丹尼哈尔·哈夫纳创业研发可应对意外的AI智能体

隐蔽办公空间里的具身智能实验

丹尼哈尔·哈夫纳（Danijar Hafner）位于旧金山SoMa区的办公室几乎空无一物：新创公司尚处隐身模式，门上甚至没有公司名称；访客当日仅见一名同事，室内几无家具。但空间中央排布的支架上，悬挂着多台来自中国的人形机器人，形态各异，宛若提线木偶——它们正是哈夫纳最新事业的物理载体。

以‘世界模型’驱动前瞻式决策

31岁的哈夫纳虽暂不透露公司细节，但明确表示其工作延续了他长期聚焦的方向：让AI在从未训练过的环境中实现稳健导航与决策。核心方法是“基于模型的强化学习”（model-based reinforcement learning）。他构建“世界模型”——即能模拟物理现实的AI系统，并在其中训练智能体（agent）。该智能体将模型视作真实世界的仿真环境，在其中学习行动策略，并基于经验对未来结果进行预测（哈夫ner称之为“做梦”或“想象”），从而支撑其在真实世界（IRL）中应对陌生场景。

与传统机器人依赖大量真实世界试错训练不同，哈夫纳的技术使智能体及其控制的机器人无需实机反复调试，即可执行高度复杂的任务。

从游戏突破到物理世界迁移

哈夫纳的成长与职业轨迹极具代表性：德国东北部乡村出身，父母为古典音乐家；少年时自学编程，高中起在线研习AI，后于波茨坦哈索·普拉特纳研究所攻读工程学。2015年大二即入选Google Brain学生研究员，继而完成十余次Google及DeepMind实习与全职工作，横跨英、加、美多地，并曾与杰弗里·辛顿（Geoffrey Hinton）、阿西什·瓦斯瓦尼（Ashish Vaswani）等AI先驱共事。

其技术演进路径清晰：PlaNet首次实现基于规划的动作执行；Dreamer 2成为首个借助世界模型在Atari 2600游戏中达到人类水平的智能体；Dreamer 3首次独立完成《我的世界》钻石挖掘挑战；Dreamer 4更进一步，仅凭离线录制的游戏视频数据集即学会钻石挖掘，全程无需与游戏交互。近年，他推动智能体走出虚拟——DayDreamer项目已验证机器人可在全新物理环境中自主运行，并对突发干扰（如被推倒）即时响应，且无需针对性训练。

创业启程：瞄准人机共融的终极场景

哈夫纳于2025年秋季正式离开Google DeepMind创办新公司。尽管对具体产品与路线图保持谨慎，他坦言目标宏大：“我感兴趣的是解决一个能改变世界的问题。”当前所有努力——从算法设计、游戏验证到人形机器人集成——均指向同一终局：让机器人真正安全、可靠地进入人类生活空间，例如家庭环境，处理从未见过的户型、家具与突发状况。

编者观点：哈夫纳路径凸显“模型驱动智能体+具身落地”的双轮战略，为中国AI企业突破仿真到现实的迁移瓶颈提供了可借鉴的技术范式与工程节奏参考。