76.与 00 后创业者源培的访谈：从 RoboMaster 到李飞飞实验室、两次「全球首次」，与自由快乐的非标人生

摘要

• 陈源培的核心论断：在具身智能领域，算法不是护城河——“基本上所有的路线，只要我们想复现，一定能够复现出来”。 真正的壁垒是数据与端到端系统闭环：前沿科研里"你跟我说十个 idea，我觉得十个都有可能是对的"，只能靠试得足够多、闭环做得足够好，“最后效果说话”；方法全告诉你，“你最后出来的效果就是没我好，这个就是系统好”。
• 具身的 scaling law 在数据，他押注答案是人类数据。 纯遥操示教收不上量级，必须靠动捕手套把人类日常操作数据采下来——多少条能砸出 scaling law"不知道，但百万小时肯定能看到一些效果"；灵巧手存在的最大理由正是"它能够用上人类的数据，跟人手的 gap 没那么大"。与 LLM 的本质区别在硬件与 embodiment gap：共用人类 know-how，关节力度等差异让机器用强化学习自己补。
• 他自称仿真派出身，却宣判仿真不是终局。 可微仿真"做简单任务可以，复杂任务碰撞一下马上就爆炸了"，突破主要看算力上一个新量级或世界模型做通两条路；而世界模型有鸡生蛋死结——“你觉得是做 VLA 需要的数据量多，还是做世界模型需要的数据量多？哪怕真的有这个东西，你也要先经过 VLA”。马斯克不谈世界模型，因为"它本身不产生价值"。
• 具身行业泡沫的定义只有一句：“太多人说的跟做的不一样了。” 大量 demo 用模仿学习做却宣称强化学习，他靠"经验化的直觉"能看出区别但行业难以证伪；唯一的证伪方式是做别人做不到的事——超越人类遥操能力的任务（如双手抛接三个球），模仿学习连数据都收不了。对 Figure 的判断是：他觉得 demo"是真的"，但成功率肯定没那么高，所以他们很少直接让人看。
• 终局判断：所有做具身、尤其自己训练模型而非固定场景的公司，未来一定会做手，“不可能不做手”。 第一性证据是"为什么马斯克上来就做这么复杂的手"；夹爪能解决固定场景，但 A 工厂 work 的夹爪到 B 工厂就不 work，跨场景通用不能只靠夹爪。通用大脑技术上可跨本体，但商业上他觉得有生之年可能仍会是软硬一体耦合；成本结构短期硬件占大头，长期"一定是脑占更大的部分"。
• 机器人现在学会的不是真实的智能——“肯定不是啊，都是模仿”。 没有真正泛化，顶多组合泛化，仍在存量世界里；“原生世界模型"等说法"更多的还是噱头”：数据、loss、训练方式都不变，仅改模型架构"不可能有突破性变化"。真正要找的是具身版 next-token prediction——他押注"把操作建模成物体轨迹"这一通用表征。
• 人物弧线本身就是论点：学习没有范式，创新没有标准答案。 土木工程本科、零基础现场自学强化学习，三个月做成并中稿；据节目开场介绍，他曾完成全球首次机器人长城操作任务，并在斯坦福实现全球首次用人类数据训练机器人双手。关于进入李飞飞实验室，陈源培本人表示不清楚是否是唯一的中国本科生；据师兄转述，申请者中有很多斯坦福硕士，最后只要了他一人。人生信条是"不要后悔"与"绝对不可能不快乐"。

精读

1. 零零后的自我定义：「不能被总结概括」

• 陈源培对00后代际标签的回答：千禧年之后最大的属性就是"不能被总结概括"——网络发达给了尝试空间和想象空间，每个人的差别特别大；对他自己，00后身份意味着"更多的试错成本，其他的话大家还是看产品说话，或者看技术能力"。
• 面对投资人"零零后没有成名学者那么强、那么有积累"的质疑，他的态度是"他们说的也对"——现在远没到真正成功的时候，眼下更多是资本追捧或话题性。他追求的成功是影响力：“估值啊或者钱啊这些倒是无所谓，更多的是一种对人类社会的影响。”

