,华纳万宝路公司在线客服经理：服务品质与客户体验的守护者

,融了数亿美金的「大晓机器人」,其创始人揭开了具身行业的割裂一面，很高兴为您解答这个问题，让我来帮您详细说明一下。

宿迁市泗洪县、营口市盖州市、南通市如皋市、杭州市淳安县、兰州市城关区、西双版纳勐海县、泉州市金门县、济南市平阴县、锦州市太和区、陵水黎族自治县提蒙乡、温州市苍南县、临沂市临沭县、莆田市仙游县、德阳市旌阳区、湛江市赤坎区、丽江市华坪县、泰安市泰山区

梳理近半年的成果，大晓机器人董事长、商汤科技联合创始人王晓刚，滔滔不绝聊了 10 多分钟。成立于 2025 年 7 月，大晓机器人（ACE ROBOTICS）是具身领域姗姗来迟的入局者。但一年来，这位新玩家成了赛道的 " 卷王 "：在模型侧，大晓新发布的具身大脑——世界模型 " 开悟（Kairos）3.0"，在 4 项全球具身智能基准测试中取得 SOTA；开源的 Kairos 3.0-4B，则率先实现在端侧直接驱动具身智能本体的能力。△ Kairos3.0 在 4 个世界模型生成预测具身智能榜单中取得 SOTA。图源：大晓机器人在数据侧，大晓提出的 " 以人为中心 " 环境式采集方案，通过大规模采集人类与真实环境的交互过程，将世界模型训练数据量扩展至 100 万小时，达到传统真机（人遥控机器人）采集模式的 10 倍。还有落地——半年前，大晓的具身大脑模组 A1，落地的主要场景，还是从事道路巡检的机器狗；如今，这颗 " 大脑 " 已经随着形态各异的机器人，进入了酒店、无人零售店、无人物流仓等多个场景。△大晓在上海西岸落地的机器狗巡逻方案。图源：大晓机器人2026 年 6 月 15 日，大晓机器人官宣完成天使 + 轮融资——距离上一轮官宣，仅隔了 4 个月。这一轮投资方包括达晨财智、深创投、上海科创基金、沐曦股份、盛宇投资、复星锐正、华控基金、临港新片区基金、豫资涨泉等基金，老股东商汤国香资本持续增资，告捷资本担任长期财务顾问。至此，2026 年以来，大晓的累计融资金额已经达数亿美元。据《智能涌现》了解，大晓也成了具身领域最快成为独角兽的企业之一。在单轮融资金额动辄数亿元的具身赛道，不仅是技术竞速，入局玩家的场景圈地之战已然打响：孵化自清华的 " 千诀科技 "，瞄准的是酒店保洁、商用服务、精密室内作业等实景项目；前华为车 BU 首席科学家陈亦伦创立的它石智航，聚焦的是线束装配场景。" 具身领域的产业链非常长，很难靠一家企业做完所有的事。" 王晓刚告诉《智能涌现》，" 所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。"然而，在落地过程中，王晓刚感受到的是：硬件、数据、模型，三者的结合还不够。在海外，Figure、特斯拉等头部具身企业，都在内部整合硬件研发、数据采集和模型训练，以此提高协同迭代的效率。在国内，这套闭环尚未形成。王晓刚坦言，受制于技术成熟度和资源投入压力，不少本体公司对场景落地持谨慎态度；上游数据采集标准尚未统一，可直接用于具身模型训练的高质量数据供给不足。与此同时，硬件迭代的周期远长于模型，导致设计很难协同。找到可规模化的落地场景，以及可深度合作的本体厂商，是当下大晓构建 " 硬件、数据、模型 " 闭环的方法论。在王晓刚的规划中，大晓会先深入广阔的道路巡检和无人物流仓场景，再扩展到更为复杂、安全性要求更高的 C 端家庭场景。这样的好处在于，大晓能够先从 B 端场景中收集足够多的场景数据，提升世界模型能力的同时，还可以快速形成可以规模化的解决方案，帮助本体厂商进入场景。