具身智能的iPhone时刻，悄悄发生在了清华的一间小院子里...

大家好，我是袋鼠帝。

说实话，这两年，具身智能的新闻看多了，已经有点麻了。

很多机器人的视频一出来，我第一反应是剪辑，或者是遥操，要不就是提前写好的脚本，因为其实大多数都一场精心设计好的表演。

看着挺灵活，实则很死板...

也不是我悲观。

现在市面上绝大多数具身智能，感觉在模型层面都是拼装的：

可能视觉一套模型、语音一套模型、动作一套模型，缝合在一起，本质上是割裂的。

然后还有一些机器人的核心计算是靠云，一断网基本就废了。

以及大多数机器人执行任务是预先写好的脚本，机器执行的是"程序"，不是真有脑子。有的可能有一点点脑子，但不多。

特别是春晚那些整齐划一跳舞的机器人，当时看着是挺震撼的。但那本质上就是一段段写死的脚本，这样的机器人根本没有泛化能力。

我之前也咨询过具身智能行业的朋友，他告诉我，具身智能目前最大的问题就在于对物理环境感知并实时做出精准反应的能力很差。

脚还好一点，特别是手，很多时候根本没法看。所以朋友表示，目前离那种能真正丝滑感干家务的机器人还远。

直到，6月15号，好朋友甲木带我去了一场一念 UnisonMind（清华团队） 的闭门发布会。

是在清华的一间小会议室，20多个人，全程录像。展示他们具身智能的一些成果。

主要展示的是两条机器狗、一个机器人、一台电动轮椅，以及他们背后跑的是同一套大脑：UnisonMind

注意，是同一套。视觉、语音、执行动作，完全只靠一个模型，不是各管各的，这次真就像人一样只有一个大脑，同时能听、能看、能说、能做。

UnisonMind是目前业内唯一一个同时支持全模态输入全模态输出的端侧模型。

而且这次发布会是全程录像，无遥控，无遥操。

然后有几个瞬间，我完全被惊艳到了。

比如机器狗（啸天）在数人颠乒乓球，数完之后，它还会主动告诉现场"应该有人能颠更多"，然后跑到人群里去邀请。最终能数对，得益于它理解的是实时的视频流，而不是抽帧识别。

这个视频非常有意思，建议大家看完，我是真切的感受到，几位研发者，是对这个机器狗有感情的。

机器人（杨戬）导览完两幅画，导览前还顺嘴说了句"我背上的显卡有点重"。

机器狗（啸天）被支开去咖啡店点咖啡，路上顺便聊了马迭尔雪糕。

啸天还挺幽默，看着机器人蹲在那，调侃：“你是来拉屎的吗” 哈哈哈

反正看完到这些，我有点懵。

虽然它们还是有点步履蹒跚，行动迟缓，但它们对物理世界的感知是非常真切的，而且我感受到它是真正有灵魂，有性格的。

一念 UnisonMind，认为物理AGI需要满足"3+1"个必要条件：一个统一多模态大脑、理解和生成在同一个脑子里、流式持续运行，并且这个大脑必须完整运行在端侧。

