Description
今天继续《商业访谈录》的机器人专场，嘉宾是北京大学助理教授、银河通用创始人兼CTO王鹤。
王鹤毕业于清华和斯坦福大学。他给我们从“具身智能”的学术缘起开始聊起，这是一个学术流派从一个学科中萌芽到边缘再到主流渗透的全过程。
而随着ChatGPT诞生，“具身智能”这个小众概念，在过去2年成了新的资本宠儿——但一时间，也带来了新的乱象。
我们探讨了一些具身智能产业界关键问题：
1/具身智能起源于计算机视觉的学术流派，视觉、语言、智能的关系是什么？为什么VLM（视觉语言模型）的表现显著弱于LLM（大语言模型）？
2/具身智能的最大困境之一是数据采集，合成数据是正解吗？具体应该怎么做？
3/如果大模型提倡的是“智能即产品”，那么具身智能呢？王鹤的回答是“生产力即产品”。
去年底，英伟达创始人黄仁勋来华访问。答谢宴上，王鹤不仅和黄仁勋同桌，而且就在做黄仁勋旁边（挨着坐）。在节目最后，我们也聊了聊这个有趣的插曲——他提到，那晚黄仁勋吃了不少水煮肉片。
2025，我们和AI共同进步！
03:00 开始的自问自答
05:58 语言不是智能的本质，而是“一次跃变”
“具身智能”和“机器人”是不同学术流派
“具身智能”起源于“计算机视觉”的研究流派
视觉有智能吗？纯视觉智能的可解释性差，是端到端的
语言不是智能的本质，不能说没有语言就没有智能
智能的本质是什么？“一种视情况对环境做出反应的能力”
语言是人类能产生这么高智能的“一次跃变”
视觉的本质是一种非常强的sensor（传感器）
25:08 具身智能的学术边缘史
具身智能最早兴起的task（任务）是，导航
加入视觉模态，强调Perception–Action Loop（感知-动作循环），成为具身智能研究流派能立起来的核心叙事
标志性事件：“具身智能是计算机视觉未来的三颗北极星之一”（李飞飞）
我和Skild创始人Deepak Pathak在Facebook人工智能实验室FAIR打过交道
41:15 我的学术之路
2016年，博士第一个项目：从人类视频里学多步的人与物体交互过程的生成（动画领域）
在Stanford博士第一年，在不喜欢的方向非常挣扎，后来换组、换方向
Stanford是高度自由的市场：你可以随时踢你老板，你老板可以随时踢你
第一篇论文憋了很久，很绝望
完全从视频中学习，学习世界模型，还没成为当下能推进具身智能的技术
我的第二个项目：位姿估计和合成数据相关
2020年李开复曾在湾区丽思卡尔顿组织brunch，观点分歧
回国坚定以家庭机器人为目标推进research，根本没有allies（盟军）
01:25:08 具身智能的软件和硬件是螺旋上升的问题
ChatGPT火了以后，很多人开始找我创业，我说创不了
所有工业机械臂在去年的全球总产值才1000亿RMB，和理想一家车企产值相当
如果采取不成熟的激进的硬件方案，对智能会是一种拖累
在这个硬件基础上，我们的方案是，做相对专用的智能和越来越通用的智能
VLM为什么显著弱于LLM？互联网视觉数据/所有人眼观测的覆盖〈〈〈互联网文字数据/人类所有说的话的覆盖（VLM数据不够，VLA的Action数据是最近两年才开始收集的）
01:44:34 我们要避免陷入以下泥潭
这一代具身智能公司相比此前机器人公司，差异在哪？
在我看来，具身智能公司如果陷入以下两个泥潭，天花板会很有限：
1、“长期漂浮”的公司；2、“算不过来账”的公司，边际成本不降
我们要做一个应用场景内的泛化（现在选择的是货架场景）
在我看来，机器人领域的头部效应很重
01:55:17 具身智能是，“生产力即产品”
雇人摇操采真实数据的成本到底有多高？一笔经济账
真实数据在我们训练数据的比重是1%，合成数据管线挑起大梁
行业内的tricky现象：把没有功能的机器人卖给别人（这是一种商业模式）
关于合成数据和Sim-to-Real（仿真到现实迁移）的常见误区
