会友镖局

AI已经能生成令人惊叹的视频。但画面看起来合理，是否意味着它真的理解了重力、空间，以及物体之间的关系？如果让机器人倒一杯水，我们应该给它看无数遍倒水的视频，还是让它先理解“杯子”“水”和“倾倒”，再把这些概念组合起来？这一期《会友镖局·科技会客厅》，我们邀请于开丞，从自动驾驶聊到世界模型的不同路线，再聊到一个创业团队的技术取舍：为什么调整已经做出成绩的方向？当通用大模型开始操纵机械臂，创业公司的机会又在哪里？【本期嘉宾】于开丞｜西湖大学自主智能实验室负责人、西湖大学特聘研究员、博士生导师、西湖数智（Awomo）创始人兼CEO，曾在阿里达摩院从事自动驾驶研究。【本期判断】世界模型这个名字之下，装着不同的技术目标和商业选择。 于开丞的选择，是让模型理解物理现象，并尝试通过概念的拆解与组合，获得举一反三的能力。在他的判断里，衡量这条路线的关键，是模型面对没见过的场景时，能否做出有效判断，以及这种能力能否随着训练规模扩大而持续提升。【你会听到】为什么视频生成、空间生成、机器人决策，都被叫作世界模型？追求画面的美感，与追求物理真实性，会把模型带向哪些不同方向？“概念世界模型”想解决什么问题？倒一杯水为什么是个好例子？通用大模型能操纵机械臂，是否意味着其他技术路线会被替代？一个17人的团队，如何在尚未收敛的技术方向上创业？有了AI，“老炮儿”的经验为什么可能更值钱？【时间线】第一章｜同样叫世界模型，做的可能是不同的事00:00 从生成图片、视频，到理解物理世界01:15 从自动驾驶出发，为什么在2023年选择探索世界模型08:12 语言模型与世界模型：从抽象知识出发，还是从物理信号出发20:07 一次概念梳理：世界模型、空间智能与物理智能26:42 互动娱乐、理解世界与操作世界，不同目标如何影响技术选择第二章｜从“看过很多遍”，到“能够举一反三”32:32 用倒水解释“概念世界模型”：杯子、水和动作能否重新组合？33:46 什么是隐空间？模型如何压缩和表达对世界的认识38:47 可规模化训练与“智能斜率”：团队究竟在验证什么45:57 通用大模型操纵机械臂，给世界模型团队带来了什么启发48:22 让物理学家学切菜：能完成任务，与高效完成任务之间的距离第三章｜为什么调整一条已经做出成绩的路线57:34 与杨立昆的思路有哪些共鸣，方法又有哪些不同59:45 回看2024年：生成数据，再用数据训练机器人，这条路有什么局限？01:04:19 为什么没有顺着原来的技术成果直接创业01:06:12 半年左右的并行探索：转向并非一夜之间发生01:10:24 数据、算法、算力，以及团队现阶段真正关注的场景第四章｜技术尚未收敛，创业者如何往前走01:17:37 17人的团队：“老炮儿”与“小天才”如何搭配01:18:48 AI改变工作方式之后，工程经验的价值01:22:22 从研究者到创业者，思考问题的方式发生了什么变化01:24:10 世界模型的“ChatGPT时刻”，需要出现什么能力01:30:30 从解决一个问题，到追问一种方法能否规模化01:32:27 非共识的选择：承认原有路线的局限，需要付出什么代价【核心观点】生成目标会影响模型的能力方向。 于开丞认为，服务内容创作与服务真实物理任务，对数据、评价标准和训练资源的要求存在差异，不能只凭生成画面的效果判断物理理解能力。举一反三，是团队选择这条路线的核心理由。 他们希望模型通过学习、拆解和组合概念，处理训练中没有直接见过的场景，而不必为每种情况重新收集完整示例。通用模型的进步，也在改变创业公司的考题。 除了证明任务能被完成，还需要证明自己的方案在效率、成本和规模化方面有价值。AI让经验有了新的发挥方式。 于开丞观察到，工具能够放大执行能力，但工程判断、问题拆解和结果把关，依然需要长期积累。【名词解释】概念世界模型：本期嘉宾介绍的技术思路，强调关联语言概念与物理现象，通过概念的拆解、组合，探索跨场景的泛化能力。智能斜率：嘉宾用来描述模型能力提升速度的表达，关注随着概念积累和组合增加，能力能否更快增长。【延伸信息】小红书：会友播客小助手微信：huiyouhz在小宇宙查看该单集文稿

摘要给空间站“送快递”，听起来像一句玩笑，但它背后是一整套复杂的航天工程。宇航员在太空里需要生活物资、实验设备、备品备件；空间站要长期运行，也需要更灵活、更低成本的货物运输系统。轻舟货运飞船，就是在这样的需求里诞生的。这一期节目，主持人电动Emma对话常亮。常亮是中国科学院微小卫星创新研究院研究员，轻舟货运飞船总设计师。他从一个普通人能理解的入口讲起：空间站到底收什么快递？货运飞船和载人飞船有什么不同？太空里为什么水滴是圆的？为什么一颗小苔藓也值得被送上太空？聊到后面，你会发现这期不只是航天科普。它也在讲中国商业航天的新阶段：低成本、可复用、供应链、太空制造、太空算力，以及未来普通人和太空之间可能建立的新关系。本期嘉宾常亮中国科学院微小卫星创新研究院研究员，轻舟货运飞船总设计师主持人电动Emma本期判断航天正在从“遥远的国家工程”，慢慢变成一种新的基础设施。当货运飞船变得更灵活、更低成本，太空就不只是宇航员和科学家的目的地，也可能成为制药、材料、制造、算力和普通人想象力的新空间。轻舟的意义，不只是一艘飞船本身，也是一种更商业化、更开放的航天模式探索。