[BidClub_]
十字路口Crossing · · 76 min

AI 是具身智能的胜负手吗?半年融资3亿后,VBot 首款产品做得怎么样?|对谈维他动力联创赵哲伦

赵哲伦

Podcast
TL;DR
  • 机器狗进入"第三代":赵哲伦把足式机器人演进拆成三段——波士顿动力的规则控制(Spot 成本极高)、宇树靠中国供应链+设计降本,行业随后转向强化学习(但仍是"盲走"、仍靠遥控器)、如今本体技术+十年自动驾驶+大模型三线汇合,"三个技术走到十字路口"。维他动力据此推出他所称的第一款不需要遥控器的四足机器人,年底正式上市,公司成立九个月已完成三轮共约 3 亿人民币融资,新一轮融资进行中。
  • 对王兴兴"VLA 是傻瓜式架构"的暴论,赵哲伦的回应克制而务实:VLA 数据来源确实低效、泛化有问题,"但是目前没有更好的方案,所以我们也应该选择目前最好的方案";且自主移动比自主操作更接近自动驾驶的成熟研发范式——这正是先做四足、暂不做操作的核心原因。
  • 最锋利的行业判断:宇树本体"绝对是现在国内或全球 top 甚至第一的水平",但机器人另一条必走的线是感知—理解—规划—决策的自主化,而"掌握这些认知的人,目前并不在宇树公司——他们在现在的自动驾驶团队以及 AI 团队里"。这也点出了具身智能下一阶段的人才挑战。
  • 一上来就 To C 是反共识的刻意选择:CEO 余轶南从上一轮 AI 大浪淘沙中得出的判断是,To B 生意的链主是渠道和商务,"技术很多都可以靠买来或者靠搬运来";只有 To C 才能打技术上限、留住最好的 AI 团队。选四足而非人形同样是逆融资激励的:"你得放弃一个更好的或者更容易的融资,去做一件更落地的事情,它背后就变成一个少数人的选择。"
  • 离开理想的底层逻辑是一个投资级框架:physical AI 有场景复杂线和容错线两条轴,开车不复杂(人学两周到一个月就会)但容错要求是"我能想象到的世界上所有产品里最高的",L4 存在难以填平的沟壑,智驾因此不是独立经营单元——"卖车需要什么样的智能驾驶,它就应该成为什么样的智能驾驶"。他要的是 physical AI 自己商业化落地。
  • 泡沫问题他直接认账:"今天就确定性的有泡沫",策略是不让自己处在"无法承受泡沫破的状态"——一款产品、六七十人、正常开销。主持人补的比喻他欣然接受:肥皂泡破了就破了,啤酒泡最后会沉淀成好喝的啤酒。
  • 十年之约:WRC 五到十年内会成为 1851 年伦敦世博会式的存在,海外观众已从车展时代的"行业 owner"心态变成"纯粹来学习";机器人文化有机会像汽车文化之于欧美那样诞生在中国,终局画面是《机器人总动员》——各种形态、不必人形、"物理世界的幸福指数会增加"。
Digest · the substance, structured for research

1. 开局九个月:三亿融资、六七十人、年底上市

  • 快问快答立好基本盘:赵哲伦 31 岁,特斯拉中国早期员工、42号车库创始人、理想汽车智能驾驶产品负责人五年,去年十二月与余轶南共创维他动力,定位"国内首家消费级具身智能公司"。截至今年五月完成三轮共约 3 亿人民币融资,新一轮进行中,估值未披露。
  • 团队从零组到六七十人,覆盖硬件、系统、软件、AI 加产品与 marketing;首款产品年底正式上市,目前零收入。全年 OKR 不是唯量论:"最核心的是出货量……应该是 NPS 和出货量",第一代产品更看用户买了之后"觉得确实这东西还不错"。

2. WRC 是"上牌桌的机会",海外来客的姿态变了

  • 他从今年两三月就向 CEO 明确:"WRC 这个机会,是我们上牌桌的机会。"团队三四十号研发提前两天进场,开展前一天在还在装修的展馆里拉了二十多号媒体开 workshop——"那是唯一的一个时间窗口",之后人流爆满,原计划最后两天逛展,结果忙到最后一天中午才逛了一圈。
  • 更有信息量的是观众结构的变化:过去至少十年他跑车展,欧美、日韩人士来看中国电动车供应链,"他们依然是感觉上依然这个行业的 owner",看什么能拿回去用;这次 WRC 美国人不多,但日韩、中东、东南亚来客"纯粹就是来学习的"——看中国机器人发展到哪了、有什么可以带回国卖。

3. 十年之约:WRC 会是这个时代的伦敦世博会

  • 他的预测给了明确时间窗:"最多再有五到十年……中国的机器人大会会成为全球的人都来看的,它也代表世界机器人的最高的水平",对标 约1851 年的伦敦世博会——那届展品里有蒸汽机和纺织机,是提供 energy 的时代源头。
  • 他给机器人的对应定义:提供一种"空间移动方式"——无论灵巧手、机械臂还是四足,"本质其实都是把一个机械非常有序的从空间中的 A 点到 B 点……确定性的完成确定性的任务",这种能力能作用在任何场景,迸发广泛价值。
  • 展后第一天就有美国需求的信号:熟悉美国市场的朋友大卫一早来电,"你能不能给我到美国带两台"——美国 house 更大、独居长者更多,无遥控自主移动的产品在美国的价值与中国"还就不太一样"。

4. 机器狗三代演进:从规则控制到强化学习,但仍是"盲走"

  • 第一阶段是波士顿动力主导的机器人控制论时代:编程加规则算法,十二个电机的协同全靠内部规则逻辑,电机/液压驱动成本极高——Spot"在机器人的控制论里做的非常优秀",但贵。
  • 第二阶段以宇树为代表:靠中国供应链和精巧设计降本(Go To 卖给学校科研的版本仍近十万元,但已远便宜于 Spot);2022-23 年行业从规则式切换到强化学习训练步态,从"平地一套规则、台阶一套规则"变成全地形自适应——技术框架与今天的外骨骼几乎一致。
  • 但这一代仍叫"盲走":步态切换靠物理感知而非视觉,怎么走依然靠遥控器。这是他划分第三代的分界线。

5. 三技术汇合成第三代:无遥控器的自主移动

  • 他的公司论点:今天三个技术相对成熟——四足本体("上山下水,比正常的人类运动员都要强")、做了近十年的自动驾驶(自主移动无非是"从一个更快的交通环境到一个更慢的复杂生活空间",速度变慢但场景更复杂、更不可规则描述、还是接触式的)、大模型带来的自然交互。"我们的四足是三个技术走到十字路口的一个过程。"
  • 产品形态因此成立:不需要遥控器,自然语言指挥"到这来、到那儿去、跟我走",解放双手后"很多事就可以干了"——帮拿东西、跟拍。被问这是否行业共识,他的回答留有余地:"大家应该大部分能共识,但大家好像没有以这样的方式去拆解过和认真的讨论过。"

6. 回应王兴兴的"VLA 傻瓜论":没有更好的方案,就选目前最好的

  • WRC 首日王兴兴发暴论称 VLA 架构"相对傻瓜式"、具身数据量不足。赵哲伦承认前提:"VLA 架构的很多的数据它的来源很低效,在车上其实已经是一个很好的数据闭环,但在机器人上素材比较低效"——但"目前没有更好的方案,所以我们也应该选择目前最好的方案"。
  • 第二层拆解更关键:上肢(自主操作)与下肢(自主移动)要分开看。移动线上,数据采集、泛化、用世界模型举一反三的研发范式与自动驾驶更接近,"VOA 或者叫 VON……在移动上相对更能跑通一些";操作的研发范式"确实还不是特别高效"——这就是先做四足切入、暂不做操作的核心原因。

7. 为什么先做狗不做人:本体成熟度定义了"能不能放进你家"

  • 他直面"挑了简单命题让粉丝失望"的观感,逻辑很干脆:创业零到一"必须要交付产品",就必须选成熟本体加可行 AI 路径。四足"一定是本体上最成熟的一类机器形态",机械臂次之,"两足和灵巧手今天其实就并不是特别成熟"。
  • 成熟与否的判据值得记住:"做 demo 给你做视频展示其实没有问题,但你要让我真的把这个机器人放到 Hacker House 里让你随便的去用,它就会出问题。"
  • 能力构建上他自认是"大全套":感知、交互、执行单元加 AI 大小脑、控制器芯片、能源系统全栈,"跟人形唯一的区别只有执行单元"——十个、二十个还是三十个电机的问题。"麻雀虽小五脏俱全",跑通后组织就为将来的上肢操作和人形做好了准备。
  • 他也坦承这条路对融资不利:"你选四足,比起去做人形,在估值和融资上是更困难的……你得放弃一个更好的或者更容易的融资,去做一件更落地的事情,它背后就变成一个少数人的选择。"

