173: 对话姚颂：深鉴、东方空间、再出发，「天才少年」十年后

当时这是第一次民营航天发射直播。这个点子是你想到的吗？是我想的。初生牛犊不怕虎，我们是敢吃螃蟹的人。

签完这个并购的约之后，我非常高兴，围绕着这个桌子踱步了两分钟。踱步了两分钟以后，我的人生就陷入了灰暗。我跟李诞还聊过这个问题，我虽然才二十五六岁，但是我有点中年危机的感觉。

你必须学满十一个小时，去个厕所就要把这个表暂停下来。除了休息、吃饭、上厕所之类的，你一定要学满十一个小时，这就是大一上学期我的常态。因为你会发现，清华真的好多同学又聪明又用功，确实赶不上。

欢迎收看《晚点聊》，我是曼琪。本期嘉宾是一位九二年出生、但是已经创业十年的连续创业者姚颂。

从十年前他从清华本科毕业之后创立 AI 芯片公司深鉴科技，到二〇二〇年前后他创立商业航天公司东方空间，再到最近这半年多他成立了一家新公司 Striding AI，中文名叫正行创新，来探索物理 AI。姚颂过去的经历涵盖不同的前沿科技领域。

这期节目，我们和姚颂一起回顾了他前两次创业的得失，他最新一次创业对物理 AI 的实践和思考，以及十年前那批现在活跃在中国科技创业主力生态中的清华创始人们，是怎么在学校里学习和成长的。我们正式进入本期节目吧。

因为你历史上有很多 title，现在仍然有很多 title。如果以“我是”来开头的话，你会怎么说？姚颂是谁？

我就是一名创业者。

那你可以讲讲你最近这一次创业的情况吗？

1. 物理智能是系统工程

我的新公司叫 Striding AI，中文名叫正行创新，我们是一家物理智能公司。

其实我觉得，智能很难用单独的一个 model 或者一个本体去定义，所以我们不是一家单纯的模型公司，也不是一家本体公司。我希望把数据、算力和模型放在一起去考量，希望把算法、软件、硬件、解决方案、场景放在一起去考量。我们是一家物理智能能力公司。

我注意到你没有用这两年更热的词儿——具身智能。物理智能和具身智能的区别是什么？

其实我觉得还是有一些区别的。我个人会认为，具身智能本质上讲，是在机器人的体内有一个智能能力，它能够去处理一些任务。但是如果只有具身智能，我觉得它是无法给人提供服务的。

比如说，假设我们这个楼需要有十台机器人在里面工作，那么首先我希望能够对整个空间有一些智能的感知，能够让机器人提前规划好它的工作路径。再比如说，我希望能够实时看到每个机器人的电量、工作状态和位置。

就好像 Robotaxi 到今天，你看，其实三十个车、五十个车，还得有一个人在背后给它做远程遥操作的兜底，以防出问题。我觉得未来十年，具身智能可能也需要一套这样的远程系统。

所以我会把空间、本体运动和操作融合在一起，叫作物理智能，就是这个大的系统一起构成物理智能。我们其实更多的是以一个系统的视角去考虑整个物理智能的问题，而不是单纯站在一个模型或者一个本体的角度去思考这件事。

因为你之前的创业就包括我说的，我们第一次见面那会儿还是在深鉴。那是 AI 芯片的第一次创业，第二次创业是二〇二一年开始做东方空间，然后是这次 Striding AI。你把它描述成一家物理智能的系统级公司。

这三件事一般人会觉得跨度很大，它有一条贯穿的线吗？

2. 创业始于两条主线

我觉得其实有两条贯穿的线。

一条贯穿的线是，我们最终都想实现一些大的事情。坦率讲，我在做深鉴的时候没有思考过这件事。那是第一次创业，更多的是汪玉老师决定了一个大的方向，我在团队里面恰好负责这个方向的整体管理，所以由我来做这件事。

但是随着深鉴逐渐发展，到了后期我也逐渐思考清楚了。我对世界有一个自己的认知，就是我希望去解决一些对人类非常重要的问题。哪些问题是重要的？我最后把问题拆解成三类。

第一类，我们画个圆，这个圆代表着全人类的生存空间。我们的生存空间一定要不断扩大。扩大背后有很多技术手段，比如最核心的一个驱动力是能源。假设我们能解决核聚变，这个问题毫无疑问能够解决。

第二，航天。人类可能不能只待在地球。当你殖民月球、火星，成为一个多行星的种族时，你的物理手段一定是通过航天，所以这是一大类问题，叫解决整个人类生存和发展的问题。

你说的“扩大”是星际文明的意思吗？

人类能够获取到的生存空间、能量和资源，应该持续不断地变多。这个过程既包括在地球上提升，也包括走出地球。

我们站在一个二维的圆里面，那就有无数个点。这个点就是我们每一个个体，所以每一个个体的生存、健康、幸福、快乐，又有很多层级的问题。

点和圆之间也存在一个关系，这个关系其实就是社会。因为这些点在圆里面会发生很多互动，会有各种各样的组织形式。比如国家是一种组织形式，不同的国家也有不同的制度。但整体而言，如何提高社会的效率以及社会的公平，可能又是一个非常重要的方向。

很多事情最终都落在这三大命题之内。比如航天，肯定是拓展全人类边界的一件很重要的事情。不管是 AI 芯片还是机器人，可能都是在提高整个社会的运作效率，并且能够更好地支撑人类的生存问题。

所以我觉得这是一条大的主线，核心一定要解决一个对人类发展有重要价值的事情。

第二条线，我觉得其实是个人的激动之处，或者个人的兴趣爱好，就是你的快乐、你的成就感来自于哪件事情。

对我来说，我的一个成就感是看到一个简单的算法，看到最开始的技术原点，让它一步一步变成产品，真的影响到很多人，让产品被很多人用起来，被很多人夸奖，能够服务很多人。这个时候我的成就感是最强的。

可以说，一条线是向外求的：我要解决什么外部问题；另一条线是你内心驱动力的线。

你总结得很好，比我总结得好。

正好因为你从二〇一六年就开始创业，其实你经历了这十年中国硬科技创业的周期，以及上一次 AI 热潮和这一次 AI 热潮。我们可以回到你第一次创业、深鉴前后的故事。

你是一一年保送清华的，物理竞赛保送清华。本科之后你就创业了。你可以先聊聊，本科时发生过什么事情，让你慢慢有了创业这个想法？

3. 清华压力塑造选择

这件事还真是从大一就开始的。

我同年级二〇一一级的电子系出了一位神人，叫韩衍隽。这个神人后来也拿了清华大学的特等奖学金，现在在纽约大学当教授。我们当时还发生过一件非常好笑的事情：微积分课的老师最后出期末考试卷子时，最后一道题就是专门为了难住他一个人。

因为他当时表现得实在太突出了，所有的数学课感觉不用听、不用学，但是考试时轻轻松松三十分钟就能考满分。所以我进了大一以后其实挺焦虑、挺紧张，也挺难受的。

在这之前，你老家是长沙人，应该也算是好学校很多的地方。你以前一直是学霸吗？

是这样。首先我在长沙市一中，一般应该是年级第一、第二、第三，少数第四。到了清华以后，我觉得这个压力还是非常大的。

刚开学的时候，有一位老师在军训时跟我们讲了一句话：你们来电子系，最差的都是你们省的第多少多少名。但是非常遗憾，你们来了以后，在电子系一定会有一个两百七十名，一定会有一个两百六十九名，一定会有一个两百六十八名，所以你一定要好好学习，不要让自己成为这样的名次。

所以压力会非常大。

你刚来是比较焦虑的？

对。所以当时还带着那种很老的电子表，每天计时。你必须学满十一个小时，去个厕所就要把这个表暂停下来，吃个饭也要把这个表暂停下来。除了休息、吃饭、上厕所之类的，你一定要学满十一个小时，这就是大一上学期我的常态。

你自己给自己这样要求的？

对。因为你会发现，清华真的好多同学又聪明又用功，确实赶不上。

在清华最受推崇的是不是“我又很轻松，然后成就很好”？

其实并不是。

那大家怎么看待勤奋这件事情？你每天学十一个小时，周围的人是觉得很佩服，还是觉得你这样有些机械？

周围的人会觉得很正常。这件事一直引申到了后续的一件事情：对我来说，如果我没有努力工作，没有加班熬夜，我就会有负罪感。

我觉得这是整个清华很多人都会有的一种内心过不去的坎。我不知道用“梗”还是用什么来形容。

那这个焦虑和你后来想创业之间是什么关系？

当时有一个深刻的感觉。第一，你的这根弦不能一直紧绷着。到了大一寒假，我真的感觉人都快崩溃了。

第二，我也开始逐步感受到，读大学跟读初中、高中最大的区别。初中、高中的目的是走向一个更高的学府，而大学的目的，不管是本科还是硕博，都是帮你更好地走向工作、走向职业生涯。

到了大一下学期，我开始理解一件事情：读大学不只是学习。你可以走社工路线，可以走科创路线，可以走科研路线，可以选择在国内保研直博，可以出国留学，也可以创业，其实有很多种不同的选择。

所以我在大一下学期开始做出自己的选择。当时我选择的是科研和科创这条路径。

在很多不同的学生组织里面，我最终在大一下学期的招新过程中选择加入电子系科协。这里面有很多好玩的事情。比如当时参与招新的是一位比我高一年级的师兄，叫王鹤，现在是原音“宇核通用”的首席科学家。

后来我当到了电子系科协的主席。我是二〇一一级的主席，二〇〇五级的主席叫杨茂清，后面也有很多故事展开。

但当时的核心是，我发现自己最喜欢、最擅长、也最有成就感的，是让小车动起来，让程序跑起来，而不是做理论计算、做题目、发表纯理论的 paper。

所以我去了科协，选择了硬件部，这是我最喜欢的方向。纯粹让我去学一些数学理论，我真的非常难受。但是当我能看到一个知识到底发挥了怎样的作用时，就能找到学习的动力。

后来我给汪玉老师发了一封邮件，大一暑假就开始在他的实验室工作。在那个暑假，我迅速找到了大学中的我，也找到了后来的那个我。

甚至整个比我低一年级的同学们，在清华上的第一堂课有一半是线性代数。因为我是电子系的学生，当时我给线性代数老师发了一封邮件，说作为一个过去一年走过来的学生，我真的没有学明白这件事是怎么回事。但是在过去两个月的科研过程中，我深刻感觉到，线性代数原来在电子系很多地方都会用到。

当我看到它被用上以后，就有了一些学习动力。所以我想，或许可以给后续的同学们讲一讲这门课到底有什么用，可能会让大家更有动力。老师就回了封邮件，说下个学期第一堂课你就来给大家讲一讲。

你其实是在告诉大家，学这件事的必要性。

是的。或者说，告诉大家学了这些东西，最后在三维图像处理、电路计算中会怎么用上。你学的东西是有目的、有意义的，不是盲目地为了最后考一个高分而学习。

你做这件事，是为了帮助更多师弟师妹。你背后的动力是什么？

我会认为，有很多人和我一样困惑。

你当时大一下提到了几种路径，其中包括科研和科创。这两件事的区别是什么？

本质区别不大。科创更多像挑战杯、天空工场，大家去做一些可能用简单代码、简单算法就能实现，看得见、摸得着的事情。

你又说到一个人，天空工场。那是俞灏在清华弄的一个社团吗？

我当时在的时候，可能天空工场的负责人叫赵浩。赵浩是电子系零九级，他是光轮智能之前的首席科学家，后来加入极智嘉做首席科学家。

当时校园里的很多学生，后来进入社会后都在各个领域成为创业者。特别是在清华的科创和科研这两条线上，会看到大量的创业者，不管是在中国还是在美国。

科创一定要有一个看得见、摸得着、能够服务我们的东西出来。这个东西的成果一般会放到挑战杯上，作为学生的科创项目。

科研则是进入实验室，跟着老师做事情。它的产出根据实验室的差异也非常巨大。做理论的，可能产出就是 SCI 论文；对于我们这些人来说，可能产出的是一个软件，因为我最开始做的是 EDA，也就是集成电路设计软件。

到后期，我们做的事情可能呈现为一块板卡，里面能跑 AlexNet、VGGNet，去做一些图像处理。

对我自己而言，我比较有成就感、比较喜欢的是，最后一定要有能够在真实生活中看得见、摸得着的东西。

你后来本科毕业拿到了 CMU 博士的 offer，但是没有去，选择本科毕业之后直接创业。可以讲讲当时大三、大四申请、后来放弃、再决定创业的过程吗？

4. 科研转向创业

最开始我其实是一个非常普通、随大流的同学。那时候大家的思想风潮还是，读书最好一定要去国外读一个博士，这在电子系的比例应该是非常高的。

现在这个比例已经大幅下降，甚至有很多老师在忧虑出国比例太少。但是在我那两届确实非常高。我那一届出国的同学比例应该达到百分之四十五，仅仅针对我那一届；后面迅速可能变成百分之三十、百分之二十，现在可能百分之十，甚至不到百分之十。

从我的角度来说，如果大家能去最好的学校、最好的老师那里学到一些东西，最后回到国内做事，我觉得肯定是最完美的方案。

你随大流的想法是因为什么原因发生变化的？发生了什么事情吗？

我觉得这不是某一件具体的事情，而是包括你自己的人生成长在内，你一定会不断寻找自我。

我们所有人其实都生活在一个由社会期望、家长期望和老师期望熏陶、灌输出来的世界里。我觉得我第一次找到自我，可能是在初三。我初中一直当班长，最开始可能是严格执行老师给的各项纪律，严格监督其他同学。后来我觉得，这些事情似乎也没有必要。

到了大学以后，我也在逐渐寻找自己的很多想法。大一时我还是一个随大流的状态，家长和大部分同学都觉得，读书好的人就应该去美国读个博士。

但是到了大三上学期，当我第一次发 paper、去美国开会时，我越来越体会到，那样的生活不是我想要的。

这个事情你之前在接受清华采访时也说过。

对。因为去开会以后，我也接触到很多在硅谷工作的清华师兄。我感觉大家的工作确实非常清闲，可能一天工作五六个小时，但与此同时，每年的收入增长、职级增长，其实都是非常缓慢的过程。

