英伟达0:00
我觉得老黄真的是精力太旺盛了 。 他讲过一个故事 ，他每天记录四五点起 ， 要么读邮件 ， 要么读 paper。他说他量过跟他太太的那个脑门的温度 ， 她的温度是比他太太高一度的 。他觉得我的大脑就每天都在高速运转 。
小的有一句话我觉得特别受用 ，他觉得 " 没有任何人可以避开坑 ，但是一定比的最后是谁爬坑的能力更快 "。
他还说过 " 要掉坑就一起掉 ，不要有人在外面说风凉话 "。
你们在出发的时候 ， 你们是怎么来给自己定位的 ？
我觉得我们是个六边形战士 ， 我们大脑也要做好 ， 就是我们技术 、 战略 ， 然后产品 、 品牌 、 组织 ， 然后包括我们商业 ， 都要很强 。
忽略它真相 ， 我觉得还是硬件的问题 。 所有人都觉得 " 哎 ， 现在硬件差不多了 ， 缺的是数据 ， 缺的是算法 "，但是我感觉硬件远远没有到那一步 。
欢迎做客 《 晚点聊 》， 你可以和我们的听众和观众简单地打个招呼 ， 自我介绍一下 。
好 ， 大家好 ， 我是至简动力的 CEO， 贾鹏 。
因为你之前整个就是主业经历非常丰富 ，其实在你这次创业 25 年之前 ， 从 2015 年到 2020 年这个 10 年的时间 ， 一直在做和具身智能非常相关的这种驾驶 ， 先是在英伟达 ， 然后是在理想 。
然后这也是你成立至简以来第一次接受采访 ， 所以我想从头就是整个聊一下这个过程 。
好嘞 。
我们可以回到就是 10 年前 ， 你 2015 年当时是怎么一个契机加入英伟达开始做智驾的 ？ 因为在那之前其实你是做高性能计算的 。
对 ， 没错 。 我觉得跟我的这个学术背景有关系 ，因为我们是比较早期做 HPC 的人。 当时的 HPC 大家还是抄算法 ， 国家抄算法 ， 然后都是很多 CPU。
那时候开始出现 ， 大家开始 NV 开始推它的 GPU， 然后去做加速 ， 我们发现它是个非常好的加速器 。 大家开始切 ， 最早我估计可能大家都没听过 ， 什么 C2050 这种老的版本 ， 跟现在这个大家说的什么什么 ， 各种各种 ， 什么 H200 都差了很多代 ， 那第一代 。
你是在 NVM 的时候就在用英伟达的 ？
其实我读书的时候就已经开始了 。
就在哪个年代 ？
对对对 ， 我读书的时候其实就开始自己拼 ， 然后我们买了很多零件自己拼 ， 那种超性能计算 ， 然后高性能计算的机器 ， 一拼就是几十十马克节点 。
那时候开始接触 CUDA 的东西 ， 那时候还是 CUDA 1.0、2.0 的时候 。
是哪一几年 ？
那基本就是我是 2008 年到 2012 年， 这四年期间 。 对 ， 然后到 2015 年底的时候也是朋友介绍 ，因为老黄其实是有个梦想的 ， 就他一直想把他的芯片做到端侧去 ，因为他大部分生意是在数据中心 ， 然后当时其实做小米的手机 ， 那个失败了 。
他还去参加过小米的发布会 ？
没错没错 ，因为过热 ， 然后所以在端侧 ， 那手机侧就没用起来 。 然后他的战略就在想 ， 那下一个类似这样的智能终端到底是什么 ， 所以他的考虑说有可能是智能汽车 。
智能汽车因为尤其是中国的电动化那时候也开始了 ， 然后电池大 ， 对吧 ， 功耗要求没有那么高 ， 对散热的要求也没有那么高 ， 所以他觉得可能汽车是个很好的端侧应用 ， 所以他觉得要把芯片放在车上去 。
所以那时候就招进去 ，因为那时候老黄想在中国先去做试点 ， 做自动驾驶的应用 ， 所以在中国成立自动驾驶的团队 。
那时候还没有专门的自动驾驶团队 ， 还是挂在了那个数据中心下面 。 我是第一个员工 ， 第一个被招进去 ， 然后开始做这个芯片的推广 。
你说的是中国的第一个员工 ？
对 ， 中国的 ， 中国的自动驾驶团队的第一个员工 ， 正式员工吧 ， 就专门就 focus 在自动驾驶上 。
那你当时直接是给美国那边汇报的 ？
对 ， 我的老板也在美国 ，是个印度人， 现在已经是 NV 的 VP 了 。 对 ， 然后这是我觉得就是因为有 GPU，有高性能计算 ，有算法加速的这个背景吧 ， 所以被招进去 ， 开始去在全中国去推广 NV 的芯片 ，NV 的 SDK。
然后当时也结识了很多 ，因为当时的自动驾驶非常火热 ，2015 年、2016 年， 如果您记得的话 ， 基本随便摆动出来的人， 出来融个资 ， 大家就能开始做 。
对 ， 小马还有文远 ， 包括某些公司 ， 都是那些人。
包括具身电器 ，其实都是同一时期建立的 。 对 ， 然后所以那个时候就结识了很多自动驾驶圈子的朋友 ，因为大家都是用 ， 一开始都是想用 NV 的芯片加 NV 的一些底层的 SDK， 所以我是肩负了好几个职责吧 。
那时候我就自己扛着板子 ，因为那时候还是 PS1、PS2， 那时候老的那种板子 ， 我自己扛着拿着包子 ， 然后到各个车厂 ， 到各个互联网给大家去做推销 ， 说 " 哎 ， 用一下 NV 的东西吧 "。
到后期大家认可这件事之后， 那我们就逐渐 ， 我的角色就逐渐从纯硬的 ， 就从偏硬件的 ， 然后逐渐朝算法软件去走 ， 然后开始给大家去做一些加速呀 ， 去做底层 SDK 的开发 。
那你之前自己接触过智驾吗 ？
没有 。
所以到英伟达是 ？
也是第一次 。 对 。
那为什么当时英伟达就是这个部门的 ，他们愿意招你吗 ？
我觉得他主要看到的一个点呢 ， 就是你确实有 CUDA 的背景 ， 去做过 CUDA 的加速 。 第二方面 ，因为我自己做 HPC 嘛 ，HPC 当时其实做了很多 ， 比如说像什么核爆炸呀 ， 什么蛋白质折叠呀 ， 还有一些这种偏这种天气呀 ， 海洋的预报 ， 就做这些算法的加速 。
那因为它其实在自动驾驶其实最后也是个端侧加速的问题 ， 所以大家就觉得你这个背景还不错 ， 所以就把我招进去了 。
但是其实端侧其实我是完全是零的 ， 从零开始学习 。
当时英伟达是一个什么情况 ？
英伟达其实那时候很小 ， 英伟达你想 2015 年底的时候市值可能大概 100 亿美金附近 ，是个很小的公司 ， 可能只有几千人吧 。
然后我当时在北京 ， 北京可能不到 100 人， 大概有 100 人附近 ， 然后上海大概有 800 人， 大概只有这么个规模 。
全球可能英伟达不到 ， 可能不到七八千人吧 ， 可能五六千人这种感觉 。
对 ， 它现在已经 5 万亿的市值了 。
对 ， 所以我们开玩笑嘛 ， 这就是 NV 过去这十年的涨幅跟比特币的涨幅是一样的 。
5000 倍啊 。
对 ， 所以这个很夸张 。 我大概经历了其中 100 亿到 1000 亿的过程 ， 大概 10 倍的这个过程 。
就你当时整个在英伟达 ， 包括你自己做这块业务 ， 你什么时候感觉到它从一个相对早期的状态到加速发展 ， 然后比较受到行业的认可 ？
我觉得其实对我来说可能有两个阶段 。 第一个阶段其实是当时是还是跟 AMD 不相上下的一个感觉 ， 突然发现有一天 ， 哎 ， 你突然把 AMD 拉开了 ， 市值上来看 ， 拉开了 。
然后第二个呢 ， 我觉得比较强烈的感觉 ， 就它的市值接近英特尔的时候 ，因为英特尔一直大家觉得半导体的老大 ， 突然某一天你跟自己的 ， 我们自己的市值现在接近了英特尔 ， 我觉得这个可能是那五年期间我觉得是对我来说两个比较大的一个阶段 。
明显你会感觉 NV 的整个发展速度非常快 。 有一个例子 ， 就是它每次发财报 ， 大家都会买股票 ，因为已经成为一个规律 ， 它只要发财报就会有 30% 以上的涨幅 ，因为它每年的业绩都是在翻翻翻翻 ， 所以它只要发财报就会跳 ， 那股票就会跳 30%， 每次发财报就会跳 30%。
大家都形成习惯了 ， 发财报的前一天就开始买股票 ， 第二天卖掉 。 我觉得那个阶段其实就大家明显感觉到这家公司是 ， 就是每天在超越的车上成长的这种感觉 。
那智驾自己的业务会进展这么快吗 ？
我觉得智驾那个时候还是偏早期 ，因为整个智驾其实真正蓬勃发展可能大概是 2019 年之后， 我觉得尤其是微调理这个新势力开始 ， 大家做量产之后， 我觉得才慢慢开始起来 。
前五年， 从 2015 年开始 ， 大家还是偏有点偏预言的这种感觉 ，因为我总结下行业周期 ， 基本上任何一个技术周期 ， 基本都是 To A、To B、To C 三个阶段 。
你基本可以到 2015 年到 2019 年， 自动驾驶基本还是个 To A 的阶段 。
To A 是什么 ？
To A 跟大家偏 research 为主 ， 大家做做 demo， 对吧 ， 然后在一个小地方能跑起来 ， 就很不错了 。 然后我觉得那个阶段可能你不能说以量去衡量它 ， 那时候其实整个自动驾驶其实压力也很大 ，因为老黄也在说为什么你们卖不出去 ， 为什么大家不用 。
然后我们经常会给他解释 ，因为我们觉得这个行业周期现在还处于一个比较早期的阶段 ，To A 的话是没有量 ， 没有商业应用 ， 那自然而然这个量会起不来 。
但是我觉得后期到了 2019 年之后， 你会发现 NV 的芯片从 ORAN 这一代开始 ， 就开始大家就广泛采用了 ， 就量马上就上来了 ， 就可能跟那个阶段有关系 。
因为你在英伟达也是经历了从硬件到软件的这么一个转变的过程 。
对 。
所以你后期做的更偏软的东西的话 ， 那会儿是就在做智驾的算法吗 ？ 还是在做什么 ？
其实更偏底层的 SDK，因为其实老黄的想法还是他想把这个东西类似 CUDA 做成一个生态 。CUDA 其实就相当于是它 ， 比如说数据中心端的这个护城河 ， 那它其实也想在自动驾驶端也有类似的 ， 就端侧情感 ， 它也像附一层类似 CUDA 这样的 SDK， 就大家只要是用在你 SDK 上直接去算法研发就可以了 。
所以其实我们当时花了很多的功夫去做 ， 比如说传感器怎么去标定 ， 然后感知怎么去做 ， 地图怎么去做 ， 这个自定位怎么去做 。其实中国团队其实做了很多本地化的东西 ，因为其实中国和美国差异非常非常大 ， 所以我们其实相当于是因为做的团队很小 ， 就大家什么活都得干 ， 所以基本从传感器然后一直到最后感知定位都会去做 。
当时服务了哪些比较重要的客户端 ？
基本你能想到的自动驾驶团队就都在用 。
蔚来 、 小鹏 ？
但还不算 。 因为那时候我觉得那时候新能源呢 ， 大家还是刚刚开始 ， 新势力刚刚开始 。 最早的可能就是比如像百度的 L2、L3、L4， 对吧 ， 然后还有一些当时什么和多 ， 然后乐视 ， 你能想到的这些 ， 就比较早期 ， 包括文远 、 小马 。
所以是偏 L4 的自动驾驶的 ？
当时可能大家偏 L4 为主 ， 大家上来还是说我先打一个高上限 ， 想着先做 RoboChallenge， 先做 L4。 这些你会发现基本所有的公司都是在做 L4 相关的事情 。
因为其实在 2018、2019 年的时候 ， 我觉得行业里讨论很多的也是 Waymo 和特斯拉的这个路线 。
路线之争 。
对 ， 路线之争 。 所以英伟达其实我可以理解 ， 它最开始也是服务的是更偏 Waymo 这个方向的这些公司 ， 后来才去转变到量产 。
因为我觉得 NV 的思路呢 ， 我觉得它有两个 ， 第一个还是刚才讲生态 ， 后面我会做最终的产品交付 。
所以它是跟着客户的需求 ？
对 ， 我其实作为一个供应商 。 第二个它可能有点偏 L4 的思维 ， 就是我还是说它 ，因为它当时也收购了不少 DeepMind 这种做地图 、 高级地图的公司 ， 投了很多的资本在地图上， 同时呢也它的规控团队也人很多 ， 然后大家就去写不同的 case 写 ， 拿规则去写不同的场景 ，有点偏传统 L4 的感觉 。
所以它我觉得它的思路也就证明后面为什么说这十年来其实 NV 的软件一直没有太进展特别快 。
对 ， 实战的软件 。
对 ， 然后也可能会被这种真正最终 ， 比如像新势力 ， 大家真正直接交付用户产品 ， 被慢慢拉开了 。
我觉得也是因为这个原因 ， 我觉得它的整体思路还是有点偏 L4 这种感觉 。
所以你后面加入理想 ， 你现在来总结的话 ， 你是更站哪条路线 ？
肯定是 Tesla 这条路线 。 因为我后期为什么说 2020 年走 ，其中一个原因也是觉得可能这么做不行 。 第一呢 ， 你肯定要直接面向用户 ，其实说句直白的 ， 你就得让用户去骂 ，因为这个事情最后肯定是个数据驱动的问题 。
你如果说没有拿到用户的数据 ，是吧 ， 你这个事就没法去迭代 。 这是第一点 。 第二点的话就是说你的思路上， 我觉得更 follow Tesla 一点 。Tesla 的思路 ， 我觉得 Elon Musk 有一个故事我就可以稍微讲一讲 。Elon Musk 第一代他用的是 Mobile 的那个芯片去做的量产 ， 然后后期因为 Mobile 不怎么配合 ，他不愿意开放 ， 那 Elon Musk 就在想我一定要自己做 。
但是因为他自己做芯片要有周期 ， 所以这时候老黄进来 ，因为他有一代用了 PS2， 如果大家知道的话 ， 那老黄提着 PS2 盒子去找 Elon Musk， 说 " 哎 ， 我这个算力不错 ， 你可以用我的 ， 我这个提供大算力 ， 然后反正底层也都给你开放 ， 你自己可以去做 "。
但是 Elon Musk 当时我觉得很直白的说了一句话 ， 我觉得现在大家认知比较清晰的那一点 ，他直接跟老黄说下一代我绝对不会用 NV 的芯片 ，因为我一定要做够大算力的芯片 ，因为他觉得自动驾驶最终肯定是个 AI 的问题 ，AI 最终其实是算力的问题 ， 我一定要把算力打上去 。
第二个呢 ，他是我的硬件一定要标配 ， 即使说没人用 ， 我也要标配 。 所以为什么说从 FSD， 任何一台车都是备了两块芯片 ， 即使你没有订阅 ， 我也是愿意付出这个成本 。
所以它其实为什么它的大家看 Model 3 之后， 它整个电子件效果那么漂亮 ，也是它为了降低整车的报复成本 ， 为额外增加的 FSD 芯片提供了空间 。
它的思考是这样 ， 就是你最后最后还是要归结到数据驱动这件事 ， 那我愿意为这个去提前预码硬件 ， 我可以提前去收集数据 。
所以我觉得这条思路是非常打动的 ，因为理想那时候是 2016 年、2017 年， 它能讲出这句话 ，有点类似现在大家在讲 Scaling Law，有点这种感觉 。
理想它已经基本这是七八年前能讲出这样的话 ， 我觉得对我还是挺受用的 。
因为一般关心会觉得黄仁勋的各种技术判断是非常有前瞻性的 ，也非常准确的 。 为什么智驾这件事情上当时没有更早的走到去直接服务车企 ？
我自己感觉还是它整体还是想做成生态的那种感觉 ， 它不想说最终只是做去做这个 ， 只是做供应商去做交付 。
我觉得可能也不是 NV 的调性 ， 你会发现它所有的都是我打生态 ， 对吧 ， 我给你提供很好的 tool kit， 然后大家能在这个生态 tool kit 之上去建立我的这个 APP 也好 ， 建立我的应用也好 ， 它不想直接面对用户 。
我觉得这可能是我整体观察下来的一个感觉 。
所以当时在智驾上是想去复制之前在 AI 上成功的方法 。
没错 ，是的 。
那后来为什么又还是去做供应商了 ？
但是我自己感觉到现在也你也没办法把 NV 完全定义成供应商 ， 即使是它坐在奔驰上做了交付 ， 可能也是为了验证自己这套方法论到底对不对 ，其实更好的去给它的硬件提出需求 ， 这个我觉得可能是它最终的目的 。
自己在英伟达的核心的成长是什么 ？
其实 NV 的整个结构是很扁平的 ， 刚开始我会发现 ， 哎 ， 我怎么离老黄只有五级 ， 感觉还挺爽的 ， 离他很近 。
然后在 NV 我觉得一个最大的好处 ，因为我们是比较横向 ，因为你要人也少 ， 所以基本上从硬件到算法都得 cover， 你会发现 NV 的所有资源你都能踏出来 ， 你所有的所有代码你都能看得到 。
我觉得这个对我来说是比较爽的 ， 我觉得这一点对我来说成长很大 ，因为我可以去从更底层去理解这款芯片到底怎么去设计 ， 从底层的最最底层的驱动开始就可以大概去 touch 到 ， 然后再到后面我怎么去做上层的 SDK， 怎么去做加速 ， 然后一直到怎么去做应用 。
所以有可能是从一个纯算法人员 ， 纯做加速的算法人员 ， 慢慢的变成了一个我自己感觉有点 architecture 这种感觉 ，有点架构师的这种感觉了 。
因为我从硬件到传感器到算法到软件都要去 touch，因为就其实就这么哥几个嘛 ， 大家要把中国的这一块全部都看好 。
我觉得这个对我来说其实是成长很大的 ，因为到现在为止可能你跟我去聊任何跟硬件相关的事情 ， 跟芯片相关的事情 ， 跟软件跟算法相关的 ， 我都可以跟你去聊 ， 至少不会说跟别人是有慢半圈或者是差距非常非常大这种感觉 。
所以就把我变成了一个软硬比较综合的这么一个人吧 。
因为你当时刚加入的时候 ， 你说那会儿整个公司只有几千人， 然后你和老黄之间也没有隔很多期 。
对 。
你和他本人有一些什么直接的接触吗 ？
会 ， 会 ，因为我们每年都会去参加 GTC。GTC 之后呢 ， 老黄就会跟各个 team 的人去喝酒 ， 比如说 GTC 一般会在一个 convention center， 对吧 ， 一个大会堂 ， 然后边上就会有酒吧呀之类的 ， 比如说他会 " 哎 ， 中国团队对吧 ， 好好好 ， 来大家一起喝酒 "， 然后大家就会一起去喝酒 ，也会有的时候会带到他自己的那个庄园里面 ， 自己的别墅里 ，也会给大家一起喝酒 ， 然后也会给他
给我们 show 他 " 哎 ， 你看这是我的跑车 ， 很漂亮吧 "。 我觉得老黄是个真的非常非常 nice， 非常平易近人的一个人 ，他会跟你聊很多他的人生品味啊 ，他的一些趣事啊这些东西 。
你对他有什么观察 ？
我觉得老黄真的是精力太旺盛了 ， 非常强 。 我觉得他讲过一个故事 ，他每天记得四五点起 ， 然后起来之后就开始读邮件 ， 要么读邮件要么读 paper， 然后每天那个大脑是每天都在想事情 ， 就是喝酒边喝酒时候边聊的 。他说他量过跟他太太的那个脑门的温度 ，他的温度是比他太太高一度的 ， 那就意味着他通过这意思就是说他觉得我的大脑是每
天都在高速运转 。 你会发现这个人的精力真的太旺盛 ， 太强了 。
他会直接去比如说你们智驾的一些工作 ，他会也会来问是吗 ？
会 ， 没错 。 因为以前因为大家会每周会发自己的 toll file， 所谓 toll file 就是这周我自己我取得的最好的事情 ， 或者是我关注到的 ， 或者是我别人给我传授的一些比较好的事情 ， 大家我都会在这个邮件里去写一写 ， 甚至有的人还会写 " 我今天生了个女儿 "， 类似这种事情都会放在里面 。
然后老黄就我们人少的时候 ，他基本上每周就会抽出其中一部分的这个邮件 ，他自己会去回 ，他会去问 " 哎 ， 中国这个芯片 ， 这个智驾芯片进展怎么样了 ， 大家用的怎么样 ，有没有什么反馈 ， 或者是有没有 diss 我们的地方 ，有什么改进的地方 "，他都会去回 。
所以他基本你可以跟他聊一聊 ， 哎 ，他一问你你是谁 ，因为他脸上对上 ，但他一说 " 哦 ， 你是贾鹏 ， 哦 ， 你是中国自动驾驶团队 "， 那他大概他就知道你在做什么事情 ， 能跟你开始聊起来 。
那你的 toll file 邮件备选到对他很有用吗 ？
有 ， 肯定是有 。 因为早期的时候其实中国市场比较他比较重点关注 。
你还记得他会在邮件回复的时候问你什么问题吗 ？
中国的一般来说他都比较 tough。
哦 ， 都比较 tough。
比较 tough。 就他会直接问为什么中国现在还是没有量产 ， 为什么大家还处于一个单薄的状态 ，他其实是比较着急的 。
因为那个时候中国 400 多家新能源公司 ，他觉得这是一个非常巨大的市场 ， 对自动驾驶来说是非常巨大的市场 。
因为那个时候中国市场包括游戏 ， 包括数据中心都是全球增长最快的市场 。 然后会去看为什么自动驾驶这里没有增长 ， 或者没有说真正开始大规模铺开 ， 所以他会比较着急 ，是到他会去问我们到底是我们芯片有问题 ， 硬件有问题 ， 还是说我们软件哪地方设计的不好 ，他会比较关心这些细节 。
我觉得就是英伟达有一个比较有意思的 ， 你自己观察到的 ， 就是他会提前很多年去投入一些其实在当时对他来说很小的市场 ， 包括机器人也是 。其实就是英伟达有一个系列叫那个 Jetson， 就是给端侧的机器人， 那个从 2014 年就开始推出第一代 。
车也是 ， 就是 Jetson 也是 2014 年 。
是 ， 对 ， 车也是 。
从现在开始推出 。
然后而且他其实这个业务可能长短线对他来说没有什么起色 ，在他收入和利润里都占了很少 ，但他也会一直做 ， 这个背后是一种什么思路呀 ？
我觉得老黄的 vision 是非常远的 ， 比如像 CUDA，其实做了十年才开始大家开始用 。 因为当时我就以 CUDA 为例 ， 当时我们其实花了很多功夫去帮别人去做优化 ， 比如说 " 哎 ， 你看你这个东西你需要加速 ， 我出人直接去帮你去写代码 ， 帮你去做加速 "， 通过这样的一个个的场景的这样慢慢的做优化 ， 最终才把这个生产建起来 。
你会发现其实那个 CUDA 真的是十年之后大家才开始用 。 所以你会发现 NV 做了很多这种十年后的这种事情 ， 包括端侧芯片也是一样 ， 端侧芯片其实最早想做手机 ， 后来做自动驾驶 ， 真的大概也是十年的感觉 ， 它自动驾驶才真的把端侧芯片开始大量出量 。
我觉得其实老黄基本是可以你可以认为他思考的基本就是下一步 ， 甚至下下一步 ， 将来这家公司怎么走 ， 我觉得他可能 vision 会更强一点 。
我比较好奇这个在内部要怎么去执行和落实 ，因为对相对比较大的公司来说 ， 如果你的有些业务一直利润和收入都占的很少的话 ， 就这个团队可能在内部好像也比较难生存 ， 包括公司怎么一直容忍你 ， 就这个在英伟达是怎么实现的 ？
你就像强推 CUDA 这件事一样 ，NV 的市值你看都掉到过可能就是股票只有 7 块钱了 ， 我如果没记错的话 ， 最低的时候 。
就那时候其实老黄受到的压力非常非常大 。
那是 07 年做的时候 。
对 ， 就大家就觉得你一个干游戏显卡的人， 你干嘛要做这玩意 ， 对吧 ， 对你这家公司有什么作用 。 但是我觉得他还是蛮坚持的 ， 能坚持下来 。
所以因为你会发现有很多类似的这样的业务 ， 比如说端侧芯片也是 ， 基本你会发现之前的所有的财报里头 ， 端侧芯片基本就是 0.
