精华速览

上海交通大学助理教授穆尧创办SeeAct AI观行智能，提出具身智能终局将从“被训练”走向“奖励驱动的自我进化”。穆尧曾主导RoboTwin基准，GitHub获超2900星，谷歌学术引用超5000次。他认为当前具身智能竞争集中在数据与模型规模，但真正缺失的是“经验规模化”——机器人在交互中自主产生、评价并复用经验的能力。SeeAct AI计划交付包含端侧算力、基础模型与Agent系统的软硬一体方案，目标让策略在陌生场景中约48小时自主提升至可用状态，从而终结传统项目制交付模式。

要点透视

  • 穆尧现任上海交通大学长聘教轨助理教授，谷歌学术引用超过5000次，入选国家级青年人才计划。
  • 其主导的RoboTwin基准在GitHub获超2900颗星，蚂蚁集团LingBot-VA、生数科技Motubrain等均在该基准上刷新成绩。
  • 穆尧于2026年创办SeeAct AI观行智能，核心方向为“具身自我进化”，即奖励驱动的递归自我改进。
  • 他提出具身智能Scaling三层框架：Scale up Data、Scale up Model，以及当前最欠缺的Scale up Experience（经验规模化）。
  • SeeAct AI计划交付端侧算力平台、基础模型（含World Model、Policy Model、Reward Model）及完整Agent System，以工控机等软硬一体形式落地。
  • 其目标是在新场景中约48小时内让策略自主提升至用户可用状态，替代传统项目制交付。
  • 技术路线上，穆尧团队采用离散扩散VLA，以兼容PPO、GRPO等强化学习方法，并推进多任务多场景联合强化学习。
  • 行业信号方面，Physical Intelligence的π*0.6和π0.7已开始严肃讨论经验数据进入模型，但走纯真机路线。

文章拆解

穆尧的创业选择建立在一个长期技术判断之上：具身智能的瓶颈正从“数据不够”转向“经验不够”。过去几年，人类演示数据采集方式快速进步，UMI、手持夹爪等方案让百万小时数据不再遥远，但这些数据主要教会机器人“人会怎么做”，而非“机器人自己遇到失败该怎么办”。穆尧将这一缺口定义为Experience Scaling，即机器人通过与环境的自主交互，持续产生、评价并复用经验。这一逻辑与强化学习中的奖励驱动一脉相承，但范围更广——不仅更新底层策略，也更新上层任务规划与记忆。

SeeAct AI的差异化在于将“自我进化”从研究问题转化为可交付系统。其产品包含World Model、Policy Model、Reward Model和Agent System，目标是在陌生场景中约48小时自主提升至可用状态。若实现，将直接冲击具身行业长期依赖工程师驻场、逐场景交付的项目制模式，使标准化产品替代定制化项目成为可能。穆尧认为，只有这样才能产生足够毛利率，让具身企业靠产品而非融资存活。

技术路线上，离散扩散VLA的选择值得关注。相比连续扩散或流匹配，离散扩散保留复杂动作轨迹生成能力，同时因输出为词元预测，更易适配PPO、GRPO等强化学习方法。这为后续奖励驱动优化降低了工程门槛。此外，穆尧提出“少量真机+大量虚拟空间”的数据策略，将物理引擎、World Model和真机自主交互视为三个“平行宇宙”，认为仿真世界不必与真实世界物理参数严格吻合，其规模化本身即可带来智能提升。这一观点尚待更多实证检验。

潜在风险同样明显。首先，递归自我进化在具身领域的可行性仍处早期，社交媒体已有质疑声音，认为概念包装大于实质。其次，仿真到真实的迁移虽在抓取等任务上有验证，但面对钥匙开锁等强物理接触任务，真机反馈仍不可替代。第三，World Model在严格物理规律上存在能力边界，推理时延与异步异频处理也是工程难点。最后，工业场景虽被选为首个验证方向，但其节拍要求和标准化程度能否支撑自进化系统的规模化复制，尚待确认。总体而言，穆尧的方向指向了具身智能从“训练”到“进化”的范式迁移，但这条路径的验证周期和商业化节奏仍充满不确定性。

查看原文