后来有一位老师总结了一句话，我觉得特别切中我当时的心态。他说，人生就两种状态，叫 boring 和 suffering，然后看你倾向于哪种。

对我来说，我可能更加无法忍受 boring。

很多师兄因为工作相对比较闲、收入也很高，可能就在比较谁去过黄石、谁去过二十八个州、谁去过三十个州，大家都在这个维度上拓展，这也是一种很好的拓展。

但站在当时读书的我的角度，我觉得自己想经历更多，希望有更丰富的人生，而不只是日常的工作和休闲。

那为什么后来还是申请了一些美国博士项目？

因为申请是在大三做的，大四上学期才会出结果。包括大三暑假去 Stanford 做暑期科研，也对我后续创业有很大的影响。

那个时候坦率讲，我们和汪老师还没有下定决心要创办深鉴，也是到了大四以后才逐渐明确这个想法。到了大四上学期，汪老师可能开始跟我讨论是不是应该去创业。拿到 offer 前后，可能已经明确了要去创业，所以我们开始做各种创业准备。

你本科毕业就出来创业，在同学里面是一种什么类型的选择？

是非常极端、也不太被认可和理解的选择。

可以先聊一下，十年前的清华园里面，那批年轻人相互之间较量的是什么？做到什么事情，可能在学生时代就是风云人物；做什么事情，又可能会被鄙视？

清华一直是以科研和学习作为主线的。

大家羡慕的人，我们当时还给很多人命名，叫“神”。比如刚才讲的韩衍隽，我们叫“韩神”。隔壁班有一个同学叫张帆，我们叫“帆神”。他们班还有一个“神”，所以我们叫他“二神”，因为一个班只能有一个大神。

这些“神”普遍是学习成绩特别好，并且在一些理论或学科方面有非常强的天赋。

当时像杨植麟、高继扬、陈建宇、徐华哲，其实都是你们前后级的。他们在学校里，大部分都可以算“神”。

但杨植麟不是和你一个系。你为什么知道他们也能算“神”？

因为清华还有很多超脱于院系的专项培养计划。

最老的一个专项培养计划叫思源计划，也就是“饮水思源、回报祖国计划”。大家会走向西部、走向很多贫困地区，了解中国到底是什么样的现状，以此更加坚定为社会服务的心态。

除此之外，还有科技创新星火燎原计划，简称星火计划。我和很多同学都是星火计划的一期或者相邻几期的同学。比如我第一家公司的首席科学家韩松、徐华哲，杨植麟应该也在，但我不完全确定。

另外还有一个更小的群体，是 Stanford 的官方项目 UGVR，也就是 Undergraduate Visiting Research Program，本科生访问研究计划。这个计划由一批以华人为主的捐赠者支持，每年暑假输送二十名左右、现在可能三十名左右的中国学生去斯坦福做访问研究。

这个计划会承担所有机票、食宿和科研经费，还给一定的零花钱。我当时也是这个计划的一员，高其扬也是，我们都在那里有过一段很好的科研经历。

所以清华一定是大家认为学习和科研非常重要。当然也有很多人会羡慕学生会主席、在社工方面做得很好的人，但最主流的价值观一定是学习和科研。

你刚提到的这些人，后面很多都创业了，比如高继扬、杨植麟、徐华哲、王鹤等等。但他们创业的时间都比你晚。你那么早创业，是不是有点背离科研这条路线了？

这件事可以从两个方面讲。

第一，我最近觉得非常有趣，因为市场上一线公司里面有大量是我的同学，是我大一、大二就认识的同学。这属于一种正常积累的创业。

正常来说，你要积累足够强的技术思想，还是需要读一个博士，需要更深、更长期的科研工作。等你当了教授或者有了几年工作经验，开始逐渐意识到更多商业问题，再跳出来创业。我觉得这是王鹤师兄、高其扬、华哲师弟等人的典型创业路径。

对我来说，我可能把这条路走得更早。因为我从大一暑假就开始做科研，本科期间发了四五篇论文，已经开始在实验室开新方向，甚至从大二就开始带大一的新同学。

相对大家而言，我更早进入了科研方向的思考、科研团队管理等职责。到了大四，我们几个同学把各自做的毕业设计组装起来，变成一个完整的 AI 芯片 demo，这时我们感觉离创业更近了，所以就直接跳出来创业。

相当于我用了更短的周期，完成了从科研到科研方向选择、科研管理，最终走向科研科技成果转化的路径。

深鉴具体是怎么开始的？

5. 深鉴从实验室出发

当时有好几个一字班的同学在汪玉老师的实验室做毕业设计。一字班就是二〇一一年入学的本科生，其中算法负责人周二进，你可能也采访过。他之前是旷视研究院的，现在在云天励飞，是云天励飞的联创之一。

大家从算法、architecture、软件系统、编译器等不同角度去做这件事情。我的毕业设计题目并不是这个，但我恰好是这个项目的 PM，所以负责组织整个科研工作，最后写 paper。

当这样一个东西做出来时，我们开始思考这件事值不值得创业。

二〇一四年九月，商汤成立了，就在清华科技园创业大厦、你右后方能看到的那栋楼。那栋楼外墙有点破落，也是清华科技园里租金相对比较便宜的一栋楼。

商汤一成立，我记得徐斌就来找过我。当时他们要到清华招实习生，方式是给电子系科协赞助几万元，给活动冠名，然后让我让很多同学帮他们张贴招聘海报。

那时你大四上学期？

对，大四上学期。

当我们已经做出了一定成果、完整 demo 能够跑通时，看到商汤成立，就意味着深度学习可能要跨入主流，形成一种新的商业风潮，或者真正进入各个服务行业的实际应用，而不只是科研。

这时可能恰好需要我们这样的芯片和平台，因为原来的 CPU、GPU 可能支撑不够。所以我们开始产生创业念头，也开始和汪老师谈起来。

过程中发生了很多事情。二〇一四年底，韩松师兄回到清华。他当时还在 Stanford 读博士。我们一聊，发现他做的事情和我们非常互补，因为他在做算法压缩、稀疏化和量化，而这天然和硬件加速搭配在一起。他自己也有创业想法。

当时汪玉老师和韩松分别多大？

汪老师当时三十二岁，刚担任副教授两三年；韩松还是博士二年级或三年级，大概二十五六岁。

他现在在 MIT 当老师。

韩松老师现在是 MIT 的长聘副教授，去年已经拿到 tenure 了。

这也算互相壮胆。二〇一四年底，他也觉得这个方向值得做，我们也认准这个方向值得做，于是逐步开始物色各种团队。我去物色身边的同学、师弟，看他们能不能来一起做事情。

最后我们公司的 1 号员工，就是我在电子系科协带的、比我低一级的师弟隋林志。他是电子系科协硬件部的师弟，成为了公司 1 号员工。

最终彻底下定决心，大家也叫互相壮胆。我觉得汪老师帮我下定了决心。你刚才问的问题非常重要：我当时有 CMU 的 PhD 全奖 offer。

虽然没有我的 dream offer，比如 Stanford 的 offer，但汪老师觉得有两件事可以帮我解决。

第一，创业机会成本最低的时候，恰恰是年轻的时候。大部分人到了三十多岁反而不敢创业，特别是结婚、有孩子、有更多负担、有房贷之后，很多人不敢创业。所以我当时的状态，恰巧是成本比较低的创业阶段。

第二，如果我沿着家长和社会灌输给我的主流方向，去读博士，然后去硅谷大公司就业，这是一条体面的路，那么读博士和读硕士可能都差不多。汪老师觉得他有能力帮我找到好的推荐信，让我去 CMU 或 Stanford 读硕士。

他的意思是，创业不成功的话，我可以继续去美国读硕士，继续沿着社会主流认知中去美国读书、再在美国大企业工作的体面路径。

所以一方面，我看到了很强的机会：深度学习起来后确实需要新的算力；另一方面，汪老师帮我解决了一些个人心理上的负担。再加上那时我已经不太想沿着传统路径去美国读博、进大公司、走家长认可的路线，所以我坚定下来，和汪老师一起创业。

过程中也发生了很多好玩的事情。我的父母肯定坚决不同意，后来也需要汪老师出面做很多思想工作。汪老师把对我说的那番话给父母讲了一遍，经过多轮沟通，最后父母才同意我第一次就直接创业，而不是出国读书。

你没有避讳，当时其实是有退路的。这在有些人看来，会觉得可能导致你的心态不够 all in。

我觉得不能这么讲。

当时有一家公司的创始人抵押房子、all in 创业，我在朋友圈看到过一个连续创业者或企业家说的话，我忘了是哪位。他说，我从来不鼓励你 all in，因为当你把房子押进去，失败成本实在太高。

换一个角度，知乎上有一个回答，说为什么赌徒永远是失败的。因为理论上，即使赢和输的概率是五五开，赌场也不抽成，但总有一个时刻，你的本金会输到零。输到零以后，就没有资本再去翻本了。

因为即使概率五五开，资金也会波动。波动过程中一旦变成零，就再也无法回本。所以我一直不鼓励抵押房子、卖房子，所谓的 all in。

我觉得你应该把时间、精力、注意力和资源全部 all in，但不要把退路封住。

你觉得失败成本太大的问题是什么？是动作会变形吗？

我觉得动作会变形。追求成功和防止失败是两种完全不同的路径。

追求成功时，我们通常要冒一定风险，决策是带有风险性的。比如制定一个三年的公司规划，账上的现金可能不足以支撑三年，需要持续融资。

防止失败则是，所有事情投一分钱下去一定要见到两分钱的产出。我账上能支撑一年半，那我就裁员、降人数，把这件事拖长到三年、五年。这个动作和节奏会严重变形。

当你们做了一系列互相壮胆的工作之后，正式开始筹备创业，见了五十家投资机构，却没有一个人愿意投。

在当时做这样一个硬科技创业，早期是怎么起步的？当时的环境是怎样的？

十年前、十一年前，环境非常差。

第一，在此之前，中国人在科技行业的投资几乎没有挣过钱。当时在芯片上，能数得出来曾经赚到钱的案例，一只手就能数得过来，比如展讯，可能就没有什么了。陈大同也是我们的学长。

在那个年代，教授创业和学生创业都很少。多亏商汤给了我们一个案例，我们还能援引一个例子，除此之外几乎没有。不像今天，很多年轻老师和学生一起创业，这件事当时是没有的。

第二，之前没有什么技术项目可投，投资人的背景也没有几个人是技术行业出身，绝大部分看消费、文娱和互联网，不具备技术知识体系。他没有办法判断。

就好像今天你来跟我说，核聚变哪条路径好，用氦三还是其他能源，我其实判断不了，因为没有你那个领域的专业知识。那个时候的投资人也没有办法判断。

你们当时对深鉴要做什么事情，是怎么描述的？

当时是一个很学术的讲法：我们做了一个非常优质、高级、领先的芯片方案，这个方案在 FPGA 上就能实现，比如多少 GOPS per watt 的能效，将来在芯片上能够实现多好的能效。

未来人工智能时代，对算力的需求越来越高，GPU 会不够，所以会需要这样的芯片技术。然后再列几个应用场景，比如安防监控摄像头、辅助驾驶等等。其实还是一个从技术走向产品、再走向可能商业化的趋势。

可以说这不是一个包装得很好的故事吗？FPGA 那时应该很多人都没有听过。

确实是这样。那时我们也没有找到什么 FA，更多是请一些投资领域的师兄帮忙给意见。

比如请了兴旺师兄，也就是现在高榕资本的兴旺；请了武彬学长，他是 CPE 源峰的那位武彬；也请了 IDG 的牛奎光师兄，请大家给意见，应该怎么写这件事。

后来还请了北极光的邓锋学长给我们建议。他讲了一句话，对我们后来影响很大。他非常直白，不像之前很多师兄可能比较委婉，怕伤到我们的自尊心。

他说，你这个 PPT 的讲法，哪怕见邓锋学长时已经改过很多版了，还是一个纯技术人员的讲法，因为你在讲技术有什么可能性。纯商业背景的投资人想听的是：这是一件有万亿级市场的事情，市场里面产品需要更新换代，或者完全没有产品，需要一个怎样的产品；最后我的技术恰好能实现这件事，已经实现了什么指标，还有哪些 demo 能够往产品上靠。

你可能要从市场倒推技术已经落实的东西。

这让我想到你以前一次演讲中说，技术创业很重要的一件事，就是要很快抛弃单纯的技术思维。

因为技术的目标最后不是发表 paper，技术的核心不是自嗨，而是要在产品上创造价值。

你首先得想清楚什么叫创造价值，然后才可能想清楚技术延展的方向。

后来你们实际上是怎么拿到第一笔融资的？

这又是非常多的机缘巧合。

公司的天使轮领投方最后定下来，是金沙江创投的合伙人张玉彤。当时也非常多亏金沙江创投在硅谷有一位合伙人林仁俊，是新加坡籍的 Richard Lin。他投了几十年半导体，在硅谷投过很多半导体公司，对这件事有非常清晰的认知。他也觉得可能要从通用处理器跨向专用处理器，所以大力支持了这笔投资。

张予彤自己也是清华电子系毕业，懂一些芯片基础知识，觉得我们技术上肯定不错。与此同时，推到创始合伙人级别的 Richard Lin，可能从芯片行业几十年的发展中推演出未来需要一类这样的东西。

我们中间的工作也做得不错，所以金沙江很果断地出了 term sheet。我和汪老师在办公室当场签完，他才离开。

你们第一轮是不是还有高榕也投了？

高榕也是兴旺，也是清华电子系师兄。

坦率讲，在金沙江出 term sheet 之前，高榕可能还有一点犹豫。虽然岳斌总是北大计算机毕业、技术出身，兴旺也是清华电子系毕业、技术出身，但大家对半导体可能并没有特别长线的认知，对未来的推演也不一定完善。

他们和金沙江交流以后，可能相信了金沙江的判断，所以后来马上果断跟进、跟投。

这一轮具体是一六年年初几月份敲定的？我问这个时间，是想知道在 AlphaGo 战胜李世石之前还是之后。

签 term sheet 应该是在二月底或者三月初，AlphaGo 战胜李世石是在二〇一六年三月，所以是在之前。

那之后我们特别高兴，觉得 AI 真的在往大家设想的方向发展。

那件事改变了你们的处境吗？

改变不大，还是和当时的创业投资背景有关。

中国当时大部分投资人没有能力辨别技术到底好不好，更多看资历。我们是一个年轻团队，自认为技术很好，部分客户和合作伙伴也认为技术很好，但我们不容易用投资人能理解的方式呈现技术的领先性和未来价值。

