竞赛往事0:00
你们最多的时候是不是有十几个 IOI 的金牌 ？
我们 NOI 的金牌更多 。
当时范浩强作为高中生是怎么跑到你们这儿上班的 ？
反正这也是个有趣故事 。 以前研究院有一个挺逗的 ， 大家有句话叫 " 这不本质 "， 大家都想去解决那个本质的问题 ，但实际上 。
你真正变成一个商业化的产品的时候 ， 那你所有对客户有影响的东西都是本质的 ， 对吧 ？ 它不是那个最后最难的那个事情 ， 它才是本质的 。
所以还是回到刚才那个问题 ， 就是今天到底有多少机器人， 具身机器人是在被持续地使用 ，有多少 ？
欢迎收听 《 晚点聊 》， 我是曼祺 。 本期嘉宾是原力灵机的联合创始人和 CEO 唐文斌 。2011 年， 他和两位清华同学印奇 、 杨沐一起创立旷视 ， 这是中国最早的 AI 创业公司 。2025 年初 ， 唐文斌成立原理灵机 ， 开始具身智能的新创业 。在本科到研究生时 ，他做过 7 年中国信息奥赛国家队的总教练 ， 认识了大量奥赛小天才 ，其中不少人之后加入了旷视 ， 现在又在原理灵
机和文斌一起创业 。 这期我们聊了竞赛往事 、 旷视的创业复盘和原理灵机的这一年 。 这是一家不做人形机器人的具身智能公司 ，也是一家会直接参与多模态基模预训练的公司 。
这两件事都是少数派选择 ， 原理灵机会给中国具身市场带来哪些不同呢 ？ 我们正式进入本期节目吧 。
今天非常高兴可以邀请到唐文斌 ， 原力灵机的创始人， 做客 《 晚点聊 》。 你可以和我们的听友简单打一个招呼 。
OK， 曼祺好 ， 大家好 。 我是这个原力灵机联合创始人兼 CEO 唐文斌 。 然后灵机呢 ， 是一家我们希望去打造这个智能的 、 有用的 、 可信赖的机器人， 那这是我们的这个实名的描述 。
所以我们希望能够通过具身智能 ， 通过 AI 的能力 ， 能够以机器人作为形态 ， 能够去赋能更多场景 ， 去创造更多价值的这样一家公司 。
文斌也是一个非常资深的 AI 创业者 ， 就是 2011 年的时候你是和印奇和杨沐一起做了旷视 ， 然后 25 年原力灵机 ， 这中间又有十几年的过程 ， 包括你从初中的时候就开始做编程 。
然后我也想从这段经历聊一聊 ， 你可以讲讲就是最开始你是怎么接触上编程 ， 然后怎么开始做竞赛的吗 ？
就我老家是绍兴下面的一个县城 ， 叫新昌 ， 然后呢 ， 我们那个地方其实原来没有接触过这个竞赛 ， 然后非常巧合 ， 就是我上初二的时候 ， 然后当时我们的那个初中叫新昌城观中学 ， 就刚刚开始搞这个竞赛 ， 然后他就从每个班里面挑了两个数学最好的同学 ， 然后去那儿学这个竞赛 ， 然后反正也是阴差阳错吧 ， 就是遇到了这个 ， 这个就
是编程竞赛 NOI 这个事情 ， 然后我们就觉得就非常的有意思 。 然后我们当时有很多小伙伴去这个机房里面 ， 然后老师也给了我们机房的钥匙 ， 然后很多小伙伴去了机房就是更愿意打游戏 ，但我们有两三个人呢 ， 我们更觉得就是说编程其实比打游戏更好玩 ， 所以我觉得就是一个也是跟兴趣有关吧 。
所以就是从那时候开始接触竞赛 ， 运气也比较好 ， 然后也拿了一些成绩 ， 对 。
就当时对十几岁的你来说 ， 你觉得编程的乐趣如果描述一下它是什么呢 ？
我觉得是一种叫解决问题的 ， 叫做解决问题的这种成就感吧 ， 就是说 ， 哎 ， 那你有一个问题在那里 ， 然后呢 ， 你通过构思一个方法 ， 一个算法 ， 然后你把它编程实现 ， 然后你通过了所有的测试 ， 确实解决了这个问题 ， 然后你这个代码又写得很优美 ， 那你在这个时候其实是有一种叫做这种工程师的解决问题的快感 。
我认为这个其实是一个非常强的一个正面的一个正向激励 。
那像这种就是信息奥赛 ，因为它可能涉及到时机去编程什么的 ，有什么不一样的地方 ？
我其实原来也参加数学竞赛跟物理竞赛 。
OK， 全部都参加啊 。
对 ， 数学题和物理题其实很多时候其实就是在相当于这个题呢 ，有一种解法 ， 那其实也是一种解题的一种快乐 。
但是编程它很多时候 ， 它的解法不唯一 ， 它其实有很多种不同的这个解法 ，而且我们并不是去求得那个答案 ，而是在设计一种方法去求得这个答案 ， 所以在寻找一种过程 。
然后呢 ，也有很多的那个编程的题目 ， 它也很有意思 ， 就是它其实是没有最优解的 ， 比如说啊 ， 我们找到一条最短路 ， 或者是求一个什么样的一个解 ， 使得一个问题的一个优化方案能够达到一个一个比较优的一个方案 ， 那它其实并不存在一个最优解 。
所以你其实可以去发挥你的想象 ， 发挥你的这种可能性 ， 去找到那个较优解 。 那这个其实跟今天这个这个做 AI 或者做优化问题 ，其实很多事情其实是一样的 。
所以就这个过程中是一个是一个不断地去思考寻找解法 ， 哎 ， 获得反馈 ，而且这个反馈很多时候其实是比较及时的 ，因为你的程序可以提交上去 ， 可以它马上就可以给你一个 wrong answer， 或者给你一个 accepted。
所以我们当时除了做竞赛题 ，其实也很写了很多不同的程序 ， 我们当时也做过网站 ，也写过一些 ， 比如说我们也玩游戏 ， 对吧 ， 然后写过游戏外挂 。
所以就是说 ，其实武装了自己 ， 就变成了一个一个可以去制作很多工具的一个人。 所以我们就觉得整个计算机科学其实是非常的有意思的 。
那对 ， 所以那我们当时候这个保送的时候 ，其实在清华里面是可以选专业的 。
你是 06 年上的本科 ， 对吧 ？
对 ，但那个时候就是应该绝大部分的同学大家也都没想 ， 都觉得是说 ， 哎 ， 我默认就应该去计算机系 ， 所以我们所有人都去了计算机系 。
就我之前和印奇聊的时候 ，他说他在清华读本科的时候 ，因为你们是同班同学嘛 ，他说他不是那种成绩最好的学霸 ，他说你是真的学霸 。
他是他是他是文艺 ，他走文艺路线的 。
啊 ， 对对 ，他因为他有去就是跳拉丁舞什么的 ，他是你们清华国标队的队员 。
对 。
然后包括你在大学的时候 ， 你也继续有去参加挺多竞赛的 。
对 。
像 TopCoder， 然后 ACCV 等等。
是是 。
因为我觉得高中的时候很多人去做竞赛 ， 它其实对大多数人来说 ， 它有一个相对实用的目的 。
你说保送 ， 对 。
然后大学继续做这个事 ， 那应该确实是特别喜欢 。
对 ， 我觉得就好玩 。
你说的那种刺激和正反馈 ， 你可以讲讲一些什么具体的 ， 比如说哪些比赛会给你这种感觉 ？
我觉得其实很多比赛其实都会 ， 我们去参加一个编程竞竞赛 ， 我们都是想赢的 。 然后 TopCoder 里面还有一个很有意思的一个一个环节是叫做 Challenge， 什么意思呢 ？
就是说它比赛是一个半小时， 然后大家把那个程序都提交之后， 我们可以在同一个房间里可以看别人的程序 ，有 5 分钟时间 。
你可以看是说别人提交的程序 ， 你认为如果它是错的 ， 你可以提交一组数据 ， 让它输出一个错误的答案 ， 你就可以把它的成绩变成 0 分 ， 你就可以加 50 分 ，有这么个过程 。
我特别喜欢那个环节 ， 那那其实又是一种非常有挑战性的 ，但是又需要 ， 就是每个人的那个程序只能被 Challenge 一次 ， 就是说如果比如说我把你的分数那个那个程序给干掉了 ， 那别的人就不能再再来干掉你的那个那个那个程序了 。
所以就是说它还得比手速比观察力 ， 所以这是一种非常强烈的这种这种在压力下的 ，但又同时需要去思考和形成结果的这么一个方式 。
所以我觉得就大家非常 enjoy 这个过程 。
而且这个对抗性很强 。
对 ，是的 。
那你有记得自己最爽的一次是 ， 比如说怎么抢抢到了多少分 ， 然后你干掉了多少队吗 ？
对 ， 我们那个时候一个房间应该是就是一般一个房间是 20 个人吧 。 我那天有一天是 ， 然后一个比赛 TopCoder 是 3 道题 ， 我有一次是在一个比赛里边 ， 那一道题啊 ，20 个人全部都提交了 ，并且我认为他们都有一个非常小的 trick，其实都没有发现 。
然后我把那 10 个 19 个人全部都 challenge 掉了 。 所以我就那次印象非常深 ， 就是我靠那个 challenge 就拿了 950 分 。
就是 19 乘以 50。
对 。
这个都是会放到你累计的这个分数搒单里的 ， 对吧 ？ 因为 TopCoder 应该是一直就是它是一个累计持续的排行搒 。
对 ， 它是那个每次比赛它会给你的那个 rating 可能会提升一点降低一点 。 今天那个很多那个 AI 的这个这个 benchmark 里面有一个叫 Codeforce 的 benchmark， 大家其实也是在评测这么个东西吧 。
罗天成也很喜欢打这个比赛是不是 ？
对 。
你们是老乡 ，他也浙江的 。
对 ， 我第一次参加那个心理学竞赛就是跟罗天成一起的 。 当时那个他高二我初三 ， 所以我俩都是浙江队的 。
那个时候不分初中高中， 就是全国赛的时候已经不分初中高中了 。
就都是一样的题 。
对 ， 一样的题 。 所以我俩是那一届是同一年浙江队的当时 。
你当时还认识了哪些竞赛的 ， 你觉得还挺好玩的同学 ， 包括现在也还有一些有交流的 。
对 ， 我觉得其实挺多的 ， 就是说那今天其实很多圈子里面很多人都是以前搞竞赛的 ， 包括像阿里的蒋凡 ， 我们当年其实很多年前也都是在论坛上一起一起灌水的 。
然后罗天成也是 ， 就是我们公司里面其实当然很多人了 ， 对吧 ， 然后包括其实比如说像 Kimi 里边的周星宇 ，他原来也是这个搞这个竞赛的 ， 比如王小川 ，他是很早年也是搞竞赛 ，而且他也当过那个那个国外队的教练 。
嗯 ， 对 ，因为后面你你自己去当过这个国家队的教练 。
我们是在本科期间 ，因为他这个其实是个学生的义务劳动 。 对 ， 就是说那个计算机学会因为需要有些学生工作 ，因为从整个的这个比赛的组织是整个计算机学会来组织的嘛 ，但是中间有的命题啊 ， 主要是命题相关的一些工作 ， 那这个大部分其实是由学生委员来做的 。
所以我从大二开始就跟另外的一位同学叫胡伟栋 ，是比我大一级的 ，也是一个 IOI 的金牌 。 然后呢 ， 我俩一起在牵头搞这个这个这个命题工作 ， 我们搞了好多年 。
我是从 07 年到 13 年， 然后 13 年之后我们就那个交给了另外一位同学啊 ， 然后来整体的来组织这个事 。
那相当于你创业两年之后还做了两年的教练 。
还做了两年， 是的 。
那是因为你特别热爱吗 ？ 因为创业应该挺忙的 。
对 ， 就很好玩啊 。 对 ， 我们也很 enjoy 这个过程 。
这和你自己打比赛的区别是什么呢 ？ 就是你去出题和你做题的 。
是这样的 ， 出题比做题要难得多 。 一个好的出题并不是说这个题有多难或者多简单 ， 它核心要的是区分度 。
我们要把参加比赛的 200 个同学 ， 把大家的分数能够拉开 。 所以整个题目就是说如何呢能够去找到一个好的 setting， 考察了点又足够的有趣 ， 跟以往的题又不那么的一样 ， 要有新意 。
所以出一个题是非常的费力的 ， 我们做题可能只需要一两个小时 ，但出一个题可能需要用一周的时间啊 。
我觉得这有点像现在做 AI 里的有一个环节 ， 就是制定 benchmark， 做 evaluation 的这个过程 。
所以其实定 evaluation 是一个非常难的事情 ， 包括今天具身的 evaluation 其实也是一样 。 那到底什么是一个好的 benchmark， 如何能够让这个 benchmark 有区分度 ， 能够去评测出各个不同的维度的一些东西 ，其实是需要非常认真的思考和体系化的设计的 。
那这个里面有一些什么窍门或者方法吗 ？
我觉得这个很多时候其实还是 。 一些这个经验的判断 ， 你自己得是一个好的 player， 你才能够是一个好的 judge。
如果你自己不是一个 player， 你是做不了一个好的 judge 的 ，因为你对这个东西没有体感 。 所以今天 AI 里面的很多 benchmark， 最早的模型相关的 benchmark 是 OpenAI 定的 ， 今天其实具身智能的 benchmark， 我们是最早的一波跳出来去做 。
我觉得其实也是类似 ， 你得是一个好的选手 ， 你才有可能是做一个好的裁判 。
那回到上学的时候 ，因为你当时本科的时候就和印奇认识了嘛 ， 当时对他是什么印象 ？
我跟印奇其实上那个本科的时候一开始其实没有那么熟 。
一个班多少人哦 ？
我们班非常神奇 ， 我们班是一个没有女生的班 ， 我们班一共 27 个男生 。 对 ，在清华里面是一个非常神奇的班 ，因为我们那一届的姚班是从大一到大二在清华里面再考了一次试 。
所以呢 ， 就是我们是大二 ，他是原来是自动化系的 ， 我是计算机系的 ， 所以我们就相当于大二的时候就是大家重新来到了一个新的班级 。
然后呢 ，因为那一年那个清华的宿舍不够用 ， 所以我们还不住在一栋楼 ， 熟起来是有两个原因 。
第一个呢 ， 就是我们后来多去了 MSI 实习 。
嗯 ， 对 ， 对 。
对 ， 然后他当时是跟着孙健 ， 就是在做人脸相关的一些工作 。
那是哪一年了 ？
呃 ， 那是应该是在 08 年 09 年 。
就是你们大三大四 。
对 ， 大三大四的时候 。 对 ， 然后我是在三楼 ，他在四楼 ， 然后我是在另外一个组里面 ， 我是跟着张磊跟蔡睿 。
蔡睿现在是在小米 ， 然后我当时在做图像搜索 ， 然后所以我们就是在 MSI 里边这个我俩就是经常也一起碰一碰 ， 讲讲看看他那边在做什么 ， 我这边在做什么 ，因为也有一些跟这个都是跟图像相关的嘛 ， 所以交流的还挺多 。
我觉得这是一个这个熟起来的一个契机 。 然后第二个呢 ， 就是我们在大四的时候 ， 清华有个学生节 ， 就是大家类似去表演一下节目啊 ， 然后这个热闹热闹有这样一个活动 ， 然后我们那一年我们班里边排了一个剧 。
27 个人排了一个剧 ， 全部都是男生 。
对 。
演什么了 ？
演了个小品嘛 ， 印奇是导演 ， 当然印奇从国标队也请了个女生过来一起来来客串了一下 。 反正我觉得那次对他印象就非常深 ，因为就是导演这个工作其实还是 ， 然后也希望所有的同学都可以参与进去 ， 所以就做了一个非常复杂的剧本啊 。
然后呢 ， 这个我们的这个剧既温馨也搞笑啊 ， 所以那个过程中我就觉得他很厉害啊 。
很有组织力 。
是的 。
你们 27 个同学都参加表演了 。
基本基本都参加了 。 我应该就是属于路人角色之一 ， 所以就是我觉得这两件事情上就是第一呢 ， 我们在一些这种科研工作上， 我们互相有很多的这个讨论交流 。
然后呢 ， 第二呢 ， 就是这个这个这个班剧的这个事情吧 ， 我觉得就是也拉近了大家的这个这个距离吧 。
所以我们后来就是说毕业前我们就约着说 ， 哎 ， 那有机会要一起创业 。
你们毕业前你指的是本科还是指本科毕业前 ？
09 年 。 我们后来想创业是反正也有几个机缘巧合吧 ，其实很早就约着说 ，因为他也是在做图像嘛 ， 我也在做图像嘛 ， 所以那时候我们也不怎么讲 AI 这个词 ， 对吧 ， 当时还是讲讲 machine learning。
很早 ， 机器学习那会儿 。
对对 ， 讲讲 computer vision， 对吧 ， 然后我们就讲着说 ， 哎 ，其实计算机视觉一定是个很有用的东西 ， 我们觉得就未来机器人都需要眼睛 ， 对吧 ， 都需要看到这个世界 ， 那视觉就是一个让机器人看懂这个世界的一种方式 。
所以我们觉得是说 ， 哎 ， 未来有机会可以一起创业 ，但是创什么呢 ， 反正也不知道 ， 对吧 ， 那我说这个印奇呢先去国外上两年书啊 ， 我们先去什么去 Google 啊什么的去工作工作 ， 我们说有机会再一起约着创业吧 ， 对吧 ， 然后我当时呢其实在这个清华还读了个 master， 然后是我是唐杰的学生 。
嗯 ， 上次我们聊过你说你是他第一个学生 。
对 ， 我是唐杰的第一个学生 ，是的 。 我之所以成为他第一个学生 ，是因为那时候那个唐杰老师刚升副教授 ， 所以他刚刚才具有招生的资格啊 ， 每年只能招一个人， 所以那个第一个人是我 。
你为什么当时想选唐老师 ？
对 ， 唐老师还是很牛逼的 。 我们当时上了选了一些不同的课嘛 ， 我们就当时就是说觉得唐杰老师非常的 sharp， 就是对很多问题其实是有非常这个深的洞见 。
唐老师当时也是在这个 Kagg 实验室是吗 ？
对 。
他那会儿就在 。他们那边应该是做图计算相关的 。
对 ， 这个这个非常有意思 ，是这样的 。
他后来怎么又和计算机视觉和图像怎么 。
对 ，他其实没搞视觉 ，是这样的 ， 就是我我在那个我们实验室里边我还是做的是 data mining。
Data mining。
对 ， 数据挖掘 。 对 ， 数据挖掘 。 所以我那个我其实在研究生期间本科期间其实发了一些文章都是跟 data mining 相关的 ， 所以我们主要是在做社交网络上的数据挖掘 ， 跟唐老师一起我们就做了很多这方面的工作 。
后来呢 ， 就是中间有段时间唐杰老师学术休假了一下啊 ，他去国外待几个月 ，他说你要不去 MSI 待一阵子吧 ， 然后我就去了 MSI。
然后我去的那个组呢叫 Web Search and Mining，其实是做文本的 。 然后我去了之后第一天我的那个 mentor 就跟我说 ， 哎 ， 我们组改了个名字 ， 我们组改成叫 social media search， 就是做那个社交媒体搜索 。
那说我们接下来我们原来是做 text mining 的 ， 我们现在开始做 image search 了 。他说你还干不干啊 ， 我说来都来了 ， 这个这个再换个组也很麻烦 ， 对吧 ， 然后我觉得也机缘巧合开始做毕生 。
对 ， 我们当时做的这个东西就跟那个 text mining 就没什么关系了 。 所以我在那个 MSI 做的那篇工作叫就是用一些图片里面的一些上下文的信息去做加强图像搜索的这个能力 。
