蚂蚁灵波沈宇军弃用数字模型 重训具身原生大脑
张小珺Jùn｜商业访谈录
具身智能尚未迎来GPT-1时刻，行业主要矛盾是数据规模不足导致智能滞后于硬件本体，强行魔改数字世界大模型无法实现物理动作泛化。
AI-assisted summary of 147. 和蚂蚁灵波沈宇军聊：机器人原生基础模型、大脑和本体的关系、预训练与数据scale up、老师汤晓鸥 — original source. Check the original for full context.
Source published:
Key ideas
- 蚂蚁灵波发布第二代具身基座模型，推翻数字世界视觉基座魔改路线，从几何边缘、原生 MoE 架构与单向因果流出发从零预训练，支持 20 多种硬件构型并拓展至底盘、灵巧手与躯干协同。 (20:00)
- 沈宇军认为具身智能尚未迎来 GPT-1 时刻，最大卡点在于缺乏有效的数据 Scale-up 路径，真机原生数据需从现有的数万小时跨越到 100 万小时起步，才能与互联网数据达到平衡并触发自发 Scaling。 (67:29)
- 灵波坚定执行“不做本体、专攻跨本体通用大脑”战略，认为家庭场景差异导致硬件构型无法统一，当前主要矛盾在于大脑智能严重滞后于本体硬件量产，未来两者将交替上升。 (16:03)
- 沈宇军对双足人形机器人毫无执念，指出当前核心瓶颈是智能与数据不足，过早争论机械形态是轮式还是足式毫无意义，机器人在家庭中的首要价值是实用干活而非提供情绪价值。 (100:00)
Detailed notes
## Background 本期节目由科技商业访谈人张小珺于2026年7月22日发布在小宇宙平台播客《张小珺Jùn｜商业访谈录》上。节目聚焦中国科技界“不碰本体、专攻原生机器人大脑”的新趋势，邀请蚂蚁集团旗下子公司蚂蚁灵波的首席科学家沈宇军展开深度对话，探讨其第二代具身基座模型的研发、从预训练重构物理世界视觉的决策，以及中美具身智能技术路径的异同。
## TL;DR 访谈围绕蚂蚁灵波为何放弃硬件本体、专注攻坚跨本体通用原生大脑展开。首席科学家沈宇军复盘了从计算机视觉转向具身智能的心路历程，阐述了团队为何在2026年彻底抛弃数字世界的视觉基座，转而基于真实物理传感器、单向因果流与原生 MoE 架构从头进行具身预训练。他指出具身智能尚未迎来“GPT-1 时刻”，当前最大的掣肘在于数据未能实现 Scale-up，并剖析了大脑开发滞后于本体硬件的螺旋迭代关系。最后，他分享了初次创业以有限资源下注技术路线的心态，以及导师汤晓鸥在看透问题本质上对自己的深远影响。
## Atmosphere & style 对谈呈现出浓厚的硬核技术工程师气质与理性务实的创业者思辨，节奏沉稳而信息密集。沈宇军谈吐坦率直白，既不避讳早期探索时的“天真”与技术妥协，也不掩饰面对技术路线未知时“创业就是赌出来”的果敢魄力。张小珺通过敏锐的行业坐标对比与连环追问，引导出底层架构取舍、数据困境乃至人生哲理的真诚吐露，整场对话兼具学术前沿的严肃厚重与产业实战的生动烟火气。
## Bulletin - `20:00` 蚂蚁灵波发布第二代具身基座模型，推翻数字世界视觉基座魔改路线，从几何边缘、原生 MoE 架构与单向因果流出发从零预训练，支持 20 多种硬件构型并拓展至底盘、灵巧手与躯干协同。 - `01:07:29` 沈宇军认为具身智能尚未迎来 GPT-1 时刻，最大卡点在于缺乏有效的数据 Scale-up 路径，真机原生数据需从现有的数万小时跨越到 100 万小时起步，才能与互联网数据达到平衡并触发自发 Scaling。 - `16:03` 灵波坚定执行“不做本体、专攻跨本体通用大脑”战略，认为家庭场景差异导致硬件构型无法统一，当前主要矛盾在于大脑智能严重滞后于本体硬件量产，未来两者将交替上升。 - `01:40:00` 沈宇军对双足人形机器人毫无执念，指出当前核心瓶颈是智能与数据不足，过早争论机械形态是轮式还是足式毫无意义，机器人在家庭中的首要价值是实用干活而非提供情绪价值。
## Key takeaways - `00:00` 从图像特效转向具身智能：沈宇军经历从 GAN、扩散模型到表征学习的演进，判断视觉在数字世界缺乏杀手级场景，但物理世界机器人对视觉存在强依赖。 - `10:00` 告别象牙塔研究：纯科研导向与工业实际需求存在巨大脱节，具身智能处于技术未收敛期，必须在真实物理场景中由落地痛点反向驱动算法迭代优先级。 - `16:03` 跨本体通用大脑定位：由于各家庭与场景需求各异，不存在单一万能本体，灵波将“通用”定义为跨场景、跨任务与跨本体三层叠加，从预训练之初即纳入多样化机械构型。 - `20:00` 彻底推倒数字基座从头预训练：数字世界生成模型追求画质与高分辨率，而物理控制需要空间拓扑与极低推理延迟，灵波在保留 LLM 语义能力的同时对视觉与动作从零预训练。 - `26:00` 一代到二代模型的构型跃迁：二代模型从固定桌面平铺操作跃升至三维全自由度作业，支持双臂、灵巧手、头部俯仰、腰部弯曲与底盘移动，适配构型由 9 种拓展至 20 多种。 - `35:00` 对仿真数据保持审慎：现有物理引擎在柔性物体等复杂交互上仍不成熟，仿真数据分布同质化严重，灵波依赖真机遥操作与第一人称视角的严苛清洗数据进行预训练。 - `40:00` 从 Dino V2 转向几何原生感知：摒弃数字世界的语义识别模型，自研基于点线面边缘与空间距离的 Limbo Vision 与 Limbo Depth，解决透明水流、玻璃门等物理障碍物测距难题。 - `50:00` 攻关三大底层工程：在视频与动作生成中自研具备意图对齐的压缩编码器、驯服原生 MoE 稀疏激活以压低算力延迟，并坚持从头训练单向因果注意力以符合物理因果律。 - `01:00:00` 大脑现阶段聚焦意图落地执行：灵波目前不做自主产生意愿的高阶决策，而是攻克物理世界的执行鲁棒性，模型在桌面击球与动态乱序收拾中展现出扎实的位置泛化能力。 - `01:07:29` 具身智能尚未到达 GPT-1 临界点：由于缺乏自动化且量级可匹敌互联网数据的具身数据采集渠道，行业目前数十万小时数据仍显不足，但依托成熟算力有望加速到来。 - `01:15:00` 硅谷两大路线的殊途同归：对比 Generalist 强调高效后训练与 UMI 数据、Physical Intelligence 追求极端 Zero-shot 与遥操作，沈宇军认为未来进家庭必须兼具基础家务免调与特殊任务现场教学能力。 - `01:17:00` 语言模型是入口而非核心：大语言模型仅解决人机交互与需求指令泛化，具身智能是独立学科，核心在于构建能够干好物理任务的世界动作模型系统。 - `01:20:00` 大脑与本体的螺旋式交替上升：当前本体量产领先而大脑智能落后；未来更强的大脑将倒逼出专为模型易控性设计的新一代本体与高刷新率触觉传感器。 - `01:30:00` 创业是有限资源下的敢赌：具身原生基础模型是一场耗资巨大且结果未知的豪赌，犹豫不决必将错失机会，蚂蚁集团给予了灵波高度自治的创业机制支持。 - `01:40:00` 终局格局贴近大语言模型：未来具身大脑可能由少数大厂与顶尖创业公司并存，形成场景、本体与数据生态壁垒，并借助国内强大硬件供应链加速落地。 - `01:50:00` 规模化数据必须依赖行业标准化：单靠单家公司无法填补百万小时数据缺口，建立跨本体、跨操作的标准规范并联合生态伙伴是实现数据 Scale-up 的关键。
## Detailed walkthrough ### `00:00` 蚂蚁灵波的缘起与从计算机视觉到具身智能的转变
进入2026年，中国科技产业在具身智能领域出现了一个反直觉的现象：以往行业普遍认为硅谷团队擅长做算法与机器人“大脑”，中国团队长于硬件与“本体”，但如今本土也涌现出了一批从原生大脑切入、现阶段不碰本体的团队。蚂蚁集团孵化的子公司蚂蚁灵波（Ant Lingbo）便处于这一探索的前沿，近期推出了其第二代具身基座模型。首席科学家沈宇军在清华大学取得博士学位，师从商汤科技联合创始人汤晓鸥教授，博士毕业后经历了一段从学术到业务再到创业的流转与思考。
沈宇军在2017年前后便开始探索生成模型，恰逢 StyleGAN 系列风靡学术界。但他逐渐发现，传统的图像编辑、人脸美化等研究“做得太下游了”。当尝试向上游的无监督生成与底层预训练探索时，他又发现模型效果难以受控，且当时参数量扩增（Scale-up）的规律尚未明确，这促使他进一步转向更前沿的底层表征学习。在被问及为何放弃曾经深耕的对抗生成网络（GAN）时，沈宇军解释道，虽然团队在2026年年初仍做过最后的放大尝试并开源了模型，但现实表明 Diffusion（扩散模型）和自回归模型能通过多次迭代处理高复杂度内容与视频，而“GAN 最大的问题还是计算量的利用效率太少了”。
从商汤到字节跳动，再到蚂蚁技术研究院，沈宇军经历了计算机视觉从风口到平台期的落差。他回顾视觉产业的发展历程：第一波是人脸识别的大规模落地，第二波是特斯拉纯视觉方案带火的自动驾驶，此后视觉在数字世界里几乎没有再找到极具产业价值的杀手级场景。在数字世界中，视觉并非不可或缺的核心，但在物理世界里，“离开视觉机器人肯定是没办法工作的，我觉得这是一个对视觉的强依赖”。2024年，带着对视觉技术用武之地的重新审视，沈宇军萌生了进军具身智能的想法，这一规划恰好与蚂蚁集团将数字生活服务能力向物理实体空间延伸的战略不谋而合。
- 沈宇军的研究演进路线：图像编辑/下游特效 $\to$ 底层生成模型与预训练 $\to$ 表征学习 $\to$ 物理世界具身智能视觉。 - 团队最终确认在图像/视频生成方向为 GAN 画上句号，但保留了其核心的“双模型对抗博弈与互相迭代”技术机制，未来或在其他架构场景中复用。 - 字节跳动时期：利用人脸转换技术打造趣味特效（如“预测20年/70年后样貌”、性别转换等爆款）。 - 沈宇军对视觉在数字与物理世界价值的断言：“离开视觉机器人肯定是没办法工作的，我觉得这是一个对视觉的强依赖。”
---
`10:00` 从大公司研究员到蚂蚁灵波：做真实业务而非象牙塔研究
2024年底，蚂蚁集团正式成立子公司蚂蚁灵波科技，沈宇军从蚂蚁技术研究院调动至灵波出任首席科学家。关于为何不以大公司研究院的课题组形式推进，而是独立成立商业化子公司，沈宇军有着深刻的组织体悟。在经历过字节跳动的业务驱动、蚂蚁研究院的前瞻科研、再到灵波的产业创业后，他意识到纯研究导向存在致命脱节：“如果是还是把它当做研究机构的形式去做的话，很有可能做一做就脱离了这个行业，或者换句话说，就是研究员认为的先进的技术跟行业需要的先进技术是会有 gap 的。”
面对大模型爆发期学术界“发论文冲引用是否就代表成功”的迷茫，沈宇军认为，具身智能眼下最大的魅力恰恰在于“技术尚未收敛”。在一条确定的轨道上把既有架构的桩子打深缺乏创新空间，而在技术路线大洗牌的具身领域，研究既能直面真实场景，探索出来的哪怕是失败经验也能对整个工业界产生价值。
灵波成立初期团队不足十人，沈宇军的第一感受是“自己还是太天真了”。原以为从视觉模型向机器人迁移顺理成章，实际动手才发现物理世界的落地门槛远超预期，底层通信、实时部署、软硬件耦合等工程技术栈完全刷新了他原本的认知。就在这摸着石头过河的过程中，团队在成立之初便做出了一个核心决策：坚决不做本体，全力以赴只做机器人的“通用原生大脑”。
```mermaid flowchart TD accTitle: 蚂蚁灵波原生大脑定位与组织演进 accDescr: 展现沈宇军从产品赋能、前瞻研究到成立灵波子公司专注做跨本体通用大脑的决策演进流程
subgraph OrgContext["组织演进与定位"] A["字节跳动 (产品业务赋能)"] --> B["蚂蚁技术研究院 (前沿技术探索)"] B --> C["蚂蚁灵波科技 (产业创业/通用大脑)"] end
subgraph Strategy["核心战略定力"] C --> D["不涉足通用本体制造"] C --> E["专注打造机器人底层原生大脑"] D --> F["判断：家庭/场景各异，不存在单一万能本体"] E --> G["愿景：各品牌本体底层均运行灵波模型"] end ```
