无论如何都不能那么抓起来的所以这个时候你要求你的模型是去抓一下然后发现它是泡沫的那我就原来那种抓法发现它是真菠萝那我得想办法揪它上面那个绿叶子我胖的身体了对吧那这个过程大多数巨身模型是没有这个能力的所以像Astra可以给你一个反馈是说OK我在这个地方有一些COT然后说OK抓了以后我知道是什么类型的真波罗还是假波罗然后去做所以我觉得整个最后应该是大模型跟巨身模型再到物理世界应该是连接在一起的一个完整系统才能真正把这个事情解决对OK所以是一个要彼此配合的一个未来是的然后在这个宇军总在您看来就是比如说Astra他现在涌现的这种能力你觉得是我们今天所谓的巨升的Scanning Law的某种信号吗这个问题我觉得我跟华车的观点差不太多可能稍微再再激进一点我甚至感觉可能巨身慢慢会影响呃大模型的这个或者说云端这个模型的这个一些一些发展路径我先说一下我的看法我们还是回到机器人的最后巨身的模型的工作方式他还是要步到机器人上机器人做的事情它是要真的是依赖一个身上的所有的传染器这些传感器是要源源不断的拿到输入的哪怕机器人在做操作的时候它的传感器依然要拿到输入这件事情可能跟现在数字世界的很多模型这种就是轮式对话的方式它不太一样可能就比如说你问他一个问题然后他回答你回答你的时候其实你很难说继续问他问题 [20:00] 或者什么之类的对但是机器人必须要在这样一个方式下工作就是他要拿到源源不断的输入这个东西是不可以被打断的哪怕他自己在推理的过程中输入还是在进来你可能要基于这个进来的新的输入随时改变你的推理这是我们觉得巨身的模型或者说步道机器人身上那个模型应该解决的问题我觉得他要解决的问题跟刚刚夏华智说的可能云端的或者说Astra这种大的原模型也好就是更高层的模型解决的问题不一样所以说可能我认为巨身模型最后会成为就更高级的那个模型它使用的一个工具这是其中一方面只是说从工具层面来讲它可能需要有自己去联案的范式因为它要面对那个场景就是源源不断的输入然后输出policy这是这是我的一个观点但是为什么我说可能反过来从这个巨深的这个场景可能会给更高级的这种这个所谓的这种能交互式的这种Astrad一样的模型我觉得能提供一些更多的他之后发展的方向呢我举个例子就是人与人之间的对话是很多模态的它不是只有语言跟视觉这种多模态都到了一个什么样的范围比如说我跟一个人聊天现在外面突然下雨了我可能看到下雨了会改变我跟这个人聊天的方式或者我跟一个人聊天我看到这个人脸色可能有点不好我可能接下来要说的话很多我就不说我就马上换一句但这个事情我觉得是现在可能所有的云端的这种数字世界的模型还没有考虑到的事情因为他不需要他更多是都藏在屏幕后面然后大家只需要通过视觉跟语言交流就好了但我觉得机器人之后如果真的要跟人对话的话他所能囊括的信息量应该是非常多的而且很多信息一定是来自于现实世界中传感器给它的对就是我们会观察天气我们会感测温度这些东西都会影响我最后模型的输出结果对所以我觉得可能慢慢的如果真的机器人能够逐渐的走入我们的生活中然后带来更多跟物理世界跟现实生活更多的数据之后这些数据有可能成为更高级的现在的所有大元模型或者说大模型公司的他们新的预料他们可以基于这个去让他们的东西变得更智能它不再是一个冷冰冰的躲在后面的一个智能体而是可以跟人一样感受周围的环境然后根据一些变化随时去调整他给你对话的方式就像上一轮有一个老师也建议的说他能不能主动去推荐我而不是只回答我的问题对我觉得反而我看到GPT6现在的就是能做到这种水平我觉得是个好事情对刚才三位这个普遍都是非常乐观的就看到的其实都是机会和启发然后在这个问题上我不知道这个大家还有没有一些补充韩征老师有没有一些补充?