机器人大脑第一股上市，与仙工赵越的4小时访谈:全球第一、机器人金字塔与具身智能的另一条路

仙工智能赵越专访：机器人金字塔架构与具身智能务实之路 仙工智能创始人赵越在深度访谈中阐释了公司的核心技术哲学与商业路径。他提出了软硬件严格分层的“机器人金字塔”架构，恪守“底层问题在底层解决”的工程原则，并认为具身智能更契合专家混合（MoE）架构，其通用的端到端范式革命尚未到来。针对当前具身人形机器人热潮，赵越指出B端商业的核心在于极致性价比，相比高成本的人形机器人徒手作业，将叉车等工业专用设备直接“具身化”更具商业可行性。仙工智能坚持“真机数据派”理念，恪守不造整机本体、不与客户竞争的边界，依托通用控制器的大规模出货适配碎片化硬件，持续沉淀真实的物理交互数据，致力于构建跨品牌的异构机器人协同生态。 提出“机器人金字塔”能力架构，遵循机械与底层软硬件缺陷绝不推诿至顶层算法的原则，并判断物理世界更契合MoE专家架构而非单一端到端大模型。 主张B端工业场景应走渐进式具身智能路线，优先将叉车等存量专用设备具身化以实现商业闭环，而非盲目投入高自由度的人形机器人徒手搬运。 恪守不研发本体、不造整机的平台定位，凭借广谱控制器出货沉淀统一的真实场景数据，构建连接异构机器人的协同调度中枢。

仙工智能创始人赵越在访谈中指出，工业场景下的具身智能无法依赖单一端到端大模型垄断，未来B端产业更倾向于通过软硬件分层架构、垂直场景专家模型（MoE）以及让存量工业设备实现自主化来逐步落地。 从竞技对抗沉淀的工程底座与分层设计 (45:00) 赵越早年在浙大征战RoboCup机器人世界杯并夺得世界冠军，该经历确立了其团队的底层工程原则。他将机器人系统解构为由机械电子、底层软件、通信、控制算法到顶层模型构成的金字塔结构，并坚持“第一性原理”下的军规：问题绝不向上传导。能在硬件和电路层面解决的故障，严禁指望靠顶层算法或大模型打补丁弥补，以此保证系统的鲁棒性与扩展性。 面对当前具身智能领域的“端到端”热潮，赵越持谨慎态度。他认为机器人的复杂物理交互场景尚未迎来真正的Transformer时刻，单一大模型难以通吃工业需求。与其盲目押注单一模型，未来更可行的路径是采用类似MoE（混合专家模型）的架构，由各司其职的专用算法小专家协同工作，兼顾功耗控制与场景适配的确定性。 人形落地困境与B端设备的渐进式具身化 (55:00) 针对资本市场追逐人形机器人的现状，赵越指出其短期内难以商业闭环的三道坎：昂贵且缺失触觉/六维力觉的非完备数据、自由度冗余导致好坏数据缺乏收敛标准、以及缺乏自我造血商业飞轮。在B端工业场景中，性价比是底层运行法则，针对特定任务高度特质化的机械结构永远优于泛化的人形躯体。例如搬运一吨货物，最经济合理的路径并非让十个人形合力搬运或让人形去开叉车，而是让叉车自身具身化。 赵越据此提出，B端市场不会出现垄断80%产线的单一人形机器人巨头。工业制造本质上是非标的，就像工厂招标只要求“控制系统采用西门子PLC”一样，未来移动机器人形态也将高度多元。传统自动化设备都有用AI重做一遍的巨大空间，最终所有设备制造商都会成为机器人公司，狭义的机器人公司也将随之消解。 真机数据壁垒与控制器生态的平台化演进 (63:00) 在数据路线上，赵越是坚定的“真机数据派”。他认为仿真环境（Sim2Real）在视觉纹理和多模态交互上与现实存在天然偏差，而买卖工业数据的单价极其昂贵且脱离实际场景。仙工通过出货量领先的控制器体系，适配了超过2000种机器人机型及400多种传感器，在外参自动标定工具支持下，设备报警或运行异常时回传的人机接管数据天然对齐且边际成本极低，构成了难以短期复制的Corner Case资产。 仙工将自身定位为赋能者而非整机制造商。早期试图全栈制造硬件时，团队在客户互斥的急停逻辑与零件选型要求中受阻，随后果断放弃本体制造，全面转向控制器与软件工具链开发。通过在底层抹平异构硬件差异，仙工形成了连接国内异构整机制造与海外客户集成采购的开放平台，以不强设标准的包容策略促成了事实标准的建立。 