过去几年，人工智能最耀眼的故事，几乎都属于大语言模型。机器开始听懂语言、写出文章、完成推理，仿佛真的长出了“大脑”。但一个被长期忽略的事实是：一旦AI走出数字世界，踏进真实、杂乱、充满意外的物理场景，面对一间没见过的厨房、一堆形状不规则的物品、一项从未被预设的任务，绝大多数系统依然寸步难行。

机器人能搬运、焊接、会后空翻，却很难在陌生厨房里自主收拾碗筷；机械臂可以精准重复上万次动作，却无法应对一个位置偏移、一件材质特殊的东西。行业早已形成共识：机器人不缺电机与结构，不缺运动控制，真正缺的，是能理解世界、适应变化、把所有任务都做通的通用智能。

近日，Invest Like The Best栏目专访了全球机器人与具身智能领域的顶尖研究者、Physical Intelligence联合创始人Sergey Levine。这位曾在谷歌深耕、在加州大学伯克利分校带队的科学家，正走一条和主流截然不同的技术路线：不做只擅长单一任务的专用机器人，而是打造能控制任意机械体、适应任意环境、完成任意物理任务的机器人基础模型。

在数小时的对话里，Sergey没有堆砌术语，也没有描绘空洞的科幻未来，而是把通用机器人的困境、路径、争议与未来，一层层拆解得清晰而坦诚。他所做的事情，正在重新定义机器人的下一个时代。

PART 01

放弃“专精”，选择“通用”：一条反直觉却更长远的路

很多人第一次听到Physical Intelligence的方向都会疑惑：为什么不先做一款能高效洗碗、精准叠衣、稳定落地的专用机器人？把一件事做到极致，难道不比什么都做更现实吗？

Sergey给出的答案，违背直觉，却直指本质：从长期看，做通用机器人，比做无数个专用机器人更简单、更经济、更可持续。

他的判断，直接来自大语言模型的演进历史。在LLM出现之前，自然语言处理被细分任务切割：机器翻译、情感分析、文本分类各自为战。研究者为每个任务单独设计模型、标注数据、调优算法，成本高、扩展性差。直到通用大模型出现，用海量数据学习语言的底层规律，一个模型覆盖所有语言任务，泛化能力和成本效率，彻底碾压专用方案。

在Sergey看来，机器人正在复刻这一过程。按照传统思路，洗碗一套模型、叠衣一套模型、酒店清洁一套模型，每进一个新场景就要重新采集数据、重新训练、重新部署，不仅形不成技术复利，还会被无限抬高的成本拖死。人类之所以能快速学会新技能，靠的不是对单一动作死记硬背，而是拥有一套共通的物理常识——知道物体会坠落、力有方向、空间有结构，能凭这套底层直觉应对未知。

Physical Intelligence的目标，就是让机器人拥有这种通用物理智能。他们要做的不是某一款机器人，而是一类全新的基础模型：就像大模型能处理一切语言任务那样，让这套模型学会所有物理执行设备能完成的事。一旦通用模型成型，任何机械臂、任何机器人、任何新场景，只需要极少的适配数据就能落地，真正实现“一个大脑，控制所有身体”。

“我们不是在造机器人，我们是在为整个机器人世界，做一套操作系统。”Sergey说。

PART 02

通用机器人最残酷的真相：好看的Demo毫无意义，真正的突破是“泛化”

机器人行业有一个公开的秘密：做出惊艳的演示视频，远比做出能用的通用能力容易得多。

把机器人放在精心布置的环境里，控制光线、固定物品位置、反复调试参数，很容易让机械臂完成一次完美的高难度动作，在社交平台上收获惊叹。但这种温室里的表演，一进入真实世界的杂乱、变动与未知，立刻失效。

Sergey直言，这正是通用机器人研究最痛苦的地方：专用机器人容易炫技，通用机器人的突破，往往看起来平淡无奇。

他提到团队此前公开的厨房清洁演示：机器人被放进一间完全没在训练数据里出现过的家庭厨房，没有人工干预、没有预设路径，却能自主识别餐具、收拾台面、完成清理。单看画面，机器人只是在做人类轻而易举的琐事，毫无炫酷感；但在行业内部，这是一次标志性的跨越——机器人第一次在完全陌生的环境里，靠常识完成任务，而不是靠固定程序与精准调试。

