日前，Generalist AI推出的GEN-1模型在具身智能領(lǐng)域引發(fā)熱議，其CEO Pete Florence甚至斷言機(jī)器人技術(shù)正臨近「ChatGPT時(shí)刻」。

據(jù)官方介紹，GEN-1在多任務(wù)中成功率達(dá)99%，執(zhí)行速度提升3倍，還具備強(qiáng)大的意外恢復(fù)能力。這些亮眼數(shù)據(jù)背后，是具身基礎(chǔ)模型首次觸及關(guān)鍵門檻——從「能演示」階段穩(wěn)步邁向「可部署」的商業(yè)化階段。

這不禁讓人好奇：新一代物理AI模型究竟如何訓(xùn)練而成？

業(yè)內(nèi)消息顯示，此次能力躍遷的底層支撐是全新的數(shù)據(jù)與仿真基礎(chǔ)設(shè)施體系，光輪智能作為關(guān)鍵參與者發(fā)揮了重要作用。

GEN-1的出現(xiàn)標(biāo)志著：具身智能的競爭陣地正從模型層轉(zhuǎn)向背后的基礎(chǔ)設(shè)施層。

光輪智能CEO謝晨在訪談中透露行業(yè)動(dòng)態(tài)：「今年頭部大廠已全力布局機(jī)器人VLA，字節(jié)、阿里等國內(nèi)企業(yè)，以及OpenAI、DeepMind、英偉達(dá)等海外巨頭，推進(jìn)速度都非常激進(jìn)?！咕揞^加速入局，將競爭焦點(diǎn)推向支撐模型快速迭代的基礎(chǔ)架構(gòu)層。

不止模型升級，競爭重心轉(zhuǎn)移

分析GEN-1的影響需跳出版本升級思維，其深層意義在于：首次將具身基礎(chǔ)模型從「證明機(jī)器能學(xué)」的驗(yàn)證期，推向「接近可部署」的商業(yè)化門檻。

其中三大突破尤為關(guān)鍵：超高成功率、快速執(zhí)行能力、意外情況自我恢復(fù)能力。

這意味著行業(yè)關(guān)注焦點(diǎn)已轉(zhuǎn)變：從業(yè)者更關(guān)心模型執(zhí)行是否穩(wěn)定、動(dòng)作是否敏捷、面對現(xiàn)實(shí)偏差時(shí)是否具備魯棒性。

邏輯推演可知，模型跨越初始可用性門檻后，行業(yè)突出矛盾將轉(zhuǎn)化為如何讓模型持續(xù)穩(wěn)定變強(qiáng)。此時(shí)核心問題變?yōu)椋耗芊瘾@取更大規(guī)模、更高質(zhì)量、更多樣的數(shù)據(jù)？能否可靠判斷模型是否進(jìn)步？能否在更廣場景、更復(fù)雜任務(wù)中暴露失敗模式？能否形成「發(fā)現(xiàn)問題→補(bǔ)充數(shù)據(jù)→訓(xùn)練→驗(yàn)證」的反饋閉環(huán)？

由此可明確判斷：行業(yè)真正稀缺的資源已超越更強(qiáng)模型本身，支撐模型持續(xù)進(jìn)化的基礎(chǔ)設(shè)施能力成為制勝關(guān)鍵。具身智能競爭正全面向上游溯源，基礎(chǔ)設(shè)施層成核心戰(zhàn)場。

這些判斷在張小珺對謝晨的訪談《機(jī)器人數(shù)據(jù)的綜述：新時(shí)代的石油》中得到印證，謝晨還分享了更多具身智能數(shù)據(jù)基礎(chǔ)設(shè)施的洞見。

模型能力躍遷后，追問能力來源

GEN-1展示了能力形態(tài)的顯著變化，而張小珺與謝晨的深度對話為理解這種變化提供了關(guān)鍵視角。

訪談中，謝晨提出深刻類比：「從第一性原理看，數(shù)據(jù)與模型的關(guān)系類似教育與人類學(xué)習(xí)?！惯@表明數(shù)據(jù)已超越樣本集合屬性，成為學(xué)習(xí)信號、經(jīng)驗(yàn)傳遞途徑和能力塑造方式。

以此框架審視具身智能前沿，會(huì)發(fā)現(xiàn)前沿模型的成功難以簡單歸結(jié)為數(shù)據(jù)量堆砌，核心在于：具身智能首次形成真正的學(xué)習(xí)系統(tǒng)。

在這個(gè)系統(tǒng)中，數(shù)據(jù)采集、行為保留、失敗強(qiáng)化、能力優(yōu)化不再是隨機(jī)孤立事件，而是被高度系統(tǒng)性構(gòu)建。

這揭示了深層產(chǎn)業(yè)演進(jìn)：數(shù)據(jù)正從「靜態(tài)數(shù)據(jù)集」加速變?yōu)椤竸?dòng)態(tài)教育系統(tǒng)」。