工业可靠性矛盾与动态清零的组织哲学 (180:00) 针对当下具身模型的商业化兑现，赵越分析了工业场景的冷酷现实：工业生产要求极高的确定性与可靠性，90%的成功率在工厂即等于瘫痪；然而现阶段的大模型在“极致可靠性”与“Zero-Shot泛化性”之间无法兼得，量产必须建立在真实价值创造之上，否则将演化为废铁。仙工选择在新技术与旧形态（将具身技术导入成熟叉车/物流车场景）以及旧技术与新形态（为新兴具身团队提供运控工具支撑）中寻找平衡。 在企业管理上，赵越推崇老子《道德经》中“反者道之动”与“无为（不妄为）”的理念。他将“追求第一”比作玩消消乐，认为登顶本身即意味着该状态需要被消除重置，企业必须时刻防范由盛转衰的历史周期律。组织建设上，仙工不盲目迷信名校背景，而是通过包容多元探索与赋予一线工程师自主可控的工具支持，以保持持续破局的自驱活力。 仙工智能将自身战略建立在长周期的真机数据积累与控制器装机量上，但赵越亦承认，若未来AGI出现断层式突破，通用模型能自主解析驱动并生成运控算法，企业长年积累的非标工程适配壁垒将面临重估风险。

[0:00] 给大家打个招呼吧Hello 大家好 我是先公智能赵岳公司里他们叫你乐歌是吗?对 几乎我百分之九十的人 可能刚开始新人进来会叫赵总可能过一周以后就基本都叫岳哥他们也能比你挺逗的我们当时做性格测试我应该属于影响性就属于可能在这种熟人环境里面可能话会比较多一点但是可能对外平时可能话比较少一点你影响他们什么呢就是活跃气氛气氛组对我感觉如果一家公司的员工喜欢他们的创始人的话就表现得很明显比如说我之前采访过饮食他们的员工就都觉得JK特别逗他会在公司里面整活我觉得你们公司员工也挺喜欢你的因为上一次进来的时候我看到你们公司那个标志很像胖丁然后他们跟我说因为可能因为你比较胖有点像你没有没有没有那个是很早前设计的一个小吉祥物公司的一个小IP有什么典故吗它是胖丁吗不是胖丁其实你如果细看它最开始的一个造型是一个小史莱姆史莱姆就是那个勇者都农游戏里面最弱的小怪物但是呢这小怪物比较有意思的点是什么呢就是它可能也特别强就是你可能一开始在野外碰到一刀可以砍死一个也有可能被它一刀砍死相当于游戏里面出新手村最开始碰到的怪物然后当时用那个两个原因第一个就是因为团队比较年轻嘛大家可能玩一些游戏什么第二个就是史莱姆其实当时有个很烂的梗就是你知道我们大概那时候刚创业那时候搞史莱姆嘛对吧就史莱姆技术史莱姆然后跟史莱姆有点解音对可能也就我们发现这么烂的梗第二个点就是史莱姆它系团拟一般嘛可以变换成各种形态也寓意着我们现在可以给各种机器人提供这种系统就可以幻化出各种功能所以就做了这么一个小吉祥物这个Day1设计的时候都已经想好那么多吗没有是后面瞩目赋予它意义只是一开始就觉得一个史莱姆挺可爱的它可以变化成任何东西对但是科技公司里面用卡通人物做吉祥物的非常非常少的感觉是吧好吧 蛮有意思的 人家走过去以为是一家动漫公司哈哈哈哈 有可能有可能是 人家说小怪物嘛 就是别人可以一刀砍死的那种状态 但是他也可以一刀把别人砍死 对 是的 那这个很像你们学生创业的过程后对我们从学生时代过来其实差不多也是这么个过程一开始就是一个小卡拉米对吧在打比赛因为我们最开始搞Robo Cup了最后一步步成长为大boss对然后在中间突然碰到世界冠军你承认自己是大boss了这个过程这是循环你觉得你自家公司从小卡拉米变成一个不说大boss吧就变成一个boss变成大boss可能会被别人消灭就会被别人干掉了不要变成大boss你觉得当中的转折点在哪可能大家心态比较好大家从来没有觉得自己是大宝斯或者说没有觉得自己已经做得很好了然后对于一些看上去很离奇的很可能的科目需求厂家可能看不上一些需求我们依然很重视因为我自己搞研发搞产品其实其实我是特别讨厌拒绝客户需求的真的吗对为什么反正这一路程上过来一直是这种心态如果一个东西它有需求一定是有没有被满足的一些类合的东西在里面因为我相信不会有什么无力取劳的客户我相信他背后一定有理由那往往是背后这些理由没有被看到而已所以我们会很喜欢跟库去挖掘这些东西至少我觉得应该先去做深挖而不是以上来拒绝你会拒绝什么样的事情?就不局限于客户?我细想想可能很少很少我们整个公司的包容程度很高因为我们的使命就要加速开放多元的智能文明让智能机器没有门槛你要去创造那么多元化的世界所以你自己就不能太有局限但我们就是非常包容的就甚至没有价值观我觉得你身上其实有很多反差的东西因为之前跟你交流过嘛感觉有你说的包容的很随和的卡拉米很可爱的一面但是我感觉内在也很锋利很反叛有种想掀桌的欲望对对对就是对永远把自己当成卡拉米永远想去掀桌子就大概就内心这么一种你说的好听点叫少年感说不好听也可能有点自大对嗯什么时候会解释一下是不是自大吗这个问题我要想想可能我自己很少去那么深层色挖掘过自己类型到底在想什么我说其实是相对混沌的这种类型其实是相对混沌的,没有想过说我现在是处于一种什么状态,好还是不好,自大还是谦虚,可能没有分的那么清可能自己类型。但我很喜欢你刚才走过来的时候说的那句话,就是从run到right当中漫长的一段时间就是混沌的,你看不清楚的,但就是一种直觉想往前走,等你走过这一段时候再回头看的时候就发现它变right了。是的,事物是动态变化的,每个人看的角度不一样,很多时候你急于去判定一个事情,还不如换换角度再看一看。就放在一体的画在墙上对所以你创业中经历的最震撼的事情是什么我先说我对创业这个事 [5:00] 本身是怎么看啊就是本质其实创业就是一个不停解决问题的过程最后拼的就是第一谁能比较快的解决问题第二就是你解决问题的过程中你不要说哪天掉了一个坑你爬不起来了因为出来之前你会发现网上很多机舱文告诉你们创业一定要闭着10个坑对吧这一定不要干了某些事儿但是事实上你会发现所谓的坑这些都会干的对你肯定都会踩一遍就好像你爸妈从小教育你不要干这个不要干那个其实很多时候你都会干一遍事交人一交会人交人永远交不会所以出来过程中我就感觉一直有一点波澜不惊的感觉一路踩坑一路解决本质是一个不断解决问题的过程你的性格应该是投资者尤其是美元投资者最喜欢的那种坑下能力很强觉得什么事都可以解决但又有那种超强的热爱一直做一件事情我最近不是去录研吗一定很多投资的人会觉得我们不会讲故事我也觉得对他们可能没有像我这样跟你聊过那么多个小时对基本上聊完以后大家就会觉得比较扎实可能是一步步做出来的对我觉得你不是那个会主动展示的人但是就比如说我有好多好多问题不停的问你可能你给的会比我期待的更多你是这样的一个人我感觉对对我是卖个心需要外部给一些触发这好像是你第一次出现在一个深度的长访谈里面我还挺好奇你的成长史是什么样的?从哪边开始讲?从小时候开始,你是哪里人?我湖南人,我爸妈都是老师,但是跟一般的教师家庭可能不一样,一般大家会觉得教师家庭爸妈会管你比较严,类似于小镇做提加这种,其实我爸妈没怎么管我,我从小就湖南在镇里面找到邵阳,邵阳的一个小镇,实际上不是点心的那种学霸高中以前我可能电脑都玩的很少吧所以现在回想一下可能还挺无聊的就是平时一帮小孩在学校里面抓抓小动物啊就大概就是这种你也不是小航王我不是我是follow的那种高中或者说上大学以前应该都是一个相对来说比较平淡的状态只是说自己可能对学习这件事情有一定的热情这有点反而赛比较平淡也没有特别努力的学习但考进这大怎么说呢就是对我可能算考爸类型平时不学习但考试考出来很厉害也不能算厉害但至少可能中上吧你这大本科是学医的什么对其实这大我刚进去的时候我们是那个朱河珍学院当时竹炼有个很神奇的班就八年之一学班其实我觉得他理念很好就是当时巴林医院是和主院一起就医学院和主院一起当时创造了一个办案其实它的理念其实在于中国不缺好的临床医生他也不缺好的医学教授但是实际上缺的是临床的医学科学家有的医学教授他可能在实验室里面每年会发很多paper但是Biase他当时一个逻辑就是说那你最好要把临床的问题带回来通过你的研究最后再反馈到临床形成一个更大的闭环这个事情其实是需要学生有一些很宽的口径的就是你要有一定的科学素养总论你的口径要足够宽你要能够更多去发现问题发现问题的一个前提就是你首先要更多认知世界所以他前四年是要求我们一定要学一个非学本科但是你同时要把医学所有的预修课学完当时我记得好像30还是4050个医学学分也要全部削掉所以其实我们前类似于双学位一样的感觉但是你最重要反而是你的非医学文科一定要拿到完整的学位同时通过医学的预修课考试然后第五年才开始进入博士阶段学习他是这么一个培养逻辑医学本科你的教师父母吗我爸妈应该说对我有很强的引导影响因为我们家没有一个医生你当时想做医生吗可能没有很想也没有很不想多少有点随波逐流的感觉所以当时除医学之外修的那个专业是电子新型工程电子新型工程跟医学的关系是其实我也不知道因为当时浙大有个我们叫王道专业最好的专业是那个电器嘛W 