衡宇 发自 凹非寺量子位 |陕西古都文旅投资有限公司 公众号 QbitAI
一个（暂时）只做具身大脑的公司，，，，，，，抛出了一个只有2.4B参数的具身模子。。。。。。
现在行业风向标如Physical Intelligence的π 0总计约33亿参数，，，，，，，π 0.6的参数目也约莫在50亿以上。。。。。。
在一个甚至连硬件形态都还没定型的行业里，，，，，，，2.4B参数究竟够不敷用？？？？？？？
这家公司给出的谜底是，，，，，，，够用。。。。。。
并且足以支持它实时处置惩罚三视角的728x728画面，，，，，，，推理延迟仅60毫秒；；；；；配合强化学习机制，，，，，，，它还能在真机上一直试错进化。。。。。。
这就是具身智能创企原力灵机推出的首个具身原生模子产品DM0。。。。。。
2.4B的轻量小蛋糕，，，，，，，RTX 5090就能跑。。。。。。
由于从零训练以及对具身数采有差别于行业的看法等缘故原由，，，，，，，该公司称它为“首个具身原生大模子”。。。。。。
与模子同时宣布的尚有开源具身原生框架Dexbotic 2.0，，，，，，，以及具身原生量产事情流DFOL。。。。。。
这具身软件三件套背后手艺蹊径的操盘手，，，，，，，是原力灵机合资人、认真大模子的周而进。。。。。。
他在AI圈早已名声在外。。。。。。
周而进现在才33岁，，，，，，，但这人已经在AI领域着名13年了——
早在2013年，，，，，，，深度学习和人工智能照旧冷门的时间，，，，，，，大二的旷视实习生周而进就以一作身份，，，，，，，拿下了ICCV 2013的自然情形人脸要害点定位角逐（300-W）工业界组冠军。。。。。。
但这个传奇人物的着名比这个时间线更早。。。。。。
他是信息学竞赛NOI、IOI金牌选手，，，，，，，初三就“保送”到了清华；；；；；作为清华的学生，，，，，，，他师从电子工程系长聘教授、系主任汪玉。。。。。。
厥后作为旷视12号员工，，，，，，，他一再用算法软件拿下全球第一。。。。。。
就是这样一位从AI 1.0时代走出来的少年天才，，，，，，，在去年，，，，，，，他和同为旷视同事的范浩强、汪天才，，，，，，，创业具身智能。。。。。。
厥后前旷视团结首创人唐文斌也加入其中，，，，，，，担当CEO。。。。。。
周而进对我们说，，，，，，，目今具身行业的主流具身模子计划，，，，，，，大大都是VLM+Action Head思绪。。。。。。
也就是说，，，，，，，大模子认真识别和逻辑推理（好比看到冰箱里有牛奶），，，，，，，行动头认真执行（去抓取牛奶）。。。。。。
这种要领在现在行之有用，，，，，，，但它是一种外挂式计划。。。。。。
原力灵机想追求一种具身原生蹊径，，，，，，，强调从数据收罗范式、推理方法到控制结构，，，，，，，都应源自物理天下的反响，，，，，，，而不是数字天下的派生模态。。。。。。
也确实这么付诸实践了。。。。。。
刚提到的模子DM0，，，，，，，就“从底层建模上就将感知、推理、控制整合为闭环，，，，，，，然后通过空间推理头脑链（Spatial CoT），，，，，，，内生出具身智能”。。。。。。
DM0的焦点是通过多源、多使命、多机型训练来买通具身智能。。。。。。
详细的训练历程，，，，，，，分为三个阶段。。。。。。
第一阶段是VLM Train。。。。。。
团队从零构建具身原生的多模态模子，，，，，，，将互联网、智驾和具身多传感数据融为一体，，，，，，，让模子天生就明确物理情形，，，，，，，练就扎实的感知基本功。。。。。。
第二阶段是VLA Pre-Train，，，，，，，周而进称之为“具身能力涌现的要害”，，，，，，，分为多使命、多机型训练和空间推理头脑链两条主线。。。。。。
