离开理想智驾后，研究强化学习和世界模型15年的夏中谱加入无界动力，开始回答一个更宏大的问题：机器人如何理解和改变真实世界？

作者｜周悦

编辑｜王博

夏中谱记得很多日子。

2024年4月15日，理想汽车的端到端智驾项目启动封闭研发；5月1日之前，数据、模型和部署形成了第一个闭环；6月1日，第一版Demo跑了出来，比原计划提前两周。

但这些日子背后有一个数字，他没有照实说。

时任理想汽车智驾负责人郎咸朋问他，端到端做成的可能性有多大。夏中谱心里想的是20%，报出去的是40%。“有这么高的概率？那我们就干吧。”郎咸朋拍了一下桌子。最后，他们真的干成了。

后来，外界把这段经历概括为“100天端到端首版上车”。夏中谱由此成为理想智驾端到端时代的核心人物，也被称为理想智驾“三驾马车”之一。

2025年年中，夏中谱离开理想，当时有传言称他可能会投身具身智能行业。

彼时，理想已经将AI放进更长期的规划里，但是在理想走完一个完整的技术周期后，他仍然决定离开。

谈到离开理想的原因，他给出的答案没有那么复杂。

我们问他：“如果当时理想把机器人团队独立出来融资，会不会改变你的选择？”

“我还是会走出来做这个事情。”夏中谱说。

这句话让那场“100天的胜仗”变成了一段前史。

今年3月，夏中谱正式加入具身智能公司无界动力，担任联合创始人兼CTO。今年8月，在世界机器人大会（WRC）上，无界动力展示了具身通用大脑MWA、机器人本体K15等自研成果，还把一家机器人咖啡店搬进了展馆。

WRC之后，「甲子光年」和夏中谱进行了一场两个多小时的对话，这也是他加入无界动力后首次接受专访。

他复盘了那场被外界记住的“100天战役”，但谈得更多的，是胜仗之后的问题：端到端还有哪些解决不了的难题？为什么在职业生涯的高点离开理想？离职后，他为什么没有立即创业，反而先回到了中科院？一批自动驾驶人涌入具身智能，哪些经验可以沿用，哪些又必须重新探索？

夏中谱把离开理想形容为“轻装上阵”。

进入机器人领域，感知、决策、操作和硬件都要重新起步。相比沿着一条已经得到验证的路线继续向前，他更想再做一次从0到1，而这一次，他想做的是具身通用大脑。

这条路并没有“100天端到端首版上车”那样清晰的阶段性终点，却延续了他15年来对强化学习和世界模型的探索。从中科院博士期间的基于模型的强化学习（Model-Based RL），到百度智驾时期的预测（Prediction），再到理想时期的隐空间世界模型，在他看来，这些工作都围绕着同一个问题展开：如何用世界模型理解物理世界，并产生决策。

“没走过的路，你是永远不知道的。”他说。

本文，「甲子光年」独家对话无界动力联合创始人兼CTO夏中谱，经编辑整理，在不改变原意的基础上有所删改。

1.一场只有20%把握的胜仗

甲子光年：外界此前对你的印象是理想智驾“三驾马车”之一，以及理想“100天端到端首版上车”这一仗，当时你是怎么开始做这件事的，有把握吗？

夏中谱：2023年年底，特斯拉说自己已经做出了端到端，马斯克也在美国演示了端到端智驾系统，夸赞整个系统只有2000行代码。

大家会觉得：“怎么可能？自动驾驶系统只有2000行代码？”再加上马斯克之前放过很多预期，很多人觉得又是在“吹牛”。

理想当时基础不算占优，甚至可以说很薄弱。智驾团队组建比很多公司晚，大概只有四百人，但小鹏、蔚来、华为都已经是上千人的团队。

理想更强调产品价值，相比一些同行，技术积累还没有那么深；端到端项目启动时，公司也处于一个比较特殊的阶段，MEGA经历了外部舆论风波，整体情绪比较悲观。

这些因素叠加以后，不仅是团队外部，连团队内部也在质疑：外面都没人做成，特斯拉也可能只是在释放预期，凭什么理想可以做出来？

不过我当时加入理想已经快一年了，已经围绕组织、人才和技术方案做了大量准备，所以也不是完全没有把握。

甲子光年：估算过成功概率吗？

夏中谱：我自己心里觉得，可能只有20%的概率，但我最后报了40%。

郎博（郎咸朋）拍了一下桌子说：“有这么高的概率？那我们就干吧。”

