生数科技开启 Motubrain 2.0 训练全流程直播，公开 Physical AI 研发细节

封面为AI生成的主题示意图，非新闻现场照片。

10 月 21 日，生数科技世界模型团队正式开启具身智能模型 Motubrain 2.0 的训练全流程公开直播，活动计划持续半个月。此举旨在打破行业常态，向公众展示大模型训练的内部过程与研究进展，而非仅呈现最终的机器人 Demo 或评测结果。此次直播聚焦 Physical AI（物理人工智能）的实现路径，核心问题是探讨如何让 AI 理解物理环境并驱动机器人完成任务。相比大语言模型，Physical AI 需解决动作决策、任务执行及跨场景泛化等更复杂的挑战。Motubrain 系列致力于构建具备通用能力的具身模型“大脑”，实现不同任务、场景与机器人本体间的能力迁移。在正式开源之前，团队选择率先公开训练全流程，涵盖四个关键环节：预训练阶段观察训练规模对零样本泛化能力的影响；后训练阶段针对具体任务提升执行效果；Agent 任务执行阶段探索经验迁移能力；以及 RSI（递归自我改进）阶段研究模型根据反馈评估并自主改进行动的能力。这种透明化的研发模式具有显著的行业价值。过去外界多通过论文和演示了解技术，难以洞察模型在训练中遇到的失败、试错与调整细节。直播让研究者能够观察到模型能力如何逐步形成，也能看到团队如何通过实验和反馈解决具体问题。生数科技希望通过此次互动分享研究中的经验与思考，共同探讨规模化训练、跨任务泛化及自主改进等关键议题，为 Physical AI 的范式探索提供参考。相关研究成果处于探索阶段，具体效果将在后续实验和评测中得到进一步验证。