前华为AI主管黄青虬创立墨奇智能 获超10亿元融资押注具身大脑

前华为AI主管黄青虬创立墨奇智能 获超10亿元融资押注具身大脑 黄青虬指出VLA与世界模型均非具身本质而仅是稠密监督手段，年内能产出5000台可靠机器人的公司不超三家，行业须从类家庭B端场景构建软硬件一致性与数据闭环以突破泛化瓶颈。 黄青虬深入拆解了具身智能与自动驾驶的底层同构性，指出具身模型本质上是一场在三维物理世界中追求泛化控制的马拉松，批评了当前行业对VLA和世界模型概念的神圣化，认为两者本质上只是提供稠密监督信号的辅助手段。他强调真实物理世界中“高质量数据”远比单纯堆砌数据量更重要，并分享了墨奇智能以酒店客房清洁等类家庭B端场景为跳板、稳步通向终局C端家庭的务实商业化路线。结合自身在清华火神队、MMLab与华为智驾从0到1的工程淬炼，他阐述了软硬件一致性对量产的严苛要求，坚信具身智能无需弯道超车，靠谱与长期主义才是最终的胜负手。 墨奇智能由前华为天才少年、华为智驾AI模型开发部原部长黄青虬创立，成立半年即完成超10亿元天使轮融资，是自动驾驶量产经验向具身赛道迁移的典型代表。 (0:00) 具身智能与大语言模型（LLM）存在“硬实时控制”与“动作实时改写物理环境”两大本质差异，必须等待端到端方案打通及Agent逻辑成熟，物理控制与语义理解融合的爆发点才真正到来。 (3:07) 具身智能是一场百公里马拉松而非百米冲刺，赛道无需盲目弯道超车，真正决定胜负的是组织凝聚力、底层工程基建的笨功夫，以及技术范式转移时的判断力与算法审美。 (10:04) 商业化终局在千家万户的C端，但现阶段强推C端是负资产；墨奇选择以类家庭的B端酒店及商用公寓客房清洁为跳板，借助半结构化场景实现渐进式替代与合规数据回流。 (19:42) 具身数据的质量远远重要于数量，行业动辄宣称的千万小时数据多为低效摆拍；唯有坚持“真实的人在真实场景干真实的活”（In-the-wild）采集，才能沉淀出不失真的物理世界规律。 (23:07)

墨奇智能创始人黄青虬认为，具身智能是一场长达百公里的系统工程马拉松，当前被热捧的VLA与世界模型并非技术终局，本质上仅是缓解输入稠密与输出动作稀疏矛盾的辅助监督手段。面对端侧算力限制与供应链一致性短板，具身研发须借鉴自动驾驶端到端闭环体系，以半结构化的B端商用场景为跳板，逐步迈向复杂的通用家庭终局。 大模型与具身鸿沟及下场契机 (3:07) 黄青虬解释，大语言模型与具身系统存在两大本质鸿沟：一是实时性差异，文本问答容忍数秒延迟，而车辆与机器人属于毫秒级确定性控制的硬实时系统；二是交互闭环差异，大模型生成内容不改变物理世界，而具身实体的每个动作都在即时重塑物理环境。他在2023年未跟风创业，因判定底层技术尚未成熟。 直到2025年下半年，大模型具备严密逻辑与Agent能力，且华为ADS 4.0在超过100万辆量产车上跑通了一段式端到端方案，证明图像直接映射动作控制具备大规模泛化可能。黄青虬指出，自动驾驶与机器人在硬件实时嵌入式系统、多模态映射算法以及海量云端数据闭环（Data Engine）上高度同构，正是这一体系化能力支撑其在2025年底创立墨奇智能并快速完成超10亿元天使轮融资。 拆解VLA与世界模型的监督本质 (95:00) 黄青虬提出，当前资本市场追捧的VLA和世界模型在技术形态上都“不够本质”。具身模型的核心挑战在于高维稠密的多模态输入与极低维稀疏的动作输出之间的极弱梯度反馈。所谓世界模型（预测未来视频帧），本质是在像素空间注入稠密监督信号；而VLA中的思维链（CoT），本质是在逻辑推理维度注入语言符号监督，两者皆为加速多模态对齐的过渡性辅助手段。 此外，具身智能的Scaling Law比纯文本大模型更难突破。机器人受制于端侧功耗与体积，模型参数规模无法无限膨胀，但每一帧吸收的视频、触觉与时序信息却成倍放大。黄青虬强调，算法架构虽可公开借鉴，但云端基础设施（Infra）与工程体系不可复制；团队单月算力消耗达千万元级，他估算初创企业至少需要3亿元资金保障千卡集群运转18个月，万卡集群才是探索世界模型质变的入场券。 真实数据铁律与软硬件自研边界 (23:07) 针对行业动辄宣称千万小时的数据争夺战，黄青虬主张数据质量远重于数量，实验室摆拍生成的动作轨迹因缺乏真实物理因果会导致算法变形。墨奇智能推进无本体视觉采集方案，并划定“真实的人在真实场景干真实的活”（In-the-wild）铁律，以获取高泛化价值的连续物理交互数据。 在硬件研发边界上，墨奇智能选择现阶段不自研灵巧手。实测数据显示，人类佩戴工业机械夹爪可完成酒店客房70%的作业，而顶尖算法自主控制同一夹爪的完成度不足5%，证实当前核心瓶颈在于中枢算法而非末端执行机构。与此同时，团队选择自研轮式整机本体，旨在消解供应链零件公差带来的软硬件一致性偏差，并在底层完成严苛的端到端系统时延补偿。 以酒店场景为跳板的渐进式商业化 (19:42) 黄青虬认为具身智能的终局必在C端家庭，因为唯有家庭的复杂通用性才能支撑起万亿规模与反哺研发的利润空间；但现阶段强行入户是“负资产”，不仅存在安全与隐私阻碍，且无法合规回流数据的AI系统难以持续进化。墨奇智能将商业化首站选在酒店与商住公寓的客房清洁服务。 这一取舍遵循“登山营地”逻辑：家庭环境的起始点与目标摆放点皆高度非标，而酒店客房起始状态虽凌乱，其物品收纳与布草标准（目标点）却高度标准化。此外，酒店清洁可拆解为160多个原子任务，机器人现阶段只需稳定替代30%至50%的工作量（如垃圾清运、补水），即可作为保洁助手合规进场，在实现商用闭环的同时持续沉淀类家庭环境的非结构化交互数据。 量产鸿沟认知与长期主义长跑 (35:00) 面对具身赛道的概念炒作与量产竞赛，黄青虬强调实验室Demo与工业级量产间存在鸿沟，真正的工程及格线是“7×24小时连续运行一年零故障”。针对部分厂商提前宣称进入量产元年，他预测2026年全行业能交付5000台高可靠机器人的公司不会超过三家；墨奇智能计划于2026年8月世界机器人大会亮相首款轮式服务原型机，并稳步推进至2027年实现5000台量产目标。 在研发机制上，团队推崇以“算法审美”（Taste）初筛极简有效的假说，再以严格的实验数据定夺取舍。黄青虬认为，具身智能是一场跨越十数年的无限游戏，起点身位并不重要；依托中国在精密硬件制造的供应链优势与真实的物理场景数据积累，本土团队完全有机会在底层大脑模型上构建长期竞争力。 黄青虬将具身研发定位于长期系统工程，但其设想的“酒店数据反哺家庭模型”路径仍受制于多项现实变量：现阶段基础模型跨场景泛化能力极其脆弱，机器人硬件批次公差在行业内尚需一至两年才能消化，且2027年5000台靠谱机器人的量产目标仍有待在严苛的商业闭环环境中接受时间检验。

[10:04] 黄青虬: 百米冲刺才需要把起跑线严格对齐。具身这个赛道是一场马拉松，在跑马拉松时，起点大家差几个身位其实并不是很重要。终点是在100公里以外，真正决定你能不能做成的，是团队中长期的组织凝聚力，以及在每次技术范式转变时，你是否具有足够的判断力和审美去跟上。 [8:35] 黄青虬: 创业的门槛不高，但创业成功的门槛极高 [23:07] 黄青虬: 真实的人，在真实的场景，干真实的活 [19:42] 黄青虬: 没有数据回流的AI系统就是死路一条 [32:51] 黄青虬: 唯有当供应商的成熟度和进步迭代速度跟不上墨奇算法的需求时，才会启动自研。 [40:00] 赵明国: 不要随大流，要有自己的看法，做任何事情都要有自己的坚持。 [44:40] 黄青虬: 细节决定成败 [60:10] 黄青虬: 不管多大压力，早点睡觉，而且只要躺下就一定能睡得着。 [64:40] 黄青虬: 从大语言模型（文本到文本）、视觉语言模型（视觉+文本到文本），到今天的具身智能（视觉+文本到动作），AI 的本质始终在于两点——信息压缩与跨模态对齐。 [95:00] 黄青虬: 今天被资本市场狂热追捧的 VLA 和世界模型，其技术形态都“不本质”。 [100:00] 黄青虬: 到 2050 年，研发出一支完全自主的机器人足球队，战胜人类应届的世界杯冠军队 [130:00] 黄青虬: Taste 负责初筛，务实负责裁决

[0:00] 我最早知道你是我一个投资人朋友推荐的他当时的原话是一个特别厉害的人主导了华为自动驾驶的量产现在搞巨生了非常火投不进去感谢大家的关注久不久看到巨生的爆发节点频道Coding和Agent在置架里面把一段式的端道端给他做出来你发现用AI去做它是work批量的这些东西放一过去是不是意味着巨生创业的门槛其实是不高的在现在这个时代创业的门槛是不高的23年24年已经出现了各种各样估值非常高团队了为什么2526年还在不停出现巨神创业团队巨神这个赛道它其实是一场马拉松在跑马拉松你起点大家插几个身位其实并不是很重要我们成立了半年但是我们花在算力上的投入至少能排到行业前五年从这个现象你就可以看到大家在算法上的投入其实是没有跟行业的热度形成匹配的关系的别人已经宣称量产了场景续成24小时作业了你这个时候交付员行星一步交流在我看来今年能够产领先台靠谱机器的公司温小物团展过分的overclamp没有太大的意义算法在现阶段不重要或者说有钱就能搞到算法人才去抄是容易的但是在探索过程中所积累下来的回音法人才氛围这些东西其实是抄不来的班长说抄作业是得不到好成绩的对对对对请不吝点赞 订阅 转发 打赏支持明镜与点点栏目谢谢大家。Hello大家好我是诗杰今天的访谈是资深领域一个水下明星项目的初亮相从去年年底开始这个项目是聚深领域投资人们纷纷约见和抢助的对象陈丽景半年完成10亿元天使融资背后站着一众明星机构创始人是华为天才少年曾主导华为自动驾驶从0到1并经历完整四代迭代的主导人黄清球这是一期非常精彩的访谈他能解答一个问题为什么在2026智升浪潮已经狂飙三年赛道淋漓着上百家初创公司之后这个行业仍然有属于新人的机会欢迎清球你是哪一年出生我是94年1月份嘉宾我后来发现都是你同期的华为天才少年有行云的创始人季语还有临初的联创陈渊培哦这个都是我们行业的知名人士多多少少有听过那我后来发现20级华为天才少年是一个非常神奇的存在里面有好几位都加入了巨生的创业大金而且是非常明星的企业支援的彭志辉他时的丁文超丁文超市有一些交集的我们俩是几乎前后矫进的华为还特别有缘分就是当时作用不太够我们俩在同一个会议室办公对他有什么评价我觉得丁文超是一个非常聪明的人而且我从他身上也学到了很多东西之前我可能更多的是偏做感知的背景他更多的是偏做规划控制的背景对从理解整个系统的角度我觉得还是从他身上学到很多不一样的点你们俩组合起来就构成了一个机器的反应和决策里面做正好两块给拼起来了这几个华为天才少年下场做剧生这个消息你是最早是从什么时候知道的大家其实也是陆续出来的吧但其实都是在新闻上看到的但是你是最晚的目前来看,应该确实你为什么是最晚的?大模型跟巨声本身其实还是有一些本质的区别的举举两个例子,一个是大模型它其实是轮次式的对话,晚几秒回答其实也没问题但是巨声或者说车它其实是个实时系统,你必须每一刻每一分每一秒都在做决策第二个本质区别就是巨声或者车它是一个闭环系统就是你的每一个决策其实是会影响你的环境的比如说你开得快可能旁边的车就都不敢进来开了慢别人就会加塞你但是大模型其实你在回答一个问题的时候你周围的环境是保持不变的等你回答完之后你有了下一轮交互它的环境才会变所以这些区别呢就导致我觉得可能只有GPT这个东西并不能足以支撑说巨星这件事就能做成还需要有一个AI真的去搞定一个闭环系统去驱逃 [5:00] 用一个底层控制的系统这么一条链路真正得到验证之后那巨生这个事才有可能发生我觉得我正好就在干这个事那我应该留下来把这个事给他做完把它推到这个商用量产可能那个时间点我觉得是更合适的点2023年智辉出来做志员的时候你当时应该是在新闻上知道的对当时心里面有没有想过我要不要出来创业其实我当时完全没有想但第一个是当时我完全沉浸在我的这个项目里面第二个就是我觉得那个时间点我刚才讲的我觉得可能还不是特别好的个时候我会发现说这些底层的技术它还没有到那个ready的状态或者说前置的这些技术还没有得到验证那这个巨声这个技术它的爆发的时间点可能还差那么一口气对所以我觉得可能我需要再缓缓你什么时候看到巨声的爆发节点已经到了两个点第一个就是其实大模型从GP出来之后又一路的推到这个coding推到agent在这个置架里面把一段式的端到端给它做出来输入一个图像然后输出一个控制信号啊这么一件事你发现用AI去做它是work而且它是可泛化可大规模商用的啊那那个时间我会发现这两个技术一结合高层的语音理解以及低层的控制系统其实都可以用一个AI系统去驱动我觉得这个时候可能是做距升的一个更好的时间点所以这个时间点是发生在2025年,25年的什么时候?25年的年中下半年,然后你就出来创业了,你给大家介绍一下你的创业公司,2025年底成立的吗?对,我们是2025年年底成立的,然后成立到现在大概可能半年多一点的时间,我们叫默其智男,默是取名默子。我可以做的事吗?莫子是我们造机器人的祖先我觉得它是巨生智能的一个起点然后起的话是取自我们叫起点爆发就宇宙大爆炸我们希望这家公司是能从最原始的原点走到它爆发的起点所以就取了这么一个名字这是个冷知识就是说最早的机器人是莫子是什么样的机器人当时莫子是在战国时代他是造各种什么工程的器械他还造了很多这种用于打仗的装备用到了很多这种战场上的哦 名字是你自己想的吗?对对对 是我想的哦 那所以你的文科怎么样?我的文科其实我的文科一直还算不错的,我爸爸是个语文老师,从小就会教我背古诗,包括我的名字,《青球》其实来自于一首古诗《长安古义》《青球子燕做春风》,然后是来自于我爸对诗歌的爱好,然后给我起了这么一个名字,所以从小可能确实对这些文学知识我觉得我还是,也比较喜欢的所以金球有什么寓意吗第一个寓意当然是龙嘛,球其实是龙的意思,对龙生九子,然后最小的那个儿子叫球,爸就希望说望子成龙,但是希望是最小的那个不要太张扬是吧,所以就取了这么一个名字。源源不断的批量的在出现这些巨声创业公司是不是意味着巨声创业的门槛其实是不高的所以好像人人都可以做我觉得创业在现在这个时代创业的门槛是不高的但是创业成功的门槛是很高的我自己会认为巨声它是一个非常复杂的一个系统既要涉及硬件又要涉及软件整个垂直整合的这个能力是需要非常强的人才能去把这个事做成的我看到一批美元的投资人起出来的创业人才因为他们觉得就是纵驾驶它的这种系统工程能力创业化的运作能力和节奏的把控能够在巨升这一次浪潮当中有比较好的表现对我自己也是比较认可这个观点的做了这半年之后你会发现整个巨升的技术站或者说它的系统架构其实跟自动驾驶是特别特别像的对就是单除了自动驾驶你从硬件再往上怎么去构建一个低延时的然后高动态的软硬一体的系统这个跟指甲是一样的然后再往上一层你的算法你的输入都是图像输出都是动作这么一个映射其实本身也是比较像的然后再往上一层你怎么去构建一套数据闭环的系统就是从数据的收集到清洗到我们叫AutoLabel就自动化的去做标注然后到训练到评测这么一套云端的音法其实也是很像的所以确实我觉得这两个领域它有很多可以借鉴的方法论我最早知道你大概是在今年年初的时候是我一个投资人朋友特别推荐的,他当时原话是跟我说有一个特别的 [10:00] 别厉害的人主导了华为自动驾驶的量产然后他现在搞居生了嗯非常火投不进去项目很贵哈哈哈感谢大家的关注嗯应该是半年内完成了超10亿元的天使融资对我们确实出来之后受到了大家的很多关注包括当时我离职的消息被报数据之后微信都被家暴了很多投资的朋友找过来我觉得确实是一个比较好的时代有这么多人的支持让我们能有足够的资源去完成自己想做的事情在投资市场上这么火爆这么被认可这个是你意料之中的其实是完全出货意料的我并没有想到大家会这么的火热如此热烈的追捧最早可以追溯到什么时候?