揭秘科技

今天这期节目有点不一样，不聊科技，不聊商业，聊一件每年春节都会发生、马上又要发生的事—— 回家过年。 00:35 周末看到一则新闻，新闻里的当事人。。。 02:22 很多人回家过年的经历，或者把父母接到自己工作生活的城市一起生活的经历，都会在某一个节点出现一种惊人相似的轨迹。 02:53 就这样在逃离与愧疚之间反复横跳。 03:21 真正让人无力的，是你已经试过所有“正确”的方式，却一次次的失败。 03:40 当下似乎理解了，但下一次，一模一样的场景，一模一样的说辞。 04:21 然后他们开始委屈的沉默。。。 04:55 再进一步，你没法向他们证明你的人生是“对”的。 06:27 但现实中，并不是所有的关系都会以和解作为结局。 07:05 他们真正内化的一条人生信念是：“钱是用来防范风险的，不是用来享受的。” 09:12 父母用的是生存逻辑，而孩子用的是情感逻辑。 09:42 知道那条最难的边界，是不内疚的做自己。 09:49 理解父母不等于牺牲自己。 10:03 我们在外面追求“世界模型”，而他们的“世界模型”里只有你。 10:19 回家也不是为了和解，有时候只是看一眼彼此，确认都还在，然后各自回到各自的人生。 10:35 别忘了，“孝顺”这个词里面还有一个“顺”字儿，“顺着”他们，也是对彼此都温和的一种互动方式。

2025年2月，Figure AI在官宣放弃使用Open AI的大模型之后，展示了自主研发的机器人大模型 Helix，Helix 这个单一神经网络大模型，可以从像素级输入、输出控制一台人形机器人上半身全部动作。一年之后的2026年2月，Figure发布了下一代的Helix 02大模型，这个模型把控制，扩展到了整个机器人——将行走、操作和保持平衡统一为一个连续系统。 今天这期节目，就来介绍一下Figure的Helix 02大模型都有哪些能力，又是如何实现的；过程中，我会逐一解读一下涉及到的每一个机器人领域里面常见的说法和术语。 01:36 Figure机器人的零巧手还能够拧瓶盖儿，从药盒里取出单粒的药片，精准分配注射器当中的液体。 02:14 远程操控，teleoperation，是机器人行业的一个常见的做法。 02:32 这种做法本来的目的是用来训练机器人模型，让机器人学会跟人类学会去自主的执行相同的任务。 03:03 远程操控的做法，远比大家想象的用遥控器来遥控机器人 造的假，要真的多。 04:01 什么是“像素级输入”？ 06:14 Helix02大模型代表了多项的突破，第一个突破就是自主的长时间跨度的运动操作一体化，loco-manipulation。 06:56 第二个突破就是，机器人对外部世界的感知过程，全部通过传感器来输入、然后直接通过执行器来输出。 07:21 第三个突破，就是基于人类数据的，像人类控制自己一样的“机器人全身控制”。 08:00 这里再介绍一下术语“仿真到现实”，"sim to real", 也就是similar to reality的简要说法。 09:57 上面这段解释当中又提到了“虚拟环境”、“模拟环境”，也就是机器人领域当中常说的“物理模拟器”。那什么又是“物理模拟器呢”？ 12:02 “物理模拟器”，和物理“世界模型”可不是一回事儿。。 13:16 “灵巧手”又是机器人学领域里的一个专有名词，指的是。。。 14:04 Helix 02大模型，主要解决了人形机器人面临的哪些巨大的挑战呢？ 14:16 几十年以来，loco-manipulation，即在运动过程中同时实现对机器人的动作操控，一直是机器人学领域里面最难解决的问题之一。 16:01 Helix 02 到底是如何解决“在运动当中、同时对机器人的动作进行控制”的挑战的？ 16:17 相信这个“全身运动VLR模型"很快就会成为今年的热门名词 16:37 对Helix 01的System 1和System 2的细节感兴趣的听友可以去我的第101期节目。 18:34 接下来就详细介绍一下Helix 02当中新引入的这个System 0。 20:41 “跨越超过二十万个并行的环境”，指的是训练时，同时运行超过20万个独立的机器人和模拟环境。 21:00 这相当于让20万个机器人同时在20万个不同的场景当中试错和学习。 21:28 “进行广泛的域随机化”，是指在模拟训练当中故意随机改变各种物理和环境参数，让模型看到无数种变异版本的现实世界。 22:21 “在整个机群当中泛化”，指的是：同一个机器人的模型，不仅适用于单台机器人，还能够适用于整个机器人机群当中的每个机器人。 22:52 它的意义在于极大的降低了未来大规模生产和部署时的成本。 23:07 Helix 02除了引入新的System 0之外，对Helix 01版本当中存在的System 1和System 2的功能也做了扩展。 26:47 Helix 02真正重要的，并不只是机器人，又多会干了几件事儿。 视频 1： 一台 Figure 机器人执行了一项连续 4 分钟 的任务：走到洗碗机前，卸下餐具，在房间内行走移动，将物品放入橱柜中，随后重新装载并启动洗碗机——全程仅依赖机载传感器，无任何人工干预。https://videos.ctfassets.net/qx5k8y1u9drj/1cKhxhvotDvkyJx2rfq2IN/94f100629ab7a0bdb37d5b248f8f5760/Kitchen_Tidy_MP4_Compressed.mp4 灵巧手开瓶盖https://videos.ctfassets.net/qx5k8y1u9drj/21mBdGqjGKhKNDFaj8Km9o/511c689af0765c49efea64a6f1c3b64d/W-WOUT_HAND_SENSING_Bottle_2.mp4 灵巧手从药盒里拿药片https://videos.ctfassets.net/qx5k8y1u9drj/4qmA4zOxRnMFB8I78fCpUE/8b33300fc6e1e0503680bb38d0d256f3/W-WOUT_HAND_SENSING_PILLS.mp4 灵巧手从注射器里释放5毫升液体https://videos.ctfassets.net/qx5k8y1u9drj/4muRTBb9YPxrgBvrgrQjkO/d9b2d16b4ae07d7139ca6adc6143228b/W-WOUT_HAND_SENSING_Syringe.mp4 灵巧手从盒子里拿螺母https://videos.ctfassets.net/qx5k8y1u9drj/5wDQzY6MclJxCm62bKDOqt/8615e8369f182f45c316b139a2b2ce4c/W-WOUT_HAND_SENSING_METAL.mp4

