对话 LiberAI 刘松铭：Astra来袭，00后物理AI创始人看到的胜率

“清华、世界模型，00 后小天才”，2026 年上半年最火的投资主题。

LiberAI 创始人刘松铭完全符合这个组合。但是和他见面后，很多地方又出乎意料：

他们确实刚刚发布了世界模型 Liber-0。但这也是一家起步于 2025 年年底的公司，早于英伟达 GEAR 在今年 2 月发布的 DreamZero 引起世界模型的热潮。(关于 WAM 和 DreamZero 的更多讨论，可见《晚点聊》157 期，《具身季报 26Q1》）

不到一年，LiberAI 就拿了真格、红杉、龙珠、顺为等机构的 6 轮融资，但没有把公司放在中国智能最密集的五道口，而是选了北京西北角、清河站附近的一片老工业园区。这里更远、更旧、更便宜。

后来我们聊起资本纪律，刘松铭说，“就是不该花钱的地方别花钱”。

创业时，刘松铭是博士三年级的学生，没有工作过、没有产业经验。但他的关注点绝不仅在技术，我们聊了很多风险管理、行业周期，以及对硬件和场景的敬畏；他也招募了一支具备 AI 算法、数据、硬件等跨领域背景的团队。

大部分从研究员背景的创始人会如此描述创业的起点：想更好实现某项技术，而刘松铭说他从中学时就想创业，一直在寻找方向；技术本身不是目的，实现商业价值才是。

此时，整个物理 AI 领域的价值几何正因为“Astra 冲击波”被重估：即基础大模型是否会进入物理 AI 领域，完成大部分事？

刘松铭告诉我，去年底创业时，他已看到了前兆，基模可能会进入具身大脑的规划和调度层，所谓 System 2 的部分。所以 LiberAI 的核心假设就是要做全栈公司，做好与物理信息和场景相关的部分，包括精细操作能力，触觉、力觉的数据采集和训练，还有本体。

当 Astra 来袭，刘松铭分享了他看到的和选择的。

本期嘉宾：刘松铭，LiberAI 创始人 & CEO

本期主播：程曼祺，《晚点 LatePost》科技报道负责人

本期剪辑：吴宇量

时间线跳转：

-没读完博士、也不想拿教职，创业是唯一选项

01:29 “00 后小天才”为何集中创业

05:57 2025 年下半年看到的 3 个信号

11:33 从化学竞赛进入清华，到转系计算机

21:00 在具身领域的第一个研究：RDT-1.2 B，交流群里涌进数千人

25:47 不搭配“行业大佬”、不等教职

30:33 出发前看到的事：周期变化、基模影响，Astra 的印证

37:00 具身模型可能变薄，第一天就是全栈公司

43:17 极致热爱的不是某项技术，是创业本身

-Liber-0 的 3 个验证：零样本长程任务、数据效率实验、全栈优化协同

51:57 Liber-0 的三项验证

59:24 220 万小时的数据的发现

01:05:28 手套数据为何能超越遥操数据？

01:09:22 为模型设计硬件：能弯、能扭的腰、能转的手腕

01:15:40 三阶段预训练：从“看”到“做”

-从模型走向场景，商业价值卡在哪里

01:26:24 从模型到商业价值，中间还有场景基础设施

01:32:01 选场景的四个条件

-Astra 来袭，具身创业公司的自留地

01:39:27 OpenAI、制造巨头与非标自动化公司，谁是真正对手

01:44:02 基模做 System 2，创业公司啃 System 1 的硬骨头

01:45:57 Astra 的边界：擅长理解规划，不擅长强接触与“最后一毫米”

01:50:17 脏、慢、累的物理世界，如何长出一家“苹果”

01:59:55 全栈团队如何靠 taste、克制与协作运转

02:04:40 用组织抵抗先入为主

02:09:42 短期和长期确定，中期路径最不确定

02:11:16 利润如何分配，机器人又如何让人获得自由

具身季报 26Q3 图文版：Astra 冲击后，通用模型会吃掉 Robotics 吗？

晚点聊 184 期：[与陈哲的「具身季报 26Q3」：Astra 冲击后，通用模型会吃掉 Robotics 吗？

晚点聊 170 期：[与陈哲的「具身季报 26Q2」：世界模型大风不停，和不想被贴标签的人

晚点聊 157 期：[与陈哲的「具身季报 26Q1」：宇树招股书、人形再思考、英伟达世界模型、高自由度灵巧手

晚点聊 173 期：[对话姚颂：深鉴、东方空间、再出发，「天才少年」十年后]

晚点聊 165 期：[GEAR 高深远：世界模型、自进化循环、DreamDojo

论文：RDT-1B: a Diffusion Foundation Model for Bimanual Manipulation

论文：RDT2: Exploring the Scaling Limit of UMI Data Towards Zero-Shot Cross-Embodiment Generalization

论文：DreamZero: World Action Models Are Zero-Shot Policies

附录：节目中出现的技术术语、技术成果、公司、人物等

WAM（World Action Model，世界动作模型）：同时建模未来视觉状态与动作的机器人策略模型。Liber-0 和 DreamZero 都属于这一技术路线。
Google RT-2（Robotics Transformer 2）：Google DeepMind 于 2023 年发布的 VLA 模型，利用互联网视觉—语言知识和机器人数据，把图像与文字指令直接转化为机器人动作。
朱军：清华大学计算机系教授、人工智能研究院副院长，生数科技创始人兼首席科学家，长期研究机器学习与生成模型，其团队推出了视频生成模型 Vidu 和这期中提到的具身模型 Vidar。
RDT-1B / RDT2：刘松铭在清华参与研发的机器人基础模型。RDT-1B 是 12 亿参数的双臂操作扩散模型；RDT2 进一步探索利用 UMI 数据实现零样本跨本体泛化。
UMI（Universal Manipulation Interface）：便携式手持夹爪数据采集系统，可在不直接遥操作机器人的情况下记录人类操作示范，再迁移到机器人策略。
GEAR：英伟达的具身智能研究实验室，研究机器人基础模型、世界模型与数据扩展；DreamZero 出自该团队。
跨本体学习（Cross-Embodiment Learning）：让模型利用人手、不同机械臂或不同机器人形态的数据，学习可跨硬件迁移的共同能力。
LiberSense Glove：LiberAI 的动作数据采集手套，用来记录人类操作中的动作信息，并在互联网视频与机器人执行之间建立桥梁。
LEO：LiberAI 为 Liber-0 配套设计的机器人本体，通过更接近人类的腰部、手腕等运动结构，提高人类操作经验向机器人迁移的效率。