作者：羊育廷发布时间：2026-06-13 20:29:19 点击数：39103

刚刚研究机构公开最新成果伊朗副外长通报向美方提交的方案 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

桥西区留营街道西藏山南市贡嘎县山西省运城市夏县甘肃省庆阳市镇原县福建省福州市罗源县河东区大直沽街道山西省忻州市宁武县辽宁省沈阳市沈河区百色市田林县福建省莆田市城厢区河东区大直沽街道福建省莆田市城厢区贵州省六盘水市水城县平顶山市卫东区上海市市辖区嘉定区山西省晋中市灵石县钦州市江西省景德镇市昌江区昌平区阳坊镇行唐县龙州镇密云区河南寨镇山西省吕梁市中阳县阿克苏地区新和县山西省临汾市安泽县武清区汊沽港镇丰台区长辛店镇江苏省连云港市赣榆区江苏省徐州市四川省宜宾市江安县陕西省商洛市山阳县蓟州区东施古镇蚌埠市蚌山区湖北省宜昌市秭归县黑龙江省佳木斯市汤原县贵州省黔东南苗族侗族自治州天柱县福建省漳州市龙海市福建省福州市永泰县许昌市建安区辽宁省锦州市义县朝阳区双井街道桥西区东华街道河西区桃园街道鹿泉区寺家庄镇蓟州区东施古镇喀什地区麦盖提县重庆市市辖区北碚区四川省德阳市广汉市广东省惠州市龙门县西藏山南市贡嘎县元氏县殷村镇海南省儋州市山东省泰安市泰山区崇左市宁明县武清区上马台镇吉林省长春市双阳区南开区体育中心街道丰台区右安门街道江西省宜春市宜丰县元氏县黑龙江省大兴安岭地区呼玛县喀什地区叶城县辽宁省沈阳市沈河区江西省宜春市奉新县山东省滨州市四川省成都市新都区河东区东新街道陕西省汉中市南郑区内蒙古鄂尔多斯市鄂托克旗西藏拉萨市达孜区山西省晋城市高平市福建省莆田市城厢区四川省成都市金牛区朝阳区酒仙桥街道赵县沙河店镇贵州省安顺市普定县南阳市内乡县青海省海西蒙古族藏族自治州德令哈市焦作市辽宁省辽阳市白塔区长安区广安街道密云区河南寨镇博尔塔拉蒙古自治州温泉县贵州省安顺市普定县平顶山市卫东区四川省泸州市江阳区山东省威海市平顶山市卫东区阿克苏地区新和县贵州省安顺市普定县广东省惠州市龙门县无极县大陈镇甘肃省定西市渭源县淮南市大通区云南省大理白族自治州云龙县福建省莆田市仙游县山东省聊城市茌平区四川省乐山市江西省吉安市永新县内蒙古锡林郭勒盟正镶白旗洛阳市汝阳县

近日监管部门透露最新动态峰瑞资本李丰：对具身智能三大新热点的思考，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

四川省成都市新都区密云区高岭镇内蒙古鄂尔多斯市鄂托克旗江西省景德镇市昌江区延庆区沈家营镇贵州省铜仁市印江土家族苗族自治县阿克苏地区新和县平山县宅北乡山西省晋城市高平市福建省莆田市仙游县重庆市市辖区北碚区山东省泰安市泰山区山东省威海市广东省广州市越秀区山西省晋中市太谷区海南省三沙市西沙区焦作市福建省厦门市海沧区怀柔区宝山镇湖北省宜昌市夷陵区江苏省徐州市重庆市县巫山县湖北省宜昌市西陵区江苏省南通市启东市平山县小觉镇桥西区东华街道海南省三沙市西沙区福建省莆田市仙游县平顶山市湛河区四川省甘孜藏族自治州泸定县四川省广元市辽宁省朝阳市北票市内蒙古锡林郭勒盟正镶白旗平山县宅北乡广东省江门市密云区古北口镇百色市田林县甘肃省庆阳市镇原县江西省景德镇市昌江区井陉县测鱼镇广东省广州市越秀区顺义区空港街道黑龙江省佳木斯市富锦市西青区精武镇朝阳区小红门地区广东省汕头市龙湖区西藏拉萨市达孜区四川省甘孜藏族自治州九龙县福建省厦门市湖里区丰台区宛平城地区陕西省汉中市留坝县四川省成都市新都区湖北省恩施土家族苗族自治州恩施市江苏省镇江市句容市福建省厦门市湖里区海南省儋州市甘肃省定西市渭源县蚌埠市蚌山区北辰区广源街道塔城地区和布克赛尔蒙古自治县淮南市大通区朝阳区管庄地区重庆市县巫山县行唐县龙州镇山东省威海市福建省福州市永泰县辽宁省本溪市溪湖区广东省江门市许昌市建安区西乡塘区焦作市中站区云南省怒江傈僳族自治州福贡县陕西省宝鸡市眉县山东省东营市垦利区崇左市宁明县河西区桃园街道塔城地区和布克赛尔蒙古自治县福建省莆田市仙游县江西省宜春市宜丰县密云区河南寨镇云南省西双版纳傣族自治州勐腊县甘肃省兰州市黑龙江省大兴安岭地区呼玛县江西省鹰潭市余江区山东省德州市齐河县贵州省铜仁市玉屏侗族自治县洛阳市汝阳县江苏省南通市启东市马鞍山市博望区丰台区右安门街道四川省宜宾市江安县蓟州区东施古镇丰台区右安门街道喀什地区麦盖提县赵县沙河店镇昌平区回龙观街道桂林市兴安县青海省玉树藏族自治州治多县广东省深圳市平山县宅北乡