所以那一年我们迅速转换思路：既然客户和合作伙伴深度认可我们的技术价值，为什么不直接把这些人变成投资方？

后续投资 A 轮的领投方直接就是 360，后面还有三星、联发科等公司的投资。他们都是做了七轮、九轮技术尽调之后才做出的投资。

为什么你当时拒绝英伟达、英特尔，选择了赛灵思？

那时我已经开始有一定的战略思想。

拿到金沙江的 term sheet 以后，大概在二〇一六年三月，我就开始推演公司未来会怎样。如果追求一个好的结局，当然希望上市；一个中等结局，是希望走向收购；我不希望走向破产。

如果走向上市，A 股当时有传言要做战略新兴板，也就是后来科创板的原型。美股可能希望你做一些事情，港股可能希望你做一些事情，市场各有特性。

如果是收购，英伟达收你会收什么，英特尔收你会收什么，赛灵思收你会收什么，国内阿里收你会收什么？我开始思考：你一定要在某件事情上做到世界第一，并且这是对方集团战略中非常重要的一环，他才愿意收购你。

这是一个战略思想的启蒙。从那个时间点开始，我开始思考公司最后会发展到什么程度。

回到你刚才的问题，为什么拒绝一些投资？我当时和汪老师、很多团队成员分析过：一家公司同时被赛灵思、英特尔、英伟达，甚至 AMD 投资，可能在人类历史上都绝无仅有。

正常来说，他们拿出来的投资条款最开始都是排他的，会排除其他公司，但最终他们都接受共存。

我就在想，这件事短期可能对公司品牌有巨大提升，但中长期是好事吗？不见得。

第一，我们的业务实质上在嵌入式端和英伟达的 TX1、TX2 等嵌入式 GPU 有一定竞争。如果对方拿到了完整的信息权，从长线上看，他会很了解你的产品布局，也可能指导他自己的产品布局。

第二，假设走向收购，可能反而卖不掉。假设英特尔要收，英伟达和赛灵思可能会竞价，也可能捣乱，让收购无法成型。

而且每家公司都承诺给很多业务资源，但它们之间存在竞争关系。英特尔会担心，我投入大量市场资源和业务资源，最后你上的全是赛灵思 FPGA 产品，等于帮竞争对手推产品。大家反而在这种情况下都不会帮忙。

所以在短期和长期取舍中，我们最终放弃了品牌迅速提升的机会，选择了中长期对业务提升最有帮助的赛灵思投资。

这些融资选择和战略判断，主要是你在深鉴负责的吗？

对，那时是我负责。

你在深鉴的整个角色是什么？职位上是 CEO？

对。我和汪老师的搭配，更像司令和政委。

很多大的方针肯定是汪老师制定。他是政委，不在一线直接指导业务；一线业务指导可能是我在发号施令。但是宏观的重大战略决策，肯定由汪老师最终拍板。

如果我的决策犯了众怒，让大家不高兴了，汪老师会出来收场。有些重要客户，我作为一个特别年轻的人，可能镇不住场，不足以 convince 对方，也需要汪老师出面。

比如二〇一六年六月，我们和王小川川总开会。当时川总在搜狗，现在在隔壁楼创办新公司。川总是九六级，汪老师是九八级，年龄相对接近，也能找到相关同学，所以需要汪老师出面。

那韩松和单毅，他们的团队职责是什么？

这个团队肯定是以汪老师为核心组建的。

单毅也是汪老师的学生，是公司的 CTO，负责带领整个研发团队，做前瞻性研发探索和工程实施落地，组织算法、软件、硬件整体出产品。

韩松是我们的首席科学家，负责前瞻性算法研究，包括压缩、稀疏化、量化等方向。后来以周会、双周会的形式，带领大家探索各种方向。

你们这个组合里，缺少一个有商业经验和产业思维的人。你是自己成长成了这个角色吗？

从日常工作上，有一位师兄帮了很大的忙，叫刘敬秀。他是汪老师的同年级同学，可能是同班，也可能是隔壁班。

他当时已经在外企工作了近十年，一直做市场方面的工作，有成熟的方法推动日常工作。

最终一些大的拍板、什么事该做不该做、方向上的取舍，首先由我决策；如果出现重大问题，汪老师可能会介入。

举个例子，公司有一次造成了巨大内部波动，就是我下定决心把无人机业务砍掉。

你们做了一段时间无人机？

对，然后转去做智能安防和辅助驾驶。

那段时间团队内部比较动荡。从技术人员角度说，我干了一年的无人机方案，刚做出来，刚在 CES 发布，刚准备进入小批量生产，你告诉我砍掉了，那一年的心血不就完全白费了吗？

你们是直接做了一个完整的无人机吗？

不是。我们和一家叫零度智控的无人机公司合作。我们确实做了板卡，把上面的整体板卡和算法都做好，提供的是一个解决方案，不是完整的无人机。

二〇一七年一月，我们已经在 CES 发布了和零度智控联合开发的智能无人机，早期就具备主人识别、手势识别、跟拍等功能。但也就是那个月，我下定决心把这方面的业务砍掉。

这造成了很大困难。这个决策之前虽然和汪老师同步过，但他可能没有深入思考这件事会有什么后果。最后技术同事们都不干了，觉得过去一年的工作成果非常惋惜。

为什么哪怕已经投入一年，还是得砍掉？

还是短期和长期的取舍。你一定要相信沉没成本是零，不管投入了多少，它就是沉没成本。

无人机市场的问题是，整个市场百分之七十是大疆，而大疆不愿意和小公司合作。即使服务零度智控这样的当时中国第二大公司，量也不会太大；服务其他公司加起来，量也不会太多。

你前面描述战略推演时，说的是公司会走向什么结局。你在深鉴的角色里做了很多战略和商业的事情，花在具体研发上的时间肯定变少了。你满意这种转变吗？

这是一个必须的转变。

当你所有精力还在具体研发事情上时，谁来承担战略思考？谁来承担融资、跑客户、招引人才、组织建设？

你们当时想过类似杨植麟和张玉彤这样的组合吗？大家希望你转型成为张玉彤，或者兼具杨植麟和张玉彤的一部分。

你内心希望有这个转型吗？你怎么接受这个转型？

我挺接受的。我觉得这也是清华人的一个特质：需要你做什么，你就做什么。

CEO 在公司永远遇到的都是最难的问题和最破的问题。为什么？因为团队会来找你。

如果一件事不同处理方法带来的结果，一个是好结果、一个是坏结果，就没有人来找你，因为大家都知道应该往好结果走。如果处理结果是好结果和更好结果，也没人来找你，因为大家觉得怎么做都不会错。

只有当一件事的处理结果是差和更差时，大家才会来找你，问怎么办，需要一个新的方式解决问题。

所以你永远做的是大家接不住的、最麻烦、最复杂的问题。

听起来都是痛苦，这有什么好？你为什么喜欢？

痛苦会带来成长，塞翁失马，焉知非福，所有痛苦带来的都是成长。

所有迅速的拔高、声量和荣誉，可能带来膨胀，带来巨大问题。

我这个人一直特别乐观。我觉得在第一次融资过程中被锻炼出来了。当时被五十家投资机构拒绝，汪老师会跟我说，我们做的事很少有人能看懂，但投资不需要所有人都看懂。

一百家机构里最后有一家愿意投钱、能够理解这件事，就能把它做起来。做出来以后，再让他们去看。

在不断被打击的过程中，心性锻炼得特别好，所以后来很多事情我的心态都特别平和。每一件事其实都有帮助。

大家期待你转型成类似张玉彤的角色，你是不得不转型，其中也有环境被动的成分。如果让你重新选择自己的发展路径，你也可以成为一个更技术背景的创始人，这是你想要的路吗？现在会有什么不一样吗？

没有办法做这个假设。

换一个角度，我是一个知足常乐的人，对现在的工作和生活状态没有任何不满。我也无法假设一个好和一个更好。我从来不回头看，也从来不后悔，很难做这样的假设。

二〇一八年年中，深鉴成立两年多之后，就快速以三亿多美元的价格被收购。这算是那一批 AI 公司里面很快、很成功的一个退出。为什么比较快地选择被收购？

这里面有非常复杂的因素，能列出十个甚至更多。

6. 深鉴为何出售

二〇一八年一月，赛灵思换了一位新的 CEO。新官上任三把火，说赛灵思要从一家 device company 成长为一家 platform company，从器件公司成长为平台公司，所以迫切需要我们这样在软件、算法和解决方案上能力很强的团队。

于是他们开出并购 offer，并邀请我们团队一起见面沟通。

我们回到酒店讨论时，有很多因素纳入考量。

第一件事不能回避：我们肯定没有见过这么多钱。虽然后来还了价，但这个价格对我们来说足够有吸引力，特别是对一个刚毕业三年的本科生，而且家里是工薪家庭出身的人来说，肯定有诱惑。

第二件事是，它让我第一次更多地从负面思考公司的发展。

很多第一次创业者都会遇到一个问题：当你几十遍讲完 BP 以后，自己也全盘采信了，不认为公司未来有任何风险。因为投资人也在不断强化你。

但当时我开始站在负面去思考公司后续发展有什么风险。比如二〇一八年了，战略新兴板还没有出来，到底会不会有？国内上市要求连续三年利润增长，我们能不能做到？即使能做到，最短也是五六年。五六年不知道会发生什么。

从负面的角度思考公司的风险后，我们发现，肯定不如最开始完全从正面设想的那么理想，还是有很多风险。

我们也遇到了一些具体事情。公司最开始可能是 996，从二〇一八年初改成大小周。二〇一六年公司第一年的平均年龄是二十六点七岁，二〇一八年已经到三十一岁左右。很多人结婚、有孩子，年龄增长，体力也跟不上了，开始抱怨这种拼命的状态。

有一位技术核心跟我说，他已经连续两周没有和孩子说过话。因为他的加班时间和孩子上幼儿园、睡觉的时间完全错开了。

还有一位技术核心，当时三十四五岁，刚结婚，老婆怀孕了。他说对他来说孩子是最重要的事，一定要把老婆照顾好。

这些因素最后汇聚到一个结果：我们接受了这笔 offer。

后来看到寒武纪的发展，你会有些惋惜吗？你们差不多时间成立，方向也相似。

其实还好。对我来说，二〇一八年获得了一个更高的台阶，可以去做更多自己喜欢的事情。

而且我对财富一直有一个认知：当你的财富高过一定数值以后，它就不是你的了。

对你来说那条线是什么？五亿、十亿？

我觉得高过那个之后，财富就不是你的了。

不是你的，是说你自己无法控制，还是说本质上应该属于社会？

就是你自己不应该去用它，也无法真正用它。

我不用太羡慕陈天石老师，他确实非常成功，但每个人有自己的追求。自己的高兴，并不完全代表身价、现金或者财富。

寒武纪能够坚持到今天，我觉得非常了不起。对我们来说，我们选择了一条让我过去五年去玩火箭的路径，我也非常高兴。

每个人心里成功的标准，以及让自己开心的事情，完全不一样。

对我来说，最重要的一件事情是回到第一性原理去思考：人这一辈子最重要的是什么？是时间。

人最重要的其实就是生命，生命等于时间。所以把时间花在让自己激动、感兴趣、高兴的事情上就可以了。对我来说，把时间花在个人兴趣爱好上，花在持续不断创造价值上，花在自己的兴趣方向上创造价值，我就非常高兴。

你当时二十六岁左右，成功卖掉公司，也见到了之前没有见过的那么多钱，是一个什么状态？你飘了吗？

没有。你还可以去问问经纬创投的张颖，David Zhang。他评价说：“你看姚颂那个样子，你能想到他是一个卖过公司的人吗？”其实是看不出来的。

7. 成功之后寻找方向

卖完以后，心情其实是陷入了灰暗。

当时卖公司，我和单毅共用一张很大的办公桌，办公室就在一个小会议室里。签完并购协议以后，我非常高兴，围着桌子踱步了两分钟。踱步两分钟以后，我的人生就陷入灰暗。

为什么会灰暗？首先，我的个性不适合在大型企业长期工作。我追求持续不断的挑战，很难按部就班地慢慢工作，等每年工资涨三五个点、职级慢慢提升。

我也不善于向上逢迎，不愿意向上做管理。我和汪玉老师这么多年合得来，是因为我们有话直说，沟通交流非常透明。

所以我一定要从大公司出来。但出来干什么？这个问题就问到我了。

第一次创业的方向，是因为我喜欢三维集成电路，去了汪老师的组。三维集成电路做得很好，后来实验室开了 AI 加速器的新方向，我成为这个方向的负责人。我自己后来又开了硬件安全的新方向，在实验室里其实管两个方向。

恰好 AI 加速器这个方向变成了创业公司，我也恰好成为了这个公司的 CEO。这个方向是汪老师定的。

将来再创业，可能需要我自己定方向，那我应该做什么？换赛道、找方向，是一个非常痛苦、非常灰暗的状态。

为什么用“灰暗”这个词？就像一团雾在前面，因为你看不清路。不是面前有三条路可以选，而是完全混沌的状态，甚至都不是纠结，而是不知道有哪些路。

我的人生在那个点只有三维集成电路，再到 AI 加速器，以及一些硬件安全研究，主线就是 AI 加速器。如果不是 AI 加速器了，那是什么？

这种状态就像很多人一辈子在一个岗位上工作，最后退休后会有些无所适从。我觉得是混沌、模糊的状态，所以形容为灰暗。

纯粹的高兴就两分钟？

就那两分钟。

你后来怎么走出这个过程？你和下一次创业之间隔了好几年。

主要原因是收购一般会有锁定期。我其实还提前从锁定期跳出来了，也损失了不少钱。

任何决定的前提是获取足够多的信息。当信息片面、不完整时，其实无法做决策。

为了做这个决策，二〇一八年十二月，我和经纬的王华东在湘爱吃饭，跟他聊了一下。之前经纬曾经想投资深鉴，也给我们开过 term sheet，大家相互比较认可，只是后来没投成，因为我们很快就卖掉了。

