152: 千寻智能韩峰涛：具身模型淘汰赛和落地的非共识

刚开始毕业那时候其实还是比较懵懂，第一份工作选国家核电，去了之后日本的福岛核电站就炸了嘛。因为这个市场空间太小了，工业机器人在 2024 年全球一共卖了 50 万台，平均一台 2 万美金，也就 100 亿美金的市场，相当于理想汽车卖半年的车。怎么黑？发一些水稿吗？找一些水军去留评论吗？对对对对，还有人黑我跟高阳不和，这是我听过的最离谱的黑点。这个行业内还有很多投资人在说，2026 年是具身落地的生死之年，落不了地这个行业就没了，我们是非常不认同这个观点。具身的核心还是模型，2026 年模型是爆发的元年。

欢迎收听晚点聊，我是曼琪。本期嘉宾是新近完成近 20 亿元融资、估值突破 100 亿元的具身智能公司千寻智能的创始人和 CEO 韩峰涛。此前千寻的联创高阳也两次做客晚点聊，分别是第 112 期和第 148 期。90 后的高阳从伯克利回国后加入清华叉院，是典型的新锐 AI 技术力量；和他搭档的 80 后韩峰涛，则代表中国具身领域的另一条路。他是一位在 2016 年第一轮 AI 热潮时开始做智能机器人的创业老兵，见证过被抢着要份额的热潮，正如现在的具身赛道，也一度背负个人连带债务。

这期节目我们回顾了过去 15 年韩峰涛亲历的中国工业机器人、智能机器人再到具身智能的变化，也聊了近期具身领域数笔大额融资背后的行业转折和 2026 年的竞争主题。我们提到了一次 VLA，零次世界模型，但提到了好多好多次客户，这是韩峰涛的肌肉记忆。但他也反复说，2026 年不会是具身行业的落地生死之年，而是具身模型性能快速爆发的一年。这是一个经历过上一轮起伏的创业者转变的决心。我们正式进入本期节目吧。

嗨，峰涛，欢迎做客《晚点聊》。你可以和我们的听友简单打个招呼，做一下自我介绍。

大家好，我是千寻智能 CEO 韩峰涛。

这次采访之前，我特意去看了一下微信记录。我们是 2020 年 6 月加上的，那个时候你正在做上一次创业，对吧？

对，那时候我在珞石，是珞石的 CTO，也是联创。

这一次你刚一官宣创业的时候，我就从朋友圈看到了，应该是 2024 年 4 月的一条朋友圈。你写得特别有历史感，所以我当时就截图保存了。我可以先念一下，因为我觉得这正好是你自己的经历和中国机器人行业脉络的一个简要概括，我们后面可以顺着这个展开。

你当时写的是：

“十五年前，就是 2009 年，一边在实验室里敲着神经网络、遗传算法、蚁群算法的混合算法，一边看所里研究的人形机器人学会打乒乓球。

九年前投身于机器人创业大潮，见证了中国工业机器人产业链的崛起。

六年前，力控协作机器人和 3D 视觉引领了第一次智能机器人热潮，中国机器人产业开始从进口替代走向自主创新。

两年前，GPT-3.5 发布，填补了 AI 在通识领域的空白，第一次真正意义上具备了开发通用智能机器人的全栈技术基础。

一个月前，Figure 联合 OpenAI 展示了具身模型和机器人深度融合后的惊人效果。

两天前，波士顿动力发布了全新的电动 Atlas，再次为世界树立了机器人技术的新标杆。

今天，Spirit AI、千寻智能汇聚了一群充满创造力与激情的科学家、工程师和连续创业者。我们致力于创造行业领先的通用机器人和下一代具身大模型与学习算法，驱动世界迈入智能机器人的新时代。”

非常豪言壮语的一个宣言。我们可以从头来聊聊这个经历。你当时也提到，十五年前你就在做机器人，当时行业和技术是一个什么情况？

1. 机器人研究的起点

我 2008 年到 2011 年在浙大控制学院读研究生，当时我的专业是模式识别与智能控制。我的导师是国内最早一批研究神经网络的，这当然也来源于我本科的时候搞足球机器人。

那时候我们买不起那么好的机器人，就用一个大概 15 厘米乘 15 厘米的立方体小车，用高尔夫球来模仿足球，然后在桌子上大家踢。所有规则都是手写的，其实很痛苦，因为手写无法涵盖所有 corner case。

所以读研的时候，我们就想，从传统自动化或者现代控制的角度，有没有更好的控制方案。一看有个专业叫模式识别与智能控制，一听就觉得很好，于是选了这个专业。

当然进去之后才发现，那时候神经网络正处于一个低谷期，几乎没有人搞神经网络，大家都觉得神经网络已经没什么可搞的了。我们那时候甚至有人开始把多层神经网络简化成一层，把多个神经元简化成一个神经元，用单个神经元搞控制。大家就开玩笑说，单个神经元不就是一种 PID 吗？

所以我 2011 年毕业的时候没有赶上深度学习第一波。到 2012 年年底 AlexNet 出来，2012 到 2013 年，深度学习直接在全球引爆了这一波热潮。

但你确实也没赶上，因为毕业之后暂时脱离了机器人和 AI 这个行业。暂时脱离这个行业，是因为找不到工作吗？2011 年时中国机器人行业是个什么情况？

那个时候，国内搞机器人的很少。工业里面，像埃夫特，我不知道你有没有听过这家公司。

我知道。

埃夫特是 2008 年开始做的，埃斯顿是 2010 年开始做的。汇川这种做自动化的公司，大概在 2013 年左右开始做机器人。

所以那时候其实很少有机器人的岗位。我们那个专业，客观讲，那个时候确实找不到工作。

你当时没有想过要去创业吗？

当时还没有。那时候创业比较多的是第一波智能硬件，2010 年前后有同学出去创业，但那时候我对创业这件事的认知还不够清楚。

而且我确实对智能硬件做得不太多，第一我对它不太熟，第二我还是对机器人感兴趣。

你从小是学霸吗？

还行，班里基本上排前三十五吧。但是我确实不是那种非常努力的人。

上高中的时候，我们是军事化管理的学校。每周有半天让大家出去买东西、洗澡、吃饭，我那半天一般都是去网吧泡着，然后泡到晚上 8 点集合，7 点 55 分我就跑回教室。

你什么地方人？

我在河北正定，读的是河北正定中学。正定就是常山。

常山赵子龙待的地方，我知道赵子龙。

我老家是长坂坡。

河北的高考也挺难的，竞争挺激烈。

国内高考其实最难的还是山东，我觉得河北能排第二。

那你本科去的是什么地方？

华科，华中科技大学。

所以你在华科的时候，其实是自己给自己找了很多事儿，比如参加机器人比赛，对吧？

对。我当时搞学生会，参加机器人比赛，组织骑自行车，从武汉骑到石家庄，去踢球，给学校拉赞助，搞外联，反正做了很多事。

在学习上投入的精力确实不多，但是我喜欢折腾。

有人问我为什么选择连续创业，除了大家原来说的“一旦开始创业就回不去”，第二个原因是，我本质上还是非常喜欢折腾的人。我喜欢有挑战，特别不喜欢做过的事情再让我做一遍，我觉得很没意思。

比如这次创业，正常来讲，我原来做硬件，这次应该去做关节、做本体，然后把它卖给做大脑的公司。但第一，这些事情以前做过，没什么意思。第二，这次创业最本质、最大的机会还是大脑，所以我们应该去做大脑，而不应该以做硬件为主。

学生时代这么活跃，为什么你的第一份工作去了国企？你 2011 年毕业之后，应该是先去了国家核电，对吧？后来又去了中国机械工业集团。

客观讲，我们现在回头看，是生活所迫。我们的专业确实找不到工作，但好歹我是学控制和自动化的，核电厂这样的流程工业还是需要这类人，所以就先去了国家核电。

你当时在国家核电，包括后来去国机，是怎么又开始做机器人的？

刚毕业那时候其实还是比较懵懂。第一份工作选择国家核电，当时也比较倒霉，去了之后日本福岛核电站就发生事故了。

事故之后，全球核电站基本都不让干了。那时候我们一边把手头的项目往前推进，一边去做垃圾焚烧电站、太阳能光伏电站、风力发电和核电站。

那时候我们还在消化美国的第三代核电技术，主要工作是把英文图纸翻译成中文图，当然还要做国产化适配。这样做了将近两年，正好有个机会，国机的一位领导和我的一个朋友认识。领导说自己也在搞机器人，问有没有靠谱的小伙子可以推荐，朋友就把我推荐过去了。

我一听又要做机器人，就很开心，然后又去了那里做工业机器人。所以本科和研究生其实都跟机器人有关系，中间在国家核电大概 gap 了两年，2013 年又回到了机器人行业。

从 2009 年到 2012 年，那时候大家应该还有印象，讲的是“用工荒”，到处招不到人。所以国家特别希望发展工业机器人和工业母机，希望从制造业大国变成制造业强国。

那时候新央企、上市公司都要搞机器人，所以我又回到了国机做工业机器人。2013 年又回到机器人行业，一直做到 2015 年。

2015 年开始创业的时候，你看到了什么新的机会？那会儿你和国机的同事庹华一起做珞石，对吧？

2. 工业机器人元年

对，有庹华，还有曹华，我们三个人。我是搞算法的，庹华是搞软件的，曹华是搞硬件的。

那时候其实有两个机会点。第一个，2014 年中国大陆市场变成了全球最大的工业机器人单一市场，超过了日本。原来日本是最大的单一市场，后来 2014 年变成了中国，所以 2014 年被媒体称为中国工业机器人元年。

超过日本成为单一最大市场，一年能卖多少台？

那时候中国工业机器人还很少。我印象中 2014 年一年应该卖 8 万台，2024 年中国一年大概卖 30 万台。

在 2014 年那个时间点，全球工业机器人的总销量也没有特别多。那时候大家都说，做机器人 500 台打平，1,000 台盈利。这是 2016、2017 年大家都在喊的口号。

后来发现，500 台变成 1,000 台，1,000 台变成 2,000 台，2,000 台变成 3,000 台。现在大家一年卖 1 万台工业机器人，仍然不盈利。

对，这个市场……

那时候也在鼓励创业。中关村创业大街、3W 咖啡，有很多年轻人和投资人喝一杯咖啡就开始创业了。

所以那时候第一个看到这个机会，是因为我们做机器人，国家也支持这件事，我们又在这个行业里。客观讲，我觉得这一路从毕业到创业，其实是一个认知不断成长的过程。

一开始更客观地讲，叫“无知者无畏”。我们当时觉得，三年创业、五年上市、财务自由，走上人生巅峰，创业很简单。我们又有技术，把技术搞出来就可以卖，甚至那时候还不知道怎么拿融资。

