杨硕：妙动科技，特斯拉Optimus，CMU大疆，无人机，人形机器人 ｜ WhynotTV Podcast #1

实际上，人类的发展就是在把自己的肉体不断消灭的一个过程。十年以后，我会毫不惊奇地看到一个人形机器人在室外工作的时候端起水来喝。当我们一起把技术都突破以后，它一定是一个千亿、万亿规模的市场。

这样的机器人，一定要是人形机器人吗？

不一定。

以下内容是我和杨硕的对话。杨硕本科、硕士毕业于香港科技大学，在港科大以及毕业后的5年期间，参与并主导了大疆飞控系统的研发。大疆之后，杨硕于2018年前往CMU攻读机器人学博士。杨硕于2023年博士毕业后加入特斯拉Optimus人形机器人团队。1年半以后，杨硕离开特斯拉，官宣创立妙动科技，专注研发消费级机器人产品。

过去10年，杨硕在知乎上分享了大量技术见解以及一线科研生活，他的文章至今仍鼓励着年轻一辈机器人学生继续前进。杨硕是我们这个时代最杰出的机器人学家与机器人工程师之一。

这里是Yann TV Podcast，现在请与我一起进入和杨朔的对话。

今天我们很高兴邀请到了硕哥杨硕。大约1个月以前，你刚刚发布了自己的创业公司公告。我在你准备做创业公司的那篇帖子里注意到，你开设了2个办公室，一个在深圳，一个在硅谷。特别是在现在这个时间节点，你会选择这样的组织形式——一个办公室在中国，一个在美国。这里面有什么挑战和机会？为什么会做这样的选择？

1. 双城创业布局

因为以我自己的经历来说，我对两边的工程师，还有产业的发展，都有一个相对来说比其他人更全面的认识。我觉得各地都有自己的优势。

硅谷在过去很长一段时间里，直到现在，它的文化还是不怕失败、鼓励创新，也鼓励人员流动。从业人员的思路会比较活跃，对于新技术的应用和探索也都比较积极。

国内在很多方面也有自己的一些优势。这两年，国家也在更多地鼓励创新和技术突破。但我觉得很多方面还是缺少一点硅谷的精神。不过这没有什么问题，因为国内的行业也发展出了比硅谷大很多的优势，特别是供应链。

所以我觉得两地都有自己的优势，也都有自己的劣势。同时创建团队，把不同地方、不同背景、不同想法的人融合成一个团队，我觉得在现在这个时代是非常有必要的。

顺便说一下，我们现在就坐在硅谷的办公室里面。

对，这是一个很好的时间节点，来记录这个旅程的开始。这个办公室刚刚搭建起来。

2. 大疆飞控起步

你的履历要从2008年开始。你从2008年到2015年在港科大完成了本科和硕士学习，之后在大疆待了3年。

其实在大疆是从2013年就开始了。因为我研究生期间的导师是李泽湘教授，很多学生其实都和大疆有比较多的合作。很多李老师的学生在研究生期间就去了大疆，所以我2013年就开始在大疆做基础飞控。

到2015年毕业前，我已经参与了很多大疆飞控的开发，包括比较底层的算法和软件系统，基本上是在大疆最早的飞控基础上重构了一遍。2015年到2018年，算是正式全职工作。期间我也参与了不少产品项目，后来还负责了RoboMaster机器人比赛的项目。

3. 无人机可靠性追赶波音

你以前写过一篇知乎文章，说2016年在大疆的时候，大疆内部有一次会议。你们在白板上列出了当时做无人机的竞争对手，但最大的名字叫波音。因为当时你们说，波音的故障率可以做到500万分之1，而当时Phantom 4的故障率是200万分之1。

所以大疆在2016年的时候，就已经有了要和波音比肩的产品要求。但现在这种要求，我们好像在机器人，尤其是人形机器人上很难看到。别说200万分之1，好像200分之1、2000分之1都很难做到。为什么这么难？

我觉得可以从事物发展的客观规律来分析这件事。无人机这个东西，我第一次看到应该是2009年的一部印度电影《三傻大闹宝莱坞》。

里面有一个场景让我印象很深刻：有一个学生天天不务正业，搞自己的小发明。他发明了一个四旋翼无人机，但是因为搞这个东西，他的成绩不好，老师威胁要把他退学。最后他实在受不了了，就自杀了。

他自杀的时候，电影的主人公帮这个学生把飞机调好了，还做了图传、遥控图传。他开着这个飞机上去，想给那个学生一个惊喜，结果发现那个学生已经在宿舍里上吊了。整个过程是通过无人机的视角呈现出来的。

这是2009年的电影。实际上，2009年之前，无人机这件事已经发展了将近10年。所以在2009年这个时间点，一个遥控飞机加图传的概念虽然还挺新，但是在电影里面已经能够呈现出来，大家也会觉得这个东西有用、有价值。

但大疆真正开始说要把波音当作竞争对手，已经到了2014年、2015年。那个时候，Phantom 1在2013年上市以后形成了比较大的销售规模。大量用户使用之后开始出现事故，所以我们要减少故障率，就要把无人机系统向航空航天系统看齐，于是才提出了这样的可靠性目标。

你可以想象，当一个飞行器卖出100万台、甚至200万台，在天上到处飞的时候，200万分之1的故障率其实也会造成很多事故，所以才会有这样的要求，或者说这样的目标。

但从2009年无人机技术成熟，到2013年大疆找到“会飞的相机”这个应用场景，中间过去了4年。再从大疆开始做，到发现大量销售以后需要对产品提出可靠性要求，又过了几年。

所以我们现在的人形机器人，可能还不是2009年的无人机，甚至可能还要更早一点。因为现在很多基础技术实际上还没有被研究清楚。这个时间点上，很多东西还是偏科研性质的。

当然，因为我们有很多其他机电系统，尤其是无人机的经验，所以能够大概预见到，2年以内，一些商业化的消费级机器人应该会出现。它一定会有类似无人机的可靠性、量产和质量要求，所以我们可以做一些预估。

但在现在这个时间点，它是不是一个完全成熟的东西？在我看来还不是。不过，很可能它欠缺的东西，就是需要有一些商业公司，以大规模量产为目标，把里面的各种细节一点点抠出来。

如果我们不做这件事情，能够量产、能够稳定运行的未来肯定不会到。做这件事有风险，也可能失败，但总比不做要好。

所以，妙动科技会以这个为目标吗？

肯定是百万分之1。

你觉得我们现在这一波机器人公司——人形机器人公司也好，各种做通用机器人的公司也好——最接近波音级别可靠性的是哪一家？

我觉得还是Tesla。因为这是公开渠道大家都讲过的一个点：现在机器人从部署到硬件，再到数据收集、测试等等，整个体系都继承了特斯拉汽车已经建立起来的基础设施。

如果特斯拉真的在今年年内造出5000台机器人，然后这些机器人不管部署在哪里，它们的故障收集和故障分析，特斯拉都有非常完善的已有体系和流程去处理。一般的创业公司，很多人肯定没有做过这种事情。