后来这个能力应该还被 port 到 Bing 里面去 ， 就做图像搜索 ， 就是以图搜图的这样的一些一些 。
所以按照你们本来的计划是当时印奇在美国在哥伦比亚读博士 。
是 。
然后你在这边在清华唐老师这边读硕士 。
对 。
包括你们可能想工作一段时间就再创业 ，但实际上后来的是 。
后来后来怎么 。
你们对你们很快就开始创业了 。
旷视创业15:30
后来是这样的 ， 我就是那时候机缘巧合的点是这样的 ， 当时呢那个 Kingdecks 非常火 ， 我不知道你记不记得 ， 就是那个大概可能 11 年前后就是那个体感交互游戏机非常的火 。
那个 Xbox 360 啊 ， 然后加了一个体感交互的这个东西啊 。
就是你可以拿着一个 。
对 ， 切西瓜啊 。
手柄这样动的 ， 对吧 。
对对 ，不用手柄 ， 就是就用人体操控啊 ， 然后就比如说你手去切西瓜就这些玩意儿 ， 然后那个时候的那个体感交互游戏非常火 。
这是一个背景啊 。 然后第二呢 ， 就是我阿姨在那一年的时候送了我一个 iPhone 4。 我觉得 iPhone 4 是个非常伟大的产品 。
它是 。
你说那年是 10 年 。
应该是 10 年的这个这个下半年了 ， 就是反正已经快到 11 年的时候了 。 然后呢 ， 为什么是 iPhone 4 这个产品很牛逼呢 ， 就是它是历史上手机上第一次出现前置摄像头 。
我们当时就想能不能够把这种 Kingdecks 的这种游戏体验搬到手机上面 ，因为当我们手持 ， 比如说我这么手持手机的时候 ， 这不是这个摄像头 ， 我其实是可以看到我 ， 对吧 ， 那我既可以看到我的脸 ， 我也可以看到比如说我手在这里也可以做一些动作 ， 对吧 ， 所以我们就觉得是说这里面其实是通过计算机视觉的能力是能够做一些这种体感交互的产品
出来的 。 然后当时第三个 trigger 是说当时有很多的独立开发者其实也挣到了不少钱 ， 什么墨迹天气啊 ， 就是有很多的这种这种独立开发者的这种 APP 其实也挣到很多钱 。
那我们就说 ， 哎 ， 我们自己一起来做个游戏 ， 然后我们我们去挣点钱吧 。 然后最早是我跟印奇我们两个人， 就说那个我们俩各投资一台 MacBook， 就是以前都用的是 Windows 电脑 。
然后呢 ， 我们就开始做这个做这个游戏 ， 后来发现两个人马力不足 ， 就是然后我们就把杨沐拉了进来 ， 然后我们就三个人就开始做了这个游戏 。
然后那个游戏当时还就是那个做了一个叫 Closecoming， 叫来了 。
来了 。
对 ， 那个游戏 ， 然后当时还那个下载量还挺大的 。
对 ， 当时应该是没有什么推广 ， 然后它一度是到苹果 App Store 免费搒的前三 。
对 ，是的 ，是的 。
那实际上这和旷视之后的业务差别挺大的 。
对 ，但旷视刚成立的时候其实也没太想明白要干什么 ， 所以呢 ， 就是像机缘巧合就是我们发了那个游戏之后， 虽然没挣到钱 ， 哎 ，但是挣了一波名声 ，因为很多人下载 。
然后呢 ， 当时还拿了一些行业里的奖项 ， 这个游戏是这个独立开发者的游戏里面最有趣的一个 ，因为我们当时就是用一个类似于用一个摇头去控制的一个一个一个这么一个体感交互游戏 ， 我们说是行业第一个在手机上的体感交互游戏的这么一个这么一个方式 。
然后 。 对 ， 然后就很多投资人找上门来啊 ， 然后我们就 ， 然后我们也我们说那见一个投资人， 我们肯定不应该只见一个 ， 对不对 ， 我不是多见几个 。
然后后来就觉得说我们未来也有机会一起创业 ， 那我们就说这个在战场上学习也是一种挺好的学习方式 ， 对吧 ， 那我们就不如就开始吧 。
所以我们就是当时那时候那个联想执行跟联想创投当时投了我们啊 ， 所以我们就拿了那一笔钱 。
当时你们对创业是怎么想的了 ？
当时 。
你们怎么理解创业这件事情了 ？ 因为这个听起来好像是有一种被很多外部因素推着的一个决策 。
我讲的是一个很真实的一个版本 ， 就是当时很多东西上是说我们有一个模糊的方向 ， 我们觉得未来会走上创业的道路 ，但今天怎么走其实并不知道 ， 那先走走看 。
我觉得是一个模糊的方向感 ， 那这种模糊的方向感的情况下， 我们愿意在此在这个过程中去一边前进一边成长 。
创业还是一种手段嘛 ，其实是希望能够做的这个技术和产品能够对更多的场景能够去带来价值 ， 这是我们很多成就感的来源 。
工程师的很多成就感就是你看到问题在哪里 ， 你先把它解决了 ， 这就是一种很强的一种成就感 。
所以它是工程师想解决问题的成就感的一种延伸 。
是 。
只不过是一种更极致的方式 ， 就是你们自己来做主 ， 我解决什么场景的什么问题 。
对 ， 我觉得可以这么理解 。
其实你们最开始做的乌鸦来了 ， 就是开发移动端手机上的游戏 ， 这在当时也是一个大方向 ，因为后来移动互联网是一个很大的热潮嘛 。
然后旷视在 11 年成立 ，但你们后来其实就没有再继续做 2C 和跟移动互联网相关的事情了 。
我们我们其实还稍微做了一会儿 ， 我们从 11 年成立之后， 就是说当时就是说我们希望说把计算机视觉能够应用在不同的场景里面 ，其中很大的一个应用方向就是游戏 ， 所以我们就给投资人讲的这个 ， 我们觉得可以把体感交互游戏作为一个很重要的一个品类啊 ， 我们现在就是这个品类里面做的不错的 。
然后我们后来我们第一款游戏是那个乌鸦来了 ，是个 2D 游戏 ， 第二款我们还做了个 3D 的游戏 ， 我们做了一个叫街头速滑的游戏 ， 是一个就轮滑的游戏 ， 它有几个操作方式 ， 我们当时就加了很多 ， 比如说用摄用摄像头的 ， 然后用这个用一些体感交互 ， 比如说用那个 ， 比如说跳 ， 我们是拿个手机你要这么这么来一下， 就是跳 ， 然后呢 ，有一些飞弹会过来 ，
你需要躲 ， 所以你会需要人脸去躲啊 ， 通过这样的一个方式的一种多维度的这种交互式的一个游戏 。 然后那款游戏当时反正也还是卖了一些钱的 ， 我们当时还有人当时还麒麟狗和触控 ， 就当时那个就做捕鱼达人的那个公司 ， 然后当时也愿意说帮我们愿意做发行啊什么的 ， 就那个游戏做的还还蛮精致的 。
然后我们后面还想过一些 ， 就是当时那个 Angry Birds 那时候开始火 。
分子小鸟特别火 。
分子小鸟特别火 ， 我们就说 ， 哎 ， 我其实也可以做个体感交互的 Angry Birds， 就说 ， 哎 ， 我就拿手机当个弹弓 ， 我我我拉弓这个射 ， 对吧 ， 就是 。
就这些都是靠视觉识别的 。
对 。
比如说你拉多远 ， 可能对应不同的力度 。
是的 ，是的 ，是的 。 所以我们当时有很多这种类似于好玩的一些创意 ，但是呢 ， 我们后来做了一段时间之后， 我们就发现说有很大的问题 ， 就是我们自己其实不玩这类游戏 ， 就是我们偶尔也玩游戏 ，但我玩的游戏其实都是那种就是几个 G 的游戏 ， 我们打什么星际争霸 ， 对 ， 然后就打这种类型的游戏 ， 打那种 ， 对 ， 就是 SLG 的这种比较多一些 。
然后我们就会发现说做的这些小游戏跟我们自己的这个这个成就感其实不是很强 。 然后我们那游戏很重要的 ， 比如说那我游戏的这个策划 ， 我收费点怎么设计 ， 数值怎么设计 ， 我们在这个过程中其实体会不到成就感啊 ， 我们后来就觉得这个路可能有点走偏了 ， 我们其实是想把技术应用到不同的场景里面去 ， 游戏只是其中的一个场景 ， 所以我
们的目的不是要成为一个游戏公司 ， 我们其实想做的是那个技术本身 。
那你觉得张一鸣看 《 内涵 》 段子和 《 今日头条 》 吗 ？
嗯 。
我觉得他也不看哦 。
对 ， 对 ，不太一样 。 所以我觉得还是得要 follow 这个你自己内心的想法 。 那回过来我觉得我们这帮人的想法其实是一种工程师的想法 ， 就是希望能够用这个技术去改变一些事情 ， 去实现一些事情 。
所以所以我们说 ， 哎 ， 那那时候该干嘛呢 ，其实没想明白要干干干嘛 。 当时的人脸技术其实也很早期啊 ， 去很多的场景并不那么的 ready， 所以我们说先做个开放平台吧 ， 我们就做了 Face++， 把所有的 API 都开放出来 ， 一起来探索一下这玩意到底到底在哪些场景里面有有用 。12 年的年中我们就停掉了所有的游戏的开发 。
其实整个旷视还是非常技术驱动的一个思维 ， 就是你们很认定你们觉得有潜力的这个技术方向 ， 当时看到的就是计算机视觉 ， 然后去找各种场景 。
是 。
就回头看的话 ， 你们当时的这样一个创始团队的组合 ， 它有可能去做更偏产品或者用户驱动的一种创业吗 ？
我觉得从基因上可能很难 ，因为我们对用户的观察 ， 对需求的观察是非常肤浅的 。
非常肤浅怎么怎么怎么讲 。
就是因为不管是 2C 的产品还是 2B 的产品 ， 那 2B 的产品你要对场景对这些东西是要有理解的 ， 对吧 ，2C 的产品是说你要有很强的感知力 ， 你能能够切换到用户的视角 。
然后我们这帮人的喜好是非常的
诡异或者独特的 ，并不是大众审美 ， 我们内心中觉得有趣的那个事情未必是大部分人喜欢觉得有趣的那个事情 。
这个 mindset 还是拿着锤子找钉子的这种想法 ， 我们有 vision 相关的一些技术 ，OK， 那我们有人脸的技术 ， 我们有一些图像搜索的技术 ， 那什么样的产品能做这个事情呢 ？
我们包办了很多场景 ， 比如说 。
我是觉得 。
你不脱衣服 。
你比比产品 。
我蘑菇鸡肉 。
没有听过的 ， 对吧 。
然后我说 ， 哎 ， 那我能不能够做这种服饰的推荐啊 ， 基于视觉的服饰的搜索啊 ， 最后我自己其实真正的热爱能力属性其实都不在那里 。
然后从 Face++ 之后， 旷视后来真的找到比较主要的业务是在什么时候呀 ？
其实 Face++ 作为一个平台 ， 我们当时也提供了很多技术给到不同的公司 ， 我们当时跟跟美图秀秀和美图手机其实做了很多的合作 ， 就是提供这种人脸的关键内容检测啊 ， 帮你把脸拍瘦啊 ， 就是把眼睛放大这一系列的东西 。
对 ， 所以这些 SDK 的这个业务做了一段时间 ，但我们真正第一个起规模的业务其实是跟支付宝的合作 。
当时支付宝搞浙江网上银行 ， 非常需要去解决开户的问题 ， 就是你就是你本人啊 ， 然后你不用去到线下网点 ，而可以在线上就进行开户这个事情 。
它需要一个非常准确度非常高的金融级别人脸识别技术 。 当然支付宝应该在市面上 survey 了所有提供人脸识别技术的公司 ， 最后发现我们提供的效果是最好的 。
你们当时进步到多少 ？
当时有一个 benchmark 叫 LFW， 就是做人脸识别的评测的数据集 ， 大家水平都是在大概 90、91 这个水平 ， 我们是第一个直接从 90 到 91 直接把它拉到 98、99 这么一个这么一个跳跃式的这个发展是我们做的 。
当时是用什么技术实现的呀 ？ 因为其实 AlexNet 是 12 年出来的嘛 。
对 ， 就那就是那个时候我们用了深度学习 。
所以你们是跟得很紧的 ，其实全球可能 AlexNet 也是那会算是一个标志性的成果 。
Face++24:45
我们那时候其实也不太信 ，也是将信将疑 。其实我们整个公司里面第一个做深度学习的其实是范浩强 。
范浩强 。
他当时是一个高中生 ， 我们派了一个高中生说 ， 哎 ， 先去探一探吧 ， 最后发现就效果其实非常好 。
当时就是周而进跟范浩强他两个人， 我们说那个内部叫强进组合啊 ， 然后然后他俩其实组的队 ， 最后把整个人脸识别里面的从关键点的检测 ， 最后的这个识别这几个问题都做得非常好 。
周而进当时是本科生吗 ？
周而进当时应该也是实习生 ，也是本科生 。其实我觉得这也是可能到现在也挺值得 AI 公司借鉴的一种人才的使用的方式 。
你们当时用的人还是挺年轻的 。 因为当时首先很多东西也还在摸索 ， 后来比如说像深度学习的这些东西其实都很新 ， 坦白讲没有什么太多的经验可以借鉴的 。
所以这个时候其实是一帮动手足够快足够聪明的人其实才是更重要的 。 所以我们拉了很多搞竞赛的人进来 。
当时范浩强作为高中生是怎么跑到你们这上班的 ？
对 ， 这个反正这个也是个有趣故事 。 小强是初三升高一的时候 ， 那一年进了国家集训队 ，他高一到高二的时候就去了参加了 IOI 的比赛 ， 那一年他应该是 IOI 的第二名。
就当时你是那个教练 。
我是教练 ， 对 ， 然后呢 ， 我们那年出台了一个新的规定 ， 如果你参加了国际赛 ， 参加了 IOI， 且你拿到了金牌 ， 就请你不要再来参加了 ， 把机会让给更多的人。
相当于他高一就保送了 。
对 ， 对 ，他其实初三就保送了 ，他就没事干了 ， 然后他就问我说 ， 那我没事干了怎么办 ？ 我说我们刚开始创业 ， 你要不来这吧 。
所以他高二就加入了我们 。
那像当时你们开始愿意去尝试深度学习这个方法 ，是比如说你们让他们去试的 ， 还是说就是你们招了很多很聪明的年轻人之后 ，他们自己就会去看他们想试的东西 ？
对 ， 我觉得这个也都是很 open 的这种讨论的过程中 。 对 ， 当时就我们也看到了 ， 就是说用神经网络 ，因为神经网络其实并不是一个很新的东西 ，但是把它变深了 ，但这个东西到底能够带来多大效果 ， 它其实还是还是将信将疑 。
所以那那个时候我们说 ， 哎 ， 小强去试一试呗 ， 然后小强也觉得这个方向很有意思啊 ， 然后也去试了试 ， 试的效果这个出乎意料的好 。
所以有很多的这种新的一些技术 ， 我觉得要抱有一个足够开放的态度去看待 。
一方面你们当时技术做得很强啊 ，但另一方面也能看到其实上一轮这种 AI 创业 ，有的时候你很多这种技术的优势并没有转化成一个商业上的成果 。
我认为你说的这话其实也不完全对啊 ， 就是还是看场景 。 那我们讲就是说如果它是一个纯技术层面上的一个差别 ， 那似乎它的这个壁垒是说只是个时间差啊 ， 那你今天你做了 ， 它另外一个人可能过几天其实也能做 ， 对吧 ？
那这里面真正的这个这个叫护城河也好 ， 或者说这个门槛在哪里呢 ？ 其实是个数据飞轮 ， 就是说如果是说因为更多的人的使用积累了更多的数据 ，而这个数据能够来帮助算法或者帮助这个产品变得更好 ， 那这个事情就变成了一个正向的一个循环 。
所以你会发现是说有的场景下数据飞轮是能转起来的 。 比方说刚才讲我们给支付宝做了这个身份认证这个事情之后， 后来我们想服务了支付宝 ， 那不是各种还有别的宝是不是也会需要这个这个人脸识别 ， 对吧 ？
所以我们给几乎所有的这个互联网金融的场景 ， 后来我们又给滴滴给 Uber， 然后就是说比如打车的时候其实你也很担心说比如说拼车 ， 那你隔壁的那个拼车的那个兄弟他是不是他本人会不会有危险 ， 对吧 ？
因为很多这种线下的 O2O 其实都会有这种身份认证的需求嘛 ， 那它是一个信任的基础 。 所以因为我们更多的人在我们平台上做认证 ， 所以我们见过了更多的人， 我们的这个系统也更准 ， 所以它能够达到一个更加金融级的这样一个水准 。
所以哎 ， 那我们现在在身份认证这件事情上， 我们今天依然占有大概百分之七八十的这个市场占有率 。
所以就这样是因为有它的这个数据飞轮在 。 但是比方说你刚才讲卖 SDK 这件事情 ， 它可能就不是一个就今天大家可能对这个技术的精度要求其实也没那么高 ， 对吧 ？
然后慢慢的大家其实也都能做啊 ， 那这个事情它的这个在没有数据飞轮的一个情况下， 那整个的门槛它确实就是个时间差而已 。
像身份认证的话 ， 如果特别大的公司是不是也会自己做的 ？ 如果它整个生态里有很多这种需求的话 。
对 ，也会有 ，但我觉得就很多时候也看值不值得 ， 就是说因为还是要看清楚目的和手段嘛 。 有的时候是说你所有的东西当然都可以自研 ，但是它只是在你里面只占一个小的环节 ， 那你在这样的一个情况下， 你投很大的力气去做这个东西的研发和我做了研发可以服务很多的客户 ， 那我均摊下来的成本肯定是你们外部的肯定是更低的 ， 对吧 ？
你比如说今天滴滴其实依然也是我们的很大的客户 ， 滴滴的人脸身份认证的这个量其实也很大 ， 它能不能自己做呢 ？
那我觉得也没必要 。
你刚才讲的就是旷视找到的第一个起量的业务 ，其实是偏软件的这种人脸识别的技术方案去服务各种互联网应用 。
互联网的场景 ， 对 ， 然后但后面其实外界对旷视的很多印象还是来自你们后来做的一些更重的更 2B 的一些业务 ， 比如说安防啊等等 ， 那个是我觉得更难做的一个生意啊 。
对 ， 为什么要转向那个方向 ？ 就是旷视其实过去几年其实做了很多加法 ， 就是因为我们一直都在找两个轴的一个平衡点 ，是什么呢 ？
是说叫技术可达性和市场规模 ， 我们其实做得非常好 ，但它整个天花板就不是很高 ，因为你每天要刷那么多次脸吗 ？
其实并不需要 ， 对吧 ？ 所以我们需要去找到下一个更大空间的啊 ， 更大需求的这样一个问题 ， 它它 maybe 可能更难 。
所以我们其实是在通过这样的一个方式逐渐的就是发展出了一些新的业务 ，其实都是在逐渐的走向一个更大的需求和更大的市场 。
就如果总结一下的话 ， 你觉得 AI 2B 它会有一些什么经验和教训 ？
我觉得有几点 。 我觉得第一点是说你的价值能不能够可被量化的计算 ， 就是因为很多 2B 的决策其实它是非常理性的决策 ， 所以它要去看是说我用这个 AI 的工具或者这个产品 ， 我到底给我解决什么问题 ， 我到底降本也好增效也好 ， 我能不能够被量化 。
这个可以正反例举一下吗 ？ 比如说什么是可以被量化计算 ， 什么是不太好被量化计算 。
我们有的时候会给客户去算 ROI， 对吧 ？ 但有的时候你其实是说 ROI， 你有很多的 trick 让它似乎表面上的 ROI 能够看得很好 ，但如果是说你的这个 ROI 是一个自己骗自己的 ， 给客户做了一个 PPT 上的这种假 ROI， 那这个事情你也许可能搞定一些客户 ，但你长久是你是不能够 scale 的这个 。
比如说你的续约什么可能就会比较难 。
对 ，是的 ，是的 ， 就是你的复购啊 ， 这些其实都会有问题 。 第二个呢 ， 我自己觉得就是说你最好在客户的那个成本构成里面不要占太大 。