2. 游戏大神与科研的同构：升级打怪

• 主持人提到他高考前一天还在宿舍打牌；陈源培自己说，高考前一直在打牌、上大学前一直玩游戏，父母也完全不管——“他们做的最对、对我影响最大的一件事情就是完全不管我”。FPS、MOBA 等他玩过的游戏都有几千个小时，中考前差点去电竞俱乐部打青训，成绩是"考个普通九八五"。
• 沉迷游戏与沉迷科研的关系：“其实真的差不多”——科研难度更高、评价指标更多样，“但它都可以一直像升级打怪一样，你只要一直做，其实可以做的越来越好。”

3. 创业缘起：俄乌战争引发的学术反思

• 23年底还在北大做科研时的顿悟：俄乌战争刚开始，世界上还有人在打仗、还有贫困山区的孩子，而"我们每天抠一点创新点，为了发 paper——这个东西对于整个社会到底有多大的帮助？"
• 结论直接：“实在是差别太大了，所以那个时候起我就觉得学术界肯定不是我想去的地方”——这是后来创业的早期缘起。

4. RoboMaster：与科研相反的一极

• 大疆办的 RoboMaster，他所在学校是传统强队——拿过两次全国总冠军、那几年没掉出全国前三；从机械、嵌入式软硬、电路板到上位机控制代码全部学生自研，“除了吃饭睡觉，其他时候都在备赛”。
• 他的定位：这个比赛与科研是"两个极端"——工程性的东西"看的是细心程度和快速学习的能力"，不靠高深技术，而是"把这些技术组合成一个系统，能够让大家能用"。土木工程本科、“基本没怎么上过课"的他，靠限时复现算法等考核题现场自学入队。
• 那年队里探索机械臂方案（抓金矿的工程机器人），他从零搭起六轴或七轴机械臂，深入成熟代码的底层，包括传统运动控制、motion planning——这套习惯成为此后速度优势的来源。

5. 创业从非主流变主流的三个变量

• 21—22年打比赛时"创业算是个非主流选项”——大模型出来时，大家看到的基本是成名已久的学者科学家；现在风向变了，他归因三点：国家提倡硬科技；“AI 工具越来越强了之后，现场学你能做的很快，做的说不定不比之前的人差”，给了没经验的人机会；资本市场认可了年轻人。
• RoboMaster 的组织形态在他看来是 AI 创业的雏形：队员全力备赛，上一届主力赛后转做架构与管理、指挥学弟学妹，组织扁平、愿景驱动、没有 KPI——“每个人都很努力的时候，你其实就很难有人不努力了。”

6. 杨耀东的测试题：现场学会强化学习

• 进北大杨耀东组有运气或缘分成分：杨老师刚回国、他算是"第二个学生"，一封邮件就拿到机会；后来他完成目标很快。测试题是"用强化学习做一个灵巧手"，此前没碰过 RL，“都是现场学的”——看知乎、CSDN 的博客和代码，“有些一开始不 work，改一改就 work 了”。不少同学基本没做出来，他在很短时间内完成了。
• 做得比别人快的原因直接来自 RoboMaster：“完全没有人教过，全靠自己查资料，深入到每一个代码最底层的地方，看它怎么工作的，搞明白之后再把它实现。”

7. 三个月的论文：没人带反而更快

• 第一篇论文（强化学习做双灵巧手操作）只做了三个月，所有人以为做了一两年；带他的博士生开了几次会、一周后就去做别的了，杨耀东打电话说"源培，以后这个项目就靠你了"。事后看"从写作到各种设计都挺瞎搞的，说实话，但还是中了，而且分数还不错"。
• 由此形成他对"成熟体系"的判断，如今也讲给实习生听：“有一个成熟体系带确实能做得更快，但很多东西也会限制你——我当时做的时候完全没有任何限制，想干什么就干什么。”

8. 论文真正的贡献：证明 GPU 并行仿真+RL 可行

• 杨耀东最初的判断是"这个东西不可能只通过一个强化学习算法就训出来，肯定要加各种东西"——依据是历史经验：MuJoCo、PyBullet 时代样本效率不够，“当时是连训都训不出来的东西”。结果不仅训出来了，还做了20个任务、双手加起来接近50个自由度。
• 他的复盘刻意去光环：“现在回头看没有那么多算法上的突破”，真正的价值是"向整个学界证明了通过强化学习在大规模并行仿真里面能够做到各种各样这些事情"。顺手建的双手灵巧操作 benchmark 成了他在领域内的名片、许多后续工作从他的代码派生——“当时真没有想那么多，只是自己顺手做了。”

