柯丽一鸣访谈深读：Physical Intelligence 的真正赌注，不是“人形”，而是能跨本体、从经验中进步的通用机器人策略

核心判断：这不是一场“机器人公司宣传”，而是一套研究品味的自我解释

访谈最容易被记成公司、论文和人物名单，真正值得掌握的却是三层逻辑。第一层是研究路线：能力 → 泛化 → 表现；第二层是学习闭环：人类演示 → 机器人试错 → 纠错与归因 → 再训练；第三层是价值判断：不把能力绑定在人形、单一任务或固定专家流程上。三层叠在一起，才构成 Physical Intelligence（PI）所谓“通用机器人大脑”的真实含义。

材料地图：访谈讲到 π*0.6，录制后的 π0.7 必须另行补齐

视频由 Zhang Xiaojun Podcast 发布，嘉宾是 PI 研究员柯丽一鸣（Liyiming Ke / Kay Ke）。她把 PI 的主线概括为 π0 的“能力”、π0.5 的“泛化”和 π*0.6 的“表现”。节目说明明确指出录制较早，没有覆盖随后发布的 π0.7，因此理解访谈时要把“原始对话”和“后续技术进展”分开。

文字材料完整覆盖口述内容，但平台字幕没有说话人标签，且保留了少量重复、口语停顿与技术名词误写。涉及精确模型机制与实验数字时，应以官方论文和研究页为准；涉及个人动机、公司文化与行业印象时，则应按访谈观点理解。

四小时内容地图：先知道每一段在解决什么问题

第一条主线：传统机器人与机器学习，争的其实是成本曲线

访谈把传统派描述为“感知 → 建模 → 规划 → 控制”，把机器学习派描述为“从数据端到端学会动作”。这不是简单的旧技术与新技术之争。传统方法的优势是可解释、可验证、在限定场景中稳定；代价是每增加一个任务，往往要重新建模、调参与集成专家知识。学习方法的优势是可以把多个任务和本体的经验压进同一模型；代价是前期数据、算力和基础设施巨大，而且对分布外场景、失败恢复与安全保证仍然薄弱。

柯丽一鸣的筷子机器人是这场争论的微缩实验：硬件不完美、存在回差和精度问题，但人仍能遥操作完成高精度夹取，于是她推断“只要策略足够聪明，数据驱动算法也应能学会补偿”。第一阶段用模仿学习证明任务可做；第二阶段再让机器人自主练习，用强化学习超过示范速度。它解释了她后来为什么坚定相信 PI 的路线：学习算法的使命，不是证明传统知识无用，而是把每次都需要专家手调的部分压缩成可复用的经验。

第二条主线：“通用大脑”不等于“人形机器人的大脑”

访谈中最鲜明、也最容易引发争议的立场，是她明确说自己不会因为“做人形”而加入公司。原因不是反对人形，而是她认为当前最值得优化的是任务能力，而不是先把大量研究预算投入到维持双足、人形结构和全身协调。一个固定双臂平台如果能完成更难的精细操纵，未来迁移到自由度更高的人形上，未必比反过来更困难。

这里至少有三种“通用”，必须分开：

PI 在 π0 和 π0.5 阶段主要推进前两种；π0.7 才更明确地把第三种写成“组合泛化”。因此“跨本体”不是附带特性，而是 PI 对通用性的定义本身：人的大脑能学开车、操作挖掘机和使用工具，机器人“大脑”也不应与一种身体永久绑定。

她提出的“实用派 + 狂野派”同样重要。实用派认为，轮式底盘、简单夹爪、可更换末端已经能覆盖大量任务，没必要等待完整人形；狂野派进一步认为，自然进化没有穷尽机械形态，未来机器人可以有三只手、四只手、轮子或可替换部件。环境也会反过来适配成功的机器形态，就像道路为汽车而建。这种观点把机器人从“复制人类身体”转成“寻找任务—身体的最优共同设计”。

PI 技术路线：从能做、到换地方也能做、再到做得又快又稳

π0：动作为什么不能只当文字 token？

语言模型输出离散 token，但灵巧操纵要以较高频率产生连续关节动作。π0 用预训练 VLM 继承网页视觉—语义知识，再加一个较小的 action expert，通过 flow matching 生成连续动作块。这样既保留了“看懂物体和指令”的语义能力，又避免把高频连续控制粗暴量化成文字式符号。后续 FAST 则探索另一条路：学习动作 token 化，让自回归模型也能更自然地预测机器人动作，代价是推理成本与控制表示的不同权衡。

