衡宇 李根 發(fā)自上海
量子位 | 公眾號 QbitAI

火爆，實在太火爆。

具身智能，被視為AI、自動駕駛之后下一個時代科技風口，現(xiàn)如今正在火爆得一塌糊涂，臺上熱鬧、水下更是滾燙——

量子位獲悉，一家2025年2月才低調(diào)出發(fā)的創(chuàng)業(yè)公司，團隊還很精簡，技術和產(chǎn)品也才剛剛立項，就在投資市場引發(fā)了追逐風暴：大牌投資機構搶著競購，最后罕見在春節(jié)前后完成超募，甚至有些動作不夠快的投資機構，只能排到下一輪。

這家具身智能公司，最終官宣了1.2億美元的天使輪融資，創(chuàng)造了中國具身智能行業(yè)最大天使輪新紀錄。

可問題是這都已經(jīng)2025年了……最早出發(fā)的具身智能創(chuàng)業(yè)者，在3年前的時間點已經(jīng)下水。進展快速的具身智能公司，也已經(jīng)開啟場景驗證和落地。以及具身智能領域，也從不缺天才和大牛創(chuàng)業(yè)者。

還有什么樣的創(chuàng)業(yè)團隊，憑什么在此時此刻攪動如此風云？

一位知情人士說，核心原因是團隊豪華，堪稱夢之隊，而且還是有過硬科技完整落地經(jīng)驗的工程派。也有人拿NBA籃球類比，“庫里和約基奇聯(lián)手組了隊，聯(lián)盟大結局”——庫里是三分外線第一人，約基奇則被視為最全能的內(nèi)線中鋒，而這家公司背后的核心人物也是兩位自動駕駛領域的第一人。

• 一位叫陳亦倫，來自L2，代表智能駕駛；
• 一位叫李震宇，來自L4，代表Robotaxi。

據(jù)說這兩人聯(lián)手創(chuàng)業(yè)的進展傳出后，獲得了這樣的評價：陳亦倫帶隊，牛了；李震宇坐鎮(zhèn)，穩(wěn)了。他們在上海，組建戰(zhàn)隊，取名它石智航TARS，競逐具身智能的GPT時刻。

他們創(chuàng)業(yè)的消息，實際流傳已久，但現(xiàn)如今隨著創(chuàng)紀錄的1.2億美元天使融資曝光，再也藏不住了。

中國具身智能最壕天使輪融資

它石智航（TARS）官宣的新進展是這樣的：

完成天使輪1.2億美元融資，開啟具身智能創(chuàng)業(yè)新征程。本輪融資由藍馳創(chuàng)投、啟明創(chuàng)投聯(lián)合領投，線性資本、恒旭資本、洪泰基金、聯(lián)想創(chuàng)投、襄禾資本、高瓴創(chuàng)投跟投。

沒錯，融資額1.2億美元。而更多時候，這樣的數(shù)額通常是天使輪的估值金額。這筆天使輪投資，也創(chuàng)下了具身智能領域天使輪最大融資額。

它石智航的打造者，也有了首次公開發(fā)言。

△陳亦倫，它石智航創(chuàng)始人兼CEO

它石智航創(chuàng)始人兼CEO陳亦倫說：“它石智航的使命是以物理世界AI和通用機器人技術為核心，構建可信賴的超級具身智能系統(tǒng)，讓高性能AI規(guī)模化的融入人類社會的生產(chǎn)與生活中。”陳亦倫還判斷，未來十年，具身智能將成為全球產(chǎn)業(yè)升級的關鍵引擎。它石智航將持續(xù)突破物理世界的智能化邊界，探索具身智能無限潛力。

據(jù)披露，本輪融資將被重點投入產(chǎn)品與技術研發(fā)、模型訓練以及場景拓展。

領投方之一的藍馳創(chuàng)投管理合伙人朱天宇更進一步說明了它石智航的三大核心競爭優(yōu)勢：

第一，團隊具備全球頂尖的世界模型構建能力、以及超大復雜系統(tǒng)的工程化落地能力；

第二，公司在機器人本體設計與運動控制算法（小腦系統(tǒng)）上擁有深厚技術積累，具備軟硬件一體化交付能力；

第三，公司對目標行業(yè)痛點有深度洞察，能精準錨定高價值應用場景，交付完整解決方案，不只是“機器人公司”，更是“行業(yè)場景解決方案公司”。

另外一家領投方，啟明創(chuàng)投主管合伙人周志峰則表示，投身這一領域創(chuàng)業(yè)，不僅需要對前沿技術的發(fā)展趨勢具備深刻的洞察力，還必須擁有豐富的工程化、產(chǎn)品化以及量產(chǎn)經(jīng)驗。它石智航是行業(yè)內(nèi)為數(shù)不多的具備完整能力的優(yōu)秀團隊。”

這些一定程度上劇透了它石智航的技術方向和核心特點。

量子位獲悉，作為具身智能創(chuàng)業(yè)公司，它石智航從一開始就會在軟硬件上全棧推進，包含智能軟件（算法和大腦）能力、硬件本體能力，以及AI大模型產(chǎn)品研發(fā)。

