187: 对话LiberAI刘松铭：Astra来袭，00后物理AI创始人看到的胜率

今天我们发现 Extra 进来了，对于具身这个领域来说，你的 AI 模型就薄了。所以说我们成立 Day One 开始，就是个全栈公司。如果这个领域你做一家纯模型的公司，机会会很危险。不可能说我又不 dirty，又能把这个事情做得长远，又能够竞争，因为这个客观事实已经改变了。真正到交付的时候，你还是得去啃客户，一个一个去啃硬骨头。我不认为 OpenAI 有这个基因，也不认为它有很强的动力去做这个事情。我觉得会有一个对标苹果、特别大的公司出现。而且你觉得这种公司应该是一个现在在做全栈、有硬件能力的公司。我觉得这个可能是胜率最高的玩法之一。

欢迎收看《晚点聊》，我是曼琪。清华世界模型，00 后小天才，这是 2026 年上半年最火的投资主题。Libra AI 的创始人刘松明完全符合这个组合，但是和他真的见面聊天之后，又有很多地方出乎我的意料。他们确实刚刚发布了自己的世界模型 Libra 0，但同时这是一家起步于 2025 年年底的公司，早于英伟达在今年 2 月发布的 Dream Zero 引起世界模型的热潮。创业时，松明是博士三年级的 AI 方向学生，但他的关注点绝不仅在技术，还有财务风险、资本纪律、行业周期以及对硬件和场景的敬畏。很多技术背景的创始人会表达自己极致追求某项技术，而刘松明会直接说他最爱的是创业本身。目前 Libra AI 已经完成了 6 轮融资，来自真格、红杉、顺为、龙珠等等。标签总是不能代表真实的个体，26 岁的刘松明看到了什么？又做了什么选择？我们正式进入本期节目吧。

你现在是具身智能，或者说物理 AI 领域一类非常热的创始人，所谓的“00 后小天才”。你自己怎么看这个标签？

首先，我觉得“00 后”是一个客观维度，因为它描述的是你的年龄，这个我没办法拒绝，我确实是 00 后。你刚好就是 2000 年出生的。

另一个是，我觉得这个标签背后描述的是一种现象。最近这一波创业潮里，有很多像我这个年龄段、2000 年之后出生的创始人出来成立公司，所以它可能描述的是这样一个现象。

身处其中，你是怎么感受的？为什么现在 25 岁前后有很多人会投入一些以往大家觉得比较高精尖、比较前沿，得有很多经验之后才能做的领域？比如物理 AI，就是一个重点方向。

1. 年轻人为何进入物理 AI

我可以谈一下物理 AI 这个领域。我觉得有几个原因。首先，它真正开始发展的时间比较晚，和 GPT 出来的时间比较接近。比如这个领域的 RT-1 工作，我们可能到 2022 年才开始看到这样的工作出来。

对，Google 的一个工作。

对。那其实本身就说明这个领域比较新。对应地，在这个领域做 research 的人可能也比较年轻，所以客观上来说，以这个领域为出发点创业的人群也会更年轻一些。

另一个方面，我认为随着 GPT 以及相关大模型技术的普及，年轻人更有机会通过大模型获得更好的经验和各种专业知识。相比之下，长时间的经验积累可能就没那么重要了。我觉得，从新的技术突破出现，到很多掌握这个技术的人出来创业，这个时间在缩短。

对，是的。如果从 2022 年开始算，到现在也就是三四年的时间。

对，是的。

整个世界模型的热潮，其实是今年上半年在中国特别明显。

是的。所以这本质上也意味着，从实验室技术开始出现突破，到商业转化的周期也在缩短。这也是大模型带来的结果。

所以你觉得这是合理的，不是一种揠苗助长？不只是在创业领域，研究领域的研究者也越来越年轻了。我们看到有些高中生，甚至初中生，都开始接触大模型研究。这背后肯定有道理，是一种现象。

另一方面，很多人会把你们 Libra AI 放在世界模型这个大范畴里。你觉得这个划分准确吗？

2. Libra AI 的使命

我觉得对我们来说是这样的。世界模型这项技术本身是有道理的，我们最近发表的工作也在沿着这项技术探索。但如果把它描述成公司的使命，我觉得可能不太恰当，它更多是一种手段。

那你们公司的使命是什么？更准确的描述是什么？

不光是我们公司，我觉得所有公司最终的使命一定是产生商业价值。对我们来说，最核心的使命就是利用这方面的技术，特别是物理 AI 技术，来实现物理 Agent 这个产品并产生商业价值。

现在很多新公司会把自己定位成 New Labs。你们也会这样定位吗？

我觉得 New Labs 可能也是一种现象。客观来说，相比以往，从技术突破到商业应用之间可以有更长的耐心，我可以花很长时间做技术突破，再考虑商业应用。

我们的定位和这个有一些交集，但也不完全一样。我们虽然也在做模型研究和突破，但我们非常关注商业应用，因为我们认为这两者之间的联系比较紧密，特别是在这个领域。所以从这个角度看，我们和典型的 New Labs 还是有区别。

你们成立的时间其实比世界模型热潮早，是 2025 年年底成立的，应该下半年就开始考虑创业了。这一波世界模型热潮，我们在《晚点聊》2026 年第一季度的具身季报里也专门讨论过，和当时一个具体成果有关：英伟达今年 2 月发布的 DreamZero，也就是 WAM，世界动作模型。

你更早开始创业，当时看到了哪些信号？

3. 人类数据点亮创业信号

我们具体开始是在 2025 年下半年，刚好在这波热潮之前。我们捕捉到的信号，和后来大家看到的类似，有几个方面。

首先，我们在实验室探索时发现，视频这样的模态开始在具身训练中发挥作用。我们更有可能依赖大量互联网视频，不管是人类的视频，还是一些和物理相关的视频，来帮助训练基座模型。

你是在做什么的时候捕捉到这个信号的？

这个来自实验室同门做的一个实验。他们当时做的应该是叫 VITA 的工作，我看了这个过程。我们从这项工作里发现了一些新现象：视频模态，以及由视频训练出来的视频基座模型，可以帮助物理模型更好地泛化。我觉得这是一个很明显的信号。

你当时在清华朱军老师的实验室。

对。另一个信号来自我自己的探索。我们当时做了很多和无本体数据相关的研究。做完大规模研究后，我们发现了几件事。

第一，大量的无本体数据产生的效果，可以和遥操作媲美。这是一个很重要的 milestone，因为它意味着采集数据的成本可以大幅下降。

第二，我们发现无本体数据有局限。它本身是一个夹爪，如果想和互联网视频融合，就会有 gap：互联网视频里是人的动作，而无本体数据主要是夹爪动作。我们觉得一个合理的方向，可能是开始探索人类本体的数据。这样一融合，路线就更清晰了：以人类数据为驱动，利用人类数据，包括互联网视频，去训练模型。

另一方面，如果要用人类数据，部署的本体可能也需要有灵巧手。当时我们看到灵巧手也开始走向成熟。几个因素聚在一起，我们觉得人类数据这条路线逐渐清晰了，可以用大量这样的数据去训练。

更早的时候，比如 2023 年、2024 年，已经有一些物理 AI 公司出现。那时候你没想创业，是因为还没等到这些明确的技术信号吗？

是的。当时我对 scaling 这件事还没有把握，不知道要怎么做。

当时你怎么看 VLA？2023、2024 年，大家觉得它是很有希望的一种方式。

4. 从 VLA 到 RDT

我经历过那个阶段，我们实验室也是最早做这方面探索的。大概从 2024 年开始，我们就做大规模机器人数据训练机器人基座模型。

当时这部分探索也是一个非共识。更早的时候，2022 年、2023 年，robot learning 还不是共识。主流方法可能是针对不同任务分别采集数据、做模仿学习，或者做强化学习，分别解决 locomotion 和 manipulation。后来出现一个信号：大家觉得不同任务之间有一部分是共享的。比如做早餐和整理衣服，其中有很多部分是共用的。这样就可以做预训练，把共有部分训练到模型里，一致地提升各种任务上的表现。

出现这个方向后，我们第一时间切进来做了。

你们就是在做 VLA 的时候切进来的。

对，第一时间切进来。我们 2024 年做了 RDT-1B。

所以当时可以说 VLA 已经展现出某种通用性的潜力，相比按每个任务分别做模仿学习，是这样吗？

是的，我们是最早一批比较原生地做这件事的。

你刚才也提到，当时做的是 RDT-1B，一个 12 亿参数的模型。能讲讲 2024 年 10 月这项成果，对你后面创业有什么启发吗？

首先，我们验证了一点：在 robotics manipulation 领域做预训练是有意义的。我们发现，做了预训练之后，即使面对没见过的任务，加入一些后训练数据，也会比只用后训练数据有性能提升。这说明预训练是有意义的。

另一个事情是，我们进一步看到，虽然预训练有意义，但背后的数据怎么来还不特别清楚。我们当时主要通过遥操作和跨任务数据来做，但这部分数据产生得很慢。所以当时的状态是，我们初步看到预训练有意义，却还不知道怎么做好预训练。

说到你的经历，正好可以聊聊你学术上的探索。你从本科到博士都在清华，学科背景很跨学科：最开始进清华时在化工系，中间转到计算机系；读博士后也探索了不同方向，朱老师那里有不少方向，包括 AI for Science。实际上到 2024 年 RDT 前后，你才转到具身这个方向。这是一个什么样的过程？

5. 清华求学与创业初心

我可以从一开始讲。入学清华时，我就非常关注创业这件事。我觉得清华这方面的教育特别好，它会聚集一群有想法的年轻人。

你是高考进清华的，还是竞赛？

竞赛，我是化学竞赛进清华的。

你的意思是，其实你也可以选不同的大学，但你觉得清华可能对创业有帮助，所以更偏向这个原因？

这也是一个原因。我当时做了一些功课，清华周围产生了很多创业公司，有创业者、创业资源，以及整个清华体系。我认为当时清华是最好的，所以目标就是先去清华。

去清华有几种不同的方向，一种是高考。我当时的特点是语文不是特别好，是比较偏科的人。我判断自己通过高考上清华的概率不大，特别是语文可能会拖慢进度。另一条路是竞赛。我们早期也做了一些尝试，后来发现我在这方面有天赋，也能获得比较好的培训资源。我认为走竞赛这条路概率更高，所以就选了这条路去清华。当时也是个赌注。