π0.5：泛化来自“课程混合”，不是只把家庭数量做大

π0.5 的关键不是单纯增加家中录像，而是让同一个模型在不同抽象层学习：网页数据帮助识别新物体和语义；多环境、多本体数据扩充物理技能；高层标签与语言 coaching 教它把“清理卧室”分解为“拿起枕头”等子任务；低层 action expert 再把子任务落成连续动作。官方消融显示，网页数据对分布外物体识别尤其重要，而其他机器人与多环境数据在多个指标上均有贡献。

π*0.6：从演示上限跳到经验上限

纯模仿有一个结构性问题：训练数据来自人类正确操作，但部署时模型会先犯小错，小错改变环境状态，新的状态不在示范分布里，于是错误继续累积。RECAP 的解决方式不是把失败轨迹直接照抄，而是用价值与 advantage 估计识别哪些动作比当前策略更好，再结合专家介入修复大错。于是三类数据分工明确：演示定义行为、纠错修正策略、自主经验磨出速度与鲁棒性。

π0.7：把“怎样做”也放进 prompt

π0.7 的独立价值是承认同一任务存在多种策略与质量。若把快慢、优劣、控制模式和视觉子目标混在一个无条件数据池里，模型会看到互相冲突的行为。加入多模态条件后，低质量自主数据不必丢弃，而可以被标成低质量或低速度；测试时又能显式要求更快、更优或按特定策略执行。这使“多数据源”从简单拼接变成可控的经验路由。

第三条主线：机器人真正的 scaling unit，是“可恢复的闭环经验”

语言模型可以在静态文本上预训练，而机器人每个动作都会改变下一刻的世界。于是数据价值不能只看小时数，更要看它是否覆盖任务、环境、身体、失败状态与恢复策略。访谈把这件事拆成了一个非常清楚的闭环：

数据质量至少有四个坐标

真机数据与仿真数据不是宗教选择

柯丽一鸣的立场是实用主义：在 2026 年这个快照下，衣物变形、摩擦、粘性、接触和硬件误差仍让真机数据不可替代；但如果某类模拟器能以同样预算产生足够高保真的有效经验，就应使用模拟。正确的比较单位不是“一千万小时仿真”对“一万小时真机”，而是每一美元、每一小时墙钟和每一次人工介入，能给最终真机成功率带来多少提升。

这里还隐藏着 PI 的商业飞轮：硬件变便宜、机器人被部署后，自主 rollout 可能成为最大数据源；模型更强又降低数据收集的人力成本，进一步扩大经验池。但这个飞轮成立有前提：机器人足够稳定、奖励可获得、失败不会造成高昂损失、数据能正确回传且隐私与安全可管理。

强化学习的三个根问题：探索、归因、目标表达

访谈对强化学习最好的部分，不是“奖励好动作、惩罚坏动作”的教科书比喻，而是把困难拆成三个独立问题。

马里奥智能体利用游戏漏洞刷高分，是典型的 reward hacking：模型正确优化了给定数字，却没有完成设计者真正想要的任务。因此“写一个奖励函数”不是终点；奖励函数、单元测试、视觉判断、规则检查、人类反馈或语言评审都只是向智能体传递好坏的不同接口。对机器人来说，真正难的是把隐含偏好变成可重复、可泛化、难投机的验证过程。

为什么机器人没有统一英雄榜：评估对象本身会变

同一个“拿起杯子”任务，可以改变杯子位置、角度、材质、光照、背景、桌子高度、机器人磨损和抓手状态。真实硬件的随机性意味着评估不仅昂贵，而且每次运行条件难以完全复现。不同公司又选择不同本体、任务与成功标准，因此一个统一排行榜很容易把真正的开放世界问题压缩成狭窄赛道。

π*0.6 强调 throughput（每小时成功任务数）是重要进步，因为它同时约束速度与成功。但它仍不够：一个高吞吐策略可能依赖非常受控的场景或频繁幕后维护。真正的部署级指标应把成功、时间、干预、损坏、安全和总成本共同纳入。

