WhynotTV Podcast

如果说大语言模型的跃迁，来自互联网沉淀下来的海量人类语言数据；那么在机器人世界里，是否也存在一种同样关键的数据？不是文字，不是图片，而是人拿起杯子、打开抽屉、穿过房间、和另一个人互动时，身体在物理世界里留下的痕迹。这个问题，正是我们这期节目最重要的关键词：human data，人类数据。 本期嘉宾 Danfei Xu: Danfei 一直把自己定义成一个 roboticist，机器人学家，不是只在屏幕上训练模型的人，而是那个愿意坐在机器人旁边，看它动、看它坏、再把它修好的人。从早年折腾单片机小车，到斯坦福几乎从零搭建 robot learning 系统；从不被看好的 behavior cloning，到今天思考 human data 如何成为机器人学习的底层燃料，他的技术主线始终不是单点算法，而是一个完整全栈问题。在这期节目里，我们会聊徐丹飞如何走上机器人这条路，human data 会不会成为 robot learning 的 GPT moment的基石？人形机器人和人类数据究竟是谁成就谁？当机器人开始学习人的操作、人的身体、甚至人和人之间的互动，它的智能上限是什么？ 这里是 WhynotTV Podcast。现在，请和我一起，走进Danfei Xu的世界。---00:02:00 - 徐丹飞为什么一直把自己定义为 roboticist00:03:27 - 小时候的徐丹飞是什么样的小孩00:05:34 - 为什么高中时决定去美国读本科00:11:40 - 18岁前的经历如何塑造了对不确定性的适应力00:13:47 - 大一大二 cold call 机器人公司做 research00:24:00 - 为什么 PhD 选择了当时“机器人荒漠”的 Stanford00:30:18 - 2016-2017 年 robot learning 领域是什么样的00:36:12 - 在 DeepMind 暑研如何看到 behavior cloning actually works00:38:57 - 什么是机器人里的 behavior cloning00:40:16 - 为什么当时整个领域看不上 behavior cloning00:42:27 - RSS 2020 behavior cloning paper 的前世今生00:49:45 - Behavior cloning 最难的为什么不是模型而是系统00:57:17 - 为什么最后决定去找教职00:59:24 - 什么是 robot learning，它和传统 robotics 的区别是什么01:01:53 - 什么是机器人数据，什么是人类数据01:03:52 - EgoMimic 的起点：为什么相信第一人称 human data01:09:24 - 为什么从 teleoperation 转向 human data01:11:40 - 从 ego video 里机器人到底能学到什么01:15:20 - 为什么强调第一人称视频，而不是 YouTube 第三人称视频01:20:17 - 为什么 SLAM / VIO 对 human data 如此重要01:27:02 - 触觉 tactile 会在人类数据中扮演什么角色01:30:16 - Human data 各种模态的重要性排序01:32:27 - 什么是 UMI data，它到底是人类数据还是机器人数据01:36:35 - 五指灵巧手和人类数据 transfer 的关键瓶颈01:38:21 - Human data 和人形机器人是一荣俱荣吗01:42:51 - 如果数据、算力、硬件无限，human data 的智能上限是什么01:44:16 - 机器人如何获得类似互联网之于 LLM 的数据基础设施01:47:22 - 要 behavior clone human 需要多少小时数据01:49:08 - 为什么“不经意的人类数据”比任务采集数据更重要01:55:03 - EgoVerse 与 open collective efforts for academia01:59:39 - 为什么 full-stack robotics 如此重要02:01:25 - 一个 robotics 团队哪些东西必须 in-house02:04:33 - 今天的机器人离 Betty the Crow 的智能还差多远02:13:47 - 徐丹飞的 career goal 与 robotics 的 GPT-3 moment02:17:11 - 勇敢做自己想做的事：What's to lose?

