Z Waves｜對話陳佳玉：AtomVLA 刷爆基準，真機完成高難度柔性物體操作，具身智能長程任務進入深水區

具身智能的長程任務天花板，正在被捅破。

就在近日，大模型圈和機器人圈被一個名為AtomVLA的模型刷屏了。這個由原力無限團隊發布的最新戰果，不僅直接在 LIBERO 權威基準上刷出了97.0%的驚人成功率，更是在真機演示中，絲滑地完成了疊 T 恤、折毛巾等“地獄級難度”的柔性物體操作。

圍繞‘為機器人打造真正理解世界的大腦’這一核心方向，原力無限當前正以端到端 VLA 多模態大模型與因果世界模型為技術底座，并以全棧 AI Infra 構建數據與模型飛輪，推動機器人在虛擬世界學習、在真實世界進化。

帶隊人，正是原力無限資深研究科學家——陳佳玉教授。

論文傳送門： https://arxiv.org/pdf/2603.08519 ）

更重要的是，AtomVLA開創性地提出了“原子子任務分解 + 預測型世界模型離線評估 + 離線GRPO后訓練”的完整范式，實現了不依賴昂貴真機在線交互的高效策略優化。

在全球VLA后訓練研究競爭日趨白熱化的當下，這一框架提供了一條兼顧性能、效率與可擴展性的全新技術路徑，標志著VLA后訓練正在從“依賴真機試錯”走向“世界模型驅動的離線進化”新范式。

AtomVLA 的驚艷成績，源于陳佳玉教授對“復雜控制”十余年的深耕。從自動駕駛到核聚變等離子體控制，再到如今的具身智能，這位 ISTJ 科學家始終在追問：如何用數學和邏輯，讓機器擁有類人的進化能力？

以下是ZF對于陳佳玉教授的深度訪談實錄。

Jane：這期節目我們邀請到了一位非常年輕的科學家——陳佳玉陳老師。陳老師現在是原力無限資深研究科學家，歡迎陳老師！先簡單一兩句話介紹一下自己吧。

陳佳玉：好的。我是陳佳玉，目前是香港大學數據與系統工程系的助理教授，研究方向是應用強化學習到復雜控制，目前專注于具身智能方向的研究。

Jane：陳老師雖然很年輕，但在機器人、自動駕駛、強化學習相關的研究上已經非常資深了。那接下來進入我們的快問快答環節——你的星座和MBTI是什么？

陳佳玉：星座是天秤座，MBTI 好像是一個叫"物流師"的類型，ISTJ 之類的。

Jane：如果不用"助理教授"和"強化學習"這些標簽，你一般會怎么向一個不懂AI的朋友介紹自己？

陳佳玉：我會說，我做的方向是解決一些比較復雜的控制問題。比如人形機器人控制，還有核聚變中等離子體的控制。總結來說，我是一個專注于復雜控制問題的人，可能用數學方法去解，也可能用人工智能方法去解。

Jane：復雜系統的控制問題。最近一兩周你刷得比較多的論文，或者看得最多的相關項目是什么？

陳佳玉：最近看得比較多的是多模態大模型，還有基于應用的世界模型這一塊。

Jane：如果不做科研，你現在有可能在做什么？

陳佳玉：如果不做科研，我可能做一個體育新聞記者吧。

Jane：同行！你覺得自己最大的非學術型能力是什么？

陳佳玉：我覺得我最強的是邏輯能力，做梳理的工作會比較好。其實這個能力有點類似 AI——你給我一個問題，我大量閱讀相關的東西，然后把它梳理成一個像報告一樣的東西。我最強的是邏輯部分，最強的非學術性能力可能就是這種總結和協作能力。但這個好像也偏學術，所以我也不太清楚怎么回答這個問題。

第一部分：個人經歷與強化學習的十年流變

Jane：好，那我們直接切到個人經歷這塊吧。先聊一下你整個研究經歷，包括小時候是什么時候對智能機器人這些產生興趣的，最終又是怎么一步步開始自己的研究的。

陳佳玉：我的研究經歷應該具體是從大學二年級開始。那時候選擇研究方向，其實也比較討巧——當時 ImageNet 和 AlphaGo 都剛出來，深度學習的一些成果引起了很大的轟動，所以我就萌生了做人工智能的想法。

但人工智能涉及很多領域，比如計算機視覺、智能決策、自然語言處理。我比較喜歡那些具象化的東西，所以一開始選了自動駕駛這個方向，在北大做自動駕駛相關的研究。剛開始做的是感知層的工作，就是怎么讓自動駕駛汽車理解周圍的環境——明白它看到的這一塊是灌木叢，那一塊是行人。

后來我接觸到了自動駕駛汽車決策層的東西。決策就是說，依據你的觀測，你要做自動駕駛汽車油門的控制或方向的控制，這涉及到一些決策算法。我漸漸發現，結合我在北大和博士期間兩段經歷來看，我其實更喜歡的是比較抽象的決策算法這一部分。

具體用到的算法是兩大類：一類是模仿學習，從示例數據中學習；一類是強化學習，從仿真中學習。到了博士階段，我就開始研究這種比較抽象的決策算法，不再依賴于具體的應用了。做了很多理論研究和算法設計，這些算法和理論雖然抽象，但應用范圍比較廣，也奠定了我對這種技術更深層次的理解。因為技術到更深層次的話，其實就是數學——一種依據數學、依據場景以及一些直覺所做出來的東西。這段經歷讓我對決策算法，特別是對強化學習有了更本質的認識。

等到做博后的時候，我又意識到，純理論的強化學習研究已經做得七七八八了。從 AlphaGo 之后強化學習熱潮就開始了，等我2024年畢業的時候，其實都已經做得差不多了。大家的研究興趣慢慢轉向了強化學習在其他領域的應用。比較耀眼的應用有兩個：一個是在大模型上的應用，大模型的后訓練依賴于強化學習；另一個是在人形機器人或其他物理過程上應用強化學習。

