# Lindon Gao: Finding Clarity in the Fog of Robotics, Disagreements & Choices, and Wang Yangming 张小珺Jùn｜商业访谈录 · 2026-10-15 · 171 min · https://www.youtube.com/watch?v=iDaxRNIddME ## 逐字稿 张小珺 Hello，大家好，我是小俊。今天我们的嘉宾是一位美国的连续创业者，他是Dyna Robotics的创始人兼CEO Lyndon。他和之前来过我们节目派非常的不一样，Dyna走了一条他们叫这个叫做Proda Research的路线。全球的机器人行业还远远没有达到收敛的时刻，这是一条无比漫长的长跑，你看不见终点，有时候你也看不清楚四周。那每个创始人在其中如何做决策，如何设定路线图，以及在迷途之中如何找回自己，Lyndon都给出了自己的答案。如果大家喜欢我们的节目，请大家给我们转发、投币、点赞，一键三连。期待2026年我们和AI共同进步。 Lindon Gao 很少有创业者能在被拒几百次的情况下还不放弃创业。当时我就跟团队说，我们是蟑螂。 张小珺 你们是蟑螂？ Lindon Gao 我们死不了。我们有段时间战略迷失，团队分歧最大，作为一个团队，我们的 identity 受到了很大的冲击。一拨人说：“我们要做落地。”另外一拨人说：“我们要做 research。” 张小珺 你觉得“闻得到钱”和理想主义有分歧吗？ Lindon Gao 没有分歧，我是非常理想主义的人。我来做机器人不是为了赚钱的。我觉得“闻得到钱”是生存的一条路。 张小珺 嗯。 Lindon Gao 我的梦想是星辰大海，可是我的路径需要脚踏实地。 张小珺 Hello，Lindon，先给观众朋友们打个招呼。 Lindon Gao 你好，我叫 Lindon。 张小珺 你这次来上海有什么不一样的感受吗？你多久来中国一趟？ Lindon Gao 我可能一年会来一两次。我们在上海有个团队，所以有时候会来。上海给我的感觉是发展很快，机器人行业很卷，大家都在讨论机器人。 张小珺 跟硅谷的感觉有什么不一样吗？在 Robotics 这个行业上。 Lindon Gao 说感受的话，我觉得两边其实都挺浮躁的，天天都有非常多的 release，每一家都在出一些新的东西，然后每一家都想多融一些钱。我觉得基本上大家都比较类似。可是本质上，我觉得硅谷和国内对机器人长期战略打法的认知还是有一定的不一样。 张小珺 你怎么说？ Lindon Gao 其实就是分大脑派和身体派。大脑派觉得大脑是唯一的问题，身体会自己解决；中国觉得供应链是唯一的问题，大脑长期会自己解决。所以中美这两派看得还是比较鲜明的。不过我也认识到，中国最近其实也开始在模型层面布局了。 张小珺 你们属于大脑派还是身体派？ Lindon Gao 我们属于全战派。 张小珺 全战派？ Lindon Gao 对。 张小珺 要不我们在聊 Dyna 之前，先聊聊你作为一个连续创业者，之前的一些创业经历、你的成长和创业。 Lindon Gao 我是在中国出生的，11岁的时候去了美国。 张小珺 嗯。 Lindon Gao 其实我长大的环境比较 entrepreneur，很有创业型。身边的人都会做一些小买卖、小生意，所以我很早的时候就会做一些小生意。我14岁的时候做了第一份生意。当时很多人会说这是创业，可是我觉得这只不过是英文说的 hustle，就是赚点小快钱。 张小珺 14岁是初中吗？还是高中？ Lindon Gao 初中。 张小珺 初中？ Lindon Gao 对。当时就是打打游戏，然后觉得游戏里面好赚钱，所以就卖账户、卖装备，然后做了个平台，赚了一些钱。 张小珺 做什么平台？ Lindon Gao 其实就是一个买卖平台，可以在这个平台上买、卖，或者去别人的平台、论坛上交易。有时候在论坛上也可以买卖，所以就是这种买卖形式。 张小珺 第一桶金赚了多少钱？ Lindon Gao 上万吧。 张小珺 上万？ Lindon Gao 美金。 张小珺 嗯。OK，然后呢？这个怎么结束的？ Lindon Gao 后来生意渐渐淡下来了，就把网站卖了。其实我做生意的这段时间，不是只在做这一件事情，零零散散做的事情非常多。 张小珺 嗯。 Lindon Gao 比如说今天卖游戏，明天卖软件，后天卖鞋子。 张小珺 嗯。 Lindon Gao 其实在我成长的氛围里，这样做非常普遍，我周围的人也都在这么做。 张小珺 嗯。 Lindon Gao 可能我成长的小学、初中环境非常不一样，周围的人都喜欢赚钱，所以我是被这个氛围影响的。 张小珺 哦。 Lindon Gao 然后跟着他们一起追潮流，学着学着就学会怎么赚钱了。 张小珺 赚钱难吗？对你来说。 Lindon Gao 赚钱不难。其实赚钱对我来说也不是非常简单，但我非常喜欢。 张小珺 嗯。 Lindon Gao 其实我也不是喜欢钱本身，而是喜欢做对一件事情带来的 reward。 张小珺 你同时课业怎么样？ Lindon Gao 我没有特别专注课业。 张小珺 哦。 Lindon Gao 对，我可能不是一个非常典型的创业者。 张小珺 第二段创业怎么开始呢？ Lindon Gao 当时也是买卖心态。我在大二的时候开始做一些珠宝买卖。 张小珺 嗯。 Lindon Gao 那时候我在各个地方发现了一些珠宝库存，他们本来不太想要了，想把珠宝融掉，重新回收金属。我就问：“我能不能买一些你们的库存，在 eBay 上卖？”当时在大二的时候卖得挺好的，渐渐就变成了一个生意。 张小珺 这个公司是出售了吗？ Lindon Gao 这个公司后来变成了一个 self-managing business，就是我不用花太多时间，它也可以自己赚钱。 张小珺 嗯。 Lindon Gao 然后我让家里一个人帮我打理。 张小珺 哦。 Lindon Gao 这个生意做了快10年。 张小珺 它还在？ Lindon Gao 现在已经不在了。我觉得太浪费时间了。以前可能一周花三四个小时，一年可以赚十几二十万，我觉得还挺划算的。可是我现在觉得不太值这个时间。 张小珺 哦。 Lindon Gao 对。 张小珺 所以它结束掉了。 Lindon Gao 结束了，我自己结束掉的。 张小珺 那你是怎么接触到珠宝的？ Lindon Gao 首先是家里的原因，也有朋友和圈内的原因。我通过家里和朋友认识了中国的珠宝供应链，通过美国的一些朋友认识了珠宝的需求。其实我把这个珠宝 to C business 变成了 to B business，因为卖珠宝本身挺累的，每天都要包装、处理客户反馈。当时我还在上大学，还要实习，没什么时间，后来就把它转成了 to B business，卖给珠宝设计师。 张小珺 嗯。 Lindon Gao 美国有非常多设计师。他们当时需要在美国自己找供应链或者工厂来做，每次做都非常贵，打磨也很差，量产也做得非常差。所以当时我开始做外贸生意，把珠宝和设计师连在一起，给他们供货，然后拿提成。 张小珺 所以你是很顺理成章地去读了商学院，是吗？ Lindon Gao 对。 张小珺 你当时在选学校或者选专业的时候有其他的选择吗？然后后来又去投行。 Lindon Gao 我觉得我的教育路径非常自由。我父母没有管我太多，比较放任我，让我一直去选自己喜欢的事情。刚开始的时候，我学的是医。 张小珺 哦，在纽约大学医学院。 Lindon Gao 对。 张小珺 他们医学院很好。 Lindon Gao 对。当时学医是我父母的意愿，可是学了两年之后，我就不想学了。所以后来我就学了金融专业。 张小珺 然后你为什么又顺着投行的路线发展？ Lindon Gao 其实当时去做投行算是跟风。纽约大学商学院也算非常好的，所以大家都想去投行。 张小珺 嗯。 Lindon Gao 我刚转到金融专业的时候，其实不知道投行是什么，可是我知道大家都想去，所以我就想跟大家比一下。 张小珺 嗯。 Lindon Gao 所以就去了，觉得是一个挺不错的体验。 张小珺 你在投行几年？ Lindon Gao 两年多吧，两年。 张小珺 两年多，然后就开始创业了吗？ Lindon Gao 对。 张小珺 你从投行出来到现在这段创业中间，还有什么经历吗？ Lindon Gao 没有，我是直接从投行跳到创业的。 张小珺 然后就做了机器人。 Lindon Gao 我的第一个创业算是半个机器人。 张小珺 Dyna 之前还有一段创业经历。 Lindon Gao 对，叫 Capa。 张小珺 叫 Capa，OK。 Lindon Gao Capa 其实很有意思，我们核心做的是无人零售。 张小珺 嗯。 Lindon Gao 无人零售在2017年的时候非常盛行，因为当时 Amazon 出了一个产品叫 Amazon Go。Amazon Go 就是谁都可以进入一个商店，商店没有收银员，你可以随便拿一个货物，然后离开，它会帮你自助结账。 张小珺 嗯。 Lindon Gao 这个概念本身非常新、非常酷，让大家重新想象了一下购物体验会是什么样子。 张小珺 嗯。 Lindon Gao 当时国内国外可能数不清有多少家公司，可能跟机器人赛道一样火，出了几十家、50多家公司。我们可能算是这个行业里为数不多的幸存者。 张小珺 嗯。 Lindon Gao 当时我们的产品概念跟大家非常不一样。大家都想重新装修整个商店，把所有传感器融合放在柜子上，把摄像头放在天花板上，做 self-checkout。我们当时把这个概念带到了超市。我去见了150个超市老板，问他们：“Amazon Go 这个科技怎么样？我帮你做。” 张小珺 嗯。 Lindon Gao 当时非常让我意外的是，没有一个人想要。我问他们：“如果免费给你，想不想要？”他说：“我也不想要。”我当时很惊讶，就问为什么。他们说性价比不高，没有 ROI。让我花几十万，帮我省几个收银员，可是收银员也不光只是做收银的。而且还要装修，装修完之后技术还需要维护。所以那时候我发现这个产品本身的商业逻辑可能走不通。 我们当时就换了一个产品，把传感器融合和视觉识别放进购物车里。其实解决的是同样的问题，因为无人零售解决的就是两个问题：谁付钱，以及需要付多少钱。在购物车里可以同样实现这两个问题，而且技术简单很多。谁付钱，就是谁带着这个购物车；付多少钱，就是你放进了什么商品。我们可以直接通过视觉识别和传感器融合，在购物车里识别这些商品，所以那时候才慢慢做成。 张小珺 中间是不是有一段很难的经历？在这段创业中。 Lindon Gao 是。我们刚开始的时候其实非常幸运，第一次申请 YC 就进了。进 YC 之后，我们的 mentor 也非常有名，是大名鼎鼎的 Sam Altman 和 Geoff Ralston，后来两个人都成为了 YC 的 president 和 CEO。可是我们从 YC 出来之后，融资在整个 batch 里算是倒数，只融了30万。 当时挺困难的，因为一个很普遍的问题就是：“你们有什么背景？你们为什么觉得这个会成？”而且美国投资圈非常不喜欢投硬件，他们觉得硬件成本非常高，分发起来也非常困难。 所以当时只融了30多万的时候，我就跟另外3个合伙人说：“对不起，我只融了30万。如果你们愿意，我们可以搬进一个房子里住在一起。我没办法给你工资，可是我们可以付房租、车油费和伙食费，不过伙食费要自己煮。” 张小珺 好。 Lindon Gao 后来我们4个创始人就住在一起，加上一两个早期员工。我们一个月只烧7,000美元，烧了两年半，才融到第一桶金，也就是种子轮。第一桶金好像是200万美元。 张小珺 OK。 Lindon Gao 对。 张小珺 这个难关就随着第一次融资进来度过了吗？ Lindon Gao 其实也没有。我们当时融资遇到特别困难的一个点，就是我们的产品非常反共识。 张小珺 嗯。 Lindon Gao 反共识到什么程度呢？当时市场上做这种产品的公司非常少，可能是没有任何人想到过做这种产品。所以我当时去融资，大家都说：“你怎么跟亚马逊对抗？” 张小珺 嗯。 Lindon Gao 而且还有这么多其他公司，你看他们做的都是亚马逊类似的技术，做得这么好，还融了这么多钱。很多公司一从 YC 出来就融了上千万。我们只有这么一点钱、这么一点人，还拿着购物车到处跟别人说，别人就说：“最后你们的购物车会被淘汰的。” 张小珺 嗯。 Lindon Gao 所以当时融资挺难的。为了撑到种子轮，我自己 cold email 了一千多个天使投资人，最后转化了两个。 当时公司已经快死了，账户里可能只剩下一两万。这两个天使投资人每个人给了我们差不多5万美元，我们就活下来了。 张小珺 哦。 Lindon Gao 然后真正出去融种子轮的时候，我们见了一百多个机构投资人。 张小珺 哦。 Lindon Gao 全部都拒了，除了一个，就是 First Round Capital。所以当时活下来很不容易。 然后你刚才问从融到钱之后到 A 轮，其实也是一个非常困难的过程。硬件产品开发周期比较长，再加上超市的 sales cycle 非常长，所以我们真正落地、可以扩散的时候，花了一年半多。 2019年我们去融 A 轮的时候，想融一个千万级别的 A 轮。市场上没有很多机构可以投千万级别，我们见了60多个投资人，基本上全军覆没了。 张小珺 嗯。 Lindon Gao 最后我们不断去找新的投资人，找到了 Lux Capital，那时候他们投了我们差不多一千多万。 张小珺 然后这段创业后来也是出售了。 Lindon Gao 对。A 轮之后，到 B 轮的时候我们有非常多 traction，所以 B 轮的时候拿了两份 term sheet，也拿到了一个收购报价。 张小珺 嗯。 Lindon Gao 当时本来拒绝了他们两次，后来决定卖掉了。 张小珺 这段创业最痛苦的时候是什么时候？你是还在靠读《沉思录》撑过来吗？ Lindon Gao 你怎么知道的？ 张小珺 我好像看到有报道写过。 Lindon Gao 是。我觉得创业特别是在低谷的时候，越是低谷，越需要修心。 张小珺 嗯。 Lindon Gao 我觉得整个过程就是一个修心的过程。 张小珺 嗯。 Lindon Gao 你可以想象一下，如果我见10个投资人，被拒10次，那我就再见第11个、第12个。可是见了一百个之后，你会开始怀疑自己，会觉得是我不好，还是这个项目不好？因为已经有一百个人拒绝我了。 通过这段经历，我对自己的认知、对世界的认知提升了不少。我觉得要用……的视角看这件事情，每一次失败对我来说都是一次 reinforcement learning，让我下次做得更好。渐渐地，这就逼着我成长。所以那段期间，我成长得最快，也是最快的。 张小珺 你说你对投资人有一个思维画像，是从那时候就开始有了吧？你见了几百个投资人，在那个过程中。 Lindon Gao 其实不是。我觉得因为当时我对投资人没有一定的思维画像，所以才被拒了一百多次。 张小珺 嗯。 Lindon Gao 我当时只顾着说，不顾着听，所以完全没有跟投资人达到同一个频道，很难建立共鸣。 张小珺 嗯。 Lindon Gao 这是我后知后觉才发现的一件事情。 张小珺 嗯。那个创业持续了几年？ Lindon Gao 持续了6年左右。 张小珺 哦，那还挺长的。 Lindon Gao 对。 张小珺 卖出去那一刻的感受是什么样的？觉得我突然有钱了吗？ Lindon Gao 卖出去那一刻，我的第一反应不是突然有钱了，而是发现这件事情做对了。当时3.5亿，在当时的创业环境里算是不错的。 张小珺 嗯。 Lindon Gao 我当时决定放手的一个原因，是觉得我可以做一个更大的事业和行业。 张小珺 嗯。 Lindon Gao 我希望把过去6年学到的东西，更好地用在下一个我觉得可以做得更大的事情上。 张小珺 嗯。 Lindon Gao 这主要是我当时想卖的原因，而不是真正为了钱。 张小珺 那是哪一年？ Lindon Gao 2021年。 