对我觉得大家其实挺有意思的其实跟我刚才讲的一个观点也越来越接近就是上下会分层就是上层的抽象理解的话会分层但如果是像 physical intelligence 以前的这种做法我一直实际上一个观点啊就是从几年以前就这么讲我觉得 physical intelligence 最大的对手实际上是 OpenAI 啊但是最近的话还有 Ansorbic 啊这个最近的话Demind的另外的一个robotics的研究员也刚刚加入了Anthorpec我一直是持这样的一个观点但是呢还有一点就是上层的模型比如说像这个openAI也好然后包括像cosmos其实他也做了一些尝试和底层的这些的技能我觉得最近大家其实开始越来越重新提这个词就是机器人的它基础这个skill但是同样的话底层的这个技能的放化性和高成功率的话一定要跟上层模型的话要有同样同等水平啊就是你不能成功率不高然后呢有一些放化性这是上下当中的话去衔接的时候是非常致命的一个问题所以大家在想就是巨生的公司和这个上层模型机接的时候的话一定要解决这个问题就是有高成功率下也有泛化型其实去年底的我们做的演示可能没有跟大家讲了一点我们当时就是通过语言交互跟千问模型对于周边的环境和物体当中的话理解包括你给它一个抽样指令它最终会拆成一些resoning生成的一些操作步骤但是他一定要靠对环境和物体极其可靠稳定的这样的底层操作去完成他的整个的这个动作的training才可以所以这个理念我觉得今年特别在Astro出现之后的话也重新被大家拿到前台来我觉得也是一个大的趋势对好谢谢那我们进到今天第三部分我们聊一下场景之争因为其实最近外界还是对整个巨星行业有一些比较现实的质疑这个质疑更多是在商业化上面大家会说demo很多融资也非常的火热但是真正规模复制并且持续让客户付费的场景 [25:00] 到底在哪里那所以下一个问题想提给这个三位在巨生公司的CEO如果咱们只看某一个指标的话,你们觉得什么样的指标是最能够证明巨星已经跨过了?泡沫的质疑真正进入产业阶段这个指标不一定是今天的指标,也可能是未来我们在等待一个什么样的指标这个问题每位先来还是我先来对其实我就顺着我刚才那个观点我觉得科研和商用化对机器人的要求跟之前的工业机器人和自动化的话一模一样就是高成功率的话是绝大多数任务的一个前提就是它可商用化就是很多的任务比如说大家现在在试的可能偶尔能找到比如100个任务里边的话大概有1-5个当中的话可能大家对于成功率的要求可能能到80%也可以允许或者是你有二次去纠正的机会但是剩下的就十几个任务的话几乎第一次包括你去快速纠错的时候的话几乎要达到百分之百的成功率所以在这个前提之下我们跟自动化设备的区别的话就是还要对于物体和环境有一定的繁华性而且不能靠大量的后训练的成本的话去弥补啊否则的话就是每来一个场景就要做大量的过拟盒啊其实刚才前面的主旨嘉宾当中的话也提到了这点所以当走到商业化对我们最大一点的考验首先是从算法上你的高成功率下面的话还要有一些方法性是一定要的当然后面大家遇到同样的挑战也是设备的可靠性怎么去做服务我觉得这些的话也都是绕不过去的好谢谢请往前走如果非得说一个指标的话那就是客户能够可持续的付钱并且这个付钱越来越多这个肯定是最终极的一个判断标准但也是一个最现实的一个判断标准因为其实现在大家在做商业化的时候很多时候并不是能够让客户可持续付钱的一个付钱方式这个可能是在某一个特定历史阶段然后这个特定的方式来去做一个历史阶段对吧这个比如说比较传统的自动化然后比较传统的上一代的这个机器人的方式那我觉得这个事情呢这个虽然可持续但是也谈不上多么的可持续因为它的天花板相对来讲已经比较的这个明确了所以我觉得大家还是应该就是真正想想本代的机器人比上代的机器人强在什么地方以及他