74.与地瓜、阿里云的访谈：机器人爆发前夜，工程师成长，与 AI 的第三朵云

机器人领域人才培养太慢了，不太会用云。上个月我们有个比赛，在一个仿真器里面做比赛，差不多有 2 个微信群、190 支团队，里面有差不多 60 个团队用的是咱们的无影云，人均几百块钱就可以把一个比赛跑完。你也理解，就是 588 这样的规格的服务器其实非常贵，一般的大学生是没有这个算力资源的。

想改变世界，中间不可或缺的就是商业因素、管理因素、产品因素，甚至是怎么把技术的话语转化成更多人能听懂的话语。中间的每一个环节都会影响你最后的技术抱负是否能实现。个人的成长不是一条条延长线，而是成长、衰退、反思、再成长这样的一个循环。

整个行业都是十亿十亿地融，为什么大宗的标的发生在现在？

趋势一旦形成，大家只会去追。每个月的技术进步会快于之前的每一年。

具身这个拐点在什么时候已经发生了？

年轻的从业者、新毕业的同学，更多进到具身领域，而不是自动驾驶。

看上去好像是这一波具身抢了自动驾驶的人啊，其实更早之前是自动驾驶抢了具身的人，它是一个历史的轮回。

大家为了那个更大的商业闭环都愿意做梦嘛，继续在更新、更大的一个故事里面去做自己的事情。

Hello，大家好，欢迎来到漫谈 Leaders Talk，我是诗杰。回看历史，人类信息化的每一次范式转移都有着相似的规律。移动互联网时代的真正到来，并不是因为第一代智能手机的组装下线，而是因为 iOS 和安卓生态的建立与基础设施的普及，才让千千万万的独立开发者能够以极低的成本创造出改变世界的应用。开发者成群涌现的前夜，往往就是基点到来的钟声。今天的嘉宾正是为这场范式革命加速的具身基建创业者，地瓜机器人的基础设施研发负责人秦玉森，以及阿里云无影事业部总经理张献涛博士。秦玉森有着二十多年的机器人开发经验，也是一名成熟的技术管理者。在这一轮具身革命中，他与地瓜机器人致力于打造机器人行业的母生态。张献涛博士则亲历了移动互联网时代云生态的建立。这期节目中，他清晰地讲述了云计算将如何成为撬动整个具身商业社会的超级杠杆。这期内容不仅包含大量机器人的硬核技术，更是一部关于技术、人才以及基建变迁的微观商业史。欢迎前往 B 站、YouTube、视频号、小红书等平台观看本期内容的视频版，将有更多准确的文字标注。欢迎玉森给大家打声招呼吧。

啊，大家好，我是秦玉森，来自地瓜机器人。

你的经历非常丰富，先给我们介绍一下你的经历吧。

1. 机器人之路始于竞赛

我读书时候的经历是在欧洲读书，在 3 所学校。2 年半之内修了 2 个双学位，后来因为分数高，又多给了 1 个，所以 2 年半差不多下来有 5 个在欧洲的硕士学位。

回国之后先短暂加入了一家公司，叫零零，是一家做无人机的公司。后来到了九号，大概在里面做了 6 年多、快 7 年。之后出来短暂休息了一段时间，就加入了地瓜，负责地瓜在整个机器人领域的基础设施研发。

我看你在九号是一路做到了 AI 机器人研究院院长这个职位。

对，是的。

所以你的机器人之路是从那个时候开始的。

其实仔细地说，我的机器人之路应该在欧洲就开始，因为瑞士一直都是在机器人领域比较发达。如果追溯更早的话，我高中可能是 2000 年前后吧，那个时候就参加了第一批机器人竞赛，然后就一直对这个事儿比较感兴趣。做到后面自己变成了工程师，那工程师就很朴素了，想用自己的双手和技术改变世界，机器人就是一个绝好的载体。

哦，所以 2000 年你就是机器人开发者了。

跟今天比如说初中、高中那些参加比赛的小朋友们没什么本质区别，但是很多火花就是从幼年时开始爆发起来的。

嗯，那个时候的机器人开发是什么样子的？

2. 认知机器人没有标准答案

那个时候的电脑编程本身也处在一个非常原始的状态。那个时候机器人开发比今天大家看到的所有东西都更弱一点，因为当时机器人开发是需要从编程开发竞赛的团队里面再选人，因为你得先会编程，再去接触机器人。

那个机器人简单到不能再简单，就是一些电机控制等等。我觉得从形态上和今天的 STEAM 教材里的那些东西没有本质区别，只是当时可能算力更低，电脑也更贵，不是大家都能接触到的。

今天其实很多同学、小朋友可以拿手机、拿 iPad、拿笔记本电脑做编程，时代进步之后，学习速度反而更快。而认知机器人的进化速度并没有想象中那么快，毕竟 100 年前大家就已经在畅想机器人出现了。

认知机器人是什么，应该是什么答案？

我觉得没有答案。但是在这些小朋友，或者说今天从业者的眼里，它就是一个可以有行动能力、有一定思考和判断能力、会自主运动的载体。它不是我们让它怎么做，而是它可能自己会理解一些人类设定的规则。

比如今天大模型会赋予它自己产生想法的能力。如果从这个视角来看，我们认为它就是一个不同于人、但也有行动能力和决策能力的智能载体。

你还记得你自己开发的第一台机器人长什么样吗？

其实有点像今天在淘宝上能买到的古月居那种机器人，两个轮子，上面一个板子。但当时的传感器没有摄像头，因为可以想象，2000 年的时候摄像头还是个稀罕货，只有一些简单的超声波、简单的 IMU，还有那个时候的激光测距设备，没有其他更聪明的传感器了。

那个时候你想象当中，想开发的机器人是什么样的？

和今天想开发的没什么区别。有一部动画片叫《铁臂阿童木》，那个东西是一个小男孩对于正义、对于机器人、对于能力、对于改变世界、对于良善的所有综合载体。

还有一个类似的，叫《哆啦A梦》。

哆啦A梦。

哆啦A梦。它就是一个特别好的玩伴，大雄一辈子的好友，能从兜里拿出来——

陪伴机器人的始祖。

所有奇奇怪怪的东西，它有一个无穷无尽的口袋。这就是男性对于英雄主义和与之陪伴的挚友的两个特别具象的想象。

想象。

毕竟男性嘛，至死是少年。少年时期那个怀揣的自己会成为什么样子，和自己希望什么样的人、什么样的朋友陪伴在自己身边，是两个非常具象的写照。

嗯，这是 2000 年代的梦想。那后来到了九号，差不多是哪一年？

3. 陪伴机器人走向市场

应该是 2015 年左右。在九号有一个学长叫普利学长，当时九号正好收购 Segway，然后成立了一个子品牌，叫 Segway Robotics。当时在做世界上第一款陪伴机器人，在平衡车的身体上加了一个脑袋。

我记得很清楚，用的是 Intel 的第一代移动处理器，以及当时、包括现在机器人里后来的 RealSense。RealSense 的第一代在消费品量产、无人机领域有一家企业，然后在机器人领域应该就是我们。印象还是很深，当时做 RealSense 的很多校准、校正代码，都是我们帮忙测试和编写的。

那个时候你说在平衡车上面架一个机器人，是想让它干嘛呢？

和今天的苏苏狗一样，可以跟随、跟拍。但是它和狗不一样，你不能指望一条狗驮着你走，它是个平衡车，所以你可以站在上面，让它帮你移动。就像今天大家看到很多小区里的外卖小哥。

哦，它是我的坐骑，智能坐骑。

对。

后来这款产品发展得怎么样？

这个产品一度被很多美国顶尖高校购买，作为教学和实验平台。当时有些美国企业，包括微软、Intel、苹果，都是这个产品的客户。

但是后来因为整个九号更普惠、更偏向移动本身，和这款产品在路线上的确有一些差异，所以后来九号就把这部分逐渐 EOL，也就是 End of Life，逐渐停产，然后转向了商用机器人，送物、送餐这些产品。

其实这是一个非常有意思的话题。今天的智能行业也正在处于这么一个转型。比如我们可以看到一些头部企业，之前更多的商业模式是 To Lab，就是卖给高校的研发场景，但现在大家也要努力地去做 To B 或者 To C，甚至两者都做。

这件事可以看整个人类信息化的历史进展。最开始互联网是给实验室用的，到今天其实每个人都离不开互联网。

电脑第一批用户是开发者，而不是使用者，大家在上面编写程序，做专用软件。直到 Macintosh 苹果把第一代有 GUI 界面的电脑贡献出来，它变成 Personal Computer，然后那个时间点才出现从 To Developer 变成 To User。

面向开发者，当然最开始是专用领域。一九八十年代、九十年代的 PC，有些是用来做 Expert System，也就是专家系统；有一部分是给个人赋能，做各种日常的生产力工具或生产工具。

然后到今天，甚至传统的那种 PC 已经不太出现在大众眼里了。那种很重的电脑加显示器，取而代之的是笔记本、平板，还有手机，它们才是主要的生产工具。

九号没有把这个产品做下去，没有真正完成从 To Lab 到 To C，你会觉得有点可惜吗？

我觉得也没有什么可惜，就是彼时彼刻时间没有到，因为你一定要尊重技术发展的客观规律。

首先，当时的算力和传感器不成熟。第二，个人消费者在那个时间节点正处在一个上升的过程，而且彼时彼刻这个产品主要还是面向海外销售，面向高校更多一点。

当时对于九号主营业务的增长没有太多直接帮助，它更多的是品牌和技术影响力。当然，培养的这批人后来成为了九号的顶梁柱和技术负责人，这是它一个更大的价值。

据我所知，在硬件领域，九号也算是一个人才的发源地。因为之前有一句话，说北有九号，南有大疆。你在九号待过，我觉得以当时的履历和能力，应该可以选择任何一家公司。你最终为什么选择九号？这两家公司的风格差异是什么样？

我当时确实面临这样一个抉择，因为我从零零出来，正好做的是无人机。但彼时彼刻还是被个人魅力所吸引，因为九号这边有我两个大学长，一个是普利博士，另一个是陈子冲博士。陈子冲博士现在是九号旗下割草机品牌蔚蓝大陆的总裁兼 CTO。

这两个人对我来说，在瑞士是我 EPFL 的学长；在国内，他们的工程认知和想法的前沿性，包括对我的成长，都有很大的帮助。所以对我来说，我看得更多的是个体，而不是一个企业作为载体。

当然，有幸的是，九号在这几年作为一个很大的平台，也给了我们很多施展技术和梦想抱负的资源，这其实是要感谢这家公司的。而且在这家公司里我看到和学习到的东西，远比我同龄人见到的更多。

恰好是在工程师最黄金的年代，进入了一家高速发展的工程领域公司，也赶上了它的黄金发展年代。中间所见和对认知的拉升是不可磨灭的，它塑造了我今天整个工程上的想法。

定义一下黄金发展年代长什么样。

4. 工程师开始看见系统

我理解，当一个技术人员、一个工程师看到限制技术的不是技术本身，这件事情很多人终其整个职业生涯都看不破。

嗯。

我可能在那时候看到了，限制住你技术能力的，有团队管理能力，有公司的财务、经营、运营情况，有市场，有上下游供应链，有商业本身的洞察，如何传导到产品，再传导到技术。

中间的每一个环节都会影响你最后的技术抱负是否能实现。你想改变世界，想让人类或者其他人的生活变得更美好，中间很多不可或缺的就是商业因素、管理因素、产品因素，甚至是怎么把技术的话语转化成更多人能听懂的话语，这件事本身也很重要。

如果在技术疯狂增长的时候，你也能观察到这些东西，就会意识到什么可以让技术发展得更好，什么能让一个工程师从一个只贡献代码和功能、只通过自己的双手做事的人，变成有管理、商业、产品作为放大杠杆的人，真正影响世界，真正影响他人的幸福生活。

可能很多人认为，我在杠杆上加力就可以了，但是那些综合的东西，给予人的成长和改变工程想法的能力，才是那个支点。很多人找不到支点，发现自己用蛮力，技术很好，但为什么做不出更好的东西？

有的人说我的技术很好，但是随着做技术，团队分崩离析，那他就没有办法冲击之前预想的技术高峰。这些都需要处在一个较快发展的领域，而不是较慢发展的领域。因为较慢发展的领域和企业会出现技术自嗨的状态。

嗯。

较快发展的时候，大家会发现很快技术不再成为约束，约束出现在方方面面。这种认知很有利于工程师自己的成长。

很多工程师一旦进入倦怠期，大概就是工作 3 到 5 年，经历高速成长之后，他会形成把之前 3 到 5 年的认知和想法延续下去。理论上来说，个人的成长不是一条延长线，而是成长、衰退、反思、再成长这样的一个循环。

就像达里奥的《原则》那本书里描述的，它是一个进步、遭遇挫折、反思、再进步的过程。我在这个过程中恰好经历了个人几次在技术上和管理上的困境，又面临企业高速发展，给我释放了很多挑战和机会。

我去面对这些挑战、克服困难，然后在获取机会的过程中，一遍一遍地打开自己原有的认知，发现原来依赖的东西在下一阶段是不 work 的，进而去看怎么能让更大的愿景实现。

你讲讲当时你遇到的技术跟管理上的挑战是什么样的？为什么那是一个能够把你刚才讲的所有变量和逻辑，高密度浓缩起来的时代，从 2015 年开始？

第一个事情，当你发现全世界最好的 CPU 也没有办法承载你的算法时，限制住你算法的，就是如何把它装在那个不够的算力里。这就是算法的本质：时间换空间，空间换时间。你如何辗转腾挪，在有限资源下实现技术？

紧接着第二阶段，你会发现人才培养是有周期的。这里面涉及软件管理中的一个概念，叫《人月神话》。大意就是，一个女性可以花 10 个月孕育一个孩子，但是不可以让 10 个女性花 1 个月孕育一个孩子。

技术发展和工程落地都遵循这样的规律，这意味着你要做很多前置思考。另外，你不可能简单地把它当成人月这个量词的骗局，认为资源给到了，所有技术就一定可以出来。那怎么做好管理，让你的团队能够如期做出它要交付的东西？