张小珺 2021年，那个时机很好啊。 Lindon Gao 是吧。 张小珺 嗯，后面 AI 就开始爆发了嘛。 Lindon Gao 对，是。 张小珺 其实在2021年应该还没有很明显，对吧？ Lindon Gao 对，是2022年的时候才真正开始有非常强的一个…… 张小珺 嗯。 Lindon Gao ……曲线。 张小珺 细数你前面的两段生意、一次创业，你觉得你从中学到什么？ Lindon Gao 对我来说最核心的观念，就是做事要做最本质的事情。 张小珺 嗯。 Lindon Gao 过去几次创业里，我走了非常多弯路，做了非常多不本质的事情。 张小珺 嗯。 Lindon Gao 有时候可能觉得，如果我招到这个人，我的问题就会被解决。其实不能以这种心态去招人。 张小珺 嗯。 Lindon Gao 或者说，如果我拿下这个客户，那我就可以融资，其实也不一定。还有做产品这件事，我觉得是我最有心得的：做产品永远都要做有价值的事情。说起来很简单，可是很多时候很难做到。 张小珺 嗯。 Lindon Gao 比如说无人零售，当时大家拿着一个锤子找钉子：我有这么酷的黑科技，那就把这个黑科技放进无人商店里，帮他们节省收银员。 张小珺 嗯。 Lindon Gao 可是在真正做产品的时候，我们发现节省人工成本不是产品最有价值的事情。反而是我们帮他们节省时间的时候，顾客和屏幕互动，看到了价值。比如说我放进一个零食，屏幕就给你介绍另外一个零食；或者说放进这个零食之后，如果你再多买两个，就给你一个 coupon。 那时候我们才发现，产品的核心价值是提高 average basket size，而不是省多少员工。同时我们也在做产品的过程中发现了广告的巨大机会，让整个产品价值变得非常高。这些价值在无人零售商店里没有办法实现，因为没有一个屏幕可以跟你互动。这是我们过去发现的一些心得。 张小珺 怎么想一个更本质的问题，而不是当下的一个，比如多拿一个客户、多融一笔钱？ Lindon Gao 我觉得多拿一个客户，如果你的产品没有达到 ROI，多拿一个客户是没有意义的。除非你知道长期上量之后 ROI 可以自动成型；可是如果整个商业飞轮没有建起来，就没有办法达到 product-market fit。 张小珺 嗯。 Lindon Gao 很多人可能觉得 product-market fit 就是我签了一个客户，这个客户愿意付我多少钱，然后就去做。我觉得机器人行业也有很多公司找到了所谓的 product-market fit，可是后来发现他们需要做的 customization、客户要求的节拍，永远达不到客户对机器人本质价值的要求。所以我一直把产品归结到 ROI 上面。 张小珺 嗯。 Lindon Gao 你的 ROI 成不成立？ROI 不成立，特别是在硬件、机器人行业，我觉得就不是一个产品，也没有 product-market fit。 张小珺 你刚才还提到，你的 VC mentor 是 Sam。他教给你们什么了吗？ Lindon Gao Sam 是能力非常强的人，可是我觉得我当时能力不够强，没有办法跟他同频。他当时跟我说的核心概念就是：“Launch，launch，launch，launch and iterate，launch and iterate。” 张小珺 嗯。 Lindon Gao 他当时天天催我这样做。 张小珺 他在 YC 当时投入的时间还是很多的，对吧？ Lindon Gao 还好，可能一周见两次。 张小珺 一周见两次。除了这个，从他身上还有什么其他的 learning 吗？ Lindon Gao 我觉得我当时的认知可能没有达到更高的境界，没有达到他的境界。 张小珺 你是不是还挺自律的？ Lindon Gao 为什么这么说？ 张小珺 我好像看到你起得很早。 Lindon Gao 对，一般都起很早。 张小珺 嗯。 Lindon Gao 五六点。 张小珺 这个是从什么时候开始的？ Lindon Gao 从创业的时候就开始了吧。 张小珺 嗯。 Lindon Gao 我觉得比较早期的时候就是这样。 张小珺 有意为之，还是你比较习惯这种规律？ Lindon Gao 有一本书叫《Atomic Habits》，讲的是你的原子习惯可以长期帮你达到一个原来觉得达不到的目标。我觉得每个人在成长过程中，如果有非常好的习惯，就会慢慢变成自己想要成为的人。 对我来说，作为一个创业者，其实一直是一个脑力运动员。本质上面就是一个运动员，需要有运动员的修养。如果你吃得不健康、没有运动、睡得不好，就没有办法专心想一件事情。 张小珺 嗯。 Lindon Gao 所以对我来说，如果我想好好创业，就要把自己的身体打理好。早起、运动、饮食，我对自己都有非常高的要求。 张小珺 早午晚食，是吗？ Lindon Gao 对。 张小珺 那确实，你的身材很像运动员的身材。 Lindon Gao 积累了10年。 张小珺 哦，OK。 Lindon Gao 对。 张小珺 以前也没有这样，是吗？10年前。 Lindon Gao 对，创业之后就越来越自律。因为我发现自律之后，这件事情就不用想了，不会占你的 mind share。它不占 mind share 的时候，做起来就很自然，反而变成强迫症：如果我今天不运动，就会不舒服。 张小珺 你几点到几点运动？ Lindon Gao 我一般差不多6点到7点之间运动。 张小珺 五点起床，六到七点运动。 Lindon Gao 对。 张小珺 后面呢？ Lindon Gao 那就开始工作。 张小珺 晚上十点睡觉？ Lindon Gao 十点、十一点左右。 张小珺 饮食呢？ Lindon Gao 饮食非常有规律。我晚上很少吃碳水。 张小珺 哦。 Lindon Gao 我一般中午吃碳水，早上吃得比较有规律。 张小珺 哦。 Lindon Gao 都是有一定的营养成分，一直都是这么吃下来。我觉得这件事是从我爸那边学的，我爸是一个非常自律的人。 张小珺 哦。 Lindon Gao 我发现他通过自律，自己的状态、健康都有非常大的改变，所以我是向我爸学的。 张小珺 自律能提高你的决策质量吗？作为一个 CEO 来说。 Lindon Gao 100%。我觉得作为一个 CEO，最重要的事情，大家都这么说，就是找人、找钱、找方向。 张小珺 嗯。 Lindon Gao 绝大多数 CEO 的重大决策里，找人和找钱不需要花太多大脑。最重要的是找方向。找方向就是你的每一个决策都需要本质、需要高质量。 张小珺 嗯。 Lindon Gao 要做出本质、高质量的事情，需要把这件事情想得非常透、非常清楚。如果你的脑袋很模糊，天天晚上吃宵夜，或者身体不健康，就很难做出明智的选择。 张小珺 你卖公司那年应该刚好30岁，对吧？ Lindon Gao 对，刚好30岁。 张小珺 然后站在那一刻，你觉得你对后面人生的规划是什么样的？ Lindon Gao 我觉得人生才刚刚开始。 张小珺 怎么开始这一段创业的呢？这中间好像也有几年时间，对吧？ Lindon Gao 对，我在 Instacart 待了3年。我在这个阶段被收购的一个很大动机，就是想向别人学习。 张小珺 就是收购公司。 Lindon Gao 对，因为 Instacart 里有很多 Uber、Facebook、Google 的高管。我是一个野路子打出来的人，前三次创业其实都是野路子，非常不按常理出牌。 张小珺 哦。 Lindon Gao 我觉得商业本质和产品形态是这样子，那我就带着工程团队把这件事情干了。所以我融资的时候就比较单纯。 张小珺 你算融资过程中碰壁比较多的创业者吗？在美国的话。 Lindon Gao 是，那肯定。我觉得很少有创业者能在被拒几百次的情况下还不放弃创业吧。 张小珺 哦。 Lindon Gao 当时我就跟团队说，我们是蟑螂。 张小珺 你们是蟑螂，哦。 Lindon Gao 我们死不了。可是我当时觉得，我经验里一个很大的盲点是管理、产品和管理，以及在更大的组织范围内，怎么样能从别人身上学到更好的东西。 张小珺 嗯。 Lindon Gao 所以当时我在 Instacart 待了3年左右，就是为了学习。 张小珺 学习到什么没有？ Lindon Gao 也是在看其他项目。 张小珺 哦。 Lindon Gao 学习到什么？我不是一个善于总结的人。我会把一件事情渗透到骨子里，变成认知的一部分，可是很难用语言表达所有事情。 可以说的一些事情，比如怎么样向 CEO 拿资源，是一个很有意思的过程。你要把自己做的事情为什么重要，以及怎么样去 frame 这件事情、挖掘它的底层动机，再和 CEO align 上。我觉得这是我当时学到的一些事情，我之前从来没想到过需要这样做。跟融资可能有点类似，可是当时我和 CEO 互动的过程非常频繁，所以锻炼了我这方面的能力。 张小珺 嗯。 Lindon Gao 同时我也在管理和组织上学到了东西。当时我的管理比较杂，没有认真思考这个职位需要招什么样的人，也没有想得非常清楚。我觉得这个人合适、可以成长，就招进来；如果这个人做得不好，我会试着纠正他。 张小珺 嗯。 Lindon Gao 管理了一段时间之后，我发现有些人是改不了的。有些人可能在他们的认知范围内，除非能突破目前的认知，否则没有办法做到更大的 scope。那时候我对管理的认知慢慢渗透，也变得更得心应手了。 张小珺 你最多时候管理了多少人？ Lindon Gao Directly 和 indirectly，可能几百，三百多。 张小珺 嗯。 Lindon Gao 这样子。 张小珺 然后什么时候决定我还是要出来创业了，我不能再当高管了？当 VP 符合你的个性吗？ Lindon Gao 一点都不符合。 张小珺 哦。 Lindon Gao 对，因为我非常喜欢创业。我对创业有一份敬畏心，喜欢创业本身。我觉得创业像一个匠心，就像一个匠人。比如今天我要做一个陶瓷，就一定要把这个陶瓷、这幅画、这篇文章写得特别好。他们会花10年、20年、30年、40年的精力，完成一件自己觉得非常自豪的作品。 张小珺 嗯。 Lindon Gao 我觉得创业也是一样的。创业就是在打磨自己的作品，而自己的作品就是这个公司。这个公司里面有技术、文化、产品、管理等等。而且创业是非常多模态、多维化的状态，所以每天都可以学到很多东西。 张小珺 嗯。 Lindon Gao 所以当时我决定创业，对我来说是非常简单的一件事情。 张小珺 嗯。 Lindon Gao 我一直觉得自己更适合创业。 张小珺 为什么做 robotics？那个时候 AI 也很火，大模型也很火。 Lindon Gao 其实很有意思，我刚卖公司的时候看了一段时间 AR，也看了一些其他的，比如 quantum、nuclear。 张小珺 嗯。 Lindon Gao 可是我和现在的另外一个合伙人杨士源，认真探索 AR 差不多6到8个月，发现技术底层的一些东西可能还没有完全 ready。 张小珺 嗯。 Lindon Gao 其他方向我们觉得跟我们不是特别 fit。我和杨士源一直想做的一件事情，就是做能改变世界的事情。我们觉得如果真的还要再创业一次，就想做一件更难、能改变世界的事情。真正能改变世界的事情不多，大概两只手能数出来。 张小珺 你划过哪些？ Lindon Gao 划过哪些？ 张小珺 AR。 Lindon Gao 对，比如刚才说的 AR、energy。 张小珺 嗯。 Lindon Gao 还有 quantum。生物类型的也不是特别适合我们。 张小珺 嗯。 Lindon Gao AI 当时其实也看过，也在思考 AI 该怎么做。最后我们做机器人，发现它跟我们之前的经历非常相符，甚至当时我看到机器人行业的形态，跟无人零售有点类似，大家拿着锤子找钉子。所以我觉得硬件可以做，infra、软件、AI 其实都可以做。当时团队缺一个对具身智能非常资深的人，所以那时候就找到了 Jason。 张小珺 怎么找到他的？ Lindon Gao 我们在硅谷聊了挺多人，聊了二十来号人。 张小珺 嗯。 Lindon Gao 当时我们对第三个 co-founder 的画像非常清晰。我和杨士源合作了十多年，大概都知道彼此的优点、缺点和互补的地方。 张小珺 你的优点、缺点是什么？ Lindon Gao 我的缺点特别多，优点非常少。杨士源优点特别多，缺点非常少。 张小珺 你的优点是什么？ Lindon Gao 我觉得我可以看得非常远。从现在到10年之后，这个公司大概是什么 vision，我有一定的画像，可以呈现战略需要走的每一步，以及战略可能遇到的问题。 张小珺 嗯。 Lindon Gao 所以我觉得方向应该是我的强项。 张小珺 你的方向感比较好。 Lindon Gao 对，团队有时候说我可以闻得到钱。 张小珺 哦，“闻得到钱”？ Lindon Gao 对。 张小珺 这个为什么是方向感？这是赚钱能力啊，这是你从小训练的，对吧？ Lindon Gao 赚钱能力其实又是一个方向。 张小珺 这是商机的选择。 Lindon Gao 商机的选择。因为我觉得所有公司最后都需要落地、需要赚钱。 张小珺 嗯。 Lindon Gao 不管前面铺垫多久，最终还是要赚钱。 张小珺 嗯。 Lindon Gao 所以我可以知道最终赚钱的形态是什么样子。 张小珺 嗯。 Lindon Gao 然后我就知道该怎么铺垫它。 张小珺 嗯。 Lindon Gao 所以我觉得这个方向应该是我的强项。 张小珺 你的缺点呢？说几个。 Lindon Gao 缺点挺多的。我想想。我觉得我说话太宏观了。我思考很久，得出一个结论；本质上的逻辑链会非常长。 张小珺 嗯。 Lindon Gao 一般来说，我会跟一个人聊我想走的方向，把这条逻辑链花20分钟说完，然后告诉他一个结果。 张小珺 嗯。 Lindon Gao 一般他们就非常不能 follow。所以我对自己的语言拆解能力可能还需要进步。 张小珺 嗯。 Lindon Gao 对。 张小珺 你觉得“闻得到钱”和理想主义有分歧吗？ Lindon Gao 没有分歧，我是非常理想主义的人。 张小珺 为什么这么说？ Lindon Gao 我来做机器人不是为了赚钱的。 张小珺 嗯。 Lindon Gao 我觉得“闻得到钱”是生存的一条路。 张小珺 嗯。 Lindon Gao 我的梦想是星辰大海，可是我的路径需要脚踏实地。 张小珺 你是现实的理想主义者，还是理想的现实主义者？ Lindon Gao 那我肯定是现实的理想主义者。 张小珺 你不是理想的现实主义者？最后落脚到了理想主义。 Lindon Gao 对，我是现实的理想主义者。 张小珺 那你的合伙人 Jurek，他的优点是什么，缺点是什么？他跟你合伙了十多年。 Lindon Gao 他也是现实的理想主义者。 张小珺 嗯。 Lindon Gao 他的优点非常多，共情能力非常强，思考结构性非常强。 张小珺 嗯。 Lindon Gao 落地能力也非常强，技术也非常强，管理也非常强。他是稀有的技术天才，而且有管理维度的认知。 张小珺 嗯。 Lindon Gao 我真的非常少见这种类型的人。 张小珺 你们是怎么认识的？他那时候是在美国上学，是吧？ Lindon Gao 是通过我们的另外一个 co-founder 黄一琳认识的，是我们上一个公司的时候认识的。 张小珺 哦。 Lindon Gao 对。 张小珺 然后你们这是第二次一起创业。 Lindon Gao 对。 张小珺 那 Jason 是怎么加入的？ Lindon Gao 当时我们对 research co-founder 有一定的画像，然后按照这个画像去找。 张小珺 你们希望认识什么样的人？ Lindon Gao 首先我们最希望的是 research taste 非常强。 张小珺 嗯。 Lindon Gao research taste 本质上可以从他们的 paper 和发表的东西里看出来。当时看到他一些非常闪光的地方，是从他博一、博二的时候，可以看到他的很多论文是相对来说非常 fancy 的东西。在他的成长过程中，可以看到他的论文越到后面越简单、干净。 