从AI画金门大桥看具身智能学习范式的转折

一

2026年9月，OpenAI实习生Thijs给GPT-6 Astra接上150美元的SO-101机械臂、一支笔、一个摄像头，说：“画金门大桥。”

没给轨迹，没教关节控制，没给人类画画数据。

Astra自己试。先琢磨从哪下笔，边画边看摄像头，根据看到的调整下一笔。反复试，越画越像。最后画出一幅红蓝相间的金门大桥水彩。

Altman回了三个词：“i want one.” 画被他收走了。

但让研究者震动的不是AI会画画。CMU Robotics做了另一个实验：录一段人完成新任务的视频，丢给Astra，让它控制机械臂照做。一次跑通。他们管这叫physical ICL——大模型从上下文里临时学会新任务的能力，搬到了物理世界。

但Astra有边界。把红色积木放进碗里，20次成功19次，95%。换成把圆形拼图嵌进凹槽，成功率掉到10%，20次只成2次。

能大概做对，做不了精细做对。那幅画，精度就是幼儿园水平。

但就是这个幼儿园水平，让行业开始重新想一个问题：具身智能到底该怎么学？

二

主流怎么训练具身智能？

收集人类演示数据，让机器人模仿。你拿机械臂做一遍，录下来，喂给模型。Physical Intelligence、Skild AI都在做，融了数亿美元建机器人基础模型。

在虚拟环境里训练，再迁到真实世界。仿真自由度远低于现实，仿真里学会的，真机上经常失效。

设计奖励函数，做对加分，做错扣分。奖励函数本身就是瓶颈。设计不对，它学歪；设计不全，遇到规则外就懵。

三种做法的共同点：外部设计。数据是人给的，仿真环境是人建的，奖励函数是人设计的。都是外部告诉它怎么做，不是它自己尝试、验证、修正。

他们不是没试过让机器自己探索，是试了发现太难，放弃了。而放弃的原因，值得重新看一眼。

三

强化学习本质就是探索式学习。机器在环境里试错，根据奖励调整动作。这条路走了几十年。

为什么没走通？

因为他们把探索式学习当成了直接解决问题的工具，而不是养能力的过程。

逻辑是：要让机器人端水，就设计端水的奖励函数，让它在环境里试错，试到会为止。

结果：试错空间太大，搜不完；奖励太稀疏，成功一次要试几百万次；真机上摔几次杯子就没了；今天会了明天忘。

结论：探索式学习太难，不实用。转向模仿学习、仿真训练。

问题出在把“学端水”当成了“学端水”。

婴儿学端水，不是直接学端水。先学抓东西，再学手眼协调，再学控制力度，再学空间判断，再学平衡，最后串起来才是端水。每一步都是短闭环、快反馈、低成本。

主流强化学习直接学端水，奖励函数就是“端到终点不洒”。相当于让不会抓东西的婴儿直接学端水。

他做不到。不是探索式学习不行，是任务跨度太大。

他们想一步登天，发现登不上去，就说具身智能太难。

不是难，是不愿意等婴儿长大。

四

婴儿学动作，不是一上来就端水。

躺在婴儿床里，最先能控制的是眼睛，追光追人脸。然后控制脖子，头能转。然后控制躯干，会翻身。然后控制手臂，能伸手。然后控制手，能抓东西。然后手眼协调，看着东西去够。然后力度控制，轻拿轻放。然后空间判断，杯子在哪嘴在哪。然后平衡，端着走不洒。最后串起来，才是端水、吃饭、穿衣。