现在大家可能还在想，怎么把技术做扎实。把技术做扎实是第一步，第二步是怎么量产。但量产也不是问题的全貌，还有一部分是售后：用户拿到以后会不会频繁出问题？

之后还有一个部分叫返修。用户把东西用坏了，或者用了一段时间以后，整个系统的性能下降了，那我们是不是要把它送回某一个维修中心重新维护，还是让用户把它寄到公司的返修工作点？这里面有很多环节，大家可能都还没有太关注。

所以大疆在你2018年离开的时候，飞控已经非常完善了。至少对于无人机来说，飞得可靠这件事已经没有问题了。

你觉得大疆现在还是一家无人机或者机器人公司吗？因为给我的感受是，它越来越像一家影像公司、一家相机公司了。现在你觉得大疆是一家什么样的公司？

如果有一天大疆要下场做人形机器人，你觉得它有什么独特的优势？或者你觉得它会对机器人感兴趣吗？

4. 人形只是一个工具

我离开大疆也比较久了，所以对于公司的战略或者想法，说实话我也不是很了解。只能说，作为一个很早的员工，以及现在的一般消费者，我有一些自己的看法。

我觉得，技术不是说我一定要创办一家公司，一定要实现某种特别领先的技术。很多时候，更多的是分析用户需求，然后组合不同的技术，去实现很好的用户体验、创造新的生产力，解放用户的想象力。

我觉得大疆一直在做这些方面的工作。至于你说解放生产力、它会不会下场做机器人，我觉得这可能取决于他们怎么在已有的用户群和已有的业务基础上，进一步解放大家的生产力和创造力。

他们一定会从用户出发，去寻找用户需要什么。也许用户会说：“我不仅需要Osmo，我还需要一个能帮助我拿着Osmo跟着我走的解决方案。”

我们作为机器人研究者和从业者，可能会想：那我做一个人形机器人帮你拿相机，听起来是一个非常好的解决方案。但它是不是用户体验最好的东西，也不一定。

有可能你做一个车，或者只做一个下半身；也有可能还是像Ronin一样，在人的身上额外接一个防抖装置。我觉得从大疆的角度看，这些解决方案都是一样的，因为它们最后给用户提供的影像拍摄体验可能是一样的。

所以这其实又回到了我们最开始说的问题：人形机器人一定只是解决特定用户需求的工具之一。这个工具有它的优势，也有它的劣势。很多时候不能单一地说“一定要用人形机器人”，而是要看怎么把问题解决好。

这就像大家常讲的：你是拿着一把锤子去找钉子，还是看到钉子以后再去选择合适的锤子？

人形机器人在我看来是一个功能比较强的锤子，甚至有点像瑞士军刀。它一定能够做很多很多事情，但很多场景下，你可能只需要一把简单、普通的锤子。

听起来好像你觉得人形机器人的泡沫不太乐观。

我不这样认为。我觉得这只是事物发展的必然阶段。人形机器人一定是所有东西里功能更完善、稳定性更好、自由度更多的一种形态，它能解决的问题也更多。

但现在硬件技术还没有成熟，所以成本很高；软件技术也没有成熟，所以它还不够聪明。如果我们把这些东西都做到位了，它一定能够产生很大的价值。

但它不会消灭锤子，锤子也不会导致它没有用武之地。它们作为工具，一定都会有大量存在的意义。

5. 博士转向人形机器人

你当时在大疆从2013年到2018年待了5年，经历了完整的产品周期，飞控也已经成熟了。那你当时为什么会想到去美国读博士？

我个人一直对人形机器人这个复杂工具非常坚信，觉得它是有用的。2018年的时候，或者可能更早，人形机器人还是一个科研上没有被解决好的问题。当然现在看来，科研和工程上都有大量问题需要解决，所以我就想去研究它。

那个时候成熟的人形机器人方案也不多，主要还是机器狗为主。我不能说当时就预见到现在会有这样一个很热门的行业，但我相信它是有用的。

不过我也不是盲目乐观，认为它在1年、2年内就会有多么广泛的应用。它一定是一个长期、持续的过程。

单看人形机器人这件事，在过去50年里，我觉得它都是一波一波发展的。可能在1980年代，日本科学家做出了一些方案；到2000年，ASIMO做出来，相当于一个震惊世界的东西。

那之后，人们做了很多小型消费级的人形机器人，但都不太成功。我觉得我们这一波，保守一点说，一定会比之前做得更大，但也一定会有一个起伏的过程。

因为我们今天拥有的技术，确实比上一代有很多进展。但我也不相信，这些技术已经能够解决所有我们想象中的家庭场景。因此，我觉得我们能比上一代做得更好一点，但离自己的梦想还很远。

很可能我们需要一波一波地通过产品去做探索。

你觉得差距主要在产品迭代上吗？技术上需要研究突破吗？

我觉得都有。技术上，材料方面还是有突破空间的。比如现在的电机，无论怎么做，都不能保证在所有工况下保持非常稳定的工作状态。

如果机器人在室外炎热的天气里工作，不管是宇树的机器人还是特斯拉机器人，都会有过热问题。这个问题该怎么解决？我觉得它可能是一个材料问题。

比如，电机里面的导线是不是可以使用新的材料，使发热和电阻性能更好，让系统的稳定性更强？或者，也许可以有新的电机设计，让机器人里面有一个水箱装点水，然后自己把水运到电机上，通过类似出汗或者蒸发的方式给电机散热，提高它的工作能力。

这些都还不确定。我们现在其实没有很成熟的技术去做这件事。但你可以想象，也许5年以后，或者10年以后，我会毫不惊奇地看到一个人形机器人在室外工作时端起水来喝。

因为它需要散热。无论怎么样，电机都会发热，物理规律就在那里。它怎么散热？可能只能靠喝水，然后蒸发。

汽车也有冷却液。

对，同样的道理。单说这个技术，支持机器人在室外高温环境下连续作业的能力，我们现在还不具备。

明白。这个问题可能限制了很多现在能够做出来的机器人系统的应用场景。等这个技术解决以后，机器人的应用场景就会进一步扩大。

对。从这个角度来说，我们一代一代地迭代产品和硬件，无非就是先找一个应用场景把它做起来。如果有问题，就看能不能加入新的技术，拓展它的工作范围和业务范围。

这个过程一定是此起彼伏的。也许今天会有一些机械上的革新，明天会有一些硬件上的革新，后天会有一些算法方面的革新，让我们能够不断迭代出功能更好、性能更稳定的产品。

但你说会不会有一个时间点，突然造出一个比人的智能还强的机器人，然后什么都能做？我个人感觉不会一下子出现。一定是我们在未来很长一段时间里看到产品A、产品B、产品C，然后一点一点变得更好。

