今年机器人模型领域最重要的突破，就是模型的通用性大幅提升，开始了泛化能力的探索，与此同时，这个行业依然面临着长尾问题、数据采集、缺乏统一维护平台等挑战，这期节目我们就来聊聊，业内将如何面对这些挑战？中国和美国的机器人发展路径又有何区别？

本期节目我们邀请了中国具身智能公司自变量机器人的CTO王昊，在这期节目上线时，他们刚开源了大规模真实数据训练的端到端具身基础模型WALL-OSS；以及来自美国具身智能公司Physical Intelligence的研究员柯丽一鸣（Kay Ke），她是π₀、π₀.₅论文作者。

在节目中，嘉宾们表示目前具身智能模型已达到了GPT-2的水平，在最近2到3年将优先在半结构化场景应用，那么我们距离全场景的通用机器人又还有多远？机器人公司又该如何平衡商业化与研发的节奏？

【主播】

泓君，硅谷101创始人，播客主理人

【嘉宾】

王昊，自变量机器人CTO

柯丽一鸣（Kay Ke），Physical Intelligence研究员，π₀、π₀.₅论文作者

【硅谷101科技峰会】

《硅谷101》的年度科技大会又回来了，这是我们将有趣的技术干货与故事带到线下的第二年，用最好的内容让大家亲身感受前沿科技的酷炫和温度一直是硅谷101的目标。硅谷10月5日，期待与各位见面，从这里驶向未来！

【你将听到】

行业突破与泛化能力

05:36 2025年关键进展：模型通用性提升，开始泛化能力探索

07:38 何为模型泛化能力：从熟悉环境到陌生环境的能力一致性

11:44 泛化核心难点：长尾问题、数据采集与缺乏标准评测体系

16:04 如何评判具身智能模型能力：对比任务学习数据量与现实应用表现

数据挑战与硬件瓶颈

17:17 其他两大难点：数据质量与数量平衡、硬件维护缺乏统一平台

20:03 为何需要至少100万小时的数据，才能构成优秀的大模型？

23:06 人类VS机器人学习机制对比：人类的进化已包含了“预训练”

27:15 合成数据在机器人领域的应用：降低数据收集成本，但难以模拟现实物理交互

模型架构与技术路径

31:35 具身智能开源模型WALL-OSS发布：上万小时真实数据，补足当前开源模型的欠缺能力

35:36 WALL-OSS模型开源动机与优势：降低研究门槛，加速生态创新

38:03 架构之争：端到端统一训练VS分层系统设计，模型技术路径尚未统一

40:58 从VLA（视觉语言模型）出世后，具身智能模型路线开始走向趋同化

44:10 具身模型已达到GPT-2的水平，将在1～2年时间达到GPT-3水平

45:31 中美机器人技术路径区别：美国自上而下、先做大模型，中国从现实需求出发、双轨并行

52:31 抓到耗子的都是好猫：算法与操控的难度平衡

54:12 模型高频控制的意义：对未来情况做决策，但更高频率无意义

58:13 视觉难以对未来做精确的预测和建模，但能弥补触觉缺失与力的反馈

01:00:20 传感器比想象更成熟，但机器人还是依赖视觉作为主要训练参数

商业化与落地前景

01:01:31 家用机器人预测：2～3年内进入半结构化场景，5～10年全场景使用

01:05:29 如何平衡商业化与研发：尽可能服务于开放式场景，提高公司组织能力

01:08:43 现实部署的机器人量越大、场景越多样，数据反馈和模型迭代效果将越好

【节目中提到的相关公司和术语】

Physical Intelligence (PI)：美国具身智能公司，推出了π₀、π₀.₅模型

自变量机器人：中国具身智能公司，开源了端到端具身基础模型WALL-OSS

RT-2：Robotics Transformer 2，谷歌DeepMind推出的新一代AI学习模型

Genie3：谷歌世界模型的第3代，是DeepMind首个支持“实时交互”的世界模型

VLA：Vision-Language-Action，视觉-语言-动作模型架构

E206｜临近机器人GPT-3时刻，具身智能开源模型的加速演进