简单来说就是：就跟人带的脑子一样。我非常赞同。

端侧模型意味着参数量不大，我记得UnisonMind是一个只有11B参数量的模型，机器人背上的显卡（agx）就是他们的驱动引擎。

对于行动慢的问题，我觉得后续如果换一个算力更强的GPU应该就能更快了。

其实在6月15号的发布会之前，我就已经见过它们了。

六月初，趁着去北京参加腾讯云AI峰会，我跟着好朋友甲木，去了一趟我梦寐以求的清华大学。

不得不说，清华大学跟我想象中差异很大。

我以为会是那种非常豪华气派的校园，结果并不是。

对比现在很多新建的大学，反而有点老旧。

当然，里面的历史厚重感可能是别处没有的。

因为很多对国家做过卓越贡献的科学家、学者，都在这里学习、工作过。想到这些，心里不由的肃然起敬。

但这趟清华之行给我印象最深的，其实是一个小院子（忘记拍照了。。）。

来的时候甲木跟我说，他有个好朋友的团队，在清华里面做机器人、机器狗，甚至还有机器轮椅。我一直对具身智能很感兴趣，还没到小院就已经开始兴奋了。

到了之后他们给我拿了一罐啤酒、倒了杯咖啡，然后几位小院的主人就很热情地给我们介绍起他们自研的端侧模型：UnisonMind。

参数量有11B的，也有30多B的。

一上来，我就被这款支持全模态输入、全模态输出的模型给震撼住了（市面上独一份）。

文字、图像、视频、语音，全部都能输入，也全部都能自由输出，而且全在同一个模型里处理。

随后他们又带我去看了几台机器人：两条机器狗（一个四条腿、一个四条轮子）、一个人形机器人、还有那台轮椅。

演示之前，其中一位朋友先给我看了他们和机器狗的日常视频，一边播放，一边介绍它的各种"幽默"话语和行为，真的超有意思。

在跟机器人交流的时候，我能从他们眼神里看到一种成就感，还有就是那种父母看孩子的眼神。我能明显的感受到，他们是真的对这些机器人注入了很多心血和情感。

那天演示的机器狗叫"哮天"，给我留下了非常深刻的印象。

它话不多，性格偏冷，但总是冷不丁蹦出一些惊人的言论，还挺精辟。

比如让它别在太阳底下晒，去阴凉的地方，它居然真的跑过去了。让它看门口的快递，它也去了。聪哥让它数看视频里投进多少个篮，它也能够数对。虽然是每次说话吐字很少，但总带点幽默。以及它还挺害羞，老是想往屋里跑。。

活人感足足的。

还有一些事，让那天的我久久不能平静..

比如后来，我们聊到现在代码基本上都交给 AI 写了。

然后那位小院的主人说，他基本不用 AI 写代码。原因是 AI 写不出他要的东西。

原话是："很多时候 AI 写的我还要改得更多。"

我们当时直接无语住了……

只能说太强了，AI 都写不出来的代码，那只能是这个世界目前最前沿的那批东西了，没别的解释了。

后来跟教授一起逛清华校园的时候，我们才知道小院里的几位，各自都是当年省里的高考状元。

而且，每个人貌似都是非常自由的。

做机器人，对他们来说，完全是个人爱好。

我当时就愣了一下，根本没想到有一天会被一群学神包围了，这应该是我这辈子第一次跟这么多状元接触吧。这种经历，除了在清华这种顶级院校外，应该很难碰到。

而且他们每个人都很友好热情，且朴素，而且那个小院虽然挺不错，但也就是一个在清华里面普普通通的小院子。突然给我一种扫地僧的感觉。

怎么形容那个小院子呢。大家看小说应该都懂，就那种顶级学院里不起眼的小角落，卧虎藏龙住着几位高人的感觉。

如果硬要类比，有点像斗罗大陆史莱克学院里史莱克七怪那种氛围。

关键是他们对机器人真的就像对自己孩子一样，完全沉浸在里面，眼睛里面也是光芒万丈。

我好久都没有这种感受了，真的深深感染到我。

我就在想，一个人，如果能选择每天做他最喜欢做的事情，这应该就是人生最大的自由了吧。

而且本来做自己喜欢的事情的时候就会事半功倍（我深有体会），这已经足够把任何事情做好，更不用说他们已经是这个世界上最聪明的一批人。

这种能量，完全不敢想象。

这肯定也是他们做具身智能快速取得突破的一大原因。

庄子说"至乐无乐"：真正的快乐不需要向外证明，就是一头扎进去，废寝忘食，乐在其中，进入心流的状态。我那天在小院子里，看见了这句话的现实版。

最后，"iPhone时刻"这个词，我也不是随便用的。

iPhone刚出来的时候，也卡、也不完善、App少得可怜，体验远谈不上完美。

但它做到了一件事：让所有人第一次看见，手机原来可以是这样的，这个方向是走得通的。

一念这次做的，是用四台完全不同的设备+同一套“大脑”，在20多个人面前被实时打断、追问、检验，虽然目前行动还是迟缓，但是至少撑下来了，完成的不错。

程序脚本做不到这件事。这次做到的，是一个可以一直跟着世界往前走的"大脑"。

我不会说物理 AGI 今天就实现了。

但我想说：具身智能的拐点，可能会比大多数人以为的，要来的更早些。

而且它正悄悄的发生在清华的一间小院子里...

我是袋鼠帝，一个致力于帮你把AI变成生产力的博主。我们下期见～

能看到这里的都是凤毛麟角的存在！

如果觉得不错，随手点个赞、在看、转发三连吧~

如果想第一时间收到推送，也可以给我个星标⭐

谢谢你耐心看完我的文章～