能够给客户提供什么样真实的价值我觉得这个事情呢现在已经开始实现了比如说像最近我们在物流场景里面确实已经做到了以前传统的机器人做不到的一些事情并且超过了人类的RI的水平所以我觉得像这种真正意义上能够落地能够持续产生生产力的东西可能才是最重要的另外一个方面就是作为一个公司这个公司是一定要赚钱这个有了钱之后你才能去做更大的模型有了钱之后你才能这个持续的来去发展这个AI的最前沿所以我们看到原模型公司也是类似的这个经历他在最一开始的时候其实完全是不赚钱的但是当他到了某一个阶段真的可以有一些用处的时候这个开始积极的商业化那他的商业化和他的这个前沿的推进其实是一个互相促进的一个过程所以我是觉得说可能某种意义上过早的商业化是有害的我们已经过了那个时间段了啊就现在开始进入到一个啊这个互相飞轮可以这个相互促进的一个一个阶段啊所以就是回到刚才的这个问题啊如果说有一个指标的话呢就是客户确实可以这个可持续的啊这个为新技术付钱啊为前年的技术付钱好谢谢好华泽嗯我觉得就是巨生的商业化是有好多类吗我觉得一类是后训练类啊我跟某一个工厂在它里面做一个闭环比如说假设就是我在我家门口的一个小吃摊然后我搞一个关东主他能完全把这个搞定那核心指标就是我要花多少个小时能够把这个事情在这稳定的部署落地并且我能开多少个小吃摊对吧那这个其实很简单跟传统的这个机器人的部署逻辑上一代的是一样的就是看你的这个效率和ROI的这个换算我们这一波的巨星智能的另外一个商业化指标我觉得就是跟大模型就是语言大模型的相似度我觉得这个事情短期内虽然你可能看不到经济收益但我觉得这个事情是一个节约式的商业化就是为什么大模型大家 [30:00] 体感会好一点因为如果GPT以50%的成功率输出一个答案的话那我只要跟他对话几轮我就大概率可以拿到一个好的结果那我会觉得他真有用但是机器人如果是以50%的成功率去完成一件事的话你有50%概率会把一个杯子撤掉所以大家会觉得真没用所以这是大家为什么感觉巨神智能为什么用起来没那么好用但我觉得即使是这样我们仍然要始至不渝的追求聚身智能的大模型化因为这个50%是面对所有任务面对全世界的任何事情的50%所以我们要等它从50%到60%到70%一直到99.9%的时候那个商业化我觉得才是这一波巨神智能真正意义上的商业化当然前面的落地的后训练的我觉得当然短期内能看到很多的可能现金流或者是营收但是我们真正期待的还是基础模型一瞬间达到一个某个阶段然后它开始吃掉物理世界的很多东西有意思,然后最后一个问题哈就是我们大家都知道有一句话叫做人们总是在科技领域会去高估未来两年的变化,但又低估未来十年的变化。所以想请教四位分享一下假如我们不是两年也不是十年我们比如说站在五年之后的今天回头看此刻,你们会觉得哪些东西在巨生领域被低估了?又有什么东西在巨生领域被高估了?我先讲什么被高估了我觉得最被高估的一点就是中国的供应链的先进程度我觉得就是选择多啊但是对于聚身智能现在需要的这个供应链啊能够满足我们实际上去在迭代的时候它的成熟程度的话我觉得可能还是有点的这个工作都要做啊第一呢是我们要有一些的这个数量去支持啊第二呢就是其实供应链里面有很多的这些啊包括啊刚才这个啊大家沈总提到的等于说像这个传感器然后包括像关键组件可能散落在一些成熟的行业里面比如像汽车的供应链包括其他的工业机器人的供应链但实际上到巨身里面我觉得现在的供应链的水平的话距离大工业制造水平的话还是有一定的差距和距离但我觉得在中国是肯定可以被解决的接下来对我觉得被低估的就是我也回应这个这个华人老师刚才讲的这个要达到99.9%然后呢中间呢能不能有一些非后训练过拟合的方法这个时间的话有可能很长但我们觉得这个难度大家不用太悲观对于一些稳定可靠的技能的出现和上层大家在做的各种各样的上层模型的组合的话我觉得会在接下来一到两年里边会大家看到一些某一大类的任务在各个行业里面非常长得非常类似的其实都可以会很快的会被处理到但是的确是如果是99.9%的任务啊这个都能做的话那的确是需要很长的时间好,谢谢。