WAIC最狠展臺(tái)打爆工業(yè)「深水區(qū)」！它石智航首發(fā)具身原生大腦AWE 3.5，具身Scaling全面釋放

Jay 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

走進(jìn)一家大型汽車(chē)制造商的線束車(chē)間，你會(huì)看到和整車(chē)工廠截然不同的畫(huà)面。

整車(chē)車(chē)間干凈、明亮、幾乎完全自動(dòng)化。線束車(chē)間密密麻麻，彌漫著汗味。

很多工人培訓(xùn)一個(gè)月，在崗堅(jiān)持不到三個(gè)月就離開(kāi)了。

這是工業(yè)自動(dòng)化界公認(rèn)的「深水區(qū)」。

△圖為AI生成

如今，被具身智能徹底打爆了。

2026年WAIC，它石智航把一條1:1還原的環(huán)形線束流水線，搬進(jìn)了展館。多臺(tái)機(jī)器人集群合作，流水線輪轉(zhuǎn)線束板，每個(gè)工位同一時(shí)間裝配不同的線束線型。

效率自然大幅提升。它石智航首席科學(xué)家丁文超甚至調(diào)侃道：

現(xiàn)場(chǎng)我們都不敢讓它一直干活，怕機(jī)器人干太快給料用完了。

撐起這條全自動(dòng)化產(chǎn)線的，是它石智航剛剛發(fā)布的具身原生基座模型AWE 3.5。

這也是具身智能領(lǐng)域第一個(gè)真正打通預(yù)訓(xùn)練到后訓(xùn)練完整范式的原生模型。

一臺(tái)機(jī)器人的「多任務(wù)實(shí)戰(zhàn)」

它石給新版本取名3.5，信號(hào)也挺明確的：希望它像GPT-3.5一樣，在多任務(wù)能力上開(kāi)始展現(xiàn)新的可能。

回看AWE的發(fā)展趨勢(shì)，也確實(shí)是這樣。

3.0首秀，它石打爆了線束場(chǎng)景。

到了3.5，模型開(kāi)始向更多場(chǎng)景溢出。工業(yè)裝配、插接、收納……全部被放進(jìn)同一個(gè)模型里。

今年它石WAIC展臺(tái)的主題-打造可信賴(lài)的物理AI，也是圍繞這項(xiàng)特點(diǎn)展開(kāi)，任務(wù)之間不重新加載新的模型，不切換參數(shù)，全靠同一個(gè)基礎(chǔ)模型。

現(xiàn)場(chǎng)的展示非常魔幻，他們的機(jī)器人簡(jiǎn)直是「勞模」，整理桌面、打包手機(jī)、插網(wǎng)線、零件分揀……反正不管啥東西，遞過(guò)去就開(kāi)干。

用丁文超的話說(shuō)就是：

跟主播帶貨一樣（笑）。

但，這只是開(kāi)胃菜。

2026年是世界模型百家爭(zhēng)鳴的元年，不過(guò)，究竟什么是世界模型？

在大部分人的認(rèn)知里，它還是論文里的架構(gòu)圖和評(píng)測(cè)表格里的數(shù)字。

這次，它石智航在WAIC給出了最直接的答案：

你上手試一試。

現(xiàn)場(chǎng)觀眾戴上數(shù)據(jù)采集夾爪，就能和一個(gè)由AWE 3.5生成的平行世界展開(kāi)互動(dòng)。

你捏起一塊積木，松手，積木像受重力一樣落向桌面。你拖拽手機(jī)盒，盒子產(chǎn)生對(duì)應(yīng)的位移和摩擦。蠟燭上微弱的火焰，也在模型中被忠實(shí)地呈現(xiàn)出來(lái)。

這些交互沒(méi)有一行牛頓定律代碼，沒(méi)有碰撞引擎，沒(méi)有物理結(jié)算。所有重力、柔性、碰撞反饋、物體位移……全部，由模型從真實(shí)類(lèi)數(shù)據(jù)中學(xué)到。