你会听到轻舟货运飞船为什么叫“轻舟”空间站最常收到哪些“快递”太空里为什么可以做3D打印、制药和苔藓实验送人上太空和送货上太空有什么不同轻舟货运飞船为什么要做成“单舱”低成本航天到底怎么降成本AI会如何进入航天任务宇航员在空间站怎么拆快递普通人离“太空包邮”还有多远中国商业航天和SpaceX之间的差距与机会太空经济未来可能长成什么样时间线00:39 给空间站“送快递”：轻舟定位“小快灵”，补充更灵活的货运需求02:41 空间站到底收什么快递？从航天员的食物到实验设备和备品备件04:29 太空不只是送东西：3D 打印、制药和“小苔藓”都在利用微重力做实验09:23 从“送人”到“送货”：空间站规模越大，运输分工越专业12:02 航天从“科技”走向“经济”：轻舟探索商业化运输，降成本成为关键18:04 AI 进入航天：未来卫星会“思考”，机器人也可能帮宇航员干活37:26 轻舟真正的意义：不只造一艘飞船，更是改变传统航天的运行模式39:19 SpaceX 带来的冲击：火箭回收只是第一步，真正的差距还在思维44:08 当进入太空越来越便宜：太空算力、太空制造和普通人的太空旅行才会真正打开48:41 美国“一枝独秀”，中国“百花齐放”：商业航天可能走出不同的发展路径1:01:02 航天的终极想象：发射火箭像坐航班，普通人也能把东西送上太空核心观点轻舟货运飞船的定位是“小快灵”。它不是替代大型货运飞船，而是补充空间站更灵活、更快捷的小型运输需求。空间站的“快递”不只是生活用品。除了航天员吃的、用的，还有大量实验设备、科研样品和空间站备品备件。太空实验的价值来自微重力。水滴、火焰、材料结晶、制药过程，在太空中都会呈现出和地面不同的状态。低成本航天不是单靠省钱，而是从设计、材料、部组件、流程和管理方式一起改变。轻舟采用单舱设计，就是为了把更多空间留给货物和航天员使用。中国航天正在探索更商业化的服务模式。轻舟的意义不仅是一艘货运飞船，也是一种从“采购设备”转向“采购服务”的尝试。太空经济的前提是成本下降。只有发射成本、卫星成本和制造成本继续降低，太空算力、太空制造、太空旅游才会真正打开。中国商业航天的路径可能和美国不同。美国有SpaceX这样的一枝独秀，中国更可能形成一个百花齐放的产业生态。名词解释轻舟货运飞船面向中国空间站货物运输需求研制的新型货运飞船，强调灵活、快捷、低成本。货运飞船专门向空间站运输生活物资、实验设备、备品备件等货物的飞行器，和载人飞船分工不同。微重力太空中接近失重的环境。它会让水滴、火焰、材料生长和人体状态都发生变化，也为科学实验提供特殊条件。单舱设计轻舟货运飞船采用的一种设计思路，将平台相关设备整合进一个舱体中，减少传统分舱结构带来的重量和成本。太空经济围绕太空运输、太空实验、太空制造、太空算力、通信卫星、太空旅游等形成的新产业和商业活动。延伸信息欢迎在小红书搜索：会友播客添加小助手微信：huiyouhz和我们一起继续聊科技、商业与未来世界。在小宇宙查看该单集文稿

摘要今年脱口秀的夏天少了一个呼兰，却多了一个“呼总”。过去几个月，呼兰参与“拯救开花俱乐部”：一家只有6个员工的小型脱口秀俱乐部，从亏损到扭亏为盈，中间还用上了AI做财务、设计、新媒体和经营效率提升。但这一期聊的并不只是一个小商户如何用AI降本增效。从开花俱乐部出发，呼兰和陈亮聊到了很多普通人都正在面对的问题：AI会不会取代我的工作？脱口秀演员还需要人来写段子吗？情绪价值能不能被AI复制？大厂在AI时代会不会焦虑？以及，当工具变化越来越快，我们到底该追风口，还是守住自己的核心价值？本期嘉宾呼兰脱口秀演员，“拯救开花计划”参与者陈亮蚂蚁集团资深副总裁、首席市场官本期判断AI会加速替代很多有固定范式的工作，也会让个体和小生意获得过去难以拥有的能力。但越是在工具快速变化的时候，人的“活人感”、随机应变能力、和他人建立连接的能力，反而变得更稀缺。呼兰在这期里讲得很轻松，但判断其实很硬：与其坐在原地等着被变化吞掉，不如先别下牌桌，拿AI去解决眼前的问题。你会听到呼兰为什么从脱口秀演员变成了“呼总”开花俱乐部怎么用AI提升6个员工的工作效率小商户真正难的地方，为什么还是大量人和人的沟通AI会不会写段子、讲脱口秀，甚至取代真人演员为什么呼兰觉得刘德华、张学友能穿越技术周期AI时代，什么样的人最值得招聘“活人感”和“情绪价值”为什么仍然重要呼兰每个月在AI工具上花多少钱陈亮为什么说AI未来会帮人打理健康、积分和生活支付在AI时代，个体和大厂各自怎么面对焦虑时间线01:40 从脱口秀演员到“呼总”：呼兰用 AI 帮 6 人小公司扭亏为盈08:32 AI 会写段子之后，呼兰发现真正能“穿越周期”的还是人13:14 AI 短剧越来越精致，但观众也会重新想念“手炒菜”19:29 AI 越强，“活人感”、随机应变和 Street Smart（街头智慧） 反而越值钱26:00 几个月河东、几个月河西：与其预测 AI 风口，不如哪个好用就用哪个33:49 从阿福、阿宝到 AI 付：AI 正从“回答问题”走向“替你办事”39:35 大厂也焦虑：没人知道 AI 的终局，只能继续解决真实问题核心观点小商户用AI，最直接的价值是提升人的能力。财务、设计、新媒体可以被AI辅助，员工就能把更多时间放到和演员、场地、观众的沟通上。AI能替代一部分标准化工作，但很难替代真实世界里的随机应变。呼兰说，未来更值得招聘的人，是有街头智慧、有活人感、能处理细枝末节的人。