乐享科技近日因其具身智能模型「以太大模型」（Aether）的技术主张引发行业关注。该公司称，以太大模型能够在部署和执行过程中持续更新，并将这一能力定义为「自进化」，宣称是全球首个具备自进化能力的具身智能模型。
为验证该能力，乐享科技进行了一场户外直播。按照直播前公布的目标，搭载以太大模型的机器人需在户外接受随机点单，完成食材和工具处理、烤制、翻面、上菜等烧烤任务，并应对临时打断、需求增加和场景变化。直播现场有超过30位专业媒体和线上超550万观众观看。实际过程中，机器人完成了部分自主烧烤操作，也出现了停顿、失败和重新调整。两个机器人本体全程互相传递任务信息、自主决策并分工协作。
乐享科技团队在采访中阐述了其技术路径。团队认为，传统VLA（视觉-语言-动作）路线擅长回答「下一步应该做什么」，但未必理解「为什么这样做」以及动作会给真实世界带来什么后果，其局限可概括为「不懂因果」；而传统world model的问题则是「可生成、不可执行」。以太大模型被描述为一个由世界状态、内部状态和能量状态耦合而成的动力系统，团队将其称为「energy-driven state transition」，即由能量驱动的状态转移。这里的「能量」并非电池电量，而是一张贯穿系统的评价地形，用于衡量哪些状态值得靠近、哪些应该舍弃、当前缺少什么信息以及计算和注意力应投向何处。
这一思路使感知本身成为任务的一部分。机器人不再被动接收摄像头画面，而是带着问题主动寻找答案，团队将其称为具有「感知意图」的主动感知。在乐享科技展示的「太极宗师」任务中，机器人左手需控制杯中液体不洒，右手同时维持另一物体稳定，系统需建立动作、物理状态与结果之间的因果关系，并根据后果不断调节控制。
关于「自进化」的具体机制，乐享科技表示，执行过程中的预测误差修正只是起点，系统会同时维护世界状态、任务状态和自身状态。一次行动之后，变化的不仅是机械臂位置，也可能包括短期经验、技能参数以及系统对某种因果规律的判断。在demo中，机器人处理一块有污渍的玻璃时，发现污渍位于玻璃外侧而非面对的一侧，随即改变处理方式，将手伸向窗外继续擦拭。
在线学习面临的核心风险在于，系统可能将偶然扰动误认为规律，把错误经验写入模型，甚至在学会新东西时破坏原有能力。乐享科技称，以太大模型不会让所有新经验直接进入长期知识，系统会先对经验进行评估。截至报道时，该团队尚未披露完整的评估与筛选机制细节。
具身智能领域目前仍处于解决稳定执行问题的阶段，「自进化」这一概念在行业内尚缺乏统一定义。乐享科技通过公开直播展示失败与调整过程，为外界观察其模型能力提供了一种相对开放的样本，但一场直播无法回答关于自进化的全部技术问题。物理世界的AI能否像数字世界的AI一样实现持续进化，仍有待更多可复现的验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