我也咨询了很多师兄的意见。我和 IDG 的 Justin 牛奎光当时也在湘爱吃饭。我印象中还和李诞聊过这个问题。李诞是我很好的朋友。

我说，我虽然才二十五六岁，但是有点中年危机的感觉：这辈子要实现什么，要做什么，路在哪里，我其实看不明白，也想不通。

大家给了很多建议。华东给了一个重要建议：那你应该多看看其他人在做什么，看看有哪些可能的方向。

正好经纬当时缺少一个纯技术背景出身的合伙人，于是邀请我去经纬兼职做 venture partner，帮他们一起看项目。我开始了在经纬的兼职。

在经纬投了两三个项目，也参谋了很多项目，比如最近上市的矽智科技，就是我在经纬期间参与投资的。当然项目负责人不是我。

那时我还孵化和天使投资了一家脑机接口企业，后来经纬在 Pre-A 轮领投了这家企业。这个过程中接触了非常多的方向：脑机接口、激光雷达、固态激光雷达、商业航天、火箭、卫星。恰好经纬是中国投资商业火箭、商业卫星最多的 VC，没有之一。

接触很多方向以后，我开始形成判断。

比如激光雷达，在三个月的时间范围内，可能会见到六七家不同背景的新团队出现。

你说的那个时候是哪一年？

二〇一九年上半年。当时大家在讲，非固态激光雷达肯定将来会被淘汰。有些人说自己有固态激光雷达的背景，也有人认为纯粹靠横向线扫的激光雷达不合适，应该斜着扫，形成激光点云图，对物体识别和避障更有帮助。

我还找李一帆聊过这件事，就是禾赛的李一帆。他给我的结论是，激光雷达领域的技术路径其实不重要，重要的是工程能力。

做一个 prototype，一个学术小组、技术小组花三个月都能做出来。但是从 prototype 变成真正的产品原型，变成小批量生产，再变成能够大批量交付的产品，同时在交付过程中从手工组装走向半自动化、自动化，这一整套流程是难的。

禾赛在这件事情上走得比较领先。所以他的判断是，如果继续发展固态激光雷达，禾赛以及可能的速腾，依旧会走在前面。因为行业核心的技术点、技术路径不重要，重要的是你要花三到五年走完工程路径。

现在可以说，这个判断被印证了。

我觉得在很多行业，工程难度和要求实际上会高于一两个技术点的要求。所以当时我觉得非常有道理，最后这些激光雷达一个都没投，也没有把它作为自己创业的方向。

在寻找方向的过程中，我也明确了一些事情。比如我发现自己无法成为一个专业投资人。因为在一线做决策做多了，当我看到创业者明显在往火坑里跳时，就忍不住想拉住他。

专业投资人曾经是你长期的选项吗？

没有。

我和张颖聊加入经纬时，David 看得特别明白。他说，姚颂不需要现金，需要足够多的信息。所以经纬中国的任何会议我都可以直接推门参加，不管是合伙人会、投决会，还是他们在建的任何项目，都给我这个特权。

我觉得他也在为我下一件事情做铺垫。所以我觉得张颖是个很厉害的人。

激光雷达被你排除了，后面还有哪些方向？

我还系统地看过脑机接口，也是在 Neuralink 出来之前。

后来我的感觉是，这件事在中国推进的速度会非常慢。比如二〇一八年底、二〇一九年初，我和博睿康的很多同事有过几次交流，比如黄晓山他们。

如果真的要做侵入式脑机接口，需要开颅，流程会非常缓慢。可能先做两三年的老鼠实验，再做两三年的猴子实验，然后再花三年做简单的临床实验，最终才能获批。

这个周期太长了。也许那时不是创业的好时间点，因为在纯粹研究和审批阶段，还没有进入产品和商业化阶段，我的能力不一定能发挥出来。

所以我孵化和投资了一个脑机接口项目，没有选择自己做 CEO。

一九年到二〇年的时候，你看到了国产 GPU 的创业机会吗？壁仞、摩尔线程、沐曦都是那个时间段成立的。

经纬当时也系统看过好几家公司，但坦率讲，这里面有我的短板。

作为懂技术的人，反而容易过度放大缺点。这个方向和我之前做深鉴比较契合，但一方面，我是一个极其讲诚信的人。在那家上市公司的收购 offer 里，我承诺五年内不会做类似的创业公司，所以五年内肯定不考虑。

另一方面，如果没有大模型驱动，这些公司的业务增长也是个谜。在那个时间点，我们无法判断后面会有一波大模型对算力的急剧需求。

一九年到二〇年国产 GPU 创业的原因之一，我觉得是寒武纪上市；另一个原因是对英伟达的禁令开始了，对最高端产品的禁令开始了。

但在那个时间点，如果只有深度学习这件事，我没有看到足够大的机会。出于诚信，我不愿意让别人代持，再去做这件事；出于机会判断，我也没有选择这个方向。

我知道你还考虑过可控核聚变。

看过，也和很多人交流过。

从收购到经纬这段时间，我在持续收集信息，也逐渐明确自己的做事逻辑。比如刚才画出的那个大圆，三大问题，可以用这个框架去装我在经纬看到的不同方向。

核聚变和商业航天一样，都是人类生存边界和空间的问题。

但站在那个时间点，我觉得可控核聚变包括量子计算都不够成熟，还处于实验室阶段，离实现可发电、可产生能量的状态遥遥无期，看不到清晰路径。

而且包括量子计算和可控核聚变在内，大家还没有进入产业化阶段，还没有开始思考投入多少钱、产出多少钱。

举个例子，核聚变会发射快中子，迅速把托卡马克内壁的“第一壁”打得千疮百孔，所以可能需要特种材料。但你每三个月停机半年换一遍材料，换的周期和成本是多少？再把原料成本、产出电量算进去，你不见得能比现在的水力发电便宜。

所以你当时想找的是，从相对前沿的技术，到可以规模化、工程化的阶段？

对。我希望找到的是，未来两三年或三五年能清晰看到工程化和商业价值的事情。不然太远了。

我甚至想过直接去读一个博士，只不过后来确实看到了火箭这样一个机会，所以选择了火箭。

从二〇一八年卖掉深鉴，到二〇二一年做东方空间，中间三年多。你一直想创业，踱步两分钟之后可能就在想新的方向。这三年对你来说难熬吗？

从工作状态上不难熬，但从心理状态上反而比较难熬。失去目标感、寻找目标感的时候比较难熬。

这是一种刺痛感，还是一直被文火烧着的感觉？

就是被文火烧着的感觉。你体会过无聊吗？那种手机也不愿意刷，什么都提不起兴趣，非常无聊的状态。没有足够多的事情能够让你感兴趣。

你不是说你有一些爱好吗？你尝试去玩过吗？比如你的师兄说，我去过二十八个州、三十个州，这些你觉得没劲吗？

有一定作用，但不足以改变工作上的事情。工作到今天肯定仍然是我整个人生的主流，我也不存在什么 work-life balance，主要还是工作。

之前我们聊过，你说你当了一段时间“富贵闲人”，当了几个月之后就受不了了。你描述一下，当富贵闲人六个月之后到底什么感觉？

就是 boring，就是没有感觉的那种感觉。

我最核心的爱好是音乐，另外是踢足球。

我初中就开始玩吉他。看到《乐队的夏天》第一季以后，又点燃了我对乐器和音乐的火花，开始打鼓、弹键盘。我当时还在朋友圈传了很多一人乐队的视频，自己弹键盘、打鼓、弹贝斯、弹吉他、唱歌。

另外，我以前可能没有时间去看音乐节，也没有机会接触一些喜欢的演艺圈的人，比如新裤子乐队、GAI。我也是《中国有嘻哈》第一季的狂热粉丝，本身也唱歌。

后来有很多朋友和机会。新裤子来演出，我能和他们一起吃夜宵；音乐节上能去后台和 GAI 拍合影，满足一些兴趣上没有被满足的点。

但对我来说，满足一次就够了。之后我甚至考虑过专业玩乐队。二次创业和三次创业之前，很多朋友问我要干什么，我说要当职业鼓手，因为水木年华乐队缺一名鼓手，我可以去给他们打鼓。

但你还是一次次回到了创业这件事上。

是的，还是脱离不开科技。

到第二次创业，就是商业航天。东方空间后来外界有各种传闻和风波，你也在二〇二五年离开了这家公司。你会怎么描述这段经历？

8. 东方空间押注火箭

这是一个对我特别有帮助、让我成长很多，并且奠定了今天更强做事能力的经历。

这件事也源自经纬。经纬投了很多火箭公司，最后我把这个行业做好一家优秀企业的关键点拆成了三个关键词：叫中国商业航天。

首先是航天，所以技术上一定要做出能够发射上去的火箭，并持续推动技术创新，往可回收方向走。

再一个是商业，所以不能不计成本，一定要考虑整体成本、商业规模、融资、现金流和地方合作。

第三是在中国，一定要适应和习惯中国的系统，把公司定位为服务国家。只有这样，才能把公司做好。

当时我在经纬对行业有一定认知，也看到了很多新的机会。那时已经有星际荣耀、蓝箭航天等火箭企业，都是很优秀的公司。

你刚才说“为国家服务”和商业，怎么结合？商业肯定要有市场化客户，国家任务也可以市场化地释放出来。

这就是我当时的判断。

二〇一九年，火箭公司其实相对没有目标。大家唯一能找到的目标是对标 SpaceX，除此之外不知道应该做什么，客户在哪里，未来怎么实现商业化、实现商业价值，绝大部分公司都不知道。

当时我也听到一些消息，判断未来两三年国家可能会成立类似 Starlink 的卫星互联网计划。

我一直有一个观点：5G 再往后的 6G，不一定还依托基站。5G 速度已经足够快了。大家当时想，4G 会催生短视频等重大应用，5G 会不会催生 VR 等新应用，但实际上并没有那么多新的应用。

这是通信换代的一个魔咒：奇数代际往往低于预期。

我不是专业搞通信的，但多少学过通信课程。我的基础想法是，5G 走向 6G，可能不只是通信速度提升，还要追求覆盖广度。原来一个基站，5G 覆盖周边几百米，4G 覆盖周边几公里，能不能一个基站覆盖方圆几百公里？那就得上天。

所以从通信、电子工程的角度，我认为 6G 应该往天上走，而不是基于地面基站。卫星互联网就是火箭行业一个很大的市场化客户，也是一个重大的市场变化。

基于我对未来两三年国家会出现重要卫星互联网发射需求的判断，我开始思考做火箭应该以怎样的优先级推进。最后排下来是“好多快省”——这是经典的四个字，但我重组了顺序。

“好”代表高成功率。如果只有百分之五六十成功率的发射，任何卫星互联网组网计划都不敢用你。

第二是“多”。卫星互联网发射一定是单轨十二颗、十八颗卫星，至少三四吨、四五吨运载能力。我觉得不到五六吨，可能不足以支撑卫星互联网发射市场。

再到“快”，因为要抢占市场先机。卫星刚出来时，可能找不到足够多的火箭发射；再等三四年，所有公司包括国家队都反应过来，市场就会进入白热化竞争。所以要尽快实现又好又多的火箭发射。

“省”可以放到后面。保障任务能够尽快找到火箭，把卫星互联网大批量打上去，优先级可能高于一发火箭节省几千万元的成本。

所以我对行业形成了自己的认知，就是好多、快、省。

基于这个判断，我觉得应该先从固体火箭开始，可靠性比较高、发射成功率比较高，这就是“好”。

引力一号是纯固体火箭，而且要实现六吨以上运载能力，这就是“多”。我们看了一下，至少四点几吨，才有机会接触卫星互联网发射市场。

再到“快”，固体也代表快，因为不用自行研发发动机。我们把“省”往后放，于是制定了从固体到液体可回收的循序渐进路径。

你这里说的“我们”是指谁？

指整个东方空间创始团队。

公司是怎么开始的？

首先我看到了这样一个契机，并且认为当时的火箭公司还没有在这条航道上看到这个需求。

第二是非常机缘巧合地接触到了一些从体制内出来的优秀火箭工程师。他们已经从体制内出来，刚开始画 BP，思考这件事怎么做。

最开始，他们通过我的同学找到我，请我指导这件事怎么商业化、怎么和投资方沟通。越交流我越觉得我们互补：他们懂技术，也懂体制内的发射流程、审批和沟通；我懂战略、资本，能够跑市场、跑地方，也能做组织设计。这是非常完美的搭配。

你在东方空间将近五年的时间，最开心的时刻是什么？

首飞即成功，引力一号发射成功，一定是这个时刻。

当时这是第一次民营航天发射直播。这个点子是你想到的吗？

是我想的。后来回头看，叫初生牛犊不怕虎也好，叫胆子大也好，反正我们确实是敢吃螃蟹的人。

为什么敢直播？是因为技术路线成熟、发射风险不大，还是你也接受直播有可能失败？

我是接受直播有可能失败这件事的，这里面有一些个人执念。

我认为航天不应该和普通人这么遥远，它应该是最终让大家亲身经历、亲身感受的一件事。所以我希望第一次火箭发射，不只是一个像国家保密火箭发射一样的活动，而是一个大家都能够接触、参与的活动，像音乐节一样。

我们请了水木年华到现场演出，也给火箭做了冠名，叫“海澜之家号”火箭，大家觉得很有意思。

这个冠名也是你促成的？

对。海澜之家的董事长周立宸也是清华经管校友，我们很熟，是很好的朋友。

推动这些事情有难度吗？技术和发射团队可能更希望确保成功，不希望失败被放大。

整体配合非常好。他们对自己的发射成功率也有很强信心。

我们从更宏观角度，希望把它做成公司对外展示的名片，做成大家都能参与的火箭发射大型活动，所以策划了整个发射。

这是不是也和引力一号采用全固体技术路线有关？它在体制内已经比较成熟了。

其实还真不是。引力一号本身是一件挺难的事情，因为它是固体捆绑固体的构型。中间是固体，四个助推器也是固体，这种构型非常少见。

一般是中间液体、周边固体。固体火箭发动机到最后几秒时，燃烧从中心向四周扩散，最后可能只剩下附着在发动机上的薄薄一层，燃烧就不会太均衡。不同发动机的燃烧也可能不均衡，推力会出现变化。

所以我们的技术团队做了很多工程创新去解决这些问题，仍然有很多难题。当天海面风也比较大，晃动比较大。

你们是在船上发射吗？

对。在船上发射，需要解决火焰溅射、船体烧灼等问题，有很多复杂的技术工程问题要解决。大家都做得非常好。

我之前和王华东聊，他提到你谈商业航天时有一些跨界思维，让他觉得有意思。比如你提到这个领域的仿真一直做得不好，相比计算机科学等领域使用得少，所以导致整个周期被拉长。你们当时做了一些改进吗？