去了清华之后，你从化工系转到计算机系，是怎样的过程？

有几个因素。首先和当时的创业教育有关。清华这方面比较成熟，我也了解到了很多不同方向的创业机会。初步看下来，我觉得计算机相关领域的机会更多，而且没有那么重资产。化工领域创业比较重资产，对年轻人、对我来说没有特别大的优势。所以入学的时候，创业已经是我思考中权重比较高的一个问题。我也更倾向于关注计算机或者 AI 相关的动向。

加入计算机系之后，在那么多方向里，你是怎么一步步转到物理 AI 的？

我一开始到计算机系时，方向还是 AI for Science。选择比较直接，一方面是朱老师推荐，另一方面是我的背景和化学、化工、物理化学相关。没有太多信息的时候，我肯定先选一个自己比较有优势的方向。AI for Science 可以用在材料发现上，和化学、物理化学都有关系，包括材料、电池等等。我在这个方向上相对有优势，从这里切入比较自然，竞争上也会有一定优势。

所以做什么对你来说有很多选择，但做好很重要。你希望赢，是吗？

对。我当时没有特别多信息，所以从自己的特长和背景出发，是更自然的选择。

你身上有一个特点：切换领域之后，很快都能做到不错的水平。你从化工系转到计算机系，在计算机系拿过清华特奖，每年本科生只评 10 个，算是本科的最高荣誉。毕业时，你代表计算机系做本科毕业演讲。后来读博士，2024 年开始做具身，很快做出了 RDT 这样有影响力的成果。

切到一个新领域之后，很快做到相对高的水平，你的经验是什么？

虽然不同领域表面上不一样，知识、具体要做的事情都不一样，但背后可以抽象出一些相同的逻辑、规则或者玩法。

到了一个新领域，我做的事情很简单，有点像大模型的跨领域学习。首先要厘清这个领域的规则：它在做什么，背后哪些要素重要。然后按照这个方式发展自己。另一块是搞清楚自己有哪些竞争优势，哪些还没有。把自己有的优势发挥出来，把没有的部分补上，很快就可以在一个赛道里做出一些成果。

举例来说，具身领域的本质要素和规则是什么？

我以科研为例，因为当时主要考虑的是科研。这个领域的规律和其他领域类似。首先要摸清这个领域面临什么问题、痛点在哪里。

当时我们看到 RT 系列，也就是 RT-1、RT-2。我觉得痛点很明确：这个领域在探索预训练，但预训练应该怎么做、数据怎么获取，都不清楚。作为做 research 的人，我就从痛点出发。

怎么把它做好？我觉得规则很明确。第一，发现痛点后，提出的工作或方法要直接切中痛点，至少往前迈一步，解决一部分问题。第二，当时在 robotics 领域，demo 非常重要，所以要花时间准备 demo。具备这两点后，做出一个相对爆款的工作其实不难。

所以做研究也要追求爆款？

关键是爆款是一个结果。它真正的意义，或者说我们怎么评价一个人的研究有没有价值，就是看它能帮多少人少走弯路。我觉得这是最关键的。一个工作能成为爆款，是因为它是一个最大公约数，帮很多人在领域里少走了弯路。

具体到 RDT，它的全称是 Robotics Diffusion Transformer。

对。

当时你们做这项研究，今年也做了第二代 RDT-2。它是怎么直接切中当时预训练的痛点的？

我觉得第一代，也就是 RDT-1B 的时候，做法就比较直接。当时我们没看到很多真正做预训练的工作，预训练还不是大家关注的事情。我们是第一个吃螃蟹的人，要把这件事做出来，告诉大家怎么做。而且我们当时开源了，因为我觉得那个阶段开源最重要：先告诉大家我是怎么做的，把该踩的坑都踩了，再告诉大家我们怎么踩的、犯了哪些错。

第二，diffusion 当时也是一个没有做过 scale-up 的方法。它为什么有潜力？因为机器人操作的数据本身是连续的，很多方法却用离散的方式采样，这不可避免会有损失。采样方式和数据本质不匹配，是一个很大的痛点。我们想用更匹配的方式，把这件事 scale up，把踩过的坑告诉大家。这本身就是有价值的事情。

你做研究的思维，和大家印象中只关注研究的人不太一样。你同时关注进展和怎么传达，让领域里更多人能理解和看到。你刚刚说要开源得很细，把中间犯的错也展现出来，这对社区很友好。你是有意识这么做，还是无意中就形成了这种做事方式？

某种程度上是无意识的。当时很多事情看不清，我也不知道两年后会成立公司。我觉得这是自然思维导致的结果，我可能就是这么思考问题。

当时你的具身领域成果发表之后，有什么反馈？

最直接的是整个领域给我的关注超出预期。我个人在 research 领域，特别是机器人领域，还是个无名小卒，但基于这项工作，我很快认识了很多人。大家都关注这个领域，也关注我们怎么做。

你能举一些例子吗？包括对你现在可能还有帮助的反馈。

我们当时成立了微信群，初衷是想让大家一起交流，但很快群就爆满了，后来扩展到七群、八群。我们看到已经有上千人、一两千人进群交流。这是我当时没想到的结果。

对我的影响是，我通过这个很庞大的社区连接上了很多人，某种程度上也成了社区里的一个 rising star。我认识了很多同行，甚至产业界的人。这些人今天给我的创业提供了很多帮助，也是一些资源。其中一些合作过、关系比较好的合作者，也成了我今天的战友。

你接触产业界的人，会得到什么新认知吗？

我和其他 researcher 不太一样的一点，是会非常关注这件事对产业有什么影响，以及离产业有多远。当时产业界给我的反馈，一方面是大家觉得这件事有需求，很多场景特别是和柔性相关的场景，需要方法性；另一方面，我也看到了另一面：在当时那个时间点，模型还不够，很多真正想解决的需求，从技术上看都解决不了。

所以我的判断是，这个领域可以做，很有潜力，但需要一定时间。

我猜那时候可能有投资人想让你创业，或者有公司邀请你加入创业团队。你当时是怎么想的？

6. 踩中具身创业周期

肯定有。我第一反应是惊喜、受宠若惊，因为我之前是个学生。

那时候你是博士二年级，对吧？

对，我肯定会比较受宠若惊。但冷静下来思考之后，我没有这么选择。有几个原因，最直接的是我没有想清楚要怎么走。如果我去做某个公司的负责人，或者自己创业，把资源拿过来之后，我甚至没办法列出三个月后要做什么。我当时不确定。这很正常，因为技术还没有收敛到一个清晰阶段。

某种意义上，这也和当时行业现象相吻合。之前很多公司融了很多钱，但研发投入实质上没有那么多。

大家可能也没看清要往什么方向砸资源。

对，当时确实比较明显。我也和一些前辈交流过。我觉得如果要做这件事，我至少得有六七成把握，大概知道怎么做，才会启动。

另一方面，当时虽然也有投资人来找我，但我会自然想到，融第一轮、第二轮之后要怎么走。我观察到当时出来的那一波公司，年轻学生出来创业，挑战还是比较大的。我觉得当时资本市场对“00 后”这个标签还没有形成共识。

你们那时候就把他们定位成 competitor 了吗？

对，如果我出来，他们一定是竞争对手。我觉得很自然，因为企业很多，赛道上的大企业也多，我出来肯定是竞争对手。

我比较喜欢你这个回答。经常跟人聊早期行业竞争时，大家会说要一起把蛋糕做大。

我觉得这个说法比较场面。我当时的感觉是，这个行业的蛋糕一定很大，终局一定是一个非常惊人的大赛道，但从现在成长到大赛道的过程中，我们都要活下去。过程中有多少场景能做，不一定。盲目地觉得蛋糕非常大，可能不符合现实。

业界有一种常见搭配：一个像你这样的“00 后小天才”做技术负责人，再加一个行业里的大哥，或者非常有资源的大佬。我猜可能也有人给你这种提议。你为什么不考虑？

关键在于这件事是什么驱动的。如果它是资源驱动的，比如技术负责人负责融资，或者负责带来品牌，让融资更顺利；资源型创始人去做更多资源的事，我觉得 make sense。

但我的背景比较聚焦技术。当时我发现这个领域在技术上还不成熟，而且有很大瓶颈。对一家公司来说，这个阶段真正重要的是技术上的突破，怎么把技术走通，让它有商业化可能。基于这一点，公司的主要投入在算力和实验数据上。投入很大的情况下，我认为一号位需要有技术 sense，因为他要主导公司怎么花钱，怎么更有效率、更有资本效率地做模型，把不同路线趟通。我觉得有技术 sense 的人更适合做一号位。

回到这次创业。你在 2025 年下半年下定决心，是前面说的三个技术信号让你更有把握了。真正去见投资人、成立公司、招人的过程中，你获得了哪些反馈？是个什么过程？

对我来说，第一步重要的当然是招人，找合伙人，这是最关键的。

你现在是 Solo Founder，还是有合伙人？

我第一轮的时候有 Co-Founder，不是 Solo Founder。我成立公司和融资是同步进行的。早期第一轮投资是由真格基金投的，当时只有我一个人，他们非常相信我，相信我能把这件事做好。这是当时我获得的比较正面的反馈。

真格是 Debbie 投你的，她本来就认识你吗？

对，本来就认识，和 RDT 有关系。

也和 RDT 有关系？

对。做 RT 的时候，我就认识了许多投资人，包括雨森也非常看好我，支持我们出来做这件事。我当时还是比较惊讶的，因为我觉得市场的感觉是具身已经结束了。我在这个阶段出来做，大家可能会觉得有点晚。

但 2026 年上半年，大家觉得这个领域很热。你说 2025 年下半年，具身已经结束了。

对，这是我最直接的感受。当时资本市场确实是这样的看法，大家已经觉得要结束了。后来主要是有一波年轻人的热潮，00 后出来创业，还有世界模型这波热潮。

我当时做的事情其实就是世界模型，但没有把它框成这个词。我们当时说的是具身智能，但技术路线上其实就是世界模型。我觉得它实质上就是具身智能，因为中国的世界模型热潮，还是把它用在机器人上的策略模型。世界动作模型还是服务于智能机器人，DreamZero 也是这样一个模型，本身就是一个 policy。