我想，如果我要繼續做強化學習研究，就得給它找一個應用。相比大語言模型，我選擇了物理控制這個領域，但我并沒有直接去做人形機器人，而是選擇了復雜的物理過程——具體講就是核聚變里的等離子體控制，應用強化學習的方法去做。等到博后結束，開始做自己實驗室的時候，我依然沿著這個思路——給強化學習找一個應用場景。考慮到現實條件，我沒有辦法在香港繼續做核聚變研究，所以就把研究轉向了人形機器人，或者說具身智能上面的應用。

總體來講，我的思路就是：從一個比較具象的技術出發——自動駕駛，慢慢找到自己對決策算法的興趣——強化學習。到后期為了讓研究興趣真正有 impact，我開始想它具體的應用，最終錨定了具身智能。

做具身智能一段時間之后，我發現它實際上是一個非常綜合的領域。你想把具身智能做好，基本上就要解決 AI 領域所有的大問題：你要讓感知做得好，就得做計算機視覺；你想讓它既能聽懂語言，又能看懂圖片，還能感受到力，這就涉及多模態融合；你想讓機器人比較通用，就得喂給它很多數據并用大模型，這涉及大模型的問題；你想讓機器人很敏捷，又涉及機械工程的問題。所以具身智能這個領域包含了人工智能基本上所有大的挑戰，我就越來越覺得它有意思，也想把它做一個長期攻堅的方向。

最后一點，它不僅是多項技術的集合，更代表著一個未來——給人工智能裝一個身體。它不僅在思維上更像人，在行為上也更像人。以具身智能為載體，你會研究很多與類人智能相關的問題。從長遠來看，這是一個非常有前景的方向。

陳佳玉：對。

Jane：你大概是16年入學，那一年AlphaGo基本上點燃了整個第一波中國自動駕駛公司和地平線等公司，就是那個時候誕生的。你經歷了整個強化學習不斷融入先自動駕駛、后來又融入機器人的過程。你覺得強化學習這么多年，過程中那些關鍵的問題，所謂的"真問題"，究竟在發生什么變化？

陳佳玉：這是一個好問題。我這么來回答吧——強化學習的研究大概分為幾派。

第一派是理論派。大家研究你需要多少采樣才能學到最終的 policy，在數學上進行推演。其實相關的研究在上個世紀就開始了，只不過那時大家依賴比較強的假設以及不太切實際的 policy，研究的更多是有限的狀態和動作空間。這一波理論研究的話，大家就越來越把它推向無限的狀態動作空間下采樣效率的問題。但整體上會發現，數學結果越漂亮的那些算法，離實際就越遠。

第二派是以DeepMind為代表的算力派。他們在推算力對強化學習算法的影響，代表成果就是 AlphaGo、AlphaZero——把強化學習里的值學習和蒙特卡洛樹搜索（MCTS）結合在一起，用來解決非常復雜的決策問題，用算力來堆。這肯定是非常有用的，他們已經造出了那種超越人類智能的系統——AlphaGo、AlphaFold、AlphaChip 等等，用算力結合強化學習堆出了很多實際上很有用的東西。但問題是他們的研究不太適合學術界，因為學術界沒那么多算力。

第三派是以學術界和伯克利為代表的深度強化學習派。沒那么理論，對算力要求也沒那么大，但做出了很多有代表性的深度強化學習算法。比如 Soft Actor-Critic（SAC），這是在線強化學習的代表性算法。然后慢慢做到了離線強化學習（Offline RL），代表算法有 CQL，也是他們這些組做出來的。再后來，大家又開始基于生成模型來做強化學習算法，代表性工作就是 Decision Transformer 和 Diffusion Policy。總的來說，這一派沒那么理論，也不像 DeepMind 那樣依賴強算力，但誕生了一系列非常有代表性的深度強化學習算法。

大概在2022到2023年這個區間，大家就發現你再做更多的純強化學習算法，也比不了 PPO 有用，所以單純的強化學習算法研究遇到了瓶頸。大家逐漸轉向了強化學習的應用。這時候特別是強化學習在大模型的后訓練上有了非常好的效果，也就是我們說的RLHF。第四波就起來了，以大模型公司為代表，做 RLHF 取得了很好的進展。又過了一兩年，幾乎是同時，大家發現強化學習算法，特別是 PPO，在人形機器人的控制上有非常好的效果，具體案例就像宇樹科技的那些跳舞或打太極的展示，大部分都是基于 RL 做出來的。所以我認為現在更像是一個強化學習的應用時代。

如果再展望一下，之后強化學習會怎么樣？我認為有一個特別關鍵的點——持續性的強化學習。就是你如何在學習新任務的時候不忘掉舊的任務，在學習新任務時能基于舊任務中學到的知識快速學習。這實際上很重要。另一個點是，你在進行強化學習的時候如何利用 Foundation Model 已有的知識進行高效的強化學習。強化學習是一個很本質的技術——你給它一個獎勵信號，然后期待它把完成那個獎勵信號的最好策略學出來。它的缺陷在于太本質了、太像人了，以至于我們想真正發揮出它的威力，就得做出那種類人智能來，才能很好地應用強化學習。這需要我們在算法設計上有新的突破。

Jane：你剛說了強化學習接下來值得繼續研究的問題，一個是持續性的學習，一個是把知識利用做得更有效率，這有點像大語言模型的記憶問題，殊途同歸。

陳佳玉：對。人也是基于獎勵信號在學習我們的策略——比如你的獎勵信號是考上一個大學，然后我們每天調整自己的行為。強化學習大致也是這樣，你給它一個目標，比如走出迷宮，然后它不斷探索，直到學到那個行為。

