transcript
show notes
我是孙煜征，大家叫我立正，康奈尔经济学博士、《真本事》作者、Superlinear Academy创始人。在这里，和我一起把AI、工作与人生中的重要问题想明白。
了解我、阅读文章与查找往期节目
本期内容
具身智能这么火，技术到底走到哪一步了？哪些进展已经发生，哪些关键问题还没有解决？
这期对话李飞飞World Labs团队的郑昌熙。他是哥伦比亚大学计算机科学教授、SceniX联合创始人，经历了学术研究、腾讯和创业，如今在一线探索如何用物理仿真训练机器人。
我们从技术原理聊到行业现状，追问具身智能最核心的几个问题：
• 通用机器人能不能像ChatGPT一样，靠更大的模型、更多的数据迎来突破？为什么工业生产里的分工、速度和可靠性，让这条路没那么简单？
• 怎么判断一个机器人模型有多强？除了会做多少种任务，还要看什么？演示成功，和真正投入生产，究竟差在哪里？
• 世界模型到底是什么？为什么生成一段逼真的视频，还不等于理解了物理世界？要训练机器人，又该保留哪些物理细节？
• 从真实场景到仿真，再回到真实世界，这套训练流程如何工作？数据公司、通用模型公司、软硬件一体的公司，各自在解决什么问题？
昌熙把这些判断展开到具体机制：大模型控制电机时的响应速度、三维世界的表征、仿真中物理细节的取舍，以及工业场景的成本与投入产出。我们也聊了World Labs的空间智能定位、中国和美国公司的不同路线，以及为什么他认为，具身智能距离真正的大规模落地仍处在早期。
访谈前半场还聊到他的职业转向：在腾讯学到的商业现实、发论文和做有用研究的区别，以及拿到终身教职之后，为什么仍想走出熟悉的轨道。兴趣、自我探索、人生的计分牌，也贯穿着他从教授走向创业的选择。
嘉宾：郑昌熙（Changxi Zheng）
哥伦比亚大学计算机科学教授、SceniX联合创始人；录制时在World Labs全职工作，并处于哥大的学术休假期间。
社区伴读文章：https://www.superlinear.academy/c/recording/changxi
#具身智能 #世界模型 #机器人 #人工智能 #李飞飞 #视频播客
章节：
00:00 本期预告
00:50 从SceniX到World Labs：从“小船”换到“大船”
01:55 哥大教授为什么去腾讯建实验室？
05:23 进入商业世界，技术竟然不是最重要的？
07:03 发论文的游戏，和真正有用的研究
12:24 学会了学术游戏，为什么还要换一条路？
13:24 你以为的兴趣，也许只是过去的熟悉
16:16 人生需要计分牌，但可以换一张
18:46 为什么创立SceniX：图形学与机器人的信息差
21:51 用仿真训练机器人，到底在做什么？
24:52 机器人不只要“会”：通用、稳定、速度
26:24 为什么具身智能难等来一个“ChatGPT时刻”？
29:31 工厂和家庭，需要的是同一种机器人吗？
30:22 物理世界的反应速度，为什么也是难题？
33:58 为什么AI更容易改变白领工作，而不是蓝领？
39:00 世界模型是什么：预测一个动作之后会发生什么
41:33 折一个纸盒，需要理解哪些物理细节？
44:14 世界模型的热潮：乐观和真正的难点
45:29 执行越来越便宜，研究者还剩下什么价值？
48:19 为什么美国教授有时间创业？
52:05 具身智能的产业版图：数据、模型与机器人本体
55:01 美国制造业少，机器人创业为什么仍有机会？
57:10 中国公司讲“大故事”，SceniX选择不绑定硬件
问问立正｜把问题想明白
听完还有问题，或想把一个观点用到自己的处境里？试试我做的「问问立正」：AI会从我的公开文章、视频和《真本事》中寻找相关内容，整理回答，并附上出处。每天可免费提问3次。
Superlinear Academy｜免费AI社区
想和一群认真用AI的人一起交流？加入我创办的Superlinear Academy免费社区，看真实项目、找学习资料，带着你的问题参与讨论。
https://www.superlinear.academy/
AI Builders｜系统学懂AI，真正用起来
想系统学懂AI、用它做好重要工作，把想法做成作品？了解我和鸭哥一起做的AI Builders课程。