我们第一版商业计划书是用 Word 写的，有 60 多页。我印象中还发给了君联。君联有个朋友说，现在 BP 都不用 Word 了，你们用 PPT 写就好了。

那时候确实是无知者无畏。我们觉得自己挺厉害，手头有技术，那就往前冲，开始创业。

但客观讲，我觉得过去 10 年也算见证了中国工业机器人的崛起。这一路有融资融得好、大家过来抢份额的时候，也有企业发展不顺利、投资人天天问：“你们不是搞机器人的吗？这么高科技的企业，毛利为什么这么低？今年业绩怎么没达成？”

我们见证了中国工业机器人的崛起。中国工业机器人原来整个国产市场的占有率，从 2014 年不到 3%，到 2024 年超过 50%。但总体上，工业机器人还是一个很小的市场。

你经历了这么多机器人、3D 视觉、缺陷检测，也一直在尝试用 AI 让机器人变得更聪明。这一路其实一直想做的事情，就是让机器人能干更多的事儿。只要能干更多的事儿，实际上就能创造一个更大的市场。

3. 从硬件走向大脑

对。我们原来其实在做两件事。

第一，做更好的硬件。原来的机器人没有力觉，所以那时候我们做力控协作机器人，其实就是给硬件增加功能、增加传感器。给硬件增加更多传感器，它的上限就会更高。

原来珞石做的力控协作机器人，实际上是给机器人增加力觉，就像手机原来没有摄像头，增加摄像头之后就可以拍照。增加 3D 摄像头，就可以做 3D 扫描。计算机没有显卡的时候，没法玩 3D 游戏，增加显卡之后就可以玩 3D 游戏。

有了硬件基础，我们就应该用更好的软件，让机器人发挥更好的作用。

最早的软件是用传统控制、手写规则来写的，这就诞生了工业机器人。后来在第一波深度学习热潮的时候，包括珞石，以及梅卡曼德、XYZ、阿丘、如本、非夕等，客观讲都属于第一批具身智能公司。

大家想用第一代深度学习、第一代 AI 和机器结合，让机器变得更好。包括原来我们做的缝衣服、磨刀，其实都是 AI 加力控加小脑，一起去做一些传统自动化、传统控制、规则控制无法实现的事情。

但确实受限于上一代 AI 太弱了，我们没有办法构建一个通用的大脑。

直到 2022、2023 年 ChatGPT 出来，我就看到了这个机会。大模型这次是真正的技术革命。

我以前参加过一次活动，王坚院士，也就是阿里云的王坚院士，说过一句话：真正的技术革命一定会诞生伟大的公司。

比如原来的互联网技术，从国内的三大门户网易、新浪、搜狐，到之前的雅虎，再到搜索引擎 Google、百度，然后到信息推荐，比如字节；包括移动互联网和 LBS，像滴滴、美团外卖；再到 4G 通信，开始出现短视频。

客观讲，第一次深度学习不能称为技术革命，它是技术进步。它最大的应用点，比如计算机视觉里的人脸识别，变成了一个通用的小功能点；包括一些基于 NLP 的音箱，但它不能称为革命性的技术。

所以上一代和 AI 相关的公司，并没有产生特别大的公司。虽然也有一些创业做得不错，但没有产生伟大的公司。

大模型是真正的技术革命。我觉得大家应该已经在认知上充分统一了，大模型技术是技术革命。

千寻做的事情其实也很简单，就是把大模型的技术革命从虚拟世界带到物理世界，构建一个物理世界的通用模型或者基座，未来控制各种各样的机器人去干各种各样的活。

你刚才说，第一次创业的时候把创业想得比较简单，觉得比较快就能盈利、比较快就能上市。那当时是没有看到技术上的差距，还是觉得以当时的技术也可以做一些商业化应用，只是在商业化上和想象不一样？

4. 国产替代的边界

我觉得主要是第二种。工业机器人技术是一个相对成熟的技术，我们做的工作主要是国产替代。

这不光发生在工业机器人领域。疫情之前，几乎所有中国硬科技创业都在做一件事：进口替代或者国产化替代。

包括半导体、高端零部件和设备。

对，半导体零部件、工业母机、机器人、汽车，甚至无人机、运动相机、家电，其实都在做进口替代。

我们第一次创业那一代人其实挺苦的。上面有进口厂商，品牌比你好，渠道比你好，毛利还比你高；下面还有一堆国内的竞争者跟你一起卷。

但这也算是上一代创业人的使命，给自己贴点金：至少现在去京东看，几乎所有硬科技都是国产品牌。回到家里看，进口品牌已经很少了，除了 iPhone。

我觉得这是过去 10 到 15 年，中国上一批创业者的历史使命，而且完成得还挺好。

为什么工业机器人这个门类的国产替代，并没有带来商业成功？

有些产品的国产替代，我觉得是商业成功的。某种程度上，汇川和埃斯顿总体上出货量和利润都还可以。

只是因为这个市场空间太小。工业机器人在 2024 年全球一共卖了 50 万台，平均一台 2 万美元，其实现在国产机型还没有这么贵，整个市场也就 100 亿美元。

100 亿美元是 ABB、发那科，原来说的四大家族，加上国内的汇川、埃斯顿、伯朗特机器人、珞石、非夕等所有工业机器人加在一起的全球市场规模。

100 亿美元相当于理想汽车卖半年的车，是个很小的市场，而且还是一个充分竞争的市场。所以大家某种程度上取得了商业上的成功，只是大家都不挣钱。

所以如果总结第一次创业的误判，就是你们当时出发的时候，没有特别仔细地思考商业空间的问题。

我们其实也思考了一点。最开始我们只做机器人控制器，觉得机器人控制器是机器人的核心。那时候没有 AI，我们的机器人控制器其实就是机器人的大脑。

但很快发现，第一个，只做机器人控制器，市场空间很小；第二，因为机器人是软硬结合的，所以想做好机器人控制器，一定要和本体结合。

于是我们很快就转到了硬件和软件都做的路上。

机器人控制器当时主要是软件，对吗？

是以软件系统为主，对，就是现在我们说的小脑。

自动驾驶行业大家也发现，这是一个道理。原来有很多公司说，我只做自动驾驶，不做车，以后车厂就是给我打铁的。现在发现车厂还是车厂，自动驾驶汽车也是车，所以还得软硬件都做。

这一轮具身智能创业里，也有不同选择。比如美国有一些公司，像 Physical Intelligence，就不太做本体，主要用别人的本体开发自己的大脑。中国公司，包括千寻和绝大部分同行，都是本体和模型一起做。

5. 中美创业路径分叉

我觉得一方面来源于中美创业环境不太一样。美国是有收购文化的，中国没有。

在美国，你做大脑做得好，可能直接卖给 Google、特斯拉或者其他公司，直接退出。但在中国不行，中国大厂几乎所有东西都会自己做。

所以在中国想创业，一定要先把自己做成中等规模的厂。我在公司内部说，千寻真正的敌人实际上是这些大厂，并不是这些创业公司。

大家都要想办法活下来。面对大厂竞争，只有一条路：先把自己变成一个中等规模的厂，变成“中厂”，没有别的办法。

你不能说自己账上钱多，先苟着，等技术路线收敛之后再下场；也不能说到时候我的人才好像比大厂多。这些其实都是自己欺骗自己。

创业公司只有一个优势，就是速度快。你要尽快把阶段性的技术优势，变成某个细分市场的市场地位优势。

为什么要同时做本体，才能变成一个中等规模的厂？

因为千寻智能的核心是具身大模型，是一个大脑。但最终客户能买到的，实际上是更智能的机器人。

客户不会买我的大脑，再买一个运输机器人，自己拼装。至少在行业早期，这几乎不可能，无论是最终性能还是上手难度都很难。

所以为了保证性能、客户体验，以及公司和客户之间的直接连接，保证能够直接获取客户反馈和数据，一定要有自己的硬件。

你觉得做到什么程度叫中等规模？多大算中等规模？

至少一年卖 10 万台机器人。

一年卖 10 万台，你觉得要在多短的时间里实现，创业公司才能生存？

新能源车大概用了 6 到 7 年，我觉得我们的时间可能更短，5 到 6 年。

所以我们内部的计划是 2030 年。

到 2030 年，中国整个市场能消化多少人形机器人，或者说通用机器人？你们可能也会出海，可以算得更广泛一点。

现在中国有非常多具身智能创业公司，2030 年真的能做到你说的这种中等规模的公司，能容下几家？

2030 年公司应该还会比较多。我觉得终局可能是，综合性的机器人大厂在全球也就 5 到 8 家，不会特别多。

我觉得 2030 年全球市场肯定是百万级别，千万级别不一定，但百万级别一定会有。

百万级别的话，能卖 10 万台、分一分，可能只有不到 10 家能做到这个程度，而且肯定会有二八分布，头部卖得更多。

对。头部可能加在一起，就像原来的四大家族，或者现在的手机行业一样，头部 5 到 8 家瓜分三分之二的市场，剩下可能还有很多小厂瓜分剩下的三分之一。

这个中等规模包含盈利吗？

如果卖到 10 万台，肯定是盈利的。

为什么工业机器人卖到几万台之后也没有盈利？之前大家认为卖到 1,000 台就可以盈利，最后可能一年出货上万台还是不盈利。为什么这个事情不会在具身智能领域重演？

这里面的因素很多。

第一，工业机器人现在整个出货量还没那么大。

第二，工业机器人已经属于一个行业，整体同质化非常严重。在一个行业的后半段，同质化很严重的时候，也很难盈利。

但是具身智能可以用大脑解决规模问题。中国工业机器人保有量大概 300 万台，每年新增销量 30 万台，但中国有 1 亿制造业工人。

工业机器人大家都以为很成熟，但它的渗透率其实很低。按照保有量计算，渗透率只有 3%；按照每年销量计算，渗透率只有 0.3%。

主要原因是机器太笨，只能干非常简单的活。如果用具身模型让机器变得更聪明，它可以干可能 30% 的活，数量至少会有一个数量级的上升。

这种批量生产的东西，我们可以靠规模化取胜，这是第一个原因。

第二，有了大脑之后，机器人可以从工厂走向服务领域，甚至走向家庭领域。千寻的目标肯定还是服务机器人和家用机器人。

只是在技术早期、行业早期，我们先选择一些简单场景，先从工业开始。

2024 年年底，千寻内部要给公司定一个中期目标，大家得有一个中期目标，引领大家往前跑。高阳提出了“双十计划”：10 年让全球 10% 的人拥有自己的机器人。

你想，10 年卖出这么多机器人，一定还得是服务机器人或者家用机器人，靠工业机器人是不行的。

回到这次创业的起点。你看到大模型带来的变革性机会时，除了创业，有没有其他方式去抓住这个机会？比如继续留在珞石做，或者加入资源更多的大公司？

6. 寻找人工智能合伙人

当时也想过。我甚至考虑过去做投资人，觉得自己的市场洞察能力还可以。

但后来仔细想了想，任何高科技创业，最主要的是先找到会做这件事的人。这些人都在哪里？都在创业公司，几乎不会加入成熟公司。

国内也能看到，无论是伯克利的“硅谷四子”，还是国内这些具身智能头部企业，顶尖科学家、顶尖技术人才一般都会自己创业。

我也和一些人聊了聊，发现最核心的人的问题必须先解决。创业公司的生存窗口期很短，一般是 3 到 5 年。想在这 3 到 5 年里取得比较好的身位，一定要识别这个行业的核心卡点。