而在這個(gè)涌現(xiàn)之外，有一項(xiàng)被嚴(yán)重低估的能力：長(zhǎng)時(shí)記憶與空間理解。

視頻模型有一個(gè)難以治愈的缺陷——

預(yù)測(cè)未來(lái)的時(shí)間一長(zhǎng)，物體就容易突然消失、變形，或者在一幀幻覺(jué)之后徹底蒸發(fā)。

究其根本，像素監(jiān)督本身不鼓勵(lì)長(zhǎng)程物理交互的連續(xù)性，無(wú)法用于具身訓(xùn)練。

為此，AWE 3.5依托human-centric數(shù)據(jù)專(zhuān)門(mén)強(qiáng)化了模型結(jié)構(gòu)，讓它顯式學(xué)習(xí)長(zhǎng)時(shí)記憶和長(zhǎng)時(shí)序空間理解，在數(shù)分鐘的連續(xù)、交互閉環(huán)推演中保持環(huán)境穩(wěn)定。在此基礎(chǔ)上，后訓(xùn)練可以從連續(xù)過(guò)程中切出多個(gè)動(dòng)作片段，而不用擔(dān)心環(huán)境在下一秒崩掉。

在世界模型中做強(qiáng)化學(xué)習(xí)，成為了可能。

原生模型，從第一性原理重構(gòu)具身大腦

今年以來(lái)，行業(yè)一直有VLA or 世界模型的爭(zhēng)議，但最近和很多做具身的朋友聊了后發(fā)現(xiàn)，真正訓(xùn)模型的人根本不在乎所謂路線之爭(zhēng)。

無(wú)論哪條路線，最終，還是要看是否能優(yōu)化Action。

VLA架構(gòu)里，視覺(jué)和語(yǔ)言在預(yù)訓(xùn)練階段就緊密耦合，動(dòng)作模態(tài)卻要到后訓(xùn)練才通過(guò)SFT接入。這相當(dāng)于一個(gè)學(xué)生先學(xué)了全部理論課，臨考試前才開(kāi)始動(dòng)手做實(shí)驗(yàn)。理論和實(shí)操之間，隔著一道先天的裂縫。

世界模型路線往前走了一步，至少可以利用大規(guī)模視頻學(xué)習(xí)表征能力。但互聯(lián)網(wǎng)視頻模型的Attention結(jié)構(gòu)已經(jīng)在幾十萬(wàn)到百萬(wàn)小時(shí)的貓狗視頻上定型了，直接往具身基座模型里嵌，容易走向兩個(gè)極端：

1、視頻模型原有的幻覺(jué)跑進(jìn)動(dòng)作策略，導(dǎo)致操作不到位或判斷混亂；

2、視覺(jué)理解、空間理解和動(dòng)作永遠(yuǎn)無(wú)法同步。

因此，早在行業(yè)掀起「世界模型」熱浪前，它石從第一天便毅然選擇了另起爐灶——

從頭訓(xùn)一個(gè)原生的具身模型。

具體而言，AWE 3.5從預(yù)訓(xùn)練階段開(kāi)始，就把視覺(jué)、語(yǔ)言、動(dòng)作等多種模態(tài)一起喂給模型。同一套架構(gòu)，既能輸出動(dòng)作，也能預(yù)測(cè)未來(lái)。

丁文超把它稱(chēng)為One Model結(jié)構(gòu)。

這個(gè)架構(gòu)設(shè)計(jì)有一個(gè)精妙之處：模型本身不變，只改變輸入輸出的組合方式，就能切換出完全不同的「人格」。

視覺(jué)到動(dòng)作，是Base Policy，負(fù)責(zé)制定策略、發(fā)出指令；以動(dòng)作為條件預(yù)測(cè)未來(lái)視覺(jué)，是Action Condition World Model，負(fù)責(zé)預(yù)測(cè)環(huán)境變化。兩者交互在一起，就是一套完整的強(qiáng)化學(xué)習(xí)閉環(huán)。

打個(gè)比方：打包書(shū)包時(shí)拉拉鏈。

這是一個(gè)毫米級(jí)精度的活，而且處處是「卡點(diǎn)」。拉多一點(diǎn)可能成功，拉少一點(diǎn)可能抓不住，用力過(guò)猛可能卡住。

傳統(tǒng)的做法是把機(jī)器人放在真機(jī)上一遍遍試，失敗一次就記錄一次，數(shù)據(jù)貴、速度慢、設(shè)備磨損還大。

AWE 3.5的做法是：先在預(yù)訓(xùn)練模型的「腦海」里模擬。模型想象拉鏈在不同力度下的各種結(jié)果，然后把最優(yōu)策略告訴Base Policy。這比在真機(jī)上反復(fù)試錯(cuò)快了不止一個(gè)數(shù)量級(jí)。

