每经记者｜朱成祥 每经编辑｜董兴生
7月16日，在“2026世界人工智能大会（WAIC）”开幕前夕，大晓机器人联合创始人、首席科学家陶大程接受了《每日经济新闻》记者在内的媒体采访。
2026年以来，世界模型成为具身智能领域最受关注的方向。李飞飞、吴恩达创立的研究世界模型的公司，均获得10亿美元级融资。
而大晓机器人正是国内世界模型厂商的代表，其由商汤科技首席科学家王晓刚与澳大利亚科学院院士、欧洲科学院外籍院士陶大程共同创立。
关于当下具身智能应用的瓶颈，陶大程认为：“算法、硬件和数据都是制约因素。如果必须选出当前物理AI商业化的首要瓶颈，我认为是可形成闭环的高质量交互数据不足，更准确地说，是缺少把数据评价与真实部署连接起来的基础设施。”
大语言模型的训练主要使用文本数据，而互联网文本数据所有大语言大模型均可以使用，因此具有通用性。但具身智能领域的数据则与之迥异。甲公司机器人训练出来的数据，却常常无法在乙公司机器人中使用。
对此，陶大程表示：“这涉及跨本体问题。大晓希望长期构建的核心能力，是跨本体、跨场景物理经验的操作系统：识别哪些经验具有控制价值，把人类、机器人、仿真和第一视角数据映射到共同事件空间，在部署前比较候选动作，从失败中恢复，并把真实偏差快速反馈给模型。”
其补充表示：“高质量、可闭环且精确标注的数据非常稀缺，因此必须通过统一标注体系，把不同本体的数据映射到共同事件空间，再在这一空间内开展模型训练。这样才能最大限度地复用不同本体积累的物理经验。”
记者观察到，当桌面高度、物体位置等环境条件发生变化时，一些机器人常出现动作僵硬。大晓是否正在通过开放环境算法提升机器人的泛化能力？
陶大程表示：“这是大晓正在长期推进的方向。百万小时数据主要用于验证模型基础能力和体系结构，千万小时数据则更多用于解决长尾问题。环境尺寸发生变化后机器人无法适应，本质上就是数据长尾和泛化不足。”
其举例称：“形成有效泛化，需要足够多样的训练数据帮助模型理解更底层的规律。就像人学习加法，不能只做一道题，而要在不同位数、不同数字组合中理解运算原则，才能泛化到新的问题。将复杂行为拆解为简单行为的组合并不是全新的思想。过去行为分析研究已经采用类似方法。未来行业会继续探索如何以较低复杂度实现动作组合，但仍需要足够的数据支撑模型形成稳定泛化。”
封面图片来源：每经媒资库
1本文为《每日经济新闻》原创作品。
2 未经《每日经济新闻》授权，不得以任何方式加以使用，包括但不限于转载、摘编、复制或建立镜像等，违者必究。
每日经济新闻客户端