前腾讯机器人实验室1号员工来杰：这轮AI更多是智力革命，不是机器人革命

来杰在2022年底离开腾讯创立星尘智能时，ChatGPT刚发布没几天。但他的技术预判更早：在腾讯Robotics X机器人实验室做数据驱动研究时，他注意到Transformer正从语言向多模态进化，如果Token设计合理，所有模态可以在同一空间对齐——这恰好是机器人数据驱动的关键步骤。

他现在的核心判断是：这轮AI浪潮更多是智力革命，不是机器人革命。宇树等企业已经证明机器人的身体能力可以做到足够强，再往下的问题是提升智力。这意味着机器人身体应该被重新定位为AI的学习工具——既是数据采集者，也是应用终端。

这个定位背后有一条进化论式的推理和一条实验证据。来杰从生物进化出发论证设计原则：人长成五指，老鹰长成前二后二的四指，根本原因是它们抓的东西不一样，而抓什么由脑子决定。也就是说，智力决定了身体的构形长相，而不是身体构形决定智力。《智能简史》提到人类对生拇指的出现是智能进化的关键物理节点，有了这个变化才能适应多种工具。

另一条证据来自他在腾讯实验室的经历。他们用调酒师的数据训练KUKA和UR等工业机器人，后来单独买了一台ABB机械臂——不是因为工业可靠性，而是因为它的结构和人很像，自由度和关节接近人体。结果在ABB上训练出来的模型效果更好。来杰由此确认：当机器人结构接近人体时，人类数据的迁移gap最小，模型表现更好。

星尘智能将这一理念命名为DFAI（Design for AI）。具体到硬件选择上，他们采用了绳驱方案——用高强度绳索传递动力，将电机从关节移到基座。来杰解释，选择绳驱最初不是为了模仿人体肌腱，而是为了找到力透明度最好的传动方式。

力透明度是什么？来杰用了一个日常例子：人跟机器人握手，要么你在掰它，要么它在掰你，中间没有随动感。很多机器人夹住咖啡杯放下时，判断杯子接近桌面就松手，啪一下落在桌上。人不会这样，人会在感觉到桌子支撑了杯子、手上不用出力的时候才松手。绳驱让机器人能感受到末端力的变化，从而学到这种基于触觉反馈的智能关系，而不是依赖绝对位置判断。

这直接连接到具身智能当前的数据瓶颈。来杰认为，原生多模态大模型（不再把LLM和ViT分家）已经解决了机器人对物理环境的抽象理解，但具象理解仍然缺失——互联网数据和现有采集数据都没有尺寸概念，也缺少空间意识，只有画面意识。解决方案是通过机器人本体给大模型提供完整的空间具象信息，形成数据飞轮。

来杰预测这个飞轮今年已经开始转动，因为GPT也开始训练第一人称视角数据和机器人数据。他明确说，很有可能明年机器人就会进入家庭。

关于具身模型与基础大模型的关系，来杰用了一个做饭的比喻：你给妈妈打视频电话，她指导你放油，但放油这个动作你必须自己会，因为妈妈没法替你放。具身模型就是那个'自己会放油'的部分——它感知物理参数（重量、力度、是否抓稳），遇到不确定的情况再用自然语言向GPT提问获取方案。他反对把触觉信息全部训练到基础大模型那边，认为成本不合适且通讯带宽会有问题。

来杰旗帜鲜明地反对机器人进厂打螺丝。他的理由是：机器人最大的优势在于能力的广泛性，不可能封闭在一个领域。就像大模型可以问医学、管理、历史、科学，机器人进入家庭后角色也不应局限于单一任务。在工业场景的成本考量上，他个人更倾向于用固定化程序处理重复性任务，认为老板未必愿意为每个动作支付token费。

不过来杰也坦承，星尘智能目前远没到iPhone 4的水平。他把S1对应到Apple I，T1对应到Apple II，还没有进入Macintosh阶段。但他认为行业发展速度超出预期，Macintosh或iPhone 4级别的爆款机器人产品明年就会出现。

需要强调的是，以上全部是来杰作为星尘智能创始人的战略判断和第一方叙述。绳驱的成本优势、力透明度带来的智能提升、以及明年进入家庭的预测，均未经独立验证。他的DFAI理念为具身智能提供了一条区别于'先造强身体再装AI'的路线思考，但这条路线能否在工程和商业上兑现，仍取决于尚未公开的产品迭代和市场反馈。