只有解决这个卡点，才有可能推动赛道往前跑，获得先发优势，最终跑出来。

具身智能的核心卡点就是大脑。所以创业要先找到全球顶尖的 AI 人才。这些人才不会在大厂，也不会加入传统行业。

那时候我就开始到处寻找我的 AI 合伙人。

你和高阳后来是怎么互相找到、互相认可的？你们之前并不认识。高阳就是你刚才说的伯克利归国“四子”之一，后来才有了这个称号，对吧？

对，后来才有这个称号，刚才那个时候还没有。

这次创业，我当时考虑得更多的是：我会做什么？我会做机器人，会做一体化关节，会做整机。

但客观讲，这并不是这次具身赛道最大的机会，最大的机会还是大脑。所以我就到处找认识的人帮我介绍，谁做大脑比较厉害。

我当时微信里大概有 6,000 多个人，就从 A 到 Z 一个个去看，谁有可能帮我介绍。大家一共给我介绍了 100 多个人，我前前后后见了 100 多个人。

你从什么时候到什么时候见了 100 多个人？一共花了多长时间？

2023 年大半年的时间。有的线上，有的线下，有的是视频。

高阳是你见的第几个人？

比较后期了。我俩认识已经是 2023 年的 6 月还是 7 月，相对比较后期。

当时高阳也在找有产业和硬件背景的人。国内 2023、2024 年成立具身智能公司的时候，科学家我基本都聊过，这些公司的 CEO 高阳也基本都聊过。

我俩认识是通过一个共同的朋友，他是高阳的伯克利同学。因为当时很多人帮我介绍，就介绍了高阳。

我俩见面之后，内部开玩笑说是“双向奔赴”：他在找 CEO，我在找 CTO，正好是 AI 加机器人。

我们从见面到最后决定一起创业，大概聊了十几次。

你见 100 多个人的过程中，有什么心情上的起伏，或者认知上的变化和收获？

最大的感受就是，靠谱的人太少了，骗子太多了。

大家看到这个赛道可能要火，有的人想出来骗投资人的钱；有的人原来做了十几年 AI，觉得 AI 的机会来了，也想出来做一做，但他的技术路线和大模型其实不一样。

有的人说可以加入你，但要带很多人过来，这些人到底适不适合新公司也不一定。总之有很多种情况，靠谱的人太少了。

所以为什么见了 100 多个人？因为选择创始人、联创和合伙人，是非常重要的事情。

具身智能至少是一个 20 年的事情。我还是想做一家伟大的公司。

我第一次创业，珞石今年应该会上市，因为已经递交港股上市申请，应该会成为一家上市公司。但我觉得，在具身智能赛道，以及中美 AI 大战这个大的时代背景下，我们有机会做一家伟大的公司。

所以你要选一个能跟我们一起并肩战斗 20 年的合伙人。

第一，技术路线要靠谱。当然那时候我对 AI 的认知还没有那么多。2024 年刚开始融资时，和很多投资人聊，业界最后就说，千寻的 CEO 不懂 AI。

但那时候有一点我确定：既然是大模型的机会，那这个人一定知道怎么做大模型。

高阳通过做互联网视频训练、做大规模训练，早在 2017、2018 年就开始研究端到端自动驾驶。他既做端到端，也知道怎么大规模训练。我觉得技术上至少是靠谱的。

第二，我俩聊了十几次，其实是要确认创始团队能不能长期合作 10 年、20 年。最根本的要求叫三观一致，或者用我们另一位联创郑总的话说，叫价值观趋同。

大家最终能不能走到一起、长期合作得好，不是看吵不吵架，一定会吵架。创业过程中一定会有争吵。

最终影响公司团队会不会分裂的，是创业过程中很多考验人性的时刻。需要做决策、考验人性的时候，最终看的就是价值观。

聊到什么时候、聊了什么事情，让你比较确认你们的价值观是趋同的？

我们聊了很多东西。我觉得信任和相互认可是一步一步建立起来的。

聊大家怎么分工，聊对创业的看法，聊准备在千寻干多长时间，聊做科研和做落地的区别；还聊如果以后我们拍桌子，甚至互相骂娘，应该怎么处理；聊有分歧的时候应该怎么处理。

我和高阳聊过，他说对你的第一印象是觉得你有些像生意人，因为你说话特别豪爽，而且对很多人和事都有自己犀利的观点。后来和你聊的次数多了，他发现你也挺懂技术。

我原来也觉得自己挺懂技术，直到后来被早期投资人说千寻的 CEO 不懂 AI，所以那时候发愤图强，认真学 AI。

你对高阳的第一印象是什么？

第一，他措辞非常严谨。有时候你问他一个问题，他没有第一时间回答，会先思考一下，然后给你一个非常准确的描述。

相处多了之后，我自己总结，他是一个极度聪明、纯粹正直的人。

当然后来发现高阳也挺感性的。高阳在我们最近的年会上还被同事说哭了。

日常开会的时候，高阳情绪非常稳定。你给他提任何意见，或者指出任何需要改进的地方，他都会坦然接受，然后告诉你下一步会怎么办。

我们原来一直以为高阳是个钢铁直男，没有任何情绪。后来发现年会上高阳还被同事说哭了，发现高老师也有柔软的一面。

当你们真正决定开始创业时，整个创始团队有哪些核心共识？如果总结当时的价值观，会是什么？

因为这是第二次创业，所以公司早期要做什么、可能面临什么困难，我都和他们讲过。

关于核心共识和价值观，在公司开业、我发朋友圈那天，我们一开始只有四五个人，前两次融资都是在一个孵化器里完成的。

我发朋友圈那天是第一个办公室装修好，大家搬进办公室的时候。那时候公司有 11 个人，其中还包括一位高老师的实习生。

开业那天我讲了两个点，关于我们应该打造什么样的企业文化和价值观。

第一个是信任。一个团队只有建立信任，才会有战斗力。信任的定义很简单：当同事给你提出意见或建议时，要把同事的话当成善意，而不要过分小心翼翼或者防备。

这句话非常简单，但绝大部分公司做不到。大家一提意见，就觉得“你是不是在针对我”。

第二个是追求卓越。无论是融资市场、企业竞争，还是未来想成为一家伟大的公司，只有卓越的公司才有可能活下来，并且活得好。

当时开业我主要说了两个词：信任和卓越。

你刚才提到高阳比较正直。你觉得正直在这个行业里意味着什么做法？不正直的做法是什么？

正直很简单，就是你应该做什么，是不是你做的；你做得好不好，是不是如实向外界传达。

不正直的事情就很多了。比如技术上套用了开源技术，却说是自己做的；或者给竞争对手造谣；或者夸大自己做的事情。

浙大的校训叫“求是”，是不是尊重客观事实？我觉得这是最根本的。

无论做技术，还是评价其他公司、评价其他人，都应该基于你得到的客观事实去评价。

7. 具身智能进入淘汰赛

我的感觉是，具身智能行业非常喧嚣，尤其是过去一个月。因为这次融资过程中也发生了很多故事，有好几个投资人跟我说，具身智能未来相互厮杀的程度，会远超当年的自动驾驶、半导体和大模型，因为这个赛道的玩家太多，融资竞争也更激烈。

你指的是公司之间可能会在市场上传播别人的负面信息？

对，这已经开始了。比如找公关公司去黑别人。

怎么黑？发一些水稿，找水军去留评论吗？

对对对。还有人说我和高阳不和。

我说这是我听过的最离谱的黑点。你要说黑韩峰涛不懂 AI，我也认，我确实不如高阳懂 AI。你要说我俩经常拍桌子吵架，那肯定是没见过高阳。

所以这个点很难证明，就像问你吃了几碗粉。除非我把肚子剖开，否则没有别的办法。

竞争已经进化到这种程度了？

对。现在的竞争已经有很多不是技术上的竞争了。

你觉得这是为什么？

一般来说，这种激烈竞争可能发生在一个规模已经比较大、实际商业竞争也很激烈的行业，比如当年的手机行业，新能源汽车后期也会这样。

但具身智能绝大部分公司还没有规模化落地，整个行业还很早期。

虽然行业很早期，但大家的估值增长很快，身处一个“黎明前的黑暗”的阶段。

在这个阶段，有的人做大脑，有的人做落地，有的人走其他路线，导致对行业有不同判断的人，对技术发展的节奏判断也不一样。

投资人收到的信息很多。为了让投资人来投自己，很多人会想各种各样的办法，因为大家都看不清。

客观上肯定和行业公司特别多有关。相比大语言模型，大语言模型在 2023 年下半年，新公司成立或者启动资金的窗口就关闭了。

但具身智能在 2024、2025 年一直有新公司出现，尤其 2025 年出现的新公司，启动资金应该比你们当时融第一轮时多很多。

我觉得 2026 年的具身智能会非常像 2023 年的大模型。2026 年如果你拿不到很多钱，跑不到赛道头部，可能就没有上牌桌的机会了。

2024、2025 年拿到钱少，是因为当时完全没有投资共识。有投零部件的，有投硬件的，有投大脑的，有投具体落地的，有投大脑和身体都做的，有投传感器的，几乎所有和具身智能沾边的企业都能拿到钱，甚至有的拿到很多。

对。但到了 2025 年下半年，尤其过去几个月，行业认知迅速收敛到了要投大脑。

这里的主要原因，是制约具身模型性能爆发的核心卡点——数据——在过去几个月形成了共识，大家认为这个问题已经被解决了。

所以 2026 年是具身模型性能开始爆发的元年，也是融资爆发的元年。

2026 年如果上不了牌桌，不是头部公司，大概率新出来的公司就没有太多希望了。

你可以观察到，2025 年出来的这些公司，大部分都还在讲大脑的故事。

你们当时第一轮融资是多少金额？

第一轮只有 3,000 万元人民币。

估值是几亿元人民币？

对，3 亿元。

像 2025 年出现的一些公司，可能最开始一两轮就融到十几亿元人民币。我说的是融资额十几亿元。

对。这相当于大家的认知开始慢慢收敛，开始往大脑方向投资。

你觉得这是因为行业看到了砸资源可以出成果的信号？可以讲讲数据瓶颈是怎么突破的吗？

8. 数据成为核心卡点

在一个行业创业，首先要找到这个行业的卡点是什么。在卡点没有解决之前，要聚焦于解决这个卡点。

千寻的卡点就是数据。

具身模型其实是物理世界的大模型，也叫具身大模型，本质上还是大模型。所以首先要解决数据卡点，然后开始具身模型的 scaling。

解决数据卡点之后，要把具身模型的性能从类似 GPT-2 的水平提升到至少 GPT-3.5，具备基本能力。只有做出 GPT-3.5 水平的基模，才有可能做 ChatGPT，才有可能在这个基模基础上做出可用的 Agent。

