在字节 Seed 实习时，王家伟能用到充足的算力，许多研究所需的基础设施也已经准备好了。到了创业公司，这些条件要重新张罗，模型怎么设计、团队怎么搭，都要自己花时间考虑。
他还是选了后者。
9月17日上线的《十字路口Crossing》里，这位24岁的深朴智能首席科学家回顾了自己的选择：中科大少年班、与微软亚洲研究院联合培养的博士，期间到 DeepSeek 和字节 Seed 实习，今年刚毕业。
他希望更早参与决定研究该往哪里走。这个愿望有吸引力，也有价格：能够自己出题以后，就得自己证明这道题值得继续做。
算力充足，未必能看见整个问题
王家伟对两段实习的评价很具体。
在 DeepSeek，团队人少，他能负责比较大的一块工作，也能接触推理等底层代码。他去时做过文档智能研究，恰好能参与多模态模型的相关工作。后来，按他的回忆，多模态团队得到的资源有限，自己做的事情也有不少是在沿用已有经验，于是又去了字节 Seed 做 Agent。
Seed 给他的感受不同。组织像一部运转精密的仪器，每个人负责一个明确的环节。配套齐全，研究更省力。不过，数据怎么准备、训练怎么组织，一部分信息也留在了自己的职责之外。
同样研究大模型，两个团队给他的空间就有差别。DeepSeek 的工作范围更宽，Seed 的配套更充分。只按公司大小判断，很容易漏掉这些差异。
我在意的是后一个好处附带的代价。有人把数据送到手边，当然省事；但如果一直只看处理后的数据，研究者就可能缺少判断数据为何长成这样的机会。一个实验效果不好，原因可能在模型，也可能在上游采集和筛选。分工把工作切开了，问题却未必沿着同一条线切开。
成熟团队能够把许多人的能力组织到一起，完成单个人做不了的研究。对刚入行的人而言，这也是一种训练：先跟着完整系统做事，再慢慢学会判断系统。王家伟想把顺序往前挪。他希望更早参与决定，整个系统究竟要解决什么问题。
同样一份研究工作，能用多少资源，与能参与多少判断，是两项需要分别考察的条件。
他选择了一道还没有标准答案的题
为什么是具身智能？
王家伟的解释是，大语言模型团队的工作方式已相对稳定，新毕业的研究者进入之后，往往先执行已经定好的计划。具身智能的许多问题尚未定型，他觉得自己有机会提出不同的做法。
让 AI 操作机器人，就是要把理解落实到物理动作上。王家伟用一个杯子解释其中的困难：模型可以理解人的指令，但杯子开始滑落时，机器人还得及时调整动作。判断下一步做什么，与在动作中不断修正，需要配合起来。
由此往下，团队会面对许多互相牵连的选择。该收集怎样的数据？模型要记住多长的一段过程？换一件没见过的物体，原来的方法还能不能用？这些问题会影响硬件，也会影响一轮实验到底要花多少时间。
“风浪越大，鱼越贵。”王家伟愿意在这里试一试，把过去积累的多模态和 Agent 研究经验用到机器人身上。
我认可这个动机，但不认为大模型已经没有新问题可做。他在那几段经历中感受到的参与方式，不够符合自己的期待；具身智能还没有形成统一做法，也可能意味着验证更慢、弯路更多。
他对自己的短处有认识。按他的自述，软件一直让他感兴趣，硬件经验却不深，到了深朴需要向同事请教。他也坦言，如果沿一个错误方向探索了几年，那些时间的损失会给自己很大打击。风险落到个人身上，是一段拿不回来的研究生涯。
对一个新毕业的研究者来说，能够提出问题当然可贵。随后更难的工作，是把问题缩小到团队承担得起、实验又能给出答案的程度。
自由落到一笔数据账上
