张小珺Jùn｜商业访谈录

我们此前访谈过谢赛宁（AMI）、洪乐潼（Axiom），他（她）们分别来自在欧洲和美国的neo lab。但今天，这个现象已不止于海外——2026年，中国也涌现了一批新型实验室。 这些有研究背景的老师或学生，正在成为一级市场的新宠儿。他们普遍年轻、有名校科研背景、第一次创业。在还没有产品的时候，就能以估值数亿美金融资。当下资本涌入最活跃的方向是，世界模型和AutoResearch（又称AI for AI）。 我很好奇这个现象的现实与成因。这集节目，我邀请了清华大学人工智能学院助理教授、上海期智研究院PI刘子鸣。他毕业于北大和MIT，是KAN网络的一作，于3月刚刚回国到清华任教，同时参与创建公司元环智能。他用“太疯狂了”来形容这股新的资本潮。 我们聊了聊中美neo labs的兴起与成因，以及他所探索的一条非典型AI for AI叙事。 接下来，就是我对刘子鸣的访谈。 OUTLINE: 00:02:00 刘子鸣的自我介绍（从物理转型AI） 00:08:24 研究者的类型：“鸟人”vs“蛙人” 00:10:24 2024年研究KAN网络，刚开始Max Tegmark不同意 00:16:18 思考，怎么让设计模型也变成一门科学，变得scalable？ 00:18:21 我同意谢赛宁说，“大语言模型是反bitter lesson的” 00:20:20 在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型 00:21:16 我的研究：嫁接神经和符号两个世界，嫁接AI和自然科学两个世界 00:28:00 从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur 00:37:11 26年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？ 心理层面，一部分研究员不想做“大头兵”；现实层面，neo labs的方向是Coding Agent的missing part 00:42:41 当下neo labs资本涌入最活跃的两个方向：世界模型和AutoResearch 00:44:16 作为neo labs参与融资的实际体感：“就是，太疯狂了！” 00:46:51 做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？ 00:54:53 meta model（原模型）是预测下一个curve，这件事怎么做呢？ 设定的目标是什么？ 01:04:20 如何理解AI这个黑盒？空间（看得更细）、时间（看模型如何演化）、平行宇宙（做可控实验） 01:09:09 为什么做AI for AI需要Physics of AI？为什么做AutoResearch需要理解AI的原理？ 01:12:49 Anthropic的机制可解释性能做到什么程度？ 01:18:16 如果AI for AI在AGI主线上，neo labs和现有frontier labs的竞争 01:21:57 倘若人人都能训模型，能干啥？ 01:26:25 梳理今年中美做AI for AI的创业团队和路线 01:34:50 截至2026年AI发展阶段和创业新体验 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出； 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: [email protected] Jump into the new world-and explore with us!😉

今天我们的嘉宾是游凯超，他是创业公司Inferact联合创始人兼首席科学家——这个公司很特殊，是从伯克利一个校园开源项目vLLM演化而来。这个社区的维护者用了将近3年时间，把它从一篇算法论文变成了一个开源社区，又变成了一个公司的正常运营。 这些维护者们放弃了大量的个人诱惑，坚持着他们所相信的开源精神。 今年初，Inferact获得了1.5亿美元种子轮融资。我们讨论了当一个寄托着社区情怀的开源项目，变成一个商业化的组织运营之后，它所面临的抉择、转变与思考。 另外一方面，我们也非常希望在AI Infra技术前沿上，给大家带来一些新的思路。所以我也和游凯超聊了聊，在AI Infra、模型结构，甚至Harness Engineering都要联合设计的时代背景下，多方的联合设计应该怎么做？ 接下来，就是我对游凯超的访谈。 OUTLINE: 00:02:18 从算法到机器学习系统 00:37:56 开源项目vLLM的诞生 01:07:25 “如果vLLM失败了，我们会后悔一辈子” 01:20:11 “仁慈的独裁者” 01:37:16 从社区到创业 01:52:56 模型与Infra的Co-design 02:15:10 Token VS 电力 02:35:41 技术预测 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出； 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: [email protected] Jump into the new world-and explore with us!😉

