点击下方卡片，关注“具身智能之心”公众号
张小珺跟 Physical Intelligence的研究员柯丽一鸣聊了近 4 个小时。我们把这场访谈的逐字稿从头到尾过了一遍，做了件笨事——数词频。
出现最多的实词，是机器人、数据、任务——偏偏不是参数，也不是模型规模。光"数据"一个词就出现了 170 次，是"泛化"的五倍多。
这有点反常。
过去两年，机器人行业最热闹的话题几乎都围绕另一个词——“大脑”。从 VLA（视觉-语言-动作模型）、世界模型，到机器人 Foundation Model，再到各家隔三差五发的新模型、新 Demo，行业似乎有个共识：机器人要走向通用，第一件事是先有一个足够强的大脑。
但坐在 Physical Intelligence 强化学习团队里的这个人，从头到尾反复讲的是另一件事：机器人怎么从真实世界里，把经验一点一点挣回来。
我们先把这篇的核心逻辑摆在最前面，免得你越看越懵：
第一，模型正在变成所有机器人公司的共同起点。 论文陆续公开、算法不断扩散，今天领先的技术路线，明天就是行业的基础设施——大家迟早都能拿到一个差不多的大脑。
第二，真正拉开差距的，是另一种能力——让机器人进真实世界，自己不断攒经验、越用越强。 这件事抄论文抄不来，得一台一台机器人、一次一次真实交互慢慢积累出来。
所以我们这篇的判断是：模型是共同起点，经验是新壁垒。 机器人竞争的底层逻辑可能已经变了——过去大家比谁的大脑更聪明，往后更可能比的，是谁能让机器人不断成长。
这也是这场访谈聊下来，我们最强的一个感受。下面就顺着她的原话，一层一层拆开看。
先说清楚一件事：柯丽一鸣的身份是研究员，不是创始人。
这个区别待会儿很重要——它决定了这场访谈里，你能听到很多创始人不会当众说的话。
这也是柯丽一鸣这 4 小时聊下来，我们最强的一个感受。下面就顺着她的原话，一层一层拆开看。
01
机器人为什么突然都在卷“大脑”
回头看，这波“卷大脑”和 ChatGPT 的出现强相关。
在很长一段时间里，机器人更像一个典型的工程问题。导航、抓取、控制、规划，每个能力都靠大量规则、算法和工程堆出来。机器人能干什么，很大程度上取决于工程师提前写了多少规则、系统覆盖了多少场景。
这也是为什么老一代机器人常常“聪明但有限”——固定环境里干固定任务没问题，环境一变就容易失效。
ChatGPT 改变了行业对“智能”的理解：机器不一定要被提前写入所有规则，它可以从大量数据里学规律，并在没见过的场景里产生泛化。机器人行业由此看到另一条路——不靠越来越复杂的规则系统，而是给机器人一个统一的智能模型，把视觉、语言和动作连起来，让它理解任务、自主完成。
于是这两年，越来越多团队投入机器人基础模型的研发——从 Google DeepMind 的 RT 系列，到 OpenVLA，再到 Figure 的 Helix、Physical Intelligence 的 π 系列。谁的模型更强？谁的泛化更好？谁更接近通用机器人？这些问题几乎占满了过去两年的行业叙事。
Physical Intelligence 自己就是这条路上的一员。
柯丽一鸣把 Physical Intelligence 的主线工作，概括成三篇论文，关键词一篇比一篇往前推：
“第一篇是π0 ，关键词是能力；第二篇是π0.5，关键词是泛化；最近这篇是π*0.6 ，关键词是表现。”
π0 的意义，用她的话说，是让大家看到“可以用一个大模型的思路去做机器人”——叠衣服、叠箱子、清理桌面这三个当时“想都不敢想”的任务，证明了大模型架构能撑起机器人。这一步解决的是“能不能做”。
