
【LiberAI获新一轮融资】
6月曾被报道的LiberAI今日宣布完成新一轮数亿元Pre - A+轮融资,投资方有360战投、国开金融、创新工场、CMC资本、彬复资本等,老股东红杉中国自天使轮连续追加四轮。三个月内,它已获红杉中国、真格基金、美团龙珠、顺为资本等顶级机构连续押注。
【行业趋势与LiberAI技术路线】
上半年,世界模型赛道新公司众多。进入下半年,资金将向头部项目聚拢,只靠讲故事不行,还需有扎实业务进展。此前介绍过刘松铭的创业历程和LiberAI技术路线选择——模型重注原生多模态预训练,构建自己的数采和硬件体系。此次着重聊了预训练、人类数据与灵巧手的重要性及自研人类数据手套进展。
00后创始人刘松铭认为,预训练是智能根源,世界模型是多模态模型延伸,关键是引入物理模态后落实多模态方法论。对于人类数据,他觉得文本、视频、物理三个模态须在隐空间对齐,才能解决灵巧手高维空间采样与决策难题。
【LiberAI进展与规划】
刘松铭透露,LiberAI在高自由度灵巧手上从模型训练到部署全环节跑通,自研人类数据手套进入量产阶段。到今年年底,公司着力推进两件事。
其一,跑通人类数据,跑出人类数据预训练Scaling Law,在泛化性上实现涌现,让人类数据成核心支柱。刘松铭称做夹爪早期易出demo且每步可用,但做灵巧手在复现人类智能前有“沉默期”,风险高,不过成功后能链接所有人类数据和互联网视频,收益巨大。
其二,在模型架构上,LiberAI想做兼具agent能力的世界模型,这是能推理的模型,如同“physical版的Claude”,可在真实世界进行任务规划、推理、执行与纠错。
【夹爪与灵巧手路线分歧】
具身行业兴起两三年,数据采集方式和模型技术路线分歧一直存在。Generalist AI 7月公布模型新能力,同一预训练模型可驱动多种末端执行器,它不看好五指灵巧手路线,认为机器人手不像人手。
刘松铭看法不同,他觉得只要完整蒸馏人类智能,这种智能天然适应不同本体。LiberAI没做过夹爪,聚焦灵巧手算法和人类数据采集与预训练。
刘松铭认为数据采集时“让人模仿机器人”还是“让机器人模仿人”是哲学问题,前者用遥操、UMI夹爪和外骨骼等收集数据,后者用数采手套收集人类数据。他分析,让人模仿机器人收集的数据能从人迁移到机器人,但他们选择让人保持特性、无感采集,虽人与机器人短期内差距可能变大,但天花板高、运维成本低、易规模化。
从算法实现看,夹爪和灵巧手难度不同。夹爪自由度少、状态空间离散、控制和算法难度小、短期易出demo;LiberAI部署的灵巧手有20个自由度,观测、数据采样、底层Infra和细节控制更困难。不过刘松铭认为可部署于高自由度灵巧手的模型研发有意义,就像爬雪山,登顶后优势大,能链接所有人类智能,且他们的模型从灵巧手迁移到夹爪容易,更坚信人类数据与灵巧手路线。因为终极目标是让机器人有人类通用操作能力,人类数据是不可替代的“石油”,夹爪数据难以和人类视频对齐,难规模化到通用智能。
【LiberAI为目标做的工作】
为实现目标,LiberAI做了三方面工作。一是数据基建与工程算法,搭建数据pipeline,包括清洗数据、切割互联网视频、检测手部、优化手部检测算子速度,以快速切分出手部数据。目前data infra和数据管线已体系化,自动化率超90%,基本通过API和自研微调模型自动打标,管线由agent监控和优化,越标越聪明。
二是模型训练,关键是提升模型在复杂空间采样的能力,将文本、视频、灵巧手动作三个模态对齐到同一隐空间采样,提升手部感知、采样和控制效率。LiberAI团队已做大量human data和多模态训练并对齐到统一空间。
要让路线跑通,需攻克数采手套“不可能三角”——高精度、可穿戴性、抗电磁干扰且抗遮挡。刘松铭介绍,自研人类数据手套已攻克该难题,进入量产和规模化in the wild采集阶段。
各公司数据recipe不同,数据类型大体收敛到互联网视频、真机遥操、UMI、人类数据等,但配比有差异。在LiberAI的数据金字塔里,互联网人类视频数据占塔基,比手套数据大1 - 2个数量级;手套数据次之,比真机数据大1 - 2个数量级;真机数据最少。公司愿景是让人类数据成最重要支柱,减少对真机数据的依赖。这曾是激进赌注,去年行业主流是通过遥操采集真机数据。此外,公司还尝试将数据采集团队与agent系统结合,如模型推理发现问题,agent会自动发布任务调度采集数据。用AI管理AI数据,是全新组织思路。
【对话:行业竞争与企业文化】
以下是关于行业竞争和企业文化的部分对话内容。
刘燕秋问刘松铭为何坚持做五指灵巧手算法,刘松铭称这是短期和长期问题,做夹爪早期易出demo,做灵巧手有“沉默期”、风险高,但成功后收益大,从第一性原理出发,更愿追求难而正确的事。
刘燕秋问“杀死真机后训练”含义,刘松铭解释目标是不采真机数据直接迁移,克服真机数据成本高、难规模化问题。目前仿人本体已量产,硬件OS系统用agent方式,可自行排查损坏、做客服。数据管线的agent能监控问题、迭代模型算法,数采环节也agent化,根据模型推理效果调整发布任务。
刘燕秋提及思路很AI native,刘松铭认同,称用AI思路做硬件,数据管线和数采管理都用agent化,是AI for AI思路。
刘燕秋问如何看待更早成立的公司,刘松铭指出采大量夹爪数据后做灵巧手、采遥操数据搭建体系后不采了等存在现实问题。大公司多条路线并行,难以押注一条,是不自信;初创公司需专注和快速迭代。
刘燕秋问不担心all in一条路线赌错,刘松铭表示基于第一性原理推导,且持续验证,更坚信目前道路,已逐步脱离非共识。
刘燕秋问先发者技术和数据积累能否融合到新路径,刘松铭认为知行合一重要,历史路径依赖强会导致人员匹配问题,大公司组织大,不匹配背景影响迭代速度。先发者部分目标是上市,与他们冲刺AGI到来的目标不同,他们更纯粹、专注、轻装上阵、迭代快。
刘燕秋问赌一到两年有突破的依据,刘松铭称已解决数据问题,大模型发展快,这是多模态问题,多模态解法在很多领域已成功。
刘燕秋问与国外顶尖具身公司差距,刘松铭觉得模型差距不大,最新成果已与硅谷同起跑线;国内硬件理应领先,但很多还停留在遥操时代。
刘燕秋问投资人是否关注管理能力,刘松铭称投资人问了文化、管理问题,他回答核心是利益、信息、价值观。利益分配要公平,信息高度align,价值观推崇谦逊、有同理心,反对山头文化,看重工程化能力证据。



被折叠的 条评论
为什么被折叠?