其中，被視為核心技術引擎的是名為AWE——AI World Engine的世界模型，類如具身領域的GPT大模型。但區(qū)別GPT利用互聯(lián)網(wǎng)語料訓練，它石智航的AWE會率先開創(chuàng)Human-Centric 具身數(shù)據(jù)引擎，以人為本采集數(shù)據(jù)，用真實世界具身數(shù)據(jù)獲取能力的跨越式突破。

它石智航內(nèi)部提到，相比于外部更高熱度的“具身智能”，更常用的是“物理AI”，據(jù)稱這更接近他們追求的目標，打造一套數(shù)據(jù)驅(qū)動、可泛化的通用物理世界智能系統(tǒng)，并且更關鍵的是，實現(xiàn)這套系統(tǒng)的工程化、產(chǎn)品化和量產(chǎn)商用。

而這種工程化產(chǎn)品化，正是這個團隊被看好的最核心原因，也是這個“豪華夢之隊”的獨特所在，他們都在具身智能的子集——自動駕駛，實現(xiàn)過前沿技術從0到1，從技術到產(chǎn)品，從demo到量產(chǎn)商用。

CEO陳亦倫博士，先后任職大疆機器視覺總工程師、華為自動駕駛CTO、清華大學智能產(chǎn)業(yè)研究院智能機器人方向首席科學家，是中國自動駕駛領域的產(chǎn)業(yè)領軍人物……

現(xiàn)如今以“遙遙領先”聞名的華為ADS智駕系統(tǒng)，發(fā)軔端到端，改寫行業(yè)格局，就是從陳亦倫開始的。

董事長李震宇，獲得過華為最高榮譽嘉獎，后擔任百度集團資深副總裁，掌管百度阿波羅自動駕駛事業(yè)群多年。

但即便是創(chuàng)業(yè)首秀，陳亦倫和李震宇也謝絕了自己站到臺前來分享，而是希望讓更多人感受到年青人的天才和光芒——這個年輕天才指向很具體：丁文超博士，李震宇說：“有時候我還在啃論文的時候，丁博幾句話就講清楚了，而且直接給出了代碼。我是丁博的粉絲。”

丁文超，它石智航的聯(lián)合創(chuàng)始人，擔任首席科學家，生于1993年，是華為“天才少年”計劃的首批入選者，并且被派往了挑戰(zhàn)最大的自動駕駛軍團，從0到1主導了華為ADS智駕端到端決策網(wǎng)絡……

后來返回學界，從0到1搭建了復旦機器人系統(tǒng)實驗室，打造了復旦首個人形機器人。

此外，陳亦倫還介紹了另一位量產(chǎn)工程化大神：它石智航的聯(lián)合創(chuàng)始人、首席架構師陳同慶。

陳亦倫笑稱，內(nèi)部把陳同慶稱之為“兵王”，因為他帶出過很強的規(guī)模化產(chǎn)品量產(chǎn)團隊。這位能征善戰(zhàn)的“兵王”陳同慶是清華大學博士，國家重大專項首席科學家，空間感知首席技術專家，深耕工業(yè)制造、AI、自動駕駛、機器人等產(chǎn)業(yè)，引領多個產(chǎn)品成功商用。

這些大牛們聚在一起，它石智航就此啟程了。

我問丁文超，決定入局具身智能創(chuàng)業(yè)，Why Now？

他說感知到了時代的召喚。時代在呼喚一支技術創(chuàng)新、工程化經(jīng)驗、軟硬件一體具身團隊。

△丁文超博士，它石智航聯(lián)合創(chuàng)始人&首席科學家

（量子位與丁文超博士展開了一場獨家長對話，下文為對話節(jié)選，并做了便于書面化閱讀的編輯和整理）

對話它石智航丁文超

“打造一個《星際穿越》里的AI機器人”

量子位：我們從最初始的問題開始吧，它石智航（TARS）是一家什么樣的公司？你們要做什么？

丁文超：它石（TARS）是一家什么樣的公司，可能從名字也能窺見一二。首先名字來源于《星際穿越》中的機器人。其次這個機器人非常智能可靠，協(xié)助主角一路過關，非常可信。

但TARS也是縮寫，代表我們的出發(fā)點：Trusted AI and Robotics Solution——可信賴的AI和機器人解決方案。目前業(yè)內(nèi)現(xiàn)狀也有不同的具身智能公司，有做本體的，有做大模型的，也有關鍵零部件，但還缺少一個真正可信賴的AI機器人方案。

量子位：怎么理解“可信賴”？

丁文超：我能在各種場景里信任這個機器人，不論是在工廠，還是家庭生活場景，都能幫你完成各種各樣的事情。就像自動駕駛系統(tǒng)一樣，你放心地把方向盤交給它。

量子位：這個路徑如何實現(xiàn)？

丁文超：路徑也寫在了TARS名字中，實現(xiàn)這一目標，首先需要強大的AI能力，其次必須能夠?qū)嶋H應用到實體機器人身上。所以我們歸納起來，可以從三個維度展開討論——超級算法，超級本體，超級應用。