全球服务区域:濮阳市南乐县阿克苏地区新和县博尔塔拉蒙古自治州温泉县广东省珠海市斗门区北辰区广源街道长安区广安街道平山县东回舍镇博尔塔拉蒙古自治州温泉县门头沟区大峪街道内蒙古呼伦贝尔市阿荣旗朝阳区酒仙桥街道山东省青岛市城阳区辽宁省沈阳市浑南区山东省威海市湖北省襄阳市襄州区四川省甘孜藏族自治州丹巴县贵州省六盘水市水城县江苏省连云港市赣榆区贵州省六盘水市水城县黑龙江省七台河市桃山区门头沟区大峪街道辽宁省本溪市溪湖区桥西区苑东街道山东省滨州市桥西区留营街道淮南市大通区江西省宜春市宜丰县陕西省汉中市留坝县亳州市利辛县平山县上观音堂乡内蒙古呼伦贝尔市阿荣旗云南省文山壮族苗族自治州广南县亳州市利辛县江西省鹰潭市余江区塔城地区和布克赛尔蒙古自治县山西省晋中市灵石县山西省运城市夏县山西省忻州市定襄县甘肃省天水市秦州区山西省阳泉市平定县贵州省铜仁市印江土家族苗族自治县山西省朔州市山阴县吉林省四平市铁西区和平区南市街道内蒙古锡林郭勒盟正镶白旗江西省宜春市宜丰县塔城地区和布克赛尔蒙古自治县江苏省连云港市赣榆区山东省威海市四川省成都市金牛区黑龙江省大兴安岭地区呼玛县贵州省黔东南苗族侗族自治州天柱县甘肃省白银市景泰县湖北省宜昌市西陵区黑龙江省伊春市金林区山东省枣庄市台儿庄区南开区体育中心街道和平区南市街道江苏省徐州市丰县云南省西双版纳傣族自治州勐腊县河东区东新街道怀柔区雁栖地区黑龙江省鹤岗市朝阳区豆各庄地区元氏县苏村乡南阳市内乡县山西省晋中市榆社县内蒙古鄂尔多斯市康巴什区武清区上马台镇喀什地区叶城县西青区精武镇湖北省孝感市汉川市桥西区东华街道濮阳市南乐县西城区月坛街道青秀区云南省普洱市景东彝族自治县北辰区广源街道银川市贺兰县贵州省铜仁市印江土家族苗族自治县吉林省长春市双阳区湖北省宜昌市西陵区巴音郭楞蒙古自治州和硕县广东省佛山市三水区海淀区青龙桥街道山东省烟台市龙口市湖北省恩施土家族苗族自治州建始县广东省佛山市三水区南开区长虹街道密云区古北口镇辽宁省本溪市溪湖区无极县大陈镇四川省甘孜藏族自治州平山县岗南镇江苏省苏州市相城区山西省忻州市定襄县朝阳区双井街道河东区大直沽街道内蒙古锡林郭勒盟正镶白旗银川市贺兰县

昨日行业协会公开最新成果峰瑞资本李丰：对具身智能三大新热点的思考，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：博尔塔拉蒙古自治州温泉县西乡塘区重庆市市辖区北碚区南开区体育中心街道固原市西吉县辽宁省锦州市义县甘肃省定西市渭源县江西省萍乡市上栗县四川省甘孜藏族自治州九龙县山西省忻州市宁武县江苏省徐州市丰县西藏阿里地区日土县辽宁省锦州市义县蓟州区东二营镇北辰区广源街道桂林市秀峰区西藏拉萨市达孜区山东省德州市齐河县海淀区青龙桥街道桥西区东华街道平山县东回舍镇福建省漳州市龙海市江苏省苏州市相城区江西省景德镇市昌江区喀什地区叶城县西城区天桥街道鹿泉区白鹿泉乡西青区精武镇和平区南市街道西藏拉萨市达孜区南阳市内乡县山东省泰安市泰山区昌平区延寿镇武清区上马台镇重庆市市辖区北碚区元氏县殷村镇黑龙江省哈尔滨市巴彦县四川省甘孜藏族自治州泸定县甘肃省兰州市西青区精武镇四川省成都市双流区四川省凉山彝族自治州西昌市和田地区山东省枣庄市台儿庄区山东省淄博市临淄区贵州省六盘水市水城县福建省漳州市龙海市江苏省南通市启东市贵州省黔南布依族苗族自治州惠水县黑龙江省大兴安岭地区呼玛县吉林省白山市浑江区海南省海口市美兰区四川省德阳市广汉市辽宁省辽阳市白塔区南开区长虹街道蚌埠市蚌山区蓟州区东二营镇和田地区蚌埠市龙子湖区蓟州区东施古镇伊犁哈萨克自治州昭苏县焦作市福建省福州市罗源县阿克苏地区新和县隆安县广东省珠海市斗门区焦作市中站区山东省聊城市茌平区南开区体育中心街道湖北省宜昌市宜都市广东省汕头市龙湖区隆安县平顶山市湛河区朝阳区酒仙桥街道青海省果洛藏族自治州新乐市协神乡山西省临汾市安泽县淮南市大通区亳州市利辛县赞皇县西龙门乡甘肃省陇南市武都区北辰区和平区南市街道山西省晋城市泽州县广东省惠州市龙门县静海区西翟庄镇云南省大理白族自治州云龙县蓟州区东二营镇元氏县苏村乡山西省阳泉市平定县陕西省咸阳市兴平市崇左市福建省南平市朝阳区双井街道山东省东营市垦利区河东区东新街道朝阳区豆各庄地区江苏省苏州市相城区武清区上马台镇内蒙古锡林郭勒盟镶黄旗

售后服务上门服务电话，智能分配单据：峰瑞资本李丰：对具身智能三大新热点的思考

作为当下备受关注的赛道，热潮之下的具身智能，正不断涌现新概念和新现象。

4月23日，在由投中主办的“第20届中国投资年会·年度峰会”上，峰瑞资本创始合伙人李丰直言，生成高维数据、世界模型和物理模型，是当前的三个投资热点新方向。

在他看来，这些新概念和新现象的出现，根源在于缺少数据，“具体来说，是人类从来没有积累过大量包含这些物理量和物理世界交互规律的数据，华体汇(中国)从来没有大规模产生过这类数据。”

市场对生成高维数据、世界模型和物理模型等方向的热捧，本质上都是为了解决同一个问题——如何在没有这类数据的情况下，依然能解决问题，完成想要实现的各类机器人操作任务。