8. 一上来就 To C:余轶南从上一轮 AI 周期学到的链主逻辑

  • 创业前看的机器人公司全是 To B,他们反着来。第一个基因是必须交付面向用户的产品——"技术能力非常强的公司,它的产品基本上都直接服务于用户",只有这样才有机会打技术上限。
  • 第二个基因来自余轶南——国内第一代 AI 研发人员,亲历上一波"AI 四小龙"热潮的大浪淘沙(潮水退去,地平线浮在水面上)。他的结论:To B 生意的链主是 B 端客户,企业核心能力变成渠道和商务,"技术很多都可以靠买来或者靠搬运来";只有 To C 业务才可能让"行业里最棒的技术团队愿意待在这儿"。
  • 还有一个不可逆判断:公司零到一做了 To B 之后"很难再去做 To C 了",组织范式和研发工作方法会被限定死——所以开头就得选定道路。

9. 双手沾泥的用户调研:过去的机器狗 NPS 很低

  • 今年二月左右,团队用理想内部说法叫"双手沾泥"的方式做调研:人工找遍小红书、微博、视频号、闲鱼上所有买过四足机器狗的用户,要联系方式,深度访谈打一两个小时电话。
  • 结论清晰:四足有市场但"一是尝鲜,二是也容易吃灰……虽然有人尝鲜买,但它 NPS 很低"。四大痛点:需要遥控、续航低、在家噪声响、容易坏。三月团队专程参观石头科技工厂学习成熟类机器人公司的质量管理——过去四足的维修率、退货率其实挺高。

10. 不做玩具:定价受限的连锁反应养不起 AI 团队

  • 主持人观察到天猫小红书上机器狗多数被当儿童玩具卖(月销一千三千)。他的回答是一条商业逻辑链:一旦以玩具定位(除非做成潮玩,那是另一套需要艺术家的范式),"它定价一定是受限的……连锁反应就是它不能用上非常好的技术,它也没法去养活背后做 AI 的这些团队,这件事情商业上就是不成立的"。
  • 他们要"有趣且有用":这是"目前你真正能带出门的"机器狗——过去玩具电机扭矩不够、腿不够长带不出门;宇树 Go To 能带出门但"你得遥控推着它走……跟你玩着遥控小车是一样的"。
  • 价值再往上是多功能背板:机器狗作为通用移动平台,"移动的抵达能力基本上是人能走到的 everywhere",背板通电通信、可固定设备——影像设备、机械臂、储物,"甚至像投影仪和冰箱这种设备都是可以放在我身上的"。

11. 全栈自研的坑:宇树上跑通的算法,在自家本体上根本用不了

  • 除摄像头、激光雷达、电芯等零部件外,硬件本体的系统架构、机械结构、外观全部自研——意味着"完全去补课,补原来 Robotics 的这个课"。四月前公司两条线并行:AI 团队拿宇树四足做二次开发先跑算法,硬件团队自建本体;四月二十八日左右第一代硬件 A 样出炉。
  • 五月软硬结合时撞墙:"原来的算法同学在宇树的本体上做的非常成熟的东西,在我们的本体上根本用不了……这里面的 gap 就很大。"他顺带给了对手一个不吝啬的评价:宇树硬件"绝对是现在国内或者全球 top 的水平,甚至是第一的水平"。
  • 进度的诚实刻度:"到今天为止,我也不能说完全解决了,也就是解决百分之八九十",但"今年在上市前我们一定会彻底解决"。回报是组织能力:把 AI 和 robotics 两拨完全不同研发范式的人放在一个项目里管,跑通之后"以后我做更复杂的形态的时候,其实我也完全可以"。

12. 宇树的两条线,和一句关于人才在哪的判断

  • 他把机器人技能拆成两条线:一是本体控制能力的延伸——做关节和自由度更高、更复杂更便宜的本体,"宇树在走第一条线……本体上它做的不断的越来越好,这也是王兴兴以及宇树非常强的地方"。
  • 二是自主化:从感知环境到理解信息到规划、决策、控制的 AI 线。这是全行业绕不开的,也是本场最锋利的判断:"这条线是我们的挑战,同时也是宇树非常大的挑战,因为掌握这些认知的人,目前并不在宇树公司。"主持人问那在哪里——"他们在现在的自动驾驶团队以及 AI 团队里。"
  • 反过来对 AI 公司也成立:挑战是做 robotics。"AI 团队能兼容 robotic 的人,robotic 的人得兼容做 AI 的人,最终才能形成一个完整的组织"——这是新一代具身公司的共同命题。

13. 离开理想的框架:L4 的容错沟壑,智驾不是经营单元

  • 去年智驾卷端到端时他看到了做机器人的可能性:车是平面的空间移动,机械臂、四足、双足、灵巧手"本质其实是很相似的",研发范式可迁移——背后"离不开 Tesla 很大程度上在牵引这件事情"。
  • 但他同时看到 L4 落地的"非常大的一个沟壑",并给出一个两轴框架:physical AI 有场景复杂线和容错线。开车在复杂性上"肯定不算难的,人学两周到一个月肯定就会开车了",AI 很擅长复杂问题;但容错恰是 AI 不擅长的,而自动驾驶"是我能想象到的这个世界上所有产品里面的容错要求最最最最高的",犯错的失效成本极高。
  • 沟壑的商业后果:L4 业务"本身不是一个经营单元",智驾行业的造词与营销乱象根源在此——"卖车需要什么样的智能驾驶,它就应该成为什么样的智能驾驶。"他不想再花五年做一个无法自己成为经营主体的东西;2024 年起就"特别想干机器人",甚至认为机器人做到一定成熟度后"反过来会去做 L4,这些都是相通的"。

14. 李想的认真大眼睛:"如果你真的想清楚,我还是很支持你的"

  • 辞职一幕保留原样:办公室里只有两人,李想"瞪着他的大眼睛"问"哲伦,你想清楚了吗?"——"他看着我是那种我没法回避的眼神……这时候我不能骗自己。"确认之后,赵哲伦说这句话让他很感动、会记一辈子:"如果你真的想清楚的话,我还是很支持你的。"
  • 李想后续给的输入涵盖产品、品牌和用户:理想 ONE 时代的方法论是"产品就是品牌"——没有真正的品牌时,"用户对你最大的接触就是你的产品,通过产品来认识你是谁",不用搞花里胡哨的东西。他补了一个观察:理想现金储备充足又想做 AI,却至今未在机器人上有露出——说明李想也认为当下火热的人形"还没有那么成熟"。
  • 合作伙伴名单是量产诚意的信号:京东、火山、地瓜机器人、地平线,以及(据其口述,likely)禾赛、亿纬——"如果就是做 demo 啥的,其实真的不需要这些合作伙伴来一块搞这些事情。"

15. 选联创等于交付人生时间;创业是自己写一张白卷

  • 选伙伴的标准与能力无关:"选择联合创业的伙伴,相当于你把时间交给他"——真正信得过的是"过去跟你一块打过仗的兄弟"。他与余轶南在理想与地平线的征程3/征程5平台合作中有"革命情谊",评价对方技术追求高、工程能力强、开放不死板。他也坦白脆弱的一面:若完全靠自己,"我可能完全做不了机器人",可能退回去做内容——是余轶南找到他,把他"往前也推了一步"。
  • 跟李想工作与自己创业的对照说得很生动:以前"响哥都做好了大部分的框架,你做了选择题或者填空题的事儿。今天是一张白卷",看五年成长有没有真的长出自己对市场、用户和技术趋势的判断。
  • 大公司习惯的扬弃:理想的方法论保留(产品解决用户什么问题、用户是谁、WRC 上"我们想要什么、不想要什么"),但抛掉了开过六七小时、甚至十小时的会——"聊了可能三个小时也没聊出啥东西",小公司沟通高效了很多。他自己则用半年补齐了电机、电池、控制器、生产和质量管理的硬件课。

16. 场景终局:户外四足、室内轮+臂,能用夹爪就不用灵巧手

  • 创业头一两个月就想清楚了以十年为维度的两条产品线。户外:四足"比较偏终极形态"——比两足稳定、比轮式通过性好,之上延伸拍照、陪运动、端茶送水等一切户外服务。室内:足"负担挺重",用脚走路"挺吵的、挺容易摔的",轮式加机械臂做家务才是正解。
  • 简化即战略:"能用轮的就不用腿,能用一个机械臂的就不用两个,能用夹爪的就不用灵巧手"——一是简化技术和产品,二是降低用户买到的门槛和成本。今天机器人"出来个三万、四万、五万的都算便宜的",但他认为这不是用户能接受的价格,正靠整合供应链和自研把成本压低,售价未公布。
  • 对特斯拉遥操采数路线的评价是"适合 Tesla 不适合我们":特斯拉有自己的工厂可无限试错、"研发资源是国内创业公司的百倍千倍"、且需要匹配其估值和品牌的通用叙事;遥操真正能创造价值的场景(如喷涂车间这类高危岗位)"其实并不是特别多",纯投入采数据"小公司并耗不起"。