张小珺 嗯。 Lindon Gao 核心概念非常清晰。我觉得这是一个非常好的 taste，他自己在这个过程中一直在进化。光从书面上就可以看到这个进化过程，我当时觉得非常 impressed。 Taste 是第一。第二，我觉得他有一定的现实主义，不光有学术追求，也想把一件事情落地，真正能在产品上产生 impact。我觉得这个也非常重要。 张小珺 如果 CEO 希望落地，researcher 合伙人希望做大脑的突破，一般这样的团队会有分歧。 Lindon Gao 对，我觉得每个团队都有这样的分歧。 张小珺 你们会有分歧吗？ Lindon Gao 会。我们有一段时间战略迷失，分歧最大。作为一个团队，我们的 identity 受到了很大的冲击：一拨人说“我们要做落地”，另外一拨人说“我们要做 research”。 张小珺 嗯，然后呢？这是什么时候？ Lindon Gao 可能是去年年底。 张小珺 哦，结果呢？ Lindon Gao 我们在战略上梳理了一下，发现了一个突破点，是 research 和落地团队都可以做的一个点。 张小珺 你是落地派。 Lindon Gao 我没有派系。对我来说一直是铺垫路径，想怎么样才能达到最终的产品形态。落地可以赚钱，可是在我的认知当中，它并不是真正能长久的产品形态。 张小珺 嗯。 Lindon Gao 所以如果落地不能达到 scalable product-market fit，我就不会去做这件事情。 张小珺 嗯。 Lindon Gao 所以当时我更偏向 research 派。 张小珺 那谁是落地派呢？ Lindon Gao 团队里有一些工程师。 张小珺 哦，然后最后你们怎么找到那个交叉点？ Lindon Gao 我们把…… 张小珺 那个 overlap。 Lindon Gao 我们把战线拉长了。 张小珺 哦。 Lindon Gao 我觉得这是一个非常普遍的问题，不管是机器人公司还是 agent 公司，都很类似：我去探高，就没有落地的可能性。 张小珺 嗯。 Lindon Gao 那我去落地，就没有 capacity 去探高。 张小珺 嗯。 Lindon Gao 可是落地能力能不能 scalable，往往是被 intelligence 限制住的。所以这时候最重要的是 lift up intelligence。 张小珺 嗯。 Lindon Gao 那团队可能就会觉得：“那我就是去做研发。”其实也不一定。我们把战线拉远，在更远的地方去看，我的战略点是否既能 improve intelligence，也能落地。 张小珺 嗯。 Lindon Gao 所以我当时给团队定了一个更远的目标。 张小珺 嗯。 Lindon Gao 然后就把团队结合起来了。 张小珺 我们刚才说的探高还是落地，是不是很多机器人团队都会遇到的一个非常现实的讨论或者问题？ Lindon Gao 我觉得没有一个机器人公司不会讨论这个问题，因为这是一个非常现实的问题。 张小珺 你们是从第一天开始讨论，还是到去年底这个节点，才更频繁地讨论这个问题？ Lindon Gao 其实我们从第一天开始就在这方面有一定的认知和 concern。 张小珺 嗯。 Lindon Gao 可当时我们不是非常清楚落地所需要的能力，以及智能边界在哪里。 张小珺 嗯。 Lindon Gao 所以当时我们的想法是，我们团队是一个 product research 导向的团队。Product research 和传统的 research 团队还是有一点不一样。传统 research 团队是：“我要走到 AGI，现在以发散模式去探索各种可能性。” 张小珺 嗯。 Lindon Gao 找到一定的可能性之后，可能再收敛。可是我觉得在发散模式中，有时候做的事情不一定足够深入。因为如果没有落地，你可能只是大概看到一些东西，并不代表这件事情做得足够透。 Product research 本身有点不一样，我们的 research 有一些 guardrails。 张小珺 嗯。 Lindon Gao 我们所做的 research 都需要对长期产品带来一定的价值，而且我们对 research 的优先级有一定框架：在这个阶段先做这件事情，下个月再做另外一件事情，而不是同时发散。因为团队的时间、精力有限，所以我们只会在最重要的事情上下注。 张小珺 你说的 research 导向的公司，比如硅谷的 Pi、Generalist，它们属于这个方向，对吧？ Lindon Gao 我不能这么去断定它们，因为它们内部对自己的方向也有认知，这是它们自己需要的。 张小珺 你有意区隔开这种以 research 为导向的机器人公司吗？ Lindon Gao 我没有有意区隔我们自己和别人。其实我们一直以来都是以 research 为导向的公司。 张小珺 嗯。 Lindon Gao 只不过我们的 research 导向有 product guardrails。所以我对未来的产品形态非常清晰。 张小珺 嗯。 Lindon Gao 我是在倒推，为了达到这个产品形态，我们需要做哪些 research。 张小珺 回到你们刚创业那个时间，2024年，你们做了哪些事情？2025年你们做了哪些事情？ Lindon Gao 2024年其实不太值得一提，因为2024年…… 张小珺 就几个月，对。 Lindon Gao 就几个月。我们到2024年年底才差不多开始，所以当时就是把一些东西搭起来，就已经很开心了。 张小珺 合伙人当时已经都找到了。 Lindon Gao 对，当时合伙人已经都找到了，团队已经初步建立起来，甚至客户也找到了。因为如果我对 research、对产品有一定的落地画像，就需要和客户聊，所以当时也聊了一大堆客户。 张小珺 嗯。 Lindon Gao 2025年对我们来说最重要的一件事情，是当时的 foundation model 不足以落地。首先，当时的机器人非常慢，动作也非常乱。最重要的是，它们一般只能做成功一件事情；再做同样的事情、做下一步，就会做得不好。 张小珺 嗯。 Lindon Gao 所以当时不足以落地。我给团队定的一个 product research 目标是把成功率拉到99%，把速度拉到人的50%到60%。 张小珺 嗯。 Lindon Gao 我们才有商业化的希望。所以当时所有的 research 都围绕这个主题展开。后来大家在四五月份看到了 Dyna-1。对我们内部、甚至对行业来说，它算是一个非常大的突破，因为我们是第一家首次售出一个可商业化 demo 的公司。 张小珺 嗯。 Lindon Gao 当时我们可以折餐巾，连续折24小时，成功率在99%以上。 张小珺 嗯。 Lindon Gao 当时我们非常 proud。 张小珺 我去年在 CoRL 的时候，很多人围观你们那款机器人。 Lindon Gao 当时是折衣服的那款，是吧？ 张小珺 嗯，对，折衣服。 Lindon Gao 对。 张小珺 先是折纸巾，然后是折衣服。 Lindon Gao 对。 张小珺 为什么选择了这个场景？ Lindon Gao 折叠场景本身很有意思，我们也算是第一个真正想把它落地的团队。我记得融资的时候，很多人就说：“你为什么要做洗衣服？洗衣服行业有多大？就这么一点点。” 张小珺 嗯。 Lindon Gao “你为什么不做工厂、做物流，或者做其他各种场景？” 张小珺 嗯。 Lindon Gao 其实当时选择做折叠也是非常反共识的。 张小珺 嗯。 Lindon Gao 因为我当时在折叠上看到了商业化的机会。 张小珺 嗯。 Lindon Gao 本质上是因为我对模型有判断。在整个过程中，我是一个非常 involve 的 CEO，对 day-to-day 非常投入。 张小珺 嗯。 Lindon Gao 所以我对大家的技术方向、工程方向都比较了解。在早期一段时间，我也在管理技术团队。当时我看到了模型本身的能力，最重要的一件事情是，我们的落地场景需要有非常大的容错率。 张小珺 嗯。 Lindon Gao 比如我要做一杯拿铁，不小心没拿好，把拿铁打翻了，那我就是给别人添活，又损失了一杯拿铁。 张小珺 嗯。 Lindon Gao 可是折叠不一样，折坏了可以重折。所以损失率本身和对质量的要求不是特别高。按照当时对技术天花板的认知，这种场景对我来说最有帮助。 张小珺 嗯。 Lindon Gao 所以我觉得这是一个 technology-market fit 的状态。而且折叠本身是一个非常 isolated 的场景，一个人可以一直在这里做折叠。 张小珺 嗯。 Lindon Gao 当时跟洗衣店、旅馆聊下来，发现这还是一个非常普遍的痛点。每家 hotel、洗衣房都有 dedicated folder 和 dedicated attendant 在做这些事情。 张小珺 嗯。 Lindon Gao 所以当时我没有想这件事情的市场一定要有多大，而是想能不能先把第一个商业闭环跑起来。 张小珺 嗯。 Lindon Gao 而且这件事情足够难，对模型本身的提升还有很大空间。 张小珺 嗯。 Lindon Gao 所以当时选择了这个场景。 张小珺 它技术上难在哪儿？ Lindon Gao 技术上面，比如折衣服，因为衣服本身是软体。 张小珺 嗯。 Lindon Gao 软体和硬体不一样。硬体比如一个杯子，可能只有一个 state：杯口朝上，其他 state 就是倒下来或者翻过来。折叠不一样，每一步都需要前一步成功。 而且折叠对泛化性的考验也比较高。我们折 T 恤，不能只折一个尺码，或者只折一种 T 恤。所以当时可以同时验证质量、generalization 和速度。我们从折 T 恤里面得出了一些 generalization recipe。 张小珺 嗯。 Lindon Gao 从 garment diversity 和 environment diversity 上面，都得到了一些更好的 recipe。 张小珺 你们怎么准备折衣服这个场景的数据，帮助它更好地泛化？在这上面有 know-how 吗？ Lindon Gao 我觉得归根结底，如果放在 post-training 上面，都是一个 recipe 的问题。 张小珺 嗯。 Lindon Gao 所以当时我们大概知道，比如在 CoRL 你看到的是 zero-shot T 恤折叠。当时我们会试探：要在几个环境里拿到 T 恤折叠的数据，才能在一个新的环境里 zero-shot 泛化？ 张小珺 嗯。 Lindon Gao 我们当时以为需要非常多，后来发现可能十多个场景就够了。 张小珺 哦。 Lindon Gao 对。T 恤也是一样，它本身的大小、不同的 style、fabric、面料等等，都需要有一定的泛化能力。所以当时在这个方向、当时的 pre-training 情况下，我们大概看到了 post-training 的天花板。 张小珺 所以我大概能不能理解，就是基于当时的预训练技术能力，你们找到了一个可以最大化让机器人干活的方向。 Lindon Gao 对，是的。 张小珺 那这个方向在过去一年随着技术突破变化以后，它变了吗？出现变化没有？ Lindon Gao 我觉得最本质的变化，就是 post-training 所需要的数据越来越少。 张小珺 嗯。 Lindon Gao 这个对我们来说一点都不 surprising。我们当时看到 post-training 的天花板之后，就大概知道现在最重要的应该是 pre-training。 张小珺 你们后来是不是又花了几个月的时间去做部署，真的进入到场景里？ Lindon Gao 是的，我们花了几个月的时间去做部署。 张小珺 哪几个月开始做部署？ Lindon Gao 6月到9月吧。 张小珺 部署难吗？ Lindon Gao 难，非常难。拿叠餐巾来说，大家看到 Dyna-1 叠餐巾，其实不是一个完整的餐巾形态，而是我们跟客户商讨之后的中间形态。叠餐巾需要叠5次，我们只叠了4次，最后一次给服务员叠，因为最后那一叠非常难。 餐巾折过来之后已经非常厚、非常小，最后折过来需要弹平；如果没弹平，它会摊开。这是质量层面上的一个问题。当时我们只做了4个 fold，去落地的时候，客户就开始 complain。他们当时接受了，可是实际操作的时候非常不开心。 张小珺 嗯。 Lindon Gao 因为浪费了很多时间。 张小珺 嗯。 Lindon Gao 第二，我们发现光把餐巾叠好还不够，因为一天需要产出1,300张餐巾。我们的客户很大，是餐饮里非常大的一个客户，每天有非常多的人流。 张小珺 哦。 Lindon Gao 所以一天要叠1,300张餐巾。我们发现 Dyna-1 当时24小时只能折850张，速度不达标。 张小珺 嗯。 Lindon Gao 所以我们在速度上做了非常多 research，最后达标了。可是达标之后，我们又发现一个很大的问题：虽然我们的模型鲁棒性非常强，有些 corner case 可以解决，可是解决的时间特别长。 张小珺 嗯。 Lindon Gao 当时最普遍的问题是，机器人有时候会不小心抓两张餐巾。甚至人手有时候也会不小心抓两张，可是抓了两张之后，我们大概需要两分钟去处理。 张小珺 哦。 Lindon Gao 一般来说叠一张餐巾只需要20秒。所以每次拿到两张餐巾，我们这一天的产出就会大幅下降。 张小珺 嗯。 Lindon Gao 如果当时有10%是 double fold，我们今天肯定达不到标准。所以我们就想，怎么样用强化学习和另外一些方式，让模型自己解决这个问题。 张小珺 嗯。 Lindon Gao 当时我们非常坚决，所有事情都需要模型解决。这件事情本身是预训练没有办法帮你解决的问题：不小心抓了两张餐巾，导致产出下降，这很难通过预训练解决。所以我们也发现了这个问题。 后来我们发现，餐巾叠完之后要放在一个 bin 里面，放进去的方式非常 random、不一致。很多人不知道情况，过来看会说：“这没有折好啊。”看起来就是一堆很散的餐巾。 所以那时候我们要开始 condition 这个模型，告诉它先放第一个位置、第二个位置、第三个位置，让它们整齐地放上去。这也是一个非常难的 research 过程。那时候我们探出了模型本身需要什么。有了这些知识之后，我们就非常清楚预训练需要做什么了。 张小珺 你们也自己做预训练吗？ Lindon Gao 对，是的。 张小珺 你们预训练和后训练投入的资源比重大概是多少？ Lindon Gao 当时我们的投入是一半一半。 张小珺 嗯。 Lindon Gao 现在预训练比后训练多了非常多。 张小珺 哦，这是今年出现的变化。 Lindon Gao 对。 张小珺 去年年底？ Lindon Gao 对。 张小珺 OK。 Lindon Gao 当时我们预训练和后训练是一起做的，因为我们在探索预训练上的变化对后训练有哪些影响。后来我们发现预训练的变化对后训练有非常大的影响。一个模型绝大多数的鲁棒性是从预训练里来的，而不是后训练。 张小珺 嗯，所以必须要自己预训练。 Lindon Gao 对。 张小珺 基于这个场景，当时最难的几件事情是什么？比如说手的灵活性？ Lindon Gao 其实不是。最难的就是这些非常微小的 corner case。 张小珺 嗯。 Lindon Gao 当时每出现一个 corner case，团队就有一个经典的问题：我们是否要用工程方式去解决？ 张小珺 嗯。 Lindon Gao 可是我们当时一直坚决不用。 张小珺 嗯。 Lindon Gao 因为我们一直深刻地认为，如果想真正做到 scalable product-market fit，一定要用一个模型把这件事情做成。 张小珺 这个场景上商业化做得好吗？ Lindon Gao 已经开始商量了。 张小珺 已经开始商量了，多少量了？ Lindon Gao 这个暂时不能说。 张小珺 几个客户？ Lindon Gao 10个以上了。 张小珺 10个以上。 Lindon Gao 对。 