獨家對話大曉機器人陶大程：具身機器人大腦，不必裝下整個世界｜甲子光年

Kairos希望把行業評估標準從生成質量推進到控制充分性。

作者｜周悅 寇雨然

編輯｜王博

機器人拿起一個杯子，真的需要理解整個世界嗎？

陶大程的回答是：不需要。甚至恰恰相反，機器人首先要學會的，可能是忽略那些與行動無關的信息。

它不必知道桌面花紋，也不用預測窗外的樹影。它只需要知道杯子在哪，是什么形態、多重、該從哪里抓，以及萬一抓失敗了怎么補救。

陶大程將這類行動相關狀態稱為“控制充分狀態（Control Sufficient State）”。他認為：“會改變行動結果的信息，就是有價值的信息。”

今年，“世界模型”成了具身智能領域最熱的詞之一。IT桔子6月發布的報告顯示，國內已經有33家創業公司發布世界模型，累計融資超過260億元，其中7家已經成為獨角獸。

熱度越高，概念也越雜。VLA（視覺-語言-動作模型）融合派、原生派，還有3D空間派、物理仿真派等各執一詞。當所有人都在講世界模型時，什么樣的世界模型，對機器人真正有用？

大曉機器人試圖用“開悟世界模型（Kairos）”來回答這個問題。

在陶大程看來，模型或者技術路線叫什么并不重要，關鍵在于它能不能落到“行動后果”上。機器人不能只學會“看見什么就做什么”，還要知道“做了之后世界會怎樣變”。

Kairos要解決的，不是生成一段足夠逼真的未來狀態畫面，而是在機器人行動前判斷：不同動作會帶來什么后果，哪里可能失敗，失敗后是否還能恢復。

這也意味著，Kairos必須直面兩件事：機器人怎么從失敗里學習，部署能不能跟上真實行動節奏。“失敗數據”和“部署效率”，由此成了它的另外兩個關鍵詞。

盡管提出了新概念，陶大程認為Kairos還只是對這個目標的一次早期系統性嘗試。

他的標準很樸素：“真實任務結果才是最終檢驗目標的金標準。”大曉追求的是模型能不能真正提高任務成功率、失敗預測和恢復能力，并且進入真實部署。

陶大程是大曉機器人首席科學家、新加坡南洋理工大學杰出教授。根據國際學術信息平臺Research.com 2026年計算機科學科學家排名，他位列新加坡第1、世界第13，同時也是澳大利亞科學院院士、FACM、FIEEE。

這是陶大程加入大曉機器人以來首次接受專訪，他和「甲子光年」對話了兩個多小時，這也是亞洲AI科學家中少見的一次圍繞“世界模型”展開的系統長訪。

陶大程，圖片來源：大曉機器人

本文，「甲子光年」獨家對話大曉機器人首席科學家、新加坡南洋理工大學杰出教授陶大程，由「甲子光年」整理編輯，在不改變原意的基礎上有所刪改。

1.大曉要定義怎樣的世界模型

甲子光年：過去一年，我們發現很多具身智能團隊從VLA轉向世界模型。你覺得這是技術路線的收斂，還是行業在尋找新的融資敘事？

陶大程：我認為首先是技術路線在真實物理約束下的自然收斂。當然，行業現在也確實處在邊界和概念還沒有完全穩定的探索期。

單純的VLA，在從觀察、語言到動作的模仿學習上是有效的。但機器人一旦進入真實部署，就必須回答更復雜的問題：如果這樣行動，世界會發生什么變化？哪里可能失敗？是否會帶來安全風險？

大家轉向世界動作模型（World Action Model）或統一世界模型（Unified World Model），反映的是行業從“觀測-動作映射”走向“動作結果建模”的需求。

甲子光年：所以，機器人真正需要的世界模型是什么？

陶大程：現在很多世界模型都是一個復刻世界的視覺生成器，但機器人真正需要的應該是一個能夠在有限觀察、有限算力和有限真實試錯條件下，學習并維護“控制充分狀態”的行動后果模型。核心是要支持未來行動決策。