近期，王晓刚和《智能涌现》聊了聊大晓的进展，以及他对具身行业的观察。以下对话略经编辑：找到可复制的场景智能涌现：今年具身和世界模型是一级市场最火的赛道。相较于大晓成立之初，这一轮的融资难度有变化吗？王晓刚：这个时间点融资的好处是，市场有热度、有关注度。但相对的，企业太多，有时候投资人不清楚每家公司的价值点在哪里。所以我们需要付出更多的解释成本，帮投资人梳理清楚我们的发展路径、技术思路。智能涌现：大晓是 2025 年 7 月成立的。当时你会觉得大晓入局具身赛道晚了吗？王晓刚：我们选择这个时间点入局，是因为看到了具身大脑研究范式的变化：原来的主流的 VLA（视觉 - 语言 - 行动）范式存在局限性，缺少对物理世界的结构化理解。世界模型恰好可以解决这个问题。所以在当时入局，我们有可能实现弯道超车。而且在技术还不成熟的阶段，此前大家在探索技术范式，尤其是具身大脑的过程中，浪费了很多数据、模型训练、人力等资源。所以我们在去年入局可以少走弯路，反而有后发优势。智能涌现：相对而言，晚入局竞争会更激烈。王晓刚：具身领域的产业链非常长，很难靠一家企业做完所有的事。所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。去年大晓成立之前，我们和很多具身企业进行了访谈。我发现，当时具身企业普遍对进入场景，抱有谨慎的态度。但场景在具身的发展中起到了关键作用。具身领域是按场景划分的，只要在一个场景中进行了闭环的验证，就很容易进行全球的规模化的复制。在规模化的复制过程中，就能让数据采集的体量、硬件的规模提升几个数量级。智能涌现：为什么具身公司不太愿意进入场景？王晓刚：一方面，技术成熟度还不高。另一方面，解决场景中的问题，涉及到大量的数据采集、研发等资源投入。加之目前很多新兴的具身公司，本身对行业和场景的理解都不够深刻。所以很多公司的态度是：先融钱，等待一个行业成熟的时机点，再去跟上。但等时机点出现的时候，先机已经被别人占走了。智能涌现：在技术不成熟的阶段，你们是怎么和场景中的头部客户谈的？王晓刚：找到技术的边界很重要。我们要根据技术、软硬件的成熟度，把现实的边界找到。如果进入 To C 场景，比如 L4 阶段的自动驾驶，我的技术就不能有边界。但是进入 To B 场景，加上各种可控条件，技术是可以落地的。我们还得判断：哪些场景是可以直接被解决的，哪些场景通过一些手段可以解决。此外，这些场景的解决方案还得具有可复制性。如果你找到的场景不具备可复制性，你做完这个，下一个还得定制化，这其实不是一个很好的选择。智能涌现：怎么判断一个场景具不具备可复制性？王晓刚：举个例子，我们优先深入的是零售、仓储这些场景，因为他们的业务体系和需求，全国都是可以复制的。再比如酒店也是一个可复制的场景，全国有很多酒店，我们交付的都是同一套巡检、导航机器人和机器狗。智能涌现：这些场景的竞争会更激烈吗？王晓刚：虽然大家都瞄准了这几个场景，但很多企业走得不深。这样的后果就是，你的成本无法控制、无法边际递减。你可以做个 demo 炫技，但它不具备规模化的前提条件。智能涌现：怎样的落地模式才算得上 " 深入 " 场景？王晓刚：首先，你需要有紧密合作的生态伙伴。比如，在无人零售的场景中，我们和商汤生态中的公司善惠机器人合作，给他们提供无人零售解决方案。善惠首先会提出成本、续航、节排等要求。其次，在具体的复杂场景中，他们会给很多技术的反馈。这些要求和反馈，有助于我们形成数据闭环，在场景中快速迭代。