第三阶段是VLA Post-Train。。。。。。这一步保存了针对特定应用场景的适配能力。。。。。。
在RoboChallenge大规模真机评测中，，，，，，，DM0拿下了单使命和多使命双料第一。。。。。。
这是原力灵机建设以来第一次成系统地宣布具身手艺产品。。。。。。
从和周而进的对谈里我们发明，，，，，，，原力灵机从模子、工具链、量产事情流，，，，，，，方方面面都一直地在讲闭环、讲具身原生。。。。。。
在我们与周而进的这次深度对话中，，，，，，，他也围绕这些要害词给出了更详细的解读：
为什么要坚持从零训练而不是微调？？？？？？？空间推理头脑链是怎么资助模子应对长程使命？？？？？？？“全身全时全域”的数据收罗会带来什么转变？？？？？？？机械人怎样逐步走向拥有“社会身份”？？？？？？？以及，，，，，，，为什么必需7×24小时跑起来？？？？？？？为什么要从物流最先做具身？？？？？？？
诸如这些问题，，，，，，，在采访中都获得了回应。。。。。。
（以下为对话实录。。。。。。在不改变对谈者自己原意的基础上，，，，，，，我们做了部分删改，，，，，，，以利便阅读）
对话实录关于“具身原生”
量子位：灵机把这次宣布的DM0叫做“具身原生大模子”。。。。。。原生不原生有什么区别？？？？？？？
周而进： 具身智能的焦点是构建感知-决议-执行的闭环智能。。。。。。
在大语言模子范式下，，，，，，，智能主要停留在信息处置惩罚层面，，，，，，，好比识别冰箱里有牛奶。。。。。。
但具身智能不但要看到牛奶，，，，，，，还要拿起牛奶，，，，，，，找到生产日期，，，，，，，从而判断牛奶是否逾期，，，，，，，实现从数字智能到物理智能的跨越。。。。。。
量子位：DM0原生在那里？？？？？？？
周而进：有两个层面。。。。。。
第一个是模子训练自己的起点从零最先。。。。。。
希望模子从出生的第一天最先，，，，，，，就已经充清楚确物理天下，，，，，，，而不是在一个已经被大宗互联网数据塑形过的模子上，，，，，，，后天再去补物理天下的工具。。。。。。
物理天下在模子初始化阶段，，，，，，，会给到很是多很是富厚的反响，，，，，，，这种反响若是放到后面再学，，，，，，，实质上是很难补回来的。。。。。。
互联网数据虽然很主要，，，，，，，它带来了大宗先验，，，，，，，但PT视讯(中国区)官网理念是，，，，，，，希望模子在一最先就见过真实的空间关系、交互关系，，，，，，，明确人与物理天下是怎样对话的。。。。。。
许多人会以为，，，，，，，现在已经有很强的通用大模子了，，，，，，，好比直接拿一个语言模子作为基模，，，，，，，再往后堆一些具身数据，，，，，，，似乎也能训出效果。。。。。。
从工程上看，，，，，，，这条路是走得通的。。。。。。但我们会以为，，，，，，，这样的路径在认知顺序上是有问题的。。。。。。无论是动物照旧人类，，，，，，，最早学会的都是行动，，，，，，，是对物理天下的反应能力，，，，，，，而语言、笼统头脑反而是后天逐渐生长出来的。。。。。。
一个不那么严谨的类比，，，，，，，你很难想象一个婴儿是先学会对话，，，，，，，再学会找奶瓶。。。。。。
以是我们以为具身模子也应该遵照类似的路径，，，，，，，从一最先就围绕物理交互来构建，，，，，，，而不是在一个已经在数字天下训练好的模子上去嫁接行动能力。。。。。。
量子位：第二个原生的点呢？？？？？？？
周而进：第二个是数据的明确方法。。。。。。
今天行业里关于具身数据怎么采、用仿真照旧真机，，，，，，，着实不同很是大。。。。。。
仿真派和真机派之间争论了良久，，，，，，，但我们一直以为用“仿真”照旧“真机”来切分自己意义并不大，，，，，，，更像是在给自己贴标签。。。。。。
PT视讯(中国区)官网看法是，，，，，，，今天你收罗的所有数据，，，，，，，实质上都是合成数据，，，，，，，只是合成水平差别罢了。。。。。。