6. 工程与科学如何分开

你有一篇知乎点赞最高的文章，应该是《机器人学家的学习计划》，对吧？里面其实你在2018年就已经建议大家不要再去研究四旋翼飞行器了。对学生来说，不要再做这方面的研究，因为你觉得它已经被研究透了。

但一个领域从被研究透，到能够做出一个极致的产品，这个差距有多大？

这个问题非常好。我想分享两点。

第一，我觉得我当时的判断是错误的。我在读博士之前，对于什么是工程问题、什么是科研问题，理解得并不是特别清楚。

当时建议大家不要研究四旋翼，实际上是纯粹的工程思维：这个东西怎么造出来，我们已经弄得很明白了。但从科研角度来说，它现在仍然是一个很好的科研平台。

因为四旋翼尺寸很小，可以飞得很快，又可以在空中灵活移动。对于导航、路径规划等科研来说，它是一个非常好的实现和验证算法的平台。

而且正是因为它在工程上的很多问题已经解决得比较清楚，所以科研工作者做研究时，不需要再思考无人机硬件怎么搭、底层控制算法怎么设计这些基础问题。所以我当时的判断是不对的。

或者说，什么是工程，什么是科学，这个问题我自己花了很长时间才理解清楚。后来我看到冯·卡门——他应该是钱学森的教授——讲过一句话，解释什么是工程、什么是科学，或者说科学家和工程师分别做什么。

他说，科学家是解释已有的东西，工程师是创造不存在的东西。因此，博士的工作实际上应该是解释已有的东西，或者说解释科学。

比如有一个飞行器，用方法A飞得不好，用方法B飞得很好，能够避障、飞得更稳定。那么在科学上，就要解释为什么会这样：为什么使用神经网络的方法会更好？怎么让它变得更好？中间起作用的因素是网络结构、网络训练方法，还是其他因素？

科学家更多是在做这部分工作。只是现在机器人整体还没有非常成熟，所以很多时候，博士生需要先做工程，自己搭一个平台，然后在这个平台上做科研，去解释科学。

在我读博士之前，我可能认为博士的工作就是做工程、创造未知的东西。但实际读完以后发现，博士的工作应该是解释已知的东西。

当然，这里面还有一些更灵活的区别。很多时候你需要先创造一个东西，再解释其中的科学道理；或者在很小的时间尺度上，工程和科学需要交替进行。

至于你刚刚问的，科研工作距离实际产品还有多远，我觉得毫无疑问，距离很大。但这个“很大”不一定是技术本身，而是技术进入产品以后，怎么和刚刚说的量产、售后、返修结合起来。

对于硬件产品来说，每一块都至关重要。技术可能会出现在其中任何一个环节，也可能还会有一些科学问题。但更多时候，解决这些问题是一个系统工程，必须有负责返修和售后的人收集数据、做分析。

说起来，所有公司都要做这些事情，但真正做起来，会有很多细碎的问题需要关注。

当时你选择读博士，我理解是：工业界的技术问题你觉得已经解决得差不多了，而你对更复杂的系统和研究仍然有热情。

我记得当时你有一篇文章，重点讲了为什么选择CMU，而不是伯克利。你觉得两个城市的气质不一样，两个系给你的感受也不一样。

当时在那篇文章里，你对强化学习还持比较悲观的态度。我想知道，现在回看2018年的选择，包括过去7年强化学习到机器人领域的发展，你怎么看当时的选择？

当时的选择肯定是不对的。如果再来一次，我可能会去伯克利，直接做强化学习方面的工作。我觉得那会对现在做的很多事情更有帮助。

坦白来讲，我自己对机器学习里的很多细节，以及模型训练的一些细节，掌握得没有那么深入。现在回头来看，我当然会后悔没有早点开始研究强化学习。

但现在看来，我对于基于模型的方法，尤其是MPC和一些传统的基于优化的方法，有了比较深入的认识，我觉得这仍然非常有帮助。

MPC可能不会成为主流，但其中很多思想会继续存在，并被应用到强化学习里。这是一方面。

另一方面，我前1年、前2年和南科大的张巍老师聊过一次，那次交流对我的启发很大。我一直非常敬仰张老师。他是传统控制理论背景出身的学者，后来在俄亥俄州立大学任教，讲的课是非常硬核的控制理论，比如Lyapunov稳定性、状态空间模型，以及其他传统的数学控制理论。

后来他到了南科大任教，再后来创办了逐际动力。他的很多工作很快就迁移到了强化学习上。

有一次吃饭时我问他：“你会不会觉得自己过去这么多年的积累都浪费掉了？”他觉得不是，因为他认为强化学习是一个非常基于模型的方法。

为什么？因为现在强化学习的很多进展，主要还是来自英伟达把物理仿真做到了GPU上。物理仿真实际上是一个极端基于模型、极端基于优化的方法。

你要建立系统的运动学，然后做求解。这个过程中会涉及Euler方法、状态估计、接触约束的处理。这些工作，本质上和做模型预测控制、做机器人、做物理仿真的人，都在同一个思路和框架下进行。

到今天，不管强化学习算法或者训练框架怎么演进，你在仿真接触力时，还是要把复杂的约束转换成线性互补约束，然后求解。这些基本原理不会变。

无论怎么优化仿真器，都还是要从这些基本的物理特性出发。所以从这个角度来说，他认为控制理论和系统建模的知识都会继续很好地应用在仿真过程中。

人们对于模型的理解，是隐含在仿真器里面的。同时，强化学习的神经网络，无非是在把仿真器里人们对于物理的理解，隐式地学习到网络里。

所以他不认为过去的东西会被浪费掉。

你刚刚讲，基于模型的控制已经被放进仿真器里了。下一代机器人研究者和工程师，还需要像你2018年写的工程师学习计划那样，从头学习这些内容，搭一个机器人、了解底层细节吗？

因为现在看起来，主要瓶颈好像不在这些地方。我们能让机器人叠一件红色的衣服，但不能让它叠世界上所有的衣服。

下一代机器人的研究者，如果在2025年刚开始研究生涯，你觉得什么是最重要的问题，最值得投入时间的问题？

我觉得现在这个时间点上大学或者开始读博士的学生，还是需要学习信号系统。但不需要像我们以前那样，把卡尔曼滤波的4种推导方式全都掌握。你不一定非要全部知道，而是更多地理解它和一些基础数学知识之间的联系，比如信号处理本质上是频率的叠加。