超級算法，就是打造人類智能水平的具身技術模型。超級本體就是機器人身體。超級應用就是核心場景下的爆點應用。

具身智能領域，有些公司只做算法，有些做本體，但我們從一開始就構建全棧，目的還是希望能把解決方案做好，做可信賴的AI機器人解決方案，就需要全棧。

從投入來說，目前最核心的還是兩手抓：一方面是構建超級算法，另一方面是有一到兩個爆點應用可以打穿。

我可以先講具體應用場景，倒推分享更抽象的算法挑戰(zhàn)。

應用來說，比如有一個場景是汽車生產(chǎn)制造中工廠中的柔性操作場景，目前具身智能整體干得還不好，沒有方法論，或者局限在一個很小的場景。所以只有把柔性物體操作做得很好，才能真正實現(xiàn)產(chǎn)線級生產(chǎn)力，真正實現(xiàn)工廠各個角落的自動化。

柔性物體的問題為什么難？主要還是你一碰這個線，它會隨著你的運動而形變。不像你碰剛性物體如電腦，只是把它移動到其他位置。柔性物體比如這張餐巾紙，你一碰它它就形變，你的動作其實影響了整個環(huán)境，所以面對柔性物體的操作，本質(zhì)就是不僅要知道自己怎么動，還要知道動了之后環(huán)境世界會怎么演化，需要對變化做變化。

自動駕駛里也有類似的問題，擁堵場景下你加塞，你動別人也會動，原本你旁邊是沒有空間的，但你強行擠出了一個空間，這個過程就是改變了原來的世界，還要對這個改變做預測和規(guī)劃。

所以這背后牽扯到了我們認為最關鍵的技術核心，我們把它稱作：AI World Engine。

AI世界引擎主要預測兩個關鍵因素，第一是看到這個場景后采取什么樣的行動，第二是建立一個模型，模擬行動后世界會如何變化。

目前這樣的模型極為稀缺。因為很難，首先需要模型架構上的創(chuàng)新，其次數(shù)據(jù)能力上也需要創(chuàng)新。訓練這種模型不是少量數(shù)據(jù)可以實現(xiàn)的，我們按照第一性原理來推，我需要“精確知道我做了什么動作”的數(shù)據(jù)，這樣的數(shù)據(jù)反映我做了什么，還反映客觀環(huán)境怎樣變化。

動作本身的數(shù)據(jù)并不難采集，但環(huán)境變化的數(shù)據(jù)很難。你可以用攝像頭捕捉一些間接的觀測，但客觀世界里物理規(guī)律在3D空間的變化，很難捕捉和預測。

而只有大量的這樣的數(shù)據(jù)，才能支撐訓練AI世界引擎。

量子位：所以關鍵依然是如何獲得你們想要的數(shù)據(jù)？

丁文超：按照第一性原理，你想要達到人類水平的具身智能，要獲得人類水平的認知世界或行動能力，相應的數(shù)據(jù)也需要從人類身上來，從人身上找答案。這會是我們區(qū)別于業(yè)內(nèi)其他公司的地方。

現(xiàn)在怎么采集數(shù)據(jù)？帶著XR眼鏡或者手柄遙控，人動，機器人跟著動，但這些數(shù)據(jù)采集方式都是“以Robot為中心”的。我不認為這是通向具身智能的正確道路。

智能汽車可以類似啟動，因為沒有智能的汽車也可以銷售靠影子模式構建數(shù)據(jù)飛輪，但沒有智能能力的機器人不會有人買單，所以如果靠要人類遙控操作產(chǎn)生數(shù)據(jù)去訓練機器人，甚至遙控操作出來的數(shù)據(jù)還不如人類水平，相當于把人套在機器軀殼上，實現(xiàn)的技術肯定是降級的。

所以我們的思路是以人為本源，才能達到人類水平的具身智能。

量子位：強化學習在其中是什么作用？

丁文超：單純靠端到端是達不到可信賴的，單純依靠模仿人類遠遠不夠，不僅要模仿人的動作，還要學會應對環(huán)境變化，環(huán)境變化之后的動作變化，結合強化學習，你才能最終實現(xiàn)可信賴的具身智能AI。

“AWE是具身版GPT”

量子位：所以它石的具身技術模型究竟是什么？

丁文超：我們的核心技術引擎就是AWE——AI World Engine世界模型 ，可以說AWE就是具身版的GPT模型。

量子位：相比于GPT，AWE的打造最大挑戰(zhàn)是什么？

丁文超：首先是數(shù)據(jù)。GPT的互聯(lián)網(wǎng)語料數(shù)據(jù)相對容易獲得，但具身的數(shù)據(jù)很難獲取，不光是簡單的圖像和視頻，還需要操作中的動作，動作類數(shù)據(jù)很稀缺。

其次跟GPT相比，AWE需要有很強的空間感知能力，因為具身智能機器人需要執(zhí)行真實世界的具體任務，缺乏空間感知能力一定不work。物理 AI自然需要被定義在物理空間內(nèi)，所以空間的概念是非常重要的。

語言不需要空間感知能力，你跟ChatGPT對話，它缺乏空間感知弄錯一些數(shù)據(jù)問題不大，但具身智能不行，從一開始就需要有很強的空間感知能力，這也是業(yè)內(nèi)沒有被很好突破的難點。

有些具身大模型簡單粗暴套LLM的邏輯，把圖像變成語言一樣的token，然后讓大模型輸出動作……這其中缺失很多東西，缺少空間感知相關的能力，導致目前也沒有真正好用、可信賴的具身大模型出來。

