节目开篇直切物理 AI 的安全命门。于开丞指出，任何跟真实物理世界产生交互的系统，底层必须有一套强规则作为最终的安全兜底，即便是行业标杆特斯拉也不例外。他直言不讳地评价：“哪怕特斯拉也是一样，当然特斯拉是这里面做的比较菜的，所以特斯拉其实出了非常多的问题，坦率的说，只是大部分的公众可能看不到跟不关注。”
面对二级市场上大量跟风涨停的“物理 AI 概念股”，沈帅波抛出了尖锐的问题：普通人如何识别哪些是蹭热点的“伪概念”？于开丞坦言自己不炒股、缺乏金融投机思维，日常时间都扑在技术开发与服务真实客户上，但他从产业底层逻辑给出了最务实的辨别标准：“你要是这么问我的话，我觉得分辨上来的话，主要就看它的技术研发投入到底有没有支撑它这个未来的收益。”缺乏真金白银研发投入的公司，很难在物理 AI 的深水区拿出实质性突破。
- 自动驾驶本质是 AI 观察、收集人开车的数据，学会后反哺人类，但绝大多数行驶里程都是平淡无奇的正常工况。
- 致命事故在驾驶数据中占比不到万分之一，但这极小比例的数据恰恰构成了安全决策最核心的依据。
- 世界模型的价值在于让自动驾驶与机器人具备对未来 3-5 秒进行 10 种到 30 种不同情况的“预先推演能力”，告别被动响应。
- 资本市场对物理 AI 的狂热追捧，本质上是人类对“由机器人替代人类去深海、矿井、火场、搜救等高危极限场景作业”的长期期待在金融层面的投射。
沈帅波问及硬件终端厂商（如掌握 OS 权限的手机厂）是否会在物理 AI 时代占据不可逾越的入口优势，于开丞分析道，从 1 到 5 分的早期阶段，竞争的核心死穴不在于物理终端入口的卡位，而在于“基座模型算法本身的技术突破”。现实世界中沉淀的历史多模态传感器数据其实极其庞大，数据源目前尚未被终端入口完全垄断，模型的理解与推演能力才是真正的瓶颈。
```mermaid
flowchart LR
accTitle: Industrial Engine vs Scientific Mother Hen
accDescr: Comparison of industrial mass production versus AI-driven scientific breakthroughs.
subgraph S1["工业革命时代"]
M1["工业母机"] --> P1["规模化量产"] --> R1["解决温饱/告别匮乏"]
end
subgraph S2["物理 AI 时代"]
M2["AI 成为『科研母鸡』"] --> P2["探索高精尖与无人区"] --> R2["催生全新生产力与体验"]
end
```
面对沈帅波关于“大厂互联网人做物理 AI 往往水土不服”的提问，于开丞分析了两种思维模式的本质差异：
- **互联网思维**：天然以经营 C 端规模、快速拉新与商业流量变现为导向，习惯做短平快的产品玩法包装；
- **硬科技/物理 AI 思维**：深陷底层数理与现实环境约束，研发周期漫长且无法跳过基础技术积累阶段。
```mermaid
flowchart TD
accTitle: Four Pillars of World Models
accDescr: The four core modules of a world model leading to recursive self-improvement.
subgraph Core["世界模型四大构建阶段"]
A["1. 环境重建"] --> B["2. 智能体行为建模"]
B --> C["3. 未来状态推演"]
C --> D["4. 递归自进化 (RSI)"]
end
D -.->|"最深无人区：自我反省 + 安全对齐"| Core
```
将视线投向当下爆火的人形机器人（Humanoid Robot）赛道，很多团队发布的酷炫动作展示被调侃为“录好轨迹的预制遥控器”。于开丞直言，这类机器人核心缺失的正是物理 AI 底座模型：
- **生物进化的自然法则**：自然界生命的演化必然遵循从草履虫到简单多细胞生物、再逐步演进至类人高等动物的渐进过程；
- **机械记忆 vs 真实物理通用性**：目前许多具身智能方案依靠采集海量人工遥操示教轨迹（Demonstration Trajectories）进行机械背诵，虽然短期内能完成打乒乓球或叠衣服等单点动作，但由于缺乏物理世界底层规律的推演能力，环境稍有扰动便彻底失效；
- **西湖数智的定位**：团队并非直接下场制造类人肢体或专门做机器人本体的大脑代工，而是致力于从简单物理规律推演做起，由小到大、由简到繁，打造普适于整个真实物理交互场景的底层模型基座。
---
`58:52` 创业科学家当下最核心的两大挑战
作为兼具科学家与创业者双重身份的团队领头人，于开丞坦陈西湖数智当下正面临两大硬核关卡：
1. **技术进入无人区**：团队日常迭代已经把行业推向缺乏成熟论文与前人经验的未知地带，模型研发完全是在“摸黑探索”；
2. **打通陌生环境的商业闭环**：如何将物理世界模型植入一个高度陌生的物理落地场景，并让模型在该场景内凭借极低成本实现长期的“自我进化闭环机制”。这套兼顾物理泛化与商业 ROI 的完整链路，目前在全球范围内尚无任何团队彻底做成。
`01:00:00` 技术与商业深度绑定：创业者的自我定位与专业分工
在物理 AI 和世界模型这一前沿赛道中，科学探索与产业应用之间的边界正在被彻底重塑。于开丞指出，该行业呈现出一种少见的“科研与商业紧密交叉”的特征。如果是传统的生命科学领域，走出实验室落地投产往往意味着与科学研究本身脱节，但 AI 行业却截然不同：“其实我们所处的这个行业是一个技术跟商业深度绑定的地方，一个模型做得好，马上就能看到效果，这其实是我们行业所带来的特殊性。”在这里，企业提供价值的核心途径就是底层技术的突破，二者高度共生。
```mermaid
flowchart TD
accTitle: 技术与商业在不同阶段的演进关系
accDescr: 展示物理AI早期科研与商业高度重叠，以及中远期专业分工解耦的发展路径
subgraph Early ["早期探索阶段（0-3年）"]
A["技术突破与商业落地深度绑定"]
B["创业者身兼科研与商业双重角色"]
A <--> B
end
subgraph Future ["成熟爆发阶段（3-5年及以后）"]
C["科研与技术底座持续攻坚"]
D["引入资深商业化团队开拓落地"]
C -->|"技术赋能"| D
end
Early -->|"分工解耦与规模化"| Future
```
- **科研与产业的关系差异**：传统生命科学在实验室成果转化后科研与生产分化明显，而物理 AI 领域模型效果可直接转化为商业价值，二者处于即时闭环。
- **团队构成优势**：团队内部已吸纳多位具备成熟 ToB 解决方案背景、验证过商业结果的资深骨干，确保技术落地无缝衔接。
---
`01:02:18` 物理 AI 的时间尺度与“思科时刻”：短跑狂欢还是长周期基建？
谈及物理 AI 究竟需要深耕多久才能迎来终局，沈帅波和大模型行业至今未息的“军备竞赛”进行了对比。于开丞预估，物理 AI 的演进至少需要三到五年的时间跨度；而若要真正实现技术构想中的宏大图景——打造一个能“从世界中来、到世界中去”、充当通用科研引擎的“科学母机”，则是一场长达 10 到 20 年的漫长征程。
面对英伟达与黄仁勋在算力基建上的巨大成功，于开丞表示黄仁勋在二十年前便坚决押注让算力赋能科技与科学计算，因此吃到了当下最大的一波行业红利，这是无可厚非的战略远见。但他同时借用互联网发展史类比当下的 AI 格局：在互联网初期，首批市值登顶的是以思科（Cisco）为代表的交换机硬件厂商；然而随着产业爆发，后来诞生在这些基础设施之上的互联网应用企业，其体量与市值纷纷超越了基础设施提供商数倍甚至数十倍。“我们所处于这个时代叫做技术的突破期，技术的突破期后来有产业的爆发期，可能这两个关联关系还是有一个先后的过程。”于开丞明确表示，自己所在的团队不会盲目去追逐做一个消费级（ToC）的爆款单品，而是坚定地做好自身擅长的高壁垒硬科技基石。
西湖数智于开丞称物理AI仍处早期 离散语言模型无法吞噬世界模型
物理交互基于连续时空动力学且必须依赖硬规则兜底，仅凭记忆海量离散Token的大语言模型无法替代具备未来推演能力的世界模型。
于开丞在对话中强调，世界模型与数字孪生的本质区别在于利用连续物理规律预测下一刻状态，其底层数学逻辑与基于离散 Token 的大语言模型截然不同。他指出物理 AI 绝不能脱离硬规则裸奔，必须在强规则安全兜底的前提下依靠模型提升适应上限，并明确团队选择了更偏工业与具身智能决策的“隐空间派”路线。针对当前人形机器人沦为“录好轨迹的遥控器”以及落地无人区难题，他提出世界模型的终局是成为驱动尖端科研突破的“科学母机”，呼吁行业在资本狂热中坚守研发基石与长期主义。
西湖数智创始人于开丞指出，世界模型本质是基于历史连续时序状态预测下一个物理状态，与仅在计算机内做 1:1 三维映射的传统“数字孪生/环境重建”存在代际差异。 (0:00)
大语言模型基于离散的符号 Token 空间构建，而真实世界的力矩、摩擦与几何位移是绝对连续的流形，底层数学逻辑的本质差异决定了大模型无法靠单纯堆叠算力吞并物理世界模型。 (14:24)
物理 AI 与世界模型领域已分化为显式派与隐式派：前者注重 3D 渲染与影视游戏级视效，后者（如西湖数智）将物理规律压缩至数学隐空间，专注工业具身与动态决策。 (24:17)