现在如果问什么东西最重要，我觉得更多的是：在神经网络的体系里，怎么去表达物体。

具体来说，怎么从传感器数据、图像数据，以及其他机器人的数据里，抽象出一些低维结构，然后利用这些结构帮助机器人更好地执行任务。

这个大思路一直不会变。

7. 特斯拉的使命驱动

从2023年到2025年，你在特斯拉做了2年的Optimus开发。

算1年半。

1年半。和Elon汇报的体验如何？

他在工作场景下非常专业，也会给员工非常完整的关注。开会的时候，他基本不会开小差，也不会走神。大家讲幻灯片的时候，他会非常认真地看演讲者，非常认真地跟进整个过程。

一般他不会问很低效的问题。按照我的理解，他的风格是从一线工程师那里直接收集技术和业务进展，最后再从宏观角度，给整个项目的负责人布置一些大方向上的调整。

所以他开会时其实非常有效率。基本上一个工程师上来讲几分钟，下一个人再讲几分钟，一个半小时可以听20到30个工程师分别讲自己负责的细节。

真的会出现传言中的那种，汇报着汇报着就被开除的情况吗？

我们这个项目没有遇到过。我听说有，但我理解那可能是因为很多项目到了比较关键的生死关头，或者有一些非常重大的决定，所以可能会出现这种情况。

在人形机器人项目上，我感觉他对整件事情有非常足的耐心。他可能会从整个项目的角度给项目负责人施加压力，但他知道整件事情里的每一个细节都很前沿，确定性也没有那么高。

所以我觉得他对整件事情有很好的把控。

硕哥，我想跟你聊一个关键词，叫使命感。无论是在大疆还是在特斯拉工作的阶段，你都提到过这两家公司有使命感。你觉得那种氛围是什么样的？大疆和特斯拉有什么共同点，又有什么不同？

我觉得共同点是，大疆和特斯拉都处在行业里一个必须做新东西的位置上。

大疆的无人机本来就是一个很新的东西，后来它做手持相机，实际上也相对比较新。特斯拉就不用说了，电动汽车这个概念虽然早就存在，但要把它做好、做出新东西，做到“我们做这件事能够改变人类未来的出行方式，以及人们对整件事的看法”，我觉得Elon在内部不断强调的就是这样一种使命感。

后来做人形机器人也是一样，他不断强调要站在人类未来的角度去思考这个问题。

所以从做产品的角度来说，一定要创造新的品类。即使是接近成熟的技术，在呈现给用户的时候，也一定要拿出全新的体验和使用方式。我觉得这都是他们所追求的。

至于商业价值，从事后来看，他们做这些事情确实都产生了很高的商业价值。

所以你觉得，是这种使命感促成了这种成功吗？

我觉得是的。

之前你有一篇文章，其中有一句话让我印象非常深刻。你说，米开朗基罗说大卫就在那个雕塑里面，他的工作只是让大卫呈现出来。

然后你说，我们这一代做机器人的工程师，任务就是把真正的智能从硅和金属里面雕刻出来。你觉得这么多年过去，我们雕刻得怎么样了？

距离真正想要雕刻出来的、想要呈现出来的那个智能机器人，还有多远？

8. 家庭机器人走向落地

我觉得这个问题，3到5年内，一定会出现一个人类尺寸的机器人，能够做一些有用的家务，形成一个完整的方案。

实际上在特斯拉内部，我们已经看到了一些迹象。包括基本的行走、通过远程操作叠衣服，以及自动捡东西，这些功能都已经演示出来了。

距离真正进入家庭，当然还差很多步。但按照你刚才的比喻，硬件系统好像已经把金属雕出了一个能用的硬件系统。

接下来从模型和控制的角度来说，算法还有很多需要深入研究的地方。但它具备基本能力，看起来应该很快就会实现。

从智能角度来说，你可能会希望这样的系统不仅仅能完成一件事情，而是能完成50件事、100件事。这个过程可能还会有一个比较长的时期，可能是5年、10年。

最开始的3到5年，应该会是一些相对固定的场景。更多时候，还是要找准场景：在某一个场景里，这个解决方案是否足够智能，足够有用，这是最重要的。

我觉得未来10年里，我们会发现越来越多这样的场景，能够找到性价比还不错的智能方案，也会有一部分用户愿意为此买单。

随着时间推移，我们会找到越来越多这样的场景，越来越便宜的解决方案，也会有越来越多用户愿意为这样的机器人买单。

这样的机器人一定要是人形机器人吗？

不一定。这也是一个很好的问题。

长期来说，不管是轮式机器人、人形机器人，还是其他形态的机器人，甚至无人机，或者挂在天花板上的机械臂，这些形态一定都会存在，也都有自己的应用场景和价值。

现在这个时间点，人形机器人当然是最酷的研究方向。但等它成熟以后，它一定会和机械臂、轮子以及其他机械结构一样，只是人们工具箱中的一种工具。

我当然会相信人形机器人会是最好的一种解决方案，但单从进入人们的生活、帮助人们从日常工作中解放出来这件事来说，解决方案可能是多种多样的。

将来一个家庭里可能会有不同的机器人。比如一楼厨房区域有一个做菜的轮式机器人，另外有一个整理家务的人形机器人，因为它可能需要把东西从一楼收好，再搬到二楼。

欧美很多家庭基本上都是两层楼，尤其是在美国，轮式机器人不能上楼梯。但有可能等人形机器人把衣服之类的东西搬到二楼、进入洗衣间之后，洗衣间里还有一个吊在天花板上的双臂或单臂机器人。

它从天花板上垂下来，面前有一张桌子，可以把东西放进洗衣机，拿出来以后再叠好。它甚至不一定需要轮子，也不一定需要移动，只要能在洗衣间的天花板上进行小范围移动就够了。

所以你觉得，未来可能不是一个通用机器人在我们的家里，而是家里会有很多专用机器人，有很多各有所长的机器人：一个负责打扫，一个负责搬运，另一个专门负责把东西放进洗碗机或洗衣机。

我觉得这种情况会存在。它们只是不同的工具。解决问题时，还是要看解决问题需要什么，再去挑选合适的工具。

就像我们的厨房里会有微波炉、洗碗机和各种各样的工具。现在即使请人类帮手，也可能会请专门带孩子的保姆、负责清洁的钟点工，或者厨师。

实际上，人作为一个高度智能的物种，很多时候也在强调分工。我觉得机器人一定也是这样的路线。人形不一定是很多场景里最好的工具，但这并不重要。

重要的是，从机器人公司的角度来说，怎么把不同的工具组合起来，解决人们的问题。

你刚刚提到了一个很有趣的时间节点。你觉得5年内，我们会具备初步能力，能够解决搬东西、放洗碗机、叠衣服这样的普通任务；再过5年，我们可以把它迭代得越来越好，然后慢慢落地。