后来我发现，如果所有东西都更早地准备，就会出现过度设计，相当于浪费了很多前置资源。所以我当时从工程师变成了架构师。架构师讲的是恰如其分地设计，就是在正确的时间交付正确的东西，而且在你交付下一个正确的东西之前，它可以一直存续。

这样你就不是面临一个无限的游戏，而是 Stage One、第一层和第二层和第三层。你会把一个更长久的无限游戏拆成一小段一小段来玩。每次你都会面临在当下有限的条件下做出有限的产出，然后用它作为阶梯去攀爬下一个阶段。所以我用 Stage One，也就是第一层楼梯、Stage Two，也就是第二层楼梯，来表述这件事。

从工程师到架构师，其实更挑战的是系统搭建和拆解的能力。

我觉得应该是认知从线性变得更立体。

什么叫线性？线性就是技术和更好的技术。架构师是什么？你有技术架构、人员架构，有时间的架构，还有协作上下游的架构，甚至还有一种很朴素的架构，就是面对未来，我怎么把它拆成一个个时间点，它们可能是完全不同的东西。这是面对时间复杂度的架构拆解。

你在九号应该待了 7 年，是不是？

对，6 年半多一些。

2015 到 2022 年。

嗯。

这 7 年整个机器人行业的发展是什么样的？

5. 机器人从导航走向智能

可以说，最开始应该是 SLAM 技术在发展，使得以导航为主的机器人开始萌生。比如物流仓储机器人在那个时候发展起来了，然后我们熟知的扫地机器人，当然还有以大疆为主的无人机导航，也是在那个时间点开始繁荣兴盛起来的。

现在机器人商业领域最赚钱的一些场景和产品——

基本都在那个阶段。

就在这个阶段出现了。

那个时候其实叫导航，就是以从 A 点到 B 点的运动能力为主。因为大家想到机器人，第一反应肯定是运动能力。但今天其实也是运动能力，只是先从能走路，变成能跳舞、能打拳、能翻跟头。

但是还多了很多感知、决策。

是的。彼时是轮子在二维空间，或者无人机在三维空间内运动，配合感知作为辅助。

今天则是从感知为辅助，变成感知为主导，以感知和强规划为主导。运动能力只是因为曾经当你没有运动能力时，这两个能力展现不出价值。今天大家快速地把运动能力拉起来，然后去看它的智能化，以及在场景中的运动能力能给人类带来哪些便利。

而且现在的感知也更强调多维了。

本质还是今天传感器成熟了，算力也更强大了。曾经你想做这些事情，但是算力不允许。

硬件不允许。

因为你可以想象，把手机退回到 10 年前的手机，今天其实已经跑不起来任何应用了。

所以 2022 年为什么离开九号？

6. 离开九号迎接大模型

我觉得可能那个时候上市让我看到了 EBIT，也就是息税前利润，以及其他财务情况。在这种情况下，过度的预研和对机器人技术的等待，变成了一个信仰而非商业。

而且可能是掣肘一家上市公司的元素，是吗？

是的。而且在彼时彼刻听到比较多的是，我们要向股东负责。这句话其实任何上市公司都要说。

在那个时间点，我充分意识到了一个问题，就是大模型时代来了。因为 2022 年六七月份的时候，应该是 GPT-2.5 出来。我本科时在实验室做过 NLP，也就是自然语言处理。我当时意识到，所有的故事变了。

以前是做填空题，而当时大模型是 Next Token，就是预测下一个东西是什么。我觉得这个范式变了。

从符号到神经。

是的。那个时间点，我觉得我应该去看一些从以导航为主、由 SLAM 技术驱动的机器人，变成可能更聪明的机器人。这是一个 timing。

所以当时，一方面离开是我想去追寻一些不一样的东西；另一方面我其实想静下来思考。之前可能跑得太快了，公司发展很快，推动我们这些从工程师一路变成管理者的人跑得更快，我们又更聚焦在科技制造业领域。

外面的环境在变化，商业在变化，投融资环境也在变化，而且 2022 年又是疫情结束的尾期，我们也看到疫情对经济、对实体的冲击。我觉得站在一家公司内部，没有办法推动整个行业快速发展。所以在那个时间点，我就出来去找发生了什么，以及需要我做什么。

嗯。

因为你永远等不到一个时代的浪潮，你需要去追寻。

所以 2022 年底 ChatGPT 出现的时候你在干嘛？

那个时候我其实在做现在大家都知道的 Agent。当时我是说，既然我有一套能力，我只能把一些已有的序列和工作变得更加稳定、稳健，并且把这个能力赋能给其他人。

当时其实做了一些利用大模型做智能体、做语言问答的技术。因为那时候没什么事干，每天都在做这些小的、好玩的技术点。

这么早期，在语言模型刚刚出现的时候，你已经在做 Agent 了。

对，其实那个时候大家聊的就是 Agent，包括记忆体。当时我是以记忆为主，今天叫 RAG，就是基于有限的条件去推测你想说什么、想做什么。

当时它比单纯知识库多一层，还包括预测控制。知识库是检索，我们其实是让它在有限的幻觉里面去幻觉对的事情，就是所谓的灵感。

我还面临第二个事情，就是到底怎么做好创业这件事情。战略曾经是在一个很大的体系里面，有人去引导你，但是当你面临一个没有限制条件的环境时，以前是在有限条件下做最优化；当你有无限条件时，不存在最优化，而是要追寻你到底想要什么，这就是俗称的战略：选择不做什么，选择做什么。

我也碰到了迷茫。所以彼时彼刻我就报考了清华经管的产业创新 MBA，正好是首届。我听了我现在导师朱海源老师的一些观点，也看了他对整个产业变迁的洞察，所以我觉得可能是时候回炉重造一下了。

一方面我要静下来，有时间去看技术发展是不是到了拐点；另一方面，我需要停下来，补充除了技术之外，对于一家企业更重要的所有知识，以及去看中国的产业变化，怎么抓住合适的 timing。

之前作为工程师，timing 其实是行业和企业发展中被迫接收到的时机，然后才变成选择时机。其实选择时机和选择事情在战略里都很重要，我需要去观察，就要知道它是怎么变迁的。

那个时候我正好读到朱海源老师那本书，叫《战略节奏》，讲的是不同产业如何洞察、如何发展，到某个阶段会出现哪些事情。我当时很认真地读了这本书之后，觉得这可能就是我想知道的事情，我想认真学习一下。逼自己学习最好的方式，就是去考试。

再一个事情是，在一家企业做管理者做久了之后，你会发现脑子里充斥着多线程的各种噪音，很难静下心来做什么事。哪怕读书，哪怕把所有事情卸掉，脑子也处在高负载状态。

我觉得这和今天大多数人在 AI 冲击下，能够做很多事情的状态是一样的：你的大脑无法安静下来做高质量思考。而当时我的想法是，你阅读得越多，想法越多，就越没有办法进入高质量思考，那不妨让自己的大脑休息一下。

所以我做了一件非常好玩的事，就是参加研究生入学考试，把扔下了 10 年的书本再翻起来。我认认真真准备了研究生入学考试的那些科目，过程中每天用 4 到 5 个小时重新回顾高中、大学的知识，然后再做题。

很快就进入了一种能够静下心来专注的状态，脑子里的噪声也逐渐被去掉了，才陷入到高质量的思考中。这个过程前后大概有 8 个月，从辞职结束到考试结束，差不多这么长时间。

技术的拐点从什么时候开始？有哪几个技术拐点？

我觉得已经到了。

嗯。

7. 具身智能迎来拐点

因为朱海源老师的 Frame 框架里面，其实有一个是投融资市场，还有一个是上游供应链，它会产生一个东西叫结构洞。

这些都是一些名词，但你可以理解为，当需求大量不被满足、供应开始溢出，供应能力开始溢出，就一定会催生新的行业、新的事情发生。

我们从去年春晚宇树的运动能力展示，到今年春晚不同企业的展示，肯定不是每个电机都是各家自研的，也肯定不是每个动作都是各家自己从数据采集到训练、每个细节都自己完成的，一定会有很多外部产业内的合作伙伴在配合。甚至我不客气地说，大家训练用的电脑肯定不是自己造的。

这样的上游成熟，使得这一波工程师的聪明才智能够让大家看见，也会给整个社会释放信号：可能机器人的时代已经到来了。我记得去年我还说具身行业是要做冷板凳的，但今年我觉得其实不是。

现在板凳太烫了。

板凳太烫了，甚至可能都是沙发，坐起来更舒服。

是。

嗯。

因为你刚才讲结构洞，从去年春晚到今年春晚，背后是整个供应链溢出的一个体现吗？

我觉得是需求的牵引、预期的牵引。大家有时候说泡沫，其实泡沫就是预期和现实的差。当然这个定义不太严谨，但是你会发现，大家预期这个事情会变得更大、更快、更强。

这是大家对所有工具的要求，就是所谓人类的奥林匹克精神。这些东西一定会产生生产力的变化，只是之前不够大、不够快、不够强，也可能不够高、不够灵活、不够敏捷。

那么工程师就先改变这些瓶颈和约束。当这些瓶颈和约束被突破之后，只会带来更多瓶颈。今天它的感知是瓶颈，对环境的认知是瓶颈，决策链路是瓶颈，对于广泛的人类美好诉求的不满足也是瓶颈。

今天机器能力不足以满足这些事情，中间的 gap 就是你们这些工程师一路兴奋、一路想推进、想做得更好的 timing。

所以现在是黄金时代到来了吗，在你看来？

我觉得它已经来过。

今天大家说 PC 的黄金时代，根本不是 1990 年之后那一波，而是 Macintosh 在 1980 年代就已经有了。拐点永远在它真正产生社会效应之前。产生社会效应的时候，其实浪潮已经到了，它不再是一个拐点了。

具体到具身这个行业里面，这个拐点在什么时候已经发生了？

年轻的从业者，更多的新毕业同学，进到具身领域，而不是自动驾驶。

这个时间点是在什么时候？我觉得是去年。

去年。

对。

因为更早的时候有一个 timing。原来做机器人的人，从 2015 年到 2018 年都在做机器人。到了 2018 年前后，自动驾驶开始以差不多 1 到 2 倍的薪酬去挖原来做机器人的人，甚至高出原来对应的硕士、博士同学的薪水。

比如做 SLAM、运动控制、规划、地图、感知的这些人，毕业薪水可能突然间涨了 50% 以上。这意味着需要更多聪明的工程师进到行业里面，推动这个行业发展。今年的具身也是一样，所以可以看到大量做自动驾驶的人，以及以前做机器人、无人机的人，都冲到了这个行业。

印象特别深，差不多也是去年春天的时候，具身领域发生了很多笔融资。当然这些融资金额看起来没有今年这么大，但是你看到这个行业吸引了非常多资金，然后就出现了你说的大量人才流入具身领域。

我记得之前跟你聊过一个很有意思的话题，就是看上去好像是这一波具身抢了自动驾驶的人，但你说其实更早之前是自动驾驶抢了具身的人，它是一个历史的轮回。

是的。你可以理解为，以前机器人是一个偏通用、偏广泛市场的状态，但实际上那时候更多是 To Developer、To 研发者和高校。

突然间有一个垂类领域出现爆发，就是自动驾驶，后来也包括新能源车相对于自动驾驶的部分。大家会快速涌入，因为它存在一个商业加速技术的完整商业闭环。

今天其实也说明了另一件事，具身智能商业闭环的一个大预期雏形已经展现出来了。所以大家为了那个更大的商业闭环愿景，就会所有人都做梦嘛，继续在更新、更大的故事里面做自己的事情。

因为我们现在这个采访发生的时间节点，你们也有大笔融资宣布。我们看到整个行业都是十亿十亿地融。我刚才做了一个比较，今年的春天比去年的春天更火热，融资金额更大。为什么大宗的标的发生在现在？

有两件事情。第一，趋势一旦形成，大家只会去追。第二，今年春晚让大众对机器人的认知快速破圈，形成了一个更高的预期。

去年不是已经破圈了吗？

去年其实——

扭秧歌。

去年的扭秧歌，站在今年看完春晚之后的观感，你会觉得那还挺原始、挺简陋的，对吧？

宇树不停地在推动行业进步。

我觉得是的。那一批真正有梦想、眼里有光、心里有火的人，一直都在为了较远的愿景去做事情。外部的声音也重要，但也没那么重要。

其中一个因素是，大家看到机器人的进步真的是飞跃式的，从去年可以扭秧歌，到今年可以打武术。

我觉得这就是泡沫带来的好处，就是资本泡沫。资本泡沫可以让这个行业快速地试错、试对。

今天你想讲一个对资本有用的故事，就要去选一条不一样的路。以前比如我在做工程师和架构师的时候，只能选一件事。因为资源有限，面前三条路，需要不断论证、不断思考，甚至带一点赌性，去赌某一条技术路线可能是对的，而且没有人告诉你另外一条一定是错的。

所以有时候我撞到南墙，再回头选一条，这个学费是需要掏的。但今天市场上有这么多公司，每个人都选了一条不一样的路。当某一个领域、某一条路上发生大的突破时，大家会快速地——

形成共识。

试错和试对其实是一样的。试错了，对的地方会汇聚更多力量；试对了，别人会更加加注进来，然后大家快速形成共识。

所以 2022 年的时候，我认为机器人还在转型期；2023 到 2024 年，我觉得是大家快速形成共识、快速推进的一年。到了 2025 年，我们当时无论是对外沟通，还是和自己小圈子的沟通，都认为每个月的技术进步、整个行业的技术进步，都快于之前的每一年。