“通用智能的核心，不是在某一个完美场景下做到极致，而是在任何不完美的情况下，都能做出合理的行为。”Sergey说，他们选择的方向，注定做不出一秒抓住眼球的视频，但这是机器人从实验室走向现实的唯一可行路径。比起“能漂亮地做一次”，他们更在意“能在任何情况下把事情做成”。

PART 03

人形机器人很吸睛，但它不是机器人的未来全部

近两年，人形机器人成了科技圈最火的概念。特斯拉Optimus、波士顿动力Atlas、Figure等产品接连亮相，类人的肢体、灵活的动作，让大众默认：机器人就该长得像人。

但Sergey的观点非常明确：人形机器人只是一种形态，绝非终极答案。

他并不否认人形机器人的价值：直观、容易被人理解、能激发对未来的想象，在传播和认知上有天然优势。但从技术本质看，智能和身体形态无关。无论是双足人形、单臂机械台、无人机集群，还是微型医疗设备，它们需要的物理智能高度一致——物体交互、运动规律、因果判断，是所有物理系统共享的底层能力。

在他的构想里，未来机器人世界绝不会被“金属人”垄断。为任务而生、为效率优化，才是正确逻辑：天花板可以挂着多臂机器人，建筑现场可以用上万台无人机组成的集群，医疗可以进入微米级的微型机器人，工业可以是改造后的重型机械。这些形态千差万别的设备，完全可以共用同一套物理智能模型，只做少量微调就能适配。

“机器人不必像人，就像飞机不必像鸟。我们要解决的是智能本身，而不是为某一种身体量身定做一套智能。”Sergey说。

PART 04

困扰机器人四十年的难题：常识从哪来？

过去四十年，机器人研究一直卡在一个死结：没有常识。

路面漏油、临时路障、物品突然掉落，传统机器人只会瘫痪；人类却能凭经验快速判断。这种常识从何而来，曾是学界最大的谜题。直到多模态大语言模型出现，答案才真正浮现。

大模型有海量世界知识、语义理解和逻辑推理，短板是无法“落地”到物理空间；机器人擅长行动，却缺乏认知。两者结合，刚好补齐彼此最致命的缺陷。

Sergey团队的技术路径，正是基于这一判断。他们先做视觉-语言-动作模型（VLA），把大语言模型改造为适合机器人控制的架构，先用文本数据建立认知，再用图像数据让模型看懂世界，最后用多样化机器人数据，把认知转化为动作。更关键的是，他们加入了思维链机制：让机器人先“想”，再“动”。

比如接到“清理厨房”的指令，机器人不会盲目挥舞手臂，而是先在内部完成推理：识别桌面上有什么、哪些是餐具、应该按什么顺序收拾、放到哪里。每一步推理，都调用大模型的知识，从而应对场景里的未知与变化。这是物理智能从“执行预设程序”走向“理解真实世界”的关键一步。

“过去我们不知道机器人的常识从哪来，现在我们找到了：来自多模态大模型的知识，来自海量数据沉淀的物理规律。”Sergey说。

PART 05

数据飞轮的真相：不必追求互联网级数据，先让机器人“有用”

行业里一直有一个经典追问：语言模型有互联网级文本数据，机器人没有这样的数据宝库，怎么训练通用模型？

Sergey的回答，打破了很多人的固有认知：我们不需要先算清楚到底需要多少数据，只需要先让机器人足够有用。

他以特斯拉为例：特斯拉从不担心自动驾驶数据不够，因为车先上路、先被使用，数据自然源源不断，形成“越用数据越多，数据越多越智能”的飞轮。机器人逻辑完全一致：当通用模型能真正进入家庭、工厂、酒店、餐厅，完成真实任务，机器人就会在工作中自主采集数据，不需要人工刻意收集，成本大幅下降，模型持续迭代。

在硬件上，他也提出一个反常识观点：通用机器人不需要堆料般的传感器。团队的测试平台只有三个低成本摄像头，没有触觉、没有力觉，依然能完成复杂精细操作。在他看来，好的学习算法，可以很大程度弥补传感器的不足，手腕上的相机，甚至能充当“伪装的触觉传感器”，通过视觉判断接触与形变。

