开云2026世界杯中国官网 独家|ChatGPT中枢孝顺者归国创业: 把LLM的Scaling带到具身智能

姜旭（Roger Jiang）此前很少稳重对外发声。

姜旭是少数完整参与过 OpenAI 大模子中枢工夫演进的华东谈主创业者之一。2019 至 2023 年间，他经历了 GPT 系列智力爆发最重要的阶段，使命横跨底层磨真金不怕火 infra、大鸿沟预磨真金不怕火、RLHF 对都算法与数据构建等中枢链路。

他不仅是 GPT-4 工夫阐发的中枢孝顺者之一，亦然 InstructGPT 的主要作家之一。后者奠定了 ChatGPT 请示罢免与东谈主类偏好对都智力的迫切基础。如今，他弃取回到中国创业，并把下一次 AI Scaling 的赌注押在了物理天下。

2024 年他在深圳竖立了亮源新创 (Light Origins，lightorigins.com)，投身具身基础模子。但公司竖立于今一直保持低调，外界对它的了解并未几。

目下他决定第一次完整地把我方的念念考讲出来。

姜旭对具身智能的中枢判断，可以详尽为一句话：具身智能起点需要我方的预磨真金不怕火。

在他看来，面前行业对遥操数据和真机强化学习的爱好是必要的，但这并不及以撑持具身基础模子真确走向 scaling。真机数据更像是高价值的对都、考证和闭环迭代数据，而不是预磨真金不怕火阶段最主要的鸿沟开端。受限于网络成本、场景遮蔽和数据各种性，只是依靠机器东谈主在真实环境中的遥操和试错，很难得到访佛大语言模子预磨真金不怕火所需要的数据密度和散布广度。

姜旭认为，具身智能真确尚未被充分解锁的，是互联网模范的东谈主类畅通、空间迁徙和物理交互数据。就像语言模子从海量文本中学习天下常识和推理结构，具身模子也需要从大鸿沟物理天下数据中学习畅通先验、空间阐明、物体 affordance 和交互划定。换句话说，具身智能的重要问题不是“能不可再多采一些真机数据”，而是能不可找到一套可鸿沟化的具身预磨真金不怕火方法，把物理天下中的行为履历疗养为模子智力。

沿着这套逻辑，他作念出了几个与主流旅途不完全通常的判断。

亲历过 GPT 系列从无东谈主看好到引爆全球的全过程，他对这套方法论有一种近乎笃定的信心，并信托具身智能会沿着大模子走过的旅途再走一遍。他说，他特殊享受被质疑、并最终被阐述正确的阿谁过程。

以下是 DeepTech 和姜旭的对话。

咱们也曾进入了 Scaling 的阶段

DeepTech：你目下在哪个城市？最近主要在忙什么？

姜旭：我目下主要在深圳，这里算是咱们的大本营。同期咱们在北京和新加坡也有研发团队，但愿能够尽量迷惑不同区域的东谈主才。

图丨亮源新创的深圳办公室位于深圳湾后海（开端：受访者）

创业其实永远都绕不开三件事：东谈主、钱、事。只是不同阶段，要点会不一样。最初始差未几一年期间，咱们主要照旧在贬责“事”和“东谈主”。一方面是搭团队，另一方面是考证通盘模子磨真金不怕火和算法研发的旅途，包括产物落地和模子愚弄的标的。

曩昔一年，咱们聚焦在考证通盘工夫旅途。因为对于具身智能来说，真确坚苦的是找到一条能够像大语言模子一样持续 scaling 的旅途。曩昔几个月，咱们在这件事上也曾探索出了知晓的标的，同期中枢模块目下也都有了相比熟谙的负责东谈主和体系。是以本年对咱们来说，会是一个从“探索”初始进入“scaling”的阶段。

DeepTech：这是你第一次稳重吸收媒体采访吗？之前有媒体发过你创业的音讯，但你莫得回答，我还以为你是不太可爱和媒体打交谈的东谈主。

姜旭：算是第一次稳重吸收采访。之前如实有过一篇对于咱们的报谈，但那篇并不是咱们主动对外讲的，是以严格说，这是第一次完整地把咱们的事情讲出来。

DeepTech：那为什么决定目下出来作念一些曝光？

姜旭：每个东谈主、每家公司的元气心灵、带宽、期间都是有限的。我作念事情有一个浓烈的倾向，即是在职何一段期间，我我方和通盘公司会把大部分元气心灵，聚焦在少数几个 ROI 最高的模块和领域上。

在此之前咱们起点要搞知晓的是要作念什么，搭一个弥散强的团队。咱们目下也曾到了准备好要去 scale 的阶段，接下来要作念的事情，即是去 scale。而况要进一步引入历久本钱和产业资源，把这件事情快速往下一阶段鼓吹。

GPT-3 能说出几句完整的话，咱们就很激昂

DeepTech：你在 OpenAI 四年，从 GPT-3 到 GPT-4，从 InstructGPT 到 ChatGPT。你刚加入的时候，团队多大？你被分到哪个组、作念什么？

姜旭：我刚加入 OpenAI 的时候鸿沟还很小，偶而一百东谈主控制。阿谁时候 OpenAI 还跟其他的 research lab 差未几，分红一个一个小的 team，team 之间莫得特殊精细的耦合和深度合作，每个 team 都在作念前沿学术和发表著述。但 OpenAI 的文化，在我在的通盘期间，里面永久短长常灵通、目田的。

是以我很有幸，在 OpenAI 期间换过偶而四五个 team，在大语言模子这块有一个全栈的经历。我基本上是从大语言模子最底层的 infra 作念起，然后到中间的预磨真金不怕火差未几作念了一到两年，临了又花了一两年期间作念对都。

我刚加入贬责的第一个问题，是 FP8，也即是 8 比特浮点数磨真金不怕火模子，这项工夫今天也曾在总共前沿的大模子磨真金不怕火推理过程中被大范围使用了。我差未几花了一年期间把它探索知晓。OpenAI 我方不作念硬件，是以咱们只是在算法层面把它探索知晓，会有一些推理上的遵守陶冶，但对磨真金不怕火莫得本质变化。磨真金不怕火如果想加快，还要从硬件层面原生去支援。咱们那时就把斥逐给了 NVIDIA，劝服了 NVIDIA 从 H100 系列初始，原生支援 FP8。