几 % 的 revenue， 甚至可能很小很小 ，他也能坚持下来 。 这我觉得可能一方面是大家可能更相信老黄的判断 ， 我觉得这件事一定是最重要的 。
就你相信你的 leader 的判断 ， 大家就觉得这家公司老黄的判断没有太大问题 ， 大家就会去 follow。 第二个点其实就是老黄他很愿意把他的 vision share 给大家 ， 那这样的话其实我觉得工程师其实是一个比较拿一舞的团体 。
对 ， 只要说大家觉得这在理 ，他的分析是没问题的 。 第二呢 ， 这个 vision 很好 ， 这个目标非常漂亮 ， 那大家就会愿意去做 。
然后我觉得另外一个 ， 另外我觉得可能更还有一茬就是你的经济基础是足够好的 ，因为 NV 的主体业务上没有什么大问题 。
就是它市值有的有 。
对 ， 你本身就有很不错的这种主体 ， 就是第一曲线的这个业务 ， 所以你很多时候你想发展新的东西的时候 ， 只要说老黄的整个 vision 没问题 ， 逻辑没问题 ， 那大家就愿意去做 。
所以他是一方面创始人对这个事有很强的坚持 ， 同时因为比较扁平的组织 ， 比较通畅沟通机制 ， 整个团队 ， 主要是工程师团队也都很信任他的这个目标和愿景 。
对 ， 我觉得 。
大家往这个方向去 。
NV 是真的是一个纯工程师团队这种感觉 ， 甚至老黄经常在内部谈 ， 就经常定义一个就是我不是硬件公司 ， 我是家软件公司 。
对 ， 这个他也经常 。
现在就开始我就是我不仅仅是家软件公司 ， 我是家 AI 公司 。 所以我觉得这是可能不太一样的一个点吧 。 老黄对这个就是公司的定义和愿景 ， 很愿意这种很清晰的表达给大家 ， 大家会 get 到这个 ， 哎 ， 这个我跟着他 ， 跟着这家公司以后的发展会非常好 ， 然后会越做越来越足够的事情 。
你记得就是当你离开的时候 ， 智驾在英伟达的收入里大概占多少 ？20 年左右 。
到 2%， 很低 。
全球加起来 。
对 ，因为那时候智驾其实大家还是属于开发平台这种感觉 ， 还没有真正走到量产 ， 真的大规模开始量产是 19 年未交礼大家开始用 ， 然后用 Orin 去做量产的时候 ， 这个量才开始起来 。
理想智驾22:30
那说到你 20 年离开英伟达 ， 你当时的这个决策你前面说到其中一个原因是因为你觉得就英伟达那种当时的那个方法可能很难获得数据 。
对 ， 很难接触 。
真的能把这个东西落地 。
对 。
那除了这个还有什么别的更好的考虑 ？ 因为听下来其实英伟达对工程师来说还是一个 。
非常友好的一个公司 。
对 ， 非常好的一个公司 。
我自己的还是说我待了五年之后， 我还是觉得自动驾驶现在是非常好 ， 我还是想真的能把它真的能做落地 ， 真的能看到有用户来在使用我的东西 。
我觉得这个是让我觉得会比较爽的一件事 ， 所以我觉得还是得自己去做最终的产品的交付才可以 。
所以我当时就开始砸磨 ， 我说到底去哪 ，但只能找一些比较好的这种理念比较契合的这样车厂去做 。
当时也去找了绍兴 ，因为那绍兴也是刚出来 ， 绍兴刚从蒙面大出来 ，他也是刚把那个未来的团队刚建好 。
绍兴也我们俩吃饭也在聊 ， 说这个他的感知都有类似 ， 我一定要去车厂去做 ， 然后也去理想 ， 反正跟理想也聊了 ， 然后大家聊完之后呢 ， 我觉得可能理想是比较适合我的 ，因为其实想过有两句话是比较打动我的 。
第一件事他觉得技术最终一定要服务于产品 ， 对 ，因为产品才是最终用户真正能体会到的东西 。
你技术吹的再牛逼没有用 ， 要交付给用户一个好的产品才有用 ， 这个才能与用户形成一个闭环 ， 对吧 ，他们才能做反馈 。
第二个点他觉得数据是一切 ， 这个我觉得这个认知当时想过有这个认知我觉得挺上头的 。
因为你觉得他不是 AI 背景的 ， 所以他有这个认知挺 。
对 ，因为跟其他人聊的时候大家就会讲 " 哎呀算法多牛逼啊 ， 我要做多牛逼的算法 ， 多牛逼的模型 "， 那小哥不说不行 ，他觉得我觉得他的认知跟 Elon Musk 有点像 ，他觉得这件事最后一定是数据的问题 ， 一定要把数据的闭环先做好 ， 你才能最终解决这个问题 ， 你知道自己的问题在哪才能解决 。
你当时就看了很多车企啊 ， 最后为什么选择理想 ， 决定加入智驾 ， 比如在 20 年的几月份 ？
我是 20 年 8 月份 ， 就上市之前 。
上 ，他们是 9 月上市 。
对对对 ，但是我真正入职是 9 月 ，9 月份入的职 ，但拿 offer 是 8 月份 。
你当时选公司的时候 ， 就这个公司马上上市这些就会是一个考虑点 ？
因为那时候大家都要上市 ， 所以都还好 。 对对对 ， 应该都还好 。 对 ，因为我觉得可能有两个点吧 ， 一个是小格我觉得比较打动 。
你刚说的两点打动你 。
对 ， 另外一个可能老黄比较打动我 。 对 ，因为跟老黄在百度的时候就认识 ，因为 16 年的时候就开始跟百度做 。
合作的 。
对 ， 合作 。 然后而且那时候理想的基本班级是以百度为主 ， 所以大家配合起来已经配合了一段时间了 ， 所以我觉得配合起来会比较自由一点 。
那你当时考虑理想的时候问了吗 ？ 理想应该是 19 年才开始交付第一辆车 ， 就是 One。
没错 。
就它有一个客观原因是因为在那之前理想做了一个那个小车 ，其实它相比于蔚来和小鹏这种就差不多同期成立的公司 ， 它推出量产车的时间是更晚的 ，而且整个 20 年它的销量也不是第一 ， 当时蔚来是第一 ， 甚至理想当时都没有用英伟达的芯片 ， 它那会用的应该是真神 3。
没错 ，但这里可能澄清一下， 那时候其实已经跟 NV 有战略合作 ， 就是它就是从 L9 那一代开始就用 Orin 的芯片 ， 就是当时是已经散 。
机跑好了 。
对对对 ， 已经散了 。其实理论上应该是理想是第一家签了 Orin 的 ， 只不过是不是第一家最后推出来量产的 。
然后我觉得当时选择呢 ，其中一个呢 ， 我觉得第一呢 ， 你得看你自己在这个团队中的重要性 ， 就是你真的想发挥的能不能发挥出来 ， 大家理念是不是一致 。
我觉得这个可能是我考虑的第一位 。 第二个呢 ，其实我觉得小哥另外一个打动我的一个点 ，他觉得虽然现在我不好 ， 或者说我用的是供应商的方案 ，但是我一定会认为自动驾驶这个是我的 ，他当时这是我的命根子 。他觉得他的一个思考是这样的 ，他觉得上半场大家只是电动化 ， 对吧 ， 无论你做纯电也好 ， 做增程也好 ， 这个东西对他来说可能很快就能过
去 ，因为大家最终可能都差不多 ， 拉不开差距 。他觉得真正能决定新能源生死的最后可能是智能化这一块 ， 所以自动驾驶一定是其中最重要的 ，因为他就是他的为什么叫车和家 ， 我觉得这也是他的 vision。他觉得一定要先把车上的智能先搞定 ， 那自动驾驶肯定是第一个 ，因为你至少先让它变成一个可以移动的机器人， 对吧 ， 我才能在这个车里头我可以唱歌娱乐
， 然后生活 ， 把它当做第二个家来用 ， 这才能成立 ， 这件事情才能成立 。 第二个呢 ， 一旦你有了这样的能力之后， 你也可以进入到家庭 ， 那同样的道理 ， 同样的技术战 ， 就可以在家庭中， 比如我做这种服务机器人， 才能把家顾好 。其实小哥是比较顾家的男人。
所以你会发现他所有的都围绕着这一点 ， 就是我最终一定是服务于我的家 ， 无论车也好 ， 就是我的第二个家 ， 然后还是最终服务于我自己的家庭也好 。
所以他觉得自动驾驶一定是第一步 ， 所以他觉得自动驾驶是他认为是最重要接下来最重要的一个战略 。
你们 20 年的时候就已经讨论机器人了吗 ？
我觉得他已经有大概这个想法了 ， 为什么他觉得叫车和家的一个原因 。
当时你和王凯面试了吗 ？ 王凯也是 20 年家 。
对对对 ， 没错 。
这次创业也是你的合伙人。
没错 。 对 ，因为这几个人我都聊过 ， 这几个人都聊了聊 ，因为老黄算我的加一 ， 然后凯哥是老板的老板 ， 然后 。
凯哥就是你的加二 。
对 ， 相当于凯哥是 CTO。
他是就是当时老黄是给王凯的 。
没错 ， 相当于凯哥呢是下面有自动驾驶做仓 ， 然后还有一些偏预言的 ， 比如说 OS 芯片 ， 这个传感器都在凯哥这 ， 就是偏智能化的 。
所以理想你是这条线都建了 ， 包括 。
是的 ， 没错 ， 都聊 。
那在未来和小鹏这边 ， 你和李明和和小鹏聊过吗 ？
没有 ，因为小鹏的没有就没有去聊 ， 只是跟绍兴聊 ，因为跟绍兴比较熟 ，因为我们跟他当时也是想用 NV 的芯片 ， 聊的比较早 ，16 年就认识 ， 所以他出来的时候也会跟我去聊 ， 要叫我去过去 。
然后跟他聊完呢 ， 我自己感觉
他那里是比较有一个比较成熟的团队 ，因为那时候那个张建勇也在 ， 那是比较成熟的团队 。 我觉得可能自己我还是想找一个够 fit 我自己的这个 position， 所以最后选了理想 ， 这样的话我至少可以把我自己的很多 idea 能够发挥出来 。
你当时想过创业吗 ？
没有 。20 年我觉得已经不是一个创业的好时候了 ，因为你如果再复盘一下的话 ， 基本 16 年 17 年是自动驾驶最高峰 。
创业成立的最高峰 。
对 ， 基本是泡沫最大的时候 。 然后 19 年，18 年 19 年开始朝下掉 ， 到低谷的状态 。 然后真正从低谷走出来还是靠魏昭礼 、 特斯拉这些人把自动驾驶从低谷拉出来 。
所以我觉得那个时候可能不是个创业的好的时候 ，而是说去车厂把自己的这些理念 ， 把自己的产品做出来 ， 我觉得可能反而是更加的一个选择吧 。
你想你在理想这里做了什么 ？ 因为 24 年 8 月份我和小婉 ， 赵宇 ， 就是晚点当时也是去采访你和老黄 。
最后那个文章的标题就叫 《 错晋升怎么先交卷 》。
对 ， 我刚才其实您刚才提到了 ，其实那时候理想的状态并不是特别好 ，因为第一款车失败了之后就马上做了增程 ， 做了理想 One。
同时呢 ， 自动驾驶的部分其实说实在也第一波也是供应商在做 。 那时候其实大家会有一个感觉啊 ， 就是理想是个没技术的公司 ， 甚至可能但如果说的比较难听的就是做增程就是偷哭丧屁 。
我当年很多类似这样的黑料都会有 。 然后自动驾驶也很小 ， 我去的时候可能大概也就二三十人这种感觉 ， 然后也没有真正自研 ， 所以我觉得是个非常差的一个状态 。他就觉得你们这个团队就是个菜鸡团队 ， 啥都没有 。
我觉得就这么个状态吧 。 但是咱们花了大概四五年的时间吧 ， 到现在大家觉得哎你们团队还不错 ， 我觉得这其实是个挺爽的逆袭的过程 。其实我是蛮享受这个过程的 。
那你们具体怎么逆袭成功的了 ？
我觉得真的是说第一个头上这几个人认知一定要一致 ， 我觉得这个是非常非常重要的一点 。 如果头上这几个人大家认知不一致 ， 那这件事绝对会死 。
头上这几个人指谁 ？
就是比如说小哥也好 ， 包括小哥 ， 小哥 、 凯哥 ， 然后老黄 、 我 、 佳佳 ， 然后这几个 top 前面这几个人。
如果大家对这个事的认知不一致 ， 比如说哎他觉得 Waymo 的方式好 ， 那他觉得特斯拉的方式好 ，他觉得 NV 的方式好 ， 那这件事绝对完蛋 。
就这几个人的一致认知就是说一定要照着特斯拉的方法去做 。
这个是你在 20 年 9 月之后加入理想就一致了还是怎么 ？
是回到刚才 ，其实理想给我传达的一个目的就是我要学特斯拉 ， 我要把数据做好 。
所以他之前影响好 。
我要做 OK， 对 ， 我一定要这么做 。他觉得自动驾驶才能发展起来 ， 我觉得这 OK 啊 ， 我觉得这个认知跟我是一致的 ， 我一定要一定跟你去做 。
我觉得第一步一定是这样 ， 大家目标一致 ， 认知一致 ， 这件事才能这个事基本能成一块 。 剩下的就偏组织的那个执行力 ，因为我觉得整个理想大家的是个非常战斗的团队 ， 说实在 ，因为您之前也采访过 ， 我就知道我们每年基本封闭个两三次 。
对 ，而且你们都会每一个项目都会取一个名字 ， 然后会有战役的这种感觉 。
对 ， 就大概就是打仗 ， 我们真的打仗 ，因为我们会经常我们团队的文化建设上我觉得有两个特别好 。
有一个呢 ， 就是说我们经常会大家去看一个纪录片 ， 叫 《 全营一杆枪 》， 你可以去搜一搜 。
全营 。
全营 。
全营一杆枪 。
就是当年这个 U2 侦察机进中国 ， 经常骚扰中国 ，但是因为中国的这个高射炮导弹都反应很慢 ， 就每次都打不中 ，因为你会发现从这个雷达发现 U2 进入中国领空 ， 到你真正发射出去 ， 中间可能长达几分钟 ， 那可能 U2 给你的时间只有 8 秒 ， 那你怎么从几分钟压到 8 秒 ， 那你就得全营大家就是大家想法的一致 ， 动作的一致 。
所以那个纪录片就是怎么把几分钟压到了 8 秒 ， 然后把这事情做成的 。 我觉得其实这个东西对团队的影响非常大 。
这是谁推荐给团队的 ？
我觉得可能老黄可能是最早的 ， 然后第二个我觉得是组织 。 组织呢 ， 它不是说组织架构 ， 就是你会发现理想汽车的自动驾驶基本没有组织架构这个概念 ， 大家是没有这个概念的 ， 大家还是以项目的概念 。
就像你刚才说我每启一次项目就会命个名 ， 然后从全部门去挑经营团队 ， 然后进到这个项目里头 ， 然后大家就找个酒店封闭开发 。
所以大家其实就并没有太多组织架构这种感觉 ， 都是项目制 。 我来了一个项目就开始窜人， 找各方面的人， 然后组织把它做出来 。
所以你会发现理想汽车出来的人， 大家其实对组织架构这个事基本没有太多概念 ， 所以还是以打仗的方式去组织整个团队 。
我觉得这可能是我觉得为什么后面做得快的一个原因 。 我觉得第三个其实脱离不开的 ， 还是说你不仅仅说目标认知一致 ， 这个执行能力强 ，但我觉得 vision 方面也得很重要 。
所以其实我觉得小哥他们和凯哥他们建立的一个好的一个方式就是说 ， 无论你打仗多么难的时候 ， 都要留出一部分人去做什么 ， 做 R&D 相关的一些开发 。
做研究 。
做研究 ， 你一定要有人跳出这个打仗这个氛围 ， 去看一看哎有没有其他更好的选择 。 所以你会发现其实理想从 23 年开始 ， 从 22 年开始吧 ， 你会发现每年的论文数 ， 挺会的论文数 ， 尤其是最近这两年， 基本是剩下自动驾驶团队可能加起来还多 。
那其实我们是有一个很好的 R&D 的这样的氛围 ， 一定要有人去探一探前沿 ， 将来有没有更好的办法 。
所以后期为什么大家突然觉得哎理想的发展速度 ， 就是理想汽车自动驾驶的发展速度怎么突然就这么快了 ，也是因为前期有很多人在探类似的方向 ， 比如端到端 ， 对吧 ， 比如 VLA， 比如双系统 ，其实很早我们就类似的论文就已经在做了 。
真正到哎真的某一天我想跟别人拉开差距 ， 直接把这东西转到 PDP， 转到量产去 ， 然后大家立马把这东西交付出来 。
我觉得这是一个非常好的习惯 。
自研首战34:44
你自己参与的几次打仗的过程中间 ， 哪一次对你来说你觉得压力是最大的 ？ 印象最深 。
我觉得真的对整个团队压力最大 ， 生死啊 ， 我觉得有两个 ， 第一个就是第一仗 ，因为我们 21 年真的开始自研 ，因为你可以当做我们团队就是个内部创业团队 ， 对吧 ， 这是第一次亮相 ， 第一次打仗 ， 如果不成 ， 那就基本你这个创业团队就没了 ， 对吧 ， 所以那个阶段是最难的 。
这是一个 ， 就是那时候用双 J3， 第一天的双 J3 去做交付 ， 我们第一次真正自己做交付 ， 基本大概 。
第一仗的目标是什么 ？
真正能在三个月之内把高速 NOA 交出来 。
三个月把高速 NOA 交出来 。
代码为零 ， 那时候代码基本是零的状态 ， 把一个三个月之内 100 天能把一个东西交 ， 能把一个完整的高速 NOA 交出来 ， 就是量产 ， 就直接给用户车拖到用户车上去 。
当时就一句话 ， 就是你的时间 ， 就是当你的一个时间掰成 3 份的话 ， 虽然说我们只有 100 天 ，但是如果说你的时间利用率足够高 ， 大家并行去走 ， 然后每个人可能每天的工作时长可能比别人更多 ， 效率更高 ， 那你的 100 天可能变成 300 天 。
所以我觉得这为什么刚才给你一直提那个 《 全营一杆枪 》 那个故事 ， 怎么把几分钟的时间压成 8 秒 ， 我觉得那个真的是我们做到的极致了 。
因为你说当时刚进入理想的时候 ， 这个团队是二三十人吗 ？
对 。
那你们当时第一仗 。
21 年打第一仗 80 个人。
80 个人。
80 个人。
80 个人， 然后三个月完成这件事情 。
对 ， 没错 。
如果总结下的话 ， 就除了你刚才说的就是它是一个项目制的 ， 然后大家把时间怎么掰开花之外， 它跟就是那会儿市场上已经有比较成熟的方法 ，其实你们是在去追赶跟这个有关系吗 ？
我觉得另外一个可能真的是 adding the show， 那个时候真的是生死战 ， 就这件事就不成这个团队就可以解散了 。
对 ， 我觉得大家还是心里憋着一股劲 ， 为什么就是别人能做我做不了 ，是吧 ， 我觉得这个就是很重要 ， 就大家至少是要一致 ， 那这件事才能做成 。
所以我觉得这个形成合力就是非常重要的 。 然后第二个我觉得可能也是当时我觉得凯哥和老黄他们其实还挺有魄力的 ，因为当时你看 GO3 没人用 ， 对吧 ， 地平线的芯片我们是第一个量产 ，GO3、GO5、GO6 都是理想汽车第一个量产 ， 然后呢 ， 核塞的激光雷达我们第一个用 ， 第一个量产 ， 然后 SensType 的毫米波雷达我们第一个用 ， 然后我觉得这些其实说实在 ，在那么紧的
情况下还要用这么多新东西 ， 我觉得这个东西有一定的方法论在里头 。 这些你说地平线也好 ， 核塞也好 ，SensType 也好 ， 这些团队跟我们一起关起了封闭 ，他们直接就派几个超人跟我们一起 ， 就大家真的是形成一个团队 ， 我觉得最终是才能把这件事做成 。
我觉得这也是可能组织能力上的一个很好的体现 。 因为那个时候我觉得还有一个啊 ， 我觉得不能选 ， 就是你的这几个战略伙伴 ，有一个比较好的感觉 ， 我觉得不能选那个行业老大 ， 你一定要选一个行业老二老三 ， 就是这件事做不成他也是死 ， 这样的话大家才能真正的最终能把这件事做成 。
我觉得就要找这种可能才能大家自己开始当成那个 adding the beast 这件事 ， 我还是比较信 。
就是一群 underdog，但是憋着一股劲 。
对 ， 憋着一股劲 ， 我一定要做成 ， 对 ， 我做不成这个团队也好 ， 这个公司也好就会死 。 我觉得这件事可能是大家还是比较契合的 ，因为你看现在无论地平线也好 ， 核塞也好 ， 跟我们跟理想汽车的调性都比较像 。
在这个过程中间 ， 理想给了你们哪些支持或者鞭策呀 ？
我觉得最大的我觉得两个事 ， 一个是充分的信任 ， 这件事就交给你们做了 ， 我不给你们 ， 我不逼逼 ， 你们想要什么资源我都给 ， 这我觉得这是一点 。
第二点呢 ， 就是我觉得充分的真的从高层上能把这几家公司能拉起 ， 对 ， 无论小哥也好 ， 凯哥也好 ，他们都亲自出面 ， 比如跟地平线去聊 ， 对吧 ， 大家形成共识 ， 至少大家认知是一致的 ， 对这件事认知一致 ， 做不成咱都得死 。
所以这是可能对凯哥来说是个很好的帮助 。
对 ， 我觉得理想对这些供应商的组织层面其实影响也挺多的 。
非常 。
比如说像地平线以前是用钉钉嘛 ， 后来因为理想只有飞书 。
我们最早用飞书的嘛 ， 飞书的试用版就是我们开始用 。
对 ， 然后地平线后来也是那个改成飞书 。
甚至到有一段时间 ， 地平线的所有的战略和组织的形式都跟理想非常像 ， 比如说以前我们有方法论叫 LSA。
LSA。
叫 Lean Auto-Strategy Analysis， 就是偏战略分析的 ， 就是这件事我怎么做 ， 我们会首先去考虑这个行业处于什么阶段 ， 对吧 ， 我做这件事我的用户是什么 ， 我的用户需求是什么 ， 对吧 ， 这个阶段我该我是这个行业的问题是什么 ， 我用什么方法去解 ， 我以什么的组织形式去解 ， 对组织架构去解 ， 我以多少钱多少预算去解这件事 ， 你会形成一套方法论
， 这影响到我们自己后面创业也是大概类似的方法论 。 那有了这套方法论之后， 你才开始去做这件事 ， 从人从钱从事 ， 人事钱嘛 ， 三件事都能梳理的比较明白 。
你会发现后来地平线有一个叫 HSA， 就类似的事情 ， 对 ， 你会发现 。
是 H 就是 Horizontal。
对对对 ， 没错没错 ， 就类似的想法吧 。
你们 21 年上了那个高速 NOA 是有图 ，有高清地图吗 ？
有高清地图 ， 那个时候肯定是有高清地图 。
所以这是你觉得最难的第一仗 。
对 ， 第一仗很难打 。
你当时还有一仗也是 。
无图切换40:06
还有很难的一场仗呢 ， 就是从有图切无图的时候 ， 那个阶段的其实说实话是个比较大的一个 battle。
是在 23 年前后吗 ？
对 ，23 年， 对 ，因为那个时候开始做城市 ， 我们后来发现做城市最大的问题 ， 如果你基于有图 ， 那就意味着你的效率是非常非常低的 。