17. 确定性的泡沫、诞生在中国的机器人文化,和 WALL-E 的十年

  • 泡沫问题不回避:"今天就确定性的有泡沫"——对行业内的人泡沫甚至有益,能促进发展,前提是"你不要让自己在一个你无法承受泡沫破的状态"。维他动力的回答就是克制本身:一款产品、六七十人、正常水平的开销,"哪怕泡沫破了,我们也是一个比较健康运行的公司"。主持人的比喻他称"特别好":肥皂泡破了就破了,啤酒泡最后会沉淀下来——好喝的啤酒虽然没有想象的那么多,但还是有,而且很可能也很值钱。
  • 作为从业者他在 WRC 上没有被惊艳到,但看到行业"在消除下限":去年机器人聊着聊着摔倒、在地上乱打滚的视频很多,今年这类情况很少——"虽然没有如预期一般打破上限"。最触动他的是买票来的孩子们在品牌柱上签字涂鸦的创造力:"机器人文化有机会诞生在中国,就有点像汽车文化在欧美"——"车为啥要跑 F1?这些问题在中国是没有答案的,答案在欧洲和美国",但机器人这次答案可能在中国;大家对机器人运动会"有点太紧绷了,应该在文化上稍微松弛一些"。
  • 十年画面他给了两个类比:一是八九十年代日美电子品的黄金年代——Walkman、Game Boy、数码相机、拓麻歌子,最后被乔布斯整合成 iPhone,"这个过程它非常的美丽,会在机器人行业又出现一遍";二是《机器人总动员》——各种形态、不必人形、各有生命力的机器人在各种空间里服务人类。公司名 Vita Dynamic 的 Vita 就是生命。产品哲学也由此而来:能不说话就不要说话——引 LOVOT 创始人林耀《温暖的科技》,语言表达不及预期时信任感反而会丢失,用音色、语气和肢体传达;让人远离电子信息,"机器人有机会让人把物理世界的幸福再拉回来"。

Koji

本周《十字路口》的嘉宾是“哲伦班长”。哲伦是机器人公司维他动力的联合创始人。维他动力非常受人瞩目,在半年之内累计完成了3亿元人民币的融资。在刚刚结束的 WRC 世界机器人大会上,维他动力也带着自己的首款机器狗首次亮相,是全场最热闹的展台之一。

我之前在想,哲伦可能是《十字路口》开播以来,所有上过节目的创始人里面粉丝最多的人。哲伦,请你先和大家打个招呼,然后我们待会儿会从一场快问快答开始今天的节目。

赵哲伦

Hello,十字路口的粉丝们,大家好,很高兴加入 Koji 的播客。因为我之前其实也做过一段时间的媒体,所以有一定的粉丝基础。原来我是在 Tesla 和中国纯电动车的最早期做相关工作,现在则在做一家机器人公司。今天很高兴和大家聊聊机器人。

好的,那我们的快问快答。你的年龄?

赵哲伦

我今年31岁。

维他动力创业几年了?

赵哲伦

其实只有9个月。

那在维他动力创业之前,你做过些什么?

赵哲伦

我是特斯拉中国的早期员工,成立了42号车库,做了两年多的“哲伦班长”,然后加入理想汽车,负责理想的智能驾驶产品,一干就是5年。从去年年底开始出来创业,做一家国内首家的消费级具身智能公司,希望能做出我们所有人都能用上、能带进家的机器人。

你的 MBTI 和星座是什么?

赵哲伦

我的 MBTI 是 ENFJ,就是那个“我们大保健”。星座我是狮子座的,8月份。

目前维他动力的收入和利润方面方便透露吗?

赵哲伦

目前因为我们的第一款产品会在年底正式上市,所以我们还没有收入。

最新的融资和估值情况方便讲吗?

赵哲伦

截至今年5月份,我们完成了3轮融资,总共有大概3亿元的融资。目前还在进行新一轮融资,估值暂时还没有对外透露。

那团队的规模呢?

赵哲伦

我们招人的速度挺快。从去年12月正式成立,到现在慢慢组建团队,目前有一支结合硬件、系统、软件和 AI 的团队,也包括产品和 marketing 的同学,加起来有一个六七十人的组织。

哲伦,我知道你刚参加完 WRC,对吧?应该是今天结束的第1天、第2天。那这也是维他动力第一次去 WRC,你整体有什么感受?

赵哲伦

1. China Enters The Robotics Era

这个大会参加完之后,我感受还挺深刻的,因为我非常看重 WRC。为什么呢?我从去年年中、差不多8月份左右开始研究国内机器人的状态,因为那时候开始动了创业的念头。当时国内各家都在做什么,以及行业专家、领导对于趋势的判断,其实都来源于去年的 WRC 资料和媒体报道。

所以我自己会认为,WRC 是目前国内机器人领域最重要的一个会议,大家很多认知和共识都是在这里产生的。我从去年年底创业开始,就特别看重 WRC。今年大概二三月份,我就跟 CEO 余轶南沟通,我说:“WRC 是我们上牌桌的机会,必须非常重视它,把它设置为产品的重要节点,并且做一些对外露出。”

事实上,我真的特别重视 WRC。从前期准备到现场,我基本上带着三四十号研发同学,提前两天就到了现场。WRC 是8月8日开始的,我们8月6日就到现场了。

为什么呢?我们在8月7日现场还开了一个 workshop。当时我们是现场唯一一个在开展前一天,拉了二十多号媒体到现场开 workshop 的团队。现场边上还在装修,我们就在现场给大家讲 PPT、体验产品。因为我们知道,那是唯一一个媒体相对自由、有空间体验我们产品的时间窗口,后来人就爆多了。

所以我觉得我们确实很重视 WRC。事实上也如我们所料,今年的 WRC 真的空前火热。8月8日之后,我原本计划自己忙完周五、周六、周日,周一周二可以稍微逛一逛,结果一直忙到周二,完全没有停过。每天一早到活动结束,我们晚上还会在内部做复盘。

直到周二中午,也就是最后一天中午左右,我才在周围的几个馆稍微逛了一下。但这次真的空前火热,有很多家长带着孩子,也有行业人士、政府人员、投资圈的人,以及海外来宾,非常火热。我觉得这是一个非常棒的会议。

我记得你之前跟我说过,你感觉10年之后,WRC 会像当年的伦敦世博会一样。

赵哲伦

这种感受是我们 WRC 发展到第2天、可能8月9日之后突然开始有的。

8月8日第1天是专业观众日,我发现有一些海外媒体。过去我参加车展至少有10年以上,每年的上海、北京车展,包括A级车展都参加过。这几年也有很多海外人士来中国参加车展,欧洲人、日韩的人都有。

但是海外的人来中国参加车展,和这次海外的人开始来中国参加机器人大会,这两种感觉完全不同。欧美人或者日韩人来参加车展,是觉得这两年中国的电动车技术和供应链确实很不错,他们想看看有什么东西可以拿回去,或者怎么合作、怎么使用。他们依然感觉自己是这个行业的 owner,只是觉得中国有一些新的东西,可以被他们拿回去使用。

但这一次,我觉得虽然来的美国人不算多,日韩人士非常多,中东来的人也比较多,东南亚国家来的人也非常多,但我的体感是,他们纯粹是来学习的,纯粹是来看看机器人发展到什么程度,有什么东西可以拿回自己国家去用、去卖。

虽然现在海外来的人还不算特别多,但已经出现了这个苗头。所以我有一种体感,最多再有5到10年,中国的机器人产业和这个会议就会发展到一个新的阶段。我觉得5年或者10年之后,最多10年之后,中国的机器人大会会成为全世界的人都来看“中国的机器人发展到什么程度了”的地方,它也会代表世界机器人发展的最高水平。我觉得这件事情是会发生的。

我会把它类比到150多年前,应该是1851年的伦敦世博会,或者再往后、美国的 CES。我觉得会有这样的感觉。

伦敦世博会上展出的产品里面,还包括蒸汽机和纺织机。

赵哲伦

对,因为那个东西很有意思,它就是那个时代发展的一个源头,提供了 energy,提供了能源,并且提供了能源的驱动方式。

2. Robots Are Spatial Machines

今天我也试着在归纳机器人意味着什么。我认为机器人提供了一种某种程度上的空间移动方式。这里的空间移动是指,无论是机器人的任何组成部分,无论是灵巧手、机械臂,还是双足、四足,它本质上都是把一个机械体非常有序地从空间中的 A 点移动到 B 点。

这种有序的、非常多维的组合过程,可以为人类产生价值,确定性地完成确定性的任务。我认为这是一种相对比较通用的解释。这种东西可以作用在任何场景、任何地方,迸发出非常广泛的价值。

我觉得你这个类比也很有意思。也许就像你说的,5年或者10年之后,这样的活动中展出的一些产品,会有一些可以类比于曾经推动工业革命的产品出现。

赵哲伦

会有。而且世界这么大,昨天是展后的第1天,昨天上午有一个对美国非常熟悉的朋友,就是大卫,给我打了一个电话。他说:“哲伦,我把你的视频给我美国的朋友们看了,你能不能给我带到美国两台?”

我发现,我们这个具备自主移动能力的产品,是这次 WRC 上真正意义上第1个不需要遥控器的四足机器人,也就是一只机器狗。它不需要遥控器,能够独立移动,所以它在美国的价值,其实和在中国还不太一样。

美国的 house 更大,独居的年长人群也更多,这些情况都会带来一些额外的价值。

3. Three Generations Of Robot Dogs

说到这里正好可以问一下。从波士顿动力发布第1只机器狗到现在也快10年了,但是从外面的普通用户来看,好像机器狗这个行业没有质的变化,外形看起来也差不多,好像仍然没有找到大规模商用场景。

但是从行业内,或者作为从业者来看,你发现这个行业有哪些进步或突破?包括你刚才提到,你们其实是第1个不需要遥控器的四足机器人。可不可以给我们做一下行业演进和行业格局的科普?