沈宇军坦言：“我们最后就是希望每家最后都能有一个机器人，然后我们希望在这个机器人里面跑的最后都是灵波的这个模型，或者说用的是灵波的大脑，这是我们当时做的一个比较大的决定。”
---
`16:03` 战略抉择：为什么不做本体，只做跨本体的“通用大脑”？
团队目前维持着两手抓的研发架构：一头由研究驱动，负责拉升“智能的上限”，摸索更通用的算法结构；另一头紧抓落地，把模型推入严苛的物理场景，通过暴露出的失败点反向驱动模型的迭代优先级。因为早期需要迭代的方向有数十个，唯有来自真实场景的痛点才能决定资源倾斜的先后顺序。
关于“软硬一体化协同”与“彻底不做硬件、专攻大脑”两条路线的争论，蚂蚁灵波坚定选择了后者。沈宇军给出了底层逻辑：从商业现实推演，很难有一款机器人本体能够通吃所有任务；即使未来机器人走进千家万户，各家庭由于户型结构、功能诉求的差异，对硬件形态的需求也各不相同，如同现在的智能手机有苹果、华为等各种品牌一样。因此，机器人本体在物理上天然难以做到大一统。
基于此判断，灵波将“通用”定义为三层含义的叠加： 1. **跨场景通用**：适应不同的物理工作空间。 2. **跨任务通用**：完成抓取、搬运、装配等多元作业。 3. **跨本体通用**：在预训练阶段就引入多种不同机械构型的数据，使大脑原生理解不同本体的机械与运动特性。
沈宇军强调，本体与场景从产品定义之初就是深度绑定的，某些构型生来就无法胜任特定动作。因此，灵波的大脑从第一天起就将硬件多样性纳入预训练，致力于让下游各硬件厂商能够在引入灵波模型后快速适配。
沈宇军在阐述这一通用路线时断言：“大家现在可能讲的通用更多是会停留在任务和场景这个方面，但我们就是把这个硬件这个东西也考虑进去，我们觉得通用应该就是多一层，就是你本体上也要通用。”
---
`20:00` 2025至2026的技术主张：基于物理世界需求从头重训模型
从2024年底成立到2026年，团队在技术路线上经历了两次重大的“战略押注”：
1. **2025年的两大押注**： - **坚持从视频中学习连续时序动态**：早在2025年3月、业内尚未普遍形成“世界动作模型（WAM/VAM）”概念之前，团队就意识到机器人绝不仅是静态多模态所能解决的。机器人在物理世界中需要与环境交互，因此必须学习连续的时空动态，且这种学习不是把视频抽帧当成图像输入，而是真正端到端地建模时序变化。这一坚持在历时9个月后，于2026年初凝结为开源的视觉动作模型（Visual-Action Model, VA）。 - **坚决从真实传感器数据出发，解决噪声与空间智能**：学术界模型通常基于干净无噪的数据集，但物理部署中传感器的噪声完全不可忽略。因此灵波立足真实传感器（视觉与触觉），打造底层的空间距离与深度理解能力。
2. **2026年的关键转向：彻底抛弃数字世界视觉基座，基于物理需求从头预训练**： 在2025年的探索中，团队曾尝试使用数字世界现成的大模型直接嫁接为物理代理（Agent），仅在末端挂接动作头。但这迅速暴露出无法调和的矛盾：数字世界的视频/图像生成追求极高的画质与视觉分辨率，而机器人的物理动作并不敏感于画面颗粒度，而是极度依赖空间拓扑与运动连续性。团队无法推动数字世界的模型开发者修改架构，于是沈宇军在2026年上半年拍板决定：**保留大语言模型（LLM）的文本能力，但在视觉的理解与生成两个维度，完全抛弃数字世界的预训练权重，针对物理世界的需求彻底从头预训练（Pre-train from scratch）**。
沈宇军谈及推倒重来的决心时说道：“既然不能 push 他们去改，我们就全部基于物理世界的需求重做一遍……很多时候数字世界的模型的开发的初衷跟物理世界的需求是不是很匹配的，但你这个时候你又没办法 push 他们去改。”
- 2025年9月外滩大会炒菜 Demo 的教训：炒菜属于典型的超长程操作（Long-horizon Task），现场暴露了大量的软硬件协同问题。这使团队更深刻地意识到，若没有一个高通用度的大脑，换一个场景就要从头重写整套控制逻辑，场景迁移成本将高不可攀。 - 保留 LLM 的原因：沈宇军认为，文字与语音层面的语义在物理与数字世界并无本质割裂，且语言模型的重训成本过高，现阶段直接复用成熟的大语言模型并未显现出瓶颈。
---
`26:00` 从第一代到第二代具身基座模型：构型跃迁与自由度爆发
2026年初，灵波开源了第一代具身大脑模型组合，包含深度估计（Depth，空间距离感知）、视觉动作模型（VA，执行控制）、世界模型（World，动作仿真预测）以及主流落地的视觉-语言-动作模型（VLA）。然而，第一代系统主要聚焦于桌面抓取实验环境，支持9种构型，且自由度仅覆盖双臂与夹爪。
当灵波尝试将第一代 VLA 模型带出实验室、推向真实工业与生活场景时，实验室设定与真实环境的巨大断层迅速显现：真实的拿取动作绝非在固定高度的桌面上完成。例如“从货架高处取物”，机器人必须抬头；而一旦手部抬起，不仅视线角度突变，甚至可能导致头部相机出现视线盲区。如果模型在预训练时从未见过头部相机的俯仰视角变化，也未学会“在头部不可见时退化依赖腕部相机或本体触觉传感器”，系统就会瞬间崩溃。此外，当目标距离过远或位于地面低矮处时，机器人必须配合底盘平移与躯干弯腰。
针对这一落地痛点，灵波在第二代具身大脑升级中重构了数据配方与预训练自由度：
| 评估维度 | 第一代具身大脑（2026年初） | 第二代具身大脑（2026年中） | |:--- |:--- |:--- | | **开源模型数量** | 4个模型 | 6个模型 | | **适配机械构型** | 9种构型 | 20多种构型 | | **运动控制自由度** | 仅支持双臂 + 简单夹爪 | 拓展至双臂、灵巧手、头部俯仰、腰部弯曲、移动底盘 | | **作业场景范式** | 固定基座的桌面平铺操作 | 高度与距离非固定的三维立体全自由度作业 | | **预训练数据规模** | 约20,000小时（标准相对宽松） | 约60,000小时（经严苛管线洗净，清洗标准更高） | | **模型基础体量** | 初始参数实验探索 | 约 3B+ 参数基座 |
