JIm Fan: 最近我在X上有点沉默。这一年对我来说，是一次充满蜕变的旅程。

尽管Grok-4和Kimi K2这些新兴大语言模型很棒，但如今的机器人领域却依然像一片奇妙的西部荒野。它让我回想起2018年的NLP领域，那时GPT-1刚刚诞生，BERT横空出世，成千上万种新奇的想法纷纷涌现。没人知道最终哪个想法能成为日后的ChatGPT。争论不休、混沌无序，但创意火花四溅，令人兴奋。

现在，我相信机器人的“GPT-1时刻”其实已经到来，就隐藏在Arxiv的论文海洋中，只不过我们还不知道它到底是哪篇。它可能是世界模型（World Models）、强化学习（RL）、从人类视频学习、仿真到现实（sim2real）、现实到仿真（real2sim），或者它们的某种组合。目前的局势依然像当初NLP一样：争论激烈、熵值极高，但点子又新奇又好玩，而不是挤破头去刷什么AIME和GPQA榜单的最后一点百分比。

机器人设计的复杂性远超大语言模型。因为LLM只需要处理干净简单的“比特世界”（即文本），而机器人则需要面对混乱而真实的“原子世界”。毕竟，我们手中控制的是一坨被软件定义的真实金属。搞LLM的人可能难以想象，到现在为止，机器人领域甚至连一个统一的基准测试标准都还没确定下来！不同的机器人各有长处：有的擅长杂技动作，有的更会精细操控物体；有的适合工业场景，有的则擅长做家务。跨不同载体、适用于各种机器人的通用大脑，不只是研究里的噱头，更是实现真正智能体的必要条件。

过去一段时间，我跟数十位不同机器人公司的高管们聊过，其中有老牌企业也有新兴初创。有些公司卖完整的机器人整机，有些专门卖高灵巧度的机械手。还有更多的公司，则选择卖铲子——比如机器人制造工具、仿真平台，或者用于训练的数据采集系统。机器人商业领域的创意，同样百花齐放，简直就像一场新淘金热潮，就像2022年ChatGPT带来的创业热潮一样。

而最佳的进入时间，往往就在共识最少、混乱最大的时刻。目前，我们还在损失函数曲线的开头——虽然看到了一些强有力的生命迹象，但离收敛还远得很。每一次梯度的探索，都会把我们带往未知的领域。但有一点我坚信不疑：如果不深入现实世界去触摸、感知，并被赋予一个真实的身体，所谓的AGI（通用人工智能）也就无从谈起。

说些更个人的话——掌管一家研究实验室，让我感受到了一种前所未有的责任感。当我需要直接向一家市值4万亿美元公司的CEO汇报进展时，说实话，这种体验既刺激又让人精神高度紧张。再也不像从前那样，可以轻轻松松地跟上并深入研究每一条AI领域的新资讯了。

我会尽量抽时间，继续与你们分享我的旅程。

点击图片查看原图