[BidClub_]
十字路口Crossing · · 48 min

具身智能的滔天大泡沫中,他已经把机器人送进300个家庭|对话张翼:未来不远创始人/CEO

Koji张翼

RoboticsAI & SoftwareCompany BuildingTechnical
Podcast ↗
TL;DR
  • 张翼的核心时点判断:机器人比纯AI更值得提前做,因为软硬结合迭代慢、先发有复利——"你现在花十个亿是不是能造出一个可能是宇树那样、locomotion这么好的机器人?不可能……不是钱的问题,是时间问题。"于是用自己和团队的钱"先憋三年"做到消费级,去年底才市场化融资,几个月内连融两轮,应该已经送机器人进了上海300个家庭。
  • 商业化锚点是带娃,不是家务:家务阿姨在上海7-8千/月轻重全能,机器成本2-3万拼不过;但会英语、会下棋的带娃阿姨"一个月三万到四万你可能找不到"——F2以带娃+轻家务切入,现按月租3-4千试用,从早期放一两天就要维护,进化到一两个月才上门、用户每天仍用几小时。
  • 数据是最终护城河,大脑不是:好模型别家"一两个月"就能复现,数据慢且稀缺(英伟达Dream Zero才十二还是十几个B)。三类数据里真正决胜的是数据工厂采不到的corner case和"与活物互动"的数据——家里80%场景是与人互动。策略是早期贴本铺进家庭,先把飞轮转起来。
  • 全部技术取舍指向消费级成本:轮式不选双足(室内安全稳定、大电池长续航)、二爪不选灵巧手("全世界找不到一个能用两个月以上的灵巧手",预留接口日后可换)、全栈自研把关节成本干到约1000元对第三方8000元——砍掉工业级参数,"家庭够用,OK,ready"。
  • 世界模型给了他真surprise:zero-shot对没见过的东西有"百分之几十的鲁棒性",VLA此前非常难做到,"从方式上是更先进的";但鲁棒性没到100%、"很多还是在论文阶段",所以两条路并行,这两个月才引入很多世界模型人才。
  • 泡沫观:有泡沫但疯狂度还没到位——在线教育当年一轮融10-20亿美金,现在同样数字以人民币计价,差一个量级;泡沫会破但行业"曲折向上",终局是"世界上所有的公司都是机器人公司"。穿越周期靠sustainable商业模式,"一年亏几十个亿很简单"。
  • 双减留下的管理学:焦虑让策略短视——"我可能赢在了这个月,但是我输在了两年",掌门一对一占70%份额却在大班课上双线作战、输掉更大的市场;失败"其实是一种外在的力量在帮你做选择"。
Digest · the substance, structured for research

1. 双减一夜归零:九万多人减到一千人以内

  • 消息来的那一刻他在车上,投资人转来文件问"Is it real?"——"那一刻我觉得是一片空白"。确认是真的花了半个月:先以为是阶段性的、只裁了一点人,直到核心投资人挑明"这个事是real的"。
  • 账很残酷:那年公司体量一百个亿,月支出极高,"一旦没有收入,整个公司直接就爆了"。投资人警告"你不能再拖了,再拖我今天就不会坐在这里"——两个半月从九万多人减到一千人以内,他后脑勺出了一撮白头发。
  • 最难受的画面:全国五十几个城市的分公司,HR把所有人say goodbye后自己关灯出来;几百人的会一场一场开下去,高管讲着讲着"现场就哭出来了"。

2. 一年迷茫之后:AI、硬件、家庭三个交集

  • 有一段时间get lost,半年不用去公司,"因为公司没事可做,然后也不敢去"。想清楚的结论:人生还是应该参与这个世界的一点点变革,"哪怕创造只有一点点贡献也是意义"。
  • 去硅谷聊了一圈交大同学,当时ChatGPT在3.0、没到3.5,"我觉得有机会";加上自己电子信息工程出身、学生时代搞智能车电子设计的硬件底子,再加上做教育多年对孩子和家庭用户的理解——三个交集指向家庭机器人,而且"必须比以前大,否则我没有动力"。
  • 真正说服他的一句话:"二十年后每家每户一定会买一个机器人。"关键是还没人做——"我要做的事情一定不是很多人已经在做的事,因为那多一个我没有意义。"

3. 为什么是机器人不是AI:软硬结合的时间复利

  • 核心逻辑:AI是纯算法软件,迭代太快,提前布局的优势会被抹平;一旦碰到硬件,速度就非常慢——"你现在花十个亿是不是能造出像可能是宇树这样的机器人,locomotion、稳定性这么好?不可能……不是钱的问题,是时间问题。"
  • 所以计划"先憋三年":用自己和团队的钱跑团队,不出来讲故事,把整机做到消费级、产品化,"想做到aha moment、很surprise的情况下再出来"。第二层原因来自上次的起落:"我如果再出来融资,我要很确定这个事儿是能成的,否则后面有的收拾。"
  • 直到去年底确定产品能进家庭且试用受欢迎,才市场化融资,几个月连融两轮;团队约一百人,以工程师为主。

4. 只做To C:品牌溢价的正反馈

  • 不纠结工业还是家庭:"很多To B的技术到最后没有什么特别高的壁垒,最后就是杀价格,很难盈利"——同样做清洁机器人,To C公司利润非常高,To B卖国内"非常struggle"。
  • To C的飞轮:体验好→品牌被认可→品牌本身值一个溢价→利润再投入做更好的产品,"你会形成正反馈。我一直做to C,这种反馈方式更适合我"。

5. 应有三百家庭参与共创

  • 中国和北美各发了五六千份问卷加电话访谈,但功能取舍直到去年底(约三个月前)才锁定——"他说叠衣服值五百,扫地值两千,加起来发现还是覆盖不了机器成本",定义卡了很久。
  • 进家分三阶段:先规定只能干几件事→放开自由发挥→用户反向提需求。下棋是用户要的("小孩看电脑下棋两小时,眼睛都坏掉了",夹持式二爪所以各种棋都能下);捉迷藏孩子天天玩,就专门强化成了功能。
  • 留存是硬指标:去年刚进家放一两天就要上门维护,如今一两个月才维护、用户每天仍用几个小时。他盯的是续费和转介绍——"百分之五十转介绍率,还有百分之三十"——这决定了产品好不好,而不是今天卖了多少量,那可能是一波流。

