人如其食，机器人也是吗？丨WAIC见闻录③

You are what you eat(你吃什么，你就是什么)。

这句英文日常俗语，可能很多人都听过。它最早由法国美食家布里亚-萨瓦兰在1825年的著作《厨房里的哲学家》（被后世称为“饮食圣经“）中写道 “告诉我你吃什么，我就能知道你是什么样的人”。

他认为，一个人的心理、情绪和身体健康，与他所吃的食物息息相关；好的食物能塑造健康的身体和温和的性格，而糟糕的食物则会损害人的体魄和内心。

几十年后，德国哲学家费尔巴哈也用一句简洁有力的话再次强调了这一观点——“A man is what he eats.（人如其食）”。

没成想过了两百零一年，从塞纳河畔到黄浦江边，我听到了全球最聪明的五个大脑，说了类似的观点，这一次他们说的不是人，而是机器人：未来竞争的关键在数据，标准化的高质量数据投喂的机器人，才能真正的聪明起来、好用起来。

WAIC世界人工智能大会期间，我没想到会经历这么一个场景，场外是机器人舞台对决挥拳，场内是科学家们为了理念辩论，激烈异常。

智元、觅蜂把具身智能领域里的五位大咖请到了上海同台：Physical Intelligence 的任至意、Genesis AI 的王尊玄、Dyna Robotics 的马也骋、Sunday Robotics 的赵子豪，再加上佐治亚理工的徐丹飞，清一色华人青年学者，个个手握全球顶流的技术路线。

表面是学术交流，话里话外全是锋芒。有人说VLA已经过时，有人力挺WAM才是正道；有人坚持只做AI 大脑，有人笃定软硬件全栈整合才是答案。

吵得越凶，越能看清一件事：所有路线之争的终点，都指向同一个胜负手，那就是数据。

看惯了产业界一团和气的我，听着这些“吾爱吾师，吾更爱真理”，为了真理越辩越明而在台上你来我往的大咖们，有种感觉到了什么叫赤子之心，也感受到了具身智能最大的魅力所在，这个产业此刻还足够纯粹。

机器人的大脑，该选哪种设计？

最先擦出火花的，是机器人大脑的技术路线之争。

“VLA已死，WAM当立！”这个说法，最近很有市场。

VLA（视觉 - 语言 - 动作模型），是指让机器人看懂画面、听懂人类指令，直接输出动作指令，是当下主流的方案；WAM（世界动作模型）则让机器人能提前预判做完动作后环境会变成什么样，边预判边执行，稳定性更强。

来自硅谷明星公司Physical Intelligence 的任至意当然不同意这个说话，他自豪地说：“到目前为止，没看到哪家的演示效果能超过自家的 π0.7 模型，VLA 还没死。”

△ 现场展示的数据采集装置

PI 是当前全球最火的具身模型公司之一，它的 π0.7 模型刚拿下了跨本体泛化的天花板成绩。

跨本体泛化，简单说就是在A 款机器人上学到的技能，不用重新教、不用微调，直接就能用到结构完全不同的 B 款机器人身上。

在任至意看来，VLA 和 WAM 根本不是非此即彼的敌人，未来一定会走向融合：一个负责听懂指令、知晓任务，一个负责预判后果、谨慎执行。

Dyna Robotics 的马也骋并不同意这一观点，他拿出了数据：团队切换到WAM 路线后，在餐巾折叠这类工业场景里，可靠性提升非常明显：商用模型 DYNA-1 能做到 24 小时无人干预，连续折叠 850 多张餐巾，成功率 99.4%。

在马也骋看来：在追求高稳定性、低调试成本的落地场景里，WAM 的效率确实比传统 VLA 更高。

其实，在花生看来，这俩看似针锋相对，其实说的是同一件事：无论选哪种大脑架构，决定能力上限的从来不是架构本身，是喂进去的训练数据。

π0.7 的跨技能迁移，靠的是海量多场景、多形态机器人的真实交互数据；Dyna 的工业级稳定性，靠的是真实上岗后攒下的全流程数据。

架构只是容器，数据才是真正的燃料。

做全栈，还是只做大脑？

具身智能走到最后，到底该软硬件一把抓，还是只专心做好AI 大脑？

腾讯首席科学家、Robotics X 实验室主任张正友在圆桌里说得很坦诚：腾讯只做大脑，不做机器人本体。理由很实在：“腾讯历史上做硬件没太多成功经验，有自知之明。”