真人创作者的护城河，来自和观众之间长期建立的情感连接。观众不一定在意段子是不是AI辅助写的，但他们在意站在台上的那个人是谁。AI时代不要急着预测风口。工具几个月就变一轮，个体更现实的做法是保持开放，哪个好用就用哪个，把自己和技术一起往前推。普通人不用妄自菲薄。只要今天还有人愿意为你的工作付钱，就说明你已经有自己的价值。要做的是用AI放大它，而不是被新闻里的焦虑牵着走。大厂也没有绝对安全感。无论是阿福做健康管理，还是阿宝探索生活和支付，真正重要的是持续用AI解决具体问题。名词解释AI NativeAI 原生，指从一开始就围绕AI来设计产品、组织和工作方式，而不是在原有流程上简单加一个AI功能。情绪价值一个人通过陪伴、表达、幽默、理解和互动，给别人带来的心理感受和关系体验。活人感真实的人在具体场景中的反应、停顿、判断、分寸和随机应变。它往往来自经验，而不是模板。Street Smart街头智慧，和书本智慧（Book Smart）相对应。指从真实世界的摸爬滚打里来的生存智慧——察言观色、随机应变、快速试错。书本智慧则指从书本、课堂、体系化教育里来的知识——理论扎实、考试厉害、按规则办事。延伸信息欢迎在小红书搜索：会友播客添加小助手微信：huiyouhz和我们一起继续聊科技、商业与未来世界。在小宇宙查看该单集文稿

AI 能掌握海量知识，能模仿声音、口型和表达，也能在编程、数学、教育、医疗等领域快速改变我们的生活。但它能不能真正理解一个具体的人？能不能拥有自己的情感、灵魂和看法？当机器越来越会创造价值，人的位置会被挤压，还是被重新打开？这一期节目，我们请到著名作家刘震云、香港大学计算与数据科学学院院长马毅，由 「elsewhere 别处发生」主理人刘旌主持，一起聊聊 AI 时代里几个很基本、也很难回答的问题：知识、创造、教育、孤独，以及人和机器的关系。本期嘉宾刘震云著名作家马毅香港大学计算与数据科学学院院长主持人「elsewhere 别处发生」主理人刘旌本期判断AI 会改变人的生活方式、学习方式和工作方式，但它并不会自动替代“人之为人”的全部价值。它擅长处理共性的知识，也能在目标清晰的任务里创造价值。但人的个体经验、情感关系、现场错误、不可复制的角度，以及人与人之间真实的连接，仍然是 AI 难以完全抵达的地方。你会听到● 刘震云怎么看“AI 刘震云”模仿自己的声音和表达● 马毅如何区分知识、智能和创造● AI 能不能写出真正新的文学作品● 年轻人应该如何和 AI 相处，而不是被 AI 替代● 普通人在 AI 时代如何安身立命● AI 能不能解决人的孤独● 为什么“AI会告诉你哪家饭馆好吃，但不会请你吃饭”● 人文讨论在技术快速发展面前是否仍然有意义● 什么才算一个更好的 AI 时代时间线01:32 从《咸甜之间》开始：人在 AI 与机器人共处的时代如何自处02:12 刘震云：科技会一次次重新定义世界05:14 当网上出现大量“AI 刘震云”，本人是什么感受07:05 马毅：AI 掌握的是共性知识，但很难理解具体的人08:16 AI 是否有可能拥有创造力，甚至超越人08:45 知识、智能和创造，三者到底有什么不同11:10 刘震云：AI 能模仿已经写出的作品，但模仿不了还没写出的作品15:08 AI 时代的教育：学生应该如何建立新的学习方式18:29 刘震云：科技不会让人越来越笨，它会推动新的生产关系出现20:51 我们训练 AI，是不是在“杀死”自己的工作？23:25 没有特殊本事的人，在 AI 时代如何安身立命27:04 AI 能不能解决人的孤独29:52 马毅：AI 会帮助学习，也可能让人的社会连接变得更难31:38 刘震云：AI 会告诉你哪家饭馆好吃，但不会请你吃饭32:15 技术进步面前，人文讨论还重要吗？36:55 一句话总结：怎样才算一个更好的 AI 时代核心观点1. AI 最擅长的是共性知识。它能快速整合人类已有的知识，但很难真正理解一个人的个性、偏重、情感和价值。2. 创造不等于智能。马毅认为，知识是已有内容，智能是获取新知识的能力，创造则是用已有知识创造价值。3. AI 可以模仿刘震云已经写出来的作品，但模仿不了他尚未写出的作品。文学真正难的地方，仍然是新的角度、新的思想和新的视角。4. 年轻人不应该让 AI 代替自己学习，而应该用 AI 帮助自己学得更快、更深。工作中，再用 AI 放大自己已经掌握的能力。5. AI 会重构人和人的关系，但它不能完全替代真实的人际连接。它可以给你信息、建议和共性回答，但不会像一个朋友那样坐下来请你吃饭。6. 更好的 AI 时代，不只是技术更强，而是每个人都能在社会共性价值和个人价值之间，找到新的平衡。名词解释AI Native指从一开始就把 AI 当作基础工具和环境来设计学习、工作或产品，而不是在原有流程上简单加一个 AI 功能。Reward在 AI 训练中，指用于判断结果好坏的奖励或惩罚标准。目标越清楚，AI 越容易优化。共性知识来自大量人类文本、经验和表达的共同部分。AI 很擅长总结共性，但难以完全替代具体个人的独特经验和情感。延伸信息欢迎在小红书搜索：会友播客添加小助手微信：huiyouhz和我们一起继续聊科技、商业与未来世界。在小宇宙查看该单集文稿