Manus 和 Meta 分别高调官宣之后，媒体与自媒体也再次条件反射式地把 Manus 推上了“封神”叙事。在去年走红之后，这家公司很快完成了从“国内公司”到“新加坡主体”的身份切换，这很清晰的是在为潜在跨境并购做结构性准备了，按道理应该是综合考量过多方监管因素后的选择。 02:03 为什么双方一定要如此高调的对外官宣呢？ 03:07 Meta收购Manus真实看重的是什么呢？ 03:22 网上的表面叙事之一，说的是“Meta看中了Manus极强的AI Agent技术"，这个叙事显然符合大众的口味。 03:58 网上的表面叙事之二，说的是"Manus 8个月做到了1亿美金的ARR"，这个叙事非常符合创业成功学。 04:42 收购Manus，相当于帮Meta打开了一个训练并建立Meta的通用人工智能能力的、现实世界的强化学习环境。 05:32 当前的大模型几乎无法去自主的决定如何行动，因为大模型本身并不理解因果关系，就像一个刷题刷出来的牛娃一样。 06:12 在强化学习的语境当中，价值并不只来自于“做对了什么”，同样来自于“为什么会做错？” 06:53 正是这些不断出现的错误与偏差，以及相应的纠正，才让大模型开始接触真正的因果结构。 08:44 一个能够在真实世界中规模化的“产生 - 行动 - 结果 - 修正”这样的闭环系统，就为下一代具备世界模型、具备因果理解能力的通用人工智能，铺设了现实世界的训练土壤。 09:03 有意思的是，Meta收购Manus，并不是CEO小扎来官宣的，而是Meta收购的数据标注公司的创始人、“年轻高潜”亚历山大王官宣的。

美国2026 CES消费电子展上，英伟达CEO黄仁勋正式宣告了 AI 从“数字世界”向“物理世界”跨越，物理AI的ChatGPT时刻已经到来。这些话看起来又是每个字都认识，但和在一起很多人不知道他在说什么、到底在表达什么。这期节目就用朴素的语言，来把老黄的核心内容完整的解释一下。 01:58 没有听说过“世界模型”也没关系；接下来，今年这个词将很快的无处不在。 03:03 除了发布新一代的GPU，老黄还发布了英伟达的自动驾驶推理模型。 03:36 老黄强调，不同于传统的感应反馈式的模式，英伟达自动驾驶模型能够针对采取的行动来进行逻辑推理，比如“解释一下为什么选择了避让”。 03:51 英伟达这个自动驾驶模型能够做到这一点，就跟“世界模型”这个概念有关了。 03:59 除了自动驾驶模型，老黄还发布了英伟达的“第二代世界模型”，名字叫做Cosmos，为机器人大模型的训练而打造的一个模型。 05:05 实现这一转变的关键技术，正是“世界模型”，即能够模拟物理环境、预测运动、理解因果关系和自然法则的模型。 05:21 用大白话来解释一下，“世界模型”就是机器在自己的脑子里搭建了一份对“这个世界如何运转的内心地图和运行规则”。 05:53 高度依赖“数字世界”的训练方式。。。数据往往与模型当下的决策行为并不构成真正的因果闭环。 07:46 当前的机器人系统。。。不能在行动之前就可靠的预见后果，这在现实世界中是非常危险的。 08:17 目前的机器人大模型跟我们用的大语言模型一样，都是通过静态数据训练的。 08:24 静态数据训练本质上只能学到相关性，而不是因果可推演的结构。 08:33 静态训练数据的问题不在于静态本身，而是在于没有“反事实”，这里来解释一下“反事实”。。。 10:39 能够用于“行动 - 结果 - 修正”这个闭环学习的真实世界交互数据，极其稀缺。。。近期Meta收购Manus，提供了一个代表性的案例。 10:59 正因如此，当前很多机器人公司开始尝试通过“世界模型”的方式，让模型学习物理世界的因果结构和基本的自然法则。 12:42 从通用人工智能的训练的角度来看，数据的价值并不取决于对还是错，恰恰相反，错误决策所暴露出来的偏差、歧义和失败路径，往往是学习因果关系和修正世界模型最关键的信号。 13:09 说完了机器人训练中物理”世界模型“的重要性，再来看看自动驾驶。 14:20 拥有了“世界模型”的AI，像是一个在地球上生活了很久的成年人。 14:46 没有世界模型的机器只会条件反射，这在复杂的现实世界当中是非常危险的。 14:55 人类真正聪明的地方。。。是能够在行动之前先在脑中演练一次未来，“世界模型”本质上是在尝试把这种能力第一次交给机器。