所以我们最好找的场景是说它其实是有广泛的需求 ，但是你在每个客户的需求里面 ， 你在它的那个成本构成其实都不要太大 ，因为如果你在里面太大的话 ， 它很有可能会 replace 你 。
就是你刚才讲就是有很多大厂它是不是会自己干 。
那你怎么看像林德时代和英伟达这种 ，其实他们也都占客户的成本挺大的 ，但大家又好像离不开它 ， 这岂不是一种最爽的状态吗 ？
对 ，但这个牛逼就之处是说它的这个就是强大到不可被 replace。 但是你那时代其实也一样的 ， 很多车企也自己在建电池工厂 ， 对吧 ？
所以但是因为林德时代本身的这个保有量在 ， 然后呢 ， 客户也很认可 ， 所以大家还是用了很多它的 。
对 ，其实林德时代和英伟达可能都面临这种趋势 。
是 。
包括像 Meta 像就是海外中国的所有的大厂 ，Google 也都在做自己的芯片 。 只是说它目前这个阶段它仍然是不可被替代的 。
所以我觉得我觉得这个反而是第二个嘛 。 然后第三个我觉得其实要非常当心这个项目陷阱 ， 就是说我觉得做 2B 会非常容易陷入到一个一个的项目里面去 。
就是因为 B 端非常容易客户的需求是多样化的 ， 那在这样一个多样化的需求里面 ， 我们到底我的产品是标准化到什么程度 ， 我什么是配置化的 ， 什么是定制化的 。
但如果是一旦是说你当你每一个项目你都要去给客户去做定制化的时候 ， 你的这个业务的这个 scale 其实会有非常大的问题 。
所以呢 ， 我们总结下来就是说希望去找的这个业务 ， 就是你给客户的这个价值是清晰的 ， 可被计算的 。
然后呢 ， 第二呢 ，是说能够在这个这个
产品的标准化程度上是能够你能够做成一个产品公司 ，而不是做成一个项目公司的这么一种形态 ， 我们认为是一个更好的一种业务形式 。
嗯 ， 我觉得可以以旷视当时你曾经负责的一个业务也和现在其实做具身智能是比较相关的 ， 就是你们当时做物流机器人这个业务 ， 可以来展开说一说 。
你当时是整个业务的负责人是吧 ？ 就商业化这些你你也都负责 。
对 ， 都是我负责 。 对 ， 比如说以物流业务为例啊 ， 就是说我们现在的这个收入构成其实也是大概可能是一半一半 ， 我们大概有一半的业务是来自于项目收入 ， 一半的业务是来自于产品收入 。
就是项目收入的意思就是说我其实这个做这个给仓库去提供啊 ， 这种搬运机器人啊 ， 这样的一个方式 ， 它其实就非常像啊 ， 这个做装修啊 ，因为你的房子长什么样子 ， 对吧 ？
你的业务流程长什么样子 ， 所以我大概率是要一定要去定制化一个东西去 fit 你这个房子长什么样子 。
就非常非标 。
对 ， 非常非标 。 我们其实在前几年的时候 ， 当我们做的每个项目都做得很不一样的时候 ， 这个就非常的痛苦 ， 你的这个 scalability 是有很大的问题的 。
那我们后来就是觉得是说一定要在这里面要寻找标准化 ， 所以我们把仓库其实分解成了很多个环节 ， 比如说入库的啊 ， 托盘存储区 ， 箱式存储区啊 ， 然后发货区 ，但每一个环节里面我们用一些标准化的解决方案 ， 我用标准化的产品来来来来解决掉 ， 就相当于把现在把一个定制化的事情就变成了一个更加配置化的事情 。
然后同时我刚才讲还有 50% 的我们的收入是这种产品化的嘛 ， 所以我们其实前面还有一个竞争商 ，他拿着我们一些标准的这种 component，他搭建成了一个 ， 就是我们就提供一些积木块 ， 让他能够去搭建成一个一个完整的一个解决方案 。
旷视开始布局机器人业务应该是在 16 年左右 。
对 ，16 年 。
16 年当时是看到了什么机会要来做机器人 ？ 其实这个和计算机视觉 ， 它当然用到了计算机视觉 ，但它还有很多别的技术 ， 它是有一点 gap 的 ， 怎么想到要去做这个东西 。
AI to B34:31
对 ， 我觉得这个在印奇和我的这个心中， 我们其实都有一颗想做机器人的梦 ， 我们从 day one 就开始 。
对 ， 你刚刚说你们最开始也是觉得以后机器人都需要眼睛 ， 所以你们觉得计算机视觉是一个很有前景的技术 。
是的 ， 就是那个旷视的名字当时叫 Mega V 嘛 ， 我们叫 Mega Vision， 就是说叫就让机器人先能看懂世界 ， 当时就是这么一个想法 。
所以我们其实反正当年也非常机缘巧合吧 ， 就是我跟印奇一起去了一个叫那个在天津的天猫超市的仓库 ， 然后我们当时就看到里面有很多的人， 然后里面的人呢 ， 就是拉着个小小车啊 ， 然后再开始在捡货 ， 就是给那个北京周边的这些北京天津这边去发那个天猫超市的那个订单 ， 然后呢 ，他们一个捡货员啊 ， 那仓库里面非常冷 ，因为它它
很高 ， 所以它没有暖气 ， 然后我们当时去的时候零下十度 ， 然后呢 ， 里边的每一个人拉着那个小推车 ，他们说他们那个一天要差不多要走 40 公里 ， 所以他们每天都在零下十度的环境里面一个马拉松啊 ， 就非常的夸张 。
然后呢 ，他们说他们的人员流失率啊 ，他让我们猜 ， 就说你知道我们人员的那个那个一年这个这个流失率多少吗 ？
我说 60%。他说你这个就就缺乏想象力啊 。他说我们的人员流失率一年是 200%。 因为这个工作实在是太辛苦了 ， 所以我们觉得是说我们内心本来就想做机器人， 那我们先让机器人看懂世界 ， 那我们其实也是非常希望能够有手和腿能够去形成对物理世界的输出 ， 所以我们觉得哎 ， 仓库这个场景确实是有很大的这个需求 ， 所以呢 ， 我们在那个时候
其实也投资了一个公司 ， 后来我们也把它收了进来啊 ， 然后啊 ， 通过这样的一个方式 ， 这个逐渐逐渐就形成了那个物流机器人的业务 。
这还不完全是个人力替代的问题 ， 它其实是帮助这个仓库的这个客户去我们叫省人省地省钱省心 ，因为它其实从人员管理上其实也很复杂 ，而且人真的你看物流它其实是发生在消费周边的 ， 对吧 ？
所以消费周边的人一定是贵的 ，而且经济条件是不差的 ， 所以这些人他就真的不愿意去干那些年轻人谁愿意去干那个仓库里面零下十度天天一个马拉松的这种这种活呢 ？
所以它整个就招人是非常困难啊 ， 就这还不仅仅是个经济上的问题 。 那我们看到就这样的一个问题其实在国外是非常更严重的 ， 比如说在韩国 ，在日本 ， 对吧 ？
在包括在欧洲 ，在北美其实更加没有人愿意干这个活啊 。
对 ，因为其实最开始像 Kiva 这种方案就亚马逊在用嘛 ， 然后后来也把 Kiva 这个公司收了 。 你们当时做这个和那会儿这个创业潮有关系吗 ？
其实当时也有好多物流机器人的新公司成立 。
对 ， 当时其实加快仓啊 ， 就差不多都是在那个时间 ， 跟他们倒没什么关系 ，但是因为我们自己也一直想做机器人， 我们也觉得是说 somehow 这个机器人也得跟你刚刚问的那个问题就有点关系 ， 就是我们得找个相对标准的场景 ，因为机器人的很多场景其实是非常发散的 ， 对吧 ？
那过去的工业机器人其实最大的应用场景就是在汽车和 3C 以汽车为主 ， 那其他的场景整个的机械臂啊 ， 机器人啊 ， 这种形态其实它量其实都没起来 。
那我们觉得仓库是有可能能够一定程度上标准化的 ，因为它处理的对象它要么是个托盘 ， 要么是个箱子 ， 要么是那个商品的那个 piece 就一件一件的 ， 那所以它形成了一定程度的标准化 ， 所以它更可能让这个机器人能够能够能够被用起来 。
所以我们觉得就仓库是一个非常好的一个一个场景 ， 作为一个机器人的起点 。 对 ，但我们就是真正想做的事情 ，也不是说我们想要做个物流的这个场景的这个方案的提供商 ，而是觉得是说物流是可以作为一个起点 ， 能够让机器人先用起来 ， 那 eventually 它可以走出这个这个这个盒子 ， 对吧 ？
能够走到远距离 ， 走到更开放的场景里面 ， 能够变成一个更 general 的这个机器人。
可以说你们当时想做通用机器人， 只不过当时可能没有具身智能这个说法 。
对 ， 当时我们也没有这个技术 ， 我觉得很多东西是需要等待技术的变化的 。 那当时做这个通用机器人肯定是不现实的 ，而且当时其实很多机械臂的一些应用其实都做得非常的不好 。
那当时的新的技术有什么呀 ？
那个时候其实很大程度我们觉得是觉得是调度 ，是偏一些运筹和偏强化一些方法吧 ， 就是因为一个仓库里面我们当看到有很多类似于像 Kiva 这样的一些机器人之后， 它其实真正决定它效率的是那个调度系统 ， 就是如何能够让更多的车能够协同的工作起来 ， 我货放在哪里啊 ， 订单谁优先处理 ， 然后这个小车到底以什么样的一个种交通的方式去多车的
这种调度 ， 这个事情其实才是更重要的 。 而这个事情就跟我们当年搞竞赛的这个事情其实非常像 ， 所以我们觉得这就是 exactly 就是我们非常擅长的事情 。
嗯 ， 这是个优化问题 。
是优化问题 ， 对 。
那 2012 年开始的这一轮深度学习热潮 ，因为其实当时从 12 年到 16 年也是有一波 AI 热的嘛 ， 当时的 AI 的技术外溢到这个领域了吗 ？
有哪些地方是可以帮助机器人的 ？
当时我觉得有一些吧 ，但不多 。 那个差不多 15 年的时候是那个 AlphaGo 和 AlphaGo Zero 嘛 ， 对吧 ？ 所以那个时间点的时候其实是通过啊 ，其实机器人的调度这些问题 ，其实它也可以被认为是一个下棋的问题 。
对 ， 所以其实是有一些强化学习的方法是可以被用到 ， 就是今天的这种这个机器人的这个调度 。
对 ， 调度优化里的 。
是的 ，是的 。 所以这个技术上其实也在发生一些一些变化 。
在没有后来的新的技术变革的时候 ， 你们用当时的一些机器人的技术 ， 一些 AI 的技术 ， 你们后来就是做到了哪些应用上和商业上的结果呀 ？
我们其实服务了很多这个这个啊 ， 世界 500 强的公司 ， 比如说可口可乐啊 ， 雀巢啊 ， 优衣库啊 ，在海外其实也服务了很多客户 ， 然后优衣库其实是个非常有意思的客户 。
我们在 19 年的时候参与了上海优衣库的投标 ， 那个仓库每年发的货值非常的夸张 ， 发货量也非常的大 。
那个仓库呢 ， 它就希望能够打造成一个自动化程度非常高的一个仓库 ， 所以方案无比的复杂 。 优衣库呢 ，在国内几乎把所有物流机器人公司自动化的公司全部都叫了过去 ， 就跟超女选秀一样 ， 一轮一轮筛 。
哦 ， 你们是所有人一起去吗 ？ 还是一波一波一起去了 ， 还是单单独见的每个都 ？
对 ， 它是这样的 ， 它一轮一轮评选 ， 它第一轮就是所有人先去提案啊 ， 提案完了之后说好 ， 那第一轮哪几个不行 ， 你们就可以下次不用来了 。
好 ， 第二轮提案 ， 第三轮提案 ， 一共做了五轮 ， 然后我们那个项目用到了有上千台的机器人的一个数量 ， 复杂性非常之高 。
我们当时也是依靠我们的这个比较强大的一个调度能力吧 ， 所以就是客户也选择了我们 。 我们跟客户讲了这么两点 ， 说这么复杂的一个项目 ， 最后决定它的这个效率的靠的是什么呢 ？
靠的是软件和算法 。他说他们特别认同啊 ， 然后我说这个我们绝对不是这个最有经验的这样的一个方案提供商 ，但我们绝对是在算法和调度上这个最强的 ， 没有之一 。他们也非常认同这一点 。
我不知道这个项目就是它的价值多大呀 ？ 像这种项目最后拍板需要到优衣库的创始人级别吗 ？
基本上是就是接近创始人这个级别了 。
你们最后是不是和创始人见面了 ？ 我记得有一次好像是印奇说你去 ， 你去日本去见他了 。
优衣库41:08
对 ， 我去见了柳井 。 这个项目因为由于它非常的复杂 ，有很多家公司一起去投标 ， 这里面就有很多 to be 里面的一个陋习 ， 就是大家做了很多的 overpromise。
那这家供应商说他能干这个 ， 我们认为技术上是做不到的 ，但他说他能 。 客户就问我们他能 ， 你能不能 ？
那这个时候你是不是只能硬着头皮说我也能 ？ 于是我们其实是说承诺了很多其实实际上我们觉得技术风险非常高的这样的一些一些事情 。
所以当时整个项目里面其实充满了风险 ， 很多东西我们都不知道最后能不能搞得定 ，但我们硬着头皮说我们能搞定 。
然后最后呢 ， 差点搞砸了 ， 确实差点搞砸了 。 就是我们会发现说这个仓库刚啊 ， 我们全部弄完之后， 我们这个那个目标效率是 100% 的话 ， 我们其实只达到了 40%。
所以就巨大的 gap。 然后我们当时这个时候就觉得已经完蛋了 ， 然后客户也觉得说那你这这这怎么弄 ， 这个仓库根本没法用 。
而且有很多一些啊 ，因为时间表也非常紧嘛 ， 所以我们很多东西上这个啊 ， 叫做技术方案上其实也有一些问题啊 ， 然后我们当时就痛定思痛 ，也跟客户去解释 ， 就说希望再给我们一些机会 。
我们觉得就是说我们已经踩了一遍坑了啊 ， 我们也知道问题在哪里了 ， 那我们也有决心 ，也有信心把这个问题解决掉 。
所以我们最后让客户给我们延期了半年啊 ， 然后我们把所有的 code 都推导重来了一遍 。 好 ， 然后最后搞定了这个项目 。
然后就是后来去见柳井的原因是因为他们也觉得这个方案实在是太复杂了 ， 太难了 。他们也没有想到我们真的最后能够把它们搞定 。他们觉得这种这个 ，他觉得这个锲而不舍的精神其实也非常的 ，也非常的不错啊 。
所以他后面把一些这个其他的项目其实也都那个交给了我们 。
所以你们是转危为安 ， 你们把一个事又重新给它弄好之后， 你去见的创始人。
对 ，是的 。 所以我自己觉得就是说这个做 to be， 你说你刚才讲就是说有什么经验教训啊 ， 我觉得今天我也不知道这个答案是什么 ， 就是说因为大家在竞争的过程中， 我认为是会有非常多的 overpromise， 就是因为我要拿下这个单子 ， 所以我会跟客似乎因为竞争对手在客户那儿在吹牛 ，但我如果是非常真诚和实在的跟他去讲这个事情 ， 我很容易
我就拿不到这个 case。
那你们曾经试过非常真诚实在的去讲 ， 我就是做不到吗 ？
于是我们很多 case 就丢了呀 。 我认为这个东西是啊 ， 跟你当时的整个的这个地位有关 。 当客户认为说你就是那个权威 ， 就是那个专家的时候 ， 你跟他说你做不到 ，他会信任你 。
但是如果啊 ， 你当时还没有在那个位置上， 那你说你做不到 ，他只会认为你弱 。 嗯 ， 对 ， 然后有另外一个人他说他行 ， 对吧 ？
那这就是个很尴尬的事情 。 所以就是说 ， 所以我认为这个会导致一个畸形是说啊 ， 大家的这种 overpromise 提高了客户的对一些事情上的一些把这个一些期待提到了一个不切实际的一个状态 ， 然后最后让很多的事情其实的这个结果是不好的 ， 那也也摧毁了很多客户的信任 。
所以我认为这个其实也是现在的一个 to be 市场里面的一个一个问题啊 。
那你们就没有遇到 ， 比如说你的一个竞争对手跟客户说我能做到 ， 实际上他也做不到 ， 最后做了一段时间这个 ，因为这个标可能又会流出来嘛 ，他可能又会去找别的供应商 。
啊 ，不 ， 这个其实不是的 。 首先你这个这个反馈周期可能是一个以年纪的一个单位 ， 对吧 ？ 那他说他行 ，他先上了 。
好 ， 那首先这个标是不是就给了他 ？ 他给了他之后 ，他可能过了搞了半年才搞砸 。 你要半年之后才看到这个情况 ， 那客户说啊 ， 完了 ， 这个东西搞砸了 。
那搞砸了 ， 客户也丧失信心了 ，他也不想再搞这个事了 。 然后一般来讲 ， 这个时候大家其实也羞于去谈一个失败的项目 。
所以大家其实在啊 ， 市面上其实不会听到太多失败的 case，因为大家不管是从供应商的角度还是从客户的角度 ， 大家其实都不想去谈这个事 。
嗯 ， 对 ， 所以我认为这种情况现在依然存在 。 但是你比如说我们现在跟客户其实当我们建立了很好的信任之后， 我们会告诉他什么东西这么做其实是有风险的 ，他的问题可能在哪里 ， 我们可以一起来想个办法 ， 能不能去做小规模 ， 可能去做一些实验 ， 去验证这个东西 。
那当互相是一个很高的信赖程度的时候 ， 我们就可以很真诚的去探讨很多的解决方案 。 但是如果你是一种很这种竞争式的这样的一个情况下， 很多时候就会变成一种 overpromise 的一种状态 。
你在具身智能行业观察到哪些过度承诺的现象 ？
我认为今天其实很多啊 。 我觉得就是说现在就整个具身智能行业里面 ， 就是说在除了文娱 ， 除了科研 ， 那到底有多少机器人是在被持续的在运行和被使用 ，其实也不太知道 。
对 ， 首先一个机器人要怎么样有用啊 ， 就第一呢 ， 就是你得要把客户的这个场景真正的能够关闭掉 ， 能够真正的闭环的实现他所要的功能 ，而不是说哎 ， 我我在这种情况下是 OK 的 ， 我换个情况可能就不 work 了 ， 对吧 ？
所以他就就得是一个就是闭环的一个一个 ， 这是第一点 。 第二点呢 ，是说客户的算账是能算得明白的 。 嗯 ， 对 ， 这两点满足的情况下， 客户才会批量的持续的去使用它 。
那我们今天就是说其实很多的场景啊 ， 我觉得我们很多都是更像 POC， 更像 PR， 就是大家就是其实就做了很多的摆拍 ，但真正是说它是不是被持续的用起来 ， 我觉得啊 ， 我觉得就可能也打个问号吧 。
然后呢 ， 那现在就是说从客户的这个角度来讲 ，也有很多的这个厂商 ， 就是大家其实在拉高大家的这个期望 ， 技术型其实可能并没有达到那个状态 ，但大家就说哎 ， 我这也能 ， 那也能 ，但最后可能这个结果 ending 可能不会很好 ， 大概率达不到那个原有的这个期望 。
所以我认为是说真正的落地这个事情呢 ， 就是还是得要比较务实的 ，有效的去推进真正的这个机器人在场景中的使用 。
那你们会怎么选择了 ？ 你们是要参与稍微也过度承诺一点 ，因为继续在发展 。
我觉得我们今天跟跟几年前还是会不太一样 ， 就是我们今天其实是有很多的啊 ， 跟我们已经建立了信赖感的客户 ， 就是因为跟啊 ， 这个我们的物流机器人公司也好 ，其实是有很多我们跟很多的客户已经建立了技术信任 ，他们知道是说我们这帮人是什么样的风格 。
