17
0【本期介绍】
机器人行业最容易被看见的是身体：人形外观、机械臂、灵巧手，以及越来越像人的行走和劳动。但智在无界是一家从来没有造过机器人的机器人公司。它选择只做那个看不见、也更难被验证的部分：机器人的大脑。
这一期「虎嗅 AI 100」，我们邀请到智在无界创始人卢宗青，聊通用具身基础模型究竟应该怎么训练。
智在无界用人类第一视角视频训练模型。从最初的3000小时到如今的50万小时，它的模型已经可以控制30多种不同的机器人，并在端侧实现30赫兹推理。2023年年底，当行业还在仿真数据和真机数据中寻找答案时，卢宗青就判断，人类视频拥有更广的数据分布，也更有可能被规模化。
后来，人类视频逐渐成为行业共识。但数据路线开始收敛，并不意味着具身智能已经找到了正确方法。卢宗青认为，今天市面上还没有一个模型真正配得上“世界模型”这个名字。行业知道需要更多数据，却依然不知道应该用怎样的学习范式，把这些数据转化成通用的机器人大脑。
这也是智在无界最有意思的矛盾：它在一个没有标准答案的领域，做一家必须持续给出答案的模型公司。投资人反复追问它为什么不做硬件、为什么要用人的数据；卢宗青的选择则是把有限的团队资源放在最根本的问题上。硬件是一种商业选择，模型能力才是决定这家公司能走多远的前提。
智在无界从VLA走向Latent World Action Model，希望绕开逐像素预测带来的巨大算力开销，把训练成本降低到视频生成路线的几十分之一，甚至1%。但卢宗青也没有把当前路线描述成终点。他说：“我能保证公司最终收敛到一个正确的方法，但是我不能保证当前的方法就是最终的方法。”
在一个习惯向投资人讲确定性的行业里，这种坦率反而构成了这期对话的核心。在这期节目里，我们会聊世界模型为什么被叫滥了，人类视频为什么可能是训练通用具身模型最重要的数据来源，纯模型公司如何找到自己的生态位，以及当大厂真正入场时，创业公司还能拥有多长的时间壁垒。
【本期嘉宾】
卢宗青｜智在无界创始人、北京大学计算机学院长聘副教授
【本期主播】
陈伊凡｜虎嗅科技主笔、“AI原生100”栏目主持人
【你将听到】
一家不造机器人的机器人公司，到底在做什么？
世界模型被说滥了吗？什么才是真正的具身基础模型？
从游戏智能体到物理世界：为什么决定转向机器人？
“大规模的人类视频，可能是唯一可以训出来通用具身基础模型的数据。”
50 万小时视频的真正壁垒：不是采集，而是标注粒度
中美具身模型“本质上没有差距”
大厂真正入场之前，创业公司的时间壁垒在哪里？
“我能保证的是我们公司最终能收敛到一个正确的方法，但是我不能保证我当前的这个方法就是最终的方法。”
【关于我们】
欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。