在数据层面，沈宇军透露，第二代模型的约6万小时数据并非在初代2万小时上的简单加总。由于团队建立了一套更加严密的清洗与质量标注管线，初代数据经重筛后仅留下一万多小时，这意味着当前的6万小时是经历了4倍以上的有效高纯度数据积累。这些数据主要来自于真机遥操作采集，以及通过头戴式相机记录的第一人称视角人类操作数据（Ego Data），而虚拟仿真数据则被更谨慎地限制在辅助或评测环节。
沈宇军总结这种被场景硬逼出来的技术迭代：“这就是落地的过程中告诉我们到底应该……模型迭代有那么多方向，到底应该什么是最重要的。”
`35:00` 仿真数据的局限与真机数据采集成熟
在机器人模型训练的数据来源上，沈宇军谈到了团队对仿真（Simulation）数据的谨慎态度。他指出，目前在策略册上，灵波并不太倾向于用仿真数据来训练模型。虽然仿真数据可以在数量上迅速放大，但数据的核心不仅在于量，更在于分布，而分布既涵盖了构型的多样性，也涵盖了任务维度的广度。
沈宇军坦言：“我觉得仿真数据它可能在它擅长的方面它可以就是瞬间就可以生成很大量的数据这个事情是毋庸置疑的但是从另一个角度说怎么说呢它可能分布会相对同质化会严重一点。”尤其是对于柔性物体的操作（例如撕开一个塑料袋），现有的物理引擎仍需时间进行迭代升级，在那之后仿真数据的价值才会真正显现。
相比之下，真实的抓取、挪动等任务，在过去两年中数据获取的成本正在剧烈下降。据沈宇军估算，过去两年间真机采集成本“至少得降了三倍不止”。这种降本来自于人员管理体系的逐步成熟、硬件设备的稳定量产，以及行业数据需求的规模化。
在数据准备的实战中，灵波蹚出了两个至关重要的 know-how： 1. **任务下发的覆盖度**：如何设计任务以均匀覆盖机器人的各个自由度。如果90%的数据只用手而不用头，或者头部与腰部的运动比例悬殊，模型就会产生严重的动作偏好，变得只习惯动头而不会转腰。 2. **跨本体数据清洗链路**：由于灵波主打跨本体（Cross-embodiment）模型，各家硬件厂商的相机安装角度、关节自由度连接方式（Configuration）各不相同，根本无法用同一套现成的数据管线通用处理，需要为不同硬件深度适配。
此外，数据的平滑度也是决定模型质量的隐形杀手。沈宇军提到，如果数据采集员操作不够熟练、动作卡顿，模型学完后在控制机器人时也会表现得“非常卡”，因为单条数据成本极高，后期根本无法人工修平滑。因此，灵波除了联合生态伙伴的数据与本体团队建体系外，自身始终保留着一支核心数采团队，先跑通 SOP、踩平所有坑，再向外推广标准。
---
`40:00` 几何原生预训练：从 Dino V2 转向 Limbo Vision 与 Limbo Depth
在落地环节，为了提高任务成功率，灵波内部已在落地流程中引入真机强化学习（RL），用于在机器人动作犯错时由人在旁介入纠偏打断、提供正确示范。而在开源技术报告中，灵波系统性推出了第二代具身模型矩阵。
```mermaid flowchart TD accTitle: Limbo Model Matrix Architecture accDescr: 展现从Limbo Vision和World模型演进至VA 2.0的架构关系
subgraph VisionTrack["视觉感知层"] LV["Limbo Vision<br/>(几何/边缘原生预训练)"] --> LD["Limbo Depth<br/>(空间与深度感知)"] end
subgraph GenerativeTrack["时序与动态建模层"] LVideo["Limbo Video<br/>(原生 MoE 稀疏架构)"] LWorld["Limbo World<br/>(单向因果 Causal Attention)"] end
subgraph Fusion["具身原生基模"] LV --> VA["Limbo VA 2.0<br/>(具备动作/语义对齐的压缩编码器)"] LVideo --> VA LWorld --> VA VLA["VLA 2.0<br/>(多构型真机数据)"] --> VA end ```
谈到此次发布的前两个模型——Limbo Vision 与 Limbo Depth 的升级，沈宇军复盘了 1.0 版本的核心缺陷： - **语义 vs 几何**：1.0 版本的 Depth 基于开源的 Dino V2 预训练模型开发。但 Dino 属于典型的数字世界模型，长于“语义理解”（例如辨识出画面里是一盆花还是一只狗）。然而，具身智能执行物理任务必须理解空间与距离，语义和空间并非天然吻合。 - **点线面与边缘建模**：团队彻底摒弃了 Dino，改为从纯几何与边缘（点、线、面）角度从头做了一整套视觉预训练（Limbo Vision）。依托新基模并结合半年内翻了几倍的数据量，Limbo Depth 实现了质的飞跃。
沈宇军列举了两个直观的落地对比案例： - **反光水龙头与水流**：在厨房接水任务中，透明反光水龙头流出的水流，之前的模型只能判断开关状态却无法准确测距，而基于 Limbo Vision 训练的 Depth 可以清晰定位水流的空间坐标。 - **阳台玻璃门外的猫**：在数字世界里，模型只需识别出画面中有猫即可；但在物理世界中，猫的前方挡着一层透明玻璃门。如果人走过去会先撞到玻璃门。新版 Depth 在拉开玻璃门之前完全看不到那只猫，只有拉开门的过程中，猫的深度轮廓才从门后逐步浮现。这正是物理世界对“障碍物与真实物理碰撞边界”的严苛要求。
沈宇军总结了团队对于机器人能力的认知主线：“我们一直讲这三件事情：‘看得更清楚’、‘想得更明白’、‘干得更利索’，机器人我们觉得就是这三件事情。第一件事情‘看得更清楚’，我们首先要解决这个问题。”
---
`50:00` 攻关物理世界三大工程：对齐压缩、原生 MoE 与单向因果流