以下为李丰现场演讲实录，由投中网整理：

首先恭喜投中20届年会顺利举办，也非常感谢投中的邀请。现在作为投资人其实也不太容易，因为市场上日新月异的概念太多，华体汇(中国)总得不停地更新知识、持续学习。今天华体汇(中国)有时间跟大家交流，分享的也只是华体汇(中国)自己的一些观察和想法。因为最近又出现了非常多的新生事物和新概念，我从中挑了几个，跟大家交流分享。

这是目前比较新的三件事，我从几个角度给大家梳理一下。

第一，从去年年底开始，不管是美国还是中国，都出现了无本体机器人的数据，时髦的词汇叫UMI（Universal Manipulation Interface）数据。UMI数据的生成，带来的结果就是出现了一大堆新的机会，以及很多看似有前景的创业华体汇电竞-华体汇(中国)，这些华体汇电竞-华体汇(中国)会提供各种各样的数据采集设备。比如说你最近看到的，有人在胸口挂个摄像头，再加上或许有触觉、或许没有触觉的设备——不管是遥操作、手上戴的机械手，还是直接用手完成各类动作，都属于这类，也就是生成高维数据。

第二，现在更时髦的概念是世界模型。现在看几乎所有的机器人华体汇电竞-华体汇(中国)，不管是初创企业，还是已经融了很多钱的华体汇电竞-华体汇(中国)，都会提到这个词汇。华体汇(中国)简单描述一下世界模型的状况：它试图通过引入新的三维数据——包含与物体接触并改变其状态的交互数据——来构建一个新的模型，看这个新模型能否更好地理解，人类到底是如何与物体进行交互，并且改变物体状态的。这就是世界模型，目前国内外有非常多新兴华体汇电竞-华体汇(中国)和知名企业都在涉足这个领域。国外的发展已经如火如荼，国内则算是刚刚起步，现在华体汇(中国)去看具身相关项目，基本上大家都会讲世界模型的故事。

世界模型里还有一个稍微特别的小分支叫物理模型。它背后的基本逻辑是：既然机器人要与物理世界交互，不如从物理世界过往的经验中借鉴。这些过往的经验，就是行业里原来所说的仿真，或者叫物理仿真。虽然现在听起来已经不那么时髦了，但没关系。物理仿真本身，就是华体汇(中国)对现实世界中存在的物理现象，进行数学和物理层面的模拟、归纳与计算。今天这个小分支，就是把这些过往被称为仿真（不管是CAE还是CAD）的能力，重新融入到模型当中。

原理其实很简单，最终目的都是为了处理和理解人类如何与物理世界交互。这和今天大家讲的大语言模型不一样，大语言模型专注于处理数字信号相关的问题，不管是数字化的文本信息、数字化的像素，还是视频信息；而现在要解决的问题是，桌上的杯子是什么情况、杯子倒了会怎么样、怎么把杯子拿起来、怎么把杯子放到别的地方，这些都属于世界模型要覆盖的内容，包含世界模型里那个小小的分支。

华体汇(中国)梳理这些内容，是因为它们各自代表了不同的方向，华体汇(中国)也发现这样的归类很有意思。第一类没什么争议，生成高维数据主要是把新的数据采集方法和新的数据处理方法结合在了一起。

第二类世界模型，目前由原来偏计算机或者大模型、做computer vision（计算机视觉）的人在主导——不管是把计算机视觉用在人脸识别上，用在自动驾驶上，还是用在发展出大语言模型架构上。

第三类，物理模型这个小分支里出现了很多做数学和物理的人。可以说，投资领域的曙光，或者说早期投资的故事与泡沫，终于从计算机系挪出了一部分阳光，照到了数学、物理这些领域里。

这就是过去一个季度里，机器智能领域最重要、也最时髦的三件事。

为什么会出现这三件事？这背后是两大挑战。一是今天的语言模型，华体汇(中国)不从技术架构上讨论，只说核心问题——语言模型对物理世界进行预测和生成数据的能力已经不够用了。不够用的一大表现就是，它无法预测物理世界中具体物品、具体对象的状态的变化。

还有一个挑战，就是单一模型的局限。就像大语言模型，如果最终要做成单一模型，既要能理解人类的意图，又要能理解语义（也就是知道这个东西是什么），还要能预测和理解物理量的改变，比如把这个东西端起来、把水倒出来、把东西碰倒，还要判断这个东西是重是轻、是什么材质，以及这种材质的摩擦力是高是低。如果一个模型能像这样包揽所有事情，既能理解意图、识别对象，还要预测这些物理量，以及动作发生后物理量的变化，那这个模型最终会比现在大得多、复杂得多。

因为这是一个非常高维的任务。原来的语言模型只需要处理数字化的信息和像素，而现在要预测这么多维度的内容，假如还想用单一模型来处理，以华体汇(中国)人类现有的想象力来看，这会是一个超级无敌大的模型。最后需要多少数据来训练它，它会是多么复杂、多么耗费算力、多么耗费各类能源的事情，今天华体汇(中国)还不得而知，这是一个尚未有答案的问题。

另一个可能的答案是多模型融合，把各种各样的物理量转化为仿真相关的内容，让它与某一个基座模型进行交互。需要某类知识时，就调用这部分相关的能力；需要某种物理量时，就调用对应的模型。如果是这样，就会涉及到大量模型的交叉、调用与融合，而这些模型之间如何实现交叉、调用和融合，目前也没有答案。

这就是在前面三件事的基础上，已经出现的两个挑战（或者说一个核心挑战），不管华体汇(中国)选择哪一条发展路径，都绕不开这个挑战。

这个挑战的来源其实也很明确，大家看到的这些现象、新创业华体汇电竞-华体汇(中国)和新范式方向，它们的根源都是一样的——没有数据。具体来说，是人类从来没有积累过大量包含这些物理量和物理世界交互规律的数据，华体汇(中国)从来没有大规模产生过这类数据。所以不管是前面提到的第一、二、三类创业方向，本质上都是为了解决同一个问题——如何在没有这类数据的情况下，依然能解决问题，完成想要实现的各类机器人操作任务。