在仿真器里，，，，，，，使命界说、物理反响、物理规则，，，，，，，所有是人为结构的，，，，，，，这是高度合成的数据；；；；；在真实天下里采数据，，，，，，，看起来瓶子是真的、情形是真的，，，，，，，但使命是不是你界说的？？？？？？？Task instruction是不是人为设定的？？？？？？？物流场景里的流水线是不是人设计的？？？？？？？
从这个角度看，，，，，，，它们实质上都处在一个合成光谱上。。。。。。
我们更体贴的不是用不必仿真，，，，，，，而是应该把数据和算力投向那里。。。。。。
我们内部有一个较量明确的判断，，，，，，，物理确定性强的部分，，，，，，，用算力和仿真去解决；；；；；语义模糊、不确定性高的部分，，，，，，，用真实数据去笼罩。。。。。。
这也是我们为什么会以为从一最先就把“人、数据、物理天下的交互形式”放进模子设计里很是主要。。。。。。
若是模子最早接触到的就是这些工具，，，，，，，它在后续面临差别硬件、差别形态机械人时，，，，，，，学到的是操作逻辑，，，，，，，而不是某一台机械的电机参数。。。。。。
量子位：说到差别形态的机械人，，，，，，，资料显示DM0的训练特意扩充了差别本体的机械人数据，，，，，，，现在是8种机械人。。。。。。
周而进：若是模子只见过少数几种机型，，，，，，，它很容易把“该怎么完成一个使命”和“这台机械的枢纽要怎么转”混在一起。。。。。。
举个例子，，，，，，，把水放到某个位置，，，，，，，模子真正应该明确的是伸手、移动、安排这个行动序列，，，，，，，而不是某个枢纽需要转几多度。。。。。。
就像人开车一样，，，，，，，一个及格的司机不会由于换了一辆车就不会开了。。。。。。
真正记着的是轨迹和操作逻辑，，，，，，，而不是偏向盘的松紧水平。。。。。。
从这个角度也很容易能明确具身原生是PT视讯(中国区)官网路径选择。。。。。。
关于数据和高/低熵场景
量子位：DM0用的数据泉源有3个，，，，，，，划分是互联网数据、智能辅助驾驶数据和具身智能数据。。。。。。
周而进：具身模子不是只靠一种数据就能训出来的。。。。。。
若是仿真的物理引擎足够强，，，，，，，能模拟出真实天下的接触力、摩擦力和碰撞反响，，，，，，，那么仿真数据的价值就会极大提升。。。。。。
但在现在的阶段，，，，，，，特殊是涉及到重大的触觉和细微操作时，，，，，，，真实交互爆发的硬核数据依然是不可替换的。。。。。。
并且互联网数据、自驾数据、具身数据，，，，，，，这三类数据在模子里肩负的角色是完全差别的。。。。。。
互联网数据提供的是语言和看法层面的笼统能力，，，，，，，它让模子明确“什么是什么”；；；；；自驾数据提供的是在开放情形中应对长尾事务的履历；；；；；而具身数据填补的是物理交互和接触这一块，，，，，，，这是前两类数据完全无法笼罩的。。。。。。
量子位：三者有牢靠的混淆比例吗？？？？？？？
周而进：没有，，，，，，，凭证实验效果动态调解。。。。。。
现在具身数据确实相对少，，，，，，，但随着收罗规模的扩大，，，，，，，它的占比一定会快速上升。。。。。。
量子位：其中哪种会是未来训练具身模子的主导种别？？？？？？？
周而进：我们并不以为未来一定是某一种数据占绝对主导。。。。。。3类数据在差别阶段肩负差别权重。。。。。。
量子位：你们提到“熵在那里，，，，，，，数据就投向那里”，，，，，，，这句话怎么明确？？？？？？？
周而进：可以明确为决议数据收罗的要害变量是情形的可形貌性与熵（不确定性）。。。。。。
最高效的要领一定是“能够闭环的要领”。。。。。。
若是数据采回来不可提升模子的泛化能力，，，，，，，或者采回来的全是重复的、低质量的行动，，，，，，，那只是在铺张算力。。。。。。