DeepTech：阿谁时候 GPT-3 是什么水平？

姜旭：我加入的时候，GPT-3 刚刚启动磨真金不怕火。那时候每两周开一次全员会，负责 GPT-3 磨真金不怕火的团队，主淌若 Dario 他们，会在会上分享磨真金不怕火进展。那时语言模子的水平，是 GPT-3 偶尔能说出那么几句完整的话，语法上莫得特殊显明的缺点，阿谁时候咱们全员总共东谈主都会绝顶激昂。

目下追念一下，从我 2019 年加入到目下六七年期间，AI 工夫确实是突飞大进，发生了地覆天翻的变化。

DeepTech：这些经历里，你印象最深的是哪一段？

姜旭：通盘 OpenAI 四年是一段额外压缩的期间线，发生了太多的事情，作念过的好多样式印象都绝顶潜入。

第一段即是 21 年头，Dario 他们走了之后，我加入新组的团队去作念预磨真金不怕火。那时的布景是，本来负责预磨真金不怕火的团队即是 Dario 他们，20 年底到 21 年头，他们陆续离独创立了 Anthropic。那是一个难堪的离婚过程，每周都有几个熟悉的共事辞职，剩下的东谈主又普遍莫得预磨真金不怕火的履历，大家心里照旧有点慌的。 然后 Greg Brockman 带队组建了一个不到 10 东谈主的团队去接办预磨真金不怕火。

图丨姜旭在 OpenAI 任职期间拍摄于旧金山（开端：受访者）

起点，那几个月期间使命强度极大，我每天早上醒过来跟打了鸡血一样豪恣地使命一直到深宵，Greg 甚而有时候和会宵写代码，第二天只睡一两个小时再继续使命，临了从数据到 infra 到优化算法都发现了绝顶多的问题，最终，折腾了好几个月用了几千卡，也莫得训出来好的模子后果。那是一个挺难堪的迭代经历，不外预磨真金不怕火失败在头部大模子公司也并不生分，我经历过的就有过两次。

自然，得胜的预磨真金不怕火，慑服即是 GPT-4了，是预磨真金不怕火的集大成者，从模子架构到优化算法到 infra，都是超越时间的， GPT-4 最终完成磨真金不怕火的期间，甚而比咱们一初始预计的还提前了好多。这种情况在大模子磨真金不怕火里并不常见，时时都是一直延长甚而最终也磨真金不怕火不出来。

还有一些样式，它的迫切性最终是需要被期间阐述的。

比如咱们作念的 InstructGPT，用东谈主类反映作念强化学习的 RLHF，是对都算法的奠基使命。这个使命在 2021 年头刚完成的时候并莫得受到弥散的爱好，因为那时的后果还不够好，但后头算法的开拓和数据迭代并莫得住手，最终它成为了 ChatGPT 磨真金不怕火里绝顶迫切的一个设施。

大模子磨真金不怕火中枢即是两步，第一步预磨真金不怕火，第二步对都，只消把对都作念好了，预磨真金不怕火的模子才会变得很好用。跟预磨真金不怕火不同的是，对都需要的是渐渐的迭代和陶冶，直到最终打破一个阈值。回头看有一个潜入的相识是，如果一个标的第一性道理上是正确的，就一定要扶持作念下去，一定能作念成也一定要作念成。

DeepTech：那 ChatGPT 的走红呢？

姜旭：其实 ChatGPT 发布的时候，OpenAI 里面并莫得东谈主真确矍铄到，通盘天下会这样快发生变化。

那时产物上线的期间点，恰恰赶上一个迫切的 AI 学术会议（NeurIPS 2022），好多共事在新奥尔良参会。通盘发布自己其实绝顶普通，完全莫得那种自后大家想象中的“历史时刻”氛围。它更像一次宽泛的产物上线。

但接下来的几天，通盘事情初始赶紧发酵。

我印象特殊深，一初始是星星点点有东谈主在盘考 ChatGPT。自后盘考的东谈主越来越多。再自后，通盘会场简直总共东谈主都在聊它。那种嗅觉很奇怪。你会短暂矍铄到，一项本来只属于 research lab 的工夫，初始以一种失控的速率进入现实天下。自后回到公司之后，偶而连合一两周，我每天翻开 Twitter，通盘 feed 简直都被 ChatGPT 刷屏了。

但我自后回头看，真确编削一切的，其实不单是模子智力自己。

GPT-3 时间，模子也曾绝顶强了，但阿谁阶段的大模子更像一种“守密的 intelligence”—它存在，但普通东谈主感受不到。更多照旧探究东谈主员和开拓者在用 API、写复杂的 prompt、作念 demo。ChatGPT 第一次把这种智能变成了一种简直莫得学习门槛的产物。

用户不需要阐明工夫道理，不需要学习 prompt 工程，也不需要知谈 transformer 是什么。你只需要像和另一个东谈主言语一样，去跟它interact。

我自后矍铄到，一个很迫切的事情是：好多时候，东谈主对 intelligence 的感知就取决于 interaction 的花样，获取智能的容易进程是智能水平的中枢体现。

错过了物理，赶上了 AI

DeepTech：既然你在 OpenAI 成绩这样多，为什么 2023 年会弃取离开？

姜旭：一个很迫切的原因是，我一直更享受独创新范式的阶段。我在 OpenAI 亲历了大模子从一个简直没东谈主信托的标的，逐渐变成编削通盘天下的主流工夫范式。阿谁过程对我影响绝顶大。

但 ChatGPT 爆发之后，我会显明嗅觉到，大模子初始逐渐进入一个“共鸣化”的阶段。

工夫阶梯越来越知晓，行业也初始快速 scale。好多问题自然仍然绝顶难，但它们越来越像工程和资源问题，而不是新的范式问题。我我方一直更想作念的，是那种还莫得被真确贬责、还莫得被行业造成共鸣的事情。

自后我花了很历久间去念念考，说明具身智能即是这样一个标的。我以为今天的具身智能，很像 2019 年之前的大模子。行业里有好多探索，但还莫得真确找到阿谁能够 scale intelligence 的中枢旅途。