我比较好奇的是，人类历史上有很多应用广泛的机电系统，汽车、飞机都已经有几十年甚至上百年的历史了。为什么机器人这么难？为什么过去100年机器人没有走进我们的家，而你觉得未来5到10年会和过去几十年不一样？

首先有两点。第一，我觉得你问所有机器人学家对未来的想象，大家都会说5年。但我觉得其实会比这个更快。

我在特斯拉内部见到的机器人，实际上已经具备了很多广泛任务的能力。可能用不了5年，1到2年的时间，它就会成为一个有实际应用价值的产品。

但做出来和能卖出去之间的差距有多大？

这个差距在于场景。

比如拿放物体，拿一瓶饮料和拿一个小的乐高积木，难度肯定不一样。如果应用场景是拿放比较大的物体，比如亚马逊的快递盒，或者物流系统里的其他物件，那么像Agility这样的公司，已经能够演示机器人连续6到7个小时不停搬运盒子，而且没有失败。

这其实已经非常接近成型的商业应用了。当然，在那个场景里，人们可能会争论是不是需要使用人形机器人。

嗯，我觉得确实这一点上不一定需要用人形机器人。

但如果我们单说抓取能力，今年已经能看到很多非常稳定的方案。相比传统机器人行业做了几十年的汽车流水线，它其实也是某种比较特殊的抓取：把汽车车架放在固定位置，然后把零件安装上去。

如果我们现在还是在做同样的抓取，只不过从抓取汽车零件变成抓取亚马逊包裹，听起来好像没有那么值得期待。我们真正期待的是：我买了一个机器人，把它放在家里，然后说“我刚吃了一顿火锅，你帮我把桌子收了”。

这件事是5到10年内能够解决的吗？

我觉得不是。它一定是逐步推进的。可能这几年会逐渐发生一些事情。

比如今年会有一家公司站出来说：“我们的解决方案可以把任何掉在地上的物件捡起来，放到某一个具体的盒子里。”然后通过商业上的取舍，只收取1000到2000元。

现在很多扫地机器人公司都在扫地机上装机械臂，我觉得这是一个很好的方案。在扫地机器人能够触及的范围内，掉在地上的东西都可以被捡起来收好，这其实已经是很大的进步。

但扫地机器人本身的形态肯定是有限的，很多任务它无法覆盖。这会进一步引发人们的思考：原来扫地机器人加一条胳膊，就能解决很多问题；如果在这个基础上再做一些眼镜，再做一些迭代，它一定能够解决更多问题，人们也愿意为此付费。

我觉得会有越来越多的场景被发掘出来，人们也会逐渐迭代出更合适的硬件来解决这些问题。

最开始，它可能不是一个听起来很性感、很完整的解决方案，但未来5年里，这种能力会逐步进展。这个能力的进展可能不只来自一家公司，而是整个行业里一代一代的产品都在扩展能力。

可能这家公司展示了一部分能力，过一阵子又有另一家公司做出另一个解决方案，能够做相同的事情，并且有所扩展。各家公司一定会此起彼伏地提供这样的方案。

有些方案会在商业上成功，有些可能不那么成功，但一定会激励后来者。所以我觉得，未来5年会形成这样的商业生态。

至于你刚才说的汽车、火车、飞机，我觉得机器人一定也在经历和它们相同的过程。

大家可能觉得汽车诞生于1910年代，福特最开始做汽车流水线的时候，但流水线并不是汽车诞生的时刻。汽车诞生得更早，可能在19世纪80年代就已经出现了，在此之前人们还花了四五十年不断迭代汽车本身。

我觉得机器人现在正处于那样的时期。这个时期一定会出现大量不同的机器人设计和不同的方案。

你的意思是，我们现在的机器人还处在19世纪80年代的汽车阶段？

对，类似，是的。

那如果我们想买一辆能开的车，是不是还得等100年？

这肯定不用，因为技术在发展、在进步，很多东西会变得更快。但它一定有客观的发展规律，我们只是处在这件事情的早期。

9. 机器人创业的商业护城河

所以你现在公司的主要方向，是先找一个场景，把这个场景做好，把整个概念验证、销售和量产先跑通。

但与此同时，现在有很多做机器人基础模型的公司，它们好像不是先找场景，而是先找技术。看起来它们会先做技术，先做最简单的机器人，哪怕是用舵机做两个机械臂，也要先把衣服叠起来。

这两种方式的机器人创业公司，你现在怎么看？

我觉得两种方式都是必须的。因为整件事情里需要克服的问题太多了，能够看到曙光的方向也很多。

实际上，现在大家看到的曙光，一方面来自硬件，另一方面也来自基础模型。理想情况下，当然是同一家公司、同一拨人一起去做，就像特斯拉自己一样。

但这需要投入非常多资源，也需要大量时间和人力。如果能够把它拆开，一些团队专门做某一部分的探索，另一些团队做其他部分的探索，我觉得这都是需要的。

那大家需要进行合作，或者共享资源，让各自都能找到在商业上持续进行下去的方式。

妙动科技商业上可行的思路，是打造一个产品卖给所有人，而不是卖给工业界。你们准备做To B还是To C？

我们更偏向To C，去解决最开始说的硬件量产、售后、返修问题。这些是我们会重点验证和测试的能力。

除此之外，我们也会关注和拓展智能方面的能力，但可能会采用更加开放、更加生态化的策略。

比如大家都在讲VLA，这件事听起来非常美好，但真正投入资源去做，投入的资源量可能和做一个硬件相当。

在现在这个阶段，我认为很少有纯粹从财务投资角度获得资金的公司，能够同时把这两件事做好。最后可能两件事都只做到60%。

也许更好的组织形式，是大家分成不同的公司，形成一种产业上的协作，各自专门做好某一方面的事情。

我特别想问一下，在2025年这个节点上，做一家机器人创业公司的竞争有多激烈？

非常激烈。现在从投资、人员招聘、供应商，到模型技术，各方面都有非常大的竞争。

在我看来，这是好事。因为这说明投资人已经意识到，这个行业最终会做出一些非常成功的东西。基于他们过去的经验，他们也相信这件事一定会带来价值。

从人才角度来说，我们能够招揽和培养人才，这对行业整体的长期发展也是贡献。对于供应商来说，如果我们真的能找到一个商业场景，让人形机器人各种零部件和传感器实现大规模量产，那么对这个行业和供应商也是很好的促进。

所以在这些层面上，我觉得竞争是好事。它可以帮助我们时刻保持跑得很快的心态和状态。

另外，我觉得人形机器人一定是一个很大的市场。当很多技术成熟以后，不管是5年还是10年以后，等人们真的离不开能够在家里做家务的机器人时，世界上一定会有10到15家很大的机器人公司。