量子位：做好具身大模型就需要強空間感知能力，空間感知能力依賴于數(shù)據(jù)……

丁文超：是，所以我們致力于打造一家成功的具身智能公司時，就明確了一定要有自主可控的數(shù)據(jù)閉環(huán)。這個邏輯和自動駕駛一樣，幾乎沒有成功的自動駕駛公司靠外部采集數(shù)據(jù)而獲得成功，一定是需要數(shù)據(jù)閉環(huán)機制。如何打造一個完整的數(shù)據(jù)閉環(huán)，這個方面，我們有非常強的經(jīng)驗。

之前做自動駕駛產(chǎn)品落地的時候，每天接觸最多的就是數(shù)據(jù)閉環(huán)的問題，如何在數(shù)據(jù)雪球開始后，根據(jù)信號迭代模型和網(wǎng)絡，再進一步迭代數(shù)據(jù)。

量子位：有了數(shù)據(jù)如何訓練好空間感知能力？

丁文超：這是我們團隊核心技術能力之一。為什么空間感知能力之前沒有很好的模型，我認為是大家建模的時候太粗暴，比如認為基于過去的圖像和視頻，就能預測未來，就認為模型具備空間感知能力了。但實際不是，視頻預測模型學會的空間感知能力，可能很間接。

比如大家現(xiàn)在可能會刷到AI生成的短視頻，看起來逼真，但很多小細節(jié)可能在違反物理定律。或者前后一致性的問題。

我們的解決思路是4D空間對齊，在具身智能領域，3D空間操作之外，加入時間的維度，引導AWE預測整個4D空間的變化。這實際上展示了模型學習和理解空間感知的能力。

為什么其他人無法做到這一點？首先可能是尚未意識到重要性。其次是訓練這樣的模型，必須要有強大的自動化標注能力作為支撐，以及有對應的訓練數(shù)據(jù)資料。

空間感知能力需要模型學會，它不會靈光一現(xiàn)涌現(xiàn)，需要你教小孩子一樣，先有監(jiān)督學習，只不過這個監(jiān)督學習主要是數(shù)據(jù)自動化標注獲得。數(shù)據(jù)自動化標注的能力、場景重建的能力實際非常有門檻，做好了這個才能設計好整個模型架構，設計模型學習的任務，而這條路我們在自動駕駛工程項目中獲得了經(jīng)驗。

量子位：怎么理解數(shù)據(jù)的自主可控？

丁文超：具身智能的數(shù)據(jù)來源大概有這樣幾種，一是買數(shù)據(jù)，但供應商的數(shù)據(jù)參差不齊、有些噪聲還很大，或者動作和圖像同步?jīng)]做好，最后會限制模型的能力。

另一種是自己采集，比如在空間里設置場景，然后工程師通過搖桿操作，人動、機器人跟著動，學習一些任務。但這樣的場景采集的數(shù)據(jù)是自主可控的嗎？我覺得不是，多樣性太弱了，你很難相信這樣環(huán)境訓練出來的模型能夠泛化到家庭場景…

我認為數(shù)據(jù)的自主可控，核心還是你自己去架構整個數(shù)據(jù)采集的機制和流程，保證可擴展性。這個數(shù)據(jù)采集機制能夠到每個人身上，不受限于機器人本體，可以忠實地記錄真實世界，記錄人的方方面面，記錄人干的各種各樣的事情，以及作用于周圍環(huán)境后引發(fā)的變化。

量子位：比如說咱們所處的這個房間空間，把里面的一切都記錄下來成為數(shù)據(jù)？

丁文超：不是，我認為數(shù)據(jù)的問題不是在于對房間建模是否精細，核心還是場景，真正的智能涌現(xiàn)不會來自一兩個這樣場景里的數(shù)據(jù)，你只會容易過擬合，你想讓具身智能機器人學會操作水瓶，不能局限于這個桌子上，得讓它見過各種場景、角度、形狀得水瓶。

這聽起來是一個簡單的任務，但你沒辦法在一個房間里把所有的排列組合都搭建出來，成本很高，效率很低……我認為正確的數(shù)據(jù)獲取方式，應該是和人綁定。

量子位：所以你認為具身智能大的路徑是有共識的，但具體實現(xiàn)上，算法、模型和架構的質(zhì)量，大家還是會有差距的？

丁文超：或者這么去理解，大趨勢都在逐漸收斂成共識，大家現(xiàn)在都意識到要用端到端大模型的方法去支撐具身智能，已經(jīng)沒人再做小模型或模塊化了，但即便如此，認知水平的差距、工程化實操水平的差距、數(shù)據(jù)迭代的差距，最后都會造成結果上的差距。

自動駕駛現(xiàn)在的方法論很透明了，端到端網(wǎng)絡、Transformer架構、車的數(shù)據(jù)也很直接……但真正能夠成功實現(xiàn)端到端自動駕駛的玩家并不多，對吧？

量子位：想到還要能做到……

丁文超：所以我認為現(xiàn)階段時代是在呼喚一個具身智能團隊的，這個團隊既能把新技術用起來，還能夠做好工程化。

之前可能有團隊做研究做得很好，發(fā)很多論文，展出各種小的demo，但真正拿出可靠的產(chǎn)品化方案，可能還沒有，要么可能是對前沿技術follow不足，要么是工程化能力不夠。