这件事对我来说绝顶有迷惑力。

DeepTech：为什么是 2023 年这个期间点？有什么机会吗？

姜旭：ChatGPT 爆发之后，本钱阛阓变得绝顶活跃，创业环境和氛围变得很好，是有条款去创业、撬动本钱和资源作念一件更大更有影响力的事情的。

其次，我在阿谁期间点就认为大模子行业接下来要发生什么，相对来说是相比明确和笃定的。当一个行业进入这种高度笃定性的情景，个东谈主在里面施展的作用相对就会弱好多，更多是一个堆资源问题，公司去 scale up 资源，去履行既有的阶梯图。是以大模子对我来说就不再那么 exciting，不再有从 0 到 1 打破新范式的欢跃和竖立感。

DeepTech：问一个稍稍八卦的问题，你离开 OpenAI 和 2023 年那些荡漾相相关吗？

姜旭：莫得，我是在那之前离开的。

DeepTech：你的本科和博士读的都是物理。那时为什么会进入 AI 行业？

姜旭：我读博士期间其委果物理学里作念了普遍尝试，如果你看我发表的著述，早些年我发过各式标的的学术著述，跟我临了作念的博士课题甚而都不相关。我如实是一个相比可爱探索、尝试新东西的东谈主。

追念起来，在通盘探索的过程中，我一直在找一个真确有出路的标的。我以为东谈主生是要去坐一次火箭的，得胜的奇迹活命，一定要有机会经历一段爆发式的成长。

我读博士的时候很快发现一个问题：对作念物理学探究来说，我可能晚诞生了差未几一百年。物理学的黄金期间是 20 世纪初的那几十年，在那段期间二流的物理学家都能作念一流的使命。其实今天的 AI 领域也访佛，随处都是黄金，二流的选手也可以作念一流的使命。

那时我有一个很迫切的不雅察：科学里那些浅薄的划定，差未几到 20 世纪中世都也曾被发现罢了，剩下的都是硬骨头，特殊难啃。但这些留传问题有一个共同划定，都波及到在普遍复杂的数据里找 pattern，在高度非线性的征象上作念拟合。但那时我并莫得一个谜底，不知谈怎样解这类问题。

直到 2016 年春天，AlphaGo 下围棋的新闻遮天盖地，传播得绝顶广，那亦然我东谈主生第一次了解到深度学习这个工夫。我速即矍铄到，这不即是一个好意思满的工夫来解科学里留传的难题吗？那时候我快要博士毕业了，就坚定要往这个标的转。

自后我初始自学 Python 编程，自学 machine learning，上的第一门课是吴恩达在 Coursera 上的公开课。我自学了一些东西，作念了一些开源样式，相比容易地在硅谷找到了AI标的的第一份使命，一年之后又加入了 OpenAI。

DeepTech：你作念物理出身，又想在普遍数据里找 pattern，听起来更像是该去作念 AI for Science，为什么是去作念大模子？

姜旭：你说得很对，那时进入这个行业最大的驱能源、最迷惑我的，即是最终去贬责那些科学问题。那是起点。

但 AI 智力的演进是有一定的划定的。大模子的爆发是从数据量最多、数据最容易获取的文本事域先初始的，之后才向各式其他领域扩散。AI for science 今天正处在爆发的过程中， 好多细分标的也曾完毕了打破或者处于打破的前夕。

另外，language 自己仍然是最迫切的 backbone，它不单是是东谈主类相通的序论，同期亦然东谈主念念考、推理的绝顶迫切的序论，科学最终照旧要构建在东谈主类推理基础之上。

DeepTech：那为什么临了又弃取去作念机器东谈主？

姜旭：我离开 OpenAI 是要去完毕一件影响力更大的事。弃取机器东谈主这个标的有几点原因。

起点，机器东谈主背后代表的其实是 physical AGI，是 AGI 绝顶迫切的一部分，是其中的一半。如果能解锁 physical AGI、通用机器东谈主，这件事的经济价值和历史道理都绝顶要紧，是一个弥散大、弥散道理道理的问题。

其次，我刚离开 OpenAI 的时候，对机器东谈主这个标的了解得不够多。自后我花了一段期间去念念考和学习，最终发现这件事的本质，跟我之前解过的总共大模子问题莫得相反。

它本质上即是一个多模态模子的问题。把机器东谈主的输入和输出，都通过多模态模子数据表征的花样去向理，那机器东谈主的问题速即就疗养成一个多模态问题。多模态模子怎样磨真金不怕火、怎样 scale，这些都是也曾被充分探究过的问题。从第一性道理上，这个问题在我看来是势必可解的。

正因为如斯，开云中国2026世界杯手机版入口我信托我方曩昔在大模子领域丰富的经历和布景，会为具身这个领域带来独到的价值。

DeepTech：从离开 OpenAI 到稳重创业，中间快要一年。这段期间你在干什么？

姜旭：那段期间即是在念念考和迭代标的。刚离开的时候，脑海里有几个我以为值得作念的观点。对我来说相比自然的，是继续作念大模子，我在这个方进取也作念过一些探索和尝试。

但最终我得出一个论断：在纯模子的赛谈里，我很难找到一件弥散大、弥散道理道理，而况头部模子公司不会作念、或者我有都备上风的事情。

按我对工夫演进趋势的阐明，模子的智力规模会无尽拓展，头部模子公司的业务规模也会无尽拓展，是以终极情景下，模子即是端到端去满足东谈主总共的作事和内容需求，东谈主把需求给到模子，模子把东谈主需要的作事或内容复返回来。中间可能就莫得特殊多创业公司的大机会。

是以那时一个很迫切的念念考是：我要作念的事情里一定要有一些部分是这些模子公司不擅长的。那就一定要带上供应链和硬件，这是中国独到的上风，总共的模子公司都不太具备这方面的基因。

DeepTech：这个论断是你我方独自念念考得出的，照旧也从别东谈主那里得到了什么启发？

姜旭：起点我有一个我方的直观。有了这样一个直观和标的感之后，就会作念好多 research，然后去找这个行业里最顶尖的 researcher 交流和我方去探究，最终造成论断。

我一初始离开 OpenAI 之后径直归国了，2023 年底又从头回到好意思国，跟那时最顶尖的 robotics 领域的一些 researcher 交流，像 Google、伯克利、斯坦福的一些东谈主。很难说是某一个绝顶具体的东谈主，更多的是我对这件事有一套我方的默契框架，框架里有一些那时嗅觉相比暧昧的场所，我去探究和跟这些东谈主聊，再去说明那些点。