但人和 Agent 的不同點在于，我們人是一個持續學習的過程。完成上大學的目標之后，還有讀研究生、讀博士或找好工作這一系列的目標。而且我們在學新任務的時候，實際上是依賴過去知識的，我們在探索的時候也不是無目的的探索，是有先驗知識來指導的。但這些先驗知識和持續學習的過程，在當今主流的 RL 算法中都還沒有做到。這是之后需要攻克的點。

Jane：回到你個人研究的話，我看你發的論文涉及逆強化學習、Offline RL等等，都屬于深度強化學習里的一些分支，是不是？

陳佳玉：是的，深度強化學習。我也做一些強化學習理論相關的東西，也做過強化學習在大語言模型中的應用，還做過強化學習在人形機器人上的應用。整體思路就是隨著強化學習社區的遷移，從理論到算法，再從算法到應用。

Jane：你剛說到你從理論最后還是想做具體的應用，你還記得是哪一刻覺得不想停留在理論階段了，想把它真正放到機器人身上或一些具體的事情來看到效果？

陳佳玉：要說具體哪一刻，應該很難講。我做過一些理論工作，每次做理論工作的時候，不僅要推數學，還要把算法寫成代碼，然后在實驗上去跑。就發現你推出來數學結構好的，寫成代碼運行起來效果不一定好；反而是一些理論直覺上更差的東西，實際表現反而更好。這是一個點。

另一個點是，在做理論的過程中，你為了得到結果要引入一些假設，但那些假設隱隱約約會感覺到與實際非常不相符。所以你可能花了很大精力做數學推導，得到的結果可能沒太大實際意義。我覺得這是最大的一個 pain point。

而且還有一個 pain point——PPO 是2017年做出來的，現在大家用得最多的算法，無論在大語言模型還是機器人本體上，還是 PPO。所以我們應該比較清晰地意識到這個問題：你再做出新的算法來，可能也不太會有人用。

Jane：你其實是想看到更多真正落到實際上有意義和有價值的東西，這在你做的事情上是非常重要的一個衡量維度。

陳佳玉：對，因為你花很多時間在做研究，總希望自己的研究能真的用在社會中的某一個角落里。把技術應用到一個具體的領域里邊，這是非常重要的。我覺得對于做科研、做技術來講，這是非常重要的一個成就。

Jane：然后講一下你在CMU機器人研究所的經歷吧，它其實就是完全跟機器人相關的？

陳佳玉：是跟控制相關的。具體來說，我們跟美國的通用原子公司進行合作，他們有核聚變設施。核聚變是要在一個裝置里，以水為燃料，產生一個比太陽里還要熱、壓強還要高的運行環境。在那個環境里，會有一團溫度和壓強都極高的等離子體。你要控制那個等離子體，不讓它接觸裝置壁，因為一旦接觸到壁，就相當于失敗了。所以這是一個難度非常大的控制問題。

由于它是非常極端的條件——高溫高壓——物理過程不完全清楚。一方面物理過程不清楚，另一方面控制問題又很難。所以我們的解決方法就是用他們提供的大量數據，去學一個控制策略出來。

主要的技術棧就是強化學習。這也是強化學習吸引我的點——幾乎所有的決策問題，不管是離散的還是連續的，不管是過程控制問題還是機器人控制問題，只要它能被建模成一個馬爾可夫過程，就可以用強化學習去求解一個好的策略。

Jane：我理解它是一個物理系統，強化學習是一套軟件系統，中間是通過軟件操控硬件，把這個用在上面。如果用通俗的方式來講，怎么能讓讀者更具象地感受到這件事？

陳佳玉：強化學習要學到的是一個策略，具體來講就是一個神經網絡。這個神經網絡的輸入是當前的觀測，輸出是控制量。在核聚變裝置里，輸入是等離子體的速度、角度、壓強等，輸出是怎么用那些中子束去控制等離子體。如果放到人形機器人上面，仍然是一個神經網絡，輸入可能是機器人看到的東西和接受的指令，輸出是機器人的關節角度。

也就是說，強化學習學的就是一個神經網絡，但這個神經網絡根據應用場景，可以改變它的輸入和輸出。

Jane：它其實是一個元技術。核聚變是一個具體范疇的東西，但不管什么領域，都可能涉及到決策。

陳佳玉：對，強化學習的應用場景就是持續決策和控制。

Jane：具體到場景的話，自動駕駛你早期研究過，還有機器人。這兩類系統在決策和控制方面，有哪些共性的難題，又有哪些不一樣的地方？

陳佳玉：共性難題是它們都是一個 Sensory-Motor System。都有傳感器去獲取觀測——比如汽車有視覺攝像頭、RGB-D 攝像頭，有的還有激光雷達去感知周圍的公路、草叢、行人；輸出可能就是當前的速度和轉向。機器人本質上也是這樣，只不過需要控制的維度更多——不是簡單控制速度和轉向，而是要控制每一個關節。

區別在于，我認為可以把自動駕駛當成是機器人問題中的一個子集。城市場景下的自動駕駛是一個結構化或半結構化場景中的問題——馬路的形狀是可以事先獲取的，交通規則是固定的，車道線也是固定的。但機器人的范圍很廣，比如家居場景的機器人要處理的是非結構化的環境——每個人家都不一樣，沒有統一化的規則。所以我更傾向于把自動駕駛看作是機器人問題中的一個子問題，相對于通用機器人來講，是一個稍微簡單一些的問題。

Jane：確實，從機器人場景適應的復雜性上來說，確實要比自動駕駛完全不是一個量級。

陳佳玉：對，因為機器人范圍很廣。工廠里有機械臂，深海探測有深海探測機器人，靶向用藥有納米機器人。機器人范疇很廣，自動駕駛可能就是機器人中的一個問題，它們并不是并列關系。

