界面新闻记者 | 陆柯言 李彪

界面新闻裁剪 | 文姝琪

2025年，国内具身智能机器东说念主行业掀翻了一场 “百机大战”。天眼查等数据平台理会，2024年底时，国内东说念主形机器东说念主整机公司照旧超越了80家，大家范围内总计约有150家；而仅本年上半年，中国新增东说念主形机器东说念主公司数目就超越了客岁一整年，同期还有更多新创企业列队入场。

“除了寰球上少数团队专注于foundation model（注：OpenAI、Anthropic、阿里通义千问、DeepSeek研发的千亿参数底层基础模子）研发外，当下AI创业最具买卖化后劲的两大分支，一个是Agentic AI（注：代理式AI，即AI Agent智能体），另一个就是具身智能。” 招商局集团首席科学家、狮子山东说念主工智能实验室主任张家兴近期接受界面新闻专访时暗示。

张家兴是国内最早一批投身AI筹议的学者。他描述我方是一个 “追着时期前沿跑的东说念主”：早年在微软亚洲筹议院钻研大数据框架和深度学习，随后在蚂蚁金服、360数科带队开展 AI 深度学习落地探索；2021年加入IDEA筹议院，担任阐发筹画与天然言语筹议中心负责东说念主，主导“封神榜”大模子款式；2024年认真加入招商局集团，谋划狮子山筹议院，筹议想法是AI与具身智能皆集、应用于机器东说念主研发。

天然看起来每一段奇迹履历都是筹议其时最热点的前沿时期，但在张家兴领会中，“每一步都是为下一步作念铺垫”—— 深度学习以数据为基础，惟有积聚饱和数据，才可能开展深度学习筹议；而早期大模子恰是从深度学习筹议中滋生出的AI新边界。

而关于具身智能的爆发，张家兴以为，信得过的改革点出当今2023年前后。行业发现VLA这类模子（Vision-Language-Action Model，即“视觉 - 言语 - 动作”模子，即强调通过整合视觉感知、言语领会和动作生成能力，兑现机器东说念主从环境不雅察到指示扩张）照旧能手脚机器东说念主 “大脑”，强大到可以驱动东说念主形机器东说念主、机器狗完成一系列高难度任务。在行业信得过相识到时期的后劲后，若何将 AI 模子应用于机器东说念主研发，成为了如今具身智能边界最前沿的转变趋势。

从客岁9月在香港竖立以后，招商局集团照旧完成了狮子山筹议院的团队组建，近期还初次发布了竖立后的两项新址品：一是基于 Agentic AI筹议的智能体强化学习教师推理系统L0系统；二是基于其柯基VLA 模子（Corgi-VLA）开发的四足机器狗。借助模子能力，这款机器狗仅通过16个小时着实环境数据教师，就能兑现跟在东说念主死后 “近身智能随行”，及时伴随逛街。

以下是专访实录（内容经界面新闻调度）

界面新闻：从微软亚洲筹议院、蚂蚁、360与IDEA筹议院，到如今加入招商局集团，若何看待我方的奇迹履历？

张家兴：我的奇迹履历永恒与科技前沿时期同步。在大数据时期，咱们是大家最早一批研发大数据框架的团队；插足深度学习时期，咱们不异是最早涉足深度学习筹议的群体。

这几段履历之间的关联性可以这么领会：每一步都是为下一步作念铺垫。举个例子，深度学习无疑所以数据为基础，必须先夯实大数据根基，积聚饱和数据，才能开展深度学习筹议。

深度学习之后，2021年驾驭我运转投身大模子筹议。大模子早期恰是基于深度学习发展而来，毛糙说，它通过扩大模子边界，造成了一个新的筹议边界。

大模子进一步发展滋生出不同分支。当下除少数团队专注于基础模子的研发与迭代外，我以为最具远景的两大分支就是Agentic AI和具身智能。

具身智能的见解2023年才运转走红，这主要收获于大模子的发展。其时行业发现，VLA这类端到端模子已具备强大能力，大概径直驱动机器东说念主完成各样任务，其中一些任务是此前机器东说念主边界难以瞎想的。我借此契机插足具身智能边界，同期也兼顾联系AI模子时期的筹议。

