第7章 · 前沿演进：GPU并行、可微分与具身智能

第 7 章 · 前沿演进：GPU 并行、可微分与具身智能

本章要回答的三个问题：把引擎整个搬上加速器的 MJX 路线是怎么工作的，它改变了什么、又没改变什么？可微分仿真让物理引擎成了神经网络计算图的一环，梯度从哪里来、又在哪里断裂？人形机器人浪潮给物理仿真提出了哪些新要求，MuJoCo 在这场浪潮里站在什么位置？三问对应 7.1、7.2、7.3。

为什么会有这一章

前六章的主线是「把样机用对」；本章的主线是「边界正在移动」。第一章说过 MuJoCo 的短板是并行吞吐，第七章要讲官方怎么用 MJX 把这块短板亲手拆掉；3.1 说方程光滑可微，7.2 要讲这句话如何兑现成「梯度流经物理引擎」的新玩法；6.3 之前的所有排错纪律，在人形机器人这个「极限压力测试场景」里会被推到什么程度，是 7.3 的主题。

把前沿讲清楚需要一种克制：既不吹成颠覆，也不贬为噱头。三条路线各有明确的「改变了什么、没改变什么」——MJX 改变了环境吞吐的量级，没改变接触模型的物理；可微分改变了「模型参数能被梯度优化」的可能，没消除接触不连续带来的梯度病；人形浪潮改变了任务的规模与压力，没改变前六章建立的任何一条纪律。按这个框架读，前沿就不是玄学，而是既有知识在新坐标下的延伸。

还有一个务实的读法建议：本章是全书唯一「可以只读不动手」的章。三条路线都还在快速演进，具体接口半年一变，但它们背后的原理、动机与边界相对稳定。本章按「原理讲透、接口点到」的密度写，读完后你应该有能力判断「我的下一个项目该不该上这些船」，而不是记住某个版本的某个函数名。

读完能解决什么

对照开头三问，读完本章你应当能够：

• 说清 MJX 的技术路线（把引擎编译成加速器上的批计算）与其适用边界，判断自己的任务值不值得迁移；
• 估算「千环境并行」对硬件与训练管线的要求，避开从 CPU 迁移时的三类典型坑；
• 解释可微分仿真的梯度来源与断裂点，知道哪些任务适合梯度法、哪些该用无梯度方法；
• 用「系统辨识」这个具体场景理解可微分性的实际价值；
• 列出人形机器人任务对仿真的五项新要求，以及每项对应前面哪一章的哪条纪律；
• 对「仿真在具身智能里的角色」形成自己的判断，而不是复述别人的口号。

各节怎么分工

三节相对独立，可按兴趣取用；7.3 会同时用到 7.1 的并行能力与 7.2 的辨识能力作为素材，顺序读一遍更顺。

本章的全景一张图

这张图的读法：左端是前六章建立的经典引擎，两条路线（并行与可微）从它分岔，各自兑换出新能力（D 与 E），又在人形工程这个高压力场景汇合（F），最终指向具身智能的宏观格局（G）。每条边都是「已有能力的延伸」而非「推倒重来」——这是本章反复强调的判断。

先决条件

• 第三章的原理与第六章的排错纪律：前沿路线没有废除任何旧规则，只是换了兑现方式；
• 强化学习的工程常识（环境批量、训练吞吐）：7.1 的讨论围绕它们展开；
• 7.2 需要导数与链式法则的直觉，不需要自动微分框架的使用经验；
• 7.3 建议带着第五章的 Sim-to-Real 方法论读——人形任务的很多「新要求」其实是老纪律的极限版。

往下走到哪

本章是全书的终点站，没有「下一章」，但有「下一步」。三条路线的接口细节会持续演进，值得跟的是它们的官方发布渠道与社区实践；而原理层面的判断力——什么任务该上什么船、什么纪律永远不便宜——是这本册子希望你在合上之后还能带走的东西。试车场会扩建、会翻新，但样机要一台一台造、一关一关过，这件事不变。