张小珺 所以你们已经量产完成得很好。你们量产是在上海做吗？ Lindon Gao 其实是这样，我觉得这个场景落地没有达到我对产品的 scalable product-market fit 的认知，所以我选择不继续 scale。 张小珺 哦，你这个决定是什么时候做的？ Lindon Gao 去年大概就做了这个决定。 张小珺 嗯，你发现什么迹象让你觉得它没有达到你想象的 scale？ Lindon Gao 解决的问题不够根本。我只把这件任务做掉了，可是没有把整个工作流做完。 张小珺 哦，就是没有把这个场景里的整个工作做完。 Lindon Gao 对。 张小珺 哦。 Lindon Gao 当时非常普遍的一个场景是，我们差不多每半个小时到一个小时，就把一叠100张的餐巾折完。 张小珺 嗯。 Lindon Gao 折完之后机器人就不动了，因为没有餐巾了。店里还有一些员工，他们要自己在手机上放个闹钟，每半个小时到一个小时就过来看一下。如果折完了，就给它一批新的餐巾；如果没折完，就继续忙自己的事情。 张小珺 哦。 Lindon Gao 客户时常反馈说：“我们的机器人没达标。” 张小珺 嗯。 Lindon Gao 我就问他们为什么，他们说：“我也不知道，你的机器人太慢了。”我们看数据之后发现，机器人空窗期很长，有时候连续半个小时都没有在干活。我就问他们，是不是没有及时把新的一批餐巾放上去？他们说：“哦，是。”那其实不是机器人太慢，而是机器人本身需要一个保姆。 张小珺 嗯。 Lindon Gao 所以机器人需要保姆这件事情是一个非常大的产品问题。 张小珺 嗯。 Lindon Gao 我当时选择不 scale，就是发现没有把商业本质的问题完全解决掉。如果你去 scale 一个不完整的产品，这个产品未来会成为你的累赘。 张小珺 如果是一个以 research 为导向的 lab，它的做法可能是觉得现在最根本的问题是大脑，所以要首先解决大脑的问题。因为它觉得如果从现在开始定义场景，也许现在定义的场景不是最好的场景。你怎么看这个问题？也是投资人问你，这个场景会不会太小。 Lindon Gao 我觉得还是回到问题的本质。 张小珺 嗯。 Lindon Gao 大脑不行，不行在哪儿？ 张小珺 缺数据啊。 Lindon Gao 可以说缺数据，可是在叠餐巾的场景里是大脑的问题吗？我已经把整个任务都做完了。所以在这个场景里，智能体本身已经不是问题了。 张小珺 嗯。 Lindon Gao 更本质的问题是这个场景没有成立起来，因为任务范围内没有形成一个很好的闭环。 张小珺 嗯。 Lindon Gao 所以在任务范围内，智能体不受限；可是把整个事情做完的工作流范围内，是受智能体影响的。这是我们当时看到的问题。 张小珺 嗯。 Lindon Gao 所以这也决定了我们公司的下一步。 张小珺 对于机器人来说，这是最本质的任务吗？就是在一个洗衣房场景里。 Lindon Gao 我觉得对机器人来说没有一个本质的任务，可是任务本身不能完全体现具身智能体的能力。我觉得绝大多数任务就是一个 sequence of motions。 张小珺 嗯。 Lindon Gao 在这个维度上去做泛化，能看到的最大 impact 就是把这一个任务部署到任何一个场景，它都可以做、都可以 follow 这个 sequence of action，也就是它本身的泛化能力变强了。 张小珺 嗯。 Lindon Gao 可是这并不代表这个任务真正形成了一个商业闭环。所以就算智能体再强，如果产品框在一个任务范围之内，我觉得也没有商业闭环。比如说我可以把任何一个任务 zero-shot 放到任何新的 environment 里，它都可以做这个任务。这的确是智能体的提升，可是我觉得不是商业闭环。 张小珺 好，去年你觉得如果只做一个在桌面上折衣服或者折餐巾的机器人，不足以有 scalable 的价值，然后你们做了什么？ Lindon Gao 当时我们就问的第一个问题是：为什么没有商业价值？ 张小珺 嗯。 Lindon Gao 跟客户沟通下来，最大的原因其实我们自己也看到了。 张小珺 嗯。 Lindon Gao 就是我们需要一个机器人保姆。机器人保姆是一个非常大的问题。 张小珺 嗯。 Lindon Gao 怎么样把这个机器人保姆去掉？那就代表我们要做整个工作流。 张小珺 嗯。 Lindon Gao 整个工作流是什么？放在叠餐巾这个场景里，其实很简单，就是上料和下料也都要做完。 张小珺 嗯。 Lindon Gao 不光需要叠餐巾，没餐巾的时候，还要知道餐巾的库存在哪里、去拿餐巾。拿完之后回到桌面，把餐巾放下来，再开始叠。叠完之后，要把叠好的餐巾拿到该去的地方，放到 shelf 上面，再拿一个新的桶过来，重新开始叠，这才是整个工作流。 当时发现这件事情之后，我们就非常清楚地判断出下一步该往哪里走。 张小珺 嗯。 Lindon Gao 就是从任务进化到工作流。 张小珺 现在你们可以做到什么地步了？ Lindon Gao 整个工作流全部都可以做完。 张小珺 就是一个机器人在这个洗衣房的空间里，能够自由活动，然后知道自己现在该做什么？ Lindon Gao 对。 张小珺 这个你们预训练和后训练的比重调整到了？ Lindon Gao 其实这里面就是一个预训练的问题。 张小珺 嗯。 Lindon Gao 如果要把整个工作流做完，那么工作流的每一步、每个任务都有一定的成功率和失败率。 张小珺 嗯。 Lindon Gao 所以要把工作流做完，就是99乘99乘99乘99，是一个 exponential 的过程。我们需要把每个任务做好，知道每个任务的 corner case 怎么解决。 张小珺 嗯。 Lindon Gao 然后把它连起来，让它可以连续一直做下去。 张小珺 嗯。 Lindon Gao 这本质上非常困难，是一个 pre-training 本身的问题。我们刚开始做 napkin stacking 的时候，发现当时用语言控制模型，把折好的餐巾放在 bin 的哪个位置。 张小珺 嗯。 Lindon Gao 可是当时 VLA 的 language-following 能力不是非常强，所以我们就把这个问题归因到预训练上。 张小珺 后来调整了什么？ Lindon Gao 后来调整了中央预训练，还有一个半人形机器人。 张小珺 半人形机器人，就是腿是轮式的。 Lindon Gao 对。 张小珺 然后上身是人形的。 Lindon Gao 对。 张小珺 所以你们从第一天就说你们不做人形机器人，是吗？ Lindon Gao 没有，我们没有说一定不做，或者一定做。我们对这件事情的态度就是，什么是对的方向？我们看到的方向是对是错？我们就往这个方向做。 张小珺 我感觉你是硅谷非常少的做机器人落地派，是吗？因为我感觉硅谷大部分人都觉得要做大脑，做探高的方向。 Lindon Gao 可能大家对我们的认知是觉得我们是落地派。 张小珺 嗯。 Lindon Gao 可是我觉得我是 product research 派。 张小珺 嗯。 Lindon Gao 不是落地派。落地派可能更注重落地，可是我觉得我们更是在试探产品，也就是未来机器人产品所需要的 breakthrough。 张小珺 嗯。 Lindon Gao 我们团队的核心，从文化、工程角度来说，全部都是围绕 research 来转的。只不过我们对产品的理念是，如果没有一个闭环、不能跑出一个产品闭环，我们就不知道下一步的路该怎么走。所以我们是用产品闭环去探 research 接下来的方向需要往哪里走。 张小珺 嗯。 Lindon Gao 对。 张小珺 这个算是 Dyna Two 吗？ Lindon Gao 对。 张小珺 即将要发布的这一个机器人和模型。 Lindon Gao 对，是的。 张小珺 从 Dyna One 到 Dyna Two，你觉得公司的技术积累是什么？ Lindon Gao 特别特别多，非常难用几句话概括。比较核心的，我觉得可以把它归类到三个 system：System Two、System One 和 System Zero。我们在三个 system 里面都有非常大的进化。 首先，System Two 是 embodied reasoning layer，就是模型对这个物理世界的认知，对世界的认知。不管是 physical property，还是 what's happening right now 的状态，或者对 semantics 的理解，它都有非常强的认知。它可以知道我们现在在干什么、现在处在任务的哪个阶段、下一步该怎么走，然后按照这些理解为 System One 发出语言指令。 张小珺 嗯。 Lindon Gao System One 本质上是一个 world-action model。它收到语言之后，怎么样把语言转换成动作。System Zero 就是我们怎么样把想要输出的 trajectory，从运控方向用更好的强化学习方法，做到又快、又丝滑、又准确，然后在硬件上呈现出来。 张小珺 嗯，在其中有观察到可泛化性的迹象了吗？ Lindon Gao 在 System One 和 System Two 上面，有非常强的可泛化迹象。 张小珺 它能泛化到什么程度？ Lindon Gao 泛化维度是一个非常难解释的话题。可是最直观的两个维度，其实跟人非常类似。比如我教你做一件事情，只有两种方式：第一，我示范怎么做这件事情；第二，我用语言描述这件事情怎么做。 张小珺 嗯。 Lindon Gao 所以在泛化的过程中，衡量泛化维度，可以从这两个维度展开。 张小珺 嗯。 Lindon Gao 从示范的维度来说，就是我示范几次你才能学会。在这个层面上，我们会发现，在一些非常新的 task 上，按照我们现在的 pre-training 能力，已经可以用几次示范学会。 张小珺 嗯。 Lindon Gao 第二个就是 language-steering capability。我用语言告诉你做这件事情，模型是否可以做到？在这个方向，我们也发现 language sensitivity 有非常强的提升。 张小珺 嗯。 Lindon Gao 这些细节我们之后会在发布的时候详细讲。 张小珺 这个你们已经开始有商业化客户了吗？就是这个完整的工作流。 Lindon Gao 工作流我们现在已经有商业化客户了，可是还没有完全落地。我们已经把整个工作流在不同场景里开始跑通了。 张小珺 这个是什么样的公司？你的客户是什么样的公司？ Lindon Gao …… 张小珺 酒店场景吗？我能想象到的。 Lindon Gao 对。 张小珺 但是它的成本能比一个人低吗？ Lindon Gao 我觉得这个问题问得很好，非常本质，是有商业本质的问题。一个机器人去替代一个员工，在目前 foundation model 的 constraint 下，很难达到一个人一天的产出量。 张小珺 嗯。 Lindon Gao 因为机器人本身受到硬件、运控和数据速度的影响，非常难做到人类的速度。 张小珺 嗯。 Lindon Gao 所以对我们来说，最重要的价值指标不是做得比人快，而是做得比人更久。 张小珺 嗯。 Lindon Gao 在美国，一个人一天工作8个小时。我给团队定的目标是，一个机器人做一天24小时的工作，可以达到一个人工作8小时的产出，这样在产出上就可以达到持平。 张小珺 嗯。 Lindon Gao 这对我们来说才是最本质的事情。 张小珺 现在做到了没？ Lindon Gao 现在已经超出了。 张小珺 就是它24小时做得比一个人8小时多。 Lindon Gao 对。 张小珺 你们是不是在创业之初就决定先不做人形、不做制造，也不做家庭？这是你们最早的说法吗？ Lindon Gao 我们创业初期不会说一定不做什么，而是我们的思维框架是什么能做，而不是什么不能做。 张小珺 嗯。 Lindon Gao 在探索什么能做的时候，我们发现了很多不能做的东西。 张小珺 嗯。 Lindon Gao 对。 张小珺 为什么那个时候不能做家庭？ Lindon Gao 家庭是一个时间段问题。 张小珺 嗯。 Lindon Gao 我上个公司是做 B2B2C 的，所以我知道 To C 的要求有多高。而且我觉得家庭本身对机器人来说算是一个终极形态。 张小珺 嗯。 Lindon Gao 机器人能泛化到每个家庭，并不代表它可以做所有工业的东西，只不过是…… 张小珺 当然，嗯。 Lindon Gao ……在泛化能力范围内达到一个非常好的境界。 张小珺 嗯。 Lindon Gao 可是就算机器人能在每个家庭里做事情，也不代表这个产品成立。从产品维度来说，机器人一天的产出需要符合你购买机器人的预期，而这个预期非常主观。 张小珺 嗯。 Lindon Gao 每个人的预期不一样。就像有些人跟家里的阿姨合作得不愉快，并不是说这个阿姨不是 general-purpose 阿姨，而是性格、做事速度等方面都有很大的分歧。 张小珺 嗯。 Lindon Gao 消费者是一个非常主观导向的市场。在安全问题、corner case 角度上，也多了非常多。所以我觉得三五十年内可以做到泛化、进入每个家庭，可真正把这件事情做成，不代表这件事情有市场。产品要打磨到极致中的极致，才能真正变成一个非常大的产品。 张小珺 你说你看得远。你觉得终局来看，人形机器人在家庭里属于泛化性最强的产品形态吗？它可能会是我们这个时代的，比如说 T 型车这样级别的产品吗？ Lindon Gao 我只能说，家庭是我目前认知到的所有场景里，对泛化性要求最高的。 张小珺 嗯。 Lindon Gao 可是大家往往只盯着泛化性一个维度来看。 张小珺 嗯。 Lindon Gao 我觉得…… 张小珺 它还有消费价值。 Lindon Gao 对，也不光是消费价值。还包括做事情的速度、做的事情是不是顺你的心。比如我喜欢盘子这样放，不喜欢那样放。我觉得这里面有非常多的产品细节，不是只有一个泛化能力维度就可以说清楚的，还有安全方面的问题等等。维度太多了，我没有非常细地思考每一个维度，但泛化不是唯一的维度。 张小珺 嗯。不是说一个通用机器人就能够是一个好的家庭消费产品。 Lindon Gao 对，而且一个家庭机器人并不代表它可以进入任何一个工业场景。 张小珺 那你们当时觉得哪一个是你们的甜点区？哪个场景？ Lindon Gao 我觉得如果通用机器人做到了，B2B 通用机器人的 demand 会比 B2C 更高。 张小珺 为什么？ Lindon Gao 因为人的欲望是无限的。 张小珺 嗯。 Lindon Gao 人的欲望无限，就代表如果人工成本可以忽略不计，人们对消费的需求、想要的东西就会增强。 张小珺 嗯。 Lindon Gao 如果人工成本不在，消费级产品就会变得更便宜，变便宜之后，人就会想多买各种各样的东西。所以在 B2B 场景里，如果机器人做成了，business 会需要更多机器人，做更多产出、更多不同花样的产品。现在美国失业率是4.5%。 张小珺 嗯。 Lindon Gao 那其实 business 雇用了美国劳动力的95.5%。 张小珺 嗯。 Lindon Gao 如果家用机器人服务一个由3个人组成的家庭，美国可能只需要1亿台机器人。可是如果看 B2B，这里面还有更多细节，比如 blue collar versus white collar 等等。美国肯定会更需要更多 B2B 机器人，而不是 B2C 机器人，因为有更多人需要打工，需要做食物、经营旅馆等等。 张小珺 嗯。 Lindon Gao 对。 张小珺 而且 maybe B2B 的机器人更好标准化一些。 Lindon Gao 对，是的。 张小珺 它不需要解决你的情绪问题，也不需要解决你的审美问题，是吗？ Lindon Gao 对，而且安全问题在某种程度上是可控的。 张小珺 所以基于这些，你们没有选择大家可能觉得是皇冠上的明珠的家庭人形机器人这条道路。 Lindon Gao 对。 