我们现在的战略是，，，，，，，先通过模子发明哪些使命是它干欠好的，，，，，，，即“熵值高”的地方，，，，，，，然后针对性地去补那部分数据。。。。。。
这就叫以需定采，，，，，，，让数据收罗也具备反响闭环。。。。。。
情形规则明确的场景，，，，，，，数据就是盘算的产品。。。。。。我们可以充分验展算力可扩展的优势，，，，，，，通过算力举行状态空间的探索。。。。。。
高熵场景充满不明的语义，，，，，，，人类偏好，，，，，，，尚有开放天下的不确定性。。。。。。这种情形下数据就是履历的映射，，，，，，，必需依赖真实交互，，，，，，，从多样履历中归纳。。。。。。
简朴说，，，，，，，物理规则精练确定的部分用算力天生数据，，，，，，，物理模糊或语义模糊的部分用真机收罗，，，，，，，这样才华解决长尾问题。。。。。。
关于数据收罗方法
量子位：你们的数据收罗方法似乎很奇异，，，，，，，不但采具身机械人的双臂行动。。。。。。
周而进：我们做的是全身全域全时的收罗。。。。。。
量子位：什么是“全身全域全时”？？？？？？？
周而进：全身，，，，，，，指数据收罗要包括底盘的移动、躯干的协调以及所有传感器的反响。。。。。。
具身智能是操作与导航的统一，，，，，，，你不可把路走得好和手干得好拆开来看，，，，，，，数据必需包括全身的协同。。。。。。
全时强调的是数据的一连性和因果链。。。。。。
数据收罗不可只拍下某个瞬间，，，，，，，要从意图爆发、路径妄想到行动执行，，，，，，，甚至是中心蜕化、修正的全历程都纪录下来。。。。。。
正凡人类对话，，，，，，，我问你“卫生间在哪”，，，，，，，你手一指，，，，，，，说“在那”。。。。。。
这个历程中你讲了一个方位代词，，，，，，，又做了一个肢体语言。。。。。。这些工具着实是我们以为能够跟人长时间，，，，，，，或者说24小时全时共处的一个机械人他就应该具备的能力。。。。。。
全域是空间域，，，，，，，相对其他两个，，，，，，，这个暂时照旧一个未来妄想。。。。。。
量子位：收罗这种数据是一最先起点就这样，，，，，，，照旧走了其它方法最后选择了一种最work的？？？？？？？
周而进：我们从一最先去做数采的时间，，，，，，，就奔着要把全身的数据、全时间段的数据、全空间场景的数据都给笼罩了，，，，，，，着实就是奔着一个更通用的目的去做。。。。。。
都说具身智能具身智能，，，，，，，那人类的全身的数据你是不是都应该采到？？？？？？？
若是我今天只做桌面的双臂抓取机械人，，，，，，，你似乎只要用双臂就行了。。。。。。
但真实的人类行动不但有双臂和双手的行动。。。。。。历程中你可能要弯腰，，，，，，，你可能要蹲下；；；；；若是要把工具递出去，，，，，，，需要伸手……需要种种肢体语言。。。。。。
具身智能的数据不可只关注手部行动，，，，，，，应该要用整体性的、一连的来训。。。。。。
量子位：这样煞费苦心地收罗，，，，，，，能带来什么效果呢？？？？？？？
周而进：全身全时全域的收罗是为了应对物理天下的无限长尾。。。。。。
若是收罗不敷周全，，，，，，，模子就会陷入无限打补丁的逆境。。。。。。
关于新宣布的具身三件套
量子位：这次除了DM0，，，，，，，你们还宣布了一个开源的具身框架Dexbotic2.0，，，，，，，以及解锁具身应用量产事情流的DFOL。。。。。。行动不少。。。。。。
周而进：Dexbotic2.0是我们团结RLinf一起打造“具身智能领域的PyTorch”。。。。。。
它接纳�？？？？？？？榛芄�，，，，，，，视觉编码器、LLM�？？？？？？？椤⑿卸夷？？？？？？？槎伎梢韵窭指咭谎杂勺楹稀！�。。。。
我们团结了清华、无问芯穹共建，，，，，，，目的是实现具身操作与导航、模拟学习与强化学习的统一。。。。。。