赵哲伦

如果让我来划分,其实机器狗和人形机器人基本上可以相似地分成3个阶段,只是机器狗会相对更成熟一些。

第1个阶段,我觉得是以波士顿动力为主导的阶段,属于非常强的机器人控制论阶段。它通过比较传统的编程和规则算法,让人类通过编程具备了一种操控足式机器人和机械臂的方法。

这种方法非常规则,第1次让人可以通过遥控器控制一个足式机器人的行动。虽然你通过遥控器控制的是它前后移动,但它足式的平衡,以及12个电机之间如何相互作用,其实都由它内部的计算逻辑完成。这套逻辑是波士顿动力做得比较成熟的地方,但它非常规则。

当时所有电机的驱动方式,或者一些液压方式,成本都非常高。波士顿动力的机器狗 Spot 是一台成本非常高、但在机器人控制论方面做得非常优秀的机器。

我觉得这是机器狗的第1阶段。

第2个阶段,我觉得是以宇树为代表的阶段。它通过中国的整体供应链,以及非常精巧的设计,在机器人整体结构上实现了降本。虽然宇树 Go To 卖得比较多,但它的很多用户是学校和科研机构,用于二次开发。它卖给学校科研机构的版本也要将近10万元,其实还是挺贵的。

我们看起来,一台四足机器人卖到10万元还挺贵,但相比当年学校要买一台波士顿动力的 Spot,已经便宜很多了。

加上 AI 的发展,大概在2022年到2023年的时候,大家发现,让一个四足机器人运动起来、保持平衡,以及实现内部很好的控制,完全可以用强化学习来完成。

所以在2022年、2023年,从机器人的控制角度来说,很多人从规则式方法切换到了强化学习方法。今天包括宇树在内,很多机器人的步态都是通过强化学习训练出来的,整个步态移动起来会更稳定。

以前波士顿动力那种更传统的控制方式,在切换不同地形时,比如平地步态是一套规则,切换到台阶步态又是另一套规则,还有一些低功耗步态,也分别对应不同规则。

但是切换到强化学习之后,它就具备了对复杂地形的适应能力,能够形成全地形步态。比如它在平地上往前走,到了台阶之后,就会自动切换成适应台阶的步态。

事实上,这一代技术框架和今天的外骨骼也几乎一致。今天的外骨骼也是用类似的方法来做,是一个物理层面的感知和自动切换过程。

但在这个阶段,我们依然把这种机器狗叫作“盲走”。它的步态切换和它的眼睛看到什么没有关系,而是物理情况发生变化之后,它切换了自己的步态。它怎么走,依然是由遥控器控制的。

第3个阶段,我们很有幸能一定程度上站在巨人的肩膀上,试试看能不能把这东西做成一个更好的产品。

在我们看来,今天有3个技术已经比较成熟。第1个是前面说到的,四足机器狗本身的本体技术已经相当成熟。现在如果你去看很多机器狗的视频,会发现它们上山下水,基本上是全地形运动,甚至比正常的人类运动员还要强。

第2个是我们原来做了接近10年的自动驾驶。经过10年自动驾驶,我们会觉得自主移动这件事情,无非是从一个更快的交通环境,进入一个更慢但更复杂的生活空间。速度上是从快到慢,但场景上却更加复杂,也更加难以用规则描述。

复杂很多,而且它是接触式的。我们本来想在 WRC 现场让它自己走,但实在太挤了,连人都走不过去,就像上海晚上6点钟的地铁2号线,基本上是人挤人的状态。

赵哲伦

第3个是大模型带来的自然交互技术。我们现在做的机器人不需要遥控器,而是通过自然语言和它沟通,让它到这里、到那里,或者跟着我走。我们希望做到这样的体验。

有了这一层体验之后,我们认为它真正做到了帮助人。比如它能帮你拿东西、帮你跟拍。因为它不需要遥控器,解放了你的双手之后,其实很多事情就可以做了。

所以我们认为,现在进入了第3代。今天我们的四足机器人,是3个技术走到“十字路口”的结果:机器狗本体技术、自动驾驶技术,加上大模型技术。我们把这3个点汇在一起,认为这是第3代机器人的机会。

你说的第3代,也就是用大模型加自动驾驶,再加上过去四足机器人的基础,这个是行业共识吗?从波士顿动力到宇树,再到其他主要玩家,大家是不是都在往这个方向一起做?

赵哲伦

如果今天这么聊,我觉得大部分人应该能够形成共识,但大家好像没有用这样的方式去拆解,或者认真讨论过这件事情。

事实上,今天机器人这一波之所以非常火热,一是机器人本体变得成熟了;二是大家看到 AI 的发展,有机会把空间理解这件事情做得更好。所以,是这两件事结合起来,让大家看到了机会。

4. The VLA Architecture Debate

我在 WRC 第1天看到王兴兴发表了很多“暴论”。其中一个观点是,他认为 VLA 架构是一个相对傻瓜式的架构。但正好你们用的就是 VLA,所以我比较好奇你怎么看。

他对 VLA 路线的质疑是,具身智能领域的数据量不足,VLA 模型本身也不够好,等等。他有自己的论据,你怎么看?

赵哲伦

我觉得可以从两个角度来看这个观点。

第1个角度是,我们今天做机器人,肯定希望机器人能够自主地为我们带来价值和服务。如果我们认为 VLA 架构还不够好,事实上,VLA 架构的很多数据来源确实比较低效。在车上已经形成了一个很好的数据闭环,但在机器人上,数据采集的效率还比较低。

可是,在整个行业里,依然没有更好的方案出现。今天如果我们认为 VLA 不够好,或者觉得它比较低效、泛化性存在问题,但目前没有更好的方案,所以我们也应该选择目前最好的方案。

第2个角度是,我觉得这里面还有上肢和下肢两层:一层是自主移动,另一层是自主操作。我们今天还没有马上去做操作,一个核心原因就是,我们觉得自主移动这条线,和过去自动驾驶的积累在研发范式上更加接近。

比如,自主移动的数据如何采集,如何泛化,如何通过世界模型举一反三、获得更多数据,这些事情在移动上相对 VOA 更容易跑通。也可以叫 VON,最后一个 action 或者 navigation,反正是一个意思。

但操作这一块,我觉得目前的研发范式确实还不是特别高效。不过我们也认为应该尝试,这也是为什么我们会先选择做四足机器人切入。

5. Quadrupeds Come First

这也是我比较好奇的地方。我知道你们要做的是整个机器人行业,那为什么一开始去做机器狗,而不直接做人形机器人?

可能在一些人看来,会觉得“哲伦,慢点,让我们失望了”,因为你挑战了一个相对简单的命题,没有一上来就挑战最困难的命题。你们是出于什么考虑?

赵哲伦

确实会有这样的观感。大家觉得机器人很酷,似乎做机器狗好像比做人形机器人容易,或者低了一个层级,有很强的这种感觉。

我们的想法其实也比较清晰。在创业从0到1的阶段,我们首先想的是几件事:必须做产品,必须交付产品,把产品交付给用户。

比如我就挺希望 AI Hacker House 里有一只我们的机器狗,真正放在那里。

欢迎,也可以有一群。你们门口有个公园可以遛狗。

赵哲伦

对。因为你本身也做产品,你会知道,当你有了真正的用户之后,它会真正促进整个事情形成闭环,血液才会通畅。

所以我们是一家希望能做出产品、交付产品的公司。我们必须选择一个技术和产品方向,确实是比较容易落地的。

这里面有几个点。第1个,我们得选择一个本体相对成熟的形态。第2个,AI 的范式,包括数据和模型,在我们看来是一定程度上可行的。历史上虽然还没有人真正做出来,但我们认为存在可行路径。

今天在本体上最成熟的,其实就是四足。四足一定是本体上最成熟的一类机器形态。除此之外,可能就是机械臂。机械臂还可以,但两足和灵巧手今天其实并不是特别成熟。

本体不成熟意味着什么?意味着给你做 demo、拍视频展示没有问题,但如果把机器人放到你的 Hacker House 里,让你随便使用,就会出问题。这就是成熟和不成熟的区别。

所以我们要选择成熟的本体,同时也要选择 AI 路径上相对可行的自主移动方式。我们认为自主移动是 AI 能够做到的一种功能,于是选择了这样的四足机器人作为切入点。

但从机器人的本体能力构建上来说,我认为我们做的是一整套完整能力。这次在 WRC 上,我展示了基本上全部硬件,还做了一张拆解图。你会看到,我们这里面无论是感知单元、交互单元、执行单元,还是中间的 AI 大脑、小脑、控制器芯片,以及整个电力系统、能源系统,和人形机器人的唯一区别只有执行单元。

我的执行单元可能是10个电机、20个电机,或者30个电机的区别,但其他链路其实是一致的。从我看到环境,到我怎么思考,再到有什么能源给我供给,这些全都是一致的,只是切换不同肢体的问题。

所以我们把公司定义为以 AI 为核心。我们认为四足是最合适的切入产品,并且我们正在用一种今天最具身智能、最 AI 的方式做这件事情,帮助组织跑通能力和整体商业闭环。

当上肢操作能力,或者人形机器人的整体能力真正出现机会时,我们的组织就已经做好了最好的能力准备。这是我们思考这件事的核心。

6. VBot Chooses Consumers

我看了晚点对余轶南的采访,他在里面比较详细地讲了一些你们的想法,感觉确实和普通机器人公司差别挺大。

其中有几个点我觉得很有意思。比如他说,在你们创业之前,看了很多机器人公司,几乎全都是做 To B 的,但你们一上来做的是面向 C 端的产品。这块你们是怎么考虑的?