如果把具身智能的目标看成一个平面坐标系，就是三个不同的方向，我把它们称之为三角约束：复杂性、成功率、泛化性。

具体来说，要么是要完成特别复杂的任务——这类任务对人类来说不一定复杂，但对机器人来说非常复杂，这里说的不是运动相关的任务，而是操作类任务，也就是和手相关的任务；要么是想办法让一个模型既能用在A类机器人、B类机器人、C类机器人上，还能适配不同的应用场景。还有一类需要很高的成功率，比如有些场景是和实验相关的，有些是工业操作场景，再比如和剪头发、按摩相关的服务于人的场景，显然没人希望按摩时被摁断一根肋骨，也不希望剪头发时被剪秃一块，这就涉及到不同场景下的成功率问题。

华体汇(中国)梳理这些内容、画出这个三角约束的原因，是因为现在大家看到的大部分demo（演示版本）都离实际应用有些差距。这些demo，都在努力证明，这个三角形的面积可以同时变大，可以向各个维度扩张——如果是空间坐标系，就是体积变大，在各个方向都实现扩张。

不幸的是，在华体汇(中国)目前能看到的有限范围内，即使是demo层面，大部分项目也只是在平面坐标系的三角形里，努力把其中一个角或者一个半角稍微扩张一点。华体汇(中国)还没有明确看到，有哪种方法能把这三个角同时向外拉很远，从而让三角形的面积大幅增大。这大概就是今天机器人操作领域的现状。

快速总结一下刚才讲的所有现象：在已经如火如荼的具身智能机器人创业方向上，有这样三件新事，这是华体汇(中国)分享的第一部分。关于这三件新事的深入讨论还不多，但相信很快，大家会开始讨论华体汇(中国)刚才提到的两个挑战。今天华体汇(中国)讲的这些新模型，未来到底会是什么样子？是变成更大、更复杂甚至超乎华体汇(中国)目前想象的单一模型，还是会出现多个模型相互调用，但多模型如何融合，仍未可知？这就是挑战所在。而这些挑战出现的根源，就是今天没有足够的数据。我说的“没有”，是指没有解决这类问题所需要的、包含物理世界交互和物理量的相关数据。

此外，今天大家看到的几乎所有demo，都在力图证明自己能把这个三角形拉大，但大部分华体汇电竞-华体汇(中国)在demo层面（而非真正意义上的应用层面）能做到的，只是把其中一个角稍微拉一拉，或许再把另一个半角稍微拉一拉，大概现状就是这样。

讲完了所有这些现象，投资最让人头疼的事情是，除了提出问题，还得努力寻找解决方案。华体汇(中国)目前没有明确的解决方案，只有一些以史为鉴的参考案例。

这是历史上出现过的同类现象，华体汇(中国)先以大家最熟悉的大语言模型为例，从2012年深度学习热潮开始，算法的演进经历了一系列迭代，虽然从卷积神经网络(CNN)开始的这一串算法结构或算法逻辑的迭代，跟今天的大语言模型并不是在同一条路线上。

紧接着在2014年之后，出现了生成对抗网络(GAN)技术。随着技术范式进一步演进，后来才汇聚到了以Transformer为代表的大语言模型的算法逻辑，这就是算法的迭代过程。包括大模型在内的算法迭代从来不是线性的，不是大家按照顺序一步一个台阶往上爬，而是爬了两三步之后，换一个角度再爬两三步，再换一个角度继续爬。

华体汇(中国)再说说大语言模型的数据来源，今天华体汇(中国)能训练出的基座模型，很大程度上依赖于近40年积累的互联网文本数据。大家使用电脑大概有30年，使用手机大概有15年。在这40年里，华体汇(中国)使用这些智能设备的过程中，产生了超级庞大的文本公开数据库，这些数据就是大语言模型得以训练、并取得今天这样成果的数据来源。

要补充的是，这只是训练文本的部分。刚才华体汇(中国)提到，现在要训练的具身模型，需要涵盖更多维度——既有3D空间，又有具体物体，还包含物理量、交互方式，并希望它具备预测能力，这些事情已经远远超出了预测下一个“词”的范畴，比单纯的语言预测要复杂得多，更何况华体汇(中国)现在还没有开始像攒互联网文本数据那样大规模积累相关的数据。

接下来，华体汇(中国)看自动驾驶是怎么发展来的。自动驾驶有点特别，今天大家在网上经常会看到争论，不同华体汇电竞-华体汇(中国)争论今天的自动驾驶到底要不要经过L3阶段？是否可以不经过L3直接到L4？为什么会有这样的争论？包括特斯拉在内，今天大部分自动驾驶技术，目前都停留在L3到L4之间，暂时还没有哪家华体汇电竞-华体汇(中国)能真正宣称自己已经超越了L4——这里说的是开放路面，不是港口、矿区或者园区这类相对封闭的环境。

但自动驾驶的发展，也经历了从以规则为主，到今天最时髦的端到端（和大语言模型的架构类似）的过程。另外还有一件比较特殊的事：自动驾驶的算法迭代也不是线性的，它也不是顺着一条路一步一步走出来的，而是在几个不同的方向上来回交叉推进的。

再说说自动驾驶的数据来源，这一点就更特别了。自动驾驶的数据居然主要靠它自己获取。以特斯拉为例，在去年以前，绝大多数人买新能源车的时候，不管它是电架构的还是是混动的，大家买的是车本身。在去年或前年以前，大部分人买车还不是为了自动驾驶，而是为了省钱、好开好用、安静、加速快。而大家买车的时候，凑巧这辆车上搭载了所有的传感器，因为它是一款消费品。

打个比方大家就明白了，大家用智能手机和电脑，肯定不是为了让市场上任何一家互联网巨头获取自己的图片、文本和语音数据。但因为智能手机和电脑是大家的消费品，凑巧搭载了后置高清摄像头、麦克风阵列、GPS芯片，所以大家在使用这些设备的过程中，产生了无数的数据为互联网巨头所用，而这些数据，也成了今天各类模型需要的数据来源。