Jane：現在你覺得在研究也好、產業也好，發展通用機器人的技術路徑上還有哪些非共識的地方？

陳佳玉：我認為在發展通用機器人的路徑上，看似收斂，但方向對不對大家還不知道。

看似收斂是因為大家好像都在用 VLA 在做。這可以理解，有兩個原因：第一，VLA 這個路徑本質上是對大語言模型路徑的一個復制——用大數據、大算力、大模型得到一個通用的 Foundation Model。大家看到了大語言模型的成功，所以想走 VLA 這條路。第二，國外有一些領先的公司，比如 Physical Intelligence，確實做出了很好的 VLA 模型，導致特別是國內公司基本上都在做 VLA，把精力放在采大量數據、堆算力、訓 VLA 模型、做 demo。

但實際上，正確的路是什么，大家現在還不知道。因為現在 VLA 還走不出 demo——任何一個公司發布了一個 VLA 之后，如果讓大家隨便去試，很容易發現它泛化性的問題。

VLA 成立的假設是你有無限多的數據，就能學到一個像大語言模型那樣無所不能的東西。但這不太成立，因為大語言模型之所以成功，是因為它處理的語言是單一模態。而 VLA 是一個多模態的問題，所需的數據要遠遠高于大語言模型，但我們擁有的視覺、觸覺數據以及包含 action 的數據非常少，采集成本非常高。也就是說，VLA 相比大語言模型需要更多的數據，但采集成本更高。所以這個模式聽起來不太 work——你照搬了大語言模型的路，但照搬得不太對。

那如果不走這條路，我們怎么走向通用智能體？就像我剛才講的，它是一個非常復合的技術，大家對這方面的技術路線還沒有形成共識。從我自己來講，我認為要真走到那一步，就得真的去做類人智能的研究——持續性的強化學習以及很好地融合先驗知識的強化學習過程，是很必要的。

第二部分：職業選擇與產學研合作

Aaron：陳老師，我們現在聊一下職業選擇上的變化吧。你在港大之外，其實也加入了原力無限。我們比較好奇的是，從助理教授到正教授基本上已經是大多數人覺得非常好的路徑了，特別是在港大這個平臺上。您為什么沒有走一條完全純學術的道路，而是選擇加入一家創業公司呢？

陳佳玉：因為我們要做的東西——通用的具身智能，實際上是一個需要很多很多資源的事情。比如你需要大量的研發資金來購買機器人和招學生，同時也需要很多算力來訓那些基礎模型。最重要的是你得有做實驗的場地。但作為一個 Junior Faculty 來講，在經費、算力和場地上都是非常窘迫的狀態。這是一個共有的問題，特別是場地問題——在港大，我們沒有實驗的 space，基本上做不了任何真機的 Robot 實驗，這是一個現實的困境。

其實在接觸到原力無限之前，我就已經給香港政府寫了一個 proposal 要做通用型家務機器人，但心里也有 concern，就是經費、算力和場地的問題。和原力無限合作的話，他們可以提供算力、場地以及研究經費。相當于雙方在資源稟賦與研究能力上形成了互補，這使很多原本難以推進的真機研究得以加速展開。我覺得更像是一種產學研結合，不是說對港大這個平臺不滿意，而是我們確實需要更多資源來推進我們想做的研究。

Aaron：明白。這種算力和資源的稀缺，應該是現在學術界一個非常普遍的狀況。不管是大語言模型的研發還是具身智能的研發，其實是由產業界來主導的，因為他們既有算力也有錢也有人。學術界可能反而稍微滯后了一些，所以就會采用這種產學合作的模式。

陳佳玉：對，是這樣。

陳佳玉：我覺得在于雙方合作中互相表現出的誠意。我認為最重要的一點是愿景一致——我在接觸他們之前就寫了做家務機器人、通用機器人的 proposal，而他們想做的正好是具身大腦，以及商業、制造、文旅、家庭等多場景落地，這與我長期關注的通用機器人和家務場景研究方向能夠形成很好銜接。第二是他們的商業化做得很好，有充足的資金來支持研究，能給我們實驗室提供比較穩定的支持。第三是大家互相表現出誠意——公司給了我很大的信任，讓我去主導一個聯合實驗室，投入了很多資源，讓我去探索我想探索的方向。愿景一致，又給了很多的支持和信任，Why not？

Aaron：我比較好奇，從PhD階段在導師實驗室里，到博后階段，到現在作為獨立faculty建立自己的實驗室并主動選擇和產業界合作，這里面最大的變化是什么？

陳佳玉：做 PhD 期間主要就是埋頭研究，鍛煉獨立研究的能力，這是最大的 focus。到博后階段，就多了一些寫 proposal 和指導學生的經歷，在為做 faculty 做準備。到真正開始做獨立 faculty，我發現最重要的是能夠有自己的研究哲學——清楚自己可能很長的一段研究生涯要解決一個什么大問題。然后圍繞這些大問題去搭建自己的團隊：最根本的是拿到足夠的研究經費，基于經費去布置實驗室的硬件，招相關方向的人。簡單來講就是拿錢，還有構建自己的實驗室，和做 PhD 以及做 PostDoc 還是蠻不一樣的。

Aaron：您剛也提過有自己的研究哲學，跟原力無限之間有非常匹配的mission。能展開講一下嗎？包括你提到要做家務場景機器人，這是你們未來發展的方向？

陳佳玉：對的。最大的 match 是，我們都希望去解決通用機器人的核心問題。對公司而言，是圍繞具身大腦做多場景落地；對我個人而言，家庭/家務場景是其中一個最具挑戰也最有長期價值的方向。技術路線上，他們給了我比較大的信任，支持我做我本來就想做的技術路線。具體來說就是研究基于 VLA 的一個持續學習過程，以及融合世界模型、VLA 和一些多模態知識庫的類人智能。這是在探索一個和當前大家做的都不太一樣的、但更接近類人智能的方向。我們想做的東西一致，研究方向上他們也給了很大的支持和信任。