对 ，他们信任我们说 ， 当我们说 no 的时候 ， 我们是很认真的在跟他讲 ， 我们寻找一种方法 how to yes， 然后找到一种方法能够来解决他的问题 。
所以他们会有这样的一个信赖感 。 那在这样一个信赖感的情况下， 我不需要去跟他去 overpromise。 对 ， 然后第二呢 ， 我们也会告诉他就是说哎 ， 我们今天的这个机器人的水平 ， 今天模型的水平 ， 对吧 ？
我们比如说在 RoboChallenge 上， 大家就仅仅是桌面任务 ， 大家能做到百分百 ，其实是做不到 。 那做不到百分百怎么办 ？
我们今天 。 那我们就不要假想着让机器人做到百分百 。 我就告诉你 ， 机器人现在就是做不到百分百的这么一个状况 ，但我们需要去设计一套完整的工作流 ， 使得就是说你做 fail 了之后， 你失败了之后， 我依然是有方式能够给你兜住底的 ， 你的工作流是完整的 。
那以这样的一个一套系统的形式 ， 我来提供给到客户 ，但同时我能够帮你把账算明白 。 那这是一个更有效的一个就是真正的务实的落地方式 。
嗯 ， 如果总结来说的话 ， 就是在这一次成立新的原理灵机这个公司之前 ， 旷视之前的机器人业务 ， 你觉得在技术上和商业上做到了什么成绩 ， 做到一个什么状态 ？
啊 ， 我觉得就是旷视的这个机器人业务 ， 我们现在叫原力聚合机器人啊 。
所以那也是个单独 ， 现在也是一个单独的公司了 。
对 ， 现在名字叫原力聚合机器人， 然后我们的品牌叫 Atomics， 就是原子的聚合的这种这种这种这个意思 。
然后那啊 ， 我觉得就是业务是属于这个叫我觉得就在进入到平稳的增长期吧 ， 就是因为相对来讲 ， 我们的这个啊 ， 就搬运型的这个产品 ， 我们不管是托盘类的还是箱式的这个产品 ， 都已经有比较成型的这个产品的形态 ， 然后客户啊 ， 销售啊 ， 啊 ， 渠道体系啊 ，其实也都有相应的一个比较成熟的一个体系 。
所以然后增长也蛮快的 ， 然后我们现在的那个海外占比在非常快速的在提升 。
大概是能做到一个什么样的市场规模或者收入规模了 ？
对 ， 我们现在大几个亿吧 ， 就是啊 ，但我们现在手上有很多的订单 ， 就是没有确认收入的订单有很多 。
25 年要重新来成立 ， 就是一个专门做具身智能的公司 ， 当时是怎么考虑的 ，以及说在旷视是怎么去提议的 ？
原力灵机49:21
对 ， 就是我们首先其实还是看到了很多这个技术上的变化 ， 所以呢 ， 就是很早就是那个啊 ， 小钱儿精英天才 ，他们其实已经在做一些相应的一些实验了 。
就是我们在看 ， 就是说用大模型驱动的这个方式去驱动几个机器人的控制 ， 对 ， 做 VLA 的一些工作 ，其实很早我们就开始做了 。
你说的很早是哪一年 ？
在啊 ，24 年，24 年 。 对 ，24 年我们就开始做做相应的一些实验 ， 然后原理灵机正式开始运营 ， 我理解应该是 25 年的春天 。
对 ， 中间这几个月的时间是在准备什么呢 ？ 我们在做这个重组 ， 旷视呢 ， 还在北京 。 然后这里面有一些退出的股东呢 ，其实也有这个新的这个基金啊 ， 然后来承接了他们的股份 ，有这么一个过程 。
所以这个过程其实是一个蛮啊 ， 蛮复杂的一个交易过程 。 所以当时就是那个中介团队啊 ， 印奇也好 ， 我也好 ， 我们就花了很多时间在这个事情上面 。
嗯 ，因为你刚说的那个是原力聚合拆出来了嘛 ， 那原理灵机和旷视和之前的这个股东他是个什么关系了 ？
我们原来的老股东们其实是在原理灵机这边是持了一股币的 ， 所以这是这个分拆出来的时候的一个 setting。
对 。
嗯 ， 对 ，其实就这样一个相对来说它还是有一些历史的 ， 包括有一些老股东占比这样一个结构 ， 中间交易也持续了几个月 。
嗯 ， 啊 ， 然后又赶上具身智能创业非常火热 。 嗯 ， 像范浩强这些人为什么没走啊 ？ 怎么大家还是一起等在一起来来创业 ， 包括中间我不知道会不会有人去找他们 。
对 ， 创业或者是去挖他们 。 对 ， 我觉得肯定有啊 ， 我觉得就是因为就是小钱儿精英天才 ， 我觉得这些人其实都不缺机会了 ， 就是其实很多人都想要拉他们 。
我觉得啊 ， 那大家为什么之所以还能在一起呢 ？ 我觉得可能几点吧 ， 我觉得第一 ， 我觉得是说这个大家还是相信我们这一群人在一起能够把这个事能够增加它做成的概率 。
我觉得是说啊 ， 大家这么多年的这种配合 、 信赖程度 ， 对能力上的这种信任程度 ， 加上我们的一些业务上的积累 ， 包括我们物流机器人那边的这个客户啊 ， 场景啊 ， 这样的一些积累啊 ， 我们都认为是说大家一起干 ，其实这件事情是能够有更高的概率干成的 。
所以我认为这是大家今天没走的一个原因 。 当然就是还有很重要的就是这个兄弟感情其实也是很重要的一部分 ， 对吧 ？
嗯 ， 对 ， 像范浩强和周而进相当于他们十几岁的时候你就认识他们 ， 你们应该认识十几年了 。
对 。
在一起工作十几年了 。
我跟小强认识是他初一的时候 ， 然后我跟耳机认识是他可能也是初二 ， 可能 。
所以他也是因为参加了那个比赛 ， 所以他中学你就认识他了 。
对 ， 耳机跟我因为还是我俩还是那个同一个高中的 。
哦 ， 你是老乡 。
对啊 ， 所以就我们就认识的更早 。 对 ， 然后小强是因为我上了学之后我去人大附讲课啊 ， 然后就有个小孩子就特别厉害 ， 就每天坐在第一排 ， 然后因为人大附很多孩子都很聪明嘛 ， 所以大部分都很聪明但不认真 ， 然后这是一个又聪明又认真的孩子 。
我就我当时就印象特别深啊 。 对 ， 然后后来就是果不其然就是初三就进了那个集训队 ， 然后就高一就进了国家队 ， 然后去 IOI 还拿了第二名 ， 所以这个还是还是挺厉害的 。
对 。
嗯 ， 对 ， 我觉得旷视这群人 ，但这确实我也是比较好奇的一个话题啊 ， 就我觉得大家还是在一起的时间非常久 。
嗯 ， 包括像张祥雨在接月 ，他以前也是在旷视的研究院 。 嗯 ， 对 ，也是可以说一直就是在一个就大的这种体系里吧 。
对 ， 我觉得就是还是我觉得就是说这个这个团队之间还是有一种互相吸引的力量的 。 就是说啊 ， 我觉得强的人会喜欢跟强的人在一起 ， 大家彼此之间的这种互相认可度是非常的重要的 。
对 ， 所以就是说旷视研究院我觉得就早年我们的人才密度很高啊 ， 然后每个人企业都很强 ， 那大家互相 maybe 可能有的时候意见不一样 ，但大家都觉得是说哎 ， 你每个人都是一个非常有想法的人， 是一个非常强的人， 那这个其实也更加吸引了更多强的人能够一起加入进来 。
大家就觉得这帮人凑在一起是能够去做出很多不一样的东西来 。
嗯 ， 对 ， 你们最多的时候是不是有十几个 IOI 的金牌 ？
对 ， 我们 NOI 的金牌更多 。其实现在大家很多 AI 公司 ， 包括一些大厂也是强调这个 ， 就是非常高的人才密度嘛 。
嗯 ，但这个其实并不能直接转化成商业上的成功 。 我觉得人才密度能够转化成生产力 ， 能够转化成就是说其实是一种叫做更高效的一种配合 ， 就是很就是互相一群足够强的人在一起 ， 大家很多事情我不需要那么的流程化和机制化 ， 它很多的这种化学反应可以天然的形成啊 ， 所以它的整个的这个迭代的效率和节奏是能够变得更高的 。
那我我认为这是带来的这个好处 ，但是我们到啊啊商业也好 ， 到落地也好 ， 那我们其实很多时候需要对客户的很多的洞察 ， 对问题的理解 ， 把这个事情不仅是说把最难的那一 part 解决好 ，也要把那些很脏的那些活都要解决好 。
那这个时候其实很啊 ， 可能会需要另外的一群同学 ， 我们一起要来配合做这个事情 ，因为强的同学他有的时候他的兴趣点 ，他会更愿意去解决那个最本质的问题 。
就我们以前研究院那个有一个挺逗的 ， 就是我们大家有句话叫这不本质啊 。 嗯 ， 就是他们大家都想去解决那个本质的问题 ， 那个不本质的问题大家就其实是这帮人其实他的那个兴趣就会急剧下降 。
对 ， 这是研究院的研究员高平会是用到的一句话 。
对 ， 然后这个话可能从从从我啊 ， 从印奇啊 ， 就是我们可能也也有时候会说这个话 ， 我们自己 somehow 自己也会有有这样的一个坏习惯 ，但实际上就是当你真正变成一个商业化的产品的时候 ， 那你所有对客户有影响的东西都是本质的 ， 对吧 ？
它不是那个最后最难的那个事情 ， 它才是本质的 ， 对吧 ？ 对 ， 所以我觉得这个还是需要团队的搭配啊 。
你觉得最强的人怎么看财务回报这件事情了 ？ 因为其实旷视创业很多年， 包括像自己可能都是跟你们差不多先成立 ， 比你们晚几个月吧 。
对 ， 我觉得就是财务回报 ， 我觉得对大家来讲肯定是非常重要的啊 ， 所以我觉得这个其实也是啊 ， 印奇跟我我觉得我们心中有愧的地方 ， 就是带大家创业这么多年也没挣到钱 ，但我觉得就大家其实在财务回报之上呢 ，也有更高的追求 ， 就是其实还是对事儿 ， 对于把这个事情能够做成 ， 对社会的这个影响力 ， 这种价值感啊 ， 我我认
为这点上会有更高的一个追求 ，但是依然就是财务回报我认为很重要 。
就是因为原理灵机作为一个新的公司 ， 你们其实有一些旷视之前的股东 ，也有很多旷视之前已经非常资深的元老级的人物 ， 那你们在吸引新的和现在你们要做的事情更 match 的一些人才的时候 ， 嗯 ， 你们能给到一些什么样的激励了 ？
比如说像期权啊这些 ， 它和一个崭新的创业公司相比会有什么区别 ？
我觉得我觉得没有差别 ， 我觉得我们现在就是一个崭新的公司 ， 所以我们的所有的这个这个激励的方式就是一个按照完全按照一个新的公司来 ， 包括期权池的份额也都跟新公司差不多的 。
我们留了个 30% 的期权池啊 。
嗯 ， 所以你们现在实际上比如说你有算过你们有多少是以前旷视的同事 ，有多少是后来你们新引进的一些人才吗 ？
我们现在大概可能 40% 是原来的同事 ，60% 是那个新的同事 。
嗯啊 ， 现在是大概 100 人左右 。
对 ，100 人左右 。 对 。
那到这一次创业就是 25 年你们开始正式运营之后， 当时看到具身智能行业是一个什么情况 ，以及你那会判断就整个具身领域啊面临的主要的问题或者说要解决的任务是什么 ？
对 ， 我觉得就是说当时的这个似乎资本市场上开始在变火 ， 就当然不像今天这么这么这么这么火热 ， 我觉得已经但已经有这个苗头了 ，但我觉得就是说我们看到的更多是一个叫做技术的变化 ， 一个变量 ， 就是说啊 ， 我之前跟印奇说 ， 我说我们历史上每一次技术变化都低估了它的这个变化速度 ， 就我们最早的时候 ， 比如说深度学习
， 那深度学习的时候我们其实也没有那么信深度学习说哎 ， 它能够比原来的这个这个什么 SVM 啊 ， 就这样的一些方法能够好多少 。
哎 ，但我们最后发现说效果发展的非常快 ， 然后呢 ， 第二呢 ， 就是后来比如说 Transformer 出来之后， 当时祥雨还发过一篇文章叫 Make CNN Great Again。
哦 ，Make CNN Great Again。
对 ， 就是我们为什么 Transformer 出来是 Make CNN Great Again？ 因为当时就是有一些 performance 上， 就是 Transformer 已经比 CNN 要更好了啊 ，但是呢 ， 我们认为它在数学上有很多东西形式上是等价的 ， 所以呢 ， 就是祥雨就也还发了篇文章就说啊 ， 我们 CNN 同样的也可以达到这个效果 ， 我们还还有这样一篇文章 ，但后来发现 Transformer 的这个发展其实非常快 ， 对吧 ？
然后包括智驾 ， 智驾我们其实最一开始的时候也有很多人在怀疑 ， 就是说这个事情到底能不能够搞得定 ，但我觉得也是半信半疑啊 ， 然后到今天我们大家可以看到就是智驾的很多的这个变化 ，RoboTaxi 都已经上街了 ， 对吧 ？
所以就今天到机器人， 我觉得也是一个技术上的变量 ， 就是说我们通过端到端的方式去形成这个机器人的控制 ， 这件事情到底能不能行得通 ？
那今天的 performance 可能还只有比如在 RoboChallenge 上面 ， 桌面任务都可能只有百分之五六十的成功率 ， 它其实是非常低的 ，但是它在一个一个巨陡的梯度在在进步 。
所以我觉得就是还是就是真的是我们我们都不断在提高我们自己的这个阈值 ， 都觉得是说哎 ， 它会变得越来越快 ，但依然每次都比我们想象中更快 ， 就因为有更多的资金人才和大家的专注度涌入进来 ， 所以使得这个东西其实变得变得变得更快 。
所以我觉得是一个非常令人兴奋的一件事情 。 那对于机器人来讲呢 ， 就是说我认为这个问题其实就在那里 ， 我机器人是一个我们对于这个叫 AI 之于物理世界的这个终极形态的一个想象 ， 对吧 ？
那所以如何能够在物理世界里面能够去做这种生产力的输出 ， 那 suppose 就是机器人这样的一个形态 。 所以我们觉得就是说今天的这个技术变量 potential 能够带来非常大的机会 ，而且需求很显然就在那里 。
那你觉得具体的几个瓶颈或者说先要解决的几个事是什么 ？
对 ， 我觉得今天其实最核心的问题其实就是模型和大脑的问题 。 原理灵机的小伙伴 ， 我们大家讨论了一下说我们的使命到底是什么 ， 我们最后用了一句非常朴素的话 ， 我们的那个话这么讲 ， 我们叫打造智能的 、 有用的啊 、 可信赖的机器人啊 ， 就是这是我们想做的事情 。
然后我们说为什么是这三个词呢 ？ 就是智能是因为今天技术上的变化是我们这个这个开启这家公司的一个原因 ， 所以这是我们就是所以智能是它的核心 。
然后有用什么是有用呢 ？ 就是有用本质就是你能能完全的解决问题 ， 对吧 ？ 它就能有用 。 然后第二它账能算明白 ， 它就才能变有用 。
核心就是说它它是那个机械臂的问题吗 ？ 它不是的 ， 它那个机械臂也好 ， 那个 camera 也好 ，其实很多其实都 OK 的 ，但问题是它它不够智能 ， 它不能够很好的去完成那个那个任务 。
所以就是今天核心瓶颈是这个有用就卡在智商上， 然后可信赖也是一个问题 ， 就是说可信赖当然当然有安全性啊 、 可靠性啊这些问题 ，但智商低其实才是最大的不可靠 ， 对吧 ？
所以我们认为就今天其实最核心的问题其实还是回归到就是说到底模型到底算法能够让机器人能够变得多智能 ， 这件事情其实是最重要的 。
嗯 ， 对 ，因为 2 月 10 号你们有一个技术发布会嘛 。
对 。
当时你们也讲了你们比较相信的一个方法是说具身原身 。
嗯 。
这个可以就是讲讲什么叫具身原身吗 ？
现在因为大家的整个的技术框架都在用 VLA 的这样的一个方式嘛 ， 当然我的 model 跟 VLA 其实有很多的这个就是互补的这些地方 。
那现在的 VLA 很多公司的训练方法是说 OK， 我下载了一个开源的 VLM， 然后在后面加了一个 action 的模块 ， 然后呢 ， 我就开始去训这个 VLA， 就是大部分公司现在是这么做的 。
但这个导致的一个问题是什么呢 ？ 就有点像一个九年制义务教育刚结束的初中毕业生 ， 然后你把他拉到了体校 ， 然后你就开始给他狂练体育啊 ， 然后练完了之后呢 ， 就是说你会发现有两个问题 。
第一个问题是他由于没有从小开始练体育 ，他根骨不健壮 ， 对吧 ？ 所以他的整个的 VLA 的这个能力是有上限的 。
好 ， 然后第二个问题呢 ，是说啊 ， 你狂练体育的那三年， 你有可能就把你的原来的语文数学就这样的一些一些一些这个文化课水平就就拉下来了啊 。
所以你会发现说今天这个 VLA 里面的这个 VLM 的能力很多时候效果已经不是特别好了 。
你的意思就是说在 VLM 上加了个 action 的模块训练之后， 反而会影响它本身多模态的那个模型的能力 。
是的 ， 会会会会巨大的下降 。
这个在技术上是为什么呀 ？ 其实在 LLM 上加上就是视觉 。
对 。
加上多模态 ， 它很经常也会影响大语言模型的能力 。
对 ， 这很那这这很简单 ， 就是说这个东西就是说你是一个就是你拉去上体校 ， 你文化你语文课数学课没上了啊 ， 所以那你就练完三年体育之后， 你确实语文课文化课水平就不行了 。
所以就是说他得要你既上体育课 ， 你还得上文化课 ， 所以他得要一起做 core training。 所以呢 ， 就是说那这是我们现在看到的一个问题啊 ， 两种方式要去解决这两个问题 。
第一个就是说他得要从小就要开始练体育 ， 对吧 ？ 所以最好是说他在 VLM 一开始初期的时候 ， 我能不能就让他见到机器人数据 ，而不是在一个 VLM 已经被训完了这个之后再去看机器人数据 。
你指的是预训 VLM 预训练的阶段 。
VLM 的预训练 ，不是 VLA 的预训练 。 对 ， 所以这是这是这是第一个 。 第二个呢 ，是说在 VLA 训练的时候 ， 我也不只是去训这个 action， 我同时也去训它的这种 grounding 啊 ， 这种这种 VQA 啊 ， 就是这样的一些偏偏 VLM 上面的一些能力 ， 我去做 core training。
那这样子的话呢 ， 就是这个就可以使得它的这个文化课的能力依然能够被保留 。 所以这是所以我们现在看到比如说像 。
VLM 的这个训练其实也有这个叫原生训练和嫁接训练两种方式嘛 ， 就是一种是说在大语言模型 LM 先训完了 ， 然后完了之后再加 video 的 data， 然后再去做 alignment， 就这样 ， 这是一种训练方式 。
第二种是说 from scratch， 就是从头开始去训这个东西 ， 对吧 ？ 嗯 ， 所以有两种方式 。
就一个原生多模态的 。
对 ， 原生多模态的 。 那现在很明显是说原生多模态其实会是虽然可能成本更高 ，但是应该是会是效果更好的一种方式 。
Gemini 系列一直都是 。
对 ，Gemini 系列 。 那今天就是说具身也是一样的 ， 所以那我们如何能能够去做到原生的这个 VLM 到 VLA。 所以就是说我能不能把机器人的数据在 day one 我们就加入进去 ， 就把它变成一个就是在 VLM 里面就让他看到机器人的数据 。