在解释后续发布的 Limbo Video、Limbo World 以及核心的 VA 2.0（或称 WM）时，沈宇军深入剖析了数字世界生成模型与物理世界控制需求之间的三大本质脱节与团队的底层攻坚：
| 维度 | 数字世界视频模型 | 物理世界具身模型（灵波方案） | |:--- |:--- |:--- | | **视觉压缩** | 单纯做图像体积压缩（如 100MB 压缩至 30MB），对后续策略学习无内在关联 | 训练编码器时强制融入**语义与动作对齐**，使压缩特征原生包含交互意图 | | **推理时效与画质** | 重画质与高分辨率，对推理延迟容忍度高（用户可等待 10~30 秒双向渲染） | 对画质要求低（有实时摄像头感知补偿，可容忍低清晰度），但**必须极端实时** | | **网络结构** | 普遍采用稠密模型（Dense），如 14B 参数即满载激活，推理加速空间受限 | 自研**原生 MoE 架构（Limbo Video）**，保证稀疏激活的同时大幅削减推理算力 | | **时间流动性** | 采用双向注意力（Bidirectional Attention），可同时预知视频的起始与结局 | 遵循物理规律采用**单向注意力（Causal Attention）**，严守“历史看不到未来” |
在实现这两项技术突破的过程中，团队遭遇了长达数月的工程攻坚：
1. **从零驯服 MoE 的均匀稀疏激活**： 沈宇军强调，MoE 绝非简单的“30 个参数每次激活 10 个”，其核心壁垒在于训练过程中能否让专家网络被均衡、等概率地激活，防止某几个专家参数过载而其余 20 个参数闲置沦为摆设。团队足足花了两个月时间从零摸索损失函数设计、采样策略与正则项，期间历经几十次训练失败，“MOE 应该至少光训 MOE 想训明白可能就花了两个月的时间两个月……所以我说是 MOE 训、把 MOE 训好是一个能力问题它不是一个态度问题”。 2. **拒绝“双向转单向”，从头训练单向注意力**： 数字世界的多模态预训练知识高度内嵌在双向注意力中。如果先把一个成熟的双向模型强行魔改成单向，模型会出现剧烈的“知识灾难性遗忘”——原本能听懂 100 句话并生成对应视频，魔改后仅有 20%~30% 能转化，其余 70% 的语义知识全部损毁。团队果断舍弃这一妥协路线，历时三四个月，在 Limbo World 中从零实现单向因果预训练（Causal Pretrain）。
最终发布的 VA 2.0 正是所有底层突破的集大成者：它融合了语义/动作对齐的视觉压缩、原生 MoE 稀疏算力架构、单向因果时序建模，并注入了 VLA 沉淀的大量真机机器人多构型数据，“这个基模从每一个参数都是完全随机化开始去训的……这就是我们想说的具身原生本身”。
---
`01:00:00` 意图实现与大脑边界：从位置随机泛化迈向 GPT-1 临界点
针对外界关于大模型在机器人领域究竟扮演“大脑”还是“小脑”的争议，沈宇军给出了清晰的能力界定： - **高阶决策交互（灵波目前未涉足）**：涉及自主意图生成与深层推理。例如早晨感知到窗外下雨，主动拿一把雨伞递给用户。这属于数字世界多模态 LLM 的思考范畴。 - **意图落地执行（灵波当前核心定位）**：沈宇军明确表示：“他就只管意图的实现，就是你有个想法他帮你做了，但是他不会有、他不会产生自己的想法，他不会主动帮你去想你要做什么。”
在纯粹的物理执行层面上，抛弃数字模型魔改路线、坚持具身原生预训练的 VA 2.0，展现出了应对**物理随机性**的质变。沈宇军给出了两个代表性测试场景： - **实时击打桌面碰撞球**：机器人仅依靠自身搭载的双目摄像机，在完全不依赖外部动捕或多视角场外相机追踪的情况下，以极高频的实时响应击回对手快速打来的撞球，证明其在毫秒级时延内处理随机位置突发输入的能力。 - **非结构化桌面动态整理**：面对将一筐积木杂物随机泼洒在桌面的场景，机器人可以自主规划收拾。若测试者在中途故意拿走已抓取的物品，或将物品打乱重新摆放，甚至人类伸手协作帮收，机器人都能感知状态动态调整，不再机械重复死板动作。
沈宇军指出，这种突破代表模型已经实现了扎实的**“位置泛化”**，而不是单纯靠固定轨迹的强化学习（RL）硬背指令。
而在跨任务泛化（Zero-shot 迁移至完全未见过的任务）上，灵波也在加速迭代： - 在 1.0 时代，评估是“单模型单任务”，100 个任务需后训练（Post-training）微调出 100 个独立模型，每个任务需约 100 条高质量真机演示数据。 - 到了 2.0 时代，系统已能实现多任务合并，10 个任务可合并进一个模型统一求解；后训练所需的数据量大幅下降至约 20 条。
谈到具身智能当前的行业周期，张小珺询问行业是否已迎来具身智能的“GPT-1 时刻”。沈宇军冷静地给出否定判断：“今天我还是觉得也没有到这个阶段就是具身智能本身……因为现在还没有看到一个比较好的能够做数据 scale up 的方式。”
他分析指出，LLM 之所以能爆发，是因为海量的互联网文本天然现成；而具身智能虽然在架构上做到了原生，但底座预训练仍依赖海量互联网视频，真机采集的 6 万小时数据在量级上仍比互联网数据低了两个数量级。在他看来，唯有数采标准化、真机与自监督采集渠道彻底铺开，使具身原生数据达到能与互联网数据匹敌的量级并实现自发 Scaling 时，具身智能的 GPT-1 时刻才会真正降临。得益于目前十万卡集群等成熟算力基建，行业迭代效率远超以往，这一临界点可能不会让人等待太久。
`01:10:00` 机器人的 GPT-1 时刻与原生基模的“豪赌”
谈及具身智能究竟何时迎来属于自己的“GPT-1 时刻”，沈宇军认为，随着配套工具的成熟和团队基础设施（infra）水平的提升，具身模型从起步走到类似突破点所耗费的时间或许不会像当年语言模型那么漫长。但由于蚂蚁灵波下定决心要做“原生具身基础模型”，其所需要的算力与数据资源，远远超出把具身任务仅仅当成数字世界模型下游微调的做法。
