出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜電影《模仿游戲》

回國兩個月后，羅劍嵐加入智元。這是他探索國內(nèi)具身智能的一個起點。

從機器人不再稱之為“機器人”，而是被叫做“具身智能”開始，這個賽道也逐漸年輕化。王興興、彭志輝、王鶴、楊豐瑜，如今國內(nèi)的具身智能圈已經(jīng)是90后、甚至00后的主場。似乎更名換姓后，人也變年輕了。和上述創(chuàng)業(yè)者一樣，從伯克利回來的羅劍嵐也是一位90后。但不同的是，他的野心不在于拿融資、創(chuàng)業(yè)、找錢。也許是性格使然，羅劍嵐回國后依然堅持了他過往的科研路線。

2015年，是羅劍嵐在機器人領(lǐng)域研究更早的起點。在后續(xù)的十年時間里，他有8年都在做學(xué)術(shù)研究，先后就讀于伯克利的博士和博士后學(xué)位。而在重返伯克利就讀博士后之前，他還有兩年的時間是在谷歌度過，分別擔(dān)任Google X和Google DeepMind研究科學(xué)家。在此期間，他還領(lǐng)導(dǎo)開發(fā)了全球首個超人類的機器人真機強化學(xué)習(xí)系統(tǒng)。

盡管在具身智能領(lǐng)域，對于走 IL（模仿學(xué)習(xí)）路線還是 RL（強化學(xué)習(xí)）路線，分歧始終存在，但羅劍嵐卻是一名堅定的 RL 擁護者。他的主張是，除非模仿學(xué)習(xí)準確率能達到100%，否則在現(xiàn)實世界的不確定性是極大的。而實際情況是準確率達到99.9%都是幾乎不可能的。

回到國內(nèi)，羅劍嵐在做科研與回歸產(chǎn)業(yè)界之間，選擇了一條折中的路線。他決定加入智元擔(dān)任首席科學(xué)家，并牽頭組建了“智元具身研究中心”，還做了稚輝君的同事。

與羅劍嵐回國的初衷相吻合，這個“智元具身研究中心”并非傳統(tǒng)意義上的研究機構(gòu)，而是一個連接基礎(chǔ)研究和產(chǎn)業(yè)落地之間的橋梁。在羅劍嵐的口中，”它并不是為了發(fā) paper 而存在的，這個事情不需要我在智元做，具身研究中心存在的意義是用問題推動科研，它的導(dǎo)向是去解決實際問題，最重要的是，在這個研究中心里，基礎(chǔ)研究和產(chǎn)業(yè)落地沒有嚴格的界限”。

而羅劍嵐口中的界限也正是中美在具身智能領(lǐng)域最大的區(qū)別所在。同時，它也是朱嘯虎口中具身智能存在泡沫的根源。

我們不能總是在一個個榜單和視頻的 demo 里看到具身智能的進步，具身智能只有應(yīng)用到具體的產(chǎn)業(yè)中，轉(zhuǎn)為實際生產(chǎn)力，才能讓人感受到它的進步。沉浸在學(xué)術(shù)界多年的羅劍嵐，也并不排斥朱嘯虎的觀念。從某種程度上，朱嘯虎代表著現(xiàn)實主義，但這種現(xiàn)實主義也恰是籠罩在具身智能這種基礎(chǔ)研究與產(chǎn)業(yè)落地脫節(jié)的現(xiàn)實之下。

在與羅劍嵐對話的過程中，他流露出了一種非常 open 的態(tài)度。他說，“完全可以理解朱嘯虎作為投資人的立場”，但同時這并不代表應(yīng)該放棄基礎(chǔ)研究。當(dāng)下，大眾對朱嘯虎的觀點存在一種誤讀，甚至解讀成對具身智能的唱衰。實際上恰恰相反，他反而在提醒企業(yè)，具身智能領(lǐng)域真正需要解決的是基礎(chǔ)研究與產(chǎn)業(yè)落地之間的 gap 問題。

但這種 gap 在美國的具身智能圈要更加嚴重。“和國內(nèi)不同，美國的氛圍太過于偏重基礎(chǔ)研究，可能他們不卷吧”，羅劍嵐對虎嗅說道。但這同時也是國內(nèi)具身智能的魅力所在，“國內(nèi)有很多做硬件的公司，而且商業(yè)化也會更快一步，這很有利于填補基礎(chǔ)研究與產(chǎn)業(yè)落地之間的 gap。” 羅劍嵐告訴虎嗅。

