陈源培不是一个传统真谛上的“学霸”。
在进入大学之前，他最参加的事情是打游戏。FPS、MOBA，他什么齐玩，有些游戏时长达几千小时。以致高考前一天，他还在寝室打牌。当今回头看，陈源培依然不以为这是一段需要被更正的资格。相背，他认为游戏带给他一个紧迫的融会：只消一个东谈主理续参加一件事，束缚试错、升级、复盘，终末就会变得越来越好。
这套逻辑也纠合了他之后的东谈主生轨迹。本科期间，土木专科诞生的陈源培险些从 0 运转进入机器东谈主领域，欺诈课余时期学习关联常识和算法，参加千般机器东谈主大赛；其后进入北京大学杨耀东评释团队，他在零基础的情况下，用三个月时期安谧完成一项强化学习研究，终末效果发表在东谈主工智能顶级会议上；凭借出色的证据，他取得了斯坦福大学李飞飞实验室看望学习的契机，参与完成欺诈东谈主类数据检会机器东谈主双臂聪惠操作的独创性研究。
再之后，他又参加了一个新的“副本”：归国创业。
2024 年 9 月， 23 岁的他和京东系创始东谈主王启斌博士、柴晓杰博士所有创办了灵初智能（Psi Bot）。不到两年，这家公司累计融资越过 20 亿元。该公司聚焦机器东谈主寰宇模子与具身大脑研发，但愿让机器东谈主能够领略物理寰宇、野心看成，并在不同场景中完成长程操作任务。为了完满这一想法，灵初采用从东谈主类操作数据开赴检会模子。
而这条路子的酿成，不错致密到陈源培曩昔几年在强化学习、仿真和聪惠操作领域的研究资格。
从物体轨迹到东谈主类数据
陈源培最早是一个很典型的强化学习和仿真派。
在北大杨耀东团队时，他参与了双手聪惠操作所在的研究。这项职责的真谛不单在于算法，更在于证明了一件现时锋未被等闲考证的事情：借助 GPU 并行仿真，高解放度双手操作任务是不错被检会出来的。
那时，仿真效能是机器东谈主强化学习发展的中枢瓶颈之一。2019 年，OpenAI 用 Shadow Hand 完成魔方还原曾激勉颤动，但背后依赖的是大限制 CPU 集群。陈源培则较早交游到英伟达尚未发扬发布的一套 GPU 机器东谈主仿真平台。诚然早期版块 bug 好多，不时跑不起来，但他很快果断到，欺诈 GPU 同期运行多半仿真环境，将权臣镌汰机器东谈主检会成本。
图 ｜OpenAI Shadow Hand（开始：OpenAI）
其后行业的发展证明，这一判断是正确的。GPU 并行仿真浮松成为机器东谈主强化学习的紧迫基础设施，也让许多曩昔成本腾贵的实验变得愈加可行。
不外，在斯坦福进行聪惠操作研究期间，陈源培也浮松看到了仿竟然范畴。仿真环境不错提供海量数据，但着实寰宇中的摩擦、碰撞、柔性物体以及复杂交游，却很难被实足复刻。无论仿真作念得多传神，机器东谈主最终仍然要靠近着实寰宇。
于是，他决定转向另一条路：从着实的东谈主类操作中学习。
陈源培运转在斯坦福参与欺诈东谈主类看成数据检会机器东谈主聪惠操作的研究。这背后有两个重要变化：第一，数据开始从机器东谈主遥操作转向东谈主类双手操作；第二，任务抒发从“机器东谈主该何如畅通”，转向“物体该何如变化”。
在陈源培看来，许多看似复杂的操作，施行上齐不错被神色为物体现象的变化。把手机从桌上提起，是手机沿着一条轨迹出动；通达札记本电脑，是屏幕绕搭钮旋转；开门、整理物品、扬弃用具，也齐不错被空洞为物体从一个现象到另一个现象的调动。
这种视角的公正在于，它提供了一种更和谐的任务神色方式。曩昔，不同任务频频需要单独设计奖励函数；而要是以物体轨迹为中枢，持取、扬弃、开合、出动等步履便领有了共同的抒发话语。
这一念念路其后成为灵初智能时间路子的紧迫基础。
