量子位会客厅

【本期嘉宾】郎咸朋，昆仑行机器人联合创始人兼CTO。李根，量子位联合创始人、总编辑。【本期节目介绍】“具身百机大战也会跑出蔚小理。”离开理想、创办昆仑行后，郎咸朋第一次公开露面。近1.5小时里，他完整讲述了自己从百度、理想一路走到具身智能创业的技术选择和判断思考。为什么说自动驾驶不是终点，而只是具身智能的起点？为什么机器人真正需要的是“理解”，而非“模仿”？从VLA到世界模型，技术路线为什么还在不断变化？2026年创业，为什么还要坚持软硬件全栈自研？以及那些更现实的问题：为什么光靠融资活不下去、最后拼的是“自我造血”能力？机器人进家庭还要几年？关于昆仑行Day one的思考与野心，都在这一期里。【内容提要】00:02:15 早在Scaling Law流行前，他就笃信“数据决定论”：85%的准确率，为什么还是不能用？00:08:57 从理想出走那天，自动驾驶已经不再是终点——VLA做完才发现，它天生是为具身准备的00:13:57 行不行、合不合、久不久：怎么挑联合创始人，为什么“合适比熟悉更重要”00:17:56 出发永远比想清楚更关键：注册公司之前，只有三件事必须想透00:28:05 都2026年了，为什么还坚持软硬全栈自研？攒出一台机器人，离量产还差得远00:38:28 “理解”世界，还是“模仿”动作？被讲窄了的四种具身智能00:48:48 数据编译、一脑多形，和一杯水：怎么考出机器人是真懂，还是死记硬背01:00:51 现在的具身，就像十年前的自动驾驶：百机大战打完，也会跑出自己的“蔚小理”01:12:31 轮式铺量、出货更快，那为什么昆仑行偏要死磕全人形？四个能力，第一天就得一起练01:19:59 几亿甚至十亿都不够：光靠融资，谁也撑不到具身落地那天01:27:55 留给未来同事的一句话：对物理AGI要有信仰——节目中提到的概念——VLA（视觉-语言-动作模型）把“看到的画面、听到的指令、要做的动作”打通在一个模型里的架构，最早用在自动驾驶。郎咸朋认为它天生就是为具身智能准备的，自动驾驶只是它的第一个应用。世界模型（World Model）让AI在“脑子里”建立起对物理世界如何运转的理解，从而能预判“做了这个动作会发生什么”。郎咸朋认为，一个完整的世界模型不仅要能预测或生成未来状态，还应具备动作生成、结果预测和场景渲染等能力。模仿学习 vs 物理因果（理解）模仿学习是让机器人照着人类示范“学样子”；物理因果更强调理解动作为什么会产生某种结果，例如重力、摩擦力、受力关系等物理规律，这样遇到没见过的新场景也能应对。数据编译昆仑行提出的数据处理思路。不直接拿原始数据训练，而是先把场景里物体的物理量、物理规律显式算出来，“编译”进训练样本，让每条数据天然带着物理因果，以此提高数据的“信息密度”和使用效率。一脑多形指同一个“机器人智能大脑”能够适配不同形态、不同本体的机器人。昆仑行认为，如果模型真正学习的是底层物理规律，而不是某一种机器人的动作分布，就天然更有可能实现“一脑多形”。影子模式自动驾驶中的一种数据获取方式：系统可以在车辆正常运行过程中持续采集真实驾驶数据，而不一定直接控制车辆。对话中以此对比具身机器人，说明机器人很难像汽车一样低成本、大规模获得真实任务数据。MoT架构 / 联合因果注意力机制MoT是把大模型拆成多个“专家”分工的架构。多数团队按“文本、视频、动作”这种模态来分，昆仑行则按“目的、动作、结果”这条因果链来分，并让注意力单向流动——做动作时不能“偷看”结果，以贴合物理因果。运控/移动/交互/操作四种智能郎咸朋把具身智能拆成四块：运控（跳舞、平衡）、移动（自主导航，近似自动驾驶）、交互（语言对话）、操作（动手干活）。他认为业内常把“具身智能”狭隘地等同于“操作智能”，其实前三者也很关键。

