徐梦迪回顾了从童年拼装四驱车、清华车辆工程到机器人研究的成长路径，以及在 CMU 和斯坦福期间形成的研究兴趣。她认为，预训练和大规模数据并不能解决开放世界中的全部问题，机器人还需要通过 In-Context Learning、示范和反馈，在新环境中即时适应。围绕具身智能的发展，节目讨论了 Scaling Law 的有效指标、世界模型与数据的关系、真实场景中的安全评测，以及数据闭环和数据需求定义等难题。后半段则转向研究品味、学术与产业选择、年轻 PI 建设实验室和如何面对论文爆发，最终以对未来三到五年具身智能拐点的乐观判断收束。