前华为小艺大模型负责人唐都钰创办观行数智，押注主动式物理AI
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载主动式物理AI指什么
唐都钰把当前多数物理AI归为被动式：任务起点是人类给出的明确指令，比如把苹果放进篮子、从冰箱取水、整理散落玩具，机器人随后识别环境、规划行动、调用身体执行。这类系统解决的是如何完成任务，而不判断需要做什么、什么时候行动。他提出的主动式物理AI面对的是一条持续展开的事件流，需要不断接收现实环境信息，理解其中正在发生的事件，判断某种变化是否已经形成需要，经过流式判断后才决定要不要介入、以什么方式介入、调用何种设备介入以及何时介入。按他的说法，这是把一次完整行动链路向前补齐，而非只做链路后半段的执行。
主动为什么难
材料指出，让机器更主动的尝试并非首次出现。1998年微软研究院做过名为LookOut的原型，用户读邮件时它会判断是否需要查日历或填写日程；次年微软研究员系统讨论了主动式交互，希望人和机器都能根据情境接过主动权；2000年微软研究院把研究带到现实世界，用摄像头追踪人的位置，人走向屏幕时正在使用的电脑界面随之切换。这些探索触及一个关键问题：机器能否根据情境理解人的潜在意图，并在没有明确命令时提供帮助。难点在于边界与时机：提醒早一步容易变成打扰和责备，出手晚一步帮助又失去意义。物理环境中同一动作含义可能完全不同，有人突然倒坐在地可能只是休息也可能是昏厥，孩子伸手靠近水杯可能只是观察也可能碰倒。
唐都钰的履历与判断
唐都钰此前任华为智能助手小艺多模态大模型研发负责人，职级达到21级。从0到1开发小艺大模型并落地到数亿台终端，意味着除模型训练外还要打通数据工程、推理部署、端云协同与终端适配整条链路，这些经验与物理AI把模型能力落到具体硬件、在真实环境与用户反馈中迭代的要求相通。他博士阶段在哈尔滨工业大学SCIR研究中心师从秦兵教授，研究机器理解人类情感，同年入选IBM全球博士英才计划；2016年博士毕业后进入微软亚洲研究院，将研究拓展至代码智能，主导CodeBERT、CodeGPT等相关研究，并曾带过后来成为DeepSeek-V3、DeepSeek-R1核心贡献者之一的郭达雅。其论文累计引用超过3万次，入选全球前2%顶尖科学家榜单终身科学影响力名单。他认为源头技术创新、大模型训练与终端落地、基于真实用户反馈的数据回流与持续迭代三者缺一不可。
为什么值得看
头部终端AI负责人转向物理AI创业，提出与主流指令式路线不同的主动式判断问题，值得关注其思路与落地路径。
信源1 家
关键事实
相关 · 行业
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。