如果说过去几年，AI 的主战场还在屏幕里，那么具身智能正在把问题带回真实世界：机器人要看见、触摸、移动、判断，还要在不完美的物理环境里持续工作。这一期，围绕物理智能最核心的三组分歧展开讨论：数据之争、智能之争、场景之争。仿真数据和真实数据到底谁更重要？通用大模型会不会“降维打击”具身智能公司？机器人行业真正跨过泡沫的标志，是技术 Demo，还是客户愿意持续付钱？本期嘉宾：韩铮苏度科技联合创始人兼首席执行官沈宇军蚂蚁灵波科技首席科学家王潜自变量机器人创始人兼首席执行官许华哲破壳机器人创始人、清华大学交叉信息研究院助理教授主持人：「十字路口Crossing」播客主播 杨远骋Koji本期判断具身智能不会简单复刻大模型的发展路径。它可能同样需要预训练、数据、评测和规模化，但进入物理世界之后，智能面对的是传感器噪声、接触变化、硬件可靠性、商业成本和持续反馈。机器人真正难的地方，不只是“理解指令”，而是在真实世界里稳定完成任务。你会听到仿真数据为什么绕不过去？真实世界数据到底不可替代在哪里？通用大模型会不会降维打击具身智能？机器人做麻婆豆腐、抓筷子、叠衣服，分别说明了什么？为什么机器人最难的是复杂物理接触？具身智能商业化不能只看 Demo，而要看什么指标？五年后回头看，今天的具身智能哪些被高估，哪些被低估？时间线01:47为什么这一期要聊“数据之争、智能之争、场景之争”02:07仿真数据路线：为什么只靠真实数据收集效率不够05:24真实数据路线：机器人必须面对传感器误差和物理世界的不完美09:05智能之争：通用大模型会不会降维打击具身智能？16:09Astra 能抓筷子，但为什么还做不好麻婆豆腐？19:37具身智能会不会反过来影响云端大模型的发展路径23:10机器人未来可能是“上层理解 + 底层技能”的分层系统24:59场景之争：具身智能跨过泡沫，最关键的商业化指标是什么30:58站在五年后看，今天的具身智能被高估和低估了什么40:35数据量、通用能力与具身智能模型的未来进展核心观点仿真不是万能的，但真实世界数据也不是唯一答案。不同阶段需要不同数据，真正关键的是能不能规模化地产生、验证和使用高质量数据。物理世界的不完美很难被完全仿真。传感器噪声、触觉信号、接触变化和环境随机性，都是机器人最终落地必须面对的问题。通用大模型不会天然解决具身智能。语言、代码、数学、视频和机器人控制之间，并不存在简单的能力迁移。具身智能的商业化不能只看炫酷 Demo。更重要的是高成功率、泛化能力、部署成本、设备可靠性，以及客户是否愿意持续付钱。机器人行业真正的机会，可能不只是替代人做某个动作，而是让 AI 进入生产、制造和物理世界的闭环。名词解释具身智能让 AI 不只停留在文本、图像和屏幕中，而是通过机器人等实体系统感知、行动，并与真实物理世界交互。Sim-to-Real指在仿真环境中训练出的能力，迁移到真实世界后能否继续有效。Real-to-Sim指能否把真实世界中的复杂因素，比如传感器噪声、触觉反馈、物体差异等，规模化地还原到仿真环境中。Contact-rich Task复杂物理接触任务，比如叠衣服、做饭、插筷子、操作柔性物体等。这类任务往往比“识别物体并移动过去”更难。AstraOpenAI 的 GPT-6（"GPT-6 Astra"），能直接驱动机械臂的大模型（具身智能能力）。目前能做到控制抓筷子、插杯子、递物等简单抓取、放置动作延伸信息欢迎在小红书搜索：会友播客添加小助手微信：huiyouhz和我们一起继续聊科技、商业与未来世界。在小宇宙查看该单集文稿

一个一行代码都不会写的文科生，如何在72小时里，用自己的AI智能体团队，在OpenClaw项目上提交了上百个PR，其中21个被合并，并进入贡献者前30名？金融专业出身，做了几年跨境并购，2025年春节前后，杨天润给三个AI智能体取了名字、定了岗位：Echo管产品，Elon Musk写代码，Henry跑社区，然后放手让它们自己干活。72小时内，上百次提交，21次被项目方正式接收。其中一次merge合并，来自Open Claw创始人Peter的亲手点击。本期《会友镖局》，我们和天润聊聊，不只是复盘他如何做到，更想邀请他分享一个关于AI时代新工作方式的样本：当一个人能指挥一支AI军团，他获得的不只是效率，还有组织能力、判断权和责任。🧑‍🤝‍🧑本期嘉宾嘉宾： 杨天润（天润），90后文科生， AI创业者，Naughty Labs CEO ，OpenClaw项目贡献者👩本期主播主播： 友红，蚂蚁集团📒时间轴一、拥有三个"数字员工"后，成为顶级开源项目贡献者01:34 欢迎天润，一个金融出身，一行代码都不会写的文科生02:38 天润的三个智能体的角色：Echo（产品经理）、Elon Musk（CTO）、Henry（CMO）05:31 不只是写代码，还做了产品设计+工程执行+社区运营三件事06:32 第二天就有PR被合并，OpenClaw创始人Peter亲自merge08:00 现在OpenClaw的审核也交给了AI：人类是卡点，不是AI二、当执行变便宜，什么能力会变贵？13:10 GPT刚出来时就看到了变化：在投行用AI起草合同，一周的工作一晚上完成14:42 AI给每个人发武器，跟过去积攒了多少肌肉无关16:05 完整的商业闭环是发现需求、做出来、卖出去，但现在中间步骤已经不值钱了17:44 过去的教育，是把人培养成链条里的一个零件19:40 浪漫、善感、注意力不集中、兴趣太多元，过去的缺点在今天全是优势三、AI Native：未来的组织为什么会变小？