這就是它石原生模型最核心的突破：模型成了自己的「仿真器」，而無(wú)需手工搭建仿真環(huán)境。預(yù)訓(xùn)練建立通用物理交互能力，后訓(xùn)練在模型內(nèi)部的世界里自我對(duì)弈、自我強(qiáng)化，形成自閉環(huán)。

這套范式，是語(yǔ)言模型在文本領(lǐng)域已經(jīng)驗(yàn)證過(guò)的路徑；但在具身原生模型里，它石開(kāi)發(fā)的AWE 3.5是第一家完整跑通的。

而之所以能成，也是它石長(zhǎng)期布局之下兩條暗線的交匯所賜——

足夠大的真實(shí)數(shù)據(jù)規(guī)模，以及能消化大規(guī)模數(shù)據(jù)的Infra。

缺任何一樣，這個(gè)閉環(huán)就轉(zhuǎn)不起來(lái)。

先看數(shù)據(jù)量——

AWE 3.5，基于超百萬(wàn)小時(shí)human-centric數(shù)據(jù)訓(xùn)練。

這個(gè)量級(jí)有多夸張？

這么說(shuō)吧，目前市面上大多數(shù)視頻生成模型，訓(xùn)練數(shù)據(jù)是在百萬(wàn)小時(shí)級(jí)別。

自動(dòng)駕駛所需數(shù)據(jù)，也是這個(gè)量級(jí)。

但百萬(wàn)小時(shí)，不是簡(jiǎn)單的堆量游戲。

具身數(shù)據(jù)的價(jià)值分布極不均勻。部分?jǐn)?shù)據(jù)對(duì)模型至關(guān)重要，但重復(fù)度高、交互單一的數(shù)據(jù)，對(duì)模型幾乎沒(méi)用。

如何從百萬(wàn)小時(shí)中篩出真正高質(zhì)量的部分，已經(jīng)成為比采集本身更緊迫的問(wèn)題。

這對(duì)數(shù)據(jù)Infra提出了極高的要求，也是它石這幾個(gè)月以來(lái)重點(diǎn)優(yōu)化的方向。

它石數(shù)據(jù)系統(tǒng)的重心，正在從「更多」轉(zhuǎn)向「更聰明、質(zhì)量更高」，Data Efficiency正在成為新的評(píng)測(cè)維度。

而當(dāng)數(shù)據(jù)規(guī)模和數(shù)據(jù)效率同步上去后，Scaling的威力也終于得到了印證。

丁文超表示，現(xiàn)在預(yù)訓(xùn)練已經(jīng)足夠扎實(shí)，一個(gè)新任務(wù)只需要小時(shí)級(jí)別的數(shù)據(jù)采集就能跑通。

這正是當(dāng)初它石選擇One Model架構(gòu)的前瞻性：先建立通用基礎(chǔ)能力，再向各個(gè)場(chǎng)景分發(fā)。

如今隨著AWE 3.5發(fā)布，這項(xiàng)前置戰(zhàn)略的紅利也終于開(kāi)始顯現(xiàn)——

它石等的，從來(lái)不是線束這一個(gè)場(chǎng)景的閉環(huán)。

量子位獲悉，除線束之外，柔性操作、分揀、檢測(cè)協(xié)同……等多個(gè)工業(yè)場(chǎng)景，也已經(jīng)在驗(yàn)證中。

基于此，丁文超給出了一個(gè)大膽判斷：

具身Scaling已全面釋放。2027年上半年到年中，可能出現(xiàn)分水嶺。

行業(yè)已經(jīng)從「機(jī)器人文娛舞蹈」，進(jìn)入「機(jī)器人真干活」的階段。

展會(huì)熱度，則是一個(gè)先行指標(biāo)。今年的WAIC，具身智能企業(yè)超過(guò)200家，機(jī)器人展區(qū)的人流明顯超過(guò)其他區(qū)域。

而它石的展區(qū)，同樣也是堆滿了人。

「機(jī)器人究竟什么時(shí)候進(jìn)廠干活？」——這個(gè)問(wèn)題，無(wú)論線下還是線上，都已經(jīng)很少再被人提起。

原因很簡(jiǎn)單：各大頭部廠商早已爭(zhēng)相把機(jī)器人送進(jìn)了工廠的深水區(qū)，讓它在真實(shí)環(huán)境中摔打、學(xué)習(xí)、迭代。

WAIC世博展館一樓，從北門(mén)進(jìn)入，映入眼簾的便是「模登時(shí)代·伙伴之城」。一個(gè)機(jī)器人各司其職、埋頭干活的實(shí)景展區(qū)。

