30
0【本期介绍】
卢策吾让机器人拿着刀片给自己刮过胡子。但问到机器人哪一年能像人一样，换个环境、换个任务也能干活，他却不愿给出一个年份。“拍脑袋”的答案，他不想说。
这位穹彻智能联合创始人兼 CEO、上海交通大学人工智能学院副院长，经历过具身智能的冷清。2021 年，他办过一场论坛，到场只有 7 个人，讲到一半又走了三四个。如今，资本涌入，行业热闹起来，他谈起技术进展，仍然习惯把问题拆开，拿实验说话。
比如数据。几十万小时、上百万小时，数字很直观，但如果机器人只在同一个工位重复同一个动作，录得再久，又增加了多少对世界的理解？卢策吾更关心数据里有多少有效信息，以及模型能吃进去多少。他反复提到一个词：斜率，也就是模型消化数据的效率。
提高这条斜率，需要做不少看起来不够“性感”的工作：管好数据质量和分布，让采集、训练、评估接得起来，让一个想法能更快被证明或证伪。穹彻花了很长时间搭这套系统。他打了个比方：先铺好高铁轨道，启动看起来慢，后面才能跑得快。
到了商业化，他的标准更直接：有多少任务能通过后训练做到 99% 的可靠程度？做到这个程度，要花多少钱？过去落地一个场景，需要一支团队；往后，能不能只要一个工程师，再到普通人也能部署？成本降到哪一步，生意才能铺到哪一步。
这一期，我们和卢策吾聊世界模型、数据采集，也聊三指夹爪与灵巧手之间的取舍。贯穿这些问题的，是他看待具身智能的一套尺度：模型究竟学会了什么，学得有多快，又能以多低的成本，在真实世界里把事情做好。
【本期嘉宾】
卢策吾｜穹彻智能联合创始人兼 CEO、上海交通大学人工智能学院副院长
【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】
02:21 回看创业起点：预判了技术趋势，没料到资本热度
05:16 世界模型叫什么不重要，能不能把动作做对才重要
13:31 数据清洗和管线，这些“不性感”的活为什么关键？
17:43 一个任务能做到 99% 可靠，要花多少钱？
22:41 先落地工厂还是家庭？
24:51 你的百万小时，和我的百万小时可能不是一回事
31:08 为什么选三指夹爪，而不是更像人手的灵巧手？
36:36 Scaling Law：除了数据量，还要看模型学习的斜率
44:25 从药房出发，机器人生意如何摆脱人力堆项目？
50:42 不用模型就能解决的场景，为什么不值得做？
【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。