大部分公司都在叠加苦涩的履历

DeepTech：那目下让咱们聊聊你所弃取的这条路，大语言模子得胜，是因为找到了鸿沟化压缩语言的花样。在具身智能领域，对应的打破是什么？物理天下的步履怎样变成可以鸿沟化磨真金不怕火的数据？

姜旭：具身智能的打破，会跟大语言模子绝顶访佛。大语言模子最重要的点是压缩了全东谈主类互联网的文本数据，也即是伊利亚说的压缩即智能。

我在创业之前想知晓的，是架构层面的事情：机器东谈主问题本质上是一个多模态模子问题，这是架构层面的时间延续性。这个时间的大主题，即是用同样一套框架、同样一套方法论，去一个一个打破垂直的模态，从文本到语音到视频到图像。对具身智能来说，这是一个相比自然的延续。

但里面有一个中枢问题：这套框架到底怎样用到具身智能领域。更具体的最中枢的问题是，用什么样的数据来预磨真金不怕火模子。这亦然咱们创业第一年最中枢去探索的问题。最终咱们得到的谜底，跟大语言模子绝顶访佛：最 scalable 的花样，即是去效法、去压缩互联网级别的东谈主类视频里的 human actions。

DeepTech：你在 OpenAI 作念的是预磨真金不怕火和 RLHF。目下作念这件事，这套念念路具体怎样平移？哪些径直能用，哪些得从头发明？

姜旭：这需要先追念一下大模子通盘磨真金不怕火的旅途。曩昔几年大模子爆发以来，主要出现了三次范式级别的创新。

第一次是预磨真金不怕火，你可以把它想象成完成了常识的压缩。其次，在预磨真金不怕火模子的基础上作念对都，有点像常识的索要。只消这两步都完成，模子才弥散奢睿、弥散泛化、弥散好用，对都中枢贬责的是好用这个问题。临了，差未几一两年前出现了 reasoning，赋予了模子深度念念考的智力。

对应到具身智能领域，咱们起点要贬责的即是常识压缩的问题。这是这个领域里到目下为止好多公司都莫得贬责好的小数：当模子智力不够强的时候，它到底是预磨真金不怕火的瓶颈，照旧对都的瓶颈？相对应地，咱们到底是要贬责常识压缩的问题，照旧常识索要的问题？

我认为大部分公司都在走弯路。具身智能正在经历我方的 bitter lessons，大部分公司正在叠加 NLP 当年的弯路，都聚焦在了常识索要这一步，跳过了预磨真金不怕火，径直在作念对都。是以咱们中枢要为这个领域孝顺和贬责的，即是东谈主类步履的压缩。这个压缩是通过预磨真金不怕火完成的，在以东谈主类为中心的数据上，把东谈主类的数据压缩进预磨真金不怕火的模子里。

DeepTech：说到数据，你们预磨真金不怕火的数据主要开端是那里？

姜旭：咱们主要使用了互联网鸿沟的东谈主类动作数据。

DeepTech：有不雅点认为，纯互联网视频有一些问题是完全无法贬责的，还需要真机数据等其他数据来补充。你怎样看？

姜旭：这是一个绝顶好的问题。大模子能 work，一定是需要两步：通过互联网数据完成常识的压缩，再通事后磨真金不怕火完成常识的索要。对于常识压缩这一步，只消互联网数据才有可能完成。

但只是用互联网数据作念预磨真金不怕火是不够的。互联网数据的平正是量绝顶大、弥散低廉，能遮蔽到各式各样的长尾场景、各式 corner case；它的坏处亦然这个，里面有各式各样不真实的数据、杂音、缺点的数据。这些问题，一定要通过高质地的后磨真金不怕火数据才能消畏俱。是以一定是这两个逢迎起来。

这条旅途的中枢上风在于：如果你的预磨真金不怕火作念得弥散好，你就不需要那么多真机数据来作念对都，最终也能磨真金不怕火出一个弥散通用和普遍的模子。

我举个例子，在 ChatGPT 的通盘磨真金不怕火历程里，预磨真金不怕火阶段咱们用到几万亿个 token，后磨真金不怕火施行上只用到了不到 10 亿个 token，中间差了好几个数目级。这亦然今天这个领域大部分已有玩家没想知晓、没贬责好的问题，大家都在后磨真金不怕火阶段、在真机数据上作念了绝顶多的使命。

DeepTech：互联网数据质地杂沓不都，数据清洗是不是这里面很迫切的一部分？

姜旭：对，使用互联网数据一个中枢的挑战，即是数据的清洗和处理。

我我方在 OpenAI 期间也部分参与过预磨真金不怕火模子的文本数据处理，是以我知谈这件事的迫切性和复杂进程。而且很重要的是，我知谈，是有可能通过一套方法，把绝顶复杂、杂音很大的数据处理好，变成可用的数据的。咱们把同样的念念想和方法用到了视频数据上头。

这亦然咱们曩昔一年探索出新范式过程中很迫切的一个里程碑，其中差未几有一半甚而更多的元气心灵，都花在研发数据处理和清洗的管线上，这是一个绝顶复杂的过程。

DeepTech：这算是你们的一个独到壁垒吗？

姜旭：可以这样说。它需要弥散强的东谈主，弥散多的 know-how，再花弥散多的期间和成本在上头，才能把它作念好。

DeepTech：那么在模子架构上你们作念了什么弃取？比如 Physical Intelligence（Pi）用的是 flow matching，也有其他用自记忆的。你们走的是哪条路？

姜旭：我先说一个判断。我认为具身大脑通盘的框架应该跟今天 agent 选拔的框架相比访佛：底层有多个模子去具体履行，顶层是一套 model harness 的框架，把这些模子合理地组织、串起来。最底层的模子都是端到端的模子。是以咱们磨真金不怕火的是端到端的模子。

咱们其实更把具身 foundation model 作为一种面向物理天下的多模态大模子。它学习的不单是语言，而是视觉、动作、交互以及真实天下中的连合步履。

从行业目下的发展来看，真确 scalable 的阶梯大要照旧两类：自记忆（autoregressive）和 flow matching。咱们会把自记忆更多阐明成一种对大鸿沟时序步履数据的压缩与表征学习，而 flow matching 更接近连合动作空间里的生成建模。两者对应的是不同的 inductive bias。

