会友镖局

本期介绍

让AI做一份旅行攻略，已经不难了。但出发之后天气变了、家人身体不舒服、原定行程走不下去，它能不能继续替你盯着，帮你重新安排？

从“回答一个问题”到“持续管好一件事”，是灵光2.0想跨过去的一步。

这一期《会友镖局》，陈茜对话蚂蚁灵光CTO莫林剑，聊聊一个普通人能用起来的AI助理，究竟还缺什么。

莫林剑很早就用AI分析孩子的错题、管理生活，却发现这些能力很难直接交给家人使用。他的妈妈仍在用小本子记录血压。技术已经走到这里，怎样才能让她也用得起来？

从闪应用的复盘，到查账单、调行程、跟进训练计划，我们聊了AI如何替人省心，也聊了它必须守住的边界：怎样区分“今天不吃辣”和“从来不吃辣”？什么时候该提醒，什么时候该安静？一个需要被用户信任的私人助理，能不能同时靠广告赚钱？

本期嘉宾

莫林剑（花名：林怿）｜蚂蚁灵光CTO
主持人：陈茜｜硅谷101联合创始人

本期判断

AI助理的价值，要到一件事真正办成之后才能看见。

生成了多少应用、记住了多少信息、主动发了多少消息，都不能直接替代用户的真实感受。莫林剑反复强调的是可靠性：用户交出去的事情，能否被持续跟进；遇到变化，能否调整；到了需要人做决定的时候，能否把决定权交还给人。

你会听到

• AI能力已经很强，为什么普通人还是用不起来？

• 从“帮我做个应用”到“替我管好这件事”，产品要改变什么？

• 分析账单、调整旅行、跟进运动，哪些小事真的能让人省心？

• 为什么自然语言未必比点一下按钮更方便？

• 一个替用户做选择的AI助理，如何面对广告和商业利益？

• AI越了解你，就一定会越好用吗？

• 好的助理需要24小时运行，还是在你需要时出现就够了？

时间线

第一章｜AI这么强了，为什么家里人还是用不起来？
01:16 从灵光1.0到2.0：为什么从闪应用走向持续办事
02:04 用AI管理孩子的错题，但家人很难照着用起来
02:49 妈妈记血压的小本子：能力存在，使用门槛也存在
04:16 模型、工程与成本，怎样共同支撑Agent落地
06:09 从留存率和应用数量，回到真正被反复使用的价值
08:40 闪应用激励计划的收获与反思
10:54 用户习惯的变化：从问一个问题，到交代一个目标

第二章｜让AI接走一些事，生活能省多少心？
11:23 对话会取代按钮吗？为什么有时候点一下更方便
13:49 从账单里找出可以省下来的钱
14:35 新疆旅行中的真实体验：天气和身体状况变了，行程也要跟着变
17:39 管孩子、管生活：哪些需要长期牵挂的事适合交给AI
19:08 痛点还是痒点？用户会为什么样的价值付费
20:39 会员、抽佣还是广告：私人助理的商业模式与信任

第三章｜能不能办成事，也取决于它能连接什么
23:16 个人AI助理在中国，为什么绕不开平台生态
24:32 支付、账单与出行：生态能提供哪些具体能力
25:43 用户、平台与Agent，为什么会有利益冲突
27:36 MCP、A2A与Browser Use：不同连接方式适合什么任务
28:46 平台不开放时，问题未必能只靠技术解决
31:03 Agent天生会比价，品牌和小商家的态度会有什么不同
33:21 AI替人办事之前：账号保护、风险分级与支付确认
35:30 模型进步与后台调度，怎样让执行任务的成本下降

第四章｜更懂你、更主动，也要更有分寸
37:52 “更懂你”和“越用越好”，为什么不是同一件事
38:51 今天不吃辣，不代表以后都不吃辣
40:20 长期偏好、已经发生的事实、临时需求，记忆应该分开处理
42:20 哪些必须提醒，哪些值得建议，哪些放在旁边就好
48:10 从旅行日记到跑步计划，莫林剑自己的深度使用体验
50:42 Always On：不必一直运行，但需要的时候应该在
52:19 从手机到车机、眼镜和智能家居，AI助理会出现在哪里
53:38 展望下一步：更自然的交互、更广的连接，以及可靠完成任务
56:23 做产品最有价值的时刻，以及“希望妈妈也能用起来”

名词解释

Personal Agent／PA：面向个人的AI助理。本期重点讨论它如何理解用户目标、记住相关信息，并持续跟进跨时间的任务。

Harness：围绕模型构建的执行与约束机制，包括工具调用、任务管理、权限控制等，用工程方法帮助模型更可靠地完成工作。

MCP与A2A：前者主要用于连接模型与外部工具、数据；后者强调不同Agent之间的协作。节目中讨论了简单查询与复杂业务为何可能需要不同的连接方式。

听完继续聊

如果AI能替你长期盯住一件事，你最想交出去的是什么？

〖延伸信息〗

小红书：会友播客
小助手微信：wxinbbb

在小宇宙查看该单集文稿

AI已经能生成令人惊叹的视频。但画面看起来合理，是否意味着它真的理解了重力、空间，以及物体之间的关系？

如果让机器人倒一杯水，我们应该给它看无数遍倒水的视频，还是让它先理解“杯子”“水”和“倾倒”，再把这些概念组合起来？

这一期《会友镖局·科技会客厅》，我们邀请于开丞，从自动驾驶聊到世界模型的不同路线，再聊到一个创业团队的技术取舍：为什么调整已经做出成绩的方向？当通用大模型开始操纵机械臂，创业公司的机会又在哪里？

