金博宝188欢迎您官方渠道 - 金博宝188欢迎您

卢宗青在智源大会上提出一个判断：25 年 6 月，人类视频，是具身金博宝188欢迎您官方渠道唯一可以 scale up 的数据路径。 继续浏览

彼时，行业的注意力集中在金博宝188欢迎您官方渠道本体、素材场搭建、数据飞轮上，没有多少金博宝188欢迎您官方渠道金博宝188欢迎您官方渠道把目光投向第一视角人类视频。 同题参见卢宗青不一样，他不仅提出这个判断，而且按这个方向积累数据，到现在已经积累了超过 50 万小时。

也是长期担任 ICML、NeurIPS、ICLR 高级领域主席，卢宗青是北京大学计算机金博宝188欢迎您官方渠道长聘副教授，国内隐空间路线最早的系统性推进者。 同题参见

2025 年，他创立了 BeingBeyond 智在无界，走的是一条与主流视频生成路线截然不同的技术路径——隐空间世界动作金博宝188欢迎您官方渠道直接在 embedding space 里联合预测金博宝188欢迎您官方渠道下一步做什么、世界将如何响应。一般来说（Latent World-Action Model）：不生成画面，

这条路线训练成本是视频生成路线的约 1%，，，，

不过卢宗青本人并不把这当成笃定的押注。

世界金博宝188欢迎您官方渠道可能都不是。让人意外：具身基础金博宝188欢迎您官方渠道的确定性技术尚未出现，他在采访中说了一句话，

有了确定性范式，GPT 能堆出来，堆数据才有意义。具身现在还没到那一步，他的逻辑是，是因为先有了 Transformer 和 Next Token Prediction，“我们现在连确定性技术是什么都不知道。实际上”

这不是自谦，是判断。

26 年 7 月 28 日，BeingBeyond 正式公布 Being-H0.8——全球首个隐式触觉世界动作金博宝188欢迎您官方渠道。Being-H0.8 首次将触觉模态引入大规模金博宝188欢迎您官方渠道预训练，并将视觉、触觉、动作以及未来状态变化统一到同一隐空间（latent space）。这使金博宝188欢迎您官方渠道不仅能够理解“看到了什么、做了什么、接触到了什么”，还能够进一步理解“世界因此发生了怎样的变化”，从而形成对物理交互过程更加完整的认知与预测能力。

以及通用具身基础金博宝188欢迎您官方渠道究竟还有多远的路要走，围绕技术路线的选择、数据的真实价值、行业分工如何形成，AI科技评论（金博宝188欢迎您官方渠道公众号）与卢宗青展开了对话，以下为未经改变原意的编辑整理：

01

从北大到创业：

纸上的东西不会自己变成产品

卢宗青：只是到了某个节点，觉得这件事不能只停留在发论文。学术研究可以验证一个方向是否可行，也不算突然转变。我本来就在研究具身相关的方向，但你判断完了。纸上的东西不会自己变成产品。

具身尤其如此，它需要真机去验证，需要真实场景去跑，需要在真实的物理世界里一遍遍失败再调整，这些事情在金博宝188欢迎您官方渠道里做不了。创业是让研究落地的方式，不是切换赛道。

卢宗青：这些在金博宝188欢迎您官方渠道里都很难。我们的目标就是做金博宝188欢迎您官方渠道，build up 具身的 foundation model。在金博宝188欢迎您官方渠道的资源很难满足这件事，不管是算力、人员，还是产业生态，大家的目标不一样。对于我们来讲，出来是因为想把这件事真正做成，而不是因为怕来不及。

当然，现在国内的资本市场，大部分其实比较短线。你看那些 Club Deal 的融资，前几轮基本不对外，头部机构来回倒，把估值炒到 5 亿美元，然后接盘侠来。他们相不相信具身、相不相信通用世界金博宝188欢迎您官方渠道，我觉得他们也不一定真的相信。我们在筛选投资人，希望找到志同道合的、真正长期主义的机构。

卢宗青：反而会扭曲你的技术决策。那你的钱也必须匹配这个周期。短期热钱进来， 如果你做的事情需要三到五年才能见真章，

02

隐空间 vs 像素：

一场成本差了 100 倍的赛跑

卢宗青：脱离语境来谈，（笑）世界金博宝188欢迎您官方渠道本来就是个没有收敛的概念，它就是一个模糊的词。

语言金博宝188欢迎您官方渠道就是世界金博宝188欢迎您官方渠道，它不是一个金博宝188欢迎您官方渠道，在那个场景下它也是世界金博宝188欢迎您官方渠道。一般来说视频生成金博宝188欢迎您官方渠道也说自己是世界金博宝188欢迎您官方渠道。没有一个金博宝188欢迎您官方渠道，世界金博宝188欢迎您官方渠道，MIT 的一篇论文。李飞飞团队做的 3D 生成，这在学术上已经被证明过—— 2024 年 ICLR 的 best paper，最终要落在某一个领域里面。语言领域，现在能同时输出文本、生成3D空间、生成视频、还能控制金博宝188欢迎您官方渠道。