张小珺 这个是 day one 就思考清楚了吗？ Lindon Gao 对。其实 B2B 场景对我来说是非常 obvious 的，因为商业落地是最近的。 张小珺 嗯。 Lindon Gao 而且如果你连 B2B 都做不成，B2C 怎么做得成呢？ 张小珺 嗯。 Lindon Gao 比如说我在一个洗衣店里面，连洗衣店员工做的事情都没有办法完全做好、做清楚。 张小珺 嗯。 Lindon Gao 那我怎么能在每个家庭里洗大家不同的衣服呢？ 张小珺 嗯。 Lindon Gao 所以很多事情其实 B2B 是完成这件事情的最小 unit，而且它的 scope 是可控的。 张小珺 酒店的市场有多大？ Lindon Gao 我觉得很多人会觉得酒店市场挺小，因为酒店洗衣房能有多大。可每个酒店的洗衣房都需要2到5个人，要看酒店有多大。而且酒店洗衣这件事情特别重要，如果没有洗好，房间就没办法给客人住。我听说一些酒店老板在疫情期间没有员工，自己去洗衣房干活。 张小珺 嗯。 Lindon Gao 所以这是一个非常本质的问题，对我来说非常痛。我们把洗衣房这个工作流做通之后，绝大多数洗衣房都大同小异。从我们的方向思考，这就是我们的第一个闭环，对 research 有重大意义，因为这能让我们知道模型的智能边界在哪里。 张小珺 嗯。 Lindon Gao 而且这件事情做成了也有意义，因为本身可以泛化到美国的10万家酒店，TAM 是好几个 billion。这只是第一个工作流。我觉得洗衣房本身是大家通往 home 的一个最小 unit。如果洗衣房都做不成，home 肯定也做不成。所以我觉得这条路是必经之路，而且非常重要。 从商业场景来说，容错率非常高，对时间安排的要求也非常低，付费意愿也非常高，而且这件事情在美国特别需要。 张小珺 我觉得酒店现在的机器人，我的印象都停留在外卖送餐的机器人，对吧？ Lindon Gao 对。 张小珺 那个现在还挺普及了。 Lindon Gao 对，目前还挺普及。可是酒店这只不过是一个非常小的环节。 张小珺 嗯。 Lindon Gao 这个环节下面其实可以打开更多的事情。比如我们在洗衣房做好之后，可以做清理、做饭、做菜，或者做其他的事情。所以酒店场景覆盖了非常多的场景。我觉得酒店是一个家庭的标准版，每个房间的差异化也不是特别大。从这个角度来说，酒店作为第一个商业落地场景非常适合。 张小珺 那个阿姨的场景能做吗？酒店里。 Lindon Gao 我觉得模型智能提升到一定程度之后，完全可以做。 张小珺 因为它也是个标准化的重复性工作，对吧？ Lindon Gao 对，是的。 张小珺 当然也会有很多 corner case。 Lindon Gao 对。 张小珺 但是相对比较好标准化。 Lindon Gao 对。 张小珺 嗯。 Lindon Gao 可是标准化本身只是对短期落地有帮助，因为变化不大。长期泛化来说，还是要做很多泛化的事情。比如预训练需要的泛化数据，也是一个 challenge。 张小珺 嗯。 Lindon Gao 所以在酒店里可以学习怎么落地，也可以学习怎么泛化。从一个酒店到另一个酒店，肯定也需要一定的泛化规律，而且还有不同的 SOP。 张小珺 你觉得我说的给每个房间打扫的阿姨那个场景，比你现在洗衣房场景难度高多少？ Lindon Gao 我觉得可能会高一点，因为本身…… 张小珺 市场空间是不是更大一些？ Lindon Gao 是，可是我觉得最重要的不是市场更大，而是到底能不能在最短时间内形成一个闭环。 张小珺 哦。 Lindon Gao 这个场景本身可能有很多其他的 corner case。比如洗澡的地方该怎么清理，如果他们把房间弄得特别乱，或者打破了哪些东西、拿走了哪些东西，可能会有更多 corner case。而且全程的任务完成可能需要更多时间。 我对工作流本身也有分层次，不是每一个工作流都一样难。我觉得旅馆房间打扫可能是更难的一个阶段。所以如果没有把最简单的一些闭环做成，一下子就往最难的地方做，很难形成最小闭环。 张小珺 嗯。 Lindon Gao 我一直说闭环，其实就是 MVP，Minimum Viable Product。先做成一个 Minimum Viable Product，再往外扩展。 张小珺 所以酒店是你们最早就开始选择的一个场景，是吗？ Lindon Gao 算是。 张小珺 还有别的？ Lindon Gao 算是其中一个，还有别的。 张小珺 还有别的。OK。 Lindon Gao 对。 张小珺 都是商业场景？ Lindon Gao 也不完全是商业场景。 张小珺 反正不是家庭场景。 Lindon Gao 对，不是。 张小珺 也不是工业场景。 Lindon Gao 工业场景不多。我觉得行业对场景的定位，可能会分成工业、商业、生产等等。可我一直以来对市场的认知不是按场景分的。 张小珺 嗯。 Lindon Gao 我觉得每个场景里都有我可以做的工作流。所以我一直不按场景来分。经常有人问我：“我们是不是一个商用场景的机器人？”我觉得这个问题不太对。我是按工作流的复杂度来分的。 张小珺 嗯。 Lindon Gao 比如说点餐机是一个非常简单的短程工作流，上料、下料就完了。如果这是 level one 或 level two 的工作流复杂度，level three 可能就是更长的工作流，level four 可能就是洗衣房，level five 可能就是 hotel cleaning。我觉得它们是分层次的。 所以对我来说，不分场景，分工作流和工作流难度。难度系数对应模型的每一个智能阶段。 张小珺 嗯。 Lindon Gao 可以解开的。 张小珺 好，这就是你的沿途下蛋。 Lindon Gao 对。 张小珺 在不同的智能水平下，下的蛋是不同复杂度的工作流。 Lindon Gao 对。 张小珺 你觉得现在的复杂度是 level one 到 level two？ Lindon Gao 我觉得洗衣房的整个工作流已经建立起来了。 张小珺 它是算智能水平的 level，还是复杂度的 level？ Lindon Gao 我没有细分过，很难说。 张小珺 嗯。 Lindon Gao 可是我觉得可能是 level two、level three 这样的阶段。 张小珺 嗯。 Lindon Gao 这件事情本身的一致性比较高，可是工作链非常长，而且对 manipulation 的要求很高。比如打开一个 washer 的门，也是非常需要用力；有时候会不小心把东西掉在地板上，还有各种各样的 corner case。我觉得复杂度可能在 level two 到 level three。随着智能体提升，更难的 workflow 就可以更好地完成。 张小珺 嗯。 Lindon Gao 所以我一直对落地的看法是，我落地的场景需要在智能体的智能范围内。我接下来想做的战略方向，则是在智能体范围之外。 张小珺 嗯。 Lindon Gao 对，所以我一般是这样思考的。 张小珺 沿途下蛋的目的是为了让公司有现金流？ Lindon Gao 不是。其实是让我理解目前的智能体，让我试探它的 level 在哪里，在哪个 level 可以做哪些事情，以及在这个智能体的 level 上会有哪些 corner case。 张小珺 嗯。 Lindon Gao 这些 corner case 是否可以引导我的 pre-training 方向。 张小珺 嗯。你看你们要做这样一个洗衣场景，第一代先做一个桌面的折叠衣服的机器人，然后紧接着又去做整个场景的工作流。你们在这个场景要投入的时间很长，那这是一个场景落地，怎么去做探高的事情呢？你还有时间做吗？ Lindon Gao 我觉得探高和做场景不冲突。 张小珺 嗯。 Lindon Gao 不冲突的原因，首先是无论如何都需要把预训练做得更好、更大、更强。 张小珺 预训练你们现在做得多大、多好、多强？ Lindon Gao 我们发布的应该是行业最大的数据集，而且我们在这个数据集里发现了非常强的 scaling law。 张小珺 嗯。 Lindon Gao 所以这就是我们在预训练上花的功夫。我觉得不比任何其他公司少，甚至比其他公司多非常多。而且 robotics research 也不是每个人都在做预训练。 张小珺 嗯。 Lindon Gao 他们团队也是分开的：这个团队做预训练，有多少人；这个团队做后训练，有多少人；然后我们在哪些技术方向上还会做哪些研究，其实是一样的架构。唯一的差别是，我们后训练团队按照一个场景去做后训练，而不是按非常发散的模式去做。 张小珺 嗯。你们发现了什么样的 scaling law 的迹象，在预训练里？ Lindon Gao 我们发现使用人体第一视角数据，在100万小时的预训练集上，可以看到非常强的 scaling law。 张小珺 嗯。 Lindon Gao 我觉得这是对行业来说非常重要的一个节点。过去一到两年，绝大多数 intelligence ceiling 都很难突破，因为大家都说数据是最大的瓶颈。 张小珺 嗯。 Lindon Gao 我们当时做的第一性原则思考是，如果想达到 GPT-3、GPT-4 那样的机器人 foundation model moment，我们需要从最低质量的数据中提取可以 scale 的地方，而不是去 scale 高质量数据。这个结论跟我去年完全不一样。 张小珺 嗯。 Lindon Gao 当时 Dyna-1 做出来，本质上用的是最高质量的数据。我们当时会做非常多 A/B test，发现最高质量的数据本身就可以训练出最好的模型。 张小珺 嗯。 Lindon Gao 所以当时我跟团队说：“Need to go all in on high-quality data。” 张小珺 嗯。 Lindon Gao 然后我们就这么做。可是我也和业界很多 LLM、video generation 模型的人聊，当时我有选择地想听我想听的东西。他们会说：“我们当时在预训练的时候做了一些 ablation study，把一些数据拿出来之后，会发现预训练变得更好了。”我就用这些观点跟团队说，high-quality data 是最重要的。 可是后来我们开始做 workflow 的时候，发现最重要的是模型本身能不能获得最 diverse、最广泛的人类经验。等我们达到 internet-scale 数据之后，再做 ablation study、再去 distill 这个数据才有意义。 张小珺 嗯。 Lindon Gao 在没有达到这个前提的时候，做太多 quality optimization，我觉得不一定是第一性原则。 张小珺 嗯。 Lindon Gao 至少从语言模型的角度看是这样。所以当时我们在这方面转变想法之后，就去思考未来3年、5年、10年，最终的机器人数据形态会是什么样子。 张小珺 嗯。 Lindon Gao 我们想来想去，都想不到任何比 egocentric 或者 exocentric 数据更好的最终形态。 张小珺 嗯。 Lindon Gao 因为如果我们要去买 teleop，或者买 UMI，或者买一些不是 egocentric 数据的形态，我觉得某种程度上是在押注机器人手不能 work。可是我们觉得行业共识应该是，robot hands 本身是一个工程问题，而不是 research 问题。 张小珺 嗯。 Lindon Gao 所以当时我们 bet egocentric，是从5到10年的维度去思考，最后觉得这是一个最大的数据集，也是最终形态的数据集。于是我们就按这个模式 all in egocentric。 张小珺 所以数据多，现在比数据高质量你觉得更重要。 Lindon Gao 对。 张小珺 你们全部是真机数据吗？ Lindon Gao 目前也有一部分仿真数据。我觉得 data mixture 没必要去说自己是仿真派还是真机派。 张小珺 嗯。 Lindon Gao 我觉得全部取决于你的 training objective。你的 goal 是什么，你想训练出什么样的模型。每个模型都有自己的 founder、自己的团队，对这件事情有不同的思考。比如 OpenAI 当时是 consumer application all the way，所以他们那时候的模型更 consumer-friendly。Anthropic 很早就决定要 bet on coding agent。 张小珺 嗯。 Lindon Gao Google 把多模态看成一件非常重要的事情。所以我觉得机器人团队对预训练想达到的能力可能有不同的分歧。 张小珺 嗯。 Lindon Gao 我觉得没有对错。 张小珺 你们是都用？ Lindon Gao 我们都用。 张小珺 哪个好用就用哪个。 Lindon Gao 对。 张小珺 哪个好用？试下来。 Lindon Gao 都好用。 张小珺 都好用？ Lindon Gao 对。 张小珺 为什么国内会把创始人分为真机派和仿真派？你觉得为什么会有这个论战？ Lindon Gao 我不知道为什么会有这种论战，也不知道国内会有真机派和 simulation 派。 张小珺 哦。 Lindon Gao 这个技术路径本身不是本质的。 张小珺 嗯。 Lindon Gao 因为这只不过是其中的用途。 张小珺 它可能是阶段性的。 Lindon Gao 对，它是一个手段。 张小珺 哦。 Lindon Gao 为什么要在手段上面下注？我觉得没有必要 bet 手段。 张小珺 哦。 Lindon Gao 我觉得最重要的是，什么样的数据集对我们来说是最终形态，这是我们长期需要 bet 的事情。如果这件事情做错了，行业变动会非常大。比如去年年初是真机派、遥操作派，去年年底大家的热情可能突然就转到 UMI。 张小珺 嗯。 Lindon Gao 今年大家可能开始聊 ego 和 simulation。 张小珺 嗯。 Lindon Gao 我觉得这条路径本身一直都会变。 张小珺 嗯。 Lindon Gao 最重要的是我们作为创始人，要想清楚最本质的事情是什么，然后在最本质的事情上下注。我觉得都没有对错。 张小珺 这个最本质的是预训练要达到什么效果、什么目标。 Lindon Gao 对。 张小珺 你们预训练要达到什么样的目标？ Lindon Gao 对我们来说，预训练的目标有两个。一个是 decrease demonstration，也就是减少示范次数，代表我可以更快部署。还有一个是 language-following 能力。对我们来说，language-following 能力是把工作流拼在一起的基本链条。 张小珺 嗯。 Lindon Gao 这是我们目前的认知，可是我觉得随着市场往下发展、变化，我们的认知可能也会改变。 张小珺 嗯。 Lindon Gao 认知可以改变，可是产品还是要作为 goal。我们最后要做到的事情肯定是落地。不管这个铺垫期有多久，我们都要看到产品最终形态，然后一直往这个方向走。 张小珺 所以什么是机器人的 AGI？你觉得机器人这个产业的终局是什么样的？需要多少年达到？ Lindon Gao 多少年达到非常难说。随着数据量的提升，还有我们在实验室里看到的一些东西，我觉得我们现在还不完全知道天花板在哪里。 张小珺 嗯。 Lindon Gao 所以我觉得这是一个非常令人兴奋的时代。每一个技术突破的关卡点，我们都可以期待下一个可能性在哪里。特别是在具身智能上面，我们目前还不是非常清楚，所以我觉得有可能很近，也有可能很远。 我觉得 AGI 的最终形态，至少从机器人角度来说，就是你给它一个非常模糊的指令，它就可以把这件事情全部做好。其实跟 coding agent 或者 general-purpose agent 的最终形态会非常类似。 张小珺 可能需要多少年？不知道。 Lindon Gao 对，我觉得非常难断定。其实用 language model 来说这件事情，从 ChatGPT 出来的那个点算起，到现在大概4年。 张小珺 嗯。 