界面新闻：从这一角度看，在AI时期，最紧要的是时期、东说念主才、资金照旧其他成分？

张家兴：在深度学习时期，前沿时期转变多由诚实携带学生开展，“东说念主工智能三巨头” 杰夫・辛顿（Jeff Hinton）、杨立昆（Yan LeCun）、约书亚・本吉奥（Yoshua Bengio）都是在高校科研院所带学生完成紧要的筹议职责。

自OpenAI起，扫数AI行业插足新的研发模式，即以团队为中枢进行前沿时期转变。OpenAI、DeepSeek、好意思国东说念主形机器东说念主初创企业Figure均是这类模式的代表。

这些团队边界时常不大，约100东说念主驾驭，成员被高效组织起来，聚焦共同目的，可能是一篇论文、一个模子或一台机器东说念主。他们发表的每篇论文，作家列表时常多达几十东说念主。

如今的中枢问题变成了若何组建这么的团队？若何眩惑东说念主才并将其组织起来？咱们筹议院依托招商局这个国企平台组建团队，方式虽有不同，但骨子上仍是团队征战问题。

界面新闻：您之前提到，面前大模子最紧要的两个分支是Agentic AI和具身智能，公司最新发布了基于Agentic AI筹议的L0系统。与传统AI智能体比较，它的主要龙套是什么？

张家兴：L0主要有两项转变龙套：一是在模子推理进程中兑现天然言语与编程言语的深度交融；二是基于强化学习让模子通过 “试错跨越” 兑现 “探索式学习”。

天然言语与编程言语的皆集，中枢是将东说念主类平时言语与筹画机可领会的代码相交融。本年行业内热点的传统 Agent，均通过天然言语向筹画机输入教导词（Prompt）与陡立文（context）。天然言语用于驱动东说念主类行径，而编程言语专为驱动筹画机缠绵，在调用 API、探望数据库、联贯着实寰球与筹画机互动等方面更为精确。咱们在缠绵Agent时，便念念考能否将天然言语与编程言语皆集。

具体而言，咱们在L0系统中采用了最流行的AI编程言语Python。Agent运行时，可兑现天然言语与编程言语的交互：天然言语生成Python代码，代码在编程言语环境中扩张后，将限度复返至天然言语环境，再生成新代码、扩张并复返限度，造成执续交互。在此进程中，Agent推理念念维链的 “景色” 可通过编程言语体式存储，其存储边界可视为无穷大，筹画机内存、硬盘乃至互联网的容量有多大，存储边界就能达到多大，这些极大拓展了现存大言语模子的能力。

探索式学习仍基于强化学习，雷同东说念主类通过不休尝试、取得反映来学习。模子大概自主生成样本和教师数据，咱们通过特定评判机制判断样本优劣，再诓骗反映限度反过来教师模子。模子通过自主 “探索”，证据反映调度自身，基于这种模式，其性能比粗俗模子晋升近一倍。

界面新闻：这些转变的应用场景是什么？

张家兴：AI大言语模子的“Scale Law”轨则强调，在模子研发与应用中，通过加多资源、扩大边界来晋升性能和后果。

咱们目下已开源L0系统，但愿为行业提供一套加速教师框架。如今不管是何种Agent，包括具身智能机器东说念主自身也被行业视为一种“Agent”，基于这套加速教师框架，咱们都但愿能提高模子场地数字空间与着什物理寰球的互动效率，加速速率并裁减资本。

界面新闻：你曾提到过，从2025年运转，Agentic AI边界插足 “Zero 时期”，零样本、模子探索合成数据、“算力 = 数据” 是这个时期的特征？

张家兴：深度学习边界，尤其是OpenAI之后流行的“Scaling Law”轨则，使得基于数据和预教师的 “暴力好意思学” 成为全都真谛，开展任何职责都需先准备数据。

