少有的同时做过 Agent、多模态和具身的人 | 对谈前混元多模态 RL Infra 负责人淏楠
2026年10月24日 · 54:03
本期对谈前腾讯混元多模态 RL Infra 负责人王淏楠,他曾是最早一批在 MiroMind 做 Agent 的人,主导开源多模态强化学习框架 UniRL,现在加入某具身智能公司负责基模预训练,他的核心判断是:Astra 的出现正在抹平具身各家在「大脑」上的积累,具身行业反而迎来了自己的 GPT-3 时刻。淏楠解释了自己从 Agent 转向多模态、再转具身的逻辑:做 Agent 预计要一整年以造数据为主、不够有趣;视频生成缺少高效的 test-time scaling law,多模态只剩视频生成和生成 Action 两条变现路径,而具身的 Action 本质上也是一种模态,技术迁移很丝滑。他谈到国内外 RL 的差距主要在卡的投入而非 infra;Seedance 2.5 之所以强在于数据质量和精细控制能力,当前视频生成约在 60 分水平,抽卡会长期存在但从质量问题变成 taste 问题;Minimax H3 大约是 Seedance 2.0 的水平,真正的实时互动生成离落地还很远,做世界模型的很多人已经迷茫。关于 Astra 为何震动具身圈:它靠 3D 理解和大量具身数据训练,能把语言指令直接输出为有物理意义的电机转角 vector,还能通过多轮视觉交互学会操控陌生本体。他认为具身公司该拥抱 Astra,小厂的壁垒在 co-design 硬件和 7B-16B 小模型、做好落地场景如酒店叠被子,并用类似 speculative decoding 的大模型接管机制把失败轨迹作为 error recovery 数据回流训练,具身数据才能形成闭环。