Aaron：那陳老師，在你眼里，目前具身智能領域最被高估的一類問題是什么？哪些問題可能被誤以為是核心問題，但實際上對行業本質發展的貢獻是有限的？

陳佳玉：我認為現在大家對具身智能最高估的一點，就是把Scaling Law從大語言模型搬到 VLA 上。因為 Scaling Law 在大語言模型上得到了驗證——更多的數據、更大的模型、更多的 test-time computation，效果就更好。現在大家想把那一套搬到 VLA 里，覺得采更多數據效果就會更好。

但我認為這個東西非常貴——采數據貴，算力也貴，關鍵是它還沒那么 promising。你看現在 GPT-4o 和 GPT-5 的研發周期非常長，但效果不明顯。這說明即使在大語言模型這種有海量數據、單一模態的建模問題上，Scaling 都不會是最終解決方案。應用到 VLA 上大概率也不是，因為 VLA 是非常多模態的、數據非常稀少的、采集成本非常高的。

我認為大家應該想一想——人工智能怎么在數據有限的情況下進行學習？這才是一個性價比更高的方向。現在大家都做 Data-Driven Research，一個方向是拼命搞更多的數據，但大家普遍比較忽視的是怎么在數據有限的情況下更高效地學習，也就是在學習機制上的研究。我認為這是一個 misleading 的點。

陳佳玉：而且具身智能和大語言模型不一樣的另一個點是——大語言模型即便犯再離譜的錯誤，它也只是生成文本，用不用還是由人來決定。而具身智能如果在部署過程中出現大的錯誤，比如在工廠里或家里，實際上是很危險的。也就是說，它必須有可保證的泛化性、魯棒性和安全性。但目前這條路線要 copy 大語言模型，是沒辦法給出這種保證的。

Aaron：明白。那你覺得長期被低估的硬核問題又是哪些？

陳佳玉：我認為被低估的問題是——做更類人的智能。大家要去想人是怎么學習的，然后把它搬到機器上。這是一個非常被低估的方向，也是一個特有意思的方向。你去觀察那些嬰兒，他們接觸到很少很少的數據就能表現得非常 robust 和 general。人類比機器好的點就是——它的 robustness 和 generalization 都非常好，而且只依賴非常少的數據。

所以我認為一個真正投入不足的點，就是怎么更類人地去學習。大家現在也在做類人——做人形機器人，但做的內容是像人的形態一樣。大家沒有去考慮類人的學習機制。這是一個被低估的方向。類人不能只是形態上的類人，我們必須要有學習機制上的類人。

Aaron：你怎么理解現在具身智能的發展階段？如果用GPT來類比，現在算是GPT-3、GPT-4還是能到GPT-5這個階段了？

陳佳玉：我覺得還遠遠沒到 ChatGPT 那個程度，我覺得大概是 GPT-1、GPT-2 差不多。因為 ChatGPT 剛出來的時候就已經比較 capable 了，我當時還試了一下，讓它證明數學分析里的一些定理，它出來之后一度引起 OpenAI 服務器宕機——說明它是真的有用了，而且能經得住大家的測試。但現在的具身智能都走不出 demo，甚至 demo 都是精心剪輯才能做出來，更不要說能經得住大家的測試了。

Aaron：那你覺得具身智能的ChatGPT時刻還有多久？

陳佳玉：我不知道，但我之前看了楊立昆的一個 talk，他的愿景就是更類人，和我很一致。他給主持人的答復是五到二十年。我認為要想真正做出可以用的具身智能，在算法方面還需要另一層突破——得更類人，達到像人那樣的數據效率、泛化性和魯棒性。這需要算法上的突破，我不知道需要多少年，但楊立昆說是五到二十年，所以 let's see。

Aaron：你剛也提到很多機器人走不出demo場景。很多機器人在視頻里可能看起來非常科幻，疊衣服或者跳舞，但真正在一個陌生場景里就基本不太能function了。你怎么理解這種巨大的落差？到底是算法的問題，還是工程的問題？

陳佳玉：是算法上的問題。當前算法依賴大量的數據，但跨場景的數據需求是指數級增長的。當前算法最大的弊病就是得有非常海量的數據才會有泛化性，數據不足就自然不會有泛化性。所以肯定是算法上的問題。

Aaron：你想做的是家庭場景機器人，為什么選擇這個方向？你覺得現在很多機器人場景中，什么場景在短期內比較promising？

陳佳玉：其實分三類場景——工業、商業和家庭。短期內我認為最好做的是商業場景。我們分析一下：工業場景要引入機器人，得有非常高的效率，有一個效率門檻；家庭場景有一個 safety 的問題——機器人不能出問題，撞壞家具是小事，撞壞人就是大事了。商業場景反而是對效率要求不高、對安全性要求也不高的，所以實際上最有可能率先落地。

從公司實踐來看，原力無限已經在商業、制造、文旅等場景形成多類機器人產品和解決方案落地，短期更容易跑通的是結構更清晰、容錯更高的商業化場景。

但我們之所以做家庭場景，是從長期來看。我們在選場景的時候得想，最希望機器人部署在哪？如果讓機器人部署在流水線上或工廠里替代藍領工作，實際上是一件非常殘酷的事情。我們更希望機器人出現在危險的場景下，或者出現在家庭場景下——假如人們都不需要做家務了，那就是一個非常大的 relief。做家庭機器人是從我們自身的愿景出發，并不是單純認為它短期內好落地。