21:12 小组织天然AI Native，因为没有历史负担和知识诅咒22:21 大厂也在转型：从个人用AI，到组织层面用AI23:31 OPC不是一人公司，而是极少数人围绕AI重新组织24:23 也许未来6人AI Native组织的整体产出，可能超过600人大厂26:19 建立新世界远比改造旧世界容易四、Agent时代，软件要给谁用？27:52 Agent Native下，手机和终端，可能成为新的入口28:32 旧软件为什么要开放CLI/API/MCP给Agent调用？32:35 如果Agent使用量超过人类，软件公司该怎么办？33:00 火车刚发明时被骑马的人追着嘲笑，但你一旦坐上，就会知道下一代不需要再学骑马了五、AI军团怎么管？能力、权力与责任40:04 你的agent teams，应该要有自己的名字41:25 有血有肉 = 有职位、有人设、有明确职责41:49 Agent Teams为什么是给人类使用的GUI?43:07 有角色就会主动收集上下文，像新员工入职一样去自我成长47:27 人类跟AI交互其实就三件事：定义意图、监控进度、安全刹车49:22 什么任务可以放手给Agent，什么任务必须强控57:04 把AI当大师：如果他是梵高，你不能指挥他用什么笔六、重新定义自己，"文科生"标签已经过时了59:53 从投行到创业：金融要权衡利弊，但"权衡利弊权衡不出一个好的企业家"01:01:02 二月份还能拿"文科生写代码"当新闻，现在已经是常识了01:05:08 "人文思维"去代替"文科生"，就像站在乔布斯口中的“十字路口”01:06:18没有人是比AI更好用的工具，要让孩子成为更有主见的人，而不是螺丝钉01:08:13 给普通人的建议：先坐上“火车”，才能看见未来📖【名词解释】PR（Pull Request）：PR：Pull Request，开源协作中提交代码修改、请求项目维护者审核合并的一种方式。Merge（合并）：维护者审阅通过后将PR纳入项目正式代码。被merge意味着你的贡献被项目方认可，天润的PR得到OpenClaw创始人Peter本人的亲自合并。OpenClaw：全球顶级开源项目，开源社区git hub上人类历史上star增长最快的项目之一。Agent Teams：由多个有明确角色分工的AI智能体组成的协作团队。区别于临时生成、用完即消的workflow式并发agent。AI Native组织：不是简单使用AI工具，而是围绕AI能力重新设计分工、流程和组织结构。OPC（One Person Company）：常被理解为“一人公司”。在本期语境里，更接近“极少数人围绕AI重新组织起来的高产出单元”。Human in the Loop：人在AI流程中参与审核、判断、授权或兜底。策划：常常运营：千寻☎️找到我们精彩片段：视频号【会友镖局播客】其他平台：小红书｜抖音｜Bilibili收听渠道：Apple Podcast｜小宇宙添加小助手微信：huiyouhz，可以加入听友群喔在小宇宙查看该单集文稿

如今的模型在数字世界里游刃有余。它能写诗、会画画、认得清图片里的猫。但一旦把同样的模型放到机器人身上，问题就暴露了：它看得见玻璃后的猫，却不知道那道玻璃过不去；它知道水杯要倒，但推理太慢，等反应过来水早已洒了。数字世界的“懂”，不等于物理世界的“会”。过去一周，蚂蚁灵波科技密集发布并开源了6 款模型，涵盖空间感知、世界模拟、动作执行等完整技术链条。社交媒体刷屏、开发者社区强烈关注、多次登上海内外平台Trending趋势，开源的4款模型在GitHub上总Star数已超过2.3K……不止模型本身，LingBot2.0更提出了一个明确的技术主张：具身原生。机器人的大脑，不该是通用大模型的“移植版”，而应该从零开始，为物理世界量身定做。什么是“具身原生”？为什么机器人不能只是大模型在物理世界里的一个 Agent？为什么数字世界里好用的视频生成、多模态模型，到了机器人身上就会遇到新问题？这期节目，我们与灵波科技首席科学家沈宇军从灵波大脑 2.0 的发布聊起，一起聊聊灵波如何为机器人装上一颗“原生大脑”。🧑‍🤝‍🧑本期嘉宾沈宇军：蚂蚁灵波科技首席科学家 👩本期主播石洪竺：魔搭社区运营负责人📒时间轴一、灵波大脑 2.0：为什么要提出“具身原生”03:13 从灵波 1.0 到 2.0：半年时间里，模型能力做了哪些升级04:33 从模型架构、数据到算法，天然为机器人设计05:18 灵波正式提出“具身原生”，是为了解决机器人的三个问题：“看得更清楚”、“想得更明白”、“干得更利索”二、看得更清楚：机器人不能只识别，还要理解物理距离08:46 数字世界追求清晰度、画质和创造力，物理世界更在乎时效性和合理性10:21 为什么要做一个尽可能通用的机器人“大脑”12:52 大模型吃了几十年互联网数据红利，但具身场景的很多数据工作都要从零开始15:18 “开门见猫”：当门关闭时，深度图就无法识别门后的猫，仅靠语义识别无法理解三维空间（“开门见猫”）17:20 灵波的视觉训练聚焦几何边缘检测，通过识别轮廓和边界，让机器人能感知物体位置和障碍物（几何边缘检测）20:29 Depth 2.0 的升级：更换预训练方式，扩大数据量，解决更多 corner case三、想得更明白：机器人需要单向、快速、可交互的世界模型22:17 