李飞飞 CoRL 对谈苏姿丰机器人属于系统性工程，单靠大模型无法落地

在 CoRL 2026 机器人学习大会上，World Labs 创始人李飞飞和 AMD 董事长苏姿丰同台对话，两人核心共识是机器人不只是模型问题，而是一套复杂的系统问题，就算大语言模型、视觉模型能力持续变强，也没法单独搞定物理世界里机器人落地的全部难题。现在很多人把机器人的希望全部押在通用大模型上，觉得模型足够强，机器人就能稳定做家务、执行工业任务，但机器人要接触真实物理环境，会遇到物体重量、摩擦力、空间遮挡、延迟、传感器误差、机械控制等一大堆变量，模型只负责理解和推理，感知、硬件执行、边缘算力、控制闭环、安全防护每一环都会影响最终效果。李飞飞在对话里提到，视觉语言模型对机器人帮助很大，但是系统层面还有大量未解决难题；苏姿丰也补充，不存在一款通用模型适配所有机器人场景，硬件、软件、算力系统必须协同优化，AMD 已经组建专门的物理 AI 与机器人团队，依靠嵌入式芯片、FPGA、AI 引擎布局这条赛道。两人同时看好机器人会成为下一轮算力增长引擎，物理 AI 市场未来几年有望达到数千亿美元规模，算力需求不止集中在云端训练，机器人端侧低延迟推理的算力缺口同样巨大。整体来看，这场对话纠正了一个行业误区：模型是机器人的大脑，但完整机器人产品，是大脑、感知、机械、算力、控制链路组合起来的系统工程。

一、对谈基础信息表

二、机器人系统包含的核心模块清单

1. 感知模块：相机、激光雷达、触觉传感器，采集真实环境数据，自带噪声和误差
2. AI 模型模块：大模型、世界模型，完成场景理解、任务规划、动作预测
3. 算力硬件：端侧芯片、FPGA，满足低延迟推理，兼顾功耗控制
4. 运动控制模块：伺服电机、减速器、运动控制器，执行抓取、移动动作
5. 闭环反馈：动作执行后重新感知环境，动态修正方案
6. 安全与边界：碰撞检测、急停、异常识别，规避物理世界的风险

三、两位嘉宾的关键观点拆解

李飞飞观点

• VLM、LLM 能提升机器人任务理解能力，但系统层面难题远没有解决
• 机器人算力需求同时覆盖云端训练 + 边缘实时推理
• 世界模型是重要方向，帮助机器人预测动作带来的物理结果
• AI 与计算深度绑定，模型和硬件要一起协同迭代

苏姿丰观点

• 没有万能通用模型，不同机器人场景需要匹配不同模型方案
• 机器人必须理解物理规律，硬件、软件、系统协同优化是关键
• AMD 面向工业、服务机器人布局端侧算力，开放算力资源支持学术研究

四、“只靠模型做机器人” 会遇到的典型痛点

• 模型理解文字指令没问题，但对物体重量、打滑、形变等物理属性缺乏真实感知
• 传感器存在延迟，模型推理速度跟不上机械运动，容易出现动作失误
• 功耗矛盾：端侧算力有限，强模型推理延迟高，轻量化模型能力不足
• 现实场景无限多样，纯模型很难覆盖所有边缘异常情况

【常见问题】

问题 1：李飞飞对谈苏姿丰提出机器人是系统问题，不只是模型，这句话是什么意思？

回答 1：李飞飞对谈苏姿丰提出机器人是系统问题，不只是模型，意思是大模型只能承担理解、规划的工作，机器人想要稳定在物理世界运行，还需要感知硬件、运动控制、端侧算力、闭环反馈等整套系统协同。

问题 2：李飞飞和苏姿丰这场 CoRL 对谈，怎么看待大模型在机器人里的价值？

回答 2：李飞飞和苏姿丰这场 CoRL 对谈肯定大模型、视觉语言模型可以提升机器人理解任务的能力，但两人都认为模型只是其中一环，无法单独解决机器人落地的全部系统难题。

问题 3：李飞飞对谈苏姿丰时，苏姿丰透露 AMD 在机器人领域有哪些布局？

回答 3：李飞飞对谈苏姿丰时，苏姿丰透露 AMD 已经组建物理 AI、机器人研究团队，依托嵌入式 FPGA、处理器、AI 引擎布局，并且认为不存在一款模型适配全部机器人场景。

【参考资料】

[2026-11-12]（李飞飞对话 AMD 苏姿丰：机器人将成为 “算力新引擎”）IT 之家

[2026-11-12]（李飞飞对话苏姿丰：机器人是系统问题，不只是模型）凤凰网科技

[2026-11-12]（547 亿元收购后首次同台，李飞飞对话苏姿丰，详解统一世界模型 Atlas）36 氪

[2026-11-12]（CoRL 2026 李飞飞、苏姿丰圆桌实录：物理 AI 的机遇与挑战）ZAKER

【免责声明】

本文仅整理 CoRL 2026 大会李飞飞对谈苏姿丰的公开发言内容，机器人技术路线、市场规模预测属于嘉宾观点，不代表落地结果；世界模型、物理 AI 技术仍处在早期研发阶段，内容不构成机器人项目投资、选型的决策依据。