我们一直在推动这方面的改进。

SpaceX 在二〇一五年的 GTC 做过一个报告，叫“GPUs to Mars”，讲他们用 GPU 加速仿真软件。

再一个，我是 EDA 出身。我的想法是，我们去台积电流片之前，结果应该百分之九十九点五以上都能大概确信会是什么样。这是芯片验证环节解决的，因为芯片 validation 会把很多工作提前完成，各种仿真软件也能把结构仿真做得很逼真。

但火箭要切分不同阶段，从最开始的可行性论证，到详细设计阶段，也叫模样阶段，再到初样阶段，也就是第一个原始样品阶段，再到试样阶段，也就是实验发射阶段。

投入最多的是初样阶段，也就是实验样品的各种测试环节，持续时间也最长。所以我有一个第一性原理的想法：如果能够通过 simulation，把所有零部件、包括燃烧仿真做得足够逼真，是不是可以降低测试成本，也减少很长的实验周期？

我们和一些老师合作，包括北大一位做燃烧仿真的老师，以及北航一位做燃烧仿真的老师，当时有很多探讨。

但最终火箭还是“好”放在第一位，所以对于完全创新的技术，我们会比较谨慎。

你刚才说最开心的时刻是二〇二四年年初引力一号首飞成功。在东方空间，难受的时刻是什么？

整体来说都很好。创业十一年，我非常感受到一句话：塞翁失马，焉知非福。你的痛苦就是你的成长。

那你失去了什么？

公司后续到了不同发展阶段，大家的想法会有一些不一样。最后我觉得，我更适合前沿技术突破叠加商业化的事情。

经过这段经历，你核心的成长是什么？

我的工作 scope 和深鉴科技不太一样，战略思维会更完整。我需要主导更多战略，思考更长远的事情，而不只是眼前的事情；还要有组织、有逻辑地思考很多问题。

这对我后面推演其他行业，包括具身智能的发展，帮助很大。

第二，我收获了很多在中国踏踏实实、非常实在做事的能力，能够更好地在中国推动一件重大事情。这个流程我完整经历了一遍，甚至两遍、更多遍，对我的帮助非常大。

你个人经过这段经历，心力上的成长和变化是什么？

还是不断成长、变得更加成熟。

第一次创业第一年，二〇一六年，我就经历过一些类似的成长。当时有投资人要投公司，去找一位清华校友做背调。我们下意识觉得，对方至少会给一个不差的评价。

结果投资方反馈，那个人给的全部是差评，说做的东西一点价值都没有，自己完全能做等等。

我们后来才意识到，只有最亲的亲人、最亲的同学、一起在实验室摸爬滚打的朋友希望你好。没有那么多人希望你变得更好，更多人可能只是眼红、眼热。

火箭后期也遇到过一些外界纷扰和所谓的大新闻，但对我的信念来说，反而变得更加坚定和坚韧。

看到社交媒体上的一些说法，你是什么心情？

没什么心情。大家都知道做了哪些事、产生了怎样的价值，也知道公司还在正向发展，所以我没有特别的心理波动，对我完全没影响，我睡觉。

你不要把这些东西放在心上。如果太注意媒体报道和每个人对你的评价，事情就没法干了。

甚至我觉得有句话叫“事以密成”，有些核心战略不应该对外讲。

你在商业航天上有什么想实现但没有实现的遗憾吗？

时间还不够长。如果能等到可回收火箭发射成功，再一起见证那件事，会更好。

当然也很快了，大概今年年底或明年上半年，团队应该能把引力二号成功发射上去，并且可能第一次发射就做一些很大胆的尝试。

去年夏天你离开东方空间，是一个怎样的过程？

是一个好聚好散的过程。

公司已经进入平稳发展阶段，签了十几亿元的合同，我也可以追求自己更喜欢的 AI 技术和商业上的事情。

当时有投资人是因为非常认可你才投这家公司。随着你退出，他们的认可、期待和利益怎么安排？

我们从多个方面做了保障。

一方面，我和大家说我想做新的事情。有些人说可能想跟着我去做未来的事情，但如果我想退出，也没问题，我帮他们找到收老股的机构。

另一方面，我也觉得对不起大家。公司从成立走到这个阶段，我想去做新的事情，但大家当时是冲着我投的，所以我在新公司也给所有老股东一些股权补偿。

恰好赶上最近商业航天的大潮，目前大家的估值比我离开时进一步增长。总体来说，从他们投资的估值到现在，肯定有数倍增长。我们为大家打了一个很好的基础，让大家享受到估值几倍以上的增益。

第一次创业结束、卖掉深鉴后，你寻找自己方向时灰暗了一段时间。去年离开东方空间后，开始 Striding AI 却非常快。可以讲讲这是怎么开启、怎么定位到这个方向的吗？

9. 正行创新押注物理智能

定位这个方向也花了一年，甚至更长时间。

从公司发展到一定阶段、我可以探索新事情开始，到正式出来，中间还有几个月的时间差。在这个过程中，我一直逐步思考应该做什么。

这次还有灰暗的感觉吗？这次是什么感觉？

这次也有灰暗的感觉，但毕竟是第三次创业，面对的资源和信息量不一样，我自己也不一样。

我还是投资机构 C Fund 的创始合伙人，虽然现在只是一名投委，不参与具体管理，但会持续看到市场上各种新项目的信息。

我一边思考大方向，一边遇到了一些机缘巧合。这次比上次更快碰到了一些机会。

我一直觉得创业不是“我想创业就一定能创业”。你可能倒腾两三年，苦思冥想出一个看起来凑合的方向，做几个月发现不行，又开始想新方向。

我觉得创业像因扎吉进球。你看足球吗？我小时候最喜欢 AC 米兰。那时卡卡还在打替补，舍甫琴科在前锋位置上。有一个很知名的意大利前锋叫因扎吉，号称“小禁区之王”。

他所有进球都没有什么花活，没有过人、摆脱、倒钩，就感觉在小禁区几米范围内，轻轻一推、轻轻一顶、轻轻一射，球就进了。

创业就是这样。你得感觉自己好像身处因扎吉的位置，球正好传过来，只要顺脚一推、顺头一顶，球就可能进。

这是天时、地利、人和汇聚在一起的状态吗？

有一点。你需要很多资源汇聚到一个点，让你看到清晰的成功路径。我觉得这才是一个好的创业机会，而不是我一定要创业成功，所以千辛万苦去寻找方向。

那去年你的天时、地利、人和是什么？

做物理 AI。

天时、地利、人和有很多方面。我遇到了一些很好的合作伙伴，更多是其他企业。公司除了我之外最大的两个股东，是泰国正大集团和国内华勤技术。

正大是全球五百强企业前几十名，去年营收大概有一千一百亿美元。他们从饲料、种子，做到玉米、养殖、养猪、养鱼、养虾，再到肉类加工、零售和信息科技，是一个非常大的跨国集团。

华勤技术是全球最大的手机 ODM 公司、笔记本电脑 ODM 公司，还覆盖手表、手环、眼镜、打印机、充电宝、扫地机等电子品类的生产。

这两个合作伙伴首先希望找到我一起合作，做具身智能或者物理智能相关的事情。我觉得它们和我天然、完美契合。

这个方向是你提的？

是我提的。但在沟通过程中，确实发现这是他们重点战略投入的方向，而且愿意做大量前瞻性投入，而不是等产品成熟后再计算八个月、十二个月回本。

没有这样重要的合作伙伴和场景，我很难做这件事。物理智能一定基于场景：开始采数据，有模型、有产品、有解决方案，上到产线或工作环境，再获得更多数据，事情才能迭代起来。

正大和华勤具体提供哪些场景？

我们和华勤会在工业生产领域，特别是 3C 电子生产领域合作。

和正大的第一步合作是在消费零售领域，在 7-Eleven 便利店、卜蜂莲花超市等零售场景合作。泰国、缅甸等国家的 7-Eleven，全部是正大集团直营便利店，不是加盟店。

正大集团直营店应该有一万六千家便利店、两千七百家卜蜂莲花超市等大型超市。如果算上加盟和合作门店，应该还有七八千家。

所以一个是零售商业场景，一个是工业制造场景。有了这两个基石，可以形成从算法、模型到应用的完整闭环，落地后持续把数据飞轮滚起来。

如果没有这样的合作伙伴，恰好愿意在这个重要方向上做前瞻性投入，很难有坚实基础，这肯定算机缘巧合。

另外一个机缘巧合，是和我第一次创业的导师汪玉老师再次合作。虽然他没有直接参与公司，但恰好汪老师团队过去五六年有几十个学生投入在具身智能相关研究上，涉及强化学习、世界模型、infra 基础架构和算法层面。

当时他的团队内部也在讨论是否应该独立做一个公司，就像现在很多年轻教授出来做世界模型创业一样。恰好我们有很强的互信，团队里又有很多同学和师弟。

比如团队里一位年轻老师余金成，是二〇一二级电子系科协主席，也是我的下一任继任者。我是他的前任，属于我大二、他大一就认识。大家有很强的互信，所以能够探讨合作，这也算一个机缘巧合。

还有一些小的机缘巧合。去年下半年真正深入看这个行业时，我在七八月份就迅速意识到，VLA 差不多走到头了。

你怎么意识到的？

第一，我自己还会读一些 paper。已经有一些 paper 的数据表现显示，给 VLA 模型增加训练数据后，性能不是预期的缓慢增长，而是开始下降。

它的增益在减少？

增益在减少，甚至到一定阶段，数据量变大，精度还会下滑。这可能和数据 bias 有关，也可能和很多其他原因有关。

第二，我看到部分公司开始从 VLA 切换到强化学习。大家也发现，纯粹的 VLA 直接做到交付比较困难，精度到了一定瓶颈后上不去。

所以我开始思考下一步，包括世界模型和强化学习，我觉得这些都是必要的。这意味着我们又面临一波新的机会，有一批新人可以在新的技术方向上探索。

天时还站在你这一边吗？二〇二五年下半年成立这样一家公司时，市场上做具身智能、通用机器人、智能机器人的公司已经很多，像智元、原音疑似“宇树”的公司也到了头部。你觉得有一个新的技术变化正在出现？

成立时间肯定比其他企业晚。比如我们已经投的银河通用、智元机器人，肯定相对晚一些。

天时决定一些事情。先发优势可能获得更多资本，这是无法抵消的；有些公司今年就能上市，也必须承认。先发优势还可能带来更多业务资源，比如有些公司去年开始和上市公司成立合资公司推动落地。

但因为我是第三次创业，这些事情几乎可以抵消。我们这次访谈公开之前，大家就已经会看到我们和一些大型上市公司的战略合作，以及更深入的合作。

再一个是人才号召力。早期公司可以号召有创业决心、有技术能力的年轻人一起创业。但这件事也会因为我的三次创业和时代对具身智能不断上升的认知，抵消一部分。

就像当年壁仞、摩尔线程、沐曦出现时，大家又召集了一批比深鉴早期更好的团队一样，这个行业还会有更多人投入。

这些是别人也有、你也可以有的部分。现在有什么是别人没有、但你有的？

一件比较难做到的事情，是我们从业务第一天就坚定立足中国、面向国际化、面向出海市场。

这是正大能够帮助你，还是为什么你能做到别人做不到？

第一，这和股权结构有关。大家都很理解，我们处在一个百年未有之大变局中。当股东结构确定后，有些因素可能就无法抵消。

第二，大部分一次创业者要在创业过程中不断搜罗出海业务资源，而我们从创立第一天就拥有覆盖全球的商业网络，将来可以帮助产品推广和落地。

正大的股权和你们创始团队相比，是更多还是更少？

公司肯定是我作为董事长、CEO 和创始人。正大是除了我和团队之外最重要的股东。

你和正大的掌舵人谢国民是怎么谈定的？他经历过很多企业，今年已经八十六岁了。你怎么说服他支持你做这件事？

他是我非常尊敬的长辈。我愿意和他合作，他愿意和我合作，肯定是互相欣赏和认可。

二〇二二年冬天，谢国民资深董事长来到北京。正大集团日本社长徐志敏学长，是清华水利系七九级师兄，我认识很多年。他给我发微信，说谢董事长来到北京，特别想接触中国科技行业的年轻才俊，问我能不能去汇报最近在做什么。如果有认可的朋友，也可以推荐一起聊。

我邀请了几个朋友，包括戴雨森、银河航天联合创始人刘畅，因为当时他们也想推动泰国卫星互联网业务。我们一起做了交流。

谢老爷子对我的印象不错，也让我佩服得五体投地。我们几个人分别介绍自己做的事情，还有问答环节，大概开了三个小时。

谢老爷子穿西装打领带，正襟危坐，一直认真听我们讲，没有迷失，因为他不断和我们互动、提问题，真的在认真学习。可能都没喝水，或者只喝了一两次，也没有中间去上厕所。

聊完以后他请我们吃晚饭。吃饭时我说，资深董事长，能不能留个联系方式？他马上说，不对，你们是老师，你们坐着不要动，我来加你们微信。

然后他拿出自己的手机，一个个弯下腰扫我们的微信。我觉得这位老爷子太厉害了。到了这个年纪，还持续保持对科技和新事物的好奇心，对人无比尊重。整个汇报、介绍、讨论过程，他不喝水、不看手机、不上厕所，认真听你讲、和你交流。这种对人的尊重，非常值得学习。

我的报告有一个习惯，会根据听众的知识水平调整说法。完全不懂技术的人，我会用类比的方式讲。谢国民资深董事长可能觉得，这个人做科技创业，还能把事情讲明白。

后来谢老爷子每次来到北京，就让团队约我，并且说，你带几个认为不错的科技行业同龄人，和我一起聊聊天。

他特别关心算力，我请了并行科技董事长陈建、青云科技总经理林源，也请汪玉老师过去交流。他关心自动驾驶，我请应奇师兄；关心具身智能，我请王鹤师兄、许华哲师弟。

多次交流以后，他提出有没有机会一起做一件事。但当时我还在做火箭，所以比较委婉地回绝了，毕竟火箭、卫星都是敏感行业。

从火箭公司离开以后，我觉得到了新的阶段。他的表态是无条件支持：你需要我提供怎样的支持，我们在不互相占便宜、正常商业合作的基础上沟通。但具身智能机器人，或者物理智能，我选择和你独家合作。

