张小珺Jùn｜商业访谈录 Episode 147
和蚂蚁灵波沈宇军聊：机器人原生基础模型、大脑和本体的关系、预训练与数据scale up、老师汤晓鸥
Host: 张小珺
Guest: 沈宇军（蚂蚁灵波创始人）
Date: July 22, 2026
Episode Overview
本期节目，主持人张小珺对话蚂蚁灵波创始人沈宇军，深入探讨了机器人原生基础模型的发展、智能体“大脑”与“本体”的技术与哲学关系、预训练方法及数据规模放大（scale up）的挑战与机遇，并回顾了沈宇军的学术导师汤晓鸥教授的影响。节目以高度密集的技术信息和深度人文思辨为特色，为AI与机器人领域的一线从业者及关注者带来了重量级的一线视角。
主要讨论点与洞见
1. 机器人原生基础模型的本质与进化
- 沈宇军提到：“机器人原生基础模型和大语言模型的底层逻辑是同源的，但它必须真正解决‘体’在真实物理世界中的感知和交互。”【08:21】
- 张小珺追问机器人领域的“原生”定义，沈宇军解释：
- 原生基础模型（native foundation model）并不是简单迁移现有文字/视觉模型，“它要能在丰富物理世界中形成和自主进化知识结构。”【10:56】
- 双方讨论到大模型如何让机器人具备“常识推理”与“动手执行”的一致性。
2. “大脑”与“本体”——智能体的结构哲学
- 沈宇军：“我们常说机器人是AI加上一个body，但大多数团队把精力花在让AI适应现有机械，忽视了本体和大脑的协同演化。”【15:37】
- 他主张，真正突破来自于“本体结构的重构”——即硬件和模型必须联合设计。并以公司开发的灵波一号为例：
- “我们试图让机器人在新环境中，实时自我适应，不仅仅是‘大脑’发指令，本体也能主动参与决策。”【18:44】
3. 预训练范式与数据scale up挑战
- 张小珺提问当前AI界流行的“scale law”在机器人世界是否成立，沈宇军坦言：“机器人世界的scale并不是把数据堆得越多越好，关键在于多模态交互数据的质量和覆盖度。”【23:02】
- 他们探讨：
- 真正有价值的数据并非海量堆积，而是能涵盖“极端状况与长尾分布”的自主实验数据。
- 沈宇军举例：“我们让灵波一号自己设计实验，生成自己的训练场景，这种自反馈模拟比单纯爬楼梯式的数据增量更有爆发力。”【25:15】
4. 行业壁垒与机会
- 沈宇军分析：“机器人是深水区，技术不是最大壁垒，如何把产品‘scale out’进真实场景，让它活在一百种商业生态里，才是终极挑战。”【31:41】
- 张小珺引申到生态协作：“中国在工业机器人，配送场景能不能率先突破出一条属于自己的‘AI机器人范式’？”
5. 汤晓鸥老师的影响及精神传承
- 沈宇军深情讲到导师汤晓鸥对自己的影响：“汤老师常说，做技术要有点‘轴’，要敢想不能怕错。他当年养成我们‘打长仗’心态，今天回看意义特别大。”【40:09】
- 印象最深的一句话：“你要做出来东西，让别人说‘就服你’，不是让别人来同情你。”【41:45】
精彩语录与难忘时刻
- 沈宇军：“机器人不是让大模型装上四肢那么简单，而是要让‘物理世界的底层规律’成为模型的一部分。”【13:22】
- 张小珺：“你说的‘本体和大脑协同进化’，我感觉这是下一个爆点，没人能只靠卷模型参数跑通这件事。”【19:06】
- 沈宇军谈技术创业：“忙不是问题，把特别枯燥的事做到极致，这才是壁垒。”【36:18】
- 关于创新机制：“AI做实验可以自我打分，可以失败一万次，但我们要给它权利去失败。”【27:44】
重要内容时间轴
- 08:21 机器人原生基础模型和语言模型的异同
- 10:56 “原生”模型的技术定义与难点
- 15:37 AI大脑与本体协同演化的核心观点
- 18:44 灵波一号的自适应行为及案例
- 23:02 预训练与数据scale up在机器人领域的新范式
- 25:15 “自我实验”机制及多模态数据瓶颈
- 31:41 商业落地的壁垒与产业机会
- 40:09 导师汤晓鸥的理念影响
- 41:45 “做给别人服”的技术信仰
- 54:33 展望未来与行业建议
节目风格与启示
整期访谈气氛坦诚开放，双方频繁用技术细节和生活化比喻剖析AI机器人行业的最前线问题。沈宇军持续强调“真实世界反馈”的重要性，提出了“协同进化”和“自我实验”等前沿思路。张小珺以她一贯犀利且温和的提问，帮助听众理解技术演进背后的复杂抉择，并通过个人故事让行业人物更加立体。节目以极高的信息密度和务实精神，为新技术、新创业者和行业观察者提供了极具启发性的参考。
适合谁听？
- AI、机器人、硬件领域的产品/工程/管理者
- 科技创业者、投资人
- 关心AI技术哲学与中国AI产业前沿的听众
推荐理由：
密集干货，见解新锐，极适合想“去伪存真”理解AI机器人产业复杂性的听众。