那沈宇军,沈总。第一个的事情可能是巨深我觉得是一个复杂的系统工程然后我觉得可能很多就大家还是低估了这个系统的能力就是说大家可能会现在把很多东西包括乐地包括解体的成本啊等等这些东西都跟模型的性能挂钩但其实不是的就是同样是假如说坐落地因为回到商家肯定是看成本我到底是不是一定要用这款机器人我到底是不是要用完整的机器人我是不是只用双臂就可以做一个事情因为最后回归的是成本包括你整个系统的鲁邦性对吧然后以及模型只是其中一环但是大家好像基本上不谈这个事情好像把所有的现在的技术能不能落地都归价到模型能力好坏上但其实不是的真的要落地我们肯定要综合考虑整个的商业逻辑对我觉得这个可能是大家低估的一件事情但我觉得高估的一件事情我自己看我觉得可能我们现在有点高估了训练模型的技术就是因为我听到很多行业的声音好像是巨声要么就是被现在的数字世界的模型可能是他们降维打击我们要么就是重新复刻一遍他们的路好像攒一波物理世界的数据按照之前的训练方式就可以训出一个巨声的模型我觉得这个可能在我看来就是一个不太成立的事情就我认为巨星可能会走跟数字世界相同的模式 [35:00] 不会走相同的技术路线因为我还是觉得是最后的应用场景决定了模型的不一样还是说就是数字世界是那种对话式的但是巨生一定是这个机器人他要一边工作一边推理这两个事情是不能互斥的你不能说我在做机器你让机器人干活的时候他就完全屏蔽掉外面的声音我现在不能再给任何书了这件事情就不存在那既然是从出发点就不一样的话我认为巨神一定会有自己的新的训练范式而这种范式是可以支持对物理世界的信息的持续处理的就可能7x24小时甚至于可能30x24全年无休的在处理数据对我觉得这个可能跟现在的模型那种就是你用一用然后你不用的时候你就关掉它对可能不太一样对所以我觉得可能在训练的技巧上有可能是别高估的所以会不一样同时可能技巧也别高估了就他没有那么的像魔法对我觉得可能巨身会就因为巨身那些特定场景带来的提出的挑战可能会带来一些数字世界或者说语言模型之外的一些训练技术嗯对 OK好谢谢那往前走呃如果说低估的话我觉得大家在五年之后回过头来看应该会感觉我们是低估了巨生的这个重要性和潜力啊就是虽然大家今天已经很很这个认为巨神是一个重要的东西是一个非常这个重要的AGI的一个组成部分但我觉得大家可能还是并没有完全真正理解这件事情接着刚才的那个Astra的那个问题说啊就是刚才提到说为什么数据很重要因为确实它是包含了一部分其他的方式无法获得的智能的能力的刚才薛老师也提到说这种复杂的物理交互各种物理过程然后这个薛老师也提到说各种各样传感器的噪声然后包括这个物理世界本质的一些不可控的这些东西其实我们确实是没有办法通过比如说视频比如说3D 更不用提是这个code的这些方式来去获得所以其实因为我以前研究物理我们会发现大量的创新或者说大量的想法很多时候是来自于所谓的物理直觉当然还有另外一条路就是逻辑推理对吧这个所谓的数学的这个深度搜索的这个能力所以人类在过往的过程当中其实整个科学的研究过程确实发现这两个事情是某种意义上没有办法互相弥补的可能做某些事情确实数学这套思维方式更快一点另外一些东西可能确实是物理这套思维方式更快一点所以我们要去构建一个真正意义上的AGI的话我觉得这个部分肯定是没有办法去避开的当然你也许可以把它训到同一个模型里面也许可以训到不同的模型里面去做分层我觉得这个是小问题但是更主要的问题是说这部分的这个能力我们确实是要从真实世界或者仿真或者是其他的方式中获得并且把它注入到AI系统里面去那在应用的层面低估居神的重要性了最近其实不管是在硅谷还是在国内我看见了大家对所谓的RSI迭代自我进化的这件事情产生了非常大的FOMO的情绪,狂热和恐惧都在。