DFOL则用来解锁具身应用量产事情流。。。。。。
古板非标自动化拥有极快的节奏和极高简直定性，，，，，，，但无邪性差，，，，，，，难以顺应频仍换线；；；；；人工则具备极强的通用能力和高明操作技巧，，，，，，，可是效率低、本钱高且稳固性缺乏。。。。。。
DFOL正处于这两者之间最有价值的事情区间，，，，，，，它依托相对通用的硬件，，，，，，，通过强盛的学习能力实现快速换线，，，，，，，以模子界说功效，，，，，，，并对重大多变的输入具备极强的柔性顺应能力。。。。。。
既能坚持较高效率与确定性，，，，，，，又拥有靠近人类的无邪性和顺应性
我们用三个指标评估它：
乐成率（靠近100%的一连无故障作业）行动质量（毫米级甚至更高的定位精度）节奏（即吞吐率，，，，，，，决议ROI）
关于具身模子的影象
量子位：DM0模子内里用到了空间推理头脑链（Spatial CoT），，，，，，，这和大语言模子的推理头脑链（CoT）的实质区别是什么？？？？？？？
周而进：大语言模子的CoT主要是一维的语义推理，，，，，，，具身智能面临的挑战是三维的物理天下。。。。。。
空间推理的推理焦点是“空间”，，，，，，，具备真实操作场景中的空间明确、时序组织与运动控制能力。。。。。。
面临“料理一下桌面”这种模糊指令，，，，，，，模子不是直接输出行动，，，，，，，而是先举行子使命展望与妄想，，，，，，，然后完成物体识别与准确定位。。。。。。
它必需把视觉特征转化为准确的空间坐标和轨迹，，，，，，，这是一种空间维度的推演。。。。。。
量子位：在纯文本大模子里，，，，，，，推理错了可能只是胡言乱语；；；；；但物理天下里的行动一旦蜕化，，，，，，，可能造成损坏、危险或不可逆的效果。。。。。。
周而进：对。。。。。。以是空间推理头脑链通过“子使命-识别定位-2D轨迹-3D行动映射”的闭环，，，，，，，确保每一步推理都与物理现实对齐。。。。。。
它模拟“介入天下”后的物理反响，，，，，，，从而弥合感知与执行之间的断层。。。。。。
这类空间推理是DM0模子的设计焦点。。。。。。
量子位：空间推理头脑链能带来什么效果？？？？？？？
周而进：团结高区分率的输入，，，，，，，他能让模子在毫米级精度的使命中（如工件摆放）识别细小的位置差别。。。。。。
没有这种层层递进的推理，，，，，，，模子无法学会物体左偏移2毫米意味着什么，，，，，，，但通过空间推理后就能盘算并执行这种差别。。。。。。
通俗的CoT无法告诉你杯子向左偏移2毫米意味着什么，，，，，，，但Spatial CoT必需能盘算并执行这种差别。。。。。。
关于7x24运行
量子位：关于数据闭环、物理直觉的形成，，，，，，，尚有熵，，，，，，，你都在说“越早越好”。。。。。。
周而进： 所有人都知道，，，，，，，机械人要上岗要运行，，，，，，，但什么时间跑是一个很现实的问题。。。。。。有的团队是先做demo，，，，，，，先做手艺，，，，，，，再思量落地；；；；；我们是反过来。。。。。。
我们一最先就想，，，，，，，这个工具必需7×24小时运行，，，，，，，越早跑起来越好。。。。。。
只有真实跑起来，，，，，，，才有真实数据。。。。。。
你的模子再智慧，，，，，，，若是没有数据回流，，，，，，，它永远学不会真实场景中的问题；；；；；你训练里没有的工具，，，，，，，只能靠在跑的时间补回来。。。。。。
并且越早跑起来，，，，，，，工程的稳固性问题越早袒露，，，，，，，你就能越早修。。。。。。
今天demo做得再好，，，，，，，一旦你要上岗7×24，，，，，，，你就会发明电源、网络、摄像头、支架，，，，，，，甚至天气、光照，，，，，，，都会出问题。。。。。。
量子位：原力灵机的模子已经7x24在跑了吗？？？？？？？