现在其实整个物理世界里面其实有三类数据 ， 一类呢是这个叫啊多模态的互联网数据 ， 对吧 ？
这是大模型公司里面现在比较多的 ， 视频数据是一类嘛 ， 所以在大模型公司里面啊收集了很多这类数据 。
第二类的话呢是智驾的数据 ，其实相当于是在开放环境的一个最大的一个描述 ，在道路上的这个最大的这样的一个数据的描述 ， 对吧 ？
然后第三个呢就是机器人的操作数据 。 所以这三类数据我们觉得是说它应该在 day one 的时候就应该被联合起来 ， 送到一个模型里面去 ， 训出一个物理世界原生的这样的一个 VLM， 然后再给到 VLA。
这个阶段就需要给机器人加开放世界的自动驾驶的数据吗 ？
这个也取决于你对机器人的定义是什么 。 机器人的这个 VLA 的这个 A， 它不仅仅是说我手的动作才是那个 action， 我腿的动作也是个 action， 那腿的动作的 action 和手的动作没有差别的 ， 对不对 ？
所以就是 visual language navigation 和 VLA 本质是一件事情 。 所以就是那你加了这样的一个数据 ， 你会增加它对更多环境的理解能力 ， 就是你让它去做导航 ， 那它的这个能力就一定会增强 。
只不过大家觉得机器人在早期的应用阶段可能还不涉及到一个户外的环境 。
呃 ， 就是如果你把它限制在纯桌面任务上， 那确实可能帮助不大 。 但是如果我们对机器人的想象 ， 我们今天想象的这个机器人的形态不是是一个是说 OK， 我只在 tabletop 来做事情 ， 对吧 ？
我希望它是一个更强功能 ， 能够在开放环境 、 室内环境也好 、 室外环境也好 ， 能够在泛环境下能够去形成它的能力的泛化性的这么这么一个这么一个期待 ， 对吧 ？
嗯 ， 所以你们的 DM0。
对 。
模型是这样去做 。
对 ， 所以我们的 DM0 就是说我们其实是跟杰越一起那个训的这个 VLM。
就是意味着你们是一起参与了预训练的过程 。
呃 ， 我们就这里面训练其实分三 part， 就是第一 part 呢是一个 VLM 的预训练 ， 所以这里面我们就相当于是说啊 ， 我们把一些数据我们其实参在了一起 ， 把那个杰越那边有一些这个多模态的数据 ， 我们这边有机器人的数据 ， 我们一起训了一个原生的 VLM 的多模态 ， 我们加上一些智驾的数据 。
好 ， 然后呢 ， 基于这个 VLM， 然后领机这边再接着训 ， 就这部分是相当于是大家合作一起合作联合训练的 ， 然后呢 ， 我们再接着去训这个 VLA。
好 ， 然后呢 ， 再做 VLA 的 post training 啊 ， 就是通过这样的一个 pipeline 去形成了一个一个更加原生的 ， 就是从数据层面上也原生 ， 从训练方法上也更原生的这么一个一个机制 。
嗯 ，因为最近印奇也官宣他担任杰越的董事长了 ，他同时也是千里的董事长 。 杰越 、 千里 、 原理灵机 。
嗯 。
这些它都是 AI 技术 ， 然后是不同的类型的 AI 技术 ， 要用在不同的场景 。 这些公司之间什么关系 ？
对 ， 公司之间是就是兄弟公司关系吧 。 对 ， 所以我们就是也互相之间其实有一些这个业务上的合作吧 。
有合作 ，但你们股权上没有什么关系是吗 ？
对 ，有共同的股东 ，而且本身那两边是印奇在负责嘛 ， 对吧 ？ 然后我们也有很多的这样的一些这种互相可以合作的地方 ，因为有些数据是我们这边其实是有很多的这个这个比如说机器人的数据 ， 那杰越是不是没有的 ， 对吧 ？
然后那智驾的数据是在那个千里那边 ，但大家其实是说其实是可以有一些合作 ， 让这样的一些模型的能力能够更加汇聚到一起 ， 然后这样的一个机模可以 benefit 所有人， 可以对所有人都有帮助啊 。
那所以这是我们就是说在形成的几个兄弟公司之间的这样的一个合作 。
你们机器人的数据是从哪来的 ？ 你们怎么采集的 ？
对 ， 我们机器人数据就就是反正跟大家都一样 ， 我们也在做采集啊 。
你你说的采集是指也类似可穿戴设备这样去采集吗 ？
对 ， 反正有几种不同类型嘛 ，因为今天大家其实数据上也有就是说到底是机器人以机器人为中心的数据 ， 还是以人为中心的数据 ， 对吧 ？
所以那以机器人为中心的数据不管是通过遥操的 ， 还是这种这种手扶的 ， 还是通过什么外骨骼的这样的一些方式 ， 或者通过一些什么无本体的什么巫谜这样的一些方式去做采集的 ， 那这是一类的 。
第二类的我们也有一些这种 human centric 就是说啊穿戴式设备去形成的数据 ， 所以姐姐的数据其实是一个最后是个是个配方 ， 它是一个如何去做一个好的一个混合的一个方式啊 。
那合成数据在你们这个配方里有位置吗 ？
我们现在用的比较少 ， 我们现在以真机的数据为主 。 首先你可能要定义一下什么是合成数据 ， 就是我们现在但凡是采集的数据其实都是合成数据 ， 它只是在物理世界里面去合成的数据 ， 对吧 ？
因为它并不是真实的 。
哦 ， 那我我指的可能是生成的 。
你说的仿真的数据吗 ？ 对 。
仿真和生成的数据 。
对 ， 我们现在用仿真数据用的比较少 ，因为呃仿真数据在我们现在的这个我我们觉得是说在那些 contact rich 的这种这种就是操作类的这种事情上， 现在其实仿真数据帮助不是很大 ，而且它其实仿的很难仿的很真 ， 就是因为钢体就相对比较好弄 ，但如果它是个非钢体 ， 那就是现在渲染出来这个结果其实也也很难 ， 那就也不准 ， 对吧 ？
然后第二是说那我这些多模态的信息 ， 力啊 、 触觉啊这东西我能不能仿的很真呢 ？ 结果其实也仿的不是很真啊 。
然后第三呢是说仿真数据能够由于它的这个 seem to real 的这个 gap 很大 ， 所以它能够对算法带来的这个帮助现在看起来是比较有限的 。
但是仿真数据在两个环境下我认为是非常有用的 ， 一个是做那个 locomotion， 比如说像雨树啊这些那个像跳舞跳的非常的酷 ， 对吧 ？
那呃那它这 part 其实因为它其实跟跟世界的接触只有地面 ， 它只要保持重心的稳定 ，其他的其实它并没有有太多跟物理世界的接触 ， 对吧 ？
交互 ， 所以这部分仿真是非常有用的 。 然后第二部分非常有用的就是说可能去做一些更更更更 high level 的就是说呃的理解 ， 比如说去做一些任务的分解 、 任务的规划 ， 它不用去做操作 ， 比如说啊这样的一个环境里面 ， 比如说这个把什么水杯收一下， 它能不能够理解说啊这个事情是说找到哪个杯子啊 ， 要干一些什么样的事情 ， 把水倒掉或者怎么样
。 那这种任务理解层面的东西我觉得仿真数据可能是比较有用 。
嗯 ， 你怎么看上李飞飞 、 苏浩还有黄仁勋 ？ 他们都提到觉得接下来合成数据就世界模型 。
对 。
生成的这种合成数据可能会对机器人是非常有用的 。
呃 ， 我觉得我们反正也抱着开放态度去看吧 。 当然现在核心要找的方式是说我们数据一定要 scale 这件事情 ， 当然其实是没有意义的 ， 对吧 ？
那仿真是一种 scale 的方式 ， 那 video 数据也是一种 scale 的方式 ， 那或者是说一些 human centric data， 或者是说让机器人真的被用起来之后形成的数据飞轮也是一种 scale 的方式 ，但 either way 我们要找到一种 scale 的方式 。
那 scale 的关键就是我成本不能太高 。
对 ，是的 。
然后量要大 。
是的 。 对 ，但是呢 ， 仿真的问题是在于是说仿真也好 ， 世界模型也好 ， 就像生成的这个东西 ， 它生成的这个质量 ， 它到底能不能够对现在的模型的学习能够带来帮助 。
这是个 big if。 对 ， 然后那今天互联网的数据里面其实也带来包含了很多物理世界的信息 ， 对吧 ？
那比如说我去看的这个 video， 那这个 video 里面的这样的一些信息能不能够对机器人的这种操作能够去带来帮助 ， 这也是很有可能的 。
但今天这个路其实也没有完全堂统 ， 所以我认为是说这个我觉得保持开放态度 ， 然后但我们现在的这个状况下还是以真机数据为主 。
对 ， 然后就是在你觉得对具身来说最重要的模型这个问题上， 我觉得有两种观点啊 ， 一种是会强调具身模型它的独独特性 、 独立性 。
嗯 。
然后还有一种会觉得这是大语言模型的 ，其实一脉相承的一个东西嘛 。 你们和 JV 的这种合作 ， 包括基于混合多模态 ， 然后再来进一步做 VLA 的训练 。
嗯 。
我我觉得其实是更多的去和就是大模型的这个技术结合的这样一种方式啊 。 就是它哪些具体来说哪些部分是一脉相承 ， 哪些可能是具身模型要单独去解决的问题 。
具身原生1:11:01
对 ， 我觉得这个首先可能还是有一个架构层面的一个一个方式啊 。 比如说现在很多公司都在提双系统 ， 这个双系统是指呃我们有个 system two 是解决的是说 OK 是个慢思考 ，是个推理 、 任务分解 、 理解这样的一个一个能力的 。
那这部分的能力显然现在的大模型它的那个能力是非常擅长的 ， 对吧 ？ 然后第二部分呢是这种叫做操作类的能力 。
那 OK， 那呃今天可能是个 VLA， 那这个 VLA 是一个上面那个大模型大概率是跑在云端的 ，并且它的那个是一个更低频的这么一个交互的一个方式 。
那机器人操作这个 VLA 今天可能是个 10 赫兹的 ， 是一个中频的这么一个交互方式 。 所以这部分的这个模型到底解决哪些问题 ？
然后但是一个 10 赫兹的一个模型 ， 今天其实去驱动一个机器人其实可能还是不行的 ，因为我们有很多的操作 ， 比如说这个这个呃你要拿起来 ， 呃比方说我要我要我要我要我要这么调整一下， 转一转 ， 那你一个 10 赫兹的一个模型你是不可能做出这种动作来的 ， 对吧 ？
所以 system 1 下面可能还有一个系统 ， 还有一个模型 ， 就是说我需要把它变成一个把力啊 、 把触觉啊这样的一些东西有个更好处理的一个一个更高频率的 100 赫兹以上的这样的一个模型 。
所以有可能会分成三个模型 ， 那这三个模型中间的大家的这个 interface 交界面到底是什么 ？ 我觉得这个其实也都还是在很多这个是个开放问题 。
所以回到你说就是说今天跟啊大模型到底有没有关系 ， 我认为在 system two 的那个层面上一定是有强关联的啊 ，而且现在已经做得很好了 。
所以呃很我觉得这个具身的公司其实大家是在这个 system 这个 one 和这个 system zero maybe 就是说就是一和零 。
嗯 。
就这两个层面上 。
就你说的那种更精细的 、 更动作层面的 。
是的 。
这种工作上去去做努力啊 。
对 ， 这是那个 system 0 嘛 。 就但 system 1 其实在做的是说我们也在做一些逐渐让机器人能够在啊能够理解问题 ， 能够理解任务 ， 能够去执行操作啊 。
那这个事情上今天其实 VLA 也还在一个很也很早期的一个阶段 ， 对吧 ？
做大模型的核心 AI lab 像 Google、OpenAI、 国内像字节其实也都在做机器人 、 做具身智能 。 你觉得最终长期来说会被他们覆盖掉吗 ？
因为他们有很强的机模 。
我觉得还不太一样 。 就以前我们有个比方啊 ， 就是说你看梅西踢足球 ， 你能不能学会踢足球 ？ 这可能还是很难的 ， 对吧 ？
就是你你看视频你是学不会你自己踢足球的 。 所以就是说今天机器人这件事情你大概率和硬件还是会有一个很强的一个关联性 。
所以呢 ， 就是说我们在就是说这个大模型公司会在这个 system two 的这个层面上， 我认为是有非常强的能力的 。
但是在 system one 和 system zero 的这个角度来讲 ， 我们同样需要有很强的这样的一个模型能力 ，并且它需要跟很多的这个硬件啊去形成关联 。
这是这是这是一个 。 然后第二个呢 ， 我认为是说大家都在讲数据是个很大的问题嘛 。 那最后数据来自于哪里呢 ？
我会觉得数据最终的数据其实是来自于就是数据飞轮 。 那这里面有个集合单的问题 ， 就是说现在机器人它不成熟啊 ， 使得它不能被用起来 。
然后不能被用起来的 ， 你使得就是你也不存在就是机器人被用起来之后所带来的这种失败 ， 或者比如说接管的这样的一些数据 ， 对吧 ？
今天有个这个集合单的问题 ， 所以我们一定要找到一种方式去解决 ， 就是说要让批量化的机器人能够被用起来 ， 然后这个过程中最回来的数据才是最有用的数据 。
所以也就是意味着是说今天这个数据不是一个大家靠采集 ，而是需要把整个的应用去做闭环 ， 才能够把这个数据飞轮和真正的壁垒能建立起来 。
那这件事情其实不是一个模型公司就是就能搞定的事情 ， 所以也不是一个就是说今天大厂说 OK， 我现在干一干这个事情就搞定了 。
但是大厂呃它当然也可以投很大的力气去做 ， 对吧 ？ 对 。
嗯 。
嗯 。
对 ， 我觉得取决于它现在投多少资源 。
对 。
因为它也可以去做硬件 ，也可以去做场景路径 。
是 ， 我觉得就是说没有什么东西是说只有你能做别人不能做的 。 所以但呃任何一个公司最后它的这个精力其实是有限的 ， 它没有办法做那么多的事情 。
你现在是觉得就这个行业最重要的问题是模型性能的提升吗 ？ 那你大概预测的话 ， 就是到什么时候它能慢慢去解决你说的这个集合单 、 单核计的问题了 ？
就是我还真的让一些机器人可以在某些场景先用起来 。
对 ， 我觉得今年其实就有希望 。 就是说那这里面有两个部分 ， 就是一个是模型能力的提升 ， 一个是场景的选择 。
先讲模型能力提升吧 。 我们觉得是说接下来模型能力提升的一个很重要的方向是叫多任务模型 。 今天我就是我们在 RoboChallenge 上其实做了一些这个评测 ， 对吧 ？
然后评测呢 ， 我们现在其实分了两两个 track， 一个 track 呢叫叫叫 gen 呃叫 specialist。 什么意思呢 ？ 就是说假设你有一个 VLA 的机模 ，有一个具身智能的机模 ， 然后今天去完成一个任务的时候 ， 我还是会给你这个任务的很多数据 ， 你可以在这个任务上再去做一些这个后训练啊 ， 然后再去评测 。
所以就这个模型就相当于是在这个机模之上是被微调到了只处理这一个任务的这样一个模型 。 所以这种这是一种评测方法 。
然后第二种评测方法呢叫 multi-task 或者叫 generalist， 就是说我现在可能有 20 个任务 ， 然后呢你现在我这 20 个任务的这个样本其实都给了你 ，但是你只能训一个模型 ， 这个模型就通过提示词要把这 20 个任务全干了 。
那它对模型的这个泛化能力其实是要有更强的这个要求的 ， 对吧 ？ 然后第三个呢就是说叫叫 zero shot， 就是说零样本 ， 就是说你根本就没见过这些 task， 我也不给你任何的训练数据 。
你这个机器人来了之后就或者模型来了之后， 我就直接就让你干这个事情 ， 就通过提示词 ， 我把提示词描述的足够的精确的情况下， 能不能通过提示词直接去驱动模型把这个事情就搞定了 。
这是第三个层面 ， 对吧 ？ 所以就是那我认为今年很重要的一点就是说我认为到目前为止大家其实都更多还就是在做这个 specialist 的算法 ， 这是当前 。
那我认为今年大家的会要从 specialist 要走向 generalist。zero shot 我觉得今年可能还还还有点 。
做不到 。
还做不到 。
现在 zero shot 实际上你们成功率 ， 比如说 DM0 能到多少 ？
现在 generalist 我现在也就才做到百分之三十几 。
嗯 。
那这个这个就其实还很低嘛 。 所以就是说要把 generalist 的这个水平先提升上来啊 ， 才能够去谈那个 zero shot 的这个事情 。
所以我们认为就今年模型其实是会在 generalist 上是有一个很大的一个提升 ， 然后呢使得就是说很多的场景能够被解锁 。
这是这是第一个 。 第二个呢就是说那我们要去用起来就是集合单的问题 ， 我得还我场景上也要去做一些选择 。
我们觉得说场景上其实是有几个有几个呃叫特性吧 ， 我们是可以去使得这个场景是个更好的场景 。
我们内部有这么几个标准啊 ， 就是说第一个呢我们说它得是一个叫错误容忍的场景 。
嗯 ， 容错容错率比较高的场景 。
对 ， 就今天我真做不到百分百 ， 所以你要允许我犯错 ， 或者说你有办法让我犯错之后能够给我兜住啊 。
所以这是这是第一个 。 第二呢它得是个时间容忍的场景 ， 就是说你最好不能有太强的节拍要求 ，因为我都有可能做错 ， 对吧 ？
然后而且我端到端的方式我其实也不能保证是说哎我六秒钟一次我就一定能搞定 ， 所以你的节拍上也不要有太高要求 。
然后第三呢我们说它得是一个泛化的场景 ， 适度泛化的场景吧 ， 就是因为如果它是一个特别 specific 的一个方案 ， 我可能非标自动化的方案可能是更好的 。
嗯 。
对 ， 所以然后第四呢它得是个长时间作业的场景 ，因为否则我就没有这个投资回报 ， 对吧 ？ 你还是得让这个机器人一直在那做嘛 。
所以呢这四个条件我们说这个它是个必要不充分的条件 ， 我们需要去找到对时间上对错误容忍又具有泛化性又长时间作业的这样的一些场景 ，是今天具身智能更适合去落地的场景 。
对 。
有什么这样的场景吗 ？
我觉得其实比如说像物流啊就是一个很好的场景 。
物流为什么它容错会比较高 ？
物流的容错的方式是这样的 ， 就是说我可以让机器人先干 ， 假设我们可以让它去调度的情况下， 那机器人没干完啊 ， 就是假如它失败了 ， 我可以再让调度系统给它送到人工那儿 ， 让人工接着干就完了啊 。
所以我就其实是可以用一套系统的方式去形成一个对它的一个支撑 。 我提供的不是一个单机 ，而是提供的是一套系统 。 那通过这样的一套系统去使得它的任务是能够被闭环的 。
就它有点像比如说一个滴滴或者 Uber 的网络里有自动驾驶的车辆 ，有人有司机 。