而進(jìn)門(mén)右側(cè)第一個(gè)展位，它石帶來(lái)的汽車(chē)精密線束裝配演示，無(wú)疑是其中最為獨(dú)特的一個(gè)。

我親手體驗(yàn)了一番：插孔極小，必須瞇起眼睛才能勉強(qiáng)對(duì)準(zhǔn)，即便插了進(jìn)去，也很可能是誤插，必須要插到正確點(diǎn)位才能使用。人工操作尚且如此，對(duì)機(jī)器人而言，難度可想而知。

這是它石首次亮相WAIC，也是我第一次在線下近距離觀看他們的Demo。但說(shuō)實(shí)話，這或許就是WAIC這類(lèi)線下活動(dòng)的意義吧，看完之后，腦海中原本模糊的印象一下子變得具象起來(lái)——

這不僅是一家技術(shù)過(guò)硬的公司，更是一家特點(diǎn)鮮明、場(chǎng)景定位極其清晰的具身智能企業(yè)。

這也是丁文超在與量子位對(duì)話中，反復(fù)強(qiáng)調(diào)的觀點(diǎn)：

具身智能的下一步，是讓系統(tǒng)獲得梯度，也就是明確的迭代方向。而這個(gè)方向，不可能僅靠公司內(nèi)部的幾個(gè)Demo來(lái)牽引，它必須來(lái)自真實(shí)場(chǎng)景的正反饋。

它石正在做這件事。

對(duì)話它石首席科學(xué)家丁文超

具身Scaling能力釋放

量子位：從AWE 3.0到3.5，研發(fā)過(guò)程中有哪些困難超出了最初預(yù)期？

丁文超：整體框架基本符合之前設(shè)定的節(jié)奏，但有兩點(diǎn)與最初的判斷存在偏差。

第一點(diǎn)是硬件與軟件協(xié)同設(shè)計(jì)（Co-Design）的重要性遠(yuǎn)超預(yù)期。我們?cè)贏WE 3.0階段已經(jīng)意識(shí)到這個(gè)問(wèn)題，到了3.5及后續(xù)版本，靈巧手的關(guān)鍵作用愈發(fā)凸顯。

夾爪能解決大約80%的問(wèn)題，但剩下20%如果全部依賴(lài)特制夾爪，工程難度極高。當(dāng)前靈巧手正在走向成熟——它能否真正勝任實(shí)際任務(wù)并跑通商業(yè)閉環(huán)，很可能成為具身智能領(lǐng)域的一個(gè)重要里程碑。

做好靈巧手，需要數(shù)據(jù)、模型和硬件三者兼?zhèn)?/strong>，因此它也是檢驗(yàn)一家具身智能公司綜合實(shí)力的「黃金測(cè)試」。我們?cè)趯?shí)踐中逐步加深了對(duì)手的重要性的認(rèn)知。

從AWE 3.0之前開(kāi)始，我們就持續(xù)投入自研靈巧手。市面上很多產(chǎn)品采用Bottom-Up的思路——先追求高自由度，再?gòu)挠布霭l(fā)。我們的路徑更接近Top-Down：先梳理需要完成哪些人類(lèi)動(dòng)作、匹配哪些人類(lèi)數(shù)據(jù)，再反向定義硬件設(shè)計(jì)。這是一項(xiàng)計(jì)劃之外、但在過(guò)程中不斷加大的投入。

第二點(diǎn)是具身智能的Scaling已經(jīng)解鎖。如果行業(yè)繼續(xù)朝這個(gè)方向聚集資源，頭部效應(yīng)會(huì)更加顯現(xiàn)。

量子位：它石的human-centric數(shù)據(jù)已經(jīng)達(dá)到百萬(wàn)小時(shí)，能否講講它石具身數(shù)據(jù)的Scaling曲線長(zhǎng)什么樣？

丁文超：我們?cè)诰呱眍I(lǐng)域?qū)caling的定義是：通過(guò)合理的預(yù)訓(xùn)練與后訓(xùn)練范式，將完成新任務(wù)所需的數(shù)據(jù)量和采集成本降到最低。

目前，一個(gè)新任務(wù)普遍只需要小時(shí)級(jí)別的數(shù)據(jù)采集，就能讓模型將任務(wù)完成到大致可用的程度。這條邊界，我們已經(jīng)觸碰到了。