周而进：我们现在已经在多个园地做安排，，，，，，，不是demo式的安排，，，，，，，是7×24的真实运行。。。。。。
哪怕刚最先乐成率不高，，，，，，，也要跑起来。。。。。。
关于细腻操作
量子位：你们把工厂里的物流场景是具身智能应用的主要延伸。。。。。。
周而进：是的。。。。。。
量子位：为什么从物流做起？？？？？？？
周而进：具身现在很难说脱离场景，，，，，，，一定得在一个较量明确的场景下面来做这件事情。。。。。。
我们今天做物流有明确的产线，，，，，，，有明确的上下料的逻辑。。。。。。
在这个场景上面，，，，，，，先把该干的活干好，，，，，，，然后一步一步去拓展能力。。。。。。
灵机在物流场景里做了一个轮式双臂机械人，，，，，，，专门用来做物料分拣。。。。。。物料分拣现实上很是重大，，，，，，，物料有柔性的，，，，，，，有刚性的，，，，，，，摆放也很乱，，，，，，，就是在物料箱里随意堆满。。。。。。
要把这些物品一个一个分拣出来，，，，，，，有许多古板的要领，，，，，，，好比用吸盘。。。。。。但问题是吸盘关于柔性子料，，，，，，，关于外貌不但泽的物体不work，，，，，，，有种种各样的corner case。。。。。。
在这样一个明确且受限的应用场景下，，，，，，，PT视讯(中国区)官网目的是探索能否让机械人实现24小时不中止运行，，，，，，，知足现实需求。。。。。。
量子位：怎么明确“物流场景很是重大”？？？？？？？光是听起来，，，，，，，没有什么详细的体会。。。。。。
周而进：许多时间各人会被一些大行动吸引，，，，，，，好比能不可搬箱子、能不可推门、能不可走路。。。。。。
但真正难的着实是细腻行动。。。。。。
细腻行动不是说行动幅度小，，，，，，，而是说对一连状态转变的控制要求很是高。。。。。。
好比一个工件的摆放，，，，，，，你肉眼看可能以为已经放进去了，，，，，，，但对工业来说，，，，，，，差一两毫米就是失败。。。。。。
这种事情若是只是拍视频是看不出来的，，，，，，，一旦真的放到产线上，，，，，，，就会发明乐成率会非�？？？？？？？斓氐粝吕础！�。。。。
量子位：怎么让具身机械人很好地完成这些细腻行动？？？？？？？
周而进：细腻行动的条件是细腻感知。。。。。。
若是你的视觉输入区分率不敷，，，，，，，模子看到的天下自己就是模糊的，，，，，，，那后面的推理和控制一定是漂的。。。。。。许多时间模子它基础不知道现在这个工件究竟偏了几多。。。。。。
以是我们在模子设计时，，，，，，，会非�？？？？？？？粗馗咔致适淙胂碌奈裙绦�，，，，，，，而不是只追求推理速率或者吞吐。。。。。。
这又call back了我们重复强调具身原生。。。。。。其中一个很主要的缘故原由就是细腻行动没步伐靠后期补。。。。。。
若是模子在最早的训练阶段，，，，，，，历来没有在高精度、高要求的物理反响下学过行动，，，，，，，那后面你再加几多规则、加几多工程约束，，，，，，，都会很是辛苦。。。。。。
关于落地场景
量子位：说说你们的落地场景吧。。。。。。
周而捷：我们挑选的是一个最标准化的场景，，，，，，，就是物流工人坐在工位上面，，，，，，，在物料箱上面做分拣；；；；；也有工人是在做物料箱的搬运，，，，，，，他要从这边的一个AGV把箱子拿起来，，，，，，，然后塞到货架上面。。。。。。
也有工人在做打包。。。。。。好比你买了三瓶可乐，，，，，，，工人要拿一个快递箱，，，，，，，内里还要垫一些防震的泡沫纸，，，，，，，最后打包好。。。。。。
这已经涉及到一小我私家在工厂内里全身的行动：走动、蹲起、手部的灵巧操作……笼罩的场景很是富厚了。。。。。。
不过事情要一步一步来解决。。。。。。我们现在先解锁的照旧灵巧抓取的问题。。。。。。
量子位：你们怎么看待差别场景的优先级？？？？？？？为什么先做物流，，，，，，，而不是一上来就做家庭之类的其它场景？？？？？？？