【本期嘉宾】

于开丞｜西湖大学自主智能实验室负责人、西湖大学特聘研究员、博士生导师、西湖数智（Awomo）创始人兼CEO，曾在阿里达摩院从事自动驾驶研究。

【本期判断】

世界模型这个名字之下，装着不同的技术目标和商业选择。 于开丞的选择，是让模型理解物理现象，并尝试通过概念的拆解与组合，获得举一反三的能力。在他的判断里，衡量这条路线的关键，是模型面对没见过的场景时，能否做出有效判断，以及这种能力能否随着训练规模扩大而持续提升。

【你会听到】

• 为什么视频生成、空间生成、机器人决策，都被叫作世界模型？

• 追求画面的美感，与追求物理真实性，会把模型带向哪些不同方向？

• “概念世界模型”想解决什么问题？倒一杯水为什么是个好例子？

• 通用大模型能操纵机械臂，是否意味着其他技术路线会被替代？

• 一个17人的团队，如何在尚未收敛的技术方向上创业？

• 有了AI，“老炮儿”的经验为什么可能更值钱？

【时间线】

第一章｜同样叫世界模型，做的可能是不同的事

00:00 从生成图片、视频，到理解物理世界

01:15 从自动驾驶出发，为什么在2023年选择探索世界模型

08:12 语言模型与世界模型：从抽象知识出发，还是从物理信号出发

20:07 一次概念梳理：世界模型、空间智能与物理智能

26:42 互动娱乐、理解世界与操作世界，不同目标如何影响技术选择

第二章｜从“看过很多遍”，到“能够举一反三”

32:32 用倒水解释“概念世界模型”：杯子、水和动作能否重新组合？

33:46 什么是隐空间？模型如何压缩和表达对世界的认识

38:47 可规模化训练与“智能斜率”：团队究竟在验证什么

45:57 通用大模型操纵机械臂，给世界模型团队带来了什么启发

48:22 让物理学家学切菜：能完成任务，与高效完成任务之间的距离

第三章｜为什么调整一条已经做出成绩的路线

57:34 与杨立昆的思路有哪些共鸣，方法又有哪些不同

59:45 回看2024年：生成数据，再用数据训练机器人，这条路有什么局限？

01:04:19 为什么没有顺着原来的技术成果直接创业

01:06:12 半年左右的并行探索：转向并非一夜之间发生

01:10:24 数据、算法、算力，以及团队现阶段真正关注的场景

第四章｜技术尚未收敛，创业者如何往前走

01:17:37 17人的团队：“老炮儿”与“小天才”如何搭配

01:18:48 AI改变工作方式之后，工程经验的价值

01:22:22 从研究者到创业者，思考问题的方式发生了什么变化

01:24:10 世界模型的“ChatGPT时刻”，需要出现什么能力

01:30:30 从解决一个问题，到追问一种方法能否规模化

01:32:27 非共识的选择：承认原有路线的局限，需要付出什么代价

【核心观点】

生成目标会影响模型的能力方向。 于开丞认为，服务内容创作与服务真实物理任务，对数据、评价标准和训练资源的要求存在差异，不能只凭生成画面的效果判断物理理解能力。

举一反三，是团队选择这条路线的核心理由。 他们希望模型通过学习、拆解和组合概念，处理训练中没有直接见过的场景，而不必为每种情况重新收集完整示例。

通用模型的进步，也在改变创业公司的考题。 除了证明任务能被完成，还需要证明自己的方案在效率、成本和规模化方面有价值。

AI让经验有了新的发挥方式。 于开丞观察到，工具能够放大执行能力，但工程判断、问题拆解和结果把关，依然需要长期积累。

【名词解释】

概念世界模型：本期嘉宾介绍的技术思路，强调关联语言概念与物理现象，通过概念的拆解、组合，探索跨场景的泛化能力。

智能斜率：嘉宾用来描述模型能力提升速度的表达，关注随着概念积累和组合增加，能力能否更快增长。

【延伸信息】

小红书：会友播客

小助手微信：huiyouhz

在小宇宙查看该单集文稿

摘要

给空间站“送快递”，听起来像一句玩笑，但它背后是一整套复杂的航天工程。

宇航员在太空里需要生活物资、实验设备、备品备件；空间站要长期运行，也需要更灵活、更低成本的货物运输系统。轻舟货运飞船，就是在这样的需求里诞生的。

这一期节目，主持人电动Emma对话常亮。常亮是中国科学院微小卫星创新研究院研究员，轻舟货运飞船总设计师。他从一个普通人能理解的入口讲起：空间站到底收什么快递？货运飞船和载人飞船有什么不同？太空里为什么水滴是圆的？为什么一颗小苔藓也值得被送上太空？

聊到后面，你会发现这期不只是航天科普。它也在讲中国商业航天的新阶段：低成本、可复用、供应链、太空制造、太空算力，以及未来普通人和太空之间可能建立的新关系。

本期嘉宾

常亮
中国科学院微小卫星创新研究院研究员，轻舟货运飞船总设计师

主持人
电动Emma

本期判断

航天正在从“遥远的国家工程”，慢慢变成一种新的基础设施。

当货运飞船变得更灵活、更低成本，太空就不只是宇航员和科学家的目的地，也可能成为制药、材料、制造、算力和普通人想象力的新空间。轻舟的意义，不只是一艘飞船本身，也是一种更商业化、更开放的航天模式探索。

你会听到

• 轻舟货运飞船为什么叫“轻舟”

• 空间站最常收到哪些“快递”

• 太空里为什么可以做3D打印、制药和苔藓实验

• 送人上太空和送货上太空有什么不同

• 轻舟货运飞船为什么要做成“单舱”