6. F2的定价锚:对标三四万请不到的带娃阿姨

  • F2两个功能:带娃+轻家务。读绘本、陪钢琴小提琴(听音识曲、实时纠正指法坐姿、还能对话)、下棋、找乐高、扔篮球、讲完睡前故事把灯关了出来;轻家务是收玩具、捡垃圾,"重家务最重的是厨房,我认为还有几年时间"。
  • 定价方法论:"卖一个东西是看你对标什么"——对标家务阿姨没戏(上海七八千一个月、轻重全能,机器成本两三万);但会讲点英语、能陪下棋的带娃阿姨"一个月三万到四万你可能找不到",带娃才是价值成立的地方。
  • 现在按租:一个月三四千;正式上市后可能"买断便宜一点、付订阅解锁高阶功能",因为部分功能要消耗算力。养老调研的意外:退休老人说"你帮我带娃"——不是陪老人,是帮老人带孙子;八十岁以上是另一群体,需要护理和厨房功能。

7. 惊喜与惊吓:机械臂陪玩,和"搞狗"

  • 最大惊喜是调研没调出来的"陪娃玩":因为有机械臂,"娃家里的玩具都没有手,他第一次有手"——小车咻飞出去、捡回来再咻出去,"居然还能玩个两小时,第二天可能玩别的玩法"。互动最好的年龄段是中班以上到小学。
  • 惊吓变成了功能:一户人家的狗"一晚上都睡不好觉",主人说"算了";后来专门研发"搞狗"——喂狗粮、像鸡毛掸子一样逗猫,"让它搞个一两个小时"。他的抽象:"家庭机器人看上去是一个产品,但其实它背后卖的是服务"——服务很贵、很难标准化,物理AI可以让它标准化。

8. 轮式与二爪:一切为消费级让路

  • 轮式vs双足"各有优劣,不敢一概而论",但室内场景轮式性价比、安全性、稳定性都高——双足买回家试过,"你把它提起来,它的脚会开始乱飞",不适合家庭;中国大部分家庭是平层,轮式够用,底盘配重加大电池还带来长续航。
  • 不做五指灵巧手的理由很实证:"全世界你找不到一个能够用两个月以上的灵巧手"——关节太小、天天受冲击容易坏。方案是二爪加预留接口,"灵巧手一旦成熟可以很快换上去,很多公司专门在做这块,我们就不去参与了"。

9. 全栈自研:关节一千块对第三方八千块

  • 从22年硬件自研逐渐变全栈:电机、扭矩、关节、整臂、爪、整机。便宜的秘密是砍参数——"重复定位精度就这么多就行,负载就这么多就行",不用适配工厂搬重物,"砍到极致,家庭够用,OK,ready";中空大孔径走线的关节市面上根本买不到,只能自己定义。
  • 更大的好处是每个地方的参数都拿得到:电流环、每个关节的实际状态,第三方不会开放这么多接口,"参数拿了很多,才可以调到最优"。最难的自研件是驱动器——巴掌大的地方集成高密度器件还要做温控;自研也有边界:减速器工艺问题太多放弃了,深度相机也不可能全部自研。

10. 世界模型:方式上更先进,但两条路并行

  • 世界模型给了他真surprise:zero-shot对从来没见过的东西有"百分之几十的鲁棒性","VLA之前是非常难做到这个事的"。以英伟达Dream Zero为例:有一定推理能力、能预测物体轨迹,训练也更轻量——灌视频、头上带个摄像头加手部操作就行。
  • 但话留有余地:鲁棒性"也不是说百分之一百","很多还是在论文阶段",VLA也还在迭代、不能直接否掉,所以现阶段两条路并行;这两个月才引入很多世界模型的人——"国内做的不是很多,找到这个人才很重要。"

11. 数据三分法:决胜在corner case和"活物互动"

  • 大脑与数据的不对称:大脑竞争激烈但"抄起来也很快",好模式别家一两个月就能弄出来;数据慢且历史上极少——英伟达Dream Zero是12B还是十几个B,"说明它的数据量确实很少"。终局判断:"同样叠一件衣服,我叠的比你好,因为我用家庭数据比你多。"
  • 数据分三种:数据工厂能采的正经数据;corner case——"叠衣服的时候这条桌子缺了一个腿",千变万化,只有真实家庭里才学得到;以及最被忽略的与活物互动的数据——"我们在家里面百分之八十场景就是跟人在互动",不同年龄、种族、性别方式各异,"否则你的数据就只是这个世界的百分之一"。
  • 对美国同行Sunday的评价:surprise的是"一个在美国做的公司居然还做硬件",相机位置、外形设计、以及一种“乌米”的素材方式、ACT方案"确实加入很多自己的思考",但没开售没开源,"很难实际的去评价"。

12. 贴本铺量、补贴战与泡沫:还没到在线教育的疯狂

  • 会激进定价:"早期可能贴着本卖"——别人采数据要花很多钱,"我们至少是贴着本过去的,使得这个飞轮转起来",数据就是护城河。大补贴的前提是有人也做到全栈消费级,"我觉得可能还要花相当一段时间到我们的程度"。
  • 热度校准:在线教育当年"一轮融个十亿美金、二十亿美金",他自己最多一轮融过几亿美金;现在具身融资同样数字以人民币计价——"以前融十亿美金,现在可能融十亿人民币",疯狂程度差一个量级。
  • 泡沫观:"肯定是有一定泡沫,但没有泡沫一个行业很难起来"——泡沫超前于行业才有人才涌入。终局可预见:"到时候世界上所有的公司都是机器人公司,一个便利店老板是个人,下面很多都是机器人。"穿越周期"不是今天融个二十个亿就解决的",要sustainable的商业模式,"一年亏几十个亿很简单"。
  • 进千家万户最大的障碍是第一个飞轮:谁能把机器人放进家、大家喜欢并一直用;阈值取决于模型升级对数据量与质量的要求、dirty数据可不可用。消费者接受度他不担心——机器人在公园下棋"老人围了里三层外三层,每次都被保安赶走"。

13. 焦虑让策略短视:赢在这个月,输在两年

  • 联创路易斯说他这次创业风格"彻底变了"。他自认两处变化:方向看得更久、一旦做更坚持;以及从第三者和未来的视角看起伏——"你如果站在未来往回头看,这件事其实也就这么回事",轻舟已过万重山。
  • 对"企业家焦虑是不是品质"的回答最见血:"我焦虑的时候我的策略会变得短视,我会选择当下的最优解,而不会选择两年后的最优解。所以我可能赢在这个月,但是我输在了两年。"案例是掌门:在线一对一占了70%的market share,大班课出来后股东意见相左、双线作战——"你赢得了一场仗,但你输了更大的市场。"
  • 给受挫创业者的话:"你遇到的挫折,往往只是逼迫你去做一件其实你真正要做的事情"——失败是外在力量在帮你做选择,"我们必须找到自洽,才能活得更好"。他几乎从不说"早知道"。十年寄语:希望那时的自己"还能继续相信,永远有美好的未来在不远处"。

Verification Notes

  • Raw captions render the comparison entity as“语速”; “可能是宇树” remains an unresolved name identification.
Full transcript

Ronghui

你好张翼,欢迎来到十字路口,谢谢你。

张翼

好,扣姐。

好,那我们还是从快问快答开始。请问张翼,你的年龄?