本期嘉宾翁家翌。他在 2022 年加入 OpenAI，并且是 OpenAI 一系列核心模型背后的核心贡献者之一——从 GPT-3.5、GPT-4、再到 GPT-5，你能看到的那些关键跃迁里，都有他的身影；而他最主要的贡献，你可以先记住三个词：强化学习、post-training、infra。但对我来说，翁家翌不只是“把模型做得更强的人”。在成为 OpenAI 研究员之前，他就已经用开源和产品影响过无数人：把知识与资料公开、试图打破信息差；把做工具称作一种“慈善”——在他的价值观里，开源不是履历装饰，而是一种对世界的投入方式：追求的不是掌声，而是 impact。在这期节目里，我们会从翁家翌的童年经历聊起，走到他在清华与 CMU 的求学与成长，再到他在 2022 年加入 OpenAI 后的亲历：站在 AI 风暴中心的人，到底看见了什么？这里是 WhynotTV Podcast。现在请和我一起，走进翁家翌的世界。------------00:02:33 - 小时候的翁家翌是什么样的小孩00:05:56 - 成长过程中的投资未来的意识00:08:10 - 高中计算机竞赛与升学00:16:02 - 在清华开源作业与信息差00:19:23 - 在本科与强化学习结缘00:28:00 - 在Yoshua Bengio组暑研做NLP的经历00:30:38 - 对前ChatGPT时代的NLP和RL有什么反思00:32:47 - 留学申请季受挫的经历00:35:28 - 对固有评价体系的挣脱00:41:08 - 天授Tianshou强化学习框架的前世今生00:48:07 - tuixue online签证查询系统00:49:54 - 追求影响力impact的底层逻辑是什么00:56:21 - CMU读研与加入OpenAI的经历00:59:46 - 和John Schulman的面试故事01:01:54 - 为什么没有考虑读PhD01:03:16 - 研究能力和工程能力谁更重要01:06:31 - infra的重要性01:09:28 - 还会鼓励今天的学生读AI PhD吗01:13:13 - 什么是强化学习和post-training（后训练）01:14:22 - 加入OpenAI的时候ChatGPT是主线吗01:16:01 - 发布ChatGPT前可以想象这样大规模的成功吗01:19:18 - 2022年加入OpenAI的初印象是什么01:20:52 - OpenAI的人才密度与组织架构01:24:09 - GPT强化学习Post-training的前世今生01:25:10 - 在2022年做RLHF有什么关键的挑战与突破01:27:01 - 大模型工业级RL infra 的挑战01:32:08 - 未来5-10年大语言模型的挑战和瓶颈会是是什么01:36:30 - 现在的预训练和后训练可以达到AGI吗01:38:34 - OpenAI还Open吗01:43:30 - OpenAI实现AGI使命的最大挑战是什么01:44:02 - 内部视角看Sam Altman被开除的经历01:46:37 - 如何看待OpenAI的人才流失01:47:43 - OpenAI面对AI竞赛的内部视角01:52:48 - 未来与宿命论01:58:35 - 考虑过创业吗02:00:01 - 希望十年后的自己是什么样的

当我问陈天奇，你会对十年前二十年前的陈天奇说些什么时，他沉默了近20秒说——“可能要反过来，我需要过去的我对现在的我，现在的我对未来的我说，记住自己对自己的承诺，坚持自己的理想，往下走下去”那一刻我被真正感动了——因为我真正看到一个真正的理想主义者，过去二十年机器学习的历史， XGBoost、MXNet、TVM、MLC都是不可磨灭的精彩印迹，而在这几个项目名背后，有一个共同的名字，他就是本期播客嘉宾陈天奇。过去 15 年，陈天奇把让机器学习模型更轻、更快、更易部署做成了一条清晰的技术主线。从最早的把树模型系统推到极致的XGBoost，到最早的深度学习框架之一 MXNet，再到开创深度学习编译领域的TVM，和今天希望把大模型跑上所有设备的MLC LLM。陈天奇在机器学习系统这条路上已经走了快 20 年——从陈天奇的视角看这 20 年的激荡会是什么样的风景？在这期播客，你会听到：我和陈天奇会把他的每一个开源项目都拆解清楚——他们为什么诞生、如何长成、在哪里拐弯。也会走进陈天奇的个人经历——年少如何与计算机相遇，高二的时候如何自学写编译器，在交大 ACM 班打下系统功底，在 UW 的科研突破，到最后同时走向创业和教职两条路。更重要的我们还聊到了陈天奇的底层价值观——长期主义如何落地，如何在不确定性中坚持敢失败的勇气和初心。在科研、创业、教职三条路都获得成功后，陈天奇在筹划着什么样的下一步？这里是WhynotTV Podcast——现在，请和我一起进入陈天奇的世界。00:02:06 在童年时期对什么事物最感兴趣00:08:38 有没有什么十八岁之前的经历对未来产生了深远影响00:10:16 温和的性格是童年时期就养成的吗？00:12:08 上海交大ACM班的经历00:14:33 本科ACM班教育对人生的影响00:18:05 本科第一次接触机器学习科研时的挑战00:20:09 手搓CUDA用深度学习尝试ImageNet00:23:10 在2010年用GPU做深度学习是共识了吗00:24:32 初生牛犊不怕虎做深度学习的经验教训00:29:40 如何从失败的科研后反而变得不怕失败00:32:16 研究视野的飞跃，20年后对研究视野的反思00:39:01 来到UW读PhD的选择00:41:08 XGBoost成功的关键原因：极致、社区、专注00:46:14 为什么选择树方法？Carlos的严格要求00:49:31 站在现在反思XGBoost当年对神经网络和深度学习的判断00:53:02 MXNet的前世今生01:00:03 MXNet背后的博士生团队协作01:04:14 从MXNet的历史学到的经验教训01:07:56 科研的风险与收益01:11:40 TVM的前世今生——什么是机器学习编译01:14:19 为什么做TVM这么有挑战性01:17:17 选择做重要的事——做TVM的勇气01:21:55 GPU/TPU/NPU的区别01:23:05 初生牛犊不怕虎的勇气与初心01:26:08 TVM的生态位，2025年面临的挑战与机会01:30:26 机器学习系统的历史01:35:03 机器学习系统的未来，挑战与机遇01:36:13 MLC LLM——将大模型部署到所有设备01:37:24 未来大模型的推理的格局分布——云vs端侧01:41:11 AI模型的收敛趋同会持续下去吗？对机器学习系统来说意味着什么？01:45:38 因为资源受限，学术界应该去解决什么样的机器学习系统的研究问题？01:50:42 对开源的热情——如何做成功的开源项目？01:54:50 OctoML——创业的动机与故事01:56:29 基于开源项目的创业的得失与优劣01:59:15 OctoML的商业模式与转型02:03:00 创业过程中的收获与教训02:03:58 考虑过当CEO吗？当技术领袖的所需要的自我革新02:06:18 创业被NVIDIA收购是符合预期的退出方式吗？02:08:19 技术创业必须的自我革新02:10:23 为什么决定要当教授？02:10:54 一线经验的重要性——为什么当教授了还要写那么多代码？02:15:03 如何做到高效的时间分配与产出？02:16:28 这个时代的快节奏的机器学习系统研究——我们还能慢下来吗？02:18:31 如何面对AI研究的新挑战？02:19:52 现在陈天奇作为教授的风格是什么样的——如何指导学生？02:21:06 工业界工作vs学术界PhD02:22:19 实事求是问题导向的研究风格02:23:22 对长期主义的感悟02:26:12 面临人生选择的智慧02:28:41 未来的陈天奇还想做什么——失败与初心02:32:58 AGI需要什么样的机器学习系统02:34:23 未来AI的格局会是巨头统治还是百花齐放02:35:03 会对20年前10年前的陈天奇说什么？02:35:52 对成功和幸福有什么新的感悟02:37:51 会看这二十年的旅途——你最后想说些什么？