所以就是说最后它落地的时候 ， 我认为就是它一定是一个不完全是一个纯机器人的一个方式 。 它首先它是一套系统 ， 就是说让机器人先干 ， 它没干完了之后， 我也可以有远程的人员的这个接管 ， 我也可以有就是说从这个工作站 ， 机器人的工作站搬运到这个人工的工作站 ， 人工再接着干的这样的一种调度的这样的一个系统 。
所以有很多就通过各种方式创造让机器人能够去持续使用的环境 ， 这个温室环境我认为非常的重要 。
嗯 。
对 。
那其实你说的这种方式下， 我觉得确实得设计一个整个系统 。
对 。
让客户觉得我让机器人试 ， 它有可能试不出来这件事 ， 对我没有那么大的损失 。
对 ， 然后基于此客户算账还能算明白 。 所以就它首先就是还是两点 。 第一点就是说我们刚才讲的这个兜底的这个方案 ， 它解决的不是个 ROI 的问题 ， 它解决的其实是一个叫闭环的问题 。
就是说我不能这个事情就是说机器人干到一半 ， 哎 ， 它它它搞不定了 ， 它就变成了一个异常行为 ， 就得要人去处理 。
那你的整个的这个这个系统它就不能够连续的顺畅的运行 ， 对吧 ？ 所以这个东西就只能做做 POC， 它不是一个真正的可被可用的东西 。
然后第二个问题就是怎么能够把这个账能算明白 。 那这个账算明白就是要把整个的系统的这个这个这个这个 total cost 能够算在一起 ， 依然能够让它把这个它的经济账是有利的 。
你们现在已经开始一些这样的实践了吗 ？
我们在做 。 对 。
这个有可以分享的吗 ？
这个我们我们应该会在今年年底吧 ， 我们今年年底应该会有一些很有意思的一些东西 ， 我们会拿出来给大家看 。
那在现在这种竞争环境之下啊 ， 就是有很多公司在融资 ，有很多公司在呃 PR， 比如说我可能有一些什么样的落地等等。
对 。
你们二楼年底才才放一些东西出来 ， 你不会觉得这节奏太慢了吗 ？
我觉得我们可能可能还是做事的方法不太一样吧 。 我觉得就是说我们内部的一个或者我们这帮人的风格就是说叫就还是在讲这个技术信仰 、 价值务实吧 。
所以我们一方面我们在让我们也会放很多的这种展示性的东西出来 ， 让大家看到我们的进展 。
但是我们在真正就是从落地的层面上啊 ， 我们是真的在落地 。 就是哈哈哈 ， 我说的这个真的在落地的意思是说我真的要闭环的解决这个场景里面的所有问题 ，而且这个账还能够算得明白 ，不是一个展示性的产品 ，不是一个 POC。
但这个事情的难度 ， 我认为比做一个今天能够放出来展示性的东西的难度完全不是在一个量级上的 。
所以还是回到刚才那个问题 ， 就是今天到底有多少机器人具身机器人是在被持续的使用 ，有多少 ？
你怎么定义被持续的使用 ？
对啊 ， 就是它一直在那干活 ， 就是你每天开机十小时以上 ， 好 ， 连续两个月都开着机 。
然后是在真实的场景里面 。
真实的场景里面且能够有有量 。
多多少算有量 ？
对 ， 那就一百台吧 。 对 ， 我就就随便拍个数字 ， 就说你今天有多少个场景达到了这么一个状况呢 ？
我认为可能几乎没有 。 所以所以所以我我认为就是今天其实场景不在于广 ， 就是说我们在从场景落地和我们去做这个算法突破这两件事情 ，其实它是一个它是有夹角的 ， 它不平行 ，但它也不正交 ， 就是它有相关性 ，但它但它它不是一个完全 align 的一个事情 。
所以我们认为是说在算法上， 我们需要以最大的这个投入和坚定的步伐去推动算法的这个演进 ， 然后通过算法和模型去解锁了一些场景 。
但我们解锁的场景我们也不用去做得很广 ， 就是这个就是搞很多的场景 ， 我们能不能找到
两三个场景 ， 这两三个场景我真正的能给它做闭环 ， 这个闭环就在于是说 OK， 我就在这单一这场景 ， 它解决的问题是有普适性的 ， 就这一个场景有一千台机器人或者一百台机器人持续的在被客户使用 ， 那我认为这个东西其实才是真正的这个这个商业上的落地啊 。
你们最开始会切入的场景 ， 我理解应该还是你们有积累的物流这个大的场景 ，是吗 ？ 这可能是你们首选的 。
是 。
你们对硬件形态是怎么考虑的 ？ 你们是会做人形吗 ？ 还是服务于那个场景的一些其他的形态 ？
我们当然同时也会做一些就是说标准化的形态 ，但我认为就是说最终进场景的时候 ，其实一个标准化的形态很多时候其实是不太适合的 ，因为它很容易走到两个状态 ， 就是说我举例啊 ， 比如说我们到一个具体场景的时候 ， 它很有可能比如说叫叫叫叫 under kill 或者 over kill， 这个场景你很可能这个标准化的形态可能解决不了 。
比方说由于我们一些相机的安装位置或者末端的一些位置伸进去的时候都被卡住或者什么之类的 ， 就很容易出现这种情况 。
然后那另外一种是说 ， 哎 ， 我恰好这个构型能解决这个问题 ，但是呢 ， 呃 ， 又有可能是说这个这个它有可能会被过度设计 。
那在过度设计的这个情况下， 你的成本可能是偏高的 。 那这样所以所以我我自己觉得是说今天可能用一个完全标准化的形态去做硬件 ， 我觉得可能不是最好的一个方式啊 。
你的意思就是说你们会有几种不同形态的硬件 ， 然后组合 。
对 ， 我们会有不同的模块 ， 我们会去做组合 。 所以我们内部的一个理念是说叫呃 ， 模型在解锁场景 ， 我们通过场景去定义硬件 。
模型解锁场景 ， 场景定义硬件 。 我觉得这个好像比模型定义硬件中间是多了一个环节的 。 因为有很多公司 ， 比如说像星海图之前他们就会说是模型定义硬件啊 ， 一脑多行嘛 。
对 ，但模型其实得定义不了硬件吧 。 因为很多时候其实硬件是决定了这个机器人的能力上限 。 就是说因为这个东西就是说你看我假设一个场景能不能够用机器人解决 ， 我们就看遥操能不能搞定这个事情 ， 对吧 ？
就是如果你遥操也搞不定 ， 那那这个事情你用算法再牛你也搞不定这个事情 ， 对吧 ？ 所以硬件就是决定了是说这个机器人的这个形态能够在这这个问题上能够解决的上限 。
是因为遥操这种方式其实已经体现了 ， 就是人来操作的智力水平已经体现了 。 只是说如果它搞不定的话 ， 就是这个硬件本身的精度负载别的问题导致 。
是的 ，是的 。 所以就是说所以相当于用人的脑子加上机器人的这个硬件的形态去决定就是说 ， 哎 ， 我这个问题可不可被解 ， 对吧 ？
然后呢 ， 剩下的东西就是交给模型了 。 然后第二呢 ， 就是说我们去到具体的场景中去的时候 ， 我们经常会需要考虑这个 ROI 的问题 。
我们就需要有一个很多时候的一些冗余设计 ， 我们可能就在这个场景中可能就并不需要 。 那举例来讲 ， 比如说在有些场景里面是不是我真的需要啊 ， 轮式双臂或者人形呢 ？
我甚至有的时候我机器人可能都不需要它动 。 我们现在看到的所有的这个人形也好 ， 轮式双臂也好 ， 它其实重心是非常高的 ， 所以它其实是不支持快速移动的 。
就是你它也就一米啊 ， 每秒开到什么 0.8 一米每秒 ， 我觉得可能就就顶天了 。 因为它一开快 ， 你只要一急刹车 ， 它是会非常容易倾覆的 ， 就是很容易倒 ， 对吧 ？
好 ， 那开不快 。 你设想一下， 比如说在工厂也好 ，在别的一些场景里面也好 ， 我可能用一个小的 AGV 把它送过来 ， 我那个 AGV 可能贴地飞行啊 ， 我可能可能开得非常快 ， 可以开到四米每秒 ， 对吧 ？
所以那这个时候其实啊 ， 我们对这个具身机器人， 我就你就站在那儿就好了 ， 你就你就别动了 ，因为因为你重心太高 ， 我用重心低的东西其实运搬运的速度更快 。
所以那在这样的一个情况下 ，其实它的整个的这个移动能力可能就是冗余的 。 那很多时候你可能就不需要 。
所以当我们要去看 ROI 的时候 ， 我自己觉得就是说是需要去这个这个到场景中去的一个硬件 。 当然就是说我们肯定不希望就变成一个项目化的 ， 每个项目都是一个一个 customized 的一个硬件 ， 都是个定制化的硬件 。
所以它核心是说如何能够变成一种一种模块化的一种这种这种拼接式的方式 ， 能够快速的去组合成在这个场景中的一种硬件的形态 。
这是我们现在对这个问题的想象 。
就相当于你得抽象出几种基础的 ， 像乐高积木一样的东西 ， 然后它可以快速拼成不同的东西 。
对 。
不做人形1:27:14
我觉得原理比较特别的一点就是你们其实对外讲了很多你们做的一些行业基础设施的工作 。
嗯 。
包括像你们之前发了 RoboChallenge 这个测评 。
是 。
还有你们做了一个叫做说具身你的 PyTorch 的 。
对 ，Dexbotic 的那个框架 。
对 ，Dexbotic 的这个开发框架 。
对 。
嗯 ， 然后还有你们做了这个工工作流 。
对 。
DeepMind， 对吧 ？
对 。
也是把它都开放出来了 。
嗯 。
就做一个创业公司为什么要做这些工作 ？
我觉得首先就是说我们之所以开放出来 ， 本身就是对我们自己就很有用 。 就是说到底决定一个呃 ， 模型公司也好 ， 或者就是具身智能公司也好 ， 到底大什么是大家最大的竞争力 ？
呃 ， 这个竞争力是你今天的这个模型效果好呢 ， 还是什么 ？ 我认为就是说所有的模型其实大家都是在交替向前 ， 大家都是在不断迭代 。
所以很重要的一件事情其实是迭代的效率 ，而不是模型的当前的这个状态 。 因为你当前的状态其实也就是个 50 步 、 小百步的状态 ， 所以它不重要 。
对 ， 所以那呃 ， 那如何能够让它能够去快速的迭代呢 ？ 就需要一系列的这个基础设施的帮助 。 这个基础设施包括在数据的基础设施上， 包括在训练的基础设施 ，在推理的基础设施 ，在硬件的基础设施 ，在评测的基础设施 。
我们认为这整个的基础设施是非常重要的 ，是这才是真正的核心的竞争力 。 那所以呃 ， 我们现在发的那个几个基础设施的产品 ， 一个比如说像那个 Dexbotic， 就是我们自己内部原先我们要去复现很多的算法 ， 我们要去做这些算法的比较 ， 我们要去做这很多的这种实验 ， 就是如何能能够让这些实验能够有效的进行 ，其实就是很麻烦的啊 。
所以呢 ， 我们自己内部也开发了一套框架 ， 就是让大家所有人能够在这样的一套框架上去进行一些实验的一些比较 ， 做一个叫做面向实验的 research 啊的这么一个形态 。
所以这是我们的这个从那个 Dexbotic 的这个这个初衷 。 所以我们一开始目标就是服务于内部 ，但我们同时觉得这个东西其实做得很好 ， 我们觉得对其所有的这个 research 的这个人员其实都会有用 ， 所以我们就选择把它开放出来 ， 开源出来 。
然后呢 ， 我们也希望用更多的人去用 ，也能够反补到就是说这个框架能够做得更好 ，也能够来帮助我们自己能够能够跑得更快 。
比如说今天不是具身智能公司现在一百家 ， 对吧 ？ 我认为现在核心不是说是谁行谁不行的问题 ，而是这个行业到底多快能行 。
就是今天 。 所以我认为最重要的一件事情是说大家要齐心协力来推动整个智能的发展 ， 让这个智能的发展使得算法的能力和技术的能力能够达到真正很多的这种应用的这种水平和标准 。
我认为这是今天这个行业能成立的最大的 big if。 然后只要这件事情能形成 ， 我认为它可以存活很多家公司 。
但是如果这个东西行不成 ， 那今天大家除了搞搞科研 ， 搞搞文娱就没有然后了 。 那那那所有的公司就都是泡沫 。
所以我认为这是那个最重要的事情 。 所以我认为就是说我们把很多东西开放出来 ， 就是这个也是就是我们它既是利他也是利己的 ， 就是我们就是希望让这个东西能够做得更好 。
所以这是比如说 Dexbotic， 对吧 ？ 然后第二个呢 ， 就是比如说像这个 RoboChallenge。RoboChallenge 其实我们啊 ， 就是也有几个目的 。
第一 ， 首先我们是一个对内的评测服务 ， 就是我们今天其实做很多算法的研发是是需要很多的评测的 ，因为我也不知道哪个方向是对的 。
而且因为 seem too real 的 gap 很大 ， 所以我们需要去对于真机的大规模的这些测试能够给到我们很多算法上很多信号 ， 对吧 ？
到底我们应该往哪个方向去发展 。 所以这个评测服务就是一个本身就是一个科研的基础设施 。 如果你都没有一个 benchmark， 你怎么去衡量你的进步呢 ？
对吧 ？ 行业也进步不了 ， 我们自己也进步不了 。 所以我们觉得也把它开放出来 ，有一些 benchmark 能够来牵引大家一起来来提升整个的算法的这个 performance， 来衡量大家的 performance。
我们认为也是一个很好的一个事情 ， 所以我们也选择把它开放出来 。 所以就是 RoboChallenge 也好 ，Dexbotic 也好 ， 我们也其实都是希望是说看 ， 我认为它既是一个利他 ，也是个利己的一种一种方式啊 。
就是逻辑上确实如你所说 ， 就行业现在都是创业公司 ， 大家要一起努力把这个行业往前推 。
对 。
但另一方面 ，其实创业公司之间的融资和人才竞争也很激烈 。 就你大家其实可能不想用你开发的东西啊 ， 包括那个 RoboChallenge 其实因为你们最近自己发了模型之后， 然后你在两个搒单上 ，在 RoboChallenge 上都是第一 ，也会有同行觉得这样不公平啊 。
我们内部也有过这样的一个纠结 ，但后来就觉得就是说其实也没啥 ，因为所有的这个测试其实是公开的 。
就是因为啊 ， 大家想要去复现我们那个分数是非常简单的 ， 你只要下载那个呃 ， 那个那个 Dexbotic 的框架 ， 下载 DM0 的那个 code 啊 ， 下载完了之后， 你现在去提交 RoboChallenge， 你就能拿到那个分 。
所以我们公开了所有在每个 task 上的 fine tune 的细节啊 ， 然后包括 general list 的那个版本的这个细节 ， 我们全部都公开了 。
所以它是可以直接复现的 。 所以我们认为就是我们自己交不交其实也也不本质啊 。 我们后来跟一些同行聊 ， 大家也觉得就是说这个东西你反正都是公开的 ， 都可以复现的 ， 这个其实也也不本质 。
对 ， 所以我觉得回到就是 RoboChallenge 的初衷 ， 我们 。
果然说了两次不本质 。
啊 ， 哈哈哈哈 。
继续说 。
对 ， 我们觉得就是 RoboChallenge 的初衷就是说我核心其实并不是说想要去形成一个搒单 ， 让大家去 PK，而是说我们真正能够有一些这种好的 benchmarking， 能够去指引我们真正就是说去衡量当前的整个的这个技术的这个阶段和状态 ， 让大家在一个一个牵引下一起去进步 。
我认为这是核心 。 那今天我们可能是第一 ， 我觉得很有可能那家公司可能可能两周之后它提交了一个模型 ，有可能会比我们更好 ， 这也完全有可能 。
其实之前旷视也开发过 。
嗯 。
MagEngine。
对 。
天元 ， 那也是一个框架 。
对 。
但实际上相比于就是大厂 ， 比如说 PyTorch， 像 TensorFlow 这样的框架 。
嗯 。
像天元这种框架 ， 它一直还是生态没有那么活跃 ， 它比较小众 。
是的 。
就它最后其实我不知道它它实际上达到了你们说的利己利他的利己可能比较明确啊 ， 利他这个目的达到了没有 。
嗯 。
然后重新来做这件事是怎么想的 ？
对 ， 我觉得是这样的 。 我觉得那个 MagEngine 这个问题啊 ， 就就是当年我们做那个就是 CNN 的框架嘛 ， 就是其实因为我们最早的时候当时只有 Cafe， 只有 MXNet， 所以其实是没有一个好的框架 。TensorFlow 当时也没出来 ， 所以旷视刚开始做这个深度学习的时候 ， 我们就觉得自己要做框架啊 。
然后呢 ， 我们其实 13 年就做了这一套框架 。 那个时候其实也没有 PaddlePaddle， 没有那个 PyTorch， 没有 TensorFlow， 就在那个年代 。
但是我觉得我们当时其实对开源的这个方式是没有理解的 。 就是说所以我们觉得我们自己做了一个很好的引擎 ， 我们就自己用就好了 。
那啊 ， 等到我们想去开源的时候 ， 已经 2018 年了 ， 这个时候其实已经没有什么意义了 。 所以就是整个的这种基础设施能够变成更有影响力 ， 或者能够被更多的人去使用 ，并且通过开源的力量来一起把它建设好 ， 这件事情核心是要早 。
哦 ， 所以你们现在就开源 Dexbotic 其实反而是当时 MagEngine 开源的太晚了的 。
是的 。 所以我们今天其实是这样 ， 就今天也没有太多人在做这个事情 ， 所以我们就选择是说啊 ， 我们正好就是也有也做了这样的一个东西 ， 我们觉得自己也觉得很好用 ， 所以我们也愿意把它开放出来 。
大家就是当然大家也不见得一定要用 ， 对吧 ？ 就是你愿意用你就拿去用 。
具身模型的开发和实验 ， 它具体有些什么区别 ， 导致之前的 PyTorch 和 TensorFlow 这些不太支持或者不太好用 ？
首先 Dexbotic 它其实就是在 PyTorch 之上的一层东西 ， 所以我们并不是一个去 replace PyTorch，而是它是一个 PyTorch 的一层封装 。 所以其实它是在这个基础之上去提供了更多面向具身智能的这样的一些一些一些工具吧 。
啊 ， 所以我们一开始的时候我们不并不叫它叫框架 ， 我们叫它叫一个 toolbox， 就是说我们在里面内置了一些功能 ， 就比方说哎 ， 你的模型的这个定义是可以通过一些配置化的方式 ， 你可以去渲染什么样的一个 VLM 的积模啊 ， 什么样的一个 vision encoder， 什么样的一个 action 的那个那个模块啊 ， 然后你是这个 diffusion 的还是你是什么样的一个方式的 。
所以有很多种这种这种可选啊 ， 所以使得你做实验变得更加方便 。 第二呢 ， 就是说这种啊 ， 我们统一了一些什么数据格式啊 ， 统统一了一些这种部署的方式啊 ， 你在本地训练 ，在云端训练你都可以都非常的容易啊 。