回顾做原生模型的决心，沈宇军坦言团队当时并不纠结。在发布 1.0 版本时，团队就已清醒地意识到瓶颈所在：过去很多特性是强行在数字世界的大模型上“魔改”，但改得再精巧、再 fancy，底层的固有缺陷依然会彻底暴露出来。因此 1.0 一发完，他们便拍板必须具备从底层训练原生模型的能力。沈宇军直言这无疑是一次押注（bet）：“我们也不确定这个东西是不是能成功，是不是能训出来，因为之前也没有人有过这样的经历；但我觉得值得一赌，因为在我们看来，如果数字世界的那条路走不了特别长远的话，那这是一条必经的路。如果走不通……或者说如果不是我们走通，也会有人走通的，因为我觉得这可能是正确的路。”
这次尝试带来了令人惊喜的“Aha moment”。沈宇军提到，最让他惊讶的是机器人与人配合打球（如桌面足球类对抗）的任务。该任务极度考验综合性能，不仅要求执行速度极快，还要求预判与应对随机性的能力极强。最出乎意料的是，在预训练完成之后，为了让模型学会该任务，他们实际只采集了大约 20 条数据就成功跑通；而在过去，无论采多少数据都极难将此类高动态随机性覆盖好。
对于硅谷前沿实验室的借鉴，沈宇军提到了 Generalist（Skild AI 旗下）和 Physical Intelligence (Pi)。公开数据显示 Generalist 拥有几十万甚至可能近百万小时的数据储备，数据管线更加成熟，也更早切入预训练。但蚂蚁灵波的路线与之不同，他们坚定相信必须从视频生成路线中汲取物理世界先验，将视频生成做成原生的具身预训练，这在业内尚无先例。对比硅谷两家标杆，沈宇军指出两者的底层理念截然不同：Generalist 更强调高效的后训练（post-training），而 Pi 则追求极端的 Zero-shot（零样本），希望模型无所不知、彻底免除后训练。沈宇军认为两者殊途同归，未来机器人进家庭必然兼备这两种能力：80%~90% 的基础家务进门就会做（Zero-shot），剩下 10%~20% 特殊任务由人现场教一遍就能学会（In-context learning）。此外在技术路线上，Generalist 对 UMI（通用操作接口）的数据理解更深，而 Pi 在真机遥操作（teleoperation）上积淀更为扎实。
```mermaid flowchart TD accTitle: 硅谷具身基模技术路线与未来家庭形态 accDescr: 对比 Generalist 和 Physical Intelligence 的技术路线及最终融合能力
subgraph Approaches["硅谷标杆路线"] G["Generalist<br/>强调高效后训练<br/>深耕 UMI 数据管线"] P["Physical Intelligence (Pi)<br/>强调 Zero-shot<br/>深耕真机遥操作数据"] end
subgraph FutureHome["未来家庭终局能力"] Z["80%~90% 基础技能<br/>Zero-shot 进门即用"] I["10%~20% 特殊任务<br/>In-context learning 教学即会"] end
G --> I P --> Z ```
---
`01:15:00` 语言模型是入口，数据 Scale Up 才是原生核心
随着 Egocentric（第一人称视角）数据采集与灵巧手技术的兴起，沈宇军预判夹爪终将无法满足复杂精细操作的需求，真机遥操作与 UMI 两条数据管线未来也会面临升级与合流。当前各流派分歧的本质，归根结底在于“如何获取数据”与“如何使用数据”。
针对去年外滩大会上关于“具身智能是语言模型的支线，还是独立学科”的激烈论战，沈宇军明确倾向于后者。他认为，语言模型的核心是让机器听懂人类指令，而具身智能要解决的根本问题是“怎么把一件事情干好”——干好事情的执行过程本身不需要时刻依赖语言。“换句话说，如果不是语言，你假如说一共就一万个任务，然后你只把这一万个任务编成固定的编码给它，可能也行，只是它没有办法在任务维度再泛化了；但语言模型本身可以在那个维度再泛化嘛，它解决的是需求泛化的问题，但这个明显不是现在这个阶段具身智能的核心落脚点。”具身模型未来会继续把大语言模型当作绝佳的人机交互入口，但底层必定会长出独立的物理世界模型系统。
回顾 2024 年底至 2026 年行业的发展，硬件与落地的演进速度大大超出了沈宇军的预期： - **硬件与量产**：宇树、智元等本土企业已将本体量产链路跑通，供应链迅速成熟。 - **末端执行器与传感器**：灵巧手公司层出不穷，触觉传感器加速涌现，行业已不再满足于简单的二指夹爪。 - **落地验证**：去年西湖论剑或世界人工智能大会（WAIC）期间行业还在排队“秀 demo”（例如“24年倒咖啡、25年叠衣服”），而今年 Figure 展示物流分拣、各大厂商深入工厂实测，大家已不再使用传统控制算法拼凑演示，而是全线尝试用端到端模型落地进真实场景。
---
`01:20:00` 数据规模百万小时起步，大脑与本体的交替上升
在全行业突飞猛进的背景下，沈宇军认为唯一不及预期的环节依然是“数据”。过去一年业内虽高呼需要数据，但由于缺乏真正的具身原生基座模型作为驱动引擎，大家对海量数据的渴求并未转化为紧迫行动。他给出了具身原生预训练的数据量级蓝图：
- **阶段目标（预训练起步）**：至少需要 10 万小时完全用于具身原生预训练的纯净数据。 - **理想稳态（通用与操作平衡）**：需要达到 100 万小时起步的数据量，使物理具身数据与互联网多模态数据达到相对平衡，兼顾通用物理常识与微观操作知识。
针对行业从“本体模型双修”转变为“只做大脑不做本体”的趋势，沈宇军剖析了底层逻辑。当前单一硬件本体几乎无法做到通用，若要落地就必须针对特定场景设计本体进行成本优化与功能剪裁，而过早做六边形战士本体必然导致硬件超配、成本失控；更关键的是，目前谁也无法断言哪个场景能最先爆发。
