斯坦福 Manning 谈 Moonlake 押注代码化世界模型，反对单一巨网方案
chrmanning · x · 2026-09-19
斯坦福教授 Chris Manning 介绍了 Moonlake 的路线：为机器人部署与测试构建世界模型和仿真平台，但不押注「一个大神经网络搞定一切」，认为该路线在物理准确性、长期一致性上尚不成熟。
核心论点：
- 编码模型的爆发（Claude Code、Codex 等）改变了可能性——现在可以用编码类 AI 产品直接构建仿真环境。
- 过去机器人进展慢，很大程度因为默认做法是摆一屋子真机器人折 T 恤录数据，慢、贵、难规模化。
- Moonlake 的答案是代码化、物理接地（physics-grounded）的仿真，而非端到端大网络。
「公司和人」频道最新
- 新应用研究实验室 Finite Systems 亮相，聚焦工程工具 — jakedahn · 2026-09-19
- 为什么 PhD 纷纷转做 VC：想做对人类有用的东西，市场是合理代理指标 — dr_alphalyrae · 2026-09-19
- Matthew Chang 团队一年设计 5 亿美元美国工厂自动化,再获 10 亿美元新需求 — MatthewChang · 2026-09-19
- OpenAI 与英伟达联合参与 AIxBio 黑客松活动 — mmbronstein · 2026-09-19
- 迪士尼挖来前 Character.AI CEO Karandeep Anand 出任首任 CTO — 12exyz · 2026-09-19
- 机器人公司校招排队超 300 人,热度压过 Google 和亚马逊 — MatthewChang · 2026-09-19