Physical Intelligence 的机器人课:先问大脑能做什么,再问它长什么样Chapters1×0:08开场:机器人创业先看什么2:17第一章:别先做一台像人的机器4:36第二章:机器人江湖其实是两种工程信仰7:45第三章:派零、派零点五、派零点六10:55评估:机器人公司的真实榜单12:54第四章:通用大脑不等于人形机器人14:58第五章:Pi 的组织文化,给学术创业者什么提醒17:23第六章:创业者带走的四个动作0:0020:500:08主持人欢迎收听七档 AI 创业者精选播客缩短版。本期跟进的是张小珺Jùn商业访谈录第146集,她采访了 Physical Intelligence 的研究员柯丽一鸣。这是一场接近四小时的长谈,谈机器人研究的学术谱系,也谈 Pi 从派零到派零点六的模型路线、硅谷创业和组织文化。 我们把它压缩成一条创业者能带走的判断线:做机器人,第一问不是它像不像人,而是它能不能在真实环境里稳定完成任务。先说明素材边界,本期使用了原集完整公开音频和全量转写,正文里的观点与引语都来自这份材料;原嘉宾声轨没有进入同源制作清单,所以本期是二次精炼和观点转述,不是原声剪辑版。1:00分析师这集最有用的地方,是它没有把机器人讲成一个单独的产品类别。柯丽一鸣从自己的研究经历出发,把问题拆成三层:机器人有没有能力,能力能不能迁移到没见过的环境,最后能不能把一个具体任务做到足够好。 这三层对应 Pi 的三篇主线工作,也对应创业公司从演示走向产品时会遇到的三个门槛。下面我们就按这条线来听。 先给一个听法。遇到学术名词,我们不把它当成论文摘要背诵,而是追问它改变了什么产品决策。遇到创业故事,我们也不把它包装成成功学,而是看一个研究者怎样从自己的能力、数据和团队条件出发,选择一条能继续验证的路。这样听,机器人这件事和今天很多 AI 产品其实很近:模型只是起点,真正难的是把能力放进一个有边界、有成本、有人愿意承担后果的工作流里。 这集还有一条暗线。柯丽一鸣一边做强化学习研究,一边写小说。她谈到创造力时,没有把它说成灵感,而是说要把脑中的东西做出来。对创业者来说,这个区别很重要。想法可以来自论文、科幻或一次偶然的演示,但产品价值要靠反复执行来证明。2:17主持人访谈一开始,柯丽一鸣给了一个有点出人意料的答案。她说自己真正想看到的里程碑,是机器人能够组装、制造自己。她把这看成一种繁殖的体现,而不是先去复制人的外表或人的情感。 这听起来像科幻,但对产品负责人很现实。我们经常把人形、拟人化表情和一段流畅演示,当成产品进展的代理指标。可用户真正付费的,往往是机器人能不能把一件事情做完,出了偏差能不能停下来,出了事故谁来负责。2:52分析师她还谈到一个更直接的例子:有人把大量邮箱权限交给智能体,让它帮忙清理,结果重要邮件几乎被删光。她在访谈里说:「谁能够承担责任,才会建立一个信任。」 这句话可以放回 AI 产品里理解。一个系统的能力越强,越不能只写「它能做什么」,还要写清楚「它可以动用什么权限」「什么时候必须确认」「发生损失后谁接手」。对机器人尤其如此,因为它的错误会从屏幕里的错误答案,变成一个真实动作。 给创业团队的动作是:在产品路线图里把责任边界和能力指标放在一起。比如,一个家庭机器人不只要有「收拾桌面」这个目标,还要有可暂停的动作、无法判断时的询问、人工接管和事故记录。没有这些,所谓智能只是把风险往用户身上推。 可以把权限设计成三层。第一层是低风险、可撤销的动作,系统可以直接执行;第二层是会改变用户状态、但容易恢复的动作,系统要先确认;第三层涉及金钱、隐私、健康和人身安全,默认由人来批准。这样的分层不依赖机器人是否像人,它甚至适用于邮件助手、客服 Agent 和企业自动化。 再往前一步,团队要给每种失败写出处理路径。系统判断错了,是回退到上一步,还是暂停并请求帮助?用户拒绝了建议,数据要不要保留?出了事故,谁能在几分钟内接管?这些问题会让产品会议变得具体,也会逼着团队承认当前能力的边界。创业早期最怕的不是能力不够,而是把不确定性藏在一个看起来很聪明的界面后面。4:36主持人柯丽一鸣花了很长篇幅梳理机器人的学术谱系。