就是说它其实是一套啊 ， 一套工具 ， 使得你做很多的事情能够变得更加的方便 。 这是第一个 。 然后呢 ， 我们现在呢 ， 就整个的 Dexbotic 呢 ，其实现在做的是一个叫啊 ， 更加面向 VLA 和面向模仿学习的一个一个一个事情 。
然后我们其实在本来呢 ， 我们在里面也在加一些就是说把那个强化学习相关的一些知识在往里加 ，但我们后来发现就是说其实那个阿令夫其实已经把这个事情已经做得很好了 。
就是那个清华的王宇老师跟吴文新琼他们搞的这个这个阿令夫其实已经把这个事把强化的这个框架他们已经做得已经蛮好了 。
它也是面向具身的强化 ， 还是就是它给强化学习做的 ？
对 ， 它其实是个面向 general 的强化 ，但是呢 ， 它现在主打现在就在面向做具身的强化 。 后来那个天才啊 ， 跟那个就王宇老师啊 ， 虞超老师啊 ， 这么一些讨论了一下， 就说啊 ， 我们就觉得就大家就一起搞呗 ， 就是因为本身都是开源的嘛 ， 对吧 ？
所以呢 ， 我们就是我们这一 part 其实做的是这个这个偏模仿学习的 ， 它这边是强化学习的 。 然后两边呢 ， 我们现在也打通了一些接口 ， 然后也希望未来有可能会把它合并成一个更大的一个 project， 就是说大家就一起把这个东西能打造成一个大家足够好用的一个框架 。
我们其实也把这个东西开源出来 ，其实也是希望是说真的是希望更多人能去用 。 如果他觉得好用的话啊 ， 那大家去用用的这个过程中也可以一起 contribute 回来 ， 让大家这个东西能变成一个更好的东西 ， 那对我们自己也有利 。
对 。
因为你们是二月刚开源的 。
对 。
我不知道现在就社区的活跃度参与度怎么样 。
我们那个第一点零是在那个十月份就开源了 ， 所以现在应该有个有个千把个开发者啊 ， 差不多 。
你说的是外部的 ？
对 ， 外部开发者 。
外部有一千多个开发者 。
对 ， 然后现在有那个有挺多高校在用的 。
那吸引了什么同行吗 ？ 你知道有什么公司在用吗 ？
那个千问在用 。 我们之前跟那个林俊阳也沟通过啊 ， 然后他也一起过来交流过 ， 然后我们啊 ，他那边应该也安排了同学在用这个 Dexbotic 在做一些相应的一些开发 。
对 ，其实这又说回刚才我们说的一个问题 ， 就是很多大厂也在做 VLA 具身模型 。
对 。
嗯 ， 就林俊阳他们那边的 team 也在探索这个方向啊 。
但我觉得这个还是目的不太一样 ，因为阿里也是我们的股东嘛 。
嗯 。
我认为是说它其实并不是说我自己要跳进去成为一个 player，而是说能够做好一个更好的一个 ，也是做一个基础设施 ， 做一个更好的一个 VLM 去 support 更多人去做这个 VLA。
我认为这是它的这个战略的定位 。 而且第二呢 ， 我觉得它做也没关系了 ， 就这个行业 ， 这个市场它足够大 ，其实是容得下很多的这个这个玩家一起在里面 。
历史上有什么创业公司在比较早期就做一些面向行业的基础设施 ， 然后后来它有一个比较好的成果或者比较活跃的生态吗 ？
我觉得挺多的呀 。 你比如像什么 Databricks， 我不知道啊 ， 就是比如说像这个那 Hugging Face 也算吧 ， 对吧 ？
你觉得安卓算吗 ？
安卓算 。
曾经算是一个创业公司做的 ，但是它比较早就被 Google 收购了 。
被 Google。 那安安卓当然也算 ， 你比如说像 Red Hat 也好 ， 或者 Linux 系列的这些东西也好 ， 对吧 ？ 就很多 ， 你比如像啊 ， 比如说很多数据库 ， 像 MongoDB 啊 ， 就是那这些其实都是在什么 MongoDB 也好 ， 比如说什么好多什么 message queue 啊 ， 这些东西就是其实都是在整个开源体系下那个成长起来的 。
对 ， 我觉得开源核心是是这样的 ， 就是说因为其实 Dexbotic 的其实那个 code 的那个其实量也没有那么大 。
就对你们来说没有花那么多精力是吗 ？
啊 ，不 ， 我们还是花了挺多精力 。 我们想说的点是说开源是大家增加信任感的一种方式 。 我 code 都给你了 ， 你可以自己改 ， 你你不想合并到主线里来也没有问题 ， 你就拿去就用就好了 。
像具身智能这个领域 ， 包括测评 ， 包括开发框架 ， 大公司它没有去推出一些相关的东西吗 ？ 就如果你们相比于自己花一些精力去开发这个东西 ， 开发给全行业 。
对 。
然后另一种选择我觉得就是你可能直接用一个 ， 比如大公司它会搞一个生态 ， 包括英伟达什么也经常干这种事 ， 对吧 ？
对 ， 我觉得现在没有好的 。
你觉得确实没有 ？
现在确实没有好的 。 就是我觉得也许可能有公司会想出来做 ，但是那个大公司有可能也会啊 ， 愿不愿意投入力量去做 。
但不管是 RoboChallenge 也好 ，Dexbotic 也好 ，其实它的工作量其实都蛮大的 。 那这个事情其实不是一个一朝一夕的事情 ，而是需要一个很强的一帮人， 很认真的去做这个事情 ，而且是有足够好的分享精神的的的这样的一个方式 。
你觉得长远来说具身智能行业会是一个什么样的格局啊 ？ 我觉得规模上大家肯定会觉得很大嘛 。
你也可以想想你觉得大概有多大 ， 然后还有集中度产业链的分工大概是怎么样 ？
对 ， 我我我觉得是说它可能会是一个逐渐的过程 。 我觉得就是在我认为在一段时间内都会有比较多的公司存在 ，因为因为今天其实细分的场景是非常多的 。
开源基建1:39:39
一段时间和比较多 ， 如果量化描述下是怎样了 ？
在模型还不能够统一化的一个情况下， 我认为会有很多的公司存在 。 那它有很多的这种 vertical 它可以去做啊 ， 这是第一阶段 。
然后第二阶段呢 ，是说 OK 啊 ，但我们看到就是比如说像不管是 AI 1.0 的公司也好 ， 包括现在大模型的公司也好 ， 它逐渐的这个能力在集聚 ，是因为这个模型的能力它变得更强大了 ， 小模型的能力被大模型吃掉了 ， 就被那在这样的一个情况下， 那做 vertical 的这个公司它就慢慢的就会变得比较困难 。
这个第二个阶段就是一个集聚的一个阶段 。 然后那会出现一些平台型的公司 ， 就是说不管是以模型为平台 ，以本体为平台 ， 我是自己做一些 vertical 的场景 ， 还是我把这个本体加模型以合适的方式去给到更多的这个应用公司能够去做场景的这样的一个落地 。
所以就慢慢的会集聚 。 我觉得可能最终可能各位输家公司 ， 我觉得可能就够了 。
各位输家是全球还是说你指的中国 ？
我认为可能大部分公司都在中国 。 就是因为我觉得这个事情因为跟硬件还是会强相关的 。 就是今天啊 ， 具身其实比大模型是一个更加有中国优势和中国公司应该干的一件事情 。
其实硅谷获得了大额融资的具身智能公司也不少的 。
对 ，但它的迭代效率是很低的 。
为什么它在模型上看起来是领先的 ？
对 ， 它模型上做得好 ，但是它的硬件上的迭代效率是很低的 。
但它有可能成为一个以模型为核心的 。
有可能啊 。 那 maybe Py 可能想做这样的一个事情 ， 对吧 ？ 就是 。
也有可能被收购 。
对 ， 就是还是回过来就说回到就是说对未来的这个判断 。 我觉得是说最后公司啊 ， 当模型能力大家往上去提升 ， 能够去变成一个更通用化的 、 更泛化的这个能力的时候 ， 那这个时候其实整个的这个它就变成一个全栈的一个事情 。
那就是说因为我们需要有一个载体 ，有硬件为载体来提供这样的一个产品的形态 ， 那这个时候我就可能就不需要有那么多的公司的存在了 。
嗯 。
对 。
你觉得怎么样能成为最后剩下来的不到十个的公司之一 ？
对 ， 我觉得我觉得核心还是两点 。 我觉得就是今天第一点就是说我认为是要在模型的能力上的领先是一切的根基 。
就是因为今天就是啊 ， 就跟造车一样 ， 就是造车这个事情其实最终是一个产业链整合的事情 。
就是我们并不需要去开发每一个轮胎 ， 我们去开发每一个车架 ，因为整整个的产业链起来之后 ，其实是有非常多的供应商能够去协同的去做这样的一个一个一个研发的 。
但是谁能够是说让这个机器人更有灵魂啊 ， 它有一个好的一个大脑 ， 它是一个智能的 、 有用的和可信赖的一个机器人的一个形态 ， 然后在场景中能真正的能解决问题 ， 然后把这个商业的这个方式能跑通 ， 且能够把数据费用赚起来 。
我认为这是这是这是最关键的 。 所以我认为就是说第一件事情是啊 ， 模型的能力和这个这个模型的智商是最关键的 。
这是第一个 。 然后第二个就是要在场景中去形成啊 ， 更多人的使用啊 ， 机器人的长期的这个被使用形成的这个数据飞轮 ， 然后用用这个数据飞轮去反去啊 ， 更加补育了这个模型能力的这个继续提升 ， 去形成了它的这个竞争力 。
嗯 ， 对 。 你觉得大概比如说到一个什么样的量 ， 它这个数据飞轮算赚起来了呀 ？
如果我们用一个量化的一个数字来说的话 ， 我觉得就是一个场景一千台 。 因为啊 ， 我认为就是说从数据飞轮的角度来讲 ， 就是首先它还是得要有量 ， 对吧 ？
然后第二的话呢 ， 就是说啊 ， 它是一个逐渐的去拓展的一个方式 。 我们肯定是希望它是能够在更多样化的场景 、 多样化的任务里面去形成数据飞轮 ，但是我能不能够在它 suppose 能够干一百件事情前 ， 它能够干一件事情 ， 那它能够在这一个事情里面能够有批量化的应用和持续的使用 ， 我认为这件事情是非常重要的 。
所以我认为是说千台可能是一个门槛 ， 对 ， 能够被持续使用的千台 。
嗯 ， 之前我们和竹记的创始人张威聊 ， 就是他觉得如果先让现在这个阶段的机器人就去做落地的话 ，他最后的上线可能他开始这样增长 ， 然后最后就到这了 。
嗯 ， 嗯 ， 为什么呢 ？
就是因为你花了很多精力去做那个场景本身的优化 ， 你没有把更多精力放在 。
对 。
比如说非常聚焦于这个模型性能的提升 。
嗯 。
然后你让它更聪明之后， 它可能一下就能解开一片场景 。
对 ， 这个我是认同的 。 所以我们刚才讲就是说其实落地和那个模型这两件事情 ， 它是个叫叫叫夹角关系 。
它它这个目标是不 align 的 。 就是说我们今天在模型上就是要去追寻它的泛化性 ， 要去追求它的这个通用能力更强 。
这个大模型最后一定会吃到小模型 ，而不要是说我们最后去到一个场景中去 customize， 对吧 ？ 所以但是第二呢 ， 就是说我们要去做落地的时候 ， 我们应该用现在的这个模型 ， 就用这个模型去落地 ，而不是我针针对这个场景 ， 我再去 customize 一个一个专门针对 overfit 到这个场景中去的一个一个一个东西 。
就那样这样的话 ， 你又回到做项目的这个逻辑上了 。
所以你是通过这种方式来平衡的 。 就是你就用现阶段的那个本着通用的能力的那个模型去做现在的落地 。
是 。
那你得靠一些别的方式去给它补这个能力 。
对 ， 所以我们刚才讲就是我们需要找容错的场景 。
嗯 ， 对 ， 一个是场景选择 ， 一个是些其他工程能力去补 。
对 ， 我我觉得就是说具身智能公司还是要警惕 ， 要成为变成一个叫叫什么 ， 要警惕变成小老头公司 ， 对吧 ？
就是你最后 。
小老头公司 。
对 ， 就是你变成了一个做项目的啊 ， 然后呢 ， 你就每个项目都去做 customize 的 ， 就是原来的飞镖自动化的公司 。
这为什么叫小老头啊 ？
对 ， 就是就是你你是长不大的 。
哦 ， 然后就所以你比较小 ， 然后存在的时间也很久 。
对 。
你可能也比较难挂 。
对 ，是的 ，是的 。 所以我我觉得这是我们要去警惕的 。 那我们今天之所以成立原理灵机 ， 我们核心就在追求的还是希望能够走向通用化的这个机器人的这样一个状态 。
所以我们会选择一些场景会开始 ，但我们并不是只是想去解决这单一个场景 ，而是希望能够走向今天是真的是有希望能够走向一个通用的机器人 ，在更啊 ， 泛化的场景下， 泛化的任务下， 具备一个更更通用化的能力 ， 能够走向一个我们对真正的机器人的想象 。
我认为这个机会是存在的 。 所以就是所以在这个算法能力上和模型能力上， 这是第一要务 。 然后第二要务才是说 OK， 我要有阶段性的这个商业化 ， 那阶段性的商业化同时也去实现这个数据的飞轮 。
那我们要这两件事情要把它变成一个正相关的一件事情啊 。
嗯 ， 对 ，而且其实你要阶段性的落地了 ， 你才能获得你说的那个数据 。
对 。
然后才能提升模型的能力 ， 对吧 ？
是的 。
除了你采集数据之外 。 因为现在整个具身智能行业看起来是非常火热 ， 这欣欣向荣的 。
嗯 。
那作为身处其中的人， 你觉得有什么值得大家提前去未雨绸缪和小小的 ， 比如说给行业一个提醒的地方吗 ？
行业格局1:46:34
就是说现在大家的整个的这个期望其实是拉的很高的 。 我觉得这是好事情 。 就是 。
你说大家指的是投资人还是 。
投资人吧 ， 资本市场 。 就是说整个公司把大这个投资人的这个期望其实是拉的很高的 ，但我觉得所有的投资人也都知道说这里面其实是有很多的泡沫存在的 。
但这个它是个好事情 。 这个好事情是说因为我们吸引了更多优秀的人进来去尝试去解决这个问题 ， 所以会让它的这个技术的发展能够变得更快 。
那你说什么东西是未雨绸缪的呢 ？ 我认为是说技术的很多东西的这个突变可能会需要时间 。 那我觉得就是说既不能短期太乐观 ，也不能长期太悲观 。
那不管是自动驾驶也好 ， 那个原来的那个深度学习也好 ， 这个大模型也好 ， 都过了一个所谓的这个 Gartner 曲线的这个过程 ， 对吧 ？
今天可能大家就是在期望的逐渐在还在上涨的那个状态 。 那 。
Hype cycle。
对 ，hype cycle。 那你最后大家会觉得是说啊 ， 落地真的被用起来了吗 ？ 我们扪心自问一下， 所有的投资人其实都很聪明 ，他们也都知道现在没有被用起来 ， 对吧 ？
但他们还是在投 。
对 ，但但他们信这件事情 。 我觉得这是一个模糊的正确 ， 对吧 ？
就是他们认为大方向长期是可以落地的 。
是的 ，是的 。 但但 eventually 就是说它肯定会有这么一个过程 ，但经过这个过程之后， 我觉得是说哎 ， 非常务实的整个真正把数据飞轮跑起来的场景上也能够去落地的 ，但同时依然坚定不懈的在推动技术发展的这样的一些公司是能够走到最往上的那个 ， 就再从下来往上的那个阶段 。
你觉得具身什么时候可能会经历类似于自动驾驶在 18 到 19 年 。
一个沉寂期是吧 ？
对 ， 那个低谷期 。
嗯
，不知道呀 。 不是这个东西其实还是取决于啊 ，因为这里面其实取决于很多东西 。 就是今天啊 ， 你看自动驾驶 18、19 年的这个状态是因为当时啊 ， 似乎感觉到技术上没有什么变化了 。
对 ， 就 Waymo 那条路线没有大家想象中演进的快 。
对 ，但是呢 ，因为那个时候 transformer 因为还没有开始 ，但是今天所以它本质上是个信心问题 。
是的 。
对 ， 所以那今天我认为是说大模型给了我们太多的惊喜 ，以使得我们在这个信心上是其实是有一个很强的一个建立的 。
这是这是第一点啊 。 然后第二点呢 ， 就是说机器人的商业化 ， 坦白讲比自动驾驶更容易 。 就是说如果它要 scale，其实可有可能会更难啊 。
但是呢 ， 它要能够取得一些部分的商业化是更容易的 。 对 ， 所以这两件事情叠加起来 ，也许这个事情可能可能会更平滑一些 ， 我觉得 。
就是机器人的商业化总是会有一些阶段性的成果释放出来 。
是的 ，但是呢 ， 我觉得就是说啊 ， 从业者我自己觉得就是我们自己要知道我们自己是处在哪个阶段 ， 对吧 ？
就是我们在模型上到底是什么样的一个水平 。 今天大家都在讲啊 ， 这个这个放了很多的这个这个视频 ， 那这个视频这个 demo 你是一个 30 次失败里面选择成功的那一次呢 ？
还是一个真正的一个当前的一个水平的 ？ 然后我们以什么样的一个速度能够去更快速的去迭代 ， 走向我们心中想要达到的那个状态 ， 然后我们阶段性的这些商业化真正的是否能够被用起来 ，而且形成去去形成数据飞轮 。
那今天可能大部分的这个收入可能来自于素材工 ， 大家都卖数据 ， 都是去做数据采集的 ， 对吧 ？ 它它不是真正的落地 ， 对 ， 它不是真正的这个这个有效价值的转化 。
我们自己还是得要就是脑子清醒的去看待这些所有的这些问题 。
如果具身模型的性能进展的速度不如你预期快的话 ， 你觉得可能会是因为什么原因 ？
有可能是数据的原因 ，也有可能是说今天模型的这个结构上可能就是需要有一些这种这种新的这种结构 ， 对吧 ？
那我觉得但我我相信是说有这么多的资金和这么多的人涌进来 ， 我认为这里面的这个这个发展还是会比较可这个这个比较好的 。
如果说信心进入相对低谷期 ， 你们有什么提前的准备吗 ？ 有什么 plan B 吗 ？
我觉得一方面我觉得就是还是得要先准备好足够多的干粮 ， 对吧 ？ 这是我觉得这个也是很多具身公司其实今天其实在做的事情 ， 对吧 ？
这是 。
现在确实头部的公司融的钱非常多 。
还是弹药你要先充足啊 。 然后第二的话呢 ， 我觉得就是说还是就是你 bet 在你自己真正信的这个事情上啊 。
然后就是所以就是即便你弹药多 ， 它也经不起这个 。 曾经也融过很多钱 ， 对吧 ？ 那其实也是经不起就是你分散式的去开枪的 。
那就是还是要专注在一个一个真正 believe 和真正想 bet 的一个地方 。 我觉得专注特别重要啊 。 所以这是这是第二 。
然后第三呢 ， 就是说如果是说哎 ， 那技术上可能会有需要一段时间的这个摸索期 ， 那我觉得我们就和行业一起去摸索 。在你有粮食且有业务的这样的一个情况下， 我我认为是说是可以就是让大家度过这段周期 。
但我现在我是非常相信是说现在的这一波的这个技术变革是能够走向这个这个通用机器人这个状况的 。
因为你之前也经历过就是整个创业过程中的一些起伏和行业进入低谷 。 你可以描述一下就是进入低谷是一个什么状态吗 ？
心理上的 ， 然后整个团队氛围上的 。