后来什么时候你感觉到变化？

我们当时找 Co-Founder、做第一轮，第二轮是红杉支持。第一轮之后，来年情况很快就不一样了。我觉得有多个原因：整个 AI 市场的繁荣也有外溢；另外，我们看到有新的故事可以讲，比如世界模型，北美那边也有一些对标，大家可能很快会跟进，因为有钱要投。这和整个大的行业周期有关。

当时 1 月 MiniMax 和智谱上市，也是让信心增强的一个因素。

对，恍若隔世，虽然是今年 1 月发生的事。行业是有周期的。我出来时运气比较好，碰到了一波行情。

你出发时就想清楚的事情是什么？

很大程度上，如果把今天发生的情况和当时的判断对标，很多事情都没有超出预期。我们当时都想得比较清楚，包括要用什么资源训练什么模型，按照什么节奏走，以及后面市场会发生什么。

技术上，我们认为世界模型这一波，包括人类数据和这样的训练策略，会走出一条非常不一样的曲线。最近发布的工作也说明了这一点，我们走出了一条不一样的 curve。

另外，我们当时预判基模也会进入这个领域，我觉得几乎是必然的。现在看到的冲击也如期出现了。

你们出发时就想到基模肯定会冲击这个领域。半年前的信号是什么？

某种程度上，这件事分成两层。第一，我们看到基模能力在持续提升。能力提升之后，它必然会去找一些场景渗透，因为它有能力做这件事。第二，算力也在增加，意味着它有动机去做这件事，所以我们判断它肯定会想办法渗透更多场景。

另外，这是和一些硅谷朋友交流的结果。当时我们看到 OpenAI 很早就传出在招 robotics 的人，我觉得这几乎没有疑问。它会发生，只是早晚的问题。

2025 年下半年就有这个传闻。

对，这件事其实已经很确定了。

但当时大家可能有不同判断。到 5 月，Sam Altman 自己发了 Twitter，公开招 robotics 的人。有人可能认为他们会有一个相对独立的团队，用具身的方法做具身的事情。但后来发生的事情是，GPT-6 Extra 这样的基础大模型，本身就有很强的空间智能能力。这个稍微超出你的预期吗？

速度上可能有些超出预期，可能比我想象中快一些。但产生这样的效果没有超出预期。它在做的一些事情，比如用 coding 的方式理解世界，感知距离、大小、深度，我觉得不应该超出大模型的能力范围。你加了类似的数据，我觉得它就应该像人一样去感受这些事情。

既然创业时就想到了这件事，你提前做了什么决策来应对未来这种情况？比如当时想好了一定要做或一定不做什么？

7. 基模冲击下的全栈路线

这个问题有两层：当时怎么想，以及现在已经发生了什么。首先我们要承认，它必然有冲击。原来大家觉得 System 2、System 1、System 0 都属于具身赛道。你可以稍微解释一下。

可以简单解释一下吗？

System 2 的核心是感知、规划和理解。System 1 是 System 2 给出明确指令，System 1 把指令转化成动作序列，特别是以末端执行器为参考，把它转换成动作序列。System 0 是运控，把动作序列可靠地执行出来。

这三层构成了我们和物理世界接触的部分。原本的故事是，资本市场认为具身公司有机会把这三层都做了，或者以具身为基础往上做 AGI。2023、2024 年，我觉得这是主流叙事。大家会说具身大脑，大脑比较像 System 2，也就是规划部分，会被当成具身公司的核心竞争力。

但创业时我就觉得 System 2 有风险，不一定能被具身公司吃掉。所以我们创业时和投资人讲的时候，没有特别强调这一层。今天我们发现 Extra 进来了，某种程度上它已经吃掉了一部分具身壁垒，至少吃掉了 System 2。被挖掉这部分之后，对于具身领域来说，AI 模型就薄了。

那模型变薄之后怎么办？我觉得很自然：如果模型有可能变薄，就需要加一些别的东西，让壁垒继续变厚。所以我们成立 Day One 开始就是一个全栈公司。如果在这个领域做一家纯基模公司，会很危险。我们也和投资人讲过，如果只做纯模型，未来的大模型公司会是非常强劲的对手，哪怕你只做 System 1，他们也可以做 System 1。所以我们当时就做好准备，需要让自己具备产品能力。

这也是你们的思路和 2026 年上半年世界模型热潮的区别。那波热潮里涌现了更多新公司，侧重更偏模型的部分。

我觉得是。2023、2024 年最早那批具身公司，自然而然会选择做全栈，因为当时大家会讲中国有供应链优势。我们和更早一批公司的区别，或者说一号位背景的区别，在于我们也是全栈公司，但我们是硬件服务模型，而不是模型服务硬件。这是一个不一样的点。

当时因为我们是全栈，也有硬件部分，一些投资人和同行可能不理解，觉得这样做不够“干净”。

你说的“不干净”，是指不够聚焦吗？

对，不是很聚焦在模型这一层。所以某种意义上，你创业时有点反当时的趋势。

除了做硬件、做产品、把其他壁垒加厚，还有什么和你预判基模会进来相关的决策吗？

我们最新的 blog 里也强调，我们做的技术方向一直很偏 System 1，关注具体动作怎么执行，执行后怎么调整或者 retry。这个是定位上的不一样。有些公司可能讲一个大的 AGI 故事，说 System 2 有理解能力、能和人交互，但这从来不是我们的重心。我们的重心一直是怎么做物理反馈和补偿，这和今天的大模型是互补的。

我们的思路很简单：基模公司进来，我们肯定不和它正面对抗，因为他们资源更多、人才也更多。我们的方向是和他们合作、互补。他们解决擅长的部分，我们解决他们不擅长的部分。也就是从 System 1 往下，做动作执行、和物理世界交互，包括力、触觉处理，以及更下层的运控、硬件和场景部署。

后面可以再展开聊，因为这也涉及商业思考，以及你觉得未来行业分工和格局会怎么样。回到创业过程，我听下来，你上学、做学术、创业的思考都很步步为营、条分缕析。有人评价你很会做题吗？

很少有人这么评价我。

我印象中一种典型的科技创业者，是出于对某个方向的极致热爱去做。比如汪涛从小是航模爱好者，一步步走向大疆的无人机。你的画像，包括很多履历更好的人的画像，给人的感觉是你们很多方向都能做，能力更均衡，选择更多。创业好像不是那种典型的极致热爱画像。你怎么看这种特质？大家有时候是不是放大了“我特别喜欢一件事”对结果的影响？

8. 创业才是人生主线

我可以反问一下：你觉得这个领域里，什么样的画像才是极致热爱、符合你刚刚说的那种？

比如模型领域，或者更泛一点，像哈萨比斯这样的人。

我觉得这和你所处的领域有关。这个领域在 10 年、20 年前的技术方式和现在完全不一样，因为它本来就很年轻。

我觉得有一件事是我极致热爱的，就是创业本身。这确实是我一直矢志不渝的追求。

你没有考虑过上班，也没考虑过当老师、拿到教职再创业？

我没有考虑过别的职业可能性，也没有考虑过上班或当老师。

现在先当教授再创业也是很普遍的选择。

是一个热潮，但 timing 非常重要。如果已经看到了行业机会，还选择去读教职，我觉得本身就证明你对这件事不是很相信。我的目标一直很明确，我一直想做的就是创业。

对我来说，创业意味着什么？可以上升到人生目标。很多人的目标可能是获得资源、金钱、地位或影响力。如果再往上挖一层，为什么要获得资源和影响力？最终目标肯定是做事，不是为了享受，因为一个人享受花不了太多钱。既然目标是做事，就没必要绕一大圈，先获得资源和影响力，再去做事。我可以直接去做事，因为这本身就是人生里意义很大的部分。我就是为了做对社会、国家、民族有价值的事情。做事最直接的方式，就是获得资源把事情做好，所以创业是一个很自然的目标。

你什么时候想清楚这套逻辑的？

可能高中时就已经想得比较清楚了。我觉得这是一个比较底层、第一性的逻辑。

作为一个中学生，为什么会想这些问题？

这和家庭教育有关系。我的父母没有那么关注成绩怎么样。我从小的成绩都是自己驱动的。他们最关注的是我要成为一个什么样的人，人生目标是什么，想做什么事情。这件事需要时间去探索和思考。所以我比别人起步早，不是他们告诉我该做什么，而是他们问我想做什么。这个问题启发我更早思考。

我想来想去，发现每个人最终的归宿其实都一样，人生怎么过才是不一样的。对我来说，有意义的事情就是做有价值的事情。

我觉得你的特点是对创业本身非常有热情。很多技术背景的创业者表达为什么创业，是因为在某个方向看到了技术趋势和机会，认为创业是把技术价值做大的一种方式。但你更早就想清楚，创业本身是你要做的事。中间你考虑过不同技术可能性。

对，主线比较清晰。我来到清华时，比较早就参加清华一些创业活动。这也是我觉得清华非常好的一点，它的创业培训特别到位。比如清华创协，还有启创计划，都给了我们很大帮助，让我认识了一群和我差不多的人。

这也是和很多清华学长不一样的地方。我之前和姚颂聊过，很多清华创始人以前参加的是科协。

我两个都参加了，我也是星火计划的。

你也参加星火计划？

对，所以我可能更 focus 在这方面。

你更早的一些创业尝试，可以简单讲讲吗？尤其是可能对现在有影响的。

更早期大概是大一、大二的时候。我们做过一个在线教育尝试。当时是疫情期间，很多教学转移到线上，包括 K12。转到线上意味着会有很多教学数据；另一个问题是线上沟通不方便，很多个性化需求没法照顾到。

这两个事情结合起来，我们做了一个项目：在线教育推荐系统，根据不同的人因材施教、推荐题目。我当时不是一号位，有学长和老师指导。这个项目的要素比较齐全，一方面有数据可以训练模型，另一方面有学生需要个性化辅导。