第一次有很多人去关注你可能是考虑天才少年?高考,高考,因为高考当年我的分数考的也比较好,算是市里的状元,哪个市的状元?是汕头市,这是可能第一次,然后第二次可能就是华为的天才少年,这个Title,这个Tag也比较吸引人,第三次可能就是出来创业,被这么多投资人追捧有压力吗?我觉得其实整体还好,所有的事情,事情都是有两面的嘛,有更多的人去关注你,意味着你可以有更多的资源,当然确实也会有压力了,大家都盯着你嘛,如果你做的不好,负面的反馈也会来得更严重。如果给这一次创业的信心打一个分数的话,你觉得会是多少分?非常有信心,我觉得至少有90分。投资人有问过你类似的问题吗?投资人好像没有问过我,他们可能默认觉得我能做什么。就是真的是非常豪华包括阿里腾讯 蓝池 军联 高荣 中科创新 圆满基本上组合了互联网大厂一线财务VC还有专注硬科技的机构这样的一个组合是您可以挑选的吗对我们其实跟投资的朋友也是相当于双向选择吧做了很多的筛选首先我们觉得这是一个比较长期的赛道它也是一个我们叫超大市场超长赛道所以需要有更大的耐心这个可能是我们的筛选的首要的标准希望这些投资机构对这个行业也有比较深的理解所以你是可以跳机构的对至少目前为止可以你们跟心动机缘踏实这一类就是非常像但是由于就是有一个非常优秀的唱识团队履义有非常高的背书所以就是有很多的呃钱可以选择所以就是先组钱组团队嗯然后慢慢的再打磨技术是这么一套模式吗是的是的是的我觉得整体基本上是很大是这个模式吧那你要把硬性试做成嘛其实无非是两个最重要的资源第一个是资金第二个是人才嘛背景比较好的团队应该都是会以这条路径去走还是金汤池的团队就真的能够发展得很好嘛以及这样的组合好像在行业里面非常多是的首先回答你第二个问题就是这个一定能成功吗肯定是未必的因为你所谓的金汤池嘛其实是你的起点刚才我也讲了我觉得巨神这个赛道它其实是一场马拉松那在跑马拉松你起点大家插几个身位就百米从此你才需要把起跑线严格的对齐,所以更多的决定你能不能做成的还是后期你这个团队长远的发展,能不能持续的构建一个有凝聚力的组织文化,每次技术范式的转变的时候,你能不能有判断力,有足够的审美去跟上,这些都是非常至光有重要的因素。但为什么会出现你刚才说的这个现象呢?我觉得核心还是因为这个赛道却太准了,你会明显的看到可能在六七年前其实并不是这样的组合,是吧?比如说,这些都是非常至光有重要的因素。比如说你说像语树可能在三五年前那大家要求可能确实有一些商业化背景有一些科学的背景但是可能不要有产业化背景可能三四年前有一部公司是这样的但到今天你再出来那大家可能觉得除了有商业化背景有技术背景你还需要有工程化的产业化的产品化的背景所以大家要求越来越多整个团队的这个画像就会趋同可能是这么一个原因导致变成一个水桶型的这么一个组合团队,没有短板。我特别喜欢你这个比喻,你说这些是一场马拉松不是百米冲刺,所以从这个角度就回答了我最初想问的问题,23年24年已经出现了各种各样的估值非常高 看起来非常沉建着的团队了 为什么2526年还在不停出现居身创业团队 因为就是如果这是一场足够长的比赛的话 其实起点线在哪里 差距并没有那么大对对 是的 而且更重要的还有一点就是大家觉得技术范式其实没有收敛 以数据采集这个事情为例子 可能比如说一年前或两年前大家都在做这个摇操 然后现在大家在做无问题的数据是提升10倍以上的那就这意味着过去大家积累了三年的东西你可能三个月你就能 [15:00] 所以这种范式的转变也让大家看到了很多的机会就是还没有形成固定的格局以及没有形成很高的进入的门槛跟壁垒你刚才还说如果这是一场马拉松的话最终决定能否跑完能否胜出的是这个团队的影距离和它的持久性你能不能想一想你看到一些团队已然存在的问题我们可以不点名这个行业最明显的问题就是你刚才说的人人都觉得可以创业我可以说对对对对对就是门槛第一我觉得人才是整体有点分散的很多头部的公司这一段时间时候甚至就分裂成两个公司三个公司在这种热度的鼓动下每一个人都想参与热点,每个人的ego都会特别大,觉得自己就可以独当一面,自己就可以把这个事做成。为什么每个人的ego都会特别大?我觉得是这个行业的热度给了大家一种幻想,随便一个人可能我觉得他跟我差不多,他也能拿到融资是吧?那ok那我是不是也可以?对对对。好的词来讲叫做大家都乐观感想,感愿冒险,换的词呢可能就是大家都过于浮躁,但我自己其实是觉得这个事要做成,其实是要建立一个人才密度足够高的团队。密度非常高的团队也有所谓连创出走的现象嗯自己去创业了对对这是可以避免的吗?我觉得是可以从一定程度上避免的最重要的其实还是你要寻找跟你文化气质相同人对,比如说我们团队我们找的人,对吧?我给总结了一下,我们希望有这样的气质是吧?除了说你技术水平也很高以外,我们希望它是谦虚但自信的人对然后希望他是温柔但坚定的人怎么理解牵施且自信就是他其实对自己的技术判断是自信的但是我们同时希望他是谦虚的他能听进去这个行业不同的声音然后当大家的想法有碰撞的时候他是能够去求同存异的我觉得这样才有可能去长久的合作第二个点就是叫温柔而坚定他要能坚持住自己觉得靠谱的观点但是同时我们不希望这个团队是有非常剧烈的摩擦了用一种温柔的方式去解决这些观点的冲突的人我们会更愿意吸收这样的同事进来你是这样的人我觉得我算是这样一个人,对。怎么成为这样的一个人?怎么成为这样一个人这个问题可能比较难回答,我觉得有一个要素可能是从小当班长,从小学到初中到高中都是班长,然后到大学团织书,从小就在组织大家团结大家去做成一些事情在这个过程中有调皮的小孩会挑战,但是当他要抄作业的时候,他就会屈服了。你会生气吗?因为我也是第一次见你,走进来的时候,我就感觉你很……很快乐我觉得我一直是一个比较开心一点的人嘛对我基本上没怎么生气过还蛮温润的感觉我非常认同你说的这些品质但你怎么去识别书这样的人我觉得这样的人肯定是有的 对更关键的是自己要是这种人 是吧 因为我们 我觉得同样气质的人 大家都是相互吸引的 第二个就是你需要有足够的耐心 时间拉的足够长 你起跑人足够多 你自然就能筛选出这样的人还是得回答一个最根本的问题 就是说 可能我们不在乎这个起跑线差了一年或者两年 但是最早的那部公司他已经做了两年了 甚至比方说你刚才提到语书他已经做了更久了 那你有什么弯道超车的机会吗我觉得这个赛道它其实不需要弯道朝城,终点是在100公里以外 是吧 对那我只要持续不断的往前跑 没跑一步比它多一厘米 对那我跑着跑着 其实再过半年再过一年再过五年慢慢就可以跑到前面去了 所以我跟我团队讲的也是就是大家更多的是去把一些脏活累活一些笨功夫给他做好去把这个基础打扎实 什么是基础比如说硬件会去扣每个细节去把硬件可靠性做好我们会去抠我们这套音法里面的每一个小的模块,去把每个小的模块都精准的验证到它是精度效率都没有问题的你只有把基础地基打牢了未来我觉得肯定是可以进步的很快你觉得行业里其他的居生公司了解吗可能一些比较知名的公司对可能多多少少对对看过一些新闻或者有一些接触居生有很多路线比如说有走B端的有走C端的有做全站的有不做全站的在这两个最关键的问题上是怎么思考先说第1个问题,C端还是B端?我觉得巨升它最终终极的市场肯定还是在C端,对,因为我觉得任何一个通用的品牌 [20:00] 他最终一定要走到C端,他才有足够大的市场以及有足够大的利润去让你的团队有足够的资金去做比如说基础模型去做通用的巨升而另一个原因就是因为这一波我们说通用人形机器人嘛,其实它的最本质是通用,最通用的场景我觉得就是家庭场景,对所以说如果说家庭这个场景呃做不下来那可能就它不能称之为通用,对对对,从这两点我会觉得C端是最终的这个终点,但是你站在今天这个时间里面讲,确实C端它又还达不到那个进入的这个点,叠个衣服都叠得不够整齐,那在这个产品不成熟的阶段,你如果贸然的去进入C端市场,其实对你的品牌,或者说对整个行业,其实可能会有一些负面的一些伤害,第二个就是C端其实对安全对隐私的要求是很高的,比如说我一下棋去斗宠物,这样一些轻量级的功能先进去,但是因为隐私的问题其实你的数据很难回流但我们知道 AI 它需要数据的回流它才能持续的推动你的模型去迭代那你数据回流不了现在进入的意义可能也不是特别大啊所以从这个角度来讲我的观点是要以 B 端作为跳板但是最终是要去走入C端我们通过B端为调版我们在B端其实各个行业也都看了一下包括工业 包括一些物流的场景然后包括一些服务行业看完之后我们的判断是这样的选择的第一个出发点是这个场景它要有泛化性对因为你选了什么场景就意味着你会在什么场景去采集数据你采集了什么数据就意味着你能训练出什么样的技术模型如果你是去做一个很专用的活你其实很难去在数据上面去训练出一个有通用智能的技术模型所以从这个点讲我们找了一个跟家庭比较像的场景可能我们第一站会去一些酒店商住公寓做一些房间的清洁在里面可能你会接触到的类家庭的场景它的足够夺养足够复杂我们觉得在上面回流的数据是高价值的数据这是我们选择的第一个出发点我们觉得它要具备阶段性进入的可能,我要做的场景即便我做不到百分之百,我哪怕完成30% 50%我也可以先进去。我觉得这一点也很关键,因为任何一个功能,哪怕再简单,如果要做到百分之百才能进去,那其实你要花的时间肯定是非常非常长的。但是像比如说我刚才说的酒店的房间清洁,它其实是160多个子任务的集合,那哪怕我只能去把地上的垃圾捡走,我能把冰箱里的矿泉水给换上去。完成这么单个的子任务 我也可以先进去 去帮阿姨完成一部分的动作这样的话我就能进入到正式场景 我就能回留数据 我能发现真实的问题所以基于这两个原因,我们就选择了2B的服务行业。我现在观察到此时此刻,2026年,关于数据的战争已经开始了,因为现在各家巨深的公司都非常紧锣密鼓的要做最快能够踩到最多高涨数据的。公司是这样吗?对我看行业的大概是什么?甚至我觉得是不惜代价,你刚刚说你听过我之前那个志愿杨宝青的那一期,他们搞了一家数据平台公司叫密封,他们有非常多的订单来自一些大公司大厂和模型公司,现在这些公司是不惜一切代价去买数据的。我们看到了这个趋势,包括像密封这样类型的公司,其实在这一两年,非常多这样的公司刚成立,不开去采数据,然后大家喊出的口号可能是1000万小时,11小时是吧?对,但是对这个事情其实我的观点可能跟大家不太一样,呃,我觉得其实数据的质量会远远的重要于数据的数量对对对这是我自己的观点然后在今天至少我们接触到的这些巨生的数据我觉得质量是不够高的你们今天接触到的数据的来源分为那几种跟我们这样的我们也自己内部都在试包括刚才说的摇操的然后污蔑的数据Eagle的数据是吧然后可能市面上能对外提供数据的这些供应商我们可能都会去拿它的样力数据或者是找它采购小部分的数据然后自己去做采集但是就我们现在看来其实整个行业的数据质量其实是非常参差的大家并没有一个统一的标准说这个数据按这样搞就一定行一定能迅速一个不错的模型所以你现在对于什么样的数据更好是有一个区别于行业共识的认知吗因为现在行业都在搞无本体采集首先行业的数据之前区别为什么叫无本体就是之前是有本体之前有本体是叫摇操作其实就是我有一台机器人控设备一般是VR设备然后我通过VR设备的运动让机器人跟我同步的做运动然后人在旁边动机器人跟着动作动然后做数据采集这种采集方式有几个劣势第一个就是效率低第二个就是成本高因为你需要一台机器人在哪儿第三个就是因为你需要机器人所以很多时候大家都是在室内的一些摆拍场景所以 [25:00] 反复的摆,所以它的多样性其实也比较低,所以大家为了解决这些痛点问题,就把有本体扩展到无本体,然后无本体里面有很多种,前日子比较火的是大家叫无名,其实就是说手上的甲爪,对,然后这个甲爪跟机器人长得一样,但是这个时候我就不需要这个机器人在了,我只需要人穿这个甲爪,然后后来大家又觉得说这个方式其实还是会影响工作效率,因为人手上戴个甲爪,那我把它改成手套,这是一个方案,它就变成偏动部的那种,就变成偏动部的,带一个动部的,带一个动部的,或者戴一个可能是基于EMF去做的一个采集数据的手套但是这个的问题就在于现在很多机械可能用的还是甲爪是吧到甲爪它有一个重映射的问题所以它也有一些缺陷然后同时戴着手套大家觉得效率还是太低了IE戴着还是不舒服 工人戴着还是不舒服所以右眼睛到说OK我连手套都不要了我只在头上戴一个头环然后头环上面有个相机我把人正常干活的数据给拍下来通过摄像头的图像影像捕捉然后让模型来学,所以可能无本体里面又细分了很多种,但是整体它想解决的就是采集效率的问题,以及我采集场景的放化性的问题,大概是这么一个概念。然后整体来讲呢,我肯定是更倾向于说无本体数据,对,这个是没问题的。我刚才讲这些都属于无本体,对,对,然后未来的话,我觉得他们之间可能是需要一些配合的,对,我们可以后面讲,前面是说为什么要需要无本体,是吧,核心还是采集效率,我觉得是第一位的,因为整个AI的发展,肯定大家都需要scaling all,前提,意思你的数据能够 scale up,你才有 scaling了,这个是第一要素。所以基于这个,我觉得无问题肯定是一个大的趋势。但是同时除了无问题以外,我觉得还有三个原则是我一直比较坚信的。就是得是真实的人在真实的场景干真实的活。对,什么意思呢?就是现在大家有个CNN,他其实拿无问题的数据,但他还是在数财场里面操作。就是他是一个假设的场景。对,他是一个假设的场景,摆拍的场景。这个活的工人或服务员他的目标呢是我做出一个动作并且拿到回报并不是为了把这个桌子擦干净而去擦桌子而是为了做出这个擦桌子的动作擦桌子所以他很多轨迹其实会有一定的变形所以我们叫in the wild的采集我坚信是一定要让真实的服务员或工人然后带着我们的设备然后进真实的场景然后就在他日常干活的这个这个时间里面去把这个数据采用上来我觉得这种才是高质量的数据为什么是这么相信的?