謝晨清晰梳理了這一過程：從機(jī)器視覺時(shí)代填鴨式的靜態(tài)數(shù)據(jù)集，到工業(yè)化大規(guī)模數(shù)據(jù)生產(chǎn)，再到大模型時(shí)代的反饋驅(qū)動(dòng)。他總結(jié)：「數(shù)據(jù)應(yīng)被定義為幫助模型學(xué)習(xí)的信號及相應(yīng)經(jīng)驗(yàn)?！?/p>

這種演進(jìn)本質(zhì)是數(shù)據(jù)向「針對性指導(dǎo)」發(fā)展。傳統(tǒng)機(jī)器人訓(xùn)練追求完美軌跡，但當(dāng)前具身模型訓(xùn)練中，嚴(yán)格完美不再絕對。

謝晨分享服務(wù)客戶的實(shí)踐經(jīng)驗(yàn)時(shí)提到反直覺認(rèn)知：「最有效的數(shù)據(jù)是先失敗再成功的數(shù)據(jù)?！乖谒磥?，完美視頻未必最有價(jià)值，包含糾錯(cuò)過程的負(fù)樣本能賦予模型在非結(jié)構(gòu)化環(huán)境中隨機(jī)應(yīng)變的能力。

在這個(gè)新階段，行業(yè)涌現(xiàn)出超越單純數(shù)據(jù)提供、致力于構(gòu)造學(xué)習(xí)過程的全新能力體系，光輪智能就是其中關(guān)鍵參與者，正為具身智能打造完備教育閉環(huán)，讓模型在海量仿真與現(xiàn)實(shí)交互中持續(xù)進(jìn)化。

隱性瓶頸：評測與仿真基礎(chǔ)設(shè)施

謝晨認(rèn)為，當(dāng)今具身智能的底層邏輯已超越單一模型算法，涵蓋數(shù)據(jù)、評測及反饋機(jī)制等能力。

這些核心要素構(gòu)成全新能力體系——學(xué)習(xí)基礎(chǔ)設(shè)施（learning infra）。模型較弱時(shí)，該系統(tǒng)處于隱性狀態(tài)；模型變強(qiáng)后，它就成了制約行業(yè)發(fā)展的真正瓶頸。

系統(tǒng)中最關(guān)鍵的環(huán)節(jié)是評測。

謝晨明確指出：「具身智能當(dāng)前最關(guān)鍵的問題是評測，尤其是規(guī)?；u測。」

原因很簡單：測不出來的問題，模型永遠(yuǎn)學(xué)不會(huì)。

評測為何困難？自動(dòng)駕駛評價(jià)近乎「免費(fèi)」，因有「影子模式」可拿司機(jī)操作實(shí)時(shí)對比反饋，但機(jī)器人在現(xiàn)實(shí)世界缺乏大規(guī)模評價(jià)基礎(chǔ)。沒有規(guī)?；u測，開發(fā)者無法準(zhǔn)確判斷模型是否進(jìn)步，無法系統(tǒng)性發(fā)現(xiàn)失敗模式，自然無法形成有效反饋閉環(huán)。正如謝晨強(qiáng)調(diào)：「解決不了這個(gè)問題，就很難衡量具身智能的提升，這是核心?！?/p>

在仿真中建立類似自動(dòng)駕駛的「影子模式」評價(jià)體系，是具身智能跨越預(yù)訓(xùn)練時(shí)代的唯一路徑。

同時(shí)，數(shù)據(jù)結(jié)構(gòu)也在深刻變化。具身智能發(fā)展路徑正擺脫對單一硬件本體數(shù)量的依賴，走向新路線。

謝晨觀察到：「最多的具身數(shù)據(jù)一定不是本體商提供的。」這意味著支撐通用具身智能的最大規(guī)模數(shù)據(jù)會(huì)走向本體無關(guān)。只有構(gòu)建本體無關(guān)的數(shù)據(jù)閉環(huán)，才能打破硬件采集的物理限制，為通用大模型訓(xùn)練提供海量多樣的燃料。

在此演進(jìn)路線下，仿真的行業(yè)地位發(fā)生根本改變。過去仿真只是模型與算法訓(xùn)練的輔助手段，如今仿真已成為整個(gè)系統(tǒng)成立的前提條件。

謝晨對仿真的定義標(biāo)準(zhǔn)嚴(yán)格：「需在足夠物理準(zhǔn)確的環(huán)境中，可復(fù)現(xiàn)、可修正地產(chǎn)生行動(dòng)并觀測結(jié)果。」

對于機(jī)器人，仿真已從「可選項(xiàng)」變?yōu)椤副貍錀l件」。謝晨篤定表示：「我可以肯定地說，仿真對機(jī)器人是必備條件，沒有仿真肯定做不成?！?/p>

他進(jìn)一步指出，要做大規(guī)模、可重復(fù)的評測，同時(shí)在千百個(gè)不同場景中隨時(shí)驗(yàn)證算法演進(jìn)，「唯一方案只有通過仿真」。