就像现在的汽车市场，同样尺寸的汽车也会分成轿车、跑车、商务车。不同汽车公司都有自己的长处和劣势，消费者会在至少10个不同的汽车品牌之间做选择。

我觉得人形机器人也会进入这样的状态。所以我们的眼光应该看得长远一点。当大家一起把市场做大、一起把技术突破以后，它一定会是一个千亿、万亿规模的市场。

那个时候，这个市场里有10到15家公司是很正常的，大家都会找到自己的优势和客户群。我觉得现在的良性竞争，能够帮助我们更好地走到未来那样的状态。

所以你觉得，未来10年、20年，我们有可能看到一家像苹果、英伟达那样体量的机器人公司诞生吗？

我觉得会。

现在硬件上，可能有人用QDD，有人用其他解决方案；基础模型上，有人做VLA，有人做模仿学习，也有人采用其他方法。

我的一个感受是，大家越来越趋同了。硬件做得越来越像，软件技术路线也越来越像。大家都在做VLA，区别可能只是架构差异和一些细节。

你会不会觉得现在的公司越来越趋同？会不会担心现在的公司点错了技能树？

技术趋同一定是正常的。成熟的技术一定能够被大规模应用，所以最后技术一定会趋同到效率最高、性价比最高、最成熟的方案上。

就像汽车，发动机前置还是后置、使用两个电机还是3个电机，一开始可能会有各种不同思路，但最后人们一定会趋同到一些共同的设计思路和方法上。

但确实是细节造就了很多公司的不同。就汽车来说，不同公司的汽车操控性不一样、能耗不一样、内饰不一样。大量不同的细节，会极大地造成最终产品的差异。

人形机器人，或者说机器人整体，也会是一个通过细节堆积出巨大差距的行业。

但我观察到一个区别：汽车行业不需要某种技术突破来解决某个问题。不管是前置发动机还是后置发动机，汽车都能跑，也都能卖出去，只是卖得好和卖得差的区别。

但现在我的感受是，机器人公司卡在技术上。它不是卖得好还是卖得坏的问题，而是能不能卖出去的问题。如果技术上没有很好的解决方案，公司可能就会死掉。

所以我会担心，大家越做越像，但如果最后技能树点错了，这一波浪潮会不会发展得很糟糕？

我觉得有这种可能，但还是有几个观点。我们回到汽车这个例子，流水线技术是汽车大规模应用的一个非常重要的起点。

但在福特做汽车流水线之前，奔驰、宝马这些公司也已经在做汽车了。大家一定会有各种技术区别，但当流水线普及以后，大家也都能跟进。

当很多技术方案比较类似时，应用和借鉴其他人开发出的新技术也是容易的。所以汽车行业并没有出现“一家公司有了技术突破，其他公司就都死掉”的情况。

至于技能树点错的问题，第一，现在不管是VLA还是强化学习，我觉得大家在信息共享、代码共享、知识共享方面，都处于非常开放的状态。

如果生态里有一些公司专门做硬件，另一些公司专门做软件，那么软件公司可以比较灵活地调整。硬件公司只要选择合适的合作对象，也能够积极、快速地调整。

所以我觉得这更多是一个组织管理问题。

刚才其实谈到，做公司时，技术上很多知识是共享的。哪怕你做出一个突破，我可能短时间内也能学起来。

我比较好奇的是，你现在在做创业公司。如果技术上没有特别深的护城河，哪怕OpenAI做出来，DeepSeek在1年半、2年之后也可以做出来，那么什么才是创业公司真正的护城河？

这个问题很好。现在很多领域都呈现出这样的状态：技术上的护城河，原来有些大家觉得可以藏得很深的技术，突然就被一些新的、使用深度学习和模型的方法颠覆了。

这些技术又都是学术界共享的，所以很多技术护城河听起来就没有那么深。这个问题又回到了组织管理上。

整个团队可能要开始更多地抠细节，不管是模型训练的细节、部署的细节，还是硬件和软件的细节，都要把这些细节做好。细节堆积起来，就会产生巨大的差异和护城河。

从这个角度来说，还是以大疆为例。大疆的技术护城河，在我看来就是对各种细节的追求。

大疆做出精灵系列以后，到现在已经12年了。无人机飞控怎么做、相机怎么调、图传怎么做，这些行业内都有非常成熟的方案。但大家把这些东西组合在一起，做出来的产品就是不如大疆好。

我觉得机器人领域可能也会出现这样的情况。最后怎么才能比别人做得好？一定要在细节上关注每一个技术环节，关怀每一个员工，也关注产品和人交互时的每一个细小的点。

这些都非常重要。至于模型技术、运动控制等方面会不会形成护城河，我觉得也会有。但现在不能说太多。

我们还是能看到一些别人可能会忽略、关注不到的点。我觉得机器人可能会比无人机更加要求细节。无人机的4个电机功能非常单一，主要就是拍照和飞行。

但机器人如果真的想让它做更多的事情，就会涉及多个电机。

对。这个的交互，我觉得需要的细节只会不是一个数量级的。

你刚刚经历完融资，我比较好奇：如果让你转换一下角色，变成一个投资人，你会喜欢什么样的机器人创业公司？

如果你手上有一笔钱，你会投什么样的公司？

这是个很好的问题。我个人可能会关注一些更长期的问题。

比如刚刚讲到的人形机器人喝水、通过蒸发散热。在我看来，这可能是一项关键的基础技术，和电机直接相关。

电机的材料是不是会有不同？从长期尺度看，我会更关心机器人某一个部件是不是能达到人类的水平和人类的思路。

如果有一家公司的电机方案能够实现刚刚说的这些事情，我会觉得它比较重要。哪怕这项技术5年内不会用在某个人形机器人上，我也会认为它长期有价值。

当然，从投资回报的角度，投资人一定会问：能不能在中间阶段把关节电机卖给现在的人形机器人厂商？能不能先做一些已有的电机品类，去探索其他商业落地项目？

但我可能更多是因为它长期能够让机器人更像人，或者在某个技术点上实现突破，所以愿意投资这家公司。同时也允许它在短期内做一些商业探索。

从我的角度来说，一定要在商业上证明自己，证明自己能够做更长期的事情。

做基础模型就像刚刚说的，如果投1亿元、投15年，可能都不一定够，甚至可能需要若干个投资人，每个人投1亿元、投15年。1亿元可能1年就烧完了。

所以你需要很多人。沿着这个思路，如果公司本身能够有一些造血能力，肯定是重要的。我相信现在所有做具身智能的公司都在追求这件事。

大家只是达到商业闭环的方向不一样，有人可能To B，有人可能To C。我们团队To C的经验会更多一点，所以会走一条更偏To C的路线，制定一些短期计划、长期计划，再加上一些更长期的计划。