与许多依赖机器东谈主遥操作数据的有野心不同，灵初但愿径直从东谈主类操作中提真金不怕火通用常识，再联结师法学习和强化学习移动到机器东谈主身上。按照陈源培的领略，东谈主类操作数据中既包含想法物体的位置、接近方式和操作意图等通用信息，也包含手指发力、关节畅通等与东谈主体结构强关联的细节。前者不错径直被模子学习，后者则由机器东谈主在自身硬件上通过强化学习完成适配。
这亦然灵初相持布局聪惠手的紧迫原因。比较夹爪，五指手在结构上更接近东谈主手，能够更充分地连续东谈主类双手操作数据，镌汰从东谈主到机器东谈主的移动成本。陈源培并不否定夹爪在固定工业场景中的成本和安详性上风，但他认为，要是想法是跨场景、跨任务的通用操作智商，机器东谈主最终仍然需步调有“手”。
围绕这一念念路，灵初自研了 Psi-SynEngine 数据汇集引擎，其中枢是一套动捕手套有野心。比较传统真机遥操作方式，数据汇集成本可镌汰罕见端之一左右。
值得注意的是，这套数据体系并非做事于某一种固定硬件。灵初同期设计了高解放度和低解放度两种手部构型：前者面向复杂聪惠操作，后者在成本和安详性上更接近夹爪，可覆盖对聪惠性条目较低的工业场景。
图 ｜ 动捕手套（开始：灵初智能）
从东谈主类数据到寰宇模子
要是说斯坦福时期的研究让陈源培折服，东谈主类操作数据能够为机器东谈主提供比仿真更丰富的学习素材，那么创业之后，一个新的问题很快出现了：只是领罕有据，并不等于机器东谈主取得了智商。
原因在于，东谈主和机器东谈主并不生存在兼并个体格里。相似是提起一个杯子，东谈主类会使用几十块肌肉协同完成看成；而机器东谈主则领有实足不同的关节结构、驱动方式和限度逻辑。即便看到了相似的操作过程，也无法简便复现东谈主类看成。这种从东谈主到机器东谈主的互异，被行业称为 Embodiment Gap（具身鸿沟）。
在陈源培看来，东谈主类数据着实有价值的部分，并不是具体的手指轨迹，而是遮掩在操作过程中的想法、战略和寰宇轨则。问题变成：机器东谈主何如从海量东谈主类操作数据中提真金不怕火这些常识？
他和灵初给出的谜底，是寰宇模子。
2026 年，灵初发布新一代具身模子 Psi-R2。与传统 VLA 主要学习“看到什么就践诺什么看成”不同，Psi-R2 被界说为 World Action Model（寰宇看成模子）。关于机器东谈主而言，一个看成是否正确，频频取决于它对将来的预判。当机器东谈主准备完成一项任务时，它不仅需要知谈手应该何如出动，还需要展望现时看成会何如影响后续步调，以及我方是否正在接近想法现象。
换句话说，它既要学会举止，也要学会展望举止的后果。
举例，在终止纸盒包装任务中，机器东谈主需要连气儿完成识别纸盒结构、调治持取姿态、张开纸盒、持取物品等多个步调。这并不是几个互相安谧看成的简便拼接，而是一项具有明确想法的长程操作任务。关于 Psi-R2 来说，它不仅要决定下一步应该何如出动机械手，还需要连续理罢职务进程，并凭据现时现象野心后续看成，最终完成所有操作历程。比较传统战略模子，它更像一个同期理罢职务想法和将来现象变化的举止野心系统。
另一套模子 Psi-W0 则承担着对未下寰宇进行推演的任务。按照灵初的界说，Psi-W0 是一个 Action-Conditioned World Model。它收受现时现象和候选看成，并展望将来可能出现的末端。
从名义上看，这与许多寰宇模子的念念路访佛。但灵初认为，Psi-W0 最紧迫的价值并不是生成将来视频，开元棋牌APP2026最新版下载而是完成战略评估与数据转变。原因在于，Psi-R2 的检会数据险些全部来自顺利样本。模子能够学习“正确的操作应该是什么方法”，却很难知谈“乖张操作会导致什么末端”。而关于强化学习而言，碰劲需要多半顺利与失败的反映，武艺束缚优化战略。