每一步都在掌握一个基本动作。每一步闭环短，反馈快，试错成本低。

婴儿在这些短闭环里长出来的，不是“放方块”这个技能，是手眼协调、抓握力度控制、空间判断、动作预判、平衡控制。这些是底层能力。

底层能力长出来，再学吃饭、穿衣、搭积木、画画、骑车，都快。因为他不需要重新学怎么控制手，调用的是同一个底层控制能力。

这就是学习的路径：先掌握基本动作，再组合成复杂技能。

五

学习本身，就是“目标→尝试→修正→反复”这个循环。

目标：画金门大桥。尝试：画一笔。修正：看一眼，偏了，下一笔调。反复：再画，再看，再调，直到像。

它不依赖人类示范数据，不依赖仿真环境，不依赖奖励函数。

只依赖四样东西：一个目标，一个执行器，一个传感器，一个能判断当前状态和目标差距的机制。

差距出来就修正，修正完再试，试完再看差距。循环跑起来，能力就长出来。

技能是循环的产物，能力是循环的沉淀。

Astra学会的不是画金门大桥这个技能，是那个循环。

循环跑通，换任务就是换目标。写汉字，循环照跑；搭积木，循环照跑；端水，循环照跑。

学习本身等于循环，技能等于循环的产物。

六

“学习本身”还有另一半：技能是基本动作的组合。

婴儿先掌握基本动作：抓、看、移动、用力、松手、调整角度。这些是零件。

然后组合：抓+移动+看=够东西；抓+用力+看=拧螺丝；抓+移动+平衡+看=端水；抓笔+移动+看+修正=画画。

新任务，就是旧技能的新组合。

组合越多，新任务需要的全新学习就越少。人越学越快，不是变聪明了，是可复用的底层技能越来越多。

学抓，慢。学会抓之后学拿勺子，快。学会拿勺子之后学拿笔，快。学会拿笔之后学画画，快。学会画画之后学写字，快。

每一步都在调用前面积累的技能。新任务来了，先看能不能用已有技能组合出来。能，就快；不能，再学新技能。新技能往往也是已有技能的重新组合。

循环让能力长出来，组合让能力加速。

七

人一辈子都在学习。上学是学习，进单位适应工作是学习，来了新知识也是学习。

任何东西，一旦掌握了，往后就是快的。

学自行车，一开始摔无数次。平衡感长出来，后面就是加速，甚至能边骑边聊天。

学开车，刚开始手忙脚乱。车感长出来，后面就是自动化，甚至能边开边听播客。

上学，一开始学认字算术，慢。掌握了怎么听课、怎么记笔记、怎么抓重点，学新科目就快。

进单位，一开始适应流程、人际关系、业务，慢。摸清了底层逻辑，换岗、换项目、换行业，都快。

每一项技能，掌握之前都是慢的、碎的、需要刻意努力的。底层能力长出来，后面就是加速的、自动的、可迁移的。

加速不是线性的，是拐点式的。拐点之前，投入大产出小；拐点之后，投入小产出大。

拐点，就是循环从需要外部驱动，变成自己会跑；同时，可复用的基本动作和技能，积累到了足够组合出大量新任务的程度。

一开始，目标要人给，尝试要人教，修正要人告诉，反复要人催，技能没几个，组合不出来。

跑着跑着，目标可以自己拆，尝试可以自己生成，修正可以自己判断，反复可以自己坚持，技能越积越多，组合越来越多。

循环自己会跑，组合自己会生。

这就是涌现。不是涌现了某个技能，是涌现了循环自己跑、组合自己生的能力。

一旦长出来，学任何新任务，都只是把循环对准新目标，把已有技能重新组合。循环和技能库本身不用重新建。

八

大模型也是这个逻辑。

早期图像识别，教它识别猫，标一堆猫的图片；教它识别狗，标一堆狗的图片。每个任务单独训练，换一个重新来。

后来换了思路：不教具体任务，只给海量图片，让它自己找规律。

几百万、上千万、上亿张。

喂着喂着，某一天，它突然知道猫是什么了。不是人告诉它猫有尖耳朵、胡须、圆脸，是它自己从海量图片里长出了猫这个概念。

涌现出来的不是识别这只猫这个技能，是识别猫这个能力。

一旦长出来，后面就快。识别狗，迁移过去就行；识别鸟，迁移过去就行；识别任何新东西，都快。

再往后，翻译、写代码、做数学、写文章，都是把已经长出来的能力重新组合。

学习能力本身，是可以涌现的。

九

把上面的逻辑套到具身智能。

过去：教抓取，收集抓取数据；教端水，设计端水奖励；教走路，建走路仿真。每个任务单独来，换一个重新教。