9. Shadow Hand 的兴衰、Isaac 拐点与一次典型的解题直觉

• 2019年 OpenAI 用 RL+Shadow Hand 解魔方轰动一时，2021年团队解散——“learning based 的方法做这些 fancy 的东西还不太 ready”：靠超大 CPU 集群才做出来，“代价很大，而且很难再 scale up”。转折点是英伟达 Isaac 的 GPU 并行仿真：“让普通的消费级显卡都能跑上万个环境。“该团队最近重新成立，他的解释是：“当时解散更多是判断数据不够，但现在这么多数据了，这是很自然而然的事情。”
• 他自称"国内最早用 Isaac 的"之一，手里有 Preview 2 等原始版本——在开发者论坛"随便刷刷"找到的，bug 一堆、经常跑不起来，但判断明确：“CPU 一定是并行做不过 GPU 的，而仿真的并行度又很重要，用 GPU 做仿真一定是大势所趋。”
• 主持人点出他的"解题思维”，他的归因仍是无人带教：“回想一下，没有任何一个人真正的带过我——你要不自己做，肯定也没办法做。”

10. 婴儿发育实验：一次诚实的证伪

• 论文里让双手模仿24个月大婴儿的任务序列，动机是"能不能像人一样发育”；他们查找专业资料，把婴儿动作按发育阶段分好、逐个用强化学习训练，结论意外：“没什么关系”——训早期婴儿任务还不如训复杂操作容易，“更多的还是看 reward 写的怎么样，还是算法的问题”。
• 主持人将这一结果与李飞飞关于"婴儿靠视觉信号积累获得智能"的 ImageNet 直觉并置；陈源培的结论是，至少在当前这套强化方案下，机器学会灵巧操作"还是用一种机器的方式，而不是人类的方式"。

11. 强化 vs 模仿：与师兄的路线 battle

• 在斯坦福与师兄争论最多的话题：师兄做模仿学习"非常 work"，揶揄他"我收集数据两天就做完了，你还在打仿真、写 reward、训强化、sim-to-real"；他的反击是终局论——模仿学习没有泛化性（师兄也承认"起码在当时"），“到了真实家庭环境一定有没见过的场景，你肯定拿不到相关的数据”，而强化学习可以通过自建仿真让机器人探索出来。
• 师兄的回应是"到时候机器人看人做一遍可能就会了"，他不买账：“这都是大家想象，我觉得不可能，或者说你永远会有做不到的时候。“当时整个领域"比较混沌，没有像今天那么收敛”——而主持人补充、他也认可：今天实操层面其实仍然非常混沌。

12. Demo 的真假：行业最普遍的灰色地带

• 主持人转述业内讨论：某著名企业发布会 demo 被业内认为是模仿学习做的，企业却说是强化学习。他确认这很普遍：“不用想，很多”——很多 demo 其实是模仿学习做的。他自己能看出来，靠"经验化的直觉”：对控制、强化、模仿各自能做到什么程度"有一个比较深刻的了解"。
• 这为他后面给具身泡沫下的定义埋下伏笔：“泡沫就是太多人说的跟做的不一样了。”

13. 独门训法：盯着机器人学，而不是看曲线

• “基本上大家以前都看曲线，只有我是打开那个仿真，盯着机器人学习，看着它怎么从完全不会到会”——失败了就想象策略此刻长什么样、为什么往左偏，调一下再让它实现；其他人通常让程序运行，自己去吃饭，回来再看结果。他们还说自己"从来没人这么干过"。Karen 刘曾问王晨：“为什么源培这么喜欢调 reward、看这些东西？”
• 这与大模型圈"训模型本质是细节工程"的共识同构：“方法我都告诉你了，但你最后出来的效果就是没我好，这个就是系统好。”

14. 抽屉把手的 reward：object-centric 的萌芽

• 印象最深的反直觉案例：机器手一直想把手指插进抽屉把手孔却插不进，实际上"它有时候不需要插进去，只需要捏住它"——每个关节和姿态卡得太死反而难训、难泛化（每个抽屉都不一样），“手上的 reward 其实不需要写得特别精细，只要让它知道到了大概的范围，让它在那个小范围内做自己的探索”。
• 主持人指出这正是他后来"从以人为中心到以物体为中心"论文的思想雏形，他承认：“当时有一些直觉，但还不清晰。”