张翼

36。

毕业的院校?

张翼

上海交大。

MBTI 和星座?

张翼

INTJ,摩羯。

一句话介绍一下未来不远这家公司和 F2 这款产品。

张翼

未来不远是一家一直专注于做家庭通用机器人的公司。F2 比我们之前的 F1 颜值更高、功能更强大,而且也是最终会交付到客户手里的机器人形态。

咱们目前融资的情况方便讲吗?

张翼

我们前后一共融了3轮。原来是我和团队自己投钱,一直到去年底,我们觉得产品确实能推向市场,能开始给大家试用,而且试用后很受欢迎,然后才正式出来融资。从去年底到现在几个月的时间里,我们快速融了两轮。

目前咱们的产品还没有开售,对吧?

张翼

我们目前是开租,在上海一些家庭里面预约开租、排队。

团队的规模呢?

张翼

主要是工程师,大概100人左右。

创业前做过什么?

张翼

创业前在创业。其实在创业前、在学校的时候也在创业,就在一边读书一边创业。

我们今天肯定要重点聊未来不远,聊家庭通用机器人。但是在那之前,我自己特别好奇。我身边其实有很多朋友都经历了双减,而我觉得张翼可能是经历双减的人里面,当时公司已经上市、拥有30亿美元市值的人。双减来的那一刻,你在哪里看到这个新闻的?

张翼

当时我带着团队去一家出海做得非常好的公司,应该是在车上,有一些投资人给我发了一个消息,说:“这个文件怎么这样?这是真的吗?”我看到这个东西的那一刻,觉得一片空白,就觉得是真的吗?难以置信,有点难以置信。

什么时候你发现这是真的?

张翼

其实确定它是真的,应该花了半个月这么久。我们当时觉得,这会不会是一个阶段性的事情,所以先裁掉了一些人,然后边走边看。

半个月后,我记得我们以前有几个核心投资人跟我说:“这个事是 real 的。你看,公司那年我们有100亿,你就想,100亿的公司养这么多员工,每个月的支出有多高,其实是非常高的。一旦没有收入,如果维持这么高的支出,整个公司直接就爆了。”

所以当时很多投资人说:“你不能再拖了,再拖下去,我今天就不会坐在这里了。”后来确实很 serious。剩下两个半月,我们确实没办法,只能减到1000人以内。

在你非常确定它是真的之后,开的第一个会是什么会?

张翼

我们内部核心开了一个会。当然,我其实已经有点想不起那段最难受的记忆了。从9千多人减到剩1000人以内的时候,那段记忆确实有点泛白了,但我记得当时这个体量的减员是非常难受的。

首先,很多兄弟你要跟他们 say goodbye。我还印象深刻,有些 HR——我们原来在全国有50几个城市都有分公司,而且都很大——把所有人 say goodbye 之后,自己关灯出来。这个体量的减人,已经不是正常的减法了。

从你跟核心管理层讲完这个会,他们再一层层向下去开会。那些会是什么样的气氛?是非常肃穆,还是和想象中不完全一样?

张翼

说实话,我自己的会已经完全空白了。我后脑勺有一撮白头发,就是那个时候出来的。

但是其他的会,因为他们后来不断口述给我,所以我记得非常深刻。我记得有很多会一场就有几百个人,然后一场一场开下去。否则大家不理解我为什么要这么做。几百个人在现场,几个核心高管可能会分别出来讲这个事儿,有时候讲着讲着,就有人现场哭出来了。

经历过双减的人,多多少少都会说,这对自己后面的人生选择产生了非常大的影响。你觉得这一段经历,对你后来选择做未来不远、做机器人带来了哪些影响?

张翼

只要人生有巨大的波折,都会有很多思考。无论是双减,还是其他人经历的其他事情,只要有巨大的起伏,都会思考:人生的意义是什么?我们到底为什么要奋斗?我们应该何去何从?什么对我们是最重要的?

但是,如果人生一直很顺利,肯定没有时间,也不会去思考这些事情。所以我觉得,这些思考当然会影响自己的选择。毕竟你要花很长时间去消化这些事情。我做机器人中间也隔了一年多,其实这一年多确实做了非常多的思考,最后才做了一个决定。

那一年多的思考,最后为什么指向了做机器人?

张翼

当时其实有一段时间我 get lost 了,有一段时间很伤心,也不用去公司。我以前天天去公司,干到很晚,但那半年真的不用去公司了,因为公司没事可做,我也不敢去。

在想做事情之前,我已经消化了很长时间,也已经思考了很长一段时间人生的意义是什么。但后来我觉得,人生还是应该参与这个世界的一点点变革。哪怕创造只有一点点贡献,也是有意义的。至少对我这种人来说,我希望老的时候回过头看,这辈子不后悔。所以我觉得还是要做点事。

后来想清楚这些事情以后,我去了硅谷待了一段时间。因为我原来在交大学的是电子信息工程,很多同学在美国搞 AI,所以我跟很多人聊了很多。

我当时决定做机器人,第一是因为聊了很多这方面的事情。当时 ChatGPT 还在3.0,没到3.5,但我觉得它有机会。我看完它的一些落地应用,觉得很有意思,未来 maybe 能够落到一些东西上。

第二,因为我也要学这个东西。我在学校的时候参加过很多这种比赛,当时还比较早,都是做智能车、电子设计之类的。我觉得这可能可以结合起来。

最后我又在想,因为我做家庭做了很多年,还是有一些优势的。我很了解这些用户——孩子、妈妈、爸爸或者其他家庭成员。所以我想,这三个方面结合起来,是不是可以做家庭机器人?

而且我当时想,如果我还要做一件事,这件事必须比以前更大,否则我没有动力。我觉得家庭机器人几十年后每家每户买一台放在家里用,这是一个大概率事件。所以当时也看了一圈,包括英伟达做的 GR00T,也和曾哥一起看了一些机器人公司。看完以后,我就想做机器人。

刚才提到,你一直在寻找机会,而且一定要做一件比之前更大的事情,可能这样你才会有动力。有没有一个关键时刻,你决定好了:就是它了,我要 all in,开始干机器人了?

张翼

我已经忘了是谁跟我说过这句话,就是“20年后,每家每户一定会买一个机器人”。这句话非常说服我。我觉得这确实是一件很有意义的事,而且它有意义,是因为现在还没有人做。

我觉得我要做的事情,一定不是很多人已经在做、或者很多人想去做的事。因为那样的话,多一个我没有意义。所以我觉得这件事是有前瞻性的,而且我觉得正确的事情最后一定会迎来好的结果,因为这个方向是正确的。

家庭机器人现在没有人做,但这个方向一定是正确的,最后一定会收到反馈。

这很像你说的,做正确的事情。

这一两年,具身智能发生了大爆发,尤其今年春节过完回来之后,各种融资的头条新闻一个接一个,非常疯狂。你会认为自己提前4年做这件事吗?因为提前的这个时间段,你得到了哪些优势?

