# 160: 群核IPO后与黄晓煌聊这15年：被嫌弃的GPU、冠军酷家乐、空间智能、六小龙 晚点聊 LateTalk · 2026-04-17 本期专访群核科技创始人兼董事长黄晓煌，在公司登陆港股、成为“杭州六小龙”第一家上市公司后，他回溯15年创业史，核心判断是“活下来比活得亮眼重要”：他称见过90%的明星科技企业消失，群核靠避开巨头锋芒、做工业软件与出海存活，并把数据视为比算法更实在的壁垒。节目解释了酷家乐如何从GPU云渲染长成中国市占率第一的在线设计软件，也复盘了2018年错过具身硬件黄金期的遗憾。黄晓煌详述2023年看到AI对SaaS的颠覆后，选择自己训练空间模型而非为大模型做配套，并在视频生成与3D路线之间押注后者，认为视频模型无法真正物理正确。他还比较了欧美具身企业偏好合成数据、国内倾向真实数据的现象，并谈及“六小龙”出圈后内部阻力大减、自己如今以科研leader自居，目标是公司一半收入来自空间智能。 ## Questions this episode answers ### 群核科技为什么选择3D重建路线而不是视频生成来做空间智能？ 黄晓煌表示，群核选择用空间重建（3D）来做空间智能，而不是视频生成。3D内容有尺寸、可交互，能获取距离、位置和遮挡关系，而视频模型无法做到物理正确，只能保证视觉连续性。虽然最终哪条路线胜出不确定，但群核赌的是3D模型基础路线。 [54:33](https://latetalk.podhood.com/1d2a0d63-1623-4823-a428-8e6ec7318a9c?t=3273000) ### 具身智能公司训练数据，欧美企业和国内企业有什么不同？ 黄晓煌说，服务中发现欧美具身企业偏好仿真/合成数据，国内企业普遍倾向真实实景数据。他猜测国内很多机器人公司源自自动驾驶行业，有使用真实扫描数据的惯性；实景扫描数据也可能有隐私问题。群核两种数据都能提供，不改变团队的信仰。 [1:00:19](https://latetalk.podhood.com/1d2a0d63-1623-4823-a428-8e6ec7318a9c?t=3619000) ### 酷家乐与互联网巨头竞争时学到了什么？ 黄晓煌说，和巨头竞争后他看清楚了：真正的壁垒是数据、网络效应和好的客户服务，单纯的算法像一层窗户纸一捅就破。在中国做核心算法太危险，因为团队可能被成批挖走，所以群核开始重视数据积累，还转向工业软件和出海。 [22:29](https://latetalk.podhood.com/1d2a0d63-1623-4823-a428-8e6ec7318a9c?t=1349000) ### 群核科技（酷家乐）创业初期为什么融资那么难？ 黄晓煌说2011年回国创业时生不逢时，投资人大都认为他们工作履历不好，英伟达在投资人眼里跟富士康差不多。当时主旋律是O2O，他们做的GPU云端渲染需要大量研发、周期慢，所以一年多没融到钱，后来靠校友黄淮投资了50万人民币。 [5:02](https://latetalk.podhood.com/1d2a0d63-1623-4823-a428-8e6ec7318a9c?t=302000) ## Key moments - **[0:00] 开场** - [0:20] 黄晓煌：“我觉得活得久比活得亮眼更重要” - **[1:40] 回国创业** - [1:53] 黄晓煌在美国UIUC读博时参加创业比赛，想过做防止司机睡着的设备，获二等奖 - [2:17] 黄晓煌2011年从英伟达回国创业，最初想法是把GPU做到云上，当时云计算主流还是CPU - [3:34] 黄晓煌在英伟达那年公司亏了3亿美元，CUDA没人用；想做GPU云化被团队说不靠谱 - [5:15] 回国融资时投资人觉得英伟达履历跟富士康差不多，建议他们先去Google或Facebook工作一两年 - **[6:54] 酷家乐** - [6:54] 群核前一年靠外包维持，拿IDG投资后不再做ToB项目，酷家乐13年底上线、14年爆发、15年赚钱 - [7:22] 酷家乐最早面向业主，但业主半年内流失，沉淀下来的都是专业设计师，所以转向服务装修公司和设计师 - [9:21] IDG投资酷家乐是看好家装行业，与齐家网创始人相熟；当时给投资人必须讲O2O故事否则没人投 - [10:30] 2015年股灾后不赚钱的公司很难融资，群核赶紧模仿SaaS开始收费，15年底现金流打平 - [11:14] GPU算力成本高让SaaS模式有先天缺陷，只能牺牲渲染效果换成本；AI时代按token/按量付费解开了这个枷锁 - [13:55] 群核广告业务做到几千万收入但亏损，因为用户点一次算力成本1块钱，广告只付几分钱，商业模式不成立 - **[15:33] 巨头竞争** - [17:04] 面对巨头竞争，黄晓煌的策略是“活下来优先”，不跟巨头在旧赛道死磕，转去做工业4.0和出海 - [18:23] 黄晓煌：中国赛道平均3到5年切换一次，明星企业不及时调整会变人人唾弃，所以活得久比亮眼重要 - [20:20] 群核做过底线思考：假设线上业务全丢还有生产制造业务，假设中国业务全丢还有海外业务 - [22:29] 黄晓煌把与大厂竞争当成年礼：看清算法像窗户纸一捅就破，数据、网络效应、客户服务才是真壁垒 - [23:26] 黄晓煌：“在中国你做一个核心算法太危险了” - [25:35] 黄晓煌：“我们属于生不逢时，科技公司最差时创立，转互联网时互联网被唾弃，转SaaS时SaaS又被唾弃” - **[29:49] AI 转型** - [29:53] 黄晓煌：群核15年主旋律是把GPU作为数字世界与物理世界的桥梁，离物理世界越近越安全 - [32:05] 2016年有高管想做装修贷互联网金融，楼下公司十分之一人数收入好几倍，但黄晓煌因与核心技术无关拒绝，也拒绝了GPU挖矿 - [33:24] 黄晓煌的决策三原则：一能用上核心技术，二能产生社会价值，三有壁垒有积累，不干一炮没了的生意 - [36:00] 黄晓煌2018年就注意到用空间数据训练大模型的论文，但20-21年SaaS太火，AI探索暂停，同事怀疑他看今日头条指挥公司 - [37:46] 黄晓煌：人是群体性动物，周围人都说你错时会真觉得自己错，所以20-21年AI探索基本暂停 - [39:10] 2021年群核赴美IPO因滴滴事件戛然而止，心情从山峰跌到谷底；2022年上海封控让国际化团队全跑光 - **[44:38] 空间智能** - [44:38] 2024年群核明确要训练自有模型做空间智能，判断做agent没戏，那是大模型公司的菜 - [47:22] 六小龙出圈后群核启动“小龙计划”：不靠名气牟利但要靠名气招人；2025年黄晓煌放下业务天天面试，C9简历涨9倍，海外简历多20倍 - [49:19] 群核空间智能投入：算力一年几千万，算法模型团队从2023年不到10人增至2025年约60人 - [50:28] 黄晓煌复盘：2018年是做具身硬件的黄金时期，贸易战后最大机会在硬件；现在在中国纯做软件很难，硬件仍要布局但形态未定 - [52:27] 空间智能是群核底层能力而非新业务；三层结构：底层模型与渲染能力、中间API、上层酷家乐/澎湃/LuxReal/SpatialVerse等产品 - **[54:28] 3D 路线** - [54:33] 群核赌3D生成与重建路线 vs 视频生成路线做世界模型：3D有尺寸可交互，视频精美灵活，黄晓煌认为最终谁胜出不确定 - [56:34] 黄晓煌：空间智能有两个核心不确定性——自己模型能做到多好，另一条技术路线会不会替代自己；但需求非常明确 - [58:25] 黄晓煌：机器人行业像十年前的自动驾驶，具身大脑一定会被攻克，机器人替代人类干活一定能实现，但时间不确定 - [59:31] 群核算力型产品收入已占约5%，黄晓煌希望三年内算力型产品收入与SaaS订阅收入达到1:1 - **[1:00:01] 具身智能** - [1:00:19] 黄晓煌：欧美具身企业偏好仿真合成数据，国内偏好真实数据，因为国内团队多从自动驾驶行业带来惯性 - [1:02:48] 黄仁勋推崇合成数据是卖芯片还是技术判断？黄晓煌认为不是卖芯片，是美国生态不得已，真实扫描数据更好但有隐私问题 - [1:03:12] 黄晓煌预测智能机器人形态会非常分散，可能有一万家：吊车、血管疏通机器人都是机器人，不只人形 - [1:06:05] 黄晓煌：空间智能一定会达到理想状态，只是时间不确定；当OpenClaw能在物理世界干活、大模型拥有理解物理世界的眼睛就成了 - [1:07:20] 具身硬件公司大概率会自己做模型；群核SpatialLM只做把物理世界翻译成脚本给大语言模型的通用层，希望所有设备都用 - **[1:08:53] 平台转型** - [1:09:29] 黄晓煌早年调研过旷视/商汤的平台模式，当时AI主要是政府安防人脸识别；大模型之前的方法论是垂直场景做精做透 - [1:12:47] 黄晓煌：“我生命中投资人不断灌输的明星企业90%都消失了或变得默默无闻，我们还能活着每年增长，已经很不容易” - [1:13:49] 黄晓煌：融资顺时拼命投入研发，融资差时必须保证利润，资本市场只会落井下石；人形机器人是百年大窗口但玩家巨大 - [1:17:08] 六小龙出圈前，黄晓煌在公司内部提空间智能、自训模型会有很多人反对；六小龙之后这种言论少了很多 - [1:17:44] 六小龙让群核凝聚力变强：业务同事不好意思反对长期主义，股东质疑少了，还招到更多顶级人才 - [1:19:08] 六小龙出圈前股东还在喷黄晓煌自训模型“不知几斤几两”，希望他砍研发做利润；出圈后股东不吭声了 - **[1:21:26] 自我定位** - [1:21:26] 黄晓煌现在的定位是科研leader：二三年来已把商业和用户部分转给其他合伙人，专注空间智能转型 - [1:22:44] AI时代群核组织从流程驱动变为先做模型，一两个人就能快速做产品原型验证，不需要复杂流程 - [1:23:43] 三创始人分工：黄晓煌负责空间智能转型，陈航负责2B业务，朱皓负责研发和PLG；15-16年后基本没有大分歧 - [1:26:37] 黄晓煌：创业最痛苦的部分总是跟人相关，看到老员工声泪俱下很难下手，复盘觉得自己手太慢、不是心狠手辣的人 - [1:29:37] 黄晓煌最近因Apollo空间重建模型感到惊喜：能无人干预自动重建空间；最兴奋的是产品上线后被用户喜欢和行业认可 - [1:31:34] 《Breaking Twitter》讲马斯克改造推特，雷厉风行让黄晓煌触动，因为那正是他很难做到的部分 - **[1:32:11] 自由女神像** - [1:32:40] 朱皓在自由女神像下算创业收益不如在亚马逊/英伟达，黄晓煌回应：“钱只是一种撬动人生理想和事业的工具或杠杆” - [1:33:14] 黄晓煌谈人生理想：“做出一些有世界影响力的东西出来”，他提到SpaceX和DeepSeek - **[1:34:16] 未来使命** - [1:35:36] 黄晓煌眼中的黄仁勋：开会时大多在听，不是表面雷厉风行但很坚持；当年说下一个S曲线大家都不信 - [1:37:00] 黄晓煌：过了画饼阶段，现在要确保讲的每件事都在做；公司做大和做强做好是两码事，并购做收入意义有限 - [1:38:08] Q: 黄晓煌自认最大的优缺点是什么？A: 情绪稳定冷静理性；缺点是早晨起不来、性格慢，错过了18-19年硬件机会 - [1:39:08] 黄晓煌：群核活下去肯定没问题，现阶段使命是把公司带向空间智能企业；什么时候一半收入来自空间智能，使命就完成了 ## Speakers - **曼祺** (host) - **黄晓煌** (guest) ## Topics AI模型团队动态, 模型自进化 ## Mentioned DeepSeek (company), Google (company), OpenAI (company), SpaceX (company), 亚马逊 (company), 群核科技 (company), 英伟达 (company), Apollo (product), CUDA (product), GPU (product), Spatial GEM (product), Spatial LM (product), SpatialTwins (product), SpatialVerse (product), 酷家乐 (product) ## Transcript ### 开场 **黄晓煌** [0:00] 是 ， 我觉得在中国你做一个核心算法太危险 。 我曾经一度怀疑自己 ， 技术创业者容易陷入到一个 " 技术的自嗨 " 中 。 **曼祺** [0:10] 就你怀疑 ， 当时你自嗨了 ？ **黄晓煌** [0:12] 对 ，而且周围同事也都怀疑我自嗨 。 看今日头条来指挥公司 。 我们整个策略都是 " 活下来优先 "。 欧托这个赛道呢 ， 就眼见他起高楼 ， 眼见他高楼塌 。 曾经的黄金赛道 ， 或者明星企业 ，在 3 到 5 年内如果你没有及时的调整 ， 马上就变成人人唾弃的企业了 。 所以我觉得 ， 活得久比活得亮眼更重要 。 **曼祺** [0:36] 欢迎收看 《 晚点聊 》。 我是曼祺 。 4 月 17 日上午 ， 群核科技登陆港股 ， 成为 " 杭州六小龙 " 中第一家上市的企业 。 我们在第一时间专访了群核的创始人和董事长黄晓煌 。 3 个多小时的访谈里 ，他聊了 15 年前就开始在中国做科技创业是什么体验 、 他们起步时的艰难 、 和互联网巨头在家装设计软件上的竞争 ，以及如今群核全力投入的空间智能 。 黄晓煌说 ，他创业这么多年， 经历的 90% 的明星科技企业都消失了或变得默默无闻 ，而群核一直存在 。 如果你想了解一种 " 穷人版 " 的 AI 创业故事 ， 或者想知道群核上市后潜力如何 ， 听听创始人怎么说吧 。 今天非常高兴邀请到了群核的创始人黄晓煌来做客 《 晚点聊 》。 晓煌 ， 你可以和我们的听友和观众简单地自我介绍一下 。 **黄晓煌** [1:27] 嗨 ， 我叫黄晓煌 。 我是群核科技的联合创始人兼董事长 。 **曼祺** [1:33] 正好是你们接下来会有一个很重要的节点 ， 就是群核马上上市了 。 也许想从头来回顾一下整个群核的发展过程 。 我跟你的另一个联创就朱皓聊 ，他说到其实 08 年的时候你们就想过一起去创业 。 ### 回国创业 **黄晓煌** [1:46] 是的 。 **曼祺** [1:46] 然后当时其实你刚去美国 UIUC 读博士没有多久 ，而且又遇上金融危机 ，是为什么当时想到要创业 ？ **黄晓煌** [1:53] 当时学校里面 ， 实际上那工科学校还是很鼓励创业的 。 那是学校里面的一个创业比赛 ， 所以我们就在想各种各样的 idea， 参加那些比赛 ， 想了很多有意思的东西 ， 就比如说做一个防止人开车睡着的设备啦 ， 获了个二等奖 。 **曼祺** [2:10] 到 2011 年的时候 ， 就到这次群核想再次创业 ，是当时看到了什么变化 ？ 那会儿你已经在英伟达工作了一段时间了 。 **黄晓煌** [2:17] 对 ， 那时候我看到的机会是 ，因为那时候最流行的是云嘛 ，在硅谷最火的是 Cloud Computing， 然后我当时就想把 GPU 做到云上， 然后就抱着这个简单的想法就回来创业了 。 **曼祺** [2:34] 因为当时的 Cloud Computing 应该更多还是用的 CPU 的资源 。 **黄晓煌** [2:37] 对 ， 绝大部分是 CPU。GPU 还没上云 ， 当时基本都没上云 。 **曼祺** [2:41] 那这个技术在当时来说是一个 ， 就是把 GPU 用到云上， 这个想法是很新的 ， 然后很少数的一个想法 。 **黄晓煌** [2:49] 对 ，但是 GPU 是一个很小众的东西 。 **曼祺** [2:52] 有考虑过在美国创业吗 ？ **黄晓煌** [2:53] 其实原型是在美国做的 ，也试着在美国融资 ，但是后面发现在美国就是你没有身份 ， 当时还没有绿卡 ， 就会有各种各样的阻碍 。 所以后面我们就打算回国了 。 **曼祺** [3:08] 那你有想过继续在英伟达做这个事儿吗 ？ **黄晓煌** [3:10] 我在团队里提过 ，但是首先当时英伟达肯定状态不太好 。 当时觉得云化之后对收入有影响 ，因为本来一个人买一块卡 ， 结果 10 个人共用一个云端的卡 ， 钱都被 AWS 赚走了 。 当然因为我当时级别比较低 ， 只是在团队里聊了一下， 别人就说不太靠谱 ， 我这事情就打住了 。 **曼祺** [3:34] 你可以讲讲当时英伟达时候什么情况吗 ？ **黄晓煌** [3:36] 反正状态就不太好 。 我在的那年亏了 3 亿美金 ， 华尔街各种颤缩 。 **曼祺** [3:41] 你在应该是 08、09 左右对吧 ？ **黄晓煌** [3:44] 09、10。 **曼祺** [3:46] 09、10。 刚好也是 CUDA， 就是现在大家会觉得对英伟达来说很重要的这个生态差不多起步的时候 。 **黄晓煌** [3:52] 对对对 。 当时是它 GPU 做到头了 ， 做到天花板了 ， 然后没有办法再拓展了 。 然后当时想做通用计算 ， 然后要做 CPU，但 CPU 所有的专利都被 Intel 卡着 ， 然后好像做第一款 CPU 做失败了 。 **曼祺** [4:09] 所以就是处于一个转型但是不顺利的状态 。 **黄晓煌** [4:12] 对 ， 那几年都在转型 。 **曼祺** [4:14] 你当时在里面具体做的事是和 CUDA 相关的那些事 ？ **黄晓煌** [4:17] 我开发 CUDA 语言 ，但那个年代没什么人用 。 **曼祺** [4:20] 你当时是对自己做的事的重要性是怎么想的 ？ **黄晓煌** [4:23] 我觉得这东西是划时代的 ， 就改变世界的 。 **曼祺** [4:27] 你当时就能看到这一点 ？ **黄晓煌** [4:28] 那肯定啊 ， 我们自己在内部做应用 ， 能够把 CPU 的速度加速几十上百倍 ，但是很难让别人用起来 。 就是它整个 Intel 它建立了一个很强大的生态 ， 你一往下推 ， 总是有地方卡住你 ， 所以你很难去推广这东西 。 我们当时工作的时候花了很大力气去找别人来用这些东西 。 那我当时在想 ， 我费那么大劲忽悠别人来用 ， 还不如自己创业做这个 。 当时比较幼稚的想法 ， 就拿着这想法创业了 。 **曼祺** [5:02] 你当时去见投资人 ，因为你说最开始也没有融到嘛 ，在美国也没有融到 。 回国其实我知道你们最开始一年多也没有融到钱 。 **黄晓煌** [5:09] 对对对 。 **曼祺** [5:09] 你当时就是和大家聊的话 ， 大家都什么反馈啊 ？ 或大家对你做的事能理解到什么程度 ？ **黄晓煌** [5:15] 我觉得我们创业有点生不逢时吧 。 当时投资人大部分觉得我们履历不太好 ， 工作履历不太好 。 **曼祺** [5:23] 觉得工作履历不太好 。 **黄晓煌** [5:25] 对 。 **曼祺** [5:25] 因为你是英伟达 ， 然后朱皓是在亚马逊对吧 ？ **黄晓煌** [5:29] 对 ， 朱皓还稍微好一些 。 然后陈航是就实习过 ， 然后也没有正式工作过 。 英伟达当时在投资人眼里估计跟富士康差不多 ， 可能比富士康稍微好一点 。 **曼祺** [5:41] 认为它是个传统制造企业 。 **黄晓煌** [5:44] 对 ， 然后我记得我跟一个著名基金聊完之后， 那个投资经理还是我哥们 ，他说你们教育背景行 ， 什么个人能力什么都很好 ， 就是工作履历不太行 ， 要不你们再去工作一两年， 像什么去 Google、Facebook 都行 。 **曼祺** [6:01] 那你当时具体做这个事 ， 就是你想在云端去做 GPU 的渲染 ？ **黄晓煌** [6:04] 这个也是减分的 。 因为这种工作要投入大量的基础设施的研发 ， 然后当时整个时代的主旋律是做 O2O。 **曼祺** [6:13] 那是 11 年对吧 ？ 你回国是 11 年 ？ **黄晓煌** [6:15] 对 ，11 年做 O2O， 就时代主旋律做 O2O。 就这种项目就慢 ， 要投入研发 ， 所以大部分投资人不喜欢 。 **曼祺** [6:23] 那你没有想过就是换一个方向创业 ？ **黄晓煌** [6:26] 换什么呢 ？ 没想到 。 当然我们后面也学过 AI 了 ， 反正就编故事呗 。 但做的还是这个东西 。 **曼祺** [6:35] 做的就还是用 GPU 的这个渲染技术去找可以应用的场景 。 **黄晓煌** [6:39] 对对对 ，是的 。 然后我记得黄淮所校友嘛 。 **曼祺** [6:44] 对 ，他是你第一个投资人。 **黄晓煌** [6:45] 对 。 **曼祺** [6:45] 个人天使吧 ， 算是 。 **黄晓煌** [6:47] 对 ，他本来其他合伙人都拒绝了 。他觉得反正认识这么多年也不太好意思 ， 然后投了 50 万人民币吧 。 ### 酷家乐 **曼祺** [6:54] 你觉得你们什么时候算比较步入正轨的 ？ 因为我看一些早年的报道 ，其实你们最开始一年的时间是做了很多项目 ， 做了很多外包的 。 **黄晓煌** [7:01] 我一开始是想把我们的技术用在不同的 ToB 的产品里 ，但是后面反正做得很烦 ， 后面就是拿了 IDG 的投资之后就再也不做 ToB 的项目了 ， 就直接做产品 。 那实际上产品在 13 年底上线之后， 后面就挺顺利的 ， 就是 14 年就开始爆发 ，15 年就开始赚钱了 。 **曼祺** [7:22] 那在这个过程中间 ， 你们是怎么找到就是家居家装这个场景 ？ 因为你也说 GPU 当时在美国其实也没有人用 ， 对吧 ？ 你也很难推下楼房 。 那到了中国 ， 你当时看到比如说有哪几个场景有可能是会用的 ？ 最后怎么定位到酷家乐做的这个事了 ？ **黄晓煌** [7:36] 我们当时也稀里糊涂的 ， 反正就是这个技术当时觉得可以用在影视行业 ， 用在家居建筑行业 ， 用在仿真等等的都可以用 。 然后就去做的 demo 一个个跑 ， 然后最后哪家肯掏钱就找哪家 。 **曼祺** [7:55] 其实我觉得这是一个比较典型的技术创业 ， 就是大家都会说你拿着锤子找钉子嘛 。 **黄晓煌** [7:59] 对 。 **曼祺** [8:00] 那个时候对你们来说 ， 你们是有一定方法论的还是 ？ **黄晓煌** [8:03] 没什么方法论 。 **曼祺** [8:04] 就是导数趋势 。 **黄晓煌** [8:04] 因为我在英伟达他们做 CUDA 的时候也这么搞的 ， 反正就是做了一个 demo， 这个好 ， 大家来用吧 ， 然后发新闻 ， 然后一个个用户去访谈 。 **曼祺** [8:16] 所以对英伟达来说 ， 它后来找到 AI， 找到包括区块链这些 ， 就慢慢自己这样去跑试出来的 。 **黄晓煌** [8:22] 是 ， 肯定都不是规划出来的 。 **曼祺** [8:24] 我了解到其实你们最开始就是从 13 年底上线酷家乐这个网站 ， 然后到后面你们特别明确说你们的服务的对象不是业主 ，而是专业的设计师 ，是类似于你刚说装修公司 ，其实也是花了一段时间的 。 **黄晓煌** [8:40] 其实一开始面向的用户还是业主 ， 只不过业主用完可能半年内都会流失 ， 最后就沉淀下来的都是专业从业者 。 所以这个也是自然选择造成的 。 就我们本来讲的一个故事是把业主上来都用这个产品 ， 然后后面做 O2O 嘛 。 **曼祺** [8:59] 所以本来也和当时市场最火的 O2O 是 。 **黄晓煌** [9:02] 你不讲 O2O 根本没人投资 。 你跟他讲 GPU 什么的 ，80% 投资人都不知道啥是 GPU。 **曼祺** [9:09] 因为你们最早一个机构投资 ， 就是 IDG， 那会儿应该是毛成宇投的 ， 就后来云起的创始人合伙人。 **黄晓煌** [9:15] 对对对 。 **曼祺** [9:16] 它当时是看中 GPU 渲染这个事儿 ， 还是家装 ， 还是 O2O？ **黄晓煌** [9:21] 家装 。 **曼祺** [9:22] 是家装 ？ **黄晓煌** [9:22] 当时特别看好家装行业 ，因为它跟齐家网的创始人很熟嘛 ， 然后这行业爆发式增长 ， 然后后面可以卖货了什么的 。 **曼祺** [9:30] 卖家具 ？ **黄晓煌** [9:31] 对 ，但后面我也不太想去卖 ， 反正就是先把用户做起来再说 。 **曼祺** [9:36] 那在那个环境下， 就是 O2O 也非常火 ， 然后投资人也有一些这样的建议 ， 你们最后是相当于从一个我理解就是业主是变更 2C 互联网的 ， 对吧 ？ 包括那会儿美国有个公司叫 House， 它可能是偏内容社区的 ， 然后你们转向去做装修公司 ， 去做设计师的这种付费 ， 它就变成一个 ToB 的订阅了 。 这个转型对你们来说做这个决策压力大吗 ？ **黄晓煌** [10:00] 实际上在 15 年之前呢 ， 都是讲 O2O 的故事的 ， 都是讲把用户流量做起来之后， 做设计师的订阅 ， 然后做一些卖家具之类的商业故事 。 实际上我们还没开始卖 ， 就没卖出家具那一步 ， 这个商业模式好像有点崩了 。House 也发展不太好 ， 然后 O2O 反正大家也都在颤衰 ， 然后反正我也不太想卖家具 ， 后面就说不做这个了 。 我记得股灾之后， 资本市场很难融资了 ， 就是不赚钱的公司很难融资了 ， 所以我们赶紧模仿一个 SaaS 的收费模式 ， 就开始收费了 ， 然后 15 年底就现金流就打平了 。 **曼祺** [10:44] 所以这个对你来说你觉得是挺自然的一个变化 。 **黄晓煌** [10:48] 起码比起卖家具 ， 我还是就卖软件肯定是更喜欢一些的 。 **曼祺** [10:53] 可以这样讲 ， 就 15 年之后这个对你们来说应该是个很快增长的阶段 ， 对吧 ？ **黄晓煌** [10:57] 对 。 **曼祺** [10:57] 非常明确的定位到是要服务设计师和装修公司的 。 **黄晓煌** [11:01] 对 ， 整个潮流就开始出现了 SaaS 模式 ， 工业软件等等的 。 这个商业模式套在我们这产品上可能更合适 ，但其实也有一些问题了 ， 就是这种 GPU 的算成本太高了 。 所以当时很痛苦的事情就是在阉割效果 ， 就是在成本跟效果之间取个平衡 。 当时我也觉得这个 SaaS 商业模式有先天的缺陷 ， 就是 GPU 跟 CPU 不太一样 ， 就 CPU 用的人越多 ，他边际成本越低 ，GPU 多少人用反正都这个成本 ， 所以你只能去牺牲品质就来降低成本 。 **曼祺** [11:41] 这个区别是怎么造成的 ？ **黄晓煌** [11:43] 它的硬件架构决定的 。 所以我当时也在感觉这个 SaaS 这商业模式也不是最佳的商业模式 。 **曼祺** [11:51] 这个能通过技术优化来改善吗 ？ 比如说 GPU 其实你可能也能有一些弹性调度的方式 。 **黄晓煌** [11:58] 从它的底层原理上你可以做一定程度的优化 ，但没有办法像 CPU 几倍几倍的优化 ， 你可以优化个百分几十吧 。 所以你看以前 CPU 时代的产品都是包年包月 ， 反正你用多用少成本都差不多 。 但是 GPU 时代都是按 token， 按量付费 ， 就是你用多多付钱 ， 用少少付钱 。 就像你看 ChatGPT 这类产品 ， 它每一次计算的成本是非常高的 ， 如果让你无限使用的话 ， 那根本划不来 。 但是 CPU 时代的你就像这种 Google 啦 ， 像 Facebook 啦什么 ， 你随便用 ， 反正你用的越多 ， 它的成本差不多 。 **曼祺** [12:37] 那回到你们当时自己遇到的这个问题 ， 就是因为你们的底层还是用 GPU 的这个资源在支持大家做 3D 的渲染嘛 。 **黄晓煌** [12:43] 所以我们当时做了很多折中的方式 ， 就比如说图片不让它渲染特别大 ， 计算量大的只能半夜给它跑 ， 它得等一个晚上 。 就实际上当时也有很多别扭的地方 ，但所以这一波 AI 的爆发 ， 就大家接受了 token 或者按量付费之后， 对我们来说还是很开心的 ， 一个枷锁得以解开了 。 **曼祺** [13:08] 这个点挺有意思的 。 就是因为其实你们做的那个业务 ， 大家从业务层面会觉得你是 SaaS 嘛 ，但其实你底层的那个资源上， 它和现在这种 AI 的状态是更像的 。 **黄晓煌** [13:20] 是 ，而且我们当时找到那个 SaaS 的 ， 它只是一个收费模式 ， 就是我们也一直在寻找不同的收费模式能够 ， 比如说典型的收费模式就那几种 ， 广告变现 、SaaS 变现 、 电商变现 ， 就这几种 ，但后面还是 SaaS 的方式比较顺产 。 **曼祺** [13:39] SaaS 也是后来你们收入最多的一个板块 。 **黄晓煌** [13:41] 对 ， 后面把广告的业务就砍掉了 。 **曼祺** [13:43] 你们当时如果做广告的话 ， 就是给一些家居品牌来做广告 。 **黄晓煌** [13:47] 对 。 **曼祺** [13:47] 比如说我设计师在我的图纸里面放了谁的橱柜 、 谁的冰箱之类的 。 **黄晓煌** [13:51] 对 。 **曼祺** [13:52] 当时能给你们带多少收入 ？ **黄晓煌** [13:55] 收入当时做到几千万 ，但是后面发现是亏损的 。 **曼祺** [13:58] 就为什么还会亏损了 ？ **黄晓煌** [13:59] 因为广告的模式是先免费用嘛 ， 就给你免费用 ， 然后比如说曝光多少次或者交易了 ， 然后才收费嘛 。 但它每一次使用的成本太高了 ， 所以它跟浏览网页还不太一样 。 你平常浏览网页它弹出一个广告 ， 那成本几乎是为零 。 我们的东西它点一下一块钱成本 ， 点一下一块钱成本 ， 它广告就付我几分钱 ， 所以根本划不来 。 所以最后想想 ， 这商业模式不太行 。 就大家对于广告每次曝光愿意付的费用都不足以 cover 它的算力成本 ， 所以这商业模式在我们身上就不行 。 **曼祺** [14:38] 那你们后面想了一些什么方式去做一些更多的拓展吗 ？ 因为我知道 15 年到 19 年其实你们增长是非常快的 。 **黄晓煌** [14:45] 对 。 **曼祺** [14:46] 但 19 年之后有一些可能外部环境的原因 ，也有一些也许是跟你们业务相关的一些原因 ， 就增长是相对放缓的 ， 你可以讲讲这个状态吗 ？ **黄晓煌** [14:54] 当时我觉得最快的是 15 到 18 嘛 ， 后面我们一大波客户是做这种 O2O 平台的 ， 然后 O2O 平台基本那一波被互联网金融爆雷给拖垮了 ， 前十大的客户有八家倒闭了 。 我们当时的最赚钱的模式是它做平台 ， 我们给它提供软件跟算力 ， 然后它付费给我们 ， 一年付个上百万 ， 然后这种方式 ， 结果那批公司倒的差不多了 。 另外一个是就是巨头挖墙脚 ， 当时被挖了很多人， 有些业务线都停摆 。 **曼祺** [15:33] 你觉得 19 年你们竞争的时候 ？ ### 巨头竞争 **黄晓煌** [15:35] 就不提名字了 。 我觉得它竞争本身倒没什么 ， 就主要挖墙脚 ， 就有的时候团队是成批成批的走 ， 然后业务就很难持续 ， 反正有些人就是都不交接的 ， 就是有时候一个团队一夜消失 ， 后面客户都联系不上， 就这种 。 **曼祺** [15:53] 我知道你们 2016 年的时候也做过一个拓展 ， 就是你们开始去做那种可以直接生产图纸的这种设计 ， 就是偏工业 4.0 的这种动作 。 **黄晓煌** [16:02] 这个是 16 年立的项 ，18 年就差不多 ，20 年才落地 。 这有几方面因素嘛 ， 一方面是当时很多巨头要进到家装这个赛道 ， 然后我们担心挡不住 ，因为就是你即使产品过关 ， 你人根本被挖了 ， 产品就你一个产品线人一夜之间全部消失了 ， 你这个基本没法做 。 所以我们 18 年开始发力 ，因为我们觉得家装这块如果扛不住的话 ， 工业软件反正巨头也不太会做 ， 就转去重心转去那一块了 。 **曼祺** [16:40] 你们是觉得工业软件技术壁垒更高 ， 技术含量更高吗 ？ **黄晓煌** [16:43] 工业软件是一些脏活累活 ， 需要不断打磨的 。 **曼祺** [16:48] 所以你觉得巨头不会做 ？ **黄晓煌** [16:50] 对 ，而且跟电商没什么关系 。 **曼祺** [16:53] 所以相当于 18 年之前你们是自己找到了一个你们的技术可以用的场景 ， 然后发展得也很快 。 **黄晓煌** [16:58] 对 。 **曼祺** [16:59] 然后到 18 年发现怎么好像突然很多更大的公司也想来分一杯 。 **黄晓煌** [17:04] 对 ， 就是我们当时就我们整个策略都是活下来优先 ， 我也不死扛 。 因为我记得当时有的公司遇到巨头竞争就死磕 ， 就在老赛道上死磕 ，也出了很多大的问题 。 所以我们等于说就是避其锋芒 ， 反正我们核心还是对技术这些产品感兴趣 ， 你具体做什么赛道无所谓 ， 就此路不同换一条路 。 **曼祺** [17:35] 死磕的表现是什么 ？ **黄晓煌** [17:36] 因为我记得有一家公司反正就是跟巨头打价格战啦 ， 就我觉得巨头出现就躲 ， 所以我们当时战略上就去做工业软件了 。 **曼祺** [17:48] 你说你们的原则就是要活着要苟着 ， 这件事是怎么形成的呀 ？ 因为其实现在就更晚成立的很多科技公司 ， 就尤其是像你们这种海归博士 ， 它整个背景比较好的 ， 大家更习惯高举高打 ， 我用很多资源去做一个很大然后很前沿的方向 。 **黄晓煌** [18:04] 因为我们刚开始创业的时候也就 O2O 这个赛道呢 ， 就眼见它起高楼 ， 眼见它高楼塌 ， 就是我们当时对我们触动挺大 ， 我们觉得中国的这种赛道切换太快了 ， 平均 3 到 5 年为周期 ， 就是一个切换过程 。 曾经的就是黄金赛道或者明星企业 ，在 3 到 5 年内如果你没有及时的调整 ， 马上就变成人人唾弃的企业了 。 所以我觉得就活得久比活得亮眼更重要 ，而且很多企业你可能亮眼 ， 你烧钱亮眼或者什么的 ， 就你根基不够扎实 ， 你可能只是转瞬即逝的 。 所以我们当时定的策略一直都是以活下来为核心 。 **曼祺** [18:55] 所以相当于是因为你见过周期 ， 对吧 ？ 你见过一些别的公司 ， 一些别的明星企业或者创始人， 这样一个起起落落的状态 。 **黄晓煌** [19:03] 是 ，因为我们第一波感触很明显 ，因为我们第一波做 GPU 相关的 ， 投资人天天教我们怎么讲 O2O 的故事 ， 然后过了两年之后就跟我说千万别提 O2O， 一个 O 都别讲 ， 就是这么一个巨大的切换过程 。 所以我感受是很深的 。 所以后面 SaaS 出现这种同样情况 ， 我一点都不 surprise。 我时时刻刻对于现在火的行业 ， 我都做好准备 ， 它会在下一刻突然变成人人唾弃的行业 。 这周期切换的太快了 ， 所以我觉得一个企业活下去考虑长远一点很重要 。 有的运气好 ， 那个赛道一直很好 ， 运气不好可能就突然一夜之间出问题了 。 **曼祺** [19:49] 你们当时和体量比你们大非常多的公司来竞争的时候 ， 你们最开始害怕和担心吗 ？ **黄晓煌** [19:56] 其实我觉得大公司的竞争压力短期是非常大的 ， 它不管是从客户的获取 、 资金 、 人才的吸引等等的全方位都是碾压式的 ，但是并不代表说小公司就躲不了 。 我们当时策略就是流量避开电商相关的 ， 然后我们侧重去做工业 4.0， 柔性生产制造服务好 ， 做扎实 ， 另外还有出海 ， 就主要这两个战略 。 这两个战略实际上对我们后期的帮助是非常大的 。 做了几个假设 ， 一是我们线上业务全部丢失 ， 那我们还有生产制造的业务 ， 然后另外一个是中国业务全部丢失 ， 我们还有海外业务 。 我觉得任何情况下都要做就是底线的思考 。 **曼祺** [20:40] 那个时候是你们最危险的一个阶段吗 ？ **黄晓煌** [20:42] 我觉得是挺危险的 ， 士气有点崩了 ， 很多同事基本上接到 offer 就走 。 **曼祺** [20:48] 那这个竞争开始到什么阶段之后， 你们心态相对稳 ？ **黄晓煌** [20:52] 对方的业务负责人， 就大公司的业务负责人在干了一两年后没任何进展 ， 被撸了 。 **曼祺** [21:00] 那应该在那之前你们就相对能看到吧 ， 能看到就是其实对方业务没有那么多进展 。 **黄晓煌** [21:06] 能看到对方业务没有那么多进展 ， 虽然花了很多钱 ，但是抄产品 、 抄市场 ，但是抄袭也没那么容易的 。 所以你光抄完之后怎么做商业化 ， 实际上也是个难题 。 所以对方后面被撸掉了 ， 这事情就差不多结束了 。 **曼祺** [21:26] 我觉得你们当时就是被集中挖人， 或者说就是处在一个很高强度的竞争之下 ，其实可能也跟你们当时没有接受特别大的互联网公司的投资有关 。 **黄晓煌** [21:37] 我们当时 。 **曼祺** [21:38] 其实当时就是 BAT 应该都是有投资意向的 。 **黄晓煌** [21:42] 都找我们谈过投资 ，但是我们当时还是想做一个 ， 就不想卷入这个互联网的战争 。 **曼祺** [21:49] 你可以讲一下这个思考 ，因为我觉得当时确实有很多公司都会接受 BAT 的投资 。 **黄晓煌** [21:53] 因为跟百度的业务关系不太大 ， 所以我们没拿百度的投资 。在 18 年、19 年的时候已经定了战略不做电商 ， 所以阿里要投资我肯定不拿呀 ，因为我就不想做电商 ， 你逼我做电商 ， 那我在杭州我也不想得罪阿里 ， 所以我也不想拿腾讯的钱 。 **曼祺** [22:12] 你们当时有去寻求什么建议吗 ？ 比如说投资人是怎么想的吗 ？ **黄晓煌** [22:16] 投资人很慌 ， 投资人说要不你卖给阿里吧 。 **曼祺** [22:20] 回顾整个过程的话 ， 你觉得和大厂的竞争可以学到什么呀 ？ 我前天跟程航聊 ，他说迎战过大厂才是真正的独角兽 。 **黄晓煌** [22:29] 我们都把就是跟大厂竞争过作为一个成年礼吧 ， 就你企业真的竞争过 ， 你的心态等各方面都会成熟很多 。 但是程航压力比较大 ，因为他当时去找了对方就是业务的负责人， 说我们能不能合作吧 ， 对吧 ？ 就是我们也不做电商 ， 你合作就行了 ， 对方把他骂了一个小时 。 **曼祺** [22:50] 这个成年礼如果完整的说 ， 它代表什么呀 ？ 就是它哪些部分你们更成熟了 ？ **黄晓煌** [22:56] 我至少看清楚了哪里才是真正的壁垒 ， 哪里是虚的 。 就有些一竞争就垮的地方肯定是有问题的 ， 就那些就是属于做大 ，不是做强的 ， 就是真正强的地方是有壁垒的 。 **曼祺** [23:10] 你们当时的渲染技术是不是还是比大公司来做这个要强 ？ **黄晓煌** [23:14] 怎么说呢 ， 技术我们认为是独一无二的 ，但是整个渲染引擎的开发团队除了主管全被挖走了 ， 抄都抄一模一样抄出来 。 所以我觉得在中国你做一个核心算法太危险了 。 **曼祺** [23:30] 对 ，因为软件的技术它比较容易跟着人扩散 。 **黄晓煌** [23:34] 对 ， 它就是 。 **曼祺** [23:35] 纯渲染的技术 。 **黄晓煌** [23:36] 它就纯算法 ， 它不像那个数据工程什么 ， 反正大数据什么数据你拿不走没什么用 。 所以我觉得数据还是一种壁垒 ， 算法很难形成 ， 就算法就跟一层窗户纸一捅就破 。 **曼祺** [23:49] 所以其实相当于就经过那一次之后更看清什么是壁垒 ，也更知道在哪些方面你们要长期去投入更多去积累 ， 对吧 ？ **黄晓煌** [23:56] 是的是的 。 **曼祺** [23:57] 数据你们确实也是积累了很多年的 。 **黄晓煌** [23:58] 数据是一个很重要的壁垒 ， 就数据是一个壁垒 ， 网络效应是壁垒 ， 然后以及很好的客户服务也是壁垒 。 就是那些客户即使他签了对方 ，但是也不会跟我们断约 。 **曼祺** [24:11] 像数据这件事你们应该是更早就做积累吧 ？ 因为你们 18 年就有开源数据集 ， 就是你们有很多户型啊 ， 很多这种包括什么电器家具的这些数据 。 你这个意识是怎么来的 ？ **黄晓煌** [24:22] 跟大厂竞争之后才开始真正积累 ， 之前只是有 ， 之前只是有 ， 然后后面会发现你的算法就是被人一挖就走 ， 就是当时数据积累就你不能直接 copy 走吧 。 当然那个也对我产生了一些错觉 ， 就当时有一阵子觉得算法不太重要 ， 反正做了也被人挖走 ， 所以那几年算法就有点没怎么招人。 **曼祺** [24:48] 有点招旺过正了 。 **黄晓煌** [24:49] 对 ， 然后结果大模型出来之后亮瞎眼了 。 **曼祺** [24:53] 我觉得模型的算法你投入也会很卷 ，因为确实每家好像都在这样往上赶往上赶 ，但是你不投入那你就啥都没有 ， 一个没有 。 **黄晓煌** [25:03] 对 ， 所以我有点矫枉过正 ， 就一开始我们会招了很多人做算法 ， 然后那阵子后面发现算法怎么人一挖就跑 ， 然后又不太想做了 ， 然后大模型出来之后发现这算法还是得做 ， 这不做什么都做不出来 ， 就等于说算法是发动机 ， 数据是燃料 ， 你都得有 ， 你少一个都不行 。 **曼祺** [25:23] 所以这些认知都是一步一步这样经过各种事积累起来的 。 你刚说的这个心态我觉得确实跟你们成立特别早有关 ，因为 11 年那会儿没有什么别的科技公司 ， 科技这个事好像也不是一个创业的主流 。 **黄晓煌** [25:35] 对 ， 所以我经常跟合伙人聊 ， 我们属于生不逢时的 ， 就科技公司最差的时候开始创立做了一个科技公司 ， 然后好不容易转型成一个互联网公司 ， 结果互联网公司变成被唾弃的公司 ， 然后转型 SaaS， 结果过两年 SaaS 又被唾弃 ， 就等于说你做的核心还是那个核心 ，但是你的变现方式是一直随着时代在变化的 ， 然后这个时代的周期变化太快了 。 **曼祺** [26:02] 就是如果你创业在一个科技非常受追捧 ， 然后你能融到很多资 ， 你一开始资源就很充裕 ， 你觉得一定会发展得更好吗 ？ 有可能你真的挂了 ，因为有可能你会表膨胀 。 **黄晓煌** [26:12] 我们也曾经膨胀过 ，20 年、21 年我就我们有些膨胀了 ， 就招了很多很多人。 **曼祺** [26:17] 当时是什么内外原因导致比较膨胀 ？ **黄晓煌** [26:20] 当时钱很好融 ， 然后市场特别好 ， 业务也挺赚钱的 ，SaaS 的软件产品做出来都很好卖 。 **曼祺** [26:27] 你们当时业务赚钱一个是酷家乐 ， 就你最开始做这个业务 。 **黄晓煌** [26:30] 对 ， 当时还专门做了房地产的解决方案 。 **曼祺** [26:33] 房地产的解决方案 。 **黄晓煌** [26:34] 还有那个工装的解决方案 。 **曼祺** [26:36] 所以有好多对吧 ？ 包括工业 4.0 就是这个偏生产的这个你们也在继续做 。 **黄晓煌** [26:41] 就当时的方法论是那样子的 ， 就是说反正不管你什么核心技术不核心技术 ， 主旋律是传统业务的数字化 、 云端化 ， 所以当时的主旋律就跟现在的 AI 一样的火爆 。 **曼祺** [26:55] 那你们当时做的这些事和你们最开始出发时候那个核心技术就是 GPU 的物理正确的 3D 渲染 。 **黄晓煌** [27:02] 都围绕这个在做的 。 **曼祺** [27:04] 也还都是相关的 。 **黄晓煌** [27:05] 对 ， 只不过投了很多的人力物力去做业务的流程管理 。 **曼祺** [27:10] 你的意思就是说流程管理那一部分其实和你们核心技术占关系不大 。 **黄晓煌** [27:14] 关系没那么大 ， 只是有上下游的关系 ，但是你有时候顺手也会去给它做了 。 **曼祺** [27:18] 那后来又变又从相对膨胀到一个 。 **黄晓煌** [27:22] 后面行业都没了 。 我们当时印象最深的是 19 年、20 年谈地产客户 ， 合同都不用签 ， 几百万一千万就随随便便就打账上了 ， 很夸张的 。 所以我们经历的周期多了 ， 这些事情也看多了 。 **曼祺** [27:35] 然后在当时你们就是做这个调整的过程中间 ， 做各种决策对你来说会比较难吗 ？ 就我该看什么不该看什么 。 **黄晓煌** [27:43] 我觉得调整是必然的 ， 所有企业都会遇到调整 ， 所以我们都总结了一套方法论 ， 反正遇到剧烈的行业周期性的变化 ， 首先你分析一下这东西是周期性的还是必然性的 ， 然后如果是周期性的你就熬一熬 ， 如果是必然性的 ， 那你就要做革命性的变化了 ， 那这时候基本上你得一号位跳出来做变革 ， 然后把原来就是属于赚钱的业务 ，但是可能不在就未来不属于这个业务的板块 ， 那可能就是要做人效的调整 。 **曼祺** [28:22] 如果总结一下的话 ， 你们遇到这几波变化 ， 哪些是周期性的调整 ， 哪些是可能必然性这个东西以后就不存在了 。 **黄晓煌** [28:29] 像这种硬科技工业这块 ， 我觉得是周期性的 ， 就是因为曾经有一度工业 4.0 吹得很火 ， 然后后面因为创打压 ， 然后有一阵子又没人投资了又凉下来 ， 它这几年又火了 ， 所以这块我觉得是周期性的 。 **曼祺** [28:47] 因为这个需求它是实际存在的 。 **黄晓煌** [28:49] 这需求是很刚的 ， 就不会消失的 。 然后像什么 O2O 然后这类的是就是吹起来一个概念 ， 元宇宙就吹起来的一个概念 ， 然后当然元宇宙后面有可能有新的技术突破还会起来 ， 然后像现在的就比如说像原来 SaaS，SaaS 的商业模式就它原来那种流程管理 、 企业内部管理的这种系统 ， 现在被 AI 肯定是要替代掉的 ， 所以这个东西是一个大趋势 ， 就已经不是周 期了 ， 这是趋势 ， 这技术变革是生产力革命 ， 所以这你肯定要跟进的 。 然后还有一些就像平常说的 ， 比如说大模型 、 人形机器人等等的这些 ，有的是能落地的 ，有些是还在热点上 ，但是还没落地的 ， 这些要看他们后面的落地情况 ， 所以我们这些都是保持密切关注的 。 **曼祺** [29:49] 可以讲讲就是你们最新的在 AI 这个大的机会里的一些调整 。 ### AI 转型 **黄晓煌** [29:53] 对 ， 反正这么多年我们一直围绕的就是把 GPU 用到数字世界跟物理世界之间作为桥梁 ， 就一直在做 ， 包括我们刚创立的时候那个核心算法就是物理正确的渲染 ， 就让因为原来很多渲染是假假的 ， 所以我们就希望做这个物理正确的渲染 ， 到现在我们希望成为这个连接物理世界跟这个大语言模型 ， 就这些我们是一直在就一直主旋律在做的 。 我觉得就信息技术不管怎么发展 ， 或者说不管技术怎么发展 ， 我们的物理世界不会消失的 ， 就是反正你活的话肯定活在物理世界里面 ， 你也不希望天天戴着一个 VR 眼镜 ， 所以我们的技术一直围绕这在做 ，但是技术的迭代确实是肉眼可见的在升级 ， 就不断的各种新的技术出来 ， 所以我们也不断在升级这些能力 。 **曼祺** [30:47] 你觉得你们的技术能一直围绕一个主线没有特别跑偏的原因是什么 ？ 我不知道你有没有观察到 ， 比如说有的公司可能最开始它也是一个技术出发的 ， 后面它其实可能会就不再围绕这个技术了 。 **黄晓煌** [31:02] 我觉得是这样子的 ， 就是说我们当初刚创业的算法呢 ， 早就被颠覆过多少轮了 ， 就这个算法肯定是被升级了好多次了 ，但是围绕着数字世界跟物理世界之间这个旋律呢 ， 我觉得这是一个以百年为周期的大周期 。 **曼祺** [31:19] 你这是创业的时候看到的 ， 还是创业到什么阶段你越来越明确到这件事情 ？ **黄晓煌** [31:24] 我反正是边创业也边有很多 idea， 然后有的 idea 很快就被现实狠狠的打脸了 ， 就有的就是剩下来的感觉都是跟物理世界紧密关联的 ， 就是所以包括这次 AI 的不管怎么发展 ， 就是大家在想什么产品 ， 就或者说什么 SaaS 或者什么软件会被 AI 替代什么不会 ， 我个人认为是离物理世界越近的越安全 ， 离物理世界越远的纯虚拟的就很危险 。 **曼祺** [31:55] 你们在这个就是过程中间有什么特别大的诱惑或者说这种分岔的这种选择路口吗 ？ **黄晓煌** [32:05] 有啊 ， 我记得当时 16 年我们有高管特别想做互联网金融 ， 就是装修贷款 ， 就给我们用户提供装修贷款 。 **曼祺** [32:16] 好像是当时很自然的一种思维 。 **黄晓煌** [32:18] 哎呀那个 。 **曼祺** [32:18] 就因为你有这个用户 ， 然后你有这个场景对吧 ？ **黄晓煌** [32:21] 对 ，因为我们楼上还是楼下的公司 ， 就是它一个公司人大概我们十分之一做互联网金融的 ， 收入大概是我们好几倍 ， 走路都带分的 ， 一年说是工资就普普通通的一个大专生进去一年能发好几百万工资吧 ， 乍一听肯定是心动的 ，但是后面回过头来想想这东西好像跟我的核心技术没什么关系 ， 我就不做了 ， 反正我跟着同事说你想做自己出去创 业吧 ， 我这公司是不做的 ，因为我对这个一点兴趣都没有 。 **曼祺** [32:56] 你明确不做的事一般都是一些什么事啊 ？ **黄晓煌** [32:58] 挖矿我也不做 ， 我们当时同事想 。 **曼祺** [33:02] 对 GPU 跟这个也很近 。 **黄晓煌** [33:04] 密切相关 ， 就是网上 GPU 闲置了能不能拿去挖矿 ， 然后我当时觉得这挖矿还没啥用 ，不对生产力有任何促进作用 ， 就纯浪费电 ，也被我否决了 。 **曼祺** [33:16] 那总结一下就是在历史上有这么多有可能能做的事情 ， 你做什么不做什么的你判断逻辑是什么 ？ **黄晓煌** [33:24] 一能用得上我们核心技术 。 **曼祺** [33:26] 第二 。 **黄晓煌** [33:27] 能够产生社会价值 。 第三呢反正就是有壁垒就有积累 ， 就不要干一炮没了 ， 就是得有做有积累的业务 ， 就是你这事情越做竞争壁垒越高 ，而不是就比如说装修 ， 就是做完一单下一单跟上一单没什么关系 ， 就你做个十年跟人家刚入厂的可能差别没那么大 ，但是有的东西你随着数据的积累 ， 网络效应的积累 ， 它的壁垒会越来越强 。 **曼祺** [34:01] 你们在哪个阶段对这种探索会做的比较多呀 ？ **黄晓煌** [34:04] 我们有两种探索 ， 一种是技术产品探索 ， 一种是市场探索 ， 就技术产品探索的时候我们是不考虑市场规模大小的 ， 我只要找到一个市场能够验证这个技术 ， 就像那个空间模型的训练数据的合成这个事情 ， 我们最早确实是找了扫地机器人这个行业 ， 东西是验证的 ， 验证出来了 ，但是你作为一个赛道肯定 。 **曼祺** [34:27] 就作为一个业务它太小了 ，但是它作为一个技术你们是可以继续去做的 。 **黄晓煌** [34:31] 对 ， 作为一个技术它是验证的 ， 所以你就得把继续拿着锤子找别的钉子 。 **曼祺** [34:36] 对 ， 就是不断的去炼出一个新的锤子 ， 一把把新的锤子 ， 然后去找更多的更大的场景 。 **黄晓煌** [34:43] 对 ， 那时候人形机器人还没开始 。 **曼祺** [34:46] 像这个你们服务扫地机器人做训练 ， 后面能延展能迁移的就是现在服务一些具身智能的公司来做训练 。 **黄晓煌** [34:52] 对 。 **曼祺** [34:53] 这是一类 ， 这一类就是说技术的拓展 ， 这个不会一开始就考虑市场空间 。 **黄晓煌** [34:58] 对 ，但是如果是你纯市场的拓展 ， 那就必须考虑市场空间 。 **曼祺** [35:03] 听起来你们其实中间要不断的做这种选择 ， 就我要不要做一个新的东西 。 **黄晓煌** [35:08] 对 。 **曼祺** [35:08] 这个都是你来决定吗 ？ 还是应该由别人来决定 ？ **黄晓煌** [35:11] 大家一直会讨论 。 **曼祺** [35:12] 你们是不是有很多自下而上的这种提议 ？ **黄晓煌** [35:16] 对 ， 我们也鼓励自下而上 。 **曼祺** [35:17] 那它是一个什么样的机制了 ？ 是会有个评审委员会 ， 然后你过了这个才做 ？ **黄晓煌** [35:21] 对 ， 你先把 demo 做出来 ， 然后 demo 做出来之后大家来评审 ， 就决定要不要给你资源做 ，但方法论也在迭代 ， 就之前是随便什么 idea 都行 。 **曼祺** [35:32] 随便什么 idea 都行 。 **黄晓煌** [35:33] 对 ， 那现在反正就是要求围绕着核心算法 、 核心模型来做 ， 就是比如说你套了一个 Gemini 或者套了一个 OpenAI 的东西 ， 然后自己核心啥也没有 ， 这种产品就别做了 。 **曼祺** [35:46] 那我觉得正好可以就是以你们现在最重要的一个新的投入的方向就是 AI， 来讲一讲你们一些新的调整过的更成熟的方法是怎么样的 。 你们最开始注意到这个新的 AI 机会是在什么时候呀 ？ **黄晓煌** [36:00] 18 年 。 **曼祺** [36:01] 当时是看到了什么呢 ？ **黄晓煌** [36:03] 当时我们看到了蛮多论文 ， 就是怎么用这些空间的数据来做大模型的训练 ， 当时是比较简单 ， 当时只是根据这些图像去识别这个空间的哪里是墙哪里是柱子 ， 然后我们就开始发开源数据集做一些论文 。21 年还专门组建组了一个实验室专门做这个空间模型 ， 做大模型训练 ，其实那机会是挺明显的 ， 我觉得 20 年那波 SaaS 的就是热潮把大家 都冲昏头脑了 ， 就本来 18 年当时我前面不是说有各种互联网金融导致很多公司爆雷了吗 ， 然后我当时就想转向 AI 这块 ，但是当时开始探索的过程中， 当时主要是核心很多算法工程师也被挖走了 。 我记得有一次那个有一个组的负责人跟我说他团队已经被挖了 ， 就剩他一个人了 ， 然后他说招人的速度还没挖人速度快呢 ， 然后做 AI 核心的最核心的除了 GPU 以外就是人人才 ， 所以你很难做 ， 然后正好 20 年、21 年 SaaS 这波热潮太火了 ， 我曾经一度怀疑自己 ， 就有的时候很多时候技术创业者容易陷入到一个技术的自嗨中 。 **曼祺** [37:21] 就你怀疑当时你自嗨了 。 **黄晓煌** [37:23] 对 ，而且周围同事也都怀疑我自嗨 ， 认为我在看今日头条来指挥公司 ，因为当时国家都说什么房住不炒 ， 然后房产要调控 ， 然后人工智能是未来 ，但实际上 20 年、21 年那个房产如日中天 ， 那火得不行了 ， 我靠 ， 那天上撒钱的感觉 ， 反正 AI 很差 。 我昨天还在跟另外一个投资人在访谈的时候跟他聊 ， 我说人是群体性的动物 ， 就当周围人都跟你说你错了 ， 你在用今日头条做决策 ， 你这时候还有的时候真觉得自己错了 ， 所以我们当时在 20 年、21 年基本 AI 这块探索基本就剩几个人， 基本处于暂停的状态 ， 然后虽然我也组建了一个实验室 ，但因为刚从美国挖了一个 AI 的 professor 回来 ， 你不能把他 逐个解散了 ， 所以当时那个投入也就几个人， 然后但是对于房产啊建筑这块投了几百个人。 **曼祺** [38:22] 你当时挖这个美国的教授回来 ，是因为你看到这个机会 ， 你觉得应该投入 ，但等他真的回来之后你们其实又没有 。 **黄晓煌** [38:30] 就我还是觉得 AI 还是一个很长周期 ， 什么时候爆发不知道 ， 就有可能就人工智能有可能蛰伏五年、 十年、 三十年都有可能 ， 就这是取决于算法的突破 ，但谁会想到那么快 ， 周围同事都说这个原来的老的赛道如日中天好赚钱特别好 ， 赶紧投入那你也没办法呀 。 **曼祺** [38:53] 20 年到 21 年你们在筹备上市这个事 ，是不是也会导致你有很多精力是花在上市上 ？ **黄晓煌** [39:01] 那肯定 。 **曼祺** [39:02] 因为其实你们当时本来要去美国 IPO 的 。 **黄晓煌** [39:05] 是 ， 那波太也是这种大起大落 。 **曼祺** [39:10] 对 ，因为你们本来 7 月 15 号上市嘛 ， 定的这个时间秋中吧 。 **黄晓煌** [39:13] 对 ，7 月初 。 **曼祺** [39:14] 后来因为滴滴那个事 。 **黄晓煌** [39:15] 对 ， 当时看起来特别顺利 ， 各方面招人啊什么都很顺利 ， 然后 21 年下半年就突然就我们自己没什么东西 ，但是你肯定受滴滴那个事情影响 ， 心情一下子从山峰跌到了谷底 ， 然后突然又房地产调整等等的 ， 就是我们的头部的客户好多都倒闭了 。 **曼祺** [39:36] 所以它是一个外部打击接踵而至的状态 。 **黄晓煌** [39:39] 对 。 **曼祺** [39:40] 你当时身处其中是一个什么感觉啊 ？ 因为这些因素其实你不太能控制 ， 你也很难预料啊 。 **黄晓煌** [39:46] 懵逼嘛 ， 极度懵逼 。 然后 22 年我们当时想把因为国内实在不清楚什么状况 ， 然后重心在做国际化 ， 然后当时国际化因为中国的疫情防控做特别好 ， 然后我们当时把全世界的这种各国的人招到上海来 ， 建了一个国际化团队 ， 当时 20 年、21 年业务也做特别好 ，而且那些外国人特别想来中国 ， 结果 22 年我靠 。 **曼祺** [40:14] 跑上海 。 **黄晓煌** [40:15] 全都跑光了 。 **曼祺** [40:16] 对 ，22 年上海是比较难过的啊 。 **黄晓煌** [40:19] 对 ， 就是花了好多心血组建的团队一个都没剩下来 ， 就 ChatGPT 跟 Midjourney 火之前 ， 那段时间真的是打击接踵而至 。 **曼祺** [40:28] 你那时候什么心情啊 ？ **黄晓煌** [40:30] 每天都懵逼的状态 ， 就先看看新闻 ， 又发生了什么事 。 **曼祺** [40:34] 什么时候你感觉重新兴奋起来 ？ **黄晓煌** [40:37] 我觉得 23 年 。 **曼祺** [40:38] 23 年 。 **黄晓煌** [40:39] 对 。 **曼祺** [40:39] 这个也是你们重新开始成熟的去考虑 AI 这件事情的时候对吧 ？ **黄晓煌** [40:43] 对 。 **曼祺** [40:43] 就特别大投入去做 AI 的时候 。 **黄晓煌** [40:45] 23 年 AI 火了之后呢 ， 我们内部就当时用 Copilot 写了些代码 ， 我就说我靠这东西对于 SaaS 基本上是特别是流程式的 SaaS， 就是内部流程管理什么是这种颠覆式的打击 。 **曼祺** [40:59] 你 23 年就看到这个了 。 **黄晓煌** [41:00] 对啊 ，因为我自己写代码 ， 所以这个感受太明显了 ， 所以我们当时就开始换引擎 ， 我们内部就开始强调要做引擎 ， 就是做套壳就不做了 。 **曼祺** [41:13] 就类似于 UI 界面这种就不做了 。 **黄晓煌** [41:15] 对 ， 就类似于 ERP 啊 CRM 啊这种的系统就没什么好做了 ，因为太简单了 。 **曼祺** [41:21] 就这种传统的企业软件的套壳我理解的话 ， 它内部主要是套一个流程对吧 ？ **黄晓煌** [41:27] 对 。 **曼祺** [41:27] 就是套一个这个企业本身某个业务它应该怎么做的那个流程 。 **黄晓煌** [41:32] 对 ，因为这种东西呢在上一个时代它需要整个团队来完成 ，而在 AI 下你可能语言描述一下它就可以把这代码生成出来 ， 现在就变得很简单 ， 所以我们当时就开始把这些板块开始调整 ，但你要知道经历过 SaaS 时代招的人 80% 都这种人， 然后现在突然说这 80% 的人都要被 AI 替代掉了 ， 那你总得找出路嘛 ， 否则大家肯定骂你啊 。 我当时就拉了科研团队在聊我们自己的定位怎么样 ， 到底是当时有两个选择 ， 就反正我们知道大语言模型跟这个图像模型呢基本没什么机会 ，因为这大公司的兵家必争之地 。 **曼祺** [42:19] 这是 23 年什么时候 ？ **黄晓煌** [42:21] 23 年初 。 **曼祺** [42:22] 23 年初你已经做了这个判断了 。 **黄晓煌** [42:23] 对 ， 就兵家必争之地肯定没什么好做 ， 那对我们的选择是一个是就是空间模型 ， 然后第二个是为这个大模型做配套 ， 做训练一个 LoRA， 就训练各种各样的 LoRA， 然后其实两条路都在尝试 。 **曼祺** [42:41] 为大模型做配套想用在什么地方 ？ **黄晓煌** [42:44] 图像处理啊什么 ， 当时 Adobe 这类的产品还挺火的 ， 然后我们自己内部也做了很多尝试 ， 我们当时的结论是前者就自己训练大模型很慢又烧钱 ，但是能产生壁垒 ， 然后后者呢得做快 ， 一个新的模型出来之后， 就是训练的东西有可能发生变化 ， 所以你前面做的就白做了 ， 所以那个是拼速度的生意 ， 然后我们当然两者都尝试 ， 后面也是自然选 择 ， 就是我发现拼速度的团队很快的都跳槽跳光了 ，因为国内这环境太卷了 ， 就比如说我在围绕着阿里的比如说千问在做训练一些东西 ， 我如果一个产品做的市场反而不错 ， 那那个团队干嘛不跳到阿里去做呢 ， 人家内部支持的总比我外部好 ， 然后比如说我用了字节的东西 ， 那肯定团队跳字节去 ， 所以 23 年整年两条腿在走路 ，但 23 年我们模型还没训练出来 ， 然后人才流失又很严重 ， 所以我们当时就主要在做这个就合成数据的生意 ，因为合成数据就是模型不完整可以靠人工去填 ， 所以做一些这个服务 。 **曼祺** [44:02] 你们当时这个合成数据应该算是你们之前引进了比较久的一个东西 。 **黄晓煌** [44:06] 对 ，是的 ， 我们当时就一直想就是用 AI 去生成这些场景生成空间 ， 然后但是模型一直训不清楚 ， 所以还需要很多人工去修补 。 **曼祺** [44:19] 相当于你们现在的可能它业务上也是一个数据 ，但它背后就需要人的部分就越来越少了 。 **黄晓煌** [44:25] 对 。 **曼祺** [44:25] 随着你们自己模型能力提升 。 **黄晓煌** [44:26] 是 。 **曼祺** [44:27] 那个时候就是在已经是在服务机器人公司了吗 ？ **黄晓煌** [44:30] 那时候机器人公司比较少 ， 大模型公司居多 ，有很多也在聊世界模型嘛 ， 就很多赌的是视频生成这条路线 。 **曼祺** [44:38] 后来到 24 年是怎么发展的 ？ 因为我觉得 24 年你们是比较明确的提了空间智能 ， 包括后面有一系列的发布 。 ### 空间智能 **黄晓煌** [44:45] 经过 23 年之后，24 年思路是很清楚的 ， 就是要训练自有模型 ， 然后要做空间智能 ，但 24 年其实困难也很大 ， 首先人才 ， 就你要做模型它要的人的要求远高于做 agent， 那反正我们内部判断做 agent 没戏 ， 肯定是大就是模型公司的菜 ， 所以我们当时要自己做模型 ， 然后至少要有做算法 ， 就是自己掌握算法和模型 ， 所以这当时的战略 ， 然后另外就是 围绕着模型做数据工程啊 ，GPU 的基础设施啊这类 ，其实 24 年基本上定了战略在做 ，但 24 年执行的也阻力也比较大 ， 反正有各种各样的困扰 。 **曼祺** [45:27] 除了招人很难之外还有什么 ？ **黄晓煌** [45:29] 另外一个是当然算法也遇到瓶颈 ， 我看论文看得头发都掉了好多 ， 当然这个核心问题也是人才问题 。 **曼祺** [45:38] 其实我自己还想到一点啊 ， 就是因为 24 年你们应该已经在筹备上市了 ， 就是这一次去港股上市 。 **黄晓煌** [45:44] 对 。 **曼祺** [45:44] 一般在上市筹备期是要考虑财务情况的 ， 考虑财务情况的时候有时候你去投入一个新的业务 ，因为它短时间内可能没有收入嘛 ，其实你是一个要承担一定亏损的这么一个状态 。 **黄晓煌** [45:57] 对 ，是的 。 **曼祺** [45:58] 这个当时就是你们是怎么去平衡这个问题的 ？ **黄晓煌** [46:00] 当时我们遇到最大的困扰还不是财务上的 ，因为我们收入已经有一定规模了 ， 财务上的问题反正一方面通过 AI 提效 ， 就是传统的前后端的投入就可以大幅减少 。 **曼祺** [46:12] 所以有些降本的空间 。 **黄晓煌** [46:14] 对 ，有些降本的空间 ， 然后还有商业模式的升级 ， 就是从原来 SaaS 的商业模式要变成一个按量付费卖 token， 卖渲染量或者计算量的这种商业模式 ， 这个对于业务团队也是阻力很大 ， 说你传统的业务跑得好好的 ， 你现在要开始调商业模式 ， 那客户不接受怎么办 ， 会有各种各样的担忧 ， 大家都不想动嘛 ， 所以你得去推动也会就也会比较 困难 。 **曼祺** [46:40] 后来这些问题是怎么改善和解决的呀 ？ **黄晓煌** [46:42] 对于商业模式反正大家慢慢的强推也都能接受 。 **曼祺** [46:47] 那人才这块呢 ？ 后来是怎么去解决 ？ 我看你们 25 年是发了模型对吧 ，也发了 Spatialverse 这些平台啊 。 **黄晓煌** [46:55] 当时有一阵子就 24 年中反正政府也很支持 ， 然后 24 年底 25 年初就是杭州就浙江这边搞了六小龙什么一下出圈了 ， 出圈了之后知名度提升了就很多人就慕名而来了 ， 一开始有些做不清楚的算法 ， 这些很牛的人才进来很快就解决了 。 **曼祺** [47:19] 所以这个确实和六小龙还是挺相关的 。 **黄晓煌** [47:22] 是 ， 我们当时遇到这因为这事情很意外， 我们当时定了一个战略就是叫小龙计划 ， 我们不靠知名度去赚钱 ，但是我们希望靠知名度去吸引更多的人才 ， 所以我们 25 年一年我 25 年一年把所有的业务的工作全放下来就招聘 ， 天天蹲在公司面试人。 **曼祺** [47:46] 那你要主动去找人吗 ？ **黄晓煌** [47:48] 也主动找人， 有些就看论文去找这些人， 然后有一些就是简历投过来 ， 然后去找他们聊 。 **曼祺** [47:54] 这个过程中间有什么让你觉得很自豪的招到人才的经历吗 ？ 尤其是因为这一类人现在竞争很多啊 ， 可能很多别的公司别的大公司也在找他们 。 **黄晓煌** [48:04] 首先我们也在跟大公司竞争这些人才 ，但我发现也挺难竞争过的 ， 所以我们得有自己的标准 ， 差异化标准 ， 大公司误判的这些人才里找到真正的人才 。 **曼祺** [48:16] 有具体的例子吗 ？ **黄晓煌** [48:17] 具体我也不指具体某一个人， 就我自己出题 ， 就是以前我们出的题都是类似于脑筋急转弯之类的 ， 我现在就出上级题确保 AI 解不出来 ， 就不是做 5 分钟 10 分钟能做出来的 ， 就估计要做一个小时 ，但是这时候就主要考察这些创始就是面试者的学习能力跟动手能力 ， 就不看他的履历了 。 **曼祺** [48:40] 动手意味着什么呀 ？ 就比如对做模型和做算法的人来说什么叫动手能力强 ？ **黄晓煌** [48:45] 就这么说 ， 就学习能力是通过动手能力体现出来的 ， 就是比如说你看了一篇文章你看懂了没有 ， 你得动手把它弄出来 。 **曼祺** [48:53] 比如说类似于复现 ， 甚至能优化 。 **黄晓煌** [48:56] 对 ， 复现优化这类的 。 **曼祺** [48:57] 那相当于你自己也得学到比较专家的程度 。 **黄晓煌** [49:01] 我自己也在学 。 **曼祺** [49:02] 所以 25 年你就是你自己学习然后加找人， 就是好好的利用小龙这个天降的名气 ， 要获得最宝贵的人才 。 **黄晓煌** [49:10] 对 。 **曼祺** [49:11] 现在后来成果怎么样 ？ **黄晓煌** [49:13] 反正 25 年我们大概 C9 的简历比 24 年涨了 9 倍吧 ， 海外的简历大概多了 20 倍 。 **曼祺** [49:19] 从 24 年你们特别明确这个思路要来投入空间智能之后， 你大概有计算过你们投入了多少吗 ？ **黄晓煌** [49:25] 算力大概投了几千万吧一年， 然后现在做算法模型的团队大概 60 个人。 **曼祺** [49:33] 是从多少人到 60 个人， 比如说 23 年的时候是多少人 ？ **黄晓煌** [49:36] 23 年可能就做的就不到 10 个吧 。 **曼祺** [49:39] 一年多的时间翻了五六倍 。 **黄晓煌** [49:41] 对 。 **曼祺** [49:42] 这个是不是你们以往就是历史上来纯做算法做模型的人数最多的时刻 ？ **黄晓煌** [49:50] 我们创业初期做算法的人很多 ， 然后后面有一段时间算法遇到瓶颈了 ， 然后可能就会慢慢减少 ， 然后有一段时间被挖光了 ， 中间就招了很多就单纯的前后端 ， 然后现在发现前后端 AI 都能生成 ， 然后现在就转去招算法的 ， 当然可能也跟我自己有关系 ， 我可能那段时间没重点抓这一块 ， 跑去抓客户了 ， 那那块就松懈了 。 **曼祺** [50:17] 如果回头看你们 18 年就更早投入 AI， 你觉得现在会有什么不一样的情况吗 ？ **黄晓煌** [50:22] 我觉得从纯软件的角度来说还偏早 ，但是如果你投入硬件就不一样了 。 **曼祺** [50:28] 投入硬件啊 ， 你可以讲讲 。 **黄晓煌** [50:30] 我觉得 18 年应该是投入硬件的黄金时光 。 **曼祺** [50:33] 你是指买 GPU 吗 ？ **黄晓煌** [50:34] 不是 ， 就是做这种具身的硬件 ， 我觉得贸易战之后其实最大的机会点它不在软件上在硬件上 。 **曼祺** [50:43] 到目前为止你们披露的业务里我应该是没有看到硬件 。 **黄晓煌** [50:46] 没有看到硬件 。 **曼祺** [50:47] 对 ， 跟硬件相关 。 **黄晓煌** [50:48] 就我复盘起来是应该给算法套硬件 ， 这个是 18 年最大的机会 ， 就纯粹就你刚才在聊就是如果回过头来做我感觉可能也差不多 ，因为我回过头来想我 18 年就是即使 Transformer 什么我听说过我也不会去训练大模型 。 **曼祺** [51:05] 跟你们业务确实有点太远了和技术战 。 **黄晓煌** [51:08] 太远了 ， 太远了 ，因为我当时看到这东西就 18、19 年我看到这个 Transformer 什么我都一眼瞄过 ， 就都没去琢磨这个事情 ， 所以我觉得这机会丢了就丢了肯定不属于我 。 **曼祺** [51:21] 换过来说啊 ， 就是如果你当时确实把精力放到了研发上面 ， 然后你没有放在业务上面 ， 这对你们比如说库家乐本身的收入增长这些会有影响吗 ？ **黄晓煌** [51:30] 可能会有一些影响 ，但我觉得影响不大 ，因为我也不是一个很好的业务人员 。 **曼祺** [51:35] 那你觉得现在已经不是布局硬件的时间窗口了 ？ **黄晓煌** [51:38] 我觉得在中国纯做软件还是挺难的 ， 多多少少你得做某一种形式的硬件 ，但现在这些形式的硬件跟 18 年那种硬件肯定不太一样 。 **曼祺** [51:51] 那现在你们来做不能做吗 ？ 还是说这是个开放的问题 ？ **黄晓煌** [51:55] 这是开放问题 ， 就是我觉得就未来的这种算法它的输出口是各种设备 ， 所以你肯定得连到各种设备上， 所以硬件你还是得布局的 ，但是以什么形态布局这个也还在研究 。 **曼祺** [52:10] 因为我看库家乐之前的发展啊 ， 我觉得你们是有点像逐水草而居的那个状态 ， 就是你每隔几年你得去搞点新的东西啊 ，在以前的主线上然后这样去拓展 。 **黄晓煌** [52:21] 对 。 **曼祺** [52:21] 你现在找到空间智能这个东西 ， 你觉得它是能支撑你做多久啊 ？ 它是让你定居生根的一个东西吗 ？ **黄晓煌** [52:27] 我觉得这里面有个风险 ， 就是这东西能做成什么样子 。 **曼祺** [52:31] 对 。 **黄晓煌** [52:32] 就这个算法能做到多智能 ， 就我们现在在空间智能基础上拓展了影视制作 、 文旅 ， 就文博 ， 就好多个行业都建立在这个技术的基础上 ，但是它的模型能否做到我们理想的效果这个目前还需要团队一起努力 。 **曼祺** [52:50] 你可以完整描述一下你们空间智能这个底座上现在长出来的一些探索的东西是什么 ？ **黄晓煌** [52:56] 对 ， 我们现在基本是一个三层的结构 ， 就是最底下是我们的核心能力 ， 就包括我们原来的基于 GPU 的物理正确率渲染 ， 然后还有我们空间的理解推理模型 Spatial LM， 还有我们空间的生成模型 Spatial GEM， 然后在这个基础上我们也提供了就是 API 以及能力的服务 ， 像空间的理解 、 空间的推理 、 空间重建 、 空间的编辑渲染等等一些能力 ， 然后在这个基础 上我们的产品就分成服务人类跟服务机器 ， 就服务人类的就像我们原来的像老的产品像库家乐 。 **曼祺** [53:37] 对 ， 库家乐服务设计师 。 **黄晓煌** [53:38] 对 ， 然后还有澎湃 、LuxReal 这类产品 ， 然后还有服务 。 **曼祺** [53:43] 澎湃和 LuxReal 是 ？ **黄晓煌** [53:45] 澎湃是服务电商行业的 ， 然后 LuxReal 是服务短剧制作 。 **曼祺** [53:51] 这个是你们 23 年、24 年之前就有的业务还是也是 24 年之后 ？ **黄晓煌** [53:55] 24 年之后做的 。 **曼祺** [53:56] 24 年之后做 。 **黄晓煌** [53:57] 对 ， 澎湃是 23 年开始做的 ， 然后服务机器人的像 SpatialVerse、SpatialTwins， 就这些也是建立在这些能力服务机器人的 ， 所以我们整个空间智能的版图就围绕着我们底层的模型算法能力 ， 然后在上面就搭建的不同的产品应用在不同的领域 。 **曼祺** [54:16] 就刚才在聊说你觉得空间智能能够支撑你们做的多久 ， 它是不是一个让你们要定居生根的这么一个方向 ，是你说有一个悬念是它的模型能力能到什么程度 。 **黄晓煌** [54:28] 对 ，是的 。 ### 3D 路线 **曼祺** [54:28] 还有什么你觉得不太确定或者说是你的核心判断你的核心 bet 的部分 ？ **黄晓煌** [54:33] 它这个赛道竞争就潜在的竞争也会很激烈的 ， 那我们可能选择了一条做空间重建的思路来做这个空间智能或者说世界模型 ，但很多公司它选择了可能是视频生成的方式来做世界模型 ， 这两个思维方式或者路径是完全不一样的 ，但就最终哪一个路线会完全胜出实际上也是有不确定性的 。 **曼祺** [54:59] 其实你们的重建也包括生成对吧 ， 我生成的是 3D 的环境 。 **黄晓煌** [55:03] 对 。 **曼祺** [55:03] 因为 Spatial GEM 就是一个 3D 的生成的模型 。 **黄晓煌** [55:05] 是的 ， 就这里的核心区别是你生成的到底是 3D 的东西还是生成视频 ， 就目前这两条路线就像 Google 的路径就是生成视频 ， 那个 CDance 可能是生成视频 ，但是像李飞飞的 Marble 我们的思路就很生成 3D，3D 的内容的优点是有尺寸可以交互 ， 然后视频的优点就是它可以很精美就是很灵活 ， 所以这两个路径我觉得谁会在未来占据上风不确定 ， 当然客观上来 说我们做视频肯定也干不过像 Google 这类公司了 。 然后我们赌的是三维模型的基础路线 ， 它有更好的记忆更好的尺寸的把控 ， 你可以获取空间中的所有的距离位置以及遮挡关系等等的 ， 当你需要就是一个接近于物理世界的场景的话 ， 视频模型它是做不到的 ， 就是它尺寸比如说你一个人走在路上你可以看起来 5 米高也可以看起来有 1 米高 ，其实对于视频 模型来说区别不大 ，但是对于三维场景来说区别就很大了 。 **曼祺** [56:16] 因为视频生成模型肯定也是在追求物理正确的 ，因为也能看到比如像 VEO3 像 CDance2.0 它的效果越来越好了 。 **黄晓煌** [56:25] 但是它的底层原理它就不是一个物理正确的东西 ， 它更多的是一个视频的就是视觉的连续性 。 **曼祺** [56:31] 那还有什么别的核心判断或者假设吗 ？ **黄晓煌** [56:34] 我目前觉得核心的两个不确定性就是这个东西 ， 就是一个是你能做得多好 ， 另外一个是另外一个技术路线能不能把你的技术路线替代了 ， 这两个都是不确定性的 ，但是它的需求是非常明确的 ， 包括我们自己的产品也需求很旺盛 。 **曼祺** [56:51] 我知道你们已经在服务一些具体的具身智能公司 ， 然后现在新的中国这块的创业公司也特别多 。 **黄晓煌** [56:56] 对 。 **曼祺** [56:57] 你们实际上获得的这些合作伙伴的反馈是什么 ？ **黄晓煌** [57:00] 实际上我觉得中国的具身智能在大脑训练方面真正落地的公司还有限 。 **曼祺** [57:06] 你们是不是和全球公司也都有合作 ？ **黄晓煌** [57:08] 都有合作 ， 就是还没有出现大规模落地的情况 ， 所以我觉得这市场还要孕育 ， 所以为什么我们一直提倡拿着锤子找钉子 ， 就我会希望空间智能的技术可以用在更多的领域 ， 就不光是给机器人训练使用 ， 还能够给工厂就规划就 Spatial Twin 工厂规划使用 ， 就是工厂它有很多非人形的机器人， 就传统的这种自动化的机器人。 **曼祺** [57:34] 比如说 HVA， 叉车 。 **黄晓煌** [57:36] 对 ， 这些其实也是机器人， 你不能把这些就只能长得像人的才是机器人。 **曼祺** [57:42] 所以就是工厂它需要去规划说这些不同的设备怎么去排布 ， 然后包括怎么移动 ， 怎么有一个流程去调度 ， 那这个你们应该是有很实际的现成的客户了 。 **黄晓煌** [57:52] 对 ， 做 AGV 的公司也太少了 ， 就也会出现这个问题就是都是少数客户 ， 就是你要找到一个足够大的客户群体它还是需要探索的 ， 所以我们希望我们因为它训练一个模型或者做一个核心算法它的投入是非常巨大的 ， 那你如果用户面太窄这肯定不行 。 **曼祺** [58:11] 对 ， 就是你有一个屠龙之锤 。 **黄晓煌** [58:15] 对 。 **曼祺** [58:16] 但你的钉子都很小就非常不划算了 。 **黄晓煌** [58:18] 是 ，而且我们也过了那种可以纯烧钱的阶段 ， 就我们还是得有利润 ， 就利润多利润少而已 ，但是你得有利润 。 **曼祺** [58:25] 那长期来说你觉得就是机器人这个行业未来它更远期的状态会是什么 ， 然后群核现在做的这件事情可以在里面扮演一个什么角色 ？ **黄晓煌** [58:35] 你现在看机器人行业就像你十年前去看自动驾驶行业一样的 ， 就是你知道这是未来 ， 充满想象的未来 ，但是它什么时候能落地你不知道 ， 机器人行业一样的 ， 就是我相信机器人的大模型一定会被攻克的 ， 就机器人替代人类干活是一定能够实现的 。 **曼祺** [58:53] 就是具身大脑一定会做出来 。 **黄晓煌** [58:55] 对 ， 我们现在已经看到了就是很多就是不错的例子 ，但是它确实还有很多局限性 ， 毕竟机器人的电池算力等等东西都远不如汽车 ， 那这个问题要多长时间去解决怎么解决是整个就全球的相关的公司都在努力的 ， 那我们只能在它大脑训练方面发一点力 ，但具体的你说电池怎么解决续航能力怎么解决算力怎么解决也都不是我们能搞定的 ， 很多时候你只能够让你的产品能够尽可能的服务多的群体 ， 等风来了你就能飞起来了 。 **曼祺** [59:31] 你觉得现在能够判断你们什么时候就是新拓展的在比如说你们以前家居之外的这些场景的收入和利润能够超过以前的业务吗 ？ **黄晓煌** [59:40] 就算力的增购大概已经到了收入的可能有 5% 左右吧 ， 就我会希望这种算力型的产品收入跟 SaaS 的商业模式就月费年费的商业模式能够三年内达到 1:1。 ### 具身智能 **曼祺** [1:00:01] 具身智能领域大家讨论特别多的一个问题还有就是数据类型啊 ， 就是有的人会相信还是需要真实的数据真机数据 ， 然后另有一些公司它是会比较希望去用更多的合成数据的 。 **黄晓煌** [1:00:15] 对 。 **曼祺** [1:00:16] 这个是不是也会影响就是你们在这个行业里的位置 ？ **黄晓煌** [1:00:19] 我觉得不会影响我们的位置 ，但是会影响我们的技术的决策 ， 就是我们发现典型的是欧美企业比较喜欢仿真数据合成数据 ， 国内的企业普遍喜欢真实数据实景的数据 。 **曼祺** [1:00:34] 你觉得这个区别是为什么呀 ？ **黄晓煌** [1:00:36] 我觉得国内的很多机器人公司是源自自动驾驶行业 ， 自动驾驶行业当时天然的就是汽车真实扫描的 。 **曼祺** [1:00:46] 所以有个惯性你觉得跟这有关 ？ **黄晓煌** [1:00:48] 对 ，有惯性 ， 我们不可能去改变一个技术团队的信仰 ， 反正就是你相信真的数据我就给你搞真的数据 ， 你相信就合成的数据我就给你搞合成的数据 。 **曼祺** [1:01:02] 或者真实数据上群核的核心技术比如说你们的三维空间重建这些能用上吗 ？ **黄晓煌** [1:01:08] 能用上， 就是我们现在的 Spatial GEM 也有重建能力 ， 就是可以把空间就是你多拍一些图像或者视频就可以 。 **曼祺** [1:01:17] 几个不同角度的 2D 的照片来建模的这种 。 **黄晓煌** [1:01:20] 对 ， 然后再加上激光雷达就可以跟真的一模一样 。 **曼祺** [1:01:23] 你觉得这个在精度上是可以媲美真实环境的数据的 ？ **黄晓煌** [1:01:26] 那肯定取决激光雷达嘛 ， 激光雷达够精确那个也没问题 。 **曼祺** [1:01:30] 但是它不能复刻比如说这个环境里的比如摩擦系数啊材质啊在交互时候的这种实际的反馈 。 **黄晓煌** [1:01:37] 我觉得它最终这些数据都采集出来的 ， 就是你也可以去采集这些数据 。 **曼祺** [1:01:43] 然后你可以去复制到更多的这种虚拟环境里面 。 **黄晓煌** [1:01:46] 对 ，是的 ， 最终实际上你机器人感受到的也都是数字信号 ， 所以无非这数据信号是完全虚拟的还是源自真实世界的 ， 我是觉得这个区别 ， 所以我们的技术也是围绕着真实世界物理世界在做的 ， 就让它尽可能的逼近物理世界 ， 这是我们也在新的方技术方向也在这里努力的 。 **曼祺** [1:02:08] 所以就是不管具身的公司它需要什么数据其实你们都可以去给他们服务提供 。 **黄晓煌** [1:02:14] 是的 ， 我们也是服务了很多国内的企业之后发现有这个现象 。 **曼祺** [1:02:18] 就国内大家更喜欢真机的数据 。 **黄晓煌** [1:02:20] 对 。 **曼祺** [1:02:21] 然后海外可能更多去采纳合成的数据 。 **黄晓煌** [1:02:23] 是 ，是 ，因为我最早是服务海外公司那都是合成 ， 当然我后面也发现问题实景扫描的这种数据容易有一些隐私问题 ， 所以就不敢用 。 **曼祺** [1:02:33] 对 ， 我注意到你老东家就是黄仁勋 ， 英伟达也是非常推崇合成数据在具身智能领域的作用 。 **黄晓煌** [1:02:38] 对 ， 这个也是美国它的整个生态不得已的事情 ， 就是你如果有实景真实扫描下来数据肯定会比纯生成的会好一些 。 **曼祺** [1:02:48] 你觉得这是因为老黄想卖芯片吗 ？ **黄晓煌** [1:02:50] 不是 ， 我觉得就是反馈上的 。 **曼祺** [1:02:53] 你觉得你们现在服务的这些机器人公司的这些客户他们什么时候能成长为比较大的客户能给你们带来比较多收入的这种客户 ？ **黄晓煌** [1:03:00] 我们这种类型的模式需要量足够大的客户 ， 一是他们要量产力 ， 另外公司得足够多 。 **曼祺** [1:03:10] 公司足够多倒是现在挺多的 。 **黄晓煌** [1:03:12] 现在才一两百家呀 ， 这叫多吗 ？ 没到一万家都不叫多 。 **曼祺** [1:03:16] 你觉得会有一万家具身智能公司吗 ？ **黄晓煌** [1:03:18] 是有可能 。 **曼祺** [1:03:19] 你觉得会这么分散 ？ **黄晓煌** [1:03:20] 我觉得会啊 。 **曼祺** [1:03:21] 那你可以讲讲你的设想你的判断是怎样为什么会这么分散 ？ **黄晓煌** [1:03:25] 你如果纯粹的人形可能不会那么多 ，但是就机器人就智能机器人人来说会很多的 ， 就你甚至一个机械臂也需要类似的东西 。 **曼祺** [1:03:37] 所以你设想的就是智能机器人会有很多不同的形态服务很多不同的场景 。 **黄晓煌** [1:03:41] 对 。 **曼祺** [1:03:41] 然后这整个大的市场里其实会有很多很多不同的公司 。 **黄晓煌** [1:03:44] 对 ，是的 。 **曼祺** [1:03:45] 公司数量比我们现在想象中要多很多 。 **黄晓煌** [1:03:47] 对 。 **曼祺** [1:03:49] 你觉得你这是一个相对少数派的想法还是很多人会这么想啊 ，因为你跟这个行业的人交流也挺多的 。 **黄晓煌** [1:03:56] 我觉得这个肯定是大势所趋 ， 就我觉得大家应该不会否认嘛 ， 我举个例子啊 ， 比如说你吊集装箱的吊车 ， 这其实也是一个机器自动化的机器对吧 ， 你这怎么做成人形嘛 。 **曼祺** [1:04:09] 对 ，因为人的负载是不可能去吊集装箱的 。 **黄晓煌** [1:04:12] 对啊 ， 你那么小啊 ， 没法弄 ， 所以但是你实际上会有大量的这种大型的设备 ， 然后还有很多小型的设备 ， 比如说你要让一个机器到你体内去给你疏通血管什么的 ， 这也是机器人啊 。 **曼祺** [1:04:26] 那但是另一方面你觉得一个吊车它需要变成智能机器人吗 ？ 有很多现在已经运转的设备和专机它也许不需要更智能化了 ， 它已经非常适应现在的整个生产流程了 。 **黄晓煌** [1:04:38] 智能是所有设备都需要的 ， 只是多智能而已 ， 就是就你现在这种吊车之类的它有一些原始的智能 ， 或者说有人在操作 ， 就能不能一个人能够操作更多的设备 ， 就这些肯定是就我觉得没有人会拒绝智能的 ， 就是智能没有什么就没有什么负面的东西 ， 只是你要多智能而已 ，是需要不需要全自动完全自动的还是需要半自动的 。 **曼祺** [1:05:10] 我觉得智能有一个负面的东西它有成本 。 **黄晓煌** [1:05:12] 成本就是你觉得什么算力吗 ？ **曼祺** [1:05:15] 算力啊 ， 然后你得耗电啊 ， 耗能源啊 。 **黄晓煌** [1:05:17] 哎呀 ， 一个吊车那个费电比起就比起一个算力的费电那没有多少 。 **曼祺** [1:05:25] 但如果说地球上遍布智能那岂不是非常耗能 ？ **黄晓煌** [1:05:28] 那你的效率提升了你的能源的就是获得成本也会降低 。 **曼祺** [1:05:34] 对 ， 当然现在大家也会讨论说这个 AI 变得更聪明之后 AI 也会帮助人类去解决能源问题 。 **黄晓煌** [1:05:38] 对啊 。 **曼祺** [1:05:39] 去攻克能源科学科研上的一些问题 。 **黄晓煌** [1:05:41] 是 ， 说实在话能源本身也是个生产过程 ， 当你生产过程如果都是自动化的话那它就没有什么成本 ， 比如说太阳能 ， 假如说太阳能板从生产安装全自动了 ， 那它最终的成本就是矿产的成本 ， 那还有土地的成本 ， 所以我觉得效率的提升从来就不是负面的 。 **曼祺** [1:06:05] 你觉得空间智能如果它没有达到你设想中的状态有可能是哪出了问题 ，有可能是你的什么判断错了 ？ **黄晓煌** [1:06:10] 我觉得空间智能是一定会达到我想要的状态的 ， 只不过多长时间不确定 。 **曼祺** [1:06:16] 你现在心里对多长时间是怎么想的 ？ **黄晓煌** [1:06:20] 只能努力去做 ， 就是我们自己也在不断的做实验 ，因为你看就是人基本的能力一个是沟通另外一个就是在我们的物理世界里活动 ， 就人都能实现为什么就系统不能实现 。 **曼祺** [1:06:34] 就空间智能到什么程度是你觉得相对成熟了 ？ **黄晓煌** [1:06:37] 就现在你看那个 OpenClaw 它可以在虚拟世界里做各种活 ， 那什么时候就是我们可以帮助 OpenClaw 这种系统在物理世界里干活 ， 那就成了 ， 所以我们相当于说要成为大语言模型的眼睛能够理解我们的物理世界 ， 就是今天你能扫地明天你能就是擦黑板或者什么的就是能够通用 ， 当然你都先别说干活嘛 ， 你能够在不同的空间里自由的走动已经挺不错了 。 **曼祺** [1:07:11] 现在很多具身智能公司他们自己也会做世界模型 ，他们自己做的这些东西和你们做的来服务他们的这个东西的区别是什么 ？ **黄晓煌** [1:07:20] 现在属于百家争鸣的阶段 ， 我觉得硬件如果是自己做的话我觉得模型大概率也会自己做 ，他们可能做一个系统什么都做了 ， 就我们 Spatial LM 只是帮助大语言模型去理解我们的物理世界 ， 就把物理世界翻译成脚本让大语言模型能够理解做推理就好了 ，其他就没做了 ，不会让这个模型只用在某一套机器上， 我们还是希望所有优先都能用上 。 **曼祺** [1:07:46] 那你这么做这个事儿的一个逻辑其实就是你认为它会有这么一层它就是共通的 ， 这个集成公司那个集成公司或者一些别的行业的公司都能用上 。 **黄晓煌** [1:07:57] 我们认为就是现在的大语言模型已经很强了 ，但是它依然没有办法理解对我们的就是物理世界 ， 然后也没有办法很好的指挥我们在物理世界里面交互 ， 那这里面缺的那个通用的东西可能就是我们的机会 ， 所以我们一直在做这方面的探索 ， 所以 Spatial LM 它更多的就是聚焦在把物理世界翻译成就是脚本让大语言模型能够处理 ， 这个就是我们在努 力做的 ， 然后这个东西呢所有你看自然界里所有的动物它都能够很好的在这个物理世界里面跑来跑去的 ， 那你也没看到哪个动物跑着跑着自己会撞墙上， 除了饿哈之类的 ， 就这种是所有动物都有一些基础能力 ， 那我们怎么让所有的硬件设备以及所有的就是人类用的软件什么都能具备这个能力 ， 我觉得这是第一步吧 。 ### 平台转型 **曼祺** [1:08:53] 你们现在做的事儿我理解是更偏这种平台型的基础型的东西 。 **黄晓煌** [1:08:59] 对 。 **曼祺** [1:08:59] 而群核以前在做库家乐的时候给人更多印象是做了很多这种很垂的就是我直接服务到终端用户和客户的业务 ， 你觉得你们有这样一个从纵向到横向的转变吗 ？ **黄晓煌** [1:09:12] 这个我觉得不是转变这是顺势而为 ，因为在大模型出来之前你回过头来五年前所有的方法论都是在一个细分赛道里做精做透把每一个环节服务好 ， 这个是原来的方法论 。 **曼祺** [1:09:29] 其实原来那个时期也有像矿石像商汤这样的公司他们试图去做一个技术平台 ， 然后对但都没有成功 ， 就你们当时就没有考虑过这种方式吗 ？ 因为当时他们也融资也发展的很快是那个时代的 AI 明星公司 。 **黄晓煌** [1:09:44] 我们调研过大部分客户都是政府跟企业跟大型的企业 。 **曼祺** [1:09:49] 那是哪几年啊调研这件事儿 ？ **黄晓煌** [1:09:52] 我记得好像是 17、18 年 。 **曼祺** [1:09:55] 17、18 年 。 **黄晓煌** [1:09:56] 对 ， 我在研究 AI 的时候 ， 就当时的 AI 感觉就是一个面向政府的一个商业模式 ， 就都做的都是人脸识别 。 **曼祺** [1:10:07] 安防 。 **黄晓煌** [1:10:08] 安防 ， 就现在的 AI 跟那个那个时代完全不太一样 。 **曼祺** [1:10:12] 所以你们当时的方法论就是我得做垂直场景做精 。 **黄晓煌** [1:10:15] 对 ， 当时的方法论就是那样的 ，而且我们也认可那个方法论 。 **曼祺** [1:10:19] 你会担心这样把公司做小了吗 ？ **黄晓煌** [1:10:22] 其实我觉得是这样子的就是说就首先我们的战略是公司先得活下来 ， 然后在活下来的前提上选一个最大的赛道 ， 可能跟我们创业的经历有关系 ，因为我们上来也不是那种很多钱的公司 ， 如果我们看到一个真的是让我们值得去使命一搏的赛道那也会去尝试 。 **曼祺** [1:10:43] 到目前为止看到的是就是空间智能吗 ？ **黄晓煌** [1:10:47] 至少我们各方面综合判断起来我觉得空间智能更适合我们做 ，而且我觉得这赛道不小 ，以前做库家乐的那个年代我觉得虽然在全球比起来不大 ，但是在国内我们在细分赛道肯定已经遥遥领先了肯定是第一 ，而且我觉得因为我在英伟达的工作经历它其实一开始也是做一个游戏显卡那也是个很细分的小赛道 。 **曼祺** [1:11:10] 对 ， 我觉得英伟达自己就有这样一个转变 ， 这也是我后面想问的 ，因为它最开始做显卡是一个很具体的东西 ，但是现在它显然是一个偏基础设施类的公司了 。 **黄晓煌** [1:11:21] 是的 ， 所以这也是一个套路 ， 就其实啊你创业就跟投胎一样的 ， 你第一把投胎到一个王室家庭还是投胎到一个乞丐你这个不是你能控制的 ，但是后面你怎么发展就是那是靠你自己的 ， 你看朱元璋也是能够从乞丐变成那个建立大明王朝这个这东西就是是一步步发展过去的 ，但是你第一步比如说我第一步做这个 GPU 通用计算的东西 ， 你让我去做一个比 如说做一个电商平台 ， 我也没想出来我怎么能够做得过别人。 **曼祺** [1:11:59] 你觉得英伟达的这个转变的过程对你们有什么启发呀 ？ 它是在什么阶段就是开始越来越像一个生态的公司的 ？ **黄晓煌** [1:12:10] 我觉得是花了很长时间的 ，因为我读书的时候也拿着英伟达的奖学金 ，他们当时也在最困难的时候也资助了很多人去用这个 CUDA 就是做通用计算的研究 ， 就这整个过程将近十年我觉得 ， 就要很长的时间 ， 就一个企业的转型是一个很漫长的过程而且一部分靠运气一部分靠耐力 ， 那你前提是你得能活着 。 **曼祺** [1:12:38] 对 ，因为它当时虽然股价一度跌得很低但它还是有一个现金流的业务的 ， 就是 GPU 消费级的和一些数据中心的 。 **黄晓煌** [1:12:47] 是 ，而且我创业这么多年来我生命中被投资人不断灌输过的明星企业 90% 都消失了或者变得默默无闻就业务都没了 ，但是反正我们还能活着就是每年也都在增长 ， 我觉得已经挺不容易了 ，因为我们从来都不是那种一夜暴富的大起大落的人， 所以我们做事情讲究的就是稳扎稳打 ， 我们内部叫什么坚壁清野就是步步为营 ， 就这种方式在 占领市场 ， 就确保我们占领下的业务不会被别人轻易一锅端了 ， 这是很关键的 ， 你看这十年很多明星企业它的业务可能就会因为一个舆论一个假货整个公司百亿美金就消失了 。 **曼祺** [1:13:40] 我觉得如果是科技类公司的话有很多情况是一开始高举高打之后它很长时间没有找到一个真的有规模化收入的业务 。 **黄晓煌** [1:13:49] 所以这里面是有一个平衡问题 ， 就我以前对研发投入是很疯狂的 ， 当然这几年也是被就被这种惨烈的市场这个资本市场教育了 ， 融资的时候你就肯定是拼命投入研发了 ，但是融资差的时候你就必须有利润否则你死了没人会救你的 ， 资本市场只会落井下石 ， 所以你还是得长期活着 ， 就当然你看到一个巨大的机会你肯定如果判断完 你这个机会你能抓得住那你肯定是要搏一把 ，但是如果你不一定能抓得住就是比如说现在人形机器人绝对是个巨大的机会百年一遇的大窗口 ，但是谁能抓得住不知道 ，因为你遇到的玩家都是巨大无比的玩家你这怎么搞 ， 还有像我创业过程中那时候手机也好多人也新进手机行业 ， 然后过程中还有很多企业开始进到电动汽车行业我 们也都研究了一下 。 **曼祺** [1:14:54] 你们研究是为了考虑要不要做吗 ？ **黄晓煌** [1:14:57] 那肯定会想一想怎么切一点蛋糕嘛 ， 后面觉得根本没什么机会 。 **曼祺** [1:15:02] 你什么时候特别意识到自己会是一个科技公司呀 ？ **黄晓煌** [1:15:05] 我其实刚创业就想做一家科技公司 。 **曼祺** [1:15:08] 你怎么定义科技公司 ？ **黄晓煌** [1:15:09] 科技公司是硬科技就等于说你做的东西别人没有办法随便招个工程师给 copy 了 。 **曼祺** [1:15:16] 就是说有核心的技术作为竞争力 ？ **黄晓煌** [1:15:18] 对 ， 这个是我们一开始就这么定位的 ， 然后但回国之后被啪啪啪打脸 ， 就当时中国的整个环境下硬科技公司很难融资 ，因为我是经历过一开始给大家讲 GPU 故事被投资人一阵喷被羞辱的体无完肤的 ， 我记得当时跟投资人讲 GPU 以后会替代 CPU 然后要做到云端去 ， 人家说哇靠那个英伟达在不在都不知道 ， 你还瞎整这个东西反正就各种喷 ， 那 后面就不讲这个故事了 。 **曼祺** [1:15:55] 当六小龙这个称号出来的时候就把杭州这几个都是科技公司啊给并列起来 ， 那会儿你感觉到自己在一个时代之中吗 ？ 就好像外界它会给你一个时代的标签 。 **黄晓煌** [1:16:06] 我觉得这事情有利有弊吧 ， 反正就是当然我一开始还是挺开心的 ， 就至少有很多问题被这一波就飞来的事件给解决了 ， 然后后面也是参访啊什么的实在活动实在太多了搞得有点慌 ，因为我还是想多花点精力在做模型啊在做这个技术上 ，因为有时候你自己不管一个模型训练下去几百万没了 ， 当然现在也趋于平常心了反正我们内部定了 原则就是公司不管怎么出圈出名不要用这名气牟利但是可以多招人。 **曼祺** [1:16:46] 六小龙的创始人之间会有什么交流啊 ？ **黄晓煌** [1:16:49] 偶尔会一起吃个饭就或者聚聚会聊聊天 。 **曼祺** [1:16:52] 那你们聊什么了 ？ **黄晓煌** [1:16:53] 有时候就这个活动参加不参加 ， 然后谁谁谁哇最近又发了新产品好牛逼要不分享一下 。 **曼祺** [1:17:03] 所以共同的问题其中一个是那个活动太多了啊 。 **黄晓煌** [1:17:07] 对 ， 活动有点多 。 **曼祺** [1:17:08] 当你有了六小龙这个称号之后会让你比如说想做什么更大的事儿吗 ？ 或者心中油然产生一种什么更崇高的想法吗 ？ **黄晓煌** [1:17:15] 我觉得这事情倒是挺微妙的 ，因为以前比如说我在公司内部提要做空间智能要自己要训练模型会有很多人反对 ，但六小龙之后就大家就这种言论就少了很多 。 **曼祺** [1:17:29] 所以可能从你自己的角度你长期都觉得公司就是一个科技公司 ， 就是要以科技为核心竞争力 ，但是有了这个环境的变化之后你觉得整个内部团队很多人他的想法也跟你趋同了更趋同了 。 **黄晓煌** [1:17:44] 凝聚力会强很多就是所谓一个科技公司你做事情要比较长期主义要比较长远 ， 很多东西短期赚不到钱的这些东西你投入不投入 ， 就科技公司跟做商业的公司实际上就我觉得是一个长短期平衡的问题 ， 这个东西你在任何一个组织里面都会有矛盾的 ， 就不可能所有人都看长期 ， 特别是业务同事你最好今天做的产品明天我就能卖钱 ， 你别告诉我几 年后还不一定能卖到钱那肯定是开始喷你了 ，但六小龙之后那些同事也不好意思就这么说不显得自己 。 **曼祺** [1:18:21] 显得自己没有觉悟了是吧 ？ **黄晓煌** [1:18:22] 对 。 **曼祺** [1:18:23] 没有格局了啊 。 **黄晓煌** [1:18:24] 然后也招了很多不错的优秀的人才可以开始真正做一些模型 ， 你现在这么多公司在抢这种顶级的人才你怎么抢得过别人， 另外股东的质疑也少了很多 ， 六小龙火的那前几天股东还在喷我呢 ， 这个什么自己训练模型你不知咔咔自己几斤几两 ， 比如说他希望我把研发都砍了多挣点利润别自己烧钱做什么模型 。 **曼祺** [1:18:52] 那之后他就 。 **黄晓煌** [1:18:53] 就不吭声了呗 ， 那怎么吭声嘛 ， 对于我自己的业务决策业务判断没有什么大的影响 ， 反正该做的事情该做的业务还是这么做 ，但是对于你落实这些以及内外部的一些阻力会减小很多 ， 就比如说你现在问你是不是科技公司我一直觉得我们就是科技公司 ， 我们做了这么多年我从 day one 开始就是围绕着做一个物理正确的渲染到现在做物理世界跟数字 世界之间的桥梁这没变过 ，而且我们几个原来都研究高性能计算的我不可能出来做一个电商平台 ，但是别人不一定这么看 ， 就你不管怎么做总会有人戴着有色眼镜看你 ， 内部有些同事也会觉得哎呀这个这做什么科技公司赚点快钱好了 ， 个别投资人也会觉得哎呀就你们做什么科技公司 ， 就这个房地产赛道出来还做什么科技公司别自欺欺人什 么会有各种各样声音 。 **曼祺** [1:19:53] 对科技公司来说常常做的一个判断就是你能容忍去做多前沿的一个研发 ， 就有可能就说它多少年都没有商业回报 ， 我觉得不同公司的判断是很不一样的你的这个标准是什么 ？ **黄晓煌** [1:20:06] 其实这些不是一个标准问题这是你对技术发展的判断问题 ， 你得去判断这些缺陷是可以通过一段时间的研究跟工程化能够解决的还是有些从原理上就不对就永远解决不了 ， 就比如说我判断视频模型永远都解决不了真正的物理正确这个事情 ， 那有可能判断对有可能判断错 。 **曼祺** [1:20:28] 但是你有这个判断啊 。 **黄晓煌** [1:20:29] 至少去做这个判断 。 **曼祺** [1:20:30] 对 ，在我能力范围内我也在做这个判断我也一直在学习 ， 如果我判断错了我也希望尽快的知道我错了 。 那我想问的一个问题其实是说当你有了这个判断之后你们是能接受一个技术它在前面多少年里它可能都没有什么商业回报吗 ？ **黄晓煌** [1:20:46] 我觉得至少三年内得有一些商业回报啊 ， 就超过三年那就得跌两年了 。 **曼祺** [1:20:52] 如果你变成一个更有实力的公司你的现金流业务变得更好了 ， 比如说像英伟达其实我觉得它有的时候会投入可能五年十年之后才对它来说比较有意义的这种收入的一些方向 。 **黄晓煌** [1:21:06] 这是取决于那件事情有多大 ， 就如果这件事情非常大就像我们空间智能领域我们 18 年就开始研究但到现在实际上收入也有限 ，但我们觉得这事情足够大所以我们就会提前去做 ， 当你说提前做反正就投入几个人去做科研发论文我觉得这是能接受的 。 **曼祺** [1:21:26] 你现在对自己的定位是什么 ？ 因为有的创始人会更像商业像一个商人有的会更像产品经理 。 ### 自我定位 **黄晓煌** [1:21:32] 我现在其实更多的是做一个科研的 leader 的角色把科研的成果跟产品连接在一起 ， 这是我现在主要的工作而且基本上二三年之后我就把所有的商业还有做用户部分就转给其他合伙人， 我就专注的做空间智能的转型 ， 二三年二四年就我当时就意识到公司要进行空间智能的转型 。 **曼祺** [1:21:57] 你觉得你现在有什么想提升的地方吗 ？ 包括你自己想提升的地方和公司组织层面想提升的地方 。 **黄晓煌** [1:22:03] 我现在自己其实每天也不断在学习因为世界变得太快了包括招聘方面以及人才吸引方面我觉得也有很大需要提升的空间 ， 我们早期创业对于人才招聘等等还会不断的主动出击 ， 现在很多招聘实际上是依赖于 HR 先去找简历所以我希望这方面能够有更多的突破 。 **曼祺** [1:22:25] 那整个公司你觉得有什么你想提升的地方吗 ？ **黄晓煌** [1:22:28] 提升效率就更扁平化就是减少沟通协同这个是我觉得 AI 时代一个巨大的变化就是有很多没有必要的协同可以通过 AI 来实现 。 **曼祺** [1:22:40] 你们有什么具体的变化吗 ？ 从 AI 来了之后组织上的管理上的 。 **黄晓煌** [1:22:44] 就以前是有一个流程体系的比如说你要研发一个产品立项需求来源然后用户调研然后最后再立项报告然后有一个委员会评估然后就周期预测等等一步一步下去的 ， 现在不是这样子而且现在就是先把模型做出来就是模型做出来之后可能一两个人就可以你自己快速的把这个产品原型做出来然后在市场上验证一下行就行不行就算了 。 **曼祺** [1:23:12] 所以有了模型这个基座之后其实在上面做产品和试都会变得很快很灵活 。 **黄晓煌** [1:23:16] 是 ， 它因为不需要这么多人协同所以它不需要这么复杂的流程 。 **曼祺** [1:23:21] 你们三个联创之间你们的这种沟通和协作方式经历了一个什么样的变化 ？ **黄晓煌** [1:23:28] 我们沟通是很通畅的反正现在分工的很细 ， 我现在主要负责就是空间智能的转型 ， 就程航主要负责 2B 的业务 ， 然后朱皓负责研发跟 PLG。 **曼祺** [1:23:41] 历史上你们有什么比较大的分歧的时候吗 ？ **黄晓煌** [1:23:43] 早些年会有一些分歧吧到现在基本上很容易达成共识 。 **曼祺** [1:23:49] 什么时候开始就越来越容易达成共识了 ？ **黄晓煌** [1:23:52] 我印象中 1516 之后基本上就没有太多的争议了 。 **曼祺** [1:23:57] 那你们早年的一些分歧主要是些什么 ？ **黄晓煌** [1:23:59] 方向的争吵产品的争吵 。 **曼祺** [1:24:01] 包括是不是什么 O2O 啊我服务业主还是服务设计师等等。 **黄晓煌** [1:24:05] 是是这些我觉得现在基本都是理性的讨论嘛就很少有争吵 。 **曼祺** [1:24:10] 你作为一号位你是一个强势的人还是一个 。 **黄晓煌** [1:24:13] 我是一个比较会倾听的 。 **曼祺** [1:24:14] 你比较会倾听 。 **黄晓煌** [1:24:16] 对比较理性的人有利有弊就是也容易被别人影响 。 **曼祺** [1:24:20] 对你刚说就是你曾经会被周围的人影响觉得自己是不是对技术自嗨了啊 。 **黄晓煌** [1:24:25] 对反正也会就各种事情都会分析来分析去的 。 **曼祺** [1:24:29] 你现在是变得更相信自己了就经过之前的一些这种判断和变化之后还是 。 **黄晓煌** [1:24:36] 没有 。 人的性格是很难改变的但是你可以改变你身边的人当你今天要做到行业里面的人就你要往行业里做的话你需要很多行业里面的专家顾问但你需要往科技公司往空间智能深入的做的话那你周围一起决策的人也需要真正懂这些空间智能懂大模型就是懂这些硬科技的人。 **曼祺** [1:25:01] 所以你理解了一个你是会被环境影响的人然后你要给自己去创造一个小环境啊 。 **黄晓煌** [1:25:07] 就是你一起决策的人就希望是我要选择的这个战略方向的人就比如说我要做空间智能结果你拉了一群销售在讨论怎么讨论他肯定跟你说赶紧明天上线后天变现但我们比如说讨论空间智能的时候我们就会拉首席科学家之类的一起来讨论这个战略 。 **曼祺** [1:25:29] 你曾经顶着什么比较大的内外部压力做过什么决策吗 ？ 就可能当时这个想法公司里或者公司外或者整个行业都不太认同 。 **黄晓煌** [1:25:37] 我觉得二三年转型空间智能其实压力就比较大首先因为市场巨变然后我们投入巨大的这种建筑房产赛道其实在亏钱而你做大模型做 AI 又得很烧钱你在这过程中又要把亏钱的部门关闭掉又要继续花钱去做这些模型训练招顶尖的人才这个内部压力是非常大的就同事肯定是那个声泪俱下的斥责你 。 **曼祺** [1:26:09] 当不得不请一些在公司里工作很久的人离开的时候你会怎么去和他们沟通啊 ？ **黄晓煌** [1:26:15] 我后面就不管这些团队了其他合伙人去处理吧我就我也压力很大 。 **曼祺** [1:26:22] 你觉得这样是一种逃避吗 ？ **黄晓煌** [1:26:25] 其他合伙人觉得我在逃避 。 **曼祺** [1:26:27] 这是创业里会最让你痛苦的部分吗 ？ 就和人相关的我感觉你还是挺有共情心还挺柔软的一个人有些地方 。 **黄晓煌** [1:26:37] 对就其实跟人相关的对于每个创业者都很难的当你创业的时间稍微有一点年限之后有一些人跟上了那就是核心骨干没跟上呢你就怎么办呢 。 **曼祺** [1:26:50] 难道你就没有见过那种比较无情的 CEO 吗 ？ **黄晓煌** [1:26:52] 我见过很多无情的 CEO 啊但是我不是那么无情的人你很难操作甚至有一些就是人员在调整的时候有些老员工来我办公室找我声泪俱下的你怎么办呢不做呢就慢慢死但是你做了呢就压力很大所以这种这几年这种压力还挺大的就真正我们要做空间智能这个方向我二三年其实想的是挺清楚了而且是个巨大的机会做一个这种物理世界跟 数字世界之间的桥梁这个是比较清楚的但是你怎么把原来的团队模式投资人切换到新的状态这个就是一个非常复杂的事情 。 **曼祺** [1:27:38] 我觉得就是这种风格它可能有一个好处就是你们公司另一方面核心人员也是很稳定的 。 **黄晓煌** [1:27:43] 对 。 **曼祺** [1:27:44] 就是相互之间有很长期的信任 。 **黄晓煌** [1:27:46] 是的痛苦的就是有一些原来是核心的人突然跟不上了或者对于这方向是很排斥的就会比较麻烦 。 **曼祺** [1:27:54] 而且有一个客观的情况就是你的调整可能就会相对就我是指就比如说砍掉一些团队你可能手会相对慢一些对吧速度会相对渐进的一个过程是 。 **黄晓煌** [1:28:05] 所以让我很就是有时候复盘起来比较有问题的就是手太慢不是那种心狠手辣之间那种就你总会希望花很长时间去做培训啦让他们改变啦什么但实际上这世界上能改变的人非常少 。 **曼祺** [1:28:24] 实际上你理性上已经知道很难改变了 。 **黄晓煌** [1:28:28] 但是你还是想去改变一下 。 **曼祺** [1:28:30] 但你想改变自己这一点吗 ？ 你想让自己的手更快吗 ？ **黄晓煌** [1:28:34] 我觉得挺难的所以我就把这些团队转给其他人了 。 **曼祺** [1:28:40] 就刚才讲了一些比较痛苦的部分啊可能跟人相关的你最享受的部分是什么 ？ **黄晓煌** [1:28:45] 我觉得最享受的还是就是产品上线之后被用户喜欢获得行业的认可这个我觉得是最让人兴奋的 。 **曼祺** [1:28:57] 你能想到一个这样的时刻吗 ？ **黄晓煌** [1:28:59] 比如说酷家乐最早上线的时候很多用户开始在微博上疯狂的传播我就很开心然后就比如说像当时做工业 4.0 的时候它整个工厂完全跑通了就是一键下去整个东西就可以生产出来对方老板给我打电话很兴奋我也很兴奋空间智能领域我其实也就每一次模型训练出来我自己都会去测就希望能够至少得让我觉得有 surprise。 **曼祺** [1:29:32] 最近模型让你有惊喜的时候是什么时候 ？ 是当时测到了它的一个什么能力 ？ **黄晓煌** [1:29:37] 我们最近前阵子发布 Apollo 就是做空间重建就怎么简单的快速的没有人工参与的自动把空间重建好我觉得这个效果还是不错的这才玩了半天我觉得给我带来最多兴奋感还是产品好的产品 。 **曼祺** [1:29:55] 你觉得你是那种就是强于战略还是强于实验还是强于执行的创始人 ？ **黄晓煌** [1:30:02] 我是比较强于学习跟定战略吧随着时代的变化能够不断的改变反正什么时候我发现跟不上时代了我就不干了 。 **曼祺** [1:30:11] 你现在学习新的东西你会有吃力或者疲惫的感觉吗 ？ **黄晓煌** [1:30:16] 我觉得会比 20 来岁的时候慢一些就 20 来岁的时候看书看一个通宵第二天起来是不困的现在要通宵第二天就头疼头疼欲裂 。 **曼祺** [1:30:26] 不过这个可以招更多人来解决对吧 ？ **黄晓煌** [1:30:28] 我觉得你如果认知对了都可以招来人来解决很多时候怕的是认知错误就认知这事情是没有办法通过招人来解决的你认知错了一切都错了 。 **曼祺** [1:30:39] 你习惯的学习和成长方式是什么样 ？ **黄晓煌** [1:30:42] 在夜深人静的时候自己看书 。 **曼祺** [1:30:45] 最近在看什么书比如或者说这两年吧看了什么对你影响比较多的书吗 ？ **黄晓煌** [1:30:49] 其实这两年看技术的书比较多大语言模型怎么从零开始去练大语言模型啊然后还有最近在看那个就是 Vibe Coding 的技巧啦等等的一系列的这种书最近看的都技术的书以前前几年还看很多管理的书现在觉得这很多管理的书在这个时代好像都是一文不值 。 **曼祺** [1:31:16] 过去你看过的对你的做事方式和你的一些价值观影响比较大的书是有什么呀 ？ **黄晓煌** [1:31:21] 有一本是叫 Breaking Twitter 就是从侧面去讲 Elon Musk 怎么收购了 Twitter 之后对这公司进行改造对我的触动还挺大的 。 **曼祺** [1:31:33] 什么部分触动很大 ？ **黄晓煌** [1:31:34] 他接手一个公司然后这公司要做转型他的风格就雷厉风行的 。 **曼祺** [1:31:40] 可是他触动你的部分刚好是你很难改变的部分 。 **黄晓煌** [1:31:43] 所以才会触动我就如果我很好改变的我自己就快速的就看完了就是我在这方面做的是很不好的所以怎么学习一些 。 **曼祺** [1:31:53] 但实际上这可能是性格里很难改的一部分他可能一上来他能砍掉比如说某个部门他直接砍一半人而且非常快啊 。 **黄晓煌** [1:32:00] 不是网上有个视频嘛大家看视频会开着开着 you are fired。 **曼祺** [1:32:04] 对 。 **黄晓煌** [1:32:05] 我做不到但是有的时候可能组织是需要有这么雷厉风行的一些做法的 。 ### 自由女神像 **曼祺** [1:32:11] 之前朱皓跟我讲了一个故事说二三年的时候就是你们第一次上市不是没上城吗二三年你们又想融资然后你们一起去了纽约 。 **黄晓煌** [1:32:22] 啊对 。 **曼祺** [1:32:23] 然后在纽约那个时候融资的反馈也不太好然后有一天你们俩在自由女神像下面然后朱皓就跟你说说他算了一下说我们创业这么多年我的收益也不如我在亚马逊因为也他也是很早从亚马逊出来嘛然后你的收益可能也不如你在英伟达啊 。 **黄晓煌** [1:32:40] 是这个我们聊过但其实我算账我不是这么算的就我觉得钱只是一种撬动我们实现一些人生理想跟实现事业一些工具或者杠杆吧就我还是考虑我自己想做的事情能不能有足够多的资源去实现对我来说最大挑战还是这东西就我现在有了更多的钱我估计我也想着去怎么撬动这个事情 。 **曼祺** [1:33:03] 你想撬动的那个事情你描述一下是什么 ？ **黄晓煌** [1:33:05] 我更多的还是实现人生理想嘛就是做一些改变世界的事情 。 **曼祺** [1:33:10] 改变世界具体是指什么了 ？ **黄晓煌** [1:33:12] 就做出一些有世界影响力的东西出来 。 **曼祺** [1:33:14] 你觉得你身边的人里谁你觉得有世界影响力 ？ **黄晓煌** [1:33:18] 我觉得像什么 SpaceX 这种东西就很有世界影响力 。 **曼祺** [1:33:21] SpaceX 你觉得 DeepSeek 算吗 ？ 梁文峰算吗 ？ **黄晓煌** [1:33:23] 也算啊也算啊他也跟我讲过呀反正我也找很多人聊了就是最终产生成就感的事情可能就是还是做一些对世界有影响力的产品出来我觉得这个是真正实现人生意义的东西 。 **曼祺** [1:33:40] 这个和公司做多大并不完全是对等的对吧 ？ **黄晓煌** [1:33:43] 有一定关系但是公司我觉得是个漫长的过程就你如果能想到一个很好的 idea 一下子把公司拉到很大我觉得那最好但是并不是每个人运气都这么好我们有一个体验就是公司做大跟做强做好是两码事就很多公司我们试着并购做大但实际上后面想想没什么意义就如果你买的东西不是那种非常有影响力只是为了赚一些钱做一些收入的话意义非常有限 。 ### 未来使命 **曼祺** [1:34:16] 你们以往做过的事情包括库家乐包括和地产和家装还有生产制造相关工业 4.0 这些你觉得达到了你心中有世界影响力的这种状态吗 ？ **黄晓煌** [1:34:27] 我觉得比起 DeepSeek 肯定是没有那么大影响力但是像比如说对接生产工业 4.0 那块在行业里面的影响力还是非常大的 。 **曼祺** [1:34:39] 而且你觉得它改变了行业 ？ **黄晓煌** [1:34:40] 改变了整个行业对但是它没有变到全行业所以我们下一步也希望通过空间智能来改变所有的行业而不再是聚焦在某一个细分的行业 。 **曼祺** [1:34:55] 对你影响比较多的企业和公司是什么是谁啊 ？ **黄晓煌** [1:34:58] 我觉得肯定影响最大的是还 Nvidia 至少我在里面我这我唯一工作过正式工作过的一家公司 。 **曼祺** [1:35:04] 就是英伟达 ？ **黄晓煌** [1:35:05] 我很多对公司的组织运作就是整个模式拓展客户的模式等等的就记忆都是停留在那边 。 **曼祺** [1:35:13] 而且你在的时候它规模比较小你应该跟黄仁勋会有些直接接触 。 **黄晓煌** [1:35:17] 有的时候一起开会 。 **曼祺** [1:35:18] 你觉得他是一个什么样的风格他是一个什么样的创始人 ？ **黄晓煌** [1:35:22] 我看大部分时候也在听至少在我工作的时候也不是那种很表现出来的雷厉风行但是很坚持就是当时在开会的时候说下一个增长曲线 S curve 大家都不相信 。 **曼祺** [1:35:36] 所以他是对自己的相信他对自己看到的一些机会他是很相信的很坚持的可以长期投入的 。 **黄晓煌** [1:35:43] 对所以我觉得这是值得我们学习的就我觉得公司里面通常不是第二曲线就每个公司都会遇到就是从一个阶段进到下一个阶段运气好的公司可能你一个浪潮能够维持 10 年 20 年运气差的公司可能几年就会遇到一波几年遇到一波 。 **曼祺** [1:35:59] 对我觉得你们其实就是几年就遇到一波几年就遇到一波 。 **黄晓煌** [1:36:03] 对没死就不错了都不算很差 。 **曼祺** [1:36:05] 你觉得总体来说你运气怎么样群核的运气怎么样 ？ **黄晓煌** [1:36:09] 虽然不是最好但我觉得已经挺感恩了不错已经比我同期一起创业的人绝大部分人都好了我当时一起创业估计有几十个人一起创业吧现在还在的公司已经很少了 。 **曼祺** [1:36:21] 你说的几十个人都是偏科技创业的 。 **黄晓煌** [1:36:23] 对大部分都消失了 。 **曼祺** [1:36:24] 你有总结过他们消失的原因是什么吗 ？ **黄晓煌** [1:36:27] 各种各样都有 。 **曼祺** [1:36:28] 各种不幸的公司各有各的不幸是吧 ？ **黄晓煌** [1:36:31] 各种各样的死法你能想象到的都有 。 **曼祺** [1:36:34] 有什么你会告诫自己千万不要去做的事吗 ？ **黄晓煌** [1:36:37] 有赌博破产的有犯了某些法被抓的赌赛到赌错破产的各种各样死法都有所以能活到现在已经不错了就我觉得有的时候也不能只看很多企业光鲜的时候有的时候一下子爆发后面就没了其实我觉得这是杭州企业的一个特点你看这次那几家公司都 DeepSeek 也做了很多年了 。 **曼祺** [1:37:00] 我发现你不太愿意说那种特别宏大的目标不太喜欢说豪言壮语你在公司里也是这样是吗 ？ **黄晓煌** [1:37:08] 对我们还是讲究落地的就是比如说讲空间智能会把事情讲的比较具象反正我也过了画饼的阶段刚创业的时候会画饼现在我觉得那个还是讲实际一点吧我得确保我讲的东西都真正在做能做出来的我也不想去忽悠别人因为说白了很多时候要把饼画的很大忽悠他还是想获得一些资源或者什么我现在需要的东西我自己都能获得那我更多的 是把东西做出来 。 **曼祺** [1:37:38] 你创业吃过什么大亏吗 ？ **黄晓煌** [1:37:40] 比如说被股东勒索啦这些但我其实觉得我关键还是把事情做成把事情做成把东西做出来把产品做好剩下的不管是钱股份都是一种调度资源的一种就是手段反正你不要有致命伤害我也不会去记得这些事情但是我会复盘就是某一类人少接触 。 **曼祺** [1:38:05] 你自己最引以为傲的优点是什么 ？ **黄晓煌** [1:38:08] 情绪稳定冷静理性 。 **曼祺** [1:38:10] 你能意识到的自己的比较大的缺点是 ？ **黄晓煌** [1:38:12] 早晨起不来 。 **曼祺** [1:38:14] 你这个你这个不对等啊你看优点是情绪稳定冷静理性缺点是早上起不来啊 。 **黄晓煌** [1:38:20] 那经常有很多事情早晨起不来错过了呀比如说有些公司重要会议早晨开就晕乎乎的就没做出正确的决策 。 **曼祺** [1:38:30] 那偏那种特质类的缺点呢 ？ **黄晓煌** [1:38:32] 性格比较慢可能有一些特别大的机会没去抓 。 **曼祺** [1:38:35] 比如说你前面提到 1819 年你说那是布局硬件和 AI 结合的一个黄金时期 。 **黄晓煌** [1:38:41] 就想太多就不是那种想了马上去做不考虑后果的 。 **曼祺** [1:38:46] 我觉得过去已经证明了你们肯定是非常有韧性的一个公司就像你说的你以往接触的很多 90% 以上的明星公司现在可能已经不在了 。 **黄晓煌** [1:38:54] 对 。 **曼祺** [1:38:55] 然后我觉得大家关心的就是你未来能不能就是在证明你可以活下去这个基础上还能变成一个很大的公司 。 **黄晓煌** [1:39:04] 对 。 **曼祺** [1:39:05] 我说大是指强和影响力大的那个意思 。 **黄晓煌** [1:39:08] 活下去肯定没问题我现在主要的工作就是把公司就是带向一个空间智能的企业就现在说是做什么世界模型啊空间智能啊很多啊就是我们更侧重是在做贴近于物理世界就什么时候我们公司能说我一半的收入都来自这个空间智能了那我觉得我在这个阶段的使命是完成了 。 **曼祺** [1:39:34] 那今天非常感谢小黄做客晚点聊来分享了整个创业的历程以及你们在 24 年开始的大力投入的空间智能的转型也非常希望就是群核能作为一个这么早成立的科技公司真的在他们看到的机会上做出改变世界的产品那今天节目就到这里各位拜拜 。 **黄晓煌** [1:39:56] 拜拜 。 **曼祺** [1:40:00] 本期节目就到这里欢迎收听如果你对今天聊的话题有观察好奇或疑问欢迎在评论区分享想法这也会成为我们节目的一部分让整个讨论更完整你也可以把我们的节目分享给对这个话题感兴趣的朋友欢迎推荐更多你想听的主题和嘉宾你可以从小宇宙苹果 Podcast 等渠道关注晚点聊 LateTalk 也欢迎关注我们的公众号晚点 LatePost 下期再见 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。