我我觉得我们整个团队感觉心理上其实啊 ， 倒没有什么太大的变化 ，因为我们自己内心中想就 believe 的那些事情其实非常的一致 。
就是我们我们并没有那个就是跟着什么市场的情绪说啊 ， 我们这个时候我们很 high 啊 ， 那个时候我们很 down，其实并没有啊 。
我觉得主要还是这种资本市场上的这样的一种感受 。 就是说你在那个时间点的时候融资会很难融 ， 然后旷视其实历史上有几次融资其实都是发生在一个低谷期 ， 整个的融资其实是比较比较挣扎 。
这个东西就是说也是一个教训 ， 就是说我们怎么能够在啊 ，在在好的情绪和合适的时间能够储备足够的弹药 ， 对吧 ？
但同时我们又能够比较专注的把弹药是打在我们真正 believe 的这个事情上 ，而不是去开三弹枪 ， 对吧 ？
的的这样的一个方式啊 。 所以然后从团队的角度来讲 ， 我觉得就是说如果你自己内心是真正相信和坚定的 ， 我认为没有什么变化 ，因为我们做的事情其实还是那些还是那些事情啊 。
在成立原理之后， 你们曾经对什么事情 say no， 就是拒绝做什么事情吗 ？ 就你说要专注 ，不要去开枪太分散 。
我觉得我们挺多的 ， 比如说啊 ， 我们对于比如说表演类的东西 ， 我们就是 say no。
有人找过你们 ， 还是你们自己讨论过要不要做这个 ？
对 ， 就也有人找过我们 ， 我们也有很多的这个合作伙伴和客户其实他是有这个需求的 ，但我们觉得这个跟我们想去打造有用的机器人啊 ， 就是情绪价值也是有用的 。
我并我并没有这个这个抨击这个这个这个这个方向 ， 就是说但只是跟我们选择的方向其实不太一样 。
我们真正想去追求的就是说真正能够让机器人能够作为一个生产力啊 ， 能够是我认为这是真正最大的这个需求和市场 。
嗯 ， 呃 ， 数家公司都花了大几千万到 1 亿来上春晚参加表演 ，其中有一些其实也不是主打表演这个方向的 。
对 。
你觉得这算分散开枪吗 ？
你觉得这个每一家上春晚都达到了效果吗 ？
你们当时讨论过要不要上春晚吗 ？
我觉得我们不会啊 。 就是因为我们现在走的其实不是一个表演型的路线 ， 所以那你春晚上的其实它大部分还是走的是表演型的 ， 对吧 ？
啊 ， 这是你拒绝的一个事情 ， 没有去做表演型的这样一个场景 。
是 。
还有还有吗 ？
还有 。
啊 ， 比如说跟汽车相关 ， 跟就是跟汽车产线相关的一些场景 。 对 ，因为我们有很多这个跟汽车产业链上的一些朋友 ， 对吧 ？
就是 。
对 ， 包括千里支架 ，其实他自己和 。
对 ， 千里本身自己也是有汽车厂嘛 。 对 ，但我认为就是说其实汽车的场景是非常的不适合的 。 就是因为你想它是一个高度错误不容忍 ， 高度有节拍的场景 ， 所以它两个东西其实都是非常难的问题 。
那这个场景虽然大家都觉得是说哎 ， 汽车厂可能是最好的场景 ，Tesla 也在讲这个故事 ，Figure 也在讲它跟宝马什么 。
宝马合作 。
对 ，但我认为汽车厂不是好场景 。
这个是因为你们曾经在以前做物流机器人的业务的时候 ， 你们就服务过一些汽车工厂了是吗 ？
我对 ， 我们既服务过 ， 同时我觉得就是很多东西就判断要去现场看 。 我们想象中这个样子的 ， 它可能就是个 pick and place， 从这头拿起来放到那头去 ，但你会你会发现说它的包装形态 ， 哎 ， 它的这个商品的这个形态 ， 它的它的这个这个很多的这种辅材啊 ， 它的位置的限制啊 ， 一系列的这个东西 ， 它的容器的限制 ， 一系列这个东西最后跟你
想象的可能是完全不一样的 。 所以我认为是说这个还是得要有这种现场感 ， 才能够对这个东西能够有有判断 。
你刚才总结的两个去提前应对低谷的点 ， 一个是说还是要有足够的弹药 ， 第二个是说就是不要分心 ， 要真的去把资源投到自己相信的事情上面 。
这个和你们之前的一些 ， 嗯 ， 就我说旷视的造诣啊 ， 一些什么经验教训会有关系吗 ？
低谷与反思1:55:33
是的 ， 我觉得旷视原来其实就做了挺多的事情了 。 我觉得我们不够专注 ， 所以其实使得我们原来人才密度非常高 ，但我们依然被稀释了 ， 就是因为我们做了太多的事情 。
就是说第一是说有些我们大家想要 bet 的这个方向不太一样 ， 这是主观的原因 ，也有一些客观的原因是说我们做的哎 ， 盈利性比较好的业务 ，但是它的市场规模是比较有限的 。
对 ， 所以就是在这里面就是说这个形成了变成了一个加法的一个模式 ，但我认为加法的模式其实一般来讲都不是好模式 。
就是我认为在商业上就是 A 加 B 加 C 基本上约等于 max ABC， 就是基本上约等于那个取最大值 。 所以就是说其实啊 ， 创业呢 ， 我觉得就是还是要能够 bet 在你真正信的那个事情上， 然后要把这个事情要 make it happen， 我我认为是最重要的 。
就是如果我们再来一次的话 ， 我觉得我们应该不会开那么多条方向 。 我觉得我们应该更多的人集中力量去干一两件事情 。
你觉得在上一轮的热潮里面 ， 真的值得集中力量干的一两件事情是什么 ？
我觉得可能每一件事情可能都值得干 ， 只是说我们每一件事情都干得不足够深 。
嗯 ， 比如说其实你们当时有有视觉相关的 ，有自动驾驶 。
有自动驾驶 ，有暗房 ，有机器人。 对 ， 然后我们也有一些偏这种手机啊 ， 这些场景的 。 就是我觉得我觉得可能每个场景可能深入下去可能都是一个很大的公司 。
对 ，但是我们就是把它做成一个加法的 ， 就是当然也有一定的规模 ，也做的也还行啊 。 就是但我认为还是分散了太多的这个方向啊 。
对 。
你觉得具身这种行业里面现在有什么被忽视的真问题吗 ？
被忽视的真问题 ， 嗯 ， 我想一想啊 。
我觉得就是说大家也不一定是叫被忽视的真问题吧 。 我说现在的真问题很多 ， 就是我觉得今天从模型和场景 ， 我认为这两个都是真问题 。
模型大家的水平现在不是一个具身智能已经啊 ， 接近可用的状态 。 大家比如说看到的那些视频 figure， 你看到的那些视频 ， 你看起来就已经非常酷 ， 感觉都已经可以进入家庭做保姆了 ， 对吧 ？
嗯 ， 就 sender robotics 的事情 。
对 ， 对不起 ， 我我不认为能做到 。 我不认为是说现在进这个机器人已经达到了这个状态 ， 能够进家庭做保姆 。
它可能就是很多次失败里面的其中一次成功 。 所以就是所以我觉得我们真的是需要更客观的去看待现在的这个技术的水平 ， 然后能够让更坚定的去往前一步一步的脚踏实地的能够去推动整个的技术的发展 。
这是在技术派 。 然后第二呢 ， 就是落地派呢 ， 我觉得就大家做了很多的 POC， 按我们的以往的这个经验教训嘛 ， 就是 POC 跟真实场景 ， 就是真正的落地啊 ， 我觉得至少也就是走了 20% 的路 。
因为 POC 你永远只需要去验证你成功的时候是怎么样 ， 你失败的时候你会怎么样 。 这些东西其实都是需要有这种机制 ， 让机器人能够变成一种自动化的机制去做 。
所以我认为就是大家其实对落地这个事情现在其实也是有巨大的这个这个 gap 的 。 所以我倒不认为是说大家这个是一个叫做被忽视的真问题 ，但只是说大家这是一个是一个不太想暴露的真问题 。
对 。
啊 ，不太想暴露 。
对 ， 我记得我跟那个啊 ， 我就不说是谁了 ， 就是也是一个那个其中的一个具身公司的这个啊 ，CEO。
创始人。
对 ， 创始人跟他聊 。他他刚说一句话 ， 我觉得挺逗的 。他就说 ， 哎呀 ，他说我特别想给这个行业泼点冷水 ，但是呢 ， 又怕泼的太狠了 ， 给泼灭了 。
然后我跟他讲 ， 我说这个 ， 我说我说我们客观的去看待这个事情呢 ， 就是说确实现在大家这个期待被过高的这个这个就是被拉高了 。
但是呢 ， 我觉得很多的这个进展的这个斜率 ， 我认为是依然是一个非常非常陡的斜率 。 所以我认为是说这个也也不本质啊 。
就是说虽然预期被拉高了 ，但是事实在快速的追赶预期 。
对 ，是的 。 嗯 。
在从 26 年到 27 年， 你希望原力达到一个什么状态 ？
我们今年的在技术层面上的目标是这样的 ， 我们认为核心还是要在泛化性上下功夫 。 所以我们今年的目标算法目标会定在就是说在这种 multi-task 和 general generalist 的这样的一个啊 ， 模型层面上的一个成功率 。
我们定了一个非常激进的目标 ， 现在只有 30%，但我们今年的目标其实是非常高的 。 而且我们认我们也看到了很多 signal， 我们觉得就是这里面是有一个巨大的起升空间 。
对 ， 然后第二个目标呢 ， 就是我觉得就是还是场景上我们要把数据飞轮转起来 。 所以我们就定的场景就是说一个场景 ， 就一个场景 1000 台 。
26 年 。
26 年 。
就实现 。
对 。
你们现在都没有展示过硬件 ， 我印象中啊 。
对 ， 我们有硬件 ， 我们只是不展示而已 。 我们觉得就是也没有必要展示吧 。 对 ， 所以我们我们现在其实就是核心关注其实有两件事情吧 ， 就是一个就是模型能力的提升 ， 第二个是说我们真正场景中能够去持续的被使用 。
就是啊 ，不是说我不是去做 POC， 我就核心要做有规模化的被持续使用啊 ， 这是我的两个核心的目标 。
对 ， 按照你之前的定义 ， 那就是这 1000 台至少每天开机 10 小时以上 。
对 。
在真实的生产或者服务场景里去用起来 。
是 。
嗯 ，有些什么你现在嗯还没有答案 ，但是你觉得很重要的问题吗 ？
那我觉得太多了 。 就是我有很多问题其实都没有答案 。 那比方说那今天大家其实也在讲 system two 和 system one， 对吧 ？
就是那个大脑和小脑 。 那大脑的输出如何能够被很好的作为小脑的输入 ， 来真正的提升整个的 VLA 的一个 performance。
这个东西到底中间的这个这个应该用什么样的一个一个中间表示和这样的一个信息的输入 ， 现在其实也不知道 。
就是然后第二是说我们今天数据上到底 scale 的这个数据的路线到底是什么 ？ 今天是靠这个 video 的数据 ， 还是靠这个 ego centric 的 ， 就是这种人类第一视角的这种数据 ， 还是这个这个仿真的数据 ， 哪条路是能够最让它的这个 scale 的效果是最好的 ，其实也不知道 。
所以我认为就是有太多的未解之谜 ，但今天就是每个方向上也有很多的这个不同的这个同行在努力啊 ， 所以我觉得我们也有一些自己的一些技术上的一些 bet。
从你开始做机器人也算上， 就比如从 16 年之后的时间 ， 然后到现在啊 ， 你更独立的来自己做一个业务之后， 你发现了自己什么不一样的特质啊 ？
我觉得我们其实在过往就是做很多的这个产品和场景的时候 ，其实蛮需要一个能力 ， 就是说叫所谓的这个 AI 的技术产品经理 。
就是说因为原来比如说做深度学习的时候也好 ， 很多时候也是算法是没有办法百分之百满足这个场景的 。
那很多业务口的这些人呢 ，他就会对对对这个技术会有两种期待 ， 一种是觉得你无所不能 ， 一种是觉得你啥也干不了 。
但实际上很多时候他既不是无所不能 ，也不是啥也干不了 ，他中间需要一些这种这种这种 work around， 对吧 ？
需要一些这种这种方式能够使得它能够被呃恰好的用起来的这么一个模式 。
现在大模型领域不是会很流行吗 ？ 从最开始的 RAG 到后面上下文 engineering， 然后环境的 engineering。
是的是的 。 所以就是说那个那我认为就是说这个这个其实是很需要这样一个桥梁型的人， 就是说他又要懂技术 ， 又要懂场景 。
不管是在旷视也好 ， 就是包括在今天也好 ， 我们也依然需要有很多就是说这个既能够知道这个技术的能力的边界 ， 又能够在场景中去思考客户价值的这么一个角色 。
我觉得就是这个啊 ， 我觉得旷视这个历史上还是出了一些这样的一些就好的这种 AI 的技术性产品经理的这么一个角色 。
所以你觉得你其实你也是 。
我是也是 。
充当了这个角色 。
对 ，是的 。
嗯 ， 一个大的 AI 技术产品经理 。
我认为是的 。 而且就是说因为最后这个其实会变成一个大工程 ， 就是说我们讲就是说啊 ， 技术设施为什么很很重要 ， 就是因为我们要从应用侧的这个数据飞轮就回来啊 ， 到整个的这个 research 的这条 ， 这整个的这个 pipeline 上面 ， 让大家能够更快速的去迭代算法 ， 然后再从评测能够去输出一个一个好的一个挑选出一个好的模型 ，apply 到整个的这个应用上
。 所以这个最后也是一个巨大的一个一个技术设施工程 。 所以那这件事情的这个整体的这个这个设计 ， 那只能是我来做这个事情 。
对 。
嗯 ，因为到现在你也整整创业 15 年了嘛 ， 然后就是这一路的这个过程 ， 如果相对感性的来形容一下是一个什么感受 ？
我自己觉得就是还是非常感谢这个时代的 。 就是我觉得是我觉得真的是我们在经历一波又一波的这个技术变化的浪潮 ，而且我们看到让很多事情原来认为是不可能的事情 ， 今天技术上使得它变得可能 ， 对吧 ？
从最早我觉得我们说这个人脸识别能够抓坏人， 我们绝大部分人是投了觉得这事不可能做出来啊 ， 那那今天这是已经是一个非常容易的事情 ， 对吧 ？
然后呢 ， 到这个自动驾驶也好 ， 到这个这个机器人也好 ， 到今天具身智能也好 ， 大模型也好 ， 所以我觉得非常感谢就是说我们遇到了这样的一个技术的浪潮 ， 我们也在不断的这个过程中啊 ， 就是在让我们不断的在兴奋啊 ， 我们想要去参与进去 ， 去达成一些我们自己的这个内心中的这样的一种人生目标 。
我就感谢这个时代 ，也感谢这样的一个技术的变化 。
对 ， 相当于你创业 15 年， 中间已经有三四波就还让你挺想投入 ， 挺兴奋的技术 。
是的 。
对 ， 你有一个特别长期的想实现的技术上的理想吗 ？
我跟你跟你分享一个 ， 就是印奇他他当时说他说他为什么选自动化系 ，他说他觉得自动化系这个名字是最接近于 AI 的那个那个系的名字啊 ， 就是最接近机器人， 最接近 AI 的那个系的名字 。
那然后我觉得包括我们从啊 ， 之前啊 ， 旷视希望让机器人能够看懂世界 ， 然后包括我们后面中间做了物流机器人， 就是我自己内心中是非常希望能够去做机器人的 。
所以我不知道你有没有来过旷视办公室 。
我知道你刚才说这段 ， 我就想到你们办公室门口的那个机器人了 。
我们在搬那个第二次办公室的时候 ， 我们就去行政 ， 就让行政去买了个机器人放在了前台 ， 然后这个这个机器人到目前也就是也还在旷视的这个前台 。
所以就是因为我们内心中就真的想去把这个机器人能够打造出来 。 所以我自己觉得就是今天是一个就是就是具身智能是一个是一个值得投入这个 lifetime 投入所有的时间去做的这么一件一件事情啊 。
OK， 啊 ， 好 ， 今天非常感谢文斌做和晚点聊分享了从旷视到现在整个 15 年的创业经历 ， 尤其是原理灵机这一次成立 ， 看到了具身智能怎么样的机会 ， 然后团队已经做了哪些事情 ，在模型性能在场景落地上有些什么样的思考和实践 。
那今天的节目就到这里 。
好 ， 谢谢 。
感谢各位的观看 ， 拜拜 。
好 ， 谢谢 。 嗯 。
连点成线2:06:14
本期连点呈现分享和往期节目中的两个呼应 ， 一是在四月初发布的 157 期具身智能 2026 年 Q1 的七报之中， 我和 Peter 聊到了 Sharper 在 2026 年初的 CES 上提出的三层结构的具身智能系统 ， 这和唐文斌在这一期里提到的三层结构的构想非常相似 。
我们当时讨论这个话题的背景是在聊有什么事情是 OpenAI、Google、 字节这样做基础大模型的公司不能做 ，而只有具身智能公司才能做的独特的问题和领域 。
唐文斌说在系统二 ，也就是负责宏观的任务规划的这一层系统上 ，其实大语言模型是非常擅长的 。 现在的大部分具身系统也有赖于大语言模型和多模态激活这一块的能力 ，而在涉及到更精细的动作的系统一和系统零的部分 ， 则是软件和硬件更紧密结合的地方 ，是具身智能创业公司可以去努力的空间 。
这个想法也类似于 155 期中质检动力的创始人贾鹏所说的 physical agent 物理 agent，也就是他认为本质上来说具身智能就是一个物理的 agent。在这个大的 agent 的系统里 ， 基础模型是底层 ，而怎么把激活的能力用好 ，是具身智能公司可以去做工作的部分 。其中重要的一个方式就是要获得真实使用场景下的反馈和数据 ， 然后反哺于整个具身系统的提升 。
这也是具身智能公司可以建立竞争力的地方 。 第二个想分享的是关于场景选择上的一个对比 。在 155 期中， 贾鹏说他觉得当前适合具身智能机器人的场景是那种端到端的场景和任务 。
这里的端到端是指这个任务从头到尾都可以由机器人去完成 。他当时举的一些例子是在工厂里去做一些比较灵活的柔性的搬运或者上下料的工作 。
而在这一期里 ， 唐文斌有一些相反的想法 ，他认为要去找那些人可以兜底的场景 ， 通过系统层的设计 ， 让机器人干不了的活 ， 机器人干错了的活 ， 人可以接着去干 。
物流就是这样一个例子 。在庞大的物流调度系统里面 ， 既可以介入已经存在已久的各种专机自动化设备 ， 还有人， 同时也可以介入更加智能的新的具身智能机器人。
而在单机的智能尚未达到极强的通用性和泛化性的现在 ， 落地就可以进行 。 因为当机器人出错时， 可以通过系统调度和优化 ， 让其他的设备或人来接管 ， 同时也可以通过系统和工程的一些工作 ， 来让整个体系的效率和投资回报率保持在对客户来说比较合理的空间内 。
两个人对场景的描述也有共性 ， 就是他们都希望去找节拍没有那么快的任务 。其实之前 154 期节目中， 千寻的创始人韩风涛也提到了现在适合机器人去干的任务 ，他对节奏和速度的要求不能太快 。
这些对于先去什么场景落地的不同思考和选择 ， 会逐渐成为具身智能公司之间的差异来源之一 。 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
。