一个快速验证的时代。

因为同时扑在这个领域的人更多了，10 倍的资源甚至可能带来百倍的进步。

而且我觉得 2025 年非常幸运的一点是，我们还看到模型的很多能力在快速跃进。今天机器人很多工程能力、算法能力，背后的 coding 技术也在飞速跃进。

所以两个优势加成了：一个是高饱和资源带来的快速验证，另一个是技术本身的飞跃进步，共同缔造了这个行业如同神话一般的繁荣。

我觉得还有一件事。除了 coding 是工程化推进，第二件事是大模型带来了一个特别好玩的点。

以前的工程师，尤其是机器人工程师，要熟悉机械、机电、电子和嵌入式，还要熟悉软件、算法，甚至还需要知道一些云相关的技术，因为机器可能会和 OTA、云通信。

这样一整套技术链，如果要通过一个个项目来累积，可能需要 5 到 10 年。哪怕每一个领域只是浅尝辄止，做一个项目做 1 年，全部做下来也要 8 年，每个领域你都只是一个做了 1 年的工程师。

但今天大模型可以让你忽略掉一部分，比如软件的部分、云的知识，甚至当你需要的时候，还可以定向获取这些知识。这使得获取知识的效率极其高。

以前我们做一个项目，过程中要横向沟通，再去理解自己不理解的知识，也没有 5 个部门的负责人同时教你这 5 个部门的知识。你只能在工作过程中一点点学习，作为一种边缘摸索，而不是把它当作主力学习。

今天有了大模型的帮助，可以瞬间变成一个特别优秀的云工程师、软件工程师、算法工程师，甚至读论文都比以前快。大模型扔过去 50 篇论文，一个下午就读完了。

知识平权和经验平权。

是的。

以前培养机器人行业的一个老师傅得 8 年时间，现在可能快速压缩到 2、3 年。

甚至都不是老师傅，就是一个入门级工程师，我觉得也要 5 到 8 年的时间——

所以门槛是大大降低了。

降低了。

这有一个很有趣的话题。今天我们看到 AI 行业也好、具身行业也好，都是非常年轻的 95 后、00 后工程师。就像你刚才讲的，他可能刚工作，就已经可以上手了。

因为本职认知是有局限性的。经常说，成就你的必将毁灭你。

对于经验、对于行业认知，尤其是当老一些的工程师还在想着量产，要经过一二三四五几个验证，需要分别看 A、B、D、E 4 个关键点时，那边大模型已经告诉你，一二三四五只有 4 个关键点，你看 4 就好了。A、B、D、E 很关键，今天可以不用管，先往前跑，然后再从 A、B、D、E 开始做，到了某个阶段再做。

这本身是更多人类通识和工程学通识，被大模型处理之后，能让你更聚焦在今天关心的话题上。只要一旦聚焦，进步速度就会飞快。

以前让人聚焦这件事，没有人真的会告诉每一个工程师。这可能也是大模型本身的作用，虽然和大模型的注意力机制不是一回事，但大模型会让你的注意力和整个状态进入心流探索的状态。

年轻人脑子的噪音更少，限制你的经验更少，限制你的社会认知也更少。没有那么多框框，自然就跑得更快。

所以你也认可，在 AI 甚至是智能时代，其实这一拨年轻人很有可能会成为 Game Changer？

我认为每个时代都是。人类的智力分成晶体智力和流体智力。

35 岁是个分界线。35 岁之后的人晶体智力更好，就是举一反三，通过过去的经验去折射，并在一定程度上猜测未来。流体智力是快速接受知识、传递知识，然后影响自己的整个技能。

这是人的常态。我一直认为，做更新、更先进、更好的东西，25 岁到 35 岁是黄金年纪。这也呼应了我说的，在黄金工程师的年代，碰到一个高速发展的公司，是我的幸运。

这就让我越走到现在，越相信《Outliers》，也就是《异类》那本书。里面讲的是，一批大家看起来非常成功、改变世界的人，可能精准地踩在了一些时代变化的节点上。

像你刚才讲的，35 岁之前，如果用你的流体智力碰到一些大的技术浪潮变革，就可以在一个高密度的时间点吸收大量新知识，然后在 35 岁之后进入技术平台期时，再把这些知识和思维方式应用到这个世界。

这也是为什么我在思考完这件事情之后，匹配了自己的年龄。我就在想，过去开发机器人时，限制住我的到底是什么。

我发现没有一套行之有效的基础设施。当时每次训练模型，我要从装 Linux、装显卡驱动开始。甚至我当时经常在社招面试题里考一个点：当显卡驱动崩了之后，怎么能够不重装系统，把驱动装好。这是我们考察感知或者算法相关同学的一道必考题，因为这件事能证明他真的亲自动手做过。

很多时候大家在理论上讨论理论，会发现有些人理论很强。但是机器人需要实干家，需要动手能力强的人。只有动手能力强的人，才会快速从整个技术体系里获取反馈，并且快速成长。

但大部分人还是停留在纸上谈兵，所以经常会发现，有些人特别熟练，读了很多 Paper，知道今年的技术趋势，但是你说不妨来帮我解决问题，他就麻爪了。因为他理论功底很高，但在实操上几乎不知道怎么做。

当然，有时候大家抨击高校教授创业，或者抨击一些学者创业，也是在抨击这点。但我觉得大可不必，因为每个人的工作模式、工作范式不一样。工程师就是工程师，架构师可能就不一样；学者也在探索人类未知的边界，所以每个人的想法是不一样的。

具身领域现在有 3 大标志性的创业派别。一类是你刚才讲的高校教授派，另外一类是以俞硕为代表的工程派，还有一类是自动驾驶派。你怎么看这 3 个派别的特征？

你会发现，早期必须是学术派，因为本身它就是一个未曾在人类商业社会中出现的东西。只有那些探索边界、不以当前条件为约束的学者，才能看得到。

这样一个新技术新浪潮来了，只有他们接触过，所以只有他们能做。

所以你觉得高校教授派还是能够有机会更早地去布局？

其实所有技术大家都会发现，上一轮推动整个科技发展的军转民，其实不太可能。原来出现在生活中的东西，是在不计较成本、不计较经济收益的情况下探索出来的。学者包括很多学术成果转化，也是一样的逻辑。

甚至这些人还将信将疑，因为拐点来了，可能像“狼来了”一样喊了好多年。真正处在某个行业里的人，反而会将信将疑，甚至后知后觉。

你觉得机器人到底美在哪？

美在它笨。

嗯。

美在它不成熟。

嗯。

美在——

不完美。

因为它越聪明，你的改造成就感就越弱。

就像大家今天小龙虾都很快玩腻了，但是早期大家玩得很开心，是因为体会到了从很笨，变得聪明一点点，再变得更聪明。但今天那么多聪明人把它的 Skill 完善了，把各种技能、各种能力都提高了，你会发现再去玩，成就感会很弱。

但一直以来，机器人都是一个较笨、发展速度很慢的东西。只要你找到一个技术点，就会发现它发生了质和量的蜕变，这种成就感是很大的。

兴趣是来源于人类的虚荣心啊。

或者说来自成就的反馈。

但是 2023 年一直到 2025 年，其实在 AI 这个大领域里面，资本非常充沛。你为什么没有选择自己创业？今天所有的具身智能顶流公司应该都找过你。

8. 地瓜开始建造基础设施

这是个好话题。主要还是在具身领域，我觉得我想看到的东西都看见过了。

机器人从想法、概念到落地，要解决的还是工程问题、产品问题，甚至商业问题。我没必要再对自己的认知和领悟做一遍复读机。

那我就想着，如何帮助更多的人快速完成他们的梦想。因为我之前那么多年的痛苦就是，做任何事情都没有成熟、称手的工具。每次想写代码的时候，恨不得从装电脑开始。

为什么写代码要从装电脑开始？

再打个比方，当时我们想调一个机器人，很可能会发现它任意一个传感器或者任意一个东西坏掉了，就要把它推到维修工程师那里去维修。

我们经常会说，调代码 3 分钟，修电脑、修机器人花 3 天。以及当我想让一个算法快速迭代时，要手动串联很多流程。我需要管理电脑、管理服务器，然后还要和别人协作，甚至要理解机器人上那么多子系统不同的工作原理，才能让自己的一个小程序在上面跑起来。

直到后来大家知道了一个核心技术叫 OTA。没有 OTA 就没有迭代。大家今天说数据驱动、迭代驱动，都是靠这套逻辑运转的。

我就在想，什么是机器人领域的 OTA？它肯定不只是一个 OTA。那需要有人去加速：从写第一行代码，到看到它在机器人上发生第一个变化的时间点，反馈周期越短，人的进步越快，产品发展的速度越快，机器人走到千家万户的梦想就能更快到来。

那什么能推动这件事？于是地瓜就说，我们要做基础设施，要赋能全行业的所有开发者，让每一个开发者都能以更低门槛、更高效率、更快速度完成整个开发工作流。

我觉得这件事情实在很吸引我，因为本质上只有淋过雨的人，才知道为他人撑伞。在这个时间点，我知道开发机器人会碰到哪些卡点，我愿意用我的头脑、智慧、时间，以及对整个团队的协调和做出的产品，去加速和推动这个时代快速到来。

这件事足够吸引我，也会给我足够的成就感。

这件事是因为你碰到了王丛，还是更早？

我在九号的时候其实就负责算法平台部门，也就是加速整个流程。我会发现，这件事给工程师带来极大的愉悦感，因为它相当于亲手造出来的东西，很快就在机器人上运行起来。

我们开玩笑说叫“育娃速度加倍”。我们自己做产品，会说这个机器人是我的亲儿子。育儿速度加倍，就是当你看到自己的孩子高速成长时的那种愉悦感。这是一种来自人类本能的正向反馈。

这件事是我觉得最有成就感的事。包括后面做架构等等，其实都是基于这样的正向奖励反馈。我能推动整个行业去做这件事，那就太吸引人了。

当时我还做了一些小的开源项目，大家在 GitHub 上可以看到，就是加速这样的小过程，把我之前在九号做的一些工具抽象成小工具。有一些开发者在使用，还给我提意见，我觉得挺好、挺开心。今天其实也在做这件事。

那你是怎么遇到王丛的？

我之前在九号的时候做过一款出海产品，属于短交通、智能交通领域，自然地平线就在我的事业范围内。

我在选型过程中觉得，当时刚出来的 X3 很符合我们的预期。我做了测试，也做了各种试验。更早的时候，地平线还在用一个叫 Matrix Two 的平台，我们以前在送物机器人上也用过，所以当时就结识了。

当时还是地平线的——

对，当时还是地平线的机器人事业部和 AIoT 事业部。前两天我们还在聊天，我还给他拿出当初看到他的名片，是 AIoT 事业部总经理。

所以后来再见面，是他从地平线独立出来做地瓜的时候了。

应该是我在朋友圈发我在做一些小的事情，好像丛哥跑去点了个赞，我们俩就快速同步了一下情况。他说地瓜想单独拆出来，我们俩碰了几次，前后三四个月。最后他说，他想做这个时代的基础设施，推动这个时代快速到来。我说这事可以，我干了。

这大概是什么时候的事？

2023 年的 10 月或 11 月。因为我是 2024 年到清华经管读书，考试应该是 2023 年 12 月，在我考试前一个月，我们俩觉得这事可以干。

然后我说，你先让我把考试考完。他说，他们也需要等地瓜这边的事情处理结束。

某一个阶段，具身智能这个行业就开始起飞了。我说的起飞，是指资本密集进来，大家也都各自选择自己的赛道开始耕耘了。

这个行业开始繁荣的过程中，造铲子、造地基的人就会特别需要，你们就是这样的人。

我觉得“造铲子和造地基”这个说法，造铲子是先有鸡吗？我们认为具身智能确实是大的趋势，才有可能贡献一点小小的力量。

至于造地基，我觉得芯片才是真正的地基。其实芯片也包括高校教育体制为这个行业输送人才的体系，这才是真正的地基。我认为高校、行业，还有这些基础设施，才是真正的地基。

那你现在做的云基础设施平台和开发者工具平台，其实是这个基础设施的一部分吗？

我理解，其实是把一些能力外显，把一些本来可能也很好用的东西降低门槛，让更多人能够接触到。

手机很早就有了，直到安卓把系统开放出来，包括 iOS 把它开放出来，让开发者从 30 岁或者一家公司，变成 24 岁、18 岁。

所以你会发现，早些年每年的 iOS 开发者大会、安卓开发者大会，都在讲我们最小的开发者是 13 岁、14 岁。就是因为当门槛变低之后，创意就会爆发出来。

降低门槛、爆发创意、面对更多细分需求，以及整个行业的高速发展，是一个必然过程。

所以今天机器人开发者的年龄门槛大概在多大？

我印象里，地瓜做的很多赛事就覆盖小学、中学、高中。

小学这么小吗？

其实今天因为中国的教育比较卷，或者说中国的教育，尤其在 STEAM 教育领域，其实是更领先于整个时代的。这也符合我们国家对于综合素质教育和综合动手能力的鼓励。

所以小学生玩机器人很常见。甚至我自己家宝宝有一个小机器狗玩具，他才 1 岁半，会叫爸爸、妈妈、爷爷、奶奶，下一个叫“突突”，就是这个小机器人。

他现在已经可以做一些开发突突的工作了？

他至少知道它能做点什么事，其实就是一个玩的过程。

包括我自己比较大的孩子，3 岁多一点，他已经对编程这件事情有所体感，认为编程和搭积木是一样的。

而且今天有大语言模型的存在，有各种 Coding Plan 的加持，还有 iPad 这样非常友好的 GUI，构造东西、建立东西变得非常容易。它把门槛从学一门语言，变成会说话、能说明白需求就可以。

这件事本身很重要。而且这种平权，所有用 Claude 的人、用各种 AI 助手的人，以及所有用 AI Plan 的人，大家都是差不多的。

所以地瓜是打造机器人时代的母大陆，是吗？

叫母生态，其实就是空气、土壤和水这些不可或缺的元素。

在机器人领域，空气、土壤和水是什么？

我自己理解，第一件事是知识的传递。所以我们也在做一些垂类模型，能够让机器人工程师公开地开发。

我们还在做一些东西，可以类比成开发板上的、类似 Claude Code 这样加速研发的东西。同时我们也有整套 RoboGo，以及自己的一个一站式开发平台。

我们已经让一些算法工程师 3 到 5 年做的事情，通过 1 个小时的培训，让一个大三、大二，甚至大一的学生，在 1 个小时内学会。

因为这样的工具可以让一个人快速知道研发一个算法或者软件，每一步是怎么走的。我们先给他一个条条框框，让他在里面做；先给他一个例题，让他通过回答例题的方式快速学习知识。这是我们在做的一些开发平台工具。

