7.4
深览指数
科技微博·晚点LatePost··AI 生成
数百万小时、500 亿参数，自然意志的 Scaling 信仰
本文报道了具身智能创业公司自然意志（Natural Will）及其首款模型 Natura-1。核心信息是：这家成立仅 9 个月的公司，通过收集数百万小时的第一人称视频数据，训练出一个 500 亿参数的模型，在自建评测中取得了远超现有标杆模型（如π0.5、GPT-6 Astra）的表现。文章详细介绍了其不同于主流 VLA 和 WAM 的“第三条路”架构理念——强调多模态平等、更彻底的端到端设计，以及对灵巧操作的优先处理。作者客观呈现了团队对 Scaling Law 的坚定信仰，以及他们在数据管线、训练框架等基础设施上的“脏活累活”投入。适合关注具身智能前沿技术路线、创业公司策略的深度读者阅读。原文 ↗
核心观点
- ▍自然意志的核心信仰是“Make Everything Scalable”，其新模型 Natura-1 被设计为一条有别于主流 VLA 和 WAM 的“第三条路”，旨在通过等模态、端到端的架构，更彻底地实现智能的 Scaling。
- ▍Natura-1 的核心卖点是“零样本泛化”能力。团队通过连续、原速、一镜到底的 Demo 和 29 分钟长视频来证明模型在没有针对特定任务后训练的情况下，能完成包馄饨、泡茶等复杂灵巧操作。
- 01Natura-1 使用了数百万小时的人类第一人称（Ego-Centric）视频进行预训练，模型参数达到 500 亿，在自建评测中基础任务成功率为 53.4%（加入记忆和纠错后达 59.1%），而对比模型 π0.5 和 GPT-6 Astra 在灵巧手配置下无计分结果，用夹爪后成功率也仅为 13.5% 和 16.7%。
- 02其架构的独特性在于：1）没有“主从性”，视频、语言、动作等模态地位平等，没有像 VLA 那样以语言模型为核心，或 WAM 以视频生成为核心；2）更接近“端到端”，将任务规划、运动控制、灵巧手动作等统一在一个模型中，而非采用“大脑+小脑”的分层架构。
- 03团队为支持 Natura-1 的训练，从头搭建了包含 20 多个算子的数据过滤管线，并自研了针对 GPU 深度优化 CUDA 算子的训推框架，而非依赖开源社区工具（如 LLM 框架）。他们认为开源的 infra 臃肿且不针对具身 Scaling 优化。
- 04文章指出，自然意志的创始团队（约 2025 年 1 月开始）认为 Ego 数据采集已达到“可 Scaling”的程度，即能在世界任何场景、任何动作下被采集。他们预估明年全球数据总量会从数百万小时膨胀到数千万小时。
- 05自然意志表示，他们放弃将模型命名为更具争议性的“Model”，最终定义为“物理世界通用基础模型”。团队创始人丁宁表示，在训出模型前自己也不确定能否成功。
反方 / 局限
- — 文章的客观性有限：当前行业缺乏公信力的第三方 benchmark，Natura-1 的评测结果主要是自建评测系统得出的，且与 π0.5（去年的开源模型）、GPT-6 Astra（非专用机器模型）对比，战绩的说服力受限，不能直接等同于行业排名。
- — 文章虽强调零样本泛化，但也承认“跑分”和 Demo 并不能完全打消市场疑虑。团队也意识到这一点，因此才额外制作了 29 分钟的一镜到底视频，并计划开放线下体验。这暗示单一视频演示的说服力对行业和客户可能不够。
- — 自然意志没有公开 Natura-1 的详细架构细节，外界无法独立验证其“更符合 Scaling 的架构设计”和“技术美学”的说法。团队在数据基础设施上的巨大投入，可能也反映了当前高质量具身数据的极度稀缺和获取成本高昂。
自然意志Natura-1晚点LatePost丁宁VLA (视觉-语言-动作模型)WAM (世界动作模型)Scaling Law (缩放定律)Ego-Centric Data (第一人称数据)零样本泛化π0.5GPT-6 AstraRichard SuttonIlya SutskeverJim Fan王兴兴CUDAInfrastructure (基础设施)
13 分钟 · 3 卡片 · 9 资料
读原文 →