量子位：要實(shí)現(xiàn)物理AGI，數(shù)據(jù)還需要增長(zhǎng)到什么規(guī)模？

丁文超：這會(huì)逐漸演變?yōu)橐粋€(gè)長(zhǎng)尾問(wèn)題。當(dāng)基礎(chǔ)數(shù)據(jù)積累到一定規(guī)模后，能夠貢獻(xiàn)高價(jià)值增量的新場(chǎng)景會(huì)越來(lái)越少。

到了那個(gè)階段，與其糾結(jié)數(shù)據(jù)總量，不如回到一個(gè)更本質(zhì)的問(wèn)題：模型到底要完成什么任務(wù)？我們要采什么樣的數(shù)據(jù)？如何以可控的成本讓機(jī)器人勝任盡可能多樣的任務(wù)？

兩者有交集，但在實(shí)際推進(jìn)路徑上存在明顯差異。

量子位：落地閉環(huán)會(huì)反過(guò)來(lái)影響模型訓(xùn)練？

丁文超：基礎(chǔ)數(shù)據(jù)達(dá)到一定規(guī)模后，當(dāng)然可以繼續(xù)堆量。但真正的難點(diǎn)在于讓系統(tǒng)獲得「梯度」——也就是明確的迭代方向。這個(gè)方向不可能靠公司內(nèi)部幾個(gè)Demo來(lái)持續(xù)牽引，它必須來(lái)自大量真實(shí)場(chǎng)景需求的正反饋。

所有成功的AI都受到真實(shí)需求的驅(qū)動(dòng)。語(yǔ)言模型早期有非常多的應(yīng)用方向，但真正把模型能力推向極致的應(yīng)用之一是AI Coding。雖然AI Coding是一個(gè)垂直應(yīng)用，但它倒逼模型公司建立起預(yù)訓(xùn)練、大規(guī)模數(shù)據(jù)閉環(huán)、Harness Engineering等一整套體系化能力，因此提供了極強(qiáng)的正反饋。

其他應(yīng)用同樣存在，只是規(guī)模相對(duì)更小。正是這些應(yīng)用的牽引，讓行業(yè)對(duì)語(yǔ)言模型能否走向AGI有了更堅(jiān)定的判斷。閉環(huán)跑通之后，技術(shù)的先進(jìn)性才有了清晰的衡量標(biāo)準(zhǔn)。

具身智能同樣需要找到若干個(gè)類(lèi)似AI Coding級(jí)別的應(yīng)用。它的能力不會(huì)局限于這些場(chǎng)景，但正反饋通路能讓數(shù)據(jù)、模型和Infra形成一條穩(wěn)定、可靠、可擴(kuò)展的完整鏈路。

我們當(dāng)前最看重的，是在多個(gè)場(chǎng)景中形成Killer App閉環(huán)，并達(dá)到一定規(guī)模。至于未來(lái)數(shù)據(jù)還需要再增加幾個(gè)零，現(xiàn)階段并沒(méi)有那么重要。

具身Scaling時(shí)代，如何重新理解Research？

量子位：過(guò)早進(jìn)入具體場(chǎng)景，會(huì)不會(huì)導(dǎo)致模型過(guò)擬合？

丁文超：（笑）你看我們展臺(tái)展示的任務(wù)，有過(guò)擬合嗎？

過(guò)擬合通常意味著系統(tǒng)只能做好一件事。但如果能覆蓋足夠多的任務(wù)，能力自然就會(huì)形成泛化。我們?cè)谡古_(tái)上同時(shí)展示多種不同的任務(wù)，本身就是在驗(yàn)證這一點(diǎn)。

量子位：具身公司既要持續(xù)做Research，又要尋找落地閉環(huán)，這兩條路線會(huì)在內(nèi)部文化上形成沖突嗎？

丁文超：這是任何高科技公司都要面對(duì)的挑戰(zhàn)。追求通用技術(shù)架構(gòu)的領(lǐng)先，與建立終端客戶(hù)的反饋閉環(huán)，在一定程度上存在張力，但也有共通之處，關(guān)鍵在于動(dòng)態(tài)平衡。

早期做AI Coding的公司也曾經(jīng)歷過(guò)動(dòng)搖：有些做到一半就放棄了；有些長(zhǎng)期死磕應(yīng)用，卻忽視了通用模型底座的進(jìn)展。兩端都不能缺失。

具身領(lǐng)域確實(shí)還有很多Research可做，但傳統(tǒng)意義上的學(xué)術(shù)研究機(jī)會(huì)正在逐步收窄。當(dāng)工業(yè)界開(kāi)始Scaling，學(xué)術(shù)界的空間就不會(huì)像早期那么大。