實際上，國內(nèi)的具身智能圈，一直都縈繞著兩種氛圍，一種是聚集了UC伯克利和斯坦福等人才的學(xué)術(shù)派，一種是聚集了華為、小米等人才的大廠派。但在羅劍嵐身上，卻既看得到屬于學(xué)術(shù)派的浪漫主義風(fēng)格，也有來自大廠派的務(wù)實風(fēng)格。這次回國，羅劍嵐更多是帶著問題回來的。

在具身智能領(lǐng)域，目前最大的難題還是在 manipulation（操控）身上，通俗來講就是準確應(yīng)對外部世界的無限性、不確定性。這也是目前各界都在攻克的重點。

而在智元，羅劍嵐想用一種“以問題驅(qū)動科研”的方式繼續(xù)完成他的科研工作，同時這里也是他從科研回歸到產(chǎn)業(yè)界的開始。

以下為虎嗅與智元首席科學(xué)家羅劍嵐對話實錄，有刪改：

虎嗅：你在伯克利期間，對國內(nèi)具身智能公司有過接觸嗎？當(dāng)時你怎么看國內(nèi)這些公司的？

羅劍嵐: 2016、17年的時候，那時產(chǎn)業(yè)化處于比較早期階段，更多是硬件導(dǎo)向或者是偏服務(wù)類的機器人，真正關(guān)注具身智能和通用機器人的還并不多。當(dāng)時還沒有這個概念，普遍都叫機器人。

國外也只是有幾家機構(gòu)在做，包括Google在內(nèi)。當(dāng)時大家對于把 learning 移到機器人上這件事一直是持懷疑態(tài)度的。那個時候國內(nèi)偏傳統(tǒng)一些，AI做得少。但這一兩年，國內(nèi)至少從聲勢上看比美國要大得多。

虎嗅：是因為商業(yè)化的原因嗎？

羅劍嵐: 國內(nèi)可能會比較關(guān)注這個詞。相比之下，國內(nèi)更易獲得場景和數(shù)據(jù)，使用效率也會相對較高。但美國會更堅持技術(shù)的長期探索。

虎嗅：回國之后，為什么沒有選擇自己創(chuàng)業(yè)，而是加入到一家具身智能公司做首席科學(xué)家？

羅劍嵐: 在產(chǎn)業(yè)界做科研需要一套落地的系統(tǒng)，這涉及到跨學(xué)科跨層級的系統(tǒng)性協(xié)作。目前這個階段，我希望專注在我擅長的事情上，而不是一開始就陷入團隊建設(shè)、融資、工程化這些事情上。

虎嗅：你說跨學(xué)科協(xié)作。但國外跨學(xué)科會不會走得更往前一些？

羅劍嵐: 我倒覺得中國天生的土壤或基因會比較好一點，比如美國，第一他沒硬件，第二美國AI 人才密度非常高，所以大家會更多基礎(chǔ)在AI研究上。但相比之下，在國內(nèi)恰好相反，國內(nèi)更容易找到機器人所需要硬件本體、算法等等。

虎嗅: 那智元最吸引你的點在哪？

羅劍嵐: 它是全棧的公司，也就是說硬件、軟件、算法都是閉環(huán)的。這和我的理念非常相符。

虎嗅：你的理念是什么？

羅劍嵐: 我覺得現(xiàn)在很多機器人的問題是，現(xiàn)在在硬件、軟件、算法上面工程和科研沒有一起迭代。你不能把它當(dāng)做其他的 AI 方向，就是你有一個 benchmark，有一個 dataset，你在上面刷刷點，找一個場景。我比你好10%就好了。這樣沒有反映實際的進展，也不客觀公平。

虎嗅：你在智元牽頭組建的“智元具身研究中心”，這個研究中心是怎樣的存在？比如它的組織架構(gòu)和獨立性。

羅劍嵐：目前還在持續(xù)招聘。它是一個連接基礎(chǔ)研究，到真正可以被部署到真實系統(tǒng)的中臺。他不會只發(fā)論文，這可能只是目標之一；但更重要是推動具身系統(tǒng)能力的演進，以及部署到真實世界中。它是內(nèi)嵌式的科研中臺，具有相對的獨立性，可以探索新的科研范式，同時也會和我們產(chǎn)品工程這類部門是保持強聯(lián)動，避免脫節(jié)。