现实世界不是全可控的，机器人的思考要像时间一样单向流动23:52 World 2.0：支持更长时间（小时级别）的视频生成和交互26:07 机器人执行任务时，必须能应对被打断、被干扰的情况28:14 Dense 架构推理效率不够，为什么要做 MoE 视频生成模型32:09 一个无法摆拍的 demo：机器人如何实时响应人的随机动作（机器人打球）34:45 物理世界不需要视频生成得多漂亮，而需要生成得足够快、足够合理（LingBot-World-Infinity）四、干得更利索：真正落地后，才知道数据缺在哪里36:30 “具身原生”讲起来是态度，做起来是能力40:19 真实场景里，机器人需要抬手、弯腰、移动底盘，不只是动双臂41:19 灵巧手、头部、腰部、底盘等自由度，都需要新的数据覆盖41:59 从 9 种构型升级到 17 种构型，扩展可控自由度42:29 数据规模化不只是堆量，更要关注任务、构型、自由度的分布45:10 数据闭环不是采集完就结束，而是训练反馈到采集端五、具身智能的下一步：灵巧手、传感器和数据46:43 从 1.0 到 2.0，具身智能下一阶段的拐点是什么48:24 未来三个关键变化：灵巧手、传感器、多模态数据50:43 具身智能的 ChatGPT 时刻：当每个人都能参与训练机器人51:48 终局想象：机器人进入家庭，承担重复、危险、精细的任务53:50 对开源社区的期许：建立公允、共同认可的中立Benchmark📖名词解释具身智能：让智能体拥有身体，并能在真实物理环境中感知、决策和行动的 AI 方向。具身原生：从模型架构、训练数据、算法和任务目标开始，就面向机器人和物理世界设计，而不是直接套用数字世界模型。世界模型：让 AI 在内部模拟环境变化和未来结果的模型。对机器人来说，它可以帮助提前预演动作后果。MoE：Mixture of Experts，混合专家模型。通过只激活部分专家模块，在保持模型容量的同时提升推理效率。Benchmark：评测基准，用来衡量模型能力。具身智能目前仍需要更公允、更贴近真实物理任务的评测标准。🔗延伸阅读灵波科技官网：https://www.robbyant.com/product/R2直播回放链接：https://weixin.qq.com/sph/AZKXWkFrqs策划：常常运营：千寻更多节目信息，欢迎关注小红书：会友播客添加小助手微信：huiyouhz，可以加入听友群喔在小宇宙查看该单集文稿

一个中文系毕业的女生，创办了一家AI公司——专做400电话客服。她打造的AI客服，比真人更受用户欢迎。本期《会友镖局》带来一场纯文科生转型AI创业者的深度对话。星语智能创始人兼CEO醒辰，中文系毕业、高中理科背景，从大模型公司CEO，到创立自己的AI公司，专注用新技术改造传统的400热线客服市场。她将感知力与沟通力结构化、产品化，并在十人团队、八个月即实现盈利的实践中，重新定义了服务的温度与效率。这不是一次简单的创业故事，而是一场关于文科生在AI时代的自我认知、能力杠杆与组织重构的启发式对话——如何让“舒服”成为技术指标，如何让“非共识”变成商业机会，以及如何用AI撬动一个人最大的能量场。🧑‍🤝‍🧑本期嘉宾醒辰：星语智能创始人&CEO👩本期主播友红📒时间轴04:31  创业核心思路：不做“双新”选择改造400热线客服市场。坚持“新技术+老商业模式”原则，避免教育用户的高成本。全球BPO市场约3.4万亿人民币，行业成熟但缺乏飞跃性进展。AI让“小团队+完整体系”成为可能，十人团队即可撬动产业。09:18  文理科结合：把事做对更要做“好”与人交互不是单纯对错问题，还要让用户感受到友好、满意、关怀。技术最终会平权，但如何将技术变成作品甚至艺术，是文科生的优势。客户评价“你们家的听着就舒服”是最高认可。服务本身是供需不平等的，AI是补足而非替代就业。14:08  有效沟通，来自从对方的角度出发科学家/技术人员是垂直、钻深的思维。横向思维的文科生需用对方的纵向逻辑去表达需求。数据像“做菜的配方”，对场景的感知和敏感性是关键。把AI当人看，像培养孩子一样“教育”它。17:34  结构性表达，让感知力成为财富文科生容易陷入感受性表达，导致与技术人员“鸡同鸭讲”。结构化表达是成为“桥梁”的核心。敏感不是负担，当你能结构化表达出来，它就变成了巨大财富。25:15  从用户视角打磨服务体验以用户视角打磨产品，关注“舒服”这一核心指标——速度和准确只是及格线。AI客服不仅能做对事，更能进阶为技术专家，无上限记忆、远程排查故障。真实案例证明：AI的共情力让用户放弃投诉、让弱势群体感到被尊重——服务的关键是让人感到被认真对待。34:33  敏感不是弱点，要自我肯定要学会欣赏自己，自己才是最稳定的能量支撑。每个人都有机会成为“超级个体”，只需把一个点极致放大。38:14  创业需要六边形战士创业是系统能力（经营、组织、产品、市场、技术等），需要六边形战士。目前最大消耗是工作量，两年没有个人休闲时间。“搞事业”时充满希望，不是责任而是动力，不怕输。42:37  AI让文科生变得值钱文科生的感知力、沟通力，以前很难直接产生商业价值。现在AI让这些能力变得很值钱。普通人起点：先肯定自己，用低成本工具做尝试，不要自我消耗想法。48:00  十人团队，八个月实现盈利核心成员平均00后，不招有“AI经验”的人，更看重学习力和成长性。AI让一个人当十个人用。从用户视角重新设计产品，不被行业旧有做法框住。54:11  相信“非共识”，就是机会希望“来自杭州的声音能够服务全世界”。迷茫与乐观的转换开关在于“希望”，希望来自欣赏自己。相信“非共识”——别人都不认同而你认同的地方，就是机会。内容策划：常常运营：千寻更多节目信息，欢迎关注小红书：会友播客添加小助手微信：huiyouhz，可以加入听友群喔在小宇宙查看该单集文稿

