创作者写的节目说明

这期的嘉宾淏楠非常「折腾」。他读过五个大学，读着觉得没意思就换，也是少有的同时做过 Agent、多模态、RL 和具身的人，而且总是做一些逆势而为（非主流）的选择：

他曾在陈天桥和代季峰两位老师的 MiroMind 工作，是最早一批做 Agent 的人，却在 Agent 最热的时候放弃更丰厚的 package，转向多模态。在混元负责多模态 RL infra、主导推出开源多模态强化学习框架 UniRL 之后，他最近又换了方向，去了一家具身公司负责模型训练。其实，Astra 的出现给具身行业带来了不小的震动，也似乎抹平了各家此前在「大脑」上积累的优势。淏楠在此时入局，总有那么一丝「49 年加入国军」的意味。

不过，这些选择看似很跳，但背后的思考一脉相承，既关乎个人志趣，也有对技术发展和未来空间的判断。所以从 Agent 到多模态再到具身，一路做下来，淏楠收获了什么？这几个方向的实际进展，与外界的感知又有哪些不同？前段时间很火的 Minimax H3、GPT Astra，到底会带来哪些改变？这期播客，我们就沿着他的经历聊了下来。

聊到最后，淏楠谈起具身很兴奋。现在入局具身，可能不但不是 49 年入国军，反而恰好赶上了具身的 GPT-3 时刻？

【人类博物馆】

导游：曲凯，42章经创始人

54 号珍藏：王淏楠，前腾讯混元多模态 RL infra 负责人、主导开源多模态强化学习框架 UniRL，曾在 MiroMind 参与 Agent 研发，现于某具身智能公司负责基模预训练。

【时光机】

Part 1 从 Agent 到多模态

为什么会从在 MiroMind 做 Agent，转去在混元做多模态 RL infra？
国内外 RL 的差距到底在哪？
Agent 和多模态的关系其实可以很紧密
做 Agent 和做多模态，其实都是围城
大厂不太能做具身？
多模态最后只有两条变现途径

Part 2 聊聊视频生成

Seedance 到底为啥这么好？
多模态的竞争可能没那么激烈？
视频生成现在发展到什么程度了？
「抽卡」依然会存在，但概念可能会发生变化
视频生成继续发展下去，可能会解锁什么样的机会？
MiniMax H3 到底什么水平？
实时互动的技术真的成熟了吗？

Part 3 从多模态到具身

好多人做世界模型都做迷茫了…
做具身的两种正确路线
为什么 Astra 给具身圈子带来了比较大的震动？
聊聊具身训练的 reward 和数据
具身的「大脑」，最后会变成大模型厂商的竞争吗？
在现在这个时间节点去做具身，是不是 49 年入国军？
Agent 开发的场景还是不够多
多模态还有创业公司的机会吗？
具身里可能迎来了 GPT-3 时刻？

【The gang that made this happen】

制作人：陈皮
剪辑：二琳、陈皮
片头：Mondo Bongo - Joe Strummer & The Mescaleros
片尾：Alpine Decline - I Got Up (Just Like John Sinclair Told Us To)

在小宇宙查看该单集文稿

说明里标出的时间点，点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

具身数据管线的完整逻辑：小模型操作、GPT 接管失败步骤、遥操数据回流，成功率从 60 拉到 80。

别处听不到的

嘉宾同时做过 Agent、多模态 RL Infra 与具身基模预训练，讲得出三条线各自的围城与真实水位。

最打动人的

他提到 Astra 让自己第一次觉得「这东西真的能落地」，是一个研究者对技术拐点的真实反应。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

一个同时做过 Agent、多模态 RL Infra 和具身基模的人，把三条线的真实水位讲了一遍：国内 RL 差距不在代码而在卡，视频生成只有六十分，抽卡未来拼的是审美不是质量。最实在的是他描述的那套数据管线——小模型先操作，失败时让 GPT 接管并留存遥操数据，成功率从 60 拉到 80，还拿酒店叠被子举例说明具身到底能落在哪。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

前混元多模态 RL Infra 负责人淏楠讲述自己从 language agent 到多模态、再到具身基模预训练的三次转向。他判断国内 RL Infra 与海外的差距主要在卡而非工程能力；视频生成目前约在「六十分」，抽卡的意义会从质量分歧转向审美分歧；世界模型短期难落地，市场情绪大于技术现实；Astra 之所以震动具身圈，是因为它真能输出有物理意义的动作序列。他还给出具身小厂的落地路径：硬件绑定小模型、用 GPT 接管失败步骤形成数据回流管线，并以酒店叠被子为例说明可落地场景。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立