• 低成本航天到底怎么降成本

• AI会如何进入航天任务

• 宇航员在空间站怎么拆快递

• 普通人离“太空包邮”还有多远

• 中国商业航天和SpaceX之间的差距与机会

• 太空经济未来可能长成什么样

时间线

00:39 给空间站“送快递”：轻舟定位“小快灵”，补充更灵活的货运需求

02:41 空间站到底收什么快递？从航天员的食物到实验设备和备品备件

04:29 太空不只是送东西：3D 打印、制药和“小苔藓”都在利用微重力做实验

09:23 从“送人”到“送货”：空间站规模越大，运输分工越专业

12:02 航天从“科技”走向“经济”：轻舟探索商业化运输，降成本成为关键

18:04 AI 进入航天：未来卫星会“思考”，机器人也可能帮宇航员干活

37:26 轻舟真正的意义：不只造一艘飞船，更是改变传统航天的运行模式

39:19 SpaceX 带来的冲击：火箭回收只是第一步，真正的差距还在思维

44:08 当进入太空越来越便宜：太空算力、太空制造和普通人的太空旅行才会真正打开

48:41 美国“一枝独秀”，中国“百花齐放”：商业航天可能走出不同的发展路径

1:01:02 航天的终极想象：发射火箭像坐航班，普通人也能把东西送上太空

核心观点

1. 轻舟货运飞船的定位是“小快灵”。它不是替代大型货运飞船，而是补充空间站更灵活、更快捷的小型运输需求。

2. 空间站的“快递”不只是生活用品。除了航天员吃的、用的，还有大量实验设备、科研样品和空间站备品备件。

3. 太空实验的价值来自微重力。水滴、火焰、材料结晶、制药过程，在太空中都会呈现出和地面不同的状态。

4. 低成本航天不是单靠省钱，而是从设计、材料、部组件、流程和管理方式一起改变。轻舟采用单舱设计，就是为了把更多空间留给货物和航天员使用。

5. 中国航天正在探索更商业化的服务模式。轻舟的意义不仅是一艘货运飞船，也是一种从“采购设备”转向“采购服务”的尝试。

6. 太空经济的前提是成本下降。只有发射成本、卫星成本和制造成本继续降低，太空算力、太空制造、太空旅游才会真正打开。

7. 中国商业航天的路径可能和美国不同。美国有SpaceX这样的一枝独秀，中国更可能形成一个百花齐放的产业生态。

名词解释

轻舟货运飞船
面向中国空间站货物运输需求研制的新型货运飞船，强调灵活、快捷、低成本。

货运飞船
专门向空间站运输生活物资、实验设备、备品备件等货物的飞行器，和载人飞船分工不同。

微重力
太空中接近失重的环境。它会让水滴、火焰、材料生长和人体状态都发生变化，也为科学实验提供特殊条件。

单舱设计
轻舟货运飞船采用的一种设计思路，将平台相关设备整合进一个舱体中，减少传统分舱结构带来的重量和成本。

太空经济
围绕太空运输、太空实验、太空制造、太空算力、通信卫星、太空旅游等形成的新产业和商业活动。

延伸信息

欢迎在小红书搜索：会友播客
添加小助手微信：huiyouhz
和我们一起继续聊科技、商业与未来世界。

在小宇宙查看该单集文稿

摘要

今年脱口秀的夏天少了一个呼兰，却多了一个“呼总”。

过去几个月，呼兰参与“拯救开花俱乐部”：一家只有6个员工的小型脱口秀俱乐部，从亏损到扭亏为盈，中间还用上了AI做财务、设计、新媒体和经营效率提升。

但这一期聊的并不只是一个小商户如何用AI降本增效。

从开花俱乐部出发，呼兰和陈亮聊到了很多普通人都正在面对的问题：AI会不会取代我的工作？脱口秀演员还需要人来写段子吗？情绪价值能不能被AI复制？大厂在AI时代会不会焦虑？以及，当工具变化越来越快，我们到底该追风口，还是守住自己的核心价值？

本期嘉宾

呼兰
脱口秀演员，“拯救开花计划”参与者

陈亮
蚂蚁集团资深副总裁、首席市场官

本期判断

AI会加速替代很多有固定范式的工作，也会让个体和小生意获得过去难以拥有的能力。

但越是在工具快速变化的时候，人的“活人感”、随机应变能力、和他人建立连接的能力，反而变得更稀缺。呼兰在这期里讲得很轻松，但判断其实很硬：与其坐在原地等着被变化吞掉，不如先别下牌桌，拿AI去解决眼前的问题。

你会听到

• 呼兰为什么从脱口秀演员变成了“呼总”

• 开花俱乐部怎么用AI提升6个员工的工作效率

• 小商户真正难的地方，为什么还是大量人和人的沟通

• AI会不会写段子、讲脱口秀，甚至取代真人演员

• 为什么呼兰觉得刘德华、张学友能穿越技术周期

• AI时代，什么样的人最值得招聘

• “活人感”和“情绪价值”为什么仍然重要

• 呼兰每个月在AI工具上花多少钱

• 陈亮为什么说AI未来会帮人打理健康、积分和生活支付

• 在AI时代，个体和大厂各自怎么面对焦虑

时间线

01:40 从脱口秀演员到“呼总”：呼兰用 AI 帮 6 人小公司扭亏为盈

08:32 AI 会写段子之后，呼兰发现真正能“穿越周期”的还是人

13:14 AI 短剧越来越精致，但观众也会重新想念“手炒菜”

19:29 AI 越强，“活人感”、随机应变和 Street Smart（街头智慧） 反而越值钱

26:00 几个月河东、几个月河西：与其预测 AI 风口，不如哪个好用就用哪个

33:49 从阿福、阿宝到 AI 付：AI 正从“回答问题”走向“替你办事”