所以某種意義上，我認為時代在呼喚能夠兼顧前沿技術和工程化能力的團隊，就像早期自動駕駛落地一樣，這是我們現(xiàn)在出發(fā)的原因。

“時代在呼喚一個技術創(chuàng)新與工程化并重，軟硬一體的團隊”

量子位：我一直有個疑問，你們感知到了時代的召喚，但具身智能實際是阿蘭·圖靈時代就提出的概念，是什么原因讓現(xiàn)在可行了？

丁文超：我覺得之前已經(jīng)有了很多的鋪墊。首先就是自動駕駛被解決得很好，如果大家還都陷在自動駕駛苦海，還在一個個寫規(guī)則代碼，那是不敢碰具身智能的。所以自動駕駛是一個明確的信號，你可以依靠數(shù)據(jù)驅(qū)動，端到端網(wǎng)絡，實現(xiàn)可靠的自動駕駛落地應用。

第二是大語言模型的成功，讓大家意識到智能的上限可以這么高。原先自動駕駛是很垂直場景的AI落地，但大語言模型的成功，讓大家相信通用智能的存在，并且ChatGPT、豆包、DeepSeek這樣的應用，每一個人日常都能感知到它的能力了。自動駕駛也是，都開始標配了。

我們公司“它石”也可以從它山之石來理解，就是具身智能浪潮本源來說，很多進展和資源都堆積到這里了，物理世界的AI化大勢所趨，開始要替代信息世界的AI成為主旋律了。

具身智能這個概念我覺得相對拗口難解釋，實際上我更喜歡物理AI，更加直觀。

最后，很多供應鏈和工具生態(tài)都相對成熟，可以支撐推動時代浪潮。進展也是顯而易見的，特斯拉的機器人第一年還是概念不能走，第二年再出現(xiàn)就能夠獨立行走可以抓球拋球……說明技術和資源都在加速發(fā)展。

量子位：語言智能之前被稱為AI皇冠上的明珠，自動駕駛也被稱為AI皇冠上的明珠，現(xiàn)在兩顆明珠合而為一了。

丁文超：確實。兩股能量匯集也需要有出口。

量子位：剛才談論了數(shù)據(jù)的重要性，也有觀點會強調(diào)仿真和合成數(shù)據(jù)，你怎么看？

丁文超：我認為對仿真數(shù)據(jù)的依賴是一個行業(yè)早期不可避免的過程，但問題是為什么需要仿真數(shù)據(jù)？可能還是沒有自主可控的數(shù)據(jù)流程。如果可控、可泛化、可擴展的真實數(shù)據(jù)不可得，就會寄希望于仿真。

但我們的基本判斷是真實數(shù)據(jù)的優(yōu)先級永遠高于仿真。

如果能確保海量真實數(shù)據(jù)的時候，仿真的優(yōu)先級相對較低。仿真數(shù)據(jù)更適合項目的早期階段，模型冷啟動，但在后期的作用非常有限。

你只要做過仿真器，就知道里面有超級多的魔鬼數(shù)字，本質(zhì)是你在用代碼重構真實世界，這是很難的事情，而真正能夠重構世界的是AI大模型，所以我們叫AI World Engine，如果能夠?qū)W習到動作和環(huán)境變化，AWE可以扮演仿真器的決策，

而事實上AWE遠遠超越了仿真器的概念，我們是靠AI方法去學會的，而不是編程實現(xiàn)的。

量子位：那基于真實數(shù)據(jù)去構建AWE，參數(shù)的量級是一個怎樣的問題？

丁文超：這也是一個波動的過程，具身這個領域此前也有行業(yè)案例證明不是必須使用如此大的模型才能達到它展現(xiàn)的水平。我認為具身界的DeepSeek也會很快出來。好的數(shù)據(jù)不挑網(wǎng)絡，核心可能還是沒搞清楚數(shù)據(jù)。

“行業(yè)首創(chuàng) Human-Centric，對于 Scaling Law 至關重要”

量子位：問題是比如GPT可能干到了很大參數(shù)發(fā)現(xiàn)了智能涌現(xiàn)，然后DeepSeek才能用更小的參數(shù)實現(xiàn)這樣的能力。但具身智能如果沒有這個過程…

丁文超：具身智能確實一口吃不成胖子，模型規(guī)模和智能能力是相輔相成的。但語言模型的特點是天然數(shù)據(jù)量很大，足夠飽和，所以你早期增加模型規(guī)模可以展現(xiàn) …

但Scaling Law我認為有三個維度：

• 第一是數(shù)據(jù)維度的Scaling Law；
• 第二是參數(shù)規(guī)模的Scaling Law；
• 第三是推理時上的Scaling Law。

因為語言模型天然可以通過爬蟲獲取數(shù)據(jù)，所以跳過了第一個維度的Scaling Law，直接被看到的就是參數(shù)規(guī)模和現(xiàn)在的推理時間上的Scaling Law。

具身的問題是被卡在了數(shù)據(jù)的Scaling Law，然后就沒辦法談模型規(guī)模上的Scaling Law，比如目前看到有些行業(yè)具身智能機器人展現(xiàn)的是在房間里抓抓取取，這些很顯然并不需要多么龐大的模型參數(shù)。

