对话日冕钟元鑫：工业场景更适合验证 Physical RSI
最近，RSI 正重新成为 AI 行业的高频词，而在具身智能领域，它已经开始被推向一个更具体的问题：机器能不能在真实世界里自我改进？
RSI，即 Recursive Self-Improvement，指系统能够参与改进自身的代码、工具或训练流程，并利用这些改进持续提升后续迭代的能力或效率。随着大模型开始写代码、跑实验、辅助训练下一代模型，这个过去偏理论的问题正在变得越来越现实。
到了物理世界，这套闭环却复杂得多。机器人面对的是持续变化、无法完全重置的真实环境，每一次行动都有真实成本，也会留下真实后果。Physical RSI 想解决的，就是如何让机器人不只是执行任务，而是能够从真实交互中持续获得经验、更新能力，再把这些能力带回现实世界。
一家成立半年左右的机器人公司，正在试着第一时间把这件事搬进工厂。
日冕开物成立于 2026 年 3 月。此后几个月，公司连续完成两轮种子轮融资，合计金额达数亿元人民币，投资方包括鼎峰科创、远图未来、百度风投、沃衍资本、武岳峰科创和万林国际。按照当时披露的信息，这些资金将主要用于自研世界模型 LaMPA、强化学习体系、数据闭环以及产品交付能力的建设。
融资披露前后，日冕也开始陆续对外发布一系列技术工作，其技术体系逐渐清晰。
7 月 1 日，公司发布 WRM 世界奖励模型（World Reward Model）与WPM 世界策略模型（World Policy Model）框架：世界策略模型负责生成初始动作，世界奖励模型负责判断任务处于成功、进行中还是失败，让机器人可以根据真实反馈继续训练。7 月 8 日，团队进一步解释了底层的 LaMPA 世界模型，以及 Environment、Ego、Experience 三重表征；7 月 14 日，又公布了一套 VLA 推理优化方案，将延迟从 130 毫秒降低到 32 毫秒。
到这一步，日冕描述的仍然是一套相对典型的物理基础模型系统：世界模型负责理解和预测，策略模型负责行动，奖励模型负责判断结果，再用真实世界强化学习继续修正策略，同时通过推理 Infra 把整套系统真正跑在机器人上。
到了 8 月以后，问题开始发生变化。重点不再只是「怎样把一个模型训练得更好」，而是「机器人部署出去以后，能不能持续学习、越学越快」。
这意味着产品交付也获得了另一层意义。 机器人进入真实现场，不只是为了完成一个项目，也可以成为不断产生交互、失败和反馈数据的入口。
9 月 15 日，日冕正式发布《Physical RSI: Learning to Improve, in the Physical World》，将此前围绕世界模型、评价、后训练和 Infra 的技术工作纳入同一框架，并提出 AL0—AL3 与 EL0—EL3 两套自定义分级。
在这套框架里，学习被拆成两个嵌套闭环：Skill Learning Loop 负责把示范和试错转化为具体技能，Deployment Loop 则把真实部署中暴露的问题重新送回评价和训练环境。RimPilot、RimCritic 和 RimGround 分别承担策略执行、结果评价和训练环境构建等角色。日冕希望最终让被更新的不只是机器人的动作策略，也包括评价器、训练环境乃至学习流程本身。
第二天，这套刚刚完成命名的技术叙事进入了东莞远图未来的一条 ICT 测试产线。
现场，一套机器人刚刚操作完一种板卡，工作人员随即换上另一种。团队重新采集少量数据，完成训练和部署，大约 15 分钟后，机器人开始处理新的物料。
换一块板，对人来说几乎不构成一个新的问题。但对于依赖固定轨迹的传统自动化设备，新板卡往往意味着重新编程、对点和调试，一名工程师可能因此花掉几个小时。日冕把这套软硬一体系统称为「超级工站」，并用「一学就会」概括它的快速换型能力。按照公司披露的数据，这套系统此前已经在远图 ICT 测试产线上完成 POC，成功率超过 99.5%。
但「一学就会」和「自己就会」，仍然是两件不同的事。
我们在现场看到，工作人员依然站在工位旁，参与数据采集、训练以及任务切换。日冕开物联合创始人、技术平台负责人钟元鑫也没有回避这一点：「 还不是完全无人，所以我们距离真正的 RSI 终点还有一段距离。 」
