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

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: [email protected] into the new world-and explore with us!😉