行业图谱：各家公司争的不是同一条赛道

以下是访谈中的观察框架，不是对各家公司当前技术状态的独立审计。它的价值在于提醒读者：比较机器人公司前，先问它们在优化哪一个系统边界。

最深的竞争变量可能不是“谁的单个模型更强”，而是谁先建立本体—数据—训练—评估—部署—回流的低摩擦循环。论文和权重能复制模型结构，却很难复制机器人运行基础设施、任务定义、失败库、硬件标定和长期评估。这也是为什么 PI 开源 π0 / π0.5 的代码与权重后，仍保留明显的系统性壁垒。

中美差异：硬件供应链与模型研究不是两张可以独立取胜的牌

柯丽一鸣对中国的判断很直接：机器人零部件、制造、成本和快速迭代具有显著优势，甚至很难想象一台美国机器人完全没有中国供应链成分；美国则集中了一批机器学习、机器人与大模型研究者，拥有成熟的学术谱系、算力和高风险资本。她也强调，PI 内部持续关注中国人形与 locomotion 进展。

但把行业简化成“中国硬件、美国软件”会漏掉两件事。第一，硬件形态决定数据分布、控制接口和可实现任务，软件研究必须在真实本体上迭代；第二，强模型决定同一硬件能产生多少价值，也决定部署数据能否回流成学习信号。长期赢家更可能是能把两者闭环的组织，而不是单独拥有某一端优势的组织。

组织选择：为什么 PI 用合作伙伴连接研究与部署

访谈中的 PI 是一个研究优先、相对自治的创业组织：研究员按个人节奏工作，曾有全员日会，人数增长后转成课题会；读书会既用于开题和阶段复盘，也用于扩散 coding agent 等生产力实践；研究由 Sergey Levine、Chelsea Finn 等人推动，Karol Hausman 更偏基础设施和组织保障。约 70 人是嘉宾在录制时的体感，不应当成正式人力披露。

公司刻意避免过早把资源锁进某个商业场景，理由是专项交付可能挤占基础模型研究。但完全脱离部署也会失去真实反馈，因此 PI 选择与机器人公司合作：合作方承担更贴近应用的硬件与场景，PI 提供和改进大脑模型。这个结构本质上是在做风险隔离：

这不是“研究与商业化二选一”，而是一种组织边界设计。它的风险也清楚：若伙伴反馈太慢或接口过于定制，实验室仍可能低估维护、安全和单位经济性；若商业项目反客为主，基础模型又可能退化成多个客户分支。

人物线索：她的技术路线，和她想要怎样生活，是同一个问题

访谈前半段的人物经历不是技术章节的冗长前奏。它解释了她为什么偏爱某些研究问题。

这里有一个少见的思想一致性：她希望人可以不被固定协作结构和生存劳动束缚，也希望机器人能力不被固定身体、任务和专家规则束缚。两者都在追求能力与结构解耦。但她同时承认，人是社会性动物、AI 尚不能承担责任、生产力不是人活着的终极意义。自动化的目标不是把人变成孤岛，而是让关系更多出于选择、而非生存依赖。

批判性阅读：六个最容易被过度外推的说法

更广的证据缺口包括：多数公司内部数据与评估不可公开；视频 demo 难以表达完整失败分布；硬件维护、重置、人工监控和总成本常被排除；不同模型使用不同机器人和任务，横向比较很难公平。访谈提供的是一位核心参与者的高信息密度解释，不是独立审计报告。

进一步 insight：把访谈中的散点连成一套系统判断

1. 机器人 scaling law 的自变量不应只是参数、算力或小时数

更有解释力的单位是“每单位成本可获得的、带任务语义与恢复信息的闭环经验”。同样一小时数据，完美演示、失败轨迹、专家纠错和自主探索承担的作用不同。真正的 scaling law 应同时描述环境数、本体数、任务数、有效成功 / 失败覆盖、人工介入和最终吞吐。

2. 通用性的本质，是降低三维组合的新增成本

任务、环境、本体构成一个组合空间。传统系统常为每个组合单独工程化；基础模型的目标是复用已有表示和动作，使一个新组合只需少量上下文或数据。π0.5 主要降低新环境成本，π*0.6 降低把一个已有任务做稳的成本，π0.7 则尝试用上下文降低新策略与新组合的成本。

3. 语言对机器人的价值，不只是“听懂命令”