那具身的話，我認為首先是啟動數(shù)據(jù)的Scaling Law，然后會看到模型規(guī)模上的，接著強化學習。

所以我認為，具身一開始可能不是一個很大的模型，比如7B或者30B就能很強了，等數(shù)據(jù)飽和到一定程度，再擴大模型參數(shù)，再進一步變強，然后再接著做強化學習達到next level……這三個Scaling Law都探索完成，真的有可能達到AGI。

因為具身或者說物理AI和語言——信息AI是互補的，這二者最后匯集起來真的可能會導向我們說的AGI。

所以我認為模型規(guī)模大小，現(xiàn)在還不是最關鍵的因素，不是瓶頸。

量子位：你提出的Human-Centric對于Scaling Law的意義是什么？

丁文超：我們在行業(yè)開創(chuàng)了Human-Centric 具身數(shù)據(jù)引擎，這是一個全新的技術范式，對于Scaling Law至關重要。它可以實現(xiàn)真實世界具身數(shù)據(jù)獲取能力的跨越式突破，我相信這將為物理世界 AI的持續(xù)發(fā)展注入強勁驅(qū)動力。

量子位：我們談到了AGI，在信息領域，目前大概的共識是每一個領域都達到人類博士的水平，那在具身智能領域，如何定義AGI？

丁文超：需要有場景。

量子位：那為什么不先在某個場景，比如工廠中的工作場景打造一個行業(yè)模型，而是一開始就打造一個通用的AWE世界模型？

丁文超：這是一個選擇問題，我一直認為人做事情，往往是求上得中，求中得下，求下而不得。如果一開始就做一個工廠中工作場景下的事情，能做成也能做得很好，但人終究是有局限的，你很容易過擬合。

后面從工廠場景切換到生活場景，有些GAP你就可能跨越不了了。

所以從出發(fā)點來說，我們肯定是要用通用的方法來做具身智能，不管開始落地的場景是一個還是兩個，但方法一定是要通用的，適用于所有的場景，只不過可能剛開始會有數(shù)據(jù)分布上的調(diào)整，哪個場景多一些，哪個場景先不那么多，只是為了讓性能在具體場景下更好。當我開始不同場景遷移的時候，不需要重新寫代碼或者調(diào)整架構。

量子位：GPT展現(xiàn)的能力涌現(xiàn)，經(jīng)歷了1.0、2.0、3.0…你們的具身大模型，也需要經(jīng)歷這樣的過程嗎？

丁文超：我們構建第一個AWE模型，可能版號就是3.0。我們希望直接對標的就是GPT-3展現(xiàn)的能力，GPT-1和2的時候展現(xiàn)了一些智能信號，但不是很work，等到GPT-3的時候或者說3.5的時候真正把數(shù)據(jù)和規(guī)模達到了一定程度，也很系統(tǒng)地研究了Scaling Law，打造了垂直的ChatGPT應用，真正展現(xiàn)可用了。

我們也是類似邏輯，先打造AWE3.0，把數(shù)據(jù)和工程化做好，后面針對垂直場景做優(yōu)化，就推3.5版本，再后面推強化學習，可能也對應以o命名…目前規(guī)劃了這三個版本。

量子位：這三個模型版本，機器人本體都是一樣的嗎？

丁文超：我們準備設計一個模塊化的本體形態(tài)，核心判斷是本體形態(tài)會在很快的范圍內(nèi)收斂形成共識，唯一不確定的是靈巧手形態(tài)。

但大的變化可能不會那么大了，雖然我們一開始還是會在本體設計上追求全棧，自己組裝，但后面會不斷收斂，利用產(chǎn)業(yè)分工和供應鏈能力。

量子位：有些玩家可能更加專注于“大腦”打造，本體有共識了放進來…

丁文超：我們對本體從一開始自研，核心還是希望真正了解和定義每一個硬件模塊需要的算力、傳感器方案，目前行業(yè)也有做得不錯的硬件玩家，但這類機器人不一定為我們的需求和場景而生，我們需要自己做一做，才知道如何做整體的設計和調(diào)整。

“自動駕駛分級標準不適合具身智能，但有兩大維度參考”

量子位：你們團隊都有自動駕駛落地背景，自動駕駛按照技術能力有L0-L5的分級，一定程度上指導了落地，你覺得具身智能領域需要這樣的分級嗎？

丁文超：很多人拿這個來比較，但我認為套用自動駕駛的分級來指導具身智能是不合適的。因為自動駕駛的分級本質(zhì)是劃分權責，L3以下是人類司機責任，L3、L4又是限定區(qū)域ODD擴展……L3允許接管，L4不允許接管。

但對機器人來說，它從第一天開始就需要具備一定的自主性，比如你買了一個機器人在工廠應用，它如果出錯了，這個機器人就需要負責任。直接跳過了自動駕駛L3之前需要人類司機負責任的階段。

至于具身智能怎么劃分，我更傾向于技術拆解出來的兩個維度。一個是自動化維度的宕機率，多長時間宕機一次，或者可能類似自動駕駛里的MPI——走多長公里不會跌倒。

另一個是智能化維度，按照掌握的技術數(shù)來衡量。

我們的目標是打造一個基本不會宕機的機器人，然后今年、明年推出的初代產(chǎn)品，可以在一些柔性技術能做得很好，可以支撐商業(yè)化場景落地。

量子位：這兩個維度，也有人會用大腦、小腦來類比，專門打造兩個模型。

丁文超：是的，但可能越往后越會發(fā)現(xiàn)大小腦之間沒辦法分的那么開。比如行業(yè)有能做回旋踢的機器人，我覺得非常好，證明小腦代表的運動能力非常強了，但有個問題是那個機器人眼睛里到底有沒有那根棍子？是看見了棍子去踢，還是它按照一個模式做出了720°回旋踢，然后有人在合適的時間把棍子放到合適的地方配合著讓機器人踢走？