所有这些开发平台和工具，面向的目标用户，除了你刚才讲的普通人，或者有一些基础知识和编程能力的人，还包括今天在争抢产品速度的机器人企业吗？

我认为有。

嗯。

但是有些企业实在太强大了，以至于什么都想做。对它来说，资源饱和溢出，让它不介意重复造轮子。而且它造一个更适合自己的轮子，其实也有自己的优势。

就像跑在路上的车，大家用的是一些通用品牌；赛车一定会自己造轮胎。中腰部以下，或者部分头部企业，如果认为需要更聚焦，也会和我们合作，做一些基础设施的开发。

我们商业模式上是 To B，面向大客户；也有 To C，面向消费者。但是在我的产品里面，其实只有 To D，也就是 To Developer。最大的 Developer 是 CTO、CEO。

中间的 Developer，是算法技术负责人、软件技术负责人、机器人整机负责人；小一些的是初创企业的创始人、高校里的创客、活跃于开发领域的独立创客，以及准备创业的人。也可能是大 B 企业里的某一个工程师，他们都会使用。

所以 To Developer 是我这边更具象的描述，无非是大 Developer、中 Developer 和小 Developer。

但大、中、小开发者所需要的工具差异会不会很大？真的能都做吗？

差异很大，但是特别好玩的点是，你要去取中间的一些公约数，因为目的是防止它重复造轮子。

对于每一层的人来说，都有一些通用需求需要人支撑。最底层的支撑叫知识本身：怎么用好地瓜的芯片，怎么用好地瓜的开发板，怎么用好上面的加速单元。

这些知识本身的传递，就可以通过这样的方式降低门槛，让他们快速用起来。

什么是机器人的开发板？

就是有完整的外围接口，可以接所有传感器，上面有芯片、内存和硬盘。说白了就是机器人“大脑”的载体，或者神经的载体，是一个处理器，也可以理解为电脑里的主板。

为什么这个开发板之前不好用，你们要做这个东西？

其实它就是一台电脑。如果不装系统给你，你也用不起来。它的逻辑很像，电脑里面有 CPU、有处理器，但没有操作系统，你就装不了软件。

我这边做的事情，就是在这样的开发板之上构建系统层工具，让用户能够更快用起来，让人们不再像以前做机器人那样，从装机、装系统、写软件、用软件，再迭代软件，慢慢往前走。

所有环节都得学一遍。

是的。

你刚才讲，机器人需要的能力非常综合，从硬件到软件，包括中间层。在基模层和应用层之间还有一个 infra 层，infra 层其实很难跟现在最头部的模型公司去抢人才，所以机器人行业 infra 这一层的人才非常稀缺。

其实是的，因为这件事只有当行业高速发展时，才会催生对 infra 的需求。

之前汽车行业的高速发展，对汽车实际闭环的 infra 提出过一次挑战；大模型时代又对大模型集群训练提出过一次挑战。但是这两次窗口都很短，使得对应人才在市场上的供给并没有那么多。

而这些人的隐性知识，或者非显性的写代码知识，更多地存在于个人经验里，所以市场供给会出现巨大空缺。对于每家公司来说，为什么要重新搭这种非必要的梯子、造非必要的轮子呢？

因此我们也想，能不能把这一部分脏活、苦活、累活封装起来，我们做一次就好，服务于全行业。

为什么 infra 层只有在行业高速发展的时候才能够——

首先，infra 服务的是业务层。如果是算法 infra，它是让算法人员能效更高、做事情更快。但是当行业发展很慢时，他们没有强竞争感，不会觉得晚一天都是错的，也不需要这么强的脚手架。

他们只会选择公司层面综合的 TCO，也就是 Total Cost of Ownership，在全生命周期费用里更低的方式，让做算法的人自己去做 infra。

我们之前的每个团队都是这样：自己给自己做脚手架。你可能上半年做产出，下半年做产能。上半年拼命产出东西，下半年发现上半年的产出速度有点慢，因为工具不好用，于是迭代开发工具，为了明年更快地产出、做更多业绩去支撑。

到今天就会发现，只有高速发展的行业才会出现一拨人专门做产出，另一拨人专门帮他做产能。

从商业上来说也很朴素，只有做得快、有直接竞争价值的时候，才会有人为了快而服务、买单。

所以其实你们是把机器人行业的 infra 层给封装了。

或者说是机器人行业的基础设施。因为机器人在真正的前沿技术上并没有收敛，我们也不太确定它的贡献部分到底长什么样子。

我只能站在做过机器人的人的视角去说：你做一个机器人，不论它是不是智能机器人，是陪伴机器人，还是一种更新的机身形式，一定免不了理解硬件相关的系统、芯片相关的能力、软件相关的系统，以及快速迭代研发的能力。

我们会把这些能力封装成一个个应用，去加速大家的使用。

也就是说，你看好机器人未来的市场前景和未来，但它有多少是具身智能，有多少可能称不上具身智能的机器人，这不太确定，是吗？

我认为具身智能是现在突破技术天花板的一种状态。每次天花板突破之后，都会有一些技能、知识和体系溢出，这个溢出会填补原来某个未被满足的需求。

所以我觉得，具身智能本身可能会满足一些高档位的需求，而一些溢出需求会满足过去没有被很好满足的需求。

举个例子，大模型能力的溢出，填补了过去同传、高速翻译的一些需求，使得中低质量的同传需求被大模型满足了。虽然高质量同传仍然需要专业人士，背后要带着庞大的背景知识。

编程知识。

对，代码也是。今天架构师被替代的并不多，但是只写功能性代码的人，其实已经被大模型高速替代掉了。

那你怎么看现在具身行业这么热？

它应该这么热，因为这个时代就到这里了。

今天面临几件事。第一，原有的技术和生产力面临挑战。第二，智能本身已经突破了原来认为的临界点，比如图灵测试，这就需要一个载体和窗口，让模型的智能走到真实世界中获得反馈。

这也就是具身智能里“具身”本身的意义：怎么让模型变得更聪明，其实需要一个载体走到物理世界，而这个载体就是具身智能。所以它就应该这么热。

它只是人工智能和大模型这一波技术突破之后，某种外溢以及发展方向合并之后的结果。

地瓜是“地平线上的瓜”的意思吗？

有两类解读。首先，你这么说是大家有时候开玩笑会这么说。但另一件事是，它更多代表一种在地面下默默生长、有顽强生命力，又在大家贫瘠的时候可以贡献救命食物、哺育更多生命的现象。

它体现的是哺育更多生命、极有生命力的精神。国家领导人也会谈到地瓜是一种什么样的精神：向四周蔓延、生长、存续生命力。

这其实就是地瓜今天作为行业基础设施，努力尽自己的力量去加速和拓展整个行业的视角。

我之前也有机会采访过余凯。他的梦想是把神经网络式的智能装到所有终端载体里面，开启下一个时代。当年余凯押注的未来，今天已经在发生了。

我理解地瓜所瞄准的新生态，其实是这个大愿景下的一部分。

是的。

很重要的一部分。

是的。

刚才你讲到很多，做机器人行业上游基础设施的空白，对于地瓜来说有很多事情可以做，但是总要先寻找一些突破口。你们从哪些突破口开始？

我们去年其实是在锚定传统机器人的智能化升级，今年则是在锚定新兴市场如何被快速满足和验证。

新兴市场也包含一个非常大的群体，就是创新极客群体。我们今年做了一个叫 RoboGo 的产品，它就是让一个人快速拥有一个团队一样的综合能力。

机器人界的 OPC，是吗？

或者说是一个类似多智能体协作平台的东西。当然我的东西是类比大模型，可能还会更偏传统一些。

你可以开启一个服务，这个服务可以帮你做算法、做数据、做仿真，可以在仿真里做训练，也可以帮你管理现有的训练模型，以及管理现有的开发板，也就是这些“大脑”的载体。

它其实是这样一个平台，所以也叫一站式开发平台。

所以你这个平台其实是要孵化更多机器人界的 OPC。

赋能吧，我觉得“孵化”还是说得大了一点。

为什么会有这样的转变？是不是因为大量上一个机器人时代的头部企业，拥有一定经济实力，但是面临这一波具身浪潮转型时，各自也有挑战，本身就是非常优渥的一批客户。

像你说的今年的转型，在现在具身这一波浪潮中，所有创业公司都必须快速验证自己，大家都在争抢产品速度，所以他们也是一波非常优质的客户，尤其现金流也非常充沛。是这么一个逻辑吗？

不完全是，但是客观规律确实是这样的。

去年另一件事是我的团队刚刚搭建。我不想去挑战一个团队完全无法完成的事情。对一个团队来说，最好挑战自己能挑战的东西，只比自己能力多一点点。如果去做一个完全不可能的事情，团队挫败感会很强，也不利于做更大的事情。

所以去年更多是锚定较确定性的业务，发挥我们自己的认知优势，包括个人之前的从业优势，把这些已有认知转化成产品。

今年则是已有认知的存货，在多变、复杂的环境下已经失效了。所以在这种失效的情况下，你会去拥抱那些变数更多的人。

为什么失效？

就因为高速变化本身。

大家会发现，今天第三波冲过来的是自动驾驶的人，而不是第一波。因为有一些特定产品，可以通过原来的方法做出来。

但是为什么前面那两波不是这些人？因为原有方法论可能会失效。每一个时间节点，技术底层逻辑的变化，都会使你的脚手架搭错地方。

我之前的脚手架是搭在原有土地上生长，再给原有的人使用，它只是提速、增效和赋能的状态。而新一波人要爬的是不一样的梯子、不同的墙，我们也要去看那个梯子和墙是什么样子，所以会变得更灵活、更开放地去赋能这些开发者。

这在我看来已经释放了一个信号：可能一些行业或者一些客户已经被筛选掉了，要寻找那群通往新大陆、速度最高、效率最高的人，成为你的合作伙伴。

我觉得用“筛选”其实不太恰当，更多可能还是进化。

商业和技术本身都是适应环境、改造环境的过程。适应是第一步，我们做的事情也是适应多变的市场环境。努力适应之后，可能再贡献一些所谓改造，也就是赋能的一些部分。

大部分人如果在高速变化中不愿意高速改变，甚至不愿意承认时代已经到来、有些东西变了，不愿意思考自己曾经习以为常的东西正在逐渐失效，那我们就尊重每个客户的命运。

每个组织都有组织带来的一些惯性，技术本身也会带来惯性，就是习得性路径依赖。这不光对我们个人的技能和成长是双向的——既是加速，也是约束——对企业也是这样。

举一个具体例子，说明一下失效的部分是什么。

很朴素。今天导航这件事本身不再约束机器人了。甚至脑子里想着机器人一定要导航的人，根本不会看到靠遥控也可以让机器人走得很好。

过去大家脑子里想的，包括汽车领域的人想的，都是端到端自动驾驶：我不需要人在后面遥控。今天不会有一辆自动驾驶车说，后面由一个人 1∶1 遥控。

但是你会发现，在过去这一年里，很多商业展演中就是有一个人在遥控。这件事过去被认为是：如果我做不到端到端指令发布，从我说一句话，它就可以做一些事情，那我就不应该做产品化。

现在则变成，不要拘泥于环境感知能力，不要拘泥于导航控制能力，而是单纯看我到底能带来什么价值。本体可以在本地跳个舞、握个手、发个传单，哪怕后面是人遥控，也没问题。

这个认知就是一个巨大的 gap。那些想着技术完美之后才能进入市场的人，就一定吃不到、看不见这个市场，也吃不到技术红利。

这才会出现为什么第三波才有自动驾驶的人冲进来，因为他们脑子里已经是端到端、L4 的形态，而今天很大一部分机器人还在 L2 和 L3 之间纠结。

所以这算是回答了我刚才提的问题吗？刚才说 3 大派，工程派、学院派和自动驾驶派。你认为自动驾驶派冲到具身智能来创业，其实是锚定最终的自动驾驶式、全自动的终极愿景而进来的吗？

如果说工程派，其实更像是做自动驾驶时，大家认为自动驾驶一定会到来，从 L2 开始扎扎实实往前做的一批人。

这批人可能看到自动驾驶的发展是从 L2 到 L4，所以认为机器人也会有 L4。而今天再冲进来做 L2，是一个非常不明智的行为，所以会选择从更长远的愿景回来做这件事。

这里面还有很大的区别。原来你定义的工程派，逻辑是我要把我的东西做好。它的功能可能不完美，表现可能不完美，但是我让它产生商业价值和正向反馈，也就是“修修补补又三年”：我做出来的东西虽然不好，但是能被市场验证，我能陪着市场迭代。

而今天会有很多像你聊到的自动驾驶派，他们的目的是毕其功于一役。我锚定一个场景和某个产品，就一次性把它做好，它带着一种终局产品竞争的视角切入。

所以你会发现，有些企业是带着场景而不是带着技术进来的。不是说我曾经有个什么技术，所以觉得这个方向可以，而是觉得在这个场景里需要这样的产品，所以把它做出来。

你更看好哪一派？

短期的话，最后一个肯定是数量最多的。

数量上的多。

数量多，增长速度也快，因为它会更快地把某些认知和能力转化成商业。

当然，这种快可能在中期呈现疲态。因为场景一直摆在那里，会有人拿更新的技术和更新的认知，让不满足的市场得到满足，逐渐替代你、打击你，甚至可能出现降维打击。

更新的技术不一定更好，但一定存在维度上升的状态，一定能做更复杂或者更聪明的事情。如果在更复杂、更聪明的事情上，对你当下的能力形成碾压，你就会面临产品力竞争不足。

所以如果只是在某个场景中做某个产品，它可能会做成类似快消品的逻辑：来得快、来得大，但去得也更快。

我之前听一个投资人评价自动驾驶派的具身创业，觉得他们是一支成建制的团队，自带完整闭环的商业化能力，冲到这个行业来，优先把一些场景做掉。

是的。

那你觉得这一类创业公司怎么从第二阶段迈到第三阶段？如果产生疲态的话。

我觉得很难，因为技术是不断发展的。一直在做这个行业的人，会相信这件事会一直发展。

而如果想快速做好一个产品、打出一个场景，对他来说第二个问题就是下一个产品是什么、下一个场景在哪里。聚焦本身在这一刻就会突然失效。他会很忙，下一步到底要做什么，而他也不是技术溢出的成果。