15. 进入李飞飞实验室：据师兄转述只要了一个本科生

• 第一篇论文帮助他进入斯坦福：陈源培本人说不清是否是唯一的中国本科生；据师兄转述，申请者里有很多斯坦福硕士，“但他最后只要了我一个人，原因就是觉得那篇 paper 做的还可以，看上去比较炫酷”。
• 此前他出国主要是旅游，提到去过泰国；正式的学术交流还是第一次。Karen 刘给他的访问目标是"跟组内所有人全部聊一遍"（论文早已线上做完，KPI 理论上已完成）；印象最深的是氛围——从具身到脑机接口什么都有人做，“大家非常 open，没有说觉得哪个方向一定不行”。他去时李飞飞"基本已经在干自己的事、在筹备创业了"，但实验室"资源够、大家都很强、能探索自己想做的事"的管理方式让他受益。

16. 师兄的当头棒喝：跳出舒适区

• 师兄指出他的问题：“强化学习做得太好了，导致什么东西都想用强化做”——理论上什么都能训，“我真的要想发论文，用强化学习可能一周就能发一篇顶会”，但这是舒适区：“你作为一个真正的研究者，要做的应该是跳出你的舒适区——你之前做的东西，很多时候会限制你后面的发挥，但这个人其实是很难做到的。”
• 他承认这反人性、反惰性——技术未收敛时，选任何方向都是拿时间和资源下注；但"对整个领域的构建会潜移默化影响一个人"，他从斯坦福学到更多的正是这类东西，而非某项具体技术。

17. 具身技术 map：一个螺旋上升的循环

• 他给出的领域地图按数据与算法的矛盾展开：CV 加模型训练解决不了抓取→收轨迹做模仿→纯靠人示教太慢→强化学习自主探索→真机效率太低（某实验室十几台机器人训练 RL 也不行）→仿真 sim-to-real（伴随 Isaac 崛起）→sim-to-real gap 太大→Diffusion Policy、ACT 让模仿学习又火→VLA 火了之后大家又要在后面加强化——“一层一层的循环”。
• 结论是他反复强调的技术史观：“技术是个螺旋上升的过程，没有任何一个算法是多余的，它存在有它的道理。“下一阶段：世界模型本身就是个仿真器，“你可能又会倒回到在世界模型里面训强化那一套”。

18. 全球首次用人类数据训机器人双手：空白因交叉不足而存在

• 节目将这项工作介绍为全球首次；陈源培说这个方向"直觉上大家都应该能想到”，但在2023年左右，他和不少国内学者、图形学从业者讨论后"完全找不到一个"类似工作；他的解释是学科交叉不够：图形学的 fancy 动作早就来自人体动捕，“但机器人还没有到那一步”，而他们恰好灵巧手和仿真都做得早，“自然而然就把这些连接起来”。
• 方法是人戴动捕手套操作（视频+轨迹+时序数据）导入仿真做强化再 sim-to-real——“现在很多公司都在这么做”，也是他公司成立后所有技术方向（包括自研手套）的源头。灵巧手争议的最终答案就在这：“用灵巧手最大的原因就是它能够用上人类的数据，它跟人手的 gap 没那么大。”

19. 仿真派的天花板：可微仿真做不到

• 对"sim-to-real gap 会有办法解决"的仿真派说辞，他的回答是：“我就是仿真派，我的工作绝大部分都是做 sim-to-real”；能解决但"不能解决得特别好”，受限于图形学。可微仿真（把规则写成梯度可回传，真机轨迹放进去、仿真自动把摩擦力从1调到0.5）概念很火，但"做简单任务可以，复杂任务碰撞一下马上就爆炸了"，卡在计算复杂度。
• 真正突破主要有两条路：“算力再到一个新的量级”，或者"世界模型这条路真的做通了，直接拿世界模型做可微仿真器，或拿它做合成数据"。仿真"能做一些很 fancy 的 demo，但它肯定不是真正的终局，起码目前没看到"。

20. Object-centric：把操作建模成物体轨迹

• 最底层的动机很实在：“我不想每个任务都写个 reward”——抓取一套、放置一套、开微波炉一套，都不通用；而不管人手还是机械手，“看上去很复杂的操作，其实都是物体一个轨迹的变化”，把操作建模成物体按某轨迹和对应时间的运动，是"universal 的表达操作的方式"，可以统一 reward。
• 主持人类比李飞飞用 ImageNet 定义通用问题，他认同并再类比：“语言就是 next token prediction，是所有语言都可以这么用的方式；视觉上可能还没找到，但操作上物体的轨迹有这么一个潜力。“架构则对齐大模型范式：先用模仿学习吃下大量数据训大模型，再用强化做微调——“大的思路一直没变：从通用到专用，两种算法各有优劣势，要结合起来。”