大家如果记得的话 ， 大概那段时间大家就聊开程 ， 对吧 ， 我开了多少多少程 ， 我比你开程速度快 ，但我们发现后来发现最后就是卷 ， 谁的地图做得快 ，而且其实车体还有个最要命的 ， 你其实是没有地图自制的 ， 那你就依赖于地图供应商 ， 比如高德百度 ， 那你意味着你的产品力或者你的覆盖范围最终已经受限于地图供应商 。
那小哥我觉得这是小哥给我们带来的一个思考 ， 那他会说为什么我花用户花了同样的钱 ，有的用户可以享受到城市 NOA，有的用户享受不到 ， 那这件事对用户是不可接受的 。
他是指因为你们在不同城市的地图做的速度不一样 ， 就导致 。
对 ， 那个阶段比如像高德可能全国只有 30 个城市 ，而且都是城 ，30 个城市的这个重点的主干道才有 。
而且它肯定是一线城市二线城市 。
对 ， 它就慢慢这样铺开 ， 那就意味着很多三四线城市它就享受不到这个功能 ， 那这对于小哥这种产品自制很强的人， 对吧 ，他我一定要追求完美的产品 ， 对他来说是不可接受的 。
那我就在想有什么办法可以 ， 那就只能是说把高级地图抛掉 ， 那这件事其实是没人做过 ， 那在国内我们是第一家 ， 真正第一家 。
这是从需求来判断 ， 那从技术是可行性上吗 ？
技术可行性上其实我们一直有预言团队嘛 ，其实我们以前在做那个有图交付的时候 ，其实就一直有一支小团队在看无图这件事到底 work 不 work， 当时叫 MapList 团队 ， 就是无图团队 。其实我们后来发现在深圳跑下来还 OK， 深圳其实很复杂 ， 就是它可能高价特别多 ， 小到也特别多 ， 城里小到也多 ， 我发现哎这件事其实对比下来比有图 ， 虽然说没有
它那么强那么好 ，但是你会发现这件事有戏 ，在这么复杂的东西它也能跑 。 所以我们为什么说那个就有图的第一版发完之后， 我们就觉得一定要立马切 ， 那时候整个团队就立马切到一个就无图的这种团队 。
但是到无图呢 ， 你会发现其实它确实产品力在下降 ，因为确实那个时候数据也不够多 ， 然后你突然就把它全部都放开 ， 包括什么小道 ， 对吧 ， 高速 ， 高速这个城区的主干道 ， 甚至包括园区内的道路都开放的话 ， 你会发现整个产品力下降的是非常多 。
那个时候就会团队压力会比较大 ，而且那一段时间也刚好赶上了理想的裁员 。
你上次跟你几月份的事啊 ？
那就是四五月份的事 ， 刚好赶上裁员 ， 就整个公司的士气不是特别好 ， 所以那时候公司就整个团队成压非常厉害 ， 那时候也裁了很多人。
我觉得这个那个阶段可能大家是感觉压力比较大 。
当时外界对裁员的一个解读是说 ，因为从有图切到无图之后， 你用了更多深度学习 ， 更少规则之后， 不需要那么多无图 。
我觉得这是一方面 ， 我觉得确实是有这方面的考量 ，但是我觉得可能更多的还是跟公司经营有关系 。 我觉得这个因为那段时间整个公司都在裁员 ， 我觉得那可能智驾团队不可避免的也会受到影响 。
那个时候理想会如果在群里或者开会的时候 ， 它会怎么来复制你们 ？
那肯定是这样 ，因为你要知道小哥肯定是那种对那种产品瑕疵是零容忍的 ，是暴脾气 ， 真的是直接会开骂 ，因为他是每天都会开 ， 小哥是只要有了新版本我们立马会推到他的车上 。
因为那个时候你该跟他隔了是两期对吧 ？
对对对 ，在同一个群里 。
哦 ，OK， 所以他不是单独这样一层层的 。
对对对 ，因为那时候其实是 。
把压力都是大家都能感觉到的 。
对 ， 那肯定是这样的 ，因为当时的项目负责人是我和佳佳 ， 对 ， 我负责技术 ， 然后佳佳负责交付 ， 然后我们两个其实是考验最多的 。
你觉得他说的什么话会让你就还挺压力山大的吗 ？ 你还记得一些什么原话吗 ？
就是这东西再不行你们这个团队就解散 ， 你们就滚蛋 ， 就类似这种吧 ，因为那段时间真的是每隔一段时间你会听到你怎么团队不行啊 ， 或者是这个产品不行啊 ， 这种感觉 。
那你自己是怎么扛住的 ？ 他如果经常说你们干不好就要解散的话 ， 你没有中间你没有想过那么走算了吗 ？
我觉得还是我就心里自己心里还是憋了一股气 ， 我觉得还是没把自动驾驶这件事做成 。 我觉得做成了这件事你再走 ， 风风光光走 ， 我觉得这我觉得是比较符合我人设 ， 比较符合我自己性格的 。
如果说灰头土脸我们把这件事做好 ， 那我宁愿在这待着 ， 我把它做好了我再走 ， 这我觉得是大家这个认知是比较一致的 ， 比较能拉得起 。
所以你会发现到后面突然某一天 ， 突然小哥说哎 ， 我觉得这个无图还可以啊 ，有很多你会发现就大概也没过了多长时间 ， 大概两三周 ， 三四周的这种感觉之后， 才发现突然某一天发现哎 ， 这个事还可以啊 。
所以后来到 6 月份的时候就开始推向全量了 ， 就推给普通用户 。 所以这个我觉得一方面你要可以想到传达这件事是对的 ， 你一定要说服他 ， 就无图这件事一定是对的 ， 只不过说此时此刻我们刚切 ， 你很多东西还在迭代过程中， 它没有那么完美 ， 肯定会表现出很多瑕疵 。
但是我小哥我们知道原因在哪里 ， 我们会把一条一条它的所有数据 ，因为我们的数据的闭环 ， 它每个问题的数据我们给它分析出来 ， 到底什么地方出了问题 ， 然后这个地方我们其实已经在迭代 ， 已经有方案了 ， 然后一周之后会给它一个时间 ， 这一条什么时间你会体验到已经变好了 ， 这条什么时候它会变好 ， 然后给它一个准确的时间
， 然后大概两三周之后他会发现哎 ，他列出了所有的问题 ， 哎 ， 基本大部分都被解决了 ， 那他会觉得开下来很爽 ，因为这时候你已经没有地图的限制 ， 你在这一小道园区大路高速哎 ， 都可以开 ， 那他就觉得这个产品力立马就上了一个台阶 。
所以后来才会有那个什么人员召回的问题 ， 又把很多以前裁掉的很多同学又召回来了 。
就是外界解读当时从有图到无图的整个这个行业的一个转换 ， 我觉得这是理想就是后来居上的挺关键的一个点 ，因为一些之前更靠前的公司 ， 比如说像小鹏 ， 可能它这个转变就没有那么快 ， 这个回头来看是为什么 ？
我觉得一方面还是说还是 PDRD 的配合 ， 就真的前面已经有个小的预言团队已经让我们看到它的这个 ， 已经让我们看到它一个比较好的一个期望 ， 那我觉得这是很好的方向 ， 一定要坚持 。
那第二个点呢 ，其实是我觉得自动驾驶啊 ， 这尤其理想自动驾驶这个团队 ， 就大家没有历史包袱 ， 我觉得这是为什么后面两年迭代这么快的一个原因 。
我们觉得这个方向好 ， 那我们就不要被历史做羁绊 ， 对吧 ，有图虽然说这个产品力好 ， 然后也有很多历史代码 ， 那我觉得就一次性全部推翻 。
我觉得这个可能是我们小哥有一句话我觉得特别顺 ， 特别好 ，他觉得没有任何人可以避开坑 ， 你可能是只能说比别人少掉坑一点点 ，但是每个人都要掉坑 ，但是一定比最后是谁爬坑能力更快 ， 就不要在这个坑里徘徊 ， 自己自怨自艾 ， 然后我要在这个坑里我要尝试把这个坑再垒起来 ， 我要把它修复好 ，而是说你真的是说如果这个坑已经彻底 ，
你觉得下一个可能会更好 ， 你要立马从坑里爬出来 ，其实最后你比的是谁爬坑能力更强 。
他还说过要掉坑就一起掉 ，不要有人在外面说风凉话 。
对 ， 我觉得是这样 ， 我觉得其实这也是要错大家一起错 ， 还是刚才那个大家的认知要一致 ， 要错一起错 ，因为只有这样 ， 只有大家一起错的时候 ， 大家才哎错了 ， 好 ， 那大家一起爬 ， 你才能形成这个共识 ， 否则就有人就说哎 ， 你看你们掉坑里了吧 ， 我当时说你们这个不对 ， 你们非得去 ， 那这种事这个团队绝对是完蛋 。
因为你刚才也说你的性格是你希望把一件事做成之后， 然后再考虑下一个事情 ， 就是在智驾这件事情上， 你觉得做到什么阶段 ， 你觉得理想的智驾在你自己心里你觉得它是到了一个成的阶段 ？
我觉得第一个呢 ， 就是说咱自己的产品确实大家认可了 。
那是发生在什么时候 ？
我觉得那是发生在端到端双系统交付的时候 。
是 24 年到 25 年 ？
对对对 ，24 年底吧 ， 大家双系统真的成熟之后， 大家觉得突然就觉得哎 ， 理想的自动驾驶团怎么变好了 。
我觉得有三个比较我们内部会 track 的指标 ， 第一个呢 ， 就是你的日活到底有没有上， 就是用户是不是真的在用 ， 别人自己吹牛逼你的产品很好 ， 对吧 ，但是用户其实没有在用 ， 我们发现哎 ， 日活确实每天在增加 ， 我觉得这是我们内部会 track 的指标 。
第二个呢 ， 就是你的里程占比 ， 就是虽然说我每天在开 ，但是我就开一下， 然后我不持续用 ， 那这件事也 work， 我得看你真的智驾占你每天通勤路线上， 比如说我每天开 20 公里 ， 你智驾占有多少比例 ， 这才真的用户真的喜欢用 。
那第三个指标是什么呢 ， 就是 NPS，NPS 就是净推荐值 ， 就是你是不是真的大家这个用户很愿意把我智驾的产品推荐给你的朋友 ， 给朋友吹吹牛逼 ， 对吧 ， 说哎呀你的理想的智驾不错 ， 你也来买 ， 我们会发现 NPS 我们你会内部去 track 这个指标 ， 会发现非常漂亮 ， 这个东西你会发现它才是真正产品意义上真正成功的几个指标 。
然后第二个呢 ， 我觉得商业化上我觉得比较不错 ，因为我们刚开始做的时候 ，因为我们平台分成 Max 和 Pro， 高低配嘛 ， 高配才有智驾 ， 然后早期的时候 Max 大家不愿意买 ，因为你要多花 3 万块钱 ， 那个比例很低的 ， 百分十几 ， 大家就没人愿意买 Max 的版本 ， 然后到了现在可能 Max 已经过了 70% 了 ， 就是你在商业上也变得哎 ， 大家认可你 ， 大家愿意
多花这个钱去买 Max 的版本 ， 大家认可你这个产品 ， 你真的实打实是个赚钱的团队 ，而不是说是个纯花钱团队 ， 纯造钱的团队 。
我觉得这个可能是我觉得第二个比较好的 ， 我觉得做的成功的一个地方 。 第三个可能就是行业的认可度吧 ， 我觉得至少目前来看 ， 你说中国什么智驾做的好 ， 哪个团队做的好 ， 至少我觉得大家就是华为 、 理想 、 小鹏 ， 对吧 ， 然后可能再加上我们大家认为这可能是普遍认为的第一梯队 ， 然后大家觉得哎 ， 确实理想从短短的时间内能从一个很落后的状态
能跻身到第一梯队 ， 大家觉得哎 ， 挺好的 。 那我觉得可能对于整个智驾业务来说 ， 这是可能三个成功的方面 。
你在后来去做端到端 V2V 客户看到系统世界模型这些的时候 ， 你没有觉得那么难吗 ？ 相比你们之前你刚说那两个项目 。
我觉得真的跑顺了 。
整个系统系统跑顺了 。
对 ， 整个预言然后到 PD 的转化这个过程大家跑得很顺 ， 你会发现 ，因为我发现后面论文的产出会非常快 ， 经常会有新的论文出来 ， 每年可能都二三十篇 ， 顶多有个论文这样出来 ， 你会发现这个转化就非常自然 ， 大家形成体系了 ， 那这个打法就大家就很顺 。
所以到后面端到端也好 ， 双系统也好 ， 视野模型 V2V 也好 ， 我觉得大家就很容易就串起来了 。
具身创业51:16
你是不是在做这些方向的时候 ， 差不多也是 24 年与 25 年就开始考虑这次局限的创业了 ？
我第一次真的有强烈感受的 ， 可能是 24 年底 。
24 年底当时发生了什么 ？
24 年底呢 ， 就是 V2V 我觉得那时候预言的时候也基本已经看到还不错 ， 对吧 ， 把 V2V 这个东西而且那时候派 0 那时候已经出来了 ， 我觉得 V2V 这条是个很好的方向 ， 然后预言了一下发现确实是 work， 然后第二个呢 ， 就是数据驱动端到端加双系统这件事 ， 你会发现它的很 powerful， 就随着数据的增加 ， 随着用户使用量的使用量的增加 ， 你所有那几个指
标都在变好 ， 你会发现这个范式找到了 。 然后第三个其实对我影响最大的 ，不仅仅是这个 ， 第三个其实是跟 Tesla 的交流会比较多 ， 我发现其实 Tesla 的 V14 它那时候已经 V13 出来 ， 然后再做 V14 的版本 ， 发现跟我的思路是一模一样 ， 我当时就感觉又惊喜又有点失望 ， 说实话 ， 惊喜的就是哎 ， 它跟我们的想法是一样的 ， 下一代用的就是一个一体化的 V2V
这种感觉 ，因为它把视野模型跟 V2V 合在了一起 ， 我们的想法也是类似的 。 然后第二个呢 ， 我觉得稍微有点那个失望的就是它竟然比我们还晚 ，因为它是最近一代才开始把语言能力放进来 ， 去做 System 2 的这种长链条的 COT， 去做一些 Condensed 的解决 ，但是我们 24 年就已经把它量产了 。
然后同时呢 ，也跟 NV 的团队去聊 ， 就是 Tesla 进展到哪一步 ， 然后也看它在 Austin 的 Robotaxi 的进展 ， 那个时候我就觉得感觉好像自动驾驶的方法论 ， 尤其技术上的方法论 ， 我觉得找到了 ， 对 ， 数据驱动 ， 然后可能更好的一体化的模型 ， 然后更高的算力 ， 那这条路是可以走到终局的 。
那个阶段我就在想可能差不多了 ， 增量真的差不太多了 ， 我觉得尤其刚才您说的 Waymo 跟 Tesla 的路线之争 ， 基本是有结论了 ， 所以我就感觉可能自动驾驶的技术范式的终局我觉得差不多了 ，因为再朝后其实我觉得可能理想也好 ，Tesla 也好 ， 大家可能都开始在做 ， 准备在做这种用户体验的量产 L4 了 。
那到那个阶段我觉得可能能预期到的第一 ， 端侧的算力会越来越大 ， 对吧 ， 然后模型会越来越大 ，但是我觉得整个数据驱动 ， 然后这个一体化这个模型的这个范式不会变 。
所以我自己当时的感觉就是作为技术人员来说 ， 感觉没有那么没有太多新东西 ， 想可以去发挥了 ， 可能接下来 L4 可能是偏这种偏效率偏运营 ， 可能这也可能不是我们擅长的事情 。
所以从 25 年初的时候 ， 我就开始跟老板陆陆续续开始在聊类似的事情 ， 我说老板我觉得可能到了下个一体化 V2V 这个阶段之后， 我觉得可能自动驾驶差不太多了 ， 我可能我想干点其他事去了 。
你当时说的想干点其他事 ， 你指的就是自己出来创业还是说在理想内部干其他事 ？
当然我自己还没有特别想好 ， 只是隐隐的给老板去讨论这些话题 ， 对 ， 然后我当时感觉可能有几个方向可以去做 ， 可能比如说包括大模型 ，但是我觉得 24 年底那时候大模型已经不太能做了 ， 那时候基本已经只有大公司可以玩得动 ， 然后还有一些比如偏 Agent，但是 Agent 还是比较火的 ，但是后来我觉得 Agent 这件事它可能
不是我那么想做的这件事 ， 它可能偏类似十年前做 iOS APP 那种感觉 ， 我觉得可能很快大家都会去做 ， 我觉得后来像 OpenClaw 这个出来之后其实确实是这样 。
然后第三个可能能做的是偏 AI 硬件 ， 偏 AI 硬件强结合 ，但是后来其实真的跟深圳那帮人去聊完之后， 你会发现其实你是卷不过深圳的人的 ，因为他对 AI 的要求没有那么高 ， 顶多就是调用一些基础模型去做一些偏场景的事情 。
我觉得它是非常产品和用户驱动 。
但是产品用户驱动的同时， 它的硬件迭代速度非常快 ， 就是偏 Toolseed 的硬件 ， 所以也不太适合我 ， 所以我最后看下去可能找来第一呢 ， 终局会比较漂亮 ， 终局比较好 ， 它的市场足够大 。
第二 ，AI 一定是它的强核心的东西 ， 强驱动的这个驱动力 。 那第三个的话就是跟我自己背景也比较接近 ， 就是软件硬件然后算法都会这种强结合的这样的场景 ， 后来发现只有具身可能是比较适合的 。
那我觉得你考虑这四个方向其实比就算创业去考虑 ， 所以你会考虑哪些其实是大公司才能做 ， 哪些可能新团队能做 。
因为我做完自动驾驶 ， 我就觉得可以给自己十年的自动驾驶的生涯可以缓一句好 ， 我觉得可以开启一个新的生涯吧 ， 可以可能下一个十年做的事情 ， 那我就在这么考虑 。
另一部分可能自己年龄也差不多了 ， 我觉得可以尝试一下自己去跑一个 business， 跑一个真正单独的团队 ， 然后再配合自己的兴趣把这件事能做成 。
你创业的这个初心或者说原动力是什么样 ？ 因为有的人可能是他到了人生的一个阶段之后想创业 ， 甚至有的人可能一天班都没上过 ，他一直就在创业 ， 比如说理想本人就是这样 ， 然后他也把自己的这个想法 ，他应该很长一段时间帮我圈的签名是追求成长的极致 。
追求成长的极限 。
追求成长的极限 ， 对 ，是这样一个描述 。 那有的人可能是他一直是做一个方向的 ， 比如说做某种技术或者某种产品或者服务某种客户 ， 然后到了一定阶段他看到这个方向有新的大的机会 ， 你会更偏向哪一种 ？
我更想偏呢 ， 就是想找一个十年十五年我自己的事情来做 。
你想做自己的事情 。
对 ， 我还是想找一个下一个 career， 真的能让我安心的能做十年十五年， 有这么个事 ， 然后能把它做成 ， 然后很有成就感 ， 我是这么去思考的 。
那你自己的一直要得到非常强的贯彻 ， 你自己实际化位这件事有多重要 ？ 因为这次你实际化位是 CEO。
对 ， 没错 ， 我觉得这个东西呢不是我强追求 ，因为跟凯哥也好 ， 跟佳佳也好 ， 说实话我们三个人其实说实话有点互补 ，因为能力偏向不太一样 ， 那我可能更偏技术一点 ， 偏算法一点 ， 然后呢佳佳可能偏软件偏交付 ， 然后凯哥呢偏管理 ， 那我们三个人其实你说谁做一号位可能都 OK，但是仔细讨论下来其实这件事尤其具身 ， 它是偏技术驱动
的 ， 尤其是早期偏技术驱动 ， 所以技术方向一定不能错 ， 还是说一定要有一个比较接近的一条路 ， 技术范式上一定要坚持住 ， 所以大家讨论下来觉得其实我做一号位是比较合适的 ，因为我对技术的判断也好 ， 对技术的坚持也好 ， 可能是比较适合这个赛道 。
你要说管理能力 ， 那我觉得可能不如凯哥 ， 凯哥呢其实是这么多年管理过很大的团队 ，在 VC 也做过 ， 然后芯片软件硬件全都做过 ， 我觉得这个东西他可能管理能力会强 ， 然后你说拼交付 ， 拼这个执行力 ， 那我肯定没有佳佳强 ，但是我们三个人因为一起共事了这么多年， 大家确实是有背靠背的这种感觉 ， 我可以很放心的 ， 比如把融资交给凯哥
， 我基本不用太怎么管 ， 就融资就很漂亮 ， 然后硬件软件的开发 ， 交付的问题我也不用特别操心 ，有佳佳去你就完全看不住 ， 我可以完全很放心的把后备交给对方 ， 我觉得这是一个我特别喜欢的一个状态 。
所以你自己是做最后的决策和拍板吗 ？
没错 ， 尤其是我觉得此时此刻整个具身 ，其实大家从数据到算法 ， 我觉得整个范式还没有收敛之前 ， 这个判断是非常重要的 ，因为这个你会发现所有 AI 相关的问题最花钱的两个东西 ， 一个是数据 ， 一个是 GPU 算力 ， 所以这个东西不能造成浪费 ， 就是其实我们团队的人说我是个很抠的人， 对 ， 我因为我是在想真的在没有找到范式之前 ， 没有收敛之
前 ， 钱要省就花 ，但是一旦找到范式之后， 一定要使劲砸 ， 我觉得这是我的心法 。
你从理想身上学到什么样 ？ 就当你来开始创业这个 。
我觉得给我几个事情 ， 第一个产品 ， 我觉得我想过说过一句话 ， 我觉得是我受用非常多 ， 技术一定要服务于产品 ， 产品服务于商业 ，因为你最后其实你还是个商业公司 ， 你不是 research lab， 所以最后一定是以商业结果说话的 ， 所以你的产品一定是说要真的解决用户的需求 ， 甚至超越用户的需求 ， 这是想过这个问题的 ，不要说你问用户你
需要什么 ，而是要主动去发现 ， 用户他可能还没发现自己的需求 ， 所以要超越用户的需求才可以解决 ， 我觉得才能做出一个比较极致的产品出来 ， 我觉得这是第一个 。
第二个组织 ， 一定要在意组织文化 ， 就是大家对这家公司的认同感 ， 这件事一定要做好 ， 否则很容易出现大家好的时候大家都很好 ，但是一旦出到困 ， 一旦遇到困难 ， 这家公司就散了 ， 所以组织这件事一定要做好 。
第三个呢其实还是说 ， 我觉得这是可能想跟售后商在汽车之家的时候 ， 就是这家公司的决策权一定要掌握在一个人手里 ， 这个人一定要有拍板的这个能力和权力 ，而不是说发散 ， 很容易被别人去把这个决策权拿走 ， 那这家公司也是不稳的 。
所以我觉得这三点呢是我觉得想的对我改变比较大的三点 ， 尤其总之前你看两部分 ， 它着重强调了第三点 。
我本来也想问他的建议是什么 ， 着重强调了第三点 ，他还给你有什么建议 ？
生产我觉得可能他觉得具身这件事他是没有任何问题的 ，他跟我说过一句话就说此时此刻你去创业问题不大 ，他觉得行业里他的经验是行业里第一个做的一定会死 ，但最后成功的一定是第一批 ， 所以他觉得你趁早这件事没有任何问题 ， 所以他觉得方向上时间点都 OK， 所以他觉得更多的是给我提了很多 ， 包括组织 ， 包括控制权 ， 包括人的这些建议 。
你当时正式跟他提是在 25 年的什么时候 ， 是一个什么情形 ？
正式提说实话跟小哥聊的已经比较晚了 ，因为前面还是主要跟老莫跟马哥聊 。
但他们应该也告诉你了 。
对 ， 肯定是说第一时间告诉你 ， 那基本已经是到 5 月份 。
那就是你离职很近了 ， 你是 7 月份离职 。
对 ， 我是 6 月底 。
