当OpenAI科学家还在恐惧“异星心智”，乐享科技已经让它下地干活

今天的科技圈，有两件事如果放在一起对照着看，会显得极其耐人寻味。

当地时间 9 月 6 日，OpenAI 首席科学家雅各布 · 帕乔基（Jakub Pachocki）在官网发布了一篇万字长文《An Alien Mind》原文链接：https://openai.com/ index / an-alien-mind/（异星心智）。

这位出生于 1991 年的核心高管，在 2024 年 5 月接替伊利亚 · 萨茨凯弗出任首席科学家，曾主导过 GPT-4、OpenAI Five 以及 o 系列推理模型的研发工作，是 OpenAI 大模型技术路线的核心掌舵人。相比其他高管，他一向较少公开发声，而这次为数不多的重磅公开长文，却流露出了极度冷静后的忧虑。他称人类已经创造出一套难以完整理解的智能体系，全人类尚未做好应对超级智能快速演进的准备，呼吁全球 AI 研发主动放缓全速扩张节奏。

而另一边，国内具身智能圈子里一直流传着一段长达 10 分钟、全程一镜到底的机器人实拍 Demo。在这个没有任何剪辑的出租屋实景里，机器人真真切切地在物理世界展现出了帕乔基口中那种类似于“异星心智”的自我决策能力。

就在今天，这段 Demo 背后的打造者也浮出水面 —— 乐享科技，还正式发布了模型的名字：以太大模型。具体模型是什么，我们接下来详解，先说一个值得认真聊聊的反差。

当大洋彼岸的顶尖实验室核心掌舵人，像当年人们恐惧汽车跑得太快一样陷入犹豫和纠结时，国内团队反而已经把这种前沿的心智能力，装进了机器人的物理躯壳中。

一个在谈论“问题”，一个已经解决问题。

01.

一个 10 分钟 Demo，一次巧合的“英雄所见不同”

帕乔基在文章中提出，新一代高级人工智能并非人类思维的简单延伸，更像一种逻辑范式迥异的“异星心智”。他指出，这类 AI 是“养”出来的，而不是“造”出来的，连造它的人也不完全懂它。如果仔细阅读这篇警告，再回头看看这段全程一镜到底的机器人实拍 Demo，会发现两者在许多核心描述上有着些许的重合。

不同的是，OpenAI 停留在文字描述和对虚拟沙盒的安全担忧上，而乐享团队直接交出了现实世界的可视化答卷。

事实上，一个多月前，乐享科技就已经正式上线了模型官网 https://www.aether.cn/，同步发布了产品概念阐释、底层技术逻辑和这组跑通的 Demo 视频。八月上旬，乐享科技的创始人在美国与多位硅谷同行交流时，也已经公开展示了关于乐享“星外来客”（非人智能体 / 异类心智）的核心概念框架。而 9 月初，OpenAI 才相继发布了 GPT-6 Astra 官网，并由帕乔基抛出了《异星心智》的长文。

（Aether 与 GPT-6 Astra 官网对比）

这种跨越太平洋的“不谋而合”，让理论与现实产生了极其生动的互动。

02.

以太大模型：OpenAI 眼里虚无缥缈的“异星心智”，长这样

在《异星心智》中，帕乔基曾警惕地提到：当 AI 越来越擅长完成目标时，它未必会沿着人类预设的路径行动，而可能自行寻找一条超出人类预期的解决方案。这种让硅谷感到担忧的特质，放到以太大模型驱动的机器人身上，反而转化成了具身智能的巨大优势。

从 Demo 中可以看到，机器人展现出了极强的自主推理与环境适应能力，具体体现在四个核心维度 ——

自主决策与物理推理：

当身高不够的机器人想要把物品放到高处时，它没有卡死报错，而是像人类一样自主分析，寻找身边的纸箱。在发现自身无法弯腰搬起纸箱后，它甚至尝试用脚将其踹到柜子边来垫高自己。这种在没有预设脚本下通过探索身体边界来学会使用工具的行为，正是智能自我进化的体现。

环境理解与自适应：

在擦玻璃的任务中，机器人擦了几下发现污渍还在，它并没有机械地在同一面死磕，而是自主判断出“污渍可能在外部”，随后主动将手臂伸出窗外去完成擦拭。

跨本体协作：

视频中出现了宇树和智元两款结构完全不同的竞品机器人。在以太大模型的统一调度下，它们共用同一个“大脑”，自主探索出了极度默契的协作方式 —— 当宇树机器人手里拿满物品时，智元机器人会默默走上前，用双手捧起长围巾绕过对方的头部为其挂好。整个过程没有任何语音指令交互，纯粹是跨本体间的自主理解与任务调度。

寻找“能量最优解”：

在整理房间时，机器人不会机械地逐件搬运，而是会计算并寻找更省力的“最优路径”：拎拖鞋时主动抓取挂绳而非鞋体，将毛巾搭在肩膀上，将圆环套在小臂上，以此一次性携带更多物品，将效率拉到极致。

从对物体、空间、自身身体以及任务目标的处理方式来看，这套模型显然不只是让机器人“把动作做得更像人”，而是在尝试让机器人真正理解环境，并根据实际情况自己决定怎么做。

它能适应不同的机器人本体，能处理长时间连续任务，也能在遇到意外情况后从容调整策略。这些能力意味着，它背后的模型已经彻底跳出了传统“看数据、学动作、做预测”的简单路径，正在向能够理解环境、规划行动的真正智能体演进。

03.