Lindon Gao 从行业来说，已经没人能想到4年之后我们能达到现在 coding agent 的状态。 张小珺 嗯。 Lindon Gao 我觉得很多科技发展，特别是 AI 领域，很多时候看起来是一个非常平坦的状态，可是突然有一天…… 张小珺 它有一个突变。 Lindon Gao 它有个突变。所以我觉得我们自己看到的一个突变，就是在 egocentric 上找到了 scaling law。这代表我们目前数据的上限非常高。 张小珺 嗯。 Lindon Gao 我们希望走到这个数据上限的尽头，看看这个尽头到底有多远。 张小珺 探高在这个智能主线上，和你们沿途下蛋的每一个场景之间是什么关系呢？ Lindon Gao 我觉得探高和沿途下蛋不是两件事，可以成为一件事情。因为探高就是在智能的每一个点、每一个维度上。比如我们现在从一个任务——去年到今年，我们的认知是以任务作为最小单元，现在扩展到了以工作流作为最小单元。 张小珺 嗯。 Lindon Gao 接下来语言能力变强、示范越来越少、泛化能力越来越强的时候，下一个阶段是否可以直接进入一个语言的状态，直接用语言告诉 robot 要做什么事情就够了？ 张小珺 还是在这个工作流，对吧？ Lindon Gao 对。或者甚至可以同时做非常多各种各样的工作流，或者机器人可以开始协同。 张小珺 嗯。 Lindon Gao 所以我觉得很难断定 scaling law 的 impact 是什么。可是我觉得按照我刚才说的这个框架，可以大概思考我们在 scaling law 的哪个阶段，机器人能赋能更多 intelligence、做更多事情。我觉得这件事情对我们来说是根本的。 张小珺 你们在 AGI 的路上会沿途下蛋多少个场景？这个有推演吗？ Lindon Gao 其实我觉得做通一个场景，就等于做通所有的场景。 张小珺 为什么？ Lindon Gao 因为一个场景本身所需要的，不管是从…… Lindon Gao 无论是 corner case、quality requirement，还是速度，我们如果能把这件事情做透，就大概知道目前技术的瓶颈在哪里。对我来说，做通一个工作流和做通一百个工作流之间，相差的其实就是一百个工作流的数据。所以，我们产品的核心其实是一个系统：数据可以进入这个系统，然后系统就可以输出一个工作流。 当我把第一个工作流打磨成型的时候，很多其他工作流的差异化其实不大。当然，每个工作流里可能会有不同的 SOP 和各种各样的 corner case。 但解决这些问题的基础思维框架是一样的。这些基础逻辑和本质的东西打通之后，剩下的其实都是数据问题。 张小珺 你看大模型行业，现在做 agent 或者 AI 应用的人，今年都觉得非常难。大家发现，大模型的某一个 skill 可能就把一个应用场景给吞噬了。你觉得机器人行业也会出现这种状况吗？比如大模型大脑团队的某一次能力跃迁，导致很多场景里的优化变得不再必要，会吗？ Lindon Gao 会。我觉得做通一个工作流本身，跟你说的情况没有什么特别大的冲突。比如说 Anthropic 做出了 coding agent，难道就代表他们只做 coding agent 吗？其实不是，因为他们在 pre-training 上做了很多功夫，在 post-training 上也下了足够大的功夫，才把 coding agent 落地。 他们可以用同样的框架，把 agent 落地到其他场景，比如 Excel 或者其他应用场景。对我们来说，做通一个工作流并不代表我们不做 pre-training，也不代表 pre-training 只针对这一个工作流，而是我们的 pre-training 一直都是最广泛、最有泛化性的。 我们的 post-training 是唯一“下蛋”的地方，就是在 post-training 上面验证是否可以把这个工作流做通，并且在做这个工作流的过程中，探索有哪些瓶颈需要继续引导 pre-training 的方向。 所以我们的 pre-training 数据集应该是最广泛、最 general 的。在持续 scale 的过程中，比如 scale 到 1,000 万个小时之后，我们的 pre-training 仍然会非常广泛。那时候对 post-training 的影响有大有小，我们还不知道。 但我们至少知道，在上一代的基础思维框架、上一代的 checkpoint 和数据量下，我们的智能体是什么样子，瓶颈在哪里。到了下一代，有些瓶颈可能会消失，有些可能还会存在。我们在探索整个工作流的过程中，大概就能知道哪些问题可以通过预训练解决，哪些不可以。 张小珺 哪些问题是不可以通过预训练解决的？ Lindon Gao 有很多。比如刚才说的 corner case，一次抓两个 napkin，导致总体产出大大下降，我觉得这个问题是预训练解决不了的。 但比如把 napkin 放进 bin 里的某个位置，能不能摆放整齐，这件事完全可以通过语言来解决，可以通过预训练解决。 张小珺 我们说 robotics 的终局很难预测。你觉得现在到了哪个阶段？ Lindon Gao 我觉得讨论这个问题不是特别重要，重要的是机器人什么时候才能真正给人类带来价值，真正达到 scalable product-market fit。我觉得我们离这段距离其实不远。 从我们自己的产品和战略方向来说，我觉得还有一到两年。 张小珺 一到两年。它可能在某一个场景里实现 PMF？ Lindon Gao 我觉得在场景里实现 PMF，已经是可以落地、可以形成的事情了。我们把工作流做通，可以同时做 10 个、20 个工作流，我觉得这些场景是可以走通的。 我觉得 ChatGPT moment 是任何人都觉得它有用。GPT 最大的 aha moment，就是它对任何人都有用。每个人都有自己的主观问题和思维，但 GPT 对每个人都是通用的。 问题就在于，机器人是否需要、是否可以达到通用这个级别。可能绝大多数人把机器人通用理解为 physical AGI 已经解决了。 但从我的角度看，这是一个产品定义问题。我觉得机器人不需要达到通用智能，每个人也可以用得上。 张小珺 通用就可以被每个人用上。比如说，可能是什么样的形态？ Lindon Gao 我只能说到这儿，这是我们接下来几步的战略思考。但我觉得机器人本身是一个智能体和一个产品形态，而不只是一个智能体形态。 张小珺 不只是一个智能体形态，意味着你觉得光有智能不够，对吧？它也需要是一个产品。 Lindon Gao 对。 张小珺 它不一定需要智能达到无限的上限，但是需要基于当时的智能做出一个产品来。我可以这么理解吗？ Lindon Gao 对。更好的例子是 ChatGPT，它是 2022 年 11 月出来的。 张小珺 对。 Lindon Gao GPT-3 是 2020 年 6 月出来的。从 GPT-3 到 ChatGPT，其实就是 GPT-3 到 GPT-3.5。模型层面上，不管是模型大小还是数据量，都有变化。但 GPT-3 当时的产品形态是 API。 当时有成千上万的开发者可以使用它，也有一些公司，比如 Jasper，成功地把 API 变成了自己的产品。但我觉得 GPT-3 到 ChatGPT 本质上的变化是产品变化：从 API 形态变成了浏览器聊天的形态，才达到了非常强的用户增长。 我不太清楚，如果是 GPT 的形态直接发布，能不能达到 ChatGPT 那么大的用户群，但我觉得产品形态是不可忽视的。 张小珺 是的。当智能达到某一个状态的时候，产品形态也会跟着变化。这几年 agent 的形态一直在变化，它的外壳始终在变，去匹配当时的智能水平。 Lindon Gao 对。所以我们在智能体本身下了非常大的功夫。无论是我们的 egocentric scaling law，还是 research，比如 whole-body control；无论是 workflow、language steerability，还是 reasoning、embodied reasoning，我们都特别关注，而且在每个维度上都有很大的突破。 但本质上，我们所有在做的事情，都是为了最终的产品形态。所以我们团队对方向是非常有方向感的。 张小珺 产品的最终形态，你还不觉得它是人形机器人，对吧？那是什么样的呢？ Lindon Gao 你可能会觉得产品的最终形态是一个机器人的形态，但我觉得它不是一个机器人形态，而是一个如何使用机器人的产品。 张小珺 这是什么意思？ Lindon Gao 现在不方便说，我们后面有机会再访谈的时候可以细说。 张小珺 今年你们还不会发这个产品，是吧？ Lindon Gao 对，还不会。 张小珺 那什么叫做人和机器人交互的形态？人怎么使用机器人的一种形态？ Lindon Gao 我觉得，让每个人都能使用机器人，或者让每个人都觉得这个机器人产品对自己有用，不光是硬件，而是产品体验。 张小珺 但是你不是说你们要做 B2B 吗？ Lindon Gao 对，是 B2B。 张小珺 你们也要做 To C 吗？ Lindon Gao 没有，就是 B2B。 张小珺 B2B 能到每个人手里吗？ Lindon Gao 我觉得可以，而且不需要太久。你可以期待一下我们的下一个 release。 张小珺 是下一个，而不是这个？ Lindon Gao 对，不是这个。 张小珺 哦，B2B、To C？ Lindon Gao 我觉得现在不用猜测了。 张小珺 你觉得最终的形态也不是人形机器人吗？我是说人和机器人的交互。 Lindon Gao 从硬件角度来说，是否是人形机器人，最重要的回答其实是一个 ROI 问题。我加上这两条腿，能不能带来更高的价值？这个价值是否远远超过做这两条腿的成本？ 张小珺 你说你们是 product research。对于机器人大脑的 research，你觉得你跟其他公司有什么不一样？比如 Physical Intelligence、Generalist 或者 Google DeepMind。 Lindon Gao 没有本质区别。我们也是在想办法让模型能力泛化，如何 crack physical AGI，如何让 language steerability 能力更好，或者让模型通过 few-shot demonstration 做得更好。本质上没有任何区别。 张小珺 所以你们也做机器人大脑，对吗？ Lindon Gao 我们一直都在做，从第一天就开始做。 张小珺 那为什么业界一说 Dyna，就会本能地觉得你们更多是做本体、做场景？你觉得这是一个误解吗？ Lindon Gao 对，这是一个非常大的误解。我觉得可能是因为刚开始做 PR 的时候，我们没有花太多时间解释。我们推出 Dyna-1 时，是以落地为核心来讲这件事，解释为什么做 Dyna-1，因为我们想落地。 但本质上，我们是一个 heavily research 的团队。如果不是 heavily research，我们也做不出 Dyna-1 的突破。 从我们的角度来说，我们一直觉得智能体是落地的瓶颈，需要提高智能体，才可以真正落地。我们只不过是在提高智能体的同时，也把落地变成验证智能体的闭环。 张小珺 你的时间分配在哪方面更多，落地更多，还是大脑和 research 更多？ Lindon Gao 我的时间更多分配在战略和团队上。我个人的时间分配在哪个项目上，并不代表那就是公司的重点。从公司的权衡角度来说，90% 的 capacity 都在智能体上。 我们把落地的 engineering infrastructure 做得足够简单，所以对我们来说，落地没有大家想象的那么困难。因为我们现在已经做到任何素材源都可以用来训练一个模型，这本质上是我们在预训练上的突破。我们的预训练泛化能力很强，所以不需要很多 demonstration 就可以学习到。 第二是 infrastructure 上的突破：我们的 infrastructure 足够好，所以素材源都可以拿来训练模型。你们看到的所有落地视频、示范视频，都是素材团队做的，不是工程和 research 团队做的。 张小珺 你刚才提到去年年底团队有一个争论，到底是 research 更重要，还是工程落地更重要。后来你们找到了一个 overlap，能够让两者同时重要。你找到的交集点是什么？ Lindon Gao 当时就是打工作流。我们在战略思考上发现，任务本身不足以落地，也不足以形成商业闭环。所以当时我们发现，单纯落地还不够，时机也还没到。 那时候我们的 infrastructure 也不是特别好。我们当时选择的战略模式，内部叫“一个员工”：如果要真正达到一个员工一天能产出的价值，我们就需要把上料、下料、整理和整个工作流都做掉。 那段时间，我们把团队凝聚在一个战略点上：智能体需要提高，才能把整个工作流做完；落地团队要把 infrastructure 做得更好，才能更好地落地；post-training technique 也要做得更好、更快，才能落地一个工作流。那时候团队才凝聚起来，朝这个点努力。 张小珺 这是你过去两年一个很重要的决策，是吗？ Lindon Gao 是。当时对我们团队来说算是一场战役，是一个非常重要的战略节点。 张小珺 那我们细数一下，从 2024 年到 2025 年、2026 年的几个重要战略节点分别是什么？ Lindon Gao 2024 年可能就不说了，刚开始而已。 2025 年的战略节点，是怎么以最小的单位，也就是一个任务单位，做到落地的闭环。那时候主要是 Dyna-1 周边的很多工作。我们当时对后训练中哪些因素会影响任务执行质量、速度和语言可控能力，做了很多思考。 到了 2026 年，我们就按“一个员工”这个战略来走。那时候我们知道预训练模型需要往哪个维度泛化，预训练的方向是什么，以及怎么用最丰富的数据去 crack scaling law。 同时我们要做好一个工作流，需要增强 reasoning 和 language ability；也要布局机器人本体，因为我们的第一代机器人不能动，所以第二代机器人在 whole-body control 和硬件上的布局也需要重点关注。这就是我们 2026 年的战略体系。 张小珺 再往后还不方便说？ Lindon Gao 不方便说，但我们已经看得很远了。 张小珺 再往后，是不是跟之前的场景发生了很大的变化？它应该不是在这个场景的延长线上，对吧？ Lindon Gao 我们看到的是整个市场，看到的是怎么让任何人都可以用上这个机器人。 张小珺 让任何人都能用上这个机器人，这就是下一步了，对吧？ Lindon Gao 对。 张小珺 具身智能做什么样的任务才能达到 PMF 呢？ Lindon Gao 做可以达到 ROI 的任务。如果机器人在自己的工作范围之内，可以产出比人更多的 output，就可以达到 PMF。 张小珺 你们在选定的场景上，应该能够优化到这个程度吧？ Lindon Gao 在我们选择的场景下面，基本上都可以达到。如果达不到，就形成不了商业闭环。 张小珺 现在机器人行业说商业闭环会不会太早了？为什么这么早就追求商业闭环？你们才创业一两年。 Lindon Gao 我觉得商业闭环本身不是最重要的，revenue 不是最重要的一件事。我们要把商业闭环的每一个阶段、每个问题都想通、打通。 比如 self-driving，如果你不把旧金山的每条街都跑一遍，就不知道自己的能力边界到底在哪里。所以对我们来说，要把想要设定的场景里的 corner case 都跑遍。我们大概可以把问题分成泛化性能解决的问题和泛化性解决不了的问题，然后把 deployment 和 failure 都跑通。 我觉得不光是机器人，像我上个公司 Capa，我们在落地的时候，产品已经可以铺到任何一个超市了，但我们还是花了几年时间才真正把落地打通。因为落地本身有一个 deployment flywheel，不是说智能体解决了，落地就自然能实现，完全不是这样。 