目下行业里选拔 flow matching 的团队会更多一些，但并不是某一种架构都备最优，纯自记忆自己完全是可以竖立的。

咱们里面其实两条阶梯都也曾跑通了。现阶段会更多聚焦在自记忆上，因为它在大鸿沟预磨真金不怕火阶段磨真金不怕火遵守更高，也更妥贴快速 scale。

但简洁讲，咱们并不认为模子架构自己是这个阶段最中枢的壁垒。对具身智能来说，更重要的问题照旧数据，尤其是大鸿沟预磨真金不怕火数据。咱们目下更中枢的事情，其实是先用一套相对浅薄、踏实、也曾被考证 scalable 的架构，把数据鸿沟和步履遮蔽度真确作念起来。

DeepTech：自记忆有一些弱点，比如精度耗费、推理速率慢。这些怎样贬责？

姜旭：这里面好多问题，其实并不是自记忆自己的问题。像精度耗费、磨真金不怕火不踏实这些，更多照旧一些重要算法细节莫得真确作念好。包括 tokenization、永劫序建模、磨真金不怕火政策这些，大模子领域其实也曾累积了好多熟谙履历，世界杯开云都是咱们也曾反复贬责过屡次的问题。

推理速率亦然访佛的。目下好多 flow matching 模子之是以显得更快，一个很迫切的原因是它的 action head 还相比小，本质上还莫得进入真确 scale 的阶段。翌日如果具身模子继续往更大鸿沟发展，推理优化最终照旧会变成一个绝顶系统性的工程问题。

而且咱们以为，自回清偿有一个很大的上风，即是它能够自然袭取通盘 foundation model 领域曩昔几年累积下来的工夫红利。岂论是揣测遵守、长程纪念、RL 范式，照旧通盘磨真金不怕火基础设施，其实都也曾绝顶熟谙了。

是以咱们目下更中枢的事情，照旧先把数据鸿沟、预磨真金不怕火和真实天下交互真确作念起来。

DeepTech：我了解到你们的模子是跨施行的，目下施行跑通了哪几种形态？

姜旭：先解释一下，因为咱们的模子效法的是东谈主类的动作，压缩的是 human actions，而 human 是一个绝顶高目田度、动作绝顶丰富的施行。以这样的施行为基础，咱们事实上可以把东谈主体作念出来的各式动作，map 到各式其他形态的硬件施行上。

到目下为止，咱们有两款全自研的硬件施行，一款东谈主形机器东谈主，另一款是目田度低好多的轮式产物，都可以搭载咱们的模子，咱们也尝试过宇树的施行。如果是一个低目田度的施行，咱们就把东谈主体的动作作念一个更低目田度的近似就可以了。举个例子，咱们最终完毕了东谈主在物理天下里通用的行为智力、take action 的智力之后，可以把它简化成东谈主的要点点的迁徙，这时候出来的就相称于是一个迁徙模子。

DeepTech：你提到你们完毕了初步的 scaling，这个“初步”具体是什么情况？

姜旭：咱们目下所处的研发阶段，如果对标 OpenAI 的 GPT 系列，相称于是 GPT-2.5 的水平。这个对标有两个层面的道理。

第一个层面，径直从数据量上看，咱们目下的数据量也曾特出了当年 GPT-2 磨真金不怕火用的数据体量，模子大小也比 GPT2 稍稍大一些。自然模子大小在这个阶段对咱们来说不那么重要，因为怎样 scale 模子，这件事在大模子领域也曾解过了，中枢是莫得东谈主解过怎样 scale 具身的数据。

第二个层面，从咱们目下能完毕的、从数据处理到模子磨真金不怕火的整条管线来看，咱们也曾能作念到：随机拿来一段视频数据，只消里面有东谈主，就可以把它变成咱们的磨真金不怕火数据源，能灵验地从视频里学习到东谈主的畅通讯息、视觉信息。

DeepTech：那离上限还有多远？

姜旭：咱们算过按这个旅途最终能达到的上限。咱们在数据量上还可以推行好几个数目级，差未几有四个数目级的推行空间。从 GPT-2 到 GPT-4，数据上差未几是推行了三个数目级。是以信托咱们的模子智力还会有屡次质的飞跃。

DeepTech：到了阿谁数目级的上限，就足以完毕通用智力了吗？

姜旭：我信托到阿谁级别，就足以完毕初步的通用机器东谈主。对标 GPT 系列，应该至少能达到 GPT-3.5 那种初步可用的情景。

中枢原因是，今天咱们磨真金不怕火出来的模子，请示侍从智力也曾阐扬得可以了，也曾远远特出咱们当年磨真金不怕火 GPT-3 时的情景。咱们那时候看到能说几句完整的话、语法上莫得显明缺点，就很欢跃了。在这个基础上再有四个数目级的陶冶空间，我信托一定会有一个畅通智能、具身智能上的飞跃。按照 GPT系列对模子版块迭代的界说，每一代模子要比上一代强一百倍，那陶冶四个数目级，差未几能完毕两代模子的迭代。

DeepTech：我传闻，在你们看来，物理天下的畅通泛化可能比语言泛化容易好多。这个论断你们是怎样得出来的？

姜旭：Scaling law是咱们探究怎样 scale 模子的一个很迫切的器用，它中枢讲的是模子智力会跟着数据量、磨真金不怕火算力的参预和模子大小笃定性地变化。这三条趋势线是直线，就会有斜率。咱们目下看到的是，具身的斜率可能比语言的斜率还要大一些。这是一个绝顶特道理的发现，意味着这个问题可能比语言要浅薄一些。

另外一个是自然进化的例证。掌合手了高等语言智力的只消东谈主类，但其他总共动物都具备畅通的智力，具备跟物理天下交互、编削物理天下的智力。说白了，连蚂蚁都有一个夹爪，可以作念 pick and place。是以，这件事可能莫得语言那么难。

DeepTech：这个论断还挺反共鸣的。之前看到的好多说法，都是说真实天下的泛化更难。

姜旭：我认为今天大家以为它反共鸣，一个很迫切的原因是，大家作念的花样可能都辞别，莫得确实领悟大模子那套念念想方法论的精髓。

曩昔三年，通盘具身智能赛谈一个很迫切的进展，是大家逐渐造成共鸣，要选拔大模子那套念念路。但这里面有一个很大的 gap：好多创始东谈主、好多团队之前莫得作念过大模子，在默契层面、knowhow 层面有一些误区，误会了大模子里一些很中枢的点。好多团队在这方面是有常识盲区的。