所以第一个卡点是数据，第二个卡点是解决数据之后，具身模型 scaling 的速度够不够快。

第三个，当然是有了技术之后，能不能把类似 GPT-3.5 性能的具身大脑，批量落到某个具体应用上。

可以讲讲你们是怎么解决数据卡点的吗？

2024 年首先要选择，你面对的是仿真合成数据，还是真实数据。

我们从最开始就没怎么选择仿真合成数据。一方面是技术判断：sim-to-real gap 很难解决，很难弥补。

从其他行业也可以参考自动驾驶。自动驾驶汽车是最简单的机器人，而且自动驾驶要避免和环境接触。即使在自动驾驶里，仿真数据的比例也很少，仍然主要是真实数据。

如果连最简单的自动驾驶都基本不用仿真数据，机器人还要干活、还要和环境接触，仿真数据的可用性就会更差。

所以 2024 年我们先选择了真实数据。

真实数据当时有两个主要来源。

第一个是视频数据，让模型看网上人类干活的视频，学习一些动作和常识。高阳过去做了很多年这件事，所以那时候我们用视频数据做预训练。过去两年我们积累了 20 万小时的视频数据。

第二个是遥操作。2024 年以及 2025 年上半年，大家主流的采数方式就是遥操作。

Optimus 最开始也是遥操作。

对。遥操作的好处是数据质量高，但成本高、采集效率低，所以无法 scaling。

所以我们当时是视频数据做预训练，遥操作做微调。但还需要一种低成本、大批量采集真实数据的方案，把数据规模做起来。

当时我们就想，怎么解决这个问题？又参考了自动驾驶。

自动驾驶一开始也没有数据，和大语言模型不一样。大语言模型在数据层面吃到了互联网过去 20 多年的发展，互联网上已经积累了大量数据，只需要把数据拿回来清洗、标注，然后做数据工程和数据算法。

自动驾驶一开始也没有数据，它是先把车卖出去，一边开车一边采数。

所以我们就想，能不能让人一边干活一边采数据？

当时我们开始做可穿戴式设备。可穿戴式设备有很多种，包括 UMI、外骨骼和动捕。

2024 年 5 月左右，我们开始研究整个数采设备，以及背后的数采算法和数据管线。从 2024 年 5 月一直到 2025 年 11 月、12 月，我们迭代了 4 代、几十个小版本，一直在迭代可穿戴式设备。

可穿戴式设备刚才说了几种：UMI、外骨骼、动捕。你们是都用了，还是怎么选择？判断逻辑是什么？

现在都用。不同设备有不同的优点，可穿戴设备也有不同的数据配方。

比如 UMI 这种方式只能采集手部动作，身上的动作没法采。所以如果只是训练双臂，UMI 可以用；但如果要训练完整的人形机器人，就会缺少很多数据。

而且只用 UMI，你也不知道胳膊的构型怎么动。因为机械臂是 7 自由度的冗余机械臂，会有臂角，也会有零空间运动，只用 UMI 拿不到这些数据。

要拿到这类数据，可能需要外骨骼；如果要采集更精确的全身数据，可能需要动捕。

所以我们有一个数据配方。我们叫它可穿戴设备，不是单纯的 UMI。你可以把它叫作全身 UMI：用一些相对低成本的传感器，加上一些算法设计，让人穿上。

过去两年我们主要解决了两个问题。

第一，可穿戴设备的数据可用性。一开始这些设备采回来的数据质量很低，只有遥操作数据的 20% 到 30% 的可用性。

它低在哪里？

相当于学一个动作，可能需要 3 到 5 倍的数据量才能学会一个动作。数据维度也少，采集数据的位置精度低，视觉精度也低，所以整体可用性只有 20% 到 30%。

过去一年半，我们通过近 100 次迭代，把可穿戴设备的数据可用性从 30% 提升到了 95%。

主要靠什么方向改进？比如模型结构做相应变化，还是靠什么？

都有。

首先要设计可穿戴设备本身。比如拿一个 UMI 这样的设备，虽然简单，但其实没法干活，只能做学术研究。它的摄像头很大，夹爪也很大，而且只是非常简单的平行夹爪；它只能采集手部动作，不能采集身体动作。

所以设备本身要迭代。

数据回来之后，怎么对数据进行切段、标注、质检，整个数据管线也要做很多工作。我们现在都是用 AI 来完成。

然后是模型。因为数据质量相对比较低，怎么从低质量数据里学到更好的模型效果，算法上也要做很多创新和改进。

你们做这件事的团队，是怎么学会做这些事情的？哪些相关经验可以帮助团队做好？

我们从自动驾驶行业招了一些人，他们原来做数据工程化的经验有用。

但绝大部分还是我们的 AI 团队和机器人团队一起踩坑踩出来的。这个东西没有太多可以参考的经验：机器人的好数据到底是什么，数据该怎么处理，怎么用这些数据学习，都没有特别成熟的经验。

这个过程中，全球行业的进展有哪些地方能帮助到你们？比如 Google、Physical Intelligence、Generalist，包括 ALOHA 团队后来做的 Sunday。

很少。

直到 2025 年下半年，8 月份 Generalist 发了那篇 blog，Sunday 在 2025 年 11 月正式公开他们的设计。我们是在 Sunday 和 Generalist 公布设计、发布 blog 之后，才发现他们做的事情和我们其实很像。

相当于他们公布之前，你们已经做了差不多一年。

对，做了一年多。

我们只是觉得挺开心，原来还有人和我们做一样的事情，而且做得还不错。

你们现在的数据配比里，用来做预训练的主要数据，已经是通过可穿戴设备采集的真实场景、真实干活数据了吗？

可穿戴设备大概从 2026 年 1 月开始慢慢铺量，所以有一个数据爬坡过程。

到第二季度，可穿戴设备会有将近十几万小时的数据。到今年年底，预训练就会变成视频数据加可穿戴设备采集的数据。

我们今年要采集 100 万小时的可穿戴设备数据。

最后的预训练数据结构里，视频数据和可穿戴设备数据都要用。视频会多一些？

视频会多一些。

因为视频量更大、成本更低？

对，量更大、成本更低，同时能覆盖更多场景。

但视频数据是不是也有可用性问题？

对，所以只用视频不行，要配精度特别高的可穿戴设备。

遥操作数据主要做微调，最后再靠强化学习？

对。强化学习就是获得一些 rollout 数据，让机器人在真实场景下干活，收集 failure case，相当于自己通过 self-play 获得数据。

同样是在探索解决数据瓶颈。你刚才提到 Sunday、Generalist 这些公司，他们做的事情可能和你们方向类似，但他们在投资市场上形成的引领性影响力，比中国公司强很多。

比如你说到的这种方法，很多投资人会跟我说，这是 Sunday 开创的，或者这是 Generalist 开创的，觉得中国公司还是在 copy 他们。

对，这件事我们内部也讨论过。

在中国创业，很难说没有 demo 或者技术之外的东西支撑，就能拿到钱。但美国资本市场可以。假设 2024 年有人给我 5 亿美元，我什么都不干，直接 all in 做数据，这件事是可以的。

但在中国，如果没有 demo、没有商业化探索，可能很难持续融资。

我觉得这也是中美两国创业文化和资本环境不同，导致大家选择不同的原因。

你的意思是，千寻成立第一天就知道数据是最大的瓶颈和卡点，是集中要解决的事情，但同时也要花一些精力做 demo 和商业化探索。

如果第一天有人给我 2 亿、3 亿美元，我第一天就 all in 搞数据。

那样你的进度会更快吗？

这确实和中美融资环境不太一样。相信这件事的投资人很少。

尤其是 2024 年，你告诉投资人：“我要做具身大模型，我要做数据。你别问我商业化，也别看 demo。我有高阳的 AI 能力，也有我的硬件能力，你相信我一定能做出来。”

我觉得没有投资人会相信。

包括在今天这个时间点，我说 2026 到 2028 年会重现大语言模型 2023 到 2025 年的过程，也不是有很多投资人相信，但这件事大概率会浮现。

有的人不相信，可能是因为他们没有看到你刚才说的性能爆发信号，每个人的判断不一样。

总体上，美国对于 AI 的投资还是非常激进的。大厂一投就是几百亿美元，对于民营创业公司，先扔几亿美元让你慢慢做。

评估一下，你们大概花了多少精力和资源在突破数据瓶颈这件事情上？

80% 以上。

那剩下 20%，就是你说的 demo 和商业化探索。从什么时候开始？你们现在已经有一些客户，比如宁德时代。

9. 宁德时代验证落地

宁德时代，我们是在 2025 年元旦正式开始做这个事情的。

这里有一个行业背景。刚才也讲过，具身赛道的核心是大脑，是具身大模型。

我们看具身赛道，逻辑应该按照大模型的逻辑来。大模型分几个阶段：预训练、微调、推理，现在开始做 Agent。

具身现在还处在马上要开始大规模预训练的阶段。具身模型的能力现在基本类似 GPT-2：看起来好像有一点智能，但基于它做 Agent 或者做落地会很痛苦，因为基本能力太弱。

站在大模型角度，我们现在应该把所有精力放在基本能力提升上。有了 GPT-3.5，再做 ChatGPT，后续工作量会小很多。

2027 年，我们 90% 的精力都会放在基本能力提升，也就是 scaling、scaling 预训练。

但为什么还要做商业化？因为具身技术虽然按照大模型思路进化，但和大语言模型有一个很大区别。

大语言模型没有硬件，技术本身就等于产品。基本能力提升之后，只要增加一个对话框，就是一个 Chatbot。

机器人不一样，机器人模型只是产品的一部分。当模型快速提升、达到 GPT-3.5 时，我到底要先落地什么场景？是电池机器人、汽车机器人、保洁机器人、按摩机器人，还是零售机器人？