39:35 大厂也焦虑：没人知道 AI 的终局，只能继续解决真实问题

核心观点

1. 小商户用AI，最直接的价值是提升人的能力。财务、设计、新媒体可以被AI辅助，员工就能把更多时间放到和演员、场地、观众的沟通上。

2. AI能替代一部分标准化工作，但很难替代真实世界里的随机应变。呼兰说，未来更值得招聘的人，是有街头智慧、有活人感、能处理细枝末节的人。

3. 真人创作者的护城河，来自和观众之间长期建立的情感连接。观众不一定在意段子是不是AI辅助写的，但他们在意站在台上的那个人是谁。

4. AI时代不要急着预测风口。工具几个月就变一轮，个体更现实的做法是保持开放，哪个好用就用哪个，把自己和技术一起往前推。

5. 普通人不用妄自菲薄。只要今天还有人愿意为你的工作付钱，就说明你已经有自己的价值。要做的是用AI放大它，而不是被新闻里的焦虑牵着走。

6. 大厂也没有绝对安全感。无论是阿福做健康管理，还是阿宝探索生活和支付，真正重要的是持续用AI解决具体问题。

名词解释

AI Native
AI 原生，指从一开始就围绕AI来设计产品、组织和工作方式，而不是在原有流程上简单加一个AI功能。

情绪价值
一个人通过陪伴、表达、幽默、理解和互动，给别人带来的心理感受和关系体验。

活人感
真实的人在具体场景中的反应、停顿、判断、分寸和随机应变。它往往来自经验，而不是模板。

Street Smart
街头智慧，和书本智慧（Book Smart）相对应。指从真实世界的摸爬滚打里来的生存智慧——察言观色、随机应变、快速试错。书本智慧则指从书本、课堂、体系化教育里来的知识——理论扎实、考试厉害、按规则办事。

延伸信息

欢迎在小红书搜索：会友播客
添加小助手微信：huiyouhz
和我们一起继续聊科技、商业与未来世界。

在小宇宙查看该单集文稿

AI 能掌握海量知识，能模仿声音、口型和表达，也能在编程、数学、教育、医疗等领域快速改变我们的生活。

但它能不能真正理解一个具体的人？能不能拥有自己的情感、灵魂和看法？当机器越来越会创造价值，人的位置会被挤压，还是被重新打开？

这一期节目，我们请到著名作家刘震云、香港大学计算与数据科学学院院长马毅，由 「elsewhere 别处发生」主理人刘旌主持，一起聊聊 AI 时代里几个很基本、也很难回答的问题：知识、创造、教育、孤独，以及人和机器的关系。

本期嘉宾

刘震云
著名作家

马毅
香港大学计算与数据科学学院院长

主持人
「elsewhere 别处发生」主理人刘旌

本期判断

AI 会改变人的生活方式、学习方式和工作方式，但它并不会自动替代“人之为人”的全部价值。

它擅长处理共性的知识，也能在目标清晰的任务里创造价值。但人的个体经验、情感关系、现场错误、不可复制的角度，以及人与人之间真实的连接，仍然是 AI 难以完全抵达的地方。

你会听到

● 刘震云怎么看“AI 刘震云”模仿自己的声音和表达

● 马毅如何区分知识、智能和创造

● AI 能不能写出真正新的文学作品

● 年轻人应该如何和 AI 相处，而不是被 AI 替代

● 普通人在 AI 时代如何安身立命

● AI 能不能解决人的孤独

● 为什么“AI会告诉你哪家饭馆好吃，但不会请你吃饭”