做完生态合作伙伴的 " 前期功课 " 后，我们也能够知道哪些方案是必要的，哪些是可以省却的，或者可以通过其他方案进行弥补。等方案成熟，我们也能将业务合作拓展到零售相关的其他头部企业，通过规模化把成本降下来。通过这一套打法，目前大晓能够把解决方案的成本降低到行业的 1/3。智能涌现：之前你提到，大晓落地场景的规划是：道路巡检 - 无人物流 - 家庭场景。这个落地顺序背后的考量是什么？王晓刚：一方面，我们考虑的是技术实现的难度。另一方面，我们遵循的还是先 To B 后 To C 的策略。因为 C 端场景规则边界不强，存在很多非结构化的场景。但 B 端场景是受控的，能够保障安全性。所以在 B 端积累更多经验后，我们再走向 To C。△大晓世界模型的家居场景。图源：大晓机器人世界模型还没有「智能涌现」智能涌现：创业初期你提出了很多新观点，比如在 VLA 还是具身主流范式时，选择了做世界模型，再比如提出 " 以人为中心的数据采集范式 "。你怎么判断这套范式是可行的？王晓刚：大方向上的判断是非常确定的。首先，VLA 与世界模型相比，只有后者这样的生成式模型，才具备智能涌现的能力。所以我们做具身智能，第一天就选了世界模型方向。其次，只有真人的数据，无论是采集的效率和规模，还是拟人化的真实性，才能达到训练世界模型的要求。但其中很多细节是在实践过程中才逐渐变清晰的。比如做世界模型，一开始我们的主要关注点是生成能力。但实际场景中，世界模型不光要生成数据，还要去控制真机，通过机器人与物理世界进行交互。这对世界模型的物理智能、空间智能提出了更高的要求。所以我们最近发布了开源空间智能通用模型 ACE-Brain-0，以及物理 3D 生成框架 PhysX-Omni，来提高世界模型的空间智能和物理智能。智能涌现：视频生成模型、VLA 等都称自己为 " 世界模型 "。你对世界模型的定义是什么？王晓刚：简单来说，世界模型得具备三方面的能力：理解、生成、预测。只有同时具备这三个能力，模型才能自我演进、自我纠正、自我进化。为什么大家都说自己是世界模型？因为业界没有针对世界模型的评价体系。比如，行业缺少对长时序复杂任务执行效果的 benchmark。一些所谓的 " 世界模型 " 只是宣传了自己擅长的东西，但其实缺失了另外的能力。像 VLA 缺乏生成能力，视频生成模型缺乏了对物理和空间的理解能力。智能涌现：你们内部怎么评测世界模型的能力？王晓刚：我们正在联合一些学术机构和具身公司，建立一个世界模型 benchmark，其中的评测维度包括跨本体的泛化能力、模拟仿真的能力，这些维度最终指向的是衡量模型理解、生成、预测的能力。智能涌现：大晓的世界模型 Kairos 最近迭代到了 3.0。它的能力类比语言模型处于什么阶段？王晓刚：还没到 GPT3.0。等到 GPT3.0 的阶段，世界模型就能实现智能涌现，也意味着研究范式有较高程度的确定性。目前我们还是按照 " 理解、生成、预测 " 三个维度来逐步迭代 Kairos。最早的时候，Kairos 主要用来做视频生成，后面逐渐开始控制真机，相应的，我们也要提升它对空间和物理属性的理解。智能涌现：在当下世界模型发展的阶段，数据的量、质量、标注，以及后续的评测等环节，哪个对模型能力的影响最大？王晓刚：眼前世界模型还在 0-1 的阶段，可供训练的数据本来就很少。所以在这个阶段，数据的量对效果的提升更明显。当训练数据增加了 10 倍、100 倍，我立刻能看到模型能力的提升。但等到世界模型出现智能涌现，就需要对数据进行精筛、进行精细化的标注。这和大语言模型的发展是类似的。