张翼

机器人提前的复利是比 AI 大的。AI 发展得太快,因为它是一个纯算法、纯软件的事情。机器人是软硬结合的东西,一旦碰到软硬结合,速度就非常慢。

比如说宇树的研发成本是不是很高?其实也没有特别夸张,一年大几千万。但是你说现在花10个亿,是不是就能造出像宇树一样,locomotion、各方面稳定性都这么好的机器人?不可能,或者说非常难。这不是钱的问题,是时间问题。

所以我们选机器人,也是因为它是软硬件结合的东西。它不只有大脑,还有小脑和硬件。一旦提前做,在打磨硬件上就有很大优势,比如硬件成本更低、稳定性更好、更丝滑,手臂不会抖,各种各样的东西都会更好。

所以我们当时的计划就是先憋3年,把整个东西真正做到消费级,做到相对 ready、产品化的程度,再出来。

“先憋3年”这个判断是怎么来的?刚才我们聊到,前面都是自己的钱在跑这个团队,这其实也不是一笔小钱。出于什么考虑,你要先憋3年?

张翼

我觉得家庭机器人这个东西有点超前。哪怕你一开始天天出来讲,大家也不一定能理解,但最终大家一定会理解。

所以这个时候,我不用一个人出来改变大家对它的看法,不如好好把产品做出来。比如今年,我们把产品拿出来,大家说:“哇,这个产品化程度很高。”大家再去看一圈,发现其他公司没有人做到这么高。我想做到这种“哇”的 moment,在很 surprise 的情况下再出来。

第二,我经历过一次创业的起和落。我想如果再出来融资,就要很确定这件事是能成的,否则后面有得收拾。

我说3年,是想确定这件事确实能做到消费级、能商品化,而且功能确实像我想的那样。其实在我睡觉的时候,已经有一些用户试用了商品,反馈也不错。

当时决定做机器人时,有纠结过做工业还是做家庭吗?

张翼

其实没有。对于我个人来说,我会这么看:很多 To B 的技术到最后其实没有特别高的壁垒,最后就会杀价格,很难盈利。

比如同样是做清洁机器人,做 To B 和做 To C 是不一样的。To C 现在的那些公司利润都非常高,但 To B 相对 struggle 一点。可能卖海外还好,卖国内是非常 struggle 的。

To C 的优势在于,一旦你的产品体验非常好,大家就认可你的品牌。这个领域里,如果你的品牌产品质量确实 OK,大家体验很好,品牌本身就值一个溢价。这个溢价会让你有利润,然后你再拿利润去投入,做出更好的产品,形成正反馈。

所以我一直做 To C。我觉得 To C 这种反馈方式更适合我。

定了做 To C、做家庭之后,你们就开干了。那个时候做的第一件事情是什么?

张翼

第一件事情是招人。

招什么样的人?

张翼

找一些合伙人,一些核心工程师,硬件能力也招了不少。

什么时候开始真正认真地定义产品?

张翼

其实从第一天开始,我们就在一直寻找产品的方向。我记得在国内和北美,应该分别发了五六千份问卷,也做了电话访谈,跟用户聊:“你怎么看?什么样的功能你会买?做到什么程度才是一个 ready 状态?”

我们一直在寻找这个答案。所谓“未来不远”,到底有多远?我们也想确定这个时间。

什么时候你们比较笃信,第一版产品的功能列表、卖点和取舍定下来了?

张翼

去年底。

那不就是3个月前?

张翼

对,3个月前。之前一直都是研发,大概有一个方向,但不确定这个方向对不对。有人说这个好,有人说这个不好。有人说叠衣服值500块,有人说扫地值2000块。你把这些加起来,发现还是达不到那个价值,机器成本也无法覆盖。

所以你要寻找很多方式。为什么是去年底?因为去年下半年,我们的机器人可以进家庭了,已经到 ready 状态了,稳定性、成本、泛化情况,各方面都达到了要求。然后开始进别人家里使用,用户用过以后反馈 OK。

去了多少家庭?这些家庭都是什么样的家庭?

张翼

应该是300个家庭。

在上海,你们把机器人送进家庭的时候,是带着什么样的状态送进去的?是安排好10个功能,让他们一个一个用,还是他们进去的时候也是一张白纸,你们期待看用户怎么使用?

张翼

你总结得非常好,我们就是分几个阶段来的。

一开始进去的时候,有一些能力我们比较自信。最开始我们会告诉用户:“你只能干这几个事。”后来随着迭代和优化,逐渐告诉用户:“你可以开始自由发挥了。”

到现在,很多功能反而都是用户提给我们的。比如一开始它不会下棋,很多用户说想下棋。很多小孩子下棋,看电脑下棋看两个小时,眼睛都要坏掉了。很多人就说:“你们能不能下棋?”后来我们专门强化了这个功能,而且我们是夹持式的,所以能下各种各样的棋。

再举个例子,有些小孩会提出你想象不到的需求,比如捉迷藏。他小时候想玩捉迷藏,确实玩得很开心,每天都玩。我们就发现,这很有意思,于是专门把这个功能强化了,做了捉迷藏。

所以后来功能越叠加越多,其实是一个共创的过程。

可不可以介绍一下 F2?今天要上市的这款新产品,如果你面前有一个目标客户,比如说我其实也算目标客户,你会怎么安利我?

张翼

它有两个主要功能:一个是带娃,第二个是做一些轻家务。

带娃和轻家务都是非常重要的需求。每天上班很累,回去还要带娃,它能帮我解决家里的问题,我当然很开心。

它能帮孩子读绘本、陪他弹钢琴、陪他拉小提琴、带他下棋,还能帮他找乐高,玩捉迷藏,跟他一起扔篮球。既有运动,也有非运动。玩完以后睡觉,它还能陪孩子讲故事,讲完孩子就睡了。然后你把灯关了,它就出来了。

我们一开始也想做养老,问很多退休老人:“你孤独吗?需不需要陪伴?”他们说:“你帮我带娃。”所以不是陪老人,而是帮老人带孙子。

当然,80岁以上老人是另一个群体,他们可能需要的是护理、做菜之类的厨房功能。

说到带娃,刚才你提到了很多场景,甚至包括陪孩子拉小提琴。这是一个什么样的陪法?

张翼

它是听音识曲,判断你弹得对不对,包括你的指法、坐姿,都可以实时纠正,还可以和你对话。

你看到什么年龄段的小孩,和机器人的互动是最好的?