甲子光年：为什么要多报20%？

夏中谱：多出来的20%，是来自自己强烈的愿望。

从我个人角度，到2024年，我做智能驾驶已经七八年了。我一直特别希望能用一种以机器学习为核心的方法，把自动驾驶这件事情做成。

甲子光年：过程中有没有哪个节点差一点走不下去？

夏中谱：还真没有。不只是我觉得顺利，团队的人也觉得太顺了。我们4月15日开始封闭研发，6月1日就把第一版Demo跑出来了，大概一个半月，提前了两周。

甲子光年：为什么开始之前觉得成功率很低，真正做起来却比预想顺利？

夏中谱：大家看到的是那100天，但如果拆开，端到端已经是理想第三代技术了。前面先是有图，再到无图，然后才是端到端。

我去了理想以后，一直在提前做布局。每一代技术要解决什么问题、需要什么样的人，都会提前准备。

进入端到端的时候，很多关键的技术点我们其实已经做过了。比如预测、决策、规划的学习化重构 ，在前面几个阶段都完成了关键技术验证和积累。

端到端阶段更多是把这些关键的技术点组合起来，再完成一些技术性的突破。

我比较相信一句话，“善战之将无赫赫之功。”

很多时候，如果前面的准备已经做足了，真正到了那个节点，不一定需要特别多资源，也不一定需要特别长时间。它更像是一步一步铺垫，最后顺势而为。

甲子光年：端到端需要调动很多不直接归算法团队管理的资源。你最早怎么让整个组织相信它能做成？

夏中谱：首先需要组织层面的支持。但我觉得更关键的是，当时整个理想对端到端这件事情有期待，内部有一个共识：大家希望它做成。

接下来真正重要的是，怎么拿到一个最小的成功。端到端有三个重要环节：数据、模型和部署。我们只用了半个月，就让这三个环节形成了闭环。

这个闭环形成以后，大家第一次看到：数据可以驱动模型，模型又可以让车在路上跑起来。这时候信心才真正建立起来了。

甲子光年：但当时各种case和反馈应该很多吧？

夏中谱：这个选择其实需要抗住很多来自老板和各方的压力。智驾到了量产阶段，每天都会有各种具体的问题反馈。有时候甚至是投资人、VIP用户遇到了问题，你需要向大家解释：“大家遇到的问题往往只是表象，我们需要去识别背后的共性原因，通过底层能力的系统迭代，避免同类问题反复出现。”