DeepTech：嗅觉你对这个判断很有自信。

姜旭：因为我我方在大模子标的作念过太多样式，有得胜的，也踩过好多坑。我在 OpenAI 四年，也见过太多周围的共事用访佛的念念想方法论去解其他领域的问题。这通盘过程，帮我建筑起了对这条工夫阶梯绝顶潜入的审好意思。

DeepTech：那你以为这个判断会被质疑吗？我个东谈主以为，这篇著述发出来之后，可能会有不少东谈主质疑你。

姜旭：可能会吧，但我其实特殊享受被质疑、且最终被阐述是正确的这样一个过程。

DeepTech：你会怎样看待这些质疑？

姜旭：我可以分享一段我的经历。我刚加入 OpenAI 的前两周，读的第一篇 paper 即是 Scaling Law 那篇，那时照旧 draft，还没发表出来。我读完大受震荡，很确信我赶上了一次工夫转换。

By the way，我一直以为我方的工夫 taste 照旧相比可以的，在一个工夫早期的时候，我就能相比精确地看到它的翌日和后劲。阿谁时候 OpenAI 在外界看起来照旧一家相比奇怪的公司，但里面其实也曾发生了地覆天翻的变化，外界并不知谈。我出去跟别东谈主聊天，时时有东谈主问我 OpenAI 是作念什么的，我说 OpenAI 是要去作念 AGI 的。这个时候我会看着对方的目光，等闲对方的目光和脸色传达出来的是质疑，仿佛在说，这是一家骗子公司。

我是很享受这个过程的。大模子被证实了，这家公司作念的事情也被证实了。

我以为最终有价值的事情，都是要反共鸣且正确，be contrarian and right。如果是一件强共鸣的事情，它的相对价值要小好多。这亦然为什么我在 2023 年阿谁期间点弃取离开 OpenAI，我认为阿谁时候大模子也曾变成一件强共鸣的事了。

交互会从头界说机器东谈主

DeepTech：你认为具身智能的结尾是什么？

姜旭：我以为好多东谈主目下阐明具身智能，照旧一种“替代东谈主”的逻辑。比如扫地、作念饭、搬东西，本质上照旧在复刻东谈主也曾会作念的事情。但我以为具身智能真确特道理的场所，是好多新的智力和价值，可能会从历久 interaction 里自然长出来。

前提是，它得先真确进入现实天下。

而这背后最中枢的问题，其实照旧：怎样 scale intelligence。可以这样阐明，大模子这几年真确得胜的场所，本质上是第一次把好多工夫用一个正确的步伐组合了起来。先通过预磨真金不怕火，在全互联网数据上完成大鸿沟的效法学习；之后再通过强化学习、对都、reasoning，把这些智力一步一步真确开释出来。

好多曩昔失败的探索，并不是算法自己错了，而是步伐错了。在预磨真金不怕火这套范式真确被走通之前，好多 AGI 的探索其实都鸠集在强化学习，前大模子时间的 NLP 本质上在作念对都。

今天具身智能领域，其实也很像阿谁阶段。真机数据、遥操、真机强化学习这些标的自然有价值，但它们更妥贴“后磨真金不怕火”。这个行业到今天为止，其实还莫得真确贬责“具身预磨真金不怕火”这个问题。

冗忙一个弥散强的预磨真金不怕火基座，模子就很难真确得到对物理天下的泛化阐明，也很难历久在真实天下里持续迁徙、不雅察、interaction。

真确大的变化，会发生在这之后。当 intelligence 能够历久存在于现实天下，并持续 interaction，它会逐渐造成对环境、对东谈主、对生活自己的阐明。好多今天还不存在的 intelligence、interaction，甚而新的价值形态，可能都会从这里初始出现。

DeepTech：那这个结尾，跟东谈主的关系会是什么样的？

姜旭：从智力演进的角度，我以为具身智能临了会和大语言模子很像。它会先去效法东谈主，然后逐渐超越东谈主的智力。今天的代码模子，也曾能看到绝顶显明的迹象了，它也曾不单是辅助东谈主写代码，而是在进入一种新的配合情景。具身智能以后也会是访佛的过程。

但我以为更迫切的小数是，当具身智能历久存在于真实天下里，历久和东谈主分享空间、分享环境，这里最重要的变化是：interaction 的期间模范变了。

当 interaction 从几秒钟的一次调用，变成历久共存之后，它和东谈主的关系也会发生本质变化。它不再只是“履行一个任务”，而会初始逐渐阐明东谈主的俗例、环境的变化、空间里的隐含划定，沉着造成一种对真实天下的“具身直观”（embodied intuition）。

到阿谁时候东谈主和 AI 可能会一齐创造出好多曩昔根蒂不存在的新价值、新步履，甚而新的生活花样。

DeepTech：要完毕你说的这种机器东谈主，它需要具备哪些智力？怎样排优先级？

姜旭：通盘大模子的研发念念路，并不是从需求开拔去倒推说咱们要作念什么，它是反过来的，是从数据红利开拔。咱们看这个天下上存在最普遍的数据是什么，就从这些数据里把它蕴含的丰富信息作念一个深度挖掘，这是大模子范式的本质。

是以沿着咱们的念念路，起点是能够全面地效法和学习东谈主的各式各样的智力，这取决于现存的存量数据里包含了哪些东谈主的步履和动作。

对于工夫演进的旅途，咱们跟这个领域有一些不太一样的不雅点。我认为最初始能够解锁出来的，是通用迁徙的智力，是 mobility。它会首先在模子智力上打破，而况能最快造成交易闭环、最快商用。下一步才是通用 manipulation，模子智力上才弥散强，并找到合适的愚弄落地场景，造成交易闭环。步伐上是先通过 mobility，让具身智能安全地进入物理天下，下一步再去谈如何用技巧编削物理天下。

mobility 和 manipulation 这两个，对应到大语言模子的发展历史，相称于是 language 和 coding 之间的关系。一初始 language 的存量数据最大，智力上率先打破，找到一个合适的产物形态，即是 ChatGPT。跟着模子研发的进展、language 智力的陶冶以及 coding 自己智力的陶冶，最终才解锁出 Claude Code 和 Codex 这种全新的产物形态，大鸿沟施展经济价值。