她提到以卡耐基梅隆大学为代表的传统机器人路线,也提到麻省理工学院的腿式机器人传统,以及后来把机器学习和强化学习带进机器人的研究者。 传统路线重路径规划、控制、硬件和动力学。工程师会把每一步怎么走写得很清楚,换来稳定、可解释、可调试的系统。机器学习路线则希望从数据里直接学出动作,少依赖人工规则,让系统从模仿学习走向强化学习,把表现上限往外推。 她还提到一个很能说明产业差异的细节。早期机器人研究里,一只用于灵巧操作的机械手就可能要几十万到上百万美元,维修也很昂贵;同一时期,其他 AI 领域花二十万美元做一个数据集,已经会被看成很大的投入。机器人创业的现金消耗,往往同时来自硬件、场地、遥操作、数据清洗和真机失败,不能只拿模型训练费用来估算。 这也是为什么机器人领域的学术谱系会影响创业选择。一个团队如果继承了控制和硬件传统,可能先把安全性和稳定性做厚;另一个团队如果来自强化学习,更容易先问能否从数据里学出新的策略。两者面对的是不同的学习曲线,也需要不同的投资耐心。6:04分析师这不是「老方法 versus 新方法」的简单淘汰赛。两边的差别,首先是成本结构。传统路线把成本放在专家、规则和工程调试上;学习路线把成本放到数据、真机试验、训练和评估上。 柯丽一鸣认同一个重要判断:灵巧的关键不一定在手本身,而在于大脑怎样操控一个并不完美的硬件。她还讲到自己做过一个很简陋的筷子机器人,用模仿学习和强化学习,让它去夹住空中晃动的小球和玻璃球。 这对创业者的启发是,别同时模糊地承诺「硬件创新、通用智能、全场景商业化」。你要先选一个能被真实验证的单位:是一个任务、一个场景,还是一类硬件。然后决定团队更愿意承担哪种成本。选传统控制,就要接受专家密度;选数据驱动,就要提前建好采集和评估基础设施。 另一个需要提前算清的是,评估成本会不会随着客户数量一起上升。软件产品可以在服务器上重复测试,机器人每一次真机运行都可能受光照、桌面高度、物体摩擦、摄像头位置和电量影响。一个看似简单的成功率,如果没有记录测试环境和人工接管次数,横向比较就没有意义。 所以机器人团队需要一张比普通模型榜单更细的实验表:任务完成没有,完成用了多久,中间发生了几次停顿,失败是感知错、规划错,还是动作执行错。这样的表格很不性感,但它会直接告诉你下一轮预算应该花在数据、硬件还是算法上。7:45主持人接下来进入本期最值得做成产品路线图的一段。柯丽一鸣把 Pi 的研究概括成三个词:派零看能力,派零点五看泛化,派零点六看表现。 派零先证明,机器人基础模型可以处理以前很难稳定做好的任务,比如叠衣服、叠盒子、把桌面上各种物体分门别类地拿放。Physical Intelligence 官方研究介绍也把派零定位成通用机器人基础模型的早期尝试,它把视觉、语言和动作连到一起,输出的是实际的电机控制。8:21分析师但能力展示不等于产品可用。派零点五追问的是:同一个模型,换到没见过的房子、没见过的物体、不同的摆放方式,还能不能理解任务并把它拆开完成。 节目里提到,Pi 会在很多真实家庭环境里收集数据,规模大约达到一百个家庭,用来观察模型面对数据外环境时的变化。官方页面也强调,派零点五的重点不是表演一个新技能,而是在训练数据之外的新房子里完成收拾厨房、整理卧室这样的长任务。 这给 AI 产品创业者一个很具体的提醒:你的数据集不能只覆盖最容易成功的客户。要从一开始就记录环境差异、失败类型和人工纠正。否则你得到的是一套对演示环境很熟的系统,不是能进入客户现场的产品。 这里的泛化也不能理解成「只要换个房子还能跑」这么简单。系统可能认出了盘子,却不知道盘子应该放到哪里;可能理解了「整理卧室」,却在长链条中的第三步卡住;也可能完成了任务,却要每隔几秒都由人提醒。创业者要把泛化拆成语义理解、步骤规划、动作执行和异常恢复,再分别设指标。 Pi 的路线还有一个值得借鉴的地方:它没有把数据外表现留到最后才测,而是把新房子、新物体和不同构型当成研究问题的一部分。对企业软件也是一样,真正的产品壁垒常常来自边界条件。你越早知道系统在哪些客户身上会失效,就越能决定要收窄市场,还是继续投入数据和工程。9:58主持人派零点六把问题又拉回「表现」。