张翼

中班以上到小学。

为什么这个阶段最好?

张翼

一方面,他得有唤醒智能音箱的能力。它不全是学习,也会玩游戏,比如萝卜蹲之类的游戏,跟以前玩的东西一样,有很多玩法。

稍微大一点、上小学的孩子,可以下棋,属于比较高阶一点的玩法。还有就是数据飞轮。随着互动越来越多,它毕竟是机器人,有越来越多的数据,这些数据会丰富我们的大脑。

我最近也给小孩买了一个机器狗,它能听指令做一些事情,也能对话,但我发现他们可能玩一个小时之后就没兴趣了。从你们的角度来看,已经送到家庭里的机器人,小孩平均能和它玩多久?

张翼

去年刚开始进家的时候,在人家家里一般放一两天。一两天的原因倒不是孩子不想玩,而是我们的机器不稳定,放一两天就要去维护。

一直到这个月,我们在家里都是放一两个月,一两个月才上门维护。其实一两个月里,用户每天还是会用几个小时。

我一直是个 product manager,东西是要续费的,还有转介绍。这两个指标在后面非常重要,比如50%的转介绍率,还有30%的续费率,这决定了你判断产品好不好,而不是今天卖了多少量。今天卖了多少量可能是一波流,但口碑非常重要。

口碑的前置条件,就是使用时长和使用衰减情况。所以当我们看到用户一两个月后还一直在用,就非常开心。

咱们目前是按月有订阅机制,还是一次买断?

张翼

我们现在是按租的方式,因为也不可能让它在用户家里放很久,我们还要拿回来升级、维护。

正式上市之后,你打算采用这两种方式吗?

张翼

我们现在租的话,一个月是3000到4000块钱。第二种是可以直接买断,买断价格便宜一点,但需要付一些订阅费,解锁一些高阶功能。因为后面有一些功能可能还是要消耗算力。

刚才说到,一个主要场景是教育,另外一个主要场景是轻家务。轻家务包括什么?

张翼

比如帮你收玩具、捡垃圾,这些轻家务对机器人的鲁棒性要求也不一定特别高。

重家务里面,最重的其实是厨房,因为瓶瓶罐罐非常多,还有各种很脏、很油腻的东西。重家务我认为还需要几年时间,所以我们是从轻家务开始,再通过不断获得更多家庭数据,形成数据飞轮。

刚才我们提到,用户调研时会认为这个功能值300,那个功能值500。你们是用这种方式定价吗?是从能做几件事情出发,分别判断它们值多少钱,最后加起来得到一个总价,还是有其他方式来最终决定定价?

张翼

我发现卖一个东西,要看你对标的是什么。比如做这个东西,是为了做家务吗?是为了对标一个阿姨吗?

阿姨其实不贵。就算在上海这样的城市,可能一个月也就七八千块钱,她能做很多家务,轻重家务都能做。你只能做轻家务,机器成本可能还要两三万。

所以后来我们想,为什么带娃变成了一个主要功能?做一个商品,得比现在的东西性价比更高,那才有意义。

带娃的话,比如你现在想找一个人帮你带娃,他可能不只会讲中文,还会讲一点英语,能陪孩子下棋。这样的阿姨可能真的很贵,在上海这样的城市,一个月3万到4万也未必找得到,因为这种人很难找。

所以如果能做出一款达到这些水平的产品,我觉得它就值这个钱。

刚才你提到,你们一开始预设了很多功能,然后把机器人送进家庭。这里面有哪些预设功能给了你们惊喜,或者给了你们惊吓?

张翼

惊喜还是挺多的。比如陪娃玩这件事,我们当时调研的时候完全没有调研出来。但机器人有机械臂,导致它玩的东西很花里胡哨,孩子很想让它陪自己玩各种东西。

因为孩子家里的玩具都没有手,机器人第一次有了手,能跟他一起拿东西。孩子把小车咻地飞出去,它再捡回来;它把小车咻地飞出去,再飞回来。年龄低一点的孩子,居然能玩两个小时。第二天可能又玩别的玩法。

所以我们觉得这很 surprise,这才真正让我们关注到这个功能。

惊吓也有。比如家里有狗、有猫,机器人进去以后,有一户人家的狗一晚上都睡不好觉,主人就说:“算了,狗连觉都睡不好,这不行。”

后来我们专门研发怎么和狗相处,发现和狗互动好像也是一件挺有意思的事。我们开始训练它喂狗粮。猫有点像喜欢鸡毛掸子一样,可以陪它玩一两个小时,后来猫也不怕机器人了。

后来我们发现,宠物陪玩也是一件挺有意思的事。宠物陪玩一个也要几千块。

其实这个世界上的商品有两种:一种是产品,一种是服务。

张翼

对。家庭机器人看上去是一个产品,但其实它背后卖的是服务。

服务很贵,也很难标准化,但我觉得通过机器、通过物理 AI 的方式,可以让很多东西标准化。

所以我们肯定希望,家庭机器人进入家庭之后,能做的事情越多、越泛化越好。

这里就有一个问题。大家会认为,人形机器人,尤其是双足机器人,比起轮式机器人,可能可以适应更多家庭空间。但显然你们选择的是轮式,可以讲一下这背后的思考吗?

张翼

我觉得轮式机器人和双足机器人各有优劣,也不敢一概而论。

轮式机器人的优势是在室内场景里性价比确实非常高。这个性价比包括安全性和稳定性。双足机器人真的拿到家里,我们也买过,包括机器狗。它确实不太适合在家里,为什么?你把它提起来,它会飞车,脚会开始乱飞,一定不稳定,比较危险。

所以我觉得在室内场景里面,轮式很稳,安全度也很高。除了欧美家庭的别墅,像中国大部分家庭都是平层,其实轮式已经非常稳定,能处理很多事情,而且不需要额外考虑稳定性。它本身就很稳定,只要配重做好、底盘足够重就可以。

它的电池也比较大,因为电池在下面,续航能力比较强。其实从一开始,我们的底层结构和架构就是这样设计的。

就在我们录播客的这一两个月里,世界模型突然铺天盖地地出现。我们也听说,有世界模型研究员拿到1000万的高薪,也有很多做世界模型的创业公司在资本市场很受追捧。你怎么看世界模型?