缺乏高精度仿真環(huán)境，行業(yè)無法建立真正可規(guī)?；脑u測與學(xué)習(xí)閉環(huán)。這促成關(guān)鍵產(chǎn)業(yè)認(rèn)知轉(zhuǎn)變：優(yōu)秀模型已難成單一競爭壁壘，決定具身智能能力的核心要素，已轉(zhuǎn)移到模型背后提供數(shù)據(jù)、仿真與評測支撐的「數(shù)據(jù)引擎」上。

真正稀缺的不是數(shù)據(jù)，而是「數(shù)據(jù)引擎」

在此理論框架下，行業(yè)下一階段真正稀缺的能力已擺脫對數(shù)據(jù)量或數(shù)據(jù)供給本身的依賴。目前焦點(diǎn)在于：能否持續(xù)構(gòu)造有效學(xué)習(xí)信號，能否系統(tǒng)性暴露失敗模式，能否將現(xiàn)實(shí)問題轉(zhuǎn)化為評測問題，進(jìn)而形成持續(xù)迭代的反饋閉環(huán)。

正因如此，謝晨在訪談中對「data factory」和「data engine」的嚴(yán)格區(qū)分愈發(fā)重要。

前者帶有流水線交付特征，后者是反饋驅(qū)動(dòng)、評測驅(qū)動(dòng)的學(xué)習(xí)引擎。

謝晨明確表示：「我更希望把它定位成data engine。」他解釋：「data factory有點(diǎn)偏工廠，運(yùn)作模式停留在流水線層面，缺少關(guān)鍵技術(shù)與系統(tǒng)化能力，也未構(gòu)建反饋驅(qū)動(dòng)的迭代機(jī)制。data engine則是反饋驅(qū)動(dòng)的學(xué)習(xí)引擎?！剐袠I(yè)下一階段真正需要的是持續(xù)生產(chǎn)學(xué)習(xí)信號的系統(tǒng)，僅生產(chǎn)樣本的工廠難以滿足未來需求。

進(jìn)一步說，終局的數(shù)據(jù)系統(tǒng)會(huì)高度類似教育系統(tǒng)。謝晨推斷：「終局的數(shù)據(jù)公司可能跟教育公司長得很像?！顾仓赋隽控?zhǔn)降膁ata factory會(huì)被淘汰：「data factory還是偏量販?zhǔn)健艺J(rèn)為這個(gè)路徑很快就不需要了?！拐嬲慕K極需求聚焦于能自我進(jìn)化的數(shù)據(jù)引擎、仿真環(huán)境和評測系統(tǒng)。

在此意義上，光輪智能這類公司的生態(tài)位發(fā)生變化，超越傳統(tǒng)數(shù)據(jù)供應(yīng)商角色，演變?yōu)?strong>以數(shù)據(jù)、仿真與評測為核心，驅(qū)動(dòng)模型持續(xù)學(xué)習(xí)的基礎(chǔ)設(shè)施系統(tǒng)供應(yīng)商。

謝晨定義自身企業(yè)時(shí)提到：「我們是一套以系統(tǒng)驅(qū)動(dòng)、以系統(tǒng)和評測為中心的……通過幫助客戶的模型發(fā)現(xiàn)問題，基于有效反饋和經(jīng)驗(yàn)幫助他們提升能力的系統(tǒng)。」

從模型時(shí)代進(jìn)入基礎(chǔ)設(shè)施時(shí)代

GEN-1顯然是新起點(diǎn)，它未解決所有難題，也未讓具身智能一夜跨入大規(guī)模商業(yè)化階段。

但它足以說明：具身智能正經(jīng)歷從「模型驅(qū)動(dòng)」向「基礎(chǔ)設(shè)施驅(qū)動(dòng)」的深刻轉(zhuǎn)型。此階段決定智能上限的關(guān)鍵要素是讓學(xué)習(xí)持續(xù)發(fā)生的系統(tǒng)，單個(gè)更強(qiáng)模型無法支撐行業(yè)未來發(fā)展。

謝晨曾把仿真比作「時(shí)間機(jī)器」，認(rèn)為它只是加速器。但現(xiàn)在他認(rèn)為，對于機(jī)器人而言，仿真是「先決條件」。這種認(rèn)知轉(zhuǎn)變，本質(zhì)是整個(gè)行業(yè)從模型狂熱轉(zhuǎn)向基礎(chǔ)設(shè)施深耕的縮影。謝晨強(qiáng)調(diào)：「我覺得仿真是解決具身數(shù)據(jù)問題的基石，是整個(gè)具身智能學(xué)習(xí)所需的前提條件?！?/p>

面向未來，他描繪了更具科幻感卻理性的終局形態(tài)：「智能越強(qiáng)，對數(shù)據(jù)的饑渴程度反而成倍增加。最終，AI可能會(huì)像馬斯克設(shè)想的那樣，處在龐大仿真環(huán)境中，基于既定成功指標(biāo)不斷自我博弈、修煉內(nèi)功?！惯@再次印證：Generalist的躍升只是結(jié)果，基礎(chǔ)設(shè)施的厚度才是背后的真正原因。

本文來自微信公眾號「機(jī)器之心」（ID：almosthuman2014），作者：關(guān)注數(shù)據(jù)的，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com