6 月底离职了 。 对 ， 然后你跟理想讨论 ，他也认为你现在还在这个第一批的这个阶段 。 我就想知道这个判断是怎么形成的 ，因为其实在 24 年的时候 ， 就有一些人在预言说 25 年可能具身会进入一个相对低谷 ，因为 23 年、24 年已经有很多公司成立 ， 然后有很多公司也拿了很多钱 ， 估值涨很快 。
那后来发生的事实是到 25 年新成立的公司还是可以获得很多的资本的支持 ， 包括质检我知道也是融得非常好 ， 你们应该是已经到第五轮了 ， 对吧 ？
对 。
而且第五轮的投后是超过 100 亿的 。
没有 ， 这还没 。
还没确定 。
对 ， 还没确定 。
这总是你们很有可能是我知道的公司里面 ， 就从成立到估值到这个量级可能是最快的一个公司 。 就是你怎么看 ， 为什么它这个具身的成立窗口 ， 它其实没有这么快的关闭 ， 它从 23 年到现在其实一直都是敞开的 ， 这个和大语言模型还挺不一样的 。
对 ， 我觉得大语言模型我觉得有其实有傻 ， 咱先看大语言模型 ， 咱再看具身 ， 我觉得就很容易推断出来 。
大语言模型它有几个优势 ， 第一个呢它是有构图的 ，有 OpenAI 在前面探路 ，OpenAI 探了这么多年， 它已经找到了范式 ， 就是大家其实 follow 它这个范式是没有问题的 ， 对吧 ， 这是第一点 。
第二点呢 ， 大模型它有先天的优势 ， 就它的数据来源不缺 ， 它跟自动驾驶很像 ， 自动驾驶说实话也不缺数据 ， 你只要产品车卖出去 ， 我就源源不断的数据回来 ， 对吧 ， 那大模型它说实话你有这么多互联网数据 ， 你就源源不断 ， 然后你就解决你的算力的 infrastructure 问题 ， 解决你模型的问题就可以了 ， 你可以集中精力解决这些事情 。
那第三个呢 ， 就它的应用环境非常漂亮 ，因为它是纯虚拟的 ， 你不需要跟物理世界去做交互 ， 即使你错了 ， 对吧 ， 用户可以容忍 ， 比如像 ChatGPT 刚出来的时候也一堆错误 ， 对吧 ， 可以容忍 ，因为它不会对我造成任何损失 ，但是现在随着它的应用越来越多 ， 开始造成损失了 ， 前天看到那个 Meta 的那个安全总监的所有的邮件被删掉 ， 然后 Amazon 宕机 13 个小时，
这可能都是 AI 导致的 ，但是我觉得初期的时候它的容错率非常高 ， 这就让它形成一个非常好的一个创业环境 ， 对吧 ， 大家只要 follow OpenAI 的范式 ， 我有源源不断的数据 ， 同时我的初期的我的应用的容错率非常高 ， 那就非常友好 ， 这是非常友好的这个创业环境 。
然后你看自动驾驶也是类似 ， 数据源源不断 ， 然后有 Tesla 在前面范式 ， 你们解决的差不太多 ， 七七八八了 。
第三个因为你是有用户可以接管 ， 对吧 ， 用户是坐在主驾上， 就是你不好的时候用户还可以自己开 ，但是你反看具身 ， 说实在你这些条件都不具备 。
第一个呢 ， 你的技术范式不知道 ， 到现在我觉得没有特别收敛 ， 对吧 。 第二个呢 ， 你的数据说实话你不具备先天优势 ， 你没有你刚起来 ， 刚冷起那会你没有那么大量的数据 ， 自动驾驶有那么多的数据 ， 大模型有那么多数据 ，但是具身不具备 。
那第三个呢 ， 那你的应用场景 ， 对吧 ， 你不像大模型 ， 我一开始对话就行 ， 自动驾驶有人接管 ， 那具身你得独立干一件事情才行 ， 那你必须得做到接近 100%， 那你都不是很非常友好 ， 那我觉得那它可能就这个周期就会非常非常长 。
所以它这个第一批的这个窗口持续的时间也会比较长 。
有可能 ， 就我觉得还是回到咱们刚才那个十年的技术的这个周期来看 ， 基本推 To B、To C 三个阶段 ， 推的话你可以看基本看 ， 基本增量推是 13 年到 16 年，13 年基本 Autopilot 的 1.0 开始 ， 大家开始冲进自动驾驶这个行业 ， 然后 16 年基本就到最高峰 ， 三四年四年我觉得没啥问题 ， 到 18 年才开始朝下走 ， 高峰持续了两年，16 年一七年大家融资都会非常顺利 ， 大
概是这么一个过程 。 那具身我觉得可能也会有类似的感觉 ， 它可能是从比如说 20 年、22 年， 对吧 ，Optimus 真外出来之后大家才觉得这个靠谱 ， 特斯拉又做了 ， 然后大家才开始冲进来 ，23 年一个大量的公司成立 ， 那现在还处于那个类似自动驾驶 16 年、17 年那个还处于 hype 的比较高峰期 ， 我觉得推阶段呢现在接近尾声 ， 我自己感觉就是可能能给第一批的 ， 能进来的第一
批的我觉得差不太多了 ， 可能今年年底或者明年初我觉得就是差不多 ， 然后开始进入到下一个阶段 ， 就是 To B 的阶段 ， 就是你真的 business， 就 business 驱动的一个范式了 ， 那就可能差不太多 ， 这个窗口就差不多关闭 。
你刚说什么不考虑留在理想来做具身制度 ，因为 2024 年的时候其实理想好像也有小的团队在做具身的 ， 包括理想最近也在那个内部会上说 ， 理想肯定是会做人机显然 ，而且很快就要推出成果 ， 那我觉得按照他一般的风格 ，他说要推出成果 ，他肯定也做了一段时间了 。
应该做了将近一年了 。
OK。
对对对 。 其实是个小的团队 ， 对内部辅化的一个团队 ， 然后其中算法团队的也是咱们直接过去的 ， 我会过去的 ， 我跟他们一起做 ， 然后我自己的感觉呢 ， 一方面我还是想自己做一摊事情吧 ， 尝试一下， 挑战一下自己 ， 我觉得当时想到也是挑战一下自己极限吧 ， 然后我觉得第二个呢 ， 我的想法就是说 ，因为理想对于他来说这个相当于是他的第二曲
线 ， 那他不像一个初创公司 ， 我必须 all in 一件事情 ， 那我更喜欢这种所有资源 ， 所有的我自己的所有精力都 all in 到一件事情 ， 那我觉得这样可能我自己做起来更爽 ， 然后所以我就觉得可能不希望可能在这个理想作为一个这种辅化团队或者这种感觉去做 。
说到你这次创业开始组队的过程 ， 你现在你的合伙人是之前在 20 年到 22 年期间在理想做 CTO 的王凯 ， 还有和你一起并肩战斗很久的王佳佳 ， 你是怎么就是说服两位邀请两位一起来创业的 ？
至简理念1:07:51
我是 6 月份离职之后 ，其实那个时候反正整车的状态都不是特别好 ， 整车圈状态都不是特别好 ， 然后我是想着能尽量降低对于老东家的影响 ，不想弄得风言风语 ， 然后所以就找了其实理想的投资人， 就想小范围内就把这事启动 ， 就不要有大张旗鼓的去做 ， 所以当时找到了远景 ，因为凯哥其实是在远景当合伙人， 所以就跟凯哥聊起来 ，
然后凯哥呢也是有类似的想法 ， 大家就一拍即合了 ， 那就一起搞吧 ，因为凯哥说实话我是比较放心这个管理 ， 然后 IR， 然后融资这些事他都非常明白 。
所以你这次其实是离职之后跳出来之后你才开始找合伙人。
对 ， 没错没错 ， 然后到了远景之后， 反正之前找的时候也跟凯哥在聊 ，因为我是想找投资人嘛 ， 远景其实是理想投资人， 然后我就这样比较私密一点 ， 然后就找到了他 ， 然后赶紧去聊 ， 然后他也觉得这是个好事 ，他也想做 ， 然后那就一起去做 ， 然后 8 月份的时候佳佳把 VLA 交完了之后 ，他也觉得差不太多了 ，因为之前也我们私下里会也会
聊 ，因为我自己感觉自动驾驶这个范式找到之后 ，其实对于技术人员来说我觉得基本职业生涯都差不多 ， 然后佳佳也是感觉呢 ，他也是想挑战一些新的事情 ， 然后他本来的想法呢是他也想去做 ，但是他偏想做偏硬件的东西 。
你说他想自己创业 。
对 ，他想自己创业 ， 比如想做本体 ， 想做这个零操守 ， 那我就说那干嘛不一起干 ， 咱俩配合了这么多年了 ， 正好你做应用做交付 ， 我做软 ， 我做赛法 ， 对吧 ， 然后凯哥做管理 ，其实这就自然而然就聊到了一起 ， 大概是这么一个过程吧 。
你们就是在一起开始创业之后， 公司这个名字是怎么定下来的 ？
我觉得这个东西我们也是 。
叫质检 。
质检 ， 对 ， 英文叫 Simplicity， 我们想把这个复杂的东西简化 ，也是我们后来我觉得也是做自动驾驶 ， 做内部的具身开发之后我们找到的一个想法 ， 就是模型要足够简单 ， 就是你越多的人为设计 ， 你的最后 scaling 的 scalability 越差 ， 反而越简单的模型 ， 你随着数据的增加它会越来越简单 ， 这是第一点 。
第二个呢 ， 我们还从产品的维度想去思考 ， 我们想把我们的产品做得足够简单 ，不是说现在就是到了一个用户现场 ， 我得划大量的功夫 ， 要用户去调 ， 我自己去调 ， 我们能不能做到开盒即用 ， 用户不需要太多的这个 learning 的这个 curve， 就能学会它 ， 我们想把我们的产品做得足够简单 。
第三个呢 ， 我们想的是我们的整个组织要变得足够简单 ， 我不想做的把这个团队做得特别大 ， 我们还是想做到一个扁平化 ， 效率足够高 ，以项目去做驱动 ， 那这是我们的一个思考 ， 所以我们公司 slogan 叫 Simple Scalable， 我们觉得越简单 。
越简单的是可规模化 。
对 ， 你越简单的反而越可以规模化 ， 所以这为什么有也其实这句话也映射到了中国的一句大道至简 ， 所以你看这个东西就串起来 ， 那干脆就叫质检吧 ， 英文叫 Simplicity， 那中文就叫质检 。
你刚说的那个组织的那个简单的那种方式 ，也跟你之前在理想的这个方式很像 。
我们觉得这个是非常不完 。
因为现在这个市场其实对具身的公司是有不同划分的 ， 比如说有的可能是长于本体的 ，有的是会侧重去做具身的大脑 ， 然后有一些大家会说这个创立团队是学术背景的这种 ，有的是产业背景 ， 像质检的话 ， 你们在出发的时候你们是怎么来给自己定位的 ？
你要对价什么样的具身公司 ？
我们还是偏我觉得我们是个六边形战士 ， 一定是这样 ， 就是我们技术 、 战略 ， 然后产品 、 品牌 、 组织 ， 然后包括我们商业都要很强 ，因为我刚才提到了其实为什么这个阶段我们进入 ， 为什么大家看好我们 ，也是因为大家已经看到这是个推到 To B 转换的一个阶段 ， 马上， 那到 To B 阶段你不仅仅是技术只剩单点技术就可以拟领别人， 对吧 ， 我做
个 demo， 对吧 ， 我模型比别人牛 ， 我就可以拼腿牛 ， 你真的是要有一定的商业结果 ，有一定的落地 ， 所以为什么我们公司选择了全站都要自己做 ， 我们从 B 开始 ， 从本体开始 ， 到数据的收集的硬件 ， 到算法我们都要自己做 ，因为我们觉得最后你反看自动驾驶 ， 最后大家一开始也是很多这种做算法的供应商 ， 对吧 ， 做模型的供应商 ， 做数据的供
应商 ， 你发现最后真正活下来的就是软硬件都有 ， 低频也好 ， 包括我们现在自己也做芯片 ， 对吧 ， 软硬结合 ， 我觉得只有这样 ， 包括华为 ， 对吧 ， 这是 top 的这些供应商真的能活下来 ， 我觉得可能具身的终局有点类似 ， 就是你不仅仅说我是做一个模型就 OK 的 ， 一定要把这个模型跟你的本体去做结合 ， 甚至是定义你的本体 ， 这样你的
模型才能迭代起来 。 第二 ， 你一定要强大的数据闭环的 infrared 的能力 ， 这样才能去持续迭代你的模型 。
第三个 ， 你这个最终其实大家比的是规模效率 ，其实无论数据也好还是产品也好 ， 最后比的都是规模效率 ， 规模效率比的是什么 ？
你的产品好不好 ， 用户愿不愿意买 ， 复购率高不高 ， 对吧 ， 使用率高不高 ， 别百分之百在那里 ， 然后用了之后别人再也不买了 ， 返修率高不高 ， 我觉得这是衡量它的 ， 只有这样的话你才能产出规模效率 ， 才卖得多 ， 那你才能商业成功 。
我觉得所以这几个环一定是层层的这种激进的 ， 然后紧紧紧紧扣在一起 ， 我觉得这也是我们从特斯拉上学到最好的一个经验 ， 你作为一个最好的自动驾驶的技术公司 ， 你一定也是商业做得最好的 ， 产品做得最好的 ， 这样的话你才能闭环在一起 ， 才能形成规模效率 ， 才能形成这个迭代性 。
所以这个定位 ， 全站这个定位背后有一个判断是你觉得未来应该是一个软硬一体的产品 。
一定是这样 。
除了这个之外， 你们还有什么核心的假设等等吗 ？ 就未来这个行业可能比如说会怎么走 ， 或者它终局是怎么样的 ？
我觉得它的终局可能第一个咱先开量 ， 市场规模上我觉得一定是很大的 ，但是我觉得最终可能是每个家庭 ， 甚至每个客人有一个 incident， 我觉得这是非常合理的 ，因为我创业还有另外一个 motivation， 我觉得这是比较偏个人的 ，因为我有两个女儿 ， 两个女儿呢 ， 一个是 18 年出生 ， 一个是 21 年出生 ， 然后你会发现有个巨大的问题 ， 就是我女儿基本是大女儿是出生人口最高峰
的第二年吧 ，其实是 17 年是最高峰 ， 她出生那年中国大概出生人口是 1700 万 ， 然后我小女儿就差了三岁 ， 就只有 900 多万 ， 就大概 1000 附近 。
差不多腰斩 。
就差不多 ， 然后今年 25 年我不知道你看了没有 ， 只有 700 多万 ， 这是个很恐怖的数字 ， 我当时我就在想 ， 我说字特别个人在想 ， 我就在想到我老的时候这个养老怎么办 ， 就是你没有人口红利了 ， 人家现在人的这个劳动力这么便宜 ， 对吧 ， 你获得外卖也好 ， 获得各种服务也好 ， 都非常便宜 ，但到咱老的时候怎么办 ， 就是我大女儿成年那一
年， 就是大概她 18 岁那一年， 可能你会明显感觉到开始之后的每一年人口都在 ， 人口的这个费用也好 ， 人口的这个红利也好 ， 就逐渐逐渐逐渐在消失 ， 所以我觉得为什么我说终局上， 可能每个家庭都有 ， 我觉得这是个很实在的问题 ， 人口的下降是非常实在的问题 ， 我觉得市场规模上肯定是非常大的 ， 所以这个我觉得终局上一定是这样的 。
就是总的规模 。
对 ， 总的规模是非常大的 ，但是第二个呢 ， 我觉得它跟自动驾驶也好 ， 跟智能手机也好 ， 我觉得可能不太一样的点 ， 它的终局不是个垄断的终局 ， 你无论是看智能手机 ， 看新能源 ， 看自动驾驶 ， 你会发现它最后是个垄断的终局 ， 可能只有最后的几个寡头占了百分之八九十的市场 ， 剩下来的人可能就是剩下的残留楼市 ，但是我觉得具
身可能没有到那一步 ，因为我有个假设 ， 可能咱们看终局形态 ， 人形肯定是最通用的那一个 ， 它肯定是在最大的那个 sector， 最大的那些分布的那一部分 ，但是咱们日常生活中以及将来我觉得可能有很多比人形更高效的这样的形态在 ， 所以我觉得最终可能整个具身可能是有多个垂域的 ， 可能第一个垂域是第一大垂域 ， 可能是人形偏通用的人形 ， 然后另外的很多小的垂
域偏可能更特别专用 ，但是它效率非常高 ，但是这个领域可能也不会特别小 ， 所以你会发现可能终局上可能有每个垂域可能有几家这种感觉 ， 可能有几十个垂域这种感觉 ， 所以它可能跟自动驾驶是垄断一样 ， 可能就几个人就垄断了 ， 所以我觉得可能最终可能它是偏这种分散的 ， 分散垄断的终局 ， 可能每个垂域里面可能有几家 ，因为你最终还是刚才说的
， 它最终肯定是软硬结合的过程 ， 你一定要跟自己的本体去绑定 ， 你的算法也好 ， 你的产品力也好 ， 才能达到极致 ， 你的商业才能闭环起来 ， 我觉得这个可能是我看到的可能跟其他不太一样 ， 对 ， 我觉得终局上可能是有这种感觉 。
那其他人怎么想的 ？
其他人我不知道 ， 可能有的人会觉得人形可能就是统一一切 ，他觉得就是人形是最通用的 ， 可以把所有东西全部 cover 在里面 ，但我自己感觉上半身可能是这样 ， 上半身我觉得目前看至少人手 ， 就是眼手 ， 眼闭手 ， 我觉得可能是比较通用的 ， 我觉得上半身可能大概率还是有点类似人形 ， 我觉得没啥问题 ，但是下半身到底是双足 、 四足 、 轮式 、 底盘 ， 这
个履带底盘 ， 我觉得都可能会存在 ，因为在很多特殊工况下这些可能是更高效的 。
那你对产业链的未来的设想 ， 你觉得它是垂直整合为主什么 ？ 因为像手机和车其实是垂直整合和水平分工都存在的 ， 就有的品牌它可能非常垂直整合 ，有的其实它是有很多供应商来支持它最后来做这个最终的产品的 。
我自己的感觉可能有点像类似这样 ， 它可能也是两个生态 ， 你会发现任何跟智能相关的都是类似这样 ， 包括手机 ， 你会发现是两个生态 ， 一个 iOS， 一个 iPhone， 对吧 ， 我觉得最终可能具身也是类似 ， 可能会有一个比较开放的生态 ， 那这个开放生态是建立在比如像字节 、 阿里 、 腾讯 ， 对吧 ， 这些比较大厂的这个它的 formation model 之上， 大家基于它去做一些公用的开
发 ，因为现在我们已经看到类似 Gemini 这种 ， 它已经形成了一个很好的生态了 。
所以你觉得开放生态不太可能是新的公司或者创业公司来做 。
很难 ，因为这个你就算一笔账就行 ， 就是你的投入 ， 我觉得这个东西对于任何一家具身公司来看 ， 这笔投入都是非常非常大 ， 所以我觉得可能能形成类似现在 agent 的生态 ，agent 的生态是什么呢 ？
我有一个基模 ， 这个基模可能来自于 Gemini， 对吧 ，有可能来自于 OpenAI，也可能来自于字节 ，也可能来自于这个腾讯 ，也可能来自于这个千问 ，但是之上一定是我有垂域的数据和垂域的 workflow， 然后我把它应用到我自己的垂域里 ， 那具身也有可能会形成这样的生态 ， 就是你底层是一个通用的这样的多模态的模型 ， 一体化的模型 ，但是到了具体垂域 ， 到了具体的本体上， 你用自己的
数据去做落地 ， 我觉得这可能有点偏 agent，其实你最后具身也是个 physical 的 agent， 我觉得是一样的道理 ， 那还有一波呢 ， 可能就是我去做垂直整合 ， 对 ， 我去做这种我自己的一个闭环生态 ， 那有可能像 Tesla 这种 ， 我也不用别人的 ， 所有东西我都自己做 ，也有可能会是这两派 ， 我觉得都会存在 。
那也正你们出发时的一些判断和假设 ， 包括就是我模型 ， 我的硬件本体要一起做 ， 包括我最后是要去为过地服务的 ， 你们具体做了哪些事 ， 你们群里应该是有半年多了 。
研发分层1:19:46
对 ， 我觉得这半年主要还是最底下那层 ， 我其实我自己研发分成了三层 ， 第一层是偏 infra， 偏基础架构 ， 基础架构里包括了比如说我云端的世界模型 ， 然后我的零部件 ， 我的本体 ， 然后我的训练框架 、 推理框架 ， 这些都算是我的 infra 的部分 ， 然后中间这一层呢是我的基础模型 ，有点类似刚才你提到的那个 ， 就是中间那一层基础的那一部分 ， 然
后再上面是偏我的应用的部分 ， 应用的部分比如说我怎么去做 domain 的 management， 我这基础模型放在不同的领域 ， 放在工厂 ， 放在商超 ， 放在服务业 ， 放在物流 ， 你可能都要做这种类似 agent 的这种二次的加数据做返程理去做 domain 的 adaptation， 然后这些可能是第三层 ， 现在其实主要做的是底下那层 ， 先把基础打好 ，因为我感觉最后的大家的竞争其实都在最底层 ，因为
你会发现 AI 最后其实大家比的是效率 ， 跟自动驾驶类似的 ， 大家比如大家都拼的是谁 ， 谁是迭代速度快 ， 那底下这一层是决定了你迭代速度的这个关键 ， 所以这就为什么我觉得无论特斯拉也好 ， 理想也好 ， 为什么后期大家这么快 ，也是因为前期把数据闭环啊 ， 把 infra 啊 ， 把 GPU 啊 ， 把训练这些都打的基础非常好 ， 所以现在其
实团队花的很大的功夫 ， 第一 ， 我云端的实时模型怎么去做 ， 然后我的本体怎么去设计 ， 我的零部件到底选哪些 ， 然后我的训练框架怎么去做优化 ， 我的推理 ， 就是推理怎么去做优化 ， 先把这些基础打好 ， 这是我们过去这段时间在做的 ， 然后另一部分呢可能偏有点偏 R&D 的工作 ， 就是中间那一层 ， 就是 foundation model， 我觉得 foundation model 这我们的思
考可能跟别人不是特别一样 ，因为现在整个行业还是说有几派吧 ，有什么双系统的 ， 对吧 ，有类似派联这种一体化 VLA 的 ， 就做这种单独单 VLA 的 ，也有偏世界模型的 ，因为我们在增量里面这几个都做过 ， 我们觉得可能因为这几个都是集成传统的 ，因为我们当时很 native 的 ， 很打抑郁的一个想法 ， 为什么集成传统的不能大家合在一起 ， 要把这几个能力都
combine 在一起 ， 那我们后来发现其实在 25 年我们去做 I8 交付的时候 ，其实把它做成了一个一体化的 VLA， 它的一体化是指第一呢我把世界模型能力和 VLA 合在了一起 。
合在了一起是指这是一个模型 。
这是一个模型 ， 就相当于我边做文本的 COT 的同时， 我也可以生成将来的比如 Next Dream 或者是下下几帧 ， 将来长什么样子 ， 我也去生成它 ， 那这个其实对于整个模型的这个能力上提升了非常非常多 。