如果他是一个技术溢出的范式，就可以通过技术溢出找到更多场景。但如果是为某个场景单独做的东西，成就它也会约束它。

我相信今天从地瓜的角度，你们肯定也想去寻找合作伙伴。虽然我排斥“筛选”这个词，但还是选择使用它。

每一个企业，尤其是做生态服务的企业，一定在内心深处有想要合作的伙伴画像。你们最渴望的合作伙伴画像是什么样的？

我觉得其实就是双向奔赴。

我们有一个特别好的合作伙伴，叫摩仙飞[?]，他是做国内自主可控引擎的。我们就是一个双向奔赴的状态。

去年我觉得他的引擎物理水准特别好，想拿它服务客户，所以我们做了一些合作。今年摩仙飞自己也想做一些能力跃迁，反过来求助我，说你的基础设施能力能不能来加速我。于是我们就形成了这样的合作。

共创。

对。

嗯。

这种双向奔赴，是作为上游、作为整个行业上游快速形成共识并形成合力的视角。

因为上游如果不形成合力，就意味着下游，也就是产品端企业，需要做很多整合性的努力。但是如果上游做好了整合性的协作，我们两个整合一次，所有客户就少一次整合代价。这件事本身又是给整个行业节约了很多资源。

你觉得自身行业现在重复造轮子的情况多吗？

还蛮多的。

还蛮厉害的，对不对？

对。每个人都说我要自研电机。

电机就是 3 件事：缠线、线圈、写电控，再把它弄个壳子过验证。为什么每家公司都要做一遍这个事情？甚至可以看到很多电机代工厂赚得盆满钵满，还有 CE、FCC 认证，关键是电机电子电器认证的验证检测机构也赚得盆满钵满。

但我觉得这个资源是稍微有些浪费的。

你觉得这是 for 资本的动作吗？

不是。本质上是这些人追求极致，忍不了任何一点不是为我的性能服务的参数。

以及可能想建立自己的竞争壁垒。比如宇树，大家都看到它自研带来了很多优势。

对。它自研是因为没得用，但今天大家还是有得用。

还是那件事。如果这样的话，每个做具身智能大脑的公司都应该从芯片做起。但其实大可不必。难道每个手机公司都一定要自己做手机的每一块芯片吗？

主要大家手里也有钱。

或者说大家还没有真正找到核心竞争力。

当一个人觉得自己什么都能做、什么都想做时，大概率是他不知道自己真正的使命和愿景。

那你觉得具身企业的核心竞争力应该是什么？

我觉得每个企业要找到自己的“唯一”，而不是“我可以”。

现在大家都是“我可以，我也行”，但是要找到那个唯一的特质。宇树就说得很好，我自己在运控上就是独一号的。其他各家很多都是 Me Too：宇树能做，我也能做；A 公司能做，B 公司也能做。

我觉得重要的是，不仅宇树找到了，它证明了——

或者是时代让它成为那个被证明的答案。

因为你们想打造机器人时代的基础设施。放到全球范围，像英伟达这样的公司也在瞄准这件事。英伟达围绕具身也做了非常多布局，那你们跟英伟达在做机器人基建这件事情上，角色差异是什么样的？

我觉得差异还蛮大。可能从业者里面有一句好玩的话，叫“天下苦英伟达久矣”。

因为它把每件事情都做了，又做得没那么充分，是因为它站在极高的上游视角看待整个行业。所以它可能做到 60 分，觉得可以用，就扔出去了。

但实际上每家公司又会做一次重复性的整合。举个好玩的例子，大家最常见的仿真软件，版本号几经变化，是为数不多不做向前兼容的软件。过去做的事情，新的版本来了之后要重做一遍，于是会产生大量浪费的重复劳动。

我们做的事情和这一层还不太一样。我们也会用英伟达生态里的工具和各种东西去服务用户，但我们会把它做到 60 分的东西做得更好一点，可能做到 80 分、90 分，让大家少做一些二次整合工作，比如向后或向前兼容，让大家更丝滑地更新版本、使用更好的能力。

这中间就是一个巨大的 gap，有这样一些活儿需要有人来做。

英伟达今天在全行业的王者地位，优先要抓住和服务好的，仍然是巨无霸大客户或者特别有实力的客户。

会不会在其他客户画像层面，它的满足度没有那么高，就给像你们这样的公司留下了很多空间和机会？

前段时间 GTC，我找了国内做国产芯片的朋友来做客。他也提到，英伟达今天做的是最高端、大而全的产品，但是普惠产品是下一个时代必需的产品。他认为英伟达无暇去做，或者已经走上了大而全的道路，无法再折返。

我有类似的观点。你看英伟达各个领域的营收就好了。

原来自动驾驶和机器人都归为一个最小的 Others，可能一共占 1% 多。今天自动驾驶多了一点，可能占 3%；具身机器人可能原先也是 3%。

作为任何一家企业，面对这样的市场，哪怕增量再大，也一定会有内部资源协调不充分的情况。

另一件事是，太多新的、快的客户在中国，而英伟达离中国太远了，这件事本身也会造成一些问题。

所以综合这些点，一定会出现地瓜这样一个生态位的公司。它能站在那些不被看见、可能曾经是小众、今天因为具身智能热起来而走进大众视野的机器人企业，以及那些愿意改变世界、凝聚起来的工程师所组成的载体中，愿意为他们服务，愿意推动他们和整个机器人时代快速往前发展。

那为什么不是地瓜呢？

你刚才讲到自动驾驶加机器人，到目前为止，站在现在这个时刻，仍然是一个很小的份额。

是。

但我觉得这个领域迷人的地方在于，突破一定临界点之后，其实会指数级扩大整个市场，包括巨大的劳动力市场、消费品市场、陪伴市场等等。

那个远景你觉得会在多久之后发生？

站在技术视角，我觉得那个远景受限于硬件本身。硬件本身会有 12 到 18 个月的制造周期，然后还有人们接受一个事物的周期。

我估计如果没有去年和今年春晚对机器人的宣传，这个时代可能还会来得更慢一点。

从今天看到的一些产品和创业公司来看，我觉得 2 个 18 个月、让一个产品迭代 2 代，也就是 3 年后，一定会出现大规模爆发。

我在春节刚采访了王兴兴。他当时还是说，5 到 10 年，快则 2、3 年，会迎来机器人爆发的时代。

我留意到最近他的口风有点变了，判断的时间周期更短了。你有留意到吗？

我其实去年也发表过类似言论。它们的加速首先受客观环境约束，但是你会极大地乐观，因为今天这个领域是过饱和式投入。

这种情况下，一定会使曾经试错、试对的周期大大缩短。今天各家在路线上会发现，很少有人提出完全不一样的方向，决定再做 3 年或 5 年。大家都是快速趋同，快速把技术一个个推进，让技术不再成为瓶颈，让产品和场景变成瓶颈，让产品快速进入获得后续市场反馈并迭代的周期。

所以我才认为，可能第一代产品推出之后，第二代产品也会快速切中一些我们曾经未被满足的需求，快速满足最开始可能比较小众的市场，也就是 niche market。

但是中国今天的很多市场，都是从 niche market 长出来的。

嗯。

二次元今天已经是巨大的市场。

隐形冠军，巨无霸。

是的。

所以你还没有回答我，你觉得会在什么时候爆发？

就是 36 个月。

两个 18 个月。

以前可能认为会更久，是因为可能 3 家公司在 36 个月之后都试错了。或者说只有 1 家公司，它 36 个月只试错了 2 轮，但一共需要试错 5 轮。

今天是 10 家，10 家总有一些人在 2 轮之后就已经猜对了。可能只是 10 家中的 1、2 家，但等同于曾经 1、2 家、2、3 家公司走更久的，比如 4、5 个 18 个月。

今年 1 月 MiniMax 上市的时候，我和投资人陈玉有过一个访谈。他当年也是投自动驾驶投出来的。他说，其实今天的具身和当年的自动驾驶一样。

当时自动驾驶涌现的企业，最终留在牌桌上的，其实都在一个非常短的时间窗口内，可能 1 个季度、2 个季度就已经全部出现了。他觉得今天的具身也是一样的。

或者昨天的大模型也是一样的。

对。你现在也看到这个窗口已经快结束了吗？觉得最终留在牌桌上的企业已经都出现了吗？

我觉得最终能留在牌桌上的、具有一定体量的企业都已经出现了。

但是一些细分小众领域市场的企业，因为技术还没有外溢到它们那里，所以它们还在萌芽中。就像今天看起来大模型做好了所有事情，但你会发现，那些更早拥抱大模型的笔记类企业也有一些在爆发；一些新的笔记类企业、个人知识库企业也在爆发，包括企业知识库企业，它们也在成长。

具身看起来桌上的船票已经都订了，但是 Agent 和应用层面，你都不知道下一个——

虚实未决。

今日头条在哪里。

对。而且因为具身的高速发展，大家又不敢去做这件事了，都担心做了半天可能被它吃掉。

所以相反，今天那个垂类小众市场，应该在更深的水下发育着，我们现在还看不见。

所以回到刚才跟英伟达对比的问题，你的答案是，在一些需求和场景上，你会想办法做得比英伟达更好。

到底你是站在行业的上帝视角看事情，还是站在这个行业中的一员看事情？

我觉得英伟达站在上帝视角看事情，我们还是愿意作为这个行业中的一员，推动这个行业再往前走。

现在美国也不得不承认，具身就看中国，因为供应链整个上游的生态还在中国。立足中国，你看到未来我们的优势能够保持在多大的窗口之内？

如果说制造业和整个产业链，这件事情的核心是人才。

首先，国家的发展和民族文化的自信，使得大家愿意相信我们能够成为最好的行业、产业，能够成为最好的工程师。这种自信感使得大家敢做一些别人不敢做的事。

举个好玩的例子，最近比较火的小米造车就是这样的典范：别人觉得不敢想，但我们可以做。去年 DeepSeek 做的事情也是一样，别人不敢想，但我们敢想、敢做。

中国有着全世界最大的工程师技术群体。这些人最大的需求，是被组织起来，需要被愿景和远景吸引，形成合力。

所以今天会发现，那些很成功的科技类企业家，本身都自带远景和愿景。从去年 DeepSeek 搞事情，到王兴兴，再到今天几家大模型的领头人，都有这样的特点：相信自己能做出最好的东西，而不再相信只是做一个 Me Too 的东西。

今天美国出现 Copy from China 的时候，大家其实就应该相信，我们就是最好的一批工程师，我们能够做出满足自己、满足对美好未来畅想的东西。

秦总好。

张博好。

张博好。大家就直呼其名。张博，先跟观众朋友们打个招呼吧。

观众朋友们，大家下午好。

据我所知，您 2014 年就加入阿里云了，对不对？

下个月就满 12 年了。

9. 云计算走向机器人终端

2014 年的时候，我抱着对云计算的梦想加入了阿里云。前 10 年基本上都在做云计算相关的工作。我负责的主要产品叫弹性计算，更多的是云计算的基础性产品。

2024 年，大概 10 年之后，我开始负责终端智能计算相关的工作。

为什么押注智能终端计算？

其实从 2019 年开始，我看到了一些终端计算方面的机会。

整个算力市场，我一般把它分成两个市场，一个叫数据中心，一个叫终端。2019 年之前，整个阿里云更加聚焦于做数据中心算力上游，让更多企业以更方便、更低成本的方式使用算力，解决企业的算力需求。

但是在这个过程中，我们发现，在另外一个巨大的算力市场，其实是终端领域，比如电脑、手机、现在的汽车、机器人等场景。

如果用云计算技术对这些场景所需要的算力进行改造和提升，其实可以快速帮助这些行业健康发展。所以 2019 年，我们开始做一个产品，当时叫无影云、无影云电脑，把终端云计算定位成一个新的业务目标。

这个产品发布之后，在整个社会上产生了蛮重要的反响。2019 年其实是阿里云成立 10 周年。在这个时间点上，我们积累了大量云计算技术，比如计算、存储、网络、安全、数据库等能力，原来更多服务于数据中心算力上游。

我们思考，怎样把这么好的技术用到终端计算领域。深度思考之后，我们觉得首先可以拿电脑这个大家日常使用的硬件终端，把云计算技术融入进去，看看能发生哪些化学变化。

我们思考完成之后，觉得这确实可以带来极大变化。比如原来使用的笔记本电脑或台式机，算力相对来说非常固定。我们经常讲 4 核 8G，或者 8 核 16G，终端算力能力的限制，导致很多应用在终端上无法发挥。

如果能够把云计算成千上万核的算力赋能到一个终端上，它能做的事情就多了很多。

终端能干的事就多了很多。

对。所以在那个时间点，我们发布了无影云电脑这个产品，也把终端云计算作为数据中心云计算的一个重要补充，或者说一个很重要的战略来执行。

随着过去两三年大模型领域的发展，我们也看到，终端计算和 AI 如果能够有效结合，其实可以带来更大的前景。

在终端领域，我们看到汽车、具身智能等场景，它们的算力相对更弱，和电脑相比可能更弱。我们希望把 AI 的能力、大模型的能力融合到终端算力里面，带来的变化应该会更大。

所以今年年初，我们把原来的无影事业部改成了终端智能计算事业部，更希望终端计算和 AI 深度融合，能够在具身智能领域、汽车以及一些新的 AI 终端领域带来巨大变化。