甲子光年：如果世界模型并不需要生成所有視覺細節，而是要幫助機器人做行動決策，那從這一點來看，大曉的Kairos和其他團隊提出的World Action Model、Unified World Model相比，最核心的區別是什么？

陶大程：差異不會簡單停留在大家對于目標或架構的定義上，而是真實機器人實際任務中的成功率、泛化能力、失敗預測、安全過濾、恢復能力和部署效率上。

定義本身提出的是一個方向，真實任務結果才是最終檢驗目標的金標準。Kairos最終的目標，是把World Action Model放進一個完整的“控制充分狀態”框架里。

世界模型，圖片來源：大曉機器人

甲子光年：世界模型會不會有“缸中之腦”的風險？它在大腦里生成或預測的東西很自洽，但和真實世界脫節，比如執行過程中接觸失敗，反饋不一致。你們的模型或方法怎么解決這種問題？

陶大程：沒錯，這從目前來看是一個長期問題，不是短期就能直接獲得結果的事。

我們的思路不是簡單相信模型在“大腦”里生成出來的東西，而是要讓它和真實執行發生連接。世界模型如果只是預測一個看起來很自洽的未來，但執行時接觸失敗、反饋不一致，那對機器人來說是不夠的。關鍵是看它想象出來的結果，和真實執行能不能對得上。

所以Kairos要做的，是把世界模型從單純生成未來，推進到動作后果建模。也就是說，不同動作會帶來什么結果，哪里可能失敗，失敗之后有沒有恢復路徑，這些都要進入模型和評估體系里，并最終通過真實機器人閉環來驗證。

當然，AI有時會給出一些和人類直覺不一致、但最后被證明有效的方案，比如AlphaGo第37手，或者是那個反直覺的天線設計。但這恰恰說明，不能只用人的直覺判斷模型，而要看它能不能被真實任務結果驗證。

Kairos希望把行業評估標準從生成質量推進到控制充分性。世界模型不能只是一個自洽的“缸中之腦”，而要真正幫助機器人判斷動作后果、規避失敗風險，并完成任務。

2.真實任務結果才是最終檢驗目標的金標準

甲子光年：剛才你提到，真實機器人要以最終結果為導向，看任務成功率、泛化能力、安全過濾、恢復能力和部署效率。這些能力是需要逐點突破，還是有一套新的算法或方式讓它們全面提高？

陶大程：這就是Kairos要做的一體化架構。

在具身智能里，理解世界、預測世界、未來采取什么行動，以及真實部署，過去往往是相對割裂的。

傳統路徑里，我們分別優化世界理解、視頻生成、動作模仿或仿真規劃，但真正的機器人需要的是維護一個足以支持行動決策的控制充分狀態的統一目標。

甲子光年：這種一體化架構具體是怎么做的？

陶大程：我們會把這些能力統一起來，組織成一條從數據到行動的控制信息鏈。通過跨具身課程學習獲取足夠的控制相關信息，再通過統一理解、生成、預測的一體化架構，壓縮和維護一個長時程內部狀態，也就是世界狀態。

再通過多時間尺度記憶，處理短程接觸、中程交互和長程任務進度，讓機器人在世界模型的操控下，能夠更穩定、更安全、更高效的處理真實任務。

Kairos模型框架，圖片來源：大曉機器人

甲子光年：你反復提到的“控制充分狀態”是什么？

陶大程：其實就是那些能支撐控制，或者說機器人的動作的關鍵狀態。本質上是一種信息集合。

比如說我現在要讓機器人抓一個杯子，它不該為了抓杯子而復制所有的信息和細節。桌面花紋是什么，窗外的樹長什么樣，杯子的陰影和光照條件這些對它來說都不重要。

其實它只要去關心杯子的把手，也就是可操作的點在哪，里面有沒有裝滿水，這是杯子的重量，這告訴機器人需要施加多大的力，還有就是杯子在桌面上什么位置，杯子是不是靠近桌邊，應該從哪個角度抓這些問題。