但如果一直跟着具体case跑，很容易变成头痛医头、脚痛医脚。今天修一个case，明天又出来一个新的case。

我们更希望先把底层能力做对，系统性地解决一类问题，而不是不断给系统打补丁。

我们当时就是真正这么做出来的，大家对这种方式的信任也慢慢建立起来。从7月开始，到10月全量量产为止，我们一共推了90多个版本，其中60多个版本成功。

2.离开理想，寻找下一个技术难点

甲子光年：你在理想其实已经度过了一个很完整的技术周期，为什么最后还是决定离开？

夏中谱：完成这一阶段的自动驾驶研发后，确实会希望再去挑战一项更难的技术。

汽车和机器人不一样。在汽车行业，智驾只是汽车的一部分；但到了机器人领域，整个机器人几乎都要从头来、从零开始。

这个对我非常有吸引力。尤其是机器人“大脑”这件事情，我们更希望出来以后从0到1，从头探索机器人大脑的架构和实现路径。

甲子光年：如果当时公司真的给你一支团队，让你从0开始做机器人，你还会离开吗？

夏中谱：大厂有大厂的优势，但同时也会存在大厂的包袱。但是走到外面来，便可以轻装上阵。

甲子光年：2025年年中，你离开了理想。你没有马上创业，而是先回到中科院。当时很多具身公司都在招募有自动驾驶系统研发经验的人。你为什么没有直接下场？

夏中谱：当时其实已经有人找我聊创业了，我自己也萌生过这样的想法。

但那时候我做自动驾驶已经很多年了，对智驾的问题理解比较深，相比较而言，对具身的理解还没有到我觉得可以直接下场的程度。

甲子光年：你有什么顾虑吗？

夏中谱：当时大家普遍觉得，智驾的方法可以直接迁移到具身，比如模仿学习、数据闭环这些东西。但我那时候已经在智驾里面看到了这些方法的一些局限。

早期我们做规则化方案。规则化方案的问题是，每解决一个问题，经常又会引入新的问题。所以大家一直希望用数据驱动，减少对人为设定的先验和偏置的依赖。

但走到端到端以后，我们发现，当时采用的端到端方案，主要依赖模仿学习。它可以把人类驾车这种单一技能模仿得更好，但遇到没有见过的corner case（棘手场景），还是会出现问题。

当时我们就在想，端到端下一步应该怎么走？如果一个场景没有出现在训练分布里面，模仿学习解决不了，能否通过强化学习的交互和反馈进一步改善策略。

但强化学习又依赖另一个前提：你必须理解这个世界的物理规律。因为只有知道每一个动作会产生什么结果，才能去做强化。

所以强化学习和世界模型二者是紧密相关的，强化学习要产生真正的价值，必然要建立在对物理规律的准确理解之上，这也是我决定再次深入世界模型研究的原因。

甲子光年：我记得，2025年7月，由中科院自动化所、理想汽车、鹏城实验室等机构和企业研究人员共同完成的World4Drive论文首次公开，聚焦的主题是“基于意图感知物理隐空间世界模型的端到端自动驾驶”，你也是这篇论文的作者之一。

夏中谱：论文是在2025年出来的，但大概在2024年10月，我们在理想内部就已经开始探索隐空间世界模型了。当时自动驾驶的训练数据都是人工标注的，存在标注数据偏差、错误和成本过高等问题，我们逐渐发现模型的骨干网络已经开始限制端到端的最终表现了。这时候我们开始思考，是不是可以使用预训练的方法预训练骨干网络，于是就有了World4Drive这篇论文的思路，我们可以算是很早探索隐空间世界模型在自动驾驶里应用的一批人。

甲子光年：当时Sora已经带火了视频生成类的世界模型，为什么你一开始就认定要做“隐空间世界模型”？

夏中谱：当时Sora等视觉大模型出来了，它们是在像素级别生成图像的。但如果真正做过自动驾驶的决策规划，会发现不必为决策完整重建所有像素。用像素去做决策，就像戴着显微镜去看物体的原子再去决定怎么开车一样，大部分信息是无效干扰。决策需要从视觉信息中提取关键状态，并不需要同等精度地重建所有视觉细节。

杨立昆提出的JEPA架构，就是从图像中提取出有助于决策的核心特征，而不是生成全像素。World Model相比于早期控制领域的Model-Based，核心区别在于输入的是原始图片或视频信息，通过自动化特征提取器（如JEPA）提取出核心State，再交给后端的强化学习做推演与决策。

甲子光年：你这次从理想去中科院主要想做什么？

夏中谱：我还是想先看一看：自动驾驶哪些东西可以迁移到具身智能，哪些东西到了机器人领域其实是不够的。

正好当时中科院也在做具身相关研究，所以我选择重返中科院做科研攻坚，向具身智能的世界模型做更深一步的延伸。后来我觉得，机器人只有World Model（世界模型）还不够，还需要强化学习这种持续闭环迭代的能力。

甲子光年：其实，2011年你在中科院读博时，选择的方向就是Model-Based RL，后面到百度智驾也是做Prediction，这些都和世界模型相关。当时为什么会选这个方向？

