ChatGPT核心贡献者姜旭归国，重塑具身智能Scaling新纪元

type

status

date

slug

summary

姜旭的AI之旅：从OpenAI到具身智能的战略转型

姜旭在OpenAI的四年（2019-2023）是AI飞速发展的关键时期。他经历了从GPT-3的初步探索到GPT-4的惊艳亮相，横跨了底层基础设施、大规模预训练、以及至关重要的RLHF（Reinforcement Learning from Human Feedback）对齐算法等全栈式工作。这段经历不仅让他深刻理解了AI模型“Scaling”的本质——即通过规模化数据和计算来提升模型能力，也让他见证了技术从研究实验室走向颠覆性产品的全过程。

然而，在ChatGPT引爆全球后，姜旭敏锐地察觉到大模型领域正逐渐进入一个“共识化”的阶段。技术路线日益清晰，更多的问题转变为工程和资源的比拼。他更倾向于投身于那些尚未被充分解决、行业尚未形成共识的“开创新范式”的领域。在他看来，当前的具身智能领域，恰似2019年之前的大模型，充满了巨大的探索空间和颠覆潜力。

具身智能的Scaling困境与姜旭的创新解法

当前行业在发展具身智能时，普遍重视遥操数据和真机强化学习。姜旭对此表示认可，但认为这不足以支撑具身基础模型真正走向规模化（Scaling）。他指出，真机数据更适合作为高价值的对齐、验证和闭环迭代数据，而非预训练阶段的主要数据来源。受限于采集成本、场景覆盖和数据多样性，单纯依赖机器人在真实环境中的试错，难以获得类似大语言模型预训练所需的数据密度和广度。

姜旭的核心判断是：具身智能首先需要自己的“预训练”。他认为，行业尚未充分解锁的是互联网尺度的人类运动、空间移动和物理交互数据。就像语言模型从海量文本中学习世界知识和推理结构一样，具身模型也需要从大规模物理世界数据中学习运动先验、空间理解、物体属性（affordance）和交互规律。关键问题不在于“能否多采些真机数据”，而在于“能否找到一套可规模化的具身预训练方法”，将物理世界的行动经验转化为模型能力。

亮源新创：以LLM Scaling理念构建具身基础模型

基于这一理念，姜旭创立的亮源新创（Light Origins）正致力于构建具身基础模型。公司将LLM的Scaling范式迁移到具身智能领域，核心在于模仿和压缩互联网级别的人类行为视频数据。这相当于为具身智能找到了其“文本数据”——即大规模、多样化的人类动作和物理交互的记录。

姜旭将大模型训练的核心路径分为三步： 1. 预训练（知识压缩）：从海量数据中学习通用能力。 2. 对齐（知识提取）：使模型听从指令，变得“好用”。 3. 推理（深度思考）：赋予模型更强的规划和决策能力。

他观察到，当前许多具身智能公司可能在重复NLP（自然语言处理）当年的弯路，过度聚焦于“知识提取”（对齐），而忽略了“知识压缩”（预训练）这一基础且规模化的环节。亮源新创则将重心放在人类行为的压缩上，通过预训练模型，将人类在物理世界中的行动经验“注入”模型。

物理学背景的启示与AI的无限可能

值得一提的是，姜旭的学术背景是物理学。他认为，物理学黄金时代的核心在于发现简单的规律，而当今AI领域，特别是处理海量复杂数据、拟合高度非线性现象，与物理学研究在某种程度上具有共通性。AlphaGo的出现让他意识到深度学习是解决这类科学难题的完美技术，由此坚定了他转向AI的决心。

他认为，语言本身是思考和沟通的基石，而具身智能代表着Physical AGI，是通用人工智能不可或缺的一半。通过将机器人问题转化为多模态模型问题，并利用在大模型领域积累的Scaling经验，他相信具身智能的“Scaling”之路是必然可解的。

姜旭的归国创业，不仅仅是一位顶尖AI人才的回流，更是将大模型领域最成功的Scaling方法论，以前所未有的深度和广度，引入到具身智能这一AI的下一个前沿。这预示着AI将不再局限于数字世界，而是加速走向物理世界，为人类社会带来更深远的影响。他的探索，无疑将为国内具身智能领域带来新的发展动能，并有望推动AI能力的边界向更广阔的物理空间扩展。