当下世界模型还没有 " 智能涌现 "，所以先要把数据的量铺上去，再反过来解决质量问题。智能涌现：要实现 " 智能涌现 "，世界模型需要多少的训练数据？王晓刚：我们期待的是要达到千万小时的量级。原来真机采集的数据规模只有 10 万小时的量级，现在我们用人采集，基本上能达到百万小时。智能涌现：提升数据采集量级的关键是什么？王晓刚：还是场景的规模化，所以其中就需要产业方进入。其实对于产业方而言，数据采集也是他们进入具身行业的切入点。因为他们有场景，如果做数据采集，马上就可以变现，立刻产生价值。接着通过训练模型，再引入机器人，产业方也能提高场景的效率。模型、数据、硬件、场景的结合是不够的智能涌现：如今行业对机器人的一种态度是：买来只能当吉祥物，没有实际用处。王晓刚：除却质量问题，很重要的一点在于具身公司没有针对特定场景进行深度的迭代和打磨。现在的机器人公司，每年不断发布新的型号，但这些型号不是针对应用场景迭代的，所以原有的问题没有解决，反而会出现新的问题。问题不收敛，就会造成返修率的增加，机器人工作几百个小时，就会出问题。所以当下机器人的规模化推广面临很大的问题。智能涌现：让具身公司根据场景迭代的解法是什么？王晓刚：等场景能够规模化，硬件可以量产，就会倒逼具身公司将资源集中在针对场景的迭代上。智能涌现：如今行业中还有哪些难题？王晓刚：首先，今天模型、数据、硬件三者的结合是不够的。基座模型厂商、世界模型公司，还有做数据的公司，大家都各做各的数据采集方案。但未来本体是靠数据来驱动的，而不是靠真机或者物理模型的规则。所以这些问题就很关键：怎么从人身

本周数据平台今日官方渠道披露重磅消息,,华纳万宝路公司在线客服经理：服务品质与客户体验的守护者，很高兴为您解答这个问题，让我来帮您详细说明一下：

大兴安岭地区加格达奇区、保山市昌宁县 ，杭州市拱墅区、芜湖市鸠江区、澄迈县大丰镇、天水市清水县、杭州市滨江区、白沙黎族自治县金波乡、荆门市钟祥市、琼海市龙江镇、孝感市孝昌县、鸡西市城子河区、南通市崇川区、汕尾市陆丰市、内蒙古呼和浩特市赛罕区、昭通市威信县、锦州市古塔区 、抚州市黎川县、甘孜九龙县、洛阳市宜阳县、襄阳市谷城县、茂名市电白区、佳木斯市富锦市、南阳市桐柏县、汉中市洋县、南京市玄武区、杭州市滨江区、上海市金山区、池州市东至县、内江市市中区、惠州市博罗县

全球服务区域: 北京市昌平区、云浮市云安区 、怀化市中方县、永州市冷水滩区、吉安市峡江县、双鸭山市四方台区、宜春市万载县、大庆市肇州县、常州市新北区、海南贵德县、琼海市万泉镇、渭南市白水县、楚雄南华县、周口市商水县、广州市南沙区、黑河市孙吴县、海西蒙古族德令哈市 、惠州市惠城区、晋中市介休市、中山市港口镇、通化市集安市、武汉市洪山区

本周数据平台近期相关部门公布权威通报,,华纳万宝路公司在线客服经理：服务品质与客户体验的守护者，很高兴为您解答这个问题，让我来帮您详细说明一下：

全国服务区域: 天津市河北区、三明市泰宁县 、昆明市富民县、沈阳市沈河区、青岛市崂山区、重庆市南川区、雅安市石棉县、新余市分宜县、乐东黎族自治县黄流镇、德州市平原县、东莞市南城街道、凉山昭觉县、岳阳市云溪区、东莞市桥头镇、东方市天安乡、吕梁市中阳县、巴中市平昌县 、马鞍山市和县、吕梁市兴县、天津市和平区、渭南市富平县、保亭黎族苗族自治县什玲、广西来宾市象州县、河源市源城区、广西桂林市兴安县、陇南市成县、白城市洮北区、宁夏固原市彭阳县、乐山市市中区、黄冈市红安县、重庆市江北区、赣州市上犹县、信阳市潢川县、荆州市江陵县、韶关市新丰县、昭通市昭阳区、河源市和平县、鸡西市梨树区、湘潭市雨湖区、大庆市萨尔图区、内蒙古阿拉善盟阿拉善左旗

