24岁首席科学家转身具身智能，对话深朴智能王家伟

本周「十字路口」嘉宾王家伟是 24 岁的深朴智能首席科学家。中科大少年班、MSRA、DeepSeek、字节 Seed——这条路直通大模型最前沿，但毕业时他转身走向具身。他想离开的不是大模型，而是只能跟随既定计划的状态。他说「风浪越大，鱼越贵」——具身路线、评估和产品都还没有共识，风险更高，却给了年轻研究者定义问题的空间。

播客从 GPT-6 Astra 出发，讨论「OpenAI 会不会降维打击具身模型」。王家伟认为，通用大模型会承担越来越多理解与规划，但当杯子开始滑落，机器人仍需能快速反应的动作模型。深朴智能从 HiFi-UMI 数据、具身基础模型、Agentic OS 一直做到本体：开源 2,000 小时数据，内部积累数万小时；模型已观察到一定 Zero-shot 泛化；Agentic OS 把上层意图与底层动作连接起来。最后讨论了美国具身同行的工作：GEN-1.5 对预训练与自然涌现的验证、π0.7 对 steerability 的强化、Skild AI 为 Demo 专门训练的 In-Context Learning 是否被高估。

王家伟 24 周岁，下月满 25 岁。小学初中在小县城，高中合肥一中，高二高考进中科大少年班，2020 年拿到中科大与 MSRA 联合培养 PhD 机会，2026 年毕业。MBTI 是 ENTJ，天秤座。深朴智能是面向家庭的通用具身智能公司，Slogan 是 Keep The World Simple。

他博士期间在 MSRA 跟随霍强做文档智能，2024 年去 DeepSeek 多模态组实习，参与 DeepSeek-V3 预训练数据，2025 年去字节 Seed 做 Agent 的团队实习。现在研究具身基础模型预训练，技术路线未收敛。

关于 GPT-6 Astra 驱动机械臂的演示，他觉得有冲击力。早期 Code as Policies 依赖小模型感知，GPT-6 原生融合感知定位，调动 3D 空间理解、场景认知、长程规划和试错反思。一个画金门大桥的 demo 画了四遍，实时读取视频流，上下文保留，逐渐调整用笔和控制。

对于基模大厂降维打击的说法，他认为具身系统像人，除大脑外必须有控制肌肉反应的小脑。GPT-6 执行频率慢，单次推理久，视频多经快进，静态环境可行，真实动态中杯子打翻几乎无法 recover。毫秒级调整需 Action Foundation Model。大脑与大模型有重叠但分工清晰：上层做理解规划，底层做快速反应。具身大脑大概率收敛在 GPT 类架构，更合理路径是沿现有路线推进，把交互视频转为可训练任务，强化物理理解。

少年班一届三十几人，共同点是自驱力强、思维敏捷、吸收转化快。选拔为 15 周岁内参加高考，成绩达中科大当地录取线下浮 20 分内进面试，当天上数学物理课随即考试，再院长一对一。约 100 人进复试选三四十。最大影响是摆脱高三题海。他大一学通识，大一下选计算机，本科做 AI for Science，当班长擅长沟通。

他认为聪明核心是两点：会提好问题；清楚不足并愿意直面。自己的不足是对硬件理解不够深，父亲是计算机老师，他从小对软件感兴趣，对焊板子搭电路提不起劲，但做 Robotics 硬件绕不开。