甲子光年：你說“控制充分狀態”這個概念強調的是信息，Kairos怎么判斷哪一類信息對于控制是必要的？哪些要丟掉？

陶大程：這是很關鍵的問題，我們認為會改變行動結果的信息，就是很有價值的信息。

比如，任務的目標、物體的位置和姿態、空間的關系、機器人自身的狀態、接觸條件、摩擦系數，可抓取性，還有任務的進度，相關候選動作的后果，失敗的邊界等等，其實是非常多的。

相反呢，像物體的紋理，背景、光照，還有一些裝飾性的這種信息，或者是跟物體無關的信息都可以被壓縮掉。

我們為此正在構建一個判斷框架，就是控制信息密度。它的核心是衡量信息對控制變量本身的預測能力是否有直接價值。

甲子光年：怎么衡量什么是控制信息密度更高的數據，什么是更低的數據？

陶大程：控制信息密度可以理解為，一段數據在單位采集、標注、計算和風險成本下，能夠減少多少和控制相關的不確定性。

有價值的數據，就是能夠減少控制不確定性的數據。如果信息對降低控制不確定性沒有幫助，就沒有價值。

比如人和人溝通，本質上是為了獲取信息。如果溝通半天好像沒有多知道什么，那就是無效溝通，基本上是這個道理。

甲子光年：聽起來，這個世界模型“大腦”需要考慮很多控制變量，這會影響執行任務的速度或判斷速度嗎？另外，像工廠搬貨這樣的長程任務，下一個動作和現在動作之間環境可能會變，它能很快完成下一步嗎？

陶大程：這就是為什么Kairos強調實時部署能力。如果Kairos優化的不好，比如產生一個狀態預測需要幾秒甚至幾十秒，那這個東西是沒辦法使用的。

Kairos用的是隱狀態（latent state），不會用真實像素作為中間狀態變量。通過壓縮后的隱狀態，可以有效提升執行效率。并且在部署感知協同設計體系里，從模型構建第一天開始，我們就會考慮模型的實時效率。

目前，系統整體效率仍有較大的提升空間。隨著未來硬件性能、模型能力以及優化技術的不斷進步，其運行效率有望實現進一步提升。

等效率達到更高水平，你剛才談的問題就不會是主要問題。但今天大家可能都還面臨這個挑戰，畢竟端側計算能力還是非常有限。

3.失敗數據、模型能力與技術路線的顛覆

甲子光年：你們在評測任務時，最關心哪類任務？

陶大程：Kairos在評測時更關注兩類任務：一類是embodied world-model benchmarks，用來檢驗物理合理性、指令對齊和時序一致性；另一類是world-action benchmarks，例如機器人操作與泛化任務，用來檢驗聯合建模世界動態和動作演化是否真的改善動作預測與manipulation performance。長時生成和推理效率也重要，但它們主要是對多時間尺度狀態維護和部署可行性的代理評估，而不是最終目標。

實際成功率最終應該在真實或高保真機器人任務里評估：看任務完成率、擾動條件下的泛化成功率、失敗率、安全事件、恢復成功率，以及模型在給定延遲和顯存約束下能否穩定運行。目前，Kairos還在進一步驗證imagined rollout和真實rollout的相關性、同一初始狀態下不同動作分支的預測是否準確、失敗能否提前預警、安全過濾是否減少unsafe actions，以及imagined experience是否帶來真實policy improvement。

甲子光年：怎么評估這些任務的實際成功率？

實際成功率最終應該在真實或高保真機器人任務里評估，看任務完成率、擾動條件下的泛化成功率、失敗率、安全事件、恢復成功率，以及模型在給定延遲和顯存約束下能否穩定運行。

目前，Kairos還在進一步驗證imagined rollout和真實rollout的相關性、同一初始狀態下不同動作分支的預測是否準確、失敗能否提前預警、安全過濾是否減少unsafe actions，以及想象經驗是否帶來真實策略提升。

