在镜头面前，深度学习图灵奖得主杨立昆以一种平静却近乎残酷的方式，将风口上的人形机器人行业推上了审判席。
他直截了当地指出了那个令无数创业者与资本避之不及的真相。
“整个行业最大的秘密在于，目前没有任何一家公司真正知道如何让这些机器人变得足够聪明。”
这句话经由投资人剪辑转发后迅速在社交平台上炸开了锅，彻底撕开了具身智能狂热浪潮下的技术遮羞布。
在过去几年里，人形机器人赛道仿佛经历了无与伦比的繁荣。
▲ 该方向很快在 X 上引来争论，评论区分成两派。
但在杨立昆看来，这些看似惊艳的动作不过是精心编排的“特技表演”。
大多数演示要么依赖预先设定的代码轨迹，要么背后有工程师在进行遥控操作。
一旦脱离特定的实验环境，让机器人面对乱七八糟的家庭客厅或是复杂多变的工作现场，系统就会瞬间瘫痪。
这种将狭义的特定任务展示等同于通用智能的做法，极大地误导了公众与资本市场。
▲ 记者追问下的完整答案，比社交媒体上的版本多厨师限定条件。
从预演体操到真实智力：为什么现有的机械躯壳只是“空壳”
当前的许多人形机器人企业正把绝大部分资源砸在机械硬件的研发上。
他们精心雕琢自由度与关节电机，却唯独缺失了最核心的物理大脑决策能力。
单纯依靠增大语言模型的参数规模，根本无法解决物理世界的复杂交互问题。
文本数据本质上是一种低带宽的信息源，文字里不包含物体如何坠落、机械臂受力反馈等真实的物理规律。
▲“真实世界。真实智能。” ，AMI Labs 将这句话印在了星云背景的宣传图中。
人类四岁小孩通过视觉和触觉接收到的物理数据，就已经远超全网所有文本数据的总和。
将缺乏物理直觉的大语言模型直接装进机器人躯壳，注定无法孕育出真正的通用物理智能。
不具备物理理解能力的机械躯干，再灵活也只是没有灵魂的自动化机械构件。
当资本狂热退去后，大家会发现许多号称自主运转的系统根本不具备泛化适应能力。
这种技术瓶颈直接导致大量的硬件创新沦为无法规模化落地的镜花水月。
▲ 争论的焦点从“谁在装傻”变成了“差距到底还有多大”。
只有真正理清硬件与算法的优先级，行业才能避免走入盲目烧钱的死胡同。
物理世界模型破局：具身智能的下半场技术抉择
这场由杨立昆发起的行业拷问，迅速引发了包括特斯拉与 Figure 等具身智能头部企业的隔空反击。
▲普拉特曾亲手推动过DARPA挑战赛，现在他把矛头指向同一个障碍。
创业者们纷纷晒出最新的自主任务视频，试图证明算法进化速度远超学术界的悲观预测。
但反击的声浪并未抹平底层技术路线的深刻分歧。
解决物理世界的感知与规划问题，正在成为行业无法绕过的真正壁垒。
▲家猫、十岁孩子、青少年学车，这套标尺曾一度被他提出来敲打行业自我的陶醉。
杨立昆提出的解题思路，是放弃对纯文本大语言模型的盲目崇拜，转向基于自监督学习的“世界模型”。
世界模型能够像人类大脑一样，在心中模拟和预测物理行为的结果，从而进行实时的决策与动作规划。
▲ 对人类轻而易举的动作与动作，是机器最难跨过的坎。
只有当机器人学会通过高带宽的视觉、听觉和触觉感知自主学习物理规律，才能在陌生的环境中应答自如。
那些估值数十亿美元的机器人独角兽，其未来的命运完全取决于能否在世界模型与规划架构上取得突破。
如果不解决大脑问题，再完美的机械躯干也只是昂贵的玩具。
这场关乎具身智能本质的论战，正逼迫整个行业卸下浮躁的包装，重新回归最硬核的技术攻坚。
热门跟贴