21. 搭乐高与学术祛魅：「学术界需要的是一个故事」

• “顺序灵巧"论文的真相：项目就是"灵巧手搭乐高"这么一个长程任务（五六个步骤），做了一年，试过分层强化、open loop 接 policy 等"乱七八糟"的方案才收敛；而论文那套叙事是截稿前一个月强行安上的——“为了让 paper 能中，我居然需要强行找出一些所谓 novelty 的点或者故事把它串起来，不然连 paper 都发不了。”
• 这让他对学术界形成"清晰认知，或者说祛魅”：“学术界追求的不是最后的效果好，而是要给他们讲一个故事”——其运行规则"有些时候不太利于真正有影响的事情的发生”。但系统本身经得起检验：论文中稿、设备拆掉后有人来参观，现场全部重搭一遍、用原模型照样 work——“这对整个系统的可复现性非常重要。”
• 成功的最终归因还是系统论：“你只要系统做得足够好，就能做出很多以前做不到的事情。算法大家都知道，难点就在每一个细节上面。”

22. 斯坦福留下的两个措辞细节

• 师兄的沟通课：“你说一加一等于三，我说’错，一加一等于二’和’对，但一加一等于二’，最后传递的事实完全一样”，但观感天差地别——先说对错本身没有信息量，“态度不重要，事实更重要”。
• Karen 的写作课：paper 里不要写"我们的结果很厉害、泛化性非常强"这类形容词——读者若不认同反而减分，认同则"在他眼里这种很普通的东西居然这么强”。这影响了他看领域的姿态：“非常不喜欢下武断的定论，这对保持对整个领域的学习和敬畏非常重要。哪怕一篇很垃圾的 paper，都有你可以学习的点。”

23. 具身 scaling law：答案在数据，变量在硬件

• 对"具身的 scaling law 何时出现"的回答：“scaling law 在哪里，肯定就是数据在哪里”——纯靠遥操肯定不够，必须人类数据才能叠到量级；多少小时能砸出来？“不知道，得做了才知道，但我觉得百万小时肯定能看到一些效果。“当时几百小时的动捕数据已算海量——此前"以前可能50条数据就开始训了”。
• 与 LLM scaling 的本质不同是硬件：embodiment gap——人手与机械手、四指与五指、关节多少都不同，怎么跨本体？核心是"把人类蕴含的通用信息提出来"直接共用，“具体怎么抓、每个关节用多大力，人手和机械手肯定不一样，那部分让它用强化来自己学、自己弥补掉”。这在纯虚拟的语言模型上"从来都不用思考”。

24. 回国创业：24年年中没人讲强化学习

• 本来准备申 PhD（“有一些概率"申到），经杨耀东等介绍走上创业，驱动还是影响力。目标类比 OpenAI 的 slogan——“实现通用人工智能并且造福全人类”，落地场景只是途径；选具身的第一性理由：“真正能够影响世界的一定是生产力本质上的跃迁”——第四次工业革命、通用劳动力不再稀缺，背后指向算力与能源的突破。
• 一个反直觉的历史细节：24年年中调研市场时，“整个市场根本没有人讲灵巧手操作，也没有人讲强化学习”——o1 还没出来，“所有人都说强化学习已经死了，ChatGPT 说明监督数据就够了”，当时市面上是力控、仿真抓取、轨迹预测以及各种仿真加真机的路线；他们从那时就坚定 human data+RL 的路线，“这对一个具身企业或者说创业非常重要”。

25. 唯一的证伪方法：做别人做不到的事

• 混沌期"你做大家一样的事情，肯定是很难证伪的”，唯一办法是做出别人模仿不出来的能力。他的判据是"超越人类遥操示教能做的事"——比如双手抛接、极端一点三个球抛接：“遥操的人要看着机器人来操作，是非常慢的过程，你收不了这种数据”；模仿学习本质是模仿人类，超越人类能力的事它做不了。
• 下一个大脑能力突破的标志同样具体：“有这么一个机器人，你跟它说任何事情它都能做——成功率可能没那么高，但它都能做。“目前海外"特别断层式的进展没有”。