硬件成本十年暴跌、通用模型效率持续提升，正在打破“高端机器人=高成本”的魔咒，让通用机器人的规模化落地，从不可能变成可能。

PART 06

莫拉维克悖论：人类觉得最简单的事，却是机器人的终极难题

机器人领域有一条无法绕过的规律——莫拉维克悖论：人类觉得难的事，比如微积分、逻辑推理，机器人很容易；人类觉得本能的小事，比如端杯子、开门、剥橘子、照顾婴儿，对机器人却是极高难度的挑战。

Sergey坦言，这一点在他们的研究中体现得淋漓尽致。在被称作“机器人奥运会”的日常任务测试里，他们的模型几乎完成了所有项目：开门、洗带油的平底锅、用塑料袋捡东西、剥橘子等。只有两项失败：把衬衫翻面，因为机械爪伸不进袖口；纯用手指剥橘子，因为力度控制不够。

而在他心中，机器人真正的终极难题，是老人照护与婴儿护理。这类任务涉及极高安全风险、精细触觉、复杂情感交互，是人类亿万年进化出的本能，融合了物理智能、社交认知与情绪判断，是通用机器人最后才能攻克的堡垒。

“这些看起来不起眼的日常动作，恰恰是物理智能的巅峰。我们能让机器人完成精密工业操作，却很难让它温柔地抱起一个孩子。”Sergey说。

PART 07

机器人的寒武纪大爆发：当任何人都能造一台机器人

回顾科技史，个人电脑打破了大型机的垄断，把使用门槛降到最低，引爆了创新的寒武纪大爆发。无数人基于PC做出海量应用，彻底改变社会。在Sergey眼里，机器人会走完全一样的路。

当通用物理智能模型成熟，机器人的开发门槛会大幅降低：任何人都可以在车库里组装一台自定义机器人，加载通用模型，用自然语言下指令，再简单微调就能适配自己的场景。不再需要庞大团队、海量标注、专业算法工程师，普通人也能参与机器人创新。

“我们不会被少数几款机器人形态定义，而是会迎来无数形态、无数用途的机器人。”Sergey说，物理智能模型的核心价值，就是把创新门槛拉平，让机器人从专用工业设备，变成人人可用、人人可改的工具，就像今天的电脑和手机。

趋势已经非常明确：十年前，一台科研级机器人造价近40万美元；如今，同款机械臂成本已跌至十分之一，并且还在继续下降。硬件与软件的双重跃进，正在把机器人推向大众化创新的时代。

PART 08

在乐观与谨慎之间：一位顶尖研究者的清醒

在全球机器人研究者里，Sergey的位置很特别：比保守的学院派更乐观，比狂热的创业者更谨慎。

他的乐观，来自亲眼看见的技术突破：从早期端到端学习，到深度强化学习成熟，再到多模态大模型与物理智能结合，困扰行业的难题正在一块块被补上。他的谨慎，则来自机器人领域的长期教训——翻过一座山，总会看见下一座，通用智能没有终点，只有持续的突破与迭代。

谈到行业榜样，他提到波士顿动力和OpenAI。他欣赏波士顿动力长期坚持探索边界，用一次次演示改变人们对“不可能”的认知；更推崇OpenAI的研发氛围，给研究者足够空间，让小众的宠物项目，长成改变世界的产品。这也是Physical Intelligence坚持的理念：尊重基础研究，鼓励自由探索，长期做难而正确的事。

“机器人不是短跑，是需要耐心的马拉松。我们不追短期的热闹，只专注把真正通用的物理智能做出来。”Sergey说。

PART 09

结语与未来

大语言模型解放了脑力，物理智能终将解放体力。

当机器人真正拥有理解世界、适应环境、泛化完成任务的能力，它就不再是实验室展品、工厂专用设备，而是融入生活的助手、生产中的伙伴、探索世界的延伸。

Sergey和他的团队，正在走一条孤独但重要的路：放弃短期可见的商业收益，沉下心打造机器人的通用大脑。他们不做昙花一现的演示，不追市场追捧的形态，只坚守一个判断：通用，是物理智能唯一的出路。

我们依然无法精准预测通用机器人落地的具体时间，但可以确定：当AI真正拥有身体、理解物理世界，人类的工作、生活与生产方式，都会被彻底改写。而这场变革的起点，正是一群人，对“通用物理智能”的长期坚守。