AI创业者研发可预判突发状况的智能体

一位名叫丹尼贾尔·哈夫纳（Danijar Hafner）的31岁AI研究员，正在旧金山SoMa区一间摆满人形机器人的办公室里，试图解决一个困扰机器人行业多年的核心难题：如何让机器人在从未见过的环境中自主行动。他的新公司尚处于隐身模式，连门牌都没挂，但内部悬挂的各种尺寸的人形机器人已经透露出他的野心——这不仅仅是做软件算法，而是要将AI的“想象力”注入物理实体，让机器人真正走进千家万户。 哈夫纳的技术路线与当前主流的大语言模型或模仿学习截然不同。他依赖的是“基于模型的强化学习”，核心是构建“世界模型”——一个旨在模拟物理现实的AI系统。在这个虚拟模型中，AI代理（Agent）可以像在真实世界里一样进行海量试错和学习，从而积累经验。当代理进入现实世界时，它并非简单调用预设程序，而是利用在模型中习得的“直觉”进行预测和规划，也就是他所说的“做梦”或“想象”。这种能力让机器人面对陌生的户型图、乱放的家具或突发的意外状况时，能够即时推理出应对方案，而不是像传统机器人那样，一旦遇到训练数据之外的场景就卡壳或出错。用他前同事、谷歌DeepMind研究员蒂莫西·利利克拉普（Timothy Lillicrap）的话说，哈夫纳属于顶尖中的顶尖，“他常常能单枪匹马完成需要整个工程师团队才能构建的东西”。 哈夫纳的成长轨迹颇为特别。他出生于德国东北部的一个乡村小镇，父母都是古典音乐家，而他却是从邻居那里学会了编程。高中时，他开始接触在线AI课程，并迅速被“思维如何运作”这一命题深深吸引。2015年，还在波茨坦哈索·普拉特纳学院读大二的他就获得了谷歌大脑的学生研究员职位，此后在谷歌大脑和DeepMind（两者现已合并）辗转多个实习和岗位，与AI教父杰弗里·辛顿（Geoffrey Hinton）以及Transformer架构论文《Attention Is All You Need》的合著者阿希什·瓦斯瓦尼（Ashish Vaswani）共事。在谷歌期间，他通过一系列游戏实验证明了自己方法的有效性：PlaNet让代理学会提前规划；Dreamer 2首次在Atari 2600游戏上达到人类水平；Dreamer 3独立解决了《我的世界》中的“挖钻石”挑战；而Dreamer 4更进一步，仅通过观看游戏录像的离线数据就学会了挖钻石，全程未与游戏环境直接交互。 如今，哈夫纳正将这些在虚拟世界中被反复验证的“梦想家”代理，迁移到他从中国进口的人形机器人身上。这被视为他工作的下一个进化阶段——从数字世界走向物理世界的实体化。如果这套方法能成功，意味着机器人不再需要针对每个特定场景进行繁琐的定制训练，而是具备一种通用的、基于预测的适应能力。这对于渴望将机器人投入家庭服务、仓储物流等非结构化场景的行业来说，无疑是一个极具吸引力的前景。尽管哈夫纳对公司的具体产品和商业模式守口如瓶，但可以预见，他正在押注一个未来：机器人不再是被动执行指令的机器，而是能主动预判、随机应变的智能体。对于跨境电商卖家而言，这类技术的成熟或许意味着未来仓储分拣、末端配送乃至家庭场景的机器人服务将迎来真正的爆发点，而不仅仅是停留在展示台上的演示品。