自变量王潜专访：从错失图灵奖到打造具身智能界的OpenAI

type

status

date

slug

summary

错失图灵奖：技术自信与遗憾的辩证法

王潜的技术自信源于他极早的起步。早在2009年，当大多数人还在研究统计学习时，他便在导师的指引下接触了Geoffrey Hinton的深度学习理论。这种前瞻性视野让他在2014年就摸索到了注意力机制（Attention Mechanism）的门槛——这是后来Transformer架构的核心，也是大模型时代的基石。

他在采访中提到，自己当时发表在NIPS（现NeurIPS）上的论文，提出了将自上而下的注意力机制与自下而上的特征提取统一的框架。这篇论文与DeepMind及ETH团队的工作并列为最早的三篇注意力机制论文之一。然而，由于未能解决乘法算子的收敛问题，且当时未重视残差网络（ResNet）的结合，他与最终定义了现代大模型基础的Transformer架构失之交臂。

王潜将这段经历称为“错过了一个图灵奖级别的工作”。这种遗憾并没有击垮他，反而成为了一种执念和动力。他深刻意识到，技术路线的微小偏差可能导致结果的天壤之别。这种对底层架构的敏感度，直接影响了他后来在具身智能领域对“端到端”模型的坚定选择。

范式转移：GPT-3带来的银弹时刻

为何从量化基金回归AI创业？王潜的答案非常明确：GPT-3的出现。在他看来，GPT-3展示的少样本学习（Few-shot learning）甚至零样本学习能力，是人工智能领域的“银弹”（Silver Bullet）。

在此之前，机器人领域深陷于强化学习的泥潭中——数据需求随任务难度指数级增长，导致通用性极差。王潜敏锐地捕捉到，大语言模型的成功证明了通用模型可以战胜专用模型。他认为，过去大家默认“专用模型最好”的直觉是错误的。

这一认知促使他在2021年决定回归，致力于将LLM（大语言模型）的范式转移应用到机器人领域。他坚信，不需要再等待30年或50年，通过构建通用的具身智能基础模型，机器人行业将迎来类似于NLP（自然语言处理）领域的爆发时刻。这正是他想要做“具身界OpenAI”的理论基石。

坚定拥抱端到端：打破分层模型的桎梏

在自变量机器人成立之初，王潜面临着巨大的质疑。投资人和业界普遍倾向于传统的分层模型，即“感知-规划-控制”的模块化路径。但王潜坚持认为，如果不能在范式上进行根本性变革，创业公司就没有机会。

他指出了分层模型的致命弱点：级联误差。在分层架构中，三维重建的微小瑕疵（如物体表面的毛刺）会在后续的规划和控制环节被无限放大，导致任务失败。而端到端（End-to-End）模型，类似于人类的直觉，可以通过反向传播（backprop）根据最终结果修正初始动作，容忍度更高，更符合物理世界的复杂性。

自变量推出的WALL-A模型，正是这一理念的产物。王潜不仅在模型结构上坚持端到端，还引入了原生的思维链（CoT），让机器人能够像人类一样，理解图纸、评估差距并动手操作。这种对人工智能底层逻辑的重构，是自变量能够获得美团、字节跳动等巨头青睐的关键。

数据为王与硬件的AI定义

在谈及具身智能的Scaling Law（缩放定律）时，王潜提出了一个犀利的观点：如果看不到Scaling Law，那是你的数据太糟糕了。他坚决反对纯虚拟仿真数据（Simulation），认为物理世界的非线性摩擦和随机性是仿真无法完美模拟的。英伟达转向融合数据的事实，也侧面印证了他的判断。

与数据同等重要的是硬件哲学。王潜提出了“AI定义硬件”的观点。他批评了传统机器人硬件设计中“先做完美硬件，再上算法”的思路，认为这会导致硬件与模型训练脱节。例如，许多灵巧手为了追求外形像人手，将电机内置导致手掌厚硬，失去了包裹性，这在实际抓取数据采集中是灾难性的。

王潜认为，中国在供应链和数据成本上拥有巨大优势。虽然美国在AI资讯和算法创新上依然强劲，但在硬件迭代速度和成本控制上，中国具备“快一个数量级”的能力。这为中国具身智能公司在全球AI竞争中提供了弯道超车的可能。

结语：通往AGI的物理拼图

王潜的创业故事，不仅仅是一个技术天才的复出，更是对当前AGI发展路径的一次深刻实践。他试图证明，真正的智能不仅存在于服务器的语言模型中，更需要通过具身实体与物理世界进行交互。

从错失Transformer的遗憾，到如今坚定地在具身智能领域复刻OpenAI的路径，自变量机器人正在探索一条极其艰难但充满希望的道路。对于关注AI新闻和产业发展的观察者来说，王潜和他的自变量机器人，无疑是未来几年最值得关注的样本之一。

想要了解更多关于AI变现、大模型技术进展以及全球人工智能的最新动态，请持续关注专业的AI门户网站 AIGC.BAR，我们将为您带来最前沿的深度解析。