市场需求和机型形态要提前通过商业化探索确定。不能等到 GPT-3.5 之后再做，那时候就晚了。

所以在模型快速爬升时，要同步做商业化探索。

第二个主要原因是，大语言模型很少有私有化数据，但具身行业有很多私有数据。

比如宁德时代工厂的数据、京东中转场的数据，有很多场景不是谁都能进去采集。但如果想把机器人用到这些场景里，这些数据一定需要。

所以一方面借着商业化探索，把数据提前采集，占住数据的坑。

像宁德时代这样的客户，会允许你们把在他们场景里获得的数据用于反哺自己模型的研发吗？比如基模训练。

基模训练还是可以的。

如果不去采数据，这是一个先有鸡还是先有蛋的问题。一开始大家相当于数据共享，我们训练自己的基模。

但基模训练好之后，宁德时代或者其他 To B 大客户再落地时，他们自己采集的高精度微调数据，就是客户自己的了。

你们一方面还在解决数据瓶颈、提高性能，追求达到类似大语言模型 GPT-3.5 的状态；另一方面已经有客户了。

你们现在客户用的那些方案，背后是什么技术？现场用的也是端到端 VLA 吗？

现在现场用的也是端到端 VLA。

只是我们选择的场景比较简单，选的是电池最后的插拔检测环节，用的是端到端 VLA。但使用的模型是上一代模型，所以落地时还做了很多后训练和工程化工作。

如果用我们现在最新的模型，后训练的工作量会减少很多。

之前上一代模型做后训练和工程化、现场部署，大概要花多少人、多少时间？现在的模型会是什么情况？

宁德时代从接触到最后验收，我们大概花了 11 个月。当然这 11 个月里有很多非模型的工作，因为要落地，还要处理很多非模型问题。

基于 2025 年上半年的模型，宁德这个落地大概需要 2 到 3 个月。基于我们现在最新的模型，我觉得 1 个月应该就能完成。

宁德时代当时是在行业里招标吗？

不是招标。他们会把需求发给几乎所有具身智能公司。

宁德会把行业里的具身智能公司都拉过来，看需求、做方案、进行测试。

当时是什么情景？

我把高阳拉着，那天高阳大概走了 2 万多步。他戴着安全帽、穿着安全服，把整个工厂都看了一遍。

作为技术负责人，一定要了解现场。他必须掌握两种语言：客户语言和技术语言，所以一定要到客户现场。

他应该挺喜欢这种探访机会。因为他跟我说，和你聊的时候很有收获。你会跟他讲很多产业的事情。他以前更多是在学校，产业实际落地的细节，是他在学校里想不到的，会让他有很多认知上的收获。

这也是我之前说高阳是一个纯粹的人。

他说“我会”，就告诉你他会；他说“我不会”，就告诉你这个事情我不知道，可能要去查一下，可能需要学一下。

很多同事第一次听到高阳说“这个我不知道”，都会觉得很惊讶。

宁德时代把这些公司都叫去测试场景，是一次只去一家，还是一次会有好几家具身智能公司一起去？

大家都是分开去的，几乎所有公司都去了。尤其是 2024 年成立的公司，能听到名字的基本都去了。

宁德、华为、京东这些大厂，都希望拥抱具身智能技术，用它来解决问题，所以一定欢迎新技术。当然也和客户关系有关，他们会释放一些需求，让大家来选择。

具身落地的核心卡点是模型能力，但也和你原来有没有做过机器人落地密切相关。

如果选的场景不适合机器人，或者场景太小，真正批量交付时，要么模型能做但卡在硬件上；要么模型和硬件都做了，但一个工厂可能只卖 3 台机器人。

此外，选场景不光要解决模型和硬件问题，还要解决工厂各业务部门之间的问题。

所以场景选择非常依赖于原来有没有做过真正的机器人商业化落地。

因为我做过这个事情，所以我们选的场景应该是所有具身智能公司里最适合第一批落地的。

可以讲一下当时的情景吗？

有的公司刚聊完就被 pass 了。去了之后，他只讲自己的技术优势，客户说：“这和我有什么关系？”客户问：“你对这个场景怎么理解？准备采用什么方案？”结果大家根本聊不到一起。

还有一种，第一次聊得还行，但选场景时选了一个比较小的场景。

你之前在落地的时候，也做过很多新能源工厂的服务，对吧？

对。所以原来我们说千寻是一个真正的全栈公司。

很多人理解不了什么叫全栈，甚至觉得全栈是弱点，说你没有特点。

但我们想表达的是，我们的 AI 能力、机器人能力和商业化能力都很强，都是中国顶尖的。

在没有真正把流程跑通之前，大家理解不了。只有 AI、硬件和 To B 销售能力都强，才能把整个流程跑通。任何一点不行，都跑不通。

你们选的这个场景好在哪里？

最后的插拔检测，第一用到了端到端模型，不需要对现场做非标自动化改造，把人撤下来，机器人放上去就能干活。

第二，用到了力控技术，因为插拔需要力控。

第三，生产节拍比较慢，适合技术早期做第一步落地。

第四，因为前面三个特点，机器可以上真实产线干活，就能收集强化学习数据，把整个流程跑通。

这个场景的容错率如何？

容错率很高。插拔第一次没插进去，机器人重新试一次就好了。而且插头很大，不会把插头损坏。

如果去插很小的插头，第一次没插到，可能就把插头损坏了。

宁德时代当时给我们提供了将近 200 个工序。一个电池从原料到最终制造出来，大概有 200 个工序，每个工序都可以考虑用机器人。

我们从 200 个工序里选择了一个当时技术可以达到、端到端模型可以完成、节拍也能达到、容错率相对较高，同时还能让机器人上真实产线、把强化学习链路跑通的场景。

这需要很强的场景选择能力。

你们做这个场景落地的过程中，有什么波折？怎么解决的？

大的波折没有特别多。因为这是端到端模型第一次落地，我们也没有做过，所以第一要控制客户预期，告诉客户这是全新的事情，从来没有人做过。

第二，我们的技术人员有一段时间长期在宁德现场，现场写代码、改模型、做落地。

真正落地时，一定要和客户在一起。虽然不一定吃住在一起，但一定要在客户身边做落地。

这也是过去做落地的经验：不能在北京做研发，把模型发过去让现场 FAE 去做。研发要到现场去。

你们在商业化探索和 demo 上花了不到 20% 的精力，但听起来它也是一个很重的服务过程。

宁德时代是出了名的严格客户，怎么平衡客户很急的需求和你们长期研发的目标？

宁德时代有专门的一个小分队，全心服务宁德。如果小分队需要公司内部支持，公司内部也要第一优先级支持。

总体上，因为有专门的团队来做，所以研发和落地还是平衡得比较好。

为什么需要一个小分队，需要研发人员到现场才能落地？

因为技术太弱了。甚至不能叫微调，可能需要专门采集很多数据，针对这个场景做很多工程化工作，所以成本很高。

为了减少落地成本，我们的主要优先级是先把基模提升起来。

如果有一个很好的 GPT-3.5 基模，加上机器人，再教会客户怎么采数据、做微调，就可以卖标准产品，不需要做最后 100 米交付。

所以 2026 年，我们和很多产业投资方合作。千寻拿了很多国内实业产投，比如华为、小米、京东，都是有实体业务的产业投资方。

一方面，我们要采集这些数据；另一方面，他们都有自己的具身部门。包括汇川这样的公司，也有自己的具身部门，但没有模型。

我们可以教他们怎么微调具身模型，完成下游具体任务。

未来我们要卖的是标准模型加机器人加数据管理平台。客户拿到机器人之后，自己做微调、自己做落地，相当于客户在我们的物理具身模型上做物理 Agent。

所以我们 90% 的精力都做基模，因为核心是基模。没有 GPT-3.5 的基模，就做不了这件事。

第二，最后 100 米交付肯定要先服务好宁德。宁德是目前最重要的客户，我们的研发人员会上现场。

但这种方式不能低成本复制。低成本复制要靠标准产品。

所以这轮融资有好几个比较大的产业投资方进来，我们希望未来提供标准机器人、模型和数据能力，客户在上面做机器人的 Agent。

接下来，比如在宁德这个场景里，除了插拔检测，你觉得新模型还可以支持哪些场景？在比较广泛的工业制造企业里，哪些方向比较重要？

第一个是电池行业，电池行业有钱。

刚才讲过，整个落地节奏应该是先 To B，再 To C。

To B 选择场景有几个标准：第一，必须是大市场；第二，市场在增长；第三，客户集中度要高，得有大客户；第四，客户付费意愿要强；第五，最好国内外需求一致，可以在中国打磨产品，再卖到国外。

动力电池是其中一个场景，第二个是物流，第三个是酒店和零售。我们会重点关注这几个方向。

工业生产和商业服务里，已经有一些专机和智能机器人。比如前面聊过的力控、3D 视觉机器人，有些方案成本已经打磨了很久，在节拍、负载、精度等方面都有比较成熟的性能。

现在新的具身智能机器人进入这些大场景，你觉得比较好的切入点是什么？和过去的方案相比，竞争力在哪里？

具身智能不是要替代它们，而是做它们干不了的事情。

比如零售取物，从货架上取东西。原来靠自动化，货架要摆得非常整齐，物品之间间隙很大，靠桁架机械手或者专机一个个去拿，只能取和放。

因为放的位置固定、间隔大，所以货架利用率很低，取放效率也很低，而且不能做盘点。

自动售货机不是也能取货吗？

自动售货机卖的东西太少了。比如便利蜂或者 7-Eleven，里面的人在干什么？在盘货、补货、打扫卫生。

自动售货机是固定的。

总结一下，以前机器人干不了的事情，特点是什么？

需要泛化。

比如酒店清洁，机器人要去洗手间擦洗手池，把毛巾收起来，或者毛巾洗好后叠起来，这些原来的机器人没有能力做。

原来的机器人没有泛化能力。所有需要对场景和动作进行泛化的事情，具身智能都可以做。

传统专机对场景和动作没有泛化能力。

现在有很多新公司直接瞄准家庭服务场景，你们怎么看这种选择？听起来在你们的计划里，家庭可能是比较晚才成熟的场景。

10. 家庭机器人的安全门槛

最大的市场肯定是家庭市场，但对于产品来说，落地要讲各个因素的匹配。

我觉得首先，模型达到在家庭环境干活的能力，很快就可以实现。2027 年应该就可以在家庭里洗衣服、做简单清洁、收拾儿童房、浇水、把鞋摆好。技术上可以达到。

但卖到家庭，还要考虑隐私和安全，这些短时间可能很难解决。

最简单的例子，现在机器人都很重，几十公斤。机器人万一倒了，把小朋友或者老人砸倒，这是很大的问题。

机器人现在一般配的电池容量，大概是电动自行车的 3 倍左右。电动自行车的电池都不让带进家里，现在放这么大一个电池在家里，至少要等固态电池相对靠谱之后才有可能。

或者只能放一个很小的电池，但机器人就要拖着线天天充电。

我觉得制约机器人进入家庭的一个重要问题是安全。其他问题我相对乐观，包括模型能做什么、价格、隐私，都比较好解决。

进入家庭最主要的障碍就是安全。在安全问题没有解决之前，进入家庭还是比较难。

安全问题的提升，需要软件和硬件都提升，对吧？

对。

像电池、机器人的负载和重量，可能还有很多硬件工程、机械方面的问题。

是。所以具身智能落地既要考虑软件卡点，也要考虑硬件卡点，要综合考虑。

这个时间大概能预测吗？

有些公司在 2026 年成立，或者 2025 年底成立，第一个场景就定位为家庭。如果硬件卡点迟迟解决不了，落地时间岂不是会被拉得很长？

我刚才说的是通用机器人的机会，相对比较远。

但我觉得家庭，尤其是欧美家庭，其实有很多专用机器人。

比如有朋友提过叠衣服机器人。很多欧美家庭住 house，地下室放着洗衣机和烘干机。可以做一个很便宜的机械臂，把衣服从洗衣机拿出来放到烘干机，烘干之后再拿出来叠好。