● 人文讨论在技术快速发展面前是否仍然有意义

● 什么才算一个更好的 AI 时代

时间线

01:32 从《咸甜之间》开始：人在 AI 与机器人共处的时代如何自处

02:12 刘震云：科技会一次次重新定义世界

05:14 当网上出现大量“AI 刘震云”，本人是什么感受

07:05 马毅：AI 掌握的是共性知识，但很难理解具体的人

08:16 AI 是否有可能拥有创造力，甚至超越人

08:45 知识、智能和创造，三者到底有什么不同

11:10 刘震云：AI 能模仿已经写出的作品，但模仿不了还没写出的作品

15:08 AI 时代的教育：学生应该如何建立新的学习方式

18:29 刘震云：科技不会让人越来越笨，它会推动新的生产关系出现

20:51 我们训练 AI，是不是在“杀死”自己的工作？

23:25 没有特殊本事的人，在 AI 时代如何安身立命

27:04 AI 能不能解决人的孤独

29:52 马毅：AI 会帮助学习，也可能让人的社会连接变得更难

31:38 刘震云：AI 会告诉你哪家饭馆好吃，但不会请你吃饭

32:15 技术进步面前，人文讨论还重要吗？

36:55 一句话总结：怎样才算一个更好的 AI 时代

核心观点

1. AI 最擅长的是共性知识。它能快速整合人类已有的知识，但很难真正理解一个人的个性、偏重、情感和价值。

2. 创造不等于智能。马毅认为，知识是已有内容，智能是获取新知识的能力，创造则是用已有知识创造价值。

3. AI 可以模仿刘震云已经写出来的作品，但模仿不了他尚未写出的作品。文学真正难的地方，仍然是新的角度、新的思想和新的视角。

4. 年轻人不应该让 AI 代替自己学习，而应该用 AI 帮助自己学得更快、更深。工作中，再用 AI 放大自己已经掌握的能力。

5. AI 会重构人和人的关系，但它不能完全替代真实的人际连接。它可以给你信息、建议和共性回答，但不会像一个朋友那样坐下来请你吃饭。

6. 更好的 AI 时代，不只是技术更强，而是每个人都能在社会共性价值和个人价值之间，找到新的平衡。

名词解释

AI Native
指从一开始就把 AI 当作基础工具和环境来设计学习、工作或产品，而不是在原有流程上简单加一个 AI 功能。

Reward
在 AI 训练中，指用于判断结果好坏的奖励或惩罚标准。目标越清楚，AI 越容易优化。

共性知识
来自大量人类文本、经验和表达的共同部分。AI 很擅长总结共性，但难以完全替代具体个人的独特经验和情感。

延伸信息

欢迎在小红书搜索：会友播客
添加小助手微信：huiyouhz
和我们一起继续聊科技、商业与未来世界。

在小宇宙查看该单集文稿

如果说过去几年，AI 的主战场还在屏幕里，那么具身智能正在把问题带回真实世界：机器人要看见、触摸、移动、判断，还要在不完美的物理环境里持续工作。

这一期，围绕物理智能最核心的三组分歧展开讨论：数据之争、智能之争、场景之争。

仿真数据和真实数据到底谁更重要？通用大模型会不会“降维打击”具身智能公司？机器人行业真正跨过泡沫的标志，是技术 Demo，还是客户愿意持续付钱？

本期嘉宾：

韩铮
苏度科技联合创始人兼首席执行官

沈宇军
蚂蚁灵波科技首席科学家

王潜
自变量机器人创始人兼首席执行官

许华哲
破壳机器人创始人、清华大学交叉信息研究院助理教授

主持人：

「十字路口Crossing」播客主播 杨远骋Koji

本期判断

具身智能不会简单复刻大模型的发展路径。

它可能同样需要预训练、数据、评测和规模化，但进入物理世界之后，智能面对的是传感器噪声、接触变化、硬件可靠性、商业成本和持续反馈。机器人真正难的地方，不只是“理解指令”，而是在真实世界里稳定完成任务。

你会听到

• 仿真数据为什么绕不过去？

• 真实世界数据到底不可替代在哪里？

• 通用大模型会不会降维打击具身智能？

• 机器人做麻婆豆腐、抓筷子、叠衣服，分别说明了什么？

• 为什么机器人最难的是复杂物理接触？

• 具身智能商业化不能只看 Demo，而要看什么指标？

• 五年后回头看，今天的具身智能哪些被高估，哪些被低估？

时间线01:47为什么这一期要聊“数据之争、智能之争、场景之争”
02:07仿真数据路线：为什么只靠真实数据收集效率不够
05:24真实数据路线：机器人必须面对传感器误差和物理世界的不完美
09:05智能之争：通用大模型会不会降维打击具身智能？
16:09Astra 能抓筷子，但为什么还做不好麻婆豆腐？
19:37具身智能会不会反过来影响云端大模型的发展路径
23:10机器人未来可能是“上层理解 + 底层技能”的分层系统
24:59场景之争：具身智能跨过泡沫，最关键的商业化指标是什么
30:58站在五年后看，今天的具身智能被高估和低估了什么
40:35数据量、通用能力与具身智能模型的未来进展

核心观点

1. 仿真不是万能的，但真实世界数据也不是唯一答案。不同阶段需要不同数据，真正关键的是能不能规模化地产生、验证和使用高质量数据。

2. 物理世界的不完美很难被完全仿真。传感器噪声、触觉信号、接触变化和环境随机性，都是机器人最终落地必须面对的问题。

3. 通用大模型不会天然解决具身智能。语言、代码、数学、视频和机器人控制之间，并不存在简单的能力迁移。

4. 具身智能的商业化不能只看炫酷 Demo。更重要的是高成功率、泛化能力、部署成本、设备可靠性，以及客户是否愿意持续付钱。

5. 机器人行业真正的机会，可能不只是替代人做某个动作，而是让 AI 进入生产、制造和物理世界的闭环。

名词解释

具身智能
让 AI 不只停留在文本、图像和屏幕中，而是通过机器人等实体系统感知、行动，并与真实物理世界交互。

Sim-to-Real
指在仿真环境中训练出的能力，迁移到真实世界后能否继续有效。

Real-to-Sim
指能否把真实世界中的复杂因素，比如传感器噪声、触觉反馈、物体差异等，规模化地还原到仿真环境中。

Contact-rich Task
复杂物理接触任务，比如叠衣服、做饭、插筷子、操作柔性物体等。这类任务往往比“识别物体并移动过去”更难。

Astra

OpenAI 的 GPT-6（"GPT-6 Astra"），能直接驱动机械臂的大模型（具身智能能力）。目前能做到控制抓筷子、插杯子、递物等简单抓取、放置动作

延伸信息

欢迎在小红书搜索：会友播客
添加小助手微信：huiyouhz
和我们一起继续聊科技、商业与未来世界。

在小宇宙查看该单集文稿

一个一行代码都不会写的文科生，如何在72小时里，用自己的AI智能体团队，在OpenClaw项目上提交了上百个PR，其中21个被合并，并进入贡献者前30名？

金融专业出身，做了几年跨境并购，2025年春节前后，杨天润给三个AI智能体取了名字、定了岗位：Echo管产品，Elon Musk写代码，Henry跑社区，然后放手让它们自己干活。72小时内，上百次提交，21次被项目方正式接收。其中一次merge合并，来自Open Claw创始人Peter的亲手点击。

本期《会友镖局》，我们和天润聊聊，不只是复盘他如何做到，更想邀请他分享一个关于AI时代新工作方式的样本：当一个人能指挥一支AI军团，他获得的不只是效率，还有组织能力、判断权和责任。