我觉得很多我们今天的这个AI它其实就是从数据里面去总结规律学习智能是吧那你的数据的质量就决定了他能学到什么样的智能如果你的所有的数据都是摆拍的轨迹那他自然就学出来一个摆拍的轨迹如果你的数据里面都是摆拍的场景那他面对一个真实场景的时候他可能就做不出来这个动作对所以如果你要解决的问题是一个真实问题让机器人去真实场景解决真实的问题那你就应该用真实场景真实人的轨迹来训练它我们都在期待巨声产生Skilling Law但它现在目前还没有产生你为什么相信巨声一定会产生Skilling Law以及在这个领域的Skilling Law它跟我们过去几年在大语言模型看到的Skilling Law有什么区别呢因为巨声首先它也是一个遵循AI的训练范式我有一个输入我有一个输出然后我中间的所有东西交给模型那在这种范式下其实在AI1.0时代大家在这种CV技术上验证了AI.0时代大家在大模型上验证了以及在自动驾驶其实也得到了验证所以基于这些推理在相同的范式下我觉得巨声肯定也是能够遵循这个定律的第二个就是你刚才讲的它的scaling law跟大模型会有什么区别其实我一直觉得巨声的scaling law会更难第一个就是因为巨声它是一个跑在端侧的系统那跑在端侧就意味着它的算力其实是比较受限的那算力受限就意味着它的模型的参数量不可能太大不可能像大元模型一样我去做一个几百币甚至几千币的这个模型是吧但同时巨生它吸收的这个数据量又是比大元模型更大的因为大元模型它其实是一些文字最多就是图片但是像巨生啊像车这种它其实在实时的接受高清的视频流然后还有语音还有文字各种各样的这些多模态的信息而且是必须实施做操作所以它每一帧它吸收的数据量其实是比大元模型更大的刚才讲它的参数量更小但它要吸收的信息量又更大所以就意味着你对模型算法的结构的设计其实是有更大的挑战所以我觉得它scanable其实是比大元模型会更难的我在做资料的时候我就发现其实你这个创业团队包括你本人是特别强调算法的我之前在了解这个行业其他创始人的一些判断的时候我经常会听到一句话说算法不重要或者说算法在现阶段不重要或者说有钱就能搞到算法人才但是其实你刚才解释 [30:00] 为什么你觉得算法在居身领域很重要?对,我觉得首先算法肯定是非常重要的,因为它是这波智能的核心,另外现阶段重不重要,是吧?可能大家核心是觉得现在可能算法还离爆发没有那么的近所以我现阶段不是特别重要对可能是这么一个观点然后我可以等别人爆发了或者别人做成了是吧我再去挖一些人也好或者说我去抄一下他的方案也好是吧然后去快速的做出来再大力出奇迹对对再大力出奇迹但是我觉得这一点其实是我自己是不太认同了可能确实算法架构本身你去抄是容易的但是你在探索算法的过程中所积累下来的这些比如说英法比如说人才比如说你所形成的组织的氛围这些东西其实是抄不来的所以等到爆发的那一刻你就那么有信心马上能挖来几个人这几个人就能融合在一起然后他有足够的英法让他去把这个东西做出来我觉得这个事情是不太成立的班长说操作业是得不到好程序的对对对对还是得有自己思考的过程才是锻炼真正的能力长期功夫有一点很意外的就是我们成立了半年但是我们花在算力上的投入可能至少能排到行业前五名了所以我觉得确实是从这个现象你就可以看到大家在算法上的投入其实是没有跟行业的热度形成匹配的关系的你融了好多钱了你能透露一下钱最大的流向流去到哪里吗?目前最大的流向应该就是两块嘛一块是人才一块是算力算力会在一个什么样的级别?应该已经到了千万一个月的级别现在一个月在整个知识行业是一个什么样的水平就我刚才讲的因为别家的其实也不是特别清楚但至少我觉得是能排进前五名的这是一个非常微妙的信号值得品一品啊就是因为这个行业很多公司声称自己在训大脑嗯嗯嗯对对对在什么样的级别能够判断出他到底是不是真的在训大脑我觉得现阶段比如说到千卡级别我真要做大脑这是一个门槛吧如果确实要做的比较好我觉得可能是需要到万卡这个级别才有可能去做出一些突破性的成果很多算一笔账的话倒推的话你觉得就是一家独立的初唱公司它现阶段得要容多少钱才能够支持一个比如说18个月的这个高效的训练比如说我们以1000卡来算那一个月差不多就接近可能是1000万啊那一年就是呃一个多亿比如说那你至少要融个3个亿对吧你才能支撑这个公司加上其他一些存储的费用那可能才能容这家公司在两年的这个算力的投入这个水平性其实基本上也是投布公司的这个比如说早期阶段的融资卡位就如果你能容到这笔钱以上你也会被这个市场上认为至少是准第一梯队的但是如果融不到这个钱的话你基本上跟训大脑这件事情没有什么关系了我是否可以这么理解我觉得可以这么理解因为确实训大脑是一个很烧钱的工作你会做全战吗因为几乎所有的头部公司都做全战我觉得会做全战核心有两个原因第一个是商业上的考虑在现在市场环境下很难说我只通过软件的授权去获取商业的回报 更多的其实你还是要软硬一体把它当成一个产品卖给客户才能有更大的商业价值但软硬一体并不意味着就要做全站 基本上就软硬硬件算法 除非你说我不做算法 是吧不是指软硬算法 因为很多全站公司是他会比如说把零敲手 零部件 他们会有一个指标叫做自研率 我理解你 我刚才讲了可能是整个系统就是说你软硬件我觉得这个都需要做 但是具体到硬件里面 你刚才提到资源利的问题 我们不追求自言旅但是我们什么东西会自言如果一个零部件它的供应商的成熟度跟进步的速度跟不上我们了那我们会选择自研现在自研哪些不自研哪些比如令商售我们现在没有自研第一个是觉得现阶段人戴上甲爪我们去酒店试了一下我戴上一个甲爪我在酒店能干70%的活对但是用算法他可能现在干不到5%所以这就说明它的瓶颈其实还不在于执行器我先把算法从5%提到65%然后算法能提升的空间还很高对所以我觉得现阶段可能如果执行器不是瓶颈那我们就觉得没必要子言2026年大家都说是聚生的量产元年然后我知道我所看到的一些公司已经完成了量产甚至有一些已经声称他们完成了首个PMF在前人行业已经做到了一些短期内的成果的情况下你怎么去规划你接下来12到18个月该做些什么首先我觉得我们其实并不想被这种市场节奏带着走首先它能形成一点PM [35:00] 也是一个比较垂直的赛道是吧这种垂直行业其实足够的多它并不会存在说我占了这个工位之后其他工位我们就进不去了对如果说只是在一个垂直的这个场景下去有些公司领先了我们觉得并没有形成说市场的垄断或者说形成壁垒所以这个不是我们现在最着急的呃我们最着急的其实还是两个核心基础能力就是第一个就是硬件的可靠性其实我看到很多机器人公司可能确实可以做一些demo但是你能不能7成24小时然后一年都不坏的在那运行我相信现在没有哪家机器人公司能做到对所以这个是第一个基础能力我们不要关注的然后第二个基础能力还是你的基础模型的能力就是你去做一个垂直的工位的时候你是花了多大精力去专门的采集数据去做微调才能把一个工位完成的这个是我们重点在考虑的事情如果说我每个工位我都要花很多人很多算力很多数据对去做那这个东西从产品应用上就是你要尽可能增大它的泛化性能力减少你部署的工作量对对对对是的所以在你的基础模型足够的强的情况下你再去做一些简单的微调落地到具体一个场景是顺其自然的事情它并不需要那么着急刚才我有聊到你在资本市场非常受追捧因为你在华为已经是战功赫赫了所以其实你本身在算法这个领域应该是非常有号召力的而今天投资人们投的其实是创始人在某一个绝对的有技术壁垒的领域人才号召力我觉得这是一个非常重要的投资的取向嗯嗯嗯嗯嗯是这样吗我觉得这个肯定是其中一个非常重要的因素我觉得另外一个就是把一个AI算法做到规模的量产做到产品化的这个能力而经验我觉得也是比较稀缺的在这个行业你觉得这个是从自动驾驶可以发展而来的对对这是我们待会要详细聊的啊刚才呃一个小时的时间我们先这个聚焦了一下你这场创业啊待会我们再展开聊细节我还想先跟你聊一聊你个人的履历有很多我想挖这些和学习的部分我们可以先从你个人开始聊一聊那你对机器人的兴趣最早可以追溯到什么时候应该是小学的时候看的一些动画片嘛当时印象比较深刻的机械动画片叫铁甲小宝,里面有各种可爱的机器人,有红色的,像昆虫一样的机器人,叫卡布达,他们可以变形,他会跟他的人类朋友一起去解决生活中的一些困难,包括机器人之间也有好的机器人坏的机器人会打架,机器人很有意思,他还可以给自己加各种装备,比如说他可以加一个火箭在自己的后备,他就可以飞起来,然后他有一个装备可以变成一个摩托车,有点像早期的变形金刚,对对,然后你那个时候就,哎,我这个东西也好好玩,是吧,我要有这么一个机器人伙伴就好了,是吧,他能帮我实现好多的事情,是吧,对,所以从那个时候就开始对机器人感兴趣,然后到后来的话也是一些电影吧,比如后来看变形金刚啊,看黑客帝国啊,是吧,然后知道了可能是更高层面了,就把机器人去保护人类啊,保护世界啊,这样一些命题,我就觉得哎呀,好有意思啊,对对对,所以你成为状态,这个有决定你想去什么地方哪个学校哪个专业吗?我选这个专业确实也是跟机器人有关系,但那个时候因为清华的招生老师过来嘛,然后他说我们有这么这么多专业。因为我刚好有个状元朋友,传说中大家是会来抢状元。对,各个学校招生班老师是会直接到你家里去,来你这笔诺业,来你这笔诺业,来你这笔诺业,对,然后当时清华老师给我推销了一下,很多个其实我都听不懂,当时有什么热门环境,他给我讲了半天,他们在干嘛我也听不懂,然后他讲了自动话,说这里面有很多老师在做机器人,我说机器人有意思,所以就帮了这个专业,其实事后证明是进对了吗?对,事后证明确实是对了,其实赶上了这波AI的热潮,这个是客观的环境,然后另外确实这个东西自己真的去做了确实也觉得还挺好玩的然后就一直坚持下来嗯你见了清华应该是去参加RoboCup了对吧?在清华4年的时间,我几乎除了吃饭睡觉以外,我感觉我有60%的时间花在了实验室里面,赵明儿国博老师的508实验室,在我们的清华主楼一进门就看到那种主楼,五楼,508,里面就有各种各样的机器,然后从应该是大一的暑假就开始去他实验室,玩各种各样的机器,最早是玩那种最简单的,叫机器小车,在地上画一条线,让你的车追着这个线跑,从这么简单的开始玩起,到后来玩这种自平衡车,有个两轮的车,你要去写一个控制系统,可能最简单的 PID 控制,让它一直保持平衡,并且能 [40:00] 给你送一些东西到指定的地点后来就开始加入赵老师火城队然后开始去玩人型机器人踢足球然后robocop对robocop我觉得这个团队确实影响非常大赵老师也是个传奇对对,赵老师是一个运控的传奇人物。我觉得赵老师的一个特点就是他比较特立独行而且他非常有自己的坚持比如说当时最早的时候我们开始做人形的运控的时候其实赵老师带我们在做的算法叫被动行走他建立了一个模型叫虚拟斜拨的步伐什么意思呢就是比如说一个斜拨是吧你放一个球它根据重力就可以滚下去那同样的道理你设计某个机械结构它就可以自己靠着重力就是我垂直的下降然后顶到然后后面那只脚在上升不用有任何动力的情况下,就一步一步的走到这个坡底,基于这么一个建模,然后去模拟它的步态,那它的好处呢就是,它是一个动态的步法,所以它的效率特别高,特别艰难,而且动得特别快。但它当时业界的主流其实不是这个做法,业界主流叫ZMP,可能大家在电视上看过日本的叫ASIMO,那个机器人,它就是ZMP的步法,是第一代的人形运控步法的一部,最核心的算法,也是靠算法实现的,它是一个静态的步伐,它的原理就是说我走每一步,我在任意时刻,我的重心都落在我的整个极限的覆盖范围内,所以我永远在任何一个静止时刻我都不会倒,但他就走的比较慢,所以赵老师在那个时候就坚持做自己的被动行走,所以我觉得确实他是一个很有自己,坚持很有自己想法的一个老师,然后包括到今天,其实整个运控都在走向AI化,但他其实也还在坚持,你在AI化的同时你要去学习这些运动学动力学这些传统的东西,把它融合到你的算法里面去。所以我觉得他确实是一个很有想法的老师,然后包括他给我的传递的一个观点,包括给我注入了一个认知,就是说,其实不要随大流,对,你要有自己的看法,做任何事情,你要自己的坚持。你在火神盾是当队长?我是大三的时候是队长。怎么当上队长呢?怎么单上队长了,因为是壮者,应该是当时是这样的,大家一大的时候大家都在做运控嘛,然后到大的时候就发现我们其实做运控的这个人才比较多,但是感知那个系统就怎么去识别足球球目那个系统,其实在我们这个实验室没有比较擅长的人,然后当赵老师就去搞那个,对对,然后我就就开始去搞,然后搞完之后就从感知一路就带大家把整个系统做起来了所以可能基于这个原因吧大家就觉得说确实你是能够去给这个团队带来一些不一样的东西然后慢慢就大家会对你产生比较好的幸运感就带大家开始去去重构整个系统然后就慢慢变成了队长你的本科应该我们是童年吧你的本科应该是12年到16年对这期间机器人运控这个领域有什么大的标志的节点发生了?这个时间点应该是我刚才讲的第一代运控到第二代运控的变迁的过程,对,刚才说的第一代运控是ZMP,代表是叫I-CMO,然后第二代运控其实是NPC,NPC加WPC,就是模型预测控制加上全身控制,对,它的代表的机器人是ATLUS,就是波士顿动力,那个时候刚好是波士顿动力特别火的那几年,我每天都在玩,看到它翻跟头,什么共识评论,觉得特别厉害,然后那几年刚好就是整个技术从第一代到第二代变迁的这么一个过程。我会来查一下你们火神队应该也是出了一些非常知名的创业公司,有加速进化的陈昊,是吧?对,还有一个叫陈鹏辉的,是你同期的吗?陈昊是比我大好几届的学长,然后他应该是也是火神队的远古时期的队长嘛,但我进去的时候他应该已经毕业了,对,然后加速进化确实现在还在踢足球,对,我觉得也是相当于是把我们当时的这个队伍的这个精神给发扬光大,对,然后全部会应该是一个年纪比较低的一个学弟,对,我跟他确实没有接触,但是他们应该是,呃,我记得是二五年还是哪一年也是拿Rubo Cup的一个冠军,火神队他有什么精神气质?我觉得其实现在的很多各家公司的这个,运控算法的核心人物很多确实都是从火神队或者跟火神队有多多少少有一些关联我觉得大家可能更多的就是把人形跟运控这个事做到了机制然后推到了整个新的行业机器人行业里面去了大家现在会公认运控语书是做的很好的吗你们这些古典运控派会怎么看语书这家公司 [45:00] 我觉得语术肯定是确实做得非常好的对吧包括它整个呃表现出来的这个运动性能包括它说的这些demo确实是非常惊艳的啊然后呃但是运控其实刚才讲第三代嘛其实从第三代翻到今天的第四代是基于强化学习的这么一代呃但是到今天来讲我觉得运控技术它其实从算法层面它有点啊怎么说呢呃可能它的对它它的难度相对于之前没那么高了对,因为AI它能做很多事,比如说以前其实运控还挺难的,我自己也没太学名,白说说话,它需要解非常多的数学问题,代数啊什么这些东西,然后因为它运控本质在做的事情是什么?就是你有很多优化目标,希望机器人跑得足够快,然后希望它的步态类人,希望它不要倒下,这是很多目标,然后同时它可以优化的变量又特别多,因为是全身身上所有的关节的扭矩都可以控制,所以在这一个输入维度特别高,然后优化目标特别多的时候这个问题,他就是去解这么一个复杂的优化问题,它会特别的难但是到了今天,其实强化学习的时候,他的整个方式已经发生转变了,其实我不太需要说对这个系统做非常细节的数学建模了,我更多的是去给一些我们叫Value Function,就是去评判你做的好不好,比如说你倒下了,那你应该受到一个惩罚,更多的是设立一些奖励机制,然后让这个模型在访问里面去自己去不断的做rollout,然后不断的去我们叫强化学习,最终就可以训练出来一个好的模型。对,然后语术丹在这方面确实是做到领先,但是我觉得更大的一个领先是在于,因为今天的运控很依赖于仿真环境,而语树是能把这个我们叫Sim2Real的Gap做的特别小的这么一家公司,所以它的这个硬件啊,包括它的整个这个关节啊电机的这方面能力确实是非常强的。这是一个非常好的问题,就是因为Sim2Real Gap大家都会面临嘛,你说它能够把这个代差缩到最小,这个背后靠的是它的硬件能力,硬件可控。