AI圈最近被一条消息刷屏了，OpenAI的华人研究员陈博远刚完成MIT博士答辩。

这个不到4年就拿下顶尖学府博士学位的年轻人，同时还是GPT图像生成核心团队的五位成员之一，参与了火爆的Sora视频模型研发。

更厉害的是，他正在推进的“世界模型”研究，可能会彻底改变通用人工智能的发展路径。

从高中时连Python都不会，到如今站在AI研究最前沿，这个横跨计算机、数学和哲学的跨界天才，正悄悄改写AI理解世界的方式。

被深度学习“击中”的少年

陈博远和AI的缘分始于高中夏令营，当时他参加了一个科技营，第一次见到了FeiXia博士，这位后来成为他学术领路人的学者，向还不懂编程的他介绍了深度学习的神奇。

这次见面像颗种子，在他心里种下了对AI的好奇，多年后他回忆起这段经历，总说FeiXia就像他的“吴恩达”，是带他走进AI世界的启蒙老师。

读本科时，陈博远在加州大学伯克利分校主修计算机和数学，还辅修了一年哲学，这段跨学科学习的经历，后来成了他研究的独特优势。

上学期间他没闲着，创办了一家机器人教育公司，专门开发竞赛用的机器人套件。

从硬件设计到软件编程，全是他亲自动手，这段创业经历让他明白，技术再好也要落地实用，不能停留在论文里。

真正的转折点在DeepMind实习期间，2023年夏天，他在这里参与了多模态大语言模型的训练项目，亲手搭建的数据合成流程，后来被用到了Gemini2.0里。

这段经历让他看到了基础研究转化为产品的完整链条，更重要的是，在这里他遇到了学术生涯的关键贵人——FeiXia再次向他伸出橄榄枝，邀请他加入研究项目。

进入MIT读博后，陈博远一度陷入低谷，第一年没出任何论文成果，科研压力让他倍感焦虑，这时候又是FeiXia拉了他一把，带着他完成了NLMap项目。

这个能让机器人理解自然语言指令的研究，成了他学术生涯的第一个爆款。

后来他们又合作开发了SpatialVLM，这些研究让机器人能更好地“看懂”并“理解”物理空间，为后续的世界模型研究打下了基础。

给AI装“大脑地图”的研究者

陈博远最核心的研究方向是“世界模型”，听起来很玄乎，其实就是给AI构建一个类似人类认知的“大脑地图”。

简单说，以前的AI处理任务就像走一步看一步，而有了世界模型，AI能提前预判环境变化，就像人在行动前会在脑子里模拟一遍过程。

他在博士论文里强调，视觉世界模型对具身智能特别重要，这正是让机器人理解物理世界的关键。

这项研究的价值在他参与的项目里体现得淋漓尽致，作为GPT图像生成团队的核心成员，他把世界模型的思路融入到图像生成技术中，让AI生成的画面更符合真实世界的物理规律。

在Sora视频模型研发中，这项技术更是关键，让视频里的物体运动、光影变化都更贴近现实，这也是为什么他说“没有什么比看到自己的研究改变领域范式更令人兴奋”。

OpenAI最近的动作印证了他研究的重要性，公司正在组建专门的人形机器人算法团队，招聘信息里明确写着要“在动态的真实世界环境中推动AGI级别的智能”。

知情人士透露，新团队重点就是开发能让机器人理解物理世界的技术。

这正好和陈博远的研究方向不谋而合，他在答辩后明确表示，接下来会在OpenAI继续推进世界模型在具身智能领域的应用。

他的研究早就跳出了实验室，之前开发的NLMap系统，能让机器人通过自然语言查询周围环境，自主规划行动路线。

比如你让机器人“把桌子上的红色杯子拿过来”，它能先“扫描”环境找到目标，再规划最合理的移动路径。

这种技术已经在一些智能家居场景中开始测试，未来可能彻底改变人机交互的方式。

左手代码右手哲学的跨界者

在AI研究越来越细分的今天，陈博远的跨学科背景显得格外珍贵，他不仅是技术高手，还是个哲学爱好者。

本科阶段系统学习的哲学知识，让他看问题的角度和纯技术出身的研究者完全不同，他常说，研究AI不仅要解决“怎么实现”的问题，更要想清楚“为什么要这样做”。

这种思考反映在他对通用机器人的判断上，去年他在博客里写道，具身智能会是未来一百年最激动人心的技术，人类很可能在有生之年看到通用机器人的诞生。

但他同时强调，这个过程需要“细水长流”的投入，不能被短期热点牵着走，他引用导师的话说：“可以以结果为导向做科研，但不能以网红视频为导向。”

这种理性态度，在浮躁的AI圈显得尤为难得。

他的哲学思考还影响了研究方法，在开发SpatialVLM时，他不仅关注技术指标，更深入思考了“空间认知”对AI理解人类意图的重要性。

这个能让AI结合空间位置理解语言的模型，背后其实融合了认知科学的理论，有同行评价，陈博远的研究总能“既扎根技术又仰望星空”，这正是跨学科思维带来的优势。

​

创业经历也让他比纯学术研究者更懂技术落地，本科时创办机器人教育公司的经历，让他明白再好的技术也要考虑实用性。

他开发的系统不仅追求性能领先，还特别注重兼容性和可扩展性。

比如在BoostRun等AI基础设施公司的合作项目中，他设计的接口能适配不同厂商的硬件，这让技术更快实现商业化。

AI浪潮里的长期主义者

陈博远的成长轨迹打破了很多人对“天才”的刻板印象，读博第一年的低谷期，他也曾因为没有论文产出而焦虑。

但他没有跟风追逐当时的热点方向，而是坚持深耕世界模型这个相对冷门的领域，这种定力在AI圈尤其可贵，毕竟每天都有新概念、新风口出现。

​

他的坚持终于迎来回报，随着GPT和Sora等模型的成功，世界模型的价值被彻底认可，现在学术界和工业界都意识到，让AI理解世界规律比单纯堆砌数据更重要。

OpenAI组建机器人团队，特斯拉推进Optimus，谷歌深耕机器人控制算法，本质上都是在争夺这个领域的制高点，而陈博远已经在这个方向深耕多年，站在了领跑位置。

对于普通人来说，他的经历有太多可借鉴的地方，从高中时被深度学习“击中”，到本科创业积累实践经验，再到博士阶段深耕核心技术，每一步都踩得很扎实。

他没有因为短期看不到成果而放弃，也没有因为热门方向诱惑而动摇，这种对核心领域的持续投入，正是很多技术突破的共同特质。

随着OpenAI在机器人领域的加速布局，陈博远的研究可能会迎来更广阔的舞台。

他说自己愿意用一生去推动通用机器人的发展，这个目标听起来宏大，但看看他过去几年的成长轨迹，谁又能说不可能呢？

在AI技术日新月异的今天，真正的突破从来都来自那些既懂技术又有耐心，既仰望星空又脚踏实地的研究者，陈博远和他的世界模型，或许正是打开下一代AI大门的钥匙。