物理 AI 系统绝对不能裸奔，必须依赖不可逾越的自上而下硬规则与安全卡口兜底保险，特斯拉也不例外；模型核心是负责在规则之上拉高泛化与决策上限。 (41:08)
西湖数智在世界模型最深水区“递归自进化（RSI）”方向取得突破，通过为模型内置自我判别器实现“哪里不会学哪里”，计划于年底对外发布最新成果。 (51:15)
Reading summary
西湖数智创始人于开丞指出，物理世界模型与大语言模型在离散与连续的数学底层上存在根本差异，物理 AI 必须依赖强规则进行安全兜底，其发展是一场需经历多年技术突破并直面自进化无人区的长周期基建。
世界模型的本质与安全兜底 (0:00)
世界模型并非传统数字孪生的静态三维环境重建，其核心机制在于结合历史观察推演未来下一状态。在自动驾驶与机器人等物理交互场景中，海量行驶数据中的致命事故占比不足万分之一，传统被动响应难以应对长尾极端工况，而世界模型赋予智能体在毫秒间预演未来数秒内数十种路径的能力。面对二级市场炒作，研发投入是否足以支撑未来收益是核心辨伪标准。
于开丞强调，任何涉足实体物理世界的 AI 绝对不能完全依靠模型“裸奔”，特斯拉等先行者在实际运行中也暴露了诸多问题。在控制架构上，底层必须设置不可逾越的自上而下硬规则与安全卡口作为下限兜底，一旦触碰红线必须强制物理制动；世界模型的真正定位是在守牢安全底线的前提下，赋予机械执行机构因果推演与应对突发交互的柔性上限。
离散语言符号与连续物理空间的鸿沟 (14:24)
针对投资人关于大语言模型是否会吞噬世界模型的疑问，于开丞从底层数学逻辑进行了解构。大语言模型构建在人类抽象出的离散符号（Token）之上，词元之间缺乏物理连续的几何与动力学关系；然而现实物理世界的运动、位移、受力与摩擦则是绝对连续的时空流形，无法仅靠堆叠算力将离散预测强行转化为连续物理规律。于开丞评估，当前文本模型在其赛道成熟度可达 7 至 8 分，而物理世界模型仅处于 2 至 3 分的早期探索阶段。
在路线选择上，物理 AI 已经分化为追求高保真像素渲染的“显式派”与聚焦动力学规则压缩的“隐空间派”。显式派主要服务于泛娱乐视效与游戏，而西湖数智选择深耕隐空间路线，将时空特征压缩至数学隐空间，优先解决工业制造与高危作业的物理因果决策。此类物理基座模型并不与机器人终端本体绑定，而是侧重提供跨场景的通用交互法则。
研发四部曲与自进化安全边界 (51:15)
世界模型的攻坚包含环境重建、智能体行为建模、未来推演及递归自进化（RSI）四大阶段。当前多数具身智能团队依赖人工示教轨迹让机器人机械背诵动作，缺乏通用泛化能力，本质类似“预制遥控器”。业内最深的技术无人区在于递归自进化，若缺乏约束盲目演进极易失控，且物理世界成本高昂、反馈迟缓。西湖数智正在研发内置“自我判别器”的机制，尝试让模型自主检测短板以实现定向学习。
面对宏观产能过剩的质疑，于开丞认为基础工业品过剩与高端芯片制程等核心领域短缺并存。AI 的终极定位并非单纯帮低端流水线节省人力成本，而是扮演“科研母鸡”的角色，通过对物理规律的深度推演沉淀高价值经验，甚至实现个性化交互体验与物理空间构筑，以技术突破开拓全新增量市场。
商业共生与十至二十年长周期 (60:00)
与传统生命科学研发与产业易脱节不同，物理 AI 呈现出模型突破与商业转化高度共生的特征。于开丞认为创业早期团队必须兼顾底层算法研发与商业落地，并在中远期逐步引入资深商业化团队完成专业分工解耦。针对目前缺乏成熟经验的痛点，如何在高度陌生的物理落地场景中以极低成本形成自进化闭环，是团队当前面临的核心挑战。
在发展周期上，于开丞预判物理 AI 形成初步产业规模需 3 至 5 年，而演变为通用的“科学母机”需 10 至 20 年的长期积累。正如互联网早期思科等硬件厂商先行获益、随后应用生态爆发一样，当前物理 AI 正处于底层技术突破期。创业团队需坚守高壁垒硬科技基石，避免盲目被二级市场躁动或短期流量打法裹挟。
物理世界模型目前在全球范围内仍缺乏在陌生场景低成本形成自进化闭环的先例。随着底层算法在垂直领域的逐步验证，该技术范式能否在保持严苛安全兜底的同时顺利走出实验室，仍有待实体工业严苛工况的长期检验。
Source quotes
[41:08] 于开丞: 物理 AI 绝对不能裸奔，没有任何物理 AI 完全靠模型跑！必须有硬规则兜底保险，特斯拉也不例外。
[14:24] 于开丞: 文字模型本质上是构建在离散空间之上的一套模型，而我们的世界模型是构建在连续世界之上的一套模型。
Original transcript
[0:00] 所有跟物理世界发生交互的东西一定有一套强规则作为最后的兜底哪怕特斯拉也是一样当然特斯拉是这里面做的比较菜的所以特斯拉其实出了非常多的问题坦率的说只是大部分的公众可能看不到跟不关注Hello大家好,欢迎来到我们的节目,我是孙小波,这是一档由竞技波财经出品的播客节目,我们关心商业的趋势,商业的未来,也关心我们如何在这一个商业的时代更幸福更快乐的生活。那我们今天要聊一个很前沿的话题叫做世界模型但问题是啥是世界模型最近的关于像包括李飞飞的公司被收购啊A股上很多号称是做事件模型和物理AI的公司都涨停了包括这个特斯拉全新的这个新闻等等都告诉我们说世界模型很重要很值钱但是到底它又是什么?它到底会带来怎么样的改变?今天请到了嘉宾就是国内世界模型赛道上最早的实践者之一他就是西湖数字创始人兼CEO于开成老师那么翻开于老师的人生履历啊,可以说是别人家的孩子。本科毕业于香港大学计算机,博士在瑞士洛桑联邦理工,并且在阿里达摩院、英特尔实验室等著名的头部机构任职,手握五项自动驾驶和大模型相关的国家发明专利。一边呢在西湖大学做前沿学术研究一边呢带队做产业落地理论功底和实战工程经验都非常的丰富啊所以我们这一期节目啊,我们会好好地聊一聊世界模型的差别,同时也不止局限于自动驾驶,我们来看一看世界模型还能在哪一些地方发挥价值和落地解决难题,同时呢我们也会聊一聊国内世界模型赛道的机会,短板,以及这一项技术长远。会给整个行业带来怎么样的变化让我们欢迎余老师首先第一个问题就是比较小白啊对于普通人来说到底怎么理解世界模型什么又是世界模型好也非常感谢今天博老师的邀请也很荣幸到您的这个播客间来跟大家探讨一下这个问题啊我们其实左世界模型它这个词啊坦白的说它是一个技术上的范式什么叫范式呢其实这个词从学术上的定义它是一个学术名词它是一个技术名词它是一个专业的一个词汇相当于虽然这里面包含了一个世界,一个模型是两个字那很多这个老百姓可能像我们自己的家人也会说那你这个是不是因为世界模型这个比较像一个大漏斗又有世界又有模型好像只要跟这个世界相关的事情对吧你都能装进去啊所以听上去好像是一个非常令人费解的词汇其实这确实是我们在研究这个领域的时候当时遇到的一个有意思的现状世界模型它本质上预测这个世界的下一个状态就他是这个逻辑去来思考这个问题的那这世界之前的事情是怎么做的呢比如说我们在世界模型这个大技术出现之前啊很多人可能都听说过什么数字的孪生我不知道你们有听说过啊就是这个对于这个城市对吧我们很多城市可能都有智慧城市智能城市这个话题那我们知道咱们这个政府部门把整个城市的一些基本的元素道路结构道路啊行人啊车辆啊变成了一个数字化的模型变成了一个城市级别的大脑那这样子的话在大脑里面共享一些信息跟知识所以我们开车的时候遇到堵车的情况大家都知道了那包括有一些资源的调配因为有了这样的一个主脑它都会比较方便这个东西在技术的层面的定义,我们会把它叫做一种叫重建的这样的一个定义。就是我们把一个继承的世界放到计算机的世界里面去重建一遍。这是我们讲可能很多人会对这个名词会更加的熟悉一些的一个名词世界模型其实是希望能在这上面多往前做一步他希望能看到过去的历史预测下一个时间会发生的事情这个东西其实是世界模型这个大的技术名词背后啊可能它蕴含的一个逻辑这个为什么叫世界模型这个展开的是其实是2018年一个外国的学者当时提出了这样的一个理念
[5:00] 他给了这样的一个名词就被现在的技术圈和现在资本圈就沿用了这个名词所以其实是有这么一个渊源在里头的我觉得可能更多人关心的是这玩到底有什么用其实在我们看来尤其是我们在这段时间里面包括我们过往的三年里面其实也在不断的去对科研的话题进行一些探索对一些产业的转化上也进行一些探索举几个最简单的例子一个例子就是我们讲当时自己开始启动这个课题的时候我做的事情是干嘛呢比如说自动驾驶自动驾驶是一个很广泛的应用了每家可能很多人都已经有机会去驾驶一辆这样的车辆了自动驾驶它背后其实是一个我们叫深度学习也好或者我们叫机器学习也好或者叫神经网络也好大家可能会再笼统一点自动驾驶也是个AI它也是个人工智能的这样的一个技术它的本质就是说观察收集人怎么开车的然后呢就是在学会自己怎么开车再服务于人类这是一个后面的逻辑过程这个过程其实就有一个比较难的地方自动驾驶看到的是大家的开车过程咱一般人开车也很少出事儿就出个事故这种事情在整个的你的驾驶里程里面肯定是占了非常小的一个比例可能像我个人在停车场里面有过一点点的刮蹭占我整个的开车生涯 我可能开了能有1000个小时的车了 