自动驾驶的特别之处就在于，它先把自己变成了一款受欢迎的消费品，大家愿意购买。大家买车的同时，也把车上搭载的所有传感器买了回去，这些传感器产生的数据，又能拿回来帮助自动驾驶技术进行大规模的迭代。正因为这个原因，大家会发现，谁拥有的数据越多，谁的自动驾驶技术可能进步得就越快一点。但这些数据不是它向大家购买的，而是它卖给大家一款大家需要的消费品，这款消费品上凑巧搭载了非常多的传感器，这些传感器就把驾驶数据、环境数据、车内驾驶习惯、路况状况等，转化成了自动驾驶模型训练所需的数据。这在历史上是很少见的，它是一个自己给自己积累数据的领域，不是因为它是自动驾驶技术，而是因为它首先是一辆车。在过去十年里，大家买车不是为了买自动驾驶功能，只是为了买一辆车，而传感器是车上自带的。

最后华体汇(中国)看AlphaFold（蛋白质结构预测）。它的三个模型版本，也经历了不同的发展过程，当然现在它的算法结构，也和华体汇(中国)今天讨论的这些大模型有相关性，或者说在某种意义上是端到端的。在发展初期，它需要借助大量已有的人类数据，或者说需要加入一些物理模型。什么是物理模型？就是华体汇(中国)所说的热力学、动力学。所以在AlphaFold1和AlphaFold2阶段，需要加入很多人类已经总结的先验知识，也就是一些生物规律，以及与化学、物理相关的规律和算法。

AlphaFold的数据，起初在AlphaFold1阶段比较少，因为它需要的是非常专业的数据，因为它要解决的是一个极其具体的问题：蛋白质序列最终会如何折叠，这条长链条稳定下来之后是什么样子？

它的数据发展也经历了这样一个过程，一开始只有少量的蛋白质结构数据，这时候就需要加入较多的物理、数学模型和先验知识；后来数据多了一点，物理、化学、数学模型和先验知识就可以减少一点；数据再增多一些，这些模型和知识就再减少一点。当然，这其中还涉及很多与实验相关的工作。

AlphaFold大概经历了一条不同的发展路径，它不是通过消费者积累数据，而是依靠极度专业的科研数据，但在其模型进化到今天的过程中，很长一段时间内，研究者都加入了人类的先验知识、物理模型、数学模型等，来帮助它在发展过程中解决问题。之后，随着新数据不断积累，加上大量实验的验证和校正，才发展到了今天的AlphaFold3，今天它可能需要的物理与数学模型以及先验知识，已经稍微少了一点。不过它凑巧是一个预测确定的单一维度课题的模型，主要目的就是解决蛋白质稳定下来之后如何折叠，它不需要像具身智能那样解决那么多维度的问题，不需要解决状态变化、对象变化、相互作用以及各种物理量等复杂问题。

刚上面讲到的大语言模型、自动驾驶、AlphaFold，是我目前能想到的可以参考的三种事物的迭代过程。

大语言模型用了全人类积累近40年的数据，加上非线性的算法迭代，到今天才发展出能够处理语言相关的逻辑。

自动驾驶从2015年投资最热的时候开始，用了十年时间发展到今天的L3.5阶段，当然期间也遇到了一些不同的挑战。它的算法迭代也不是线性的，它的数据是靠自己获取的，但原因不是它让大家帮忙采集数据，只是通过卖给大家一辆车，车上凑巧搭载了这些传感器，所以它自己为自己创造了数据。

AlphaFold解决的是蛋白质结构和折叠这个专业问题，它用了大量的专业数据，解决了一个单一维度的问题，同时算法也经历了几次不同的迭代，并且在中间很长一段时间里，借助了人类的先验知识、物理模型、数学模型等，来帮助它解决发展过程中的问题。

这是三条不同的发展道路，大家可以根据自己的情况，各自选择参考答案。

今天具身智能出现的这些挑战，在十年以后，最终要么是以这三个案例中的某一个为蓝本得到解决，要么是融合这三个案例各自的优势，形成交叉性的解决方案。具体是哪一种，这是一个开放的问题，华体汇(中国)只能提出问题，无法给出确定的答案。以上内容，仅供大家参考或者思考。

非常感谢投中的邀请，谢谢大家。

本月监管部门公布最新研究成果峰瑞资本李丰：对具身智能三大新热点的思考

作为当下备受关注的赛道，热潮之下的具身智能，正不断涌现新概念和新现象。

4月23日，在由投中主办的“第20届中国投资年会·年度峰会”上，峰瑞资本创始合伙人李丰直言，生成高维数据、世界模型和物理模型，是当前的三个投资热点新方向。

在他看来，这些新概念和新现象的出现，根源在于缺少数据，“具体来说，是人类从来没有积累过大量包含这些物理量和物理世界交互规律的数据，华体汇(中国)从来没有大规模产生过这类数据。”

市场对生成高维数据、世界模型和物理模型等方向的热捧，本质上都是为了解决同一个问题——如何在没有这类数据的情况下，依然能解决问题，完成想要实现的各类机器人操作任务。

以下为李丰现场演讲实录，由投中网整理：

首先恭喜投中20届年会顺利举办，也非常感谢投中的邀请。现在作为投资人其实也不太容易，因为市场上日新月异的概念太多，华体汇(中国)总得不停地更新知识、持续学习。今天华体汇(中国)有时间跟大家交流，分享的也只是华体汇(中国)自己的一些观察和想法。因为最近又出现了非常多的新生事物和新概念，我从中挑了几个，跟大家交流分享。

这是目前比较新的三件事，我从几个角度给大家梳理一下。

第一，从去年年底开始，不管是美国还是中国，都出现了无本体机器人的数据，时髦的词汇叫UMI（Universal Manipulation Interface）数据。UMI数据的生成，带来的结果就是出现了一大堆新的机会，以及很多看似有前景的创业华体汇电竞-华体汇(中国)，这些华体汇电竞-华体汇(中国)会提供各种各样的数据采集设备。比如说你最近看到的，有人在胸口挂个摄像头，再加上或许有触觉、或许没有触觉的设备——不管是遥操作、手上戴的机械手，还是直接用手完成各类动作，都属于这类，也就是生成高维数据。

