{
title: "ChatGPT核心贡献者姜旭归国：用LLM Scaling法则重塑具身智能",
summary: "前OpenAI研究员姜旭回国创业，将大语言模型的Scaling法则引入具身智能领域。他曾在2019至2023年间完整参与GPT系列核心演进，覆盖训练infra、预训练、RLHF对齐等关键环节。此次创业旨在解决机器人领域数据稀缺与泛化难题，推动具身智能实现规模化突破。这一动向标志着AI人才回流与跨领域技术融合的新趋势。",
content: "在AI领域的人才流动中，一位关键人物正掀起新的波澜。姜旭，这位曾深度参与ChatGPT核心技术演进的华人研究者，近日选择回国创业，将目光投向具身智能——一个被视作AI最终形态的前沿方向。他的核心策略清晰而大胆：把大语言模型（LLM）中已被验证的Scaling法则，系统性地迁移到机器人学习领域。这不仅是个人的职业转向，更可能为整个行业带来范式级变革。\n\n姜旭的履历堪称硬核。2019至2023年间，他完整经历了GPT系列能力爆发的最关键阶段，工作横跨底层训练基础设施、大规模预训练、RLHF对齐算法与数据构建等核心链路。这意味着，他不仅见证了Scaling Law如何推动模型智能涌现，更亲手参与了其中关键技术的落地。在OpenAI期间，他主导了多项提升训练效率与模型对齐的研究，这些经验直接对应着当前具身智能领域最棘手的挑战——数据稀缺、任务泛化与长时序决策。\n\n具身智能的困境在于，机器人无法像LLM那样直接从互联网文本中学习。现实世界的数据采集成本高昂，且难以规模化。姜旭的创业思路，是将LLM的成功经验进行适配改造：通过构建高效的模拟环境与自监督学习框架，让机器人在虚拟空间中进行大规模交互训练，再利用迁移学习将能力部署到实体硬件。这一路径若能走通，将有望打破当前机器人行业依赖人工示教与规则编程的瓶颈，实现从“专用工具”到“通用智能体”的跃迁。\n\n姜旭的归国创业，也折射出AI人才流动的新趋势。从OpenAI到中国创业，他带来的不仅是技术认知，更是一种将前沿研究转化为产品的方法论。对于从业者而言，这一事件释放了明确信号：具身智能正从学术探索进入工程化落地阶段，而Scaling法则的跨领域应用，可能成为未来几年最值得关注的增长点。\n\n对于AI从业者和爱好者，姜旭的动向提醒我们关注几个关键方向：一是模拟到现实的迁移技术（Sim-to-Real），这是Scaling能否成功的关键桥梁；二是数据闭环的构建能力，如何低成本获取高质量交互数据；三是硬件与算法的协同优化，这决定了最终产品的性价比。随着更多顶尖人才加入，具身智能的“ChatGPT时刻”或许正在加速到来。"
}