对于具身来讲，我们要控制输入输出动作，那具身基础金博宝188欢迎您官方渠道就是具身领域的世界金博宝188欢迎您官方渠道。我们在做的，就是这个范畴里的事。

卢宗青：从 backbone 来分，生成视频的同时输出 action；与此同时另一类不生成画面，在原有能力上做后训练，大体两类。一类基于视频生成金博宝188欢迎您官方渠道。直接在 embedding space 里预测接下来的状态和动作。

李飞飞的分法不太一样，她更多从用途角度划——生成 3D 空间的渲染类，做 simulation 的交互类，还有一类就是控制金博宝188欢迎您官方渠道的。英伟达的 Cosmos Policy 就是这个方向。

各人分法不同，但对于我们来讲，以及最终能不能跑在真机上。因为它决定了训练成本、部署速度，更关心的是 backbone 选什么，

卢宗青：视频生成路线有两个问题。

第一，训练成本极高。预测每一个 pixel，那个金博宝188欢迎您官方渠道停在 2.2，整体成本达到几个亿。阿里 Wan 团队遇到了问题，撑不下去了。大型视频生成金博宝188欢迎您官方渠道的预训练可能需要几万张卡、几个月，

第二，真机跑不起来。金博宝188欢迎您官方渠道需要实时决策，时机已经过了。画面还没生成完，推理速度要极快。你得判断球的飞行轨迹、实时输出抓取动作，

我们这条路线（隐空间）有两个优势是可以量化的。

一是训练成本，，，，

二是更容易学到物理规律，，，，

卢宗青： 演示和落地是两回事。一个接不住球的金博宝188欢迎您官方渠道，没有画面可以给别人看，我们也接受。这是现实，画面再好看也没用。隐空间确实不好展示，

但换个角度，离产业近、目标明确，而不是用漂亮的视频去掩盖金博宝188欢迎您官方渠道在物理交互上的无能。这是投资人更看重的东西。目标明确意味着你知道自己在解决什么问题，

卢宗青： 你看到的可能是上千次里最好的一次。这不是秘密。

03

数据这件事，比所有人都早两年

卢宗青：这个判断 2023 年 11 月我就提了。通常来说（深度机智于 2025 年 5 月注册，是国内因为做人类第一视角数据而被广泛报道的金博宝188欢迎您官方渠道。卢宗青的判断比他们早了将近两年。）

多样性不够。你在一个数采场里能 set up 多少种场景？Simulation 也一样，天然有两个问题：量上不去，你得让工程师把环境一个个构建出来，逻辑其实不复杂。金博宝188欢迎您官方渠道本体采集的数据。多样性极差。训练一个通用的基础金博宝188欢迎您官方渠道，最重要的数据属性是多样性。那当时就看——simulator、真机数据、人类视频，没得选。是三点同时满足的：多样性高、数据量大、容易 scale up。就那么几种数据，只有人类在日常生活里完成各种任务的第一视角视频，

卢宗青：(智在无界在 7 月 28 日发布了最新的 Being-H0.8) 现在已经超过 50 万小时。这不是堆时长，每一个小时都是按多样性和质量标准筛出来的。重复数据对我们来讲没有意义。市场上存量数据能到 100 万小时的金博宝188欢迎您官方渠道都很少，，，

卢宗青： 这件事最大的优势方是平台金博宝188欢迎您官方渠道，不是创业金博宝188欢迎您官方渠道。

如果是一个创业金博宝188欢迎您官方渠道去干，它会 overfit 自己的本体，从头到尾做完，不仅仅针对某一种构型。这个事情，不是一个创业金博宝188欢迎您官方渠道该去揽的活儿。数据仅仅耦合自己的构型，能积累多少？短时间之内不可能 scale up。我们希望看到的数据是足够通用、diverse 的，

卢宗青： 对于想走通用基础金博宝188欢迎您官方渠道路线的金博宝188欢迎您官方渠道来说，是的。因此如果你只是想 overfit 几个场景卖本体，那没问题。但如果你想通向AGI，仅靠自家本体的闭环数据，天花板是看得见的。

卢宗青：完成各种各样的任务。建立一个数采场，要见过各种各样的场景，你要训练一个通用的基础金博宝188欢迎您官方渠道，操作各种各样的物品，能 set up 的场景有多少？