因此，Psi-W0 被赋予了一个额外变装：机器东谈主的里面评测系统。
以倒酒任务为例，机器东谈主可能存在多种不同的践诺有野心。杯子的歪斜角度是否合理？液体是否会溢出？现时看成是否会影响后续操作？Psi-W0 会提前推演这些可能出现的将来现象，对不同看成有野心进行评估与比较。机器东谈主不消把通盘尝试齐放到着实寰宇中完成，而是能够先在模子构建的“设想寰宇”中完成推演，再采用更优战略践诺。
更紧迫的是，Psi-W0 还承担着跨越具身鸿沟的任务。
在东谈主类和机器东谈主之间，存在自然的实质互异。相似一个操作任务，东谈主类依靠手掌、手指和手腕协同完成，而机器东谈主领有实足不同的关节结构、解放度和能源学特质。因此，东谈主类数据无法径直转变为机器东谈主智商。
在灵初展示的双手协同操作任务中，左侧是东谈主类通过外骨骼手套汇集得到的操作轨迹，右侧则是机器东谈主践诺后的末端。两者完成的是兼并个任务，但使用的体格结构却实足不同。关于 Psi-W0 而言，它学习的并不是东谈主类具体何如畅通手指，而是任务过程中物体现象何如发生变化。当模子领略了这种现象变化轨则之后，再联结强化学习寻找适应机器东谈主自身能源学特质的完满方式，从而完成从东谈主类警戒到机器东谈主警戒的移动。
这亦然灵初构建寰宇模子的紧迫想法之一：让东谈主类操作数据不再只是检会样本，而能够连续转变为机器东谈主自身的数据和智商。
在灵初的遐想中，东谈主类数据只是所有系统的最先。东谈主类操作数据率先用于检会 Psi-R2；Psi-W0 对战略进行评估与推演，并将东谈主类警戒调动为机器东谈主数据；强化学习进一步优化战略；新的机器东谈主数据再反哺下一轮模子检会。最终酿成一个连续彭胀的数据飞轮。
图｜数据飞轮显露（开始：灵初智能）
这亦然陈培源认为的，具身智能着实需要处治的问题，并不是某一种算法是否更先进，而是何如援助这么一个能够连续产生新数据、新智商的系统。唯一当机器东谈主能够像大模子一样酿成限制化学习闭环时，具身智能才有可能出现属于我方的 Scaling Law。
三重寰宇模子
曩昔一年，走寰宇模子路子的公司，明白不啻灵初智能一家。
但陈源培认为，现时大多数磋商仍停留在见地层面。寰宇模子自己并不径直创造价值，着实紧迫的是，它能否匡助机器东谈主在着实场景中完成任务。无论是视频生成模子、VLA，照旧各式展望模块，只是被冠以“寰宇模子”的称呼，并不料味着找到了具身智能的新范式。
他提到了灵初另一位首席科学家温颖建议的“三重寰宇模子”框架。按照他的领略，东谈主对寰宇的融会约略不错分为三层：最底层是客不雅寰宇自己，也即是物理轨则；最表层是主体的决策与举止，不错领略为对将来步履及末端的预期；而两者之间，还存在一层更重要的机制。它负责判断哪些信息与现时任务关联，哪些只是布景噪声。
图｜三重寰宇模子显露（开始：温颖）
以持取手机为例，机器东谈主并不需步调路桌面上的一切。它着实需要关心的是手机的位置、体式、可持取区域，以及现时看成会何如改变手机的现象。至于左右的麦克风、桌面纹理，以致布景环境中的多半视觉信息，对现时任务而言可能并不紧迫。
将来具身模子的中枢智商之一，恰正是这种主动筛选信息的智商。着实灵验的模子，不是无分离地收受通盘输入，而是能够识别哪些信息值得关心，哪些信息应该被忽略。
陈源培还将这一问题与大模子检会中的数据信噪比辩论起来。模子智商较弱时，多半低质料数据芜俚仍能带来收益；但跟着模子智商栽种，陆续引入信噪比较低的数据，反而可能稀释灵验信息。具身智能相似如斯。视觉、看成、触觉、东谈主类操作轨迹等多模态数据并非越多越好，更紧迫的是模子能否提真金不怕火其中着实与任务关联的常识。
