4月10日，本期“成电下午茶”系列讲座邀请474蒙特卡洛网站王正宁教授作深度分享——“具身智能与VLA模型：从感知世界到改造世界”。王教授以生动幽默的语言、前沿的行业案例与深刻的技术洞察，系统梳理了具身智能（Embodied AI）这一颠覆性领域的技术内核、发展挑战与未来图景，为在场同学带来了一场连接学术前沿与产业实践的思想盛宴。
讲座伊始，王教授以今年年初一系列AI热点破题，从OpenAI的Sora、春晚的机器人舞蹈“5BoT”，到“一人公司”（OPC）现象。他明确指出，这些热点共同指向一个趋势：人工智能正从纯粹的“比特世界”（数字空间）大步迈向“原子世界”（物理实体）。其中，春晚的“5BoT”机器人表演，其核心技术正是具身智能——一种拥有物理身体、并能通过与环境交互实现智能增长的AI系统。
王教授进一步阐释了“具身智能”与“离身智能”（如ChatGPT）的本质区别。他风趣地指出：“我们每个人，其实就是最完美的具身智能体。”真正的智慧，必然在感知、决策、行动与反馈的完整闭环中迭代形成。然而，他也提醒大家理性看待科技表演，指出“5BoT”的惊艳更多体现了顶尖的机电与控制水平，是特定场景下的“炫技”，而非通用的、可应对复杂环境的真实智能。
随后，王教授深入剖析了具身智能体的核心技术框架。他通过展示前沿研究视频，如机器人自主协作整理冰箱、完成递物与家务等任务，生动解释了 VLA（视觉-语言-动作）模型 的工作流程：通过视觉（V）感知环境，理解语言（L）指令，再经由“大脑”决策和“小脑”控制，规划并执行复杂动作（A）。
然而，训练这样的智能体面临巨大瓶颈：高质量行为数据极度匮乏。与滋养了大语言模型的互联网海量文本不同，机器人的动作数据难以获取。王教授介绍了当前主流的“遥操”数据采集方式及其局限，进而引出了前沿解决方案——“世界模型”（World Model）。他解释道，这相当于在高度逼真的虚拟数字空间里为机器人建造一个“训练基地”，让其先安全、高效地掌握技能，再迁移到现实世界。英伟达的“雪宝”机器人便是成功案例。
在描绘了技术蓝图后，王教授也分享了具身智能在落地中遭遇的“窘境”：实验室里动作缓慢、因环境光照变化“找不着北”、甚至因力控失衡而“自己摔跤”的机器人。这些实例表明，从“可行性”到“可用性”，仍有漫长的工程化道路要走。
面对AI技术加速迭代的“技术飞轮”效应，个体应如何自处？在互动环节，王教授给出了清晰建议：拥抱变化，善用工具。他指出，大厂正在构建AI时代的基础设施，而个体的机遇在于成为高级用户，或是在垂直应用领域深耕。最后，他由卓别林的《摩登时代》引申，强调了在技术狂飙中坚守“科技向善”伦理的重要性，引导同学们思考技术发展的社会责任。
讲座在热烈的问答与合影中圆满结束。王正宁教授用一场兼具广度与深度的分享，不仅为同学们揭开了具身智能的神秘面纱，更在大家心中播下了理性思考与技术向善的种子。从虚拟的智能涌现到实体的机器人革命，我们正站在一个新时代的起点。
本期成电下午茶由党委学工部学生发展指导中心主办，474蒙特卡洛网站学生发展指导中心承办。
