7月19日，在蚂蚁InclusionAI与PyTorch基金会联合举办的“AGI基础设施与普惠实践”论坛上，蚂蚁灵波科技首席科学家沈宇军以《蚂蚁灵波全栈2.0，打造具身原生的机器人通用大脑》为题发表演讲。

沈宇军认为，物理世界不是数字世界的简单延伸，机器人需要一套从感知、预测到行动，都为物理世界重新设计的基础模型体系。

沈宇军把机器人大脑面临的挑战概括为三点：看得更清楚、想得更明白、干得更利索。

第一道鸿沟来自传感器。数字世界的视觉模型擅长识别“这是什么”，机器人还必须知道“它在哪里”“离我多远”“中间能不能通过”。例如，隔着透明玻璃看见一只猫，并不意味着机器人能够直接触碰它。视觉语义上“看见”，不等于物理空间上“可达”。

第二道鸿沟来自高动态交互。数字内容模型可以在相对完整的上下文中生成结果，机器人面对的环境却随时可能被人打断、被物体遮挡，或因一次接触而发生变化。它不能一次规划到底，而是要在行动中持续预测下一刻，并根据反馈实时修正。

第三道鸿沟是泛化与产业落地。机器人不仅要在一台机器、一个任务上表现良好，还要让已经学会的能力迁移到不同构型和真实场景，降低重复采集数据和重新训练的成本。对具身智能而言，能做出一次演示只是起点，能在不同本体上稳定复用才更接近通用能力。

校对：刘星莹