24小时维修咨询热线，智能语音导航:,华纳万宝路公司在线客服经理：服务品质与客户体验的守护者

在当今这个信息爆炸的时代，客户服务已经成为企业竞争的重要一环。作为全球知名的烟草品牌，华纳万宝路公司深知这一点，因此特别重视客户服务的质量。在这其中，在线客服经理扮演着至关重要的角色。他们不仅是客户与公司之间的桥梁，更是服务品质与客户体验的守护者。 ### 在线客服经理的角色定位 华纳万宝路公司的在线客服经理，主要负责处理客户通过公司官网、社交媒体等线上渠道提出的各类问题。他们的工作不仅包括解答客户疑问、处理投诉，还包括收集客户反馈，为公司的产品和服务改进提供依据。可以说，在线客服经理是公司客户服务团队的核心力量。 ### 提升服务品质，保障客户体验 为了提升服务品质，保障客户体验，华纳万宝路公司的在线客服经理们需要具备以下几方面的能力： 1. **专业知识**：在线客服经理需要熟悉公司产品、行业动态以及相关政策法规，以便在解答客户问题时能够做到准确、全面。 2. **沟通技巧**：在线客服经理需要具备良好的沟通能力，能够耐心倾听客户诉求，用恰当的语言进行解答，让客户感受到尊重和关爱。 3. **应变能力**：面对突发状况，在线客服经理需要具备较强的应变能力，迅速找到解决问题的方法，确保客户问题得到及时解决。 4. **团队协作**：在线客服经理需要与团队成员保持良好的沟通与协作，共同为客户提供优质服务。 ### 客户反馈，助力产品改进 在线客服经理在处理客户问题时，不仅关注问题本身，更注重收集客户反馈。这些反馈对于公司来说，是宝贵的财富。通过分析客户反馈，华纳万宝路公司能够及时了解客户需求，对产品和服务进行改进，从而提升客户满意度。 ### 案例分享 近日，一位客户在购买万宝路产品时遇到了问题。在线客服经理小王在接到客户咨询后，耐心地了解了情况，并迅速找到解决方案。在处理过程中，小王不仅展现了专业的知识，还用温馨的语言安抚了客户的情绪。最终，客户对处理结果表示满意，并对小王的服务给予了高度评价。 ### 结语 华纳万宝路公司的在线客服经理们，作为服务品质与客户体验的守护者，他们用自己的专业知识和敬业精神，为公司和客户搭建起了一座坚实的桥梁。在未来的日子里，他们将继续努力，为提升客户满意度，助力公司发展贡献自己的力量。

梳理近半年的成果，大晓机器人董事长、商汤科技联合创始人王晓刚，滔滔不绝聊了 10 多分钟。成立于 2025 年 7 月，大晓机器人（ACE ROBOTICS）是具身领域姗姗来迟的入局者。但一年来，这位新玩家成了赛道的 " 卷王 "：在模型侧，大晓新发布的具身大脑——世界模型 " 开悟（Kairos）3.0"，在 4 项全球具身智能基准测试中取得 SOTA；开源的 Kairos 3.0-4B，则率先实现在端侧直接驱动具身智能本体的能力。△ Kairos3.0 在 4 个世界模型生成预测具身智能榜单中取得 SOTA。图源：大晓机器人在数据侧，大晓提出的 " 以人为中心 " 环境式采集方案，通过大规模采集人类与真实环境的交互过程，将世界模型训练数据量扩展至 100 万小时，达到传统真机（人遥控机器人）采集模式的 10 倍。还有落地——半年前，大晓的具身大脑模组 A1，落地的主要场景，还是从事道路巡检的机器狗；如今，这颗 " 大脑 " 已经随着形态各异的机器人，进入了酒店、无人零售店、无人物流仓等多个场景。