刮蹭的时候可能也就是那么几分钟的时间所以您能看得到其实在一个个人的世界里面这可能是半分之一都不到的一个可能性但是我们反过来也知道这些万分之一的可能性其实才是很多驾驶决定最核心的决策的逻辑一旦出了个事情肯定都是大事尤其是跟车非常危险的事情当然机器人跟车是非常类似的机器人是更复杂的一个操作对吧比起车只能前后左右机器人可能未来有一天或许可以进到千家万户的时候他也是会面对一个更加复杂的一个现实状态我们当时做世界模型其实就是希望能借助它可预测这件事情的一个能力为什么这么说呢当你只会对过往的决定做一个判断的时候这是一种决定方式这也是很多包括像特斯拉一些老牌的车企它的技术到现在为止做的事情但如果你给脑子加上一个我可以把眼睛一闭我看着现在的环境我就畅想一下未来比如说三到五秒之内可能会发生的十种二十种三十种不同的情况我对未来进行一个先行的预测我是不是能开的就更好了这个时候就有点像我们常说的一种举一反三像咱们自己看到一些现成的情况我们脑子里面会想一想如果我这么干对方会怎么样如果我那么干对方会怎么样其实世界模型就是希望赋予现在这些人工智能的这样的一个已经有了的技术再往前多走一步实现一个我们叫可预测这样的一件事情所以这是世界模型对于我从最宏观的角度可能会去这样定义这个事情当然这里面的技术手段包括方式方法是非常的多样的我们就可能第一个话题可能探讨到这里因为这个东西它很抽象其实对于大家来说或者说现在市场也比较鱼龙混杂对吧就像前面我转到咱们那个群里就是说今天物理AI概念股都涨停了但你仔细点开那些A股的相关公司他好像说的干的活不是你说的这一些活对吧所以我们到底该如何去辨别这些项目呢因为我是在这个行业里可能做的比较多的不超股我这个没有什么金融思路我这个人大部分的时间都在做这个事情本身可能在聊一些客人聊一些这样的潜在的用户服务一些这个客户这两类画像可能会接触多一些所以我自己本身不炒股然后当然我也有炒股的朋友我是觉得股市跟这个技术的本身或许只能反映一件很有意思的事情这个时代对于物理AI的呼唤是这件事情本身可能是大家的期待因为我们都期待着有一天可以有更多的更危险的场景的东西不用人去了只用这种AI的技术去上天下海还有一些危险的这种场景搜救的场景乃至于一些这种下矿的深海的有各种各样这种人其实都不愿意去的地方让这种AI的机器人去其实物理AI就是希望能在这种地方帮助这个世界做一些事情你要是这么问我的话我觉得分辨上来的话主要就看它的技术研发投入到底有没有支撑它这个未来的收益对吧因为有些公司可能如果你去细看它的这个研发投入
[10:00] 比较低的话也很难去真的在物理A这个世界上去做一些事情你像刚刚你说到这些矿场啊等等因为前几年我去参观过这个华为的一个展厅啊一个他们那个总部的一个展厅吧它其实也有什么八大场景还十几大场景其中包括矿场啊什么隧道啊对吧这种高空建设啊等等因为那个时候AI概念还没有开始那么流行其实当时讲的是云计算大数据加上5G和一些前沿点可能准6G的当时说形成这个对矿场这一些东西因为有的时候我会发现说今天我们很多卖给我们的AI硬件和很多AI软件它好像没有实现有效的你刚刚说的这些预测类的它更多的还是有点像大数据时代的东西它就是把已有的那些信息给你盘一盘无非是分类分的可能更细一点很多时候对于普通用户来说他觉得这个AI时代跟大数据时代好像并没有什么很本质的产品上变化比如说前期的时候买了很多AI硬件现在都在挂悬鱼都卖了因为他好像没有解决什么问题对吧比如说我买了个给你健康提议件然后他说你昨天睡的太少了,所以怎么样?我睡的少,我这个事,我必须让你告诉我,我都知道,对不对?所以这个问题你怎么看呢我觉得这很正常像我们今年刚刚我做这个方向做了三年今年刚刚孵化了我们的团队其实是刚起步的一个状态然后我们在整个行业里面应该是走的是比较早的比较靠前的所以其实在我看来 它离所有人都能直接用上 并且马上产生效益的阶段 它是有一个时间周期的 对吧 其实您再拨回去想一想 您会用语言模型类型的这种工具吗 什么workbody 豆包 各种各样的东西 对吧 海外的像trashgbt 或者asropik的cloud 对吧 对 其实我估计您可能多少人还是用过一些的 我不知道您的使用深不深啊 因为我自己可能是一个比较重度的用户他其实在因为我是从23年这时间就用到现在了也是用了很多年在过去的这几年里面我能发现一个很有意思的现象就是它在一开始的时候有各种各样的问题就现在这个时间节点可能很少有人谈及大模型的幻觉问题了但是如果咱们把时间窗口倒回三年去其实那个时候大模型几乎不可用不可以做一些非常严肃的工作因为他经常会犯很多很低级的很傻的错误那个时候大家可能还会取笑他很多人就是各种比如说指路为马林黛玉倒拔吹羊柳那种图片很搞笑还有什么1.99和1.09还有1.19和1.09他哪一个大的问题他们经常会犯这种错误吗包括strawberry里面有几个r 甚至这种问题都会数错但实际上我们会发现技术跌到现在的时间节点很少有人在提及这些问题了乃至于越来越多的大众的使用者他无痛的直接就用上去为什么我会举这个例子呢就是因为在屋里世界模型的范畴也会有非常类似的发展现在这个阶段应该叫诞生期萌芽期我们现在初步的证明了这个技术的一定的可行性并且我们有一个可以规模化的一个成绩的展示但是我觉得它离真正成熟到让一个老百姓开箱即用马上就能产生直接的效果还是有一个时间周期的所以其实我是有这么一个感受的但这个时间周期会不会比语言模型成熟的要快呢可能会比那个时间还要快一些也可能会慢一些因为取决于具体的场景具体的落地的方向对吧那可能有的时候是去你家里干活给你去打扫个卫生有的是工程打个螺丝有些是到实验室里做个实验有些是可能到一些刚刚说到的高危场景去做一些操作它每个不同的领域可能都会面临着一些挑战但是坦率的说这个事情我觉得还是一个发展 并且可能很快就会出现的情况 但不是现在 肯定不是现在大众该如何理解咱们这个团队呢因为其实啊就是说AI世界其实离大众很远据我观察大众其实很难分清楚制谱跟minimax的区别是什么虽然它是两个率先上市的模型公司那咱们如果你要向大家解释形容我们到底是以后给不同行业去做定制方案的,还是说我们就是自己做各种各样的应用的?咱们是个怎么样的公司呢我们现在是一个比较聚焦在基座模型的一个公司
[15:00] 当然这个基座模型就是那个大模型本身对吧因为在这个阶段我们发现这个模型本身还没有被做出来所以现在谈及去做一些应用跟您说的一些后续的事情可能还维持过早当然我们第二个你可以介绍一下我们的逻辑我们的逻辑就是希望这个模型可以走出屏幕走进世界所以我们前段时间可能会提一个有趣的说法叫做让模型形成通过观世界的方式形成一种世界观这就是世界模型的一个很有意思的一种表述因为语言模型其实做的已经很好了它很多时候你先不管用哪一家的对吧但是整个行业在疯狂的发展其实他们脑子里已经形成了一个可以跟人对话的这样的一个逻辑他能听懂你的话甚至帮你干活逻辑但是他很难从屏幕中到现实世界中直接去做事情其实我们在做的事反过来讲就是去弥补或者说去把这件事情给解决掉的一个大的逻辑而我们做的方式是通过抽象一个世界模型的方式去把它做出来这是您说我们一句话表达我们的公司要做什么我们就是让它能在现实世界中发挥作用说白了就是人工智能技术能到现实社会中发挥作用而世界模型是背后的这个技术的一条路径而已那能不能就是我们来衡量一下这个状态啊就首先你觉得现在的这种文字大模型这种生成式模型处于一分到十分它处于几分的发展阶段嗯基于此咱们这个世界模型现在处于几分的状态文字模型现在可能都在他的那条技术线路里面应该有一个七八分左右的状态应该都有了对吧因为他给满足很多人的大部分的需求了那再往后增益的部分可能越来越高级的越来越专业的这个从业人员可能认得到了我们在说的这件事情我们在物理世界模型上面可能现在还是一个两分到三分的这样一个状态就基本上完成了一个初步的模型验证然后现在开始去规模化的扩展到了这么一个状态在我们看来那你觉得这个两分到七八分它的加速度是很快的吗它是一个跟文字比更快的还是一个不容易快我们自己的判断其实是他会在不同的场景里面先达到8到9分然后在同一的场景里面可能再达到8到9分这样的一个状态所以可能这个事得聚焦一个具体的这样的一个方向和一个方案但是以我们的观察它应该也是会有至少等量的时间的一个需求或者是会更长一些因为语言信号的获取和使用会非常的容易因为只要有个电脑其实你能搞定但是物理信号的获取和使用它会相对来讲比较绑定一个常见所以这个在我们看来还是有一个需要考虑的因素的嗯那一个很常见的问题啊就是说干这个活是你有优势还是就比如说像手机厂手机厂现在都认为自己在AI世界是拥有一个终端入口对对吧 他认为他比软件厂更有优势而且软件厂你发现说字节在牛但是你就是不能调用我手机的权限别的APP也不让你用所以你印造一个手机其实也进不来然后手机厂就觉得自己又行了自己是端侧的那个入口那你觉得在物理AI这件事情上它需要解决哪些这种卡点型的问题就是我们自己做这个事很有体感尤其是当下的比如说一分到五分这段时间节点可能入口是一个非常重要的长期的一个价值所能持续到底的一个体现吧但是至少在当下这个入口本身不是它的制约而是这个模型而是这个技术本身是需要先行迭代出来的这是我们的一个观点当然这个其实就是我们得同期建设这个入口端的事情对吧这个也确实是必须要考量的一个因素但是至少在当下这些节点不是说我一定要先造出来很多很多的入口我才能做这件事情而是说现在已经存在的因为入口本质上是一种数据的体现这个入口本身它获取到的这个数据其实很多时候在现在的这个时间节点已经存在大量的数据了它其实还没有完全被这个入口所限制所以这是我现在的一个直观感受就是你在融资的过程中专业投资人最关心什么话题的就你们这个行业最命门的现在是什么肯定是大语言模型会不会干掉我们对吧这是一个非常直接的尖锐的问题当然这件问题其实我们从第一天其实已经想得很清楚了包括我在创业之前的事情也在想这个问题因为语言模型显然是会越来越强的语言模型因为具备了一个
