八月初的世界機(jī)器人大會上，宇樹科技創(chuàng)始人王興興演講時拋出了引發(fā)行業(yè)激烈討論的觀點(diǎn)。
他認(rèn)為，機(jī)器人尚未大規(guī)模落地的核心原因，并非硬件不足……最大的問題是模型。現(xiàn)階段看視頻生成模型的路線，相比 VLA 收斂概率更大。
而有意思的是，幾乎在同一時間，靈生科技宣布開源業(yè)內(nèi)首個支持異步運(yùn)行的快慢雙系統(tǒng)視覺語言動作框架 RealDualVLA，為機(jī)器人復(fù)雜操作任務(wù)提供了高效協(xié)同的全新解決方案，而這一方案背后的數(shù)據(jù)生成技術(shù)，恰恰是靈生獨(dú)創(chuàng)的視頻生成模型 - 稱為 " 具身 Sora"。
2023 年，在騰訊等互聯(lián)網(wǎng)大廠有過多年 AI 算法和產(chǎn)業(yè)經(jīng)驗(yàn)的楊洪兵創(chuàng)辦北京靈生科技有限公司（簡稱：靈生科技），專注于具身智能機(jī)器人大腦研發(fā)，其核心產(chǎn)品為云 - 邊 - 端一體化大腦系統(tǒng)（LingBrain），目前已獲數(shù)千萬融資。
楊洪兵認(rèn)為，具身智能真正的變革，在于給機(jī)器人裝上一個能獨(dú)立思考和行動的 " 大腦 " ，而機(jī)器人 " 大腦 " 的進(jìn)化，則來自開源帶來的生態(tài)繁榮。
靈生科技不僅開源了自研的 VLA 模型，還提出用生成視頻、" 跟我學(xué) " 的方式來訓(xùn)練機(jī)器人大模型，讓它們先像人一樣在腦海里 " 推演 " 操作流程，再去執(zhí)行任務(wù)，從而把成功率拉到 95% 以上。
在楊洪兵看來，真正的機(jī)器人不應(yīng)是人跟在后面的遙控玩具，也不是實(shí)驗(yàn)室樣品，而是能理解語言、感知物理世界、完成復(fù)雜任務(wù)的 " 生產(chǎn)力伙伴 "。
最近，鉛筆道和楊洪兵就機(jī)器人大腦開源、具身 Sora、產(chǎn)業(yè)化路徑、門檻與挑戰(zhàn)等話題交流，以下是對話精華。
楊洪兵，靈生科技創(chuàng)始人
聲明：訪談對象已確認(rèn)文章信息真實(shí)無誤，鉛筆道愿為其內(nèi)容做信任背書。
01 讓人形機(jī)器人擺脫遙控器
鉛筆道：機(jī)器人大腦最大特點(diǎn)是什么？
楊洪兵：平時大家使用的豆包、元寶，主要用于對話，屬于語言模型。而機(jī)器人大模型的目標(biāo)是讓機(jī)器人 " 干活 "，從 " 聊天 " 到 " 行動 "，這是一個巨大的跨越。
語言模型只需理解語言，而機(jī)器人大模型需要理解物理世界——光照、摩擦、三維空間等，并將這些理解轉(zhuǎn)化為具體動作，比如端茶、搬運(yùn)、分揀。
這需要大模型與機(jī)器人的控制系統(tǒng)緊密結(jié)合，從數(shù)字世界延伸到物理世界，為機(jī)器人賦予 " 思考 " 和 " 行動 " 的能力。
鉛筆道：機(jī)器人本體這么熱，為什么選擇做大腦？
楊洪兵：我本科畢業(yè)于西安交通大學(xué)，碩士在清華，在百度、騰訊等互聯(lián)網(wǎng)大廠深耕人工智能技術(shù)多年。我非常了解大模型的訓(xùn)練、調(diào)優(yōu)和應(yīng)用，同時很熟悉產(chǎn)業(yè)需求痛點(diǎn)。
在當(dāng)前的機(jī)器人浪潮中，AI 領(lǐng)域目前有兩個主要方向：一類是像我這樣，人工智能背景，從軟件和算法出發(fā)，去探索軟硬件的融合之路；另一類則是傳統(tǒng)的機(jī)器人專家，出身硬件，逐步向人工智能靠攏。