🧑‍🤝‍🧑本期嘉宾

嘉宾： 杨天润（天润），90后文科生， AI创业者，Naughty Labs CEO ，OpenClaw项目贡献者

👩本期主播

主播： 友红，蚂蚁集团

📒时间轴

一、拥有三个"数字员工"后，成为顶级开源项目贡献者

01:34 欢迎天润，一个金融出身，一行代码都不会写的文科生

02:38 天润的三个智能体的角色：Echo（产品经理）、Elon Musk（CTO）、Henry（CMO）

05:31 不只是写代码，还做了产品设计+工程执行+社区运营三件事

06:32 第二天就有PR被合并，OpenClaw创始人Peter亲自merge

08:00 现在OpenClaw的审核也交给了AI：人类是卡点，不是AI

二、当执行变便宜，什么能力会变贵？

13:10 GPT刚出来时就看到了变化：在投行用AI起草合同，一周的工作一晚上完成

14:42 AI给每个人发武器，跟过去积攒了多少肌肉无关

16:05 完整的商业闭环是发现需求、做出来、卖出去，但现在中间步骤已经不值钱了

17:44 过去的教育，是把人培养成链条里的一个零件

19:40 浪漫、善感、注意力不集中、兴趣太多元，过去的缺点在今天全是优势

三、AI Native：未来的组织为什么会变小？

21:12 小组织天然AI Native，因为没有历史负担和知识诅咒

22:21 大厂也在转型：从个人用AI，到组织层面用AI

23:31 OPC不是一人公司，而是极少数人围绕AI重新组织

24:23 也许未来6人AI Native组织的整体产出，可能超过600人大厂

26:19 建立新世界远比改造旧世界容易

四、Agent时代，软件要给谁用？

27:52 Agent Native下，手机和终端，可能成为新的入口

28:32 旧软件为什么要开放CLI/API/MCP给Agent调用？

32:35 如果Agent使用量超过人类，软件公司该怎么办？

33:00 火车刚发明时被骑马的人追着嘲笑，但你一旦坐上，就会知道下一代不需要再学骑马了

五、AI军团怎么管？能力、权力与责任

40:04 你的agent teams，应该要有自己的名字

41:25 有血有肉 = 有职位、有人设、有明确职责

41:49 Agent Teams为什么是给人类使用的GUI?

43:07 有角色就会主动收集上下文，像新员工入职一样去自我成长

47:27 人类跟AI交互其实就三件事：定义意图、监控进度、安全刹车

49:22 什么任务可以放手给Agent，什么任务必须强控

57:04 把AI当大师：如果他是梵高，你不能指挥他用什么笔

六、重新定义自己，"文科生"标签已经过时了

59:53 从投行到创业：金融要权衡利弊，但"权衡利弊权衡不出一个好的企业家"

01:01:02 二月份还能拿"文科生写代码"当新闻，现在已经是常识了

01:05:08 "人文思维"去代替"文科生"，就像站在乔布斯口中的“十字路口”

01:06:18没有人是比AI更好用的工具，要让孩子成为更有主见的人，而不是螺丝钉

01:08:13 给普通人的建议：先坐上“火车”，才能看见未来

📖【名词解释】

• PR（Pull Request）：PR：Pull Request，开源协作中提交代码修改、请求项目维护者审核合并的一种方式。

• Merge（合并）：维护者审阅通过后将PR纳入项目正式代码。被merge意味着你的贡献被项目方认可，天润的PR得到OpenClaw创始人Peter本人的亲自合并。

• OpenClaw：全球顶级开源项目，开源社区git hub上人类历史上star增长最快的项目之一。

• Agent Teams：由多个有明确角色分工的AI智能体组成的协作团队。区别于临时生成、用完即消的workflow式并发agent。

• AI Native组织：不是简单使用AI工具，而是围绕AI能力重新设计分工、流程和组织结构。

• OPC（One Person Company）：常被理解为“一人公司”。在本期语境里，更接近“极少数人围绕AI重新组织起来的高产出单元”。

• Human in the Loop：人在AI流程中参与审核、判断、授权或兜底。

策划：常常

运营：千寻

☎️找到我们

精彩片段：视频号【会友镖局播客】

其他平台：小红书｜抖音｜Bilibili

收听渠道：Apple Podcast｜小宇宙

添加小助手微信：huiyouhz，可以加入听友群喔

在小宇宙查看该单集文稿

如今的模型在数字世界里游刃有余。它能写诗、会画画、认得清图片里的猫。但一旦把同样的模型放到机器人身上，问题就暴露了：它看得见玻璃后的猫，却不知道那道玻璃过不去；它知道水杯要倒，但推理太慢，等反应过来水早已洒了。

数字世界的“懂”，不等于物理世界的“会”。

过去一周，蚂蚁灵波科技密集发布并开源了6 款模型，涵盖空间感知、世界模拟、动作执行等完整技术链条。

社交媒体刷屏、开发者社区强烈关注、多次登上海内外平台Trending趋势，开源的4款模型在GitHub上总Star数已超过2.3K……

不止模型本身，LingBot2.0更提出了一个明确的技术主张：具身原生。机器人的大脑，不该是通用大模型的“移植版”，而应该从零开始，为物理世界量身定做。

什么是“具身原生”？为什么机器人不能只是大模型在物理世界里的一个 Agent？为什么数字世界里好用的视频生成、多模态模型，到了机器人身上就会遇到新问题？

这期节目，我们与灵波科技首席科学家沈宇军从灵波大脑 2.0 的发布聊起，一起聊聊灵波如何为机器人装上一颗“原生大脑”。

🧑‍🤝‍🧑本期嘉宾

沈宇军：蚂蚁灵波科技首席科学家

 

👩本期主播

石洪竺：魔搭社区运营负责人

📒时间轴

一、灵波大脑 2.0：为什么要提出“具身原生”

03:13 从灵波 1.0 到 2.0：半年时间里，模型能力做了哪些升级

04:33 从模型架构、数据到算法，天然为机器人设计

05:18 灵波正式提出“具身原生”，是为了解决机器人的三个问题：“看得更清楚”、“想得更明白”、“干得更利索”

二、看得更清楚：机器人不能只识别，还要理解物理距离

08:46 数字世界追求清晰度、画质和创造力，物理世界更在乎时效性和合理性

10:21 为什么要做一个尽可能通用的机器人“大脑”