夏中谱：当时中科院是学生挑选老师的方式。我接触过好几位很有名的老师，资源很多；也接触了我后来的导师，他当时在所里还没组建课题组，是个比较年轻的老师。但他给了我一本书，说让我看完这本书再报。这本书就是理查德·萨顿（Richard Sutton）和安德鲁·巴托（Andrew G. Barto）共同编写的《强化学习导论》（Reinforcement Learning: An Introduction）。

大四那年，我用一个月时间把这本书读完了。读完以后就发现：这就是我要选择的方向。

也就是这个契机，我开始研究Model-Based RL，也就是今天大家所讨论的世界模型的前身。

我在研究中发现，强化学习关心的是怎么做决策。你不可能在一个陌生的环境中，直接找到最优解，要思考你的目标是什么，并在好奇心的驱动下不断尝试，知道什么时候拿奖励、什么时候会被惩罚。对环境不了解的时候，过去的经验怎么使用？又该怎么继续探索环境？

我觉得这是哲学跟数学的结合，如何用数学的方法刻画和鼓励探索，怎么在不确定的环境中优化长期回报。我当时觉得，这套体系跟人在真实物理世界里面做决策太像了，当时对我有很大的吸引力。如果它真正做出来，机器可能就可以替代人类去做更多影响物理世界的事情，已经有点接近今天讲的自主机器人。

甲子光年：但十五年前Model-Based RL其实非常冷门，之前也有做强化学习的创业者跟我形容像是“坐了十年冷板凳”。

夏中谱：确实。从2011年一直到2016年AlphaGo出来之前，强化学习是一个非常小众的研究方向。国内在做的人非常少，国外也只有少数几个学校，相关团队和可直接复用的工具都比较有限。

那时候没有PyTorch，也没有TensorFlow，我们主要就是MATLAB里面的一些神经网络工具。没有任何成熟的基础平台，各个环节都要从0到1自己做。

现在回头看，这段经历也塑造了我后来的一种思维习惯：做事情的时候，会更愿意挑战0到1的问题，因为在我看来，没有什么会比那时候更困难了。

甲子光年：有没有哪一次，你觉得Model-Based RL做不下去了？

夏中谱：大概是2013、2014年，有一次赶论文deadline。我们当时要在仿真器里面做倒立摆之类的实验，也是我们现在双足机器人的前身。

身边做监督学习的同学，有了数据以后，很快就能调到一个不错的结果。但我们可能调几个星期，甚至几个月，最后还是什么结果都没有。

那时候最大的感受就是：付出的比别人更多，但得到的结果反而更少，而且这个方向还不被认可，确实会开始自我怀疑。

有一次做实验到凌晨两点，我就在想：为什么我要选这个方向？但最后实验还是咬咬牙调通了，再苦再累，就想先把它干成。

另一方面，支撑我的还是对物理世界的热爱。我一直觉得，真正能够产生很大价值的事情，还是让机器在物理世界里面运动起来，产生真正的劳动力。

甲子光年：你从Model-Based RL的研究中学到什么？

夏中谱：强化学习里面一个很重要的概念叫延时回报，不能只看眼前拿到了什么。就像下棋，你现在可能吃了对方几个棋子，但最后输了整盘棋。

所以它让我形成了一个“终局”的思维：我要为最终结果负责，而不是只看眼前的收益。

另外强化学习非常强调两件事情：利用和探索。

利用，是复用已有的知识去做当前看起来最优的选择；但如果永远只利用已有知识，你就不可能真正找到最优解。所以还要探索，去走自己从来没走过的路。没走过的路，你是永远不知道的。

回看这些年的经历，我其实一直在复用这三个概念：利用、探索、延时回报。

我希望最终形成的是一个稳健的金字塔技术栈——底座足够扎实，能支撑技术持续向上扩展，而不是只追求短期利益，上面堆得很高、底下却撑不起来的倒金字塔。

3.让机器人理解“动作之后的世界”