Aaron：所以工業場景在你的理解中，是處于商業場景和家庭場景中間？最難的是家庭場景，因為安全性最高？

陳佳玉：也不能這么說。工業場景對效率要求比較高，這是它的難點；家庭場景對安全性要求比較高，這是另一個難點。但它們怎么比，不好比。

第三部分：具身大腦、世界模型與產業格局

Aaron：在你看來，機器人要真正變得足夠能干，或者跟人一樣能干，最重要需要的能力項是什么？是需要更好的感知、更強的世界理解，還是真正的決策能力？

陳佳玉：我覺得它得更好地理解這個世界，理解這個世界的一些基礎因果。現在的學習方法更像是——你給它一個視頻，你拿著杯子，突然撒手，杯子掉了。它很容易就學習到：你拿一個杯子，如果撒手就會掉。但如果它學到因果，它就會明白這個杯子掉是因為有重力，如果沒有一個向上的力，它就會掉。如果它學到因果，就可以很好地泛化——你把杯子換成一個壺，它也明白如果撒手也會掉。

也就是說，機器人如果真的理解了這個世界，就往類人方向進了一大步。基于這個理解，再連接它的小腦部分——更敏捷、更精確的控制，這個實際上是相對好做的。我認為比較難做的是大腦這部分，就是真的有那種類人的、對世界的理解。

Aaron：具有這種世界理解能力的世界模型，大概發展到什么階段了？

陳佳玉：世界模型比較特殊，它和 VLA 不一樣——世界模型的技術路線還沒有收斂。

比較有代表性的一派是**楊立昆（Yann LeCun）**之前在 Meta 做的JEPA（Joint Embedding Predictive Architecture），他認為訓練過程中不能有生成的部分——學術上講就是只能用 encoder，不能用 decoder。由于不能用 decoder，它就不能是一個監督學習，而是一個自監督學習。這是一派。

另一派像李飛飛做視覺這一派，或者 OpenAI 做的Sora那種視頻生成模型，他們是用海量的視頻數據進行監督學習來訓世界模型。

兩派各自有自己的成果，但只能說技術路線還沒有收斂。而且比較成功的世界模型 demo，基本上就是用世界模型去生成視頻，或者用世界模型生成一個模擬器。它的邏輯和大語言模型沒有什么區別——給它輸入、給它輸出，做監督學習。監督學習本質上就是一個 regression 問題，那它仍然會和大語言模型面臨一樣的問題：對數據依賴很強，方法沒有保證。

我認為現在世界模型還得再問深一點——有沒有一種學習機制，讓世界模型真的明白這個世界的一些物理定律或者因果？大家對這方面的研究還不深，我認為這也是技術目前還沒有收斂的原因。

Aaron：所以世界模型現在也跟大語言模型一樣，還在大力出奇跡的階段，算法也沒有特別有效率的出現。

陳佳玉：對。我認為具身智能的下一步，絕對需要不同于 VLA 或世界模型的技術出現。而且研究重點應該在大腦這一塊。

Aaron：說回到決策上面，現在很多多模態大模型已經能看懂很多東西了，但你覺得"看懂"和"會決定"之間大概是什么樣的差距？

陳佳玉：看懂和會決定，實際上就差一個策略——你得依據你看懂的東西，得出當前應該執行的一個動作。這個策略可以通過模仿學習去學，也可以通過強化學習去學。問題在于：如果用模仿學習，你就得提供專家示例，那就是一個數據驅動的方法，依賴很多數據；如果用強化學習，就還是我剛才說的問題——當前的強化學習算法每學一個新任務都要從頭學，不是一個持續學習的過程。它不能應用以前學到的知識，什么都得從頭學，導致采樣效率非常低。

所以從能讀懂這個世界到能做出好的決策之間，我們其實還需要一個好的持續強化學習的算法。

Jane：現在機器學習的能力還是沒有辦法做到快速遷移、適應不同環境，對吧？

陳佳玉：還不能。遷移就是泛化。泛化的話，大語言模型已經做得很好了，因為它數據量夠大，而且是單一模態的任務。但具身智能的泛化性還是很差，因為圖片包含的信息比文字要多得多。這意味著你要實現很好的泛化性，就要提供比文本數據多得多的視頻數據。但視覺數據又恰恰比文本數據更難獲取。所以泛化很難，以現在的算法途徑來看，遷移或適應也很難。

Jane：好，前面世界模型跟VLA是密不可分的，而且我覺得這兩個在定義層面都是極其非共識的地方。你怎么理解所謂的世界模型？有人甚至覺得它就是一個理論名詞。以及它和VLA之間的關系到底是什么？

陳佳玉：VLA 是依據當前觀測得到當前的動作；世界模型是依據當前的觀測和當前的動作，得到下一個時刻狀態的預測。

我這么解釋吧：你觀察到面前有一個杯子，然后你把它舉起來——這是一個從觀測到動作的過程，可以用 VLA 來實現。然后你想知道，把杯子舉起來之后它會是什么狀態？得到這個預測是通過世界模型來實現的。

也就是說，它們是兩個函數，功能不一樣。

Jane：現在各家公司都在做這塊，但背后各自的算法技術其實完全不一樣吧？

陳佳玉：我認為恰恰相反。大家的算法其實是很相似的，不一樣的是數據和工程上的一些 tricks，但算法上相似度極高。

Jane：你之前提到你們做的類人智能研究，它是哪個part的事情？

陳佳玉：實際上就是怎么去訓 VLA。大家現在訓 VLA 就是給它輸入數據、輸出數據，做一個擬合——得到大量數據，像訓練大語言模型一樣訓練一個 VLA。我們不一樣的點是，我們想用一種持續學習的機制來訓 VLA。他們用監督學習方法來訓，我們想用持續學習方法來訓，這是區別點。

我們做的另一個不同點是，怎么去用世界模型。我們是把世界模型作為機器人知識庫的一部分，來輔助 VLA 的訓練。

總結一下：第一，我們 VLA 的訓練方式不一樣——大家普遍用監督學習，我們在探索一種持續學習的方式。第二，怎么用世界模型來訓 VLA，我們和大家做的也不太一樣。現在大家用世界模型訓 VLA 基本上兩個路徑：一個是用世界模型去生成數據，然后用生成數據去訓 VLA；另一個是把世界模型當做一個模擬器，在模擬器里訓 VLA。我們則是要建立一個知識庫，知識庫里包含實體之間的聯系以及層次抽象，我們把世界模型作為層次抽象的一部分，用來訓 VLA。