12:52 大模型吃了几十年互联网数据红利，但具身场景的很多数据工作都要从零开始

15:18 “开门见猫”：当门关闭时，深度图就无法识别门后的猫，仅靠语义识别无法理解三维空间

（“开门见猫”）

17:20 灵波的视觉训练聚焦几何边缘检测，通过识别轮廓和边界，让机器人能感知物体位置和障碍物

（几何边缘检测）

20:29 Depth 2.0 的升级：更换预训练方式，扩大数据量，解决更多 corner case

三、想得更明白：机器人需要单向、快速、可交互的世界模型

22:17 现实世界不是全可控的，机器人的思考要像时间一样单向流动

23:52 World 2.0：支持更长时间（小时级别）的视频生成和交互

26:07 机器人执行任务时，必须能应对被打断、被干扰的情况

28:14 Dense 架构推理效率不够，为什么要做 MoE 视频生成模型

32:09 一个无法摆拍的 demo：机器人如何实时响应人的随机动作

（机器人打球）

34:45 物理世界不需要视频生成得多漂亮，而需要生成得足够快、足够合理

（LingBot-World-Infinity）

四、干得更利索：真正落地后，才知道数据缺在哪里

36:30 “具身原生”讲起来是态度，做起来是能力

40:19 真实场景里，机器人需要抬手、弯腰、移动底盘，不只是动双臂

41:19 灵巧手、头部、腰部、底盘等自由度，都需要新的数据覆盖

41:59 从 9 种构型升级到 17 种构型，扩展可控自由度

42:29 数据规模化不只是堆量，更要关注任务、构型、自由度的分布

45:10 数据闭环不是采集完就结束，而是训练反馈到采集端

五、具身智能的下一步：灵巧手、传感器和数据

46:43 从 1.0 到 2.0，具身智能下一阶段的拐点是什么

48:24 未来三个关键变化：灵巧手、传感器、多模态数据

50:43 具身智能的 ChatGPT 时刻：当每个人都能参与训练机器人

51:48 终局想象：机器人进入家庭，承担重复、危险、精细的任务

53:50 对开源社区的期许：建立公允、共同认可的中立Benchmark

📖名词解释

• 具身智能：让智能体拥有身体，并能在真实物理环境中感知、决策和行动的 AI 方向。

• 具身原生：从模型架构、训练数据、算法和任务目标开始，就面向机器人和物理世界设计，而不是直接套用数字世界模型。

• 世界模型：让 AI 在内部模拟环境变化和未来结果的模型。对机器人来说，它可以帮助提前预演动作后果。

• MoE：Mixture of Experts，混合专家模型。通过只激活部分专家模块，在保持模型容量的同时提升推理效率。

• Benchmark：评测基准，用来衡量模型能力。具身智能目前仍需要更公允、更贴近真实物理任务的评测标准。

🔗延伸阅读

灵波科技官网：https://www.robbyant.com/product/R2

直播回放链接：https://weixin.qq.com/sph/AZKXWkFrqs

策划：常常

运营：千寻

更多节目信息，欢迎关注小红书：会友播客

添加小助手微信：huiyouhz，可以加入听友群喔

在小宇宙查看该单集文稿

一个中文系毕业的女生，创办了一家AI公司——专做400电话客服。她打造的AI客服，比真人更受用户欢迎。

本期《会友镖局》带来一场纯文科生转型AI创业者的深度对话。星语智能创始人兼CEO醒辰，中文系毕业、高中理科背景，从大模型公司CEO，到创立自己的AI公司，专注用新技术改造传统的400热线客服市场。她将感知力与沟通力结构化、产品化，并在十人团队、八个月即实现盈利的实践中，重新定义了服务的温度与效率。

这不是一次简单的创业故事，而是一场关于文科生在AI时代的自我认知、能力杠杆与组织重构的启发式对话——如何让“舒服”成为技术指标，如何让“非共识”变成商业机会，以及如何用AI撬动一个人最大的能量场。

🧑‍🤝‍🧑本期嘉宾

醒辰：星语智能创始人&CEO

👩本期主播

友红

📒时间轴

04:31  创业核心思路：不做“双新”

选择改造400热线客服市场。坚持“新技术+老商业模式”原则，避免教育用户的高成本。全球BPO市场约3.4万亿人民币，行业成熟但缺乏飞跃性进展。AI让“小团队+完整体系”成为可能，十人团队即可撬动产业。

09:18  文理科结合：把事做对更要做“好”

与人交互不是单纯对错问题，还要让用户感受到友好、满意、关怀。技术最终会平权，但如何将技术变成作品甚至艺术，是文科生的优势。客户评价“你们家的听着就舒服”是最高认可。服务本身是供需不平等的，AI是补足而非替代就业。

14:08  有效沟通，来自从对方的角度出发

科学家/技术人员是垂直、钻深的思维。横向思维的文科生需用对方的纵向逻辑去表达需求。数据像“做菜的配方”，对场景的感知和敏感性是关键。把AI当人看，像培养孩子一样“教育”它。

17:34  结构性表达，让感知力成为财富

文科生容易陷入感受性表达，导致与技术人员“鸡同鸭讲”。结构化表达是成为“桥梁”的核心。敏感不是负担，当你能结构化表达出来，它就变成了巨大财富。

25:15  从用户视角打磨服务体验

以用户视角打磨产品，关注“舒服”这一核心指标——速度和准确只是及格线。AI客服不仅能做对事，更能进阶为技术专家，无上限记忆、远程排查故障。真实案例证明：AI的共情力让用户放弃投诉、让弱势群体感到被尊重——服务的关键是让人感到被认真对待。

34:33  敏感不是弱点，要自我肯定

要学会欣赏自己，自己才是最稳定的能量支撑。每个人都有机会成为“超级个体”，只需把一个点极致放大。

38:14  创业需要六边形战士

创业是系统能力（经营、组织、产品、市场、技术等），需要六边形战士。目前最大消耗是工作量，两年没有个人休闲时间。“搞事业”时充满希望，不是责任而是动力，不怕输。

42:37  AI让文科生变得值钱

文科生的感知力、沟通力，以前很难直接产生商业价值。现在AI让这些能力变得很值钱。普通人起点：先肯定自己，用低成本工具做尝试，不要自我消耗想法。

48:00  十人团队，八个月实现盈利

核心成员平均00后，不招有“AI经验”的人，更看重学习力和成长性。AI让一个人当十个人用。从用户视角重新设计产品，不被行业旧有做法框住。

54:11  相信“非共识”，就是机会

希望“来自杭州的声音能够服务全世界”。迷茫与乐观的转换开关在于“希望”，希望来自欣赏自己。相信“非共识”——别人都不认同而你认同的地方，就是机会。

内容策划：常常

运营：千寻

更多节目信息，欢迎关注小红书：会友播客

添加小助手微信：huiyouhz，可以加入听友群喔

在小宇宙查看该单集文稿

当 AI 开始重写软件开发、组织协作和技术人的成长路径，一个技术组织真正要继承的是什么？又必须抛弃什么？

 

