（本文作家为 硅基星芒，钛媒体经授权发布）

文 | 硅基星芒

怒放任何一家科技媒体的版面，东说念主形机器东说念主融资的音书阵容汹汹。2026年被冠上“具身智能元年”的名号，成本排着队为它买单。

但走进一产物身智能公司的研发中心，你会看到另一番时势。

莫得科幻电影里的自主举止。莫得优雅的东说念主机对话。操作员戴着VR头显、穿戴动捕拓荒，拿着遥控手柄，一遍遍操控机械臂去拿杯子、叠衣服。一次不行就十次，十次不行就一百次。每一段检修数据背后，王人站着一个活生生的东说念主。

这即是现时具身智能最粗粝的施行：它成就在东说念主力密集型的数据汇聚之上。每一台机器东说念主的每一个动作，王人要靠东说念主“手把手”教出来。

成本在狂欢。行业里面却藏着一根拔不掉的刺：要是机器的智能只可用东说念主力堆出来，这个成本结构历久撑不起“走进千门万户”的梦思。

2026年央视春晚，一家叫星河通用的具身智能公司顷然亮相，随后又回到实验室的适意里。它的最新论文《LDA-1B: Scaling Latent Dynamics Action Model via Universal Embodied Data Ingestion》提议了一个足以改写行业底层逻辑的命题：冲突对“完整数据”的珍视，先意会物理，再学习操作。签字单元里躺着英伟达、清华和北大。

具身智能尚未建完的护城河，可能正濒临一次剧烈的改说念。

市面上绝大多数机器东说念主大模子走的是吞并条路：步履克隆。说白了即是像模像样。东说念主类民众留住几万条完整的遥操数据，AI从画面里提真金不怕火特征，瞻望东说念主类在每一帧作念了什么动作。这套决策直不雅，凯旋快，很快成为主流。

但它有个致命伤：天花板极低。效法这件事，从一运转就轨则了模子智力的上限不会跳跃示范者。要是AGI的认识是高出东说念主类平均水平，走这条路看不到出口。

更苟且的还不是天花板，而是地板。

期间圈管这叫协变量偏移。听上去空洞，意思很简便：电契机老化，齿轮有破绽，后光会变化，这些对机器东说念主全是杂音。纯靠效法检修出来的机器东说念主，实施动作时产生的轻浅舛误会坐窝让录像头画面偏离检修数据的漫衍范围。模子没见过这局面，不知说念如何更变。舛误滚雪球，动作崩溃。前段时候机器东说念主马拉松赛场上倏得冲向不雅众席的画面，即是协变量偏移的公开注脚。

星河通用这篇论文选了另一条路：物化条目反射式的效法，走宇宙模子蹊径。

谎话语模子之是以换骨夺胎，是它在海量文本中摸透了话语的底层规矩。机器东说念主也需要吞并层意会：脱手之前，先懂物理宇宙的因果。LDA不再只瞻望下一个动作，而是集会瞻望畴昔的画面。下达教唆之前，模子必须先在数字大脑里推演一遍：推当年，水杯会如何动？重力和摩擦力会起什么作用？

这一步位移的实质是：先有知识（意会宇宙规矩），再有诳骗（学习如何操作）。因果步调不可倒置。

要瞻望畴昔，得先思明晰瞻望什么。

Sora和各类生图生视频模子给行业提供了一个看似现成的谜底，方进取却恰恰相背。你大要瞩目过，AI生成的图片和视频里，翰墨部分老是出现污蔑的乱码。原因不复杂：这些模子本色上是用概率凑合像素。它们没“看懂”翰墨，仅仅记着了某种姿色在某个位置大要率会和另一种姿色挨在全部。

东说念主眼里的一杯水、一个苹果，拍成像片就扁平化为RGB色块的摆设组合。早期的宇宙模子恰是在“瞻望畴昔像素”这里犯了错。让机器东说念主大脑去猜下一帧的像素长什么样，算力多半阔绰在机械臂影子如何动、杯子反光如何变、布景墙纸有若干纹理这类无酷爱的细节上。全是高频噪声，全是对环境的过敏响应。

