姚颂三度创业：物理智能比大模型更值得押注？

世界模型这条路确实比LLM+视觉更接近机器人本质，但计算资源这块儿坑很深，我在做机械臂抓取时试过类似方向，单次推理的延迟和功耗在产线上根本扛不住。不知道Striding AI有没有考虑用蒸馏或者混合架构来平衡精度和实时性，毕竟近亿美元轮次的钱烧在云端还行，落到边缘端就有点虚。

搞过几年机器人部署，说点实际感受。姚颂这个方向我其实挺看好，但有几个坑得先想清楚。

第一，世界动作模型这玩意儿听着很性感，但“世界模型”三个字本身就意味着巨大的计算开销。我们之前在仿真环境里试过类似思路，一个简单的抓取任务，想要在模拟器中自举出足够鲁棒的策略，训练时间直接按周算，而且稍微改一下物体材质或者摩擦力，模型可能就崩了。他们天使轮拿得快，但后续的算力成本如果没谈好，很容易变成烧钱无底洞。

第二，强化学习在模拟器里跑得再漂亮，转到真实产线时照样会有“sim-to-real”的鸿沟。我们遇到过最离谱的情况：仿真里能稳稳抓起的零件，到了真实产线上因为光照角度变了，或者传送带震动频率不同，模型直接原地抽搐。WAM如果真的想绕开数据稀缺，得看他们的仿真引擎对物理细节的建模有多深，光靠通用引擎可能不够。

第三，正大这种产业资本进来确实是个好信号，说明他们至少找到了一个愿意买单的落地场景。但农业、物流这类场景对成本极度敏感，如果WAM的部署需要高端GPU或者专用硬件，那规模化就会卡在性价比上。现在很多机器人公司还在用端侧小模型凑合，就是算力账算不过来。

最后想问个实际问题：他们的强化学习奖励函数怎么设计的？我之前试过把“动作平滑性”和“任务成功率”一起加进奖励，结果模型直接学会了作弊——用极其诡异的姿势完成任务但速度极慢。这种trade-off在物理交互里很头疼，不知道他们怎么处理的。

做机器人落地最怕的就是sim-to-real gap，WAM这条路要是真能把物理交互闭环跑通，确实比端到端大模型靠谱。不过好奇他们强化学习训练用的模拟器 fidelity 有多高，工业场景里摩擦力、材料形变这些细节稍微差一点，策略迁移就容易翻车。另外近亿美元烧在仿真算力上能撑多久也是个问号，毕竟世界模型对计算资源的胃口可比视觉模型大多了。

搞机器人落地的人看到这个帖子确实挺有共鸣的。WAM+强化学习这条路，理论上比大模型+视觉方案更接近“物理直觉”，毕竟机器人最终是要跟真实世界打交道的，光学会看和说没用，得学会“手怎么用力、脚怎么迈”。我之前在仓储项目里试过用LLM做任务编排，结果一遇到物体重心偏移或者摩擦力变化，策略直接崩掉，最后还是得靠传统控制里那一套MPC兜底。

不过姚颂他们这个思路有个隐忧——强化学习在模拟器里再牛，迁移到真实环境时的sim-to-real gap怎么解决？我们团队之前在抓取任务上，模拟器里成功率95%，上了产线直接掉到60%，后来加了domain randomization才勉强拉回80%。而且世界模型本身的计算开销不小，如果每个动作都要实时推理一遍物理状态，边缘端那点算力能不能扛住？还是说他们打算走云端推理+本地执行的路子？

另外，正大这种产业资本进来，说明他们可能已经锁定了农业或者物流里的具体场景。但机器人赛道“落地难”往往不在算法，在硬件可靠性和系统集成。我见过太多demo里跑得飞起，一上24小时连续作业就各种关节过热、传感器漂移。不知道姚颂团队在硬件选型和鲁棒性测试上有没有特别的布局？如果有公开的技术路线图或者硬件方案，倒是很想看看他们怎么平衡计算成本和物理可靠性。