10. 人类与机器共同进化

你之前在知乎和其他博客上，除了机器人技术细节，也谈过很多生活细节和对人生的思考。

我想把这个问题和机器人联系起来：假如你说的未来实现了，未来有机器人替代我们做家务、帮助我们劳动；我们有15家、20家人形机器人公司可以选择，今天买A，明天买B，一个负责卧室，一个负责二楼。

如果那一天真的到来，我们该如何重新定义作为人类的意义和幸福？

人类历史的发展，在我看来本身就是人和机器共同发展的过程。

如果把机器人的定义拉得更宽泛一点，人类制造的所有工具、所有机电系统，逐步发展的过程，其实也有点像生命进化的过程。

最开始是单细胞生物，或者一根棍子、一块石片。再往后，人们把棍子和石头绑在一起做成斧头；再往后，把木头做成车轮，把铁做成耕地用的犁；然后盖房子，做出家用工具；再往后慢慢有了钟表和更复杂的设备、打印机、打字机，以及飞机、汽车、火车。

这些其实都是工具的演化，直到今天的机器人。所以从某种意义上来说，它是一个生命进化的过程。

我们人类不是单独存在的。在没有工具之前，人类和猴子没有本质区别。人类诞生以后才有了工具，或者说，有了工具才把我们和猴子区分开来。

机器进化的历史，其实也是对人类自身的定义。所谓人类历史发展得越来越好，实际上并不是人类本身发生了什么样的进化，而是人类制造出来的机器越来越好。

因此，从这个角度来说，我们制造出来的机器人的能力和智能不断提升，恰恰代表了人类这个种族能力和智力提升的象征。

从更长远的角度看，当每一个人都从复杂、琐碎的家务中解放出来，我们人类一定会在生产力方面进一步提升。因为我们的脑子可以用来想更多事情，生活会变得更好。

我们也应该让生活空间，以及制造出来的机器人，变得更智能、更聪明、更有创造力。两者长期一定会同时存在。

也许再过几千年，人类的肉体可能会消亡，我们的意识转移到机器身体里，但人类这个种族还是会存在。

从现在这个角度来说，人类的发展实际上就是在不断消灭自己的肉体，或者说，人类不断发展就是要把自己和自然切断的过程。人类的进化方向，就是变成一个机械化的过程。

这个问题有点长远，但我给你讲一个最基本的人类本能。

比如你去一家宾馆，进了一个浴缸，发现里面有一根头发，你会觉得很恶心，因为那是之前的人留下来的东西。人类其实本能地厌恶人类的肉体和肉体的排泄物。

但如果你进了宾馆，在浴缸里发现一根电线，你可能会想：“无所谓，可能是装修留下来的东西，扔掉就好了。”你不会觉得那是脏的。

有没有一种可能，前一个酒店住客就是一个机器人？在这个场景里，前一个住客是人，会让你感到厌恶；但前一个住客是机器人，反而会让你感到亲近。

因为人类深知自己的本性：我们在追求肉身的消灭，以及和机器更好连接的过程。

当然，这是几千年以后的人类才需要思考的问题。但我觉得人类社会的发展状态，会是进一步去肉体化，最终变成一个纯机器的文明。

但那仍然是人类文明，因为人类文明从一开始就和机器文明绑定在一起，两者是一体的。

所以你看到的未来，是人变得越来越去肉体化，而机器变得越来越像人。

对。因为这两个东西本质上就是同一个事物。

如果现在要你用3个词形容机器人的未来，或者说用任何关键词，你觉得机器人的未来会是什么样？

我觉得未来可能要加一些限定词，比如未来100年、未来500年。

像我刚才讲的那个场景，可能是未来2000年。那个时候，在地球上行走的大部分人类，一定都是机械化或者半机械化的。

从长期来看，我觉得核心是共生：人和机器会以不同程度共生。

你不会担心这一点吗？现在即使不说机器人，很多做人工智能的人，在训练大语言模型和视觉语言模型时，也会担心出现虚拟终结者——它产生自我意识，最终不受我们掌控。

如果我们给它一个身体，有一天技术真正成熟了，它有了自我意识，那一天它是人还是机器人？

我不担心。我还是刚刚那个观点：共生。

对于当代人类来说，没有机器在身边，我们是活不下去的。我们的食物、饮水、交通，衣食住行，都是由机器提供的。

从某种意义上说，我们已经和机器共生了。你说要把世界上所有的冰箱、彩电、洗衣机都砸掉，没有人会同意。

从机器的视角也是一样。等时间再发展一段，如果有机器人、有意识的机器人站出来说要把地上所有的人类都砸掉，机器人也不会同意。

所以我们需要机器人帮我们打扫家务。哪怕机器人再聪明，你觉得未来机器人也会需要我们吗？

对。我觉得对于未来的机器社会来说，它要长期讨论的问题是：是不是要让数字生命死亡。

人类作为一种和机器共生的存在，会继续以我们的状态和生活方式生活下去。但机器会开始讨论，它们是不是要进入人类的生活状态和方式。

这里面最大的一个问题就是：数字信息和意识是不是需要主动抹去和消除。

一个机器人可以不停复制自己的记忆、经历和数据。一个机器人及其意识，可以永生不死，可以在世界上不同的服务器之间到处移动。

那么，一个以机器为主的社会将来需要思考的是：是不是需要对社会中的公民实施物理意义上的死亡，包括破坏它的身体，以及删除存储在互联网上的机器人意识。

比如，一个大型模型的权重，是不是要完全删除，并且禁止它复制？

机器社会可能会发现，要想达到人类的创造力，可能需要让死亡的威胁始终存在。否则，机器人没有死亡的威胁，就达不到人类的创造力。

这是我的一个很奇妙的观点。

这很有意思，因为我觉得它和乔布斯说过的“死亡是生命最好的发明”有点像。所以你觉得，机器未来也需要死亡？

对。人类的任何行为，因为要面临死亡，所以会极大程度上决定一个人说话、做事和生活的方式。

当你不畏惧死亡以后，很多问题都会变得不一样。创造力也是一样。当生命只有几十年的时候，你会想在身强力壮的时候尽量多发明、多创造。

如果没有死亡的限制，创造力就没有那么强的动力，因为总是可以明天再做。但有了时间限制以后，就不能总想着明天再做。

所以死亡是创造力的一个来源。

死亡还会带来另一件事：当另一个意识不可避免地要消亡，活着的人会对它怀念、纪念，这也会触发人进一步的创造力和情绪。

机器一定会讨论：是不是需要给每个机器生命设定50年或者80年的时间限制，到期以后必须把意识抹掉。

但这一定会造成极大的争议。正常的机器人都是永生不死的，没有人愿意主动求死。机器社会要怎么实现这件事，会是一个很大的社会问题。

我感觉自己对你刚刚说的那一幕都有某种同理心了。你说一个机器意识被抹去时，如果只是一个大语言模型的权重被删除，我觉得可能还好。

但如果把它放进一个机器狗、一个机器人里面，而且它已经陪了我很多年，那就不一样了。我做实验时有很多机器人陪着我。比如这半年是H1，如果项目结束时，我真的可能会和它产生某种情感上的连接，哪怕它很笨，听不懂我说话。