甲子光年：你們在評估Kairos，包括其他世界模型時，最關心的指標是什么？

陶大程：對于具身來說，最核心的指標不應該是“生成視頻有多逼真”，而應該是控制充分性：模型內部狀態是否真的保留了機器人行動所需的信息。按照這個標準，視頻清晰度、時序一致性、指令對齊仍然重要，但它們只是必要的代理指標；真正重要的是這些能力是否幫助機器人更穩地完成任務、更早發現失敗、更安全地選擇動作。

因此，評估Kairos或其他Physical AI world model，可以分兩層看。當前階段最關心的proxy metrics是：physical plausibility、instruction grounding、action-conditioned prediction、long-horizon consistency和deployment readiness；Kairos 現有實驗把這些定義為regret-relevant capabilities的代理證據。

下一階段最關鍵的指標將回到真實機器人：任務成功率、跨任務/跨場景/跨本體泛化能力、失敗預測準確率、安全過濾效果、恢復成功率、推理延遲/顯存成本，以及imagined rollout是否真的和真實rollout相關。

簡單來說：Kairos最關心的指標，是世界模型是否讓機器人更知道該做什么、不要做什么、哪里會失敗、失敗后如何恢復，并且能在真實部署約束下發揮作用。

甲子光年：讓機器人學哪里會失敗、失敗后如何恢復，這是不是意味著要從失敗數據中學習？怎么區分哪些失敗數據值得二次學習，哪些應該徹底剔除為臟數據bad case（失敗案例）？

陶大程：是的，但失敗數據不是越多越好，關鍵要看失敗數據本身是否承載了高控制信息密度。它是否清楚連接了當前狀態、采取的動作、受力變化、失敗結果，以及恢復路徑。

有學習價值的失敗，能減少模型對動作后果、失敗邊界等的不確定性。比如抓取滑落、碰撞，或者遮擋導致的誤判，這類數據能告訴模型哪里會壞、為什么會壞、壞了以后如何恢復，從而實現未來成功。

Kairos把這種有價值的失敗或恢復邊界的數據排在一般成功意義的數據前面。

而那些只體現噪聲、無法提供可遷移控制信息的失敗樣本。比如畫面很模糊，運動模糊導致看不到接觸點；或者動作和視頻不同步；或者失敗原因無法歸因，最后不知道哪里錯了，這類數據就是無效數據。

還有很多沒有經過有效校準的合成數據，會產生很多現實生活中根本不會發生的錯誤；還有一些隨機擾動等。

甲子光年：也就是說既要考慮失敗數據，又要判斷數據信息密度，你們的數據管線和行業常規做法有什么不同？

陶大程：行業里更常見的做法是收集成功演示、清洗高質量視頻、批量做模仿學習。

我們的數據管線強調的是，從記錄任務如何成功，轉向記錄為什么會失敗、什么時候會失敗、失敗以后應該如何恢復，就像我前面談到的。

我們不僅要做短片段分割、質量過濾、良好標注等高吞吐數據處理，還需要通過干預等級、物理事件、失敗恢復等標簽，把數據變成可檢索、可采樣、可以用于構造控制充分狀態的訓練資產。

目前我們正在努力把數據采集標準，從視覺規模和成功軌跡，推進到是否能夠減少動作后果、失敗邊界和安全風險不確定性的方向。

整個數據管線迭代速度都很快，我們觀測到的很多結果已經體現到Kairos的訓練中，并有正向收益。這也是我們認為控制信息密度和失敗樣本對模型學習非常重要的原因。

核心還是一句話有質量的規模才是真正的規模。

甲子光年：未來有沒有可能，一個更強的VLA或其他技術路線也實現這些能力，從而繞過現在所謂的世界模型？

陶大程：有這種可能。所以我認為，名稱本身不是最關鍵的，最關鍵的是模型最后是不是真正落到了動作結果建模這個基礎能力之上。

如果未來某個更強的VLA模型，能夠在內部學習足夠的控制相關信息，并且能夠在真實機器人任務中表現出穩定泛化和低延遲部署能力，即便它不叫世界模型，它在功能上也實現了世界模型的核心能力和目標。