如果价格相对便宜，很多人可能会把它当成洗衣服机器人。它不需要很大电池，插电就行。现在技术已经可以做到。

这种用大模型技术解决一两个问题，或者少数几个问题，同时具有泛化能力的专用机器人，可能是第一批进入家庭的场景。

因为它在续航和活动区域上，和通用机器人有区别。不需要长时间自主续航，也不用跑到人很多的地方。

对。Sunday 他们做的其实是通用机器人，有底盘、升降机构和双臂，但会面临很多安全问题。

如果把机器人做得很小，类似 ALOHA 那样的小机械臂，再进一步小型化，挂在洗衣机旁边，可能卖 1,000 美元，也可能有人买。

你们给自己设计的 2026 年目标是什么？刚才已经说了一部分，肯定是继续把基模做好，除此之外还有什么？

11. 模型性能爆发之年

最主要的目标是，2026 年是模型性能爆发的元年。我们给自己的目标是 100 万小时数据。

这 100 万小时虽然是用可穿戴设备采集的，但数据有效性达到遥操作数据的 90% 到 95%。

这是一个什么量级的数据？

Physical Intelligence 和千寻过去发布的最好开源模型，只用了 1 万小时遥操作数据训练，大概采集了两年。

2026 年我们要用 100 倍的数据，获得 100 倍的数据量，所以整个模型性能会有非常大幅度的提升。

整个公司的主要精力，是放在 100 万小时数据，以及围绕这 100 万小时数据进行模型迭代和进化。

当然，还有 10% 的精力放在和产业投资方合作，帮助他们建立如何使用具身模型和机器人、在各自场景里落地的能力。

我们提供基模和机器人，他们来使用。

这一块有什么量化目标吗？

2026 年，我们在这个方向规划的营收大概是 1 亿元。

其他一些低质量、不可持续的项目，比如蔬菜工厂之类的，因为对模型能力爬坡没有帮助，我们都很清醒地放弃了。

在同等估值规模的公司里，你们现在估值已经超过 100 亿元，但对营收的规划非常克制。有的公司营收已经做得很大了。

这里有几个原因。

第一，大模型的营收，所有成功公司的营收一开始都很少，但一旦突破涌现点，营收会暴涨，都是一条很陡峭的曲线。

具身智能也一样。如果基模到不了 GPT-3.0 或 GPT-3.5，做任何事情都要大量后训练、微调，机器人不可能放量。

但如果把机器人的大脑做到 GPT-3.5 或 GPT-4，把机器人放到任何新环境里，它 zero-shot 就能实现 70% 到 80% 的成功率，再稍微教一下，就能达到很高成功率，机型就可以快速放量。

这是行业的第一个特点。

第二，客观讲，现在具身行业很乱，乱在大家都在讲落地。

但落地其实有两种：一种是基于传统自动化、传统 AI 落地；另一种是基于具身模型落地。

我们刚才讲，具身模型现在还在 GPT-2，不可能批量落地。所以要么他们在用传统方式落地，要么签了一个大订单，其实并没有真正落地。

还有一部分人在做唱歌跳舞。当然唱歌跳舞也是一个细分市场，只是我们没有做那部分市场。

行业里有很多投资人说，2026 年是具身落地的生死之年，如果 2026 年落不了地，这个行业就没了。我们非常不认同这个观点。

具身智能的核心还是模型，2026 年才是模型爆发的元年。具身真正大规模落地，应该在 2027 年下半年到 2028 年。

所以你认为 2026 年的行业主题，其实是数据量达到一定量级、模型性能突破，而不是落地和收入竞争？

对，不是落地。

你觉得这个思路在现在的融资竞争环境下，包括中国特殊的创业环境里，能保持多久？

我觉得 2026 年肯定会保持。

社会和行业要看到变化。你说今年是模型性能爆发之年，就应该阶段性发布几版模型，让大家看到模型性能提升，或者看到更清晰的 scaling law 曲线，而且曲线画得越来越好。

只要大家能看到变化，就不会影响信心。

美国的具身公司，除了 NVIDIA，其他其实也都在用真实数据。大家有了 Sunday 和 Generalist 之后，也都归纳到可穿戴设备上。

美国的模型也会进化得非常快。只要大家看到变化、看到进展，信心就会持续。至少 2026 年肯定没有问题。

所以 2026 年就类似于 2023 年。2026 年如果上不了牌桌，我觉得就没戏了。这也是为什么新出来的几家公司一开始能融很多钱，因为不融到这个规模，就上不了牌桌。

之后可能会遇到什么变化？按照你设想的发展曲线，前面研发阶段收入比较小，后面快速放量。这个过程中可能遇到的阻力和干扰是什么？

我觉得没有太大阻力。

只要模型在快速爆发，相对来说硬件已经比较成熟，客户有需求，供应链成熟，公司也有钱。现在卡点就在模型上。

而且用弱模型已经可以落地，所以卡点就一个，就是把基本能力往上提升。我们看到基本能力提升的速度还是比较乐观的。

你们内部讨论这个问题很多次，背景是什么？

我们经常讨论公司会怎么失败。

可以讲讲你们可能怎么失败吗？

大家会做头脑风暴。

科技型创业公司很重要的一点，是技术路线不能偏。技术路线偏了，可能直接就挂掉。

也可能技术进展不及预期。我们觉得 2026、2027 年应该到 GPT-3.5，但实际上到不了。

或者落地不及预期。我们会周期性讨论这些事情。

还包括大厂下场。如果大厂比我们更早下场，我们怎么办？

所以你们的结论是什么？

我们的结论是，2026、2027 年模型能力一定会快速爆发。

2026 年要做到大脑这个行业的绝对头部，内部目标是全球 Top 3。我们不说全中国第一，就说全球 Top 3。

100 万小时数据、全球 Top 3 的模型能力，以及公司身位和融资，都要在中国头部。

对我们来说，没有太大的卡点。

如果模型到了 GPT-3.5，我们选择第一类落地场景时，需要考虑泛化。

还有一个判断角度：用传统机器人和上一代 AI 技术能完成 90%，但最后 10% 卡住了，需要用大模型的泛化能力解决。

比如叠衣服，机械臂、夹爪、视觉都很成熟。给它一个坐标，让它夹起衣服，它可以做到，但它不知道什么叫褶皱、什么叫铺平，也不知道哪里是衣服角、哪里是衣服袖子。

大模型其实只解决一个问题：告诉它衣服是平的还是皱的，哪里是衣服角，哪里是衣服袖子。

插拔也是一样。过去做插拔，要用工装卡具固定好电池和插头，再用写死的程序，到固定位置去拿。

机械臂、夹爪和摄像头都是成熟的，唯一需要 AI 解决的是：当位置发生变化时，能不能根据变化实时调整动作。

这个事情由大模型解决。

所以我们对落地也非常乐观。只要大模型技术到了 GPT-3.5，落地也会非常快。

按照你的判断，2026 年会是模型能力竞争、分出谁能在模型性能上上牌桌的阶段。你觉得能上牌桌的公司应该具备什么特点？现在已经做到什么，才比较有可能上牌桌？

第一，肯定要有很强的 AI 背景。2026 年是大脑之争，必须有很强的 AI 背景。

这个背景可以来自成立得早，过去两年积累了很多；也可以是最近融到钱、原来有自动驾驶背景，或者有多模态背景。

第二，估值要上一个台阶。如果现在估值还是 10 亿、20 亿元人民币，可能比较困难；账上的钱要足够多。

第三，在中国，虽然大家都要去做数据积累，但仍然要有商业化计划、落地和基础，还要有强大的产业投资方和商业化能力。

已经积累的数据量是一个指标吗？

是一个指标，但数据收集的加速度更重要。

这个加速度取决于过去一两年有没有在数采设备、数据管理平台、模型训练 pipeline、数据管线效率，以及数据算法上形成积累。

这些决定了采数速度有多快。

2025 年下半年才成立的公司有机会吗？时间相对比较短的公司，如果拿了很多钱，可以在时间上解决数据积累的问题吗？

至少拿到 1 亿、2 亿美元，就可以在资金上解决。

我们花了一年半踩过的坑，他们可能只需要踩七八个月，因为很多坑我们替他们踩过了。但仍然可能有几个月的差距。

就像自动驾驶和大模型，中国有很多家大模型公司，也有“六小虎”。在不同阶段，模型有两三个月差距，可能很多人看不出来。

市场上钱多、创业公司也多，所以具身大脑也会出现好几家，不可能只有千寻一家。

你觉得 2026 年能继续上牌桌的公司会有多少？谁比较有潜力？

我反倒觉得，可能 2025 年出来的公司做成的概率更高一些，因为没有历史包袱，可以聚焦到这里。

你们不也是 2024 年成立的吗？

对，但 2024 年第一天我们就在聚焦主航道。

面对很多竞争对手，他们来了之后都说：“千寻，你们为什么这么淡定？我们被谁谁卷得不得了，商业化也卷得不得了。”

原因很简单：解决卡点之前要聚焦，解决卡点之后要看速度。

2024、2025 年我们一直在解决卡点，还没有到焦虑的时候。

到现在我为什么说，那天见雷总时，雷总问高阳：“你觉得你们的技术在国内领先多久？”

高阳说：“6 个月。”

