文 | 硅基星芒

打开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遮天盖地。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，你会看到另一番精炼。

莫得科幻电影里的自主行动。莫得优雅的东说念主机对话。操作员戴着 VR 头显、穿戴动捕开发，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。每一段锤真金不怕火数据背后，王人站着一个活生生的东说念主。

这便是现时具身智能最粗粝的试验：它修复在东说念主力密集型的数据集聚之上。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，这个成本结构永远撑不起"走进千门万户"的梦念念。

2026 年央视春晚，一家叫星河通用的具身智能公司顷刻间亮相，随后又回到实验室的自在里。它的最新论文《LDA-1B: Scaling Latent Dynamics Action Model via Universal Embodied Data Ingestion》建议了一个足以改写行业底层逻辑的命题：轻松对"完满数据"的难得，先团结物理，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。

按图索骥，画不出真老虎

市面上绝大多数机器东说念主大模子走的是覆没条路：行为克隆。说白了便是按图索骥。东说念主类行家留住几万条完满的遥操数据，AI 从画面里索要特征，展望东说念主类在每一帧作念了什么动作。这套决议直不雅，奏效快，很快成为主流。

但它有个致命伤：天花板极低。效法这件事，从一驱动就章程了模子才调的上限不会跨越示范者。要是 AGI 的打算是超过东说念主类平均水平，走这条路看不到出口。

更庇荫的还不是天花板，而是地板。

手艺圈管这叫协变量偏移。听上去玄虚，真理真理很肤浅：电契机老化，齿轮有罅隙，色泽会变化，这些对机器东说念主全是杂音。纯靠效法锤真金不怕火出来的机器东说念主，彭胀动作时产生的狭窄缺欠会坐窝让录像头画面偏离锤真金不怕火数据的辩别范围。模子没见过这时局，不知说念怎样校正。缺欠滚雪球，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，便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：铲除条款反射式的效法，走天下模子道路。

大言语模子之是以换骨夺胎，是它在海量文本中摸透了言语的底层司法。机器东说念主也需要覆没层团结：起初之前，先懂物理天下的因果。LDA 不再只展望下一个动作，而是聚会展望异日的画面。下达请示之前，模子必须先在数字大脑里推演一遍：推昔日，水杯会怎样动？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（团结天下司法），再有运用（学习如何操作）。因果门径不可倒置。

别跟像素较劲

要展望异日，得先念念明晰展望什么。

Sora 和千般生图生视频模子给行业提供了一个看似现成的谜底，方朝上却正值相背。你马虎审视过，AI 生成的图片和视频里，翰墨部分老是出现诬蔑的乱码。原因不复杂：这些模子实质上是用概率勉强像素。它们没"看懂"翰墨，仅仅记取了某种形态在某个位置马虎率会和另一种形态挨在沿路。

东说念主眼里的一杯水、一个苹果，拍成相片就扁平化为 RGB 色块的陈设组合。早期的天下模子恰是在"展望异日像素"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，算力多量蹧跶在机械臂影子怎样动、杯子反光怎样变、配景墙纸有若干纹理这类无真理真理的细节上。全是高频噪声，全是对环境的过敏响应。

LDA 选定离开这个像素空间。

它用视觉基础模子 DINO，在输入画面插足展望汇集之前，先剥掉无关光影和配景，亚搏app官网版索要出高度玄虚的语义空间。它不再纠结下一帧里百万个像素的形态，而是试图团结一个等式："杯子的语义"加"推的动作"等于"杯子向右位移"。

"不看细节，只柔和语义。"反知识，却管用。同等模子限制下，基于像素展望的老决议顺利率 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：慷慨的算力集群毋庸再把电烧在光影模拟上，成本大幅压缩，模子的跨环境阐述性却权贵升迁。

完满数据是一种迷信

这篇论文对行业冲击最大的地方，在于它打碎了"完满数据难得"的生意幻念念。

现在机器东说念主的锤真金不怕火逻辑基本搬自傲言语模子。昔日三年，大模子领域反复考证一条铁律：逻辑阑珊的文本、无益代码这类低质语料会浑浊模子。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，录接近完满的数据，这是才调突破的前提。

但物理天下的数据逻辑和文本天下不一样。

在着实天下里，失败本人便是物理司法最完整的演示。机器东说念摆布空水杯、碰倒物体、操作失实后重试，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"如何完满地完成任务"。但这些历程相通严格恪守细心力、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，一离开完满环境就活不下去。多数具身智能企业把家庭环境手脚第一生意化打算，但着实家庭的阑珊进程远非这种机器东说念主能支吾。一点偏差就死机。

LDA 建议的通用数据罗致机制，改写的便是这笔经济账：有潜在危害的数据，剔除；海量低质地、无标注的野生数据，比如网上顺手拍的短视频，变废为宝，喂给天下模子，让它从这些看起来没用的素材里学习物理天下的知识和规模；十分稀缺的高质地专科操作数据，只在终末微调阶段用——此时机器已团结物理司法，只要高效选定战略。

测试数据给了一个耐东说念主寻味的佐证：微调阶段，往完满数据里混入 30% 包含停顿和失实的低质地数据，机器东说念主的彭胀顺利率反而升迁 10%。模子从中学到了一件事：蓝本这样干会搞砸，搞砸之后不错这样支持。

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"东说念主肉集聚数据"的公司，护城河还没建完，河床仍是驱动迁徙。异日几年的中枢壁垒，不再是谁用钱买到了更多完满数据，而是谁有更强的一套管说念：低成本收海量毛糙数据，从中压榨出物理知识。成本结构上的断层当先，将从这里长出来。

GPT 时刻还远

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"的声息源源不时。

从容的生意不雅察者不会松驰讴颂。

假定具身智能要走大言语模子覆没条强化学习旅途，中枢三成分不变：算力、算法、数据。文本数据是东说念主类几千年娴雅的数字化千里淀，今天不管 OpenAI 照旧 DeepSeek，取得几万亿 token 不是难事。物理天下的交互数据则困在莫拉维克悖论的底部，还处在手责任坊时间。底层数据基建没成型，通用智能便是空中楼阁。

LDA-1B 这类商讨给出的不是一个"无所弗成"的制品，而是一个场地正确的路标。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，指明因果关联与天下模子的必要性。像素层面的算力蹧跶被语义表征替代。最要道的，它颠覆了慷慨的高质地数据集聚模式，开辟了一条低成本、变废为宝的数据扩展旅途。

放下对完满数据的荒诞亚搏手机app，让 AI 从毛糙和失败中摄取着实天下的物理法例。路还很长，但场地仍是看见了。