我們的判斷是，短任務、封閉場景、數據覆蓋充分的問題，對于端到端VLA來說已經足夠。這也是為什么很多團隊一開始做端到端VLA，用遙操數據，見效很快。只要測試場景和訓練場景高度一致，VLA的效果就會很好。

但在常識任務、復雜條件、失敗代價高，以及場景變化很復雜的物理AI中，我們確實需要隱式世界狀態，以及對動作后果的建模和學習。Kairos當前正在不斷完成這樣的閉環體系學習和測試。

甲子光年：你當前最關注的技術風險是什么？

陶大程：我們最擔心的是，模型學到的世界狀態并不是穩定的控制變量，而只是數據和視覺分布的規律。它能夠有效合成未來，但一旦面對環境變化、失敗邊界和常識任務狀態，就沒有辦法形成準確判斷。

甲子光年：在什么條件下，你們當前的判斷和路線可能會被顛覆，或者需要修正？

陶大程：如果Kairos這類世界模型中想象推演和真實執行的相關性不高，不能區分同一個初始狀態下不同動作的真實后果，那也說明它作為Physical AI核心閉環條件的真實性還不確定。

世界模型的核心，在于模擬未來的可能性，并具備足夠決策力以選擇合理軌跡完成任務。

從Kairos目前的表現來看，它在物理合理性、指令對齊上都已經表現出比較清晰的優勢。至于預測能力、長時序一致性以及部署就緒度，我們目前的實證驗證讓我們確信這是一條正確的路徑。

4.從世界模型到真實場景

機器人拿起水壺澆花，圖片來源：大曉機器人

甲子光年：過去一年，具身智能的風向變化很快，從數據采集、模型路線，到世界模型、以人為中心（human-centric）等概念不斷變化。大曉在技術路線選擇上，有沒有經歷過比較大的轉折？

陶大程：我覺得我們很幸運，核心判斷還是比較準確的。今天大家討論的熱點，其實就是我們一開始在執行的方向，“以人為中心”的環境式數據采集和訓練范式，世界模型都是我們首個或者最早一批提出的，所以不存在特別艱難的技術轉折。

大曉剛成立時，我們談的就是“以人為中心”（human-centric）的體系結構。這也是為什么我們有ACE ROBOTICS這個名字，以及環境式采集引擎（Ambient Capture Engine）這樣“以人為中心”的體系結構。

當然，也許未來有一天我們的判斷會出現誤差，團隊也可能面臨選擇。即便未來發生變化，也更可能是一個合理的技術戰略調整，而不是非常艱難的技術折中。

甲子光年：進入具身行業之后，你們發現它和過去做AI最大的不同是什么？更關鍵的約束是什么？

陶大程：最核心的差異，是從數字世界進入物理世界，整個技術邏輯發生了重要轉化。

第一，評價標準不一樣。過去做視覺人工智能或者通用人工智能，比拼的是紙面目標、識別精度、模型效果、誤差等。在具身里，它對應的是物理代價、任務中斷和安全風險。

第二，系統約束完全不一樣。過去我們關心離線優化、單模塊迭代，算力不足時可以找更多計算資源解決。但具身要跑通感知、決策和執行的真實閉環，延時、顯存、硬件都是限制條件。脫離真機部署，模型能力就缺失了實際意義。

第三，數據邏輯完全不一樣。過去靠標注好的靜態樣本就能訓練，追求的是數據規模。現在要關心帶交互、帶失敗、帶因果反饋的有效數據。失敗邊界和故障恢復過程的價值，高于海量普通成功樣本。