赵哲伦

我觉得我们创始团队有两个内核基因。

第1个内核基因是我和余轶南都有的:我们认为必须交付产品,而且产品最终要面向用户服务。这样才有机会把技术上限打出来。

今天,技术能力非常强的公司,其产品基本上都是直接服务用户的。虽然它的销售渠道可能是 To B、To C,或者它提供的是 To C 产品,但这样的产品才有机会具备最强的技术能力。所以我们想交付产品。

第2个内核基因,我觉得和余轶南的相关性更强。因为他是国内第1代做 AI 的科学家,或者说研发人员,经历过一大波 AI 的周期,包括上一波 AI 热潮,也就是大家说的 AI“四小龙”那一波热潮。

上一波 AI 热潮最后经历了大浪淘沙,潮水退去之后,地平线还浮在水面上。或者说,它创造了真正的价值和公司的能力。

所以我觉得余轶南在看很多问题时,能够找到这个链路里面的链主,或者思考自己到底要处于什么位置。

在他的思考里,很多 To B 生意的链主最核心是 B 端客户。对于企业来说,渠道和商务能力往往成了其中的核心,而技术不是最重要的事情。技术很多时候可以通过购买、搬运等方式完成。

但我们不希望成为一家只是为了做生意、为了有营收,或者为了讲故事的公司。余轶南在技术上有很强的 true belief,因为他原来就是做 AI 的。他希望这家公司在技术上能够打到上限,真的有一支行业里最棒的技术团队愿意待在这里,并且持续做产品。

只有 To C 的业务才有可能做到这一点,所以我们从长期来看选择了 To C。

另外,我们还考虑到,一家公司前期从0到1做了 To B 之后,很难再去做 To C。这里的切换很难,公司的组织范式、研发人员以及整个组织的工作方法都会被限定下来。

所以我们一开始就选择了这样一条道路。

我看到你们用的词是“聚焦在生活状态比较收敛的家庭用户”。这块你们主要是怎么想的?以及,你要怎么样让一只机器狗进入一个人的家庭?

赵哲伦

要解决的问题确实挺多。我前面说机器狗为什么选择机器狗,最核心是因为有3点技术成熟,但从技术成熟到产品化、再到商业化,还有两道门槛。

产品化就是,怎么用好这3点技术,让它产生用户感知比较强的价值。机器狗到底能为你做什么?这是我们面向家庭和个人应该思考的事情。

我们大概在今年2月份开始,非常“手上沾泥”地做这件事。按照理想汽车内部的说法,就是双手沾泥。我们在全网人工寻找过去买过四足机器狗的用户,平台包括小红书、微博、视频号和闲鱼。我们找他们要联系方式,做普通调研,也做深度调研。深度调研就是打一两个小时的电话。

我们发现,过去四足机器狗本身是有市场的,但大家一是尝鲜,二是容易吃灰,所以虽然有人尝鲜购买,但它的 NPS 很低。

它最核心的问题在于需要遥控器、续航比较低、在家里噪声比较大,以及容易坏,也就是质量问题。

回到头来,我们就得扎扎实实解决这些问题。很多用户其实也提出过这种价值:大家在看很多四足机器狗的视频时,包括很多博主在网上演绎出的未来生活样子,都会构思这样一个场景——有一个小助手帮你拿东西,或者自动帮你取快递、拿外卖。

所以我们在价值上也往这个方向走。

首先,我们得完成比较好的产品化。产品化需要做很多苦功夫,包括前面说的质量问题。过去四足机器狗的质量、维修率和退货率都比较高。

今年3月份,我们去参观了石头科技的工厂,学习像石头科技这样成熟的机器人公司是怎么做质量管理的。我们需要把这件事扎扎实实做好,然后做好商业化,用最高效、相对合理的价格卖给消费者。

那现在你们公司的 OKR 里面,商业化排第几?

赵哲伦

如果说今年全年的 OKR,最核心的是出货量,这是牵引公司的最重要指标,应该是 NPS 和出货量。

我们并不对数量有唯一性的追求。第1代产品也不是唯一以销量为标准。用户买了之后,觉得这东西确实还不错,这是我们更追求的指标,也就是 NPS 和推荐量。

所以还是要好好地 To C 卖掉,对吧?

我自己在小红书和天猫搜索“机器狗”这个关键词,发现搜出来的产品多数还是买回去当玩具,甚至给小孩当玩具。包括在天猫上,宇树也好,另外一些品牌也好,主打功能都是买回去给小孩当玩具。

你们怎么看这件事?会不会也把它当成第1个卖点,或者第1个使用场景来推广机器狗?

赵哲伦

我觉得这是一个行业问题。它背后是,一旦以玩具定位来做,除非你把它做成潮玩,那就是另外一套范式,需要艺术家来做好潮玩的部分。

如果它只是一个玩具本身,定价一定受限,量级和定价都会受限。大家对它的诉求就是:只要好玩就行。

由于它的定价和量级都受限,带来的连锁反应就是,它不能用上非常好的技术,也没法养活背后做 AI 的团队。那这件事在商业上就不成立。

所以我们不希望它最后只是一个玩具,但我们希望它确实是一个有趣的产品。有趣是它外显的部分,但同时它也应该是一个有用的产品。我们希望两者都能做到。

其中一个很核心的区别是,我们的机器狗可能是目前真正能带出门的机器狗。过去有些玩具因为不具备很好的四足移动能力,所以带不出门。它的电机扭矩不够强,或者腿不够长,或者有其他类似问题。

现在我们确实也让它很方便地带出门。过去宇树 Go To 也可以带出门,但你得用遥控器推着它走,这个过程其实挺遭罪的。孩子要玩,你就一直空着双手,陪着孩子玩,和陪孩子玩遥控小车是一样的。

所以我们要解决自主移动问题,让它能被带出门。

再往上一层,在价值上,我们在 WRC 上也做了一些展示。我们提供了一个多功能背板,把机器狗本身作为一个通用型移动平台。它的移动范围基本上是人能走到的 everywhere。

在它上面,我们提供供电、通信、固定设备的能力。你可以理解为,上面很有可能会装载一些影像设备、机械臂或者储物设备,甚至投影仪和冰箱等设备都可以放在机器狗身上。

所以它应该是一个非常棒的户外功能平台。

我其实也在想,以前这个领域的很多尝试者,可能没有选择这个领域里最难的问题去解决,有点避难就易。

过去无论是四足还是人形,因为都是遥控器控制的,所以你选择家庭场景,就意味着肯定要抛掉遥控器。过去这件事本身不成立,必须用到自动驾驶和 AI 的技术能力。

赵哲伦

对我们来讲,这个选择也比较难。因为选择四足,相比做人形机器人,在估值和融资上更困难。

如果完全从估值和融资角度考虑,像我们这样的团队,其实有能力让机器狗丢掉遥控器,但更好的方式是讲一个更大的故事,获得更好的融资。

这也是为什么今天很多人没有选择这个赛道。你得放弃一个更好、或者更容易融资的方向,去做一件更落地的事情。这背后就变成了少数人的选择。

你们选了一个比较少见的领域,先驱者和参考样本都比较少。那在做的过程中,是不是也会遇到一些自己没有预期到的事情和挑战?

赵哲伦

7. The Full Stack Challenge

挑战还挺大的。这件事确实很难,因为我们要做产品。

所以我在 WRC 展会上不断强调的一件事就是,我们得软硬件都自己做。摄像头、激光雷达、电芯等零部件,我们不可能自己制造,但硬件本体的整体设计、系统架构、系统链路,都是我们自己做的,包括机械结构和外观结构。

这就意味着我们得完全补上原来 Robotics 的课:怎么让一个机器本体得到很好的控制。

事实上,在今年4月份之前,公司内部有两条线一起做。一条线是 AI 团队,他们用宇树的四足机器人做二次开发,先把算法跑起来。另一条线是硬件团队,搭建自己的硬件本体,自己设计电机、结构和四足机器人的整体架构。

到4月底,大概4月28日左右,我们的第1代硬件出来了,叫作产品的 A Sample,也就是 A 样。5月份开始,我们用 A Sample 做软硬件结合。

这时候,原来算法同学在宇树本体上做得非常成熟的东西,发现在我们的本体上根本用不了。它必须解决软硬件之间交接的问题,这里面的 gap 很大。

我觉得宇树在硬件上绝对是现在国内、甚至全球 top 的水平,甚至是第1的水平。所以我们必须迈过这道坎。

事实上,如果从创始团队的背景来说,我们的舒适区应该是做 AI,本体可能分开去做。今天你也会看到,很多团队拿别人家的本体来做开发。

因为本体涉及两套完全不同的研发范式,这两拨人也完全不同。我们确实把这两拨人都放在公司里,在同一个项目里管理,一起做开发。

这就会导致,比如 AI 的推进会受到硬件变化和进度的限制。硬件不断迭代,AI 也会受到影响,它们之间相互交错,对整体进度带来了很大的挑战。

到今天为止,我也不能说完全解决了,大概解决了80%到90%。现在 WRC 之后,我们还在解决这个问题:怎么把硬件做得更稳定,让 AI 能够更好地在上面开发。

但是我相信,今年上市前我们一定会彻底解决这个问题。它带来的价值非常大。一旦团队把这件事解决掉,以后做更复杂的形态时也完全可以这么做。

我觉得四足就是“麻雀虽小,五脏俱全”。以后做更大型的机器人,我们依然可以用同样的方式去做。

刚才你也提到,你认为宇树的机器狗本体做到了全球 top,甚至最好、甚至第1。那在宇树内部,你有没有了解到他们接下来会往什么方向发展,会在哪些方向上发力?