如果一个模型什么都能碰一点,但每件事都做得半吊子,它的通用性还有多少商业价值?这其实和很多 Agent 产品一样。能生成一次结果不难,难的是在关键任务上持续稳定,能被用户托付。 所以这三步不是论文编号,而是一条经营顺序:先证明能力,再验证迁移,最后把成功率、完成时间、人工接管率和成本做成可持续的产品指标。创业团队如果跳过第三步,就很容易把 demo 的宽度误认为业务的深度。 面对一个跨学科、跨硬件、跨场景的问题,最危险的不是目标太大,而是团队没有把目标拆成一组能被证伪的阶段。你可以有很远的愿景,但每一阶段都要知道,什么结果出现之后,下一笔钱、下一批数据和下一次招聘才值得发生。10:55主持人这三步之间还有一道容易被忽略的门槛,叫评估。自然语言模型可以在固定数据集上跑出一个分数,机器人却必须真的在机器上运动。光照变了,桌面高度变了,物体换了一个角度,甚至地面摩擦不一样,结果都可能改变。 柯丽一鸣说,机器人领域很难像自然语言处理那样有一条所有人都认可的榜单。大家都在谈前沿,但前沿可能散落在不同的机器人、不同的任务和不同的实验条件里。一个团队的成功率如果脱离了任务定义、环境设置和人工介入次数,单独拿出来几乎没有意义。 对创业公司,这不是研究界的麻烦,而是商业化的前置工作。投资人问「你们的模型有多强」,团队不能只拿一段最好的视频回答。更有用的回答是:在什么任务上,多少次连续运行,失败主要发生在哪里,人工介入以后成本是多少,客户愿意接受的底线是什么。11:59分析师所以机器人产品的第一张榜单,应该由自己建立。它至少包括四列:任务完成率、连续运行次数、人工接管比例、每次运行的时间和成本。再加一列环境条件,记录这是熟悉场景还是新场景。 这样做还能避免一个常见误区:把「能做」和「值得做」混在一起。一台机器偶尔能在厨房里叠好衣服,和它每天稳定完成一百次整理,是两个完全不同的产品阶段。前者证明研究方向有希望,后者才开始接近交付。 当团队把评估写清楚之后,模型、硬件和数据的争论也会变得具体。成功率不够,是需要更多覆盖,还是动作控制不稳?速度太慢,是模型推理问题,还是机械结构的问题?如果每次回答都回到同一套指标,创业团队就不会被一次漂亮演示牵着走。12:54分析师访谈里有一个很值得产品团队反复咀嚼的概念:通用大脑。柯丽一鸣认为,一个通用大脑应该能够控制不同的硬件构型,比如双臂、轮式底盘、腿式结构和人形,而不是只为某一种形态服务。 她的逻辑很简单。人的大脑可以协调身体、车辆和工具,机器人智能的通用性也不应该被锁死在一种外形上。人形有现实优势,因为很多环境是按人的身高和动作设计的;但在具体任务上,轮式、双臂或者更简单的构型,可能更早达到可用标准。13:29主持人这对创业者是一个产品定义问题。你是在卖一台机器人,还是在卖某个任务的完成?如果卖的是任务,就不该把全部战略押在形态上。先找到能够反复交付的工作,再判断哪种硬件最便宜、最安全、最容易收数据。 另一个好处是,跨构型训练会迫使团队把「能力」从单台机器上抽出来。你会更早面对动作表示、数据格式、评估标准和部署接口这些基础问题。这些东西不够性感,却可能是未来迁移到更多硬件的真正资产。 这里也能看出基础模型公司的一个经营难点。研究团队希望覆盖更多构型,客户却通常只为一个明确场景付费。公司需要同时维护两种语言:对外,把价值说成一个能交付的工作结果;对内,把工作结果拆成动作空间、传感器输入、数据采集和模型更新。只讲通用性,会让销售无法承诺;只讲单一项目,又可能把研究资产锁死在一次交付里。 比较稳妥的做法,是用一个明确的商业场景做窄入口,同时让底层数据结构和评估接口保持可迁移。这样每一次客户部署既是收入,也是对通用能力的一次约束测试。创业公司不必一开始就证明自己能控制所有机器人,但要证明每新增一种构型,复用成本确实在下降。14:58主持人这集也不只是技术访谈。柯丽一鸣讲到,她从读博时更像独狼的工作方式,进入 Pi 后必须适应多人协作。她也提到,代码智能体正在减少一部分沟通成本,但这不等于团队不再需要沟通。 Pi 仍然保留比较明显的学术文化:重视论文、愿意公开研究,也没有把办公室变成完全隔离的保密空间。