对对我觉得背后主要就是硬件的能力当然这里面也有一部分软件的比如说电机里面的驱控算法它本身也是一个软件算法啊那核心就是说我产100台机器人我每一台的参数都一样这个叫一致性然后另一个就是我这些参数我有某种办法去把它识别或者我们叫参数的整定识别出来之后放到我的访问器里面而且我识别的准那我的访问环境就准这是可以被追上的吗我觉得是可以被追上的,因为这里面它怎么说呢?更多的是很多工程的经验,它并没有一个非常不确定性的技术在里面,所以我相信后面这些公司只要大家持续的去打磨,慢慢是能追上的。当然,语书自己也很勤奋。对,语书也在往前跑。刚好,也才逃过,星星。你觉得不确定性在大脑层面吗?对我觉得现在整个巨星最不确定型就是在大脑但是你刚才又讲了你的信心有90分对我觉得信心更多的是来自于虽然我不知道最终它长什么样但是我知道我把基础的东西搭好了我把我的数据做到高质量了以及我有一个足够好的团队大家肯定能在探索的氛围中慢慢去试错的过程中把它试出来就在赵明国老师的这个精神指引一下,对我们当时团队其实也是非常自由的,基本上你想做哪个模块你可以自由的选择,不管你做运控也好,做感觉也好,或者说你做决策系统,他的大脑也好,每个人都能在自己的上面去不断的试自己喜欢的方案,我觉得特别好玩。能够感受到那个创始人的热爱啊他就会说就是当时去打比赛的那段时间对他来说真的是非常非常快乐的而且呃他在这个过程当中发现往往最后能做下来的做的好的并不是那批所谓的最优秀的学生而是最热爱的学生所以这个也指导了他后来创业就指招最热爱的人你有什么从火神队沿石下来的一些精神了可能一个最重要的东西就是我觉得细节决定成败你会发现某个步态调的不好其实不一定是你的算法问题可能就是你某个螺丝没拧紧对,它松动了那么一下导致它的参数变了所以当你在做一个复杂系统的时候你要去把它拆分的足够细然后你的每一个细小的模块你都要去检验做一个单模块的检验你去判断 ok 假设我把它拆解成一个最小系统它的输入跟输出符不符合你的预期这样的话你才能保证当你一个复杂的系统组装起来的时候 [50:00] 每一步是没问题的因为当你阻碎生意复杂系统的时候你最终发现问题你其实很难追溯到具体的某个零物件因为每一个环节哪怕有一毫米的误差组合在一起就是几次方对对对 是的 是的因为它是一个从硬件到软件到算法这么一个串联的这么一个系统对 所以它的误差是会被放大的这个是我觉得我在做极限的过程中学到的一个培养的一个非常重要的一个特质吧所以你后来组这样的团队某种精神特质或者种氛围会不会跟当年火神队有一些类似我觉得会有就是我们会更关注细节刚才反复讲的数据的质量是我们包括在华尔工作包括在现在我们特别关注的一个东西就是你怎么去check你刚才说的那条数据闭环的整套的英法里面的每一个小的模块保证你生产出来的数据它的质量是足够的高的这个是在我做整个AI过程中观传室中的一关注的重点这个是从怎么说对于一些问题的认知上面的对然后另一个就是我觉得比较重要你对这个系统的认知我觉得也是没有变的虽然你去操作这个系统的方法这十几年发生翻天覆地的变化但你最终要操作的那个系统其实还是那样还是一个双足机器人然后通过电机去驱动关节然后以及你要给它装上一个大脑这么一个问题本身它其实是没有变的所以可能从十几年前你就对这个问题有了一些概念这个系统的这些概念其实也是慢慢会去影响你后面去做很多技术的选择逐步清晰是的我理解你们火神队当年打的小组比赛其实整体上来讲就是人形双足运控在大范围里你又是去负责感知决策的那一部分对吧所以其实相当于你在这个阶段里面你做了机器人的小脑但是有一点涉及到大脑的部分我可以这么理解对在今天看来可能是大脑在那个时候我们是叫它机器人的眼睛跟你后来自动驾驶的眼睛很像对然后叫感知决策的系统它其实非常简单它就是一个状态机一幅你看到了球跟球门那你就射门一幅你看到球没看到球门那你就转一圈对对对是一个基于规则的一个系统甚至我们在做感知的时候一开始用的都是一些非AI的算法对非常简单粗暴比如说绿色的RGB值是多少同意是就是自然界都是通过RGB三个颜色就Red Green跟Blue三个颜色去组合成所以我们的图像呃成像的原理也是这样的就是图像上的每一个点每个像素它其实背后是三个通道有一个呃绿色一个红色一个蓝色然后他们有不同的这个深深度就是不同的这个深浅然后同了从而组合出这个不同的这个颜色啊大概这样的所以呃你看一幅图像是吧你看到的是一个呃光怪陆立的世界但是在计算机眼里看到的只有啊对他其实就是三个矩阵然后每个矩阵里面是一个0到255的这么一个数字数字对对然后我们就是通过处理这些数字去识别呃足球啊球门啊这样一些东西所以那个时候机器人看到的世界不是我们看到的世界可能是小狗看到的世界就只有几种颜色对啊明白啊但是你那时候就是有这个概念吗就是机器人其实是有大脑小脑系统那个时候我们把它分感知决策跟控制那不就是今天的VOA吗B L A L对你这么说确实有很道理但是那个时候可能不太支持语言的指定它更多的是V进去之后L被替换对L被替换L就是刚刚我说的一个简单的规则然后A就是他会去做一个动作就是控制我发现从你本科打Robot Cup比赛其实做的是机器人的小脑运控这块然后后来到了你博士期间我们待会会聊到的其实你做的有点接近于机器人的大脑跟今天这个机器人大脑有点关系然后再到你毕业之后第一份工作去了华为做自动驾驶是做了整个一个系统所以我觉得这一系列的路径跟你后来今天去做巨神创业是非常息息相关的在结束本科的打比赛这段经历之后你有没有意识到说小脑这个东西我的感性质程度是百分之多少然后我要因为我看你其实是有一个跨度你后来去选择了多模态这个领域我这个转变是这样的它其实里面有两件事情第一件事情就是我刚才讲的当时感知没有人去做感知了 然后感知从最开始的传统算法是吧 到后来因为imgnet出来了嘛 然后大家开始用AI的方式去做 所以在那个时候接触了一些AI的算法 开始用卷积神经网络去做足球球门的识别 所以第一次接触到了AI 觉得这个东西确实很有这个魔力 应该是16年 那时候你快毕业了是吗 对对 就是在大四的时候 对开始大家发现这个东西可以去识别非常多的东西 到后来还有另一个事就是我在本科的时候其实碰到了汤晓鸥老师对他去清华招生因为他当时刚 [55:00] 组建mm lab 然后同时他当时是成立了那个商场科技在大概应该是一314年的时候,就在清华科技园,所以当时很早的时候我在大厦一段时间就在他那实习,那个时候对我印象特别深刻,附近有一个公寓叫文京国际公寓,当时上堂刚成立的时候就租了一个公寓的房间,客厅就是办公的地方,卧室就是员工睡觉的地方,当时就十几个人,大家就开始在里面做一些人脸识别,人脸检测,这样一些算法,所以基于那个我就也是相当于入门了,一下计算机视觉,确实感觉这个东西太神奇了,竟然这么复杂,我自己可能也是个脸盲,两个人我都分不清,他竟然都分得清,所以就会觉得这个东西还是非常有发展的潜力了,而且他竟然可以用这么简洁的方式解决这个问题,再也不需要我去算一大堆数学公式了,完成了机器人自主的学习,所以我觉得这个东西未来肯定有非常巩惑的应用场景,所以基于这个我就决定去做一下这方面的研究MM Lab可能普通读者不太熟悉我觉得它可以视作上汤的技术模体吧就是这么一个实验室它应该是在相当长的一段时间里面是具有非常高的学术地位学术的成果包括人才的培养来讲我觉得MM Lab都是一个非常优秀的这么一个AI的实验室这个和汤晓鸥教授他的风格和他的理念有关系吗我觉得有非常大的关系唐老师我觉得他特别好的就是他的很多的理念在今天看来我觉得都特别的先进比如说他倡导的一个叫黑羊文化,他给商汤选的一个吉祥物是一只黑羊,为什么选黑羊呢?在英文里叫black sheep,black sheep其实意思就是一些不合群的小孩,格格不入的小孩,他想高四代其实每个人都可以特立独行他是非常非常尊重个体的差异的这么一个人因为他坚信只有多样化呃才能够去去发展出一些不一样的东西如果大家都变成同质化那其实就是一个流水线式的这个paper的生产工厂那其实这个不是他建这个实验室的一个初衷跟他有直接的接触吗陶晓鸥教授我跟他有一些接触但当时是实际上的汤老师把我招过去之后其实平时带我是那个林大花老师对所以跟林老师的接触会更多然后汤老师一开始进去的时候他还没有那么忙估计一两个月可以见他一次后来可能随着这个相当的壮大对可能就是半年一年的见他一次这是什么样的人我觉得他是一个非常和蔼可亲而且幽默的人,他非常有意思,比如说他早期在做研究的时候,我们全实验室都认识他的小孩叫明明,他很喜欢拿他小孩的照片给我们做研究,比如说他当时第一个做的题目是我们的学长做的,他给他的小孩拍了很多的照片,发现这个照片每次要去挑一张照片特别麻烦,就说我们可以来做这么一个 topic,给我家的小孩做一个相册的分类系统,分成去旅游的,在食堂的,在什么地方了。第一种就是你去close掉一个领域的第二种就是你去 open 一个领域了嗯对所以 close 一个领域就是说终极的对对终极一个领域就是说你做了一个特别牛逼的算法是吧然后呃你做了这个算法之后这个领域的所有问题就解决掉了大家再也不需要做研究了对这是他欣赏的第一类研究然后第二类研究就是说你去呃去提出一个问题是吧可能这个问题是之前大家没有想到的但是是特别有研究价值的然后去open这样一个新的领域对,所以它的很多引领其实都是非常有前瞻性的学习了 我们也要这样做选择了 哈哈哈 哈哈哈 所以他是 呃 MM Lab 的这种精神领袖吗是的,康老师确实是一个非常优秀的精神领袖。所以后来大家得知他去世的消息是会在你们圈子当中有一个震动吗?会,我觉得大家其实非常非常的遗憾吧对,因为确实我觉得汤老师他给其实不只是AMLab我觉得他对于整个至少是华人圈吧或者说至少是中国的这个AI的这个事业其实都是起到了举足关键的这个作用对如果他今天还能在我相信他还能继续带领这个AI行业去往前进一步所以我们确实感到非常非常的遗憾你从 mm 代表里面比方说像他老师啊像林达华老师啊就是你会不会从他们身上找到一些比如说哎我应该去做一个什么样的 leader 甚至是领袖的一些精神之一哦我觉得是有的比如说刚才汤老师给我的几点启发第一个就是你要去追求卓越如果做一个leader你给你的团队给你的跟你合作的人 [60:00] 大家的追求要足够的高,大家说的这个球其上得其中嘛,然后第二点其实就是我觉得汤老师是一个非常非常乐观的人,对对对,在任何时候他其实不管实验室啊或者公司的压力多大,你们永远能看到他在讲断,他是一个非常非常幽默非常乐观的人,所以我觉得这点其实也是给了我一些很大的一个感染,在这么大的压力下,你也是能够换一种思维去去面对这些困难,那你其实只要你的心态放得好是吧,你总能走过去的,乐观它到底是一种天性还是一种方法?我觉得它应该是一种方法,而且是我自己认为它是可以通过后天其他人的一些影响,去慢慢让你塑造成一个乐观的性格。你觉得你天性是偏乐观还是偏美观?我觉得我现在是非常乐观的,但天性嘛!可能不太有意识了 想的就是一个勇敢的人吗小的时候我觉得我也算是一个比较勇敢的人,但可能也是刚才讲的环境非常自由,所以会比较可以去探索,你可以去试错,是吧?哪怕你把一些东西搞砸了,其实也没关系。对,小时候还有一个故事,也很有意思,就是看科学书,但是在幼儿园的时候,看到母鸡腹鸡蛋,对,然后我就从冰箱里拿了一个鸡蛋,然后装进我自己的袜子里,然后放到我爸妈的杯窝里。所以其实也没有关系,他们就笑一笑,觉得特别好玩。对,所以我觉得在这种环境下,可能确实就慢慢地塑造乐观,然后勇敢,可以去做各种各样的探索的东西。乐观被正向激励了。是的。你人生当中有遇到过解决不了的困难吗?解决不了的困难嗯目前为止好像没有没有什么事我觉得跨不去了对你刚刚讲面对压力的时候,做一个创始人,面对很大的压力的时候,你依然可以乐观,这是一种方法。你人生当中现在遇到过最大的压力是什么时候?在华为的时候还是你现在自己创业?可能我的这个,痛感比较轻,对,所以我没有感觉说哪一个东西是最,但是确实比如说像之前在华为做一些技术公关的时候,对,我印象比较深的有那么几次吧,第一次是我第一次接手一个非常紧急的,然后马上亮产的那个项目的时候,其实压力是非常大的,然后当时我还接下任务那个晚上,我还12点多给我的mentor打电话说我万一搞不定怎么办?他也给了很真相的反馈说没事这个东西的责任是我搞不定,搞不定就搞不定,对对对对对,然后包括后来在做每一次大的技术变革的时候其实都是有很大的压力的,因为你要去推翻重来嘛,那你面对不确定性的技术,你也不知道自己能搞成,所以每次其实都很大压力,对,然后包括今天其实创业也是一样的,虽然说有95%的信心,但是也有95%了,短短跟我聊了两个小时,上讲了5%,我觉得我要开心一下,对,但也有5%可能做不成,所以还是有非常大的压力在,老实说你是一个对压力比较顿感的人,你会有什么方式去解压吗?我觉得早点睡觉对对对一般压力特别大就是早点睡觉而且我不管多大压力都能睡得着OK我们回到MM Lab你进MM Lab做了些什么事情学到了什么我进去做的topic非常有意思对我的同学都特别羡慕我我做的topic是电影就是做电影的解析所以做AI其实你需要很多的时间去看数据嘛然后当时我的同学可能在看做什么超分辨率在看蝴蝶是吧那个翅膀放大十倍看他里面的文字清不清晰然后做人脸识别再看各种各样的脸是吧然后做动作识别再看什么跳高跳远对只有我每天在看电影所以他们特别羡慕我是一个美餐,我当时做的tuby就是说因为当时达华老师他跟我说做图像做这种短视频已经有很多人在做研究了但是怎么用AI去解析一个两个小时长的而且是有声音有音乐有对话有图像的还有故事情节这么一个多模态的数据这不就是后来的视频声文吗?对怎么去搞这么一个东西其实是没有人研究过的而且给的问题器也非常开放就是说用AI去解析电影做的第1个topic是说我去做里面的人物的识别对,但人物的识别其实会比简单的人脸识别会难很多 [65:00] 在电影里面人物他会换衣服换装扮然后他可能有些时候侧脸有些是背面然后可能各种打斗动作的时候他其实非常模糊对那你怎么把一个人在整个电影片段里面都给他精准的抓出来其实是一个非常难的一个问题这是研究的第二个 topic 然后他研究了第二个 topic 是说我怎么说一句话我去电影里面搜出对应的剧情片段,这个就是提到语音跟文字之间的转换,然后文字到这边的这些刚才说的图像啊,人物啊,背景音乐啊,台词啊,这些东西之间的关联怎么去做。当时也做一些生成式的,比如说,给部电影,你自动去剪辑出一个预告片。其实在这个过程中开始去接触NLP啊,然后接触就自然语言处理,然后接触Space recognition,接触语音识别,然后也接触计划机视觉,各种各样的东西都相当于我的这个topic,让我接触到的这个支持面会比其他topic更宽一点。大学期间其实我理解接触的更多的是运控算法,到现在去接触,就到那个阶段去接触NLP,肯定是涉及到适合学习,但有没有涉及到强化学习我不知道。那个时候强化学习用的比较少,主要还是基于模仿学习多一点。这个跨度当中最大的一些认知上的升级或者改变是什么?认知到的,我觉得其实最大的改变还是课题带给我的,它从一个命题作文变成了一个开放性的课题。原来呢,做的事情其实非常明确,我就是去把这个足球识别出来,那我就想进行办法,就让它识别的准确率越来越高,它是一个命题作文。但是,呃,博士期间研究这个课题呢,就是你去研究电影,但是你去研究电影的什么东西,其实是没有人告诉你的,所以你就自己去想。