钟元鑫 1997 年出生，本科就读于清华大学车辆工程专业，随后在密歇根大学获得博士学位。读博期间，他曾先后在 Waymo 和苹果 Vision Pro 团队实习；回国后进入华为诺亚方舟实验室，经历了端到端、VLA 和世界模型几代智能驾驶技术路线，并主导了华为 ADS 5.0 智驾世界模型。2025 年底离开华为后，他在 2026 年联合创办了日冕开物。
按照日冕自己的分级，这次在远图展示的能力仍然属于 AL1：任务、奖励和训练环境由人设定，系统负责在其中采集交互、更新策略并完成新任务适配。更进一步的 AL2，才要求策略、评价器和训练环境本身也开始协同更新，并且通过连续的新任务证明：在相近的数据和训练预算下，机器人达到目标所需要的时间正在越来越短。
也就是说，Physical RSI 真正关心的并不是机器人能不能在 15 分钟里重新学会一块板卡，而是学过第一块、第二块、第三块以后，它学习下一块板卡的成本是否真的在下降。
这背后对应着机器人基础模型正在探索的两种路径：一种尽可能通过大规模预训练，让机器人第一次进入新环境时就拥有足够强的先验和泛化能力；另一种则允许机器人进入具体环境后，再利用真实反馈快速学习。Figure 的 Helix 2.5 更强调前者，而 Physical Intelligence 已经在精细操作中展示了后者——利用真实操作结果进行在线强化学习。
日冕选择的是一个更靠近真实交付的切口。它没有把全部希望押在 Zero-shot 泛化上，而是接受一个现实：至少在今天，机器人进入新工位后仍然经常需要重新学习。它真正想改变的是，这次学习能不能留下数据、评价方法和训练基础设施，继续服务下一次部署。
这也解释了远图的重要性。相比拥有大规模真实道路数据的自动驾驶，机器人行业还缺少足够大的硬件网络。远图向日冕开放真实工位、生产工艺和内部任务场景，让真实任务和失败能够持续进入训练系统。
这也是日冕试图与传统自动化集成商拉开的区别：传统项目通过验收，往往意味着交付接近结束； 在它设想的闭环里，交付反而是学习开始的地方。新的物料和工装暴露失败，评价模型判断结果，失败数据回到训练系统，再形成新的策略。
如果这个循环成立，一家机器人公司的资产，就不再只是交付过多少工位，也包括这些工位共同积累下来的学习能力。
钟元鑫在采访里把这一点说得更直接：「 算法不是护城河。真正带不走的是数据和集成化的基础设施。 」
以下是 42 号电波与日冕开物联合创始人、技术平台负责人钟元鑫的对话，略经编辑。
大模型负责思考，具身公司先把「小脑」做好
42 号电波： 你上一次接受采访是在 7 月，当时你说，具身公司一定要训练自己的大模型。最近 GPT-6 Astra 发布后，大家关注到上层基模能力又有明显变化，你现在的判断变了吗？
钟元鑫： 更明确了。我们一开始设想的就是分层架构，只是 7 月没有详细展开。
高层偏通识、常识理解的任务，应该交给 GPT-6，或者至少 30B、100B 以上的视觉语言模型。比如在家庭里理解应该抓什么东西，不只是识别物体和材质，还需要非常广的知识以及大量语义数据。具身公司没有必要为了接入这些能力，重新训练一个模型、重复造轮子。
顶层模型应该来自基模公司。除非你本身就是阿里，可以使用自己的模型；像我们这样的公司会接入其他基模，最多在外层做 Harness。我们重点做的是具身直觉的 System 1：机器人与物体接触、交互时，及时产生反馈并调整。再往下是偏运控的 System 0。
System 0 和 System 1 才是具身公司现阶段应该重点攻克的方向。
42 号电波： 你觉得大模型进展符合你的预期吗？
钟元鑫： 比我预期得要快。我原本以为明年才会达到这样的能力，没想到今年就到了。哪天基模公司接一个本体去做操作任务，我也不会觉得奇怪。
但它们应该不会放下那么大体量的模型，所以实时、高频闭环未必是它们的目标。在工业场景里，最后精细操作的瞬间，大模型往往看不清。大模型的 Encoder 更偏语义理解，对精细对齐学得没有那么好，这正是我们需要解决的部分。
我以前还想过，在下面一层做好以后，上层任务拆解也可以稍微微调一下。现在觉得没有必要，上层直接使用大模型，外接 Harness 就可以。