你们上学时清华支持创业的活动是怎么展开的？

分成两个部分。一部分是教育，会做基本的创业培训，包括法律、知识产权、条款，还有企业管理、怎么运营企业、招人、管理。这两部分合起来，是对创业者素质的基本培训。

另一部分是实践，会支持大家做创业项目，介绍参加比赛。它会把一群想创业的人聚在一起，帮大家找有类似想法的人组队创业，还会有导师和前辈来指导、交流。

所以你本科也学了不少经管类内容。

对，我受益匪浅。今天创业时，以前学的东西都有用。最简单的比如怎么读报表。

看账很重要。

对，我非常关注这一块。我觉得 CEO 不一定每方面都很强，比如财务、法律都很厉害，但要有基本能力，能和专业人士沟通。这个能力非常重要。我觉得这也是清华教育给我的一份礼物，让我有了一些基本素质。

你大四那一年应该是 ChatGPT 出现的那一年。

对。其实我很明确地嗅到了一些东西。我比那个时间还早一点，因为实验室有毕业的学长去了 OpenAI，早期给我们体验了 ChatGPT。我们当时非常惊讶，我意识到它和之前的模型都不一样，开始让我感觉有点像个人，我在跟它聊天。

所以到 2023 年时，我们就非常关注接下来要做什么。我觉得肯定有创业机会，确实也有很多创业机会。接下来就是选择做什么。当时可以列出不同方向：Agent、AI 应用、多模态、视频、AI for Science、robotics 等等。

我的思路很简单。我觉得基座模型一定会长得非常大，是一个现象级的事情，投入也一定会非常大。我应该怎么和基座模型协作，是一个很大的问题。我觉得必然要做一个应用，不可能直接做多模态，因为它也会做多模态，那就会和它竞争。应用里什么壁垒最厚、最能让独立公司合作而不是被吃掉？我觉得可能是和物理世界相结合的应用，有独特的问题和挑战，更有可能成为一家独立公司。

所以 2023 年你已经看到了大致方向，只是在等技术信号更成熟。

对。

那我们聊聊创业之后的事。你们现在有了第一个成果，刚刚发布的模型 Libra 0。你可以简单讲讲 Libra 0 有什么新的能力提升吗？

9. Libra 0 验证了什么

我简单讲一下 Libra 0 的一些新发现。我们发布时非常 excited，因为背后凝聚了相当长一段时间的心血，也验证了许多重要假设。我就以假设为引子，介绍我们验证了什么。

第一个最直接的反馈是，我们可以开始做 zero-shot。很多公司也独立发现了这件事，但我们系统地测试了 zero-shot 到底能做到什么程度。

你可以给大家解释一下 zero-shot，零样本。

Zero-shot 指的是大模型最本质的定义之一：遇到新问题或新任务时，不需要任何示教或训练，就可以完成它。

从实验看，在各种任务里最简单的是抓取，也就是 pick-and-place。这个任务直接零样本能做到六七成成功率。对于非 pick-and-place 的任务，也有大约 30% 的成功率。特别是长程任务，我们也能做到有成功率，比如一个四五步的任务，像把桌面物品放到抽屉里，成功率也超过 10%。

这些都是零样本成功率？

对，都是零样本成功率。

之前行业里抓取、非抓取、长程任务的零样本成功率大概是什么水平？

我觉得大家可能都还没有系统地测过这些东西，我们可能是第一个。

你们这次报告里比较有意思的是，用 GPT-6 出了 60 道题，20 道是抓取，20 道是非抓取，还有 20 道是长程任务。里面有什么印象比较深的例子？以前机器人很难做到、现在你们能零样本做到，或者成功率特别低、现在提升了的任务？

我觉得核心是用 GPT-6 出题本身是一种创新。怎么验证零样本？你可以让人想任务，但不一定足够客观。用模型生成至少是我们认为更客观的方式。

从生成结果看，特别是长程任务，以前我们觉得基本不可能零样本完成，但现在看到曙光，有些长程任务也能零样本完成。它分成几步，比如四五个 subtask。

举个例子？

第三组任务里有一个例子：把桌面上的一些物体先放进袋子，再把袋子放进抽屉。它不只是抓取，还包含操作抽屉。这样的任务我们发现也有成功率。

第一个假设，是系统地做零样本测试。

对。第二个我认为最重要的验证是：这个领域做 scaling，不只是堆更多数据，还涉及效率问题。不同类型的数据、不同操作方式，效率不一样。

这和大模型可能不一样。对纯 LM 来说，数据格式相对统一，可能都是文本。但对具身来说，数据的组织形式有区别：怎么采集、怎么处理、用什么设备，都会不一样。这些要素会带来改变。我们验证时发现不同数据源的曲线很不一样。我们自己做的自研手套物理数据，是斜率最陡峭的数据之一，效果甚至可以接近跨本体的真机数据。

这会从根本上改变我们的思路：我们不只是要 scaling，还要懂得怎么更有效地 scaling。

你说这是一个验证。实际训练之前，你们就认为自研手套数据采集效率最高吗？

对，我们就认为有这个假设，需要验证。成立全栈公司也是因为这个根本原因：最终模型效果不仅取决于训练模型，还取决于其他部分，包括采集设备怎么设计、本体怎么做。这些因素会组合起来，共同影响最终模型效果。如果这件事成立，垂直整合就有意义。

那你这其实说到第三个验证：全栈优化效率更高。

对。一部分是刚才说的自研手套曲线最陡峭；另一部分是我们测了自己的本体和其他本体的对比。你会发现这套系统相互增强，整个体系的每个部分彼此关联，都会贡献到最终模型效果。

这是一个重要的验证，也说明我们成立公司、做垂直整合的假设有意义。比如数据贡献一部分，本体贡献一部分，模型训练贡献一部分，最终可能每一部分提升叠加起来，让效果提升一倍。

举个例子，本体方面，我们发现自己设计的拟人本体很重要，比如腰和人一样有自由度，手腕像人一样可以球形旋转。这些本体在一些任务中很重要，比如涉及拧转的操作，可能需要更灵活的手腕。我们在实验里发现，在这些任务中，用我们的本体和其他本体，融合起来的体系效果不一样。

除了这三个验证之外，还有吗？

还有一个有意思的结论：模型能够从我的手套数据里学到没学过的技能。这是一个重要效果。

这是你们本来就想验证的，还是超出预期？

我们希望它成立，但有一点超出预期。我们做了一个实验：真机数据只包含 pick-and-place，手套数据里有非 pick-and-place 任务。两类数据混在一起之后，模型可以展现出非 pick-and-place 的效果。它能从纯粹的手套数据中学到新知识，不必依赖真机数据。

这样一来，整个训练 recipe 对真机的依赖度就没那么高了，因为真机很贵。这也是一个重要结论。

第一个验证是它能做一些长程任务的零样本。第二个是数据，这块可以好好讲讲。你们这次用了 220 万小时的人类经验预训练，在行业里算什么量级？

在行业里肯定算比较多，但直接比较不太好。这也是我们这次实验的一个结果：数据绝对量没有那么重要，更多取决于多样性、怎么采集，以及有没有动作信息。我觉得这些更关键。

有一种观点是，只要数据更多，肯定更好。

我觉得这肯定成立，但不同的“更好”有斜率差别。你可能提升得更快，也可能更慢。

你们这 220 万小时是怎么构成的？

里面很大一部分是互联网数据，因为网上有很多包含人的数据，包括人在操作的数据。除此之外，还有一些 ego 视频，比如开源的 ego 数据、供应商采集的 ego 数据，还有一部分真机数据，包括我们自己的遥操作数据，以及跨本体的其他型号真机数据。

现在不是所有模型都会公布用多少数据，我们可以比较几个公布了的。比如今年 8 月的 G1.5 用了 50 万小时，9 月的 Dyna 2 用了 100 万小时。不同公司对数据配比的选择有什么区别？

至少这两家的选择差异比较大。像 Dyna 可能更多是无本体数据，像 Dyna 可能有很多 ego 类似的数据，也用了很多互联网视频。

我们这样选的原因比较简单。互联网数据量大、便宜。互联网数据加手套，有一个作用是做 action grounding。很多互联网数据里可能只有人，但不知道这个人具体怎么操作，动作精度、手的运动是什么样的，这部分物理动作数据是缺失的。对我们来说，加上一部分手套数据就能起到桥梁作用：它本身是人的数据，可以和互联网数据对齐，同时补上缺失的物理动作信息。所以这样的搭配能更有效地利用互联网数据。

无本体数据的问题在于主要是夹爪数据，夹爪和人之间有不对齐，所以我们没有在无本体数据上花很多精力。

相当于 G1.5 的 50 万小时里很多还是夹爪数据。Dyna 2 和你们的区别是，他们预训练阶段没有机器人数据，全部用人类视频；你们的 220 万小时里既有视频，也有遥操作和跨本体数据。混在一起的原因，除了把人的操作迁移到机器人上，还有什么？

还有一个原因和这次的设计有关。我们认为，和物理相关的操作反应，某种程度上有本体无关的部分，所以建模时会把本体作为条件注入模型。模型要能 aware 不同本体是什么样，能够根据本体的不同调整策略。比如我是人的手，该怎么抓水杯；如果是机器人的夹爪，就要用另一种方式。

如果模型要学会根据本体改变策略，就一定需要这样的数据。因为大量数据来自人类，人类是最大的一个数据源，但最终不可能部署在人身上，一定要部署在机器人上。所以跨本体是必须解决的问题。

从人到机器人已经是跨本体了。你可以展开讲讲自研手套数据的一些发现吗？我看到一个比较有意思的数据：你们在 200 万小时互联网视频上的操作表现，还不如 1 万小时自研手套数据。量级差很多，为什么视频还是不如手套？互联网视频缺了什么？

主要缺动作的部分。我可以呼应一下我们一开始说的 Extra：互联网中包含大量物理信息，可以说是先验，也可以说是认知规律，但它恰恰缺了你和世界交互的部分。

我们觉得这部分最关键。只依赖互联网数据，你能获得很多认知，但不知道怎么做。认知上的巨人和行动上的巨人是两回事。可能需要一个东西指挥和落实行动，手套数据就能补上缺失的动作部分。所以它有四两拨千斤的效果。虽然量少，但补上这个部分之后，模型能力就能提升。这也符合我们的第一性理解。

既然这样，为什么不多用一些手套数据？

手套数据当然也是越多越好。但它要在物理世界里采集，也会受物理世界限制，很难达到互联网数据那么大的规模。

我看到手套数据还有一个比较有意思的实验：手套数据配合 25% 的真机遥操作数据，效果超过 100% 的真机遥操作数据。为什么它不仅能赶上，还能超过？一般大家认为真机遥操作是质量最高的数据。