虎嗅：那在這個研究中心里，它的基礎(chǔ)研究和落地方面會有一個比例嗎？

羅劍嵐：這是個好問題。我覺得機器人領(lǐng)域有一個挺大的問題，就是在別的領(lǐng)域比說大語言模型，最新的研究成果是幾乎可以馬上轉(zhuǎn)化到商用上，大家可以看得見摸得著，可以用起來。但機器人研究卻很多停留在了紙上，拍個視頻發(fā)到網(wǎng)上說自己比別人好10%，然后就沒有后續(xù)了，也沒有人負責(zé)落地。

所以你說的這個比例問題，在我們的研究中心里我不會設(shè)一個就非常boundary的界限，我不會把基礎(chǔ)研究和落地分開來。我覺得機器人作為系統(tǒng)性的學(xué)科，它是可以被最后 push 到真正應(yīng)用上的，而不是留在 demo 和論文，然后誰也不管的狀態(tài)，所以整體會是比較流動的狀態(tài)。

虎嗅：在國外的話，基礎(chǔ)研究和產(chǎn)業(yè)落地的這個界限會有多重？

羅劍嵐：我覺在機器人領(lǐng)域，國外比較尷尬的一點是，他們?nèi)绻肼涞乇容^難找場景。受制于一些客觀因素，他們的制造業(yè)和服務(wù)業(yè)相對較少。這并不是他們不想做。還有一點是美國環(huán)境會包容一點，整個機制會更鼓勵大家去做比較長期的探索，而且資本非常充裕，他們對失敗的容忍率也比較高，這也導(dǎo)致了在具身智能領(lǐng)域很多問題沒有落地。

虎嗅: 所以，“用問題驅(qū)動科研”這也是你回到國內(nèi)要做的主要事情嗎？

羅劍嵐: 對，我覺得好的技術(shù)研究能轉(zhuǎn)化為生產(chǎn)力也是一件非常激動人心的事情。

虎嗅：DeepSeek這波熱潮之后，國內(nèi)外對RL接受度會更高嗎？

羅劍嵐：對， DeepSeek 或 GPT-O1會讓大家看到 RL 的潛力。之前 RL 火起來還是在2016年AlphaGo 那波，但因為后來沒找到應(yīng)用，又沉寂了一會。然后2023年大家看到大語言模型的時候又好了，再到現(xiàn)在大家仿佛又看到了 RL 的潛力。今年圖靈獎也頒給了 RL 領(lǐng)域的兩位宗師。

我對 RL 的看法是這樣，它是一個歸納法和演繹法的區(qū)別。歸納法是你現(xiàn)在看到的現(xiàn)象，他現(xiàn)在是什么，以后也就會是什么。但演繹是，你根據(jù)它底層的邏輯去推理。因為如果只是 supervise learning （監(jiān)督學(xué)習(xí)）的話，沒有辦法做優(yōu)化，也沒有辦法做多步的推理。但RL 在原則上是一個比supervise learning更合理的framework（框架）。如果它出問題了，也不一定是它本身的問題，即使真有的話，我們應(yīng)該讓它變得更好，而不是看到問題就認為它不行了。

虎嗅：現(xiàn)在在具身智能領(lǐng)域，堅持 RL 的會很多嗎？

羅劍嵐: 我覺得現(xiàn)在做locomotion，也就是做移動的肯定用的比較多了。但manipulation （操控）的話，這個涉及到真實世界，大家還在探索階段吧，

虎嗅：為什么會這么說？這個locomotion和manipulation具體體現(xiàn)在什么地方？

羅劍嵐: 因為 locomotion 更多關(guān)注的是你自己的行為。比如狗往前走，機器人 往前走，你只要控制好自己模型的準確性就可以了。但manipulation 更多關(guān)于外部世界，除非你的仿真器能夠模仿整個世界，但這是個很難的事情。

在過去二三十年的機器學(xué)習(xí)的經(jīng)驗和教訓(xùn)中告訴我們，在一個AI系統(tǒng)里，如果有一個部分不隨著數(shù)據(jù)的scale（增多）從而性能scale（提升），那么這部分最后就會變成這個系統(tǒng)的瓶頸。仿真器是我們用手設(shè)計的，不隨著整個系統(tǒng)的提升而提升，最后我們學(xué)出來的策略就不會超過仿真器的本身。

虎嗅：所以在manipulation還存在很大問題的情況下，你覺得具身智能接下來的發(fā)展方向應(yīng)該是什么？

羅劍嵐: 我覺得接下來幾年，我們不要說做全能機器人，而是做有用的機器人，解決一個任務(wù)可能太specialize （專用）了，但至少可以解決4、5個場景里面的任務(wù)。我也不關(guān)注他到底是不是人形。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4197063.html?f=wyxwapp