26. 海外几家公司怎么看：human-centric 对 robot-centric

• 行业关注的几家公司包括 Generalist、Figure、Sunday 等。Figure 最神秘、被怀疑 demo 是否真实；他站在算法视角判断"是真的——那东西我们要做也能做，有相应的设备训出来其实不难；只不过成功率到不了百分百，泛化性也不会那么好，更多是某个场景特定的东西，所以他们很少直接让人看”。
• 他认为自己与 Generalist 有一些相似；他另外提到 Real List 的整体素材管线，以及 Sunday 自研手套、放到很多地方采集数据。各家公司场景可能不同，但核心分野在 UMI 类 robot-centric 与他们的 human-centric：“我们一定是让人的日常生活中的数据能采得下来，而不需要专门的采集员。“如果路线错了？“肯定会有这种可能——那你就要调整得非常快，不能有包袱；不能说你一直做强化学习，别的东西 work 了你就不用。最后还是结果说话。”

27. 夹爪与手的终局：三类路线都会走向手

• 市场分成夹爪、单手、双手三个阵营，他的判断斩钉截铁：“你信我，所有做具身的公司，特别是说自己训基模的，未来一定会做手，不可能不做手”——第一性原理的证据：“为什么马斯克上来就做手，还要做这么复杂的手？“到终局跨场景，“你不可能用一个夹爪解决”：A 工厂 work 的夹爪到 B 工厂就 work 不了，到家庭炒饭更不行。北美顶尖公司也没找到高确定性路线，“等真正某个方案跑通放量的时候，我觉得会换手的，只是他们现在可能还没有精力做”。
• 通用大脑理想状态可指导五指、四指甚至夹爪——“技术上是可以的，但商业上不一定走得通，这个我也在思考”：具身介于自驾和大模型之间，“至少在有生之年，我觉得看到的可能还是软硬一体耦合的东西真正产生商业价值”；顺序上"肯定会先出现一个模型，在某个本体上能够做任何事情，或者取得很大突破，然后再放到各个本体”——他认为那会是"一个非常重要的时刻”。

28. 算法不是护城河：十个 idea 都可能对

• 反复的论断：“基本上所有的路线，只要我们想复现，一定能够复现出来，但最后的效果我觉得就是不太本质。“模仿还是强化、数据配比、backbone、世界模型还是 VLA——“这些是不重要的，你能改得非常快”；到了一定 level 后，算法"不是护城河——你很难做到全天下就你这里算法突破了，别人都不懂，你还能一直守着它”。
• 方法论：“你跟我说十个 idea，我觉得十个都有可能是对的”——脑科学的、视频数据的、人类数据的都有道理，“你只能试：把整一套闭环做得足够好，试得足够多，最后大家效果说话”；十条路线"可能都不完全对也不完全错，各有可取之处，最后看怎么把各自的长处融合在一起”。这也解释了为何他们不喊世界模型口号：“什么时候说做什么不是绝对的——过了一年可能不叫世界模型了，叫 reward 模型，它要真的效果好，我们也能拿来用。”

29. 世界模型祛魅：噱头、拼图与马斯克的沉默

• 对"原生世界模型"等说法：“我真实感受下来，更多的还是噱头”——主持人提到当前底层仍多使用图片、视频领域的 DiT（Diffusion Transformer），并介绍了同时输出 action 和未来帧、先预测未来再用 inverse dynamics 输出 action 等不同做法；陈源培认同美国也没有探索出根本性突破。他的强命题是：“数据不变、训练的 loss 不变、训练方式不变，只通过改模型架构或模块连接方式就能有突破性变化，我觉得是不可能的。”
• 主持人的比喻他认可：世界模型像一块无限大的拼图，短期没人能一统天下，最后是不同路线相交拼成的更大图景。他最近在研究的问题更妙：“为什么马斯克不说世界模型？因为世界模型这东西本来是不产生价值的——它要么是个概念，要么是个方法；上火星、能源、具身实际产生价值，但它本身不产生价值。”