第二，现在更时髦的概念是世界模型。现在看几乎所有的机器人华体汇电竞-华体汇(中国)，不管是初创企业，还是已经融了很多钱的华体汇电竞-华体汇(中国)，都会提到这个词汇。华体汇(中国)简单描述一下世界模型的状况：它试图通过引入新的三维数据——包含与物体接触并改变其状态的交互数据——来构建一个新的模型，看这个新模型能否更好地理解，人类到底是如何与物体进行交互，并且改变物体状态的。这就是世界模型，目前国内外有非常多新兴华体汇电竞-华体汇(中国)和知名企业都在涉足这个领域。国外的发展已经如火如荼，国内则算是刚刚起步，现在华体汇(中国)去看具身相关项目，基本上大家都会讲世界模型的故事。

世界模型里还有一个稍微特别的小分支叫物理模型。它背后的基本逻辑是：既然机器人要与物理世界交互，不如从物理世界过往的经验中借鉴。这些过往的经验，就是行业里原来所说的仿真，或者叫物理仿真。虽然现在听起来已经不那么时髦了，但没关系。物理仿真本身，就是华体汇(中国)对现实世界中存在的物理现象，进行数学和物理层面的模拟、归纳与计算。今天这个小分支，就是把这些过往被称为仿真（不管是CAE还是CAD）的能力，重新融入到模型当中。

原理其实很简单，最终目的都是为了处理和理解人类如何与物理世界交互。这和今天大家讲的大语言模型不一样，大语言模型专注于处理数字信号相关的问题，不管是数字化的文本信息、数字化的像素，还是视频信息；而现在要解决的问题是，桌上的杯子是什么情况、杯子倒了会怎么样、怎么把杯子拿起来、怎么把杯子放到别的地方，这些都属于世界模型要覆盖的内容，包含世界模型里那个小小的分支。

华体汇(中国)梳理这些内容，是因为它们各自代表了不同的方向，华体汇(中国)也发现这样的归类很有意思。第一类没什么争议，生成高维数据主要是把新的数据采集方法和新的数据处理方法结合在了一起。

第二类世界模型，目前由原来偏计算机或者大模型、做computer vision（计算机视觉）的人在主导——不管是把计算机视觉用在人脸识别上，用在自动驾驶上，还是用在发展出大语言模型架构上。

第三类，物理模型这个小分支里出现了很多做数学和物理的人。可以说，投资领域的曙光，或者说早期投资的故事与泡沫，终于从计算机系挪出了一部分阳光，照到了数学、物理这些领域里。

这就是过去一个季度里，机器智能领域最重要、也最时髦的三件事。

为什么会出现这三件事？这背后是两大挑战。一是今天的语言模型，华体汇(中国)不从技术架构上讨论，只说核心问题——语言模型对物理世界进行预测和生成数据的能力已经不够用了。不够用的一大表现就是，它无法预测物理世界中具体物品、具体对象的状态的变化。

还有一个挑战，就是单一模型的局限。就像大语言模型，如果最终要做成单一模型，既要能理解人类的意图，又要能理解语义（也就是知道这个东西是什么），还要能预测和理解物理量的改变，比如把这个东西端起来、把水倒出来、把东西碰倒，还要判断这个东西是重是轻、是什么材质，以及这种材质的摩擦力是高是低。如果一个模型能像这样包揽所有事情，既能理解意图、识别对象，还要预测这些物理量，以及动作发生后物理量的变化，那这个模型最终会比现在大得多、复杂得多。

因为这是一个非常高维的任务。原来的语言模型只需要处理数字化的信息和像素，而现在要预测这么多维度的内容，假如还想用单一模型来处理，以华体汇(中国)人类现有的想象力来看，这会是一个超级无敌大的模型。最后需要多少数据来训练它，它会是多么复杂、多么耗费算力、多么耗费各类能源的事情，今天华体汇(中国)还不得而知，这是一个尚未有答案的问题。

另一个可能的答案是多模型融合，把各种各样的物理量转化为仿真相关的内容，让它与某一个基座模型进行交互。需要某类知识时，就调用这部分相关的能力；需要某种物理量时，就调用对应的模型。如果是这样，就会涉及到大量模型的交叉、调用与融合，而这些模型之间如何实现交叉、调用和融合，目前也没有答案。

这就是在前面三件事的基础上，已经出现的两个挑战（或者说一个核心挑战），不管华体汇(中国)选择哪一条发展路径，都绕不开这个挑战。

这个挑战的来源其实也很明确，大家看到的这些现象、新创业华体汇电竞-华体汇(中国)和新范式方向，它们的根源都是一样的——没有数据。具体来说，是人类从来没有积累过大量包含这些物理量和物理世界交互规律的数据，华体汇(中国)从来没有大规模产生过这类数据。所以不管是前面提到的第一、二、三类创业方向，本质上都是为了解决同一个问题——如何在没有这类数据的情况下，依然能解决问题，完成想要实现的各类机器人操作任务。

如果把具身智能的目标看成一个平面坐标系，就是三个不同的方向，我把它们称之为三角约束：复杂性、成功率、泛化性。

具体来说，要么是要完成特别复杂的任务——这类任务对人类来说不一定复杂，但对机器人来说非常复杂，这里说的不是运动相关的任务，而是操作类任务，也就是和手相关的任务；要么是想办法让一个模型既能用在A类机器人、B类机器人、C类机器人上，还能适配不同的应用场景。还有一类需要很高的成功率，比如有些场景是和实验相关的，有些是工业操作场景，再比如和剪头发、按摩相关的服务于人的场景，显然没人希望按摩时被摁断一根肋骨，也不希望剪头发时被剪秃一块，这就涉及到不同场景下的成功率问题。