42 号电波： 如果你们只做 System 0 和 System 1，还能称为基座模型公司吗？
钟元鑫： 当然。System 1、System 2 都可以有基座模型。
我们 7 月讲的 LaMPA，或者物理原生世界模型，仍然处在 System 1。它要构建一种物理本能：看到一个物体，知道大概是什么形状、应该怎样抓；抓取出现问题时，又能够立刻反馈和调整。之所以称作 「小脑 」 ，就是因为反应必须很快。但这同样需要用大量数据预训练，才能形成通用能力。
42 号电波： System 1 最终需要多大的模型和多少算力？很多人会认为端侧模型不需要很大。
钟元鑫： 因为需要部署到端侧，按我们现在的判断，模型不会超过 10B，超过 10B 就很难部署。
10B 级模型，即使训练 30 万小时数据，训练资源大概也就是一千到几千张卡，具体还取决于训练周期。我们的目标也是这个量级。
42 号电波： 也就是说，具身公司不必去训练一个与云端基模同等规模的模型。
钟元鑫： 对。 最终的形态可能是给上层大脑提供一组 Skill。 这些 Skill 本身很复杂，也非常依赖对物理交互的理解。
我们以前做自动驾驶时探索过类似方法。车辆需要同时看到广角和长焦：广角负责理解周围车辆及其关系，长焦要看清一百米外的交通牌。一个模型很难同时处理好两者，所以可以让大模型调用一个 「放大器 」 ，发现远处可能有交通牌后，再把那部分图像裁出来放大。
具身智能也会出现类似分工。抓取物体、操作微波炉按钮，都可以成为需要精细交互的 Skill；长程任务没有必要交给底层小模型完成。
42 号电波： 这会改变具身「大脑公司」的估值逻辑吗？投资人给模型公司高估值，通常期待它最终一家通吃。
钟元鑫： 未来的蛋糕至少会分成两部分：一部分是 System 2 的上层大脑，另一部分是 System 1 的小脑。
小脑能不能赢家通吃？我觉得也有可能。 如果我的 Skill 比别人更强，而且迭代速度更快，就有机会做到。
42 号电波： OpenAI 和国内基模团队都在采购 ego 机器人数据。大家买的数据接近、模型架构也接近，具身公司的差异还会在哪里？
钟元鑫： 关键是你到底要训练什么，是训练关节角，还是虚拟空间表征；按单帧图像训练，还是按连续视频训练，或者转成矢量表示？这些问题都还没有答案。
具身公司仍然可以探索更贴合本体的表征。我们也试过 Ego、UMI 等数据形式，现在看来，没有一种方案能够覆盖所有需求。数据方案要与最终交付方式绑定：你是追求 Zero-shot，直接部署到客户本体上就能用，还是像我们一样，允许分钟级、小时级的微调，或者主要依靠现场精调？交付形式不同，预训练数据的配比也会不同。
如果追求跨本体 Zero-shot，预训练里可能需要更多与本体紧密结合的数据，尽量缩小本体 Gap。如果允许 Few-shot，预训练数据里未必需要那么多特定本体数据，ego 数据也可以发挥作用。
42 号电波： 你们把自己的表征体系称为 E／E／E。现在已经确定操作层究竟需要训练什么数据了吗？
钟元鑫： 具体方案还不方便透露，也没有公开论文。我们看到了一些行业目前关注不多的细节，想先做出来再公开。
大方向还是精细操作：究竟需要哪些模态、多高的输入频率，数据应该用 Ego、UMI，还是其他形式？我们还在分析，最后可能采用一种介于 Ego 和 UMI 之间的方案。
最近我们与新加坡的老师讨论合作，也越来越明确地感觉到，服务器这类精细操作需要很强的力反馈。家庭里的一些任务未必如此，但在工业现场，力反馈大概率是刚需。因此我们也在构思带力反馈的数据采集器。
42 号电波： 你们和远图提出从百台部署走向万台。你们希望只沿着服务器制造这条路线规模化吗？
钟元鑫： 这是一个误解。万台不是只与远图合作。
我们与远图建立联合实验室，是一起打造解决方案，再把方案交付给更多客户。远图内部可以提供很多场景，让我们验证方法论；验证完成后，打包出去的不应该只是一套面向 AI 服务器的方案，而是一套能够泛化到不同场景的体系。未来的客户不会只有远图。
失败比成功更容易跨本体
42 号电波： 你刚才说，数据应该由交付方式反推。但基座模型如果最终要形成行业共识，理论上需要通用数据。以交付为起点，会不会只是第一阶段？
钟元鑫： 我先区分 To B 和 To C。