访谈后半段，王家伟谈到深朴为什么没有急着引入大量异构数据。这些数据来自不同设备或采集方式，可能带来更丰富的场景，也会给处理和训练增加变量。
他的顾虑很朴素：买入数据便宜，后续标注和训练未必便宜。数据更多以后，效果究竟改善多少，得一起算。团队目前更愿意先把自己采集的数据研究充分，在可控的范围内，比较模型大小、数据配比与表现之间的关系。
这仍是深朴的选择和王家伟的解释，不能据此认定自采数据普遍优于外购。自己采也要投入设备和人员，场景不够丰富还可能限制模型见识。两种办法各有账单。
不过，这个细节让他的职业选择有了实际内容。在他的叙述里，自主性也意味着参与决定某笔钱暂时不花、某一类数据暂时不引入。团队得为这种取舍负责。如果后来发现路线判断错了，花掉的时间无法追回，其他方向可能已推进了一段。
在 Seed，很多条件是别人准备好的；离开以后，他要亲自处理基础设施、模型设计和团队搭建。这是他在节目里承认的纠结。可以自己决定，并没有让杂事减少。
创业中的自主性，要连同验证预算和组织责任一起计算。 如果每天都在补环境、协调设备和找人，真正用于研究的时间可能被压缩。头衔允许你拍板，团队有没有能力执行，又是另一件事。
换到任何一份承诺自主空间的工作，这些问题也在：必要的信息由谁提供，失败后还有多少预算继续尝试？组织愿意授权，和组织有能力支持一次探索，未必同时发生。
自己定方向，也要允许别人检验
王家伟对具身领域有一层警惕：模型演示令人兴奋，同行却不一定容易复现。
语言模型提供接口以后，外部使用者可以直接试。机器人还依赖本体、场景和数据条件，换一台设备，结果就可能不同。访谈也谈到测试标准的问题：如果测试由参与竞争的公司制定，其他公司未必认可它的公平性。
测试一直在做，难的是把不同条件下的成绩放在一起比较。
王家伟介绍了深朴观察到的模型能力，也表达了对某些同行演示的保留意见。他自己也是竞争者。听完他的解释，可以理解深朴为什么这样做，但判断做得好不好，仍需要能够由外部核查的实验结果。
我认为，这恰好给他的选择补上了后半个问题。自己定义研究目标以后，怎样避免连成功的标准也只由自己说了算？
假设一个机器人在演示里把杯子放进柜子，我会接着问：杯子的位置由谁安排，动作失败了几次，中间有没有人帮忙？换一只杯子、换一个摆放位置，表现还能否保持？
实验条件交代得越清楚，外部的人就越容易看出结果适用到哪里。客户问得更直接：它能干多久，坏了谁来修？这类麻烦的追问，也可能暴露出研发时没有考虑过的问题。
选择了方向，也得容得下反证。 如果团队始终只看有利结果，就可能把越来越多的时间花在维护原来的决定上，错过调整的机会。
那些盘子仍然要有人收
王家伟给三年后的自己设想了一个具体结果。
他的博士导师家里有洗碗机，但饭后仍要倒掉盘中的剩菜，再把餐具装进去。王家伟希望，机器人能进入一些家庭，接过类似的收拾工作。到那时，他会觉得今天的选择很值得。
这是他对未来的期待，还不是深朴已经交付的能力。
我喜欢这个检验方式的具体。盘子形状不同，剩菜不一样，餐具也不会每次都摆在同一个位置。要真的省事，使用者不能为了让机器人工作，先替它把厨房布置成一场演示。
24岁成为首席科学家，足以让人停下来听一听。但年轻人的选择还需要时间给出结果。王家伟愿意放下部分现成条件，争取更早决定研究方向的空间；接下来，他也得接受实验和使用者对这个方向的判断。
当一个家庭吃完饭，能够放心把餐具留下，那些关于研究自由、数据选择和模型能力的讨论，才在一件日常小事上有了共同的答案。
收听《十字路口Crossing》对话王家伟，点击阅读原文。
留言