更深层的原因在于：“大脑的开发目前是落后于本体的，今年的主要矛盾应该是怎么让它先变得能把活干好。”正如业内所言具身干活目前仍是“一片荒漠”。沈宇军指出，大脑与本体的关系绝非割裂，而是“交替上升”的螺旋迭代： 1. **当前阶段**：本体硬件与量产跑在前面，大脑智能严重滞后，行业全力攻坚大脑算法； 2. **下一阶段**：随着做大脑的团队爆发，智能水平超越现有本体极限，算法会对本体提出前所未有的控制需求； 3. **重构阶段**：届时将诞生一批由“AI 智能重新定义”的新一代本体公司，硬件参数不再按照传统机械工程指标堆砌，而是完全为了“模型更易控制”而定制； 4. **循环驱动**：更强的本体又会倒逼智能再度暴露出不足，循环往复。
因此，上一代硬件无法直接平滑适配下一代模型，首当其冲需要重构的是触觉等传感器。传统传感器设计一味追求力控测量绝对精准，但在 AI 时代，神经网络可能更渴望极致的响应延迟与高刷新率而非绝对数值精准。这种取舍唯有从模型端出发才能重新定义。
---
`01:30:00` 创业是赌出来的：灵波的架构原生与数据原生
从 2.0 迈向未来的下一代基模，沈宇军表示蚂蚁灵波在物理特性与架构原生（时间流逝理解、推理效率）上已经突破，接下来的核心战役是推进到“数据原生”，攻克极度消耗数据的“任务泛化性”。
虽然业界普遍看好 Egocentric（第一人称视角）数据采集，但沈宇军保持着冷静：仅凭头部相机视角拍下来的数据是否足以支撑灵巧手复杂的微操动作，至今仍是未知数。采集理念必须真正打磨成高可用产品才能规模化推开。当下模型团队面临的核心两难，正是**数据质量（多模态、精细度）与规模化（量大、成本低）之间的拉锯平衡**，必须明确模型在预训练阶段到底可以舍弃哪些无用冗余，规模化才能真正爆发。
谈及从科学家转型为创业者，沈宇军感慨这是人生的两个“第一次”：第一次面向真实业务落地（“业”），第一次躬身创业（“创”）。在落地层面，他学会了不再盲目追求技术自嗨，而是死磕“有商业价值的领先”，优先确保模型支持任务的广度与泛化；在创业层面，他最大的体会是“创业一定是赌出来的”： > “创业一定是赌出来的……没有人知道哪一个路一定是成功的，然后资源又一定是有限的，所以在有限的资源下、路径不确定的情况下，就是要赌。敢做决定、敢赌，这是我觉得很关键很关键的一点。因为如果说一条……大家如果都知道哪条路是成功的，那为什么是你成功？如果那条路一定成功，大厂一定成功，这是百分之百的，有更有资源、更有人的地方一定会成功。但是在路径未知的时候，如果犹豫不决，很有可能最后就什么都做不出来。”
在灵波的发展历程中，不碰本体是第一场豪赌，而坚持做具身原生基模是另一场更大的豪赌——很可能投入海量算力与长达一年的时间，模型却最终不收敛。但沈宇军认为，既然数字世界的微调路线无法通向物理终局，这便是不可逃避的关口。
在与母公司蚂蚁集团的关系上，蚂蚁秉持“AI First”战略，将灵波定位为承载集团物理世界人工智能上限的先锋，以此补齐数字生活服务向物理世界真实交付服务的关键跳板。组织架构上，蚂蚁给予灵波类似独立创业公司的高自治空间，同时共享底层算力基础设施。在这几次路线选择上，集团与团队虽有讨论辩论，但最终给予了团队充分的信任与决断权。
---
`01:40:00` 终局格局、导师汤晓鸥与豁达的人生哲学
对于未来具身智能的终局格局，沈宇军预测它将与大语言模型十分相似：最终由一两家顶级大厂以及两三家顶尖创业公司鼎足而立。蚂蚁灵波的定位是一家“背靠大厂的创业公司”。未来各家会分化出各具特色的生态壁垒（场景生态+本体生态+数据生态），例如部分模型擅长精密微操，部分擅长超长程复杂规划，最终在迈向“机器人进家庭”的通用终局前各据一方。
当被问及对“双足人形机器人”是否有执念时，沈宇军斩钉截铁地表示“没有”：“毕竟是从一个创业公司的角度来讲，我觉得我们一个阶段解决一个最核心的问题就好了。现在当下最核心的问题就智能不够！我觉得还没有到……现在到底是轮式还是足式，或者说它构型应该长什么样，还不是现在的核心卡点。现在核心卡点是智能不够，然后智能不够的核心卡点是数据不够。”他笑称，若智能不足以把活干好，无论轮式还是双足，自己都不会允许它进入家庭，此时过早争论机械形态毫无意义。
谈到已故导师汤晓鸥，沈宇军回忆汤老师极度幽默风趣（同为东北人倍感亲切），更具备一种在混乱与混沌中一针见血揪出“主要矛盾”的超凡洞察力。在当年博士答辩时，面对沈宇军做的图像视频编辑研究，汤老师没有纠缠于技术细节，而是直接抛出一个直击灵魂的落地问题，直指当时上一代 AI 缺乏实际应用场景的最大痛点。
沈宇军坦言，目前的具身模型离普通大众生活依然遥远，主要面对开发者，行业沟通中被问及最多的依然是“如何复现、如何做好后训练”。但后训练需要极高的数据清洗与调参诊断能力，并非简单微调。若能做出类似桌面足球那样即时可玩的实体交互，公众的体感与参与度才会真正打开。他最大的愿望，是未来具身智能能像语言模型 App 一样飞入寻常百姓家，可以直接带一个机器人给父母使用，那时的成就感将无可比拟。
在访谈尾声的快问快答中，沈宇军流露出率真的一面： - **人生之书**：推荐金庸的《笑傲江湖》，坦言自己反复读过很多遍，尤其向往令狐冲身上那种豁达超脱、“什么都不太在乎”的心理境界。 - **机器人的性格偏好**：坚决希望机器人是一个利索干活的“J 人”（MBTI 计划型人格）。他毫不犹豫地表示：“在提供情绪价值和干活之间，我会果断地选择干活。情绪价值应该由人来提供，机器人核心还是要实用。” - **行业标杆**：高度评价了 Generalist 在数据规模化上的 blog 分享、Physical Intelligence 的扎实工作以及 Google DeepMind 的长期探索；并坚信中国无可替代的本土硬件与供应链优势，必将在全球具身智能演进的历史长河中留下不可磨灭的印记。
`01:50:00` 具身数据的规模化标准与行业协作
在访谈的尾声，话题重新落回制约具身智能发展的核心瓶颈——数据。针对如何打破高质量物理世界数据的获取瓶颈，沈宇军指出，除了团队自身在采集方法上的探索，与生态伙伴的深度合作也是必不可少的一环。具身智能所需的数据量极其庞大且对物理交互精度要求苛刻，单靠某一家团队闭门造车很难在短时间内建立起可扩展的数据飞轮。