我觉得有两个方面。我先解释实验结果。第一个很有意义的点，是它比较明确地论证了手套能不能取代真机。它带来成本和 scaling 上的收益。如果手套能部分取代真机，成本就会低很多，因为手套便宜，真机贵。

真机遥操作就是得有一个和你自己一样的本体去做遥操作。

对，肯定很麻烦，也必然贵。

Ilya 早期接受采访时说，OpenAI 早期放弃做机器人的原因之一，是它要 scaling 的成本太高。造 150 个机器人，成本就已经很大了。

对，所以这是对我们来说最重要的验证之一：手套可以达到真机遥操作的效果。

为什么它甚至有可能超过真机遥操作？第一个原因是，真机遥操作不是一个完美策略。执行端是人的意志：我看着机器人做，但最终动作的接触端是机器人，两者不匹配。我看到的画面和机器人记录下的画面可能不一致，导致策略有偏差。

比如从你的视角看，你能看到那个杯子。

对。遥操作是人在控制旁边的机器人完成任务，和真人直接做任务的流畅度完全不一样。另一个原因是操作过程中没有反馈，所以人做得会慢一些、迟缓一些，效果不如人那么准和快。

还有一个问题是 gap：遥操作动作比较慢，motion pattern 和人的操作有很大差异，也会不对齐。预训练里有很多人类数据，互联网里各种人的数据都很流畅，如果制造出不对齐，会进一步降低效果。

手套就没有这个问题，因为它戴在人的手上，是人对人。

对，所以它很对齐。除了动作部分，其他都和一个人没有区别。它能更好地蒸馏互联网视频中的数据。这是一个底层原理。

你们算过手套部分替代真机，能带来多少效率提升或成本降低吗？

我们有一个大概的计算，在表格里。它能替代 75% 的真机遥操作，换成手套后能够达到类似效果，甚至还能超过。

你能透露一下手套方案比真机遥操作便宜多少吗？

我大概有一个范围。真机遥操作可能一个小时上千元人民币，手套的成本肯定低一个数量级。跨越还是比较大，可能是数百元，甚至更低。

正好从手套聊聊你们完整的硬件布局。你刚才说全栈优化效率更高。现在哪些硬件和核心零部件是你们自己做的？

这里有一个边界。我们说做垂直整合，核心不是所有东西都要做，公司没有那么多精力。最重要的是以终为始，看最终模型效果。我们只做那些能改善最终模型效果的部分，只控制那部分。一些比较成熟的核心零部件和供应链，我们依靠外部帮助。

你们就做那些会影响最终模型效果的设计。

对。具体来说，现在能看到的是手套和本体。对本体来说，我们主要集中在设计上，比如关节的自由度和灵活度，最终会作用到 policy 的效果。policy 学的是人类知识、人类怎么操作世界。如果本体达不到人的灵活度或者比较差，这部分知识就没办法 transfer 过来。

你可以讲讲一些独特设计吗？比如腰部设计。你们的平台可以往前折，也可以侧着折，这里有 3 个自由度，对吧？

对。你也可以把底盘的升降算进去。

像 Optimus 第二代应该只有一个自由度，只能这样转。

对，我们这个特点是，基本上人能做的事情，它都可以做。

这样设计的必要性是什么？比如有时要升降操作高度，看起来更简单的方式是只做升降，也能操作比较低的东西。为什么要做这种弯腰设计？

因为人本身会有这样的 motion。比如在 ego 数据或者互联网数据里，人擦桌子时有时会侧着擦，这是非常自然的过程。如果人有这样的空间，机器人没有，policy 就会有不对齐。

所以是为了从更多数据里更有效地学到东西。

对。

不是一般人想象的，硬件设计是为了最后完成任务，其实也是为了前面的模型。手腕设计也是这样吗？

对。人本身的手腕就是这样的球形，人能做很多拧转操作。如果你做不了，就会有 mismatch。

现在比较主流的人形机器人本体的手腕是怎样的？只能这样平着转吗？

现在有一些方式，用的是串联关节，会导致原位旋转可能出问题。比如拧一个水平的东西，后面可能会带一部分小臂，带着一截长度一起转，可能会碰撞，不够自然。

之前大家没有在手腕做球形旋转，也没有在腰部增加更多自由度，原因是什么？

这件事本身是有代价的，会增加一定成本。整个硬件很讲究成本，如果只增加成本、看不到收益，自然没人有动力做。我们做这件事，是因为看到收益，知道它会影响最后的模型效果。

这次报告里披露了测试结果：你们在自己的平台上做拧转、弯腰捡拖鞋，比其他对比平台的成功率高 30%，自己的成功率超过 90%。为什么能高这么多？

我觉得很自然。和物理世界交互不是纯模型的事情，一定会涉及最终用什么介质交互，policy 的决策会和介质有依赖关系。这个事情还没有收敛，所以介质本身仍有优化空间。

比如拧转动作，如果关节手腕不灵活，两根手指拧的时候，两个小臂可能会撞在一起。还有一些狭窄缝隙，如果手臂很粗，可能伸不进去。

你们的手臂很细。

对，这是一个现实问题。

那是不是也意味着你们的模型适配不同本体、所谓“一脑多型”的能力会比较弱？你们又特别追求跨本体，用了跨本体数据。

我觉得可以这么看。我们肯定要做跨本体，因为数据来自人类，人类有很多知识。从人类知识中学到的模型，在哪种本体上适配得更好？我们认为可以做跨本体，但不同本体肯定有差异。和人类更接近的本体，肯定更能接受这样的知识、更能迁移，至少在这个阶段是这样。

所以模型会有跨本体能力，但效果最好的是最像人的本体。最终我们会形成一个生态：模型也适配不同本体，但模型和自己的本体配合效果最好。模型配别的本体会弱一些，本体配别的模型也会弱一些。这样自己的部分就能强强联合。

如果完全可以跨本体、本体之间没有差异，就没有必要做垂直整合。对基模来说，如果本体之间没有差异，那就是一马平川。

我们观察到的实验现象很好，因为它证明了越靠近物理的部分，就越和你的 infra、本体相关，不是一个能一马平川推过去的部分。我们做这个生态位，某种程度上也会有差异化。

说完三个验证，你可以讲一下 Libra 0 本身是什么模型、训练过程吗？你们写到它是一个世界动作模型，也就是 WAM，而且做了三个阶段的预训练。为什么这么设计？

这和前面做的几个铺垫是一体的，是一个完整闭环。我们的数据分成大量互联网数据，以及量小很多、物理信息更多的真机数据和手套数据。训练过程也是这么来的：优先从互联网视频中学习更多物理认知或规律，但光有这些不够，最终要在物理世界里做任务，所以过程中会逐步增加带物理信息的数据比例。我们用的是“先学习、先看、再做”这样的过程。

为什么你们把这三个阶段都叫预训练？以往有些做法会把前面用很多数据、后面用少量机器人数据的阶段算作后训练。

关键在于，以往叫后训练的阶段，一般完全没有互联网视频。我们的实践里觉得这样不对，我们整个过程中一直混着数据。

这是一个迁移过程：先学到很多人类观测和认知，后面希望把认知和行动联合起来，所以需要过渡。以前的定义可能偏向机器人数据，但我们在整个预训练过程中都混在一起，因为我们认为这个能力不可区分，不是先学会看、再学会动，看和动是动态关系。三个阶段数据配比不一样，但过程相似。

我们真正意义上的后训练，可能是下一步会做的，比如更 scalable 的后训练，可能涉及 RL，也可能有一些新方式，特别适配某个本体的阶段。

这次技术报告非常详细，披露了数据配比、核心假设、怎么验证，以及各种对比测试。你不担心把很多想法告诉别人，别人也会一起做吗？

我觉得关键在于这个阶段怎么看模型和影响力。现在相对早期，对我们来说最关键的是把有价值的信息传给行业。更多人看到这件事、尝试这条路线，反而能让路线更清晰，也能让行业更有信心。这个阶段资本市场也在考验，有更多信心对行业有帮助。

第二，披露得越详细，事情做得越 solid，对品牌也有帮助。大家会更相信你是在认真做这件事。

这次还有一个不同点：我们开放了模拟器环境，是一个网络链接，大家可以直接在模拟器里测模型。你可以把生活里的物品拍照上传到模拟器里，让机器人执行操作。

如果报告发出来之后，很多人都做灵巧手，你会担心吗？你觉得这件事有那么容易吗？

已经有很多人在做自己的灵巧手。我觉得成立前提是整条 pipeline 比较复杂，包括硬件、数据处理、训练，对团队综合能力要求很高。这方面我们比较自信，因为我们一直是这样的团队配置，也做了比较长时间。这部分本身有壁垒。

你觉得 Libra 0 目前有什么不足和遗憾？

不足肯定有，整个阶段还比较早。比如触觉这样非常重要的模态，现在还在成熟过程中。它不只是和模型有关，我觉得更多可能和硬件有关：找到合适的硬件，做生产转化，再利用好这部分数据，都还有一段距离。

这部分是我们现在还没做好的，也是未来会非常关注的：怎么把触觉采进来，稳定、便宜、可靠地引入，再把它用好。我觉得这是 System 1 模型非常关键的部分。

这应该也是基模比较难涉足的部分。

对，至少目前看是这样。

除了这个之外呢？

另一个部分是 RL。对于和 RLHF 类似的、comparable 的方法，我们目前探索得还不够。我始终认为 RL 会有比较重要的部分：它不一定针对某个任务，而是能够一致地提升模型成功率。这件事也很重要，但我们还在探索。

以往强化学习比较针对特定任务做提升，对吧？

对，我们希望有一种任务无关的方法，像 RLHF 一样 general 地提升整体成功率。这件事我们认为有价值，只是还需要探索。

你最开始描述刚创业时的状态，说当时就想模型大概怎么训练，后面也按照你的设想发生了。在大致符合设想的情况下，有没有什么超出预期的难点和踩坑经历？

训练还好。整个训练过程中，我们对节奏的把控和数据处理都还在能力范围内。更难的部分反而在硬件上。

我预期硬件会对模型产生影响，但实践中发现影响比预料中还深。不同构型、不同传感器选型，都会对最后结果带来很大影响，而且这个影响没法通过后续的训练 recipe 解决。这让我更相信一个事实：至少在这个阶段，System 1 以下的部分和硬件绑定很强。