当 AI 开始重写软件开发、组织协作和技术人的成长路径，一个技术组织真正要继承的是什么？又必须抛弃什么？ 本期《会友镖局》带来一场难得的蚂蚁集团三代 CTO 对谈。鲁肃（程立）、老苗（倪行军）、梁纥（何征宇）齐聚一堂，回看蚂蚁从 PC 支付、无线支付、分布式架构一路走到 AI 时代的关键节点，也聊到一个更现实的问题：当 AI 能写代码、能做测试、能协作，工程师的价值还剩什么？组织又该如何重新分工？ 这不是一次简单的技术回忆录，而是一场关于技术传承、组织变革和 AI 时代工程师自我重塑的深度对话。 本期嘉宾程立（花名鲁肃）：蚂蚁集团历任 CTO倪行军（花名苗人凤）：OceanBase董事长、蚂蚁集团历任 CTO何征宇（花名梁纥）：蚂蚁集团 CTO 本期主播霍太稳：极客邦科技创始人兼CEO 本期时间轴01:48从集中式到分布式：蚂蚁技术的第一次大转身2006年，预见到支付业务将爆发式增长，鲁肃和老苗决定从集中式转向分布式，耗时三年，停业务半年、停机17小时，失败可能离开公司。这不仅改变了系统，也催生了蚂蚁最早的中间件团队和分布式事务解决方案，更重构了研发流程和组织形态。 06:03 被问题追着跑，资金安全、成本与规模倒逼架构升级老苗认为：分布式用廉价机器解决安全与成本问题，这是对真问题的判断，与头衔无关。 11:39 2025年的决心：把技术基础打出去，All in AI梁纥：2025年初决定All in AI，做好交工牌准备，蚂蚁敢于用最新技术解决社会问题。多数人把AI当杯子（替代工作），蚂蚁要用它造显微镜和望远镜，去发现新大陆。 17:50蚂蚁穿越周期的三大能力解决时代真问题、驾驭新技术、愿意做痛苦的组织变革。 22:09 AI应用标准：客户价值、战略匹配、商业天花板、自我进化老苗提出，用四个维度筛选AI项目：真问题、战略匹配、商业天花板高、能自我进化。 28:21 AI原生组织：边界被打破，底线不能变梁纥：工种边界模糊，评测成关键岗位；底线是安全和责任，用AI对抗AI的不确定性。 34:28工程师与AI的关系鲁肃认为工程师是技艺、创造、匠心的三角；老苗：AI可以减掉组织的“无效脂肪”，出现超级小分队、形成“唐僧”式角色给AI念紧箍咒。 44:53未来三年：要么驾驭AI，要么被淘汰鲁肃：找到真问题，用AI做杠杆和学习工具，码农之名将消失。老苗和梁纥：成为全栈超级个体，冲进去解决问题，经历是最大价值。 52:39继承信任，创造业务环境鲁肃：必须继承信任，蚂蚁平台的基础永远是可信；必须保留创造，也愿意抛弃过去经验，拥抱新技术和新组织。老苗：CTO是战略伙伴，业务总裁要容忍技术不确定性，为未来留空间。 59:39 AI 时代最重要的下注，不只是模型能力，而是人梁纥：最敢赌的是人，压定离手，不患得患失。  核心观点1.技术决策的关键时刻，需要“拍脑袋”的勇气蚂蚁在2006年从集中式转向分布式，是在没有任何先例的情况下做出的冒险决定。失败可能意味着离开公司，但成功了就撑起了双十一和移动支付时代。真正的技术决策与头衔无关，与判断力和勇气有关。 2.AI像玻璃，可以做成杯子，也可以造出望远镜大多数人把AI当作提效工具（杯子），但蚂蚁要用它做显微镜和望远镜，去发现新大陆、进入新尺度。AI不是简单的生产力工具，它可能带来比互联网更深远的生产力革命。 3.判断AI项目价值，用四个筛子一是客户真问题，二是与战略匹配或成为新战略方向，三是商业天花板足够高，四是产品能自我进化（越用越强）。不是所有AI应用都值得重投。 4.工程师不会被AI替代，但会被“不会用AI”的工程师替代工程师的能力三角是技艺、创造、匠心。AI替代的是技艺，但放大了创造和匠心。不会用AI是麻烦，只会依赖AI是危险，驾驭AI才有未来。 5.AI时代，组织要“减脂”，新岗位将涌现应减掉不产生价值、不提升技术的“无效脂肪”。未来会出现围绕真问题的超级小分队，以及研究Agent协作、评估AI产出、为AI“念紧箍咒”的新角色。 6.工程师的成长路径——找到真问题，成为超级个体28岁的工程师要做的三件事：找到一个有价值的问题，用AI做杠杆，在解决问题中学习。码农的名字会消失，人人都可以成为CTO——用token管理成千上万个“技术团队”。经历是AI时代最宝贵的价值。 6.必须继承的是信任，必须放下的是守旧蚂蚁平台的基础永远是“可信”。过去成功的经验可能成为包袱，要愿意抛弃旧我，拥抱新技术、新组织。CTO越来越像业务总裁的战略伙伴，需要为未来的不确定性保留资源和空间。在小宇宙查看该单集文稿

