国内最年轻AI教授创业：要让世界模型走向全身全模态

杨朔的考虑是，数据、模型和落地场景还在变化。机器人要不要搬重物、需要多大负载，都影响本体设计。过早定下硬件，还可能限制后续算法的方向，他把这种风险称为“纯纯的沉没成本”。

正因如此，自有本体可以往后放。当前，团队利用通用本体测试模型，并计划与本体商、场景方合作开展应用试点；未来是否推出自己的本体，要等场景需求和商业回报更明确。

破晓对模型竞争也有自己的判断。机器人最终需要在真实环境中实时感知、决策和执行，许多场景还要求端侧部署。相比一味扩大参数规模，如何让有限规模的模型掌握物理交互能力，并稳定完成任务，可能是更加现实的挑战。

回头看，过去几年，机器人数据采集一直在做减法：从遥操作走向Ego，摆脱机器人本体、简化采集设备，让更多人类日常操作成为可以规模化获取的训练数据。

但当机器人开始学习迈步、弯腰、搬运和精细操作，镜头之外的身体运动与接触信息，又成了不能轻易舍弃的部分。

破晓选择在这条轻量化路线之上，补回全身运动与触觉。SeePhys Hub负责记录更完整的人类真实交互，未来的全模态世界模型则要进一步学习动作、接触与物理结果之间的关系。

从记录人怎样完成任务，到让机器人真正学会自主行动。这是破晓希望通过全身全模态数据走通的下一步。