对话Om AI赵天成：物理AI的流式未来，多年坚守“反共识”技术路线

事件概述

Om AI联汇（简称Om AI）发布了VLX模型系列，这是全球首个面向物理AI的端侧流式多模态模型系列。VLX采用“端侧原生流式多模态”架构，从设计之初就为端侧算力约束优化，首次在端侧打通“持续感知+精准定位+行动决策”的物理AI完整闭环。模型已落地在机器人、无人机、可穿戴设备、安防摄像头、AI PC等物理终端上，推动终端从“被动执行指令”向“主动适应场景”跨越。

核心信息

• 创始人背景与创业历程：Om AI CEO兼首席科学家赵天成博士，2019年从CMU语言技术所毕业，所在实验室是对话系统开山鼻祖。他当时没有选择学术界或大厂，而是创业，并坚持一条在当时几乎无人理解的路线：不做纯文本大模型，而是死磕“视觉+语言”的流式多模态。即使在2023年语言模型大火时，他也没有转向。
• 技术路线：不同于行业主流“离线抽帧”——将视频一帧帧截为图片、批量推理、一问一答，赵天成从一开始就做“流式”：视频像水流一样持续输入模型，AI持续观看，无需等待提问。他认为多模态训练方式能带来开放世界的泛化性，公司2023年无意中在监控场景验证了这一点：未经监控数据训练的多模态模型，表现优于专业小模型。
• VLX模型架构：VLX系列包含Flow+Seek+Go三层，分别在感知、定位、行动上自成一体，共用同一条视频流。模型实现了三个闭环：模型闭环（感知-定位-决策在流中不可分割）、数据闭环（真实业务场景持续回流数据反哺模型）、商业闭环（公司营收以亿为单位）。
• 物理AI本质：赵天成认为物理AI必须具备四种能力——语义认识、几何空间认识、决策与动作控制、未来预测。VLX中的“X”代表这些无限可能的能力。他不认同“VLA已死，世界模型已来”的炒作说法，认为概念不会过时，方法会不断演进。
• 市场定位：Om AI瞄准“从成熟硬件向新兴本体纵深演进”的物理AI终端市场，按照硬件成熟度排序：先与IoT摄像头、AI PC等成熟产品结合，再向无人机、机器狗、人形机器人延伸，实现“一脑多形”的价值。
• 开源计划：赵天成表示公司非常重视开源，计划将部分模型开源，认为开源能促进产品进步、获得用户反馈、建立市场信任。

值得关注

• 物理AI寒武纪：赵天成认为当前物理AI处于物种大爆发期，技术路线百花齐放，既有机遇做底层突破，也有应用层机会。端侧分布式智能是终局，因为物理世界交互需要本地快速、安全的响应能力。
• 架构创新的价值：VLX通过原生流式架构，以更小的模型实现更优的效果，不受“动不了架构”的卡脖子限制。模型能通用泛化，又可在特定能力上定制加强。
• 从实验室到产业的鸿沟：赵天成分享了三个阶段的卡点：市场教育（用户不理解多模态能力）、技术验收（从学术的80分到用户要求的95分）、产品理念（需要AI原生设计，而非在旧软件上加AI能力）。