[20:00] 好的大脑他其实想要去比如说让他看很多视频他也能四十而非地理解这里面的逻辑关系你让他看到一些物理现象和一些乃至于现在直接放到机械壁上他也能进行一些壁环的控制跟反馈那这件事情肯定是最大的一个变量因为如果单元模型就能干一切了语言模型也可以自己就从虚拟空间中走向现实空间那是不是我们这些做世界模型的技术线路其实就没有什么意义了这可能是最您说的最命门的问题对吧那如果你这个技术本身不存在意义的话那是没有什么值得做下去的点而我们这一点其实是想得非常清楚的语言模型其实它的背后可能大家都也或多或少听说过那个词源这样的一个概念对吧Token那词源这件事情呢坦白的说是一个抽象就词源本身其实是一个很抽象的东西可能比词弹模型还要抽象什么叫一个词源你说一句话您今天吃了吗 对吧 随便说一句话 那里面这个您可能是一个词源 您可能被映射到一个词源 今天可能被映射到一个词源 吃了可能会被映射到一个词源那吃了妈可能会被映射到一个词源 这不好说的 因为词源也是一个很算很算法的东西所以对于语言模型来讲一切的思考的构建都在人的思维上去构建的而不是一个具体的物理现象去构建所以其实我们觉得世界模型反过来讲做的事情就是跟语言模型很大的一个区别可能要理解这件事情还得稍微的引入一个技术上的这种探讨我们一般会用连续跟离散这两个不同的事情是描述这个技术离散的就是常说的是断开的A是AB是B您是一个词一个单词一个字吃是一个字你说您跟吃这个字之间它不是一个线性关系它也没有什么本质性关系它就是两个独立的文字这个文字本质上是人抽象出来的一种产物是人在漫长的五千年的历史里面不断的去看着世界的各种各样的东西去抽象出来的一套符号系统这是文字背后的含义那从上古时代就是在杭州这个附近那其实后面有一个梁祖古城梁祖文化村也是中国可能现村比较早的一个文化遗址那个时候大家的交流方式是什么其实不一定有语言最早的时候因为语言这个东西也是慢慢那个时候刚刚形成的东西大家可能看着一个稻子刻画了一个甲骨文稻子的一个文字那看到了太阳看到了月亮它可能画出了一个符号那随着这个文化的产生转移跟变迁然后包括这个文明的推演这些文字慢慢的从象形文字甲骨文变成了撰文变成了这种历书变成了楷书最终变成了一个咱们现在社会中所通用的文字系统这其实是文字的诞生那文字这个事就是离散因为一个字跟一个字之间哪怕日跟月是两个字之间你也很难说日是0.85个月咱们不会描述两个文字之间有这种数字关系的但是物理世界下的东西就不一样了比如说我们就以这个场景为例我们可以把一个物体往前推两厘米我们可以把这杯水从这个桌子这个地方往前推大概五厘米的位置这是一个非常明确的它是一个连续的过程这个连续的过程可能很多人都能理解咱们的动作是连续的我把手从这个位置放到这个位置它是一个连续的过程这种连续的过程其实是跟这种抽象的解离的过程是完全不同的两套底层逻辑文字模型本质上是构建在离散空间之上的一套模型而我们的世界模型是构建在连续世界之上的一套模型所以这两点它是有一个底层的区别的也就是为什么这两个模型尤其是从人工智能的技术来讲它就是两个完全不同的类比而也正是因为这个原因所有世界里面的公司也好包括资本包括从业者对世界模型这个技术还是非常的期待以及有它的期望这是我们可能从本质上要回答这个命门问题那因为现在大家都多少知道一点说像训练文本大模型就是给它怼料对一个就是怼卡对吧反正就是花钱只要你能解决这两个问题都不会太糟糕然后再加上可能每一家技术有一些区别等等那么它就慢慢变成了就是说一种军备竞赛它已经不像上一个互联网创业时代那么容易有一些美好的故事车库创业等等就是什么的它好像就是包括美国中国大多数还是以强者横强来完成这个叙述的那你觉得物理AI会这样吗我们觉得就是您如果把时间往回播一把
[25:00] But it's just an uncle. 在大语言模型没有成型的早期 Actually, there are some companies that are very much interested in the company. But the attention of the company is with the current market. It's a big difference in the market. It's a big difference in the market. It's a big difference in the market. And the company is completely different in the country. Because it has been very clear and clear, it has been very clear and clear. So in this situation, you just need to pay for the information, pay for the money, pay for the money, pay for the money. This thing has been an increase. 哪怕是这样 其实你能看到就是不点名字 但是其实很多家不同的公司 他也不是没钱 他也不是没人 他也不是没卡 但是他的能力可能或多或少还是有些区别的 所以这哪怕到了现在这个时间节点还是能看见这样的一个区别 And we're in the world of the world of the world of the world, maybe even more early. Just before now, we haven't talked about the money, money, money, money. Because we even heard that there are some teams 创业融资之后去投别的团队,自己都不做一些真正的突破。 都外包了是吧 具体怎么考虑我也不太理解 But to show a question, the current situation, in the future, there are many companies that have been created by the financial and financial and financial and financial and financial. If they don't do it, they don't have a financial and financial. You can become a very good投资 company, or you can wait for other companies to do it after you quickly and continue. In our view, the time period is not easy to talk about the "军备竞赛" as a word. There is a certain kind of "军备竞赛" But it seems like it's not This time, everyone was in a while. 都在把自己的技术做到极致 如果是认真做这个行业的公司的话 所以其实在我看来还是不太一样的一个世界 这个问题是说你觉得作为创始人是心思花在搞技术上 还是说为了可能到来的军备竞赛赶紧先融钱 两手都抓 因为技术上相对来讲我们有一帮很踏实的弟兄 So actually in this point, I think that the building is a big structure. We actually have some of the parts of the building. I'm not a small person. I believe they can do something. So I will spend some time on other things. Can we talk about this? What's the name of the AI? 哈哈哈哈 我们现在也用流派这个词 我不知道怎么说啊 路线 路线吧 我们有一些不同的路线能看得出来的 比如说有一类路线是 就是我们通常会这么分 就是取决于你做的这个目标是什么 有一类可能大家熟知的是显示派 我们一般会用显示派跟隐世派来做一个大类的分割 显示派的目的其实最终是重建和做一个比较精良的3D世界 and the use of the services and services. 比如说游戏有很多世界模型公司其实他说的世界模型的部分 is to build a world of a world. This world is a world of a world. It's a world of a world of a world. This is a world of a world of a world. This is a world of a world of a world. You can do a world of a world of a world. You can do some other things. Or, you can do some for the computer, for the music. You can do some for the music. There's a world of a world of a world. This means in the world of the world of the world of the range, it actually is指着, we need to put the world's规律, just put the world's view of the规律,压缩到 the world of the world of the world. 