To C 数据天然具有更强的多样性。但按目前采集方式，To B 数据的泛化性通常不够。无论高度标准化的工业场景，还是酒店保洁，都会有统一 SOP。人按照标准稳定完成同一件事，动作多样性自然消失。如果只采正确行为，换一个工业场景继续采，带来的增益可能也不大。
我们现在更想收集失败数据。成功动作往往相似，失败却各有各的「不幸」，同一个场景里也可能出现很多种失败。
而且我们认为，在评价层面实现泛化，比在 Policy 层面实现泛化容易。看一段操作视频，不管执行者是人手、灵巧手还是夹爪，都可以根据物体有没有掉落、有没有异常形变，判断动作是否正确。但要让同一个策略同时控制灵巧手和夹爪，难度会大很多。
所以 我们的范式是：Policy 不一定一开始就做到 Zero-shot，可以接受 Few-shot，但负责评价的模型要尽可能 Zero-shot，覆盖更多任务。 只要它能稳定判断动作好坏，接进来的 Policy 即使还不够成熟，也能很快被训练起来。
42 号电波： 也就是说，你们不是先强求底层动作表征统一，而是先增加一个可以跨任务、跨本体的评价体系？
钟元鑫： 对。 有了评价体系以后，底层究竟训练关节角，还是其他特征，重要性就下降了。 这些选择会影响「运动员」的起点和素质，但负责评价的「教练」可以先具备更强的泛化能力。
42 号电波： 这套方法最终能把 To B 和 To C 统一起来吗？
钟元鑫： 我现在还没有想好。它当然可以用于 To C，但它是不是最适合家庭、最能跨家庭泛化的范式，我还不能确定。
42 号电波： 失败数据从哪里来？让人专门表演失败，很难覆盖机器人真正会犯的错误。
钟元鑫： 如果我们去做交付，失败数据并不难获得。一个场景做到较高成功率以后，进入下一个场景，新的失败会自然回流。即使是同场景、同任务，换一个地方部署，也会产生很多失败。
对于只训练基模的公司，失败数据很难获得，但对贴近实际场景的团队，这恰恰是一种优势。
42 号电波： 你们原本一直在做世界模型，为什么后来发展出 World Reward Model 和 World Policy Model？
钟元鑫： 我们最初做世界模型，是不希望高度依赖标注。只要有未来帧，就可以训练世界模型。现在看，可能仍然需要加入一些简单标注，但它至少能降低标注成本，不是每来一批数据都重新做大量人工标注。
继续往下做，我们发现 Reward Model 更容易泛化，也更容易跨本体、跨模型迁移。World Model 可以降低标注成本，但如果直接训练 Policy，仍然要求操作范式、末端表征等数据比较一致。World Reward Model 更纯粹，它只负责理解和评价，输出一个分数或一段简单描述，不需要关心末端究竟是什么形状、处在什么关节位置。
当然，世界模型对 Reward 到底能产生多大帮助，我们还在探索。
42 号电波： 你做过自动驾驶世界模型。自动驾驶与机器人的 World Model，最根本的差别是什么？
钟元鑫： 往小了说，大家使用的 Backbone 很接近，很多团队底层都在用 Wan。但两个领域真正面对的问题不一样。
自动驾驶首先要解决多视角一致性：怎样让多个相机生成一致的未来。Wan 原本主要训练单视角，加入多视角是第一道题。具身智能上来甚至先要解决怎样输出 Action。
我认为具身 World Model 更难。车辆行进轨迹相对受限，直行视频里，模型把远处像素逐渐放大，也可能学到看起来不错的结果，这是一种捷径。机器人外部相机的变化幅度大，操作时又会不断看到过去没有出现的区域，直接照搬视频模型会有问题。
它可能需要有选择地建模。当前视角看不到的区域要做一定推测，但与任务无关的一面墙是什么颜色、什么材质，并不重要。模型应该把更多能力放在操作对象及其周边，而不是平均地生成整个画面。
42 号电波： 世界模型是更接近终局的解法，还是现阶段从其他领域借来的可用工具？
钟元鑫： 自动驾驶其实很务实。其他领域出现一个新方法，大家就拿过来试；能解决问题就用，解决不了就放下。元学习、因果推断、神经符号网络都有人试过，端到端、VLA 和世界模型则是试过以后觉得有用。