甲子光年：今年你加入了无界动力。这次WRC，无界动力的具身通用大脑MWA有了具体的应用——咖啡店场景。我很惊讶的是，你们的机器人不仅会制作手冲咖啡，还能自主规划路线、导航，把咖啡送到顾客的桌子上。顾客用餐完毕后，机器人还能自己去桌前收拾垃圾、清洁桌面。咖啡厅里这一整套由机器人完成的服务，你们想证明什么？

夏中谱：我们除了展示机器和人之间的关系，也希望展示机器和机器之间的协作。我认为，未来机器和机器、机器和人都是可以协作的。

咖啡店里既有移动，也有操作，还有二者相结合的任务。如果只在固定产品、固定场景里面做，能够遇到的失败案例很有限，数据也比较单一。在这样一个场景里，可以让场景、数据、模型、本体形成闭环。

而且真实场景一定是动态和开放的。比如店里客流随时在变，桌上除了要清理的杯子，还会有客人的手机、钥匙等私人物品，机器人必须具备对这种动态环境和非目标物品的泛化识别能力。同时在人机共生环境里，安全保障和底层冗余机制是绝对的第一前提。

我们从泛化能力出发，围绕长期目标来设计这个场景。大家看到的是机器人开始真正融入生活。今天可能在咖啡店，明天可能去酒店，后天可能进入家庭。

甲子光年：我观察到机器人自主清洁桌面其实是一个长程任务，机器人接到指令后会先到清洁区进行手部消毒、拿取清洁篮和抹布，再导航至对应桌前，拾取客人用过的咖啡杯和其他垃圾，再用抹布清洁桌面，最后还要把垃圾扔到垃圾桶中，并再次进行手部消毒，总共大概有九个连续步骤。这样的任务背后是怎么完成的？是一个模型从头规划到尾，还是Agent和MWA负责不同层级？

夏中谱：现阶段，我们在任务层面会用智能体去拆解任务。收到一个宏观任务后，智能体会将它分成不同步骤；对于更小的任务，我们更多使用MWA，通过世界模型推演未来，再执行动作。

具体到每一步，还是要由MWA这样的模型来处理。

世界模型更重要的是对未来做预测。但这种预测不可能一次特别长，我们可能就是预测未来3到5秒。所以长程任务真正关键的是，怎么样把Agent和MWA协作到一起。我们早期就做了这方面的规划。相当于上面有一个VLM，对场景做宏观理解和指令级别的拆解，再往下到MWA。

甲子光年：我对MWA很感兴趣，这是一个“长时序双向物理因果链”隐空间世界模型。你去年发布的World4Drive论文也研究的是隐空间世界模型。我理解，隐空间世界模型相当于让机器人在内部搭建一个经过压缩的“物理世界”：它不必还原眼前的每一个像素，而是抓住物体、空间和动作之间的关系，提前推演“如果这样做，接下来会发生什么”。你为什么会坚持这条技术路线？

夏中谱：我先从相反的角度回答你，为什么不用显式空间？因为机器人最后要解决的是决策。光照、纹理，甚至远处与当前决策无关的信息，不一定都需要完整保留。

我们希望隐空间满足物理世界约束的同时，把跟决策相关的信息尽可能完整地编码进来。与决策无关的信息越少，泛化性反而可能越好。

最终不管隐空间还是显式空间，最终都要用决策效果来评价：成功率怎么样，泛化性怎么样。

我们现在更强调隐空间世界模型，是因为让模型真正理解物理世界的因果关系，怎么从经验和事件中推演未来，业内做得还比较少。

怎么用世界模型把这个难题解决，再和现有的能力结合到一起，我觉得才是未来形成一套类似人类学习体系的方法。

甲子光年：不再还原全部像素后，怎么保证隐空间里的预测仍然符合真实世界？

夏中谱：隐空间学习最关键的就是跟物理空间保持一致，主要有三方面的约束。

第一是空间关系，既要表达物体，也要表达物体之间的相对位置和接触关系；第二是多视角，不同摄像头看到的是同一个物理世界，如同双眼可以从不同角度确定物体的位置关系；第三是时间，当前状态和下一时刻之间，物体怎么动、怎么变化，前后也是存在因果约束的。