只关注那些最重要的东西 而不只关注那些像素 你为了游戏 为了娱乐 像素的准确度 You have to look at it, you can't be a piece of stuff. You have to look at it very detailed. So you can see this game on the game there are many players. I'm looking for the video to make sure I want to make this video. 3D结构 让游戏 看得越真实 越舒服 越好 我们这种影空间派 相对来讲 没有那么在意 I think this thing is not so beautiful, but what we're looking for is it not so true? Is this thing better with the world of the world? This is something we are more in the interest of. This two things are the same. We can see these two different technologies and its goal. Hmm. It's like a computer system with a开源 and a辟. And then Android and Apple are two big. The cost is the cost of the cost, the cost is the cost of the cost. This is the field. This is a kind of a sense of the logic. It's like you're a computer, a lot of things are a car.
[30:00] 完全不同的两个东西那你们的路线之身最后是只能活一个还是说可能都能活下来我觉得显影之间没有路线之中的问题显影之间它服务的对象不一样显空间派服务的是娱乐业这个东西肯定是自成一派的我们可能服务的更多偏向于实业跟科研这一类其实跟娱乐本身它是一个它肯定有一些重叠也是可以的对吧有些人可能觉得做实验过程比较好玩我甚至觉得它也是一个娱乐像的东西那也没关系但是这本质上它是不同的商业领域和技术逻辑这两个东西本身之间是不存在竞争关系的在我看因为现在外行就会看说美国现在主流的是什么对吧然后搞点谈资对吧所以你觉得你对标美国你现在能对标哪个公司我们其实我们自己在认知自己定位的事情上可能没有非要一定找一个对标公司但是如果说同类型的公司是有一家欧洲的企业叫AMAMI Lab那个实验室是勒昆教授创立一个公司专门做了非常相似的事情还有几个像Physical Intelligence PI那个公司像Skilled他们也是做机器人大脑的但是我们跟他们的关注点略有不同因为我们的整个领域更关注于物理世界而不只是关注于机器人这个领域这个是有一些简单的区别的因为我们也有一些我们的技术坚持跟我们的落地方向的一个区别所以其实我们在这块基于我的认知的话也没有必要非要去找一个对标因为坦率的说来自于咱们自己的土壤其实我回国之前在硅谷还待了一半年然后我觉得那边给了我很大的一个启发就是任何事情都有可能也没有必要非要去找一个路径去依托去抄袭我们自己做我们的自己的事情是有机会能走在世界前列的那我们就做了大概是这么个逻辑但是如果大的应用方向的话会比较像这几个公司就是你现在的主要经历都放在哪里呢两件事一件事是继续迭代我们的模型一件事就是跟我们的潜在的用户们多交流这基本上放在这两个事情上你的潜在用户是哪一些人呢因为我们还有一些正在最后谈的一些过程当中但是我们基本上能确定的方向就是一些偏向于高陆地价值场景的一些需求这些地方可能我说实在的就是可能不是说帮他省一个风位或者说省一个劳动力这样的事情而更多的是利用我们世界模型对于这个物理世界的底层理解然后去创造一些增量性的价值这是我们会比较坚定的方向什么叫增量性的价值就这个事你不做它是没有价值的你做了之后它才存在这个价值就增量市场而不是说单纯的原来这个东西是比如说一个五块钱的活然后换成这个没什么两块钱对吧对因为大家都这么讲就是你还是能不能跟我们讲有没有具体的这个增量性的这个我举一个我们自己内部的例子其实就像很多时候我们做实验我们在做实验的时候就是我说的是像化学跟生物实验那这些化学跟生物实验呢它其实有一个很有意思的地方就是这里面会存在一个老带新的问题比如说我在做一个具体的化学实验的时候就是徒弟师傅徒弟的关系其实是师傅徒弟的关系或者说做菜对吧它是一个师傅跟徒弟的传递过程这个传递过程其实对于师傅来讲没有什么太大的好处但是对饭店老板可能有比较大的好处因为他希望的是让事情都做得更好徒弟也是希望尽快的把这些体力活的东西给解决掉但是如果坦白的讲在大部分的情况下等于说是个拜师学义的逻辑我得去跟师傅搞好关系他会告诉我一些小秘诀小诀窍这是一种还有一种甚至于交了一次之后他不会还得再缴一次你没学会你就直接上手了尼克兰就把菜座砸了你把菜做砸了以后你可能这桌子你点了一个鲍鱼那鲍鱼可能值500块钱因为你做咋了那500块钱就赔了他可能会有这么一个情况而这种事情其实往往发生在非常多的现在已经存在的这些高端的一些所谓餐饮场景这种时候有一个很重要的一个逻辑如果我能帮你解决这个问题呢会不会就有一个很好的省钱的过程只是一个非常初步的第一步第二步就是我能不能利用一个逻辑就让AI看着你怎么做这做的过程然后可以给你提点建议其实你这么做会更好吃乃至于反过来讲 他能干一件事情就是
[35:00] 我哪一天突然间手抖我做了一个很好吃的菜但是我忘了我怎么做的了但是通过他的回忆通过他的理解跟判断跟分析他能告诉你其实你这么做会变得好吃的原因是什么让你就可以获得一个新的知识那你把这个菜做的好吃了可能你将来卖的就贵了 你可以去卖给更多的客人它就变成了一个完全增量的价值这件事情其实是我们会认知到的这个世界模型可以带给整个的这个领域里面的一些新的增量的这种底层逻辑是这个嗯我用做菜举了个例子OK有这么一个问题我问了很多人AI行业的最后都在给我钻水都在绕圈圈我们现在面临的问题是产能过剩嗯我们面临的问题根本不是产能不足所以我们依然是在生产端解决更快更便宜的生产出更多的东西但是本身就已经卖不掉了当然也有个解决方案说AI生成图片生成营销文案来继续卖但其实它还是没有解决需求不足的问题你怎么看待这个问题这是一个哲学和社会问题在我看来这不是一个技术问题为什么会担当提这个可能我大概理解了您说大家在端水的背后的思维是因为这不是我能回答的问题我的客户有他的明确的需求就是帮他降低或者创造性的增量降低损耗或者创造增量无非就这么两种要求因为以我的观察和我们走访下来的了解其实现在有大量的像您说的产能过剩的问题绝对是存在的但也有非常多的细分赛道领域现在是产能不足的一个状态举个最简单的例子最近长了最好的长期音分处或者说芯片制造到了今天可能各位发现买电脑变贵了可能随便找个人出去买电脑 你会发现有电脑比原来要贵了很多很多但是这个贵坦率的来讲您能说他是产能过剩吗它是显然的产能不足我们可能先不能在这至少我没有资格去评价说行业里面对于AI的真实需求到底有多大因为这件事情本质上其实是一个竞争关系本质上甚至可能某种程度来讲是一个不同国家之间的竞争关系因为AI这个事情它在很多时候可能会变成一种科研的母鸡我们会经常会这么说它是一个科学的母鸡因为以前是工业母鸡时代在工业革命时代其实是工业母鸡那个时候解决的是像您说的这是我们扩产的一个问题我有了大规模的工业生产我们可以把原来的手工做法取代掉我们就可以产生源源不断的东西让中国人吃饱饭让我们有房子住我记得20年以前的时候我们上公共卫生间连纸都没有你现在还有在听说过中国在哪个公共卫生间它缺纸吗这就是产能溢出之后产生的一种效应任何一个时代下都会面临这个问题但这个问题在我看来它是个经济哲学和社会问题它可能不单单是一个技术问题而我呢我只是一个在技术上可能做过一些成绩的年轻人所以我觉得那些东西我没资格评价但是以我的观察就是至少我能感受到的领域有非常多的就是产能不足芯片造不出来各种干的芯片造不出来芯片的上有造不出来 然后乃至于这些东西但这些背后是什么其实本质上是一种科技的造不出来就是你要么就是科技本身发展的不够要么就是高精阶段做的不够好所以其实我们反向来说我们会发现或许有一件事情是大家人类历史上从古到现在都在追求的事情科学技术的尖端突破这件事情其实是底层的一个需求越来越多的事情会被创造出来之后可能也会没准未来有一天我举个例子这个可能不是我们直接解决的问题但是可能像我们通过制造的方式帮助了娱乐业的发展现在可能大家因为各种各样的芯片短缺所以你可能很难说每个人都有自己的抖音或者是视频平台吧每个人可能都是看着大众的视频其实我记得没错的话是高盛吗还是哪一个外国的机构当时说2030年会实现一种叫personalized dream就是个性化的梦每个人的娱乐业可能你看到的东西是服务你自己的一个需求的一个一样的一个产品这个产品后面是靠什么的呢那肯定是靠世界模型这类技术驱动的这个东西运行它需要芯片需要各种各样的东西这些东西其实就是变成了新增生产力这还只是第一步世界模型做好了时候可能以后我们这个公司如果说有一个更大规模的梦想就在我们度过了这些早期阶段可能我们最终为这个世界能产生的一个梦想,我们管它叫web building,我们可能会让这个世界变成一种web building的方式,对吧,我们可以去,我想要什么,我就输给摩批,我就跟他说一下,