但在当下，在预教师大模子能以极低资本取得的情况下，大模子自身已具备基本能力，更紧要的是，它执行上领有自主开展exploration（探索式学习）的能力。毛糙说，关于任何任务，它一运转就能作念得差不离。这种情况下，咱们完全可以让大模子采纳“Zero-Shot”模式，即不事前准备数据，而是从零运转让其在与环境的交互中生成数据，只消咱们有能评判优劣的机制即可。

而在行业招供的评判圭臬尚未建立前，不事前准备数据，模子运转基于探索式学习时，犯错的代价就是消耗算力 —— 诞妄越多、顺利率越低，算力浪掷就越严重。因此，改日行业竞争将聚焦算力，谁领有更多算力，就能开展更大边界的exploration，探索更多可能性。

界面新闻：在具身智能边界，若何看待VLA的远景？

张家兴：我以为VLA是当下的独一选拔。改日是否会出现更多选拔，咱们可以翘首以待。

可以说VLA是这一波具身智能激勉行业温存的最紧要原因。恰是因为行业发现，经过大边界预教师的大模子在驱动机器东说念主方面展现出后劲，才掀翻了这具身智能的振作。

界面新闻：若何看待行业热议的VLA手脚端到端模子存在的 “时期黑箱” 和兑现本领上的不行评释性问题？

张家兴：我不提议在这一问题上滥用过多时刻争论。寰球上不行评释的事物广大，不管是东说念主类大脑照旧AI，复杂系统的不行评释性是势必的。

界面新闻：现阶段VLA模子有哪些私有的上风？

张家兴：现阶段VLA是让机器 “懂场景、有温度” 的最优解。以咱们的Corgi-VLA模子为例，它有三大缠绵：夹杂耀视力机制让它优先温存“东说念主”的景色，比如在市齐集永恒锁定随行的老东说念主而非货架上的商品，动态动作生成模块让动作更平和，机器狗回身时会延缓速率幸免惊吓到东说念主，多模态交融教师让它能领会指示背后的着实需求，这些细节都是时期温度的载体。

从数据教师角度，Corgi-VLA模子通过对不同模态数据的高效交融，减少对单一模态大边界数据的依赖，以相对少好多模态数据教师出更具泛化性与适合性的模子，举例皆集少许视觉图像、言语指示和动作反映数据，兑现对复杂场景的精确领会与扩张。

为达成这一目的，在模子教师数据上，咱们会不休探索用更少、更具代表性的数据，教师出能捕捉活命丰富细节、领会东说念主类复杂样貌的模子，让机器东说念主在有限数据学习中，也能兑现与东说念主类深度、蔼然的交互。

界面新闻：具身智能将模子引入机器东说念主研发，目的是达到何种后果？

张家兴：单纯从传统机器东说念主时期来看，像工场产线的固定任务（如分拣、搬运），传统工业机器东说念主、机械臂在特定软件算法与硬件相助下，其实进展可以。

而VLA模子在具身边界的筹议，更多是将大言语模子的顺利蔓延至物理寰球，bring large models into physical world，这一进程中更紧要的是引入大言语模子照旧具备的通用性。

通用性具体进展包括：一是能听懂东说念主类言语，可通过天然言语招揽指示；二是具有高度泛化性，能随场景变化，准确完成新任务。

换句话说，咱们筹议VLA、探索具身智能，就是要打造机器东说念主版ChatGPT。

界面新闻：有质疑宣称，本年新竖立的具身智能机器东说念主企业可能在几年后淘汰一半，您若何看待这一不雅点？行业的下一个赛点是什么？

张家兴：我以为具身智能信得过的契机在于，能否在大模子的下次紧要跨越驾临前，先确保自身存活。

“辞世”的中枢是“时期硬实力 + 东说念主文软实力”的双重龙套。一方面时期上要执续晋升VLA模子的效率与泛化能力体育游戏app平台，硬件上裁减资本让更多家庭用得起；另一方面更紧要的是效力科技创业的初心 ， 不盲目追求酷炫功能，而是深耕“处理真需求”的场景。