更進一步的問題是這反映的是大腦能力還是小腦能力不足？其實這恰恰是大小腦完全分離導致的。

量子位：所以從一開始你們就不會把大小腦分開訓練或者做這種劃分？

丁文超：可能剛起步階段，為了研發(fā)進度，可能會稍微區(qū)分，但終極上肯定還是要融合統(tǒng)一的，統(tǒng)一的一個架構。

量子位：我默認你們就是在打造人形形態(tài)的機器人，你們確實是嗎？

丁文超：形態(tài)的問題，我覺得馬上就不會再被討論了。之前討論形態(tài)，主要還是人形形態(tài)能力，一直沒有深入人心。

但這個過程展現(xiàn)了形態(tài)的本體的成熟度。但具體到是不是一定要有兩個腳掌，可能不一定，人也不是時刻需要兩個腳掌，比如騎電瓶車的時候。下肢可能匹配使用的工具，配合底盤使用。

上肢的話是不是人形這種操作能力更加能夠達到人類水平，我覺得從第一性原理來說，有很有可能是的。

量子位：人形形態(tài)是因為對萬物之靈人類的模擬，還是說做好人形就能做好其他形態(tài)，像你剛才說的求上得中…

丁文超：我傾向于后者，具身形態(tài)以后的定義可能還是在擬人形，“擬”這個字也挺微妙，放開了下肢自由度，但沒有放開上肢。

反向思考的話，如果你的目標場景需要Scale數(shù)據(jù)、Scale模型…你需要什么樣的本體才能匹配得上需要的AI能力skill？就會發(fā)現(xiàn)垂類、特別專一的設計沒辦法匹配，在某個時間點就需要重構本體甚至扔掉換更好的，最終這樣的過程后，迭代到的可能就是一個擬人形的樣子。

量子位：所以為了這個大腦，具身機器人也需要有這么一個身體？

丁文超：是的，我認為這就是具身的含義，你需要有一個軀體去承載聰明的AI大腦。軀體長什么樣，會跟自然進化一樣，某種程度是重演進化史。垂類也會進化出垂類的形態(tài)，占據(jù)垂類市場，但通用的會占據(jù)最大的市場。

量子位：在自動駕駛領域有升維迭代進化的概念，從L2做到L4，但具身里好像不談論這個，從一開始就是“L4”？

丁文超：核心還是具身智能里，從一開始就沒有人給機器人兜底。它work不work都是一瞬間的事情，人是很難接管的，機器人沒有駕駛艙，你也永遠不可能讓它永遠處在人類的監(jiān)督之下。

量子位：好像也不會在用不用激光雷達上吵來吵去？

丁文超：在自動駕駛早期，核心還是AI能力不夠，算法對用激光雷達還是純視覺，對架構和代碼改變是很大的，但今天都是神經(jīng)網(wǎng)絡端到端的方式，你接激光雷達數(shù)據(jù)還是圖像傳感器數(shù)據(jù)，都是前融合了，區(qū)別不大。

量子位：最后影響的核心是成本？畢竟激光雷達始終要貴一些。

丁文超：成本是一方面，另一個也有數(shù)據(jù)效率的原因，如果激光雷達可以把幾何掃得很好了，一定程度上也能減少你網(wǎng)絡學習的難度，但同時也會帶來數(shù)據(jù)多樣性的增加，或者說數(shù)據(jù)異構性的增加。純視覺就同構，加激光雷達就會多一點，所以有優(yōu)點也有挑戰(zhàn)，就看不同公司的取舍。

量子位：那芯片算力是一個問題嗎？

丁文超：算力不是問題，現(xiàn)在的自動駕駛車載算力夠用。

量子位：是不是意味著以后也是云端大模型，終端放蒸餾小模型？

丁文超：這是以后實際部署的問題了，可能會有很多工程化的方法。云端是不是有模型，肯定有，邊端也會有，然后二者協(xié)同配合。當你這個機器人沒有網(wǎng)絡，長程思考就需要終端自己完成，有網(wǎng)絡就云端，可能會影響到思考速度的快慢。或者也類似現(xiàn)在快慢模型，有一個跑得快的模型做精細的閉環(huán)操作。

算力的分配會結合網(wǎng)絡場景來思考，最極端的場景，沒有網(wǎng)絡，機器人可能表現(xiàn)得沒那么聰明，但它也有一些基本的能力，這可能就是將來的一個趨勢。

“具身智能里的分歧和爭論，持續(xù)不了太久了”