[40:00] Sure. I said, I want to make a game for myself, I want to build my house I will let it on my own way to do it. I'll tell you He tells me how to do it, or he just helped me do this. We may have a new new one completely different experience That's not a problem. This is what you know. In many countries, there are many people who are doing a lot of things. Why wouldn't we do this? The TOTO actually is good. The top of the world is good, right? It's a good thing. It's because you think that you can buy a game of these things and your own goals. all the same. So actually this thing will be the mode of the mode. That is, is it a lot of potential? Or is it a lot of potential? Or is it just a lot of potential in the supply? So I think I'm not worried about this. Because we're in our front of a lot of people who have done a lot of things. I don't know if I can answer your question. I'm not sure if I can answer your question. I'm going to hear your question. First of all, I think you're the best one for the answer. You didn't try to make this question. because all the people I think they're not good at all because they're buying my view of my view but they're not looking at the exact direction Or they did the work, it was just for people to pay for money, but they didn't create a lot of money. So they just can say, you can't do a lot of money, you can't do a lot of money, right? They're all in creating value. You will find that the most answer is this way. And then I say, the "工业革命" is always a pain. 当年这个蒸汽革命怎么怎么样 纺织工叫转型 你会发现他是千篇一律这么去理解这件事情的 前面我们有聊到说文本的AI它有幻觉在出奇 但是其实你看文本的幻觉你最多不用 它的伤害性是不大的 对对对对对吧 但 except for the food 比如说你用到自动驾驶或者一个矿场的转机上 I think this is not a 2 point thing to use. Actually, we're going to give you a little bit of a report on the behind. You can see all the cars on the road, not only the cars are靠 the way to drive. The thing that we have to do with the world of artificial intelligence is a strong rule. as the end of the day. Even if Tesla is the same. Tesla is a bit more菜. Tesla has a lot of problems. Just a lot of the people may have I don't have to pay attention to it. I don't know if it's a car. I don't know. I don't know. I don't know. I don't know. I think it's a car. Why do we have this rule? It's all the mode of the design. The design will be a weird. The design will be a weird. If we don't have this rule, It's not able to keep in the safe and safe situation. 哪怕是钻机哪怕是现在的所有的这种链路 It is usually a system of the top-down system. This is the end of the insurance. And the insurance is that the only thing is good for the business. What is the problem? It's just the technology that's the part. I'll give a example. I'm talking about the "throw" machine. The "throw" machine is a different kind of environment. They now find our needs. What is the most important thing? I just have a自动化 process. Like the phone, it's a technology-控制 system. It's a very clear thing. I will see the location of the location. I will put the location in the location. But he actually doesn't know anything else If you haven't done a special treatment, you can use your hand to get close to the process. He is not going to be stopped. He has no knowledge. He has no推理能力. He doesn't know how to deal with this. He will just cause some danger. We can provide them. The most important thing is that I'm doing. 您突然间把东西递给我的时候。 You can understand 现在这套东西也可以让机器们 So 智能化的这样行为 但是它跟安全卡口两码事 我只是在原来的基础之上 让它变得更聪明了 但不代表我要完全的用一个模型 去取代这个过程 There's so much of a logic. 咱不能说我们做一个模型,原来那个脑子里面原来那个工业的这个流程里面的所有东西我都删掉了。 I'll just change it. We are not thinking about this idea. We are at the top of the idea. We have added some energy. So this is a低层逻辑. It will not be more dangerous. It will be more安全 This is what I want to express.