但问题也随之而来。
如果模型真越来越强，为什么机器人离真正进家门还有很远？为什么很多 Demo 看着能完成复杂任务，换一个物体、换一个环境就可能重新失效？
这正是柯丽一鸣在访谈里反复触及的地方：机器人真正难的，也许不在知道答案，而在怎么在真实世界里做出来。模型能告诉机器人“这是个杯子”，但它还得知道，怎么端起一个装满水的杯子而不洒。
02
大模型给了机器人“知道”，
给不了“做到”
大模型让机器人有了“理解”的可能。接下来的问题是：机器人到底要学什么？
很多人会自然地想，ChatGPT 靠互联网海量文本就能不断变强，机器人是不是也能复制这条路？
答案没那么简单，因为两者学习的对象根本不同。
ChatGPT 学的是人类已经记录下来的知识——读足够多的文本，就能理解杯子、桌子、开门，以及这些概念之间的关系。而机器人面对的是物理世界，在这里，“知道”一件事不等于“能做到”这件事。一个语言模型可以告诉你“玻璃杯掉地上会碎”，但这句话对机器人远远不够：手指怎么接触杯子、抓在哪、用多大力不让它滑掉、杯里有水时动作怎么变——这些很难靠语言传递，只能来自一次次真实交互。
这也是为什么，访谈里模仿学习、强化学习被反复提到。
柯丽一鸣自己的研究路线，就是从模仿学习一路走到强化学习。模仿学习说白了，就是别人已经知道这事怎么做，给你一个样例，你照着逼近它。但她做深了之后不满足——“如果你永远只是在照抄别人的话，你其实不能够有创新”，所以转向了强化学习，“强调的是怎么样通过你自己的探索去突破原来的表现，把上限推得更高”。
从机器人学习的角度看，这些路线其实在回答同一个问题：机器人怎么获得足够多的经验？
这里的“经验”，和互联网 AI 的“数据”有一个关键区别。
文本数据是人类对世界的描述，而机器人需要的是它自己跟世界发生关系之后留下的数据——一次抓取、一次碰撞、一次失败、一次调整。
柯丽一鸣管这类数据叫“体验数据”。她解释得很具体：
“平时我们收真机数据的时候，是有一个手臂，卡在这个桌子上面，我通过遥操纵让它干一些事情，收到的其实是一个机器绑在桌子上做了个任务。但它其实可以不遥操纵，让它自己去做，做完把这些数据都收集起来。”
一句话：不靠人牵着，让机器人自己去干、自己把过程录下来，这就是它的经验来源。
03
真正的竞争，是让机器人自己造数据
如果说大模型解决的是“理解世界”，那真实世界要解决的，是“持续成长”。
大模型的成长路径很清晰：互联网提供海量数据，模型训练、能力提升、再用更多数据进入下一轮。但机器人没法照抄，因为真实世界不是一个整理好的数据库——同一个杯子可能空也可能满，同一扇门可能推也可能拉，很难提前把所有变化写进系统。机器人唯一的办法，是进真实环境、不断交互，再把交互变成下一轮训练的数据。
π*0.6这篇工作，赌的就是这个循环。柯丽一鸣是这篇的核心参与者，她把那个星号解释得很清楚：
“π*0.6是一个基础模型，这个星号的意思是，你把最后的成品、你的这些数据，放回了你的模型之中。”
这句话，几乎就是“经验正在成为壁垒”的原话版本——模型自己产出的经验数据，反过来喂给自己。
更有意思的是这篇工作的立项目标。
柯丽一鸣说，他们一开始问的问题是：
“我们的研究员肯定比不上我们的数据收集员，因为收集员非常习惯用这个机器人。那我们能不能做一个机器人，比这些数据收集员收东西还要快、还要好？”
最后她说，“clearly 达成了”。机器人的表现超过了它一开始的老师，哪怕是最好的那个数据收集员。学生要反过来超过老师，这才是“经验闭环”真正的野心。评估指标也很朴素，就是 throughput：固定时间里成功完成的数量。