DeepTech：也有点像东谈主类，先从爬行、步碾儿初始，再去学各式智力。

姜旭：对，它起点要能在灵通的物理天下里安全地迁徙。

DeepTech：你之前在小红书上提到你们领先的产物要先作念一些好玩的东西，那么第一款产物具体会是什么样的？

姜旭：我以为“好玩”其实是一个很迫切的词。因为好多东谈主会默许，机器东谈主最迫切的是“完成任务”。但如果你回头看大模子的发展过程，会发现真确让 AI 爆发的，其实并不是一初始就去贬责出产力问题，而是 interaction。

ChatGPT 最早编削天下，也不是因为它先替东谈主完成了什么复杂使命，而是它第一次让大鸿沟用户初始自然地和 AI 交互。具身智能好多新的智力和价值，未必是一初始被想象出来的，而可能是在历久与东谈主共存和交互中长出来的。是以咱们第一代产物从智力上来说，它会具备通用的 mobility，以及通用的念念考和 interaction 智力。

DeepTech：会是之前一些报谈提到的那种随同型机器东谈主吗？

姜旭：“随同”自己并不是一种产物类型，它更像是历久共存和交互之后自然产生的一种斥逐、一种心情上的价值。但咱们真确感兴趣的，并不单是情谊价值。

更迫切的是，当 intelligence 初始历久存在于真实天下，并持续 interaction 之后，它会不会初始产生好多额外的新价值。因为如果你仔细不雅察，东谈主类在现实天下里绝大部分期间，其实都不是在“操作”。更多时候，咱们是在迁徙、不雅察、念念考。

按照之前的推演，咱们会把率先能够解锁出来的迁徙智力去交易化，让机器东谈主能够在物理天下里面主动地迁徙、不雅察和交互，把数字天下的 agent 蔓延到物理天下，完毕 embodied agent。

DeepTech：我嗅觉目下不少东谈主对你们的了解，可能还停留在“随同机器东谈主”上。

姜旭：咱们本质上照旧一家基模公司，只不外作念的是具身基础模子。基模赛谈有一种说法叫作念“模子即是产物”，在具身领域应该是基模+硬件施行即是产物，翌日咱们的模子会有各式形态的“壳”，起点从一个轻巧的 embodied agent 初始，翌日会有搭载咱们模子的各式形态机器东谈主产物。

DeepTech：这款产物偶而多久之后能见到？

姜旭：再保留点玄妙感，但慑服不会是两年之后了！

DeepTech：你们定位是具身大模子公司，硬件施行规画我方造吗？

姜旭：咱们暂时是我方造。背后中枢的原因是，通盘行业还处在绝顶早期，还莫得造成模范和共鸣。自然存在具身智能这样一个大赛谈，但大家磨真金不怕火模子的花样、算法旅途、产物落地的标的、愚弄的场景，事实上琳琅满目，每家公司都有我方的谜底。这个期间点，很难找到高卑鄙的供应商来配合咱们，去 exactly 打造一个能适配咱们模子智力的硬件。

咱们这套念念路最中枢的，是围绕模子智力的变化来念念考：在什么期间点能解锁出什么样的模子智力，咱们就如何打造一款合适形态的产物。跟大模子研发和迭代的念念路绝顶像，并不是一个传统的、去作念花消级机器东谈主的念念路。是以暂时咱们只可端到端地既作念模子磨真金不怕火，又去界说和打造我方的硬件。

但永久看，咱们会但愿把模子变成一个灵通的生态，去跟领域里各式各样形态的硬件完成适配。

最终依赖的照旧东谈主

DeepTech：你团队的鸿沟目下有多大？

姜旭：目下全职偶而六十东谈主控制。

DeepTech：你的团队布景很各种，来自 OpenAI、大疆、微软、华为、字节。你刚才也提到，OpenAI 早期团队是相比割裂的。在组建团队时，你会有矍铄地去幸免这个问题吗？

姜旭：绝顶好的问题。我认为 OpenAI 得胜一个很中枢的原因，是它后头造成的扁平文化和绝顶高效的组织。

我的判断是，本质上咱们即是一家多模态大模子公司，一定要选拔最顶尖大模子公司的组织模式：保持一个小的团队，保持绝顶高的东谈主才密度，打造一个扁平、高效的组织。

从创立初始一年多，我也作念了蛮多探索和念念考。对 OpenAI 来说有一个相对容易的点，它需要的主要即是作念算法的东谈主，相似的东谈主观点更容易妥洽，念念考问题、作念事情的花样更容易接近。对咱们来说，一个中枢挑战是，团队里既有作念硬件的，又有作念软件算法的，算法这边又分红机器东谈主算法、大模子，还有传统的软件工程，是布景绝顶不一样的一群东谈主。

最终我摸索下来，发现谜底其实蛮浅薄的。这样一个扁平的组织，最终不依赖于组织的结构和轨则来作念事情，更多依赖于东谈主。

DeepTech：是以中枢难点是筛选东谈主？

姜旭：对，总共治理的难度都放到了筛选东谈主这一步。筛选东谈主又包含两种类型。一种是也曾有一些使命履历、在职场里造成了使命俗例的东谈主，对这些东谈主，咱们一定要按咱们的模范去商量，看他是否能适合、是否合适咱们想打造的扁平文化组织的要求。另一种是可塑性更强、更白纸的，刚毕业甚而还没毕业的学生，这些东谈主可以在咱们团队文化磨合得相比好的情况下，在里面培养和磨真金不怕火。

DeepTech：识别东谈主这件事，是不是也需要一种 taste？

姜旭：完全是的。我在 OpenAI 期间也见过普遍绝顶优秀的东谈主，优秀体目下不单是是技巧、业务水平层面，更迫切的是 ownership。OpenAI 招东谈主的时候绝顶可爱招有创业经历的东谈主，这可能也跟 Sam Altman 的布景相关，他之前是 YC 的 president，OpenAI 也有普遍东谈主之前是 YC 的 founder。这些东谈主除了业务智力除外，等闲会有绝顶强的主东谈主翁精神，会把公司的事情当成我方的事情来作念。

DeepTech：那么你招东谈主时，最敬重的特色是什么？

姜旭：主淌若三个方面。第一个是最基本的业务智力，他在所处的模块上，技巧要达到一定水平。其次是 ownership，主东谈主翁精神，他是不是能把这些事情当成我方的事情来作念。这个绝顶迫切，因为一个扁平文化的组织本质上是莫得治理的，要每个东谈主宰理我方，同期治理样式，甚而治理其他东谈主，是以对东谈主的要求极其高。第三个方面，是一个东谈主作念弃取的智力和 taste。