空间、时间、物体关系，是隐空间非常关键的约束。满足这些约束以后，它才有可能代表这个世界的运行规律。

甲子光年：MWA也在强调“物理因果”，我们应该怎么理解？

夏中谱：理解因果的核心是，是否具备反事实推理能力。比如做这件事情和不做这件事情，最后的结果应该是不一样的。这才体现出“因”和“果”的关系。

在一些视频生成模型里面你会发现，无论执不执行某个动作，最终的结果往往都没受到影响。模型学到的更多是当前帧和下一帧之间的相关性。

但机器人如果要学因果，最关键的是把“因”找出来，这个“因”就是action。这才是我们更希望世界模型学习的东西。

甲子光年：今年世界模型很热，很多具身智能公司都宣称推出世界模型。你认为，机器人真正需要的世界模型是什么？

夏中谱：我觉得没必要简单判断谁“对”或“不对”，或者谁是不是世界模型。

既然大家都说自己是世界模型，不如换一个角度：世界模型是不是存在不同的能力层级？

第一级，生成视频。就像一个画家，根据看到的内容去推演未来的像素。

第二级，具备交互能力。可以通过语言指令或者其他控制信息，可以操控这个空间。

再往上一级，它可以学习、理解这个世界的物理因果规律，根据规律做进一步推演。理解了规律，机器人才能做出正确的决策，用具体的动作去改变物理世界。

但对机器人来说，现阶段最缺的是泛化能力：场景泛化、物体泛化、技能泛化。要做好泛化，机器人必须对这个世界有足够深的理解。世界模型需要赋予机器人理解、推演和执行的能力。

我们走的是action-conditioned的隐空间世界模型路线，就是希望模型在一个虚拟世界里面，学会真实物理世界的运行规律。知道世界如何运行，才能找到一个合适的执行策略。

甲子光年：听说你在理想做VLA时也踩过一些坑，从自动驾驶转向机器人后，你对VLA的判断发生了什么变化？

夏中谱：有些当时踩过的坑，反而成了后来做机器人的重要收获。

我说一个判断：Language不应该是中间唯一的核心状态，它只是机器人理解世界的多个输入模态之一。

早期很多VLA是串行的：vision先进入language空间，再从language转成action。但language本身比较宏观。比如一句“开快一点”，“快一点”到底是快10公里还是20公里？它很难精确恢复成action。

如果先把vision压到language空间，再从language转化成action，中间的信息一旦被压缩，很多时候恢复不回来。

因此，在一些新的架构里面，大家逐渐将vision、language、机器人状态、触觉等信号并行输入，在一个更统一的空间里理解世界，再做决策。

甲子光年：那你现在怎么看VLA和世界模型？

夏中谱：这两者对应的是人类理解和认知世界的两套体系。

一套能力来自于对人类先验知识的压缩，就像大家现在用的语言模型是从海量书本中学习知识；世界模型更多从视觉、物理世界和真实经验里面学习。就像人既从书本中获取知识，也从进入真实世界后的经历中积累经验。

所以没有必要绝对区分，到底哪一个问题该由谁来解决。两种能力人类都有，机器人最后也应该都有。

甲子光年：世界模型是AGI的终局吗？

夏中谱：世界模型是现阶段机器人应用必须迈过去的一道坎。如果对这个世界都理解不够，就无法继续向前。从长远角度看，我觉得至少还有两个问题。

第一，机器人不能只理解“看得到的世界”。物理世界里还有很多视觉观测不到的变量。比如手伸进口袋拿东西，需要触觉；物体为什么运动、运动状态会怎样变化，背后还涉及力和质量。从观测变量中进一步学出背后的隐藏规律，是模型形成泛化能力的关键一步。

第二，记忆。机器人不可能随时观测到所有东西。比如我之前看到某项物品放在某处，现在它离开了视野，我还要知道它大概在哪里。这就需要空间记忆和推理。

说到底，世界模型只是对物理世界规律洞悉的第一步。人类大脑的运行机制远比现在的计算机模型复杂得多。往AGI走，光靠现有的算法不够，还要向脑科学、神经科学这些跨学科领域去吸收新的认知。