这里还藏着一笔容易被忽略的成本账。
都说真机数据贵，贵在哪？柯丽一鸣的拆解是：真机数据的大头不是硬件，是管人：
“现在比较大的大头，其实是管这个人去收到你想要的数据。但如果你把数据操纵员放在一边，换上你已经训好的大模型，让大模型在这里跑，你数据的成本应该能降很多。”
也就是说，让机器人自己跑起来攒经验（她管这叫 rollout），不只是技术路线的选择，也是把数据成本结构整个换掉的一步。
那为什么非得让机器人自己跑？卡在一个很本质的地方：错误累积。柯丽一鸣讲，模仿学习里每一步的微小错误会不断放大，“最后会让机器人到达一个它完全没想过的、非常糟糕的情况，这是人收集数据里不会碰到的”。机器人一旦掉进这种坑，就不知道怎么爬出来。而人是演示不出“怎么爬出来”的——因为人根本不会掉进去。所以这种“怎么从坏情况里修回来”的数据，只能让机器人自己去跑、去撞，自己收。
Physical Intelligence 内部有个好玩的活动，叫 Olympics。柯丽一鸣描述，公司会不定期让研究员和数据收集员组队，去玩一个“奥林匹克”，比谁能操作机器人完成一些“很难很难搞、想都不敢想”的任务，后来还从这个活动里诞生了一篇发表。它的巧妙在于：先用人证明这个任务在这套硬件上做得出来，再让模型去学。“因为你人手能完成的话，机器人能不能完成？”先把“不知道能不能做”变成“确定能做”，再投入。
值得一提的是，她特意强调，Physical Intelligence 并不是“硬做”强化学习：
“我们不是说收了 10 小时叠衣服数据就去硬做强化学习。是真的把这个东西做到了、觉得再收更多数据都没得搞了，才开始想用强化学习能不能再进一步。”
先把模仿学习的数据吃干榨净，走到头了，才上 RL。
这是分寸，也是判断。
04
模型会扩散，成长能力不会
聊到这里，一个问题浮上来：如果未来所有公司都能拿到差不多的大模型，差距在哪？
柯丽一鸣的答案，藏在她谈中美竞争的一段话里。
当被问到“中国团队 follow 派就好了，反正你们论文都公开”，她认了——“我觉得我们有很多论文是公开的”。主持人接着追问：Google、Tesla 可不公开，但他们可以 follow 你们。她的回答是：
“Google 就算公开了，你想追上 Google，你还得先训一个像 Gemini 这样尺寸的大模型出来，这已经是一个 bar 了。我觉得同样的逻辑也适用于像派这样的公司。随着公司不断积累，它最后就算告诉你怎么做的，你不一定有那么多东西可以给它 match 上。”
这句话说的其实就是壁垒。
模型会扩散、论文会公开、算法会被复现，今天领先的技术路线，明天可能变成行业基础设施。但一家公司积累经验的那套能力——机器人有没有真进现实环境、有没有持续攒到大量真实任务数据、有没有能力把这些数据转成模型能力、有没有搭起从采集到训练到部署的闭环——很难被复制。这些才可能成为长期护城河。
不过“护城河”是我们下的结论，不是她下的。上面那段话说完，她紧接着补了一句：
“但是竞争永远都是存在的，我相信肯定就还是有人能够给他 match 上。”
一句话，把“护城河”拉回到了“领先”。
这就是研究员的分寸——她愿意说清楚壁垒在哪，但不愿意说这壁垒过不去。
05
但这条路，今天还没铺好
说了这么多“经验是壁垒”，得把话说全——这条路今天卡在哪，比它通向哪更值得看清楚。
先是绕不开。
一个常见的误解是“仿真便宜，那就多跑仿真”。但柯丽一鸣把仿真叠衣服判成“半前沿”——现在还没看到谁做通，可也不排除两三年内真被谁做通，“它可能就是一个非常强有力的一种方法”。