可以举一个更具体的例子吗？

更简单地说，就是 System 0 的本体运控算法和 System 1 的融合非常重要。不同算法设计会直接影响 System 1 的效果，System 1 也会反过来影响运控算法。这两个事情耦合很深。运控算法又和本体强关联，比如不同关节的设计、自由度、电机参数都会有关。

那为什么这有点超出预期？你一开始其实也看到硬件会有影响。

我知道会有影响，但没想到影响这么大，耦合这么深。

某种意义上也是利好消息，对你们来说？

某种程度上有好的一面，也有不好的一面。好的一面是和大模型拉得更开，变得更不一样；不好的一面是会减慢迭代速度，因为模型和硬件要一起迭代。硬件的迭代周期远远慢于软件。

我们实践中发现硬件非常重要。整个行业的发展一定和硬件发展强相关，甚至会受制于硬件。

从公司成立到现在接近一年的时间里，你们把最多的资源投入在哪几个方向？如果排个序呢？

毫无疑问是算力和数据，都是最重要的部分。其他部分可能都比较少。

我有一点场外信息：我觉得你们的算力需求挺高，远高于之前大家讨论的中国具身公司研发投入不够。这一批公司，包括你们和其他一些公司，算力投入其实比较多。

对，这肯定是需要的。

还有吗？

算力和数据。数据包括研发出来的设备、做采集的人力，都在里面。

所以硬件重要性很高，但它其实并没有那么吃资源？硬件研发没有算力那么吃资源。

我觉得硬件周期比较长，而且需要很好的设计理念，不是砸钱就能加速。现在这个阶段可能不需要砸那么多，但如果之后大规模量产，肯定需要。研究阶段和提高稳定性的阶段，相比算力，其实不需要砸那么多钱。

这也意味着你们壁垒厚一些。大模型公司涉足硬件也要经历一样的周期，不一定靠烧钱解决所有问题。

对。硬件里存在很多串行的部分，有客观周期，不可缩短。

往下 3 到 6 个月，或者一年，你们的投入重点会有什么变化？

下一阶段模型仍然是最关键的部分。另一个部分是开始做一些 POC 和探索，做一些和场景相关的事情。目的不是短期内充更多收入，关键是对场景有更深刻的认知，了解什么部分能和模型形成闭环。

这正好也是我想聊的下一个话题：你们对落地和商业化的思考。你前面说定位是创造商业价值、要做产品的公司。实际上你们现在这一块做到什么程度？

这一块还在探索阶段。这次 demo 的后半部分有一个我们自己做的 application，可以完成奶茶制作的闭环，做一些相关任务。这个肯定还是探索环节。

它的底层原理是什么？

我可以介绍一下。首先要看终局：公司最终肯定要产生商业价值，以某种形式参与经济活动。但我们不知道的是，最终在一个场景里做任务、替代人，或者用其他方式，产生的价值中什么部分最重要。

目前已知模型是一个重要部分，但不一定能吃掉所有部分。我们现在要做一些布局。如果相信场景里的 infra 或数据也重要，甚至会影响模型优化方向，就需要现在去看有哪些模型能力能够转化成商业可行性。

场景中的 infra 是指什么？

为了做一个场景，肯定还要做一些适配。比如硬件、通信、可靠性、怎么兜底，类似这些问题。它们后面占的比例有多大、重要不重要，都不知道，所以得提前做布局和尝试，至少要拿到这部分信息。最好的情况是跑通一些最小规模的应用。

从你们 demo 里做奶茶的任务看，你们优先试的第一批场景是商业零售、商业服务吗？

这是我们比较关注的方向，但我们也在广泛测试。

那就讲讲奶茶。我仔细看了你们视频，有一段 5 分 50 多秒的长程任务，没有剪辑、没有加速。完整完成一个任务很惊艳，但还要从一个像洗发液的容器里按压泵，把糖挤到奶茶里。这种确实容易按不出来，人会知道自己按出来没有，也会调整后面的力。像这种对机器人来说应该特别难，落地时怎么办？

这就是我刚刚说的一些硬件问题。可能需要兜底。比如按糖浆泵，关键是可能需要其他模态辅助。力是一个部分，但现在我们还没有很好的硬件实现力控；另一部分可能需要声音。

需要声音提示糖浆有没有按出来，是这个意思吗？

对。人知道按出来和没按出来，声音不一样，不一定只靠看。有时也有手感，比如按出来时会感觉到阻尼。但现在硬件还不支持。

我想呼应一下前面的观点：越往真实场景做，越会发现硬件是很大一部分。我不确定最后是不是只要模型就够了，很多细节也会影响赚钱的效果。

这些细节里也可能有别的解决方式。比如在奶茶流程里，改掉奶茶设备，让流程里没有这种容器。

对，但我们现在还在挑战完全不改造环境。这样成本最低，也越容易部署。不过有很多工程问题要解决，可能最后还是要比较成本，看看怎样更低成本、更高效率。

所以从模型能力转成商业价值，还要做很多布局，不完全是模型能力本身。

我看你们公司自己搞了一个奶茶店，员工可以在这里点奶茶。

对。

目前运行得怎么样？

还在修缮和完善。我们还在努力把它做成不需要人干预的，但过程中有很多问题。

所以你追求自动化。如果初期和人配合，你能接受吗？

可以接受，但关键在于需要人介入到什么程度。可以接受兜底，但这其实是一个经济问题。如果很多地方都需要人，人就省不掉，也赚不到钱，达不到商业价值。

至少你们把商业零售作为第一批场景之一。为什么是它，而不是很多人在做的工业、物流，或者进家庭？

不代表我们没有其他方向的想法，只是没有展示相关 demo。我觉得每个场景都有自己的问题，没有完美的场景。

比如家庭，目前的问题是有没有达到需要的泛化性，以及安全问题怎么解决。工业的问题是对节拍要求很高，只能找一些节拍要求不高的部分。但节拍要求不高，又涉及和人工工资的计算、能做什么、可复制性怎么样。比如搞定一个工位后，迁移到下一个工位，有多少能力可以复制？这些都还需要探索，没有特别明朗。我们知道一定是往这个方向走，但现在还在探索阶段。

以往大家概括场景，会提容错率、节拍、工作价值等关键词。你选择场景时，这些要素的优先级大概是什么？

首先，我不希望它太非标，希望相对标准化，背后的能力可复制。太非标会拖慢整体节奏。我们也不着急马上做收入，核心是不希望为了商业化导致模型做不动。

另一个点是，如果它不是非标场景，就有一定标准化潜力。我希望它能满足模型，和模型的夹角要小，能用新一代技术或模型解决，而不是还要做很多定制化和兜底。兜底越多，实施成本越高。

然后要看模型能不能满足它的需求，包括节拍、容错率，不能是特别苛刻的环境；还要有足够动力购买服务，确实需要我们解决问题。

此外，希望做场景时能积累竞争力：要么更清楚模型能力转成商业价值的链条，积累 know-how；要么积累数据，让未来在场景中更有竞争力。至少得满足其中一个，做这件事才有意义，而不是纯粹为了收入。

所以不拖慢模型研发，也能长期带来资产。

对，这是最关键的。

你们开始做场景落地后，Libra 的本体会在基础上针对不同场景调整，还是特别追求一套本体服务所有事情？

这是商业效益问题。如果能不适配当然最好，这样可以做标品，生产成本和适配成本都比较低。但如果遇到不适配就做不了的情况，比如有的场景特别窄、特别高，肯定还是要适配。核心就是算账。我们尽可能选择通用本体，希望做成标品，具体还要看场景。

你说不着急做收入。你给自己留的时间表，比如跑通第一个场景，是怎么算的？

理想状态下，未来两到三年会有一个相对标杆的应用场景跑通，能持续带来收入。

什么量级叫标杆？规模、利润率，或者对公司的贡献是什么？

我觉得可以看两个条件。第一，它真正是由模型和泛化性产生的商业价值，不是用别的方式达到的。第二，它可复制、可持续，不是做完这一单就没了，确实有需求，也能持续带来收入。如果都满足，就是比较好的 milestone。但我现在没法回答具体是什么。

你现在看到有什么苗头吗？有没有潜力成为这样的标杆场景？

客观来说，现在还需要探索。我能看到一些有潜力的，但模型能力可能还没到这个阶段。现在暂时看不到一个模型已经能做、也能达到目标的场景。

可以讲讲全球市场的观察吗？现在这一批新的中国科技公司，出生时就面向全球。你们未来肯定也要做全球市场。如果考虑全球，有哪些场景有这样的苗头？

全球化的话，我觉得发达国家会有一些劳动力短缺的场景。一方面可能和家用相关，比如家里照护或清洁，这可能是媒体上像 Figure 这样的公司在做的事情。另一方面可能和零售、服务、酒店相关。这些场景一方面有一定结构化，另一方面也有很大的用工需求，特别是更发达的国家，可能更迫切。

回到节奏问题，你认为理想状态是未来两三年跑通标杆场景。另一方面，市场留给你们这一类公司的时间窗口有多少？比如基模厂商留给你们多少时间？

之前有传闻说 Anthropic 要收购 Physical Intelligence。OpenAI 现在也在做本体、做零售，Sam Altman 招人时特别强调要招全栈人才。他们思路上和你们有共通性，也可能直接进入 System 1 和 System 0。你们怎么应对？另一方面，很多大型先进制造企业，比如整车厂、华为，也可能进入这个领域。

我的判断是，假设今天 OpenAI 要做这件事、成立机器人团队，第一轮角逐可能不会是我和它竞争。它成立团队，在人才和资本市场上肯定有压力，但真正交付时，大家情况一样，还是得去啃客户，一个一个啃硬骨头。我不认为 OpenAI 有这个基因，也不认为它很有动力做这件事。

回头看我们的判断，真正交付时，硬件和 System 的 infra 非常重要。你刚才说的那些细节，都会影响最终服务品质和回款。我不认为 OpenAI 在这件事上很有优势。