因为我的节目有很多科技爱好者，他们未必是云计算领域的专业人士，所以我小小解释一下。

从功能机时代到 iPhone 时代，一直到今天的智能手机时代，底层云基础设施的能力一直在不停增强。云计算这一部分，就是您刚才讲的，从原来数据中心的算力到端侧的押注。端侧是原本阿里云业务的扩充，是这样吗？

是。

哦。

在数据中心云计算时代，我们其实经历了几个阶段。

最早，2014 年之前，我们更多服务互联网时代的云计算需求。比如当时的客户，我们认为是中小站长，有一些博客站点，或者企业外部站点，可以放在阿里云上托管。

2013 年、2014 年之后，我们看到一个新的机会，就是移动互联网来了。大量公司，比如电商、游戏、互联网金融公司，在很短时间内可能爆发。

嗯。

它们对云基础设施算力的需求其实是巨大的。尤其电商、金融这些公司，短时间内可能需要数万核、数十万核的计算算力，而这些企业没有太多时间去准备，因为公司可能只是因为一个移动 App 火了。

嗯。

在这样的时间点上，使用云是最合适的。云计算也帮助这些公司更好、更快地承接流量。

到 2016 年、2017 年之后，我们看到上一波 AI 爆发，更多 AI 公司选择使用云计算。无论是模型推理，还是模型前期训练，其实都在云上发生。这为今天大模型或者具身智能行业的发展，开了一个很好的头。

嗯。

到 2022 年，大模型爆发了。到了 2023 年，大模型爆发之后，我们看到当时的百模大战公司，几乎都在阿里云上。

嗯。

大家使用云计算的习惯已经养成了。模型训练和推理，以及现在具身智能领域的算力需求，其实很多都发生在云上。

这背后可以看到，从互联网到移动互联网，再到今天的 AI 互联网，不同阶段所需要的算力模式也不太一样。

刚才讲到，其实 2019 年你看到端侧算力和云计算的可能性变多了。为什么之前端侧上云很难？为什么 2019 年事情开始发生了一些变化？

2019 年那个时代，如果算力都在云上，数据中心云计算和端侧最大的不同是，数据中心比如一家企业，可能预订了 1 万核或者 10 万核资源，也就是几个运维人员通过 Terminal 登录上去，进行系统配置、安装，然后直接使用，这叫服务端。

但是端侧的云计算更难，或者说它对整个基础设施和产品体验的要求更强烈。我们拿云电脑这个产品来讲，它需要终端用户实时和云上的算力交互。

嗯。

也就是说，使用云电脑时，和使用本地电脑的体验应该保持一致。体验保持一致，不是说算力保持一致，而是延迟、响应等都要保持一致。

这里面有很多关键技术需要突破。首先网络要足够好。比如我们在这个访谈现场，使用一台电脑时，这里的 5G 网络或者无线网络不一定非常好。在网络不好的情况下，怎样还能够流畅使用云上资源、进行有效交互，这里面有非常多技术需要突破。

首先网络也在升级，比如 5G 技术的发展，在 2019 年这个时间点上——

发生了。

另外，我们其实从 2016 年就开始做技术布局。云和端之间的传输协议，我们在 2016 年就开始攻坚。2018 年成立了大模型团队，很多专家也参与进去。这个协议的研发在 2019 年达到了初步成熟阶段，所以我们觉得 2019 年是终端云计算可能到来的一个很好的——

元年。

开端或者元年。所以 2019 年我们开始基于这些技术研发相应产品，到 2020 年发布了这个产品。

举一个大家可能比较有感知的例子。我相信 10 年前大家编辑文档都还是用 Word 本地文档，但现在大家很习惯用云文档。不只是在电脑上打开很丝滑，在手机上编辑也很丝滑。

确实。

所有这些底层计算条件，都是由云来提供的。所以当下我们应该押注的是，下一个终端时代应该有一朵怎样的云。下半场我们也要聊这个问题，尤其是机器人时代的云应该长什么样。

那你们两位是怎么相遇的？

我们应该是因为我面临云终端中间的这个“边”，也就是开发者。

现在开发主要用 Linux，用的是 Ubuntu，上面可以安装 ROS，然后再做开发。但是我们看到，大部分学生只要开发机器人，就一定会在笔记本上装双系统。

他做一点工作就要来回切换，因为日常教学或工具可能使用 Windows，开发机器人时要切回 Ubuntu，这件事本身就很困难。

第二件事是做机器人免不了算法，需要一台比较强大的 GPU。但是很多高校并没有足够多的强大 GPU，分配给每个学生的更少。

这些学生所需要的时间其实很短，可能不是每个小时都要用，可能只是一节课，或者实验课的 8 到 10 个小时。他不太可能为了购买强大算力，去买一台高配置游戏本或工作站，那就做不了实验。

高校也受到设备本身的限制，逐渐不太能供应学生做比较好的算法实验。我们也面临一个问题：我们的开发板和开发者没有 GPU 来训练模型，让模型在开发板上很好地运行，这会大大降低大家使用它的热情。

在这个过程中，我们发现还有第二个问题：工程师登录 Terminal、进入集群做事情，我们很习惯。但是这是我们那一代人的习惯。那时候没有好的云桌面，就像您说的，2020 年之前没有云桌面，我们不得不学习命令行工具。

我甚至还记得，当我们还是学生或工程师时，第一次面对一个黑洞洞的窗口，只有光标在那里闪，那种恐惧感。我不知道自己可以干什么。那时只能一边上互联网搜索，一边拿书敲命令，学习命令。

今天这件事随着云桌面被释放出来了，因为人天然会习惯图形化操作界面，它填补了这个空缺。

第一，使用开发板的人需要较强大的算力；第二，他想更容易地使用好这个算力。这两件事在云桌面产品上被充分满足了，终于打通了云和端之间的需求。

开发者以前参加黑客松、马拉松，用我们的板子做实验、做产品，需要一台特别强大的 Alienware 笔记本，或者“败家之眼”，就是华硕的那种笔记本；现在变成有一台办公本就可以。

大部分学生今天有能力支撑一台 3000 元的办公本，然后登录我们的云桌面，调用里面的算力和预置好的算法。

这是第二个方面：我可以把工具打包成预置好的镜像，让大家开箱即用。

而我们的一些竞品、友商，需要用户很懂电脑，先登录，在命令行里安装环境、配置应用、下载对应的库、编译好，培训完，再重启，然后把所有服务拉起来，才有那个界面。

我们这边开箱即用，配置时间就从最痛苦的环境配置 4、5 个小时，变成开箱后的 4、5 分钟，他就可以开始使用。这是天壤之别，因为 5 个小时可以劝退很多人，但 5 分钟可以激励更多人。

其实你们这个很像一些 App 在手机里面做预装，你们也是预装到无影云电脑里面，是这样吗？

对。他们可以把自己的软件或者模型放到云上。

云电脑天然可以提供一个模板，我们一般叫镜像。在这个镜像里面，可以把很多软件预装进去。终端用户拿到的时候，比如点一下鼠标，拿到的已经是一个开箱即用的东西。

所以你们两边一结合，就变成了一个完整的 for Developer 工具。

是的。无影更多是把云上的算力通过一根网线输送到本地。

地瓜机器人这边需要的是，把这样一个到终端的算力，和本地系统、各种开发文档更好地融合在一起。

无影云电脑从开发第一天就提出可以被有效集成，比如集成到网页里，也可以集成到 App 里。这样就方便他们的用户、开发者更好地使用算力。

明白。你们提供硬件终端和云计算，提供 infra 层和一系列开发者工具。

是的。

所以这一整套下来要多少钱？

我们自己的开发者会有一些培训机器人算法的课程。一般实验课是 8 个小时，成本会压在 200 元以内。

我们确确实实也看到，像地瓜机器人这样的很多公司，尤其是这两年的电动汽车以及智能汽车行业，真正非常需要这种算力。

汽车行业更多是要模拟车机芯片。比如要做座舱和智驾舱一体的开发，就需要非常强大的 GPU 算力。上面跑的都是端侧算力，以及端侧的各种软件。

也有很多像地瓜机器人这样的公司向我们提需求，希望给开发者提供一个开箱即用的 AI 工作站。

有这么多客户提需求，我没有理由不开发一个让他们好用的产品。所以大概从前年开始，我们开发了 AI 工作站产品。

这个产品也像无影的其他产品系列一样，可以被有效集成，可以集成到应用、集成到 Web 端，让最终用户开箱即用。

其中有一个信号。阿里云作为行业头部代表，我理解你们的视野很高、很广。当你们也认定这是一个大的需求方向时，说明第一，开发者在指数级变多；第二，可能开发时代真的已经来了。

去年智能行业客户、汽车客户，还有一些直接的开发者，越来越多地使用这个产品。无论是企业级客户还是个人客户，都在使用。

从一个侧面来讲，也显示出这个领域正在变得很火热。

你们都押注一个共性的未来：机器人时代到来的时候，也应该有一朵云。

过去我们熟悉的云，是基于互联网和移动互联网发展起来的格局，是这样吗？

确实。从整个行业的视角来看，今天 AI 时代有具身智能、有汽车，还有各个正在发生 AI 变革的行业，都对云提出了新的需求。

无论是以前讲的 IaaS 层、PaaS 层和 SaaS 层，其实都提出了一些新的需求。

完全在重构吗？

可以说是在重构。

移动互联网时代，大家对 GPU 的需求相对比较少，更多是 CPU 的云就够了。但是 AI 大模型这一波，更多的是大规模 GPU 需求。

在 IaaS 层，我们可以看到 AI Inference 已经成为行业、社会很重要的研发课题。到底在云的 AI Inference 里面应该怎么做？怎样更高效地通过模型推理提供更有效、物美价廉的 Token，给更多企业在 Token 经济下输送算力支持？

在 SaaS 层面，刚刚其实也提到智能体。过去几个月智能体非常火。2025 年是智能体元年，今年如果说是开春的话，应该是智能体爆发的一年。

因为 OpenClaw 这件事，整个社会已经形成共识，它的架构长什么样，大家都有共识。另外，我们也看到基于 OpenClaw 这样的项目，有越来越多优秀的智能体产品被研发出来。

我们上个月发布了一个叫 ClawCloud 的产品，它让大众都可以很轻松地使用这个产品养虾。只需要在手机 App 上下载 ClawCloud，就可以实现在 OpenClaw 上养虾。

Agent 时代的架构应该长什么样？

Agent 对底层基础设施的要求没有太大变化，它其实就是需要大量 GPU 运算。

大模型训练完之后，怎样更高效地推理、提供 Token？Agent 消耗的主要是 Token。当然还有云电脑，如果要养虾，也需要云电脑。

Token 加云电脑，组成了整个 high-level 架构。

再往里面看，Agent 有记忆系统。我们经常提到几个方面，比如模型工程、记忆工程、沙箱工程，或者提示词工程。

这几个方面组成了 Agent 领域需要探索和实现的几种大型能力。把这几部分能力整合在一起，就变成了一个相对完整的 Agent 架构。

你怎么理解 Token 经济？这个词最近几个月好火。

上个月阿里成立了一个组织，叫阿里巴巴 Token Hub，把阿里巴巴集团所有和 AI 相关的组织都放到了阿里巴巴 Token Hub 里面。

这可能是大厂里第一个提出把 Token 放到这样重要位置的组织。你可以认为，最基本的算力单元也会成为驱动 AI 经济向前发展的重要动力。所以未来 Token 一定会成为非常重要的东西。

它会像水电一样吗？成为生产力的基座单位。

对。现在如果深入看，Token 的输送已经和家庭使用水电没有什么区别了。

Agent 拿着一个 API Key，有 Token 的驱动，它就可以让人或者智能体去做你希望它做的事情。

Token 是 AI 的水电。

确实。

那 Token 里面应该由哪些要素构成？比如芯片算力。

对。在 Token 经济里，第一是刚才提到的 AI Infrastructure。

AI Infrastructure 的效率决定 Token 生产出来的效率，也决定成本。所以各家云厂商都非常关注 AI Infrastructure 的整体构建。

拿到相同 GPU 资源时，怎样生产更多 Token？在相同时间内怎样生产更多 Token？怎样让 Token 速率变得更好？这是对底层的要求。

另外，模型也很关键。训练的模型，或者训练出来的模型，在推理方面的效率表现，也决定了生产 Token 的效率。

算力 ROI。

对。所以基本上从芯片到基础设施到模型，这些都和 Token 在一条线上。

Token Hub 是一个类似中台的部门，用来评估各个业务消耗的资源和产出的价值 ROI 吗？

对。Token Hub 本质上是把不同团队放在一起。

比如通义实验室在里面做千问大模型系列的基模，也做出了世界领先的开源大模型。比如悟空事业部，更多是研究怎样把 Token 变成日常工作中可以使用的智能体。

当然还有其他团队加入，把整个智能体或者 AI 时代所需要的 Token 经济实体都放在一起。

所有要用到 Token 的大业务部门，都应该进入这个 Hub，是吧？

是的。比如千问 C 端事业部也进入了这个 Token Hub。

最终是希望探索出一种经济学，能够把 Token 最高效地使用起来。

是。希望联合这些团队的力量，从 AI Infrastructure，到模型，再到 C 端和 B 端的应用，把整个链条上所需要的东西高效连接起来，给社会提供更好的 Token 经济支持。

你们两位是做 for Developer 的工具，所以一拍即合，是这样吗？

10. 开发者驱动人工智能浪潮

刚才其实我们聊到我的客户是谁。我说我们是 To Developer。大的 Developer，就是 CTO、CEO 和公司的顶层决策者。

他们需要算力，但如果没有 Infrastructure 运维人员，就需要我们提供怎么把基础设施用好、怎么把基模训好、怎么把模型训好、怎么把模型在云上和端上上线并拉通起来。