语言是高层任务分解、交互式纠错、策略选择和经验标注的共同接口。它能把人类世界已有的语义知识连接到动作，但语言并不包含杯子摩擦、衣物张力等全部物理信息。因此未来不会是“语言取代动作数据”，而是语言负责组织计划，视觉与本体感知负责状态，动作经验负责接触与控制。

4. 模型权重不是“大脑公司”的全部护城河

真正难复制的是闭环操作系统：怎样定义任务，怎样让机器人长期不坏地运行，怎样收集失败，怎样标奖励和 advantage，怎样重放评估，怎样把模型部署到不同硬件。开源模型降低入口，却可能扩大对高质量硬件、数据和评估基础设施的需求。

5. “专家消失”会成为危险叙事

专家规则减少后，系统反而更需要高级专家决定训练分布、故障边界、任务价值和风险。机器学习不是把知识从系统里删除，而是把显式规则变成数据、目标和评估中的隐式选择。若这些选择无人负责，黑盒只会隐藏错误，不会消灭错误。

6. 家庭机器人真正的北极星不是一次成功，而是低风险的长期共处

家庭环境的长尾、儿童与宠物、地板和家具损坏、隐私、维护、充电、噪声与责任归属，会让“连续一个月工作且不需要专家”比一次叠衣 demo 更接近产品门槛。小型、轻量、可维修和可换末端可能比追求完全仿人更早提供价值。

7. 这场访谈最深的统一，是“不要逐步贪心”

研究上，不能因为当前单任务指标最好就过早锁死路线；组织上，不能因为短期收入可见就放弃基础能力；人生上，也不必让每次转向都立即服务一个明确终点。她所说的“做九分、留一分”和动态规划隐喻，既是个人反思，也是对前沿研究如何保留探索空间的解释。

怎样真正掌握这场访谈：一份可复习的提问清单

如果时间有限，优先看三个技术段落：01:53:43–02:25:01（PI 模型与数据路线）、02:45:49–03:03:53（强化学习、奖励与 VLA）、03:03:53–03:24:02（前沿、家庭部署与中美差异）。随后用开头和结尾理解人物的价值观。

复习时尝试不看答案，完整回答以下问题：

1. 为什么“传统规划 / 控制”与“机器学习机器人”的区别，最终是新增任务的成本曲线，而不仅是算法风格？
2. 任务通用、本体通用、组合通用分别是什么？为什么“人形”不自动等于“通用”？
3. π0、π0.5、π*0.6、π0.7 各自新增了哪一种上下文、数据或学习信号？
4. 为什么纯模仿会发生错误累积？演示、纠错和自主 rollout 分别解决什么问题？
5. throughput 比单纯成功率多约束了什么？它还漏掉哪些部署成本？
6. “真机数据不可替代”是一条永恒规律，还是 2026 年特定任务与模拟器能力下的工程判断？
7. PI 为什么避免过早商业化，又为什么需要合作伙伴？这个组织结构有什么反向风险？
8. 中国硬件优势与美国模型优势怎样互相制约，而不是各自独立形成胜局？
9. 柯丽一鸣的“洞穴”“偷懒”“动态规划”分别怎样映射到她的研究选择？
10. 如果你要评估一个新的机器人 demo，必须追问哪些失败率、分布、干预、安全和成本信息？

关键术语：避免把相似概念混为一谈

证据边界与资料索引

本文以完整公开视频及上传者提供的简体中文、英文字幕为访谈内容基准；模型机制、发布时间、公开实验和开源范围以 PI 官方研究页、论文与官方仓库为准。公司文化、人数、同行路线、中美产业和个人动机主要是嘉宾在录制时的观察，不代表被提及组织的正式声明。π0.7 发布晚于访谈录制，因此相关内容来自后续官方材料，而非对话原文。

• Zhang Xiaojun Podcast：Kay Ke / Physical Intelligence 完整访谈
• Physical Intelligence：π0 — Our First Generalist Policy
• Physical Intelligence：Open Sourcing π0
• Physical Intelligence / openpi 官方仓库
• Physical Intelligence：π0.5 — A VLA with Open-World Generalization
• Physical Intelligence：π*0.6 — A VLA that Learns from Experience
• Physical Intelligence：π0.7 — A Steerable Model with Emergent Capabilities
• π0.7 论文：A Steerable Generalist Robotic Foundation Model with Emergent Capabilities