沈宇军强调，要真正实现具身数据的规模化，关键前提在于建立统一的规范与采集标准。没有标准化定义的数据往往杂乱无章，不仅清洗和对齐成本极高，甚至会对原生多模态大脑的预训练产生负面干扰。因此，蚂蚁灵波正积极携手业内优秀的数据采集与处理合作伙伴，共同摸索更加高效、规范的工业化流程，推动物理世界交互数据从散兵游勇式的采录走向工程化的规模扩张。正如沈宇军所言：“就是我们会有一些比较好的数据的合作伙伴，对，然后可能也会跟他们一起说，看看怎么一起去把这个数据做得更好，因为数据你所有的规模化都一定要有标准，对，所以从这个方面我们是在积极的（推进）。”
- **数据标准化的战略意义**：具身智能数据的规模化（scale up）不能仅停留在体量堆砌上，核心在于建立严格统一的采集标注规范，这是保证模型跨场景、跨本体泛化能力的基础。 - **开放协作生态**：面对百万小时起步的数据缺口，通过联合专业数据伙伴共同攻坚，是推动机器人原生基础模型走向下一次质变跃迁的必经路径。
## Notable quotes > `01:40:00` 在提供情绪价值和干活之间，我会果断地选择干活。情绪价值应该由人来提供，机器人核心还是要实用。 — 沈宇军
> `01:40:00` 现在核心卡点是智能不够，然后智能不够的核心卡点是数据不够。 — 沈宇军
> `01:20:00` 大脑的开发目前是落后于本体的，今年的主要矛盾应该是怎么让它先变得能把活干好。 — 沈宇军
> `01:30:00` 在有限的资源下、路径不确定的情况下，就是要赌。敢做决定、敢赌，这是我觉得很关键很关键的一点。 — 沈宇军
> `10:00` 研究员认为的先进的技术跟行业需要的先进技术是会有 gap 的。 — 沈宇军
> `00:00` 离开视觉机器人肯定是没办法工作的，我觉得这是一个对视觉的强依赖。 — 沈宇军
## Mentioned 沈宇军, 张小珺, 汤晓鸥, 柯丽一鸣, 蚂蚁集团, 蚂蚁灵波, 商汤科技, 字节跳动, 蚂蚁技术研究院, Physical Intelligence, Generalist, Skild AI, Google DeepMind, Figure, 智元机器人, 宇树科技, 特斯拉, StyleGAN, Dino V2, Limbo Vision, Limbo Depth, Limbo Video, Limbo World, Limbo VA 2.0, VLA, UMI, 金庸, 《笑傲江湖》
## Video description 进入2026年，中国科技业萌生了一个新现象：出现一批从机器人大脑出发的公司，现阶段重心不在本体上。这个现象是反直觉的——过去，大家认为，硅谷机器人团队更专注大脑研究，中国机器人团队更专注硬件和本体。 在我们上集节目中，我访谈了Physical Intelligence(Pi)研究科学家柯丽一鸣。Pi是一家在硅谷做机器人大脑的备受瞩目的实验室。业内人士把它们比作机器人的OpenAI。 今天我邀请的是一位在本土探索原生具身基模的公司，是由蚂蚁集团孵化的子公司蚂蚁灵波，目前刚发布第二代具身基础模型。 我与首席科学家沈宇军聊了聊，如何从预训练开始训一个机器人模型？瓶颈是什么？机器人的GPT-1 moment在哪里？——大家也能从中感受一些中美思路的融合与差异。 接下来，就是我对沈宇军的访谈。 OUTLINE: 00:02:03 蚂蚁灵波的缘起 人工智能学生的一段迷茫与辗转 从字节跳动到蚂蚁研究院 蚂蚁成立子公司蚂蚁灵波做具身智能始末 00:16:03 做机器人的原生大脑 为什么决定从大脑开始？ 通用意味着跨本体、跨场景、跨任务 24年底成立以后，25年、26年bet了什么？ 25年：从真实传感器出发解决问题 26年：既然没办法push数字世界修改模型，基于物理世界的需求重做一遍 预训练准备数据核心是：1、你要下发什么样的任务，2、拿到数据以后怎么处理更干净 这次发布的6个模型和他们的关系（Depth、Vision、VLA、Video、World、VA 2.0） 但更本质的智能我们还没解决：把和人的交互考虑进去 做具身大脑之后，处理位置随机问题的能力强了很多 机器人泛化性的迹象到底出现了吗？ 01:07:29 数据没有scale up是最大卡点 具身智能还没有到GPT-1时刻，因为没有看到比较好的做数据scale up的方式 当具身数据和互联网数据能达到相同量级，可能才到GPT-1时刻，我预计明年中 发完第一代模型我们就意识到，强行在数字模型上魔改不work 硅谷两家机器人大脑公司 ：Physical Intelligence强调zero shot，Generalist强调后训练 随着灵巧手的成熟，真机遥操作和UMI（Universal Manipulation Interface，通用操作接口） 两条数据采集路线可能变化 细数2024-2026年具身智能全行业的发展与速度 行业发展不及预期的仍是数据，需要百万小时起步的数据量 01:23:10 机器人大脑与本体的关系 为什么不做本体？本体很难通用，如果场景选不准，本体设计有问题 现在大脑的开发落后于本体，未来大脑和本体一定交替上升 这一代的硬件不一定能够迭代去适应下一代的模型，尤其是传感器 接下来的几代机器人基座模型会如何迭代？ 01:31:48 创业是赌出来的、与蚂蚁的关系、汤晓鸥 下过的“赌注”？ 蚂蚁如何管理蚂蚁灵波？ 最好的预期和最坏的预期？ 最终的产业格局？也许贴近大语言模型的格局 你对人形机器人有执念吗？ 没有！ 当下的核心任务只有一个：智能不够！ 我的老师汤晓鸥 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出； 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉
[Source](https://www.xiaoyuzhoufm.com/episode/6a5f79b3a3fec224d5a128cd)