【环球网科技报道 记者 张阳】6月13日，在华为开发者大会（HDC 2026）现场，中国首档科技开放麦节目《鸿蒙脑洞大开麦》开播。北京大学计算机学院副教授、上纬启元首席科学家董豪作为星光嘉宾亮相，这也是他以上纬启元首席科学家身份首次公开亮相。节目现场，董豪高度认可鸿蒙开源共建、技术平权的理念，强调鸿蒙通过全场景分布式能力打破设备壁垒，以开源开放的姿态凝聚全球开发者力量，让高中生、残障人士、海外留学生等都能低成本创新，真正实现“人人都是开发者”。他认为鸿蒙不仅是操作系统，更是数字时代的普惠基础设施，为AI与具身智能的融合落地提供了关键生态支撑。
作为横跨具身智能领域产学研的专家，董豪不久前北大内部分享中，拆解了当前模仿学习、强化学习、仿真数据集等主流技术路线的瓶颈，并提出全新横向二维Scaling Law框架，统一解释世界模型、生成式数据增强、人示教数据转化等前沿方案的底层逻辑，为家用、通用人形机器人落地指明技术演进方向。
如下为分享全文：
具身大模型演进趋势：从模仿到强化、从单任务Scaling到通用Scaling我至今仍清晰记得AlphaGo团队做分享的场景——当时我就在伦敦，UCL离我的住处很近。那场演讲给我留下了极为深刻的震撼，也让我对AI技术的演进逻辑有了更本质的思考。
AlphaGo的成功，清晰地展现了Al能力跃升的第一套经典范式：先模仿，后强化。它首先通过海量人类棋谱进行监督学习，本质上就是模仿人类棋手的落子决策。但这种纯模仿学习有一个天然的天花板：模型的能力永远无法超越训练数据中人类的最高水平。
为了突破这个瓶颈，AlphaGo引入了自对弈强化学习：让两个经过预训练的模型相互对弈，通过胜负结果产生明确的反馈信号。在这个过程中，模型不再受限于人类经验，能够自主探索出人类从未想到过的策略，最终实现了对人类顶尖棋手的超越。
这一“模仿-强化”的技术演进路径，在后来的ChatGPT身上得到了完美复刻。ChatGPT首先基于互联网海量文本数据进行大规模预训练，这一阶段的核心依然是模仿学习﹣学习人类语言的表达方式和知识体系。而它之所以能从一个“会说话的模型”变成一个“会好好说话的模型”，关键在于引入了基于人类反馈的强化学习（RLHF）：让模型对同一个问题生成多个回答，由人类标注员对不同回答的质量进行打分，再将这些人类偏好作为回报信号来微调模型。
与AlphaGo的自对弈相比，ChatGPT的强化学习之所以需要引入人类，核心区别在于反馈信号的确定性：下棋的胜负由清晰的规则决定，是一个绝对客观的标准；而一个回答的好坏没有统一的规则可循，只能依赖人类的主观判断。今天的具身智能大模型，依然在沿着这条被反复验证的技术路径前进。现阶段，我们首先通过采集大量人类专家的正确示范数据，让模型进行模仿学习，掌握基本的动作技能和任务流程。但纯模仿学习的固有缺陷在具身领域同样存在：模型只见过“正确的做法”，从未经历过“失败的场景”，一旦遇到训练数据中没有的意外情况，就很容易出错。
而目前解决这个问题最直接有效的方法之一，正是2011年提出的DAgger（数据集聚合）算法。其核心思想非常朴素：当模型在真实环境中执行任务出现错误时，立即由人类专家接管并进行修正，然后将这些修正后的“纠错数据”回流到训练集中，对模型进行持续迭代训练。通过这种“试错﹣纠错﹣再训练”的闭环，模型的鲁棒性和泛化能力会不断得到强化。
值得一提的是，DAgger算法最早被广泛应用于自动驾驶领域，但它在自动驾驶场景中遇到了巨大的落地障碍。一方面，自动驾驶的错误往往伴随着严重的安全风险，我们不可能为了采集纠错数据而放任事故发生；另一方面，自动驾驶对单次任务成功率的要求几乎苛刻，哪怕是万分之一的失误率都可能导致灾难性后果，长尾问题极其复杂。
相比之下，绝大多数具身智能任务的容错空间要大得多。以叠衣服为例，即使单次成功率只有95%，模型完全可以在失败后重新尝试一次，直到成功为止。更重要的是，这些任务的失败通常不会产生任何不可挽回的严重后果。正是基于这一核心差异，我们有理由相信：具身智能的商业化落地速度，很可能会比自动驾驶更快。
然而，当我们把目光投向更远的未来，就会发现“模仿＋强化”的scaling law范式虽然能解决单个任务的落地问题，却无法回答通用具身智能的终极命题。
自动驾驶本质上是在追求单一任务的极致优化——它只需要做好“安全驾驶”这一件事。但具身智能的终极目标截然不同：我们需要的不是一万个只能做一件事的专用机器人，而是一个能做一万件事的通用机器人。
这就意味着，传统Scaling Law的描述方式已经走到了尽头。过去我们只把数据量、参数量、计算量作为Scaling的维度，认为只要线性增加这些资源，就能获得线性的能力提升。但在具身智能领域，这套逻辑注定失效：你不可能为世界上每一个可能的家务动作、每一种可能的操作场景，都单独采集百万级数据、单独训练一个模型。单任务Scaling的边际收益会极速递减，最终陷入“逐个任务攻克”的死胡同。
因此，我们必须建立一个全新的Scaling视角：“任务数量﹣数据量”Scaling Law。我们要把“任务数量”作为与“数据量”同等重要的核心坐标轴。通用能力从来不是在单个任务上堆出来的，而是在海量不同任务之间迁移出来的。当模型在越来越多不同任务上进行训练时，它会逐渐掌握物理世界的通用规律——比如物体的刚性、重力的作用、摩擦力的影响、工具的通用使用方法。此时，面对一个从未见过的全新任务，模型的初始完成率会显著提升，达成高成功率所需的额外样本量会持续下降，真正实现“越学越快、越学越省”。
今天行业里百花齐放的技术路线，无论是世界模型、UMI，还是仿真数据生成、人类第一视角视频预训练，看似方向分散，底层逻辑却高度统一：所有这些技术创新，本质上都是为了加速这条新的“任务数量-数据量”Scaling曲线的成型。它们要么在提升单条数据的跨任务迁移价值，要么在降低新增任务的训练成本，最终共同推动具身智能从“专用”走向“通用”。