具身十日谈：飞越奇点，后 Astra 时代的具身智能
在长久的心有余悸之后，我们试图解除 Astra 带来的恐慌
Astra 的发布为当下的人工智能领域，乃至广泛的以智力作为生产力的领域都带来了极大的冲击。就像其宣传所说的一样，在某种程度上，我们确实可以认为 AGI 已经到来。
在相当长的一段时间之内，笔者都投身于具身智能的预训练，并且尝试从中获得一些进展。然而，似乎又到了一个有些必要的时候，我需要写下一些东西来勉励自己，并且梳理这段时间以来整个社区的变化，以及这些变化对我们下一步要做什么带来的影响。
数据的智能#
Scaling Law 可以说是当下人工智能前沿发展最为核心的方法论。大量的前沿实验室与企业沿着这一条路线投入资源、合成数据，并且招募那些有经验的研究员与工程师，优化系统的吞吐量，使得一个 scalable 并且擅长于此的模型得以诞生，在更大规模的数据上进行训练，得到比以往要更加强大的智能。
有相当多可靠的消息表明，远在这段时间之前，OpenAI 就已经在大量购买市面上可以获取到的全部泛机器人数据，包括真机、UMI 以及 ego 数据，总量有可能已经达到了上千万小时（当然，其中的真机数据比例或许不高，因为能采购到的数量也没那么多）。这从笔者所了解到的、与大量数采公司进行采购的过程中发生的对话中，便可见一斑。大量的公司都会宣称自己的数据被 OpenAI 采购，从而作为其质量较好的一种体现。无论是国内还是国外，这种现象均广泛存在。
我们似乎可以认为，这是一种大型的扫荡式采购。伴随着 OpenAI 强大的现金流，他们得以以后来者的身份，快速 scaling up 对于机器人数据的储备。
我们在相当多的地方可以听说，诸如 OpenAI 只在 3D 数据（如 Blender 建模等内容）上进行了训练，便可以将能力迁移到机器人控制以及其他方面。在与一部分研究者聊天之后，以及我同样认可的是，在当下，如果并没有出现质变，依然是伴随着越多的人工，才带来更多的智能。我们相信，越来越强的模型可以自己合成所需的数据，搭建数据管线，并且制作其提升能力所需要的强化学习环境。但是，这完全不等价于可以依赖于另一个领域的数据，而涌现出对于现有领域的理解。即模型可以在研究员的指引下，在某一个 domain 之中进行 RSI。但是并不能将一种能力变成完全抽象的理解，并且下放到另一个领域。
我们在如今一些 Astra 控制具身机器人的 demo 中可以看到，Astra 使用一些 coding 的方式调用 IK 或 motion planner，并且仅根据一些关键点或三维点达成比较精细的控制。这在某种程度上表明了一种涌现，即模型具有两种能力之后，可以将它们组合起来，并且产生 1+1>2 的效果。但是，仅仅使用某一领域的数据进行训练，尽管我们期望这能对其他领域的理解起到一定的促进效果，但在如今的语境下，似乎难以见到其能直接、本质、显著地解决一定问题。
换言之，相当多的推测和讨论都表明，OAI 在 Astra 的训练中，应该利用了一定量甚至全部的机器人数据，作为数据拼盘的一部分。
另有一些消息表明，OpenAI 内部正在预研一个 T 量级的具身模型，或许作为其主线或者支线的一部分。这表明了来自全球的前沿实验室对于具身后续发展的两种看法：其一是使用通用模型，在具身数据下解决具身问题；其二是使用具身模型，在具身数据下解决具身问题。当然，具身模型的架构我们无从得知。或许无论是 Astra 还是预研模型，都是前者的思路：通过一个通用模型作为基石，在此基础之上加入机器人数据，进行机器人预训练或者广义上的后训练，并且解决一定问题。
在为通用模型可能解决一切问题而烦恼的同时，这在一定程度上又反映了另一信号：首先，具身模型的发展依然依赖于具身数据，只是在其中，通用模型的通用智能可能带来更大的促进效果。其二，具身模型的发展依赖于更大规模的数据和更大规模的尺度。这二者其实表明了在具身领域中，如果想真正解决问题，所需要投入的资源需要加大。
然而我们不得不承认，当下的具身是一个初创云集的领域。这其中大多数的初创公司需要在竞争中逐渐消失，最后留下少数的几家，或许与前沿实验室和大厂共同构成较为稳定的关系。
成本、压缩与制程#
在 26 年年初所兴起的以 OpenClaw 为首的办公智能体，在短暂的繁荣之后快速消亡，本质是由于生产力场景的匮乏。在绝大多数的情况下，伴随着当下的岗位拆分以及合理的公司模式编排，我们往往不需要任何一个白领岗位连续 24 小时进行工作，这也带来了本该在当时就引发的对于成本的讨论出现了滞后。
然而对于具身来说，我们往往更加希望一个模型可以持续工作。并且在现实世界中的任务总是那么丰富而具有生产力，我们始终有事情可以让他们去做，这也使得我们无法承担一个庞大模型带来的推理开销，因为这相较于在此之前这些任务所开销的人工成本来说，是没有可比性的，且过于昂贵。