第二个所谓的一体化 ， 我们是把快慢合在了一起 ， 我们不想就说有一个 VLM， 对吧 ， 一个 VLA 去做不同的事情 ，因为我们在 24 年我们就是做的双系统 ， 我们应该是全世界最早的双系统落地 ， 真的大规模量产 ， 我们会发现一个问题 ， 双系统它是两个模型 ， 这两个模型它俩帧率还不太一样 ， 一个跑得慢一点 ， 一个跑得快一点 ， 这俩配合就会天然有问题 ， 第一你
的就是你俩出口能到底听谁 ， 对吧 ，因为它俩配合不上， 配合不起来 ， 那第二个就是它的联合训练非常慢 ，因为你两个帧率不一样 ， 你就要构造很多很多数据 ， 把这两个能联合做训练 ， 非常的不舒服 ， 所以我们后来就想是不是让模型自己去决定我什么时候走 COT， 什么时候不走 ， 那模型自己学会之后， 那就可以天然的它就学会了快慢思考 ，
所以我们把它结合在一起 。
其实大模型的演进也差不多是这样 。
其实是一样的 ， 我觉得现在逐渐有一个范式了 ， 就是最近大家一直跟行业内的人讨论 ， 逐渐的出现了以简角为难的 ， 所谓的多模态都有个 line 到比如语言模态上， 就做对齐 ， 现在叫 unification， 叫统一化 ， 我觉得其实有两个例子特别好 ， 或者三个例子吧 ， 特别好 ， 第一 OpenAI， 你看 OpenAI 过去三年做了啥事 ， 大原因就基本是两个模态最重要 ， 一个是视觉模
态 ， 一个是语言模态 ， 对吧 ， 当年早的时候 23 年、22 年的时候 ，OpenAI 是四条路同时在走 ， 你看语言模态它又分成了 synthetic 模型和 physical 模型 ， 对吧 ，O 系列和那个数字系列 ， 对吧 ， 然后多模态的部分 ， 它就是视觉的部分 ， 它分成了类似 clip 这种偏理解的 ， 对吧 ， 我给你张图片里头有什么东西 ， 我给你 caption， 然后还有一个偏生成的 ， 就是类似 DALL·E 和 Sora， 它是四条线
同时朝前走 ， 然后第一次出现这四条线合在一起是 4O 的出现 ， 这 4O 第一次出现了多模态的理解 ， 就是我给你图片 ， 给你文字 ， 它都可以理解 ， 然后之后呢又出现了呢 ， 又出现了那个 O 的 ，4O 之后出现了 ， 叫什么来着 ，不 ， 这一个是 4V， 这 4V 是加入了 Vision 进来 ， 然后之后出现 4O，4O 就出现除了多模态理解之外， 还多模态的生成 ， 就当年那个吉卜力
风格的图片 ， 对吧 ， 它不仅仅是图片和文字的输入 ， 它也能图片和文字的输出 。
对 ， 它前一年就发了 4O， 然后后来到第二年春天那个生成那个特别火 。
对 ， 然后呢 ， 你看今年它发的 ， 就是去年的时候 ，10 月份的时候 ， 它 GPT 出来的时候 ， 它自己叫什么 ， 叫 Integrated Model， 它逐渐又把那个 O 系列的 ， 就是 Thinking 模型也逐渐合进来 ， 就现在模型可以自己去决定走 Thinking 和 Non-Thinking， 你会发现它逐渐的大一头 ， 我觉得这是 ，但是我觉得做的最极致的是 Gemini，Gemini 从一开始 ，Gemini 1.0 它就自己叫 Any， 就是原生多模态 ， 你会发现它是多模态进
和多模态出 ，但是当年不火 ，因为 Gemini 1 出来的时候大家觉得不好 ， 大家觉得就不如 OpenAI， 当时那个谷歌的股票还掉了很多 ， 然后到 Gemini 3 去年，Gemini 3 出来的时候它就 OTOB， 对吧 ，Meta 的也好什么的 ， 大家觉得很好 ， 很好用 ， 我觉得大家才逐渐觉得这个大一头的模型会比较好 ， 然后第三个就是 Tesla V14， 对吧 ， 然后 ICCV 上它稍微也讲 ， 它其实最后是个大一
头的模型 ， 你会发现它的输出 ， 输入是多模态 ， 输出的话也包括了高程 ， 这个 3D 的高程的预测 ， 这其实是偏 3D 的世界模型 ， 然后也包括了语言的 COT， 包括了就是包括这个 synthetic， 对吧 ， 然后最后出 action， 我觉得它也逐渐走到大一头的这个状态 ， 所以我觉得我们去年 I8 量产的时候 ， 我们其实就已经做到了这一步 ， 所以我们应该算是行业第一个真的把
它做到端侧 ， 然后实际在这个物理上去跑起来的这么一个团队 ， 所以我们今年也是 ， 我们创业之后还是继续坚持这一步 ， 要走这种大一头的这种 foundation model， 我觉得这是我们过去这一段时间吧 ， 做的一些事情 。
那你过去这段时间里面 ， 数据在你做的事里面处于一个什么样的角色和位置 ？ 你刚才也没有特别提到数据 。
数据呢 ， 我觉得可能是 ， 我觉得可能跟大家做法大差不差 ，因为我觉得数据现在逐渐形成了一个行业的共识 ，也是我 7 月份创业的时候 ， 我觉得让我比较有增强我信心的一个点 ，因为当时其实我对具身没有那么有自信 ，因为它还是那个 ， 它数据来源太少 ， 它不像增长也不像大模型 ， 数据天然就有 ，但是跟 Sunday 的人聊完之后， 我会发现其实他们已经解
决了 ， 找到了类似的解决方式 。
那你几月和 Sunday？
大概七八月份的时候 。
就是离职前后 。
对对对 ，因为我有实习生 ， 然后跟他们是比较好的朋友 ， 然后也会跟他们去仔细去聊一聊 ， 说你们的思考是什么样子的 ， 当时他给了我比较大的信心 ，因为他觉得这种半真机的 ， 就通过 UMIA 这种穿戴式设备去做这种大规模的数据采集 ，他们已经看到了一定的 scaling 的效果 ， 所以我觉得数据这一块 ， 大家能启动上， 我觉得不会有本质差别 ，
都会通过这种穿戴式设备也好 ， 半真机的采集也好 ， 去大量的去采集这种 diversity 比较高的这样的数据 ，但是我觉得增量给我们带来的数据的不一样的思考 ， 说一下不一样的思考 ， 跟别人不太 ， 我觉得 Tesla 给我们一个很好的启示 ， 为什么说你的商 ， 大家现在好像大家都想避免谈这个商业化 ， 我发现很多创始人都在说 ， 我们今年不做商
业化 ， 我们追求什么高上下模型 ， 我们就做数据 ，但是我觉得 Tesla 给我们最大的启示是这样的 ， 就是你的商业化和你的数据永远是一体的 ， 就是你的商业化过程其实追求的是你的规模效应 ， 然后这个规模效应带来的是什么 ，是带来真实场景的数据 ，而且一定是真实用户场景使用数据 ， 这个东西才是最宝贵的 ， 就是你所有通过你的半真机也
好 ， 通过你的合成数据也好 ， 通过我的自己首搭的采集场的数据也好 ， 它跟真实场景的数据都有巨大的 gap， 这个其实我觉得做自动驾驶人是最有体会的 ， 你基本就花了 90% 的精力去解决最后的 10% 的长文问题 ， 这长文问题你只有在真实世界才能遇得到 ，因为我们遇到过很多这种你都想象不到的各种各样的事故 ， 你可能让你一个合成人员你去
想象这样的事故 ， 你都想象不出来 ， 就是真的最复杂的东西都在现实场景里 ， 最好听的故事都在真实场景里 ， 所以我觉得你的商业化过程其实是给你去提供了你收集这种真实场景数据的有力的这种武器 ， 所以我觉得我其实最关注的 ， 现在跟团队强调的两个点 ， 就是数据的来源 ， 尤其是长尾数据 ， 真实场景的数据的来源一定
要做好 ， 这个东西是跟咱的产品力直接相关的 ， 你只有把产品卖出去 ， 你才能收集到用户真实的 ， 比如尤其 Field Case 的数据才能拿回来 ， 这是第一点 ， 第二点是另一个端 ， 一头一尾 ， 那尾是什么 ， 就是你经历了这么多数据的迭代之后， 你的模型到底变没变好 ，其实我觉得整个行业其实大家忽略了这一点 ， 就是你的 evaluation 到底怎么做 ， 你怎
么去评判 。
很错 。
对 ， 我觉得增量给大家提供了一个非常好的一个
途径 ， 我觉得就是 Tesla 的影子模式 ，Tesla 一直在强调影子模式 ， 为什么它双芯片一直要是标配 ， 对吧 ， 然后即使用户不开 ， 我也要把硬件放进去 ，因为这给它提供了一方面它也可以收集数据 ， 对吧 ，但是另外一个就更重要的 ， 它给所有的我的新模型提供了一个很好的测试场 ， 你真的是可以把你的模型推到这个端侧的芯片上， 我在用户的真实场景里我去
做测试 ， 我跟人类去做对比 ， 到底开好不好 ， 对吧 ， 那我就可以找到我的这个新模型 ， 它有没有真的变好 ， 真的去验证它 ，而且你当你规模一定程度的时候 ， 我可以同时测 10 版 ，因为我可以不同的用户推不同的版本 。
意思我是它就是给不同用户推不同的模型 ， 就是 A/B test 嘛 ， 可以简单的 。
可以做到这样 ， 可能更大规模的 A/B test，而且还是在你用户开 ， 甚至说老版本再开的过程中我有额外的算力 ，因为为什么它有两块芯片 ， 我有额外的算力 ， 我可以去做端侧的挖掘 ， 去做端侧的这种实时的这种验证 ， 所以我跟团队强调的说 ， 为什么 Inpher 很强 ， 就是这个 Inpher 能力一定是第一位 ， 我们要把这套东西跟我们的这个产品结合在一起 ， 我
们为什么说我要坚持芯片是双芯片标配 ， 我们自己是做双芯片的标配 ，因为我要额外的算力 ， 我要去做数据的端侧的采集 ， 去做端侧的分析 ， 然后我有新的模型的时候 ， 我也可以放在这个新的芯片里 ， 我也不影响用户使用的情况下， 我可以去测试我的新的模型到底好不好 ，而且在用户的真实场景里去跑 。
比如说我在一块算力上， 我就跑我正常的 ， 对吧 ， 我的老的版本 ， 我稳定的版本 ， 我不影响你生产 ，但同时我有新的模型推到这个新的这个第二块芯片上， 我去做 A/B test， 我去做跟老的版本去做对比 ， 到底哪个地方比它好 ， 哪个地方比它坏 。
就是有可能用户他在有些情况下用的是那个新的版本 。
不会 。
不会 ， 所以一定是模拟的 。
对 ， 你就是跑在影子 ， 所以叫影子模式嘛 ， 对 ， 我觉得一定是这么去做的 。
那如果用户没有真的在用的话 ， 这个影子模式怎么知道它实际上跑起来了 ？
其实我就把我的结果去跟老的去做对比就可以了 。
就是它 。
就是我的轨迹输出到底跟老的差多少 ， 那我这个数据如果有偏差 ， 我就把数据抓回来 ， 我去做对比 ， 到底这两个版本哪个好哪个坏 。
你刚才说就是你觉得数据上大家已经有共识了 ， 就是真实数据 ， 然后用可穿戴的设备的方式去让它能起量 ，但另一方面其实我看到行业里面 ， 比如说像银河通用的王赫 ，他去年底还说过 ，他觉得在真实环境里用真实数据做强化学习是很难的 ， 还有像 Hailbot 就苏浩那边 ，他们也一直是说自己的这个比较强的一点 ， 就是用这种合成数据 ， 然后来
做强化学习的训练 ， 所以这已经属于非主流的观点了吗 ？
也 ， 我觉得不能说是非主流 ， 我觉得这话不能这么说 ，但是我自己感觉真正大家做过增量量产或者真正做过落地的人， 大家都会有一点共识 ， 就是合成数据这件事有用 ，但是它不是主力 ， 我就给你举个例子 ， 增量已经算是比较简单的文体了 ， 对吧 ， 它的工况也相对简单 ， 然后这个模拟起来也没那么复杂 ，因为我主要做避障 ， 对吧 ，
我主要不碰撞就可以 ， 那即使这样呢 ， 我们合成数据也没有用得特别的广泛 ， 所以你指望它去解决 90% 的问题是不太行的 ，但是合成数据好的一点就是说它 ， 比如说我有一个 Counter Case， 它非常少见 ，但是我可以通过合成的 Pipeline 把它去做扩增 ， 我一条变成 100 条 ， 这样我再去做我的数据的训练 ， 做模型的训练 ， 这样是 OK 的 ， 这在增量是我们之前验证过的
是没问题的 ，有很多极端 Case 你可能只能遇到一次 ， 那我怎么去把这个扩增出来 ， 这个通过合成数据的 Pipeline 是 OK 的 ，但是你要指望用它去解决前面 90% 的问题 ， 目前还是不太合适的 。
你怎么看老东家英伟达的创始人黄仁勋 ，他还是非常推崇在具身领域去用合成数据的 ，他在 CS、GitHub 上都有讲这个事情 。
我觉得合成呢 ， 至少你看目前行业现状 ， 真正合成数据能用来做什么 ， 仿真真的第一 Local Motion Navigation 是没有任何问题的 ，因为它不涉及到这个接触 ， 涉及到操作问题 ， 那第二个的话 ， 它能有什么用处 ， 那就是测试验证 ， 尤其是这种做闭环的验证 ， 它是没什么问题的 ，但是你要把它当作一个主要的数据来源 ， 尤其做 Manipulation 的数据主要来源 ， 我现在没有看到
任何的希望 ，因为它还是个偏生态公司 ， 就是只要说大家有需求 ， 它把这个事情做得比较完美 ， 然后能加速起来 ， 那我觉得对它来说就它的上面的这个自然而然 ， 自然就会有人在用 ， 我觉得是没啥问题 。
因为你们现在的主要工作 ， 你说是做 Infra 的部分 ， 然后再做一些比较前沿的 RD， 就是预言 ， 然后你前面也提到你觉得就是从 To A 到 To B 的这个阶段 ， 可能在 26 年年底到 27 年初就会发生这个转换 。
商业转折1:34:30
就会发生引擎转换 。
那到时候会发生什么变化 ， 什么信号会导致 ， 就其实可以真的开始 To B 这个事情 。
我觉得是两个点 ， 第一个呢 ， 我觉得大家现在都说硬件相对成熟 ，但是其实我观察下来 ，因为我们自己做了已经快速迭代了两代的硬件了 ， 硬件这件事远远还没有到成熟的阶段 ，因为我现在观察到的第一呢 ， 大家所谓的量产 ， 可能也就是几千台 ，但是你跟车那种 ， 就是一年几百万台上千万台 ， 还没有真正做到量产的这种感觉 ，因为现在大家我去
很多这种 ， 大家还是属于手搓的阶段 ， 真的还没有成了大规模的生产 ， 真的大家去追求工艺 ， 追求一致性 ， 追求稳定性 ， 我就举个例子 ， 你说两个 ， 比如说两个零销售 ， 同一个生产商的 ， 同一个同一个同一款的两个 ， 你把 A 数据的 ， 把 A 的数据录下来 ， 到 B 的数据做 Replay， 这个重放 ， 你会发现两个行为都不一样 ， 现在就是大家还没
到真正说谈量产这件事 ， 我觉得硬件其实是第一个需要大家跨过的门槛 ， 我觉得需要两个 ， 就是一个是说你的一致性好不好 ， 对吧 ， 我同一个本体 ， 同一款本体 ，A 的数据到 B 的数据 ，是不是它们俩一致性是一样的 ， 我觉得这是第一个要解决的 ， 第二个解决的是稳定性和保险 ， 到底你真的 ， 你卖出这么多 ， 返修率是多少 ， 这个指标你到底大家
是有没有看着 。
那行业里是多少 ？
100%。
那多长时间返修 ？ 用多少时间 ， 用多少小时回复大概 ？
我这个具体多少数我不能说 ，但是这个观察到的基本是 100%， 你没有说哪一个真的能持续工作很长时间 ， 我基本不用修 ，但基本返修率是 100%， 我觉得这个可能是我觉得
，但是我觉得今年春晚语数给我带来了很大的感触 ， 我觉得确实人家是行业老大哥 ， 我觉得没啥 ， 没有任何问题 ， 我觉得它追求硬件的这个一致性也好 ， 这个它全部自研 ， 全部自己去管控 ， 全部做工艺 ， 做工艺流程化 ， 全部自己做 ， 我从语数上看到了希望 ， 我觉得今年年底可能大家对硬件这件事会慢慢慢的收敛 。
你怎么从表演上看出语数的一致性比较好 ？
你看它那么多那么多同时在做 ， 你会发现高难度动作 ， 没有说哪个出错 ， 对吧 ， 然后没有说哪个跟别人的节拍不是特别一致 ， 那你就一致性也好 ， 稳定性也好 ， 就至少都达到了一定程度之后， 才能做这件事 ， 所以我觉得硬件其实反而是真正 To B 的第一个大关 ， 否则说大家还是说这种小批量 ， 然后小批量完了之后返修率非常高 ， 那我
觉得这个行业还没有进入一个真正的量产的一个阶段 。
硬件是第一个 。
所以为什么我们自己做硬件 ，也是因为这个 ，因为我觉得前几天跟一个朋友聊 ，他跟我吐槽 ，他说他试过市面上所有的 B， 说没有一个 B 能好用的 ，他很失望 ， 所以我觉得这个其实也是一个大家现在吐槽的地方 。
我也经常听到这种话 。
对对对 ， 我觉得所以硬件远远没有到大家这么乐观的一个状态 ， 我觉得还没有说真的能领先软件特别多 ， 我觉得硬件到现在还是有很多问题 ， 尤其咱从做车的这个行业转过来之后， 你就发现其实你会被 shock 到 ， 你会发现哇怎么还处于这种手搓 ， 然后你问工艺流程 ， 然后可靠性怎么测 ， 一致性怎么测 ， 发现其实大家并没有真正的深入到
这个级别去 ， 所以我觉得这是 。
就是它没有像车一样有什么车规级的标准 ，也没到那个状态 。
至少说车已经做到了 ， 比如说我 A 供应商跟 B 供应商两个不同的公司生产出来的东西 ， 我至少去 compatible， 没有太多的困难 ， 对吧 ， 大家标准都是一致的 ， 那你到现在比如说你别说两个供应商了 ， 你就是同一个公司生产的两个都同一个东西 ，但两个件个体之间都做不到一致性 ， 我觉得这个还是有点距离 。
那还有什么 ？
我觉得第二个其实就是下一个阶段我觉得跟团队一直强调的 ， 就是你有了好的硬件 ，有了好的基础模型之后， 那怎么能把基础模型的能力然后做到落地 ，因为基础模型这件事你看咱们跟大模型是一样的 ， 它做任何事情可能只有六七十分 ， 对吧 ，但是你跟大模型的应用不太一样 ， 大模型六七十分可能就已经产生价值了 ，但是具身不行 ， 六七十
分你没有任何用户价值 ， 对吧 ， 你还是出错 ， 出错的 ， 尤其在物理世界里 ， 出错带来的可能很多是致命的问题 ， 那你必须要做到 99% 或者是接近 100%， 它才有可用性 ， 那中间其实是有巨大的 gap， 那你普通的这种通用的具身模型怎么能到单一任务上去做一个 90 分 、99 分 、100 分的事情 ， 那我觉得这中间这个 pipeline 一定要打造好 ， 所以其实我们最近前
几天发的这些文章 ，其实就是想给大家传递一个事情 ， 我们不仅仅是发了一个 Foundation Model 的文章 ，其实我们后面有具体的 ， 接下来还有三篇 ， 我们想给大家传递我们是想打造一个体系 ， 怎么能把一个六七十分的 Foundation Model 能够在单一任务上能够快速的变成 100 分 ， 能够去做落地 ， 那这件事如果能做成 ， 那结合硬件我觉得才有可能去 ， 对吧 ， 咱谈落地
， 谈商业化 ， 我觉得才变成可能 。
你之前其实有提到现在具身的技术范式并没有那么收敛 ， 就可以说不是很明确的状态 ， 那怎么能判断说在 26 年年底到 27 年年初 ， 它就可以从 To A 到 To B 了 ？
我觉得就是 。
从什么信号看 ？
对 ， 我觉得一个点呢 ， 就是说我们做单一任务 ， 现在刚才提到我从一个基础模型到单一任务能做到 100 分 ， 我觉得这条 pipeline 其实现在大家有一定共识 ， 比如说刚才提到的 ， 那我做把基础模型先做 Demand Adaptation， 对吧 ， 我先找一定的类似场景的数据去做 SFD， 做完之后呢 ， 我可能去做真机的 I/O， 或者是做一些就是 offline 的 I/O 也好 ， 就是真机的 I/O 也好 ，其实 I/O
你可以理解成 Overfit 的一个过程 ， 它就是 Overfit 到单一任务上， 相当于我把具身的通用模型 60 分它其中的的一些能力 ， 把 Top 的东西通过 I/O 提取出来 ， 然后它只具备这一个 Top 的能力之后， 然后我们在单一任务上把它落下来 ， 我觉得这可能目前来说这条 pipeline 大家是有一定共识的 ，但是可能不一定有共识的是你怎么能把这个东西做得高效 ， 比如说我真的到了一个另外一个
任务上， 我能不能 20 分钟或者半个小时我就能把这个基础模型做到 100 分 ， 我觉得这个可能是大家需要去探讨的一个问题 ，但是怎么把基础模型应用到具体场景上， 我觉得现在大家是有一定共识的 ， 无论是跟千寻聊或者跟那个跟高阳聊 ，其实大家范式上不会有太大的差别 ，但是我觉得有差异的就是前面刚才提到的 ， 就是你这个 Foundation Model 怎么设计
才能最高效 ，其实各家都不一样 ，Foundation Model 都不太一样 ，有可能拿 Python 套个壳了 ， 然后有自己做的 ， 然后有基于这种双系统 ， 然后自己搭起来的 ， 那我们可能就追求可能就是生成理解一体化这样的一个感觉 。
因为我看你们现在这个 LaSTE 的基础模型里面 ， 它有用到 DeepSeek 之前的一个 。
Janus。
对 ，Janus Pro。
对 。
也是一个统一的多模生成和理解的模型 。
这也是很无奈的 ， 就是这样的 ， 就是你现在能拿到市面上这种一体化的模型 ， 就生成理解一体化的模型没几个 。
开源的就 。
对 ， 开源的很少 ， 然后那性能还不错 ， 然后 Janus 还有个好处 ， 它 1B 和 7B 都有 ， 它比较小 ， 比较适合这个具身用 ， 那我们就在它的基础上去做迭代就好 。
那未来你觉得有必要自己去自研这个吗 ？