赵哲伦

我觉得目前机器人有两条技能线要走。

第1条线,是具备很好的本体控制能力,最后做出更复杂的本体,也就是关节和自由度更高的本体。这是对整个机械控制能力的延伸。

第2条线,是在具备比较好的控制能力、拥有机器人形态之后,进一步实现自主化,完全 AI 化和自主化。

目前来看,宇树在走第1条线。今天宇树更多是在本体上做得越来越扎实。它做好四足之后,也能做好人形;做好人形之后,还能做更复杂、更便宜的人形,以及更强的四足。

在本体上,它做得越来越好。我觉得这也是王兴兴和宇树非常强的地方。

但如果要做对用户有价值的产品,另外一条线也必须走。要从感知环境,到理解信息,再到规划、决策和控制,这条 AI 的线依然要走。

这条线是我们的挑战,也是宇树非常大的挑战。因为掌握这些认知的人,我认为目前并不在宇树公司。

那他们在哪里?

赵哲伦

他们现在在自动驾驶团队以及 AI 团队里。

听起来,这是新一代具身 AI 公司的共同挑战。

赵哲伦

没错。今天对于很多 AI 公司来说,挑战反而是做 Robotics;或者说,两者本身都有挑战。

从组织上来说,AI 团队需要兼容 Robotics,也就是兼容做硬件的人;对于 Robotics 团队来说,也要兼容做 AI 的人。最终才能形成一个完整的组织。

哲伦,你在理想做产品经理,我想应该做得还挺开心,而且理想汽车的李想本人应该也很信任你。

最近在北京理想 i8 的发布会上,我看到现场放了一个20分钟的影片。你当时在现场吗?

赵哲伦

我在现场。

我发现那个20分钟的影片是你和响哥的对谈。我在想,响哥得多喜欢一个产品经理,才会和他聊那么久,还在发布会上直接把这个视频放出来。

你当时是出于什么考虑,离开理想出来创办维他动力的?

赵哲伦

8. Leaving Li Auto For Robotics

最核心的是,我在理想汽车做自动驾驶的过程中,看到了机器人发展的可能性。

你知道这两年智能驾驶非常卷,去年卷到端到端,今年又在做 VLA。去年做到端到端的时候,我就看到这里面具备了做机器人的可能性。

我看到的机器人可能性,就是前面最早跟你们说的,它具备了空间移动的可能性。汽车本身是一种空间移动,是一种平面的移动,但它也需要理解环境来控制自己的移动。

机械臂、机械足、四足、双足、灵巧手,本质上其实都很相似。所以我看到了,这种研发范式有机会在机器人上创造可能性。当然,这背后也离不开 Tesla 在很大程度上对这件事情的牵引。

我就心里很痒痒。

另外一个层面是,我原来负责智能驾驶。我非常喜欢智能驾驶,也非常希望它有一天能够做到 L4。做到 L4 之后,它会给我们的生活带来巨大的变化,这是过去10年我一直非常相信的一件事。

但我也看到了它在落地上存在一道非常大的沟壑。我觉得这不是现在这样不断往上堆积、累积,就能轻易解决的问题。

它背后最核心的,其实还不只是 AI 能力的发展本身,而是在 Physical AI 领域有两条线:一条叫场景的复杂性,另一条叫场景的容错率。

开车这件事情,在场景复杂性上其实不算难。它处于一个比较有规则的环境里,人基本上学两周到1个月就会开车,所以它肯定不算特别难的事情。

今天 AI 能做很多更复杂的事,有些事情人学好几年都学不会,但 AI 都能做。所以 AI 很擅长解决复杂问题。

但是在容错率这一块,AI 相对不太擅长。自动驾驶可能是我能想象到的全世界所有产品里,对容错要求最高的。它犯错之后的后果和失效成本非常高。

所以我觉得,L4 这件事还有一道很大的沟壑。L4 一旦存在这些沟壑,就会带来一个问题:智能驾驶本身不是一个 BU,不是一个独立的经营单元,也不是一个能够自己形成良性循环的业态,它最终还是服务于汽车本身的竞争。

过去大家讲什么智能驾驶,创造很多新词,营销上也出现了一些行业乱象,本质上是因为它不是一个独立经营单元。卖车需要什么样的智能驾驶,它就应该成为什么样的智能驾驶。

但我不想在未来5年,当我已经看到机器人机会的时候,还持续去做一个无法成为自己经营单元、无法由自己主导的东西。

所以我自己其实特别想做机器人。2024年开始,我就一直特别想做机器人,只是之前没有对外说过。

当时我也和理想内部一些可能比我更有经验的人沟通过。我说,如果理想有机器人业务,马上叫我,我真的想做机器人。

后来这个机会来自余轶南和我的沟通,所以我就毅然决然地想去做机器人。我甚至觉得,机器人做到一定成熟度之后,反过来也会去做 L4,因为这些东西都是相通的。

但一定程度上,我们需要一个以 Physical AI 为主体的东西,自己完成商业化落地。这件事情对我来讲非常重要。

有意思。那现在你创业的感受,和当时在理想跟着响哥工作的感受,有哪些不一样?

赵哲伦

跟响哥工作,感受还挺奇妙的。就是有一个你的好大哥,而且这个大哥特别牛。他做很多决策时,会把背后的一些思考跟你讲清楚,你都会觉得挺对的,也会觉得有很多学习和成长的空间。

你会觉得自己一直在成长、学习,也挺有依靠。想着还是很厉害的,跟着响哥能成长。

离开理想汽车之后,有利也有弊。弊就在于,你没有这样一个人了。响哥很多时候敏锐的判断都是对的,还是很厉害。那你就得自己做判断。

但这又是一个很好的过程。你需要看看,跟着响哥成长了5年之后,自己是不是也具备了对市场和用户的判断能力,包括对技术趋势的判断能力。

这就像我自己终于可以试着写一张卷子了。以前响哥已经做好了大部分框架,你做的是选择题,或者大概做一些填空题。今天是一张白卷,你是不是能通过过去的认知和成长,把这张白卷写得也不错?

响哥怎么评价你现在做的这件事?

赵哲伦

去年创业前,我跟响哥说这件事的时候,他瞪着他的大眼睛看着我。

是惊讶的大眼睛,还是认真的大眼睛?

赵哲伦

认真的大眼睛。他看着我,是一种我没法回避的眼神,我也得看着他。

当时在他的办公室里,就我和他两个人。我推门进去,说:“我想跟你说一件事。”他很认真地看着我,我也得很认真地看着他。这时候我不能骗自己。

如果我心里觉得没想好,却跟他说想好了,这是不行的。然后响哥问我:“你想好这件事情了吗?”

我跟他说,我确实想干这件事。响哥接下来的第2句话,我到现在还是很感动,并且我觉得会记一辈子。他说:“如果你真的想清楚了,我还是很支持你的。”

去年我们就是通过这样的对话,决定了我的创业。

后来我和响哥也有一些陆陆续续的沟通,包括今年车展碰到他,以及这次回理想总部碰到他。我觉得响哥还是会在产品、品牌以及用户层面,给我很多想法和输入,还是很帮助我的。

他给你什么想法?

赵哲伦

这次在总部,他首先跟我聊了聊产品,一定程度上也认同我现在做的方向,至少是一条从用户端和产品端来看都比较务实的方向。

如果一件事在技术上真的有可能性和价值,响哥一定会毅然决然去做。理想汽车有这么多现金储备,也想做 AI,但在机器人上今天依然没有特别多的露出。

我觉得响哥对人形机器人这些方向的判断是,今天虽然很火热,但还没有那么成熟。因为我在理想待了5年,我们思考产品时有很多方法论和思考是相通的,所以他认同这个产品方向。

另外,理想汽车真正经历了从0到1、从1到10,慢慢做自己的品牌。品牌就等于“我是谁”,这件事情在 C 端特别重要。怎么和别人沟通“你是谁”,这件事很重要。

响哥也把从理想 ONE 到 L9,再到现在做 i 系列的整体思考,完整地跟我讲了一下。

比如做理想 ONE 的时候,是最值得我借鉴的。那时候理想的品牌叫“产品就是品牌”。其实你并没有真正的品牌,你的产品就代表这个品牌。用户和你最大的接触就是产品,用户通过产品来认识你是谁。

所以这时候不用想很多花里胡哨的东西,最核心的是,你所有对外的产品和体验,就是你最重要的“你是谁”的构成。这些东西,响哥还是带给我挺多启发的。

另外,理想里还有很多非常好的朋友,在创业过程中也非常帮助我。大家会看到,我们这次也宣布了很多和行业里非常强的合作伙伴的合作,包括京东、火山引擎、地瓜机器人、地平线,以及可能是禾赛、亿纬锂能的合作伙伴。

特别是地平线、禾赛和亿纬锂能,本身也都是理想非常好的伙伴。他们都是非常务实的公司,基本上也都是上市公司。对他们来说,和我们合作就意味着我们真的要做量产。

如果只是做 demo,其实不需要这些合作伙伴一起做这些事情。

你当时创业的选择应该还挺多,为什么会加入维他动力?是什么说动了你?