为什么能领先这 6 个月？因为过去两年我们一直在聚焦解决核心卡点。

你们见雷军，是因为小米投资，所以最后见了一次？

对，是顺为资本。

现在你们获得了一些产业投资方的投资。这些产业投资方自己也在做具身智能，比如和顺为相关的小米，以及宁德时代，他们可能也在做具身探索。

你怎么看大公司进来之后对你们的影响？

像华为、小米这样软硬件都做的企业，更有可能把具身智能做好。

理想最近也在内部全员会上说，理想会做具身智能，一定会做人形机器人。

但大厂只要不像特斯拉那样把它当成战略来做，这对他们是工作，对创业公司来说是命。

什么时候会遭遇中国大公司把这件事当作非常重要的战略，并和你们直接竞争？

我觉得 2028 年之后，2028、2029 年。

如果 2026 年模型性能有大突破，理想这些公司很可能 2026 年就会投入更多资源做这件事。

为什么是 2028、2029 年？

这是企业基因和选择的问题。

而且机器人是一个很小的市场。哪怕模型开始爬坡，但对大厂来说，在还没有商业化变现、没有开始大规模商业化之前，也不会投入太多精力。

那个时候对大厂来说其实不晚？

不晚。大厂一定会等到那个时候，再开始砸海量资源做这件事。

所以我们内部经常讲，速度是我们唯一的优势，一定要在大厂下场之前把自己变成中厂。

相比同期成立的公司，你们在商业化上比较淡定，始终想等到模型性能突破之后，再做更多落地拓展。

这种淡定和你第一次创业的经验、教训有关系吗？

有。

第一次创业时做了很多很着急、像无头苍蝇一样到处乱搞的事情，最后浪费了很多钱，但没有效果。

高阳说，你经常在公司里自黑，会提到你们以前做磨刀工作站的例子。

对。我们 2020 年最开始采访时，其实也聊过这个事情。

那是一个技术上很厉害的东西。它用上一代 AI 加力控加视觉，做自动化轨迹生成，是上一代机器人和 AI 结合的巅峰，磨刀做到了全球最好。

最开始是京瓷，稻盛和夫创办的日本京瓷集团。京瓷有一种陶瓷刀，不生锈，也不会有异味，价格相对比较贵，市场上卖得还可以。

但陶瓷刀很硬、很脆，磨这种刀要用金刚石磨盘，不能用普通磨盘。

两种很硬、很脆的东西碰在一起，如果力控做得不好，刀就会崩掉。

京瓷就问，能不能用机器人来做这件事？要做这个事情，力控要非常好；磨的过程中每把刀都不一样，要磨到 0.5 毫米的精度，还需要很精确的视觉、力觉和轨迹规划。

京瓷最开始找三菱机器人做，三菱做完之后卖得很贵，几百万元一套，磨的效果还不如人。

后来京瓷找到我们。我们宣传自己有力控，觉得这个项目既有 AI，又有力控和轨迹规划，能很好展现技术水平，所以就接下来了。

我们大概做了一年多，超过了三菱，磨得也不错，做到了世界第一。

但全球一共只有 8 台的需求。一套卖 100 万元，也只有 800 万元人民币。

相当于我们做了一个屠龙绝技，但市场空间只有 8 台。

所以选择整个市场时，一定要选大市场。

刚才讲我们选择细分市场时，都是选大市场。我们的产业投资方为什么能做到中国硬科技里销售额这么大？因为他们选的都是电池、手机、汽车、通信等大市场。

这是一个经验。而且你刚才讲这个案例时，我想到，它是利用当时的技术，把一件事打磨到了极致。但如果有了新的技术，可能就能更简单地解决。

对。

所以现在做落地，有点像当年做磨刀。技术还没有突破到一个比较好的阶段时，可能需要大量工程化工作，而这种工作无法 scaling。

大模型的核心是 scaling：scaling 数据、scaling 参数、scaling 算力。商业化也要考虑能不能 scaling。

为什么 DeepSeek、ChatGPT 可以很快获得 1 亿用户？为什么当年智能手机增长速度也非常快？因为它们都是标准产品，标品可以 scaling。

如果面向不同行业定制不同产品，就没法 scaling。

所以未来商业化尽量卖标品，标品才可以 scaling。

前面也提到，第一次创业，或者当时那一批创业都很苦。可以讲讲当时遇到哪些问题和挫折，你们怎么解决，对现在有什么影响吗？

实话说，我觉得没有经历过特别大的挫折，至少在我看来不算巨大。

我是一个很乐观的人，对我觉得自己能 hold 住的事情很自信。

你们当时在珞石是亏损状态，后面的发展也肯定和最初创业时的预期不一样。这些时候你没有受挫的感觉吗？

有受挫，但是仍然充满斗志。

这和你当时不是 CEO 有关系吗？所以压力没有那么大？

我觉得也没有。现在我是 CEO，千寻在发展过程中肯定也不能说一帆风顺。

包括宁德时代，我们做了一年。做到七八个月时，压力也挺大。

你说都做了这么长时间，为什么还没落地？

在宁德宣传之前，我们很少做 demo，要把模型做好，让大家知道千寻模型好。打榜之前，大家也会质疑：“你们模型怎么进展这么慢？”

没有模型、没有商业化进展，融资时投资人也会问：“最近怎么好像也不融资？”

如果换成别人，可能会觉得公司现在很差。但我觉得还好。

因为相对于外界，我内心对情况是有把控力的。我觉得这不是真正的危机。

外界没有看到你们的进展，但你自己心里有进度表。

对。

你之前在珞石时有三次差点倒闭，主要是什么原因？

决策失误，资金链没有规划好，盲目扩张、盲目堆库存，导致资金链差点断，只能裁员。

当时我们找投资人借钱，签无限连带责任担保，也找政府要钱，和朋友借钱。

我主要想听你描述一下，你自己是怎么度过这个危机的。那时你背了债务，是什么心情？

实话说没什么特别的心情。事情已经做到这一步，作为公司的联创，公司做成这样，而公司又需要这笔钱才能挺过去，只能往前冲。

你们当时背了多少债？

我们三个人背了 1,000 多万元。

那时候一个月只拿 8,000 元，其实 1,000 多万元也是不少钱。

这是创业第几年？

2017 年，创业第二年、第三年的时候。

这件事告诉家人了吗？

告诉了，家里还挺支持。

没有在家里受到嫌弃和埋怨？

没有。

你当时心里觉得这些事情可以解决吗？没有担心过会陷入个人要偿还几百万元债务的境地？

实话说，当时也没有觉得一定能解决。但当时只能想办法解决。

后来这次危机是怎么挺过来的？

珞石 2015 年成立，2015 年拿了 300 多万元，只做软件。后来发现只做软件不行，要做整机，做整机 300 多万元就不够了。

这是因为当时不了解做一件事要消耗多少钱，也没有做好预算，所以 2016 年差点撑不下去。

后来 CEO 找亲戚借了点钱。那时候公司人也少，只有 9 个人，借钱度过了两个月。

2016 年又拿了一笔钱。2017 年是融资大年，资本市场还不错。我们聊到一位很不错的投资人，这位投资人当时也挺有知名度，拍着胸脯说：“没问题，你们这 6,000 万我都投。”

结果最后一刻他说只投 3,000 万，另外 3,000 万是可转债，还压估值，协议里有很多限制条款。

但那时候已经把其他投资人都拒绝了，只等这位投资人，所以也不可能拿他的钱，只能先借钱。

那时候我们学到一件事：融资过程中，在没有签完字、最终 close 之前，不要拒绝任何投资人，要给自己留后路。

2018 年拿了顺为 1.6 亿元，然后成立了 4 个事业部，到处招人，人员在短时间内翻了将近 3 倍，一年多就把融到的钱基本花完了。

到 2019 年年底，发现账上只够 4 个月的钱，才意识到只剩这么点钱，于是赶紧裁员。

2019 年年底从 300 人裁到 140、150 人，裁了一半，全员降薪。

当时我们三个人一个月拿 3 万元。裁员之后全员降薪，三个联创每人拿 1.5 万元，税后到手 1.1 万元。

那时候换了学区房，一个月房贷 4 万元，所以那年冬天过得很苦，特别冷。那时候买 3,000 元的羽绒服都舍不得，还要找别人借钱，因为工资不够还房贷，首付也全搭进去了。

当时有个珞石的朋友说：“我教你怎么借钱。你给每个人只借 5 万元。5 万元说多不多，别人不好意思不借你；说少也不少。找 10 个人借，就能借 50 万元，够你还一年房贷。”

我说这是个好方法，你先借我 5 万元。

所以当时找了很多人借钱。当然后来因为疫情，也算因祸得福。如果没有那次裁员，2020 年珞石肯定就没了。

其实就是企业战略决策不清楚，不会融资，不知道怎么有序扩张，最终都因为这些事情差点撑不下去。

现在想起来可能有点后怕，但当时没有觉得这件事有多难，只想着怎么解决问题。

这个过程中有特别焦虑、失眠的时候吗？

没有。有人说，不要为 8 公里之外、两小时之后的事情担心。

现在很多和你同期创业的人，可能都是第一次创业，也比较年轻，很多是 90 后。你看到这些更年轻的创始人时，会不会看到一些自己曾经犯过错的影子？当然也可能别人第一次创业就做得非常好。

对对对。现在这些年轻人越来越聪明。

我看到他们更多是看到 2016、2017 年的自己。

我参加很多活动，会看到这些公司创始人，尤其是技术背景出身的创始人讲 BP、讲公司 PPT。我当时和高阳、郑总以及很多人说过：“我看到了十年前的我。”

他们对自己的技术很自信，对行业判断也很自信。你能从他们的表达方式、眼神里的自信看出来。

他们手头有很好的技术，又相信这个赛道，公司发展也还不错，还没有被社会毒打过，但整体做得还可以。

那是一种充满美好想象、比较纯粹而天真的自信。

这种美好想象里，哪些部分你觉得是不切实际的？行业里经常有人表达哪些事情，从落地、商业化或者经营公司的角度看，可能很难实现？

很难说一个具体的事情，但他们都有一个共同特点，就是非常笃定。

他们会非常笃定地使用一个论据或说法，或者只从单一角度看待一件事。

但想做好一件事，数据来源、商业化路径、团队搭建，每件事都是多角度的，都要根据实际情况具体分析。

一般第一次创业经历了什么之后，可能会在这一点上改变？

见过客户之后。等客户问你：“我已经付钱了，东西在哪儿？”你一定会改变。

你曾经被客户骂得最狠的一次，是因为什么？对方怎么说的，还记得吗？制造业客户应该都挺直接的。

当时客户说我们的机型是垃圾，让我们赶紧拉回去。

听起来还好，感觉没有很毒。你肯定委婉包装了一下，估计原话比这狠。

对。因为机器一旦拉到客户现场，就耽误客户的事。

有一段时间公司的售后也归我负责。售后被骂得最多。

销售把东西卖给客户时，客户花钱，心情一般都很好；售后去的时候，通常是出了问题，客户心情不好。

所以那时候确实挨过很多客户的骂。

但本质上要理解，这件事说明你的产品没有达到客户预期。那时候我们就被客户教育了，为什么要把产品做好、追求卓越。

所以这次你希望，技术真的发生大的变化之后，能够让客户满意。

对。

现在有一种观点，做具身智能的人有两种背景：一种是你这样和机械、机器人相关的；另一种是高阳这样偏 AI 的。大家觉得这是两种思维方式。你怎么看这个划分？

确实是两种思维方式。

一种基于传统、规则和建模；一种是 AI、data-driven 的方式。

这两种思维方式的转换，包括我从传统方式转向 AI，对我个人来说是 2024 年最大的转变。

以前看机器人行业，虽然我知道要找一个全球顶尖的 AI 合伙人，但做很多决策时，仍然受到原来机器人行业认知的影响。

到 2024 年下半年，我才慢慢认识到，具身智能还是 AI 赛道，要用 AI 的视角看这个赛道。

之前受了哪些传统视角的影响，后来怎么变化？

比如具身智能大模型和小脑之间的分界线到底在哪里。

原来我的运动学逆解、动力学都做得很好，我是不是应该尽量多用，而不是用 AI 来学？

包括对数据的重视程度，这也是我从高阳身上学的。

2024 年上半年，我还没有那么重视数据，觉得数据有那么重要吗？很多事情只要让大模型像 ChatGPT 一样输出指令，剩下的让小脑用原来的运动控制完成，不就可以了吗？