[45:00] 这个逻辑啊您看到说总驾的汽车其实它背后啊也是有非常多的安全规则斗地逻辑的他肯定不是说这摩托权就靠他了大概是这么个逻辑你是怎么进入到这个领域的你当年上学有的做AI的他跟我说他当年学的时候学的不是这个坐着坐着说公司需要吧弄去搞大模型了我可能还不是这么一个画像我这个人从小比较兴趣去动嗯我当时分别几个阶段2015年当时在大三的时候因为一门课程进入了计算机视觉这个领域计算机视觉的意思其实就是给让计算机看得懂世界这是我们当年就在这个行当里了15年开始进入这个行业之后其实再去读博士也是因为对这个行业的兴趣因为我当时其实有几个其他的工作和一些硕士的机会但是我发现我觉得这个事本身非常的迷人可以这么说因为当时在解决很多问题的时候发现第一这个领域非常的早期就是那个2015年那个时间节点机器人几乎看不懂人类的东西是一个非常早期的状态有很多东西值得去做所以那个时候就去做了但是我们在一路坐到这的时候发现这个领域发展非常的快而且越来越有到产业落地的这样的一个价值所以其实19年当时有一个机缘巧合的机会去了英特尔然后英特尔当时跟着VK就是吴拉登·科尔森他其实给了我很多的启发虽然这个人我跟他交流的次数不多但是它的实验室给了我一个非常明确的感受,大的产业问题和技术问题跟产值跟经济价值的绑定关系是非常紧密的。就当时在那个实验室里走出来非常多耳熟能详的技术当然我们自己也做了一个自动炼丹的技术就是我们做的事情是可以让深度学习模型自动设计自己现在这个东西到了这个时间级有一个非常有趣的叫法叫做AI for AI可能最近也是一个新的热点包括什么RSI那个时候都是一些早期的萌芽当然现在我们那个实验室当然走出来是其他的技术自动驾驶就是一个其他的技术当时那个团队做了一个事情叫做CarlaColor是一个非常有名的自动驾驶防征框架然后这个东西就是一个工艺性的框架但是它其实是客观上来讲驱动了所有自动驾驶公司的一个发展因为所有自动驾驶公司基本上都在用它作为一个底层的或者说一个休解器或者说作为一个部分的开发工具Color那个东西当时给了我一个非常大的一个震撼就是这是一个实验室的产物但实际上它确实客观的帮助了整个领域的发展那个时候开始我就觉得我想做这种事所以从那个时候开始我就不再只关注纯粹的学术问题而不在乎产业落地的学术问题了而是说去做一些有结合的事情所以那个时候开始就去到了一些美国的其他公司去实习毕业了这趟硅谷然后回来去大摩院其实是这样一路一路的到了自动驾驶这个行当了自动驾驶这个行当进来的时候也是很直接的其实我坦率的说我对这背后的技术更感兴趣一些到了自动驾驶公司我就发现这里面其实还挺有意思的一派人就是在规则系统和保障落地的那一派因为你得让这个东西真的在车上跑起来对吧它不能只是一个技术本身但我当时负责的部分更多的是背后的大模型技术那个东西就像我刚刚为什么对这事有这么深的体感是因为大模型技术保障的其实是你的上限那个规则都得卡在你的下限这两个它得配合起来你只有下限的东西它是没有办法扩充到更广的领域的你想让它真正的进到千家万户你就只能把智能的上限不断的拉高当时是有这么一个分工上的区别当然我其实坦率的讲我都有的时候也很害羞叫一个自动驾驶人因为我对比他们来讲我更像是一个做模型的人后面的话其实也是在23年的时候想做世界模型这个事是因为当时我们发现你想要做模型上线你就只能切换一条技术路径你不能靠原来的那套小模型端道端的思路去做了因为它就有一个很明显的天花板所以后面我就提了这个事但是当时正好因为组织架构的问题一些调整的缘故我就决定到学术界到了西湖大学去继续扩大我们在这个方向的投入因为这样子一个比较探索坦白的说现在26年世界模型这么火但是三年之前的时候我拿着这个项目的提案去找了非常多的人很少有人能听得懂并支持实话是说是非常难的那可能那时候我也比较不会去卖啊但是客观上来讲那个时候技术还没做出来那肯定还是得先做技术本身所以那就是我们0到1的时刻那也是感谢西湖大学的支持我们能把这个事情在学校这边得到一个更好的发展也包括我们的合作伙伴有一个车企他们也是非常好的一直支持着我们去做这个方向的探索最后他们也是确实收获到了一些
[50:00] 好处吧所以我们就是这么一个过程进入到了这个行道你觉得干你是不是不属于互联网人因为其实我会发现有个很明显的区别就或者说现在很多大厂他其实相对来说是被动的不得不干的投入是很多的但是干的也没多好的但是得干是不是因为他们的人更多是比较互联网人以经营C端规模为导向的所以他们好像思考的方式不容易用这种底层的思考方式去思考确实有可能因为我们也是会被同样的问题所束缚嘛我们可能更偏技术但是真正的这个行业发展到后期的时候互联网的或者说产品端的这套思维它一定要非常重要技术本身是技术但是后面能开发出非常多的玩法其实是他商业的上的一个成功的保障我觉得也是分两步走只不过现在这个阶段在我的认知里这个技术可能在当下时间是更需要突破的但是我们在商业这块其实也在不断的去思考未来的可能性你说的挺有道理的我们当时就算是向您这个决定被放弃的那一辙当时就是因为我们太技术了短期内不挣钱对吧不挣钱的话我们就得再考虑一下这个世界模型的构建你提到了要分环境重建智能体行为建模未来状态推演地规自进化每个词都认识拼在一起就有点陌生了这些里面你觉得哪个是最难的我现在的感知是地归资金化还是比较难的就是这个自进化有的时候我们抓抓前沿消息就是有的时候就觉得世界很颠对吧因为上一条时候要马上进入自进化下一条也是一个很顶级的可能还拿过诺贝尔的说不能再进化了马上就要完蛋了我们要限制他哪个教授又觉得非常非常悲观怎么样就是你说这两种观点的人他都是权威方向师是的所以你怎么看待自进化说这个AI自进化了好 拜拜以及这些观点他是作为他的营销在那里像孙以晨一样就是每天搞点大新闻一样在发表这些言论还是怎么样作为一个业内人士给我们指点一下我只能说我其实不太清楚的是背后那两条新闻分别是什么内容具体是说了啥谁说的因为我可能平时没有那么天天刷这些新闻所以说对我来讲可能只是个不太了解的事情所以没有办法直接的去点评那个事儿但是为什么我会说资金化这是比较难或者说从哲学上来讲您说探极归极对吧这个会不会有一天探机这个事情就被轨机给压过去了为什么说它难呢就是如果我们不加安全保护的去做资金化的话就不难了那就很容易了但你很容易进化出来一个你都控制不了的东西这件事情确实比较困难的第二个点就是物理事件中的自我进化还是需要很多更高效的方式的现在这套方式还是比较原始所以说有这么两个难点在我们看来一个是技术本身难一个是你还得安全的去往前走这件事比较难你得跟人对齐对吧这事是我们觉得它一个点当然我其实也能理解这个领域很多人是觉得它发展得很快又有很多人觉得发展得不够快对吧那位老教授可能我大概知道是谁可能经常也是自己矛盾因为一开始说这个一个人又说那个对吧我也不确定他是不是看到了什么新的信息但是就以我作为最朴素的从业人员来看的话我觉得AI技术还是得负责和能被人理解这两件事情都非常重要你们在探索自进化有没有能讲讲我们最近有一些新的技术成果很快会发布出来然后尤其是在年底的时候我们就会先就是年底左右的时间我们会发布一个关于我们自进化的进展也请可能听众朋友们到时候可以期待一下但是我们现在在这个方向上面确实是有一个我觉得很有意思一个突破我们可以去这个是不是应该卖个关子但是我觉得可以描述一下大概的样子其实就是相当于我们在一个具体的领域之内我们可以让这个模型自己去认知到它哪里不足可以让这个模型认知到自己哪里不会哪里不会是哪里它就有一个更高效的这样的一个效能这个是我们可以去做到的一件事情就相当于给他自己加了一个判别器自己可以判断自己哪里不会那这个东西它怎么实现呢这就是我们的技术命运因为以前的逻辑是人得告诉他你不会啥以前是这么个逻辑我们现在是希望他自己教会自己不会每天都能自我反省差不多让他举一反三一下让他每天无日三心五身一下能不能跟大家分享一下比如说当年说这个磁源经济刚出现的时候