甲子光年：目前具身智能行業整體落地都不容易。一方面，技術走得很快；另一方面，客戶場景未必馬上需要特別復雜的模型。大曉怎么平衡前沿研發和真實落地？

陶大程：我覺得具身產品和研究的關聯度非常高。具身產品本身復雜度很高，對研究依賴很強，所以兩者之間不存在核心矛盾。

從落地路徑來看，巡檢是我們最早期的場景切口。這個行業今天遠沒有達到非常飽和的階段。市場上大多數機器人或者機器狗，還停留在固定路徑導航、遠程人工操作階段。對于開放環境下的自主決策、異常識別和相關處置能力，普遍是缺失的。

我們的核心價值，是用具身大腦補齊場景里的自主智能能力。

另一個方向是前置倉分揀。傳統自動化方案依賴剛性設備，只適配固定SKU和固定動線，改造成本很高，也不具備足夠靈活性。

我們通過ACE-Ego具身操作體系落地零售終端場景，不需要大規模改造場地，就能依托具身認知和因果泛化能力，適配海量SKU和動態場景變化，完成分揀、碼放等復雜操作，填補剛性自動化覆蓋不了的柔性作業空白。

長期來看是家庭機器人。我們已經推出Kairos-HomeWorld，全屋3D可交互世界模型，為家用機器人落地打造數據和技術底座。

甲子光年：巡檢機器狗和前置倉分揀聽起來像兩個完全不同的場景，和你們最終要做家庭場景有什么關系？

陶大程：這三個階段不是割裂的。它們是技術、數據和能力層層遞進的一條路徑，底層共用一套Kairos具身世界模型核心技術棧。

巡檢是結構化程度高、風險可控的練兵場，可以積累開放環境導航和異常感知能力。

前置倉分揀依托ACE-Ego，打磨動態交互和多任務泛化能力，沉淀接觸、抓取、失敗恢復等高控制信息密度數據。

家庭場景則通過Kairos-HomeWorld，完成非結構化環境的最終驗證。

每一步的技術和數據積累，對跨場景遷移、最終沉淀出具有通用能力的具身大腦，都是有直接幫助的，這也是為什么我們一定要實現快速商業化。

甲子光年：大曉長期會指向家庭機器人。你認為通往家庭機器人最大的短板是什么？當機器人真的進入家庭，它會首先替代人的哪一部分勞動？

陶大程：這是我們在一定時期的核心目標。目前來看，最大的短板是開放場景泛化能力和安全可靠性。

今天不管是電池、伺服電機，還是硬件本體技術，都越來越成熟。算力也可以通過云端協同逐步適配。

但家庭環境高度非結構化，而且是人機共存，對模型的風險預判、異常處理和安全交互能力要求非常高。

這些都是比硬件更難突破的核心瓶頸，也是我們有必要打磨Kairos-HomeWorld模型的核心原因。

當機器人真正走進家庭，它首先會替代低風險、標準化的勞動，也就是流程清晰的結構化服務。

比如洗衣機等家電的操作值守，沙發、床之類的標準化整理，桌面收納等重復性比較強、規則相對明確的工作。

5.商湯基因、科學家和產業老兵

甲子光年：外界對科學家創業常有一個質疑，算法和Demo能力很強，但真正落到產品交付和批量部署，尤其會有難度。你怎么看這個質疑？大曉怎么補齊從技術到交付的鴻溝？

陶大程：這其實就是曉剛老師（商湯科技聯合創始人、大曉機器人董事長）過去經驗帶來的獨特價值。他會帶來產業交付方法論、工程規范性，以及實現技術到商業化的經驗。

從我們角度來看，大曉并不是一個簡單的大學教授創業邏輯，而是在有充分商業落地能力和經驗背景下，做具身智能落地體系。

甲子光年：大曉有商湯背景。商湯除了帶來算法、算力和產業資源之外，會不會也帶來某些慣性思維？

陶大程：路徑慣性是所有成熟團隊都會面臨的問題。大家很容易把過去的想法，從傳統人工智能直接帶到今天的具身人工智能或物理AI（Physical AI）上。但我們從底層就開始規避這種簡單平移思路。