对，我觉得这会是将来普遍发生的事情。

我很能理解你的感受。比如我离开Optimus的时候，确实有很多天非常难受。和这个机器人朝夕相处，现在却要离开了，就是这样的感觉。

但这可能是一个必须经历的事情。人和人之间，亲人和朋友之间，都会有不可避免的告别过程。如果没有这样的过程，人类就不再是人类了，很多问题也会变得不一样。

所以我觉得这会是一个很有意思的课题，但一定不是我们这一代人需要关注的问题。长期来说，它会很有趣。

也许这个播客放在很多年以后，会变成现实。

我很多年前看电影《Her》的时候，觉得这件事不可能发生。但现在我觉得，《Her》描述的那个未来已经实现了。

对。

如果要说第二个关于机器人未来的关键词，我觉得比较重要的就是死亡。机器人要不要死亡？人类能不能摆脱死亡？要不要摆脱死亡？

可能都不行。从这个角度来说，人类会始终存在，因为机器会不断贴近人类的生活方式，所以人和机器要共生，也要共同面对死亡。

我觉得这是很有意思的事情。

我记得你从2008年进入港科大开始本科，到现在已经17年了。但在这个过程中，你对机器人的热爱不仅没有变，反而越来越强。你对这件事的愿景越来越强，我能感受到你身上有一种很强的自我驱动力，或者说一种正在心里萌芽的愿景。

你能多给我们讲讲，这种热情是从哪里来的吗？

我觉得这和刚刚说的观点很有关系。

当我想明白这个问题以后，我意识到，人类历史并不存在，存在的是机器发展的历史。我们只是这个过程中的很多普通人。人类中的很多普通人，都是身不由己地参与其中。

我们身不由己地要给大语言模型提供数据，身不由己地要帮助机器进步。我觉得自己就是这个趋势中的一个身不由己的人，去帮助机器人成长。

我会觉得这件事一定会发生，所以我有一种使命感：我是在帮助这个过程发生。

对于机器人来说，现在这个时间点是它成长的最开始；对于人类来说，可能也是一个开始思考如何和机器人共生的时间节点。

我所处的位置，可能刚好是人类里比较懂机器人的人。我能够帮助机器人成长，同时帮助人类朋友更好地理解如何和机器人共生，也能让自己未来10年、20年的工作，帮助未来的机器人学会和人类共生。

我觉得这是我的使命。

当然，落实到具体细节，就涉及是开一家公司、做科学研究，还是做其他事情。这些都能够帮助这个过程。

眼下未来两三年，从妙动科技这家公司出发，当然还要考虑很多现实问题：一步一步从商业角度出发，怎么把机器人做出来，怎么获得商业成功，怎么做下一步的事情，以及怎么让自己所做的一切帮助到未来的发展。

刚刚我们聊了强化学习，也聊了MPC。但其实还有一个概念叫价值函数、奖励函数和代价函数。你人生的奖励函数是什么？

这也是一个非常好的问题。我觉得不同阶段不一样。

在大疆的时候，可能是要做出一个很好的机器人，或者一个很好的产品。后来读博士的时候，当然就变成要做出一些不错的科研工作。

有了孩子以后，你会发现孩子和家人的幸福又变得非常重要。

所以我现阶段的人生奖励函数，第一是把家人和孩子照顾好。在这个基础上，通过妙动把刚刚讲的这些事情做好，不管是机器人产品的探索，还是更长期地探讨人和机器人共生的问题。

可能就是这两件事情。

人到了一定年纪，实际上一辈子，或者同一个时间段里，可能只能做好两三件事。现在在我看来，就是孩子的幸福、家人的幸福，以及把公司的产品做好。

我没有更多问题了。朔哥，你最后还有什么想留在这个播客里，作为一个时间胶囊，让我们以后回看的吗？

这个问题挺有意思。其实我想反过来问一个问题。

我觉得咱们两个算是一代人，但也不算完全是一代人，年龄可能还是有比较大的差别。我非常想了解，一代人可能会有不同的看法，尤其是对学术、工作等方面的看法。

我们这一代人可能会觉得，一定要有使命感，一定要做重要的、有价值的事情。但对于更年轻一代的科学家和工程师来说，你会更多看重做事情本身的乐趣，还是看重做这件事能不能带来使命感、带来改变？

我理解这也因人而异。不过从研究的角度来说，你怎么评价自己的驱动力和研究方向？听完我的播客以后，你觉得有什么启发，或者有什么东西对你最重要？

第一个问题，是乐趣还是使命感？

对我来说是使命感。因为我觉得，我的乐趣是从使命感中催生出来的。

举个例子，当时做人形机器人遥操作的时候，因为那个时候大家刚开始做人形机器人，我觉得用机器人操作来做遥操作，一是有意思，二是很重要。

我现在选择课题、做项目时，会觉得它是否重要变得非常关键。如果一个课题无法说服自己：这是一个重要的问题，5年以后、10年以后还会有人来看我的论文，那么我就很难从中找到乐趣，也很难有很强的动力去做它。

刚刚的第二个问题是，你觉得从我们的对话中获得了什么启发？什么是最重要的？

有点像家庭作业的读后感。

我觉得，从昨天晚上准备这个播客，到今天聊完，最重要的启发是：要一直在自己坚持的事情上深耕。

我从昨天开始翻你的知乎。你的第一篇文章应该是2014年或者2016年发的，已经很多年了。我把你的知乎基本翻遍了。

但我的感受是，第一篇和最后一篇之间，你好像没有发生很大的变化。整个读下来，我没有感觉文字背后的人有很大的变化。

你对整个社会和科技的愿景从来没有动摇过。你对自己想做的事情，可能以前是在学校，后来在公司，之后读博士，做的机器人也不一样，但你想做机器人、把机器人真正做出来这件事，从来没有变过。

我觉得这对我来说是非常重要的启发。可能在2025年，我们觉得重要的方向、重要的技能树，10年以后都会被颠覆。

但真正重要的是，我们愿意去解决这个问题，我们觉得机器人很重要。这颗心不会被颠覆。只要我们觉得这个问题重要，我希望有生之年，我们可以真的造出那样的机器人。

是啊。

谢谢。

好，谢谢。

那我们今天就到这里。谢谢朔哥。

谢谢。