本期嘉宾：陈涛（复旦大学深度学习实验室主任、眸深智能联合创始人）

时长：约 82 分钟

主播：澎湃新闻记者 喻琰

机器人会跳舞、会表演，可一到工厂产线上却"演不动"了——真正进入工厂干活的具身智能机器人，比例还不到 10%。这一期《未来2%》，我们请到了复旦大学深度学习实验室主任、眸深智能联合创始人陈涛，请他对当下具身智能行业的热潮做几点冷思考。

陈涛是国内最早一批深耕机器人动作大模型的学者之一。早在 2023 年，他和团队就发布了 Motion GPT，并在去年进一步提出“世界动作模型”概念，试图用一个统一的大脑适配双足、轮式、双臂乃至“车+臂”等不同形态的机器人本体——也就是他所说的“一脑御多形”。

在这场近一个半小时的对话里，陈涛直言：当前行业内大部分精力被投入到数据采集，争论到底该走 VLA 还是世界模型，但这些都没有触及底层架构问题。他指出，机器人真正缺的不是“成功案例”，而是“失败与纠错的数据”；很多展示机器人进工厂的视频只是“拍完就走”，并没有真正落到场景中，卡点在于泛化能力不足、成本高、跟不上产线节拍；如果未来两年底层模型架构没有突破，行业很难迎来属于自己的“ChatGPT 时刻”。

播客｜对话复旦深度学习实验室主任陈涛：具身智能热潮下的冷思考。

重要观点时间轴

| 11:13 | 眸深智能的模型用的不是第一视角真实数据，而是侧重于利用互联网开源人类视频进行训练。

| 21:30 | 场景方对大脑的核心诉求是：泛化能力强（应对突发状况）、成本低（无需昂贵芯片）、实时性高（跟上工业节拍，不拖累产线效率）。 目前真正进入工厂干活的具身智能机器人比例极低。

| 38:48 | “原生大脑”指具备端侧自进化能力的大脑，能随失败经验积累和反思总结不断进化，而非仅靠云端预训练后部署。 机器人的自进化能力类比人类，需在真实作业中通过失败案例反思和持续学习来不断完善，不能仅靠预训练。

| 01:02:22 | 具身智能作为新兴领域，其顶尖人才目前更多集中在高校而非传统大厂。

| 01:14:50 | 世界模型可能被高估了。

澎湃科技