跳出主流框架：寻找自主智能的新解法

为什么以太大模型能做到这些？

因为它在技术路线上，跳出了当前具身智能的主流框架。

现阶段，行业里的具身智能模型探索路径大致可以分为两类，但两者都面临着从“智能感知”走向“自主行动”的共同挑战。

第一类是 VLA（视觉-语言-动作）模型。它的核心思路是“数据端到端拟合”，通俗来讲就是靠海量数据来“背题”。这类模型最大的瓶颈在于：“脑子懂了，手不会”。

模型能够听懂指令，也认得眼前的物品，但由于它的动作完全依赖对过去训练数据的模仿，一旦环境光线变了、物品摆放位置偏了，或者面临一个没见过的长流程任务，它的“手”就不知道该怎么动了。它缺乏对真实物理世界的理解，遇到一丁点未知变化，泛化能力就会见底，容易发生误差累积甚至直接停机。

第二类是传统世界模型路线。它让 AI 先理解环境规律，在脑海里精准预测未来状态后，再去指挥身体。但这条路同样布满荆棘。它需要极其庞大的算力和绝对精准的物理模型。更致命的问题在于：当机器人面对一个任务，在脑子里进行了极其复杂的物理推演后，再把指令下发给具体的硬件身体时，往往会因为大脑里过了太多选择，最后呈现在动作上反而有些乱七八糟。它就像一个过度思考的学者，推演了无数种可能，但在实操时却显得犹豫、卡顿，甚至因为指令冲突而手忙脚乱。

换言之，VLA 是“盲目背题”，传统世界模型是“想得太多，做得太乱”。

面对这两条路线的困境，乐享科技给出的解法是：换个思路，用能源驱动的模型来搞定这件事情，即以太大模型（Aether）。

（Aether 官网截图，发布于 7 月底）

以太大模型到底解决了什么？

简单来说，它结合了世界模型的“环境预测”能力和能量模型的“直觉约束”能力。

它构建了从高层情景记忆与意图认知（大脑）到低层力位控制与本能反射（脊髓）的完整神经通路。它保留世界大模型对物理环境的预测能力，但不会陷入无限推演的计算黑洞；而是通过 Energy 能量约束辅助决策，型引入的 Energy 模型，扮演的就是这种“人类本能”。它可以辅助机器人的大脑快速剪枝，从成千上万种推演中，精准且果断地选择出最具效率和价值的那一个动作。

有了这套技术逻辑的支撑，以太大模型真正赋予了 AI 一套自我养成的能力，并展现出了三个维度的核心优势：

1Consist（世界一致性）：机器人能够真正理解环境变化与物理后果。任务中途遭遇意外干扰时，它能感知状态变化并自主修正，从容恢复任务，而非像传统模型那样直接卡死报错。

1Continue（持续自我演化）：面对长跨度任务，它打破了传统模型误差累积的魔咒。机器人能在执行中积累经验，根据反馈持续优化行为，实现认知演化的闭环。

1Character（自主适应能力）：真正实现“一脑多机”。模型不再死死绑定单一硬件，不同品牌、不同形态的机器人，都能凭借这套底层的物理直觉，共享同一个聪明的“大脑”。

剥离表层的“动作仿生”，以太大模型探索的本质是让机器人理解物理规律。

面对具体目标，它不再靠训练集里的记忆去生搬硬套，而是靠自主探索、自主认知，在真实的物理世界中独立找到通关的最优解。

（Aether 官网截图）

04.

谁在悄悄改写过去

过去几年，大模型的发展很大程度依赖规模扩张：更多数据、更大算力、更复杂的训练体系，不断推动模型能力提升。而具身智能或许正在探索另一条路径 —— 除了扩大模型规模，如何让机器真正理解物理世界、形成自主决策能力，同样可能成为下一阶段竞争的关键。

而当这些技术红利落到普通人身上，最直观的改变将发生在日常生活中。未来的家庭机器人，不再是那些只能按预设路线扫地、一碰障碍就报错停机的自动化设备，而是懂得审时度势的智能伙伴。它能在任务被打断后从容恢复，也能在陌生环境里主动寻找解决方案。只有具备了这些能力，机器人才能真正意义上走入家庭，成为人类可靠的助手。

如果在缺乏约束的虚拟数字沙盒里，这种极其专注却又不受控的智能，极易失控成为无视人类规则的幽灵。如何让超级智能保持可控并真正服务于人类，是未来无法回避的命题。

但恐惧，永远无法阻挡技术探索的脚步。乐享科技以太大模型，让我们看到了自主智能的另一种可能 ——AI 对大家现实生活的帮助会真的行之有效，而不只是一个概念或者一块大饼。

我们或许正在接近一个新的节点 —— 未来的 AI 不只是回答问题，也可能开始帮助人类完成真实世界中的工作。

可以确定的是，关于智能下一步将走向哪里，这场讨论才刚刚开始。