所以你觉得，中国的具身智能公司、物理 AI 公司，比较难做到国际化，是一开始的架构设立决定的吗？

我觉得从投资人和股东选择，以及业务资源禀赋来说，我们可能比很多公司好不少。

其他公司是没有看到这个问题，还是因为各种原因没有做？

很多公司已经开始做了。比如智元从去年下半年开始积极布局国际化业务，银河通用也在布局国际业务。

站在很多创始人的角度，他们可能第一次站在一号位，做宏观规划和业务推进，并不像邓泰华总已经在行业里很多年，银河通用创始人也非常懂行业。

很多人像小时候打星际、打魔兽一样，在探地图。大家是 researcher、technical 人员或者工程师出身，想的是先做算法、做本体、做 demo，做完后再思考卖到哪里。

不同的人会有不同选择：有人选择把本体卖到海外科研方向，有人觉得暂时不能落地，或者笃定算法，短期先把模型做好，不考虑落地。

但前面的一些决策，可能会成为后面的制约，比如股东结构。

除了国际化布局，你们还有什么独特思路？

10. 系统能力胜过单点天才

Striding AI 真的是用系统化思路解决整个问题。

大家最近最关心的是 world model、world action model。它们是很好的方向，但坦率讲，我觉得一两个年轻老师或者一两个小天才，无法解决这些问题。

你说的“小天才”，具体是指一两个小天才成立公司，获得相对高的资本关注吗？

对。这是业界舆论、媒体和资本比较关注的事情，也是比较容易理解的技术名词，确实和 VLA 是不同的技术方向。

但很难通过一个简单的算法团队解决问题。这就是我们系统性思维和专门只在一个方向做研究的思维之间的差异。

回到十年前，我和曹旭东师兄在清华科技园楼下散步。那时他刚成立 Momenta，或者说还没有正式成立，但就是那一年成立的，一六年成立的。

他问我创业以后的感受，我也请教他：做出优秀算法主要依靠什么，竞争力最后会出现在哪里？

我记得他的回答可能是，百分之五十是数据，百分之三十是算力，百分之二十是人的经验和灵感，并且他把经验放在灵感之前。

十年后看新模型、新算法领域，也会发现，中国现在最强的四家大模型企业，没有真正的小天才单独创业或者年轻教授单独创业的公司。

为什么？因为如果想做好算法，不是依靠一两个年轻人就能做好。靠一百个年轻人，像 DeepSeek 那样，是重要因素，但还不够系统。

一定要同时解决数据、算力和人才资源池，才能做出持续领先的算法。

现在大家都在买 egocentric，也就是第一视角的视频数据。如果没有自己的数据来源，要自己买数据，业界现在是每小时三百到六百元。

随便拿几十万小时数据训练模型，现在可能都觉得不够；可能要设百万小时目标，三个亿到六个亿的投入成本就花掉了。

你觉得钱转化成算力和数据，中间的损耗是什么？

有一种路径是靠小天才受关注的光环，获得很多资本支持，买算力、承担高成本数据采集。但为什么产品还是没有竞争力？

因为你的算法成本是别人的十倍甚至二十倍，产品将来怎么定价？

所以我要高效、低成本地做到这件事，需要找到紧密合作的、高质量、封闭的海量数据来源。

比如我们找到了正大集团。正大有四十多万全职员工，这不是用钱能简单买来的资源。通过这种方式，我可以把数据成本降到正常市场采购价的十分之一以下。

如果换一种方式，号召一百个小天才，有算法小天才，也有设备、infra 方向的小天才，用创新技术低成本采集数据，这可能是一种路径吗？

那他去哪儿采？

资源方关心的不是数据本身能带来多少收益，而是这件事首先不能影响原有业务。所以方案必须做到不影响原有场景的工作状态。

而且大部分公司会把操作流程、工艺数据作为保密数据，不愿意商业化。无论立讯精密还是华勤技术，产线工艺流程、标准动作和操作方式，肯定都不愿意公开。

所以这个小天才需要进化到能设计出一种方式，让大家愿意合作。当然这需要周期，也需要建立信任。

我因为三次创业，可以优先解决信任问题。

第二件事是算力。找不到足够多的卡，或者不能把卡发挥出来，也等于白费。

能够训练出 DeepSeek，不只是因为有一两百个清华、北大和其他学校毕业的天才，也是因为它有几万张卡。没有这么多卡，就不可能做这件事。

同样是一千张卡，不同公司发挥出的效率也可能完全不同。我有相对自信，我们可能用二百五十六张卡，达到没有 infra 能力的公司一千张卡才能达到的效果，因为我们在 infra 上能做大量优化。

如果靠一两个小天才，或者仅靠小天才不能 work，需要什么补充？

一定要建立非常庞大的人才资源池。

DeepSeek 的 technical report 里，可能有一百人、两百人的作者清单，这是大家集中参与的事情。它的 V1 和 V4 没有个人署名，V2 和 V3 有个人署名，但最主要贡献者一直在变化。可能只有一两个人连续两个版本都是重要参与者和技术贡献者。

回到更早的 CNN 深度学习时代，AlexNet 可能是 Geoffrey Hinton 老师团队提出的，后来牛津的 VGG group 提出 VGGNet，VGG-16 当时很有名，Google 团队提出 GoogLeNet，但真正大规模使用，是因为何恺明老师提出 ResNet，解决了模型需要多少层的问题。

你可以尽可能增加层数，但 residual，也就是残差连接，可以让层数增加后不影响效果。

再看 detection。最开始有人做 R detection，我不记得具体哪个团队。大家觉得太慢，于是有了 Fast R-CNN；再下一个版本叫 Faster R-CNN，我印象中是任少卿做的。后面戴季峰老师又做了 R-FCN，也就是 Region-based Fully Convolutional Network，速度进一步提升。

不管大模型时代还是深度学习时代，我相信到了物理智能、具身智能时代，没有人能在一个技术领域内持续不断地产出、永远站在世界最前沿、不断改变世界的算法。

所以需要很多资源池，不同团队各领风骚一段时间，才能保持业界持续领先。

如果一个研究团队无法一直保持世界领先，有可能被一个公司做到吗？因为吸纳足够多样的团队，就能做到，还是这件事本身就很难成立？

我觉得这件事本身就很难。

智谱现在的成绩、DeepSeek 的成绩、Kimi 的成绩，有人称作“国运级表现”，我觉得确实绝无仅有、极其罕见。他们相互之间肯定是交替领先的。美国的 OpenAI 和 Anthropic 也是这样。

我们还应该做一件事：缩短最前沿算法到最终商业价值之间的通路。如果转化通路太长，公司的竞争力会弱很多。

先把人才池说完。你们怎么建立足够大的人才池？

可以用很多方式。

杨植麟可能更多通过技术形象和业界感召力来解决。他最开始就拉了一批清华计算机系、姚班、电子系的同学和师兄，形成了人才基础，再用这些人的人脉，通过信息学竞赛等方式，把年轻天才吸引过来。

唐杰老师、智谱，天然有很多学生，有大量优秀学生，而且越往后，学生的精英程度和聪明程度越高，可以源源不断地为公司贡献新的 idea。

DeepSeek 可能通过很好的薪资条件，以及梁文锋总个人的技术感召力吸引很多人。

我们也希望多管齐下。一方面和汪玉老师团队深入合作，让更多同学在实习过程中参与进来，把聪明头脑贡献出来，将来可能成为全职员工。

另一方面，也依靠个人感召力，号召几个非常好的技术核心。比如我们现在的算法负责人高峰，被好几位老师评价为，博士期间一个人能顶十个人。

这种人不是单纯靠金钱或合作关系就能拉来的。

你刚才还说，怎样让前沿算法到商业价值的转换链路尽可能短。具体到新公司，你们的思考和实践是什么？

很难一家公司或一两个人持续不断地永远领先，技术焦点一定会往上走，很多事情可能变成沉没成本。

我问过一些曾经在商汤、旷视等 AI 公司工作的朋友，他们过去几年有没有后悔的事情。第一点就是，他们所在部门从 research 到商业价值、工程落地的 pipeline 太长，没有把这件事缩短。

最后沉淀下来的价值，还是 research 走向产品、走向落地、产生商业价值的 pipeline。因为即便商汤、依图、旷视这样的领先公司，也无法保证所有算法一直领先。到了大模型时代，它们确实落后了一些。

如果这些公司无法保证算法一直领先，理论上从商业角度就应该寻找其他壁垒。当技术本身无法成为壁垒时，有些人后悔、或者觉得可以做得更好的地方，就是把 research、engineering 和产品落地更紧密地结合起来，把 pipeline 打到最短。

大模型领域直接验证了这件事。大模型的 model 级产品，模型训好后不用做太多调整，就能变成产品，客户切换 API 也相对容易。

解决技术竞争有两个思路。一个是在技术壁垒之外找别的壁垒，比如英伟达做 CUDA，形成生态壁垒。

另一种是像现在大模型市场这样，让链路变短。但我不确定的是，Anthropic 最近很猛，OpenAI 一旦看到 coding 有前景，在 Codex 上大力投入，反扑力量也很强，感觉会永无止境地缠斗下去。有些公司就被高速运转的东西甩掉了。

本质上，最核心的能力是组织能力。

你要把这些人紧密联系在一起，因为每个人最舒服的东西不同。还要把从算法到软件、硬件、解决方案的全通路，在内部做全栈自研，才能做到这件事。

你们怎么解决？刚才说的自研，具体是什么？

我们和清华合作各种算法，自己也有算法团队；机器人的技术软件、端侧软件全部自研；本体结构设计、硬件设计也全部自研。当然硬件生产不自己做。

云端遥操平台、云服务平台全部自研，解决方案最终提供和现场实施也全部自己做。

这就是强垂直整合的逻辑。

是的。我认为这可能会是具身智能未来三到五年的主流方向。哪怕大家现在没有这么做，也会逐渐变成这个方向。

你们现在的产品，在本体形态上怎么选择、怎么设计？

我的观点一直是，如果真的要做场景落地交付，应该用轮式双臂构型。

绝大部分作业场景都是平地。用双足人形会带来两个问题。

第一，它的几个关节可能需要做得更大，使用高价值关节，所以整体成本可能比轮式更高。一旦开始算账，这就会成为问题。

第二，双足机器人必须把电池装在胸腔，运动也不那么稳定。轮式机器人可以把电池装在底盘上，重心更稳定，执行操作时身体晃动更小，也更有利于算法执行。

从场景落地角度，我觉得一定会以轮式双臂作为最开始的方向。但我们也同步探索双足人形。就像一直提到的，我们是在探索通用物理智能的路上，希望每走一步都能开出一朵花、结出一个果，所以不会停止对最终通用具身智能的追求。

C Fund 不是也投了许华哲的新公司吗？我前段时间也采访了他。他有一个和你相反的想法：过去很多具身智能公司太想所有事情都自己做，他觉得没必要，应该把一些事情交给生态。你怎么看这种分合的选择与取舍？

都是可能的路径。

看历史会发现很多类似的事情。PC 时代，二十世纪七十年代到八十年代初，所有跑在最前面的电脑公司，比如 Apple 和 IBM，芯片、生产、软件、应用，全部都是自研，操作系统也是自己的。

到了八十年代末，很多公司开始出现标准化接口和供应商。CPU 可以用英特尔的，操作系统可以用 Windows，生产也可以外包。

但到今天，总体而言性能最好、整体最舒服的还是 Apple，因为它的生态是闭源的，没有那么多威胁，也没有那么多历史包袱。苹果生态的核心竞争优势，安卓系统和其他操作系统都很难逾越。

在物理 AI 到今天为止，不管叫 physical AI 还是具身智能，行业还没有标准化接口，没有标准化物件尺寸，也没有成熟完善的供应商。

所以关节可能不会自己做，结构件可能不会自己做，但上面的软件、大脑系统等，肯定要自己垂直整合，才能更快速发展。

灵巧手会自己做吗？

短期不会考虑。

是不考虑自己做，还是产品形态短期不需要灵巧手？

这两件事短期都不考虑。

我的观点一直是，机器人的自由度有多少，不是由硬件决定的，而是由算法控制能力决定的。

类比自动驾驶，我们做了十年，也没有完全解决 L4。汽车只有前后左右几个维度，但已经是非常复杂的控制问题。要做到六个九，平均几百万公里才有一次接管，也很难。

具身智能比自动驾驶复杂非常多，复杂在三个方面。

第一，车不会主动撞人、撞东西，机器人要拿东西、改变周边物体的物理状态。

第二，车工作在结构化信息上，知道这是斑马线、红灯绿灯、左转道、直行道，其他人也大概率遵守规则。但是物理世界如果想做到通用，没有这些规则，只有物理定律。

第三，汽车控制自由度少。一个仿人臂有七个自由度，两个臂就是十四个自由度，还有腿部、髋部自由度。夹爪可能是一个自由度，灵巧手可能有六个，也可能二十几个。

自动驾驶的控制都已经不容易了，如果真的想做到三个九、四个九甚至更高的九，稳定交付，我认为现在的算法无法稳定操纵灵巧手。

你这里有一个前提，就是认为现阶段开始做交付很重要。这涉及行业一直讨论的问题：到底是智能能力优先，还是智能和落地两条腿一起走？你站在哪边？

我站在智能发展的过程中，每一个 milestone 都必须有商业化落地。

回头看过去十年自动驾驶企业的发展，如果我认定公司只做 L4，独立企业的死亡率很高。所有交付 milestone 都是技术进展 milestone，需要一批对自动驾驶有热情、认可 milestone 的投资人持续支持，才能走到后面。

这件事甚至在美国都没有完全发生。独立做 L4 的公司能存活到现在的很少，Waymo 也不能说是完全独立的公司。

如果不考虑落地，就会像 Boston Dynamics，持续在前沿做出世界震撼的模型，但只能靠不断输血，靠相信技术方向的人持续投资，会很艰辛。

拿出商业成果，肯定比展示一个惊艳 demo 更容易 convince 所有人这件事可行。

也有节奏上的选择。有观点认为，二〇二六到二〇二七年，竞争焦点还是谁能把具身智能能力做到 GPT-3 或 GPT-3.5 的状态，先有通用性苗头，之后再考虑落地。这两件事不矛盾，对吧？

不矛盾。

我们希望把前沿研究和最终商业落地的 pipeline 打到最短。软件接口统一，硬件本体也尽量统一，最后交付的应用可以不同。来了最新算法，只需要把 foundation model 换掉，剩下的马上就可以交付，这对所有公司都是好事。