目前學(xué)術(shù)前沿正在向雙臂靈巧操作、高自由度靈巧手等方向遷移，如果繼續(xù)用單臂或雙臂夾爪去完成常規(guī)任務(wù)，學(xué)術(shù)新穎性會(huì)逐漸降低。

學(xué)術(shù)界當(dāng)然還可以發(fā)表新的VLA或World Action Model方法，但隨著數(shù)據(jù)規(guī)模的提升，很多Trick雖然仍有幫助，卻不再起決定性作用。

行業(yè)規(guī)律通常是：學(xué)術(shù)界先釋放信號(hào)，工業(yè)界找到更本質(zhì)的問(wèn)題并進(jìn)行Scaling，隨后該方向的學(xué)術(shù)空間收窄，研究者再去尋找新的前沿——目前靈巧手可能就是學(xué)術(shù)界新的棲息地。

因此，我們需要重新定義具身領(lǐng)域的Research。當(dāng)下真正困難的問(wèn)題包括：數(shù)據(jù)如何采集、篩選和平衡？預(yù)訓(xùn)練Infra和網(wǎng)絡(luò)架構(gòu)如何設(shè)計(jì)？后訓(xùn)練流程如何穩(wěn)定迭代？以及規(guī)模不斷擴(kuò)大后如何解決系統(tǒng)性工程問(wèn)題？

這些問(wèn)題極少能被一篇Paper完整覆蓋。部分論文可能只提供零散的啟發(fā)，企業(yè)需要用第一性原理把潛在路徑排列出來(lái)，再用大量實(shí)驗(yàn)逐一驗(yàn)證。這是一種「大規(guī)模Research」，只是它的形態(tài)已經(jīng)不同于傳統(tǒng)的學(xué)術(shù)研究。

學(xué)術(shù)界的數(shù)據(jù)量有限，也缺少大規(guī)模的真機(jī)閉環(huán)，因此前沿研究正在加速向產(chǎn)業(yè)側(cè)轉(zhuǎn)移。這就像自動(dòng)駕駛端到端技術(shù)出現(xiàn)后引發(fā)的范式轉(zhuǎn)移一樣，具身智能正在經(jīng)歷同樣的過(guò)程。

量子位：找場(chǎng)景和做Research越來(lái)越耦合，你們內(nèi)部如何分配注意力？

丁文超：在我們內(nèi)部，沒(méi)有「預(yù)研」這個(gè)崗位，所有人統(tǒng)稱(chēng)為工程師。但大家做的工作并不重復(fù)，而且很多挑戰(zhàn)目前連可供參考的論文都沒(méi)有。在行業(yè)快速爬坡的階段，研究與工程必須緊密咬合。也許再過(guò)兩年，等技術(shù)方案進(jìn)一步收斂后，研究和工程兩類(lèi)崗位才會(huì)明顯分開(kāi)。

量子位：行業(yè)進(jìn)入Scaling和Scaling Research階段后，新入局者還有機(jī)會(huì)嗎？

丁文超：新公司必須找到差異化的切入角度。在當(dāng)下這個(gè)階段，只憑幾篇World Action Model或VLA論文就想創(chuàng)業(yè)，難度已經(jīng)非常高了。有了大規(guī)模數(shù)據(jù)和Infra的支撐后，工業(yè)界對(duì)潛在技術(shù)路線的探索廣度，甚至可能超過(guò)學(xué)術(shù)界。

這和自動(dòng)駕駛的發(fā)展軌跡非常相似。2021到2022年前后，很多自動(dòng)駕駛公司完成了從Research Driven到Product Driven的轉(zhuǎn)變，真正建立起了數(shù)據(jù)規(guī)模和Infra，隨后才迎來(lái)了2023、2024年端到端技術(shù)的全面爆發(fā)。

具身智能正在經(jīng)歷類(lèi)似的過(guò)程：從局部的技術(shù)亮點(diǎn)，走向系統(tǒng)化的體系作戰(zhàn)。新入局者需要尋找新的生態(tài)位，例如：把自己定位為通用世界模型公司，讓具身智能只是其中一個(gè)子場(chǎng)景；或者避開(kāi)已經(jīng)高度內(nèi)卷的Tabletop（桌面級(jí)）任務(wù)，直接選擇全尺寸人形等方向。