具身领域也会逐渐进入这种状态。ACT、Action Chunking、Action Tokenizer 里有不少为机器人专门提出的原创方法，但一项技术进入交付以后，最终会变成工程问题。为了把问题解决掉，必须持续尝试新的工具，不会因为它是否足够 Fancy 决定用不用。
42 号电波： 所以你们不是先提出 Physical RSI，再把产品往这个概念里装？
钟元鑫： 不是。我们也不是一开始就奔着 Physical RSI 去的。
我们先做 Reward，发现它有价值，应该继续延伸；与远图一起落地以后，又发现上层 VLM 应该交给基模，我们给它提供 Skill 和 Harness。Reward 可以评价，Policy 部署后产生新的 Corner Case，再用这些数据优化评价与策略。几块拼图逐渐放到一起，我们才意识到，它们形成的就是 RSI。
是做着做着，发现前面有这样一条路。
42 号电波： 现在很多人谈 RSI，定义却不一样。你怎样理解它？
钟元鑫： RSI 至少有很多层级。让 AI 自己做研究、写论文，可以叫 RSI；让 AI 编写算子、优化 Harness，也可以叫 RSI；更远的终局，是 AI 设计自己的架构、数据来源和训练方式。
按我的理解， 今天比较现实的一条路径，是把模型与 Harness 集成起来。一方面模型通过数据和结果持续提高，另一方面 Harness 也随着模型迭代。 具身领域也是如此。怎样评估，怎样让评估越来越好，是闭环的起点。评价更准，才能产生更好的 Policy。Policy 部署后又产生更前沿的 Corner Case，再反过来优化评价。
Physical RSI 进入工位，人还没有离开
42 号电波： 我刚才看了你们在远图产线上的演示。同一个工位更换了不同板卡，但现场仍然有工作人员配合。现在还没有做到完全无人，对吗？
钟元鑫： 还不是完全无人，所以距离真正的 RSI 终点还有一段距离。
如果 Reward Model 足够好，第一步至少可以替代人判断动作成功还是失败。做到这一步，就能先实现一种低效率的无人化：发现失败，任务终止，然后重新尝试。
如果再有一个模型能够在失败后接管，把动作继续完成，整个闭环才真正转起来。那时我们才能更快地训练和迭代。
42 号电波： 现场只采集、训练了十几分钟。你们不再把 Zero-shot 成功率当作最重要的指标了吗？
钟元鑫： 不能说不追求。初始成功率仍然重要，因为它决定后续训练效率。
失败有很多种。差一米是失败，最后只差一毫米也是失败。 模型很差时产生的失败，动作本身可能很愚蠢，这类数据不需要太多。真正有价值的是成功率已经很高以后，只差一毫米、一厘米的失败。 这类失败发生概率低，却更接近能力边界。
不能为了收集失败而刻意让机器人失败。应该像一个聪明人一样工作，只是聪明人也会犯错，而聪明人的错误更有价值。这和自动驾驶里的 Corner Case 是一回事：五年前的 Corner，今天可能已经不再是 Corner。最有价值的数据一直在能力 Frontier 上移动。
42 号电波： 但自动驾驶积累 Corner Case，依赖大规模车队。机器人一个工位一个工位部署，失败数据仍然很稀疏。
钟元鑫： 肯定不会像自动驾驶那么快，但每条数据的价值可能更高。工业场景没有捷径，必须到现场部署才能获得。大家不应该预期机器人会像自动驾驶一样快速积累 Case，但所有公司最终都要走这一步。
42 号电波： 未来几个月，你们怎样判断 Physical RSI 是真实方法，还是暂时成立的概念？
钟元鑫： 首先要验证它能不能让系统「越学越好」或者「越学越快」。我们做了初步验证，但还不足以把它确立成一个非常 Solid 的战略。
第一步是让 Critic 自动判断是否需要接管；下一步是让接管动作也由模型生成；再往后，面对一个新 Skill，可以把机器人直接放进环境里探索，最后自己把任务学会。这是最理想的状态。
42 号电波： 在这个过程中，哪些能力应该由基模带来，哪些必须在现场学？
钟元鑫： 摩擦、重力方向、物体大概有多重，以及金属、橡胶、木材的差异，这些底层物理规律没有必要全部在现场学习。
但具体到一块 PCB 板，怎样抓重心最合适，怎样避免损伤上面的元器件，这种知识在基模里很难直接获得，只能让机器人在具体场景里调整。底层物理规律来自预训练，特定物料和工装工具的能力来自部署现场。