要是把灵初的系统放回“三重寰宇模子”的框架里，Psi-W0 更接近对物理寰宇变化的模拟和展望，Psi-R2 则面向着实看成输出，而中间的重要，是模子能否主动筛选与任务关联的信息，把东谈主类数据中的灵验常识移动到机器手上。
这亦然陈源培对“寰宇模子热”的着实作风。他不是反对寰宇模子，而是反对把寰宇模子当成标语。在他看来，具身智能需要的不是一个单独的模子名字，而是一套可考证的闭环：数据从那处来，何如被筛选和表征，模子何如检会，战略如安在着实硬件上考证，失败末端何如反哺下一轮数据和检会。
具身智能的迷雾丛林
2026 年，具身智能仍是成为大家成本最密集的 AI 赛谈之一。但成本热度并不料味着时间路子仍是敛迹。
仿真派和着实数据派在争论，夹爪派和聪惠手派在争论，VLA 和寰宇模子也尚未酿成共鸣。陈源培用“迷雾丛林”来描绘当下的行业现象：约略知谈所在在那处，但具体哪条路能够最终走通，莫得东谈主能够提前给出谜底。正因为如斯，他并不认为将来会由某一个算法见地决定输赢。
无论是寰宇模子、VLA，照旧其他束缚出现的新框架，它们齐可能激动行业跨越，但很难单独组成弥远壁垒。一个算法被建议之后，同业频频能够较快复现；着实难以复制的，是把算法落到着实机器东谈主系统中的智商。这包括数据汇集质料、数据处理历程、模子检会警戒、仿真环境搭建、硬件设计、限度器调试、真机评测，以及这些要道之间的协同优化。
这套判断来自他曩昔的科研警戒。无论是双手强化学习，照旧斯坦福时期的长程聪惠操作，他终末得到的论断齐是：好多时候不是别东谈主不知谈算法，而是系统莫得调到弥散好。仿真环境、reward 设计、3D 视觉、pose estimation、素丽限度、真机部署，每个要道齐要弥散细，终末才可能作念出别东谈主作念不到的效果。
灵初因此把硬件、数据和模子放在兼并个系统里。硬件不是孤茕居品，而是为了更好汇集和承载东谈主类操作数据；数据不是一次性钞票，而是连续检会模子的燃料；模子也不是静态录用物，而要在着实任务中束缚被评测、修正和迭代。要是这些问题树立，具身智能公司的价值就不单是作念某个场景里的自动化开采，而是成为机器东谈主期间的基础模子公司。
自然，灵初的路子也存在一定的未知。东谈主类操作数据能否成为具身智能限制化学习的最先，寰宇模子与强化学习能否连续将其转变为机器东谈主自身的数据与警戒，最终酿成访佛大模子期间的数据飞轮，这些问题齐还需要时期考证。
陈源培莫得规避这种省略情味。在他看来，要是将来某条路子被证明更灵验，灵初需要有智商快速罗致和切换。他并不折服任何一个当卑劣行的见地不错径直通向终局。具身智能最终会走向那处，还要靠实验、数据和着实系统小数点考证。
某种程度上，这亦然他我方的东谈主生作风。从打游戏到归国创业，他很少为我方设定一个远方而明确的绝顶。比较稠密的野心，他更在意目前的问题是否值得参加，以及我方是否着实享受处治问题的过程。
芜俚这亦然这一代创业者最极度的地方。他们成长于大模子和机器东谈主快速演进的期间，莫得现成的舆图，也莫得被考证过的结局。他们能作念的，只是在一次次实验、失败和迭代中，和我方所折服的时间所有寻找谜底。
参考链接：
乐橙体育(中国)官网入口1.https://cypypccpy.github.io/tech-blog.github.io/
2.https://yingwen.io/zh/blog/what-is-a-world-model-modeling/
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成开元棋牌APP免费下载
备案号: