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...
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 (https://www.x2robot.com)CTO
柯丽一鸣（Kay Ke），Physical Intelligence (https://www.physicalintelligence.company/)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！
欢迎点击前往 (https://luma.com/mtqq79ii)购票地址，输入粉丝专属折扣码“VALLEY101FANS”，享85折优惠。
【蚂蚁外滩大会】
硅谷101播客主理人泓君将主持9月11日～12日在上海举行的蚂蚁外滩大会，聊聊AI时代的全球趋势和创新最前沿，感兴趣的朋友欢迎点击领取 (https://www.inclusionconf.com/?sl=vNoLvmF9)硅谷101粉丝专属参会凭证。
【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”
27:14 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
* Covariant Robotics：一家专注于机器人大脑软件开发的硅谷公司
* 长程任务：Long-Horizon Task，包含一系列连续步骤、需要机器人进行多步推理、规划并执行，最终才能完成的复杂任务
【监制】
泓君
【后期】
AMEI
【运营】
王梓沁、孙泽平
【BGM】
Ever Forward - Francis Wells
Mixed Emotions - Arthur Benson
Supine - Peter Sandberg
【在这里找到我们】
公众号：硅谷101
收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐
其他平台：YouTube｜Bilibili 搜索「硅谷101播客」
联系我们：[email protected] Special Guests: 柯丽一鸣 and 王昊.