我自己的想法是这样的 ， 就是可能没有特别大的必要 ，有可能像现在的 Agent 有点类似 ， 可能就是比如说真正的基础模型 ， 可能就这么几家 ， 刚才提到的阿里也好 ， 腾讯也好 ， 那他们去做这种真正的基础的模型 ， 然后我们呢 ， 可能是做我们自己领域的 ，在它的基础上我们加我们自己的具身的数据去做 ，因为这里头会涉及到一个基础模型本身它的投入的
问题 ，因为它不仅仅说具身的数据 ，因为基础模型它就要具备一定的常识能力 、 泛化能力 、 理解能力 ， 那就意味着你互联网上的很多数据你都要需要 ， 那这里头可能互联网的多元数据也需要 ， 比如说 3D 的视频数据 ，2D 的视频数据也需要 ， 甚至有可能 3D 的游戏数据 ， 对吧 ，也需要 ，因为它 3D 的理解能力 ， 那这其实是说实话 ， 对于我们这样的公司短期内
是很难具备的 ， 所以我们更期望 ， 为什么阿里和腾讯投我们 ，也是跟 Martin 跟吴妈去聊这个天 ， 我们觉得我们可能更希望他们来做这个更底层的 Foundation， 就是多模态的生成理解这样的模型 ， 然后基于再朝上， 可能基于我们自己的本体的数据 ， 基于我们自己的 Demand 的数据 ， 我们做 Conditional Training， 把它改造成一个具身的基础模型 ， 然后再去做具体的这种应用 ， 这
是我觉得这样一个比较好的 pipeline。
阿里和腾讯投资你们的过程中间 ， 你除了和刘志平和吴永明去聊 ， 这两个公司的 AI 的负责人你们会聊吗 ？
现在正在聊 。
正在聊 ？
对 ， 聊顺语 。
对对对 。
顺语还没聊 。 对对对 ， 然后张正有张老师啊 ， 这些都会去聊 。
就提出这个 。
然后包括通义 ， 对 ， 包括通义团队的这些多模态的团队也会去聊 ，他们现在成立了一个新的团队 ， 就是专门给具身去做多模态的模型的团队 。
我发现其实现在大公司对具身这个 ， 就具身模型啊 ， 料理这块投入也还是挺多的 。
是 。
比之前多 。
因为我觉得大家的范本 ， 我现在其实是有点类似 Gemini， 我觉得大家把 Gemini 当做了一个范本 。 现在 Google 内部已经变成了一个很好的状态 ，其实所有的上面的应用 ， 咱能听到的 Chat 也好 ，Nano Banana 也好 ，Vue 也好 ， 然后 Gemini Robotics 也好 ， 都是基于底下一个原生的 Gemini 的原生多模态的模型 ， 之上去加自己不同领域的数据 ， 去改造成自己的 Foundation Model， 我觉得这个可能是中国互联网的大家
的一个 Role Model， 大家也希望可能能做成这么一个状态 ， 上面所有应用 ， 包括可能像我们这种 Robotics 团队 ， 可能将来也能基于它这个原生多模态去做上面的应用 。
你怎么看具身模型的独立性 ？ 然后之前我跟他实时创始人陈亦伦聊 ，他就会认为 ， 就结合之前自动驾驶 ， 曾经有一段时间大家也觉得可能从视觉模型上可以变成一个自动驾驶的模型 ， 后来发现是行不通的 ，他觉得具身不太可能是大语言模型的基础上就直接长出一个动作的头就能解决 。
然后这个独立性可能也会影响创业的格局吗 ？
我觉得这是咱从两面去看 ， 你用一个原生的语言模型去做 Action， 那肯定是不太可能的 ， 所以为什么去说服这些家去做这种 ， 包括一些生成能力 ， 对吧 ， 我可以包括实现模型能力都会融入到这一模型里 ， 那它其实就已经理解了一定的这种 Action 跟世界环境的交互的这么一个过程 ， 那我们去做 ， 比如说做 Conditional Training 的时候 ， 就可以把这一步引导出来 ， 去做 Action
的这个生成 ， 我觉得这是我的一个想法 ， 你如果说拿原生的 VLM 去做 VLA， 去做具身 ， 那我觉得目前大家已经看到了这条路不是那么好走 ， 甚至有可能是个死胡同 ，其中一个原因呢 ， 就是说原生的 VLM 它本身就是拿互联网的图文数据 ， 对吧 ， 去做的训练 ， 那这里头有大量的知识 ， 可能是对具身来说没有太多作用 ，但是具身所需要的 ， 比如说 3D 的 ， 对吧 ，
然后一些这种偏空间理解的能力 ， 偏 Spatial Reasoning 的能力 ， 偏这种将来 3D 的生成能力 ， 它不具备 ， 所以我觉得将来可能我觉得一个真正通用的 Foundation Model， 它一定是去把这几个能力也融合进来才可以 ， 所以一定会在这种现在的无论是这几家的这几个通义也好 ， 对吧 ， 然后 Seed 也好 ， 这个基础上一定是经过改造之后， 然后融入了这些能力之后， 才有可能成为
具身的 Foundation Model。
所以你觉得这也不是那么容易就被直接做基础模型的大的 AI Lab 给覆盖了 。
但是我觉得中局肯定还是会被他们覆盖掉 。
中局会被他们覆盖掉 。 那创业公司的深度是什么 ？
我觉得还是有点类似像 Agent 团队 ，有点类似 。
就在下面要继续做一下 。
因为这种创业团队的几个好处 ， 第一呢 ， 我是有自己的本体的 ， 跟本体的 Agent 一定要自己做 ， 对吧 ， 它没具备我自己本体的数据 。
那大公司也可以自己做本体啊 ，OpenAI 就招的是做本体的 。
对对对 ， 现在已经看到 ， 包括 Seed 啊 ， 包括这些都已经在做 ，但是我觉得最终的商业落地跟增加很一样 ， 最终肯定是个又脏又累的活 ， 它一定是这样 ， 就垂欲去做应用 ， 我觉得这些互联网公司它不会去做垂欲的应用 ，不会去做落地 ， 我觉得第二点其实说自己的理由 ， 第二点其实就是垂欲的落地的数据 ， 应用的数据 ， 这是咱们自己可以做数据平
台可以去收集的 ， 所以我觉得跟他们的合作模式一定是说他们去做通用的那一部分 ， 对吧 ， 通用的 3D 的理解 ， 空间的理解 ， 然后 3D 的生成 ，但是真正跟本体 ， 对吧 ， 我自己的业务数据 ， 对吧 ， 这个垂欲的数据 ， 然后我自己的本体上的 Action 的生成的部分 ， 那是咱们自己去做 ， 这我觉得是中间的有一个比较明确的界限在 。
你刚才也提到就是你从自动驾驶得到一个经验就是数据还有模型 ， 你都是要跟商业化 ， 就是产品最终卖到这个终端用户 ， 相结合的 。
对 。
那你们现在就是在怎么去做这个商业化的时候 ， 要优先选哪些场景 ， 哪些客户你们是怎么思考的 ，以及这个动作是现在就开始了吗 ， 还是要等 ？
现在已经在做了 。
已经在做了 。
对 ， 已经在做了 。 我觉得选客户的一个标准 ， 我觉得一定是选那种可以标准化 ， 将来一定可以规模化的这样的场景才可以 。其实很多很多很多朋友来找我啊 ， 听到我们创业之后来找我们 ， 说我这有个场景你要不要来看一看 ， 我说先不用看场景 ， 咱聊聊认知 ， 我说你们的场景大概长什么样子 ，是不是一个成熟的流水线 ， 然后其中某一个可能你
让我把某个工人替代掉 ， 然后我去做 ， 我跟你说老哥这我们做不了 ， 我们不想做类似的这样的场景 。
为什么 ？
因为这样的场景 ，因为我们自己做工厂啊 ， 对 ， 我们在理想的自己做工厂 ， 这样的要求非常非常高 ， 第一个呢 ， 它结块要求非常高 ， 你要知道这种比如说工厂小妹 ， 它做一件事情就几秒钟 ， 咔就做完了 ， 咱们现在无论硬件也好还是算法也好 ， 到不了人家这个程度 。
第二个呢 ， 它容错率非常非常低 ，因为你一旦错 ， 你这条流水线就断了 ， 你就涉及到停产停线的问题 。
就影响上面的 。
对对对 。 第三个其实还有更大的问题 ， 你的硬件现在是扛不住 ， 这么高频的动作 ， 你的硬件可靠性 ， 过热这些问题 ， 你持续工作故障率非常非常高 。
寿命 。
对 。 然后最后一个我觉得我们也不想做 ，因为类似这样的你是专门定制化的 ， 我们其实说实话 ， 那你其实跟非标 ， 中国还有 7000 多家非标自动化的公司 ， 你跟人家有啥差别 ， 对吧 ， 这不是你擅长的事情 ， 所以我跟他们聊的就是说你有没有一个端到端的任务 。
你描述一下什么叫端到端的任务 。
比如说你从拿料去仓库取料 ， 然后到上料 ， 到下料 ， 然后到做质检 ， 去到最后去毛刺 ，在最后再回到仓库 ， 整个过程中都让我干 ， 这个过程中那就涉及到我就可以重新把这个流程我自己去梳理一遍 ， 我不需要结合在你已有的流水线里头 ， 对吧 ， 我可以端到端我自己去 cover， 这是第一点 。
第二点 ， 这个东西对我们更有用 ， 我可以自己从我的 skill set， 我可以从头到尾我都可以自己去接待 ， 我可以通过一个统一的模型去把这些东西做到 ，而不是说只针对一个场景我做定制化 ， 对吧 ， 这样对我 。
第三个呢 ，其实这样更容易标准化 ， 那在你这里我可以 ， 我到另一家只要说类似的任务 ， 我也可以立马可以过去 ，不需要做定制化 ， 就可以立马的加一些数据做一些反向领域 ， 就可以直接落地 ， 这我觉得是我们选商业场景或者选这些的一个标准 ， 然后这是一个 。
第二个呢 ， 就是说一定要跟现在的阶段要契合 ， 此时此刻我觉得到具身 ， 我觉得可能要分成几个阶段要过去 ， 对吧 ，因为毕竟这还是个十年的事情 ， 中局上大家都 OK， 它肯定是个通用的具身的东西 ， 对吧 ， 那一定要解决很多泛化性的问题 ， 那泛化性的问题你要解决 ， 第一 ， 这种通用的移动你要解决 ， 第二个通用的操作要解决 ， 对吧
， 第三个那还有比如通用的交互 ， 这个主要是跟人的交互 ， 尤其是安全边界 ， 对吧 ， 你要做的这个泛化性非常好 ， 各种 Common Case 都能做到比较安全的这种交互 。
最后一个我觉得有可能真的到中局类似 Javis 那种出现的时候 ，有个跨本体 ， 对吧 ， 它有可能是再不做本体它都可以生存 ，但我觉得那一步非常遥远 ，但至少你要真的要解决前三个的问题 ， 那从此时此刻你怎么过去 ，也会涉及到你商业化的选择 。
我觉得此时此刻大家能 ， 此时这个大家的能力能做到的 ， 可能就是通用的移动加简单操作 ， 再加物品泛化 ， 这是可以做的 。
那通用移动那其实自动驾驶也好 ， 无人车也好 ， 对无人的那个配送也好 ， 大家都已经在解决了 ， 对吧 。
那第二个呢 ， 就是你的物品的泛化 ， 这其实是 VLM 比较擅长的 ，因为你大量的预训 ， 我能识别万物 ，但是操作现在其实说实话 ， 大家并没有解决得特别好 ， 那此时此刻大家可能就是抓拿取放 ， 搬运 ， 对吧 ， 类似这样的简单操作 ， 那怎么能把这三个东西能够串在一起形成一个产品 ， 能够去落地 ， 这是我现在在思考的事情 。
那将来可能我觉得到了什么操作泛化 ，但我觉得操作泛化一定是跟灵巧手强结合的 ，因为人有四五十种原子操作 ， 对吧 ， 抓拿取放 ， 什么拔茶拧木 ， 对吧 ， 这些一定是跟高自由度的灵巧手结合在一起 ，但是高自由度的灵巧手此时此刻不具备落地的条件 ， 对吧 ， 刚才提到一致性的问题 ， 收敛的问题 ， 价格的问题 ， 就都不太收敛 ，但我觉得
可能两三年后可能会到一个比较收敛的状态 ， 那个阶段可能就已经可以做一些这种人的日常的很多工作了 ， 那我觉得那个点可能是整个行业的 PMF 的时刻 。
你刚才提到的你觉得比较适合这个阶段的端到端的任务 ， 举个例子是 ， 比如在工厂里拍完成取一个东西 ， 你觉得这个第一阶段的场景规模大概是多少 ， 你大概是怎么测的 ？
我觉得规模还是挺大的 ，因为这不仅仅说是在国内 ，其实我觉得国外的需求更高 ，因为凯哥其实有大概十几年， 将近二十年的海外的经验 ，他自己在欧洲 。
之前在欧洲 。
对对对 ， 然后他也就我们创业这一段时间 ，他已经跑欧洲跑了很多趟 ， 然后跑了很多地方 ，其实你会发现欧洲的工厂对这个的需求是非常高的 。
我觉得这个可以给不是很了解制造业的人解释一下 ，因为很多人对制造业的想象是基本上能被分工的部分可能都会被分工 ，因为要追求效率 。
也没有 。
对 ， 所以为什么他还是会有挺多你说的这种端到端的任务存在 。
因为是这样的 ，因为有很多地方是没办法自动化的 ， 比如说它的生产的工件是经常会变的 。
所以柔性生产是其中一个原因 。
它偏柔性 ，而且有很多现在经济不好嘛 ， 大家的产线的产能都不满 ， 所以都会朝散件走 ， 很多就是很散的小件他们也接 ， 那就意味着可能你经常会变 ， 经常会变那就意味着我们原来的那种传统的就是写死的那种机械臂就没法干了 。
对 ，因为写死的它对你抓什么东西位置 。
它非常非常敏感 。
对 ， 要求都很严 。
基本就是 Zero Shot 的能力基本是零 ， 它基本没有任何泛化的能力 ， 所以那这个东西对大家来说是有这个好的产品的预期的 ， 大家希望有这么一个产品 ， 我能解决这些简单的抓拿取放 ，但是我的物品可以一直变化 ， 能快速去用 。
然后第二个呢 ，其实比如欧洲的很多这种服务的人的成本是非常高的 ， 比如说 3000 欧 ， 对吧 ， 那这是一个普通的服务人员的这个成本 ， 那其实像商超里头百分之八九十的人都是在干嘛呢 ，在整理货架 ，在补货 ，在这个就是堆放仓库里头的这种摆放 ， 那这也其实是很容易被咱们这种具有基本能力但是识别万物的这样的机器人去做替代 。
你们什么时候会考虑进家族呢 ？ 你觉得什么条件成熟才会进家族 ？ 现在有一些新的公司就是在做这个方向 。
一定是到第三个 ， 就是安全泛化那一步 ， 交互泛化这块做好了我觉得才能进家族 ，因为我觉得这个东西是需要敬畏的 ，因为我们做车的人对这个事是非常敬畏的 ，因为任何一个出任何一个事故可能都是一条人命 ， 这件事是非常非常严肃的一个问题 。
就举个例子啊 ， 就比如说咱们常用的汽车 OB， 你真的甩出去这一下 ，是可打死人的 。 所以这个东西我为什么是觉得就说交互的泛化一定是说是第三个阶段 ， 先把物品基本这个通用移动解决 ， 然后再把灵巧操作解决 ， 然后最后再解决交互的问题 ， 进家一定要有交互 。
对 ， 你说的那种以前的工业币 ，其实你去比较正规的工厂它都是围起来的 ， 就人其实是不能离它特别近 。
而且你看现在所有的 ， 包括机器人也好 ， 什么也好 ， 它的体重至少都是几十公斤级别 ， 对吧 ， 大几十公斤级别 ， 这个东西你随便倒一下， 砸到孩子 ， 这都是问题 ， 我觉得这一步可能没有那么快 。
那能预测要多久 ？
我自己的感觉可能就 ， 可能进家我自己的预期可能大概 25 年、30 年附近 。
那也挺快的 ，其实也很快 。
我觉得就是说只要说前面 ， 比如说慢慢的 ，因为你肯定是从封闭场景 ， 比如说从工厂也好 ， 商超也好 ， 慢慢的朝半封闭场景 ， 比如酒店 ， 这个饭店 ， 偏半服务业这种能慢慢搞定 ， 然后最后才去家庭 ， 这个肯定是这么一个迭代的过程 ， 比如逐渐的有点类似咱们做增长 ， 从 L2 一直到 L4， 逐渐的把安全边界摸清楚 ， 然后做一些兜底的东
西 ， 我觉得才能进家庭 ， 跟大家去做这种大规模的交互 。 如果说你只是说早期的一些 geek 啊 ， 我偏这种实验性质的 ， 那我觉得现在就已经有 ， 比如像 Pi， 对吧 ，Pi 0.5 其实就已经在很多家庭去做什么叠被子啊 ， 类似这样的事情 。
Sunday 也有一些 。
对对 ，Sunday，但是我觉得可能那今年刚开始吧 ， 去年年底开始让大家去申请去做试用 ，但是我觉得可能规模也不会特别大 。
因为你这次创业的所有人其实都是你们长期共事过的 ， 然后我跟你的投资人聊 ， 比如说远景的刘亦然 ， 还有蓝池的曹薇 ，他们也都说非常看重你们的一个原因 ， 就是觉得这个团队是在一起磨合过 ， 然后打过硬仗 。
组织管理1:57:23
你们现在大概是一个什么样的组织啊 ， 包括你们当年就是在制下研发的一些经验 ， 你觉得哪些是能用上哪些是要重新学习的 ？
对 ， 我觉得可能直接能用的就是我们三个人的分工 ，因为其实 。
刚才讲到 。
对对对 ，因为我跟佳佳配合了大概五年的时间 。
你们是一直做 ， 就都是一个项目的 ， 然后你做研发她做交付 。
对对对 ， 我们俩就是配合这么多年， 对 ， 基本你可以理想的 ， 理想支架的大多数的关键项目都是我们俩一起去做 。
从 NOTU、 从 VLA。
不 ， 从最早的 ， 可能从 Go3 的交付 ， 然后到 Go5， 然后再到有图无图 ， 到端到端到 VLA， 基本我们俩就配合这么多年， 我觉得这个是有默契的 。
然后凯哥这里呢 ，其实我觉得他主要就是从 High Low 的战略管理资源 ， 就是当时也给我们很多很多的帮助和指导 ， 我觉得这是我们现在的这个分工的大概的一个方式 ， 我觉得还继续沿用 ， 我觉得没啥大的问题 ，但是我觉得可能具身跟支架稍微不太一样的一个点 ， 就是硬件这一部分 ，因为我为什么刚才说我们花了那么多功夫在硬件上去迭代 ， 这么短的
时间内迭代了两三版 ，也是我们觉得它跟车不一样 ， 车特别成熟 ， 就是你基本零部件拿过来基本大差不差 ， 你只要把主体的电气架构做好 ， 电子电气架构做好 ， 就基本能够做出一个比较好的产品出来 ，但是现在硬件这一部分我觉得具身还远远没到那一步 ， 你就得花很多很多的精力去看它的零部件也好 ， 去看整体的结构也好 ， 没有
太多的这种可以成功的经验可以去参考 ， 我觉得这是可能现在我们感觉总体看下来 ，在这部分现在是放在佳佳那里 ，也是佳佳比较花时间比较大的一部分 。
因为你们是成立半年多 ， 硬件迭代了两次 ， 你可以讲讲你们现在的硬件是一个什么形态啊 ？
我们是个半圆形的状态 ， 就上半身还是双 B， 然后下半身是轮式 ， 我觉得是现在我们应用场景里头这是比较通用的 ， 效率比较高的一种方式 ，因为我现在还是觉得先不追求人形 ，因为这也是跟 Tesla 团队聊完的一个收获吧 ，因为去年 Milan 走其实其中一个原因还是说他的这个硬件团队 ， 本体团队和算法团队配合不太起来 ，因为硬件的人其实他人形吧 ，
追求高自由度 ， 越像人越好 ， 然后越复杂越好 ，但是此时此刻模型的能力是差的 ， 模型能力基本不太用得起来这么高自由度的东西 ， 所以我觉得是配合会有问题 ， 所以我觉得为什么我们叫 CPLS 一点 ， 我还是想着先把硬件本身做简化 ， 根据此时此刻模型的需求去定义这个本体 ，而不是说让本体的人自己去狂奔了 ， 去自嗨了 ， 没有任何意
义 ， 最后没法做成一个软硬结合的这么一个产品出来 。
你觉得马斯克坚持做人形的原因是什么 ？
我觉得还是跟他看到中局吧 ，他觉得中局上来说第一性原理 ， 我觉得他觉得就人形这玩意就是最通用的东西 ，他一定要做人形 。
所以他的思路是有点一步到位的思路 。
对 ，有点这种感觉 ，而且这样好处就是说我通过一个最复杂的硬件的构型 ， 我去倒逼我自己的供应链 ， 这对我们来说是好事 ，有这么个人冲在前面 ， 比如像特斯拉像宇树这种通用的前面 ， 我觉得整个供应链也会快速成熟起来 。
那你们实际上有些什么获益吗 ？ 比如说你们现在来做硬件 ， 中国的哪些供应链的能力可以支持到你们 ？
会有 ， 会有 ，因为比如像我们几个比较偏战略的 ， 像 VD 啊这种 ， 就是说它就有一些比较现成的东西 ， 比如说一体化的关节 ， 我们就可以拿来用 ， 我觉得这可以加速我们的整体的研发 ，而且他们也有很多经验 ， 比如说那你看这家的 B 设计成这样是失败了 ， 你要避免 ， 我觉得这个东西对我们来说是非常受益的 。
你们生产是在苏州是吗 ？
是生产在苏州 ， 正在绿地边上， 这样比较好一点 ， 就是有什么问题当天就解决了 ， 我觉得这个效率非常高 。
就靠近机器人的供应链 。
没错 。
因为你现在说从理想到现在做质检的整个风格 ， 就是你们更多强调项目值 ，而不是团队的具体的划分 。
对 。
那可以讲讲你们大概 ， 你们现在有 80 多人吧 ， 它大概是一个怎么组织起来的 ？
其实就三拨人， 然后现在也没有组织架构 ， 直接就挂在我们三个人下面 。
OK。
对对对 ， 就是偏硬件 ， 偏底层软件 ， 偏运控 ， 偏产品的 ， 那就是佳佳这里 ， 然后算法的部分 ， 模型的部分 ， 然后 Infra 的部分在我这 ， 然后那 CIR、IR、DR、PR， 然后财务 、 法务 ， 然后融资这些相关的都在凯哥那 ， 然后就直接挂在我们三个人下面 ，也没有什么 DR、 减一这种经验的 。
然后特别重要的角色就是你们一起来的角色 。
对 ， 我们会有个战略委员会 ， 这也是沿袭了我们以前理想的一些做法 。
因为王凯以前是你的上司 ， 然后现在你是这个公司的 CEO， 你是 1 号位 ， 你前面也说到你最后是要来做决策的 ，在成立以来有什么情况下是你做了一个可能最开始大家并不完全支持或者同意的决定 ？
目前还没有 。
目前还没有 ？
目前还没有 ，因为其实我们是我们每周会有一个战略会议 ， 我们三个人会把要做的事情都会讨论一遍 ， 就是大家有争执或者有分歧就在那个会上直接解决掉 ，不要留到那会议之外 。
那你们有少了分歧吗 ？
会 ， 那肯定会 。
比如说有些什么影响表现呢 ？
我觉得就比如说像融资这件事 ， 说实话我们是偏门外汉 ， 对吧 ，因为我们是就说实在的 ， 凯哥其实他有些特别的 idea，但有的时候我们不是特别懂的时候 ， 我们会觉得这不太对吧这东西 ，但是凯哥属于比较有耐心 ，他会给你解释为什么这么做 ，probable cause，他非常非常清楚的告诉你是什么样子的 ， 那这样的话我们其实我们两个就 OK， 那没什么太大