△大晓在上海西岸落地的机器狗巡逻方案。图源：大晓机器人2026 年 6 月 15 日，大晓机器人官宣完成天使 + 轮融资——距离上一轮官宣，仅隔了 4 个月。这一轮投资方包括达晨财智、深创投、上海科创基金、沐曦股份、盛宇投资、复星锐正、华控基金、临港新片区基金、豫资涨泉等基金，老股东商汤国香资本持续增资，告捷资本担任长期财务顾问。至此，2026 年以来，大晓的累计融资金额已经达数亿美元。据《智能涌现》了解，大晓也成了具身领域最快成为独角兽的企业之一。在单轮融资金额动辄数亿元的具身赛道，不仅是技术竞速，入局玩家的场景圈地之战已然打响：孵化自清华的 " 千诀科技 "，瞄准的是酒店保洁、商用服务、精密室内作业等实景项目；前华为车 BU 首席科学家陈亦伦创立的它石智航，聚焦的是线束装配场景。" 具身领域的产业链非常长，很难靠一家企业做完所有的事。" 王晓刚告诉《智能涌现》，" 所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。"然而，在落地过程中，王晓刚感受到的是：硬件、数据、模型，三者的结合还不够。在海外，Figure、特斯拉等头部具身企业，都在内部整合硬件研发、数据采集和模型训练，以此提高协同迭代的效率。在国内，这套闭环尚未形成。王晓刚坦言，受制于技术成熟度和资源投入压力，不少本体公司对场景落地持谨慎态度；上游数据采集标准尚未统一，可直接用于具身模型训练的高质量数据供给不足。与此同时，硬件迭代的周期远长于模型，导致设计很难协同。找到可规模化的落地场景，以及可深度合作的本体厂商，是当下大晓构建 " 硬件、数据、模型 " 闭环的方法论。在王晓刚的规划中，大晓会先深入广阔的道路巡检和无人物流仓场景，再扩展到更为复杂、安全性要求更高的 C 端家庭场景。这样的好处在于，大晓能够先从 B 端场景中收集足够多的场景数据，提升世界模型能力的同时，还可以快速形成可以规模化的解决方案，帮助本体厂商进入场景。近期，王晓刚和《智能涌现》聊了聊大晓的进展，以及他对具身行业的观察。以下对话略经编辑：找到可复制的场景智能涌现：今年具身和世界模型是一级市场最火的赛道。相较于大晓成立之初，这一轮的融资难度有变化吗？王晓刚：这个时间点融资的好处是，市场有热度、有关注度。但相对的，企业太多，有时候投资人不清楚每家公司的价值点在哪里。所以我们需要付出更多的解释成本，帮投资人梳理清楚我们的发展路径、技术思路。智能涌现：大晓是 2025 年 7 月成立的。当时你会觉得大晓入局具身赛道晚了吗？王晓刚：我们选择这个时间点入局，是因为看到了具身大脑研究范式的变化：原来的主流的 VLA（视觉 - 语言 - 行动）范式存在局限性，缺少对物理世界的结构化理解。世界模型恰好可以解决这个问题。所以在当时入局，我们有可能实现弯道超车。而且在技术还不成熟的阶段，此前大家在探索技术范式，尤其是具身大脑的过程中，浪费了很多数据、模型训练、人力等资源。所以我们在去年入局可以少走弯路，反而有后发优势。智能涌现：相对而言，晚入局竞争会更激烈。王晓刚：具身领域的产业链非常长，很难靠一家企业做完所有的事。所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。去年大晓成立之前，我们和很多具身企业进行了访谈。我发现，当时具身企业普遍对进入场景，抱有谨慎的态度。但场景在具身的发展中起到了关键作用。具身领域是按场景划分的，只要在一个场景中进行了闭环的验证，就很容易进行全球的规模化的复制。