有出货量后的数据回流和数据飞轮
如果大模型是“智能即产品”，那么具身智能就是“生产力即产品”
02:13:51 资本轰炸后的人为乱象
谁在创造生产力，谁在讲故事，这是最乱的——这个源自美国
对Figure的估值400亿美元的两种逻辑
有的人胆子很大，不告诉别人我是摇操，但实际摇操
呼吁：真实展示！不要摇操！
5年内我们一定要有万台以上的应用，如果做不到这个，我们这个领域就被证伪了！
不要去搞一些砸我们行业招牌的事情！这些模式是很可怕的，是在砸这个行业的饭碗
通用机器人的到来不要想得那么快
02:25:25 一个插曲
去年黄仁勋访华为什么和黄仁勋同桌且在旁边？聊了什么？
黄仁勋能吃辣，吃了很多水煮肉片
02:28:26 最后的快问快答
【更多信息】
联络我们：微博@张小珺-Benita
更多信息欢迎关注公众号：张小珺
3:20:54
2:36:13
2:29:42
2:33:43
2:38:11
2:20:39
4:22:38
Comments
重复定位精度，扭力稳定度，寿命的真实性，关键配件的使用寿命和可维护性，恕我直言，连工业基本性能都没满足，靠智能当幌子[doge]
♥ 78 ↩ 8
感觉王鹤的讲话状态不像是一个researcher，更像是一个公关，说话经常用夸张词汇，对比之下其他几家的Scientist讲话就平和很多
♥ 33 ↩ 2
不要听那些让你做短的那些人，他们本来就不是你的受众
♥ 31
一个ceo都是专业公关的 [doge]
♥ 26 ↩ 1
我说怎么政府工作报告有具身智能这个方向，发展空间真的广阔，制造业可是强国之基
♥ 25
。。。所以重点在哪？
♥ 18
今天和弋老师吃什么呀
♥ 14 ↩ 5
前面听下来，很喜欢，确实是自己正在研究的方向背景，对于刚入门小白很需要，但是确实有专业知识门槛，还不低[笑哭]，毕竟具身智能虽然很火了但是对于整个平台来说基数也太大了。老师果然是很有实力的老师，主持人也是有能量[doge]能找到王老师这样的大牛聊两小时[doge]
♥ 9
人形机器人就是点错科技树。
♥ 9 ↩ 17
ChatGPT出来之前深入调研过这个领域，王老师把这一系列roadmap娓娓道来的时候实在太有亲切感了，可惜了学术taste不行，没有坚持下去。
♥ 8 ↩ 1
听下来感觉确实不是做research 的人
♥ 7
不是机器人泡沫了，是某些地方的某些机器人项目泡沫
♥ 7
人类不是人形机器人？一个碳基一个硅基罢了。
♥ 6 ↩ 3
我导威武💪
♥ 6
具身智能的难度是远超物理学的，以大多数百姓可以肉眼看到的猫来说，猫的身体里像是装了弹簧，弹簧仅在物理学里也有基础公式，可是真把弹簧嵌入到蛋白质组成的身体里，想想化工环境里的防腐怎么做吧，在一个需要运动的热力学环境里，防腐又怎么做。猫是可以吃鱼的，鱼是含盐的，盐是防腐的。但是这就导致华夏的那本奇书《盐铁论》带来的绕不过去的历史进程（一个bug是bug，两个bug能work，期货防腐系的其他高手比如说辣椒，就算从一开始就和盐同步出现了，也需要经历传播学的历史曲折，还不是所有动物都能吃辣）。而且弦论做为物理学里大名鼎鼎的一个理论分支，不像粒子物理有普朗克完成基础工作，如果避开数学系，直接从物理系切入考虑弦论，弦论是没有物理学基础的，这也是为啥很多同学进入物理系学习以后有机会接触到克苏鲁文学的一个因素了。
♥ 5
这不叫泡沫，这叫试错
♥ 4
人形机器人能在C端引爆点，我觉得只有再成人用品市场才会有这样的机遇，你让一个人花大几万买来干家务他一定觉得不值当，但是如果花十几万找个人形机器美女给他按摩，他一定愿意花钱[doge]
♥ 3 ↩ 1
无需解释，上世纪的人向你解释为什么工业机器人才是未来，然后这个时代你还拿着那样的想法，当时说为什么不做，现在说为什么做，总是落后半拍
♥ 3 ↩ 1
乍一听还以为是硅谷101泓君的声音
♥ 3
[疑惑]王老师啥时候接受的采访 朋友圈没发啊？
♥ 2