华体汇(中国)梳理这些内容、画出这个三角约束的原因，是因为现在大家看到的大部分demo（演示版本）都离实际应用有些差距。这些demo，都在努力证明，这个三角形的面积可以同时变大，可以向各个维度扩张——如果是空间坐标系，就是体积变大，在各个方向都实现扩张。

不幸的是，在华体汇(中国)目前能看到的有限范围内，即使是demo层面，大部分项目也只是在平面坐标系的三角形里，努力把其中一个角或者一个半角稍微扩张一点。华体汇(中国)还没有明确看到，有哪种方法能把这三个角同时向外拉很远，从而让三角形的面积大幅增大。这大概就是今天机器人操作领域的现状。

快速总结一下刚才讲的所有现象：在已经如火如荼的具身智能机器人创业方向上，有这样三件新事，这是华体汇(中国)分享的第一部分。关于这三件新事的深入讨论还不多，但相信很快，大家会开始讨论华体汇(中国)刚才提到的两个挑战。今天华体汇(中国)讲的这些新模型，未来到底会是什么样子？是变成更大、更复杂甚至超乎华体汇(中国)目前想象的单一模型，还是会出现多个模型相互调用，但多模型如何融合，仍未可知？这就是挑战所在。而这些挑战出现的根源，就是今天没有足够的数据。我说的“没有”，是指没有解决这类问题所需要的、包含物理世界交互和物理量的相关数据。

此外，今天大家看到的几乎所有demo，都在力图证明自己能把这个三角形拉大，但大部分华体汇电竞-华体汇(中国)在demo层面（而非真正意义上的应用层面）能做到的，只是把其中一个角稍微拉一拉，或许再把另一个半角稍微拉一拉，大概现状就是这样。

讲完了所有这些现象，投资最让人头疼的事情是，除了提出问题，还得努力寻找解决方案。华体汇(中国)目前没有明确的解决方案，只有一些以史为鉴的参考案例。

这是历史上出现过的同类现象，华体汇(中国)先以大家最熟悉的大语言模型为例，从2012年深度学习热潮开始，算法的演进经历了一系列迭代，虽然从卷积神经网络(CNN)开始的这一串算法结构或算法逻辑的迭代，跟今天的大语言模型并不是在同一条路线上。

紧接着在2014年之后，出现了生成对抗网络(GAN)技术。随着技术范式进一步演进，后来才汇聚到了以Transformer为代表的大语言模型的算法逻辑，这就是算法的迭代过程。包括大模型在内的算法迭代从来不是线性的，不是大家按照顺序一步一个台阶往上爬，而是爬了两三步之后，换一个角度再爬两三步，再换一个角度继续爬。

华体汇(中国)再说说大语言模型的数据来源，今天华体汇(中国)能训练出的基座模型，很大程度上依赖于近40年积累的互联网文本数据。大家使用电脑大概有30年，使用手机大概有15年。在这40年里，华体汇(中国)使用这些智能设备的过程中，产生了超级庞大的文本公开数据库，这些数据就是大语言模型得以训练、并取得今天这样成果的数据来源。

要补充的是，这只是训练文本的部分。刚才华体汇(中国)提到，现在要训练的具身模型，需要涵盖更多维度——既有3D空间，又有具体物体，还包含物理量、交互方式，并希望它具备预测能力，这些事情已经远远超出了预测下一个“词”的范畴，比单纯的语言预测要复杂得多，更何况华体汇(中国)现在还没有开始像攒互联网文本数据那样大规模积累相关的数据。

接下来，华体汇(中国)看自动驾驶是怎么发展来的。自动驾驶有点特别，今天大家在网上经常会看到争论，不同华体汇电竞-华体汇(中国)争论今天的自动驾驶到底要不要经过L3阶段？是否可以不经过L3直接到L4？为什么会有这样的争论？包括特斯拉在内，今天大部分自动驾驶技术，目前都停留在L3到L4之间，暂时还没有哪家华体汇电竞-华体汇(中国)能真正宣称自己已经超越了L4——这里说的是开放路面，不是港口、矿区或者园区这类相对封闭的环境。

但自动驾驶的发展，也经历了从以规则为主，到今天最时髦的端到端（和大语言模型的架构类似）的过程。另外还有一件比较特殊的事：自动驾驶的算法迭代也不是线性的，它也不是顺着一条路一步一步走出来的，而是在几个不同的方向上来回交叉推进的。

再说说自动驾驶的数据来源，这一点就更特别了。自动驾驶的数据居然主要靠它自己获取。以特斯拉为例，在去年以前，绝大多数人买新能源车的时候，不管它是电架构的还是是混动的，大家买的是车本身。在去年或前年以前，大部分人买车还不是为了自动驾驶，而是为了省钱、好开好用、安静、加速快。而大家买车的时候，凑巧这辆车上搭载了所有的传感器，因为它是一款消费品。

打个比方大家就明白了，大家用智能手机和电脑，肯定不是为了让市场上任何一家互联网巨头获取自己的图片、文本和语音数据。但因为智能手机和电脑是大家的消费品，凑巧搭载了后置高清摄像头、麦克风阵列、GPS芯片，所以大家在使用这些设备的过程中，产生了无数的数据为互联网巨头所用，而这些数据，也成了今天各类模型需要的数据来源。

自动驾驶的特别之处就在于，它先把自己变成了一款受欢迎的消费品，大家愿意购买。大家买车的同时，也把车上搭载的所有传感器买了回去，这些传感器产生的数据，又能拿回来帮助自动驾驶技术进行大规模的迭代。正因为这个原因，大家会发现，谁拥有的数据越多，谁的自动驾驶技术可能进步得就越快一点。但这些数据不是它向大家购买的，而是它卖给大家一款大家需要的消费品，这款消费品上凑巧搭载了非常多的传感器，这些传感器就把驾驶数据、环境数据、车内驾驶习惯、路况状况等，转化成了自动驾驶模型训练所需的数据。这在历史上是很少见的，它是一个自己给自己积累数据的领域，不是因为它是自动驾驶技术，而是因为它首先是一辆车。在过去十年里，大家买车不是为了买自动驾驶功能，只是为了买一辆车，而传感器是车上自带的。