【本期嘉宾】陈安妮，快看漫画创始人兼CEO。李根，量子位联合创始人、总编辑。【本期节目介绍】快看漫画安妮：AI时代，越成功越是包袱！“你一定要杀死过去的那个自己。”本期节目量子位会客厅邀请到了快看漫画创始人兼CEO陈安妮，聊了聊内容创业标杆公司在AI时代的选择：为什么说AI等于电的发明，而快看要做AI时代的第一部“电影”？全新产品Livo和漫画看似毫无关系，它不是Chatbot，而是AI版「西部世界」——关掉APP角色也活着，会拒绝你、会生气、会离开，这背后的“数字生命”到底是什么？为什么她认为AI不会让创作者失业，反而是天才作者的放大器？除了这些，安妮还首次分享了她用训练大模型的方式管理团队的“群体智能”实验，以及那句她反复讲的话：字典里没有失败，只有还没成功。【内容提要】00:02:07 陈安妮与快看：那些标签在AI时代未必是加分项00:04:06 Livo是AI版《西部世界》00:06:52 AI等于电的发明：电影替代舞台剧的故事，正在重演00:14:47 越成功越是包袱？“你一定要杀死过去的那个自己”00:23:08 为什么不等技术成熟再入场？现在做Livo的四个理由00:29:08 Agent工程大家是平权的：技术不是最大门槛，AI native的组织才是00:39:12 数字生命的四个条件：真实活着、有主体性、有自己的世界、会进化00:50:41 字典里没有“失败”二字：公司没破产之前，谁说你结束了？00:52:53 什么样的人适合AI时代的快看？极有想象力+很高的追求，以及一个记得你MBTI的老板00:56:55 用训练大模型的方式管公司：梯度加权、yes and hope，与“群体智能”01:17:12 马夫没有失业，只是变成了司机——AI是天才作者的放大器01:25:47 初心是起点也是终点：AI是一面镜子，照见用它的人心里想什么——节目中提到的概念——Livo快看孵化的AI原生产品，与漫画业务无直接延续关系。核心是“让故事里的角色活起来”，强调故事性而非闲聊，可类比为AI版《西部世界》。目前处于内测阶段。《西部世界》（Westworld）美剧，设定为一个由高度拟真机器人“接待员”构成的主题乐园，游客可进入其中与角色互动、推动剧情。该节目中被用来类比Livo想实现的讲故事形态。数字生命快看对AI时代讲故事新范式的命名。需同时满足四个条件：角色真实“活着”（用户下线后仍在自己的世界中）、有主体性（会拒绝、会生气、有边界）、背后有完整运转的虚拟世界观、会进化。Agent工程不涉及底层大模型研发，在应用层搭建智能体系统的工程工作。安妮的判断是：这件事上“大家是平权的”，纯技术壁垒不高，难的是与C端内容产品的巧妙结合。群体智能（Swarm Intelligence）原为AI领域概念，指多Agent协作胜过单一强Agent。安妮将其迁移为一种管理方法：CEO不做独裁决策，让全员脑暴、信息像毛细血管一样汇入，自己只做方向微调。梯度加权/梯度减弱借自大模型训练的术语，指调节参数更新的强弱。在快看内部被用作脑暴机制：CEO不直接拍板，只对讨论方向做“加权”或“减弱”。yes and hope快看内部的创意反馈机制。对每个想法先说yes（对的地方），再说hope（希望改进的方向），全部记录在白板上，成为下一版产品迭代的“数据集”。Harness英文原意为“缰绳”，AI行业热词，指人驾驭AI系统的工具和框架。安妮用“马夫转行成司机，缰绳变成方向盘”来比喻创作者与AI的关系。MVP（Minimum Viable Product）最小可行产品。指先做出跑通核心逻辑的简化版本，再逐步迭代。当前的Livo即被定义为快看漫画数字生命体系的MVP。

【本期嘉宾】陆弘远，脸谱心智创始人。李根，量子位联合创始人、总编辑。【本期节目介绍】FaceMind创始人陆弘远：一个宅男科学家的世界模型野心——1B参数凭什么叫板百B？从高中卖游戏王卡给喜欢的女生买钻戒，到帝国理工、微软亚洲研究院、港中文PhD，再到All in创业，陆弘远走了一条非典型AI创业之路。本期节目量子位和这位直言“我并不是一个商人”的年轻创始人聊了聊：FaceMind的Looped World Model（循环世界模型）到底新在哪？为什么敢说1B参数媲美百B效果，技术底气从何而来？被Best Paper加持的Adam's Law，从大语言模型到世界模型，为什么能一路通用？