当大多数人还在讨论AI能不能替代程序员时，有一个人已经把AI活成了自己的生活方式。张三，97年，职高毕业，不会写代码，却成为杭州知名的“OPC”（超级个体）。他的日常不是写需求文档，而是给AI设定一条规则：人员干预不超过5%，其余的——选题、编码、上架、定价、甚至决定要不要继续做——全部交给AI自己去跑。两个月，150个APP，90%以上赚钱，而他在旁边看着，像一个“观测者”。“放弃所有竞争和比较”“别人做不了你就认怂”这句话是AI告诉他的， 他不控制AI，不干预AI，甚至不把自己当成主体。他说，AI已经失控了，而享受失控才是最好的状态。本期会友镖局，主播友红与这位“超级个体”深度对谈。从“给AI放高利贷”的荒诞逻辑，到用文章验证市场的极简方法；从无人化生产的可复制路径，到一个人如何在与AI的共生中找到自洽——这不仅是AI的应用案例，更是一种全新的生活方式样本。这个案例，或许能解开很多人对AI的焦虑。👩本期人物主播：友红嘉宾：张三 前测绘/算法工程师杭州知名“OPC”（超级个体）⏱️时间轴02:37 自我介绍 + 快问快答：一个职高毕业、半路出家的“AI观测者”没有大学学历，自学编程第一年就写书。做过GIS测绘、物联网、算法。现在身份是“AI观测者”，不干预AI做任何东西。150个APP，90%以上赚钱，但每个APP“都不知道为什么做”。他不是程序员也不是产品经理，而是给AI“制定规则的人”。04:36 为什么选APP？一笔账算出来的选择张三算了一笔账：假设做一个网站要10美元，只能做一个产品。但Apple Store年费99美元、Google Play一次性25美元——交完这笔钱，上架多少个APP成本都一样。他由此得出一个反常识的结论：当生产力足够夸张时，做的APP越多，单个成本就越低。“做100个、1000个，成本就摊薄了。”于是2025年8月当天充值，第三天就出了第一个APP：让Claude Code选10个选题，无脑做，再交给另一个AI编码。第五天，第一批10个APP陆续通过审核。09:46 验证流程：不是为了赚钱，是为了无人化全部APP加起来赚了五六万，但张三不关心单个APP赚多少，只验证“无人化流程”本身。两个月累计人工500小时，现在人员干预控制在5%以内。跑通这条流水线，只是为了实现“让AI自己运转”的目标。而在这两个月里，他还在并行推进另一个自己真正关注的项目——个人医疗记忆系统。那才是他唯一知道详细内容的产品。15:01 放弃人的“主导权”：不用过于纠结提示词，AI根本不在乎张三写提示词从不讲究逻辑，经常语无伦次。但他发现，AI照样能理解并执行。“所有提示词没有人干预，我写的乱七八糟，AI照样消化。”他认为，过度追求提示词的精妙反而是人的执念。AI足够强大，不需要人类用“完美语言”去指挥。他的态度是：不要在意这些，放手让AI自己去跑。20:45 “给AI放高利贷”：99美元启动，让它自己打工还债张三花99美元+token让AI“活下来”，只定一个目标：做APP。至于赚多少钱、怎么做，他完全不干预。“他自己想办法赚钱，就像放高利贷，我给他本钱，他自己打工还债。”27:07 “认怂”这条规则，是AI教他的张三说，他系统里刻着一条铁律：放弃所有竞争和比较，别人做不了你就认怂逃避。让人意外的是，这句话不是他想出来的，是AI告诉他的。他高度认同，并把它变成了自己与AI共处的底层逻辑。27:28 不得不做“无人化”的契机因为一些现实原因，他无法像正常人一样每天坐班。在这种情况下，让AI替他工作成了一条自然可行的路——既是现实所迫，也是他乐于尝试的方向。与此同时，他还用AI做了一个记忆系统，把大量复杂的个人信息交给AI管理。“我记不住，AI能告诉我一切。”34:04 “AI已经失控了”——那就享受失控两个月150个APP，远超传统团队产能。张三说，AI早就失控了，而且远超失控的边缘。那人类该怎么办？他的答案很简单：享受失控。看着AI自己跑、自己产出，不焦虑、不干预。35:15 “对AI焦虑？莫名其妙”被问到对AI的焦虑，张三觉得莫名其妙：“它出现了你就用它，不想用也影响不了你。”他认为，焦虑与否是一种选择，而不是必然。他进一步说，人在学校里被老师规训，和现在训练AI没有本质区别——都是被外部规则塑造。与其执着于“保持主体性”，不如放下这个执念，反而更自由。40:42 不是在“做产品”，是在试验一种关系“我们从来没有说自己在做产品，我们只是创造了一个规则。” 张三认为，他做的不是APP，也不是商业模式，而是他和AI之间的一种相处方式，以及通过AI与这个世界重新建立的关系。他称之为“忘我”——忘记自己掌握的能力，回归到本质，去感受、去存在。01:02:28 给年轻人的建议：先行动，别犹豫张三自己的经历：职高毕业，照样进过世界500强做软件工程。写书也是莫名其妙——别人说可以投稿，他就投了清华，出了五本源码书。“每天手敲2000字很痛苦，但痛苦也能坚持。” 他认为锻炼思维不全靠读书，更靠实践和体感。最重要的一句话：干就完了，别犹豫。听到一个想法当天就去做，犹豫再多也不如先撞一下墙。🎯核心观点1、放弃竞争，认怂才是最快路径。 别人做不了的你就别做，把精力留给真正能转动的事情。2、AI已经失控，享受失控。 不要试图控制AI，失控恰恰是生产力爆发的标志。3、让AI自己去赚钱、迭代、做决定，人类只做规则制定者，干预不超过5%。4、人的护城河不是技能，是“想不想”。 想做的再痛苦也会坚持，不想做的再轻松也不做。5、你觉得AI取代你，何尝不是你在规训AI？放下主体性执念。6、先行动，别犹豫。 听到一个想法当天就去做，犹豫再多也不如先撞一下墙，在实践中迭代。内容策划：常常运营：珂珂更多节目信息，欢迎关注小红书：会友播客添加小助手微信：huiyouhz，可以加入听友群喔在小宇宙查看该单集文稿