问题 。
比如说你最开始觉得什么不太对 ？
有些投资人我觉得挺不好的 ， 为什么不让人家进来 ， 类似这种感觉 ， 我觉得会有这种 ， 对 ，但是凯哥一个观念就是说你融资上跟研发是一样的 ， 一定要有节奏感 ， 就是你第一波投资人是什么样的人， 你要定义清楚 ， 比如我们第一波是一个顶级的 VC， 顶级的财务投资人， 然后第二波人是什么样的人， 要定义好 ， 那是不是说是战略方 ， 或者是根据
以后能支持你的 ， 对吧 ， 上下游 ， 尤其是能给你带来技术上或者是生态上的一些好 ， 这个战略方 ， 那第三波是什么样的人 ，他会定义的非常清楚 ，有的时候中间会掺杂一些比较好的 VC 进来 ， 我会觉得这非常好 ， 为什么不让人家进 ， 反正凯哥的原则是说我给你解释一下我的节奏是什么样子的 。
那可以讲讲你们这三波是怎么定义的 ？
对 ，有点类似刚才那个思路 。
对对对 。
从顶级的财务 。
财务的话你们是 ？
偏战略 。
远景 、 红杉 、 蓝池 。
对 ， 没错 ， 然后偏战略的 ，有阿里 、 腾讯 ， 然后这些 ， 然后再偏可能比如说偏相关的产业方的 ， 那比如说像我们最近在聊的一些 case。
生产方式有场景的 。
有场景也好 ， 还是说我们供应链上也好 ， 那这都是从无论从保供的程度 ， 从保供的角度来看 ， 还是从我们应用的角度来看 ， 都会比较好 ， 基本就这么三拨人要去分别分节奏的去 approach，其实我们现在 approach 的人非常少 ， 你看到没有什么太多的新闻 ， 然后因为我们都是先提前选好 ， 然后这些人就是 approach 这几家就 OK 了 ， 就结束了 ， 然后基本
大家是比较认可 ， 认可完就 close 掉 ， 节奏会比较快 。
你说这种自的节奏比较快 ， 它的好处比较明显 ， 就是你能获得发展资源 ， 那另一方面你觉得有什么弊端吗 ？
要怎么去避免 ？
目前看还好 ，因为这方面 ，因为大家融资快 ，其实最担心的一个事就是你稀释的比较快 。
对 ，以及你估值比较高 ， 投资人对你的期待 。
对对 ， 没错 ， 为什么说这几轮大家都我们会比较顺利 ，因为这个团队会比较拼 ，因为每一个阶段基本一个月一次这种感觉 ， 那我们都会有拿出新东西来 。
一个月一次拿出新东西 。
对 ， 拿出新东西来 ， 大家会发现你们团队确实一直在进步 ， 一直有新东西 ， 一直在高速的在打仗的这种状态 ， 大家会觉得你团队确实是比较靠谱的 ， 这是一点 。
第二点其实我觉得这也是凯哥给我们带来一个巨大的好处 ，他对这个稀释的把控把控的非常好 ， 就是到目前为止我们稀释的并不多 ， 一方面也是因为大家比较看重这个团队 ， 估值上可能会给的会比较好一点 ， 然后稀释的也比较低一点 。
那你们一个月需要拿一个成果出来 ， 整个团队过得起来 ， 应该是很紧张的 。
我跟团队聊的法是这样的 ， 第一呢 ， 说实在我们进来确实晚 ， 对吧 ， 比 23 年、24 年甚至更早那一波人， 我们进来还是晚 ， 我们是 25 年下半年才进来 ， 那此时此刻别人不会觉得你晚 ， 你就要你的东西就要差 ， 别人会跟别人一样同一个情况下， 同一个标准去给你们拉齐 ， 所以前期我们一定要快 ， 这是第一点 。
第二点的话其实快速试错 ， 为什么硬件我们这么就是连续打了两轮 ， 我们连续试错 ， 就是快速试错的过程中也是给自己积累经验 ， 知道这个行业尤其硬件上， 对吧 ， 我们没有经验的情况下怎么快速获取经验 ， 怎么快速迭代 ， 我们就也要去 ，而且我觉得其实给团队传达一个信息 ， 今年明年的竞争一定会很激烈 ， 那尤其是到了这个估值 ，
到了一定估值很高的时候 ， 别人不是说你觉得你 。 是个新玩家 ， 你团队小 ， 你就跟那几家你就自然而然你就存在差距就 OK， 那不是的 ， 别人一定是以更高的标准去要求你 。
到目前为止有什么进展是稍微落后于你的预期的吗 ？
我自己的预期啊 ， 我的想法还是说数据这段时间是有点低于我预期的 。
你是指数据的什么方面 ？
就数据的量上， 就是低于我自己预期 ， 我们现在大概也就是 1 万小时附近这种数据量 。
你们现在 1 万小时数据它是怎么组成怎么得到的 ？
有一部分是半真机的 ， 然后有一部分是真机的 。
那真机就是穿戴式设备 ？
对 ， 穿戴式设备 。
真机就是量子操作 。
对对对 ， 这些大概是这么就是以半真机为主这么一个比例 ， 我觉得这跟硬件的迭代有关系 。
你们的穿戴式设备是你们自己做的吗 ？
跟别人一起做 。
你们做设计然后有人来生产 ？
对 ， 差不多这种感觉 ，因为这个东西要求比较高 ， 我们要求会比较高 ，因为它是个类似穿戴式的手套 ， 所以这个东西反正目前迭代的速度呢 ， 我觉得是不如我想的那么快 ，因为它毕竟还是有门槛 ，因为涉及到很多电磁干扰的问题 ， 所以穿戴式这个手套电磁干扰是比较麻烦 ， 导致数据的有跳变 ， 比如它的位置突然跳了一下， 这个质量的
这个一开始最早的时候可能三分之一的数据不可用 ， 现在慢慢迭代可能百分之九十数据可用 ， 这个过程是比较痛苦的 ， 我觉得这个可能需要一定的时间再去花点时间去迭代 。
现在质检有确定的愿景实现价值观吗 ？
还没有 。
还没有 ？ 那你们会讨论这个问题吗 ？ 还是说你觉得早期其实不用讨论这个 ？
我们其实一直在讨论这个话题 ， 我为什么比如说我们词头概念叫 Simple Scalable， 我们想把这个东西当做你是当做愿景也好呢 ， 还是当做什么也好 ， 这个还没有说真正的 ，但这是我们的工作方法论 ，但我觉得愿景一定是说等你沉淀到一定程度 ， 你真的知道这家公司到底想朝哪个方向走 ， 真的给这个社会带来什么样的贡献的时候 ， 我觉得才把它总
结出来 。
如果说这个成果在东西现在讨论的话 ， 那团队里它形成的这种氛围你总结一下是什么 ？ 就文化和氛围 。
我觉得文化是这样的 ， 就是至少对这件事的认知 、 认同感我觉得一定要很强 。
你是对具身智能 ？
对 ， 具身这件事我其实我很多人进来那个面试的时候 ， 我先跟他聊的不是说技术什么样 ， 我就说你对具身这件事到底怎么看 ， 你相不相信这件事 ， 你认为这件事对咱们社会 、 对你个人会带来什么样的改变 ， 我就先聊这件事 。
如果说这个人对这件事都不信 ，他也不认为这件事对他有什么改变 ， 会对这个社会做了什么贡献 ， 那我觉得他可能不会坚持特别久 ，其实他就是很强 。
他都已经来这个面试了 ，他也不信吗 ？
不过有的人其实不是的 ，有的人可能是冲着这是个新的东西 ， 我想去尝试新东西 ， 然后有可能是觉得听说这个鹏哥你们来创业了 ， 我觉得比较想加入你们团队 ， 对你们的人比较认可 ， 可能是这样的 。
你面试的时候有什么可以分享的问题吗 ？
我觉得第一个问题就是刚才的 。
对对对 。
第一个一定要 ， 第二个其实我更想问 ， 就会问他们 ，其实我们现在是属于一个开荒的荒地 ， 就是每个人的角色其实是不固定的 ， 你能不能接受 ？
就他不是那种一个萝卜一个坑 ， 然后流程很严密的状态 。
因为现在是属于这样 ， 就是我们还属于很早期 ，并没有还说真的到一个很严格的组织 ， 每个人都有自己的某一个条条框框的东西 ， 现在还是为什么说我们没有组织架构 ， 这些人可能手里每个人都负责了不同的事情 ， 每个人可能做了两三件事都需要他去 cover， 那我首先问他你能不能
适应这样的工作 ，是不是 OK， 就是跳出你自己的 ， 比如说你就是做 SLAM 的人， 能不能跳出你的舒适区 ， 比如去做一些其他的事情 ， 如果说 OK， 那我觉得这个咱们是可以比较契合的 ， 如果不 OK 那可能就得想一想 。
其实你们在理想也是很长时间里没有一个萝卜一个坑 ， 对吧 ？
这是铁哥跟我讲过一个理论 ，他说也是荒地理论 ，因为那是很早期的时候 ， 就 20 年的时候 ， 那时候还属于创业阶段的时候 。
理想的赛风李铁的吗 ？
对 ， 李铁 ， 铁哥就会说那反正我就是个荒地 ， 这些都很多地方都荒着呢 ， 那你这些人你进来之后不一定说在你原来比较舒服的那个地方去工作 ， 你也可以选择荒地去做荒 ， 这都是 OK 的 ， 所以我觉得可能对于我们来说也是类似 ， 现在你还没有精细化的每个人可能就是个螺丝钉 ， 没有那样 ， 每个人可能还是负责了一两片荒地的 ， 你要去开荒 ，
除了你自己这个本身要做的事情之外 。
因为荒地的好处就是很灵活 ， 然后整个团队很灵敏 ， 然后也能充分发挥大家的自驱力 ， 对吧 ， 就像西部大开发的那种感觉 。
那他发展到一定阶段之后 ，他可能会有什么问题 ？
我觉得其实问题不大 ，因为我们过去这么多年就是一直这么做的 ，其实 。
他不会有比如说团队会抢 scope 吗 ？
也没有 ，其实是这样 ， 就是工程人员还有个癖好 ， 就是他想尝试做新东西 ， 所以我们其实一直为什么说我们没有组织架构的原因 ， 就是我们经常会有人去抢 ， 就比如说那我们觉得这个项目好 ， 或者是阿 D 的项目好 ， 那大家沉在一起 ，有可能是来自于不同背景的人， 大家都想做这件事 ， 那就沉在一起大家去做 ， 可能跟他原来的本职工作基本没有太
有特别搭讪 ， 所以我觉得我可能这个阶段也想创造这样的氛围 ，因为一个人他可能在自己的领域里待 ， 就是做的时间特别长了之后 ，他也想尝试新东西 ， 所以现在我就跟他们聊 ， 就是第一呢 ， 你的原本的专业你肯定要比较 solid， 你要比较强 ， 第二你愿不愿意去探索这个新的领域 ， 我给你一个新的领域 ， 你也同时要去探索这个新的领域的东西 ，
我觉得这是可能我希望能进来咱们公司的人都是类似这样的人 ，他需要有一定的这种尝鲜或者是想去创新的这样的感觉的人。
像当年在英伟达就是有几千人， 到你走的时候肯定有上万人了 ， 一个那么大的工程师体量的环境里面 ，他也能保持开荒这种方式吗 ？
也是的 。
对 。
我觉得这就是 NV 比较 sexy 的地方 ，因为它本身就是一个通用的计算平台 ， 就意味着你就会持续有新的应用来进来 ， 你看它几波从游戏也好 ， 到比特币也好 ， 再到数据中心也好 ， 再到 robotics 人增加也好 ， 基本你会发现底层的东西不变 ， 只不过是上层你的应用也好 ， 你的新的开拓新的领域也好 ，其实你用的你的知识库也好 ， 你的工具链也好 ，其
实都是基于那一个东西 ， 我觉得这可能是 NV 这么多年它一直有持续创新的一个好处的地方 。
就是你在理想 。 然后包括你现在自己来做质检 ， 就是你觉得组织要简单 ， 然后要这样项目值得大家一起去战斗去推进 ，但其实你想从 21 年也开始学华为 ， 华为是很强调流程的 。
对 ， 很多东西要很配合 。
对对对 ， 那像这种矩阵的很多项配合 ， 它对你们当时做智驾研发是一个什么样的影响 ？
还是有影响吧 ，但是我觉得就是智驾内部 ，因为大家还是以项目制朝前走 ， 相对来说还是比较灵活 ，但是你会发现整个公司就会已经有比较标准的流程去走 ， 我们也花了很多功夫去建 ， 比如说各种各样的研发流程 ，但是我觉得流程本身其实它本身也在迭代 ， 流程本身也快速在变 ，因为你每年都在做不同的新东西 ， 所以我感觉这个对我
们的影响呢 ， 就是你额外的工作变多了 。
额外的工作变多了 。
对 。
你说是沟通类的工作 ？
对 ， 沟通类的工作 ，因为你以前只是比如说我就是项目内 ， 对吧 ， 大家去做一个纵向的沟通就行了 ， 大家就立刻开始干活 ， 然后大家目标共识了 ， 对吧 ， 我今年怎么干 ， 这个项目怎么打 ， 大概有多长时间 ， 项目方案是什么样子 ， 好 ， 大家就开始做了 ， 那现在有了横向的之外， 那你就可以可能要跨不同的部门去做沟通了 ， 那这个东西到底是
不是 PTT 想要的 ， 对吧 ， 对它的产品 ， 对它卖车到底有没有贡献 ， 那可能就要做一些拆解了 ， 对吧 ， 对你的产品有提升有多少 ， 我需要投入多少资源 ，IOI 怎么算 ， 那这就是额外的一些业务篇 ， 额外的一些工作了 。
你怎么评估这些沟通的价值和性价比 ？
其实我自己在里面的时候 ， 我是没有感觉特多价值 ，因为你作为一个打仗的人， 对吧 ， 你还得让我算这个 ， 我打完仗之后对你这玩意到底有什么影响 ，其实我内心上我本来是比较排斥的 ，但是真正自己出来做了之后， 你会发现这件事确实是得这么去做 ， 就是一样 ， 你还得从你的商业去倒推 ， 做了这件事真的到底为你的商业带来多少的投入产出
， 到底什么样的 ， 到底有没有可能让你的公司变得更成功 ， 对吧 ， 然后你的组织会变得更 solid， 你的流程会不会变得更好 ， 我觉得这个东西还是现在在思考 ，但是我觉得其实不着急去用 ，因为现在还是想让整个团队更加灵活一点 ， 可能真的到了可能像理想这种规模的时候 ， 我就可能也得去好好的把这件事去做一做 。
对 ， 我觉得它是个大的方向 ， 跟理想的那个思路 ， 就是既是要服务产品产品 ， 要服务商业是一致的 ，但它们也有些反复和调整 。
最近晚间也报道了 ， 就是说理想从学华为到学 AI。
对 ， 反正华为的这套东西大家反正都在学嘛 ， 之前 ，但是我觉得真正落地的可能就比较少 。
你现在来做这样的一个新的公司 ， 你有什么对标的组织 ， 或者你心里觉得是一个公司的 role model 呢 ？
我觉得特斯拉 。
特斯拉 。
特斯拉 Autopilot 团队是我觉得最好的 ， 就是效率最高的这种 AI 团队 ， 对 ， 人很少 ， 大家很难想象 Autopilot 团队一共也就是 200 人， 对 ， 然后做出了世界上最屌最好的自动驾驶 ， 就做了最好的产品 ， 我觉得有点类似这种感觉 ，他们也是一个就是强 AI 的团队 ， 我不需要讲究太多流程 ， 然后不需要讲究太多的这个大家之间这个组织的划分 ， 每个人可能 cover 两三件
事情 ， 然后大家以这种快速的迭代这样朝前走 ， 我觉得这是我可能初期想要的一个比较好的状态 。
就我跟你聊下来 ， 我觉得你是非常 focus 在当下的一些问题和阶段的 ， 你是那种就是比较相信我是一边去
设计 ， 一边去描捺 ， 还是你喜欢那种我走一步想散步 ， 然后看五步 ， 就我要我定而后动 。
我觉得这种什么一直的方法论 ， 就是远的 vision 一定要对 ， 就是大的方向不能错 ，但近期的一定要比较精准 ， 中间的过程有坑咱就破个坑 ， 快速调整 ， 快速迭代就行 。
因为现在整个具身行业非常早期 ， 行业里也是有很多分歧和争论的 ， 你觉得有什么非常重要但是可能被忽视的真相呢 ？
硬件真相2:18:05
非常重要但是被忽略的真相 。
或者说大家比较心照不宣 ，但可能不怎么讨论的一些问题 。
我觉得还是硬件的问题 。
还是硬件的问题 。
但是你看所有人都觉得现在硬件差不多了 ， 缺的是数据 ， 缺的是算法 ，但是我感觉硬件远远没有到那一步 。
所以硬件是在很多比如说采访 ， 或者说对外的表达里被一句话盖过的 ，其实坑挺多的 。
但是坑非常非常多 ， 你真的自己做硬件之后你会发现哇这个坑太大了 。
我这里可以推荐晚点之前关于 Optimus 的好几篇报道 ， 我们是从供应链的角度去写的 ， 里面有涉及到很多硬件的细节 ， 包括他之前那个手上用的一些就是零部件导致它这个寿命很低 ， 然后它每次坏了也不能去单独的修其中一个部分 ， 它只能把整个手换掉 。
我觉得这可能还是整个行业问题 ， 就是它还没有真正到一个说大家真正的标准化 ， 对吧 ， 流程化 ， 然后做工艺还没到那一步 ， 感觉还是说还差很多年的这种感觉 。
这是一个 。 那还有 ？
剩下的我感觉可能逐渐都是偏共识的东西了 ， 包括数据 ， 对吧 ， 包括模型 ， 我觉得可能慢慢大家都会逐渐收敛 。
我自己比较好奇的一个问题就是这个具身智能领域什么时候会出现智能能力有限的这种信号 ，其实简单来说也就是大家经常会说比如说我什么时候到 GPT-3。
GPT-3， 那个时刻 ， 对对对 。
我发现大家判断还是有分歧的 ， 就有些比较乐观可能会觉得在 26 年就会是这样一个时间点 ， 然后也有人觉得要 3 到 5 年才会到这样一个状态 。
我自己至少判断我觉得是比较快 ， 我觉得比如说 26 年 27 年我觉得可能会有一些信号出来 ，因为我为什么这么判断呢 ，因为我觉得还是从基础模型本身 ，因为现在至少一体化就是 unified unification 这件事大家慢慢是认了 ， 然后那现在至少看到了像 Gemini 这种元生多模态 ， 它本身就已经具备了很好的比如说到事件模型的迁移能力 ， 那我觉得有了这样之后， 我觉
得到 action 的部分 ， 咱如果说按阶段来看 ， 对吧 ，V、L、A， 那 V 的部分可能包括了理解 ， 包括了预测 ， 包括了生成 ，L 可能偏推理 ， 偏 reasoning，A 的话偏生成 ， 那 A 的部分我觉得主要就靠具身的数据了 ，其实如果前面 V 和 L 已经解决得很好了 ， 那我觉得这件事可能就大概率就能成 ， 所以我觉得最近大家看到无论是 Gemini 也好 ， 对吧 ， 类似这种事件模型也好 ， 类似 Silence 这种 ， 对
吧 ， 然后做视频生成的模型也好 ， 我觉得逐渐已经看到了这样的趋势 ，但是现在可能缺少了一个是偏这种 ， 大家还是以偏多模态的理解和视频生成为主 ，但是我觉得缺了的一环呢 ， 就是多模态的推理能力 ， 这个包括了比如说语言的 COT， 现在大家已经有了 ，但是视觉的 COT 什么时候有 ， 对吧 ， 我不仅仅说能够理解 ， 我还能推断 ， 然后我还是根
据我的输入去做推断 ， 然后我觉得这是一个 ， 然后这个如果能力有了 ， 就这是第一步 ， 第二步的话 ， 它什么时候能有一定的自进化的能力 ， 这个所谓的自进化就是说我能在这个多模态的这个理解和生成 ， 比如说视觉的 COT 和视觉的生成的基础上， 我觉得 action 是我自己做闭环的迭代 ， 自己跟自己玩 ，有点这种感觉 ， 如果有打通了这个链路 ， 我
觉得就直接可以类似一个 GPT-4 这种时刻的到来 ， 我觉得可能就是总结成两个词 ， 一个是 unification， 就是真的是统一化 ， 尤其是多模态的这种推理能够出现 ， 这个推理不仅仅包括理解 ，也包括了多模态的 COT 和生成 ， 然后第二个可能有点类似 self 的这种 evolution， 如果它自己有一定的 A 和多模态的生成之间 ， 自己能够有一定的闭环的迭代 ， 那我觉得这基本就差不多快成
了 。
你说这个 unified model 确实能看到很多进展 。
对 ，但是我觉得大厂现在基本都会朝这个方向走 。
也有一些成果出来了 。 那自进化这个东西怎么好判断 26 年之前 ？
现在其实已经有类似的工作了 ， 最近有几篇类似的东西 。
你说 。
对 ， 然后我们最近也会发一篇 。
OK。
对 ，也会有一篇 。 对 ， 就是在你自己生成模型的基础之上 ，也有一个 action 的生成 ， 然后这两个可以相互的去做迭代 ， 我觉得这个可能是我们想做到的一个好的一个感觉 。
你觉得整个具身领域把所有的软件硬件都算上， 包括什么材料能源全部都算上， 有什么没有被攻克的科研性的难题 ？
就是指它的答案可能是非常开放的 ， 就比较不确定的这种 。
我现在这么一看呢 ， 我觉得你就还是从这几个要素上去看 ， 第一 ， 硬件呢 ， 我觉得至少目前大家是逐渐收敛的 ， 对吧 ， 无非就是构型上稍微有点不太一样 ，但是零部件上我觉得其实差不太多 ， 对 ， 然后第二个呢 ， 就是数据上， 对吧 ，在数据的能启动上就大家不会差别特别多 ， 剩下我觉得可能就是长尾问题 ， 对吧 ，long tail 的 case 到底怎么去解
， 尤其是现实的 long tail 的语言体 ， 觉得这个可能我觉得正好自动驾驶已经趟了一条路出来了 ， 然后那接下来可能就是说你的模型的部分 ， 模型部分可能我觉得大家现在目前有争议 ， 对吧 ， 还是世界模型好还是 VRA 好 ， 我觉得有争议 ，但是我觉得一体化这件事肯定是大势所趋 ，unified 这件事我觉得肯定是必然的 ， 我觉得可能虽然说现在还不是个共识吧
，但是我觉得至少很多团队已经意识到这件事 ， 然后那第四个呢 ， 那就是你的这个偏迭代的部分 ，因为 univision 这只是基础模型 ， 对吧 ， 怎么能把基础模型然后做到具体的应用上， 去做到具体的分析和应用上， 至少 SFD 加真机的 IL 可能大家也有所共识 ， 只不过说真机 IL 大家吐槽的就是效率太低 ， 怎么提高效率 ， 我觉得这个基本差不太多了 ，
剩下我觉得无非大家争议比较大的就是我到底商业化是商业在什么工厂 ， 还是商业在什么 2C， 还是商业在什么物流商超 ， 可能我觉得这个可能就各自发挥吧 ， 我觉得各自可能在各个垂域可能都能找到一些比较好的落地点 ， 所以你无论是从硬件 、 软件 、 算法 、 数据 、 商业 ， 我感觉都已经开始逐渐有些能力所收敛了 ， 所以我感觉为什么说