但慢慢发现，数据的重要性是最关键的。通过端到端方式，AI 可以学到很多原来由小脑完成的工作。

你原来的想法是，过去的方法已经把小脑做得很好了，应该把它用起来。但你慢慢转变，觉得这些事情也可以交给深度学习网络、端到端系统。

对。

现在你们会把大脑和小脑的界限划在哪里？

划在最基础的运动控制上，叫运动的下一个点往哪里走。

小脑只做最基础的运动学和动力学，其他都不管。它有点像电动汽车的电控，只做最基本的运动控制，所有上层的空间理解、轨迹规划都由 AI 来做。

在这个思维转变过程中，你刚才说 2024 年上半年还没有那么重视数据，后来越来越重视。中间发生过什么具体事情吗？比如你们有什么分歧，后来怎么解决，谁说服了谁？

2024 年 5 月我们开始做可穿戴设备。那时候可穿戴设备的数据质量很低，我们想把数据质量提升之后，再大规模采集。

同时也要做机器人，因为我是做硬件的，做了这么多年机器人，我觉得自己也得做机器人。

到了 2024 年下半年，可穿戴设备在研发，自己的机器人也在研发，结果就导致没有机器人可以采数。没有机器人采数，高阳就没办法训练模型。

当时我们只有一台机器人。高阳说不行，要不去买一些 ALOHA。

你当时怎么想？

我是做机器人的，我还要买别人的机器人？

这个事情耽误了一个多月。后来高阳说不行，虽然这部分数据可能会浪费，因为采的数据和我们的机器人构型不一样，但模型必须迭代。

那时候买机器人又花了小 200 万元，我也没有那么多钱。高阳说不行，必须买。

后来就买了一些方舟无限的机器人来做模型迭代。

你原来的想法是，等你们开发出要用的同构机器人之后再采数据，但高阳觉得应该更早开始做数据。

对，数据和我们自己的机器人要解耦。

那时候我觉得自己做的机器是最好的，不想买别人的。高阳说不行，要搞数据，赶紧买别人的。

后来还是买了别人的。

你们还挺有默契。因为我昨天也问了高扬这个问题，他说的也是这个例子。

当时讨论了很多次，这也是创业过程中相互学习的地方。

后来类似的事情，你们形成了什么共识？比如要做研发投入时，怎么计算 ROI，怎么决定要不要投这笔钱？

后来的共识是，只要在主航道、主线任务上，只要能提升模型性能，我们都坚决投入。

而且这件事更多依赖高扬的判断。

后来慢慢发现，大家都说我是机器人行业老炮，但高阳也是 AI 行业老炮。他 2014 年去美国读书，一直在搞 AI，也搞了十几年。

很多时候，我们对未来的判断依赖直觉。我们可能没有 100% 的把握，也没有非常 solid 的证据证明事情一定会发生、这么做一定能成功。

很多时候依赖过去十几年做这些事情形成的直觉。这样的直觉判断，肯定比别人更好。

所以现在涉及公司模型、AI 和大计划时，我们更多依赖高扬的直觉和判断。

你是机器人行业老炮，高扬是 AI 行业老炮，你们各自都有直觉。面对新的共同问题时，直觉有时可能会打架。直觉既可能带来正向经验，也可能带来负向经验。

怎么避免直觉带来错误判断？怎么纠错？

第一，可能没有办法完全避免，一定会存在这种情况。

第二，纠错其实很简单。刚才一直讲千寻的价值观和信任文化，纠错就是要么自己发现自己错了，要么别人告诉你错了，你能接受。

自己发现错了比较难，但更容易做到、也更常见的是别人发现你错了，告诉你，你能接受。

所以我一直强调信任。如果你相信别人给你提意见、说你错了，是为了公司好、为了你好，纠错就会变得比较简单。

千寻的纠错其实还是比较简单的。

因为你之前创过一次业，所以这一次创业，包括集结了新的合伙人之后，你们当时想建立一个什么样的组织？

就是刚才说的信任和追求卓越。

在这样一个大的时代机遇面前，我们想做一家伟大的公司。

一个人不管做什么事，哪怕开一个煎饼摊、咖啡馆，或者做具身智能创业，任何事情从零到一、做好都很难，既然这样，不如做点大的事情。

所以我们一开始就想做一件大事。

你想做大事这个原点来自什么？

可能说得有点虚，但我觉得是人生的意义。

我想和一群厉害的人，把一件很厉害的事情做成，这对我有吸引力。

挣点钱、去什么活动上领个奖，我觉得都没有太大意义。

原来没有这个机会。做工业机器人，做到最好，也就是一个很垂直的小行业里的一点事情，没办法改变世界，甚至连行业都改变不了。

但 AI 这个赛道，我们有可能改变世界。

过去疫情之前，我们做的所有硬科技都在追美国，都在说比美国差多少、比欧洲差多少、比日本差多少。

具身智能基本是第一个中美同时起步的赛道。而且中国在人才、数据、场景和成本上，都有比美国更好的系统化优势。

我觉得这是一个大的时代机遇。中国一定会有几家优秀的具身智能公司，成长为全球顶级的具身智能公司。

今天非常感谢做客《晚点聊》，分享你之前做机器人研究、创业，到第二次创业做千寻的经历。

我们聊了很多 2026 年的展望，包括你说接下来行业可能会经历类似大模型 2023 到 2025 年的演进，模型性能会突破，有些公司会上牌桌，公司之间会出现分化。

这次聊完之后，也很明显地感受到，千寻想做的最重要的事情，就是在接下来一年里把模型性能突破到一定阶段，打开更广泛的工业生产、商业服务，最后乃至家庭服务场景，让机器人可以做更多事情，真正进入千家万户，帮助我们干活。

今天谢谢峰涛的分享，节目就到这里。各位拜拜。

好的，谢谢曼琪。大家拜拜。

本期的内容呈现想分享两个内容。第一个，还是最近几期节目里反复提到的数据。在访谈踏实创始人陈逸伦、那之后与元力零七的范浩强，还有千寻的高阳一起聊具身测评的节目里，我们都聊到了数据是具身智能的第一道关卡和卡点，而现在一批头部公司也纷纷对外声称他们已经接近解决这个瓶颈。接下来会看到数据量级和模型性能的爆发。如果按照真机数据和仿真数据的大类来分，在国内的公司里比较侧重仿真数据的是银河通用，还有 Hillbot，其他多数公司一般更侧重真机数据。

第二，想分享一下 2016 年前后出发的那批中国机器人创业者的特质，韩峰涛是其中一员。我和韩峰涛加微信是在 2020 年 6 月，他给我发的第一条信息是在解答两种力觉传感器的区别。其实当时的机器人已经能干很多绝活，比如针刺气球不破、剥鸡蛋壳、按摩、写书法等等。这是因为上一轮 AI 进展中，机器人已经有了一定的智能，而且陆续加上了力控、3D 视觉等新的传感器，所以当时就已经有了智能机器人的概念，可以做到一些传统工业机器人无法完成的工作。

这期里提到的磨刀工作站就是一个典型例子。我可以展开再讲一讲，因为当年做珞石的报道时，我对这个东西的印象非常深。这期里面韩峰涛提到，最开始他们是为了日本的京瓷这个客户来做这个设备，后来为了打开更多市场，也在国内推广了这个磨刀工作站。

那会儿采访时，首先让我觉得很有意思的是，珞石的人对刀具这个产业摸得很清楚，给我科普了中国有四大刀具生产地，包括广东阳江、浙江杭州、重庆大足，还有山东青岛。不同地方有什么样的公司、是什么样的历史脉络，珞石都搞得很清楚。那会儿我们的同事也去过阳江的刀具厂采访。人力磨刀确实是非常辛苦的工作，要在不断有流水的磨刀石上作业，整个环境有很多粉尘和噪音。当地很多工厂招不到年轻人，而有经验的老师傅又得花上几年才能找到磨刀的手感，等这一代工人老了之后，很难补充新的工人。

珞石当时做的这个工作站，也确实集结了当时能用到的先进技术。它是一个封闭的大箱子，可以全自动化磨刀。大概的流程是，刀胚一把一把进入箱子，先做高精度的 3D 视觉扫描，因为每一个刀胚都有细致的厚薄差异，然后根据视觉识别结果，用机械臂拿着刀胚去磨刀石上磨。每一个刀胚都要精细调整角度和力度，并不是一成不变、写死的固定工作。同时还要考虑稳定性、一致性、速度以及生产效率。

但这个很费劲才做出来的极致产品，面对的却是一个很小的市场，而且市场相对固定，并没有快速增长。同时因为当时的智能能力还是比较特化的，用在磨刀场景的工作站很难复用到其他生产场景。工业生产场景的一个特点就是不同门类之间差别很大，工业整体上是一个非常庞大的门类，但具体到不同的行业可能又比较碎片化。这也是为什么上一代公司普遍会经历比较多的挣扎：手里一边是有点智能、但又没有那么通用的技术，另一边是广大的、破碎的、看起来可能比较小的场景。

所以像韩峰涛这样当年服务过工业场景和客户的人，他们既有做技术组合和工程实现的能力，同时也对中国制造业老板的心态、选择场景的技巧有更多认知，对一些过度垂直的短期收入也有刻骨铭心的栽跟头体验。这次采访之后，我和韩峰涛、高阳说，我自己确实最认可 AI 和产业落地经验深度结合的具身团队，因为具身的难点就在于，既需要有能力做前沿的技术探索，也要对服务客户和落地的残酷与辛苦有清醒的认知。虽然结合这两种能力从组织和协作上肯定非常不容易，会有 trade-off 和碰撞，但最后的成果会属于那些啃下硬骨头的人。

现在具身行业非常喧嚣。今天刚刚有投资人和我说，据统计估值超过 10 亿美元的公司就有 15 家。上一代智能机器人的创业公司中，目前还没有谁获得大成果。希望现在我们看到的具身热闹之后，会沉淀出经历周期的价值。

本期节目就到这里，感谢收听。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，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 Late Talk》，也欢迎关注我们的公众号《晚点 Late Post》。下期再见。