在人工智能与机器人领域，陈佳玉的名字正逐渐被更多人熟知。这位兼具学者与创业者双重身份的青年研究者，凭借独特的科研路径和前瞻性视野，在复杂系统智能控制领域开辟出一条融合理论与产业的新道路。从自动驾驶到核聚变控制，再到通用家用机器人，他的每一次转身都紧扣技术发展的核心脉络，展现出对智能本质的深刻理解。
陈佳玉的学术轨迹始于北京大学工学院，本科阶段聚焦自动驾驶技术研究，随后在博士阶段深入强化学习理论，博士后期间于卡内基梅隆大学将强化学习应用于核聚变反应堆控制。这段经历让他意识到，无论是等离子体约束还是机器人操作，本质上都是通过强化学习解决高维连续控制问题。"数学建模的底层逻辑是相通的，关键在于如何定义观测、动作与评价函数。"他解释道。这种跨领域的思维模式，为其后续研究奠定了坚实基础。
2025年，陈佳玉开启双轨并行的职业模式：在港大担任博士生导师的同时，加入原力无限担任资深研究科学家，专注于通用家用机器人开发。这种选择源于他对科研资源整合的深刻认知。"学术界擅长理论突破，产业界则拥有工程迭代优势。"他以在香港开展研究的困境为例：设备采购、实验室空间、算力支持等现实问题，在产业环境中都能得到高效解决。原力无限构建的"商业-技术"正向循环，特别是其FORCE系列机器人积累的市场经验，为技术落地提供了珍贵场景。
在陈佳玉看来，家用机器人代表着人工智能技术的终极挑战。"这相当于AI领域的珠穆朗玛峰。"他指出，通用机器人需要整合计算机视觉、自然语言处理、强化学习等多领域技术，其复杂度远超专用设备。相较于商业场景的天花板效应和工业场景的效率优先原则，家庭场景对"一机多用"的需求，使其成为检验通用智能的理想试验场。尽管短期来看，人形机器人在工厂的应用更易落地，但他坚信长期机遇在于消费级市场。
针对当前具身智能发展的瓶颈，陈佳玉提出两大突破方向：持续性强化学习与以Agent为中心的世界模型。前者旨在解决AI学习新任务时遗忘旧知识的难题，后者则通过构建因果推理模型提升泛化能力。"现有世界模型多采用第三人称视角，而我们强调智能体自身的感知与决策。"他以机器人拿杯子为例：相比单纯映射动作序列，理解"握紧杯子防止坠落"的因果关系，能让机器人将技能迁移至类似场景。
在研究方法论上，陈佳玉深受两位导师影响。博士导师Vanita Gawva教会他用数学原理剖析算法本质，博后导师Joshua Rendell则展示了工程迭代的实战智慧。"现在的研究需要二者结合。"他以持续性强化学习项目为例：理论团队负责算法突破，工程团队同步开发机器人应用，通过快速迭代验证假设。这种"双螺旋"模式，正是其双栖身份带来的独特优势。
面对产业界对技术路线的争议，陈佳玉保持清醒认知。他认为初创公司应避开与大厂在基础模型层面的竞争，转而聚焦垂直场景的深度开发。"找到能快速落地的专精领域，比追求技术全面性更重要。"他透露，团队正通过数据工厂采集基础数据，同时布局真实家庭场景的长期部署，"数据飞轮启动的时刻，就是通用机器人突破临界点的时刻"。
对于青年研究者，陈佳玉给出两条建议：首先明确核心目标，将80%精力投入关键问题；其次主动整合资源，包括算力、设备与落地场景。他特别强调体系化思维的重要性："不要盲目追随热点，而是要拆解顶尖学者的研究框架，构建自己的认知体系。"这种从问题定义到资源匹配的研究方法，或许正是其在多个领域取得突破的关键。