赵哲伦

创业虽然选择很多,但其实也很受限。因为投入的不只是钱,更重要的是你的时间。人生中最重要的就是时间。

既然选择创业,肯定要投入很多时间,比较长时间地去做。所以合作伙伴在这里非常重要。

我自己还是一个偏产品、偏市场背景的人。机器人虽然在产品定义上非常重要,但背后持续驱动的主要动力依然是技术,尤其是 AI 技术。

要做成这件事,我必须需要非常棒的 AI 和工程技术合作伙伴。这对我来讲非常重要。

今天市面上各种各样的人很多,看起来都很厉害,但真正让你觉得能成事、又非常认可的人,往往是过去和你一起打过仗的兄弟,或者是你对他有更深刻的认知。

你才能把自己的时间交给他。选择联合创业伙伴,相当于把时间交给他,大家一块儿做事,而不是浪费时间。

我和余轶南虽然之前在两家公司,但确实有一定的革命情谊,也一起共事过。过去理想从理想 ONE 到 L8,征程3和征程5平台都是和理想共同开发,最后交付出来,成为标杆产品。

过去我的团队和余轶南的团队之间有过深度配合。我知道他对技术有很高的追求,对团队也挺严格,工程能力很强。他也不是一个特别死板的人,还是一个比较开放的人,对好的产品有自己的追求。

这些因素叠加起来,我觉得他是一个比较好的、和我互补的伙伴。所以这主要是对人的互相选择。

这个其实还挺有启发的。当你选择创业伙伴时,其实不是在选能力,而是在选“我要把接下来生命中的好几年交给谁,他才不会浪费我这几年”。

赵哲伦

没错。最后的结果是大家共同创造的,光靠我一个人做不了。光靠我一个人,我可能也想做。

这里再分享一个点。人当然也会有懦弱的想法。我在理想的这段时间里,其实想过离开理想之后要做什么。

我肯定想做机器人。如果退一步,完全靠自己,我可能还是会去做内容相关的事情,因为那是完全能够自己掌控的。

但这就变成了,完全靠自己,或者联合一些伙伴一起做更大的事情。最终我觉得也是很棒的缘分:不是完全由我主动选择,而是余轶南刚好也找到了我,把我往前推了一步。

我觉得可以去做一件相对更大一些的事情。如果只靠我自己,我可能完全做不了机器人。

从创业到现在,一路上有没有觉得跌宕起伏?

赵哲伦

还挺有感触的。我觉得这个过程中,引入了一些原来在理想的好方法论,但也抛弃了一些习惯。

原来在理想有很多好的方法论,但很爱开会。什么事都拉个会,然后聊很多,效率其实挺低的。

开过最长的会有多长?

赵哲伦

基本上可能开6到7个小时,10个小时也有可能。

响哥也会为大家开那么久的会吗?

赵哲伦

响哥开那么久,往往是战略会。战略会我们会连续开几天,全天都在开。

有些讨论确实会来回拉扯,下面执行层的会也会反复讨论,可能聊了3个小时还没聊出什么结果。这种事情在大公司会多一些。

所以后来我们传承了一些来自理想的思维方式。至少比如说,产品解决用户什么问题,用户是谁,这是不是满足企业需求、满足用户需求,这些事情都会去讨论。

比如在 WRC 之前,我们会用理想的方法讨论:我们在 WRC 想要什么,不想要什么;用户是谁;应该怎么做。

但我们避免把那些通过简单沟通就能形成共识的事情,拿到会议上解决。到了小公司之后,确实发现大家沟通高效了很多。

另外一点是,过去无论做停车还是做智驾产品,我对硬件本身的熟悉度其实比较弱。

现在做机器人的过程中,我大概通过半年的时间,真正补了硬件的课。机器人是一个复杂硬件,包括整个电控系统、控制器、电池、电机,以及整个生产过程和质量管理方法。

我不可能很快成为这个领域的专家,但现在至少知道这些东西是怎么回事。这对我来说是很大的挑战,但也学到了很多。

前半年公司来了很多专家,我经常找他们请教电机、电池、质量管理和生产相关的问题。这对我的帮助挺大。

我突然发现,一个产品经理就是要把自己的触角伸出去,什么东西都能接触一些。过去可能会相对受限。

我感觉,做现在这个产品的产品经理,某种层面上还挺让人兴奋的,因为你在定义一个从未出现过的新物种、新产品。

在你现在看到的可能性里,除了玩具和教学场景,你觉得 C 端最有可能冒出来、并且有商业价值的用户场景,会有哪些?

赵哲伦

9. The First Consumer Use Cases

我们创业的时候,大概花了1到2个月讨论清楚一个大致方向。我们觉得是室内和室外两个方向,并且会以至少10年的维度去思考这两个方向的终局。

为什么一开始选四足?因为我们觉得在 outdoor 这个领域,只要是在室外空间,四足就是一个非常棒的形态。我认为它是比较接近终局形态的东西:比两足稳定,比轮式结构有更好的通过性。

所以我们毅然决然选择了四足。我们认为,只要是在户外空间,以四足为基础延伸出来的所有服务,都具备这种能力。

比如在户外帮你拍照、陪你运动、帮你端茶送水,其实都是类似的事情。

在室内,我们觉得腿在这个空间里其实没那么重要,而且负担比较重。今天所有机器人如果在室内用脚走路,都挺吵,也挺容易摔,不是那么稳定。

所以室内轮式结构是一个很棒的发明和结构。但室内非常重要的是机械臂,帮助我们做很多家务,或者帮我们完成一些事情。

所以就是轮式结构加机械臂,做好家里的事情。

从消费者真正能用到的产品来讲,我觉得第1代家庭机器人,我们优先做了一个户外场景、以四足为核心的机器人。再往后,另外一条线应该做一个室内场景的机器人,真正去帮人做家务。

相对来说,不需要的硬件就拿掉一些:能用轮的就不用腿,能用一条机械臂的就不用两条机械臂,能用夹爪的就不用灵巧手。

这背后一是在简化技术和产品,二是在降低用户买到它的门槛和成本。

所以对于消费者场景来说,室内和室外基本上是两大品类。之后可能会出现一些相对专用的机器人,但最后又会被整合成一个相对通用的机器人。

我知道特斯拉选择了一种做法,就是远程遥控机器人去做事情,在这个过程中学习和积累数据,或者通过这种方式发现一些场景。对于这样的路线,你们怎么看?

赵哲伦

我觉得特斯拉的背景和今天很多创业公司不太一样。特斯拉选择了一条比较适合 Tesla 的路,有几个前置条件。

第1个,Tesla 有自己的工厂,所以可以无限试错和尝试。第2个,Tesla 有几乎无限的资金,能够不断投入,并且进行非常大量的投入。它的研发资源是国内创业公司的百倍、千倍。

第3个,Tesla 需要做更大的事情、更通用的事情,这才符合 Tesla 这家公司本身,无论是它的估值还是品牌。

但你说的前面那个场景,核心问题是它实际能够创造的价值并不多。我现在有朋友在做类似的事情,它比较适合高危或者非常不舒适、但又需要人进去干活的场景。

比如工厂里的喷涂车间。人进去要穿着防护服,可能在里面待一天也没有特别多的事情,但人必须在那里待着。这种工作可以通过远程操控机器人完成。

但这样的场景其实并不是特别多。如果用这种方式做,更多就是纯粹投入资金去采集数据。但这种方式小公司耗不起,没法做纯投入采集数据的事情。

所以我觉得,它能创造的价值有限,也不那么可持续,至少对于今天的创业公司来说是这样。它适合 Tesla,但不一定适合我们这样的创业团队。

你会觉得,大家找场景,是行业里的人聚在一起,包括创始人和产品经理聊得最多的话题吗?因为找不到场景好像会让人很头疼。

赵哲伦

现在好像还不是这样。大家更多是在等待技术进一步发展,或者促进技术进一步发展。

我觉得可能也是因为,截止到目前为止,机器人整个资本市场还是比较活跃。在资本市场活跃的状态下,大家其实不需要特别着急通过商业化来让自己回血。

所以大家讨论产品场景并不是特别多,更多是看能不能创造出一些新的 demo,或者做一些让大家看到、觉得很惊艳的东西。

我觉得下一步应该会进入商业化讨论。

有意思。之前有一家美国 VC,名字叫“松节油”。它为什么起这个名字?是因为有一种说法:当艺术评论家们在一起时,都在聊怎么商业化;但当艺术家们在一起时,都在聊哪里的松节油最便宜,因为松节油好像是画画需要用到的一种原料。

再说回 WRC。这次你提到空前热闹,有没有什么让你感到特别眼前一亮的东西?不管是产品、功能还是技术,有没有这样的东西?