进入2026年，中国科技业萌生了一个新现象：出现一批从机器人大脑出发的公司，现阶段重心不在本体上。这个现象是反直觉的——过去，大家认为，硅谷机器人团队更专注大脑研究，中国机器人团队更专注硬件和本体。 在我们上集节目中，我访谈了Physical Intelligence(Pi)研究科学家柯丽一鸣。Pi是一家在硅谷做机器人大脑的备受瞩目的实验室。业内人士把它们比作机器人的OpenAI。 今天我邀请的是一位在本土探索原生具身基模的公司，是由蚂蚁集团孵化的子公司蚂蚁灵波，目前刚发布第二代具身基础模型。 我与首席科学家沈宇军聊了聊，如何从预训练开始训一个机器人模型？瓶颈是什么？机器人的GPT-1 moment在哪里？——大家也能从中感受一些中美思路的融合与差异。 接下来，就是我对沈宇军的访谈。 OUTLINE: 00:02:03 蚂蚁灵波的缘起 人工智能学生的一段迷茫与辗转 从字节跳动到蚂蚁研究院 蚂蚁成立子公司蚂蚁灵波做具身智能始末 00:16:03 做机器人的原生大脑 为什么决定从大脑开始？ 通用意味着跨本体、跨场景、跨任务 24年底成立以后，25年、26年bet了什么？ 25年：从真实传感器出发解决问题 26年：既然没办法push数字世界修改模型，基于物理世界的需求重做一遍 预训练准备数据核心是：1、你要下发什么样的任务，2、拿到数据以后怎么处理更干净 这次发布的6个模型和他们的关系（Depth、Vision、VLA、Video、World、VA 2.0） 但更本质的智能我们还没解决：把和人的交互考虑进去 做具身大脑之后，处理位置随机问题的能力强了很多 机器人泛化性的迹象到底出现了吗？ 01:07:29 数据没有scale up是最大卡点 具身智能还没有到GPT-1时刻，因为没有看到比较好的做数据scale up的方式 当具身数据和互联网数据能达到相同量级，可能才到GPT-1时刻，我预计明年中 发完第一代模型我们就意识到，强行在数字模型上魔改不work 硅谷两家机器人大脑公司 ：Physical Intelligence强调zero shot，Generalist强调后训练 随着灵巧手的成熟，真机遥操作和UMI（Universal Manipulation Interface，通用操作接口） 两条数据采集路线可能变化 细数2024-2026年具身智能全行业的发展与速度 行业发展不及预期的仍是数据，需要百万小时起步的数据量 01:23:10 机器人大脑与本体的关系 为什么不做本体？本体很难通用，如果场景选不准，本体设计有问题 现在大脑的开发落后于本体，未来大脑和本体一定交替上升 这一代的硬件不一定能够迭代去适应下一代的模型，尤其是传感器 接下来的几代机器人基座模型会如何迭代？ 01:31:48 创业是赌出来的、与蚂蚁的关系、汤晓鸥 下过的“赌注”？ 蚂蚁如何管理蚂蚁灵波？ 最好的预期和最坏的预期？ 最终的产业格局？也许贴近大语言模型的格局 你对人形机器人有执念吗？ 没有！ 当下的核心任务只有一个：智能不够！ 我的老师汤晓鸥 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出； 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: [email protected] Jump into the new world-and explore with us!😉

今天的嘉宾是硅谷机器人公司Physical Intelligence（Pi）的研究员柯丽一鸣（Kay Ke）。 Pi是一家专注于研究机器人“大脑”的明星创业公司——成立仅两年，投后估值已超50亿美元，是这个赛道最受瞩目的独角兽之一。部分业界人士对它的期望是，成为机器人领域的OpenAI。 柯丽一鸣在Pi主要负责强化学习方向的研究，也是Pi核心论文的作者之一。 在科研之余，她追求在工作和人文表达之间找到平衡，所以业余时间她也会写写小说。这让今天的聊天更有意思了。 节目中，我们详细聊了聊机器人的江湖、谱系、门派与主角们。 全球的机器人团队都非常关注Pi在机器人大脑上的开源工作。柯丽一鸣详细阐述了他们的研究思路与技术细节（从π0到π0.5再到π*0.6）。 但由于我们这集节目的录制时间比较早，尚且没有囊括他们的最新模型π0.7。嘉宾关于π0.7的技术讲解，我会补充在shownotes里。 接下来，就是我对柯丽一鸣的访谈。 OUTLINE: 00:02:11 机器人与小说家 00:17:26 武侠、板寸、背包客 00:36:33 草蛇灰线 00:53:56 机器人江湖、族谱、主角 01:27:18 硅谷创业图谱 01:54:43 PI的研究：π0、π0.5、π*0.6 *嘉宾补充：π0.7强调统一模型，不需要后训练，就能媲美以往后训练的通用能力。有架构和数据（有不少之前自主rollout数据）的设计。 02:26:01 PI的组织与文化 02:34:52 放弃剑桥教职 02:46:49 巴甫洛夫的狗 03:04:53 前沿展望 03:16:14 中国 03:25:02 机器人“种族” 03:31:19 没有写完的故事 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出； 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: [email protected] Jump into the new world-and explore with us!😉