张翼

世界模型至少给了我很多 surprise。因为它在 zero-shot 方面,用大白话说,就是从来没见过的东西,它能够有几十%的鲁棒性,这确实很 surprise。因为 VLA 之前非常难做到这件事。

所以从这个角度讲,它是有一定优势的。当然,世界模型的定义很多很多。我是以英伟达 DreamZero 为例,来讲我理解的世界模型。

从底层方式上讲,像我们这种做机器人的,尤其是做家庭机器人的,泛化性非常重要。Zero-shot 总会遇到很多 corner case,所以从我们的场景来说,它一定会比 VLA 更具前瞻性。

这两个月我们才引入了很多做世界模型的人。世界模型的人才在国内之前确实不是很多,但找到这样的人才很重要。

当然,世界模型也不一定是终点。它在 zero-shot 方面的鲁棒性还没有达到100%,还是有相当长的路要走。所以至少在现阶段,两条路并行是很多公司的选择,包括 VLA 也还在不断迭代,不能直接否掉。

但从基本方式上理解,WM 模型是有一定推理能力的,VLA 没有。它有推理能力,就意味着能够预测一个东西的轨迹,这个能力非常强。

它的训练方式也不太一样,比如会灌注很多视频。它更轻量,包括只需要在头上带一个摄像头,手部直接操作就可以,不需要那么重。所以它确实有一些优势。

但是现在还很难说,因为它的鲁棒性还没有达到100%。很多东西还处在论文阶段,只能说它从方式上是更先进的。

咱们有非常多的选择是自研,对不对?不知道方不方便分享一下,在不同公司做出不同选择的时候,你们做了哪些关键的自研选择?

张翼

从2022年开始,一开始我们做了很多硬件自研,后来逐渐变成全栈自研。

从电机、扭矩、关节到整个手臂、夹爪和整机,这些都是自研的。这也是为什么之前花了非常长的时间。

一旦硬件自研,算法也得自研,因为要跟硬件打通。而且我们自研的目标,是一定要把成本做到很低,做到消费级。很多东西在市场上找不到这么便宜的供应商,所以不得不自己做。

甚至比如关节里面的孔径要足够大,才能走更多的线。市场上没有这样的产品,所以只能自己定义,把这个东西做出来。

我记得之前交流的时候,你说自研关节的成本大概是1000块左右,但如果第三方采购,平均可能要8000块。怎么能够做到这么便宜?别人是专业做这个的,为什么反而做不过你们?

张翼

比如我们想要中空、大孔径的关节,这确实没有现成的。让别人做,成本必然比较贵。

还有一个更重要的事情,很多做这种关节的都是工业级产品。我们做家庭机器人,砍掉了非常多参数。

比如整个手臂,我们的重复定位精度达到这个程度就够了,负载达到这个程度就够了。它不需要既适配工厂搬很重的东西,又要去便利店拿各种形式的东西。我们把这些参数全砍了,砍到极致,家庭够用、ready 就可以。

当然成本会更便宜。因为第一次进入家庭,你知道参数到什么位置就够了,每个零部件都按这个标准来做。所以全链路自研给你们带来了很多好处。

除了刚才提到的,还有其他好处吗?

张翼

最大的好处是,每个地方的参数都能拿到。比如电流环,你可以知道每个关节实际的情况怎么样,实际电量大小是多少。

如果是第三方供应商,它不会开放很多接口,你也无法调到想要的数据。但自研之后,你能拿到这些数据,就可以做很多优化算法。

比如为什么有些消费级的手臂能做到不抖?因为它拿到了很多参数,每个接口的数据都拿到了,所以可以调到最优。

全链路自研有坑吗?

张翼

当然有坑。你要花非常多时间,而且有些地方自研不出来。比如减速器,自研难度非常大;还有深度相机,也不可能全部自研。

在目前选择自研的这些组件里面,哪一个最难?

张翼

比如驱动器。在一个巴掌大的地方,要集成很多高密度的东西,包括里面的温控怎么做。这一块也是我们的硬件团队花了非常长时间去调优稳定性。

但这还是能做的,所以最后自研出来了。减速器一开始也尝试过,但后来发现齿隙太大,还有很多工艺问题,确实不好做,所以就放弃了。

我记得咱们用的不是5个手指的灵巧手,对不对?

张翼

对,我们是两爪。

这是不是也是一个非常重要的关键选择?

张翼

主要是现在的灵巧手,5指灵巧手,全世界你找不到一个能够连续使用两个月以上的。我觉得这个东西最终肯定能克服,但确实是工艺问题。

每个关节都很小,如果天天受到冲击,确实比两爪这么大的关节更容易坏。我们其实预留了接口,等灵巧手成熟以后,也可以很快换上去。

但让我们现在去做灵巧手,我觉得时间确实还相对比较长。很多公司专门在做这一块,我们也就不参与了。

咱们都知道,具身智能背后其实有小脑和大脑,数据都非常重要。尤其你们也在做世界模型,数据就变得更加重要。我好奇的是,你们的数据是怎么来的?

往前看,你会觉得数据的差异,是不同厂商拉开竞争优势的一个很重要的关键点吗?

张翼

数据肯定是很重要的一件事。尤其是这几个月,出现了很多只做数据的公司。你看英伟达,包括国内的一些大厂,都在买数据。

当然,大脑的竞争很激烈,但抄起来也很快。如果一个大脑团队做出了比较好的模式,另一家公司弄出来可能也就一两个月。

但数据不一样,数据比较慢。因为机器人数据在历史上非常少,包括英伟达的 DreamZero,我记得是12个还是十几个 B。其实规模很小,说明数据量确实很少。家庭数据就更少,采集起来确实比较困难。

我觉得数据最终会决定一家机器人公司。比如同样是叠一件衣服,我叠得比你好,因为我拥有的家庭数据比你多。

所以为什么要进入家庭?因为有了真实家庭数据,才能让迭代飞轮转起来,才能做得越来越好。数据,包括数据管道的搭建,最后都会成为决胜非常重要的关键。

你会预感,接下来一两年大家会疯狂采集数据,这一两年会不会是某种决胜之年?

张翼

数据其实分两种,甚至分3种。

第一种是正儿八经的数据,比如我就叠一件衣服。现在很多数据工厂就是叠衣服。

但数据还有第二种,就是 corner case。比如叠衣服的时候,桌子缺了一条腿,或者桌子不稳,那我叠衣服就会乱掉。

这种情况,理论上你不会在工厂里搭一个这样的环境,因为这种情况千变万化,实在多得不得了。Corner case 实际上还得在家里,才能真正学到。所以我才觉得,真实场景非常重要。

还有第三种数据,也是现在很多人忽略掉的:与活物互动的数据,包括与人互动、与动物互动。

你在工厂里面会跟小孩互动吗?你不会专门训练跟小孩互动。但这个其实很重要。我们在家里80%的场景就是跟人在互动,跟不同年龄、不同种族、不同性别的人互动,方式都会有差异,而且千变万化。

怎么采集这些数据?你一定要拿到真实情况,才能看到这些。否则你的数据就只是这个世界100%中的1%。

咱们在做的事情,我理解和 Sunday 在美国做的事情还是有一点相似。Sunday 发布的时候,我自己觉得挺震撼的。不知道你们看到那个产品,在几个月前发布时,有没有带给你们什么启发?