我們堅(jiān)信，機(jī)器人智能的未來一定是以 AI 為核心。如果只聚焦硬件，那只是傳統(tǒng)制造業(yè)，而真正的具身 " 智能 " 需要 AI 來驅(qū)動。
這也是靈生科技專注于研發(fā) " 機(jī)器人大腦 " 的原因，希望讓機(jī)器人擺脫遙控器，真正實(shí)現(xiàn)自主化。
鉛筆道：擺脫遙控器，這在機(jī)器人行業(yè)意味著什么？
楊洪兵：目前，很多機(jī)器人仍依賴遙控操作，觀眾和專家都指出，這更像是 " 遙控玩具 "，而非真正的智能。我們希望讓機(jī)器人大腦技術(shù)突破，讓機(jī)器人能夠自主奔跑，甚至完成復(fù)雜的操作任務(wù)。
我們公司雖然只運(yùn)行半年多，但憑借機(jī)器人大腦技術(shù)，已與國內(nèi)多家大型客戶建立了合作關(guān)系，確定了合作和采購訂單。就在上周二（8 月 12 日），我們發(fā)布了靈生開源 VLA 模型。
鉛筆道：為什么要開源 VLA 模型？
楊洪兵：最早，大模型領(lǐng)域多是閉源競爭，缺乏開放合作。DeepSeek 的開源舉動打破了這種局面，帶動了其他公司跟進(jìn)。我們希望成為機(jī)器人領(lǐng)域的 " 鯰魚 "，通過開源高質(zhì)量模型，推動行業(yè)進(jìn)步。目前很多業(yè)內(nèi)公司也跟隨開源，這是一個積極的變化。開源不僅加速技術(shù)迭代，也讓整個生態(tài)更加繁榮。
鉛筆道：為何閉源仍是主流？
楊洪兵：目前閉源仍是主流。許多公司認(rèn)為模型是辛苦研發(fā)的成果，開源會被他人 " 拿走 "，擔(dān)心喪失競爭優(yōu)勢。這種觀念導(dǎo)致行業(yè)封閉。
但我們認(rèn)為，開源能讓更多人貢獻(xiàn)模型，最終大家受益。國外在 VLA 模型開源上做得更好，領(lǐng)先的模型多來自國外。
靈生科技旗下搭載一體化大腦 Ling Brain 系統(tǒng)的具身智能機(jī)器人
02 讓機(jī)器人通過 " 推演 " 來學(xué)習(xí)
鉛筆道：宇樹科技王興興提到人形機(jī)器人尚未迎來 "ChatGPT 時刻 "，主要是因?yàn)闄C(jī)器人大腦的研發(fā)跟不上。卡在哪里了？
楊洪兵：核心問題在于數(shù)據(jù)匱乏。
語言模型之所以發(fā)展迅速，是因?yàn)槿祟悗浊陙矸e累了大量文字?jǐn)?shù)據(jù)，可以直接用于訓(xùn)練。
但機(jī)器人智能需要的是行為數(shù)據(jù)，而人類數(shù)百萬年的行為歷史并未被系統(tǒng)記錄下來。沒有攝像頭、沒有記錄設(shè)備，過去的行為無法追溯，導(dǎo)致今天機(jī)器人智能的數(shù)據(jù)極度匱乏。
我們的解決方案是通過視頻生成技術(shù)彌補(bǔ)數(shù)據(jù)不足。思路簡單但實(shí)現(xiàn)復(fù)雜，我們生成大量行為視頻，讓機(jī)器人從中學(xué)習(xí)，解決了數(shù)據(jù)瓶頸的難題。
另一個制約是行業(yè)的封閉性。
許多公司捂著自己的模型，形成了惡性循環(huán)：數(shù)據(jù)少導(dǎo)致模型訓(xùn)練難，訓(xùn)練難又導(dǎo)致不愿開源，不開源進(jìn)一步減緩了行業(yè)發(fā)展，數(shù)據(jù)收集更困難。
鉛筆道：在開發(fā)機(jī)器人大腦的過程中，遇到了哪些技術(shù)上的挑戰(zhàn)？
楊洪兵：最大的制約在于數(shù)據(jù)來源。
目前行業(yè)內(nèi)主要有兩種路線：一種是以智元為代表的真機(jī)數(shù)據(jù)采集，通過實(shí)際操作獲取數(shù)據(jù)；另一種是以銀河通用為代表的仿真環(huán)境，通過模擬生成數(shù)據(jù)。但這兩種方式都有局限。