落地的时候，硬件会出问题，软件会出问题，模型会出问题，运控算法也会出问题。有时候模型跑了一段时间，突然有一天发现，Dyna-1 本来一天要折 1,300 张餐巾，今天只折了 800 张，你也不知道为什么。 所以在 deployment flywheel 里，你需要 build observability stack，也需要做 support and maintenance stack。很多人可能没想到，deployment 是一个非常困难的环节，而且可能需要两三年才能真正跑通。如果你先把智能体做完，再去跑 deployment 闭环，就会发现自己落后了两三年。我以前有相关经验，所以知道我们现在可能就需要把 deployment 上的细节摸清楚。 张小珺 你说你能闻到钱的味道。你在机器人产业里闻到钱的味道了吗？在哪里？ Lindon Gao 闻到了，在我即将做的所有工作流里面，这是初期商业闭环的可能性。 以后就是我们战略的下一步，是整个市场的可能性。 张小珺 你为什么这么强调闭环？ Lindon Gao 因为有闭环才有反馈，有反馈才知道下一步该怎么走。摸石头过河本身很困难。如果没有闭环、没有反馈，不知道问题在哪里，就很难判断 research 应该往哪个方向做。 闭环可以让我在最短的时间里，大概看到接下来两三步怎么走。所以对我来说，这是一个探索接下来该走哪条路的过程。 张小珺 你是从第一天就开始有中国团队，对吧？为什么做这个决定？这是一个重要的决定吗？ Lindon Gao 这是非常重要的决定。我觉得智能体如果没有供应链，就没有办法做出世界级的机器人。 张小珺 你们在中国的供应链做到什么程度了？ Lindon Gao 我们在中国有一个四五十人的团队，专门做硬件研发和供应链。整个条件都跑通了，所以我们现在已经进入初步量产阶段。 张小珺 初步量产？ Lindon Gao 对，百台级别。 张小珺 这是工作流机器人还是上一代？ Lindon Gao 工作流机器人。上一代我没有选择量产，因为我觉得上一代本质上跑不通。 张小珺 行业里的人会说，你们去年年中之后比较低调，声音比较小。为什么？这一年主要在干什么？ Lindon Gao 我觉得有几点。首先，我们的 research bar 非常高。其实行业里很多人发布的一些东西，我们早几个月就已经完成了。比如从 language steering 层面来说，我们去年八九月份就已经做出来了。但当时我们对 bar 的要求非常高，觉得这件事还没有做到 99%，所以不想发布。 后来我们意识到，如果对 research 的 bar 要求太高，什么都不发布也不好，所以这方面有所改变。 第二，我觉得战略不清晰的时候，去发布一些我们认为是阶段性的工作，也不太符合我们的核心理念。我们发东西不是为了做 PR，而是因为觉得这个东西本质上做好了，而且背后有很强的产品、research 或工程逻辑，值得发布、值得让大家看到，我们才会发。 当时我们设定的工作流战略目标非常远，需要很长时间让团队凝聚起来实现。所以我们选择中途不发。我觉得为了 PR 讲一些片面的故事，还不如把整个故事做完再说，这样大家才能更好地理解我们为什么做这件事。 张小珺 我觉得机器人可能比大语言模型更长期，是一场长跑。你觉得在这个过程中最重要的是什么？整个产业离收敛还很远，每个人都在做不同的探索。 Lindon Gao 大家可能都觉得市场还没有收敛，但我觉得最重要的是方向：你觉得最终形态是什么样，然后朝这个方向走就好了。 张小珺 对你来说，智能和产品哪个更重要？ Lindon Gao 智能更重要。没有智能，就没有产品。智能是产品的一部分，也是产品最重要的一部分。有了智能之后，才可以真正把它产品化。 但产品会影响智能本身：智能要达到多高，才可以成为一个产品？所以两者有一定关系。不过在这两者之间，我觉得智能肯定最重要，这也是我们团队的中心。 ### The Brain And The Body 长跑中间最重要的，我觉得是产品、智能和落地。甚至从长跑的角度来看，我觉得可以看出中国派和美国派的不同。我们刚才聊到，美国觉得大脑重要，供应链以后大家都会有大同小异的硬件，最终都会解决问题；中国可能觉得大脑长期不是特别重要，供应链最重要，因为供应链非常困难。 我觉得两个都重要。但如果真的让我往 10 年后看，我觉得供应链可能更重要。因为客户最终拿到手的是硬件。量产和产品形态也很重要：大脑决定产品的下限，身体决定产品的上限。长期来说，可能会形成成本和质量之争，这是 10 年之后的事情。 张小珺 如果供应链最重要，你怎么看现在中国这一波机器人团队？ Lindon Gao 我觉得每家公司都有自己的打法，都值得参考。 张小珺 比如宇树。 Lindon Gao 我觉得宇树是一个非常优秀的公司，特别是在硬件层面。他们在硬件研发上，把 system identification 和 sim-to-real gap 做得这么小，本质上是一个非常强的突破口。我觉得他们在这方面有一定优势。 张小珺 智元呢？ Lindon Gao 我觉得智元的打法可能是，他们有一定的智能体能力，也有自己的硬件；长期可能还在思考往哪个方向走。他们有足够的资金，可以让组织维持很长时间，这本身也是战略。 他们有更多资金，容错率就更高，所以战略可以铺得更广，产品线可以更广，智能体方向也可以更发散。这本身也是他们的战略，我觉得值得参考和尊敬。 张小珺 你怎么看你们跟机器人模型公司的竞争，以及你们和中国机器人公司的竞争？ Lindon Gao 我觉得行业其实还不是一个竞争状态。的确可能有一点竞争，但大家也非常开放，愿意说自己在做什么、方向是什么，做出了哪些 research、结果是什么。 我觉得这是一种非常好的行业动态。真正有 market share 之后，才会形成 competitive dynamics。现在大家可能更多是互相尊敬、互相学习。 张小珺 你觉得什么时候会快速收敛？我现在聊机器人团队，觉得每个人都在用不同做法，离收敛期还挺远。 Lindon Gao 你说得对，但每个时段其实都有一定的收敛。 比如我们做出 Dyna-1 之后，大家在机器人成功率和执行速度上其实有了一定的收敛：我们要做出一个有用的机器人。再比如 UMI、Eagle、世界模型，行业也渐渐往这些方向收敛。 这些事情长期可能会有改变，但我觉得我们已经在一个收敛的过程中。我们大概知道哪些方向对、哪些方向不对，哪些重要、哪些不重要。未来一两年，有机会看到更收敛的模式，大家可能会在模型架构、数据和能力上都逐渐收敛。 张小珺 你怎么看机器人本体和大脑的关系？ Lindon Gao 我觉得两个都非常重要。大脑是机器人的下限，本体是机器人的上限。 张小珺 这个跟很多人的观点相反。别人可能会觉得大脑是上限，本体是下限。 Lindon Gao 大脑决定这件事到底可不可以做，硬件决定这件事到底能做得多好。这是我的看法。 这件事能做还是不能做，是大脑决定的；这件事能做得多好，某种程度上是硬件和运控决定的。比如一天折 1,000 张餐巾，如果数据、运控和硬件能力允许，我的动作可以更快、更精确。 两者都非常重要，而且大脑和本体的关系非常紧密，很难拆开分析。本体本身有 vision，有 camera、proprioception 和运控。收集到的数据，尤其是遥操数据，其实也和运控有关。比如从运控上收集到的数据，用两种不同的运控算法，就可以训练出两个非常不一样的模型。 一个模型可能让机器人非常丝滑、非常漂亮，另一个可能让机器人表现得非常糟糕。所以我很难想象，在真正做 B2B 落地场景时，如果你不拥有机器人本体，很难达到想要的质量和速度效率。 所以我觉得两个都重要。 张小珺 那你觉得应该是大脑驱动本体，还是本体驱动大脑？ Lindon Gao 我觉得是大脑驱动本体。这是我们团队里经常讨论的一个 dynamic：硬件的定位一直都是 research 团队给出来的。比如 camera 需要多少 FPS，需要 global shutter 还是 rolling shutter，camera 的角度需要多广，都是 research 团队来界定。 所以我觉得需要从 research 的角度去定义身体。 张小珺 如果大脑有一个提升，这一代硬件会不会就不 work 了，需要整个替代现有的硬件方案？ Lindon Gao 我觉得不是大脑提升导致硬件本身不 work，而是大脑提升之后，硬件可能就达到上限了，就是硬件已经没办法做大脑想做的事情。 最简单的例子是，大脑可以跟世界级乒乓球选手打球，但身体跟不上，那就被硬件限制住了。 张小珺 所以我在想，现在做全栈会不会太早？大脑的问题还没解决完。 Lindon Gao 我觉得不早，因为本质上是一个共同开发的过程：智能体需要什么样的硬件来配合它？大脑进化的时候，硬件肯定也会持续迭代。硬件本体至少需要迭代三版，才能真正进入量产、进入场景。 而且我觉得现在供应链还没有完全收敛，硬件本身仍然有很多问题。如果三年之后才开始做硬件，就少了三年迭代的时间。那时候大脑问题解决了，你再去定义硬件，的确可能定义出更好的硬件，但不代表那时候的硬件就能落地、能量产。 张小珺 你们会把那个夹爪换成灵巧手吗？ Lindon Gao 会。 张小珺 在哪一代？这对你们的场景重要吗？ Lindon Gao 目前来说不重要。我觉得最重要的是，什么时候换要看灵巧手什么时候 ready。我觉得现在的灵巧手还没准备好，不能拿来做落地。 张小珺 你现在有没有一个很困扰的问题，作为 CEO？ Lindon Gao 困扰的问题是阶段性的，每个阶段都有不同的问题。有的阶段是人的问题，有的阶段是融资的问题，有的阶段是战略的问题。但我觉得没有一条长期困扰我的主线。 如果长期都有一个困扰，那可能是问题本身太大了，我解决不了。 张小珺 最近呢？ Lindon Gao 我在思考怎么拿到更多数据。 张小珺 这应该是所有机器人公司都在想的问题，对吧？ Lindon Gao 对，但我觉得我们的上限可能比别人高一些，因为我们能训练的数据更多。所以采购可能是我在想的一个问题。 张小珺 现在采购数据有什么比较好的来源吗？ Lindon Gao 没有，我们都可以用。 张小珺 从 Dyna-1 到 Dyna-2，你们的技术路线有变化吗？ Lindon Gao 本质上是非常大的改动。不管是模型架构、预训练数据集、reasoning，甚至硬件都有变化。我觉得我们脱胎换骨，变成了一家新的公司。 张小珺 中间有没有什么比较 struggle 的时候？ Lindon Gao 最 struggle 的时候，就是我们对自己走的这条路有一些困惑，没有看到战略的下一个节点应该往哪里打。 张小珺 这是去年几月份？ Lindon Gao 就是去年年底那一次。 张小珺 为什么当时会困惑？ Lindon Gao 当时觉得落地任务本身没办法形成商业闭环。我们需要选择押落地，还是押 research。后来我们选择把两者凝聚在一个点上打，这是当时收敛的结果。 张小珺 所以希望工作流场景既能满足商业化闭环，又能提高智能上限。 Lindon Gao 对。 张小珺 截止到现在，达到这个目标了吗？ Lindon Gao 我觉得达到了。 张小珺 下一阶段你们要做的，是还不能说的事情，而且已经脱离这个工作场景了。 Lindon Gao 对。 张小珺 你们账上钱多吗？ Lindon Gao 挺多的。 张小珺 能支持机器人模型研发吗？ Lindon Gao 完全可以。 张小珺 机器人模型研发，你觉得需要多少钱？ Lindon Gao 我觉得绝大多数的钱都花在人、算力和数据上。下一个阶段，我们大规模扩大数据的时候，需要更多资金。但从上一个阶段到现在，我们没有烧太多钱。 张小珺 这个可以认为是 Dyna 1.0，对吧？就是完整的洗衣工作流。2.0 可能要用更多数据、做更大的模型，然后建一个新的场景或者范式。 Lindon Gao 算是。对。 张小珺 1.0 这个过程中，你们验证的是什么？从这个完整的阶段，到今年要发布的工作流机器人，又是什么？ Lindon Gao 我们在 Dyna 1.0 形成的时候，核心是想清楚智能体要进化到什么程度，预训练需要提高多少，以及预训练想得到什么样的泛化和语言能力，才能把一个工作流建立起来。我觉得这是我们最大的心得。 张小珺 2.0 是脱离 1.0 的叙事，还是在它的延长线上？ Lindon Gao 你说的是我们的战略下一步吗？我觉得它脱离了场景的限制。 张小珺 脱离场景限制，要讲一个更大的故事？ Lindon Gao 不是讲一个更大的故事，而是做一个更大的市场，是做一个通用市场。因为整个飞轮已经搭起来了，系统也搭起来了，剩下就是给它更多数据，它就可以学新的东西。 张小珺 也就是说，你们基于一个工作流形成了一个系统，数据能够进来、出去。 Lindon Gao 然后可以形成一个工作流出去。数据进来之后，就可以通过这个系统转化成商业价值。 张小珺 但那个场景不是一个垂类场景，对吧？ Lindon Gao 对，不是。 张小珺 这个什么时候能看见？ Lindon Gao 明年。 张小珺 明年，还是要一年。 Lindon Gao 我觉得每个战略节点真正要把这场战打完，可能需要半年到一年。我不知道具体需要多久，但我觉得这条路非常清晰。 张小珺 Dyna 的企业文化、企业氛围是什么样的？ Lindon Gao 我觉得团队的韧性非常强，可能基于我们过去的一些经历，一些方向上的起伏对我们的影响不是特别大。 第二，团队非常纯粹。我和 York 以前是做摇滚的，我也非常喜欢创业这件事，所以我们很喜欢和真正喜欢做事的人在一起工作。 机器人行业有点浮躁，大家有不同的想法和看法，而且每个阶段都会有大家特别关注的公司。但对我们来说，如果真心热爱自己做的事情，就不会被外界影响，而是心里有一张图，然后朝着这张图走。 所以我们是一个非常纯粹、非常 passionate、非常想把事情做成的团队。 张小珺 你们公司内部状态更像一个 lab，还是更像什么？ Lindon Gao 我觉得从内部架构来说，lab 的属性会更高一些。 张小珺 你创业时间很长了，你觉得现在这些新公司的组织形态，跟过去的组织形态有发生变化吗？ Lindon Gao 我觉得这是个非常好的问题。我觉得组织形态发生了质变。 在 pre-coding agent 时代，大多数大规模公司的组织都是一层一层的关系。比如像 Google 这样的大公司，可能有 10 到 11 个层级，每个层级都有自己的分工。 但在目前的 AI 状态下，我的组织明显变得非常扁平。扁平的一个好处是，我作为 CEO，或者团队里的高层，可以直接影响执行方向，可以直接通过执行层的工程师和研究人员，或者通过他们上一层的 manager，达到目的。 我觉得这是一个非常大的变化，也是一个好的变化，做事快了很多。 张小珺 所以你们现在不到 200 个人，差不多？ Lindon Gao 美国这边差不多。 张小珺 稍微多一点。为什么是这样配置？美国团队应该以 research 为主，中国团队是硬件为主。 Lindon Gao 对。美国团队 research 多一点，中国团队硬件为主。 我一直的管理理念是，通过我在 Caper 创业和 SD card 的经验，我发现更适合我的管理方式是招最精的人，做最重要的事情。 我们团队的平均素质非常高。绝大多数 IC 以前都有一定的管理经验，后来是真正因为喜欢做 IC，才选择做 IC。大家经验都很充足，所以一个 scope 他们可以自己拆解、自己执行。 人少一点，管理成本就下来了。我们不需要花特别多时间管理一个组织。如果组织里有一层一层的人，做事就会很慢，work structure 也不够 nimble。我的理念就是找最强的人，把事情做好就够了。 大家也可以更好地进入心流状态。大家都是平等的，都需要把这件事做好。我们凝聚成一颗心，就可以更快地把事情落地，跟人数没有很大关系。人数多的时候反而更难成为一颗心。