LDA选用离开这个像素空间。

它用视觉基础模子DINO，在输入画面插足瞻望网罗之前，先剥掉无关光影和布景，尊龙凯时中国官网入口提真金不怕火出高度空洞的语义空间。它不再纠结下一帧里百万个像素的姿色，而是试图意会一个等式：“杯子的语义”加“推的动作”等于“杯子向右位移”。

“不看细节，只温雅语义。”反知识，却管用。同等模子限制下，基于像素瞻望的老决策告捷率14.2%，切换到语义空间后，这个数字跳到55.4%。生意上的含义更径直：玄机的算力集群无谓再把电烧在光影模拟上，成本大幅压缩，模子的跨环境踏实性却显耀提高。

这篇论文对行业冲击最大的地方，在于它打碎了“完整数据珍视”的生意幻思。

现在机器东说念主的检修逻辑基本搬自谎话语模子。当年三年，大模子领域反复考证一条铁律：逻辑絮叨的文本、无益代码这类低质语料会沾污模子。Garbage in， garbage out——吃进去的是垃圾，吐出来的亦然垃圾。机器东说念主企业当然照单全收：花重金请专科操作员，录接近完整的数据，这是智力突破的前提。

但物理宇宙的数据逻辑和文本宇宙不一样。

在真确宇宙里，失败自己即是物理规矩最完整的演示。机器东说念主握空水杯、碰倒物体、操作缺陷后重试，这些在传统算高眼里是应该扔掉的垃圾数据，因为它们莫得展示“如何完整地完成任务”。但这些流程雷同严格遵照约束力、摩擦力和碰撞定律。

只见过高质地数据的机器东说念主，像无菌温室里养大的植物，一离开完整环境就活不下去。多数具身智能企业把家庭环境行为第一生意化认识，但真确家庭的絮叨进度远非这种机器东说念主能应答。一点偏差就死机。

LDA提议的通用数据接收机制，改写的即是这笔经济账：有潜在危害的数据，剔除；海量低质地、无标注的野生数据，比如网上唾手拍的短视频，变废为宝，喂给宇宙模子，让它从这些看起来没用的素材里学习物理宇宙的知识和范围；十分稀缺的高质地专科操作数据，只在终末微调阶段用——此时机器已意会物理规矩，只要高效选用战略。

测试数据给了一个耐东说念主寻味的佐证：微调阶段，往完整数据里混入30%包含停顿和缺陷的低质地数据，机器东说念主的实施告捷率反而提高10%。模子从中学到了一件事：本来这样干会搞砸，搞砸之后不错这样解救。

那些正烧着投资东说念主的钱、组建成百上千东说念主团队、雇全职职工“东说念主肉汇聚数据”的公司，护城河还没建完，河床依然运更变动。畴昔几年的中枢壁垒，不再是谁费钱买到了更多完整数据，而是谁有更强的一套管说念：低成本收海量粗拙数据，从中压榨出物理知识。成本结构上的断层最初，将从这里长出来。

2026年被不少东说念主称为具身智能元年，“GPT时刻立时就要到来”的声息雄起雌伏。

安谧的生意不雅察者不会减轻赞叹。

假定具身智能要走谎话语模子吞并条强化学习旅途，中枢三因素不变：算力、算法、数据。文本数据是东说念主类几千年漂后的数字化千里淀，今天不管OpenAI照旧DeepSeek，取得几万亿token不是难事。物理宇宙的交互数据则困在莫拉维克悖论的底部，还处在手职责坊时期。底层数据基建没成型，通用智能即是空中楼阁。

LDA-1B这类究诘给出的不是一个“无所不可”的制品，而是一个场所正确的路标。这比坐窝推出一款声称通天的机器东说念主更有价值。

它闭幕了盲目效法的范式，指明因果关连与宇宙模子的必要性。像素层面的算力阔绰被语义表征替代。最关节的，它颠覆了玄机的高质地数据汇聚状态，开辟了一条低成本、变废为宝的数据膨大旅途。

放下对完整数据的随性尊龙凯时，让AI从粗拙和失败中罗致真确宇宙的物理法规。路还很长，但场所依然看见了。