Astra画金门大桥：不给人类示范数据，不建仿真环境，不设计奖励函数，只给目标、执行器、传感器，让它自己试、自己看、自己改。

跟海量图片喂给模型让它自己找规律，同一个逻辑。

海量图片，涌现出识别猫。海量试错，涌现出“目标→尝试→修正→反复”这个循环，同时积累可组合的基本动作。

一旦涌现出来，后面就快。画金门大桥，写汉字，搭积木，端水，做饭——不是重新学每个技能，是调用已经长出来的循环，组合已经积累的技能。

Astra画金门大桥，可能是具身智能的第一次知道猫是什么。

十

第一次特别难，后面特别快。

因为第一次是在长循环、攒技能，后面是在用循环、组技能。

长循环、攒技能：慢，不稳定，看不到短期成果，不知道什么时候能长出来，基本动作没几个，组合不出来。

用循环、组技能：快，稳定，立竿见影，迁移成本极低，技能库越大组合越多。

大模型识别猫之前，谁也不知道要喂多少张。喂到某个临界点，突然就会了。会了之后，识别狗、识别鸟、识别一切，都快。

具身智能现在可能就在这个临界点附近。

图灵奖得主萨顿说得直接：“具身智能不需要老师，也不需要训练，需要的是自己主动地在环境中进行探索、学习。”

Astra的实验验证了萨顿的判断：如果这条路走得通，具身智能的节奏可能会完全不同。而这条路的核心，不是教具体技能，是让“目标→尝试→修正→反复”这个循环自己跑起来，同时让基本动作越攒越多、组合越生越快。

十一

但具身智能的海量试错，比大模型的海量数据难得多。

数据可以爬、可以买、可以标。试错需要时间、真实环境、物理交互、安全边界、失败成本。不可能让机械臂在真实世界里摔一百万次杯子来学端水。

必须解决两个问题。

第一，怎么低成本地试错。画画是最好的例子：画错一笔，成本几乎为零。反馈快，闭环短，试错便宜。

第二，怎么把试错能力迁移到高成本任务。先在画画上把循环养出来，把基本动作攒起来。养出来之后，再迁移到端水、做饭。不是在高成本任务上直接试错，是在低成本任务上养循环、攒技能，然后迁移。

跟人一样：先在婴儿床上玩，玩出底层能力，再去学端水。

十二

他们为什么没这么做？

因为短期看不到成果。

让婴儿玩，玩多久？不知道。玩到什么程度算够？不知道。玩的过程中怎么评估？不知道。论文怎么写？不知道。

模仿学习、仿真训练、强化学习，短期能看到成果：收集数据，训练，出结果；建仿真，训练，出结果；设计奖励，训练，出结果。

虽然这些结果换一个任务就废了，但至少短期有产出。

学术界的评价体系、公司的融资节奏，不允许让婴儿玩几年。

所以他们选择一步登天。发现登不上去，就说具身智能太难。

不是难，是不愿意等婴儿长大。

十三

具身智能发展慢，不是因为技术不够好，是因为没搞懂学习本身。

学习本身：一半是循环，目标→尝试→修正→反复；一半是组合，基本动作→技能→组合→更多组合。

技能是循环的产物，能力是循环的沉淀，加速是组合的效应，涌现是循环自驱动、组合自生长。

主流方法的问题在哪？在于把学习能力和具体技能混为一谈了。

他们以为，教机器人端水，机器人就学会了端水。实际上，教机器人端水，机器人只学会了端水。换个任务，重新来。

正确的做法是：先养循环、攒基本动作，再用循环和组合去学具体技能。

养循环、攒动作慢，学技能快。直接学技能，看起来快，实际上永远在从零开始。

Astra走的是另一条路：只给目标、执行器、传感器，让它自己尝试、验证、修正、反复。没有数据，没有规则，没有奖励函数。环境就是数据，结果就是验证，反馈就是奖励。

这条路能让循环自己跑起来，同时攒下可组合的基本动作。

一旦循环自己会跑、技能库足够大，学任何新任务都快。

跟大模型的涌现同一个逻辑。

大模型当年喂了海量图片，突然涌现出识别猫的能力，然后飞速发展。具身智能现在可能就在同一个拐点上：通过海量试错，突然涌现出“目标→尝试→修正→反复”这个循环，然后飞速发展。

Astra画金门大桥，可能就是具身智能的第一次知道猫是什么。

第一次最难，后面最快。因为第一次是在长循环、攒技能，后面是在用循环、组技能。

如果这条路走得通，具身智能的节奏可能会完全不同。