我觉得行业发展可能有三个时间点。我们希望同时成为这三个时间点的参与者和见证者。

第一个是你说的 GPT-3.5 时刻。我觉得具身智能还没到 GPT-2，甚至不知道有没有到 GPT-1。假设现在的大模型是顶尖 985 博士生水平，物理世界的模型可能还在幼儿园小班、中班，确实差得很远。

我认为通用算法的难度比自动驾驶高两到三个数量级。

更直接地说，物理 AI 里的 GPT-3.5 时刻是什么？

就是拿出一个模型，放在任意机器人上、执行任意任务，都能做到百分之九十五以上，甚至百分之九十九的成功率。

我觉得这是在相对泛化的本体和任务上做到高成功率，而且是 zero-shot 层面。当然从工程落地角度，我可以接受花一天时间调优，花一两个小时做真机强化学习，迅速提升成功率。但 backbone 基础模型本身肯定还不够。

第二个时刻，是让大众认知到这件事真的发生了改变。大模型领域是什么时候开始的？不是 ChatGPT，而是去年一月份 DeepSeek 开源、上线免费版本。很多中国人在春节前后体验到，写诗、写春联、做很多事情都非常好用。

这个行业才真正站住。所以第二个时刻是破圈，更多人知道、见证这件东西好用。不能固步自封地说 benchmark 测出来好用，要让更多人看到、体会到。

第三个时刻，是充分验证商业价值。今年一季度，Anthropic 开始实现四十亿美元 ARR，有消息称已经季度经营性盈利，二季度可能盈利。

为什么 MiniMax 和智谱的估值发生变化？因为大家发现 coding 可能是迅速产生商业价值的事情，而智谱的 GLM，包括最近发布的 GLM-5.2，是性能很好、兼具性价比的模型。

如果没有 coding 这件事，智谱一月份上市时，大家可能觉得四五百亿元估值都贵。

所以从见证技术可行，到商业上认为有机会落地，再到产生巨大商业价值，这三个阶段我们都希望参与和见证。

题外话，二〇二二年底看到 ChatGPT 时，你已经投入商业航天。看到这么大的技术变革，对你有冲击吗？

还好。我觉得自己整体上是承诺的事一定做到。我承诺精力要做航天，所以就去做。

一定不要羡慕别人。二〇一七年上半年，有一个很好的朋友，读书时买了比特币和以太坊，甚至参与以太坊早期众筹。

二〇一七年加密货币行业有一波牛市。有一次吃饭，他拿手机给我看，很凡尔赛地说，一千五百倍了。吃完饭那天晚上又涨，他给我看，一千八百倍了。

对我来说有很大冲击。我辛辛苦苦每天没日没夜加班创业，感觉没有他运气好。

但一两周内我就迅速平复了心态。对做深鉴的我来说，我的运气已经是万里无一。每个人不能奢求更多运气，正在做的事已经代表运气非常好，应该把握当下已有的运气，把当前的事情做好。

到航天我也是这样。外界有纷扰，但我的心态一直平和，不需要羡慕什么，把握住现在的事情，把它做好、做成功就够了。

回到你说的具身智能物理 AI 的三个时刻，现在第一个时刻都还没到。

没错。但具身智能和大模型有一点区别：有可能先取得商业成果。

自动驾驶除了 L4 公司，也有地平线、轻舟智航这样的 L2 公司，以及驭势这样的场景自动驾驶公司。

场景自动驾驶的核心逻辑是，判断短期实现不了 L4，但通过解决方案、任务限制和环境限制，实现封闭场景里的 L4 效果。

所以出现了矿山自动驾驶，比如西迪智驾、易控智驾、踏歌智行；港口有主线科技、西井科技；慢速无人车有驭势、智行者、九识、新石器。这些业务都取得了很大突破。

但我们和它们的不同是，不会单独为了一个场景做一套完全工程化的技术栈，而是坚实地基于模型和通用化技术栈，最终在解决方案上添加一些东西帮助落地。

在技术没有实现 GPT-3.5 时刻之前，数字世界很难实现巨大商业价值。但在物理世界，有可能实现巨大商业价值。

数字世界其实也有小规模商业价值。比如 Jasper，在 ChatGPT 之前基于 GPT-3 帮你写营销邮件，只是后来被基础模型厂商覆盖了。

确实。比如我同年级有一个同学叫施天林，Tim Shi，最近是田渊栋老师的 Recursive Super Intelligence 公司创始团队成员之一，八位联创之一。

他在 Stanford 读 PhD 时就开始创业，叫 Krista，是 Krista 的 CTO。最开始的想法很有意思，做一个类似 QQ 的聊天软件。你不断和它聊天，它收集你的语言特色，形成一个仿真的你。你去世或者不在了，它可以代替你处理问题。

那大概是一七年左右，当时技术不够成熟，也没有太商业化。后来公司转型做智能客服，在客服过程中基于 NLP 算法搜出最好的三个回答，预测哪个回答能提高转化率、好评率。它加了一些工程化方式，但规模还不够大。

Physical AI 会不会也被一个巨无霸或少数领先厂商覆盖掉？

我觉得不太可能。

汽车公司有多少个？按区域分，日本有几个，韩国有几个，欧洲、美国、中国都有很多。物理世界很难存在垄断。

一个完全通用的物理模型，我很难想象十年内出现。

数字世界复杂还是物理世界复杂？物理世界复杂很多。数字世界里，你和我在语义空间是两个完全不同的概念；物理世界里，你和我可能面对面，也可能你在会议室外、我在会议室内，甚至你在上海、我在北京，含义多样性更多。

现在数字世界的大语言模型，最新水平已经到五 k 到十 k 参数级别，我估计未来两三年可能到五十 k 甚至一百 k 参数。数字世界是这样，物理世界要多大的模型才能包罗万象？

你怎么看“语言即世界”这句话？

我觉得不可能。

语义是清晰的逻辑结构，语言天然是数字化的；物理世界是模拟的，完全不一样。

比如让你用语言描述杯子的倾斜角度，或者描述我们之间距离多少米，很难给出特别精确的回答。

现实世界是模拟世界，信号连续而不是分立的。如果想做一个完全通用、理想中的世界模型，五 P、十 P，甚至一百 P 参数，不一定够用。真正 simulate everything，而且每个像素都和肉眼看到的一样，我无法想象。

如果这么大，没法部署，也没法推理。

这就是物理 AI 和大语言模型最重要的区别之一。

物理 AI 要求实时性，必须做到实时。做不到三十帧，系统就没有意义。还要有很低延迟、很快速度，有些情况下不能在云端算，必须放在端侧芯片上。

所以要解决的技术方向，不完全是 model 方向。

沿着你的推理，你怎么看 VLA、WAM 这些技术路线？

现在所有 model 都还在幼儿园水平，首先追求成功率。所有 benchmark 追求的也是成功率。

但只追求成功率，无法衡量或推动 model 真正落地实用。

有技术背景的人会觉得，先追求成功率，像你刚才说的把“好”排在最前面，按照以往行业规律，成本和时间之后都可以压缩。你同意吗？

部分同意。

CNN 时代大家确实这么做：先做精度特别好的算法，然后韩松老师做稀疏化、剪枝、Deep Compression，再做 SqueezeNet 这种很窄、很小的模型。大模型时代也做蒸馏。

但蒸馏后的模型，参数量和原始模型大致还是一个量级，只是小几倍，不会少一万倍。

Physical AI 面临的问题是，蒸馏对象和最终部署模型可能差一万倍甚至一百万倍。因为现实世界要求实时性，部署模型可能只有 2.5B、5B、10B 参数。

所以如果一开始完全不考虑大小和延迟，只考虑性能，后面会遇到问题。

当然，选择这条路也可以，就是持续追求通用智能，等通用智能真正达成后，再做优化、压缩、部署，开始产生商业价值。

我的路径相反，希望算法每前进一步，都产生新的商业价值，从而支撑公司发展。这是完全不同的选择。

第一种选择长期要在没有商业反馈的情况下持续投入。

而且可能至少要募集百亿美元级别资金。OpenAI 今年第二季度也重新组建了 robotics team，要更正式、更大规模投入。

OpenAI 这种公司加大投入，能不能做成？对其他创业公司的影响是什么？

对所有做“大脑”的公司肯定有影响，当然对中国所有做“大脑”的公司也是利好。

中美是世界上唯二能够做出大模型和物理智能创新的国家。如果 OpenAI 做出新的思路，我们也能迅速判断、迅速跟上，所以对全行业肯定是好事。

OpenAI 有可能按照和你相反的路径做成吗？中间不追求商业化。

有可能，但不是每个人都有 OpenAI 的资源禀赋。

为了实现 GPT-3.5，我先要有足够多美元去烧，每年烧四五亿美元，用万卡从几十亿参数到百亿、两百亿、三百亿、八百亿，最后到 GPT-3.5 的一千一百亿参数。

“没有 OpenAI 的命，却得了 OpenAI 的病”，这种情况在中国行业里多吗？

将来融资可能会成为很多技术理想型创业公司的命门。

追求理想的核心是要有人源源不断提供资金，让你买数据、买算力、雇足够聪明的人。现在大家需要的算力还没那么多，但从今年开始已经迅速增长。

如果 VLA、WAM 只在架构上追求高性能，之后部署会出现问题。具体到你们自己的实践，在模型和智能系统上怎么思考？

一定是叠加系统。光有 VLA foundation model，不管哪种 foundation model，都不足以支撑场景落地。

你能透露 foundation model 大概是什么架构、什么思路吗？

总体会用隐空间思路。这也是第一性原理的思考。

如果真的走生成路径，或者精准预测所有颜色和像素信息，model 会太大，也无法实时。

为了做到实时，我认为 model 核心还是学习物理学知识，可能有两块。

第一，学习物理学定律，比如弹性碰撞、非弹性碰撞、动量守恒、动能守恒、牛顿三大定律。要知道这是一个轻的东西，碰撞后会怎么运动。

第二，学习物理学常识。人知道纸杯很轻、很软，但机器人不一定知道。同样摆一块金属，我看到是铝，会假设不会特别重；如果是金子，会假设很重。

它必须同时学到这两点。我认为这就够了。纸上印的是什么文字、衣服是什么颜色，在机器人操作时可能没有影响。

所以我们更愿意回到隐空间、规则空间或物理世界空间去理解，而不是站在像素空间，试图生成和肉眼看到的一样的东西。

你这个取向和以前参加物理竞赛有关吗？

还是和第一性原理思考有关，但物理竞赛给了我很大帮助，这是和数学竞赛非常不一样的地方。

数学竞赛或者很多人希望理论算得更加细致、仔细，算无遗策、算无遗漏。

物理竞赛不是这样。对于物理研究来说，要果断舍弃小量。任何计算展开都有一阶、二阶、三阶各种小量，否则无法计算物理世界。所以要果断舍弃小量，只保留主干。

我们从一开始就有一个思路：保留主干，不要看那么多纷纷扰扰和细节。

隐空间相比把每个像素生成出来，本身就是一种正确的模糊，不追求精确还原每个细节。

是的。

现在非常火热的 WAM，也就是 World Action Model，backbone 是视频生成模型，本质是像素生成逻辑。你怎么看这个方向的发展，以及为什么这么火？今年上半年有很多新成立的中国公司在这个方向融到很多钱。

大家现在看到 World Action Model，其实是两件事情叠加。

第一，像当年商汤、旷视迅速融到几十亿美元，因为大家看到了上限非常高的技术路径。刚有深度学习时，人脸识别很快做到好几个九，ImageNet 刷到没意思，大家开始刷 MS COCO，后来刷 KITTI。

大家感受到，一个算法通过短周期开发，就能远远超过之前所有算法的精度，感受到巨大潜力。

第二，像壁仞、摩尔线程、沐曦等公司成立的时刻。大家已经看到地平线、寒武纪取得了很大成功，后面又有新的人用新思路做，有可能做得更好。

这是两个趋势叠加，是值得探索、也很可能把人类物理智能算法往前推一大块的方向。

你不认为这是噪音和泡沫吗？

不是泡沫，或者泡沫没有想象中那么大。

二〇一八年看地平线，那年大概一亿元人民币收入，估值三十几亿美元，大家觉得泡沫非常大。后来二〇一八到二〇二〇年行业短暂下滑，但二〇二〇年地平线出货十万颗芯片，行业又迅速正向发展。

地平线二〇二四年上市，高峰期应该是一千五百亿港币以上，具体数字我不太记得。

再看现在的 Momenta，最近一轮融资我只看新闻，没有询问过，是过千亿元人民币。那个时刻十几亿美元、二十几亿美元估值，也不算泡沫太大。

你说的都是幸存下来的公司。

对。如果类比 L4 公司，一开始就追求最终极的模型算法，中间可能会有很多公司消失。但如果能活到技术真正批量应用、产生商业价值那一天，所有活下来的公司就不存在泡沫。

现在行业里有多少做通用机器人、具身智能、物理 AI 的公司？最终能容纳多少，哪些能活下来？

首先这个数字肯定多于四五十家，特别是年轻教授出来做通用模型、通用算法。

四五十家你可能只算头部。我以为你会说几百家。

不会那么多。

如果把机器人公司都算上，肯定更多。按照年初国家发改委的口径，有一百多家公司推出两百多款人形机器人，但里面大量是以硬件本体为主。

我觉得一百家公司也许有，其中大部分是新成立的、年轻学者和年轻同学的公司，小部分是有经验的人或原有公司转型。

什么样的能活下来？

如果只是技术理想、追求通用、最终再考虑商业落地，那么融资能力最强的几家能活下来。所有工作都要为了融资，比如多接受媒体采访。

我第一次录这种视频，其实不太喜欢媒体采访，因为我是一个“强哀人”。

另一类公司，如果想走地平线、Momenta 的路径，有业务依托作为坚实基础，再持续迭代算法，可能更顺畅。

华为也是这样。没有人一上来做 L4，而是先通过 L2 级别产品批量使用，再逐步推 L3，未来推 L4。等政策合适时，L4 可能已经做出来了。

对我来说，这种方式成功率更高。

往后推演几年，会发生什么？今年已经能看到头部公司上市。另一个是大厂威胁，什么时候落地？什么类型的大公司冲击最大？

中国所有制造业企业和互联网企业，都会投身人工智能、物理 AI 的浪潮。

所有互联网公司都会投入做模型，就像现在都投入大语言模型一样。大家会想从线上走到线下，从数字经济渗透到实体经济，我觉得肯定是战略级投入，区别只是时间点不同。

第二，中国所有主要制造业企业都会投入。所有汽车公司，不管国企还是民企，理想、小鹏、赛力斯、小米、华为、比亚迪、吉利、北汽、上汽、广汽，都会做。

大家普遍认为，具身智能或机器人行业，在十五到二十年周期里可能超过汽车行业总产值。我甚至更乐观，可能十到十五年就超过汽车行业。

所有手机公司也会做，OPPO、vivo、小米、华为、荣耀都在做。所有手机产业链公司，立讯精密、华勤技术、蓝思科技等，也会做。

所有重型机械公司也一定会做，中联重科、三一重工，各种机械公司肯定会做。

前段时间我和高其扬聊，他说具身智能这个大行业未来肯定是“百业之王”。

有可能。我觉得它会成为经济支柱之一，绝对没问题。

汽车行业已经是国家经济支柱，这是一个十五年内可能超过汽车行业的产业，一定会成为经济支柱。它覆盖社会各个方面，所有第二产业、第三产业，甚至很多第一产业都会被机器人渗透。