但是我现在的看法是说,以目前的语言模型的能力,其实是不足以实现完整的RSI的,其中缺了一个最重要的环节。就是物质上的重制造或者说自我增值是没有办法靠语言模型来去实现的他可以去修改自己的训练方式它可以修改很多训练当中的流程,但是本质上我们需要去走skin up,需要更多的算力,需要更多的芯片,需要更多的电力,这个东西原模型也没法做,所以我们现在会看到在美国数据中心的建设已经成为了本质上的建设。阻碍那还是叫人来去做干净粉丁土还是叫人去调这个半导体工厂里的参数但是但是如果放在5年之后我相信大家都会意识到一件事情巨生智能实际上是这个在不远的将来可以干这件事性的所以到那一天的话我觉得真正预约上的 RSI 才到来所以在数字世界里面我觉得可能现在走的比大家在物理世界里面走的有点快太多了其实我经常开一个玩笑说如果Anthorpec在今天开始把所有的员工都干掉全都用agent来去开发下一代模型它会减慢多少呢肯定会减慢因为现在人的test还是很重要但是你说它就开发不出来下一代模型了吗我觉得也不是它肯定还是能开发出来下一代模型但是你说如果半导体工厂里面没有了人全靠AI来做的话这个肯定是不行的说五年之后大家应该能看到一种场面啊就是在今天比如说我们要去做一个 app 其实已经不是要像 [40:00] 前面要搞一个很大的团队是吧然后这个大家非常大的这个协同花很长的时间比如说花一年的时间来做一个APP可能一个人只要你的额度够啊这个开一队agent可能几个小时的时间就能把它做出来也许五年之后我们能看到一个未来就是现在我们要去造一架飞机我可能还是需要1000个人非常大的供应链很多的工厂但是也许五年之后我们可以看到在巨神智能的辅助下当然也是在这个通用的语言模型的辅助之下比如说我们造一架飞机也可以像今天做一个APP这样的简单所以整个的这个生产的全流程就可以多避缓掉人类的经济实现真正意义上的这种就是某种意义上的这个这个所谓的规机脱离探机的这一天当然我也不知道这个未来是好是坏啊这个特别是在这个这个语言模型公司的道德水平如此之地下的这个道德水平如此之地下的这个今天啊所以反过头来我也是觉得说刚才这个沈老师说得很好就是巨神智能公司其实也应该把这个数据放到语言模型里面去也许有朝一日啊这个我们还是要这个走出中国的一条这个这个AI发展之路我觉得巨神可能是其中很重要的一个起点或者很重要的一个部分也许之后我们每一家公司都会去用一个自己的语言模型这个也说不定啊很有意思好那最后华哲来压个轴我觉得被高估的挺明显的是一个大家对数据量的追求就是现在市面上第一有人说我有100万有人说我有几百万小时的数据然后还有人说谁谁谁已经买了多少多少数据你不买你就落后了我觉得其实目前市面上也看到了一些训出来的模型真的用非常大体量的数据没有训出来特别超越预期或者是比几万小时训出来模型更好所以我觉得单纯盲目追求量这件事严重被高估了然后被低估的我觉得是整体智能模型的进展或者叫聚身智能模型的进展因为大家一提说聚身智能解决通用的事情可能要是五年十年在我的视角里面我觉得就是三年内然后巨神智能就可以在很多地方开始服务而且是那种通用的服务不是说我在这后训练好的服务对哇哦对我觉得这个听完之后感觉还是非常振奋非常乐观的大家描绘了一个很有意思的未来甚至像王前提到会不会未来造飞机像造APP一样简单很有意思好那今天谢谢四位嘉宾也谢谢在座各位的时间好那我们这场论坛到此为止谢谢