对谈前混元多模态 RL Infra 负责人淏楠

2026-10-24 16 小时前

42章经

1,288 字

去听这期

这期主要在讲什么

这期请到王淏楠聊他一路从 Agent 到多模态再到具身的选择。他在 MiroMind 做过 Agent，在混元负责多模态 RL infra、主导开源 UniRL，现在去具身公司做基模预训练。节目沿着他的经历聊这几个方向的实际进展、和外界的感知差，以及视频生成、具身的技术判断。

核心知识点

他从 Agent 转向多模态是主动放弃更丰厚的 package，背后是对技术空间和个人志趣的判断。
讨论了国内外 RL 的差距在哪，以及 Agent 和多模态其实可以很紧密，两边都有围城。
聊了视频生成现在发展到什么程度、Seedance 为什么好、MiniMax H3 什么水平，以及「抽卡」概念可能会变。
谈具身的两条正确路线、Astra 为什么震动圈子，以及具身训练里的 reward 和数据问题。
他判断现在入局具身可能不是「49 年入国军」，反而可能赶上具身的 GPT-3 时刻。

值不值得听

适合对 Agent、多模态、具身这些方向的实际进展和职业选择感兴趣的人听，尤其想了解一线从业者怎么判断技术趋势的。

这期的嘉宾淏楠非常「折腾」。他读过五个大学，读着觉得没意思就换，也是少有的同时做过 Agent、多模态、RL 和具身的人，而且总是做一些逆势而为（非主流）的选择：

他曾在陈天桥和代季峰两位老师的 MiroMind 工作，是最早一批做 Agent 的人，却在 Agent 最热的时候放弃更丰厚的 package，转向多模态。在混元负责多模态 RL infra、主导推出开源多模态强化学习框架 UniRL 之后，他最近又换了方向，去了一家具身公司负责模型训练。其实，Astra 的出现给具身行业带来了不小的震动，也似乎抹平了各家此前在「大脑」上积累的优势。淏楠在此时入局，总有那么一丝「49 年加入国军」的意味。

不过，这些选择看似很跳，但背后的思考一脉相承，既关乎个人志趣，也有对技术发展和未来空间的判断。所以从 Agent 到多模态再到具身，一路做下来，淏楠收获了什么？这几个方向的实际进展，与外界的感知又有哪些不同？前段时间很火的 Minimax H3、GPT Astra，到底会带来哪些改变？这期播客，我们就沿着他的经历聊了下来。

聊到最后，淏楠谈起具身很兴奋。现在入局具身，可能不但不是 49 年入国军，反而恰好赶上了具身的 GPT-3 时刻？

【人类博物馆】

导游：曲凯，42章经创始人

54 号珍藏：王淏楠，前腾讯混元多模态 RL infra 负责人、主导开源多模态强化学习框架 UniRL，曾在 MiroMind 参与 Agent 研发，现于某具身智能公司负责基模预训练。

【时光机】

Part 1 从 Agent 到多模态

02:03 为什么会从在 MiroMind 做 Agent，转去在混元做多模态 RL infra？
06:13 国内外 RL 的差距到底在哪？
07:45 Agent 和多模态的关系其实可以很紧密
08:56 做 Agent 和做多模态，其实都是围城
11:32 大厂不太能做具身？
12:37 多模态最后只有两条变现途径

Part 2 聊聊视频生成

14:11 Seedance 到底为啥这么好？
15:14 多模态的竞争可能没那么激烈？
16:26 视频生成现在发展到什么程度了？
19:20 「抽卡」依然会存在，但概念可能会发生变化
21:37 视频生成继续发展下去，可能会解锁什么样的机会？
22:22 MiniMax H3 到底什么水平？
23:54 实时互动的技术真的成熟了吗？

Part 3 从多模态到具身

27:45 好多人做世界模型都做迷茫了…
30:55 做具身的两种正确路线
32:22 为什么 Astra 给具身圈子带来了比较大的震动？
37:27 聊聊具身训练的 reward 和数据
40:12 具身的「大脑」，最后会变成大模型厂商的竞争吗？
41:59 在现在这个时间节点去做具身，是不是 49 年入国军？
45:24 Agent 开发的场景还是不够多
46:42 多模态还有创业公司的机会吗？
47:38 具身里可能迎来了 GPT-3 时刻？

【The gang that made this happen】

制作人：陈皮
剪辑：二琳、陈皮
片头：Mondo Bongo - Joe Strummer & The Mescaleros
片尾：Alpine Decline - I Got Up (Just Like John Sinclair Told Us To)