所以我觉得可能是这种从。封闭式的问题到开放式问题这种转变会给我带来的挑战会更大一点但是在开放式的命题里面就有一个很重要的刚才一路的线索就是你说你在本科时期赵明博老师跟你说不要随大流然后在MM Lab的时候汤老师说要做Black Sheep那你在一个开放式的一个命题里面怎么去找到属于自己的独一无二的那个可以称之为Black Sheep的东西这个问题,电影这个东西本来就当时在学入领域是非常冷门的,几乎你找参考文献都找不到的那种。我有看你之前在社区写过的一些东西,你是说因为这个领域过于冷门,所以一开始你的论文都发不出来。对,我同一届入学的同学领文几乎是最晚发出第一篇论文的,前两年一篇论文都没发出来。所以导致包括我自己可能也怎么去说服别人,是吧,相信这是一个值得研究的问题这件事,也可能比你去解决一个大家已经知道是问题的问题会更简单一点。就导致它确实会更加难。融资能力是从这里来的。对,可能也是那个时候锻炼出来,把问题讲明白。对,然后以及你要去sell一个这个世界上还没看到的,没有形成共识的东西。对,这个是我觉得它非常挑战的一个点。回到那个问题,就是怎么找到属于自己的black sheep的。我会从这个问题的本身出发,那它区别于其他的课题,它有什么特质。是吧?第1个特质就是,首先它有多种模态,这是区别原来有人在研究LP,拿的是一大堆文本,有人在研究Speech Retention,拿的是一大堆语音语料,有人在研究CV,拿的是一大堆视频图像,但是我拿到的一个东西是它三种模态都有,基于这个,我就可以去做跟编布一样对跨模态的东西。其实在今天巨神也是非常崇利的。本质上今天巨神也好,多模态大模型也好,大家在解决的信息压缩和模态对齐,怎么两个核心的问题。有个IOP查理他也说嘛,就是all to all,就是全模态,就是所谓任意模态对任意模态的对接和输出。对,是的,其实你抽象来看大元模型,我是语言模态到语言模态,就是说视觉语言模型,其实就是视觉模态语言模态再到语言模态。然后比如说巨声,它其实就是视觉模态加语言模态再到动作模态。对,所以你抽象来看,其实所有的AI在解决的就是模态之间的转换对齐的这个问题。比如说生成一些预告片一些娱乐类的视频,你好像一手搭建学术界首个大型多摩泰长视频数据集moviness,这个其实也非常好玩,或者说前两年我觉得发布出文章跟这个也有一定的关系,现在吹牛听上去有很多定语是吧,但是当时是怎么得到这个电影的数据,当时会发现,嗯其他的东西大家可以去YouTube上,可以去Google Image上 [70:00] 但是第一次做这个电影的时候我想我也去爬然后发现所有的电影都爬不到,你能爬到的是什么?是那种已经50年前的电影,黑板电影已经过了版权保护期了,所以你可以爬得到,爬不到,然后我就想了办法,那不行,我去我去买光碟,对,所以去了香港的这些卖光碟的那些放电影的那种DVD,卖DVD机跟卖光碟的那些小卖,然后买回来之后发现,第一个是,他其实没有那么多的电影,它的光解气息也没有足够多,可能也就几百部,然后另外是买回来之后,你每一个要放到那个光区里面去考,我把这几百部考完,可能要花半年的时间,这个效率也太低了,然后最后怎么搞呢?最后发现,大陆这边,当时在校园网里面有一些IPv6,比如说像清华中科院这些内网,然后IPv6上大家在做一些共享资源,但有点混合,灰朵不知道能不能播啊上面有很多这种不那么正版的版权不显明的电影然后放在那里然后可能大家猜猜因为是一个也是算一个局域网算校园网所以版权保护可能也没有那么的规范这段经历其实他我理解他是做一些多模态的感知分析还没有预测对那个时候没有预测他更多的是一些理解跟生成这一段学习和研究的经历有什么研习的基础基电呢我觉得还是有非常大的关系的第一点就是今天巨生的大脑其实核心的技术就是多么太大模型它背后的这种怎么去处理各种模态的数据模态之间怎么对齐的一些方法论其实是可以共享的模态的对齐和数据的处理是从这一段经理开始的吗当时其实最核心的就是你有一个NLP的小模型,你有一个语音的小模型,你有一个视觉的小模型,然后你会拿他们的我们叫提取特征,去不同的模态数据里面把他的特征提取出来,提取出来之后,特征其实就是一个向量,对向量之间你怎么把它映射到一个统一的空间里面,让他们可比。你能举个例子吗?提取特征怎么提取?体育馆里面拿到了一个球拍 是吧他们之间你其实是很难去对比的 所谓特征的对齐或者模态对齐在干什么我再给他建立一个统一的标准的空间 让大家拉齐到这个空间内比如说我给他们定个价 球拍卖多少钱 汉堡卖多少钱 这样就可以通过价格去给他们做一定的对比我就可以印识到不同的空间 核心就是我给他建立一个标准然后在这个标准下他们可对比所以其实这个特征提取在直升里面也会非常非常重要是的,其实巨生它本质上也是在做这件事,我有一个图像的输入,我要给它一个特征的空间,然后我有一个语音的输入,我要给一个指令,告诉基线去干啥,但是语音它是另一个特征的空间,然后同时我最重要它做的是动作,动作是一个空间,对,那我要怎么让这三个模态,对,在三个空间内,它们可互相转化,这个其实是背后的核心点,只不过说现在大家是用一个端到端的模型去做这个事,我刚才描述这过程中,它可能隐行,在神经网络里面但是它背后的本质还是一样的,就是在做模态的对齐,在做特征的对比。过去比如说大家做VLA,它是一个分层的一个架构,感知,判断,决策。这三个部分都是在更早的时候,它都是独立运转的。是的,但是现在我们都说端到端,就是希望能够一过出,直接映射到一个动作。就是这个转变的发生背后本质是因为什么?就是从局部最优到全局最优的这么一个转变其实背后的核心原理就是一旦我把某个系统切开那就意味着两个事情第一个事情是我的下一个环节跟上一个环节之间的反馈因为中间切开了所以这个反馈是靠人去定义的那这个断的这个断点需要人去介入分析一旦人介入就很取决于人本身的能力,但是人能看到的case跟数据肯定是不如机器的,是吧?所谓人的介入,其实就是人通过算法的介入。其实很多时候是人先去看这个问题去分析,然后形成一些经验,然后再去改这个算法。所以还是算法吗?对,是算法,但是他经过了人脑这么一套流动。以及算法不可能穷尽所有的场景,所有的corner case。是的,这个人他也不可能穷尽所有的case,因为他绕了这么一圈,所谓端到端就是,我把这两个模块做了合并,我中间不要切开了,这样的话我末端受到的所有的反馈,我就可以通过神经网络的反向传播,把所有的梯度从最末端传到最前端,去除了中间依赖的瓶颈。你刚才最早的时候有讲过一点,在25年你决定要出来创业的时候,是因为你看到端到端能实现,能跑通了。这个能跑通指的是demo能跑通还是我们说落定 [75:00] 在25年的8月份应该是当时我们发了华为的ADS4.0那个就是一个端到端的版本你的在华为的风扇制作在华为的毕业作品然后全量推送到了应该是当时100多万辆车上面去了就是你看到了端到端可以量产并且可以在现实世界当中交付价值就不需要人工的介入是的你怎么判断在居生领域也可以呢?因为我觉得首先它的抽象上来,它的问题其实是很相似的。比如说它的输入都是看到的视频,然后输出都是一个轨迹,只不过输出,它可能从一个二维轨迹,然后变到了一个三维轨迹。但是它底层的,刚才说的抽象来看的问题,它其实是一模一样的。我们说神经网络其实就是一个函数,Y的fx,对吧?但是X本身都是图像,然后Y本身都是动作。所以我相信你经过一些努力的,或者说经过一些改进,它在三维的世界应该是能跑通的。明白,当时博士期间结束之后,你觉得MM Lab留给你最重要的是什么?我觉得有两个,第一个就是研究的课题,它其实给了我一个说你怎么从0到1去建立一个小系统的能力,自己定义问题,自己找数据,自己想问题,自己再提出一些解决问题的办法,以及自己去给这些问题建立一些评判的标准,来说明这些问题到底怎么样算做的好,怎么样做的不好,其实就是建立一个小的系统跟体系,我觉得这个能力其实是非常重要的,不管在质押好,在矩身也好,它都是一个从事的,0到1的一个过程嘛然后怎么从0到1的过程中去把这个体系给建好我觉得这个是在研究的时候锻炼下来的这个能力什么是系统?系统的话就是你定义好它的输入以及输出,然后同时定义好你的输出的好坏的评价标准,然后你的输入输出评价标准,以及你中间的这个算法模型加起来就是整个系统。它可以自运转。在博士期间在MM-Live,你做的是多摩泰这一套。我理解其实比方说CV,包括就是搞电影,对吧,搞影像这种,应该也是那个年代挺,火热的方向也挺吸引人的,但你为什么毕业选择去华为搞汽车了呢?对,我当时其实也有不同方向的选择吧,比如说去做短视频,那你可能就自己来了,做一些视频的特效,到后来可能是视频的生成,今天就去搞视频模型了,这个也是一个方向,但是最终选这个支架呢,我觉得有这么几个原因吧,第一个是,还是有一堆机器人的喜欢,因为我确实觉得做一个东西,你看到一个物理的实体在那能不能跳的,会让我更有成就感一点。对,然后第二个就是,其实我还是比较想去一个新的地方,然后希望是能从零到一去看到整个从技术原型的研发到产品到规模化的这么量产的这么一个整个生命周期我觉得在这样一个东西里面你去经历完整个生命流程,并且你把它真真实实的送到用户手里的时候,你那种成就感会比你去一个已有的体系,做一些小的修改,让我更自豪一点。当时因为华为车币又是刚成立嘛,我20年去了,它19年才成立,那个时候第一代产品也刚开始,所以我觉得是一个比较荒凉的地方,比较适合去开荒,所以就去了这里。公众对华为天才少年这个项目都非常的感兴趣,它已经成为了一个标签了。这个标签对你来说意味着什么?我觉得这些所有的标签都是大家在某个历史时期给你的一个浓缩的评价。其实在今天看来可能意义已经不是特别大了,因为它代表的,就算它能代表什么,一个是它是五年前的我,或者六年前的我。然后另一个就是,天哪,才六年前,还是挺厉害的。然后另一个就是,它其实是一个浓缩的评价,比如说华为它有很多天然少年,但可能博文林也采访很多人,是吧?可能每个人他其实都是非常不一样的。就是可能这群人他在自己的研究领域有一些比别人更好的成果然后他可能稍微比EVERY的水平更聪明一点点对,这是这个标签可能给大家的一个印象然后通过这个印象可能可以让大家让一个陌生人快速的对你建立一个概念 [80:00] 就是一张名片的作用但是我觉得它代表的东西不会太多对我来讲但是我其实挺意外的因为我们刚刚聊到了就MM Lab是一个非常自由的快乐的一个对吧机构但是就是华为在大家的印象当中是一个很苦的非常约束的一个高压的严肃的这么一个至少这么一个企业形象吧我还挺惊讶为什么会做出这样的一个选择呢对,然后这里我就要说到天然少年另一个左右,我觉得天然少年它其实最大的意义并不在于说它吸引到了,或者说不在于说它给了这些一些什么超越市场预期的一些薪资或者一些title,它更多的是它其实打破了一定程度上打破了你刚才说的华为给人的固有印象通过这个计划大家会看到OK原来华为它也是一个能够打破常规的一家公司它其实也没有那么 比如说它给这么一个计划它其实是远超业界的待遇一些制度吧它其实是打破了自己传统的纸机体系也好包括它的整个人员的招聘的规范也好是相当于是一个特殊的东西大家就会看到这个东西是可以打破的内部其实可能并没有大家想的说那些条条幻幻就是不可打破的对吧然后第二个就是他愿意给这些优秀的人才这么高的待遇那可能他是尊重个体差异尊重人才的我觉得这些其实是这个计划给外界传递的一个非常正向的一些信息我觉得这个计划可能对话这个公司我自己个人认为一个非常重要的意义我想考古一下你在华为的几个比较重要的战役吧你刚才也提到了最早的银湖量产它是这样的北极吉湖它是我们的第一款要量产的车然后应该是4月份当时是第一次亮相然后应该现在还可以查到很多的新闻跟视频比较不错但是在亮相之前的可能三四周这么一个时间然后我们当时做了一个决定是说我们把车上的激光雷达可能大家最早看到的激光雷达都是那种robotaxi上面那种我们叫旋转式的我们叫机械激光雷达就是顶在脑袋上然后一直旋转然后通过旋转来实现360度扫描的一开始其实在做demo跟做样车的时候用的也是这种车关机然后所以就换成了这种大家现在在车上看到的前面有一个小茂盐一样的东西对吧那个叫半固态机翁雷达,换了之后呢它其实成本相当非常多,但是带来的话它的算法的难度,算法就崩溃了,然后就当时就拉我去救火了,因为我一开始其实也没接触过这个机翁雷达,开始进去我是在那个叫视觉感知,后来说这个东西也比较难搞,然后感觉时间比较紧,就说那要不你去试试,然后就真的去试试,然后就带来说,带着大家把当时六七个人,然后每天开这个我们叫日历会,然后开始去梳理,怎么里面这个数据怎么做,然后这个模型,当时还有几套方案,大家还没有达成共识,然后带着大家把这个模型一点一点去梳理,然后最终拼成一套大家觉得一致比较认可的方案,然后同时把里面的很多个模块也做了这个重构,然后最终通过应该是就三周的时间,然后真的把它做到了比原来的那个激光更好的一个性能。我突然想到你在火神队的时候也是某个东西没有人做,然后让你去,为什么总是你呢?你想过这个问题吗?我觉得可能是幸存者偏差,可能那些某事情不行,你把它扔过去,他没有做好的那个人可能今天就上不了这个节目了。对啊,那为什么是你呢?嗯第一个是可能我比较勇敢跟乐观是吧?为什么他们总是会优先想到你?比较乐观的人一般这种比较难的问题你把它扔过去是吧?他不会立马跑路是吧?不会把他吓跑,我觉得这个是一个可能重要的一个性格上的一个特点嘛。但当时可是个救火的项目。我看过你在应该是华为开发者社区上面的一个文章你当时说接到这个任务的时候你思考了一会儿然后决定同意了你当时在思考什么呀我当时在思考这个事情做不做得上如果做砸了会怎么样如果做砸了会怎么样然后后来想想我刚入职半年就是一个应届生做砸了应该不会帮我开的他就做做事实吧,你说你之前没有碰过激光雷达,那你怎么上手去解决这个问题呢?对,我上手第一天其实我就去看数据,然后你会发现其实背后它其实很多东西很像比如说我刚才讲的是吧RGB这样一个像素值那今天忘了一下上台面它的每个点是一个深度值就是这个点距离0多2米以及它 [85:00] 材质有多强的反射率你又开始提取特征了对对对所以你会发现你把它抽象到这个程度之后你会发现它背后的原理其实是比较像的然后另外就是可能图像它是一个二维你可能要用我们在卷积里面这种二维的一些卷积神经网络是吧然后激光它是一个三维的数据你可能可以用学生节的一些处理三维数据的一些办法啊比如说三维的卷积啊或者说一些稀疏的卷积啊这样一些Anyway 就是呃跟图像进行一个深维但是同时别人可能在一些处理三维数据上面已经验证过的一些模块你就可以复用过来对所以其实我觉得背后的东西其实没有那么复杂那你就可以复用原来的经验针对这个不同点它的特性你去想一些对应的改进的办法但是你讲了一个非常重要的点从这一刻起你原来研究的二维领域的东西已经要升为到三维领域了今天剧升我觉得它各种操作它实际上是在一个三维空间里面去实现的它从二维到三维是一个非常重要的跨越是这样吗我觉得是的每升一个维度其实都会带来复杂度因为它是一个量级的上升本质上是对于你算法的提取的效率在你算力不变的情况下未经许可,不得翻唱或使用对,所以对你是有一些巨大的考验的对,但我刚才说三位可能还不是特别严谨,因为车它本质上是一个2.5V的,特别是在我们早期的时候它其实是2.5V的,它更关注的还是你在俯瞰视角下,SY平面,至于说你这个暂时飞不起来,你这个东西多高,反正无论你是1米高也好,2米高也好,你都不能撞,你都要避开它,所以可能高度为上它其实相对在那个时间段,它还没有精细化到那个程度。 