SHOW DIRECTORY
张小珺Jùn｜商业访谈录
Zhang Xiaojun's long-form conversations with founders, scientists, and industry practitioners track technology, business, and innovation across China.
SOURCE DESCRIPTION · RSS
150. 对英伟达研究副总裁刘洺堉的4小时访谈：Cosmos 3、世界模型、武术、黄仁勋影响我的，和你不需要击败所有对手
Cosmos 3将语言、视频、音频与action统一为omni世界模型，并扩展至“万卡级”GPU、彻底开源。刘洺堉判断模型能力终将收敛，英伟达的护城河转向GPU、Thor、Isaac Sim及生态整合，而非独占SOTA。physical AI的ChatGPT moment或在今年或明年到来，但运营成本、泛化和商业落地仍是关键变量。
147. 和蚂蚁灵波沈宇军聊：机器人原生基础模型、大脑和本体的关系、预训练与数据scale up、老师汤晓鸥
蚂蚁灵波押注“具身原生”，以大脑优先、跨本体模型切入机器人市场，2026年将视觉相关组件全部从头重训，形成VLA 2.0。当前6万小时真机为主数据已令位置泛化和少样本学习改善，但距十万小时、理想百万小时仍远，任务级zero-shot与数据规模化是关键风险。
146. 对Physical Intelligence柯丽一鸣4小时访谈：Pi的开源模型研究，机器人的江湖、族谱与主角
Physical Intelligence成立两年、投后估值超50亿美元，π0、π0.5与π0.6分别以能力、泛化和表现推进机器人模型。π0.6让接近完成任务的模型上真机收集体验数据，首个工种clearly超越最好的数据收集员，数据成本有望下降。真机数据仍不可替代，仿真叠衣服在2026年仍是“半前沿”，而分层路线与商业化进度值得继续观察。
143. 对何小鹏的第二次访谈：更大赌注、人形机器人Iron诞生、那场意外、技术剧变下CEO、GX和缝合怪
小鹏押注物理AI，停掉已投入“小几十个亿”的第一代自动驾驶体系，重做第二代VLA，并将机器人Iron推进至今年底SOP、2027年商业量产元年。三月底发布VLA后小鹏四月销量逆行业涨50%-70%，但通用人形胜率自估仅两成、运动控制仍在T型车之前，后续关键看量产可靠性、模型拟合与商业化验证。
140. 对姚顺宇的4小时访谈：请允许我小疯一下！在Anthropic和Gemini训模型、技术预测、英雄主义已过去
前沿模型竞赛正从单项能力领先转向问题定义与组织下注：benchmark多聚集在约80%，但Claude、Codex与Gemini的真实使用体验仍有差异。应用层壁垒仍在模型侧，创业公司需极快占领心智或切入足够窄的市场；coding的可验证reward与2026年“有限训练、无限使用”上下文值得跟踪。
134. 【数据的综述】和谢晨聊，新时代的石油、历史、版图、数据金字塔、定价与Recipe
谢晨的核心判断是，具身数据不是“少一点”，而是结构性荒漠：若把一百万台机器人回来的数据视作一个60分起点，今天甚至没有一万台机器人能提供足够的真实、仿真或人类数据，“可能连0.6分都不到”。真机数据最准确，却最贵、最难跨场景规模化；…
133. 对谢赛宁的7小时马拉松访谈：世界模型、逃出硅谷、AMI Labs、两次拒绝Ilya、杨立昆、李飞飞和42
谢赛宁的判断是：LLM不会死亡，但终将“凋零”，更多退回沟通界面，而不是成为通用智能的地基。在他看来，语言保存的是人类已经选择并表达出来的抽象，难以充分刻画连续、高维、有噪声的物理世界；更基础的底座应是能学习层次化表征、预测行动后果并支持planning的世界模型。语言像拐杖，…
132. 对星海图创始人高继扬的3小时访谈：鲶鱼、曾国藩、Waymo与Momenta的两面、一只狼与许华哲的离开
星海图高继扬谈具身智能的长期壁垒与创业路径：算法几个月就会被复制，真正难的是整机、真实数据闭环和端到端模型，以及从开发者市场走向生产力场景的规模化落地。对行业竞争、大厂威胁、团队文化与机器人创业的漫长周期，他也给出了一套务实判断。
131. 印奇出任阶跃星辰董事长的访谈：聪明人的诱惑、取舍、超长链路残酷淘汰赛、阶跃函数和超多元方程
阶跃星辰的核心赌注不是单一应用，而是“世界一流基模+AI终端”组成的最小商业闭环。印奇排除了基模公司单做中国 To B 或纯软件 To C：前者收入利润上限撑不起研发，后者缺用户、数据飞轮且会遭大厂挤压；阶跃因此以基模为“大脑”，先用车牵引，再延伸至手持与穿戴设备，…
121. 对DeepMind谭捷的访谈：机器人、跨本体、世界模型、Gemini Robotics 1.5和Google
谭杰判断，机器人的GPT时刻或许还要两三年，真正进入现实则需更久。谈话围绕数据从何而来、合成数据与世界模型能否替代遥操、基座模型和硬件如何形成飞轮，厘清了人形与端到端架构的押注，也解释了中美机器人产业在耐心和规模化上的分野。