如果它收购一家有能力的公司，我们要判断它能赋能多少。如果硬件和软件耦合很深，它可能得让自己的人进入那家公司做改造，或者把公司吸纳成自己的一部分，组织成本会很高。还要看做这件事的收益有多大。比如 OpenAI 今天如果把同样精力投到 coding，可能有 20 倍增长。但这个领域不太可能。它们赚软件 SaaS 的钱已经很舒服了，还愿不愿意赚非常辛苦的钱？我们看到 OpenAI 最近关掉了 Sora 这样的业务，但坦白说，Sora 比现在这个领域好赚钱得多。赚服务业、制造业的钱实在太辛苦了。它到底有没有决心和动力，我要打个问号。

另一类企业是先进制造业，比如车企、华为。我觉得也一样。它们核心还是看量，比如卖车的量很大。如果做这个行业吭哧吭哧一年，也就 100 台、200 台，它们有多大耐心？所以我认为它们进入的时机应该不是现在。

如果我们要做，核心对手还是做非标自动化的公司，以及做上一代交付的公司。我们的模型加硬件，能不能比它们有更多成本优势，这更现实。我觉得在商业里，客户会把我们视为竞争对手。

你这个回答挺务实的。很多这一类公司的创始人不屑于把非标自动化公司视作竞争对手。但真正商业化交付时，对客户来说，你们就是竞争对手。

对。所以我反而觉得冲击不一定在这里，更本质的是技术本身的风险：技术往后推，真正落地应用能产生什么效果？技术的增长、scaling 很确切，但技术转成商业价值还是未知的，这本身也有风险。

最近 10 月，王兴兴说了一种情形：等明年 GPT-7 发布，可能就把具身问题击穿了。你同意这个观察吗？

某种程度上确实会有一定冲击，这是必然的。但我认为至少在 GPT 现在的范式下，它不能解决所有问题。

我们一直在想怎么合作。比较理想的合作方式是，它们拿掉更 general、和本体无关的部分，比如 System 2，提供统一接口，不需要做太多事情，只要把模型训好就行。我们做 System 1 以下的部分，去啃难啃的硬骨头。这对我们来说已经很好了。我们赚应用那部分的钱，但对于它们来说可能吃不饱，我们就合作：我们解决下层难点，它们做更 general 的部分，不用碰那么多 dirty 的部分。

比如我们现在和 Kimi 合作，探讨的合作方式主要有两个。一个是基于它的基座模型，做很多 RSI 的事情。我们刚才提到硬件周期很长，也希望利用 RSI 缩短硬件周期，让行业跑得更快。

另一个合作模式，从长远看，比如有些 loop、research 或生产环节，其中不少部分不只是虚拟世界，可能和物理世界有关，需要物理世界作为接口，来解决虚拟世界里的闭环和 loop。我们来解决物理世界的问题。

简单划分一下，就是基模做 System 2，主要做规划，你们做操作和硬件相关的事情。

大致可以这么理解。

另一方面，你们这次应该也做了很多 Extra 的测试。Extra 擅长什么？不足是什么？边界在哪里？

我们有直接数据支撑。现在的方式是和 Extra 合作：Extra 做 System 2，我们做 System 1。

在这个结构里，如果只用 Extra，它目前很多灵巧操作做得不好，特别是强接触相关的任务。我们现在还没有涉及力控，但在强接触任务上，它经常做不好。具体来说，我们的模型成功率是 Extra 的好几倍。大家做 zero-shot 对比，比较公平。

一个明显的 pattern 是，它的能力能到那个范围，但总是碰不到，像最后 1 毫米的问题解决得不好，会来回抽搐、尝试，最后解决不了。它可能不擅长接触相关的任务。有时我们的模型做不了时，它也没有太大帮助。

另一方面，它的长处是理解能力特别好，包括语义理解、拆解和规划。有时候失败了，它能用明确方式把它带回正确路径，这方面能力比较强。

我想起来你最近发了一条朋友圈，说对长程任务有了新感受，可以靠 retry，人自己也会手滑。

对，我觉得 retry 肯定是很重要的能力。对人来说，没有成功率这个说法。

我觉得这可能也是 Extra 的一个边界。更远期来看，我的根本命题是人的大脑有两部分：一部分是 reasoning，是大量推理和思考；另一部分同样重要，是人的直觉，也就是基于直觉对运动和神经的控制。这件事未来也特别重要。

Extra 代表 reasoning 模式，不能吃掉所有能力。很多地方需要知觉、快速、反射式的思考，不带思考地快速反射，对速度以及信息不完全的情况都会有帮助。

你觉得 GPT-7 发布之后，这个趋势会变吗？

除非它也覆盖这一部分，比如具体接触任务、触觉，做特别的调试，或者用更小的模型，否则我觉得这是更长期、更本质的事情。

你说更小的模型，其实也是一个更专门的具身模型，不是基模冲击具身的趋势。

对。如果是更小的模型，也有一个问题：如果它还是依赖 chain-of-thought 来做，没准更小的模型就没法做，这也是一个风险。

我也和一些基模公司的人聊过这个问题，大家确实有分歧。有人认为最后基模也能做到这一层。当然有经济上的考量。

是。

机器人上的模型还要考虑算力和延时。

对，这是必然的。直觉型模型和思考型模型，它们的计算开销理论上不同，优化方向也不一样。我觉得本来就应该用直觉的方式做，舍近求远不自然，肯定有更便宜的办法。

说到这个，有一件不太相关但有点相似的事情。今年还有一个模型特别火，JEPA。

对，我觉得物理领域的 JEPA 可能比虚拟领域更重要，因为它会影响全身运动和速度节拍。

这也是你们现在侧重优化的方向。

对。

如果按照你的设想，你们和 OpenAI、Extra 这样的基模之间可能分工：它们做偏规划的 System 2，你们做偏操作和硬件耦合的事情。后面的市场可能相对更小、更慢、更累。既然创业了，你为什么不做 OpenAI 那样最大的事？按照这种分工，你们会变成多大的公司？

这件事有好处，也有不好的地方。你不可能既不 dirty，又能把事情做长远、又能竞争，因为客观事实已经改变了。OpenAI 已经占据了这个生态位，你要和它抢非常难。基模有能力向外拓展，这件事肯定要承认。

在 AI 算力基础、基模这个未来最大的盘子里，类似互联网基础设施，已经有公司占住了。你后面去抢比较难，几乎不可能。你要么加入它，成为它的一部分；要么去做它没有优势、短期内不会重投入的地方。可想而知，只能做偏物理、偏应用场景的事情，周期慢、回报不是那种爆发式的。

但今天周期慢、回报不快，不代表以后也这样。如果有一天有 To C 的大市场，就不一样了。这个领域现在还在成长、发展中，不代表是坏事，可能刚好适合我们这样的公司成长。很多创新都在边缘发生，一些公司一开始做大家不愿做的事，后来就长起来了。我们做这件事要仰望星空、脚踏实地。今天它还小，以后可能变大；以后能做 C 端的大市场，就是一个超级大的 business。那个时候和 OpenAI 竞争，我们就有筹码，我们的硬件和产品就是筹码。

你觉得从碎片化走向集中的时候，市场会有多集中？商业和工业场景比较碎片化。

从碎片走向集中一定是趋势。到了集中的时候，我觉得会有一个对标苹果、特别大的公司出现。这是必然的，它一定会是人类有史以来最伟大的工业品之一。

而且你觉得这种公司应该是现在就在做全栈、具备硬件能力的公司。有可能是这样吗？

我觉得有这个可能。在一批新的公司里，会有一个像苹果那么大的公司。这肯定有机会，也有成立的原理。

可以说这是你们的目标吗？

我觉得是。这是我们的愿景。事实上，如果看我们之后怎么玩这个游戏，我觉得这可能是胜率最高的玩法之一。

如果未来有一家面向个人家庭的大型机器人公司，现在从硬件和操作入手，也有可能长到更上层，又变回 2023 年那种趋势：它也有可能往上走。

有可能。如果它的价值那么大，也有可能。上面的人也会下来抢，但这个阶段还不是，因为市场太 niche。

更远以后可能会有犬牙交错的竞争。

对，现在还没有发生，因为商业需求端还没有那么强劲的驱动力。

回到节奏。你们预料到今年下半年之后资本预期会降温。之后做了什么调整？之前融资节奏上有什么安排来准备这种情况？

准备很简单：肯定要尽可能融到足够的钱，不是需要的时候再融，而是能融的时候就融，做一些储备。因为行业发展有限制、有不确定因素，也包括硬件周期，事情肯定比较慢，不可能明天就解决所有问题，需要储备。

所以你们给跑通标杆场景设定两到三年，也和融了比较多钱有关。你们融了六轮。

对，也和我们的储备有关。另一方面，具体投入会更讲究资本纪律。

资本纪律是什么意思？

就是讲效率。不同的 scaling 有不同的 curve，要追求在这方面优化，尽可能用更少资源做更多事情。

比如投资回报算得更清楚。

对。

和你聊天会有一个强烈感受，包括之前见面时，在那之前我只看过你的简历。比如你读了博士、没有工作过就来创业，我会有一个想象，但真人和想象不太一样。虽然你没有上过班、没有正式创业过，但你考虑了很多财务、资本纪律和风险。这个能力和意识是怎么来的？

更多还是家庭熏陶。家里如果做生意，这方面会有更多体感，特别是比较传统的生意，这方面更重要。

做生意不光是赚钱，很多时候能持续留在牌桌上更加重要，因为可能会有各种各样的事和风险。

你从小就观察你爸爸做生意吗？

对，肯定有这方面。家里信息比较透明，公司发生什么事，我都会知道。我也比较好奇，很多时候会有很强的体感。比如看到一件事情、一个风险，我可能觉得这个风险根本不会发生，但后来真的发生了。从小我有过很多这样的体会。

你是指家里的生意风险。

对。我越来越觉得不能只考虑最好的情况。

你爸爸会在什么语境下和你讨论？比如家里最近有个风险，以后用钱要省着点？

肯定不是这样。因为我本身比较好奇，我们就直接谈 business 的事情，他遇到什么困难、具体是什么情况。很多时候不是让我帮他，而是我知道这件事、自己比较好奇。

小时候因为家里做生意，经历过生活水平非常大的起伏吗？

没有，生活水平比较正常，我应该还比较幸运，因为有办法尽量让影响小一些。但如果看公司本身，影响会非常大。好的时候和不好的时候差别很大，而且经历了很多周期，每次周期又有不一样的地方。所以做判断和决策时，不能按上一次的情况照搬，要多做准备，因为这一次可能不一样。