42 号电波： 达到什么标准，你才会认为 Physical RSI 的闭环开始发挥作用？
钟元鑫： 假设训练过十个任务，到第十一个任务时，后训练周期比现在显著缩短，就能说明闭环开始发挥作用。
我觉得这个节点应该在百台部署之前出现。
42 号电波： 为什么与百台部署解耦？部署越多，不是越容易积累数据吗？
钟元鑫： 百台可以只是同一个工位、少数几种动作，复制到一百台设备上；那不一定需要 RSI。只有一百台分别对应很多不同工位时，才更依赖 RSI。
按照现在的规划，明年不会覆盖非常多种工位，而是每类工位部署一定数量，合计达到百台。这两个指标不能混在一起。
42 号电波： 远图为什么愿意和你们一起做这件事？它原来的痛点是部署时间，还是缺人？
钟元鑫： 都有。以板卡换料为例，人几乎不需要学习，很快就能适应；传统机械臂和工业自动化方案，调试一次可能就需要半天，会占用产线时间。
他们也确实很难招工。除了今天看到的大板测试，还有其他板卡和服务器测试工序，一些工作环境比较差。产能持续扩张，但人难招、也难留，所以替换人工的动力很强。
42 号电波： 很多机器人公司绕开工业场景，因为客户要求高、容错率低。你们是后发公司，为什么仍然选择工业？
钟元鑫： 我不认为行业已经得出了「工业最难，其他场景更容易」的结论。每家公司只是拥有不同的合作伙伴。
我们还是从算法需求出发。单纯依靠模仿学习，用大量 ego 数据或遥操作数据，就能在家庭里把洗碗、擦盘子长期做到高成功率——我还没有看到完整验证，也没有足够信心。但引入强化学习和后训练后，一些任务可以先落地。我们在远图已经看到，后训练能够把成功率继续向上推。
后训练需要一个评价清晰、成功和失败边界明确的环境。沿着这个条件寻找，工业场景仍然最合适。
42 号电波： 另一条路线是先进入包容性更强的场景，不要求很高成功率。比如商业服务、人机协同或者部分家庭任务。
钟元鑫： 我认可包容性场景的价值。物流分拣同时具备明确评价标准和一定包容性，确实是比较合适的场景。
42 号电波： 那你们为什么不做分拣？
钟元鑫： 分拣太卷了。（笑）
对于后发公司，已经有很多团队在做、也正在快速交付的问题，就没有必要再做。我们更关注小批量、多批次的柔性生产，以及传统自动化不容易解决的任务，比如线束等非刚性物体。
如果一条产线完全不需要柔性，传统机械臂就能解决，也没有必要使用具身智能。
42 号电波： 家庭场景对失败的包容度不是更高吗？
钟元鑫： 家庭也不一定简单。真正面向消费者，还要考虑退货、售后和用户满意度。大型机器人出现问题，很可能需要本地工程师处理。工业和家庭各有各的困难，我不认为工业一定做不了，也不认为家庭一定更容易。
我们的终局仍然是适用于更多环境的机器人，也会考虑家庭。 但现阶段从工业开始，因为这里更适合验证 Physical RSI。 它将来能不能成为家庭场景的最优范式，我现在还不能确定。
42 号电波： 你们对外公布 POC 成功率超过 99%，但从一次 POC 走到产线并线，还缺什么？
钟元鑫： POC 相当于完成了一个 MVP。规模化阶段除了成功率，还要看稳定性。进入产线之前必须做足够多的压力测试，硬件和模型都要稳定；还要与工厂流程真正结合，完成安全兜底和并线。
明年百台意味着开始向规模化推进，但百台本身不等于已经证明跨工位泛化，也不等于 RSI 闭环已经成立。
「算法不是护城河」
42 号电波： Physical RSI 对工程要求很高。你们团队不能只有算法人员吧？
钟元鑫： 对，目前公司一半以上的人都在做工程。
我们不是纯算法公司，更关注整体迭代效率。本体不稳定，或者存在一些小问题，都会严重影响训练与部署。
42 号电波： 如果核心是工程闭环，而不是一种别人无法复现的算法，日冕的护城河是什么？其他公司拥有相同资源，是不是也能做到？
钟元鑫： 其实就是这样。
我们从一开始就想清楚了，护城河只有两块：数据和 Infra。算法不是护城河。掌握算法的人换一家公司，算法能力也跟着过去；论文方法发表后，学术界和同行也会很快复现。
真正带不走的是数据和集成化基础设施。 Infra 包括云端训练体系、数据管道，也包括机器人本体。本体本身就是基础设施的一部分。本体稳定的公司，模型迭代以及适配新市场的速度都会更快。