最后华体汇(中国)看AlphaFold（蛋白质结构预测）。它的三个模型版本，也经历了不同的发展过程，当然现在它的算法结构，也和华体汇(中国)今天讨论的这些大模型有相关性，或者说在某种意义上是端到端的。在发展初期，它需要借助大量已有的人类数据，或者说需要加入一些物理模型。什么是物理模型？就是华体汇(中国)所说的热力学、动力学。所以在AlphaFold1和AlphaFold2阶段，需要加入很多人类已经总结的先验知识，也就是一些生物规律，以及与化学、物理相关的规律和算法。

AlphaFold的数据，起初在AlphaFold1阶段比较少，因为它需要的是非常专业的数据，因为它要解决的是一个极其具体的问题：蛋白质序列最终会如何折叠，这条长链条稳定下来之后是什么样子？

它的数据发展也经历了这样一个过程，一开始只有少量的蛋白质结构数据，这时候就需要加入较多的物理、数学模型和先验知识；后来数据多了一点，物理、化学、数学模型和先验知识就可以减少一点；数据再增多一些，这些模型和知识就再减少一点。当然，这其中还涉及很多与实验相关的工作。

AlphaFold大概经历了一条不同的发展路径，它不是通过消费者积累数据，而是依靠极度专业的科研数据，但在其模型进化到今天的过程中，很长一段时间内，研究者都加入了人类的先验知识、物理模型、数学模型等，来帮助它在发展过程中解决问题。之后，随着新数据不断积累，加上大量实验的验证和校正，才发展到了今天的AlphaFold3，今天它可能需要的物理与数学模型以及先验知识，已经稍微少了一点。不过它凑巧是一个预测确定的单一维度课题的模型，主要目的就是解决蛋白质稳定下来之后如何折叠，它不需要像具身智能那样解决那么多维度的问题，不需要解决状态变化、对象变化、相互作用以及各种物理量等复杂问题。

刚上面讲到的大语言模型、自动驾驶、AlphaFold，是我目前能想到的可以参考的三种事物的迭代过程。

大语言模型用了全人类积累近40年的数据，加上非线性的算法迭代，到今天才发展出能够处理语言相关的逻辑。

自动驾驶从2015年投资最热的时候开始，用了十年时间发展到今天的L3.5阶段，当然期间也遇到了一些不同的挑战。它的算法迭代也不是线性的，它的数据是靠自己获取的，但原因不是它让大家帮忙采集数据，只是通过卖给大家一辆车，车上凑巧搭载了这些传感器，所以它自己为自己创造了数据。

AlphaFold解决的是蛋白质结构和折叠这个专业问题，它用了大量的专业数据，解决了一个单一维度的问题，同时算法也经历了几次不同的迭代，并且在中间很长一段时间里，借助了人类的先验知识、物理模型、数学模型等，来帮助它解决发展过程中的问题。

这是三条不同的发展道路，大家可以根据自己的情况，各自选择参考答案。

今天具身智能出现的这些挑战，在十年以后，最终要么是以这三个案例中的某一个为蓝本得到解决，要么是融合这三个案例各自的优势，形成交叉性的解决方案。具体是哪一种，这是一个开放的问题，华体汇(中国)只能提出问题，无法给出确定的答案。以上内容，仅供大家参考或者思考。

非常感谢投中的邀请，谢谢大家。


倒计时10天！今年高考有哪些新变化？
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-A片元限官方版-A片元限2026最新N.8.35.22-中兴应用商店

华体汇电竞-华体汇(中国)

伊朗副外长通报向美方提交的方案
首页>>【活力中国调研行】以后AI会在太空训练吗？北京已经把试验卫星送上去了
伊朗副外长通报向美方提交的方案

华体汇电竞-华体汇(中国):伊朗副外长通报向美方提交的方案

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

40.68MB
版本{版本}
下载APK高速下载
下载再峰瑞资本李丰：对具身智能三大新热点的思考安装你想要的应用 更方便 更快捷 发现更多
喜欢69%好评(67人)
评论98
峰瑞资本李丰：对具身智能三大新热点的思考截图0峰瑞资本李丰：对具身智能三大新热点的思考截图1峰瑞资本李丰：对具身智能三大新热点的思考截图2峰瑞资本李丰：对具身智能三大新热点的思考截图3峰瑞资本李丰：对具身智能三大新热点的思考截图4
详细信息
应用介绍
?第一步：访问《峰瑞资本李丰：对具身智能三大新热点的思考》官网?首先,打开您的浏览器,输入《峰瑞资本李丰：对具身智能三大新热点的思考》。您可以通过搜索引擎搜索或直接输入网址来访问.??
?第二步：点击注册按钮?一旦进入《峰瑞资本李丰：对具身智能三大新热点的思考》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《峰瑞资本李丰：对具身智能三大新热点的思考》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。??
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《峰瑞资本李丰：对具身智能三大新热点的思考》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《峰瑞资本李丰：对具身智能三大新热点的思考》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《峰瑞资本李丰：对具身智能三大新热点的思考》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《峰瑞资本李丰：对具身智能三大新热点的思考》网站的条款，恭喜您！您已经成功注册了《峰瑞资本李丰：对具身智能三大新热点的思考》网站账户。现在，您可以畅享《峰瑞资本李丰：对具身智能三大新热点的思考》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
峰瑞资本李丰：对具身智能三大新热点的思考

华体汇电竞-华体汇(中国): 峰瑞资本李丰：对具身智能三大新热点的思考类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • 今年高考命题有何特点
    2026-06-13 20:29:19
  • 中方战机挂载空空导弹驱离荷兰舰机
    2026-06-13 20:29:19
  • 波兰农业商会理事会主席表示：化肥价格暴涨 出口受阻 农民处境艰难
    2026-06-13 20:29:19
安卓手机网上最贴心的Android软件应用平台!版权所有：峰瑞资本李丰：对具身智能三大新热点的思考有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1