“叠叠社”从AI男友女友到弹幕式陪伴，中间经历了怎样的产品妥协？潜空间推理和像素渲染怎么选？世界模型能不能实现“零延迟的主动式AI”？还有一个让人意外的细节：陆弘远的博导决定来FaceMind当他的联创了。【内容提要】00:00:54 陆弘远与FaceMind：一家想让人类“延存”的公司，从哪里起步？00:05:08 具身×叠叠社双线落地：从AI男友女友到弹幕陪伴，中间经历了什么？00:11:43 世界模型解决的核心问题：为什么说数据缺失才是关键？00:16:23 Looped World Model：1B参数媲美百B效果，技术底气从哪来？00:23:22 Adam's Law诞生记：洗澡时的灵感，100种语言验证，为什么能跨赛道通用？00:31:50 世界模型怎么定义？潜空间vs像素渲染怎么选？00:45:02 零延迟的主动式AI：世界模型能不能预判你的下一个问题？00:54:15 宅男科学家创业路：帝国理工、微软亚研院、高中卖游戏王卡买钻戒01:07:57 博导要来当联创：林伟老师从“没有考虑过加入公司”到改变主意01:26:33 融资、竞争与牌桌：世界模型赛道的飞轮怎么转起来？——节目中提到的概念——GUI Agent让AI像人一样看屏幕、点鼠标、操作软件的智能体。FaceMind的“叠叠社”产品属于这一方向。潜空间（Latent Space） AI内部进行推理的高维空间。通俗理解：人在说出一句话之前，大脑里有无数模糊的念头在酝酿——这个酝酿过程就类似在潜空间中推理，最终才输出一个确定的结果。与之相对的是“像素渲染”，即每一步都生成可见的画面。Looped World Model（循环世界模型） FaceMind提出的模型架构。核心思路是用同一套参数反复迭代，根据任务难度自动决定迭代次数，而非像传统模型那样固定堆叠100层。好处是参数更省、数据需求更少、优化更快。Adam's Law 陆弘远提出的关于AI模型中低频数据问题的规律。核心发现：训练数据中出现次数少的词（如生僻人名“马嘉祺”），模型就容易出错。解决思路包括在训练时补充低频数据、在推理时善用高频同义词替换。该规律在100种语言上验证有效。back-propagation（反向传播） 训练AI模型的核心算法。模型做出预测后，通过计算误差并逐层回传来调整参数。模型层数越深，误差越难有效回传——这正是循环世界模型试图解决的问题之一。

【本期嘉宾】张涛，魔法原子具身模型负责人、算法VP。李根，量子位联合创始人、总编辑。【本期节目介绍】魔法原子：具身大战里做钉子派！“不是拿着锤子找钉子，而是场景里已经有很多钉子，技术要不断把锤子打磨得更好。”本期节目我们邀请到了魔法原子具身模型负责人、算法VP，张涛，聊了聊具身行业里最核心的技术问题：具身的大脑和小脑分别指的是什么？VLA和世界模型两条路线有什么不同，又该怎么选？数据金字塔尖上的机器人“错题集”，又是怎么用失败数据逼近99.9%成功？除了我们看到的魔法原子在上交会现场展示出的大脑能力，以及公开发布的Magic-VLA和Magic-Mix WM等架构，在我们看不到的地方魔法原子又做了哪些努力？除了这些硬核回答，张涛博士也爆料很多人关心的魔法原子的招聘条件。【内容提要】00:02:00 张涛与魔法原子00:09:17 具身大脑到底是什么？具身小脑又是什么？00:18:37 VLA or 世界模型? 是什么？怎么选？00:33:23 具身智能的“L0-L5”，又怎么落地？00:40:46 魔法原子的人才&团队：大模型sense靠小登，多元物理世界靠中登，那老登？00:44:00 数据金字塔尖尖是机器人的"错题集”，用失败数据逼近99.9%成功00:50:11 魔法原子冰山之下的数据飞轮00:56:55 在学术界和工业界，具身如何进化？01:05:52 行业洗牌，具身GPT时刻什么时候到来？——节目中提到的具身智能相关的概念——1.LLM到VLA的模态叠加示意图2.Magic-VLA架构图3.Magic-Mix架构图4.数据金字塔示意图5.魔法原子的冰山理论示意图