我隐隐约约觉得这是个突围到突围的一个 shift 的阶段 ，因为一旦这些东西有大概的目标和方式之后， 可能接下来大家就是开始怎么把它真正做商业化了 。
然后 26 年我觉得还有一个大家肯定会关注的行业事件 ， 就是有第一批具身智能公司会上市 ， 你觉得这件事会怎么影响这个行业的竞争格局 ？
上市潮后2:25:03
我觉得有好有坏 ， 好的一点呢 ， 就是这个行业肯定会再 bomb 一波 ，有点类似 W。
你说在 hyp 上 。
对 ，在 hyp 一下， 对 ，因为我觉得无论是宇树也好还是智源也好 ， 这些老大哥们我觉得要 respect， 人家确实付出了很多 ， 然后探索了很多 ， 我觉得目前至少看到的成果是非常棒的 ， 那事实上我觉得也不会特别差 ， 然后那肯定对整个行业来说是个强心针吧 ， 我觉得至少会打一波 ，但是对于我们这种偏后来 ， 就后面跟着的一波人呢 ， 可能压力会比
较大 ，因为你整体来说它一旦上市之后， 它的资本的能力就比我们强非常非常多了 ， 对 ，因为它靠二级市场 ， 对吧 ， 增发或者是类似这样的 ， 它的资金来源 。
融资效率 。
融资效率比我们高非常非常多 ， 那我们还是靠自己的 ， 对吧 ， 你这样去融资 ， 那对于我们来说是压力 ，也是竞争 ， 那也会导致可能会有一些人才的流失 ， 所以好和坏可能都比较明显 ， 好的话这个行业可能还会繁荣 ， 对吧 ， 大家还觉得这个行业还是不错的 ， 然后另一方面对于我们的后来者 ， 可能大家会觉得会形成无论是融资还是人才上的一些
压力 。
你觉得什么时候中国的巨头型的公司会在具身智能上投入更多的资源 ， 对创业公司造成压力 ？ 其实像大语言模型已经发生了 ， 比如说王小川之前就说应该在巨头就是关注不到的地方创业 。
我的感觉呢 ， 可能具身这件事咱可以映射到新能源上， 你说新能源真的现在有巨头在做吗 ？ 除了小米 、 华为可能算 。
互联网巨头确实 。
对 。
和他们做的事情相对更远 。
有点就是你会发现中国的互联网好像没有硬件的基因 ， 这句话不知道对不对啊 。
我觉得目前为止是成立的 。
对吧 ， 所以为什么他们还是更希望能做具身的仿类的 model， 就是更底层的这种基础模型 ，而不会去 touch 具体的这种硬件的制造 、 硬件的落地 、 硬件的生产 ， 我觉得这可能是这些具身公司的这个机会吧 。
对 ， 你说的这个是互联网的巨头 ，因为对大模型来说互联网巨头可能跟它是直接相关的 。其实在你们这个领域的话 ， 大公司 ， 比方说的华为 、 小米 ， 这也是大公司 ， 包括理想 。
我的感觉呢 ， 这些迟早都会做 ， 对 ， 这个不可否认 ， 你小鹏也在做 ， 对吧 ， 理想也在做 ， 那小米也在做 ， 我觉得这不可否认 ，因为他们都是有软硬件的基因在的 。
对 ， 你之前说这个是第二个曲线 。
对 ， 对于他们来说这是很顺的一件事 ， 都会去做 。
就是什么时候它可能会从第二个曲线的位置变得更重要 ？
我觉得至少我觉得在 PMF 没有来之前 ， 大模型不会的 ， 肯定是 ，因为你就看小米和华为 ， 尤其是小米 ， 对吧 ， 为什么做车 ，是因为魏小李这些已经跑出来了 ， 对吧 ， 然后整个供应链已经很成熟了 ， 然后因为大公司它最强的是它是生态 、 品牌 、 市场 ， 这都是可以碾压我们的 ， 对吧 ， 所以它基本是到最后整个产业链 、 供应链这个成熟之
后， 它靠着供应链的价格 ， 对吧 ， 供应链的优势 ， 靠着品牌的优势 ， 靠着市场的优势可以把这些人打趴 ，但是这个阶段呢还没到 ， 我觉得他们还在等 ， 等你们都摸出来之后， 这个产业这个供应链已经相对成熟 ， 整个市场也相对明确的时候 ， 它再以资源的优势来碾压 ， 所以我觉得留给大家的时间也可能不会特别多 ， 对 ， 我可能我自己感
觉可能比如说我自己的预期可能 PMF 时的时候是 28 年附近 ， 为什么这么讲 ， 就还是回到刚才的逻辑里头 ， 零交手的稳定 ， 零交手的量产 ， 就是精细操作的出现 ， 我觉得是一个大的 PMF， 基本这个时候基本已经证明了整个具身的价值 ， 前期可能还是大家还处于这种如果以跨越鸿沟理论来说 ， 前面还是偏 gig、 偏小市场为主 ， 跨越鸿沟之后开始进
入早期大众 ， 早期大众这个阶段其实就已经大公司肯定就已经盯上了 ， 它认为这是一个市场 ， 它就会开始扩张去做 ， 我觉得可以借鉴新能源这几家吧 ， 新势力这几家 ， 你必须在这个之前 ， 你自己要变 ， 要从一个弱小的创业团队变成一个至少中型的团队 。
你觉得在 28 年这个时间点 ， 这么多具身智能创业公司 ， 你觉得当时那个时间点能足够安全的公司应该是什么样的 ， 应该做到什么 ？
我觉得至少几个点 ， 还是这样 ， 你必须是个六边形战士才行 。
全战争一个 。
不能是短板 ，不能有短板 ， 这个短板其实还包括资金的短板 ， 就是第一 ， 融资上你不能特别差 ， 你必须要足够的 ，因为毕竟还是一个人才 、 数据 ， 对吧 ， 硬件这样制造这样的一个比较全站的这么一套 ， 你花钱也要很多 。
第二个呢 ， 一定要有全站能力 ，不能说是单点 ， 单个技术点说实话 ， 尤其是模型和算法 ，因为咱中国的大家都知道 ， 真正做过的模型和算法是没有壁垒的 ， 对 ， 这个东西很容易就是很容易被抄袭吧 ， 然后第三个呢 ， 我觉得说组织能力要很强 ， 这个组织能力就说你真的要有战斗力 ， 需要你冲锋陷阵的时候 ， 大家真的能冲锋陷阵去打仗 ， 能冲
上去 。 最后一个 ， 我觉得可能是这个公司它一定是说还得有一定的好的商业经历 ， 你一定要自己能够造血 ，因为很快我觉得刚才说的 ， 如果拖曳到 to be 这个阶段之后， 你不可能说再跟你靠自己融资 ， 对吧 ，因为那样的话你跟宇树跟智源的差距会越来越大 ， 人家都已经自己可以造血了 ， 从二级市场也好 ， 自己卖也好 ，但如果你还是继续靠融资 ， 没有自己
造血能力 ， 那你可能就很快会被干趴下 。 所以我觉得这几个点都不能缺 ， 你最后才能活下来 。
你觉得接下来具身会出现泡沫 ， 会出现低谷吗 ？ 类似于像房价市场 。
完全会 ，因为任何的技术周期都是这样子的 ， 都会 。
你觉得会在什么时候发生 ？25 年看起来我觉得是出人意料的烽火 。
我觉得反正任何你会发现都会有一个叫百家争鸣的这么一个阶段 ， 一旦到了百家争鸣这个阶段 ， 可能泡沫就来了 ， 对 ， 你可以纵观所有的 ， 包括智能手机也好 ， 新能源也好 ， 自动驾驶也好 ， 我觉得包括大模型也好 ， 如果就是你看到 、 听到百家争鸣这个词的时候 ， 可能就我觉得就离泡沫破裂不是特别远 。
那就是现在 。
我觉得可能就是最近这一两年吧 。
你们要提前做一些什么样的准备 ？
我觉得还有刚才那几个 。
第三个事要做到 。
那几个一个不能少 ， 我觉得才有机会从这个地方 ， 我觉得最终还是拼一个体系战 ， 单点的任何一个能力我觉得都不足以支撑你从这个地方能爬出来 。
体系战 。在基础资源上你有算过你觉得多少钱是够的吗 ？
多少钱 ， 我其实有一个大概的一个计算 。
哦 ，有什么大概计算 ？
对 ， 一个大概计算 ，其实主要有几 part， 最花钱的咱就拆开了算 ， 最花钱的几个东西 ， 第一呢是你的数据 ， 数据目前来看如果说咱们用众包和穿戴设备 ， 目前来看它的成本可控 ，不会特别高 ，不会特别高 ， 然后第二 part 最花的钱是什么 ，其实现在大家都在聊我缺数据 ， 缺数据 ，其实你最终缺的是 GPU， 即使给了你百万小时， 很多人说我要采集百万小时或者
两百万小时， 你有那么多 GPU 去训吗 ？ 这个其实是最大的问题 ， 就是我们现在这个研发费用里头 ， 就是整个公司的费用里头 ， 三分之一以上是 GPU 的费用 ， 这笔钱其实是花的最大的 ， 那第三波可能就是人才 ， 就是人的钱 ， 我觉得这里也是比较大的 ， 这三 part 可能是目前来看可能比较花的多的 ， 然后还有一波可能目前来说我自己不敢确定的 ，其实是硬件的部分 ， 硬
件部分就是说还得去迭代 ， 迭代几轮之后才敢找到感觉 ， 找到手感 ，因为硬件其实最终是跟你的这种你预期规模相关的 ，因为这相当于你要去备货 ， 那这里投入是 ， 比如我说咱们预期比如说今年是一万台 ， 明年两万台 ， 十万台 ， 那这个投入是完全不一样的 ， 所以我觉得这三波钱是这四波钱是最大的 ， 硬件那波不敢确定 ， 剩下那三
波可能是比较确定的 。
你觉得 26 年比较确定会发生的事情是什么 ？ 然后你觉得还需要未觉得事是什么 ？ 行业的和公司自己的都可以讲 。
我觉得比较确定的事 ， 就是技术发展会逐渐收敛 。
会收敛 。
我觉得会收敛 ， 至少我聊了这么多 ， 无论做大模型的 ， 做什么 Nexus 的人， 然后我觉得大家逐渐有一些共识 ， 我觉得这个时候收敛 ， 然后数据会收敛 ， 我觉得今年已经 ， 对 ， 已经出现这个迹象了 ， 我觉得这个我觉得不会有啥问题 。
我最近聊的三家 ， 它是千寻还有你们 ，其实都是大的思路 ， 我是这意思 ， 我指数据上 。
对 ， 我觉得大家不会有太大的差异 。
包括原力引擎也是类似的 。
我觉得都差不多 ， 我觉得这个可能是有一定的这种收敛的 ， 然后剩下不确定的
，不确定的是什么呢 ？
我还是想回来喷喷喷硬件 ， 对 ，因为硬件这件事我目前我觉得最不确定的 ， 对 ， 就是整个行业能收敛到什么程度 ， 就大家这个是不是返现优劣还是百分之百 ， 或者是能质量能一致性能到什么程度 。
有什么以往的先进制造门类或者工业门类能给你一些 。
车 。
车 。
新能源 。 我觉得新能源这么多年真正给中国带来的财富 ， 就是整个供应链的整合 ， 整个供应链的标准化 。
可是现在没车 ， 它在这之前汽车工业本身已经 。
它本身 100 年 。 我觉得这个所以为什么说我觉得为什么我对具身的硬件不确定性感觉这么大 。
就因为这个事确实很新 。
很新 。
也没有什么很好的参考 。
对 ， 你看构型大家不一样 ， 对吧 ， 然后零部件的标准不一样 ， 然后制造工艺差千几百块 ， 然后可靠性 、 一致性 、 怎么去验证 ，不知道 。
这个东西我觉得是目前我觉得可能是说实在我确定性感觉最强的一支点 。
不是要当年工业机器人是标准怎么统一的吗 ？
工业机器人我觉得真正是到最后真正有量之后 。
其实工业机器人历史也很久 ， 从 60 年代开始用 ，有几年 60 年就陆续在用 。
你会发现到最后其实大家标准化就比较统一了 。
而且它一直以来都没有特别大的量 ， 它跟汽车的绝对量级 。
绝对量级那肯定是差一些 ， 对 ，因为全球现在七千万台车嘛 ， 每年六七千万台车 ， 我觉得这个每年都是这个量 ，但是工业机器人大概是百万级别嘛 。
我觉得今天你好像提出了就是硬件这个大家我觉得确实平时讨论少一点的问题 。
我真的感觉因为我们自己做完之后就发现车很多 ， 尤其是你做过车之后你再回来看 ， 我感觉就确实两个行业差距非常大 。
但是我理解你比较关注这个问题也是你从最后产品商业化这样走出来的 。
没错 ，因为我是这么想的 ， 硬件一定是基础 ，因为也跟智源的同学也经常聊 ，因为大家都是自动驾驶圈出来的 ，因为智源花了很长时间去解决它一致性的问题 ，因为一致性会带来什么问题 ， 比如说我做真机采集 ， 我同样一批的真机 ， 我 A 和 B 采出的数据不一样 ， 那你模型怎么去 ， 它就是相当于它的噪音可能比你数据带来的收益还大
， 噪音巨大 ， 那你模型就没法干了 。
其实核心还是因为规模 ，因为生产的量太小了 。
对 ， 我说为什么 respect 智源啊 ， 你说这种人家是真的花了心思在这个上面 ， 真的打磨工艺 、 打磨生产 ， 我觉得这个是真的要值得学习的 。
创业这半年多以来你觉得自己最大的变化是什么 ？
我觉得爹味更重了 。
爹味更重了 。
对对对 。
不错 。
因为说实在的 ，因为你现在就迟迟你要拉着这帮底下的人也好 ， 然后以前兄弟姐妹来创业也好 ，其实我觉得还是希望能给大家一个好的归宿 ， 一个好的环境 ， 然后一个比较好的一个目标和未来 ， 那你就不仅仅是原来只是作为一个研发的一号位去考虑的事情了 ， 那你可能从人事 、 钱你都要去考虑 ， 甚至现在包括这个员工的这个办公位是什么样子的
创业感悟2:37:28
， 然后喝什么样的水 ， 然后这些我觉得可能他的孩子生病了能不能帮他找个医生 ， 你可能都要去思考 。
所以你说这个不是觉得你想讲道理 ，不是觉得说教 。
那 。
你觉得是考虑的事情很多 。
对 ， 考虑的事情很多 ， 你可能就是比如说 。
算是家长的那种感觉 。
对 ，有点像个家长的感觉 ， 你就感觉好像突然觉得这份责任就在你肩上 ，而不是说原来只是我只要把技术做好 、 把产品做好就行了的 ， 我觉得这是我可能我觉得最大的变化 。
责任感和重量 ， 责任感的重量不一样 。
对 ， 你关心的事情可能更多的从以前更多是事 ， 对吧 ， 那你现在可能更多的要关心人了 。
那你觉得能力上有什么变化 ？
我觉得主要还是战略观上可能会有变化 ，因为作为一号位其实战略非常重要 ， 可能甚至比技术本身 ， 比技术产品本身可能还要重要 ， 战和略 ， 就是你要什么和不要什么 ， 对 ， 一个战一个略 ， 我觉得这个要想清楚 ，因为作为一个初创公司 ， 尤其这个行业这么多不确定性 ，其实你的诱惑和这种排华其实是非常多的 ， 这个时候你就要想清楚我哪些东西是要需要
去自己去做 ， 哪些东西不做 ， 比如说很多人说那你们零一二手要不要做 ， 对吧 ， 那这个什么各种什么各种各样的什么 to C 去进家里你们要不要做 ， 那我觉得可能就得好好去思考 。
你暂时的选择是先自己做零一二手和进家庭 。
我觉得还是说 ， 还是刚才回到那个 ， 我觉得此时此刻不是个好的时候 。
就是阶段不合适 。
这个阶段不合适 。
创业的过程中有什么跟你的性格不是很匹配的地方吗 ？
其实我是个比较懒的人。
哦 。
对对对 ，因为说实话 ，因为以前只关注技术啊这些东西 ， 对吧 ， 然后发现其实其他东西我就不需要特别去 care。
所以你说的懒是指在心思和精力上比较懒 。
对 ， 我是比较懒的 ， 然后我就感觉这一件事能做好就 ok 了 ， 就是这一件事做好就 ok， 所以我说为什么去找到凯哥找到佳佳的时候 ，其实我是特别开心的 ，因为这件事可以很放心的交给他们 ， 我可以少花点精力在那个上面 。
我觉得你描述的就是你说精神上 、 心思上有点懒 ，是挺典型的工程师的一个状态 。
对 。
就工程师会比较偏好于专注去解决一个单项的问题 。
我自己的问题就可以 。
对 ， 我去做这个技术和工程上的挑战 。 但因为你现在是 CEO 嘛 ， 现在还是有一个这样的转变的 。
对 ， 所以我觉得就是从一个相对有点类似那种懒惰的工程师的感觉 ， 对 ， 只专注于自己的事情 ， 只专注技术的部分 ， 逐渐的转成一个爹味比较重的 ， 然后各个方面都要去思考的这么一个角色 。
就是在你之前任职的公司里面 ， 黄仁勋他是工程师出身的 。
对 ，他是工程师 。
你觉得他的这个转变 ， 就我说实话 ， 离你的 CEO 比他年轻 。
其实也花了很多的时间 。
对 ，他 。
因为他中间也是 ， 你看他第一代产品其实是失败的 ， 然后专注于技术 ， 对吧 ，他觉得这个东西一定很牛 ，但是后来发现根本没人买 ， 卖不出去 ， 然后做了很多改变之后， 我觉得这也是他们最重要的三个连靠 ，他们开始有分工了 ， 说不行 ， 这么搞下去我咱们全是工程师这种感觉肯定是做不成的 ， 所以肯定得有人去看产品 ， 去看战略 ， 那其
实老黄就是这么个角色 ， 我觉得就慢慢的我觉得是 ， 怎么说呢 ， 就是形势所逼 ， 你到了那个份上你自然而然就会有这个转变 。
你觉得你自己和公司有什么你想提升的 ？
我觉得现在其实整个公司还属于比较谨慎的状态 ， 还没有说真的像比如说像智源他们能够这种大张就是比较面说的比较大 ， 所以为什么大家觉得我就比较抠 ，也是我想的比较谨慎吧 ，但是我觉得可能马上来的这一波 ， 就是叫 to B 这阶段可能谨慎的不一定是好事 ， 我觉得还得需要一定的铺开一定的面才可以 ， 现在我们还是比较专注于我们
自己的几个小场景去做 ，但是我的想法是说等这个闭环打通了之后， 方法论大家收敛一波 ， 然后再去扩 ，但是我觉得可能给我们的时间不会特别多了 ， 刚才提到可能也就是一年， 我觉得可能就开始大规模的开始大家就开始拼了 ， 拼刺刀的这种感觉了 ， 我觉得这可能需要尝试去快速提升的一个地方 。
那你现在对这个问题是已经想好了吗 ？ 就是你有确定感吗 ？
没有 。 我们的习惯还是说先把最后闭环能做通 ， 然后再去慢慢的去扩张 ， 我觉得这是我们之前的一些方式 。
但这个现在对你来说是个 bad 的地方 ， 你不知道它是不是一定是对的 。
对 ， 你可以这么去理解 ，而且这个范式是不是在到时候真的大规模团战的时候 ， 它是一个非常有效的方式 ， 我现在还不是特别确认 。
有哪些你创业之前对创业 、 对当 CEO 的想象后来被验证了 ，有哪些是被证伪了 ？
我觉得怎么说呢 ， 你对想哥的其实很多对 CEO 的这种幻想就来自于想哥 ， 你把他当做一个 robot 去想 ， 想哥是属于那种真的对产品追求 sense 非常强 ， 然后杀伐果断 ， 然后这种 。
我感觉你和他性格很不一样 。
对 ， 我发现这是我梦 ， 就是幻想中的这个自己的状态 ，但是后来发现其实你不能把这个强行的这个 rule 扣到你自己身上， 我发现还是不太一样 ， 对 ， 我可能是属于这种偏技术思维一点 ， 然后产品 sense 有一点 ，但是可能也是跟想哥学的 ， 然后但是可能更多的是更关注细节一些 ，而不是说这种 high level 的 strategy 的这种 thinking， 所以我觉得这也是自己需要去提升的地方 。
所以最终大家都是得找到自己的 。
适合自己的 。 对对对 。
就是在两到三年后， 就是你觉得你 PMF 已经找到了那个阶段 ， 你希望知简和自己是一个什么状态 ？
我觉得有点类似咱们 20 年、21 年特斯拉找到 PMF 那种感觉 ， 特斯拉的 PMF 是什么呢 ， 就是它的 FSD 确实已经开始出量 ，而且是确实验证了这个东西对产品的提升是非常巨大的 ， 它有巨大的产品力 ， 人家也找到了一个技术范式 ， 我觉得到那个 PM 出现的时刻 ， 我觉得至少这个团队不能落后， 这是保底的 ， 那好的就是说我们是不是有可能成为这个范式
的发现者 ， 这个 PMF 的创造者 ， 那我觉得到那个阶段 ， 我觉得最差有人跑出来摸试范式 ， 我们立刻能跟上， 这个我觉得是保底的 ， 就是比较保守的一种想法 ， 比较激进的就是我们通过自己的把我们过去的这经验使用下来 ， 我们是不是也能成为那一个领先者 ， 自己把这个 PMF 把这个技术的范式能够找到 ， 我觉得这是一个比较一百分的一个状态 。
如果比较感性的来描述 ， 你创业七八个月到现在是一个什么样的过程 ？
我自己感觉还蛮顺利的 。
顺 。
我觉得还蛮顺利的 ，因为我发现我回顾我过去这 15 年的工作 ， 我觉得我踩点踩的都很好 ，而且还都比较顺利 ， 你看最早的时候去 IBM，IBM 那是基本是市值最高峰 ， 然后去英伟达基本也能直接转成自动驾驶 ， 然后到理想 ， 然后也能从一个基本通灵的状态能到一个行业比较好的一个感觉 ， 冥冥之中吧 ， 我觉得自己还是有些思考 ， 可能踩的比较对 ， 那目前
来看其实目前也是比较符合我自己的预期的 ， 整个公司的发展也好 ， 无论从技术还是融资 ， 这个整体上来说还算比较顺 ，也可能跟前期大家就是我思考也好 ， 然后找时间点也好 ， 我觉得比较准有关系 ， 冥冥之中有这种 sense that。
就是顺回顺反馈对有的人来说是会极大的强化它的信心 。
对 ，有的可能擅长比较打顺风局的 ，有的可能比较喜欢打逆风局的 。
对 ， 我想知道你是哪一种 。
我可能是喜欢打这种 0 到 1 的 ，有点偏逆风的这种感觉 ， 就是别人不太看好 ， 或者别人觉得这个事很新 ， 类似这样的行业 ， 你看我当时选 CUDA 也好 ， 去做自动驾驶也好 ， 然后去做那个去理想也好 ， 基本都是类似这种感觉 ， 我更期望的是从一个大家不被看好 ， 或者从 0 的一个状态 ， 我能把它带到一个很好的状态 ， 这个让我是有很大成就
感的一件事 。
那可以说你这半年多都很爽吗 ？
其实还蛮爽的 ，其实还蛮爽的 ， 对 。
那今天非常感谢智简的创始人贾鹏做客晚点聊 ， 分享了智简在这创业半年多以来的一些进展 ， 我觉得是一个非常好的开端 ， 然后我们在最开始也聊了整个过去十年贾鹏在智驾 、 在英伟达 、 在理想的整个职业经历 ， 然后就为他现在来创业的战略思考 ， 还有团队的组织 ， 还有合伙人都奠定了基础 ， 非常感谢大家收听节目 ， 拜拜 。
好 ， 感谢 。
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
。