在规模化的复制过程中，就能让数据采集的体量、硬件的规模提升几个数量级。智能涌现：为什么具身公司不太愿意进入场景？王晓刚：一方面，技术成熟度还不高。另一方面，解决场景中的问题，涉及到大量的数据采集、研发等资源投入。加之目前很多新兴的具身公司，本身对行业和场景的理解都不够深刻。所以很多公司的态度是：先融钱，等待一个行业成熟的时机点，再去跟上。但等时机点出现的时候，先机已经被别人占走了。智能涌现：在技术不成熟的阶段，你们是怎么和场景中的头部客户谈的？王晓刚：找到技术的边界很重要。我们要根据技术、软硬件的成熟度，把现实的边界找到。如果进入 To C 场景，比如 L4 阶段的自动驾驶，我的技术就不能有边界。但是进入 To B 场景，加上各种可控条件，技术是可以落地的。我们还得判断：哪些场景是可以直接被解决的，哪些场景通过一些手段可以解决。此外，这些场景的解决方案还得具有可复制性。如果你找到的场景不具备可复制性，你做完这个，下一个还得定制化，这其实不是一个很好的选择。智能涌现：怎么判断一个场景具不具备可复制性？王晓刚：举个例子，我们优先深入的是零售、仓储这些场景，因为他们的业务体系和需求，全国都是可以复制的。再比如酒店也是一个可复制的场景，全国有很多酒店，我们交付的都是同一套巡检、导航机器人和机器狗。智能涌现：这些场景的竞争会更激烈吗？王晓刚：虽然大家都瞄准了这几个场景，但很多企业走得不深。这样的后果就是，你的成本无法控制、无法边际递减。你可以做个 demo 炫技，但它不具备规模化的前提条件。智能涌现：怎样的落地模式才算得上 " 深入 " 场景？王晓刚：首先，你需要有紧密合作的生态伙伴。比如，在无人零售的场景中，我们和商汤生态中的公司善惠机器人合作，给他们提供无人零售解决方案。善惠首先会提出成本、续航、节排等要求。其次，在具体的复杂场景中，他们会给很多技术的反馈。这些要求和反馈，有助于我们形成数据闭环，在场景中快速迭代。做完生态合作伙伴的 " 前期功课 " 后，我们也能够知道哪些方案是必要的，哪些是可以省却的，或者可以通过其他方案进行弥补。等方案成熟，我们也能将业务合作拓展到零售相关的其他头部企业，通过规模化把成本降下来。通过这一套打法，目前大晓能够把解决方案的成本降低到行业的 1/3。智能涌现：之前你提到，大晓落地场景的规划是：道路巡检 - 无人物流 - 家庭场景。这个落地顺序背后的考量是什么？王晓刚：一方面，我们考虑的是技术实现的难度。另一方面，我们遵循的还是先 To B 后 To C 的策略。因为 C 端场景规则边界不强，存在很多非结构化的场景。但 B 端场景是受控的，能够保障安全性。所以在 B 端积累更多经验后，我们再走向 To C。△大晓世界模型的家居场景。图源：大晓机器人世界模型还没有「智能涌现」智能涌现：创业初期你提出了很多新观点，比如在 VLA 还是具身主流范式时，选择了做世界模型，再比如提出 " 以人为中心的数据采集范式 "。你怎么判断这套范式是可行的？王晓刚：大方向上的判断是非常确定的。首先，VLA 与世界模型相比，只有后者这样的生成式模型，才具备智能涌现的能力。所以我们做具身智能，第一天就选了世界模型方向。其次，只有真人的数据，无论是采集的效率和规模，还是拟人化的真实性，才能达到训练世界模型的要求。但其中很多细节是在实践过程中才逐渐变清晰的。比如做世界模型，一开始我们的主要关注点是生成能力。但实际场景中，世界模型不光要生成数据，还要去控制真机，通过机器人与物理世界进行交互。这对世界模型的物理智能、空间智能提出了更高的要求。