42 号电波： 你们说 Physical RSI 不只改进算法，未来还可能改进末端硬件。这个思路怎样实现？
钟元鑫： 这仍然是早期设想，没有经过大规模验证。
我们跑过很多工业场景后发现，不存在一个能够覆盖所有任务、对所有任务都高效的通用末端。末端最终会有一定程度的定制。问题是，定制后基模能不能适应，以及交付成本会不会过高。
比如网线插接，Demo 里可能只插一根；客户设备上可能有十根网线并排，末端首先要能够伸进去。不能每个场景都由工程师从头设计。理想状态是系统先判断有没有现成末端；没有的话，再设计或选择一个新的末端。算法自己尝试，效果不好就更换，再继续训练，直到性能足够好。
只有把这种循环自动化，定制末端才有可能规模化。但这离完成还很远。
42 号电波： 在远图这种精细操作场景里，你们会选择灵巧手，还是夹爪？
钟元鑫： 我们试过很多灵巧手，但真正能做 Serious Work 的产品很少。低自由度灵巧手与一个大夹爪没有本质区别；高自由度手又很难长期稳定干活。所以工业场景里，我们现阶段会先把夹爪做好。
但触觉和力反馈仍然要做，夹爪也可以加入传感器。服务器等精细场景对力反馈的要求很高，这会影响我们未来的数据采集方式。
42 号电波： 触觉已经成为很多团队的新方向。现在最大的问题是硬件，还是模型？
钟元鑫： 两边都有，而且可能互相耦合。
触觉与力怎样泛化，模型怎样跨传感器学习知识，现在远没有探索清楚。人看到压力数值，大概能理解物体处于什么状态；模型今天仍主要依赖视觉，比如看东西有没有掉下来。但没有掉下来，不代表模型知道施加的力是大还是小。
可能是触觉硬件没有归一化，导致软件无法 Scale；也可能是模型架构还不成熟，反过来让团队不敢大规模使用触觉硬件。我们已经尝试把视觉、触觉和本体状态放进 Ego 表征，但目前融合训练的效果还不如保留独立分支。
42 号电波： Reward Model 可以降低一部分本体差异，但按照你们目前的体系，跨本体究竟还有多难？
钟元鑫： 仍然很难。Reward Model 只是降低了其中一部分难度。要实现跨本体，首先得有跨本体数据，而这种数据本身就不容易获得。
42 号电波： 跨本体是你们的长期目标吧？今天现场展示的是双机械臂，也没有展示移动能力。远图的工位不需要移动吗？
钟元鑫： 还是需要移动，移动底盘很快就会上。
42 号电波： 只是这次没有展示？
钟元鑫： 对，这次没有展示移动能力。明年百台部署的机器人肯定会带底盘。
42 号电波： 你们会在什么阶段验证跨本体？
钟元鑫： 还是要从客户需求出发。什么时候现有本体无法满足任务，客户确实需要另一种本体，我们就必须解决。按照当前范式，跨本体在方法上可以做，不等于数据和交付已经准备好了。
42 号电波： 你觉得以后做部署的团队会形成共识，都开始做 Physical RSI 吗？
钟元鑫： Physical RSI 是提供给大家的一种工具。
如果这套工具做得足够好，以后部署工程师只需要盯住最终结果是否正确，中间通过 Reward 做训练和调整。如果没有 Physical RSI，就会像今天现场演示的同学一样，需要一直在现场示教。所以本质上，这是部署工程师需要为一次交付投入多少精力和时间的问题。
42 号电波： 随着现场部署所需的人越来越少，工程师的角色会变成什么？
钟元鑫： 前期仍然需要人，但部署所需的人会逐渐减少。这恰恰意味着能够部署的场景会变多：以前一个人可能要花一个月部署一条产线，以后一个人花一个月可以部署十条，甚至一百条。
这并不意味着人的需求会消失。如果再往后真能做到无人化部署，或者无人训练新 Skill 并完成交付，工程师可以转向基础设施本身或其他更有价值的问题。
42 号电波： 你认为现阶段行业最值得解决的问题是什么？
钟元鑫： 短期最宏观的问题，是怎样把物理原生模态放进模型。 视觉、力和触觉怎样真正融合并且 Scale，还缺少成熟方案。
长期问题则是怎样平衡 Scaling 与定制。 如果跨本体，就要训练更多数据，Scaling 会变难；如果不跨本体，又会有很多客户任务无法完成。能不能通过自动化设计减少本体改动，同时保留足够的场景适应性，是一个很大的问题。
42 号电波： 你们没有像一些公司那样大规模采购数据？