本期《会友镖局》带来一场难得的蚂蚁集团三代 CTO 对谈。鲁肃（程立）、老苗（倪行军）、梁纥（何征宇）齐聚一堂，回看蚂蚁从 PC 支付、无线支付、分布式架构一路走到 AI 时代的关键节点，也聊到一个更现实的问题：当 AI 能写代码、能做测试、能协作，工程师的价值还剩什么？组织又该如何重新分工？

 

这不是一次简单的技术回忆录，而是一场关于技术传承、组织变革和 AI 时代工程师自我重塑的深度对话。

 

本期嘉宾

程立（花名鲁肃）：蚂蚁集团历任 CTO

倪行军（花名苗人凤）：OceanBase董事长、蚂蚁集团历任 CTO

何征宇（花名梁纥）：蚂蚁集团 CTO

 

本期主播

霍太稳：极客邦科技创始人兼CEO

 

本期时间轴

01:48从集中式到分布式：蚂蚁技术的第一次大转身

2006年，预见到支付业务将爆发式增长，鲁肃和老苗决定从集中式转向分布式，耗时三年，停业务半年、停机17小时，失败可能离开公司。这不仅改变了系统，也催生了蚂蚁最早的中间件团队和分布式事务解决方案，更重构了研发流程和组织形态。

 

06:03 被问题追着跑，资金安全、成本与规模倒逼架构升级

老苗认为：分布式用廉价机器解决安全与成本问题，这是对真问题的判断，与头衔无关。

 

11:39 2025年的决心：把技术基础打出去，All in AI

梁纥：2025年初决定All in AI，做好交工牌准备，蚂蚁敢于用最新技术解决社会问题。多数人把AI当杯子（替代工作），蚂蚁要用它造显微镜和望远镜，去发现新大陆。

 

17:50蚂蚁穿越周期的三大能力

解决时代真问题、驾驭新技术、愿意做痛苦的组织变革。

 

22:09 AI应用标准：客户价值、战略匹配、商业天花板、自我进化

老苗提出，用四个维度筛选AI项目：真问题、战略匹配、商业天花板高、能自我进化。

 

28:21 AI原生组织：边界被打破，底线不能变

梁纥：工种边界模糊，评测成关键岗位；底线是安全和责任，用AI对抗AI的不确定性。

 

34:28工程师与AI的关系

鲁肃认为工程师是技艺、创造、匠心的三角；老苗：AI可以减掉组织的“无效脂肪”，出现超级小分队、形成“唐僧”式角色给AI念紧箍咒。

 

44:53未来三年：要么驾驭AI，要么被淘汰

鲁肃：找到真问题，用AI做杠杆和学习工具，码农之名将消失。老苗和梁纥：成为全栈超级个体，冲进去解决问题，经历是最大价值。

 

52:39继承信任，创造业务环境

鲁肃：必须继承信任，蚂蚁平台的基础永远是可信；必须保留创造，也愿意抛弃过去经验，拥抱新技术和新组织。

老苗：CTO是战略伙伴，业务总裁要容忍技术不确定性，为未来留空间。

 

59:39 AI 时代最重要的下注，不只是模型能力，而是人

梁纥：最敢赌的是人，压定离手，不患得患失。

 

 

核心观点

1.技术决策的关键时刻，需要“拍脑袋”的勇气

蚂蚁在2006年从集中式转向分布式，是在没有任何先例的情况下做出的冒险决定。失败可能意味着离开公司，但成功了就撑起了双十一和移动支付时代。真正的技术决策与头衔无关，与判断力和勇气有关。

 

2.AI像玻璃，可以做成杯子，也可以造出望远镜

大多数人把AI当作提效工具（杯子），但蚂蚁要用它做显微镜和望远镜，去发现新大陆、进入新尺度。AI不是简单的生产力工具，它可能带来比互联网更深远的生产力革命。

 

3.判断AI项目价值，用四个筛子

一是客户真问题，二是与战略匹配或成为新战略方向，三是商业天花板足够高，四是产品能自我进化（越用越强）。不是所有AI应用都值得重投。

 

4.工程师不会被AI替代，但会被“不会用AI”的工程师替代

工程师的能力三角是技艺、创造、匠心。AI替代的是技艺，但放大了创造和匠心。不会用AI是麻烦，只会依赖AI是危险，驾驭AI才有未来。

 

5.AI时代，组织要“减脂”，新岗位将涌现

应减掉不产生价值、不提升技术的“无效脂肪”。未来会出现围绕真问题的超级小分队，以及研究Agent协作、评估AI产出、为AI“念紧箍咒”的新角色。

 

6.工程师的成长路径——找到真问题，成为超级个体

28岁的工程师要做的三件事：找到一个有价值的问题，用AI做杠杆，在解决问题中学习。码农的名字会消失，人人都可以成为CTO——用token管理成千上万个“技术团队”。经历是AI时代最宝贵的价值。

 

6.必须继承的是信任，必须放下的是守旧

蚂蚁平台的基础永远是“可信”。过去成功的经验可能成为包袱，要愿意抛弃旧我，拥抱新技术、新组织。CTO越来越像业务总裁的战略伙伴，需要为未来的不确定性保留资源和空间。

在小宇宙查看该单集文稿