4.一场更漫长的“延时回报”

甲子光年：你当时应该有很多选择吧，为什么会加入无界动力？

夏中谱：张玉峰（无界动力创始人兼CEO）2025年就找我聊过，无界动力瞄准的就是机器人“通用大脑”和操作智能，刚才我也说了，机器人“大脑”对我来说很有吸引力。那时候我自己也有创业的想法，但还是觉得对具身的理解没到可以直接下场的程度，所以先去了中科院，但我们一直保持交流。今年，我认为自己对行业和技术路线理解更深了，时机也就成熟了。

甲子光年：你们俩怎么分工、协作？

夏中谱：我和玉峰既有碰撞，也有互补。即使是专业问题，也不会因为“谁更专业”就直接听谁，还是把依据拿出来讨论。玉峰更擅长产品、团队和业务，我更多负责技术和未来技术方向。创业公司不一定每个人都是“多边形战士”，但整个组织最后应该是一个“多边形”。

甲子光年：这也是现在很多AI Native（原生）组织的特征。

夏中谱：我觉得做机器人，大家不能把自己的边界束缚得太死。很多人把AI Native理解成一家在AI工具兴起以后成立的公司，但我觉得更重要的是，AI Native组织里面，大家对目标的认可，以及对自己工作边界的理解，应该是不一样的。我们希望找到一群在AI使用、组织搭建和做事风格上，不会给自己设限的人。

甲子光年：这种不设边界的组织形式会产生什么？

夏中谱：举个例子，我们有个同事原来做智驾数据闭环，最初只负责数据管线，后来把整个数据工程平台搭起来，再往后连遥操系统都搭建了，包括手套、UMI采集、主从臂等等。

这就是我们希望看到的AI Native——不要给自己设限。

甲子光年：普通员工可以直接反驳你吗？

夏中谱：当然可以。

我们是用实验室的方式做组织。大家会一起讨论论文、行业前沿、竞争对手的新进展，也会讨论我们自己的技术路线。在这里，从来不是“因为我是CTO，所以我说了算”。

我认为需要激发大家更多的讨论，这些讨论会激发组织对行业、未来和目标的认知迭代。比如我们一直在讨论，具身智能究竟应该从专用走向通用，还是从通用走向专用。

智驾背景的同事容易倾向于先打通一个场景，再逐步泛化。但和团队不断讨论以后，我自己的判断也发生了改变。我们现在越来越相信，从通用走向专用的可能性更大，上限也更高。

甲子光年：但从通用走向专用，意味着落地周期更长，作为CTO，你怎么平衡长期技术路线和短期业务压力？

夏中谱：这确实是我面临的最大挑战，哈哈。大家会质疑：为什么不是字节、阿里做通用，反而是你先做通用？

对CTO来说，最大的挑战就是：目标奔着通用去，但怎么把技术路线拆解出来。

技术有自己的发展周期，业务却可能今天就面对竞争。我的方法是把通用技术拆得足够细，在每项具体业务里验证一部分。比如这次我们在WRC上展示咖啡店场景，我们就验证了具身通用大脑MWA的一部分能力，下一阶段再验证更完整的模型。

每一个阶段验证并积累一小部分技术，再逐步积累成更完整的能力。

甲子光年：如果把强化学习中“延时回报”的概念放到今天，你希望这一次做具身智能，5年以后得到什么回报？

夏中谱：我期待我们的思路和技术能够把整个具身行业推到一个新的高度，无界动力能够做出真正引领下一代具身智能的技术。

我希望几年后，机器人能真正融入家庭生活，把人们从洗衣、做饭、清扫等繁重家务中解放出来。

如果人类文明还要再向前迈一步，就需要把更多人从重复劳动中解放出来，让他们去探索更多事情。

未来谁来承接这些工作？我相信最终都会交给机器人。

*寇雨然对本文亦有贡献

（封面图来源：受访者供图、AI设计，文中配图来源：无界动力）

END.