对一家机器人创业公司来说,这种开放有实际价值,因为它需要吸收不同学校、不同硬件和不同研究传统的经验。 开放也会带来边界问题。论文可以公开,客户数据、尚未稳定的安全策略和具体商业合同却不能随意公开。对研究型创业公司,真正成熟的做法不是「全部开放」或「全部保密」二选一,而是把可复现的科学结论、不可外泄的业务信息和需要共同评审的安全风险分开管理。这样既能吸引研究人才,也不会因为追求学术声誉而牺牲客户信任。16:04分析师但开放不等于松散。通用大脑这种目标,天然需要跨学科的人一起工作。有人理解强化学习,有人能把数据采集跑起来,有人能处理硬件和控制,还有人能把研究变成用户能理解、能使用的产品。 这里有一个组织层面的判断:早期创业公司可以用个人天赋起步,但不能长期依赖个人天赋交付。你要把研究假设、数据来源、失败记录和评估方法公开到团队能共同复盘的程度。这样公司才有机会从「某个天才会做」变成「组织能持续做」。 这也解释了为什么她会把沟通和工具放在一起谈。代码智能体可以帮忙生成、检索和整理,但它不能替团队决定哪个失败值得继续追,不能替负责人判断数据是否带有偏差,也不能替研究员承担错误部署的责任。高效协作的终点不是少开几次会,而是让关键判断更早暴露、更快被不同角色挑战。 对早期团队,可以设一个固定的研究复盘节奏:每周只回答三件事。哪一个失败是新信息,哪一个成功可能只是环境偏置,下一周必须补哪一条数据。把这三件事写下来,组织文化才不会只停留在办公室里「大家都愿意交流」的口号。17:23主持人我们把本期内容收成四个动作,方便你带回下周的产品会。 第一,重新定义 demo。不要只问模型能不能完成一次,问它在什么环境、什么失败率和多少人工接管下,仍然值得部署。 第二,给数据做环境标签。客户、物体、光照、动作步骤和人工纠正都要留下记录。尤其要把没见过的场景当成正式测试集,而不是上线后才发现的事故。 如果团队现在还没有条件做大规模采集,也可以先从一张失败表开始。每一条失败都记录发生在哪里、机器人当时看到了什么、采取了什么动作、人工怎样接管、最后是否值得重试。这样做的价值不在于表格漂亮,而在于让下一轮训练和产品决策有共同的事实基础。对于一支早期团队,几十条高质量失败记录往往比一段没有标注的长演示更有用。 接着问三个问题:这个失败是感知问题、规划问题还是执行问题?它能靠更多数据解决,还是要改硬件?如果必须人工接管,客户是否仍然愿意为这个版本付费?把问题问到这里,产品路线通常会比「我们还需要更多数据」更具体。18:43分析师第三,先选任务,再选形态。人形可以是一个方向,但不应该成为默认答案。一个更简单的机械结构,如果能把高价值任务稳定完成,可能更适合早期创业公司建立现金流和数据闭环。 第四,把责任写进产品。需要确认的动作、人工接管、权限分级和事后追溯,和模型能力一样重要。柯丽一鸣讲到智能体时说得很清楚,信任来自责任,而不是来自模型表现得像人。 还要补一条素材说明:原集录制时还没有展开派零点七,主持人在 shownotes 里补充了它关于统一模型、架构和自主 rollout 数据的说明。我们把它当作录制后的文字补充,没有把它当成嘉宾在本期录音里的观点,也没有用它替代本期对派零到派零点六的完整理解。 最后再给一个三十天的落地版本。第一周,选一个不能靠人工演示掩盖问题的真实任务,写下成功、失败和必须停机的定义。第二周,把历史数据按环境和失败原因重新标注,找出最常见的三个断点。第三周,拿一个没见过的场景做盲测,记录成功率、人工干预时间和单次成本。第四周再决定,是缩窄承诺、换硬件,还是增加数据采集。这个顺序能把研究问题和现金流问题放在同一张表里。20:08主持人这就是本期的核心。Physical Intelligence 这场访谈真正值得创业者带走的,不是「机器人领域的 OpenAI」这个比喻,而是一套更朴素的排序:先做出能力,再验证泛化,最后把表现和责任做成产品。 感谢收听七档 AI 创业者精选播客缩短版。原集链接和 Physical Intelligence 的公开研究页面都放在节目正文里。下期我们继续从七档来源的新集里,找能直接回到产品、组织和商业判断里的内容。