周如进：家庭场景确实是让所有人都很是兴奋的终局，，，，，，，但饭得一口一口吃。。。。。。
我们现在的战略是，，，，，，，首先选一个能够较量规模唬�；；；⑶揖弑父叨瓤筛粗菩缘某【啊！�。。。。
这种可复制性包括三个维度。。。。。。
第一个是商业模式的复制，，，，，，，能不可形成标准化的投入产出比（ROI）？？？？？？？
第二个是施工难度的控制，，，，，，，情形要相对可控，，，，，，，不会像家庭情形那样极端，，，，，，，重大多变。。。。。。
第三个是数据回流量复制，，，，，，， 这是最主要的——我们需要在一个场景里快速跑通闭环，，，，，，，让数据能陋习模地回流，，，，，，，用来喂养模子。。。。。。
量子位：为什么是这三个维度？？？？？？？
周而进：通过这些场景，，，，，，，我们可以逐步解锁三个焦点能力。。。。。。
第一是模子的通用能力，，，，，，，第二是硬件的可靠性，，，，，，，第三是把供应链和本钱打下来。。。。。。
若是直接进家庭，，，，，，，这三座大山很难同时翻已往。。。。。。
量子位：不过你适才提到，，，，，，，“家庭”是“理想的终局场景”？？？？？？？你们的蹊径图是什么样的？？？？？？？
周而进：物流不但有抓取，，，，，，，尚有大宗的搬运和情形交互。。。。。。
从物流最先，，，，，，，先做一些专项能力的产品，，，，，，，进到仓储情形；；；；；等能力稳固了，，，，，，，再逐步推向ToB靠近ToC的场景，，，，，，，好比门店的导流、导客、导购。。。。。。
最后，，，，，，，当所有的手艺、本钱、清静性都经由海量验证后，，，，，，，再往最终的To C家庭偏向去走。。。。。。
这就是我们说的先物流、后家庭，，，，，，，步步为营。。。。。。
关于天下模子
量子位：DM0在设计中引入了具身空间建模唬�；；；�，，，，，，，借鉴了天下模子的范式。。。。。。你们怎么看待天下模子？？？？？？？
周而进：高阶天下模子被我们视为提升模子泛化能力和处置惩罚重大长程使命的焦点手艺支持。。。。。。
量子位：你们怎么界说天下模子？？？？？？？
周而进：我们对它的界说跟各人不太一样。。。。。。
我们不以为天下模子是一个万能的、能直接输出高质量战略的现实仿真器。。。。。。我们更倾向于它是一种模子内的天下明确方法，，，，，，，它的要害点是你有没有步伐在不执行行动的条件下，，，，，，，推理出这个行动在目今情形下会带来什么效果。。。。。。
这个工具才是焦点。。。。。。
若是你每做一个行动都要试一下、都要采一次反响，，，，，，，那太慢了。。。。。。
天下模子的意义是让你在心中模拟一次效果，，，，，，，然后挑最优的那条路径去做。。。。。。
量子位：它不是让你直接输出效果，，，，，，，而是让你学会怎么模拟。。。。。。
周而进：对。。。。。。
我们现在也在实验让天下模子具备空间和时间上的脑补能力。。。。。。
就是说，，，，，，，当它看到前几帧时，，，，，，，它能不可想象出接下来几帧会爆发什么。。。。。。唬�；；；蛘咚�，，，，，，，若是我现在想做一个行动，，，，，，，它能不可在执行之前，，，，，，，先展望这个行动在物理天下中可能爆发的效果。。。。。。
我们也会跟DM0这样的具身模子做团结，，，，，，，让天下模子的输出能对行动妄想起到支持作用，，，，，，，但不是说它能自力解决所有问题。。。。。。
更像是一个资助你决议的inner loop，，，，，，，而不是一个万能planner。。。。。。
关于最终目的与节奏判断
量子位：除了落地家庭外，，，，，，，具身智能机械人尚有更遥远的最终目的吗？？？？？？？
周而进：我以为具身智能最终一定会走向拥有普遍社会身份的阶段。。。。。。
