TAO Framework
安克创新创始人阳萌提出的、阐释智能体与物理/数字世界进行循环交互的系统框架，同时隐喻中国哲学中的“道”（TAO）。
核心结构
TAO 框架将智能体的任何智能行为拆解为三个连续交互的维度：
- T (Task，任务)：智能体所需要完成的目标与方向，贯穿始终。
- A (Action，动作)：智能体在某一时刻采取的具体行动。在语言模型中是输出下一个 Token；在具身智能中是执行机构的物理动作。
- O (Observation，观察)：行动作用于环境后，智能体对环境所发生改变和新状态的感知。
VLA 模型与世界模型的双向映射
在具身智能（Embodied AI）的技术闭环中，TAO 框架揭示了两大底层模型的本质关系：
- VLA 模型 (Visual-Language-Action Model)：
- 机制：实现 O ➔ A 的映射。
- 职责：在当前的 Task 指引下，根据目前的感知状态（Observation），推导智能体应该采取的下一步行动（Action）。
- 世界模型 (World Model)：
- 机制：实现 A ➔ O 的映射。
- 职责：预测并推演在特定状态下采取了某种动作（Action）后，物理世界将会如何反应，演进出什么样的新状态（Observation）。
语言与机器人的数据差异
- 语言的天然合一：文本和语言数据天生就融合了 Task、Action（下一个 Token）和 Observation（前文状态对当前 Token 的影响）的双向关系，因此语言模型容易学得极具泛化性。
- 机器人数据瓶颈：物理机器人领域目前极度缺乏这种将 Action 与真实物理环境变化 Observation 双向结合的闭环 TAO 交互数据，这制约了端到端具身大脑的发展。具身智能的终极理想是训练出高度符合闭环 TAO 循环的物理基础模型。
Source: 2026-06-22-youtube-youtu-be-kBsqirnWTpI-si-Pf8YGH4F4Pu81o7S（来源未公开）