量子位：所以當前具身智能領域，你認為存在技術路線分歧嗎？

丁文超：我覺得你剛才問的幾個問題，其實都是分歧。

第一，要真實數(shù)據(jù)還是仿真數(shù)據(jù)？

第二，靠大小腦合一還是分離式架構？

第三，你數(shù)據(jù)到底長什么樣子？本體什么形態(tài)？

第五，你落地場景到底怎么樣？應該先做垂類還是通用。

這些都是分歧或者爭議的話題。

量子位：大家都想相互去證明？

丁文超：是的，但我覺得這些爭議不會持續(xù)太久。

量子位：會隨著什么而結束？

丁文超：隨著具身AI能力的提升而結束。因為這就是一個方法論，只要你是對的，提升就會很明顯。

就好像自動駕駛早期都在各種爭論，預測和決策應該是什么關系，感知和PnC之間什么關系…技術專家在吵，網(wǎng)友也在吵，包括到今天一段式好還是兩段式好也還在吵…

但最后你會發(fā)現(xiàn)，技術方向路子一旦對了，爭論慢慢就平息了，討論問題沒有意義，只想怎么更快縮短差距。

量子位：看療效了，看你最后交付的東西。

丁文超：對，是的，具身也一樣。比如有誰交出了最穩(wěn)定的自動化程度，效果一出來，很快方法論就會被歸因出來。

量子位：現(xiàn)在業(yè)內(nèi)玩家也會不時放demo，或者展會上秀能力，你會重點關注什么？

丁文超：其實我不太會看展會秀的能力，因為太容易是過擬合下的產(chǎn)物。我傾向于能在哪里看到機器人，這是我的金標準。

量子位：實際落地的場景？

丁文超：對，就是看機器人到底在哪里實際工作，這就是以后的新標準。比如現(xiàn)在有一些機器人，哪怕沒有什么大腦能力的展現(xiàn)，但運動能力很不錯，大家可以買來用或者玩，挺成功的。

量子位：目前一些機器人有這樣的定位，本體做得很好，以后等一個DeepSeek或者安卓的大腦，一下子讓它獲得很強的大腦能力。

丁文超：那不就是我們要做的事情嗎？

量子位：但你們會軟硬件一起做。

丁文超：早期是這樣，但最終是不是也會有一個東西可以抽象出來？

我也在思考這個問題。最終是不是真會出現(xiàn)一個Robot OS，或者說物理AI OS，它有很多真實世界的接口，然后你抓取東西的能力就是一個API，和現(xiàn)在虛擬世界的操作系統(tǒng)API一樣……你通過補充數(shù)據(jù)就可以創(chuàng)造新使用，而不是再編碼……

如果可行，那這個東西的價值太大了。可以快速落地各種場景和產(chǎn)品。

量子位：我還想問的是，假如你在幫VC做技術盡調(diào)，什么樣的具身智能項目拿不到你的投資推薦？

丁文超：我覺得如果這個節(jié)點還在講概念，沒有實際落地能力的人，我不認為能拿到投資。這個階段已經(jīng)不像三年前，三年前可以靠理想夢想，但現(xiàn)階段要靠實際效果或者產(chǎn)品說話了。

量子位：但你們現(xiàn)在剛入局，也沒有產(chǎn)品，卻依然吸引了最大的首輪融資。

丁文超：我想核心還是我們這個團隊做過成功的產(chǎn)品，起碼能證明我們有產(chǎn)品化經(jīng)驗，有扎實的功底把東西做出來。而且我們對具身智能的理解和認知，或許也是大家對我們的信心。

我相信投我們不僅僅是因為一些名頭光環(huán)，核心還是大家相信具身智能的工程化我們能搞定。我們這個團隊的構成，之前交付了中國最好的智能駕駛產(chǎn)品，交付了中國最好的Robotaxi產(chǎn)品。

所以可能大家需要這樣一家公司，它能夠在具身智能領域打造類似的產(chǎn)品，而我們打造過，可以被相信。

量子位：這也可以作為對潛在候選人的說服，為什么你們這艘船值得加入？

丁文超：我們中文名“它石”，對技術人才也是一個吸引的點吧，踏踏實實把事情做好，不要花里胡哨。然后融合很多技術要素，它山之石。

融匯自動駕駛、大模型、前沿AI，然后把它們吸收到你工程化的寶貴經(jīng)驗里。

如果你相信具身AGI的路徑已經(jīng)打開，那這絕對是一個起碼20年內(nèi)為之奮斗的事情，而這個過程中如果有一群比較靠譜的人在做，加入對你的個人認知、技術能力成長還有其他各種方面都有幫助，為什么不加入我們呢？

量子位：我在準備的時候，有一個問題是具身智能這個領域的GPT時刻，但剛才你說AWE第一個版本就是3.0了……所以如果具身有這么個時刻，我們可以怎么檢驗？

丁文超：該怎么定義具身智能的GPT時刻是一個好問題。我想或許標志性事件就是具身智能機器人用一個比較AI的方法完成了現(xiàn)實世界里哪怕一到兩個任務，我覺得這就是具身智能的GPT時刻。

回過頭來，ChatGPT核心就是用一個很AI的方法，基于學習預測下一個token，很簡潔很干凈，能回答問題了，它就干好了這一件事情。

量子位：所以可以理解為如果你們機器人能在工廠里把任務解決得很好，就可以說它是GPT時刻？

丁文超：對，是的，足夠具體具象了。

（另外，丁文超博士透露，他們的戰(zhàn)艦正在緊鑼密鼓招募技術人才，如果你希望擁抱最具挑戰(zhàn)和前景的AI創(chuàng)業(yè)，歡迎用簡歷投票：hr@tars-ai.com）