Jane：你自己的研究方向堅定會認為這條路是有效的？

陳佳玉：對，因為更類人。我們人不就是一個持續學習的過程嘛——你今天學數學物理，明天學 Robotics，學 Robotics 的時候就是在應用你學的數學和物理。人就是一個持續學習的過程，那你想做出一個類人的機器人來，為什么不用一個持續學習的過程呢？

Jane：你們已經在這條路上看到一些泛化能力的變化了嗎？

陳佳玉：對，我們在同時進行好幾項關于持續學習的研究，后面會陸陸續續出來。因為我們這個合作其實也剛剛開始。

Jane：還有一個數據的問題。大家堅持不同的數據路線，可能導致規模化不成立的點是什么？每條路線的問題是什么？你們的選擇又是什么？

陳佳玉：數據方面，大家現在確實存在分歧。

以Physical Intelligence為代表的一派認為真實數據為王——必須給模型足夠多的真實數據，才可能訓出來比較好的 VLA。

以英偉達為代表的一派認為仿真數據為王——因為采集真實數據成本太高，得依賴高度可信的仿真來并行化、低成本地產生大量數據。

還有一類，像李飛飛為代表的，認為數據應該是世界模型生成的——生成的環境更可控，給一個 text prompt 就能立刻生成一個環境，然后在里面生成數據。

大家這方面還沒有形成共識。目前來看最有效的是用真實數據，以及真實數據和仿真數據聯合訓練。

我們目前不太做 data-centric research，我們會觀察哪種數據的成功率更好，follow 他們的研究用一樣的數據。因為我們的研究重點不在于用什么數據，而是采用什么樣的學習機制，可以更有效地應用這些數據。

Jane：關于真實數據，之前有人提出一個質疑——如果真實數據是真機采集的，一旦機器迭代，那些數據可能就完全沒用了，數據規模化非常難實現。

陳佳玉：對，所以你在采數據的時候，數據的形式要比較 general 一些，不能和采集設備綁得太死。比如你的輸入是圖片，輸出是歸一化之后的關節位置，這種通用格式的數據是可以遷移、甚至遷移到不同本體上的。

但我認為大家還得想清楚一個問題：能不能在采數據之前，對需要采集的數據量進行一個估算？如果估算出來采多少數據都不會達到最終目的，那你還要不要采這個數據？這是一個 question mark。

Jane：而且不同機型的數據采集出來，也不是行業可以共用的，因為現在機型差別太大——身高大小、有沒有臂、輪子還是腳。

陳佳玉：對，你可以做一些 retargeting——比如兩個人形機器人大小不一樣，但參數你都有，比如臂長、身高，你可以用 retargeting 把小機器人的數據 retarget 到大機器人身上，這是可以做到的。但如果跨得再厲害一些，比如人形機器人和機器狗之間，就不太好共用了。不過如果是同一類型的機器人只是大小不一樣，是可以做到一定程度的共用的。

Jane：目前你們最缺的是哪種類型的數據？

陳佳玉：最缺的是那些真的需要人去采集、不能通過仿真來生成的數據。比如疊衣服、系鞋帶、擰螺絲這種——必須得用人來采，很難通過仿真或者生成的方式獲得。

Jane：我突然意識到，遙操作作為一個商業模式產品，在這個時候其實非常成立。

陳佳玉：對，因為就是為了采數據。邏輯是這樣的：大語言模型驗證了 Scaling Law 成立——從模型到 Scaling，從 Scaling 到數據，從數據再到遙操作，它這個需求鏈條就是這樣的。

Jane：然后原力無限是"一腦多身多場景"，為什么選擇這個范式？

陳佳玉：因為要做通用機器人，最難的部分就是做大腦——對世界的理解。如果你想做的是一個大腦，你就沒有必要限制它的應用場景。只不過在具體的商業計劃中會一個一個場景地攻克——比如先做家居場景，再做商業場景，再做工業場景。但如果大腦做得很成熟了，就沒有必要限制應用場景，它的應用范圍會是非常廣的。這也是原力無限當前‘聚焦具身大腦、賦能多形態本體、驅動場景規模化’的核心邏輯。

Jane：現在大家錨定某個場景的核心原因，是因為確實大腦也只能用在那個場景中。

陳佳玉：是的。你做出來的模型只能用于一個場景，但你用來訓那個模型的方法是可以跨場景應用的。另外，如果你針對每一個場景都訓練了模型，把它們分別部署到所屬的場景，它們就會日夜產生數據，你就擁有了大量跨場景的數據。那你能不能運用這些跨場景的數據去得到一個跨場景的模型呢？這是第二階段的問題了。

Jane：現在大家都還在第一階段。

陳佳玉：對，先做出單場景好用的模型，部署下去產生數據，然后再把一個多場景的模型做出來。這是第一階段和第二階段的關系。

Jane：這個底層變化會不會有一個類似Transformer級別的技術架構，能突然讓這件事變成一個可以統一的事情？

陳佳玉：架構和學習方法還是兩種東西。架構的話，就是你用 Diffusion 還是 Transformer，這是架構選擇上的問題。我倒覺得這個不是那么本質。本質的還是說，你怎么去學——你是用監督學習、還是強化學習、還是一種持續性的學習？我認為學習機制是一個比架構更本質的問題。

Jane：那你覺得整個產業格局大概會走向什么樣的形態？

陳佳玉：我覺得最終可能會走向大公司做大腦，小公司做場景化的小腦。為什么？因為做大腦需要大量的算力和數據投入，這不是小公司能承受的。小公司做什么呢？針對具體場景去落地——做場景化的小腦，用大公司的基礎大腦去適配特定場景。有點類似大語言模型的格局：OpenAI 做基礎模型，然后大量的應用公司在上面做各種應用。