我們提出了一條新路徑——通過視頻生成技術(shù)，讓機(jī)器人從生成的視頻中學(xué)習(xí)。我們稱之為 " 具身 Sora"：先生成一段視頻，比如機(jī)器人調(diào)酒的場景，機(jī)器人通過觀察視頻學(xué)習(xí)操作，無需實(shí)際操作就能掌握技能。這就像人類在做事前會先 " 推演 " 流程，符合思維規(guī)律。
此前行業(yè)忽略了這一點(diǎn)，直接讓機(jī)器人 " 干活 "，往往準(zhǔn)確率低、成本高。我們通過 " 推演 " 技術(shù)，讓機(jī)器人先模擬學(xué)習(xí)，大幅提升了效率和成功率。
鉛筆道：這種 " 推演 " 的實(shí)際效果如何？
楊洪兵：效果非常顯著。通過視頻生成技術(shù)，將機(jī)器人任務(wù)的成功率從原來的 90% 以下提升到 95% 以上，接近甚至超過行業(yè)標(biāo)準(zhǔn)。相對于純仿真技術(shù)，數(shù)據(jù)構(gòu)建的成本更低，而且更容易解決 Sim2Real 的 Gap 問題。
鉛筆道：聽起來很簡單，會被競爭對手輕易模仿嗎？你們的壁壘在哪里？
楊洪兵：表面上看，" 推演 " 技術(shù)似乎簡單，但實(shí)際操作非常復(fù)雜。
生成視頻時，需考慮光照、摩擦力、彈性力等物理世界中的復(fù)雜因素，這些都對技術(shù)提出了極高要求。
目前，市場上還沒有哪家公司能將視頻生成技術(shù)做到極致。我們是最早看到這一價值并持續(xù)投入的團(tuán)隊(duì)。持續(xù)的模型迭代和資源聚焦是我們保持優(yōu)勢的關(guān)鍵，這不是一朝一夕能復(fù)制的。
鉛筆道：大廠擁有強(qiáng)大的 AI 團(tuán)隊(duì)和產(chǎn)業(yè)化能力，他們會不會也來搶占機(jī)器人大腦賽道？
楊洪兵：這是一個關(guān)鍵問題，也是我從大廠出來創(chuàng)業(yè)的根本原因。
大廠擅長通用 AI，但要適配多樣化的本體并深入產(chǎn)業(yè)場景，需要軟硬件結(jié)合的垂直能力。這比純軟件開發(fā)更垂直也更復(fù)雜。
我們聚焦于 " 懂 AI、懂本體、懂產(chǎn)業(yè) " 的結(jié)合點(diǎn)，這正是我們的差異化優(yōu)勢。
03 機(jī)器人大腦產(chǎn)業(yè)化三大挑戰(zhàn)
鉛筆道：如何通過開源模型實(shí)現(xiàn)盈利？與本體廠商和終端客戶的合作模式是怎樣的？
楊洪兵：我們的商業(yè)模式基于開放平臺，同時提供增值服務(wù)。
對于開源模型，如果客戶需要進(jìn)一步優(yōu)化或定制，我們會提供收費(fèi)的技術(shù)支持，輸出模型側(cè)的能力來創(chuàng)造收入。
與本體廠商合作，我們通過增值服務(wù)收費(fèi)；與終端客戶合作，我們直接通過為他們賦能大腦技術(shù)來收費(fèi)。
這種模式既支持生態(tài)共建，又確保了商業(yè)化的可持續(xù)性。無論是與本體廠商的增值合作，還是為終端客戶提供直接賦能，我們都能找到清晰的盈利路徑。
鉛筆道：你們定位有點(diǎn)像微軟——電腦廠商生產(chǎn)電腦，但操作系統(tǒng)多用 Windows。
楊洪兵：我們確實(shí)希望成為機(jī)器人智能領(lǐng)域的 "Windows" 或 "Android"。通過開源開放，我們的模型能適配不同形態(tài)的機(jī)器人本體，就像 Android 兼容各種手機(jī)型號一樣。
