109. 机器人遭遇数据荒？与谢晨聊：仿真与合成数据、Meta 天价收购和 Alexandr Wang
Show Notes
今天又是一集机器人专场。嘉宾是光轮智能创始人兼CEO谢晨，他曾在英伟达、Cruise及蔚来汽车担任自动驾驶仿真负责人。我们的话题非常具体，即:仿真与合成数据。
今天的具身智能尚且没有找到scaling law的有效配方，其中，数据是一个关键卡点。我们106集的嘉宾银河通用创始人王鹤就提到，真实数据在他们的训练数据比重仅仅1%，合成数据挑起大梁。
今天这集节目，我与谢晨聊了聊仿真与合成数据的实操细节。
开始的快问快答
高频词汇解析：Sim2Real（从仿真到现实）、Sim2Real的gap、合成数据
从Cruise到英伟达到蔚来，怎么做合成数据和仿真？
制作合成数据的具体流程？合成数据与真实数据的配比？
在合成数据上，智能驾驶和具身智能的区别（智能驾驶是视觉的游戏，具身智能的物理交互最关键）
物理的Real2Sim（真实到仿真）工作流是怎样的？怎么评估成功的仿真？关键技术节点？
Physical Intelligence（π）对仿真与合成数据的两难态度
辣评Meta 300亿美金收购Scale AI和极其aggressive的Alexandr Wang
合成数据目前面临的瓶颈
全球具身智能产业链Mapping：
硬件公司（宇树）
基座模型公司（π、Skild、英伟达和DeepMind）
在垂域落地的软硬结合公司（Figure，特斯拉Optimas、The Bot Company）
以仿真为中心做端到端落地的公司（光轮）
（“特斯拉Optimas的管理文化和π完全不一样”）
美国存在具身模型层的创业机会，中国在我看来字节、小米、理想更适合做“大脑”
老黄在内部说：NV is a simulation company
终局的模型应该是是跨宇宙、跨世界、跨本体（提升跨宇宙的能力，本质是提升泛化性）
具身智能的产业还在GPT-1阶段，还没找到scaling law的配方
我创业刚开始，从具身的本科开始学起
最后的快问快答
【机器人专场】
逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”