赵哲伦

因为我是从业者,所以很难让我眼前一亮。大家展示的东西,基本上都在我的预期之内。

但我能看到的是,大家今年的展示比去年更成熟。去年 WRC 的很多内容里,还是有不少机器人会犯低级错误。这个低级错误背后也意味着,硬件本体还没有那么成熟,比如机器人聊着聊着突然摔倒,或者突然在地上打滚、乱发抖。

去年这种视频很多,但今年你会发现这类情况很少了。你会看到,行业其实在不断消除下限。虽然它没有如预期一般打破上限,但它在不断消除下限,这就是一个行业蓬勃发展的过程。

另外,我对观众也很有感触。这次在北京,又是周末,又是暑假,所以周六、周日,包括周一、周二,来的孩子特别多。孩子们都对机器人非常感兴趣,也有特别多的想法。

我们 VBot 的展台中间有一根柱子,展台展开之后也避不开。我们把柱子装饰包起来,从8月7日媒体 workshop 开始,就让大家在上面签字。

我有意把那根柱子做成一个大家可以签字、涂鸦、留下姓名的地方,叫作品牌柱,是和大家共同创作的过程。后来参与的孩子特别多,柱子上半部分是大家签字,下面则是画画。

这些孩子带来了很多创造力和天马行空的想象力。所以我这次感触最深的是孩子。

我觉得中国新一代的孩子有很好的教育、很好的学习条件,也有很棒的经济基础。我确实认为,机器人文化有机会诞生在中国,就有点像汽车文化在欧美的感觉。

今天晚上我要去参加机器人运动会的开幕式,去做观众。

你应该不是去做选手的吧?

赵哲伦

对,我跑不过它们。

但还是有很多人会对机器人运动会这件事情感到诧异,会问机器人为什么要跑步,或者机器人为什么要踢足球。

我觉得大家有点太紧绷、太紧张了,在文化上应该稍微松弛一些。

当年的汽车也经历过类似的过程。为什么汽车要有这么大的马力?如果看很多美国车,车身特别长,马力特别大,上面还外挂发动机。

车为什么要跑24小时拉力赛?为什么要做 F1 赛车?F1,why F1?你又不开着它在路上跑,为什么要做 F1?

这些问题在中国以前没有答案,但答案在欧洲和美国。我认为中国人以前没有这样的文化,但今天在机器人上有机会出现。

这点让我很有感触。过去我是一个从初中还是高中开始,就会自己买票去看上海车展的人。我从小在上海长大,会去看车展。

跨越这么多年,到了现在,看到很多孩子来到机器人展会,他们也都买了票、花了钱来看。我会觉得这是一种启蒙。

当年我看车展受到启蒙,毕业之后就很想做车。我相信这些孩子以后毕业,就会成为中国机器人产业的核心中坚力量。他们以后看到机器人,可能会像我们今天看到汽车的普及程度一样。

我觉得是的。

赵哲伦

我觉得会有非常多的形态,以及各种垂直品类的价值机器人出现。

我经常会类比到20世纪80年代、90年代的日本和美国。当时电子产品非常活跃,从 Walkman、Game Boy、数码相机,到很多其他产品。日本当时甚至还有拓麻歌子这种很小的电子产品,后来又发展到手机。

最后,这些东西整合起来,由 Steve Jobs 把它整合成了叫作 iPhone 的产品,推出了智能手机。

我觉得这个过程非常美丽,而且会在机器人行业再出现一遍。

10. The Robotics Bubble Is Real

现在这个行业也感觉很热。你会担心里面有一些泡沫吗?

赵哲伦

泡沫不是担心的问题,今天确定性地有泡沫。

作为行业内的人,泡沫其实对我是有益的。如果这个行业完全没人关注,它没法发展。如果有一定泡沫,我觉得也能促进行业发展。

只是最好不要让泡沫破裂的那一天,自己的损失无法承受。今天我们肯定要做好准备:我们的研发投入、所有公司的开销,以及我们做的产品,都应该是正常的花费和正常的水平。

哪怕泡沫破了,我们也应该是一家能够健康运行的公司,这对我们很重要。

如果趁着泡沫招了很多人,把摊子铺得非常大,开了很多产品线,我觉得泡沫一破就很难收场。

所以今天你会看到,维他动力就做一款产品,而且产品看起来还非常简单,公司也非常集中。目前七八十号人,就干这一件事。

我觉得这就是我们对泡沫的回答。有些泡沫是肥皂泡,破了就破了;有些泡沫是啤酒泡,最后还是会沉淀下来。好喝的啤酒虽然没有大家一开始想象的那么多,但还是有,而且很可能也很值钱。

这个比喻特别好。

之前你们在一些采访中提到过一些理念,比如“让机器人能不说话就不要说话”“人不应该离电子设备太近”。我其实挺好奇的,如果综合一下你们这款产品的选择,包括背后的原因,从技术成熟度、你们坚持做与不做的事情,再到商业化考虑,综合来看,你们到底是怎么想的?

赵哲伦

11. VBot Builds For Everyday Life

前面说到的几点,我们坚持做软硬件全栈。硬件自己做,以 AI 为核心,但硬件也要自己做。

我们坚持做完全自主化的能力。单独通过遥控器也能创造价值,主要是服务学校,所以今天宇树的第1类客户其实是科研机构,这是很合理的。

但这不是我们选择的道路。我们坚持做面向用户的产品,也就是用户能直接把它带回家、送给妈妈的产品。

另外,我们坚持让它有比较好的自然交互能力。但我们认为,自然交互能力不等于小爱音箱和小度这样的能力。

这是我们原本就有的认知,后来又看了 LOVOT 创始人林耀写的那本书《温暖的科技》,我觉得他也是这么做、这么写的,这给了我们一定的支撑。

他的描述是,当对方虽然用语言和你沟通,但你发现它的语言表达并不是你预期的那样,或者它没有办法完全理解你的时候,你的信任感反而会丢失。

但当它能用一些肢体和语气传达东西,而不是完全依靠语言本身时,你反而可能和它产生很好的信任。这就像人与很多动物之间的关系。

所以我们挺认同这个观点。我们做了一个不太一样的选择:目前让它拥有很好的大语言模型理解能力,但不让它通过说话来反馈,而是更多用音色和语气去传递信息。

另外,我们坚持尽量把这个产品做得 affordable,也就是让它可负担。无论是在零部件的整体整合上、外观设计上,还是整体成本上,我们都在努力。

今天机器人卖到3万元、4万元、5万元,都已经算便宜了。但我们觉得,这还不是用户目前能接受的价格。

所以我们不断整合供应链,尽量把成本做低,甚至通过自研的方式把成本降下来。虽然目前还没有公布售价,但这就是我们正在努力做的事情。

非常期待看到你们的产品上市。

赵哲伦

大概就是这样。

如果在这个时候,结合你刚才提到的,很可能5年之后、10年之后,WRC 会成为像伦敦世博会一样的存在,你要不要预测一下:到那个时候,整个机器人行业会是什么状态?它会对我们的生活带来哪些变化?

有没有一些不管是偏想象,还是有理有据的预测,能够给大家描述一幅画面?

赵哲伦

我特别喜欢《机器人总动员》,就是瓦力。创建公司之前,我在今年又重新看了一遍。我觉得那部电影对机器人的想象,可能和5年到10年后的现实挺像。

电影里有瓦力,它是一个收破烂的机器人,把垃圾捡回来压成小方块。还有伊娃,在地球上寻找是不是还存在生命。

他们回到太空飞船之后,飞船上有各种各样的机器人:有人擦地,有人送餐,还有人做各种各样的事情。

我觉得大概5到10年内,会有非常多特别的机器人出现。它们会在各种生活空间里为人类提供各种服务,有室内的,也有户外的。

我认为它们会让物理世界的幸福指数增加。

我们在晚点的采访中提到过,希望让人尽量远离电子设备和数码信息。今天很多信息过于爆炸,让人的幸福感下降,我们有这样的观点。

所以我们觉得,机器人有机会把物理世界的幸福感重新拉回来。

我自己对此非常向往:在各种空间里,会有各种各样的机器人,它们都能理解你说的话,帮你做好某一项服务。我觉得这就是《机器人总动员》里描述的非常棒的状态。

它们不一定要是人形的。你看《机器人总动员》里的机器人,其实也不是人形,但它们都有很好的动态和生命力。

我们最早把公司取名为 Vita Dynamic,Vita 就是生命。我们希望每个机器人都很有生命力,有自己的表达方式、表情、语言和肢体。

我觉得5到10年之后,应该会是这样一幅景象。

挺有意思。那我们共同期待那一天的到来,也希望到那个时候,这些让大家喜欢的机器人里面,有很多都来自维他动力。

谢谢哲伦班长今天来到《十字路口》。

赵哲伦

感谢,也谢谢 Koji 和 Ronghui,聊得很开心。

AI 是具身智能的胜负手吗?半年融资3亿后,VBot 首款产品做得怎么样?|对谈维他动力联创赵哲伦 | BidClub