今年四月我读了一篇非常打动我的Meshy AI CEO胡渊鸣写的知乎文章《当CEO重读PhD：论勇气与智慧》，当时的我就在憧憬要是能和胡渊鸣畅谈一个下午会是多么难忘的体验……没想到四个月后真的实现了！我非常非常非常享受和胡渊鸣做这期播客，3小时40分钟的素材，我剪辑过程中反复把素材过了很多遍，每一遍听都有更新和更深的收获，我很激动也很感谢渊鸣——我们录制出了一期这么精彩的内容！我们以渊鸣的的人生经历为引子——童年时期开始写物理模拟器和游戏，清华姚班和MIT的求学经历，太极项目的前世今生和太极2.0，Meshy的艰难商业转型到现在用户超400万，年营收增长超10倍，所有经历本质都是在反射渊鸣对科技、商业、世界、人生的本质思考，强烈推荐！千言万语一句话——这个世界需要更多胡渊鸣！00:00:00 - 引言00:01:31 - 童年，游戏，与模拟世界00:13:00 - 清华姚班经历00:20:37 - MIT PhD经历00:29:04 - 四个重要的人才特质00:37:57 - 如果重读PhD会做的四个改变00:43:54 - 计算机图形学与太极编程语言00:55:25 - 对开源的看法01:00:00 - 物理仿真与机器人01:16:28 - 太极2.0与AGI01:27:32 - Meshy与3D生成01:41:18 - 太极商业化中的放弃与反思01:59:23 - CEO，创业选择与商业赛道02:21:12 - 尊重事实，公司的基因和文化02:36:19 - 勇气、智慧、影响力、失败、人生

以下内容是我和杨硕的对话。杨硕本科和硕士毕业于香港科技大学，在港科大以及毕业后的5年期间，杨硕参与并主导了了大疆飞控系统的研发。大疆之后，杨硕于2018年前往CMU攻读机器人博士，专注足式机器人的状态估计与控制算法，杨硕于2023年博士毕业后加入了特斯拉Optimus人形机器人团队，一年半，杨硕离职特斯拉，宣布创立妙动科技，目标设计研发消费级机器人产品。过去十年，他在知乎的账号分享了大量机器人技术见解与一线科研生活，至今仍鼓励着今天年轻一辈的机器人学生继续前进。杨硕是我们这个时代最杰出的机器人学家和机器人工程师之一，这里是WhynotTV Podcast，现在，请进入我和杨硕的对话