Jane：所以你覺得具身智能最終也會形成這種分層的格局？

陳佳玉：我覺得是有可能的。但也有可能不一樣——因為具身智能涉及到硬件，它不像大語言模型純粹是軟件。硬件上的差異化可能導致小公司也有機會，因為你在特定的硬件本體上積累了足夠多的數據和經驗，這本身就是壁壘。

Jane：好。然后聊一下海外，你了解到的海外一些做具身智能的同行，他們現在在做什么？

陳佳玉：海外比較有意思的公司，除了 Physical Intelligence 之外，還有一些比較小但很有追求的公司。比如有一些公司是從前 OpenAI 的人出來創立的，他們的追求不是做一個產品，而是追求算法上的突破——希望做出真正的類人智能。這種公司在海外還是有一些的。

Jane：比如？

陳佳玉：比如SSI（Safe Superintelligence Inc.），雖然他們主要是做大語言模型方向，但他們的追求就是純粹做算法突破。在具身智能領域也有一些類似的公司，雖然規模不大，但追求的是真正的算法創新而不是快速商業化。

Jane：你怎么看中美在具身智能方面的差異？

陳佳玉：中美差異還是比較明顯的。美國的優勢在于算力和學術驅動——他們有最強的算力資源，也有最好的高校和研究機構在推動基礎研究。中國的優勢在于本體和數據成本——中國有非常好的機器人本體制造能力，比如宇樹科技在本體上做得非常好，硬件成本也比較低。另外，中國的數據采集成本也比較低，因為人力成本相對較低。

所以如果你要做大腦這種需要大算力的研究，美國可能更有優勢。但如果你要做硬件或者做場景化落地，中國的供應鏈和成本優勢是很明顯的。

Jane：波士頓動力現在的定位你怎么看？

陳佳玉：波士頓動力是一家非常有特點的公司。它的控制做得非常好，但在 AI 這一塊，至少從公開信息來看，還沒有特別多的成果。它更像是一家以機械控制見長的公司，而不是以 AI 見長的公司。

Jane：我們來聊一下人形機器人。你覺得人形是通用機器人的最佳載體嗎？

陳佳玉：人形這個事情有兩面。一面是它確實有一些獨特的優勢——人類的生活環境都是為人體設計的，門的高度、椅子的高度、樓梯的尺寸，所以一個人形的機器人可以更自然地適應人類的生活環境。這是一個很好的愿景。

但另一面是，現在的人形機器人和人的差距實在太大了。你看那些人形機器人，它的靈巧手跟人的差距非常大，它的運動能力跟人的差距也很大。所以通用本體是一個好愿景，但現在和人差太遠。

我的看法是，你不一定非要用人形——取決于你的場景。如果你在家庭場景里，人形可能確實有優勢。但如果在工廠里，一個機械臂可能比人形機器人效率高得多。所以本體的選擇應該是跟場景匹配的，而不是一刀切地認為人形就是最好的。

Jane：你之前有提到一個觀點——大家不應該只在形態上追求類人，學習機制上的類人可能更重要。

陳佳玉：對，這是我一直強調的。你的外表像人不代表你的智能像人。真正要像人的地方，是你的學習過程——能持續學習、能遷移、能從很少的數據中學到東西。這才是類人智能的核心。形態上的類人當然有它的價值，但如果你的學習機制不類人，那你就只是一個外觀像人的傳統機器人。

Aaron：最后一個比較大的問題——你覺得未來人和機器人的關系會走向什么樣的狀態？

陳佳玉：我覺得未來機器人會更可見地融入我們的日常生活。現在你在日常生活中很少能看到機器人——除了掃地機器人。但未來可能你去商場、去酒店、去停車場，都會看到各種各樣的機器人在工作。再遠一點的話，家庭里可能也會有機器人。

我不覺得機器人會取代人，更像是人和機器人的一種共生。機器人做那些人不愿意做的、危險的、重復性的工作，人做更有創造性的、需要情感和社交的工作。這是一個比較理想的狀態。

但這個過程是漸進的。不會突然有一天你家里就出現一個人形機器人在做飯。它是一步一步來的——先是簡單場景，再到復雜場景，先是輔助角色，再到更獨立的角色。

收尾：給年輕人的建議

Jane：最后我們來做一個收尾。如果現在有年輕人想進入具身智能領域，不管是做學術研究還是做產業，你會給什么樣的建議？

陳佳玉：首先我覺得要聚焦真問題。不要跟風做別人做的東西，要去想什么是這個領域真正的瓶頸，然后聚焦在那個瓶頸上。比如現在大家都在做 VLA，你再去跟著做 VLA 可能已經晚了，但如果你能看到 VLA 之后的問題——比如怎么做持續學習、怎么做更好的泛化——這才是有價值的方向。

第二是要大膽探索。這個領域還非常早期，很多方向都還沒有被充分探索。不要被現有的框架限制住，要敢于去試不同的東西。

Jane：那你覺得具體哪些細分方向比較值得年輕研究者去投入？

陳佳玉：我推薦三個方向。第一個是Manipulation——靈巧操作，就是怎么讓機器人的手像人一樣靈活。這是一個非常難但也非常重要的問題，現在做得好的人還不多。

第二個是多模態大模型——怎么把視覺、語言、觸覺等多種信息融合在一起，讓機器人有更全面的感知和理解。

第三個是我一直在說的——Robo Brain，就是機器人的大腦。怎么做出一個真正理解世界的、能持續學習的大腦。這個方向可能需要更長的時間才能看到成果，但它的價值也是最大的。

Aaron：非常感謝陳老師今天的分享，信息量非常大。

陳佳玉：謝謝，很開心。

Jane：謝謝陳老師！

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生