所以我们最近发布了开源空间智能通用模型 ACE-Brain-0，以及物理 3D 生成框架 PhysX-Omni，来提高世界模型的空间智能和物理智能。智能涌现：视频生成模型、VLA 等都称自己为 " 世界模型 "。你对世界模型的定义是什么？王晓刚：简单来说，世界模型得具备三方面的能力：理解、生成、预测。只有同时具备这三个能力，模型才能自我演进、自我纠正、自我进化。为什么大家都说自己是世界模型？因为业界没有针对世界模型的评价体系。比如，行业缺少对长时序复杂任务执行效果的 benchmark。一些所谓的 " 世界模型 " 只是宣传了自己擅长的东西，但其实缺失了另外的能力。像 VLA 缺乏生成能力，视频生成模型缺乏了对物理和空间的理解能力。智能涌现：你们内部怎么评测世界模型的能力？王晓刚：我们正在联合一些学术机构和具身公司，建立一个世界模型 benchmark，其中的评测维度包括跨本体的泛化能力、模拟仿真的能力，这些维度最终指向的是衡量模型理解、生成、预测的能力。智能涌现：大晓的世界模型 Kairos 最近迭代到了 3.0。它的能力类比语言模型处于什么阶段？王晓刚：还没到 GPT3.0。等到 GPT3.0 的阶段，世界模型就能实现智能涌现，也意味着研究范式有较高程度的确定性。目前我们还是按照 " 理解、生成、预测 " 三个维度来逐步迭代 Kairos。最早的时候，Kairos 主要用来做视频生成，后面逐渐开始控制真机，相应的，我们也要提升它对空间和物理属性的理解。智能涌现：在当下世界模型发展的阶段，数据的量、质量、标注，以及后续的评测等环节，哪个对模型能力的影响最大？王晓刚：眼前世界模型还在 0-1 的阶段，可供训练的数据本来就很少。所以在这个阶段，数据的量对效果的提升更明显。当训练数据增加了 10 倍、100 倍，我立刻能看到模型能力的提升。但等到世界模型出现智能涌现，就需要对数据进行精筛、进行精细化的标注。这和大语言模型的发展是类似的。当下世界模型还没有 " 智能涌现 "，所以先要把数据的量铺上去，再反过来解决质量问题。智能涌现：要实现 " 智能涌现 "，世界模型需要多少的训练数据？王晓刚：我们期待的是要达到千万小时的量级。原来真机采集的数据规模只有 10 万小时的量级，现在我们用人采集，基本上能达到百万小时。智能涌现：提升数据采集量级的关键是什么？王晓刚：还是场景的规模化，所以其中就需要产业方进入。其实对于产业方而言，数据采集也是他们进入具身行业的切入点。因为他们有场景，如果做数据采集，马上就可以变现，立刻产生价值。接着通过训练模型，再引入机器人，产业方也能提高场景的效率。模型、数据、硬件、场景的结合是不够的智能涌现：如今行业对机器人的一种态度是：买来只能当吉祥物，没有实际用处。王晓刚：除却质量问题，很重要的一点在于具身公司没有针对特定场景进行深度的迭代和打磨。现在的机器人公司，每年不断发布新的型号，但这些型号不是针对应用场景迭代的，所以原有的问题没有解决，反而会出现新的问题。问题不收敛，就会造成返修率的增加，机器人工作几百个小时，就会出问题。所以当下机器人的规模化推广面临很大的问题。智能涌现：让具身公司根据场景迭代的解法是什么？王晓刚：等场景能够规模化，硬件可以量产，就会倒逼具身公司将资源集中在针对场景的迭代上。智能涌现：如今行业中还有哪些难题？王晓刚：首先，今天模型、数据、硬件三者的结合是不够的。基座模型厂商、世界模型公司，还有做数据的公司，大家都各做各的数据采集方案。但未来本体是靠数据来驱动的，而不是靠真机或者物理模型的规则。所以这些问题就很关键：怎么从人身