钟元鑫： 我们也踩过坑，买过一些数据，很快发现数据范式与交付方式对不上。
如果交付依赖大量 ego 数据，就应该采购 ego 数据；如果依赖 UMI 加少量真机数据，就应该采购 UMI。 公司没有想清楚交付范式，买回来的数据可能没有用。 所以我们没有直接投入很大规模的数据采购。
现在我们想探索非侵入式、伴随式采集：不影响工厂操作员正常生产，把他们工作过程中自然产生的数据收集回来。 可以在头部佩戴设备，但手上尽量不增加东西，核心不是消除遮挡，而是不干扰作业。它需要设备和算法一起设计，目前仍在研究阶段。
42 号电波： 现在很多机器人公司的数据负责人来自自动驾驶。自动驾驶团队和大语言模型团队，谁更擅长建立具身数据闭环？
钟元鑫： 各有优势。
自动驾驶的数据管线从一开始就处理大量视觉和时序数据，更擅长多模态数据存储、格式转换、帧对齐和时间对齐。大语言模型的数据格式相对简单，过去更多是图文对，但在数据清洗、去重和质量控制上通常做得更深。
具身数据同时需要这两种能力。它既是多模态、时序的，也面临数据质量、重复和配比问题。不能简单把自动驾驶的数据管线搬过来，也不能只沿用语言模型的清洗方式。
42 号电波： 今天现场一共使用了多少数据？
钟元鑫： 这次不能算专门的数据采集，更准确地说，是现场完成采、训、推一体化演示，数据量很少，只有十几分钟。
如果进入一条全新产线，任务与现有模型能力差距比较大，可能需要额外采集几小时数据。大概是这个量级。
42 号电波： 你从自动驾驶转向机器人，是因为自动驾驶的问题已经基本解决了吗？
钟元鑫： 不是。我认为自动驾驶仍然处在 L3 阶段，距离真正的 L4 还有一段距离。
我离开的主要原因，是这个领域已经很少有人探索新的范式。现在自动驾驶做一个实验，需要的数据和算力规模很大，高校实验室越来越难参与。高校无法参与以后，行业对模型架构的讨论变少，大家主要在解决工程问题。我想继续探索新的方向和问题，所以转向机器人。
机器人今天还允许一所高校、一个博士生用相对有限的资源做出有价值的模型。数据、表征和交付范式都没有收敛，这对行业是困难，对研究者也是机会。
42 号电波： 作为一家后发公司，你们对行业是乐观还是悲观？
钟元鑫： 对交付，我是乐观的。机器人能够创造实际价值，也能够进入产线。
但对于机器人距离 AGI 还有多远，距离一台真正什么都能做的机器人还有多远，我相对悲观。新技术发布不会让我更悲观，它只是给了我们更多可以使用的工具。
我们能做的是从一开始就不用大量规则维持系统，也不在数据范式没有收敛时盲目买数据。先把模型、数据、硬件和部署闭环放到真实场景里，看哪些部分真的能够随着使用不断积累。
42 号电波： 你们过去对外讲 WPM 和 WRM 比较多，Real-world RL 在 Physical RSI 的闭环里究竟起什么作用？
钟元鑫： 用强化学习做后训练，真机与仿真之间一直存在 Trade-off。真机能够处理精细操作，因为真实环境的物理尺寸一定准确；但真机训练效率低，至少要占用一台机器人和一套真实环境。想把效率提高一倍，就要再增加机器人和工位，成本很高。
仿真的问题则是怎样足够准确地复刻现场。GPT-6 发布后——当然不只是 GPT-6，7 月份就已经有人尝试用代码做仿真重建——这件事出现了变化。用一张现场照片，再补充少量信息，模型就能比较准确地重建一个仿真环境。我们再把关键尺寸校准得更精确，就有机会把一部分学习过程转移到仿真中。
以前如果完全依赖真机后训练，每次交付可能都要占用多台整机。 现在我们的设想是：真实现场负责提供任务、误差和反馈，仿真负责放大训练效率，再回到真机验证。这样 Real-world RL 才更可能成为可以规模化的交付环节。
Physical RSI 是否成立，最终也不应由这个名字是否流行来判断。更直接的检验是：今天仍站在工位旁的工程师，下一次能不能更早离开；同一套系统做过十个任务以后，第十一个任务能不能少用一些数据、少花一些时间，并且在没有降低安全性和稳定性的前提下完成部署。
如果这些指标没有持续改善，所谓递归进化仍然只是更复杂的现场调试。如果它们开始随着部署数量稳定下降，日冕与远图眼前这个仍需人工配合的工位，才可能成为物理智能闭环真正开始转动的地方。