scripod.com

于是转身向具身走去|对话王家伟:24 岁的具身智能首席科学家

24 岁的王家伟从大模型研究转向具身智能,在路线尚未收敛的领域探索数据、模型、系统与本体如何共同走向真实产品。本期还讨论了通用大模型与动作模型的分工、具身智能的评估难题,以及近期具身研究中的真实进展与行业噪音。
王家伟回顾了从中科大少年班、MSRA 到 DeepSeek 和 Seed 的经历,并解释为何离开相对成熟的大模型领域,投入仍有巨大问题空间的具身智能。他认为通用大模型擅长理解和规划,但机器人面对动态世界仍需要低延迟、可快速调整的动作模型。深朴智能因此从高精度数据采集、预训练和 Zero-shot 泛化,延伸到 Agentic OS、硬件和产品,试图打通从数据到本体的完整链路。节目还深入讨论 Context 中的因果信息、Scaling 趋势、System 1 与 System 2 协作、Benchmark 的公平性,以及 GEN-1.5、π0.7 等工作的启发与局限。
06:47
06:47
具身系统不能只有大脑,还需要小脑
13:28
13:28
会提好问题,比思维敏捷更重要
15:34
15:34
风浪越大,鱼越贵
20:09
20:09
工作强度不是好研究成果的必备条件
24:06
24:06
成熟领域里,年轻人更难自己定义问题
31:12
31:12
GPT-6 Astra 标数据比人还好
34:19
34:19
无需后训练也能泛化到新任务
36:31
36:31
Context 里蕴含着因果信息
41:49
41:49
Scaling 趋势不等于 Scaling Law
48:01
48:01
具身评估要看整条链路
53:13
53:13
通用智能可能外溢到各行各业
57:19
57:19
演示效果不等于本质能力
1:06:07
1:06:07
最艰难的十字路口是离开大模型
1:09:14
1:09:14
三年后机器人进家庭洗碗,落地概率约八成