张翼

我们觉得挺有意思。有一点让我 surprise:一家在美国做的公司,居然也做硬件,这确实很 surprise。

我觉得它有一些巧思,比如相机位置的设置、对外形设计的思考,包括一种 Umi 的素材方式。我觉得有一些地方还是有巧思的。

当然,因为产品还没开卖,所以也很难实际评价。但从这些方面去看,包括他们一些 ACT 的方案,很难在没有开源的情况下评价。不过我觉得,他们确实加入了很多自己的思考。

刚才我们在聊数据捕捉。Sunday 做了一个 Skill Capture Glove,技能捕捉手套,对吧?

张翼

对,是技能捕捉手套。

你们会有类似的东西吗?

张翼

我们之所以要进入家庭,是因为我觉得最好的方式,是收集最真实的 common case。它不是摆出来的,而是最真实的家庭场景。

这就是为什么我们很想先把机器人卖到家里,哪怕先租到家庭里面去。

你们会采取一个非常激进的低价策略吗?比如赔本卖,主要目标就是铺开,尽可能多地进入家庭,因为这是在构建未来。数据意味着护城河,对吧?

张翼

要看市场的变化情况。早期可能会贴着成本卖。同时,别人采集数据肯定要花很多钱,但我们至少是贴着成本过去的,让飞轮先转起来。

你预测会有人搞大补贴吗?因为今天资本市场这么热,好像大家都补贴得起了。你预感会有人这么干吗?

张翼

我从两个方面来讲。

首先,它还不是一个纯大脑的事情。你要做全栈,做到消费级。我觉得首先大家都达到这个水平,才有可能谈补贴,但这确实需要时间。

第二,补贴当然也有一定可能性。如果很多人都做到我们这个程度,可能就会出现补贴。但我觉得,大家可能还要花相当一段时间,才能达到我们的程度。

以目前的市场热度,我还不认为已经达到那个程度。毕竟互联网时代的融资金额,确实可能比现在很多领域的融资金额大一个数量级。以前都是以美元计价,现在很多是以人民币计价。

你们最多的时候融了多少?

张翼

我们当时融得最多的时候,一轮大概融几亿美元吧。但当时在线教育有很多人一轮融10亿美元、20亿美元,一轮就是这么多,所以我才说,现在这种疯狂状态还没有达到当时的程度。

但如果今天一旦 ready、非常 ready,很多人看到我们的进展觉得不错,我觉得倒是有这种可能。

你现在怎么看当下的融资热度?

张翼

当下的融资热度可以分两个角度讲。

首先,很多人说有泡沫。我觉得肯定有一定泡沫。没有泡沫,一个行业很难起来。因为泡沫超前于行业的发展,才会有更多人才涌入;人才涌入,才有可能把这个行业做出来。

我毕竟是穿越过周期的人,所以有这样的感受:很多行业都要穿越周期,泡沫在每个周期的上面,但最终会掉下去。

不过机器人这个行业,未来20年到通用机器人,你可以看到一个确实存在的场景:到时候世界上所有公司都是机器人公司。一个便利店老板是人,下面很多都是机器人;每家公司都必须是机器人公司,不是机器人公司就不行了。

这种未来是可预见的,只是时间问题。中间的泡沫会一上一下,今天泡沫很大,啪,一下被刺破,掉下来,但它一定是曲折向上的。

如果从融资和资本来看,我觉得现在处在一个周期里,但还不是最终。核心是要穿越周期。

在你看来,今天这些融到很多钱的机器人公司,哪些更有可能穿越周期、活下来?它们需要具备哪些要素?

张翼

穿越周期,不是今天融20个亿就能解决的问题。长期来说,你必须是 sustainable 的,有自己的商业模式。否则一年亏几十个亿是很简单的。

再说家庭机器人,你觉得从今天到真正进入千家万户,中间最大的障碍有哪些?

张翼

如果你指的是所有人都有一台,那时候一定要覆盖所有需求,必须是一个非常通用的机器人。

但这个过程会有迭代,因为数据很重要。如果没有拿到足够多的数据,就无法变得更通用,也无法自我升级。

一开始我觉得,最难的是谁能把机器人放到家庭里面,而且大家喜欢它,会一直使用它,让飞轮转起来。这是最难的第一步。

一旦飞轮转起来,后面很多事情都是等待时间、模型调优和数据累积。核心是第一个飞轮必须转起来。

它要达到什么样的阈值,飞轮才算转起来?比如放1000台进去,算转起来吗?还是放10万台、100万台才叫转起来?

张翼

这取决于几个因素,包括模型升级、模型本身需要多少数据,或者需要多少高质量数据,dirty data 能不能用。

第一次模型升级时,对数据的要求是什么,数据采集方式的变化是不是更友好,包括错误的数据在纠正之后,是不是也算好的数据,这些都很重要。

你觉得消费者对机器人现在还有一些顾虑需要打消吗?比如大家会觉得,家里有一个机器人不安全。

张翼

我觉得中国人对于新鲜事物的接受度还是挺高的,相对欧美人来说是这样。

比如我们之前每次在公园下棋,很多老人都会围得里三层外三层,最后每次都是被保安赶走。

你们有把机器人送去公园下棋?

张翼

有啊。有时候我们把机器人放到楼下,马上就会围过来很多老人。

如果我买一台机器人回家,可以带它出门遛弯吗?

张翼

如果没有坎,可以。但如果有坎,就不太行。

理论上,只要有残疾人通道就可以,对不对?

张翼

对。这个挺有意思,因为现在没有什么法规限制,说我不能带机器人出门。你只要不要带出门以后围上太多人就可以了。

在准备这一期播客之前,我也和你的联合创始人路易斯、投资人真格基金的缇娜交流过,问他们有什么建议,以及这一期内容应该怎么做。

路易斯提到一个很有趣的点:他认为你经历双减——打个引号,有点像灭顶之灾——之后,这次创业的风格彻底变了。路易斯和你一起经历了所有创业旅程。你自己觉得你变了吗?

张翼

我觉得可能是在朝着一个本来就应该去的方向变化。

原来没有朝那个方向去吗?

张翼

原来也有,但我可能缺了某个东西。经历了这些事情以后,那些缺的东西被补上了,变得更加完整。

那是什么东西?能用语言把它描述出来吗?

张翼

两个东西。

第一个是关于坚持。我现在对一些方向一开始会看得更久,但一旦决定做,就会更加坚持。

第二个,我觉得自己会从更高的角度去看待起伏。起伏不太会影响到我了。我有时候会从第三者的角度看待这件事,而不是把自己放在事情里面去看。

这要怎么做到?

