Figure

166: 许华哲再次具身创业：不想错过最大的西瓜

2026年5月25日 · 2:25:40

许华哲（前星海图联创、首席科学家）在26年3月创办破壳机器人，本期与主播程曼祺详述再次创业的动机与判断：他认为具身智能的核心是把通用智能做出来，家庭机器人会快速到来，18到24个月内会有机器人真正走进家庭干活；他想象的不只是渗透，而是最终造一个像人一样通用的人形机器人。他反对行业里先做量产落地、数据闭环和跳舞表演的路径，直言具身智能不是Robotics、不是自动驾驶、也不是史前深度学习，而应像大模型一样用统一模型做预训练和规模化后训练，强化学习被低估；他在清华交叉信息研究院的课题组做过七种任务都练到高成功率的强化学习工作。华哲想定义家庭机器人这个新品类，以苹果和小米为榜样，目标做有品牌效应的2C公司，产品从轮式双臂的通用人形切入；他认为AI总会有锯齿状的低级错误，所以产品要明确不做什么，比如不做直接接触人体的服务。他也分享了再次创业的状态——找回曾经想创业的自己，办公室会像家一样，期望到28年初有人真用破壳机器人在家做事；有投资人告诉他“不要小瞧投资人的梦想”，他说自己会选更难的事，还说这是“时代在召唤”。他还警告中国从业者，卖数据和无脑量产会错过最大的西瓜，并相信最好的东西最终会出现在中国。

157: 与陈哲的「具身季报 26Q1」：宇树招股书、人形再思考、英伟达世界模型、高自由度灵巧手

2026年4月2日 · 2:06:07

陈哲（Alphaist Partners创始合伙人）与程曼祺在本期《晚点聊》盘点2026年Q1具身进展——宇树春晚表演、Sharpa灵巧手、英伟达DreamZero/DreamDojo、银河通用人形打网球、波士顿动力电动Atlas——并断言前沿正从VLA转向世界模型和触觉操作。陈哲认为，世界模型以视频生成为底层、取代以文本为核心的VLA，理论天花板更高，但算力消耗极大，注定大厂主导；英伟达EgoScale数据框架用2万小时自中心数据补全金字塔中段。灵巧手则是创业公司机会：Sharpa的System2/System1/System0架构把触觉引入高频控制，有望成为类似G1的全球科研默认选择。他评价宇树G1以63%毛利和5,500台出货定义科研市场，人形占收入过半，但研发投入仅9,000多万元，智能大概率长期跟随；Optimus Gen3延期，绳驱灵巧手量产和1万台年目标仍激进；波士顿动力Atlas用模块化电机和左右腿互换突破人体限制。对双足价值，他用Stretch对比说明人形在动态重心和占地上反而更优，银河通用网球则拓宽了实时交互的想象。他还判断，从云端到车载再到机器人，英伟达统治力递减，地平线、地瓜已主导量产机器人芯片；中国估值超100亿元的具身公司超20家，宇树上市是高质量公司而非泡沫，但市场仍需吸收。

112: 与千寻高阳聊具身：一个像机器人的人，怎么做像人的机器人

2025年4月29日 · 1:22:09

高阳（千寻智能联合创始人、清华叉院助理教授）直言具身智能必走端到端 VLA，并给出时间表：明年6月达L2，再一年半到两年达L3。他认为行业已从500个研究话题收敛到100个，这正是他选择创业的时刻——科学家能做的探索变少，工程化落地成为重心；千寻的配置是产业老炮韩峰涛加年轻科学家。他定义的L2是单场景多任务，为此机器人未必人形，但需双臂加轮式底盘，双足并不难；叠衣服是当前“智商测试”，难在理解乱态与泛化，而Figure 02展示了快慢系统的工程优势。数据方面，他提出具身Scaling Law，称做到GPT-3.5级需约100亿条有效互联网视频、1亿条遥操数据和数千万强化学习数据，而仿真数据因多样性有限不适用。他还解释为何要同时做大模型和本体——只做大脑缺乏跨具身肌肉记忆，只做本体则价值集中在大脑端；中国优势在于“修机器人快”，行业将在跑出L2/L3后收敛，当前瓶颈在AI而非硬件；商业化上现在应把技术做到GPT-4程度，L1场景已有人愿付十几万，L2会带来几何级数增长。个人层面，他回顾2016年与许华哲做端到端自动驾驶、伯克利归国经历，称自己从不熬夜、每天骑车31-33分钟，以COT式链条思考应对科研与创业。