leader 激光感知对对对当 leader 了之后是不是要 leader 大概四五十个人那个时候其实一开始没有那么多人,整个团队也是经历了不断装打的过程,一开始过去的时候其实就是带着那六七个同事一起做嘛,所以做完的话其实那个团队就加上我可能七八个人吧,差不多这么一个 team对然后开始做然后后来说这个激光感知做的不错我们需要去开发更多的这个feature那就需要更多人然后持续的不断去吸引更多人进来然后同时后来又发现说毫米波就是另一个传感器对他跟激光的处理方式有点像所以把毫米波感知也放到这来就融入进来对这个团队就又变大了一点嗯这总体就是因为多种传感器他就是吸收进各种各样不同的信号要融合在一起组织的发展过程其实跟您刚才说的技术的发展过程却匹配上的,比如说一开始早期这些支架都是分模块的嘛,我刚才说有激光感知,有好面波感知,有什么视觉感知,然后可能大家是每个人负责一个模块,然后后面有一个融合的模块,就是这种模块的方式,然后去做融合,但是后来随着各个模态之间,首先是AI化,AI化之后就是融合,OK激光跟好面波它很像,它可以放到一个神经网络面去处理,那就是两个模块做了一个融合,那团队也做了一个融合,我的第二段经历其实就是去做一个叫做钱融合VV感知网络嗯对这个东西是干什么其实就是对对对其实他其实他是干了两个事儿第一个是把整个表达空间给他统一到了BV视角下,就是大家说的鸟看视角。这样的话,后面所有的感知模型,它就可以有一个规划的空间去做表达了。统一了表达空间之后,它对不同的车型的适配性也就变得更好了。这是它的第一个意义。然后第二个就是前面那个词叫潜融合。所以潜融合其实就是把激光、毫米波、然后相机、视觉都放到神经网络里去做融合。所以原来可能是三个模块,现在就变成一个模块了。对吧明白这个还是今天居身共用的这个今天也是通用的,然后感知之后已经变成一个接近于一个统一的模型了。再往后,其实就是感知跟规控之间做一个连接,然后同时把它们做了一个合并。这个就到了后来大家说的这个端到端。对,端到端的本质就是把感知规控同时埃化并且串联成一个大的模型,感知规控合并。那就你只能看到最前端就是直接就是图像然后一直就到感知归控到最后的来是未来的最新式的轨迹从感知归控到执行就是过去到现在连结的都是用算法连结对吧是的今天在巨生大家都在谈比如说巨生脑模型所谓的迅模型这个当中到底怎么样能够把你刚刚说的从感知到归控到执行全部连接起来其实都靠的是算法是的,你把神经网络当成一个黑盒,你其实是需要把这些黑盒打开。比如说视觉进去,我们有个东西叫Tokenizer那他会把他这个做一个向来化或者说把它转换成 token嗯然后你可能还有语言进去是吧然后你之间会用大家说的 transformer 是吧去做一些 [90:00] 然后到你最终输出又变成了一个动作的token或者一个大家叫diffurement是一个动作的去造的这么一个过程去回归出一个动作的轨迹从一个大的盒子看它就是VL进去A出来但是你拆开看确实里面还是有原来类似于感知跟规控的那样一些模型的思路在只不过说它对外变成了一个大的整体所以你可以去做联合的优化你其实最开始是六七人的小leader你离开华为的时候应该是四五十人的团队对吧离开的时候我那个团队有200多人这么多从67人的小黎德成长到200人的大黎德你自己有什么管理上的包括构建文化上的能耗我看过你应该是带当时小团队去上海迪士尼做团建我看到后面有迪士尼的标准有一张照片我觉得那个照片给我印象挺深刻的因为我觉得一个团队的精气神和大家的那种表情是没有办法虚构出来的那个团队很有朝气而且很年轻嗯嗯嗯对因为车皮是一个比较新的团队嘛所以大家整体比较年轻对对所以也会相对比较活跃一点然后第二个就是其实其实我没有特别去想过怎么管理一个团队说实话我自己吧其实我秉承的原则就是说最重要其实就三个字同理心对就是你知道大家想要做什么以及你知道一个工作它里面的当你给到一个人的时候,他可能会担心什么,你针对他担心的东西,给他足够的支持以及你能在它,怎么说呢?比较亢奋的时候,对吧,去拉他一把,然后在他比较低落的时候,能够去给他一些鼓励跟支持,对,我觉得更多的就是说你把自己放到他的位置,你去想如果他在他这个角色,那我可能会有哪些担心,我可能会有哪些需要支持的地方,然后你基于这种角色互换的角度,然后去做相应的动作,我觉得基本上就没有太大的问题对对但是你在带一个10人以内的小团队的时候同理性是可以做到的但是随着这个团队不停的变大你个人的带宽毕竟是有限的因为我记得黄尔勋好像说过就是一个人对接的极限是50人因为他就是世界上这个能够对接最多的人的CEO那么当这个组织的团队就是规模扩道一定边界之外的时候,你没有办法对每个人都有同理心和足够的时间和耐心,那怎么办?是的,其实就是大家说的文化,所谓的文化就是你的做法,然后你连接的那10个人他学会了,并且他认可,然后他也这么做然后大家10个人形成了共同的做事方式,然后这10个人又去连接100个人,它也形成一样的做事方式。大家通过这种做事方式的对齐以及传播其实就形成了这个组织的一个文化回顾华为这段经历的话,给你最深刻的影响是什么?最深刻的影响的话,就是去打磨一个量产的产品其实比想象的要困难的多,对。比如说以前在学术界是吧,或者说包括今天去巨生大家也在刷版是吧,如果你在榜单上看到一个准确率99.99%对你会觉得哇塞好厉害但是当你在做一个产品的时候99.99%意味着什么?意味着你有万分之一的缺陷率当你把算法推送到你的100万辆车上面去的时候,那就意味着每天有100辆车会发生事故。这100个车发生事故,它背后可能会造成伤害的。所以这种量产算法,它对安全性跟对准确率的极致严苛的要求,其实是留给我印象最深刻的。量产的人会特别重视系统这件事情吗?都不能有短板算法和算法系统是两回事吗我觉得是两回事,算法大家更多的一般是说模型本身模型的架构是大家说的比较热的词是玩VoA, World Model,这个是可能大家传统意义上的算法,但所谓算法系统是什么呢?我有VIA有一个温度墓摆得着我怎么去把它训练出来可能这个时候就会涉及到数据我怎么去把数据给它准备好这数据要经过什么样的清洗然后另外我需要迭代因为我不可能训一把模型就100%可以我需要一个评测体系去对比不同版之间的模型然后同时我训练我需要因为我需要迭代所以我需要速度足够的快是吧我如果迭代一版模型是一个月那我就不用玩了对吧我最好就是每个小时我都能有新的模型而且能快速的评测那这时候就涉及到我的训练的音法我怎么去做一个千卡万卡的并行训练并且它速度足够快而且中间不出错 [95:00] 这一套INFRA数据评测加上模型算法本身就构成了我刚才说的算法的系统所以其实你在华为期间是INFRA硬件软件算法搭整个系统对在华为可能不是级硬件因为车本身也不是华为做的但是对从训练的INFRA到数据到算法确实都需要cover我说这个硬件可能是指的是AI基建算力的硬件这个你应该有的一回事然后会去做中间层嘛就是从硬件层往上比如说你去做一些算法的开发去做一些训练加速但是更底层的这个硬件因为我们当时用的是华为自己的卡所以是深腾那个团队做的啊也就是说呃从芯片往上从inver开始一路往上到算法模型这这一整个成绽你是做到闭环是的是你离职前是不是在华为已经是负责车BU的这个前AI算法和世界模型当时我们叫AI模型开发部啊就是说就是200多人的部门,你当时是AI模型开发部部长,对,然后200多人部门其实就是所有的AI算法基本都在那,包括我们量产的,包括大模型的TML,VLA,Watt Model的一些探索,然后包括刚才说的AI应发。其实你离职前25年,你对于比如说VLA和世界模型的看法是什么样的?我自己的看法是这些东西它其实不本质,对,为什么说它不本质呢?在我的理解,其实模型它本身也是一个小的系统,它在干的事情是什么?我自己也好,或者说巨神也好,那模型在干的事就是我把这个输入这么高维度的token给它压缩到这个低维度token同时做了一个模态的对情跟转换,从视觉跟语言模态给它转换到动作模态,它在干的就是这么一个事儿。为什么会有VLA?为什么会有Word Model?当然看VLA你是怎么看?如果你是说我需要VLA这三个模态,那我觉得显然这个是对的。但是可能早期大家说VLA更多的是说我去follow一些VLA的训练的方式。那我们可以看一下为什么大家需要Word Model,需要VLA,核心就是因为你会发现在这个系统里面它的输入的维度特别高但它的输出的维度其实很低模型的训练其实就是它得到一些反馈然后去纠正它原来的一些参数整个模型的训练就是这么一个过程,刚才讲输出维度很低,就意味着它每一次拿到的反馈很低,所以这个模型它的训练过程就会特别慢。大家自然然讲到,因为动作的模态很稀疏,它拿到反馈很低,我能不能同时给这个模型加上一些稠密的输出,这样的话是不是就可以加速它这个训练的过程?有什么稠密的信号呢?比如说我让它去做一个图像的生成,去预测下一针,这个就是大家说的Wordermodel。对世界模型的其中一种范式嘛那对那这个是一种像素上的这个稠密信号或者说这个我们叫空间上的一个稠密信号这个是一个好的监督信号比如说 VOA 里面大家经常会做一个东西叫 COT就是做这个叫思维链的推理什么意思呢比如说简单来讲比如说我让你收拾桌面其实机器人并不知道桌面怎么收拾我要给他讲解桌面上有一个空的矿泉水平它可能是一个垃圾所以你要把它扔垃圾桶这里有个手机手机是不能扔的你要把它放桌子上摆好这样一些语言的推理过程这个就是VLA的里面一个比较重要的一个训练方式这个我们叫逻辑推理上的一个稠密信号这个也可以加到输出里面所以VLA跟事件模型其实指示方式的不对用到你最终的模型的训练里面去核心就是我有视频的输入语言的出我有动作的输出我要去以最快速的方式最高效率的方式去做模态的对齐并且让模型保持足够的放华性跟足够的效率其实这个是我们优化的永恒不变的目标至于说我中间是加一点视频预测还是加一点语言推理我觉得不是里面最关键的地方甚至还可以加无穷无尽的方式对我们现在其实加过比如说你去做深度的预测去预测每个像素的距离或者说你去做我们叫语意的分割就是给每个像素点打上个标签这是桌子还是手机一些丑面的信号其实都可以对这个模型的训练起到比较重要的作用听起来像是条条大路通罗马你确定了一个终点的目标之后其实现在正在穷尽各种各样的高效的方式是的 AI本质上还是一门实验科学你的技术判断或者说你的审美很重要筛出那10个可能有效的但最终那10个到底哪个有效其实还是靠你的实验对对所以为什么我们说这么费算力是吧其实很多时候是浪费在做实验浪费在试错上面只为问一个问题我没有太理解对于一个巨山脑模型来说它输入的信号都是稠密的但是现在目前它的动作映射的信号是稀疏的所以要想办法添加一些稠密信号出去它能够反馈的更快为什么是这样的一个逻辑这里面有两个原因第一个是稠密的它可以理解在单次的训练里面 [100:00] 得到更多的法律,因为我刚才讲的它的输出跟标准答案的对比得到的反馈是它最充分的第二点就是涉及到我刚才说的模态的转换问题因为毕竟是从一个视觉模态转到一个动作模态它们俩可能是在不同的空间里面所以你在输出里面去增加一些其他模态的输出其实也可能有利于它模态之间的对齐明白你怎么看现在大家对于世界模型的追逐而且世界模型我觉得定义也非常的纷繁用世界模型肯定是没错的是更细一层吧,你怎么用是吧,你是比如说刚才讲的我只是用它来做一个视频的生成的监督来增加它从命的反馈,还是说我让事件模型本身当成一个仿真器去产生数据,然后从而来训练我的矩身模型,亦或是说我就把它当成一个在线的仿真器,我可以让我的模型在这个事件模型里面去探索去试错,它的用法有很多,然后同时它的做法也有很多,比如说做显示视频生成的,训练是一种训练式的模型的方式然后训影视的资深是吗JPAR 也是用训练方式然后做 3D 的生成它也是用训练方式呃所以我觉得可能我不太不太倾向于说用一个这么大的词去去泛泛的讲所有的东西,我们需要具体去看,OK,那你世界模型你是怎么训练的,你是用在什么地方,然后怎么用的,对,可能才能更客观的去对这个技术做一个评判。你刚才讲的这种流派,世界流派的方式你都在使用吗?我们可能大部分都做过尝试,对,然后我觉得各有优劣势吧,可能这个方向确实现在还没有收敛,但也是现在还有这么多人出来创业做世界模型的原因,因为它确实没有收敛,然后目前的状态就是各有优劣势,怎么这么讲,确实需要更多的探索,可能就更好卡了。更好卡,更多卡。对。对。对。对。对。对。回到你在华为的最后时刻,就是说因为你已经做完这个,呃,7.0这个自动驾驶的量产然后当时其实你也已经做了这个呃AI模型算法的部长然后也在涉及VLA视野模型这些非常前沿的方向为什么还一定要出来创业为什么不是在华为也许有机会也能做成一番伟大的视野我觉得还是内心有一点火苗会觉得说如果说我自己预判那这个时间点会未来的五到十年会爆发那我自己如果错过了这么一个机会或者说错过了这么一个自己亲手去造一台从小就有梦想去造的一台机器人的这个机会那我觉得是一个非常大的遗憾所以还是觉得鼓起勇气就是去成立这么一家创业公司20 年甚至20 年的时间去打造这么一个机器人出来嗯对然后还有一个比喻有意思的是我们当时在打 Robo Cup 的时候对他的目标是说呃2050 年要当年的基建的足球冠军,要替当年的世界杯冠军,对对对,所以你开一看比较是吧,还有二十几年是时候该开始做了。你没有推演过,如果未来几年里面美国西方做出了断代式的这种优秀的脑模型并且是碧远的话那会不会重演就是说中国只能出硬件的优势利润的大头又被美国被硅谷拿走了中国又只能做苦哈哈的硬件生意这件事情你有推演过这种可能性吗这个时代应该不太可能发生这种事情因为我们从两个东西看吧第一个是大模型是吧其实今天的大模型虽然说中美肯定还有差距啊但是至少已经远远不是你说的那个状态了在大模型这个领域至少已经把差距拉到了半个声位吧,然后巨声这个东西呢,它又跟大模型不太一样,它不是一个纯虚拟世界的东西,它还需要有硬件,包括整个数据的采集,它也是依赖于一整套复杂的软一一体的系统的。最大的区别就是巨声模型的数据是从头来过。对,从头来过,所以在这一点上,在中国其实它的至少在硬件供应链这一块,我觉得还是有比较大优势的。那借助这个优势,我们可能可以建立起数据的优势,然后借助数据的优势,说不定还能建立魔性的优势,所以我自己对巨升赛道的竞争来看,我自己也是非常乐观的。我觉得这个可能会和你干过自动驾驶有关系,因为你从华为自动驾驶1.0时代加入,那个时候华为的自动驾驶还是nobody,但是到今天其实大家都已经认可它的地位,这也是一个从无到有从零到一的过程,包括中国人的自动驾驶,现在也是在到了世界上。 [105:00] 自驾基本上中国头部的公司跟特斯拉我觉得也没有显著的差距了从这个角度看我并不觉得说我们有那么大的差距一定是会落后的如果有机会或者有相当大的机会就是优秀的脑模型能够出现在中国的话那是你还是别家先做出来有什么区别吗我觉得一个模型的出来其实大家所谓的出来是因为它形成了一定的社会影响力GPT时刻在去了GPT之前其实OpenAI也好Google也好其实大家都贡献了非常多的技术点然后它整个的眼镜其实并不是大家看到说从0突然就蹦到1它其实是这些头部的公司这些最聪明的人从0做到0.1做到0.2 0.3然后只不过说最终爆发的那个时间点那个0.9到0.1对对刚好出现在OpenAI身上对所以我觉得整个巨星其实也是这个现状引爆的点是出现在末期,但是我觉得只要我是这里面的其中的一员,我再一直往前推,那即使不是1出现在内,有可能2,有可能3,有可能4出现,出现之后还有cloud,cloud出现之后还有gymni,gymni之后opus又来了,所以更多的是说你要让你自己保持在第一梯队,因为你觉得它是个持续游戏,对而且爆发的那个点它也是有很多偶然因素在的那你能决定就是说我把我的整个的模型能力做到最强然后保证自己永远在第一梯队这个问题我也问过杨宏青有声音认为车是最简单的机器人他的观点是不太同意我自己还是会认为从系统的角度讲还是比较像比较同意比较同意的因为车其实就是一个四个轮子的机械或者说你把现在的机械人最简单的形态是轮式底盘加一个双臂那你把这个双臂砍掉下面的底盘就是车并且从系统的角度来讲很多方法论是很像的它会复杂很多然后它是一个三维的车可能还是一个2.5维的我理解姚老师他主要不同意的点就是说机器人相对于车来说它的复杂度是指数级别的增加,而这个问题背后就是说如果那些带着车自动驾驶的经验来到这个行业的人,他有什么需要警惕的?这个我是非常同意的,但是我觉得并不是说车跟机线本身的差异,包括即便我们当时在做支架看从每一代的技术1.0,2.3.4.0,其实每一代它都是在一定程度上的推调重来,所以我觉得从车道机器人也是一样,你要抽象出那些能借鉴的方法论,重新建立一些自己的认知,然后去不断的在你的方法上去推导重来,然后最终推导出一个真正的机器上能walk的这么一个系统华为增价是从1.0到4.0就是每一代都是推导重来当你发现可以去推导的时候你到底是兴奋的还是痛苦的整体是更兴奋的其实维护那些旧的模块也是一件很麻烦的事情它就陷入到无尽的肠尾问题的解决而且当一个模块它的上限就卡在那的时候你其实特别的难受因为你就发现我们叫敲敲板你改了这个问题那个问题就解决不了因为它整体的水平就到这了,但是你每次退导从来,其实你是在提升它智能上限,一旦你把智能上限提上去,其实你会发现很多问题,它可以迎刃而解。但是团队呢?对,团队是有一定的冲击的,比如说,其实很常见的,一个团队里面维护旧母坏的团队,他会更不开心,凭什么大家去做新的东西?希望去做创新性的东西所以你在维护一个旧有的模块然后你看着别人在做新的你自己做不了新的然后同时你还会知道可能再过几个月我的母块就要被替换掉了所以这种心理落差我觉得肯定是会有的对对对对对于团队来讲是有一定的冲击的然后我们比较好的方式就是说我们其实当时是说我们轮换着来,你做第一代,有人在做第二代,然后做第二代人把他做到商业中的时候,你去第一代人去做第三代,所以这样的话,轮换可能大家就会从组织上去解决大家这种心理落差的问题。我觉得是会有异同的,有些团队它可能更追求算法的创新对,但是比如说我们其实是更叫务实一点,很多时候我们是验证了很久很久,确定它对体验安全有提升,我们才会去推一个新的版本。像其实大家在24年25年很残忍的时间在支架也在炒VLA,但是华为其实并没有跟进,我们自己在内部其实做了很多很多的对付。 [110:00] 你发现加入Language这个模态其实对支架来讲它的作用并不是很大并不明显啊所以我们最终也没有去跟随这个热点华为的目标它其实一直非常明确要以客户为中心就是所有的东西最终他问你的问题就是你上了这个东西客户的体验能不能提升客户的安全性能不能提升如果说不能只是说他有一些新的技术新的词能去做宣传那这种方案一般都是会拒绝了今天去升单我觉得可能 somehow也有这种信息像是吧,跟大家优化目标不太一样,有些是更看中落地,有些更看中基础模型,有些更看中,比如说单点的能力的上限,有些更看中我系统级别的能力有没有短板。就是基础模型和量产,你更关注哪个?我们的想法是这样的,首先,如果你一定要我排个优先级,那肯定是基础模型排在前面。回到刚才那个出发点,我觉得巨升是一个超大市场超强赛道,去拉长时间来看,你的智能的上限是决定你这个方法。公司的上限了所以你的核心竞争力或者说你的最核心的东西肯定要投入的基础模型落地的问题怎么解决呢我们去找一些最小成本通过后训练就能落地的场景因为你不到一个真的场景7三小时跑其实你是不知道你的硬件到底可不可靠的所以我觉得这两者都很重要这当中难道没有一些因素是出于比如说融资考量因为毕竟你们是一家非常早期的创业公司如果你的模型能够抵达更高的智能上线可能在资本市场上你会拥有更多的主动权会有这个原因吗我觉得这个原因比较少,核心是我看现在的资本市场特别火热,怎么说大家欣赏的东西也不太一样,不同投资人他欣赏的不太一样,比如说有些投资人他就觉得你去做技术模型训练,你去提升上限,然后有些人就觉得说你就应该去落地,你有百台的出货,有千台的出货,你就是比较牛的公司。所以我觉得无所谓,今天走任何一条路,我觉得都可以找到欣赏你的投资人,你就找到相信你这条路径的。伙伴就行了你现在因为创业了大半年的时间有没有发现什么原本你不知道的事情原本我不知道的事情我觉得有一个小的点吧是比较比较棘手的对对可能它其实也是一个软硬一体的问题就是你会发现你的模型在 A 机器上的表现跟在 B 机器上的表现它就不太一样,这个背后的原因是什么?确实现在的巨声它的我们自己有的数据量或者包括模型能力可能还不太够,所以它这个泛化性可能确实还呃不是特别的强然后另一个就是大家的硬件其实对它的一致性还是比较差的所以你会发现一个模型步道 A 机器跟步道 B 机器它可能最终的动作就差了那么一厘米或者几毫米但是对于你做一些精细的动作它其实就会有影响对这个可能是比如说你在错车什么那你显然不会有这个问题因为汽车工艺已经发展了这么多年对吧它的其实整个它的可靠性啊它的一致性其实都做得非常好了嗯所以语数还是有护城客的,因为人家的硬件一致性做的很强。我觉得是他时间积累出来的。你觉得这件事情短期内能够去解决吗?硬件的一致性问题。硬件的问题,我发现它的迭达楼器就天然比软件要慢嘛,所以它不是一个说我花一个月,花两个月就能解决的。但是我觉得拉长时间看,你放到一年两年,我觉得大家都会解决。你们会自己造本体吗?我们自己会做问题一定要做吗我觉得核心还是刚才那个就是硬件它不是我们最看重的核心经验力但是它会影响我们智能的迭代速度所以为了提升我们算法跟系统的迭代速度我们选择在现阶段自己做硬件训练模型的时候其实有一个也是一个细微的点你的机器从看到一个东西到做一个动作这是你的系统实验那你要怎么让这个系统实验尽可能的去接近人或者说如果不接近你要去做一个补偿这个时候你就需要如果是你自己的机器就可以很好去调这些东西对但是如果是别人的机器那可能你要去找好多好多的供应商所以没办法就是大家就都得自己造问题对我觉得是现阶段大家一个比较共性的选择吧就是一些有能力的基本上会选择软一体先往前坐嗯理解我踩过的机器人工程派的一个创业者的话他也非常认同这些自动驾驶派来的优势但他指出一个小危险他说就是只干过车没干过机器人的在造本体的时候才会意识到就是机器人是一个多么复杂的硬件这件事情也是需要学费和时间的你现在有这种体会吗?我认同他这个点,确实因为硬件对我来说也是一个相对比较陌生的,虽然本科的时候摸过一点点硬件,但是说实话那个时候更多的是在上面调算法不够深入,确实也 [115:00] 在造型的过程中踩了很多坑但是anyway,我大家出发的时候有不同的履历背景,可能他做过机器人,他在硬件上有一定优势,他没碰过算法是吧,可能我搞过算法是吧,我可能没碰过硬件。现在大家都有自己的功课要学的。所以核心并不是看你出发的时候的履历背景,更多的还是看你在学别的功课的时候学的有多快。所以这时候你对你自己的学习能力还是很有信心是吗?我觉得至少还是可以的。硬件方面的短板,你在拉团队的时候有想办法去补吗?有的我现在不太方便说他们的名字但是确实是有一些有经验的人在的我觉得硬件确实还是比较吃惊艳的你现在会更倾向于的技术路线是怎么样去探索这个居生导模型我的想法就是我会自己立一个工具集我在这个工具集里面去不断的尝试这个工具集本身也在扩充因为整个学游界业界大家都在研究一些新的方法我把它当成一个实验科学我们平时是怎么讨论这个算法方案呢就是我们会把最近看到的一些比如说学游界看到一些paper一些新的idea列出来是吧然后比如说把我们自己基于我们的实验结果想到的或者他想到的A想到的 B想到的一些改进的方案给他列出来再把可能是跟业界的一个朋友交流他告诉我的他们的一些想法然后大家拼到一起OK 然后把这1234567890全部列出来,然后合并完同类像,然后剩下的OK,大家一起来看,排一下优先级,然后排完之后我们把从直觉判断,我们就觉得不靠谱的筛掉,大家分工,然后去做实验,然后大家把实验结果拿上来,然后我们再去做一个决定。就是出了漏网之余这个不能排除确实没有可能是吧这个没办法了只能选择相信我们几个人的审美了你们的审美是什么我觉得大的方向就是我觉得美的东西都是简洁的,大家在做算法的时候会说simple but work,我们AI界有一个特别牛逼的人叫何凯明是吧,他的方法都是simple but work,很简单很简洁,但是他确实是非常work的办法,觉得我们整体的审美是这样的,大的方向我觉得就是简洁,更细致的方向可能就大家有一定的差异化了可能也比较难描述的我试图在你们身上找差异性我觉得这是一家在算法层面特别强然后系统有know how的这么一个团队包括我觉得你本人也是这个团队的极强的一个特殊性但是你是否认同这个差异性以至你想做出的差异性是什么为什么大家会觉得现在各家没有差异性确实现在我觉得整个行业确实还在早期这个是一个客观的现实去外显的做出了一个特别经验的特性或者说大家喜欢说的GVT时刻是吧这条巨声的GVT时刻大家没有看到这么一个点但是背后其实我觉得大家能力上的差异其实是已经有一些分化了比如说你有没有能力去刚才说的做基础模型你有没有能力去一个真实的泛化的场景里面调通可以看到水面之下已经有一些差距了但是外显来看做不差距的原因还有一个客观的原因就是它的评测体系其实不是很健全而且很难做评测因为大家的硬件不一样场景不一样数据不一样所以你会看到很多榜单但是这些榜单它其实可信度也很低没有一个统一的衡量标准距身的这些榜单的可参加性就是非常弱所以会导致可能大家都可以在某个方向说自己是第一名,然后第二我还是希望给大家留下的差异性应单,第一个点是你刚才说的,我们是一家能够把算法做到极致,能够把智能推高智能上限的这么一家公司,这个是我们希望去构建的差异化竞争力我们想去构建的第2个差异化竞争力就是靠谱对,所谓靠谱就是呃你开源的一个模型,你下下来,大家一用就跟你宣传的差不多,或者说你对外兽的一个demo,跟你放在真实场景的一个作业的状态,至少是差不多,差距不大,以及卖给客户的第一个硬件,就真的能够7成24小时在那稳定的跑个,我们不说长吧,至少半年一年,是吧,我们希望是这样的一个tag。放出来的开源的东西有的时候有点水分啊会给你放个烟雾蛋啊然后实际上你去试了之后或者训了之后你发现可能跟他宣传的或者他给出的方向也不一定一致你没有发现这样的情况我觉得对还是有的这个行业我觉得还是确实还是比较混沌的一个状态确实会有这么一些信息 [120:00] 但这个东西并不是说大家造假或什么是吧其实只是说他把好的一面给展示出来但是差的一面他不对而说更多的时候是这么一种情况其实我们还是希望不管是联合公司吧还是要充分的把自己好的因为不好的一面都秀出来我觉得才能有助于一起推动行业往前去进步今天巨升的头部公司大家都说百育俱乐部是吧这些拿了超级多钱的公司大家都是有一个赛程表我相信对你来说也是接下来12到18个月你的极端性考卷会是什么我们可能会在今年的下半年到明年上半年就接下来你说的这12月里面第一个是我们会推出我们的第一个硬件的产品更客观讲应该叫原型机对吧现在的很多产品在我看来应该叫原型机,对不对?同时它能够去一些真实的客户场景去做一些POC,第二就是我们希望能够去对外开源我们的第一个基础模型,并且希望这个基础模型确实是能够比较好用,比较靠谱,这可能是我们接下来的两个关键的里程碑。大家的口径哈嗯你这个时候就是交付基础模型交付原型机你你不交流我觉得并不焦虑核心还是看你的宣传跟你的实际水平差距有多大是吧另外我还是坚信我刚才那个观点你要扎扎实实的去做每一步因为如果说这个行业的客观现实就是这样,那你去过分的overclimb,其实我觉得没有太大的意义,你非要把一个可能达不到那么规模量产的在我看来的时候你如果一个东西你不能一致可靠的七成二小时不能产一万台它是每一台之间都是一致的那在我看来它就是原型机可能大家的定义的标准它其实不太一样对口径不太一样那你用一些更夸张的口径去做宣传其实我觉得可能短期有一些利益,但长期来讲,它其实也没有一些实质性的太大的价值,因为最终所有的东西最终都回归掉价值。当面有一个非常创造的信号,你觉得这个行业是有overclaim的现象?肯定是有的,因为这么高的热度,参加了一些真真假假,竞争的激烈的情况下必然有一些真真假假,是吧?还有一个信号就是说现在因为大家都在拼量产按照你的这种观察角度来看就是他喊出的量产数字并不意味着他已经实现了比如说喊出了5000台并不意味着他5000台都是一致性极高的产品是的在我看来今天你要说今年能够产5000台出来靠谱机器的公司我觉得不会超过三家你觉得你什么时候能够产5000台靠谱的我们希望我们明天可以你们的原型机会是什么样的我们第一个还是一个轮式底盘的,应该在8月的WRC会跟大家见面。哦,所以你们出亮相会是在WRC?对。你们现在的原型机是针对你刚才跟我最初跟我描述的,就是说你现在挑选了比方说酒店的这种场景。是为这个场景所设计的是的就是一个服务型的机器人可能一些特别重宅的东西他做不了因为我们不是为重宅做设计的但是轻量化的所有的类似于家务或者说做一些工业场景其实他本身都是可以做的从硬件的形态来讲酒店这个领域有一家非常著名的公司叫云记嘛是的现在也很常见了它基本上是做到了一个相对比较支配的一个地位这些上一代的自动化机器人的头部今天也在非常积极的往巨生方向转型你跟他们之间谁会走的比较快呢怎么说呢传统的机器人公司要转型去做巨生我觉得客观讲是有一定的难度的呃比如说一个是大家有没有这个认知我愿意投入可能几亿几十亿放在这个训练卡上面是吧可能可能大家说的把钱人水里听个响,甚至可能听不到响,对这种认知我觉得可能是很多因为传统的机型公司,它的运营模式,它的财务或者说其他的一些东西的运转的形式可能跟这些AI公司它其实也不是特别一样,所以这会导致他们转型有一定的困难,然后另外对于这种AI人才的吸引力方面,我觉得对他们来讲也是非常挑战的,是吗?你要去怎么说服一个AI大牛书,你来这么一家,一家传统公司能够在上面去做出一些大模型或者说一些巨生的模型这样一些东西是我觉得所以至少目前来看我觉得还没有 [125:00] 跟竞争的关系,更多的是,他们在做的是原来的一些简单功能,我们是希望去做一个更通用的功能,比如说原来只能平面的移动,我们希望去做房间里面的清洁,我能去做衣服的送洗,我能把衣服放到洗衣机,放到烘干机,我能去送餐,我再也不用要点一下按钮,我直接手递给你之类的,反正各种各样的更...