我想在最小的单位里形成一颗心，然后朝这个方向走。 张小珺 你觉得这种小组织状态会维持多长时间？它是阶段性的，还是长期的？ Lindon Gao 小组织状态一定是阶段性的。但我觉得以后往更大的组织发展，可能跟 10 年前的形态不一样。以前需要 1,000 个人才能做的事情，现在可能一两百个人就可以做。 所以组织肯定会变大，但不一定需要变得特别特别大。 张小珺 也就是比以前少，但是现在已经算大了。 Lindon Gao 对。 张小珺 今年 agent coding 爆发之后，对你们行业有什么改变吗？ Lindon Gao 改变特别大。所有事情都快了很多。工程成本下降之后，就有更多空间去探索其他方向的事情。以前一件事需要一个月做，现在只需要一周，就可以同时探索四个方向。 本质上，迭代速度变得非常快了。所以刚才你问我多少年可以进入 AGI，我也不知道，因为工程效率也一直在提升。我觉得最重要的还是团队的迭代速度。 张小珺 这是你第四次创业。这次有什么不一样的感受？ ### The Founder’s Inner Work Lindon Gao 我已经慢慢理解创业是怎么一回事了。以前创业，我一直用外界的标准评判自己的成就：融了多少钱、做出了多少成就、估值有多高、客户有多少、收入有多少等等。 现在我更多是想往自己的内心走，想知道怎么做好自己，怎么把问题和底层逻辑想清楚，才能做更深刻、更重要的事情。我慢慢通过修心，可以活出一个更真实的自己。我比较喜欢这种创业状态。 张小珺 你从什么时候开始修心？ Lindon Gao 我从刚开始在 Caper 创业的时候就开始修心了，十多年前。创业本身非常困难，每一个困难节点都是一个挑战，也是一个修心的过程。 每个人都是带着自己的主观滤镜看世界。有时候转念，用另一个角度看同一件事，世界会变得非常辽阔。我可以举个例子。 我自己有一个病，叫强直性脊柱炎。周杰伦也有这个毛病，我的免疫系统会攻击自己的脊柱。当时我 18、19 岁就得了这个病，非常怨恨世界，觉得为什么自己这么不幸运，每天都要活在痛苦里。有的时候睡觉更痛，打喷嚏也痛，非常难受。 对我来说，最大的突破不是病本身好转了很多，而是我转念了。我把这个病痛看成一个 experiment：怎么改变作息、饮食和自己，帮助解决这个问题。 经过十多年在自己身体上的实验，我发现了一些规律，也把这个毛病调好了。 张小珺 所以你是从那时候开始自律的？ Lindon Gao 是的。创业其实也是这样。以前我跟投资人聊，对方完全不共频、不知道我在说什么，我就会觉得这个投资人不懂、很傻，然后继续说我该说的。 转念之后，我发现投资人的思考维度和我很不一样，他们看到的世界也值得参考。最近我跟一些投资人聊，发现以前无法接受的观点，反而给了我很多新的启发。 转念之后，你会发现这件事没有以前想象的那么难，也没那么让你不开心。把事情往正向去看，世界就会越活越辽阔。 张小珺 你刚开始跟我说会把投资人分类，会分哪几类？ Lindon Gao 每个人在意的东西不一样。有些人更在意财务，有些人更在意技术，有些人更在意本体，有些人更在意终局，有些人更在意 founders。这些是他们的分析维度，每个人在这几个维度上的权重都不一样。 张小珺 你现在还会像上一段创业一样，痛苦地读《沉思录》吗？ Lindon Gao 会。我还看了很多其他类似的哲学体系的书，包括西方的《沉思录》、中国的王阳明思想，甚至佛教和基督教的体系。 我觉得核心概念都非常相似，就是修行：怎么和这个世界相处，你跟世界的关系是什么样，怎么看待这个世界，怎么转念，怎么让自己活得更好。 当你更了解自己、更了解真实的自己，也更了解这个世界的底层逻辑，就会发现以前那些让你内耗的东西，其实没有必要内耗。 张小珺 你会内耗什么？ Lindon Gao 我会非常在意别人怎么看我。我觉得自己有点讨好型人格，所以会想：这件事如果没做好，这个人会不会讨厌我？这个问题没有想清楚，他会不会觉得我很傻？ 有的时候做完演讲，我会看视频，觉得自己怎么那样说话，还会停顿。后来我看到一本书里说，这个世界上最在乎你长什么样子的人就是你自己。 我想通这件事之后，就不怎么在乎了。大家看视频也就两分钟，看完就去看别的视频了。对我来说，当时好像非常重要，但到头来完全没有必要想太多。 张小珺 你说你现在不是为了证明自己，那你是为了什么创业？你的驱动力变成什么了？ Lindon Gao 我是想更好地活成真正的自己。 每个人刚出生的时候都非常纯真，是一种“看山是山”的状态：事情就是这样，我就该这样做。慢慢长大以后，才发现世俗有规矩，有些事不能做，做了别人会笑我，而我不喜欢别人笑我。 这有点像 Adam and Eve 吃了 the apple of knowledge 之后的状态。我觉得人就越来越变成“见山不是山”。我想活成一个随心所欲的样子，因为我觉得这才是真正的自由。真正的自由，就是你可以选择做自己想做的事情，而不在乎别人的看法。 张小珺 你一进来我就问你，帅哥创业、帅哥做 CEO 到底是什么感受，对不对？那为什么你这么多包袱？你长得很帅，看起来都很好，但我感觉你比别人更内耗。 Lindon Gao 我觉得我也不是特别内耗。我的 co-founder York 跟我说，我其实是一个非常不敏感的人。现在我越来越不内耗，也越来越不 care 了。 至于我长得帅这件事，我觉得只不过是我变得更健康了。人活得越健康，看起来就越健壮，气色和神态也会更好。我觉得这是自己越来越健康的一种状态。 张小珺 最近这次创业有什么不一样的体验吗？ Lindon Gao 非常不一样。这一次我非常珍惜创业机会，因为我本来就非常热爱创业。热爱一件事情，你就会一直想进步，想知道跟别人比起来，自己能做到什么程度。 我觉得机器人是一个世界杯。我跟很多人说过，所有行业里非常强的人都在这个赛道里。每个人都有自己的战略和打法，很多人做的事情我都非常敬佩、尊敬。所以我带着敬畏心来到这个行业，非常珍惜这次机会，想好好打、好好做，也希望在这个过程中活得更辽阔、提高自己的能力，把匠心和 craft 做好。 另一个非常不一样的地方，是问题的复杂性特别高，也非常挑战我个人的方向能力。对我来说，这是一个更高的挑战：怎么在一个非常浮躁、困难、复杂，而且技术还没有收敛的环境里看清一条路？这很有挑战，但我非常喜欢，觉得是一件非常有意思的事情。 张小珺 看清一条路，有时候会觉得迷雾笼罩吗？ Lindon Gao 我觉得整个行业一直都是迷雾笼罩。但如果能在迷雾里探出一条自己的路，我会非常有成就感。 张小珺 你觉得外界对 Dyna 说得非常准的地方、不准的地方分别是什么？ Lindon Gao 非常不准的地方，是觉得我们是一家 deployment 公司。其实从第一天开始，我们就不是把 deployment 作为公司的核心观点。 说得比较准的地方，我觉得是我们做的东西有价值。 张小珺 你觉得这次创业到什么样的结果会算成功，什么样的结果会算失败？ Lindon Gao 成功的定义非常难定。从公司的角度来说，如果能让每个人都有机会用上我们的机器人，我觉得就是成功。 我自己定义的失败，是修行的失败。如果我真的认为这件事失败了，那我就失败了。这是一种心理状态。 张小珺 修行。那你会有什么仪式吗？除了自律，比如会冥想吗？ Lindon Gao 修行是一个长期的过程。修行和冥想不是完全同一个体系，但冥想会帮助修行，因为冥想可以让脑袋静下来，好好思考事情。 我觉得修行是你对这个世界的看法。每到一个节点、遇到一个 challenge，其实都有办法解决。有些难关可以通过改变别人、改变世界来渡过；有些难关没办法靠改变别人和世界来解决，那就是你自己的难关。如果是自己的难关，就要靠修行去超越。 张小珺 你有过通过改变自己来渡过的难关吗？ Lindon Gao 非常多。 张小珺 最近两年有吗？比如说？ Lindon Gao 我觉得战略迷失的时候，对我来说就是一个非常大的挑战。当时我怎么都想不出来。 张小珺 是去年年底吗？ Lindon Gao 对，去年年底。我当时怎么都想不出来，团队也会问，我们到底在往哪个方向走。后来我放下了一些心里的包袱和干扰我的噪音，才能真正用非常清澈的思维去解决问题。 很多时候解决问题不是靠工作时长。我是从投行走过来的，一周工作 100 到 120 个小时当时是常态。但我发现很多东西不是靠时间堆出来的，需要换一个思维模式才能解决。 张小珺 你是通过屏蔽很多噪音、扔下很多包袱？ Lindon Gao 对。 张小珺 你的包袱是什么？ Lindon Gao 要做一个不犯错的 CEO 的包袱。我当时非常怕犯错，因为我也算是成功过一次的创始人了。我觉得大家都是冲着我的经验来的，所以我不能犯错。 但我觉得在这个包袱下，很多决策反而变得不明智，甚至是为了不犯错而做的决策。为了不犯错而做决策，本质上就不是一个好的决策。 张小珺 我看到你之前还说过一句话，你要证明自己不是昙花一现。 Lindon Gao 对，那是我以前的包袱。 张小珺 你现在还有这种想法吗？那其实是一个自我证明式的想法。 Lindon Gao 没有。那是外界对你的评判，现在外界怎么评判我不重要。 张小珺 所以你是在去年底度过了这个心理状态。感觉去年底对你来说很重要。 Lindon Gao 去年底到今年初吧。度过这个状态之后，我发自内心地感恩。这是度过之后第一个对我影响非常大的情绪。 我感恩我的老师、团队、妻子和孩子。因为在那个状态下，他们都非常支持我，陪我一起创业，真的支持我到底。我当时作为 CEO，为了不犯错做了很多错误的决策，但你们还是愿意包容我、扶持我，把这件事做完。所以我特别感恩。现在这个状态对我来说非常好。 张小珺 你去年做了什么错误决定？ Lindon Gao 我觉得战略方向不是特别清晰，对公司文化也没有花很多时间打理。所以团队凝聚力不够，导致一些该押的项目、该做的事情上，做了一些不够符合第一性原则的技术选择，浪费了团队的一些时间。 张小珺 这跟落地和 research 有关系吗？是这两者之间的二选一吗？ Lindon Gao 没有特别大的关系，而是战略的下一步没有想好，就开始看别人在做什么，也觉得自己要赶上。 张小珺 所以缺乏了自己对市场的判断和第一性原则的思考。 Lindon Gao 对，导致团队处在一个飘动的状态。大家说要看这个，我们就去看这个；大家说要看那个，我们又去看那个，被带来带去，非常难受，一直被市场带节奏。 当我们真正找到最本质、对自己非常自洽的方向之后，整个团队就开始收敛，变得非常稳定，momentum 也特别强。这个过程是大家一起走过来的。 有些自己心里的关，需要别人帮你一起度过。每个人进入难关的时候，其实都是碰到了自己认知的天花板。天花板上面是什么，你是不知道的，因为那不在你的认知范围之内。 有些时候我是通过自己突破的，有些时候非常难，需要别人提醒、启发我。那时候身边有老师，有非常爱我的人、爱我的团队，大家在一起，我才知道这条路应该这么走。 张小珺 我觉得念头很容易发散出去，念头怎么收回来？你学会了吗？ Lindon Gao 我可能还没有达到一个能用语言简单描述的境界，去说清楚我对这个世界的改变和理解。 但我觉得念头的根源，可能是你是否能对这个世界发出善意。如果你一直从与人为善的角度走这条路，我觉得可以走很远。可能说得有点抽象。 张小珺 就是不要去证明自己的某种 ego。 Lindon Gao 对，真正去了解自己，了解自己到底是什么样的人，了解“见山是山”和“见山不是山”分别是什么状态，然后慢慢把迷雾打开，发现最纯粹的自己。我觉得这是一种心境。 张小珺 你今年变化了，经历了一次内心的脱胎换骨。 Lindon Gao 对，我今年有非常大的变化。 张小珺 这对创业者来说常见吗？就是在创业旅途中不断看见自己，然后做出改变。 Lindon Gao 我觉得这是一条道。每个人都有自己的道路，也都有自己最向往的方向。有些人追求物质层面的成就，有些人追求内心层面的成就。 每个创业者都会遇到难关。遇到难关时，是通过改变世界来解决，还是通过改变自己来解决，每个人都有自己的走法。我觉得如果是通过改变自己的念头、改变自己看世界的滤镜来走创业这条路，可能会更长久。 创业是一个非常漫长的过程。在这个长跑中，如果没办法提高自己，让自己做的事情越来越坚定，就很难坚持。所谓内耗，就是精神无法支持你，没有足够的体力跑完这场 marathon。 张小珺 而且这个马拉松不一样的地方在于，你不知道终点在哪里。 Lindon Gao 对，所以你就是一直在跑。这是更困难的一件事：你不知道要跑多久，还一直在这条路上跑，也完全看不到终点，不知道终点在哪儿，也不知道前面的路是什么样子。 那时候怎么稳定心态、继续跑下去，我觉得是每个创业者，至少在机器人行业里都要面对的事情。 张小珺 是的。我感觉好像你开始跑的那一刻反而没那么难，但是到了旅途中间，看不到终点，也看不到四周的时候，最痛苦。 Lindon Gao 对。 张小珺 但是你去年创业才一年多，为什么这么快就遇到这个难关了？ Lindon Gao 难关本身跟时间没有绝对关系。每个人在不同节点、不同阶段都会有自己的难关。有些人选择不说，有些人觉得没有那么严重。 我渡过这个难关，可能从外界看来不是什么 big deal，只是一个简单的战略模式改变。但在当时的精神状态和我对世界的认知下，对我来说就是一个非常难的难关。 而且渡过这一次难关，不代表以后不会再遇到难关。我觉得每个人都在渡难关，只不过是自己怎么认识这个难关。 张小珺 假设你这次创业不如上次创业的结果，你会怎么想？ Lindon Gao 其实还是一样，放平心态。本质上我是来赢的，我希望好好打这场世界杯。如果我打出了自己的风采，打出了最纯正的自己，打得尽兴，我就已经非常开心了。 人生不能一直看着终点，因为一直看着终点，就没办法享受过程。我们一直都在旅途上，每个节点只是一个 checkpoint，不是 goal。 如果没办法享受旅途，只一直看着终点，就会觉得这段旅途非常煎熬。可能这就是我转念之前的想法：一直盯着结果，一定要把事情做出来、一定要怎么样，反而让我不能享受这个 process。 掉进一个坑，爬出来，再掉进一个坑，再爬出来，我觉得这就是很多创业者要走过的路。 张小珺 最后几个快问快答。一个全球范围内你喜欢的食物。 Lindon Gao 如果只说一个，就说福州的拌面、扁肉吧，这是我家乡的东西。 张小珺 一个全球范围内你喜欢的地点。 Lindon Gao 我老婆和孩子在的地方，我都喜欢。 张小珺 你小孩多大？ Lindon Gao 我有三个女儿，一岁、两岁、三岁。 张小珺 那你结婚很早啊。 Lindon Gao 没有，我是 30 岁的时候结婚的。 张小珺 一个少有人知道但必须知道的知识点，可以是一个冷知识。 Lindon Gao 修心算吗？ 张小珺 每位嘉宾都会给观众朋友推荐一本人生必读书，希望它真的对你的人生产生过影响。 Lindon Gao 那就是《人生只有一件事》。 张小珺 你心目中影响机器人进程的几篇论文？ Lindon Gao 我觉得有 Jason 的一篇论文。这篇论文重新定义了机器人未来自我学习的形态，也是我认识 Jason 的一个主要原因。 张小珺 以你当下的认知，一个关键的重要 bet 是什么？ Lindon Gao Infrastructure。 张小珺 你们花了很大精力做基础设施，是吗？ Lindon Gao 很重要，因为模型迭代的速度，以及模型在 scale up 过程中的范围，我觉得都非常重要。 张小珺 我们工作室叫“语言即世界工作室”。你第一次听到这个名字的时候，在想什么？ Lindon Gao 从机器人角度来说，机器人感知这个世界，其实就是通过语言和视觉。所以对我来说，这两个模态对机器人来说都非常重要。 张小珺 世界就是 vision。 Lindon Gao 对，世界就是 vision、物理属性和所有的 sensory inputs。语言就是机器人对这个世界和语言的认知，把语言变成 action。 张小珺