机器人数据不够，视频来凑：Praxis-1 开源

runway.com/Praxis-1 有条发布值得拆：Runway 推出 Praxis-1——开源权重的 World Action Model（世界动作模型），把视频预训练的积累转成对机器人的现实控制力；官方把赌注说得很直白：机器人演示数据是有限的，而视频数据是无限的，最好的策略模型应该从视频里学。 两层一，这条正面回应的是具身智能的老大难＝数据饥荒：过去教机器人做一件事要靠人反复演示采集，成本高得劝退；Praxis-1 的思路是拿互联网级的视频规模去补——先在大规模视频预训练里学会"世界怎么动"，再当成策略模型去指挥任意本体、任意环境的机器人，数据瓶颈直接换了个供给源。 二，"开源权重＋数月内公开"这个节奏值得记：先与 Noble Machines、Standard Bots、Ultra 这些早期伙伴实测，再放权重。 这跟 62317 那条"规则是平价补丁"是同一条思路的产品版：策略模型一旦可下载，各家机器人的"聪明"就不再被一家锁死，行业底座的归属问题被开源提前锁了局。 口径：①功能、赌注与伙伴名单其原帖及官方页表述（未经实测验证）；②L1 为官方页面可查；③"数据饥荒/换供给源/锁局"是我的引申；④权重发布时间其原帖为"未来数月"。 要用的两条：一，机器人团队——盯权重放出的第一周，从视频预训练迁移的策略模型可能比自采演示数据更快见效；二，做具身方向投资与研究的——"视频规模替代演示规模"如果成立，数据采集这条赛道的估值逻辑要重写。 演示数据有限、视频无限——你的机器人下一段聪明，是从谁的画面里学来的？