张翼

以前遇到一件事就很着急,非常着急,很容易焦虑。我这个人本来就很容易焦虑。

但后来经历了更大的风浪以后,很多事情你只要看起来觉得很难,如果站在未来回头看,就会发现其实也就这么回事。可是如果总是站在现在往后看,就会觉得这件事很大,今天就过不去了。

现在我会从另外一个角度看这件事,这样可以看得更完整、更持久,也看得更清楚。

你会把自己放到未来再来看现在,就会发现很多时候是“轻舟已过万重山”的感觉。

张翼

没错。

这种能力或者心态,和双减的经历有关吗?

张翼

也有一定关系。

有人会说,企业家焦虑其实也是一种品质,比如完美主义,或者一定要去纠正组织和产品上的问题、bug。但如果你变得能够和这些问题和解,会不会担心这本身也是一个问题?

张翼

我以前做在线教育的时候,确实有些在线教育公司做得比我们大、比我们好。后来我知道,有些创始人确实比较淡定。

因为我焦虑的时候,策略会变得短视。我会选择当下的最优解,而不会选择两年后的最优解。所以我可能赢在了这个月,但输在了两年后。

但现在不是了。很多时候我会跳出来看:焦虑是一件事,那这件事有没有解决方案?如果有,那就这么做。有方案以后就不要焦虑了。

员工很怕你焦虑,高管也很怕你焦虑。老板今天上了一个商学院,回来马上发生战略变化,听完几节课很焦虑,说我们要做人才变革,马上引进几个人,然后开始大刀阔斧地做,大家会很害怕。

你能想到一个具体例子吗?比如一个人在焦虑时做的决策,可能当下这个月让你赢了,但两年之后输了。

张翼

我记得我们当时做在线一对一,在这个领域确实做得非常牛,占据了70%的市场份额,远远超过第二名,拉开了非常大的一截。

后来有一种新的形态出来,叫在线大班课。其实有人会说,在线大班课是更终局的模式,因为它面对更多人,毛利更高,理论上更好。

我也想做,因为我觉得这确实是一个更好的模式。很多股东就会开始说:“这一仗还没打完,你要去打大班课的仗?大家也都不是吃素的。你只干一件事,对吧?你干这个的时候,会不会被第二名超过?战斗还没结束,小组赛还没结束。”

然后股东又说:“你要去干那个,那个市场大10倍,公司市值一下子能翻多少?”大家意见非常不同,我就很纠结。

但这个时候你会双线作战,最后发现两件事都做不好。因为别人做大班课,专心一意就干大班课;你不是这样。

所以虽然你最后赢得了一场仗,但输了更大的市场。

如果今天要对那些经历过创业失败,或者经历过类似双减这样打击的创业者说一句话,你会想到什么?

张翼

对于经历过挫折的人,或者创业者,我觉得你遇到的挫折,或者遇到的巨大变故,往往只是逼迫你去做一件其实真正应该做的事情。

人生不可能走在两条船上,所以你永远不知道哪个是最好的选择。我们只能相信,自己选择的这个一定是最好的。哪怕经历挫折,它也是在帮我们做选择。

我们必须找到自洽。只有自己找到自洽,才能活得更好。

也有可能,失败是一种外在的力量在帮你做选择,帮你排除一些可能性。

张翼

对。

我没想到是这样的一个答案,很有哲学意味。

你后悔过去十几年创业中有哪些没做的事情吗?有没有一想到“后悔”这个词,就会冒出来的一件事或两件事?

张翼

我这个人其实很少后悔。比如有些人会说“早知道怎么样怎么样”,但我几乎从来不说这句话。

因为人生没有第二种选择。就算你后悔做了一件事,你怎么知道它里面没有更多的后悔?

所以我一直觉得,我们还是要相信自己做的选择一定是最恰当的。更重要的是找到自己的自洽。我的选择,跟我的过往以及即将要走的路,我个人觉得都是匹配的。

无论我现在周遭如何,再低落、再低迷、再惨,或者再好,我觉得这个时候都要先向上看。有人做得那么好,对吧?你的企业虽然可能有100亿,但还有1000亿的。看完以后你会谦虚,觉得自己其实是个 nobody。

但同时你也要向下看:我也不是一无是处。人就是要活在一个自洽里面,这样才能活得久,然后活得好。

无论你做企业还是工作,只有活得久、活得好,才能真正做好。因为人最后还是要活得久。

就像你说的,现在的你更加平静、淡定,因此在做战略的时候,也可能做出更长久、更健康的战略。

这次做未来不远,和之前做掌门1对1,感觉像是两个完全不一样的人。创业对你的意义,是不是也有了非常大的变化?

张翼

我觉得创业本来就是一种修行。当然很多东西都是修行,工作也是修行,送外卖也是一种修行。很多事情都是修行,只是修行的东西不一样。

创业这件事,从第一次选择这条路的时候,我就知道它肯定与众不同,而且它要修行的东西可能也不太一样。

我研究生的时候上的是上海高金,这是国内可能 top one 的商学院。当时招的都是清华、北大、复旦、交大这些学校的第一名才能去。

但在那个学院念了一年后,我就离开了,出来创业。很多人极度费解,当时我也拿到了比较好的麦肯锡 offer,为什么居然不去,反而选择创业?

但我当时就知道,这是一条不归路,肯定会有很多问题、很多麻烦、很多失败。我也知道创业成功率只有0.1%。但是既然选择了前方,就只顾风雨兼程。

现在来说,如果是创业的人,就都要做好这个准备。你本来就是跟别人不太一样。

你觉得这一次和上一次最大的变化,如果只说一个点,会是什么?

张翼

最大的变化,我觉得是看东西看得更周全、更长远。

比如资本泡沫,我觉得确实有一部分资本带着炒股的心态。哪里火,我可能就要凑一下,弄一下,然后快进快退。

但我觉得最后大家还是会回到更长期的心态去做事情。我也相信这是最健康的方式。

如果往长期看,你要给10年之后的自己留一个言,或者许一个愿,你会希望那是一句什么样的心愿、祝福、寄语,或者问题?

张翼

可能会对10年后的我说:10年前的我觉得未来不远。10年后的那个时候,原来我所认为的那个“未来不远”的未来可能已经实现了。

但我希望,10年后的我还能继续相信,还有更美好的未来不远,永远有美好的未来在不远处。

给人以期待。赞。

好的,今天非常谢谢张翼。

张翼

谢谢,很开心。

也希望张翼现在正在创造的、他认为不远的未来,早一点成为我们每个人都能感受到的真实未来,有更多机器人进入我们的家庭,让我们过得更快乐、更轻松。

也期待你再来十字路口。

张翼

谢谢,谢谢。

拜拜。