更接近人的更接近服务员的一些功能对我觉得是可能是这一代举生才可以做的对但这当然有个非常现实的问题就是你总是要有第一批吃螃蟹的客户吗我觉得B端是很现实的B端是用脚投票的之前也跟工厂的这些客户聊过有一批头部的比方说制造业客户或者说传统行业的客户他们基于某种风貌或者是对于新时代的准备,他会采购一些机器人去做一些工作,但是毫无疑问,目前机器人的节拍,工作效率肯定是不如人的。更别提它的成本,其实相对来讲,现在还是比较高的。你进入到酒店,你也要回家这个问题,什么样的酒店会采购你们的机器人家服务?你只要能节省原来的保洁员的时间,比如说你节省了它30%的时间,那就意味着一个酒店可以从原来10个保洁员变成7个保洁员加3个机器人。所以你是可以阶段性的渐进式的去进入了。然后第二点,觉得大家今天其实肯定是在做一定的预判。但大家更多的是说,我在看2年后3年后,比如说你刚才讲的成本的问题是吧,随着这整个行业一起发展,整个供应链走向成熟,它其实,它是在做一定的预判。成本是可以急速的下降的然后算法其实通过我们这几年的发展它其实也有比较飞速的进步比如说最典型的大家能看到的是运控春晚的转手帕到打武术然后其实整个操作其实也在发生非常飞速的进步比如说以前其实只能处理刚性物体到后来能叠衣服到现在能做一些精细的操作能边走边干活提升效率是吧其实整个他也是在不断的进步的所以你可能更多的是说我去预判ok 现在确实不太行那两年后我又没有可能进去我有没有可能以好的成本然后好的算法的时间效率进去对然后对于这一点我觉得我自己还是比较有信心的但是投查客户怎么解决?核心有两点,第一点就是你能给它带来价值,是吧?那就是实打实的拼效率了,然后第二个就是其实酒店它本身也在拥抱一些智能化对我们看到的现象是说很多酒店它其实也有智能化改造的诉求这个酒店给它一种科技感它其实说不定也能给它吸引来一些客流量然后第二就是说他们其实也害怕自己错过智能化的浪潮是吧那我作为第一个吃螃蟹的人可能我会付出一点成本但是这些成本其实也是一个风险投资是吧那如果未来真的整个酒店行业变成了机器人来做服务为主那我是第一个尝试的我整套服务的流程跟系统它匹配了,说不定在下一轮的行业,酒店行业的变革中,我就能去产生一些差异化的竞争力但我觉得背后还是一个刚需吧因为未来人力只会越来越贵不管是在中国还是在欧美是的 是的然后这个现象其实在你说的在海外其实会更严重一点特别像什么北欧啊中东这些地方其实本来就是靠外来的劳动力在补充你会有全球化的打算吗我们有全球化的打算是比较重要的一个战略,当然这个确实也是我们的一个优势,我的合伙人他其实是一个有非常强的全球的云影能力以及全球的商业化能力的一个人,是吧?然后包括他出海的这些经验肯定是,我觉得在今天的巨生好像也应该找不到第二个,所以这方面我们确实是有一定的优势的,然后第二个从客观层面来讲,本质上你这波巨生想做的是干活嘛,那干活其实就是劳动力替代,那劳动力成本更高的地方,显然你去替代的可能性,可能性就更高,能带来的商业的回报上也会更高。酒店这个场景会比进入家庭要好吗?现阶段?我觉得会更简单一点,每个家都长得不一样,所以在里面其实对你的饭化型的要求是非常高的。酒店相对标准化一些?也对,至少是相对比较标准化的。另外一个就是从数据回流的角度来讲,确实酒店是在保护好隐私的情况下是可以回流数据的,但在家里我们自己去调查的情况感觉是比较难的。但是不倾向于让你把家里的数据录回去明白接下来介绍介绍团队吧团队人太多了优秀人太多了介绍不管我挑几个介绍吧对对我们第一个成员是我们的架构师他叫董思远然后思远是这样的他是这个MIT的这个PhD然后呃他其实是在 [130:00] 机器人行业算是一个老炮了,对,他在很早之前就一直在研究视触觉以及机器人的抓取,然后他在MIT Geosite的实验室,然后他的导师应该是现在是波士顿动力的算法的科学家,所以他相当于是从可能十几年前就开始从最传统的机器人的运控抓取这些东西,一直做到Linning Base的这些东西。他都非常的熟悉而且可能从学务界来讲是吧他比较亮眼的履历他拿过ICIA的Best Paper然后拿过RSS的Best Paper的提名对应该都是非常有含金量的科学的成果是我们的架构师然后他确实是从整个系统层面我觉得从操作到运控到硬件都能力非常全面的一个人然后我们还有一位科学家叫王泰王泰的话其实是IMM Lab的学弟毕业之后是一直在上海的融资能实验室也是在那边做了非常多的巨声的有影响的工作,包括一些导航类的工作以及一些操作类的工作,也开源了很多有影响的项目。然后他也是获得过我们计算机视觉的一个顶绘,ECCV的BestPaper的体面。所以相当于他从三维视觉到巨声的导航跟操作,其实都有非常好的研究的成果。他前几天还是被放在小红树了对对对他的履历也比较好他之前是做自动驾驶的时候他有很多四DFORM 包括 UniAD就是我们端到端的开箱之作是吧这个 UniAD 也是 CWPR 的 Best Paper他也是里面的核心作者之一然后到后来做巨声他其实在地平线也开了过一个 Hollow Brain就是一个巨声的比较有影响力的框架所以他也是支架跟巨声学术界的综合的能力都非常强的一个人嗯对这是我们的呃几个主要的这个算法的人员啊然后我们团队还有一个呃这个99年的这个小姑娘对她是一个呃软件能力非常强的人她是本科毕业就拿到了华为的天下少年的 offer啊然后一直在软件领域有非常非常这个丰富的这个经验啊开发过包括那个鸿蒙的这个系统包括我们呃车载的 ads 的系统里面很多的这个性能优化都他做了在做我们整个软件的架构我又要引用一下姚毛青灯老师的一句话他说智商这个领域他觉得真正最顶级的人才并不是大家以为的发过顶会paper的人而是亲自动手修过bug的人我不让你同不同意他这个话嗯,我觉得是两类人都要有,对,所以我们在组建这个团队的时候,其实也是这两类人的结合,对,你可以看到刚才像王太,他可能是一个全实验室背景的,然后像,呃,思远啊,包括刚才讲的这个敏妍,然后包括天威,他其实是既有学生记背景,然后又有这个工程背景了,对,所以我觉得是需要两者的结合的网绢说的修过bug的人很重要但是同时它也是一个技术充满不确定性的东西所以对前沿的算法的Taste 其实也非常重要,所以我是觉得一个团队这两方面能力是都需要具备的。很有意思的一个话题是你刚才说,华为的这段经历,量产的这段经历让你还是比较务实的,但是你又非常强调算法的Taste,如果算法的Taste和务实这件事情冲突了会怎么办?谢谢大家会有吗这种情况首先我觉得并不冲突,它其实是两面嘛,最终的结论你肯定是用实验结果说话,这个就是我说的务实,你在做一个技术路径最终的判断的时候是靠实验结果是靠最终的用户的反馈这个是没问题的但是为什么需要 test 呢因为今天的方法太多了idea 太多了是吧每个人脑子里可能都有几十个idea那从这上百个上千个idea你不可能都去做实验都去做到最后的产品都去拿到用户的反馈所以还是需要靠你的 taste 来做出筛所以我觉得他们是不矛盾的,是在你做整个算法过程中的两个阶段,你先靠你的test去做一个初筛,然后再用务实的数据实验的结果,客户的反馈去做最终的判断。默奇的团队有多少人?默奇的整个团队现在有150多人。其中有多少是算法团队?整个算法加数据我们释放了一个团队,就包括我刚才说的数据应法的处理,现在大概是50个人左右。之外最大头是哪一部分?最大头可能 [135:00] 底层软件跟硬件这两个团队差不多吧20多人差不多因为现在在原型期阶段能不能讲一些比较有趣的事情是可以体现你现在这个团队的一些精神气质或者文化比较有趣的事情你们团建吗我们喊了好久的团建就没团成了没时间对好惭愧我觉得我们产品展示的时候可能大家可以提前给大家一个预告我们的设计师其实做了一个非常好玩的东西我们在这个视频上看不到,我们做了一个可DIY的表情,我们的基线的脸,它其实是一个空的脸,然后我们会提供很多表情的配件,然后你可以在上面DIY自己的表情,这是我觉得一个非常有意思的功能,一个磁吸式的一个结构,然后你可以直接把这个表情贴上去,就比如说你有一个眼睛,然后你有一个眼镜,然后你有一个低汗的一滴汗水,然后你是一个实体的东西,然后你可以贴上去。对我觉得在这个过程中其实好玩也是一个比较重要的就是因为整个做的过程中其实非常的苦嘛是吧但是当你看到一个好玩的机器人的时候其实会让你的心情更好一点是吧心情更好一点肯定你才能想出更好的idea我觉得一个团队的氛围包括你做的产品的调性甚至包括你整个设计是吧所有的东西的调性其实是会影响大家的这个心情的,而心情是会影响大家的灵感的,所以我觉得还是一个开心,然后有创意点的氛围更能激发大家的灵感你描述一下最近一次团队有这种开心好玩的氛围我看着啊开心的时间点有点多啊我们最近其实一直在做密集的调试嘛就是为了应对我们的这个亮相把它叫基线医疗队伍我们就从从各个部门调了一支这个医疗队伍然后每天在这个各个调试的场景之间去呃来回的这个这个怎么说呢 来回来异诊异诊给他治病对对对给他治病可能这个也没有特别好玩是吧没有这挺好玩挺好笑的我觉得这个行业的硬件给我带来的一个认知就是说可能不是所有的硬件都像车一样稳定的对你虽然不知道它会出什么药的字所以你需要非常健康的心态去看这些东西你说这个想要做一个好玩也很重要的公司就是你想象当中机器人发展到一个什么样的心态它是足够好玩的然后足够有价值的蓝图是什么样?我觉得未来的这些人应该是你的伙伴,什么叫好玩呢?比如说我们想做的第一件事是机器人真的能在公司里面去去跑来跑去,而且在跑的时候能够根据你在做的东西给你主动的,有一些反馈,比如说看你干了很长时间,提醒你起来走一走,我们一起跳舞,或者说看你做了很长时间,主动给你倒杯水。我们可能从接触物体这种安全的东西开始做去,对,然后这个是我们想做的一个事,就是让机器人主动去跟人做一些交互和互动,我觉得是一个好玩的一个起点吧,对,但未来的话,比如说他昨天家,他可以陪你一起做一些游戏,然后他去户外可以陪你一起踢足球,然后去野外可以帮你拍档照,然后可以帮你拎个包,是吧,各种各样的东西,我觉得他可以陪伴你在整个生活中的方方面面,对,然后然后慢慢的变成我们的一个伙伴,我觉得这可能是我未来想要的一个机器人的最终的一个画面。你觉得这个要多久?2050年能实现吗?2050年肯定能实现,2050年都要听世界杯冠军了。对,我觉得10年的时间应该是能实现的。这么乐观但我理解其实好多的公司都是秒向西端的中局去做的但是西端尤其是近家庭它有一个很难解决的问题就是高度非结构化的环境里面的泛化这个应该是很有难度的是的就是比如说工业物流它是所有东西的A点跟B点都是固定的对就是一个东西它最开始出现在什么地方你要把它放到什么地方严格界定对严格界定的然后酒店场景是A点是不确定的客人会打乱他什么程度是吧但是你的b点是确定的对但是家庭就是a点跟b点都是不确定性的是吧你不知道一个东西买过来他应该放哪里 [140:00] 你也不知道今天该访的人,今天该访哪里?所以它整个场景是被结构化的,你的目标也是更模糊的,所以它对于整个机器人的整体的综合能力要求多更高的它都不只是操作了它其实对交互的要求也非常高是吧就是你要知道人的意图就意图的理解这件事情也是很难的所以我觉得家庭的这个场景确实是一个高度非结构化然后高度非标的这么一个场景每天如果大家看脑洞会不会它也可以像比如说我们今天用全自动扫拖地机器人一样就是我买回家里之后我先建一个模就是A到B B是设定好的 只要就是物体偏移这个它本该设定好的环境我就机器人自动放回去,这可能也是一种路径。对,但这样的话,它其实就不够聪明。举两个例子,第一个是你新买个物体,怎么办?我要再扫一遍,大家会觉得很难。比如说,你今天,其实你可能想在房间里面办公,明天你可能想在客厅办公,一个东西它要帮你放到的位置是不一样的。其实人的这些意图会变化的。对那你怎么去理解这些意图其实也是需要他有更聪明的这个感知跟交互的能力呈现C端价值暂时在你的短期的攻坚路线图里面并不在这一张图里我觉得在我们的图里,我们找的这些中间点其实是需要说未来能进入家庭的刚才说的以酒店或商住公寓作为我们觉得想主力去做的一个场景核心就是我们觉得在里面锻炼的能力收集的数据其实是为未来的家庭有帮助的对所以我们的想法可能是说OK我要爬山我要爬到山顶是吧那我可以允许我绕一点路然后绕过的那个路可以看到不同的风景可以去做一些阶段性的落地那这个是允许的但是不允许的是说往往一条岔路一条死路走我走过去之后我还要回来我要走回图路那这种路径可能就是我们在今天不会去做选择的就酒店是你的一号营地然后可能家庭 maybe是三号营地我不知道对对那他应该是顺路的你是一个长期主义就连续型的人我觉得还是比较长期主义的从整个本科到博士到工作到现在其实都是在物理AI这条路上是吧可能它的不同模块去做生根然后包括可能很多现在我们在做的事情我们都是矛着最终的那个状态去做的我觉得整体来讲我还是相信长期主义带来的这个福利今天就是在资本市场站位的时候其实我们拿到了所有的资源一定是基于这个人过往的成功的一些经验和成果但是我有的时候也经常会思考就是说我们过去所有成就我的东西会不会是未来的某种瓶颈或者束缚你会在人生当中的某些时刻你会有这种声音会亮出来吗你会担心过去的某一些经验可能会成为你未来的束缚我觉得还好核心就是这些成功的经验对外说因为我有这些经验所以我可能能把这个事做成但是真正在做一件事情的时候,我觉得我还是比较遵循第一性原理的,然后你从问题再去拆解出说我解决这个问题需要什么经验,那这些经验如果过往的经验能用上,我就用上,如果用不上,那我就去找新的解决方案或者去找一个有这方面经验的人,对我觉得可能我更多的时候处理事情是这么一个推导逻辑。所以对你来说是永远在学习的状态?是的,永远在解决问题的状态吧。成功的经验是次抛的?是的。你希望莫奇成为一家什么样的公司?就像我最开始讲的,我觉得首先我希望莫奇是一家能走得长远的公司,能从如果这几年我们把它定为巨生智能的起点是吧那我们是从这个起点出发然后一直走到这个巨生智能真正爆发真正走进千家万户的那么一个时间点的一家公司从起点到起点其实这个开启的起然后到这个起点爆发的起明白你会希望这家公司保有一直保有哪些特质吗我希望保有的特质就是靠谱不管在任何阶段都能够提供最靠谱的东西比如说现在做最靠谱的原型机最靠谱的模型未来做最靠谱的产品我觉得你这个还蛮有趣的因为你作为一个90后因为我觉得确实客观来说今年90后也不算特别年轻但是也不算很老作为一个90后但是很少从一个90后或者00后的嘴里听到说我要做一家靠谱的公司当然姚耀是说过姚老青说过靠谱在这个行业是非常稀缺的品质这个 [145:00] 跟姚老师一个年纪了本来我在见你之前我想象当中应该是一个就是会讲很fancy的故事的这么一个年轻人的形象但是我跟你聊完之后我就觉得华为在你身上的烙印还是挺深的就感觉真的是就是很务实然后很求真是的我觉得确实华为给我留下了最大的烙印就是牧师就是切切实实去从需求端出发然后去解决每个问题希望就是能够见证你们作为一家始终靠谱的公司在之后的很多节点还能有机会对话