所以你会比较多思考周期，对整个大环境的起伏也比较敏感。

对。

你前面说，今年下半年之后可能进入一个相对低谷状态。再往后你觉得大的环境会怎么变化？

我认为低谷是暂时的。一方面和具身有关，另一方面也和 AI 有关。客观来说，资本市场预期会逐渐超过实际上能有的效果、实际带来的收益。我觉得具身也有类似趋势。

但长期来看，我认为这项技术一定会带来很大回报，总有一天会起来。

节奏的关键就是“长期”有多久？

这个我说实话不好预判，所以我们按比较长的时间做准备。我认为不会长到 5 年、10 年，我认为不会这么长，可能是 5 年以下的尺度，因为我个人对 AI 发展比较乐观。但很短的话，我也不敢说明年就起来。所以储备三到五年的尺度应该是需要的。

最后聊聊公司团队。按照你一开始的设想，公司是全栈团队，有不同背景、履历，甚至年龄不同的人聚在一起。你们是什么样的文化，能让这么多员工协作，为组织目标努力？

10. 打造协作型全栈团队

公司的文化体系里有几个关键词。首先是 taste。虽然大家有不同 domain、不同领域，但看问题时拆解方式是一样的：怎么拆解，怎么取舍，怎么选择要解决的角度。我认为这很重要。我们公司是一个比较有 taste 的公司，自然会吸引有 taste 的人才。

所以你对品味的解读是做正确的选择。

我觉得更多是看待问题的角度，以及怎么做选择。这就引出第二点：有时候做选择时克制非常重要，做减法可能比打补丁更重要。人的惯常思路是出现问题就打个补丁，但更难的是做减法：怎么让好的设计、产品、模型架构或工作流尽可能简单。我觉得这是公司的一个文化，我们推崇极简、推崇简单。

你们具体实践里有这样的例子吗？

非常多，只是会和产品、模型的具体细节有关，我就不展开了。

还有一个特点是我们比较重视协作。有一种观点是效率为上、结果导向，只说自己干了什么，有正确的人就行。但我们非常注重协作，因为人和人之间不是天然就能协作的，会因为经历、背景、信息差和立场不同产生矛盾。

在组织里怎么协作、怎么样有人站出来做“商检”，非常重要。尤其是跨领域，大家经常不理解，所以我们重视怎么做商检，也会储备这方面的人才。管理者是比较稀缺的，一个好的管理者能做商检，让大家协作得更好，这件事本身非常有价值。

你说协作中的“商检”是指什么？

协作中经常出现信息差，或者大家目标不对齐，这些会自然而然发生。我用“商检”来比喻，因为混乱会自然而然地产生：大家目标好像不一致，进度也不对齐。得有人站出来协调，也会有矛盾。这个人协调矛盾，让事情推进下去、达到预期目标，就是站出来做商检。这样的人非常重要。

公司里你肯定要做这方面的事情。除了你之外，还有哪些人在做？

我的 Co-Founder，还有一些中层、中高层，也都在做。

对大家来说，这可能是需要习得的能力。你找的 Co-Founder 天生就比较会做这个，还是你们怎么提升这方面能力？

首先这是需要培养的。我们会有一部分人本身就有这个能力，可能有工作经验，或者经过考核具备这方面能力。还有一部分人其他方面很强，比如技术能力、技术判断很厉害，但这方面弱一些。我们希望用成熟的人带更 fresh 的人，让他们习得这样的能力。

我们觉得整个团队的协作模式和效率，最终会被这样的人控制。这样的人越多，团队协作就越好，对全栈公司特别重要。不同背景的人思维方式和理念会有差异，这是客观的；对齐他们的目标是我的职责。

你们公司的决策方式、决策风格是怎样的？是你自己占的比例很大，还是更多讨论？

我们公司很鼓励讨论，但最后要拍板、定具体方向时，都是我说了算，因为权责对等，我承担最大的责任。

但我很鼓励讨论。我的经验是，回过头看以前的事情，有时做错误选择不是因为选得不好，而是太着急做选择，信息不够。所以我会强调怎么获得更多信息。

为什么当时信息不全？是太着急了吗？

我觉得根本原因是人的局限性。人经常会有先入为主的判断，预先觉得这件事是什么样，有各种各样的原因，包括偏好和期待。之后会有选择性地过滤信息：增强判断的信息记住了，不增强的就忘掉，后面越来越加深自己的想法。我觉得人真的经常有这种惯性。

我尝试让组织抵抗这种惯性，让不同声音出现，提醒我再想想这件事。观念和观点都不重要，对创业公司来说最重要的是事情本来是什么样，因为最终事情会按照客观事实发展。

你自己的观察和感受是，在特别熟悉的事情上更容易信息不全、着急判断，还是陌生的事？

熟悉的事情更容易。

因为对熟悉的事情偏好更强。

对。熟悉的事情容易跳步，依赖一些没有经过验证的假设，这很容易犯。所以我之前介绍工作时，特意讲它验证了什么假设。我觉得关键就在于事情本身。拉长到两三年看，工作本身取得的高度没有那么重要，后面一定会有更好的方法出现；但它对假设的验证，会影响后面团队根本的发展，这才是我更关注的。

你现在自己花最多精力投入的事情，或者课题是什么？

对公司这个阶段来说，过去几个月最重要的肯定是招人。这是我花费精力最多的事情。我对招人非常上心，感觉公司像一个产品，是我们一块块搭建起来的。每进来一个人，就像给产品增加一个新的 feature。它最终会影响整个公司的发展。

我们现在还在招聘更多人才，也欢迎不同背景的人加入。

有没有什么让你比较骄傲的招人经历？比如招到你觉得挺难招到的人。

这样的事情太多了。现在除了我之外，所有中高层和一些重要技术员工都是我招的，都是我花时间、花精力去招的。通过自己的努力描绘公司愿景、打动他们，这件事特别有成就感。

我估计你招到了一些业界很资深的人。

对，肯定有。

怎么说服他们？

最终的说服，第一性原理很简单：让他相信这件事足够大，值得他花很多时间投入。这是站在他的角度考虑，因为他其实也是在投资自己。这个赛道值得投入，而且我们公司有能力成为最后拿到一定份额的玩家。

另一块是展现专业度，让他相信你有很强的 conviction，自己对这件事认知足够深刻，他也认可你的想法，两个人就能走到一起。

你刚才说站在他的角度，让我想到我们第一次见面时，你说了第一句话，然后说要问我一个问题。我感觉你要么家里是做生意的，要么就是对商业比较有 sense，因为你当时问我，作为媒体，我想让你讲什么话题。我感觉你特别关注需求。

对，因为这是第一性原理，是最终让大家走到一起的根本原因。

站在现在这个时间点，你看到未来一段时间 Libra AI 和整个行业的不确定性、风险是什么？

对这个行业来说，我觉得短期和长期的确定性都很高。短期这个阶段在 scaling，接下来 scaling 大概是什么走势、商业有什么进展，我们都比较清楚。这个短期可能是几个月，我们基本确定新的模型出现后接下来会有什么进展。

长期确定性也很高。我相信这个赛道 5 年之后肯定能解决，肯定会出现大家心目中的通用机器人。物理世界里的各种任务都可以像今天 Agent 的 task 一样去解决，我觉得这件事确定性非常高。

唯一不确定的可能是中间步骤怎么走，怎么到达那个阶段，商业化步骤是什么，做哪些、不做哪些。我觉得这些有不确定性。风险可能在模型进展和商业化速度的匹配上，这会受很多因素影响，包括模型实验结果、商业化所需的要素是否具备。

你能分享一个正在思考、但还没有特别清晰答案的问题吗？

我现在在思考一个比较重要的问题：未来某一天真的商业落地、大家开始分利润时，利润怎么分配？你的公司或技术路线能吃掉哪部分、能吃多大，这件事有不确定性，因为不知道模型能做到哪一层，哪些部分还需要硬件和 infra 配合。

这可能还包括未来供应链里哪些部分有价值。比如回到更早以前，对很多汽车公司来说，也许提前布局电池是好策略，比如比亚迪，只不过比亚迪是少数派。

对，今天也会面临一样的问题。整个链条比较长，大家怎么分蛋糕，肯定是最终格局的关键问题。

你前面说 5 年之后的局面比较确定，也讲到你一直想创业，是因为你对人生的理解是要做事，做事就要调动资源，而创业是最直接的方式。你觉得 5 年之后，Libra AI 做到了什么、做出了什么，会让你离自己的人生追求更近一步？

最直接的其实和我们的名字有关。我们叫 Libra AI，Libra 的核心是 liberty，就是通过我们的产品让一些人得到自由，不再为生活琐事或繁重劳动所困扰。我觉得这是我们 5 年后最希望做到的事情，哪怕先在一些场景实现，也很有意义。

你们中文叫“将闲科技”。

对，“闲”就是清闲，“将要闲”，未来肯定会实现。

你对更远的未来，人们的生活和人、机器人的关系，有什么想象？

更远的未来有一个更伟大的梦想：如果真正要让所有人都获得自由，我觉得机器人不可或缺。大家都岁月静好，总有人要负重前行。负重前行的人是谁？如果不需要任何人负重前行，那只能是机器人。这是更长远的未来。

未来老龄化会更严重，所以需要有人承担劳动力，也需要有东西承担劳动力。

你觉得《我，机器人》那种未来有可能吗？智械危机呢？

我还是比较乐观的，觉得有办法控制。我觉得机器人有可能成为人类社会非常重要的基础部分，同时也不会影响人类生存。

我听起来，你远期还是想做服务个人的机器人。

对，这是最大的市场，也是一个最大的目标。

今天非常感谢松铭做客《晚点聊》，分享自己从上学时期，甚至大学之前，对创业的想法是怎么由来的，一路中间的各种选择，转到具身智能领域之后做出的成果，以及 2025 年底开始做 Libra AI 后的尝试。我们尤其展开聊了刚刚发布的 Libra 0，以及里面的一些新发现。

今天节目就到这里。各位拜拜。

好，大家再见，拜拜。