但这个历程一定是分阶段的。。。。。。需要成熟可靠的硬件形态，，，，，，，需要模子能用自然语言与人协作完成使命，，，，，，，也需要用户在心理上形成信托。。。。。。
量子位：什么叫拥有普遍的社会身份？？？？？？？
周而进：我们内部讨论过一个很有趣的看法，，，，，，，叫“机械人拥有自己的支付宝”。。。。。。
机械人去执行一个使命，，，，，，，好比去超市帮主人买一瓶水，，，，，，，或者在园区里挪用了另一个自动化装备的效劳时，，，，，，，它可以具备自力的支付和结算能力。。。。。。
这种社会身份的建设，，，，，，，背后需要解决的是机械人的信用系统、支付系统以及责任追溯系统。。。。。。
未来的具身机械人会像现在的智能手机一样，，，，，，，是一个社会化接口。。。。。。拥有支付能力只是第一步，，，，，，，拥有普遍的社会身份才是它成为真正AGI的标记。。。。。。
为什么是原力灵机来做这件事？？？？？？？
量子位：早前旷视内部有问“why me”的文化。。。。。。现在自己出来再创业，，，，，，，你以为为什么要来做具身这件事？？？？？？？
周而进：第一个我以为是说，，，，，，，具身这件事，，，，，，，不是你简朴的去踩点数据，，，，，，，或者把互联网上现在种种的数据整合一下就能够做出来的。。。。。。
它涉及到软件和硬件，，，，，，，尤其是它涉及到海量的跟物理天下的交互。。。。。。以是我们以为首先你要有场景。。。。。。
对我们来说的话，，，，，，，物流着实就是一个很是好的场景。。。。。。
举个例子，，，，，，，好比说在物流内里，，，，，，，你说分拣物料它醒目，，，，，，，可是你真把机械人搬进去，，，，，，，这后面有许多的事情——对接上层营业系统？？？？？？？加入具身机械人后，，，，，，，你改变了整个流水线的节奏节奏，，，，，，，对吧？？？？？？？你若是工具掉地上了，，，，，，，你有兜底计划吗？？？？？？？
所有的这些工具，，，，，，，都是这个具身究竟能不可进到这个场景里，，，，，，，从而带来所谓的数据飞轮的条件。。。。。。
那若是你搞未必这些工具，，，，，，，那你今天只能去工厂内里摆个拍个视频。。。。。。
量子位：那为什么是你们这群人来做这件事？？？？？？？
周而进：着实看一家公司能不可成，，，，，，，焦点看这几个要素：模子能力、硬件能力、行业认知和工程落地。。。。。。
我们团队的分工很是明确且闭环。。。。。。
唐文斌是CEO，，，，，，，他不但有极强的商业敏锐度，，，，，，，更主要的是他能把这帮人聚在一起。。。。。。
我和汪天才认真基模训练，，，，，，，我们对大规模参数、多源数据混训有恒久的实战履历。。。。。。
范浩强认真前沿算法探索和软硬件协同，，，，，，，这是最难的部分。。。。。。
我们这个组合不是暂时凑的，，，，，，，是经由恒久验证、有默契的组合。。。。。。
One More Thing
周而进在AI领域真刀真枪做了13年了。。。。。。
现在遇上新一轮风口，，，，，，，他和昔日同伴们一起再战具身智能。。。。。。他说，，，，，，，各人老把AI时代划分成AI 1.0和AI 2.0时代，，，，，，，听起来给人一种割裂感。。。。。。
但着实不是这样的。。。。。。身处其中，，，，，，，你是能视察和感受到手艺的生长的。。。。。。
由于AI 1.0时代崭露头角的时间太过年轻，，，，，，，是少年天才，，，，，，，以至于周而进和范浩强、汪天才等人，，，，，，，放在这一波AI创业步队中来，，，，，，，照旧很是年轻。。。。。。
我们问他，，，，，，，你有什么建议给现在的年轻人吗？？？？？？？不管是搞信奥的照旧搞AI的。。。。。。
周而进皱眉头想了两秒，，，，，，，突然哈哈大笑：
年轻人才不喜欢听建议呢！干就完了！
DM0手艺报告：
https://dexmal陕西古都文旅投资有限公司.com/DM0_Tech_Report.pdf