千寻智能解浚源：具身智能的 Scaling Law 已跨过起跑线丨具身先锋十人谈

千寻智能解浚源：具身智能的 Scaling Law 已跨过起跑线丨具身先锋十人谈 | 雷峰网

您正在使用IE低版浏览器，为了您的雷峰网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器

此为临时链接，仅用于文章预览，将在

时失效

人工智能

正文

发私信给<br/>赖文昕

发送

0

千寻智能解浚源：具身智能的 Scaling Law 已跨过起跑线丨具身先锋十人谈

本文作者：<br/> <br/>赖文昕

2025-04-29 16:26

--><br/> <br/> -->

0条评论

-->

导语：导语：万台机器人比万卡集群成本更低。

作者 | 赖文昕

编辑 | 陈彩娴

不久前，首届“人形机器人半程马拉松”在北京亦庄举办，为本就热度满满的具身智能行业再添了一把火。

一共 20 支队伍组成的“钢铁生命竞赛”，让此前集中在实验室 demo 阶段的人形机器人们，跑到真实场景中接受试炼，最终共有 6 支队伍完赛，完赛率为 30%。

质疑随着掌声纷杳而至：具身智能真的不是泡沫吗？

对此，千寻智能具身智能部负责人解浚源表达了自己对“具身智能 Scaling Law”的看法。

“对于机器人来说，现在的规模仍处于 Scaling Law 里非常早期的状态。”解浚源解释道，“尽管赛道火热，但相较于大模型公司来说，大家的规模和估值都还较低，现在制约具身智能领域的不是算力和资本的投入，而是硬件迭代的客观周期，即做量产可靠的机器人、管理大规模数据采集工厂所需的时间。这是一个制造业的问题，比软件慢一些，但相信在中国强大的供应链体系的支撑下，我们每年都能上一个数量级。”

就在上个月，解浚源在朋友圈正式宣布了自己加入具身智能创业公司千寻智能，全面负责具身大模型的研发。

此前，解浚源在深度学习框架和系统钻研十余年，曾任亚马逊资深科学家，在明星部门 AWS 负责深度学习算法和系统研发，是开源深度学习框架 MXNet 的主要开发者和维护者之一；2019 年又加入字节跳动的应用机器学习（AML）部门任 AI 高级专家。

作为具身智能领域的跨界人才，这其实并不是解浚源的第一次“破格尝试”。

解浚源本科就读于中国科学技术大学的计算机系，在大三那年就以一作的身份在顶会 NeurIPS 上发表工作，用深度神经网络对图像去噪与修复，论文引用量至今已超 1.9k。

2013 年，解浚源本科毕业后赴美深造，在华盛顿大学读博，先是做了一年左右偏理论的研究。他发现自己对偏应用的工作更感兴趣，便主动找到了现艾伦人工智能研究所（AI2）的 CEO Ali Farhadi，提出做与计算机视觉（CV）应用相关的研究，随后又同在 Meta FAIR 任职并提出深度学习算法 R-CNN 系列的 Ross Girshick 合作。

出于个人兴趣和研究需要，解浚源开始了对深度学习框架的探索，因认为相对成熟的框架 Theano 和 Caffe 不太好用，便试着自己写框架，但仍觉得所搭建的框架比较粗糙、不够灵活。

2015 年中，就在谷歌大脑团队发布 TensorFlow 的几个月前，解浚源收到了同届好友陈天奇推荐的深度学习框架 MXNet 的 demo，开始试用了起来，一边在自己的研究中使用，一边对其作出改进。

MXNet 由三个开源项目合并而成，分别是陈天奇的 CXXNet、张铮及其学生王敏捷牵头的 Minerva 和颜水成学生林敏牵头的 purine2。同时参与 CXXNet 和 Minerva 的李沐意识到两个项目能合并起来取长补短，便有了 MXNet（意为 mixed-net）的雏形，在 purine2 加入后于 2015 年年底正式开源。