所以我们需要大规模的集群型 GPU 算力。

再往下到部门里，有一些探索性的事情。我今天不可能把生产机器权限给一个实习生，但又需要这个实习生去探索集群里的新算法，那我到底给他什么？

还有，我在探索一件事，可能我在北京，张总在杭州，我们两个是一个团队。我想让你看看我的成果。

2020 年左右，云桌面就是我现在工作的这个样子。我把工作现场保留在云桌面里面，另一个人从另一个地方登录，就知道所有事情，也有一个相同的工作界面。

这也是一个经常很有意思的点。我的实习生或者探索性工作的同学，没有生产环境权限，但他需要一个界面，需要一个过程中的展现。我们就用这种方式做衔接。

这是云桌面的另一个有效方式：把研发过程中的状态保留下来，让异地不同地方的人同时登录进去，看到我的现状，并且持续工作。

更好玩的是，今天回家不想带电脑，有一些和界面、桌面相关的研发东西放在那里，我在家里随便登录一台电脑，甚至拿手机登录，也能进入某个测试环境开发，或者临时做应急处理。

这就是中间这一层。

最后最下面一层，就是刚才一直在聊的 ClawCloud。我需要一个云上较低体量的云电脑载体，去打通像 Token Hub 一样的结构。

我有大模型、有算法、有需求，甚至还有自己芯片开发的各种软件算法知识库。如何通过另一个小的智能载体，连接到端侧芯片，也就是机器人的大脑？

云上有一个知识和操作的管家，再加上开发算法的领域能力，把这 3 个东西串联起来，这就是张总说的较大规模的集群型个人终端开发者，再加上端侧的延展，完成从云到边到端的全链条贯穿。

以前少了终端云计算这一层，很多东西拉通不好。刚才也举到，一个参加比赛的年轻人，需要给电脑装双系统，再给双系统装一些东西，使电脑使用起来不方便。硬盘切成两半，也会引发日常开发和使用的困扰。

所以在这个结合点上，从大企业、中型开发团队、小型个人开发者和工程师，我们完整补全了一个三角形的支撑体系，以及工具和基础设施的供应体系。

其实我理解，这件事有 3 个层面的普惠。

第一个层面肯定是技术普惠，AI 能力本身就是一种技术普惠；第二个是终端普惠，比如推出大学生买得起的云电脑；第三个是开发者工具普惠，把它做得便宜、好用，让开发者很便宜就能买到一个开发板，自己开发一个机器人。

我们现在观察到，在 AI 原生时代，开发者爆发了。尤其是刚才我们在露台上聊到，去年的开年有 DeepSeek，让人人都能用上大模型；今年的开年有小龙虾，让人人都能用上 Agent，是这样吗？

你们观察到的现象是什么样的？

确实。我觉得技术浪潮到来的时候，开发者起到非常关键的推动作用。过往几次技术浪潮都验证了这一点。

这一次 AI 浪潮到来的时候也是一样，更多开发者参与进来。甚至小朋友们都在 GitHub 上开一些 AI 开源项目。他们在自己的研究领域里有一些心得，就会在 GitHub 上开一个 Project。

但是正如秦总所讲，他们原来可能只能在个人电脑上玩玩。当需要更加庞大的算力时，可能就做不了了。

嗯。

他们可能只能做小模型或者微小模型，这就限制了开发者想做的事情。

嗯。

通过终端运算、云上输出 Token 的方式，可以让这些开发者更好地融入 AI 浪潮。

我们也坚信，只有更多开发者参与进来，这个行业才可以更加繁荣。

嗯。

才可以有更多应用出现。就拿 OpenClaw 这个项目来说，它其实是一个个人开发者开发的项目。

嗯。

个人开发者没有所谓的——

立场。

立场，没有大厂的一些立场。

嗯。

所以更容易被大厂接受。

它得是开源的。

像开源，还得中立。如果不中立，一个开源项目也很难成长。

OpenClaw 具备这几个特点，可能是通向未来 AGI 的一个奠基性项目。它可能不是唯一的，但应该是奠基性的项目。

在这种情况下，一个个人开发者就可以推动这样一波浪潮。开发者不容小觑，我们更多要服务好他们。

我们近期开发的 ClawCloud 这类产品，也是让开发者、让普罗大众都能更好地使用 OpenClaw、养虾，让更多开发者参与到 AI 浪潮或者具身智能浪潮中。

我们纵向对比一下，移动互联网时代在开发者层面发出信号的特征是什么？跟今天 AI 原生时代开发者的信号有什么不同吗？

2014 年加入阿里云时，内部有一个非常庞大的项目，叫 All in 无线。

2013 年可能还有 80% 左右的用户通过电脑参加双十一，但是到 2014 年，这个数值就在下降。其实这一切都发生在移动互联网世界里。

很多人直接用手机，通过手机 App 下载。在那个时间点，智能手机已经相对普遍了。如果一家企业的应用场景不在手机上，就很难被接受。

越来越多的 iOS 开发者、安卓开发者，在当时社会上非常受欢迎。找工作时，他们可以拿到很高薪的 Offer。

像阿里巴巴这样的公司，或者其他大企业，都非常焦虑：能不能在无线、移动互联网时代跟上浪潮？

可能不只是阿里巴巴会做 All in 无线，很多企业也会做这件事。这就让那个时代的开发者受到很强的关注。

再往后几年，我们也可以看到，上一波 AI 发生的时候，仍然处在移动互联网和今天所谓 AI 时代的交接点。也有很多开发者，比如机器学习、算法工程领域的工程师，受到关注。

那个时间点我们做云计算，更多也是希望产品能更好地被这些开发者采纳。当时我们开发了一系列 GPU 产品，让开发者可以按量使用。比如使用 1 分钟，只需要付 1 分钟的钱，而不用花几百万、上千万购买一个集群。

这样就可以让他们更方便、更快捷地跟上这个节奏，和这个世界的节拍对得上。

您觉得阿里所谓 All in 无线的时代做对了什么，让阿里今天至少在我们过去看到的移动互联网时代，成为一家非常棒的企业？

今天回头看过去的 10 多年，当时也是非常有必要的。

淘宝买家、支付相关业务，那时候蚂蚁还在阿里体系内，大家都开始逐渐试用手机去买卖东西、支付。

2013 年的时候，我们的产品还都在电脑上。买东西可能要到电脑上买，支付也要在电脑上完成。如果没有 All in 无线，我们不可能这么快融入移动互联网。

有些企业可能因为没有融入移动互联网，逐渐没落。阿里做得比较好的是，通过 2013 年的无线战略跟上了移动互联网浪潮，并且通过云计算服务更多原来的互联网企业，协助它们完成从互联网向移动互联网世界的转型。

您还没回答我那个问题：今天 AI 时代开发者涌现，跟当初移动互联网时代开发者涌现有什么区别？

区别肯定有，因为两个时代所需要的开发者技能不太一样。

AI 时代，更多受到关注的开发者，是在模型、算法工程等领域有比较强能力的人。我们构建的产品，也是更好地服务这些开发者。

比如他训练一个模型，无论是具身智能模型，还是传统通用大模型，怎样让 AI Inference 能力方便、快捷、低成本地使用？

在模型推理阶段，怎样提供更好的 PaaS 平台，让模型部署上去，产生更多 Token？

从本质上讲没有变。那个时间点我们做的产品，和现在这个时间点做的产品，都是从用户需求、开发者需求的视角，定义产品如何更好地交付给他们。

精确到年份，移动互联网时代真正呈现规模级独立开发者涌现的年份是哪一年？

2014 年到 2015 年。

之前我们更多看到的用户，还是在阿里云上部署博客网站这样的企业站点。2014 年，我们看到很多企业，尤其最早爆发的一波手游用户，他们在手机上玩游戏，对云计算提出了移动互联网时代的——

标志性要求。

标志性要求。

比如算力弹性要足够大，存储空间或者存储能力要足够大，网络延迟，以及网络每秒能够处理的数据包数量，都呈指数级上升。

所以在那个时间点，我们觉得一个新的时代可能到来了。

为什么是 2014 到 2015 年？是刚才说的 5G 来临吗？

2014 到 2015 年应该还不算 5G。那个时间点我们看到，智能手机的发展非常关键。当然也和网络有关系。

那个时代已经快开始进入 4G，电商、游戏这些行业都可以通过手机完成，而不只是简单发信息。这催生了整个移动互联网快速迭代发展。

那你觉得 2026 年是移动互联网时代的 2014 年吗？

有这种感觉。尤其是这两年，2022 年底生成式 AI 大模型爆发之后，大家都在卷模型。可以认为是模型开发阶段，大家竞争谁能把自己的模型做得更智能。

去年大家首先讨论的是 Agent。Agent 是大模型时代的应用范式，是真正把前两年大家“炼丹”炼出来的模型更好地应用起来。

去年被认为是元年，今年应该算 Agent 爆发的一年。

你不知道它是在一年之内爆发，还是在更长时间内爆发。

对，至少是个起爆点。

嗯，起爆点。

我有一个好玩的观察。移动互联网爆发的时间点，是做 iOS 入职送 iPhone。

更早的时候大家不送，因为它还没到，所以 iOS 工程师没那么紧缺。相反，你过来做这件事，我提供 iPhone 测试机，你还能用 iPhone，这是一个很好的状态，所以它是一个吸引人的点。

为什么入职送 iPhone？因为大部分做这件事的人其实也不太想买，但这些人又是做 iOS 开发的。所以入职送你一个，既让你更好工作，又是变相福利，也是一个吸引人的福利。

今年很像的点是什么？入职这里 Token 无限，或者给你顶配的 Coding Plan 套餐。很像。

更晚一些的时候，大家有钱自己买 iPhone，甚至上一份工作也送过 iPhone，不需要一个新的 iPhone。那时候送 iPhone 就不再是福利了。

未来某一天，在我们这里 Token Plan 可以顶配、无限制，或者像你说的几百美元额度；当入职 Token 不再是一个福利——

是一个福利。

而是前沿 AI 时代公司的代表时，那个时代就已经完全到来了。

我们前两年招 AI 方面人才时，人才会问你有多少数据、有多少 GPU 卡，或者有多少高质量数据。

今年我觉得非常有意思的是——

有没有 enough Token。

Token 是不是管够。我觉得这也代表大模型已经进入了一个新的阶段。

所以刚才张总讲的两个时间点你认同吗？2014 年，他认为是移动时代开发者——

我觉得其实是 2014、2015、2016 年。

一代工程师成熟，一般大家会说过了初级工程师门槛是 3 年。我觉得 2014 到 2016 年，正好是 iPhone 6 变得非常普及的时候。

2014 年是第一次爆发，3G 到 4G 的节点。3G 已经很成熟，流量套餐突然放开，进入 4G 阶段。其实那个阶段所有能做的应用都已经做了，后面不是移动互联网，而是移动互联网的后时代，叫短视频时代。

那个时间点，正如我说的迹象非常明显。差不多 2016 年之后，入职送 iPhone 这件事就没人提了，大家对 iOS 工程师的需求也在一定程度上趋于饱和。

今天提供 Agent、提供 Token，仍然是相对稀缺和前沿的资源。未来当这个资源不再稀缺、相对饱和时，我觉得这个时代就真的过去了。

从去年开始，已经有公司说免费提供 Coding Plan 给工程师；今年说除了 Coding Plan，还提供免费的高质量 Token 来源；可能明年这个东西变成默认时，爆发期就过去了。

两位都赞成判断机器人爆发的时代还有 36 个月，也就是 3 年。刚才讲到 2014、2015、2016 年，所以现在就开始了。

今年的开端，尤其是 OpenClaw 来了之后，你们观察到机器人行业的开发者是怎么样一个活跃法？

11. Agent连接数字与物理世界

我一直讲，Agent 真正实现很强的能力，需要连接两个世界：一个是数字世界，一个是物理世界。

数字世界也是真实存在的，是人一直在使用的，比如互联网、移动互联网。Agent 怎样更好地连接这个世界？它首先要把人过去十几、二十年在数字世界积累下来的知识和资源更好地利用起来。

基于这个判断，我们去年做了一个产品，叫 AgentBay。它让 Agent 通过 AgentBay 连接互联网和移动互联网，也就是数字世界。

通过这样的连接，可以让 Agent 快速感知和使用这个世界里的资源。当互联网和移动互联网中积累的数字资产被很好地利用起来时，你会发现它变得越来越智能，越来越符合期待。

第二件事是连接物理世界。如果说具身智能能够被 Agent 驱动，也就是和物理世界建立连接，那么具身智能就是一个很好的场景。

怎样把 Agent 和今天的具身智能行业有效连接起来，就是秦总他们正在做的事业。如果把 Agent 通过具身智能行业连接物理世界，它能做的事情就会更强。

我们配合一些在校博士开了一个开源项目，叫 URDF Studio。

URDF 是 Universal Robot Description File，也就是统一的机器人描述。它是把机器人的图纸描述成一个数字文件，可以放到仿真里面，把机器人重建出来。

以前这个行业叫 CAD 或者 EDA。通过大模型的帮助，一些在校学生和工程师就可以把这样的开源软件从想法变成产品。

产品出来之后，大家从 GitHub 上找来建群，那个群迅速膨胀到三四百人。其实做机器人的机械工程师没有那么多，因为我们原来的公司里可能只有一个机械工程师顺带做这些事情。

但瞬间，一些算法工程师非常开心：我终于不用求机械工程师帮我干这个事了。

我们还做了一件事，把 URDF 导出来之后放到仿真引擎里，让机器人先基本学会走路、站立和行进。也可以让 Agent 去调试，比如调电机参数、机械结构参数、算法参数。

这样就把需要很多专业知识和手工苦力的事情降下来了。

第二件事是刚才张博说的 AgentBay。所有知识都是大模型的 Knowledge Base，其实是基于电脑的。哪些东西是机器人需要的，我们就把这部分知识放到 AgentBay 里。