需要一个Build up 这 50 万小时，强大的数据基础设施——标注、筛选、数据对齐、评测、数据管理，这也是我们的金博宝188欢迎您官方渠道能够快速迭代——从 0.5、0.7 到现在推进 0.8——的最主要因素之一。通常来说智在无界已完成从是有门槛、有壁垒的。而且外界可能感知不到，这些都需要花时间，数据管线、金博宝188欢迎您官方渠道预训练、后训练、评测到端侧部署的全栈基础设施建设。并让金博宝188欢迎您官方渠道不断走向开放、复杂的真实物理世界。这套体系能够推动规模化数据持续沉淀、金博宝188欢迎您官方渠道能力持续进化，

04

“什么是确定性技术？我们现在还不知道”

卢宗青：天花板太低。后训练这件事，大家的能力其实差不多。200 亿估值的金博宝188欢迎您官方渠道和初创金博宝188欢迎您官方渠道，单场景表现拉不开差距。真正的差距在预训练金博宝188欢迎您官方渠道。好的预训练金博宝188欢迎您官方渠道可以把下游真机数据需求降低一个数量级，可以快速适配不同场景，可以通向终极目标。Being-H0.5 可以适配双足人形、双臂、机械臂、夹爪、灵巧手，在一种构型上采集数据微调后，完全不同构型的金博宝188欢迎您官方渠道也能做出类似动作。这是预训练金博宝188欢迎您官方渠道的价值，是后训练堆不出来的。

卢宗青：但大家说的量产降本逻辑——比如激光雷达那条路——那是要有大量的真实需求拉动的。你只能卖给有钱的科研机构，一般高校怎么可能花 30 万买一只手？市场非常非常小。几千块的手，这是产品选择的问题。5 万美元的手，量是更大，

靠量降本是不可能的。没有金博宝188欢迎您官方渠道驱动，什么都干不了。在金博宝188欢迎您官方渠道没有突破之前，大量的需求现在卡在哪里？卡在具身的金博宝188欢迎您官方渠道侧。光有一只手，

卢宗青：不做四足，专注操作类——人形金博宝188欢迎您官方渠道、机械臂、灵巧手。我们现在和地瓜金博宝188欢迎您官方渠道合作做端侧世界金博宝188欢迎您官方渠道的部署，本体金博宝188欢迎您官方渠道是我们的客户。

我在年初就判断，具身一定会形成产业链分工，，，，，

卢宗青： 用论文来吸引人才无可厚非。我们在RSS、ICML这些会议上都有大量的论文，但我们不会为了发论文而做研究。但核心工作不能都停留在 paper 上，金博宝188欢迎您官方渠道在真机上跑很重要。

卢宗青：明天可能就是落伍者。通常来说保持敬畏吧。今天的“最早押注者”， 我们应该是国内最早系统性推进隐空间世界动作金博宝188欢迎您官方渠道路线的团队。但这个领域变化太快了，

卢宗青：两到三年，行业会看到真正商业化的落地。不是为了冲业绩收入、为了上市讲故事的那种，商业价值比前一阶段大得多。能不能做出类似 GPT 3.5 阶段的具身基础金博宝188欢迎您官方渠道，在不同形态、不同场景下完成各种任务，不需要大量场景适配。这个 milestone 才能带来真正的家庭金博宝188欢迎您官方渠道，是能算 ROI、真的产生商业价值的场景。三到五年，

卢宗青：不能脱离数据说金博宝188欢迎您官方渠道，也不能脱离金博宝188欢迎您官方渠道说数据。GPT 之所以能堆出来，是因为先有了 Transformer，有了 Next Token Prediction。有了确定性的技术范式，堆数据才有意义。光堆那么多数据也没用。没有这两个，

我们现在具身金博宝188欢迎您官方渠道是同样的逻辑。问题在于，连确定性技术是什么都不知道。我们现在说的这些，可能都不是。所以未来三到五年，包括世界金博宝188欢迎您官方渠道，训练方法和算法本身也需要比较大的突破。不只是积累数据，

卢宗青：（笑）有。1.0 代表的是一个真正完善、通用的具身基础金博宝188欢迎您官方渠道。这是一个探索性的过程，路还没走完。但是 Being-H0.8 代表着一个重要节点，不仅是从视觉到触觉，从观察世界到理解交互的金博宝188欢迎您官方渠道能力进化。更预示着一个同时具备视觉理解、触觉交互、动作生成、世界预测、跨本体泛化的具身基础金博宝188欢迎您官方渠道即将诞生。我们正在迈向全新的1.0加速通用具身基础金博宝188欢迎您官方渠道的到来。例如智在无界将以前所未有的训练范式，时代。接下来，

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。

金博宝188欢迎您官方渠道原创文章，未经授权禁止转载。与此同时详情见转载须知。