卡差两个零：三次换轨之后，他给具身算的账
他在 Agent 最热的那一年，把一份去美国的 offer 推掉了。
0:00 / 19:33
卡差两个零：三次换轨之后，他给具身算的账
Agent 最热的那一年，他把一份去美国的 offer 推掉了。那家公司是 TikTok。他自己的说法是，如果当年去了，现在人应该在美国。之后他从 Agent 转到多模态，做了一年多，又转到具身。1
欢迎收听《七档 AI 创业者精选播客缩短版》。
这一期的原节目是《42 章经》，主持人曲凯，嘉宾王淏楠。他在陈天桥和代季峰创办的 MiroMind 做最早一批 Agent，后来到腾讯混元负责多模态强化学习的 infra，主导开源了 UniRL，最近去了一家具身公司，做基模的预训练。原集五十四分钟，我们把它重排成九段会落到公司选择、赛道判断和产品机会上的内容。
这一集带走什么
- 他离开 Agent，是算出来的一年。 二〇二五年十二月，他意识到如果继续做 Agent，接下来大概率是以造数据为主干一整年：Agent 的数据长什么样、怎么造、评测怎么做，当时行业里都没共识，全在摸索。这件事对个人积累不够，也不够有趣，所以他走了。
- 多模态最后只剩两条路。 一条是沿着 Diffusion 继续做视频生成，另一条是生成 Action。两条的技术底座是同一个模型，所以做视频的人转去做具身的动作生成，代码库基本能接着用。
- 视频生成的 R1 时刻，他们试过，没来。 团队当时判断视频生成也会像语言模型那样，靠强化学习把能力拉起来。做了半年，结论是没有：视频的能力提升主要还在预训练那一侧，后训练有效，但不是让能力跳一级的东西。而预训练拼数据，数据走不了捷径，要么花钱，要么有产品做数据回流。
- 视频生成现在六十分。 他给的上限是一百。缺的不是模型，是中间层：一个像小红书编辑页那样、让普通人也能操作电影质感模型的 harness。抽卡也不会消失，只是从「抽到废片」变成「你和我的品味不一样」。
- 在大厂做不成具身。 具身不太赚钱，产业链又长，像汽车和手机，对大厂来说利润太薄、控制力太弱；组织上大厂分得细，想伸手碰数据那一段，别人会觉得你越界。他的结论是：真要做具身，去具身厂，扎根基层，自己上手摇操。
- Astra 改的是输出层。 语言模型输出 token，要先解析成关节角才能动机械臂；具身模型输出的是有物理意义的 vector，每一维就是关节角。过去大家不信大模型能直接管机器人，Astra 能按指令输出真的能操控硬件的序列，所以具身圈震动。它抹平的是各家在「大脑」上的积累。
- 卡差两个零。 大模型公司现在是五六家在分卡，具身是上百家在分，而且分的是大模型剩下的。他判断最后是两个系统：上面一个特别大的模型负责理解，下面一个小模型直接操控本体。
- 现在入场不是四九年加入国军。 他承认估值已经很高（去年他就说过有泡沫，今年更上一层楼），Astra 又把「大脑」的故事打掉了一层。但他给的理由不是行业：如果他是短期利益驱动，当年就去做 Agent 了。他算的是自己要在这一行待二十年。
带回团队的三个判断
- 判断一个方向值不值得待，看未来一年你是不是还在解同一类问题。 他两次离开都不是因为方向冷了，而是看清了自己接下来会被什么工作填满。这个标准比趋势判断可靠，因为它能提前一年验证。
- 判断一个赛道能不能进，先数三样东西：卡、数据、场景。 卡差两个零；数据只能真机采，仿真里模型会用中指和食指把瓶子捏起来；场景要选地是平的那种，比如酒店叠被子。三样都不在你手上，进去也只是替别人验证路线。
- 大模型变强不等于创业公司没戏，但它会重新分配价值。 Astra 抹平了大脑上的积累，同时把「接管数据」变成了新资产：模型成功率五六十，快失败时让大模型接管，这条失败之后怎么回来的数据，是数据里最值钱的一种。上面的大脑归大厂，下面的小模型、本体和数据管线归具身公司。
研究摘要与素材边界
本期的底稿是《42 章经》官方公开完整音频（五十四分钟）的分段整篇自动转写，共六段。录制时这个节目还没有发布官方逐字稿；文字版发在「42 章经」公众号，本轮查到该号最新一篇是十月十八日的 Ambi 访谈，本期文字版尚未发出，所以赶时效只能整篇转写。官方单集页给出了四十六个章节的时间线（Agent 到多模态、视频生成、Astra 与具身），用来做主题索引；原声窗口一律以我们自己的转写和位置核验为准。
正文与音频里的判断和数字，都按「他在这一场访谈里的说法」呈现，没有改写成独立核验过的结论。涉及估值、融资额度的数字，均为嘉宾在节目中的自述；其中提到 Astra 空间理解力可能来自 Blender 这类三维渲染数据的那一条，是节目里在场者转述的传闻，音频与正文都按传闻处理。
十一段原声都从这份公开音频里按原始时间码裁取，只截嘉宾单人口播的窗口、不混入提问；每段起点都用波形互相关核对过，峰值偏移均为零。原声字幕按音频内容整理，自动识别在专有名词和数字上仍可能有误差。
这一集只取了对决策有用的部分。原集还聊了他的求学经历（读过五个大学）、AI for Science 这条他不打算走的路，以及一些技术细节的展开，没有纳入。
想听完整上下文、现场语气和这一期没有纳入的对话，可以回听《少有的同时做过 Agent、多模态和具身的人 | 对谈前混元多模态 RL Infra 负责人淏楠》。
本节目是对原节目的编辑性转译，不替代原节目。
References
- 1《少有的同时做过 Agent、多模态和具身的人 \| 对谈前混元多模态 RL Infra 负责人淏楠》官方单集页
xiaoyuzhoufm.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.