30. 主动世界模型与「真智能」的否定

• 公司另一位科学家温莹老师从一本书里引出的三重世界模型理论：客观世界规律（深刻理解物理）、自己的 policy 与想象，以及现在最缺的中间层"主动世界模型”——主动判断哪些信息有用：“我要抓手机，就提取手机的形状和位置；旁边有个麦克风，它不需要知道，那就是噪声。“这关乎数据信噪比：加入信噪比低于模型能力的数据，“反而是会让它能力下降的”。他随即自我设限：“这也只是一种想法，可能可以做，具体怎么样得看。”
• 被问"机器人现在学会的是真实的智能吗”，回答干脆：“肯定不是啊，都是模仿”——“没有真正的泛化，顶多做些组合泛化：做过 AB 和 CD，把 B 和 C 组合在一起多少也能做，但还是必须得见过”，仍在存量世界里泛化。对借鉴脑科学他持实用主义：“把神经网络做出来的是学计算机的人，是发现用这东西效果好才做出来的，而不是因为它像人脑——这些理论到底有没有道理，得做了才知道，实践才是最重要的。”

31. 仿真派与真实数据派：鸡生蛋的死结

• 对"不采一帧真机数据、全靠仿真"的公司：“我 respect”，但速度账他不认：仿真到达数据量可能快，“但多样性不一定有真实数据快”——一百个场景，“我拍一百个人，可能一天就有一百个场景的数据”；仿真派要 real-to-sim，把每个场景重新建模放进仿真再采回来，“是一个非常 dirty 的 work，场景生成能力远没有直接真实世界采快，起码目前是”。核心死结：“如果你觉得世界模型突破以后会把 VLA 干掉，我就问一句：你觉得是做 VLA 需要的数据量多，还是做世界模型需要的数据量多？哪怕真的有这个东西，你也要先经过 VLA——而且它的数据大概率也是这么采过来的。”
• 主持人以 coding 改造软件世界类比 AI 终将加速仿真全环节，他部分接受但不改结论：coding 结构化、逻辑性强，“是非常快能实现的”；物理世界"其实也能加速，但它没有办法解决准确和确定性问题”，跨模态领域"是一点一点发展的，肯定不是突然有一天从结构上就把那个领域干掉”——就像大语言模型能干掉金融、医疗领域的一部分语言工作，“真正拿去望闻问切，还是代替不了真人”。LLM 在具身中的角色：“L 肯定是需要的，它是一种工具，但它肯定不会是一个范式。”

32. 商业化、成本结构与泡沫的定义

• 创业近两年对商业化的核心发现是 trade-off：“非常考验创始人的能力——一定要时刻记得我们是一个做模型、做 AGI 的公司，而不是简单拿一个成果去商业化”，短期效果与长期价值的平衡"没有万能解法，看情况来"。去年 WRC 的打麻将 demo 是用强化学习做的，但仍然使用仿真；国内的杠杆是场景和政策，“硅谷更多还是做 demo 或者探索技术”。
• 手脑关系他选"脑定手"；成本占比：短期"商业需要，硬件还是会占比较大的部分"（能落地的是专用、弱泛化场景），“到了未来，一定是脑占的更大的部分”——取决于脑的泛化性、兼容性、通用性。他给具身泡沫的定义只有一句：“太多人说的跟做的不一样了——说自己做强化学习，其实可能用一些其他的方法；但因为大家很难分辨，所以还是能做。”

33. 非标人生的方法论：不后悔与「绝对不可能不快乐」

• 给高考考生的建议朴素：“什么专业都能干机器人”；优秀机器人人才三要素：追求卓越（“没有一个上限，做了一个很好的东西，肯定有更好的”）、系统性思维（全栈，“不能只顾模型不关注其他，它是个系统工程”）、开放不 ego（“你能看到别人优点是好的”）——勤奋不在其中：“我自己就不是很勤奋，说实话，清北那些状元、竞赛生比我勤奋多了。”
• 对"天才"与榜样的态度一致地去神化：珍妮纺纱机、蒸汽机"被发明出来的时候，都不在当时最大的大厂、钱最多的地方，都是某一些还没被验证的人突然做出来的"；大厂"倾向于招已被验证过的天才"。他不愿当榜样：“我总不能鼓励大家天天玩游戏——最主要还是做自己想做的事，不要太害怕，你只要想做，事情就有可能做到。”
• 人生信条从六年级就定下：“不要后悔”——高考前打牌是"我现在选的，哪怕老了真的因为这些事情很多书没读好，也无所谓，我现在开心就行"；以及"绝对不可能不快乐：如果是我不喜欢做的事情，我一定不会做，会想尽一切办法结束"。创业好玩吗？“我在做我喜欢的事情，起码我觉得已经比很多人要幸运了——很多人其实在干他们不喜欢的事情。”