这句自嘲收获了全场的笑声，还有人拍手叫好，多说一句，在花生看来，无论是自嘲，还是如话中所说主动设定边界，清晰表达观点，都是非常自信的表现。

△ 具身智能要想变得更聪明，就要有更好的数据投喂它，而数据采集就是在制作教科书，因此 备受市场关注

在张正友看来，这行不会只有一种赢家，就像手机时代有苹果那样的全栈模式，也有安卓这样的开放生态，纯大脑路线一样有生存空间。

PI的态度感觉有些松动。任至意坦言，现阶段用结构简单、维护成本低的机器人本体，是为了快速迭代模型；但长期来看，软硬件垂直整合的优势更大，未来不排除下场自己做硬件。毕竟软硬件深度绑定，才能把模型能力压榨到极致，也才能拿到最贴合自身模型的第一手训练数据。

智元走的则是最重的全栈路线。智元合伙人、觅蜂科技董事长姚卯青告诉花生：商业化落地要面对客户对可靠性、成本、一致性的严苛要求，只有打通机器人本体、硬件、算法、控制、落地全链路，才能在系统层面找到最优解。

更关键的是，全栈意味着数据闭环的主动权完全握在自己手里。机器人每天在真实场景里产生的成功、失败、异常恢复数据，都会持续回传给模型，形成越用越聪明的正向飞轮

如果说第一个问题是技术路线之争，那这轮本质就是商业问题，后者没有对错高低，只有不同阶段的选择罢了。

就看谁能以更低的成本、更快的速度、更高的质量，持续生产真实物理交互数据，谁就能跑得更快。

拼到最后，就看数据质量

五个大咖争了一个上午，产生了唯一的共识：具身智能想要迎来类似ChatGPT的爆发时刻，核心瓶颈就是数据。

姚卯青认为目前业内存在三道墙，阻碍了发展：一是数据墙，真实世界的交互数据极其稀缺，获取成本极高；二是表征墙，不同任务、不同场景、不同机器人之间的经验没法通用共享；三是闭环墙，真实场景里试错代价大、反馈慢，很难规模化迭代。

而各家企业选择的措施，其实就是不同路径的破壁人罢了。

有人深挖高价值真机数据，有人通过无本体采集把真实世界的人类操作经验规模化，还有人让机器人先在虚拟世界里反复练习。路径千差万别，目标高度一致：把物理世界里的动手经验，变成AI 模型能看懂、能学习的标准化数据。

△ 数据采集工厂也被视作机器人的学校

在花生看来，这也是觅蜂科技的最大价值所在，ta就像是一家数据基础设施公司。

通过搭建数据采集、治理、评测的全链路平台，把散落在各个场景里的交互经验，加工成能驱动模型进化的通用燃料，相当于把人类在真实世界里积累的经验，整理成机器人看得懂、学得会的“武林秘籍”。

纵观商业世界，当别人争着掘金的时候，卖铲子的人往往会最先占据先机。

姚卯青，提出了一个很有趣的判断：要让机器人达到实现开箱即用，大概需要一亿小时级别的真实交互数据。而现在整个行业的数据规模，和这个目标还差了上万倍。

英雄所见略同， 7月20日，佐治亚理工学院助理教授、NVIDIA 研究员徐丹飞发了一串手绘涂鸦式的推文，看似是随手的铅笔画，背后是对具身scaling law的思考。

看来具身智能的前行之路，道阻且长呢。

多说两句，两年前，花生来WAIC，具身智能也就五六家企业；去年来WAIC，大家比的是演示视频好不好看，参数够不够炫；今天聊具身，大家吵的是落地成功率、数据成本、部署效率。

如今的，具身智能走出了PPT 阶段。路线越多元，争论越激烈，越说明这个行业正在从蛮荒走向成熟，这是件好事儿啊。

文 | 李皙寅·花生

编辑 | 黑松