这三个方面如果都很优秀，这个东谈主即是一个很好的 manager。是以咱们目下在公司里选了好多优秀的 manager，关联词大家都莫得 manager 的 title，大家在这样一个文化里共同治理、共同治理公司。

DeepTech：目下的团队，在这个阶段够了吗？

姜旭：咱们全体的团队蔓延速率照旧相比慢的，招东谈主一直保持着相比高的筛选模范，很克制，是以咱们简直总共岗亭都有空白。

现阶段尤其是大模子标的，咱们大模子团队招的东谈主普遍都是大模子公司布景的。这一定进程上跟我我方之前的经历和 OpenAI 的光环相关，这个光环也能帮咱们迷惑到大模子领域一些顶尖的选手，加入咱们一齐磨真金不怕火具身的 foundation model。

事实上，咱们磨真金不怕火的这个具身 foundation model 从通盘体量到挑战，也曾不亚于磨真金不怕火任何其他领域的 foundation model 了。也借这个机会说一句，咱们目下一直在招东谈主。如果你身上有我刚说的这三点特色，又信托从预磨真金不怕火开拔去作念具身基础模子这条旅途，想跟咱们一齐把具身的 foundation model 训出来，接待你来找咱们聊。

DeepTech：海表里的同业里，你以为作念得相比好、相比有代表性的有哪些？

姜旭：我会相比神志那些大模子公司下场去作念这件事，比如我的老东家 OpenAI，我会神志他们的进展。Google 不太好说，Google 和 OpenAI 照旧两码事，两家公司在组织文化上其实有绝顶大的相反。

大公司里有绝顶多使命的东谈主，但冗忙 owner，大公司永久有这样一个逆境，Google 也永久会有这个挑战。

今天要在这个领域完毕打破，需要的方法和技巧，exactly 即是大模子那套东西。我更信托会有一些大模子公司在这个领域里相比早地作念出打破。如果一个团队里繁重弥散多的大模子履历和 knowhow，会遇到相比多的挑战。

DeepTech：2026 年以来这几个月，国内具身智能赛谈也曾有好几家上百亿估值的公司了。你怎样看这个赛谈如今的热度？

姜旭：一个隆盛发展的行业，早期一定会有一些泡沫，泡沫自己是一个宽泛的征象。

稍稍不太合理的场所在于，一些公司可爱对标同业，繁重寂然的探索和创造，也繁重对行业前沿的更有劲的打破和推动。

DeepTech：你一初始说，你们本年一个很迫切的主题亦然融资，那你们进展如何？

姜旭：咱们正在 close 新的一轮融资。咱们在融资节律上，也作念了一个有点反共鸣的弃取。

旧年上半年咱们融罢了一轮，那时阛阓照旧蛮火热的。但我信托具身智能、AI 是这个时间的大主题，是全社会、全天下会 all in 的大标的。在 AI 时间大波澜里，资源并不是最稀缺的，一个顶尖的团队和一条确实能完毕智能打破的研发旅途，才是最稀缺的。咱们旧年一年都在打造团队、探索模子研发旅途和产物落地标的。本年咱们除了融资外，还会有更多的对外发声；要推动范式级别的编削一定是需要更多东谈主的参与。

咱们就活在科幻里面

DeepTech：你说你们的模子目下到了 GPT-2.5 的时刻。那距离真确的 ChatGPT 时刻，还有多远？

姜旭：按照咱们这条旅途，咱们在年底之前应该能够完毕，相称于从 2.5 到 3.5，进取一代模子。进取一代要有一百倍的陶冶。对咱们来说，以目下的水平为基础，再陶冶一百倍应该不会是一个根人道的挑战。

DeepTech：这个谜底有点出乎我的猜想，我以为会更慢小数。

姜旭：我对咱们目下所走的这条旅途，极其乐不雅，极其有信心。

DeepTech：本年年底有点太近了，咱们再来瞻望更远小数的事吧，在本年除外，你翌日三到五年乃至以后的筹商是什么？

姜旭：我的大判断是，具身智能会沿着大模子走过的旅途，把大模子迫切的那些里程碑再走一遍。

起点是完成预磨真金不怕火，预磨真金不怕火的打破和 3.5 时刻会是行业的拐点，具身智能产物才会初始大鸿沟地落地愚弄，出目下咱们的生活里，进一步网罗到全新的、真实天下的数据。这有点像今天的 Coding Agent，当大模子作念长程任务、写代码的智力打破到一定进程，初始能完整地拜托使命，进入到用户的电脑这样一个更复杂、全新的环境，而那些数据是之前模子见不到、互联网上也不存在的。由此就造成了数据飞轮。

大模子是要在数字天下里效法和超越东谈主的智力，具身是要在物理天下里效法和超越东谈主，三到五年控制，偶而率会全面地超越东谈主的智力。

DeepTech：在这个过程中，你目下最期待的一件事是什么？

姜旭：具身智能的 ChatGPT 时刻，模子智力强到可以大鸿沟地进入到物理天下，进而出现第一个 PMF 的产物之后，数据飞轮和交易飞轮都会转起来。在这个基础之上，通用具身智能将会看起来不再那么远方和不可想象。

DeepTech：那你相比挂念的问题有哪些？

姜旭：我以前在 OpenAI 的四年期间，前后差未几有一年多期间都在对都的团队里。对都中枢要贬责的一个绝顶重要的问题，即是安全。

具身智能存在绝顶访佛的问题。它的工夫演进旅途会跟大模子绝顶像，存在的风险也会跟大模子绝顶访佛。安全问题是急需通盘领域去神志、提前念念考、探究和布局的标的。

看得更远小数，当代文雅社会是东谈主创造的，但当这个星球上出现了一个从才略和膂力上都全面超越东谈主的全新群体之后，是否会影响到咱们今天的文雅，咱们的文雅会如何演变，是每个东谈主都要去念念考的问题。

DeepTech：这是一个听起来绝顶科幻、又绝顶现实的问题。

姜旭：是的。当智能初始历久存在于物理天下，它就不再只是一个被调用的器用、而是可以通过持续不雅察、持续学习、持续交互和操作反过来影响现实天下自己。

那时候，东谈主类靠近的就不再只是一次工夫升级，而是一种新的“存在”。

咱们其实也曾活在科幻里了。

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成开云2026世界杯中国官网