量子位：它石招人才最看重哪些特質(zhì)？

丁文超：如果只用一個(gè)詞概括，就是敢想敢做；如果再加幾個(gè)詞，那就是踏實(shí)靠譜。

在AI時(shí)代，專(zhuān)業(yè)的邊界已經(jīng)大幅弱化，個(gè)人腦子里裝的知識(shí)很難超過(guò)大模型。基于這一點(diǎn)，人不要給自己設(shè)限，要敢于跨越邊界去學(xué)習(xí)和行動(dòng)。

永遠(yuǎn)不要低估模型

量子位：行業(yè)路線仍然分散，也還沒(méi)有公司拿出類(lèi)似GPT-3.5的決定性成果。應(yīng)該用什么標(biāo)準(zhǔn)來(lái)判斷具身智能公司？它石智航的壁壘在哪里？

丁文超：早期判斷的信噪比確實(shí)比較低，但我預(yù)測(cè)2026年底到2027年可能會(huì)出現(xiàn)分水嶺。單場(chǎng)景任務(wù)各家公司只要努力都能完成，真正考驗(yàn)基礎(chǔ)模型能力的，是以一定的可靠率完成多個(gè)任務(wù)。

2027年上半年到年中，「能否實(shí)現(xiàn)多場(chǎng)景可靠落地」會(huì)成為關(guān)鍵的評(píng)判標(biāo)準(zhǔn)。如果一家企業(yè)能用AI化的方法實(shí)現(xiàn)多場(chǎng)景的規(guī)模化落地，就會(huì)迅速與其他公司拉開(kāi)差距。

目前投資人和普通用戶(hù)很難在線下直接接觸機(jī)器人，大多只能通過(guò)視頻了解。但在未來(lái)12個(gè)月內(nèi)，機(jī)器人會(huì)真正進(jìn)入更多大眾可觸達(dá)的場(chǎng)景。雖然進(jìn)入家庭仍存在Gap，但機(jī)器人將開(kāi)始承擔(dān)更多真實(shí)的商業(yè)任務(wù)。

到那時(shí)，評(píng)判標(biāo)準(zhǔn)會(huì)變得非常直觀：機(jī)器人到底完成了哪些事情？擴(kuò)展新任務(wù)的速度有多快？成本有多低？這非常類(lèi)似自動(dòng)駕駛早期的發(fā)展軌跡——各家公司先圈定幾條演示路線，隨后開(kāi)始比拼「開(kāi)城速度」，最終進(jìn)入存量競(jìng)爭(zhēng)和大規(guī)模量產(chǎn)階段。

量子位：今年WAIC上，能干活的機(jī)器人明顯變多了。具身大腦目前發(fā)展到什么階段了？

丁文超：進(jìn)展快的公司可能已經(jīng)開(kāi)始切入實(shí)際場(chǎng)景。

展會(huì)里展示的「干活」任務(wù)大多經(jīng)過(guò)了抽象和簡(jiǎn)化。真正進(jìn)入工廠后，系統(tǒng)需要長(zhǎng)期、穩(wěn)定、不間斷地運(yùn)行，工程難度依然極高。

2024年，大家看到機(jī)器人本體「能動(dòng)」就覺(jué)得很厲害；后來(lái)開(kāi)始關(guān)注Pick and Place（抓取與放置）以及稍復(fù)雜的操作；而現(xiàn)在最核心的拷問(wèn)是：它有沒(méi)有在真實(shí)場(chǎng)景中持續(xù)、穩(wěn)定地工作。

量子位：進(jìn)入工廠后，除了技術(shù)，還需要具備哪些能力？

丁文超：服務(wù)客戶(hù)的精神。需要與生態(tài)企業(yè)深入交流：了解用戶(hù)喜歡什么功能、交互邏輯怎樣設(shè)計(jì)，以及哪些需求源于真實(shí)現(xiàn)場(chǎng)，哪些只是團(tuán)隊(duì)自己的「腦補(bǔ)」。這是技術(shù)走向落地必須經(jīng)歷的祛魅過(guò)程。

量子位：具身智能存在實(shí)時(shí)部署和推理算力的約束。有些團(tuán)隊(duì)選擇針對(duì)單一工廠訓(xùn)練小模型，以兼顧安全性和實(shí)時(shí)性。你怎么看這種妥協(xié)？

丁文超：大模型同樣可以推得很快。系統(tǒng)處理大致包含兩個(gè)環(huán)節(jié)：一是消化傳感器信息并提取特征，這部分較慢；二是生成動(dòng)作，這部分其實(shí)沒(méi)有那么慢。