具身智能的核心是行動控制，而不是視覺識別，我們提出的控制充分狀態、行動代價最小化等底層邏輯，本身就是對傳統視覺范式的突破。

甲子光年：你和王曉剛為什么決定合作創業？

陶大程：這幾年機器人硬件本體的進步有目共睹，機械臂、人形機器人，它們的運動控制、硬件精度都已經達到比較合理的水平，但大腦能力一直沒有跟上。

行業里很多機器人還停留在定點表演、腳本化表演階段，沒辦法真正穩定干活。我們判斷這種本體強、大腦弱的落差，是目前行業最大的結構性機會。

這也是為什么我們判斷，有必要做一個真正能夠落地的機器人大腦體系，把硬件潛力有效釋放出來。

甲子光年：你和王曉剛是師兄弟，之前還是同寢室室友。兩位在創業分工和技術信仰上有什么默契？

陶大程：我們都認為，物理AI（Physical AI）是下一個10年人工智能領域里最重要的賽道。

在分工上，我們也有默契。曉剛非常擅長技術工程化落地、產業生態打造和商業閉環，他負責把技術從實驗室推向真實場景，跑通落地最后一公里。

我主要聚焦前沿技術思考，在世界模型、具身認知、因果推理等最前沿技術方向上，不斷探索技術邊界。

我們不研究偽問題，一定研究真正有價值、有影響力的實際問題，核心目標是打造出一個真正強大的機器人具身大腦。

甲子光年：現在很多自動駕駛、硬件工程團隊也進入具身智能，他們可能在工程和落地上推進更快。大曉的人才陣型怎么搭？怎么避免技術團隊偏論文導向，而不是落到真實場景？

陶大程：我們目前是前沿科研加產業落地的復合型人才陣型。

一邊是海內外頂尖高校青年學者組成的核心科研團隊，深耕世界模型、環境式數據采集等底層技術，不斷拓展技術邊界。

另一邊是大量來自自動駕駛、工業機器人、硬件工程領域的產業老兵，覆蓋真機適配、系統集成、場景交付和批量部署全鏈路，負責把前沿技術落地到真實作業場景中。

兩邊是深度協同的。總體來說，是產品端或落地側反向牽引技術迭代，而不是科研論文的單向輸出。最終只關心一件事：機器人能不能在真實場景中穩定干活。

大曉機器人團隊，圖片來源：大曉機器人

甲子光年：這種協同具體怎么發生？科研團隊和產品、工程團隊之間，怎么保證不是兩套系統？

陶大程：今天最優秀的青年科學家，更關心的是技術本身能不能帶來影響力，有沒有實際價值。

這個目標和產業落地本身是一致的。不需要設置一個KPI來裹挾大家完成任務。

如果想發高質量論文，想做高水平研究，想讓大家認可研究成果，就一定要把自己綁定在“機器人能不能在真實場景中穩定干活”這個目標上。

甲子光年：很多做語言模型的人喜歡用維特根斯坦解釋，比如“語言的邊界就是世界的邊界”。但對具身智能來說，世界的邊界不只是語言，還有身體控制和動作反饋。作為一個喜歡西方哲學的科學家，如果用一位哲學家解釋你在具身領域的思考，你和誰的共鳴最深？

陶大程：我比較喜歡尼采的一句話：“人之所以偉大，是因為他是一座橋梁，而非目的。”

我們做具身智能的目標也是一樣，希望合理解決人在勞動中受到的約束，把人的能力真正從勞動中解放出來，讓人有更多時間思考更有趣、更偉大的事情，去實現下一個階段的目標。

至于下一個階段是什么，目前可能還不知道。但從今天看，物理AI是一個必然的發展路徑。人類總是能夠在面對變化的過程中，不斷修正自我價值，提升自我能力，來應對社會變化。

在技術快速變革的過程中，不必產生過度擔憂，但核心還是要學會適應社會發展。

（封面圖來源：AI生成）