AgentBay 去调度端侧芯片，也就是机器人的大脑。云端还有一个大脑，它去调试这个端侧大脑，直到把它调通为止。

这种交互现在也做起来了。我们开玩笑说，这是机器人的“大脑做梦系统”。

白天它负责学习，我们负责调东西；做梦是什么？有些东西不通，我今天学的技能有问题，人休息的时候，它就把这些知识再沉淀，然后进行架构升级。

这需要外部辅助，也就是 AgentBay 里的智能体去协作。它去监管，给出控制信号和奖励函数，让端侧逐渐运转得更顺畅。

我们把这个叫作端云协同进化。这也是我们今年后面可能开发给很多开发者的核心功能。

现在看，基模这种通用智能发展得很快，但是物理 AI 相对来说还处于早期，我理解中间有一个很大的 gap。

你们是在修一条路，把那片大陆已经拥有的智能，以及 coding 能力、Agent 能力，快速输送到物理 AI 层面。这其实是两位结合之后正在做的事情。

是的。比如让机器人识别各种东西，我们可以用千问的 VLM，也就是视觉语言模型，快速让机器人在没见过的图片里，利用大模型的执行能力，从云端调用算力和 Token，识别出它是什么，然后记下来。

其实就是存一张图片，画一个框，说这是一个麦克风。它明天就记住这是麦克风，也不需要再调用云端 Token 了。

随着本地能力逐渐进化，它知道这边是麦克风、这边是桌子，也知道主持人或者嘉宾。随着我们的沟通，以及这些语言文字的二次处理，它还会知道张博是博士，张博负责什么、专长是什么，我的专长是什么。

之后它再见到我们时，就可以根据我们的专长进行沟通。

这就是我们所说的端云“做梦系统”——

端云协同。

端云协同的一个功能。

Agent 就负责把一种智能翻译成另一种智能，让端侧能够高效吸收。

确实。我们经常讲云端协同，其实具身智能经常谈到的就是云和端的模型怎样更好协同，才能让具身智能看起来更聪明，能做的事情更多。

云上的模型一般都是比较大的模型，参数量比较大，也可能是多模态的。因为具身智能机器人要和物理世界、真实的人发生连接，其实也要有一个思考过程。

比如你让它递一个杯子，对它来说是要完成一件动作，需要用云上的模型。如果都放在端上，算力是不够的。它可以用云上的模型把任务分解，明确具体要做哪几件事情。

通过云上的强大算力，可以做好规划、决策，以及周边环境感知。把这些信息放在一起之后，它要做一个智能化决策，再协同端上的模型。

端上的模型很多，可以理解为负责控制动作，比如保持平衡、走路，或者调整某个关节的力道。这些都需要相关小模型协调。

所以未来具身智能行业和 AI 结合，应该是端和云侧的智能怎样更好协同和连接。

我做个比喻。大家学自行车时知道，往左倒就往左打转向，往右倒就往右打转向。这就相当于端云协同，有一个大脑在指挥身体。

当整个身体或者端侧模型足够好时，就不需要再思考这件事了。甚至车把本来是歪的，我们知道只要往前看就好。只要控制着往前走，就一定可以骑好自行车。

这就是标准的端云协同进化逻辑，在现实中的一个类比。

你的肌肉记忆已经进化成一种本能，计算速度非常非常短。

对。云上模型的特点是延迟可能稍高，但是智能化程度更高；端上模型则像刚才讲的肌肉记忆。

当它碰到某件事情时，云上模型先帮它思考好，端上模型再去执行。执行时，它也能够通过过往经验积累，实时把这件事情完成。

极致地压缩计算时间。

是的。从技术上说，一个是端侧模型蒸馏云端模型，把一部分能力变成自己的；第二是在云端更大的模型之下做有监督学习。

也就是通过云端反馈，再去训练端侧模型，让它在专用事情上做得更好。这两条链路现在都是技术领域比较主流的做法。

所以具体到开发者画像，我们观察到 AI 原生时代的开发者，平均年龄大概在几岁？

基模开发，以及预训练加后训练这个阶段，更多都是年轻人为主。

哦，你说做基模的公司的主力军，都是 95 后、00 后。

对。

然后做智能体研发的，年龄相对来说就比较广，因为关键是怎样把它用好。在这个领域，我觉得和年龄没有关系，是你对 AI 这件事情的认知，决定你能不能很好地继续下去。

所以我们现在看到，AI 原生开发的公司，真正希望现有开发者能够更好理解 AI 原生开发。我们经常讲的 web coding，就是怎样驾驭好 AI、使用好 AI，做好相关开发。

Agent 的出现，理论上会加速机器人的自进化，是这样吗？

我自己的判断是的。

这里面的 Agent 分成两部分。一部分是端上本身的智能，它就是大模型在具身机器人身体里的载体，这个东西本身就是一个 Agent。

第二，Agent 还意味着多 Agent 协作。多个 Agent 中，有的负责调用 VLM，也就是视觉语言模型；有的负责调用 Coding，解决逻辑问题；还有的可能是 Deep Think、Deep Research Agent，负责解决常识任务。

然后把这些东西变成训练有素的机器人应该具备的智能。

所有这些东西都有各自的缺点，但是当机器人到了具体环境、执行具体任务时，就不是面向通用做事，而是变成专用做事。

这时多个 Agent 就可以把专用能力变成一个最小集，才能让端侧智能发挥出来。端侧有算力天花板，对应着智能天花板。怎么把它从基础线拉到天花板，就是多 Agent 协作框架的意义。

你有多个老师，语文老师、数学老师、英语老师，教会你成为现代化、得体、全面发展的人才。

那怎么构建一个让机器人能够像生物一样进化，而且高速进化的土壤？

最近可以看到，各种开源的优秀 Agent 架构都提出了自进化。只要装上这样的 Skill，你就会发现养的龙虾越来越聪明。

它会不断提升自己，也会对过去和你交互的内容不断学习，每天学习更多新的能力，补充自己。

这种自进化不仅是具身智能行业需要的，更多是 Agent 行业本身就需要具备的能力。现在自进化已经成为 Agent 的标配。

第二件事，我猜测我们也面临着整个大环境从 Cloud Native、云原生，向 AI Native、AI 原生过渡。

B 端企业很多也面临一个问题：以前是为了云原生做数据库、数据治理、管线、ETL、数据清洗，都是原来那套逻辑，那些东西是为了服务人、服务云相关的数据库。

嗯。

但今天 AI Native 是服务 AI，它不是个人，也不是数据库。

怎么做好 AI Native 的前一站，叫 AI Ready，也就是让这个东西能被大模型使用？

机器人更是如此。原来都是给人看的文档，给嵌入式工程师、软件工程师、算法工程师看的文档。你有没有考虑过 AI 的感受？有没有考虑过大模型怎么看待这些事情？

嗯。

我们就会有一些 AI Ready 的培训。比如多个 Agent：嵌入式 Agent、软件工程师 Agent、算法工程师 Agent、项目经理 Agent、产品经理 Agent、硬件产品经理 Agent。

他们需要读一些书，我需要强化他们。这涉及一些模型的强化学习、RAG 注入，包括通过强化学习激活它的一部分能力，让它忘掉那些不该记住的能力。

因为人是通才时会发散，是专才时会聚焦、可闭环。然后让每个 Agent 各司其职，把不同开发者可能会用到的东西变成专业化的 AI Ready Agent，并把这个 Agent 交给客户，让客户提出意见，让大家继续教它。

有人在环，也就是 Human in the Loop，再去促进 Agent 专业度提升。这是我们现在做的事情。

如果试图用一到两句话总结 Agent 时代需要什么样的基建，你们会怎么回答？

基建的用户是大模型，而不再是人，仅此而已。

我觉得有两个方面。

一个是怎样更好地把 Agent 造出来，怎样让 AI Inference 更高效，怎样把自己的模型训练得更加智能。

另外一点是，怎样让数字世界或者物理世界对 Agent 友好。比如我们经常听到 CLI 或者 MCP，就是把数字世界里的能力，无论是软件还是数据，通过 MCP、CLI 的方式让 Agent 使用。

这样 Agent 就可以利用这些能力进行自进化。

什么样的生态能够被称为好生态？

利他。

机器人行业现在有这样的好生态吗？

地瓜反正是基于利他的视角在做这件事。

地瓜先天就在上游，没有真正和谁竞争。相反，只要机器人时代来得更早、更快、更猛，地瓜就会发展得更好。

所以地瓜是“利他即利己”。能够做到利他即利己的生态秩序维护者，就一定不会让生态中的一些人受到伤害，相反会让生态更加繁荣。

但是一部分人做不到利他即利己，出现屁股决定脑袋的分歧时，生态可能就会分裂、割裂，甚至逐渐衰败。

问题来到张博这边。

我觉得整个产业链其实还蛮长的。

所谓长，我们拿汽车来讲，原来叫电动汽车，现在叫智能汽车。今天来看，虽然终端做汽车的公司非常多，但是大家仍然有行业分工，真正把自己擅长的部分做好，就有利于智能汽车行业发展。

对具身智能或者 Agent 领域来说也是一样。每家公司可能都有自己擅长的地方。

比如阿里云更擅长 AI 基础设施、模型和 Token 对外输出，我们会把这方面能力做得越来越强，让更多开发者、终端用户和服务企业更好地使用算力。

具身智能产业链中，秦总他们负责芯片；还有很多公司做灵巧手、做关节、做机身，也有人只做模型和算法。

这些公司如果能够在自己的领域把事情做好，就更加有利于具身智能行业在两三年之后爆发。

今天看来，一切有趣的地方是还没有到零和竞争阶段，所以生态大概率仍然有利他的可能性。

对。

还没有这么刀光剑影。

对。因为真正做到最后，也会像过去两三年汽车行业发生的事情一样，我相信这都是行业发展的必然。

嗯。

对。

周期不同。

现在大家可能还都在各自熟悉的领域里，把自己的那一块做好。比如有人做灵巧手，有人做关节。

所以通往机器人时代的那条基建，现在的进度有百分之多少？

我觉得每天都是从 59% 攀向 61%。

因为基建的速度远比业务慢。今天大家都在探索无限可能，而基建的任务是，等你们探索完无限可能之后，我们去归拢、求解出最大的公约数，让大家不再重复造轮子。

但今天大家都是拿着已有的轮子往前跑就好了。所以我认为永远都在 59% 和 60% 之间，够用就行，然后赶紧往前跑。

前一天到了 60%，第二天又变成 59% 了。

对，有点像西西弗斯的状态。

预测一下未来 1 到 3 年，你们最期待行业发生哪些变化。

机器人真的能够自进化，真的做个梦就会变得更好。

从技术上来说，机器人真的存在在线强化学习。当天看过的东西，在自己的设备里面快速学习，做第一次之后，第二次就可以做得更好。

这样的场景出现之后，整个机器人在场景中的适配能力和进化能力就会进入快车道。只要本体能力足够，场景和对应功能就可以快速满足。

剩下的事情，是发掘它的商业价值和物理价值之间的桥梁。这件事就交给整个商业社会和真正有效的市场经济来运作。

我不是做具身智能行业的，但是服务了很多像秦总这样的具身智能客户，也和他们进行了一些交流。

我作为一个外行看到的是，现在很多还处在炫技阶段。到 3 年之后，我觉得一定会在某些行业，比如工业或者一些商用场景里大规模应用起来，家用可能是 3 年以后的事情。

另外，因为我是做 AI 方向的，我觉得现在的智能化程度还不太够。今天结合 Agent、结合 AI 技术发展，它们之间的融合速度应该会更快。

怎样把 AI 或 Agent 的东西，把灵魂融合到具身智能本体里，我觉得这件事情在未来 1 到 2 年会爆发。

第三点是成本。我觉得成本应该会大幅下降，因为这和其他行业一样，一旦被广泛应用，尤其中国制造业能力又这么强，里面的零部件、芯片等成本都会大幅下降。

我预计 3 年之后，制造一个本体的成本，应该比现在便宜至少 50% 以上。所以 3 年之后，应用领域也可能有所拓展。

像您现在负责的终端智能计算事业部，业务里面有百分之多少是具身或者机器人？

最多的两个行业，其实就是汽车和具身智能，这两个都是很重要的行业。

面向未来，我们希望通过终端上的创新，不仅把这两个行业服务好，也通过打造新的终端智能计算产品，让更多行业在这里受惠，享受到技术发展的红利。

其实我觉得还挺令人期待的。

如果往前倒 10 年，大家想象机器人能做的事情，无非是割草机、吸尘器这些。但是今天我们已经看到非常多不同场景被定义出来，大家还期待能不能有机器人保姆、机器人老师。它其实仍然是一个想象空间非常大的前景。

今天你们做的事情，仍然是在布局未来。

确实。而且我是个工程师，还是个懂一点产品的工程师。

我的观感是，机器人的弱智能化——我暂且定义为弱智能化和弱自主化阶段——家里搭把手的劳务机器人其实是需要的，很朴素。

我自己一个人带娃时，需要有人冲个奶。这个需求一点都不复杂，可能冲奶器什么都 Ready，按一下按钮，把它拿过来冲个奶。

有时候你在晾衣服，人已经上去了，那帮我搭把手，把衣服从篮子里递上来，我不用亲自去拿，站在凳子上就能晾到晾衣杆上。

包括洗衣机。我家里可能没有洗烘一体机，但我可以做一件事：离开家之前把衣服扔进去，开着门，然后说机器人帮我把门关上。我到家那一刻衣服已经洗好，就可以把衣服晾上了。

这种帮一把手的需求特别多。洗碗机本身也是，扫地机器人本身也是。它不那么完美，但恰好能搭把手，节约我们的时间，让生活更舒服。

这样的场景和需求特别多。像张博说的，只要成本降下来，弱智能也有发挥空间，而更强的智能化，发挥空间更是无限。

我理解，弱智能加上千姿百态、极其细分的需求，这些机会可能就是属于小型开发者的。

所以我们会迎来一个开发者爆发的时代，在技术和基建都成熟的时候。

好了，这期节目就是这样。如果你是机器人行业从业者或者感兴趣的听友，非常期待你在评论区的留言，与我们分享行业现象与见解。如果您喜欢我们的节目，也请多多留言转发分享给身边的朋友，这将是对我们最大的支持。感谢您的收听，我们下期再见。