Android 雖然免費(fèi)，卻創(chuàng)造了巨大價值，背后團(tuán)隊(duì)也有自己的生存之道。同樣，我們也希望通過開源建立行業(yè)地位，同時通過增值服務(wù)實(shí)現(xiàn)商業(yè)化。
鉛筆道：目前與大公司的合作進(jìn)展如何？具體有哪些合作模式和場景？
楊洪兵：我們與大公司的合作通常分三個階段：
第一階段是付費(fèi) POC（概念驗(yàn)證），客戶提供資金，我們在他們的場景中生成視頻、訓(xùn)練模型并實(shí)現(xiàn)操作；第二階段是小批量采購，驗(yàn)證效果后開始小規(guī)模應(yīng)用；第三階段是中等規(guī)模乃至大批量復(fù)購。
目前，我們的大部分合作已完成 POC 階段，進(jìn)入小規(guī)模復(fù)購。這相較于仍停留在實(shí)驗(yàn)室階段的友商，是一個巨大的進(jìn)步。
鉛筆道：能否分享具體的合作案例？
楊洪兵：比如富士康集團(tuán)某高端網(wǎng)絡(luò)產(chǎn)品的生產(chǎn)中，我們靈生在運(yùn)用工業(yè)具身大腦，解決分揀中的泛化操作難題。
再比如在某國際 3C 巨頭，我們利用 RealDualVLA 解決產(chǎn)線中的精密操作難題，解決了泛化、精度、效率不可能三角。
而在半導(dǎo)體領(lǐng)域，我們和國內(nèi)頭部上市公司建立合作，用具身 Sora 生成場景操作視頻數(shù)據(jù)，快速訓(xùn)練模型實(shí)現(xiàn)產(chǎn)業(yè)化部署，從而贏得客戶信賴。
鉛筆道：你們之間的信任怎么建立的？
楊洪兵：大企業(yè)客戶，決策非常謹(jǐn)慎。一般都要調(diào)研了多家同類機(jī)器人，從產(chǎn)品穩(wěn)定性、大模型的泛化性、工程化能力到量產(chǎn)能力四個維度進(jìn)行評估。
我們在這幾個方面展現(xiàn)了差異化的優(yōu)勢，也多次對公司進(jìn)行實(shí)地考察，最終被我們極致的產(chǎn)品力打動。
鉛筆道：在產(chǎn)業(yè)化過程中，遇到了哪些難點(diǎn)？是如何克服的？
楊洪兵：產(chǎn)業(yè)化面臨三大挑戰(zhàn)。
首先，真實(shí)產(chǎn)業(yè)環(huán)境遠(yuǎn)比實(shí)驗(yàn)室復(fù)雜，實(shí)驗(yàn)室中的成果往往無法直接應(yīng)用。我們通過工程化和體系化能力提升，確保技術(shù)能適配上千、上萬臺機(jī)器的規(guī)模化需求，對精度和穩(wěn)定性要求極高。
其次，數(shù)據(jù)不足是個普遍問題。我們利用具身 Sora 視頻生成技術(shù)彌補(bǔ)了數(shù)據(jù)缺失，填補(bǔ)了行業(yè)空白。
最后，產(chǎn)業(yè)環(huán)境更關(guān)注失敗次數(shù)的控制，而非成功次數(shù)。我們優(yōu)化了模型推理速度、效率和準(zhǔn)確率，確保交付和部署的穩(wěn)定性。
靈生科技于 WRC 展會精彩亮相
04 做垂域大腦，而非超級大腦
鉛筆道：現(xiàn)在很多機(jī)器人本體公司也在嘗試自研大腦。
楊洪兵：機(jī)器人本體公司確實(shí)有自研大腦的嘗試，追求 " 全棧自研 "。但正如一個人不可能精通所有領(lǐng)域，一個公司在每個環(huán)節(jié)都做到極致是很難的。本體公司即使投入研發(fā)大腦，資源分散，難以達(dá)到頂尖水平。這種 " 撒胡椒面 " 式的投入往往導(dǎo)致每個領(lǐng)域都不夠突出。專注和極致化才是核心競爭力。即使本體公司有資金，也很難在每個環(huán)節(jié)都燒出頂尖產(chǎn)品。
鉛筆道：從本體公司角度看，把大腦交給外部供應(yīng)商可能會讓他們感到不安。你怎么看待這種顧慮？