这让我想到一个可能跳得有点远的问题。你的推演前提是实体经济、人们的真实生活仍然像现在这样，是生活主线。

也有人有比较科幻的设想，往极端推，人类文明可能变成《黑客帝国》。

不太可能。我觉得那是扯淡。

第二次创业前，我认真研究过脑机接口和脑科学，也一直关注行业进展。到今天，意识怎么来的，consciousness 这个词，在科学上其实还是一个无法解释的讨论。没有人能够解释意识。

记忆存在哪里、怎么组织，也不知道。我们对底层问题有太多不了解。

Elon Musk 做脑机接口，我当时也孵化投资过一家脑机接口企业，大家其实都是把大脑当作黑盒子，只监测释放出的电信号，不探究内部电信号到底怎样。

这种方式可能通过算法拟合形成一定效果，但哪怕到今天，人类最前沿的科学对于意识到底是什么、存在哪里、怎么产生，仍然毫无所知。

所以不太存在《黑客帝国》那件事。我觉得戴 VR 眼镜每天在家打游戏是可能的，《头号玩家》是可能的，但变成《黑客帝国》、生活在虚拟世界里，不太可能。

你觉得现在行业里有什么乱象？

乱象肯定有，每个阶段都会有企业抱怨劣币驱逐良币。

我举个例子：有大量企业用遥操作视频替代真实操作视频作为 demo。所以现在我看到别人晒出来的视频，会观察画面上有没有小字标明 1 倍、5 倍还是 10 倍，因为很多 VLA 和世界模型视频加速了五倍、十倍甚至二十倍。

第二，有没有特地标注“全自主”。我也特意跟品牌同事说，所有 demo video 必须把这些事情标注清楚。

很多视频全程都是遥操作，看起来操作很丝滑，却不在画面上标注，实际上是不是非自主的，用这种方式体现算法很厉害。

有些事情其实是 too good to be true。就好像有人告诉你，今天已经实现核聚变、能够无限发电。

按照你前面说的逻辑，这类公司为了获得巨大资源，在 demo 上有一点水分，你能接受吗？为了战略目标稍微牺牲一点底线，在创业中可以吗？

我不能接受。

是因为你的道德标准高，还是因为从功利角度看，最终也会反噬？

两者都有。

第一，我的道德标准相对比较高。我有些话可以不说，但说出来的话一定是真话。

第二，就像当时取一滴血液检测、换血那件事。幸运的话，可以在两年、三年甚至五年的可容忍周期里完成展示的事情；不幸运的话，就会暴露。

我记得硅谷有一家做 VR 的公司，曾经展示过体育馆里的大鲸鱼。最终纸包不住火。你只能说 lucky，最后真的实现展示的东西。

所以我不做“假装直到真的变成”。风险太高，也不符合我的基础价值观。

在融资、人才和关注竞争都很激烈的行业里，坚持这样做，代价是什么？你感受到具体代价了吗？

肯定有。

当投资人每天被各种技术名词冲击，他可能不理解你为什么要做系统级公司，为什么不是世界模型公司，为什么不能用一个性感、fancy 的词定义自己。

World model、强化学习、各种算法和 infra，确实是公司的组成部分，但单独一个词都不能代表整个公司，远远无法代表我们做的事情。

方便透露公司运营半年多后，大概融资额和估值量级吗？

我们之前完成了天使轮系列融资，大概接近一亿美元。

我们也不是特别想呈现很多新闻上大家关注的话题。现在公司有七十号人，是一个全栈研发团队加业务团队，整体架构已经比较完整。

关于行业最后一个问题，什么事可能导致具身智能、物理 AI 行业遭受灭顶之灾？还有这种可能吗？

我觉得已经没有这种可能。

首先这是必然会发生的事情。我们原来有第一次、第二次、第三次工业革命，我觉得第四次工业革命可能就是大模型和 AI 技术，颠覆第三次工业革命的成果，也就是数字经济产生的大量高价值岗位和产业。

数字世界的工作相对结构化，比较容易替代。未来物理 AI 会逐渐渗透，但周期一定比数字世界长，因为复杂度太高，还有很多专项技能，在追求实时性的环境中不可能全部塞进一个模型。

我觉得可能是十到二十年的周期，但它一定会在工厂、服务业、农业里发挥重要作用，辅助人完成大量工作。这件事一定会发生，所有人都能看到。

过去担心资本会不会崩盘。现在看，具身智能有泡沫，但没有那么高。相对中美之间巨大的估值差异、大模型企业和物理智能企业之间的估值差异，它还没有出现几亿美元收入就估值一百八十亿、两百亿美元的情况。

整体泡沫规模可控，而且确实有我们和其他公司推动落地。我相信两年左右，大家会在身边很多真实生活场景里感受到：这是一个聪明机器人，正在提供服务。

未来几年出现一定波动是可能的，但幅度会很小，周期也会很短。

最后问一些关于你个人的问题。之前我们聊过，你说经历几次创业后，觉得自己在创业者里更偏企业家。你怎么定位自己现在的角色？

还是“姚颂是谁”这个问题。

11. 连续创业者的长期主义

我说我是一个创业者，是因为物理 AI 相关创业，我觉得有没有经验，大家在起跑线上是平等的。

九〇后、八五后、九五后、〇〇后，在这个起跑线上是平等的。对我来说，这也是重新学习的过程。越往前，经验和可以追溯、类比的事情越多；越往后，对新鲜事物的接受速度越快。

所以在创业这件事上大家平等。我只是一个连续创业者。

但和很多一次创业者、部分其他创业者不同的是，我把职业生涯作为一条长线经营。

比如在火箭行业，我不会和任何国企、央企领导或政府官员发生利益往来，因为我要守住底线。在企业经营过程中，我不会 overclaim 自己能做到、已经做到的事情，避免吹嘘最终无法兑现，给自己带来灭顶之灾。

一次创业者可能纯粹追求成功，是十分进攻、零分防守。我可能是八分进攻、两分防守，心态不完全一样。

你要防守，守的是什么？

守住自己不进去、不变成破产户。

我坚定认为自己是一个中国人，不希望有一天必须待在某个其他国家。

你的风险偏好怎样？

做事情的角度，我喜欢有挑战性的大方向；具体经营角度，我是稳健的人。

如果别人十分进攻、零分防守，你七八分进攻、两三分防守，可能输的概率更大，怎么办？

在物理 AI、火箭行业，其实有无数个取得成功的机会。不是别人取得十分，我取得七分，我就失败了。

甚至我认为，两年后看，他十分、我七分；五年后看，他十分、我二十分。

这两个行业和很多前沿科技领域都不是赢家通吃。大家需要的是持续战斗力，而不是短期冲到最高估值。

包括最近很多宣传会说自己是百亿级公司，用这个体现成长。但我的媒体采访不会太多，之后也不会有太多。我更希望通过公司已经做到的事情，呈现进展和实力。

你说八〇后、九〇后、〇〇后的创始人心态平等，能力积累各有优劣，也平等。但现在在受关注和支持的维度上，平等吗？

现在〇〇后非常受追捧。

我自己的心态是所有人平等。但年轻人在新算法学习、试错能力上，肯定比我强；同时他们缺少公司战略、组织方面的思考。

为了一个算法，我必须布局数据、算力和更多人才。在某个阶段，年轻人可能更容易陷入瓶颈，比如无法扩展最初核心三四人之外的技术团队。

所有事情都有得有失。

对脑子来说，我是一个三十三岁的人，写入速度、吸收速度一定比〇〇后慢。但我们有更多东西可以放进公司，让他们少走弯路、提高效率。

你第一次创业时，科技创业还不是主流。现在很多人在二〇二三年之后开始创业，推背感很强。你的幸运和不幸是什么？他们的幸运和不幸是什么？

塞翁失马，焉知非福。所有事情都是福祸相依。

最近的创业者会感受到时代很强的推背感，但如果不能清晰意识到，这个推背感来自国家需要这样的公司，而不是来自自己的努力，就会出现很大问题。

改革开放以来，有很多企业家低估时代对自己成功的重要性，高估自己对成功的重要性。

这是一个坐电梯的比喻。你享受推背感，是因为你在电梯里、在这样一辆大车里。当你觉得这完全是个人成功，并用同样策略继续做其他事情，可能会遭遇灭顶之灾。

时代的推背感、国家的支持，不会在一个行业保持五年、十年甚至更久，一定是分阶段的。

我遇到一些做算力、芯片的公司创始人，有些人能清晰地说出：我很清楚，公司的上市是因为党和国家的支持，不一定是我已经做得足够好。

我觉得很多创业者都要思考这句话。

对我来说，持续提出新的挑战。第三次创业，我重新读 paper，重新梳理对行业的技术认知和技术方向，也许很多思路未来会被证明是错的。

比如对比 CNN、深度学习、自动驾驶，虽然到今天我觉得九成以上是正确的，但未来也可能被验证为错误。有些东西可能也会成为包袱。

最后一个问题。你觉得前两次创业算成功吗？还想要的成功是什么？

我觉得还 OK。

你知道我想问的是，这次目标、怎么定义成功。

你问这个问题时，假设市值足够大、财富足够大，是定义成功的标准。

至少这是一个朴素、普遍的标准。

对我来说，财富达到一定程度后，就不是自己的财富了。所以我把它当作重要标志，但不是唯一标准，也不是绝大部分。

第一次创业，我觉得真正走通了从实验室写代码、写论文，到技术进入很多汽车产品、让几百万台车用上的过程，并且得到外界对技术价值的认可。

这件事就是成功。你走通了从技术到商业价值的路，最后外界通过收购反馈：你做的是对的。我很高兴技术被真正用上。

第二次创业，航天不是我的老本行，但我锻炼了学习能力、战略思考能力、系统工程组织能力，以及在国内开展工作的能力。能够参与一枚成功的火箭发射，我觉得就是很大的犒奖，是非常激动的时刻。

不一定要取得多大商业成功，前期已经是很大的 milestone。当然现在我不在东方空间，希望它后续取得更多商业成功，因为还有很多老朋友的股权在那里。

第三次创业不一样。我开始摆脱小年轻的心态。

年轻时我觉得，多经历、多体会，才是把生命发挥出价值。你走别人很多倍的路，体会别人没有体会过的事情和情感，这很重要。

但到第三次，我希望这次有长期结果，希望企业能够长期经营、走向上市，见证我刚才讲的物理智能时代的 GPT-3.5、DeepSeek 开源，以及出现 coding 这样的 killer app。

我希望同时参与技术突破、产品落地和大型商业化价值实现这三个阶段。

你会对更大的成功很迫切、很饥渴吗？

还好，我整体心态比较平稳。

但到了第三次创业，我能够从创业之初看到一个进度条。我觉得现在有更大机会把它做成一家长期、持续经营、推动技术和产业发展的企业，甚至将来从更大角度服务人类。我还是挺希望实现这个结果。

如果对你来说有一个灵魂拷问的问题，它应该是什么？

这就好像让上帝创造一块自己搬不起来的石头。

你可以尝试问一个比较在意、有遗憾但还没实现的事情。

其实你刚才问前两次创业是否成功，也算灵魂拷问。

我是一个挺知足常乐的人。

创业是非常折腾的一件事，需要很强驱动力，才会投身这样一种 suffering。这个怎么统一？

我更追求的是，在创业和努力过程中，自己努力过并产生了一些结果。

但最终收益是财富、经历还是名声，我没有那么在乎。

你是什么时候慢慢进入这个状态的？你刚进大学时，一天要学十一个小时，还焦虑了一段时间。

就是从深鉴拿到收购签约之后。那两分钟大步行走以后，就一直是这种状态。

我当时听你说签约后围着桌子踱步，就想到你现在公司的名字。这个名字有多重含义。Striding 也是行走，还是大步行走，不是小步行走。

对。而且从这两个字也体现了我的价值观：我们要行得正。

我们正在前行、正在走向创新的时代。中文叫正行。我特意用了“创新”两个字，是因为我很难用之前的标签定义公司。

比如大疆、智元，可能只能用“创新”统一概括。我们也是这样。

已经开始第三次创业，里面疲惫和重复的部分会有吗？现在还兴奋吗？

我还是非常兴奋，现在还在一线。很多重要决策我都自己盯着，有时也觉得团队找我太多了。

但看到团队一步一步成长，看到每个个体能力不断成长，看到技术从 demo 到落地实现，这是技术人和创业者发自内心的高兴，和估值增长没有关系。

新的技术、新的场景、不断扩圈的过程中，我还是挺开心的。

未来十二个月，在你的时间表里，希望 Striding AI 做到什么？

今年内，我们就会在两个目标场景开始落地。

一年左右，我希望产品通过两到三轮打磨，真正开始在一些场景里提供服务，让大家在日常生活中，不管在哪个地域，都能感受到：原来人形机器人、具身智能真的不只是跳舞，而是能够在日常生活中安全、方便地提供服务。

这就是我们这一年的目标。

今天非常感谢姚颂做客《晚点聊》，分享从二〇一六年至今十年的三次科技创业经历，以及最近这次创业中，Striding AI 对物理 AI 和通用机器人的思考与实践。今天的节目就到这里，各位拜拜。