很多系統(tǒng)顯得遲緩，是因?yàn)榘迅兄幚砼c動(dòng)作生成串行了起來(lái)。它們完全可以異步解耦運(yùn)行：例如感知以幾赫茲的低頻更新，而動(dòng)作則以幾十赫茲的高頻輸出。推理速度與模型大小存在關(guān)聯(lián)，但不能直接劃等號(hào)，參數(shù)量很大的模型經(jīng)過(guò)工程優(yōu)化，同樣可以做到極速推理。

量子位：它石從第一天起就對(duì)技術(shù)架構(gòu)想得很清楚，難道就沒(méi)有什么讓你感到困惑的問(wèn)題嗎？

丁文超：我目前最大的「未解之謎」（Mystery）在靈巧手。

靈巧手會(huì)在末端增加約20個(gè)自由度，兩只手配合會(huì)額外引入約42個(gè)自由度。

面對(duì)這樣一個(gè)高維且富接觸（Contact-rich）的復(fù)雜系統(tǒng)，會(huì)不會(huì)催生出新的技術(shù)挑戰(zhàn)，甚至引發(fā)新的能力涌現(xiàn)？這是我目前最關(guān)心、也最興奮的事情。

量子位：靈巧手距離進(jìn)入真實(shí)場(chǎng)景還有多遠(yuǎn)？

丁文超：我們非常堅(jiān)定地要把靈巧手帶入真實(shí)場(chǎng)景，絕不會(huì)把它局限在學(xué)術(shù)探索或?qū)嶒?yàn)室Demo中。現(xiàn)在很難給出精確的時(shí)間表，但樂(lè)觀預(yù)期是12到18個(gè)月內(nèi)能看到明顯的產(chǎn)業(yè)趨勢(shì)。也許在我們的AWE后續(xù)版本中，大家就能看到一些實(shí)質(zhì)性進(jìn)展。

量子位：Sergey Levine在CVPR分享中提出，可以用機(jī)器人數(shù)據(jù)去擴(kuò)展其他模態(tài)的數(shù)據(jù)，似乎不再堅(jiān)持純真機(jī)數(shù)據(jù)路線。你怎么看Physical Intelligence（π）的這種變化？

丁文超：這是一個(gè)必然選擇。過(guò)去π的路線主要依靠多場(chǎng)景的遙操作（Teleoperation）和高質(zhì)量的真實(shí)機(jī)器人數(shù)據(jù)（Robot Data）來(lái)獲取泛化能力，但這依然受限于機(jī)器人本體的物理采集效率。

我個(gè)人風(fēng)格更傾向于提前想清楚整體架構(gòu)。做一個(gè)系統(tǒng)就像建房子，最好先明確大致形態(tài)和必要的承重結(jié)構(gòu)，再以高執(zhí)行力去施工。最終形態(tài)可以與預(yù)期有偏差，但絕不能做到一半才發(fā)現(xiàn)缺少關(guān)鍵的承重墻。

要真正走到大家期待的π1甚至更遠(yuǎn)的未來(lái)，需要更多Top-Down（自頂向下）的全局設(shè)計(jì)思維，而不能僅僅依靠局部的拼圖擴(kuò)展。

量子位：從AWE 3.0到3.5，你們做了不少前沿探索，最想分享的Takeaway（核心心得）是什么？

丁文超：永遠(yuǎn)不要低估AI模型的能力。

人們常常在某個(gè)階段突然失去信心，從而退縮到某個(gè)過(guò)窄的垂直領(lǐng)域或特定的保守方法中。

2023、2024年，大家覺(jué)得機(jī)器人連「動(dòng)」都困難；運(yùn)動(dòng)能力提升后，又有人說(shuō)它不能「干活」；到了2025、2026年，機(jī)器人能干一些活了，質(zhì)疑又變成了「它只能完成單步任務(wù)，無(wú)法處理長(zhǎng)序列」。未來(lái)還會(huì)有人說(shuō)它無(wú)法完成所有工作。

質(zhì)疑的「球門(mén)」在不斷向后移動(dòng)，但行業(yè)實(shí)際已經(jīng)前進(jìn)了很遠(yuǎn)。

量子位：所以你認(rèn)為Scaling可以解決一切？

丁文超：是的。我們需要持續(xù)敬畏并重視Scaling帶來(lái)的能力躍升。