楊洪兵：這種不安主要源于閉源模式帶來的不信任感。
所以，靈生一開始就選擇開源開放策略，我們的 VLA 模型完全向本體公司開放，源代碼透明可得，消除了他們的顧慮。
這就像 DeepSeek 的開源策略，吸引了眾多廠商使用，因?yàn)殚_源不僅降低風(fēng)險，還能借助生態(tài)的力量加速發(fā)展。
開源是行業(yè)的未來，自研大腦的趨勢會因資源限制和專業(yè)分工而逐漸向合作與開源靠攏。
鉛筆道：數(shù)據(jù)安全會成為問題嗎？
楊洪兵：數(shù)據(jù)安全確實(shí)是個重要考量。
我們的開源模型是預(yù)訓(xùn)練好的，合作伙伴可以基于私域數(shù)據(jù)進(jìn)行二次訓(xùn)練（Few-Shot Training），這些數(shù)據(jù)無需公開。
我們使用的都是公開透明的通用數(shù)據(jù)，私域數(shù)據(jù)完全由客戶自己掌控，隱私性得到保障。開源的是模型和通用數(shù)據(jù)，而非客戶的敏感數(shù)據(jù)。
鉛筆道：如果未來 " 大腦 " 足夠智能，是否會出現(xiàn)一個通用大腦，適配所有行業(yè)和場景？
楊洪兵：理論上，遠(yuǎn)期可能出現(xiàn)這種 " 超腦 "，類似 AGI（通用人工智能），能解決所有問題。但短期內(nèi)很難實(shí)現(xiàn)。
首先，超腦需要極高的泛化能力，相當(dāng)于人類所有智能的總和，這在技術(shù)上幾乎不可行。
其次，算力需求將遠(yuǎn)超當(dāng)前語言模型的幾萬倍，成本極高。
最后，必要性存疑——讓超腦去做瑣碎任務(wù)，就像讓博士生算 1+1，性價比低。
我們更傾向于專注垂域大腦，在特定領(lǐng)域做到極致，而非追求贏家通吃的通用大腦，那需要數(shù)百億投入且風(fēng)險極高。
鉛筆道：怎么應(yīng)對多樣化的場景需求？
楊洪兵：我們聚焦于泛工業(yè)場景。工業(yè)場景側(cè)重操作和作業(yè)，物流解決搬運(yùn)、分揀等任務(wù)。我們的核心能力是 " 手腦協(xié)同 "，通過移動與操作的結(jié)合，讓機(jī)器人達(dá)到甚至超越人類的智能水平。
鉛筆道：你們接下來的規(guī)劃是什么？
楊洪兵：首先，我們要服務(wù)好頭部 KA 客戶，回報他們的信任。目前靈生已經(jīng)和數(shù)十家客戶建立合作，未來靈生將服務(wù)千家以上客戶，打造真正能用、易用、好用的具身智能產(chǎn)品，為工業(yè)提供優(yōu)質(zhì)生產(chǎn)力。
其次，繼續(xù)推動開源戰(zhàn)略，吸引更多開發(fā)者基于我們的模型進(jìn)行二次開發(fā)。我們解決了國內(nèi)機(jī)器人開發(fā)者缺乏開源大腦的痛點(diǎn)，讓他們在我們的平臺上更便捷地開發(fā)應(yīng)用。這不僅服務(wù)于 B 端客戶，也面向開發(fā)者，通過共建生態(tài)加速產(chǎn)業(yè)落地。這是我們的核心優(yōu)勢和戰(zhàn)略方向。
鉛筆道：未來大腦足夠智能后，是否只需通過自然語言指令就能控制機(jī)器人？
楊洪兵：是的，我們的目標(biāo)是實(shí)現(xiàn)自然語言處理通用接口（NLI）。用戶只需用日常語言下達(dá)指令，機(jī)器人就能理解并執(zhí)行。這將讓機(jī)器人真正融入生活，成為解放人類的生產(chǎn)力工具。
我們目前已可以通過自然語言喚醒機(jī)器人。用戶下達(dá)指令，機(jī)器人就能根據(jù)指令執(zhí)行相應(yīng)動作。這是一個重要的里程碑，讓機(jī)器人更貼近實(shí)際應(yīng)用場景。
來源：鉛筆道