2016 年底，亚马逊宣布将 MXNet 选为公司最主要的深度学习框架并为生态系统的开发提供软件代码、文档和投资。次年初，一直在为 MXNet 做架构的解浚源加入亚马逊 AWS，继续做 MXNet 相关的算法和系统研发。

2019 年，解浚源回国加入字节跳动的应用机器学习（AML）部门，先后负责优化推荐系统、搭建联邦学习平台、AI 芯片以及大模型的 ToB 业务。

今年，解浚源又再度“转行”，跨入了具身智能赛道，成为了千寻智能的具身智能部负责人，他表示，“机器人快速发展爆发的时刻即将来临，我不想错失这个机会。”

以下是 AI 科技评论与解浚源的对话。

跨界入局具身智能

AI 科技评论：加入千寻已经不是您的第一次“转行”，可以分享一下您的跨界经历吗？

解浚源：<br/>我博士读的是 CV 算法方向，但一直对写代码、做工程很感兴趣，接触 MXNet 后先是自己边用边改，接着慢慢从自己贡献到开始回别人的问题、做 Code Review，后来慢慢地开始做整体的架构。

在这过程中我写了越来越多与自己研究无关的代码，摸索出自己的兴趣所在。随着 MXNet 被亚马逊采用、李沐毕业后也去了亚马逊，我觉得自己继续做研究没有比做框架和工程有意思，所以就在博三休学了，去亚马逊做 MXNet 的架构师。

在亚马逊的工作基本上围绕 MXNet 展开。比如推广框架需要 SOTA 模型和 Model Zoo，为了给 MXNet 做一个最好 CV 方向的模型，当时团队整理了已有文献资料里的技巧（trick），把所有 trick 整合起来发现，每叠加一个，效果可以往上涨，最后做了效果最好的 ResNet-50，发了“Bag of Tricks”工作。

后来一位在字节的师兄介绍我和刚去字节负责推荐系统的刘小兵认识，我们聊得很投缘，后面就决定加入字节。一开始还在字节美国，后来发现业务核心在国内，我就在 2019 年回国，在 AML 组做推荐系统的优化。

接着我做了联邦学习平台，旨在解决广告主在抖音投放广告时因竞争产生的数据安全与隐私顾虑，通过联邦学习实现跨平台合作优化广告投放效果，同时避免直接数据共享。后来还做过新硬件项目，是关于非英伟达的 GPU 加速卡的调研和引进，2023 年后又在火山做大模型的 ToB 业务，算是 CV、系统、框架、搜广推、大模型等都有所涉猎。

AI 科技评论：您之前的经历集中在深度学习系统与框架，是什么关键事件让您决定踏入具身智能这一需要物理交互的领域？为何认为当下是入局的最佳时机？

解浚源：<br/>今年年初，我和一位在美国的同学聊天，对方向我分享了 Physical Intelligence 公司的 demo，视频里展示了该公司的机器人在叠衣服、纸箱，实现了对可形变的柔性物体的操作。

看完后我觉得眼前一亮，因为读博时自己一直做比较抽象的软件，觉得硬件这种看得见摸得着的东西很好玩，所以会很关注机器人领域的发展。但当时我觉得机器人进展很慢，动作特别僵硬，能做的事情极少，只能拿杯子这种不可形变的刚体做一些简单操作，离实际使用特别遥远。

而 PI 的 demo 实现了以前不可想象的机器人对可形变柔性物体的操作。对于一件衣服而言，有一万种方法把它团成一团，这对于机器人模型的识别而言，难度极高，显然机器人领域有了很大的飞跃。所以我就去详细研究了相关技术，包括最近很火的 VLA 技术，还看了自动驾驶对 VLA 的应用。

我发现端到端的 VLA 是条正确的技术路线，让机器人走上了类似从 GPT-2 到 GPT-3 再到 GPT-4 的路径，而现在的节点在GPT-2～GPT-3 之间，属于 Scaling Law 里非常早期的阶段，但已经展现出非常好的性能。那既然机器人快速发展爆发的时刻即将来临，我不想错失这个机会，就集中看了各家机器人公司。