她说，叠衣服这种任务的麻烦，不只是 sim2real gap，而是仿真器本身可能就建不出来：
“你要做柔性衣服、摩擦力、粘性（viscosity）这种物理性质非常复杂的东西，你在仿真器里面，可能都没法搞出这么一个仿真器来。”
她给了一句很重的话：“很有可能你这 1000 万小时数据都是 garbage，垃圾数据，那就没有什么用。”
真正决定数据价值的，是它能不能被真实地建模、收上来——量再大，建不出来也是垃圾。
所以她本人的立场是“黑猫白猫，抓到老鼠就是好猫”，但“最本源，我是相信真机数据的”。
再是快不了。
她没有说遥操作已经过时。
原话是“可以再提升一点，但确实有个隐患，就是以后可能不能完全通过这种方式收到所有想要的数据”。
泛化也不是无止境地堆数据——π0.5 走出办公室，进到 100 来个 Airbnb 里收数据，收完再反过来把其中一些家去掉，看表现还能不能涨。曲线是放缓的，“数据内是有一个尺寸的，达到这个尺寸其实或许就够了”。
这些限定词很重要。
它们提醒我们：经验闭环是方向，但它今天还远没有转顺。
06
写在最后
回到开头那个细节：为什么这场访谈的关键词，是数据、任务、经验，而不是参数和模型规模？
我们的判断是，这和柯丽一鸣的身份有关——她是研究员，不是创始人。
这场访谈难得的地方，正在于此。
我们平时听到的具身叙事，绝大多数来自创始人：人形、量产、终极形态、估值、春晚舞台。创始人的任务是让你相信一个故事，所以他们的话往往是确定的、向前的。
而研究员的任务是把事情做准，所以柯丽一鸣满口都是“我觉得”“可能”“其实”——她甚至直接承认，“机器人这个领域不像别的领域，有一个英雄榜一样的存在”，“特别前沿的东西，你都没有办法去定义”。
她讲自己为什么不想做人形，先给的是实打实的技术理由——“我个人是非常相信不需要人形就能做出很好的任务的”，叠衣服、叠盒子、做咖啡，都是先在非人形上做出来的；但她没把这套理由说死，收尾只留一句“这是一个 taste 的问题”。而且这话的语境是 2024 年她考虑要不要加入Physical Intelligence 时的心理活动，她特意问过对方做不做人形——“因为他们要说做人形，我就不来了”，她怕的是研究重心从“做更好的任务”漂移到“做更好的人形”。
一个创始人很难当众说这些话。
但恰恰是这些带刻度的、留余地的判断，让我们看到了这个行业更真实的一面——它没有那么多确定的答案，它的前沿是一群人在没有标尺的黑暗里，靠一次次真实交互往前挪。
关于奖励函数，她说过一句我们印象很深的话。当被问到“怎么给一个任务写清楚奖励函数”，她的回答是：
“在我看来，它不是一个写奖励函数的问题，而是向智能体传达你想让它做什么的问题。”
这句话看着在讲奖励函数，讲的其实还是这篇的主线。
经验闭环的起点是人给的——是人告诉机器人“我想让你做成什么样”；但起点之后的每一步，得机器人自己在真实世界里挣。这层意思她自己说过：因为它的起点是人给它设置的，但是如果要超越这个起点，还是得机器人在环境中去动作。
机器人真正难的，从来不只是造一个更聪明的大脑；更难的那半，是怎么把“人到底想让它做什么”一点点教给它，再让它在真实世界里自己练出来。
所以，站在今天回望，这一轮机器人浪潮很容易被理解成一场关于“机器人大脑”的竞赛。但如果把时间拉长到五年、十年，真正决定格局的，也许是谁搭起了那套能让机器人不断学习、不断适应真实世界的能力。
模型让机器人第一次有多聪明，固然重要。
但更重要的，可能是它能不能一直从真实世界里学下去。