一个本能的想法是通过蒸馏来解决这一问题。例如，获得一个具有 Astra 同等智能水平的小模型，以及获得一个具有 Astra 同等具身水平的专用小模型。
事实上，在当下各类大模型技术高歌猛进的同时，蒸馏以及智能的压缩往往被人们所忽略，我们可以很简易地理解，在那些最前沿的实验室，通过蒸馏等技术可以让模型获得更好的性能。但是，在蒸馏的同时，如何将全部的智能压缩进一个体积更小的模型中，这往往更加具有挑战性。
一个令人沮丧的事实是，我们如果将具身智能可以全天候运行的成本，限定为在一台 5090 机器上可以进行端侧部署，这事实上已经带来了不小的价格开销。在这种情况下，我们往往只能部署 10B 以下的小模型。而这些模型，在那些来自于开源领域的企业持续输出与迭代的近三四年之后，依然并没有取得超过 GPT-4o 的综合水平。
如果我们认同更强大的智能往往需要更多的数据（无论是否来自于蒸馏），而更多的数据往往需要模型具有更大的 capacity，那么模型的尺度作为一个物理限制，我们或许在相当长的一段时间内，无法见到端侧模型具有 Astra 级别的性能。尤其是在 RSI 已经初见雏形的当下，以及可能形成的未来。
在芯片制程、物理定律所带来的成本讨论，以及模型智能本身所要求的尺度问题，这两者的综合制约之下，具身智能似乎迎来了一片依然属于专用模型的真空区。这片区域需要模型以高频进行输出，同时具备一定的理解与泛化能力，而不是只作为 System 0 进行动作或姿态调节。
在一定的限度内，我们自然可以预料，一个庞大的从通用模型或加入机器人数据进行预训练得到的具身基模，可以具有解决无数问题的能力。然而，这依然无法改变成本的高昂、输出的缓慢，以及对于更加精确的灵巧操作和高自由度（如灵巧手等）控制的壁垒。或许在那个解决一切的模型出现之后，我们得以在其基础之上开展新的研究，将对于更大模型成熟的蒸馏方法，加入到目前朴素的 Co-training 以及 pre-training 过程之中。但是，现有的 VLA 路径（广义上，一个更精确的定定义，我们可以称之为由机器人数据为必要条件的预训练模型）似乎依然有必要长期存在。
竞争格局#
我们似乎依然无法忽略的是这个世界上的地缘政治，以及依然存在的竞争。大洋彼岸的成功一方面是令人震撼且略有恐慌的，但另一方面也是令人振奋的。一方面，这意味着一个更加强大的目标值得我们前去追逐；另一方面，也意味着这条道路已经被资源投入证明是畅通的，因此后续的投资会减少很多顾虑。
世界两极的发展差异带来的势差，在一个有价值的领域中，显然会带来更多的机会以及更加喷涌而出的活力，以往的旧产业格局在路线与产业的变迁中被消磨掉大半，部分的人留下来，并且创造真正有意义的技术，带来生产力的提升。
在这种压力之下，我们或许终于得以看到具身的部分落地，泛化的可能性，以及一些新的学习范式的出现，并且在这些变化中找到新的希望。
结语#
经过了上述的大量讨论，我们尝试从几个角度表述当前 Astra 对于具身智能领域带来的影响。
在这里，我们无意讨论任何关于落地或者一二级市场与投资相关的内容，而是仅对于技术本身展开讨论。事实上，在更加长久的耐心和发展之后，具身的落地一定在于其可以替代掉几乎全部的手工劳动力，并且将成本压低到一定限度之下。然而，这似乎是较为遥远的未来，短期内我们也可以看到其在一些高危的工厂之中，贡献自己的生产力。
而对于投资以及泡沫，这完全不在本篇技术讨论所涵盖的范畴之内，因此不过多展开。
我们从数据即智能的角度，阐述了具身领域依然以具身数据为主导的看法，这意味着以往对于数据经验的理解依然适用；
我们从成本的角度，讨论了端侧推理模型存在的必要性。并且，由于上游云端模型的成本开销需要限制，其下游模型依然需要具备较强的语言等泛化能力，才可以保证上游模型的开销在一个可接受的范围内；
我们认可当下的学习范式可能发生的改变，诸如不再追求原生具身预训练，而是从通用模型出发，或者全面转向 auto-regressive 而非当前 flow matching 的范式。这些都是流于表面的形式，而围绕具身数据展开的训练，使得来自于数据的经验依然保留至今；
我们从竞争格局的角度得到，目前在国内的产业界，对于具身的投入依然会持续，甚至会变多。尽管当前各种初创的行业乱象确实值得整改，但这显然也不在讨论范围之内。无论是否有 Astra 出现，部分的该死去的终究会死去。
对于那些原本处于具身领域内的研究者，感到恐慌是自然的结果。笔者也在长时间高强度的思考下，依然保持着警惕与敬畏，我们需要意识到，通用模型带来的智能尽管来自于数据，但是在本身的预训练以及越发成熟的强化学习管线之下，只要 frontier lab 愿意，他们依然可以吞噬掉绝大多数领域。
后 Astra 时代对于具身智能来说，并非意味着具身智能时代的结束，而是一种我们需要掌握具身智能与通用模型之间的联系如何配合，以及如何一同带来真正可作用于机器人的智能体，而进行全新思考的时代刚刚开始。如果你真的走在前沿，那么这或许会是一个更好的时代。
时刻保持警惕，我的朋友。