[55:00] AEI他并不会思考他说他是根据这个字推断下一个字然后给你咔咔咔生成我总觉得这么解释好像是过度简化了这个事情那为什么这个问题的这个字的下一个字它好像也不是一个单纯的联想那么所以这个字进化可能也不是说我们理解的每天自我反省这么件事对您说的如果是完全的像人一样的这种自我反省跟自我进化我觉得还是得有点距离的我觉得我们12月份也没有这么玄乎但是它是一个很接近这个状态的过程至于您说的这个词源经济的后面背后带给大家的这种所谓机器智能到底是不是真的智能这件事情就是这是背后的一个经常会问到的哲学思考就以我们来看0.99%像人跟100%像人可能他本质上看起来好像是一样的实际上是不一样的但是当你足够的逼近数学上有个东西叫极限当你就是有9到5线的时候你其实等于那个人但这个过程有到底逼近有多快其实还是得再检验检验就以目前的观点来看和目前的认知来看他还没有做到完完全全向人但是他在很多人看起来像超人 我觉得这件事情可能也不要神话他 是因为他比所有人看到的信息 记下来信息都多 那他其实可以应对一个人的所有认知的时候 你问不出一个更高级的问题来的时候 可能你会觉得哇 他已经是人了但是实际上它也不是它只是比你厉害很多它就是一个脑子可以系各种各样的东西但他没有底层追问和发问和感受世界的能力这可能有点玄学但是目前来看还是这么个状态嗯因为其实你说的物理AI跟各个场景的结合我们是比较容易联想到它跟热门的人型机器人等等的去结合对那现在大家又说这个人型基层很多公司都是遥控器预制程序是不是他缺的就是这么一套物理AI的基座模型是确实是这样子蔚来是说是类似于宇树这样的公司他搞出了一套他的模型还是说你搞出一套模型跟他合作卖给他授权他用你觉得这个更可能是哪一种嗯当然了您说语事能不能搞出来我坚定的相信他一定能力能做出来的我不评价一个上市公司的具体的研发行为对吧我觉得每家公司都有它的可能性但是你说我们能不能做一个这样的脑子去卖给他们这可能不是我们的主要目的就是以我朴素的认知来看人型机器人的控制跟操作问题确实非常的复杂他的身体本身是比较复杂的所以其实这里面有很多可能要未解决的问题我觉得物理模型的发展有点像是进化不会一上来就控制一个类人的肢体的它肯定是先从简单的开始生物都是从草类虫进化出来的慢慢的它是从一个小东西进化到复杂的东西再进化到一个超级复杂的东西我不觉得这个事情会被本质上的突破跟颠覆如果不走这个过程的话你可以做出来非常像大约模型的东西它看起来很像它能做到但实际上就像您说的它是采集了大量的轨迹机械化的背诵跟记忆这个过程然后就产生了一定的效果也是很多公司在尝试的路子但是我的认知观我们认为还是得从小到大由简单到复杂这样的一个过程是比较顺畅的也是比较直接的但是也会通过各种方式帮到他们因为我们自己的模型其实也在一些这种当然是类人的这种场景做过验证那肯定如果单纯从现在的这一套来看肯定还是有一定帮助的那你觉得你现在最大的挑战是什么呢我觉得现在在这个就是刚刚跟你分享的这个技术挑战上本身还是有一些的因为这个技术在不断的迭代跟发展我们自己每天做到一步其实已经有一些还不错的成果的时候现在到了一个比较无人区的地方我们其实也在一边摸索一边探索一边往前做这个部分它本身也是一个很有挑战性的东西第二个部分就是相当于怎么去找到我们现在有几家很好的潜在的客人在接触到底是哪一个能真正做出商业化闭环肯定这也是我们在第二个阶段会主要去考虑的地方这里面就确实有很多挑战进到一个陌生的环境和场景里面去怎么让模型能在这个环境里面实现一套自我进化的机制这个东西全世界没有人做出来过所以说其实这也是我们在努力的方向嗯其实你现在是个创业者又好像是个科学家或者说学者这些身份他有矛盾也有统一的地方你怎么去平衡这些东西呢我应该这么说这不知道算是短水但是我觉得我所处的这些人
[60:00] 行业是比较少见的是两个东西交叉的比较紧密的因为如果我是一个生命科学家可能我就没有办法这么幸运因为他们的产业跟他们的科研差的是一个前后的状态分的是比较大的很多的时候落地投产那是相当于其实你跟科研本身就无关了你的科学从你走出实验室那一刻就已经基本停止了其实我们所处的这个行业是一个技术跟商业深度绑定的地方一个模型做得好 马上就能看到效果这其实是我们行业所带来的特殊性其实我们提供的本质上是价值我们提供价值的方式是通过技术的突破实现价值这两个东西是深度绑定的在我的认知里所以您说我是哪个身份都好但有一句话总结的很好我是个创业者我不是一个大公司的老板我们这个东西也是一个从小做到大的过程所以其实这两个东西在早期的时候非常重叠那会不会有一天变得不重叠我相信也会的可能在两三年之后三五年之后那个时候我肯定还会请更专业的人帮助我们去做这个事情毕竟我不是从商业圈出来的但是好在是我们团队有蛮多都是原来专门做解决方案的其实有一小杉人是非常有经验的所以其实我对这个也没那么担心他们是很多人是拿到过大的商业结果的有专业的人这个事情我没有必要自己什么都要逼自己去上人做自己擅长的事你觉得这件事情需要奋怒多少年你看大元末像干到现在还在打仗当然这个里面肯定有不同的阶段当然我觉得估计也是个至少的三到五年这么一个事情嗯没有那么快结束的甚至于我觉得如果广义上想做出来我们内心中所期待的一个世界模型可以从世界中来到世界中去做到一个真正意义上的科学母鸡那可能是10到20年的一个事情你看黄仁勋是为之摇旗呐喊当然因为他要卖他那个算力我们抛开就是具象的物理AI是不是短期来说最大的受益者还是黄仁勋是看他的股价毋庸置疑他肯定是20年前做了一个非常正确的决定然后真正的让算力服务于科技服务于科学计算他最早期哭档的时候是为了干这个事其实现在应验了确实是他的坚定跟魄力他吃到了这波搜的大部分的红利可以这么说这个可能是全世界都知道的事情但是在我的认知里面我觉得可能有的人不同意我之前跟他比较近的那些人聊过这个事我说如果你看互联网时代下如果看着几个大的浪潮互联网时代下面其实第一个爆发的是交换机是思科斯科当时是整个市值最高的公司但实际上后来每一个互联网公司的事实都20倍塔因为真正的价值是在它之上的我觉得我们可能还是我不敢这么说但是我们是不是有类似的事情我们所处于这个时代叫做技术的突破期技术的突破期后来有产业的爆发期可能这两个关联关系还是有一个先后的过程至于是什么可能现在很多人都在找我的感受是我们做我们的事情我们做我们的价值我不可能说指望我这样的一个公司去做一个非常2C爆款的产品这也不是我们所擅长的东西我们有我们的坚定跟指数去做的事情所以我们就做好我们的工作就是你会看到像你们的圈子里一定就是有很多人他可能做一个项目短期的他就或者就收购了或者就卖了或者对吧打上一个爆点他就成了这个事情是他就很容易贴身发生那么所以呢大家都会倾向于做一个更快的但是呢你干的这个又好像很长那对于我们来说你看我听说一个天灾少年怎么样了其实跟我没啥大关系对不对就是他很远嘛但是如果我听说一个这个马字的突然干了十个亿我心里肯定很有波兰对不对就是你懂的所以你没有处于奔抱圈你是如何保持这种平常心的可能跟我自己的经济有关系也不是说第一次见到这样的事情所以我会坚定的做价值我觉得这是一个最核心的东西就是每个人每个方向的人都有最擅长的东西你只要把自己的价值做出来它就有这个可能这是底层然后有的人能力是放大这个价值对吧你可以通过某种各种各样的操作把自己的价值乘以10乘以20这也是我们要去学的东西 但它得有一个基石这基石是不能丢的这是我们可能对自己的一个判断可能跟所有事情都相关当然您说了我们也很希望有一天我们也可以快快速速的就成为他成为状态的自己但是这些东西不能丢掉已有的东西而且得坚定的去做而且有的时候不见得快一定是好事很多时候其实我最近
[65:00] 在一年的时间里面其实我们都也经历过一些上上下下的过程但是我自己的感官是好像每一个结果最后都变成了一个很好的事情哪怕是当时我们觉得会有点可惜的东西但是我们后来发现对应了一句话命运都是最好的安排这句话其实最近这一年我经常被戳中我只能这么说也是可以算是一种对自己的安慰但是也可以算是一种对自己的反思到目前为止其实我觉得我们还是非常幸运的我们这一期聊了很多更多的还是从商业的视角和通俗的视角帮助大家理解一下看到一些物理AI正在发生的一些事情如果大家有更多的问题也可以给我们评论区留言谢谢以上是我们这一期节目的全部内容如果你觉得这一期节目对你有所启发有所帮助欢迎你在向王苏朋友圈微博等等平台分享你的看法你的笔记同时也可以加入我们的社群期待与你相见如果你同样有表达欲还有独特的见解也欢迎联系我成为我们的嘉宾同时大家也可以在公众号竞技波财经上观看更多的深度文章深度报道所有视频平台都可以找到我竞技的沈帅播字幕志愿者 杨茜茜