总觉得你都来这大了 王道专业总要去看一看 所以是抱着这种心态 是这个逻辑 想选就能选上 因为在主院 主院它本身就是个宽口径培养 就好像你玩游戏加技能数一样 你只要把这个方向技能点加的足够多 你把那些学分都学掉 所以我就当时看着电器就学了一些课 到大三就转到电器去了 真的学了之后的感受是怎么说呢 就是完全不一样医学跟这个工科还是两个完全不一样的思维模式人其实是比较割裂的同时学这两个专业因为一个是逻辑学科就是一加一一定推导数二它是带推导带逻辑的你比如说一次实验失败你是可以复盘的你可以从原理上去推导的那基本上你不太可能陷入个很玄学的境地那医学呢其实说实话有点偏实验科学很多东西短期你一下是没有办法推导出来的比如说有一些实验失败了你去复盘你的实验为什么失败你说你是摇的那个分钟数不够还是加热的时间不够可能大家已经有一个最佳实验在那了但至于为什么实验可能谁都说不清楚所以医学做实验完全就是按照实验步骤来往但是你可能失败后很难复盘所以我觉得两个学科之间跨动确实 [10:00] 我感觉一个更偏快执行力和逻辑推断另外一个是需要慢和耐心的对甚至需要一些灵感加运气痛苦吗是比较割裂的因为本科我开始已经做一些机前的竞赛了到本科参加完了以后事实上我还是选择去先学医第五年学了大概三个月左右发现还是没法达到自己心理的那种状态可能自己没有办法很沉浸的去做这个事你没有办法沉浸是因为你据说是白天读医学晚上打比赛对当时两个校区一个在紫荆港一个在育泉医学是在紫荆港当时我们那个实验平台在育泉两个校区之间还是有一定距离所以其实基本上就两边跑第一确实比较累确实也可能很难沉进去第二就是两种思维方式当你要各自升官的时候其实你很难说我既是一个逻辑推理能力巨强然后同时又能够赖下进去做实验可以接受这种重复试错最终两种思维模式越往生下去你可能越难把它放在一个逻辑或者说一个整体下去考虑这个人不能说既是一个很活泼的又是一个非常严肃的你要每天这样来回的去切换这个思维其实很累对 有点分裂然后你就做了一个惊人的决定现在看可能还好对 当时大概学了三个月就退学了然后就赶紧去考研但考研是瞒着你爸妈的对都不知道因为从小我爸爸也很少给我一定做决定或者说我决定这个事以后我再去跟他说我要考研了可能大家只能三个一起焦虑那想着还是自己做决定先不要说等事后再去汇报一下对吧你当时要重新考试因为你在读的状态下你是没有办法换对本科换专业相对容易研究生换专业其实极少而且我当时跟辅导员也去聊过像医学生的系统工科学生系统都是两套系统他那都几乎没办法转所以后面想想就退学了我听说你在本科期间一直打比赛很少住寝室到了研究生阶段是干脆连室友都不认识本科相对还好因为本科几个室友是大一大二就一起认识的大三以后才开始蛮多的实验室但到了研究生就比较夸张可能进寝室只是把衣服放进去了但是后面夸张到发现好像没有必要回寝室因为我们当时做足球地球的比赛那个地上铺的是地毯铺的地毯其实人上面一躺起就可以睡你现在睡在地毯上对白天可能在那调地毯晚上就在那睡觉冬天怎么办冬天时间是有空调我们那个实验室应该来说是整栋楼里面耗电量最大的一个实验室大家都在那里睡觉空调可能没停过实验室的设备可能也没停过大概连续四五年那个实验室可能就一直有人了你那时候打比赛是找到热爱的感觉吗其实我刚做比赛实际是误打误撞的因为当时这大学校有第二课堂学分你就必须去搞搞竞赛或者说做一些志愿者当时刚好学校有一个这个集圈比赛所以一开始的心态是玩一下捞二个学分那我进去后我发现这活总得有人干了对吧虽然一开始team是三个人但主要就自己在干然后干干干这种做的还觉得有点意思因为我进大学后其实对编程还相对比较喜欢因为罗易信很强可以很快的给你一些反馈比赛当时打完以后也拿了一个第一名后面就去实验室里面可能会参加一些世界级的比赛然后就进去了就一路打到冠军了对加上于先校内赛然后在国内赛在世界赛我很好奇啊这已经是在我们短短这个对话当中第二次出现这种情况了你好像一开始也没有花很大的力气没有那个志在必得的心很松弛就考上这大了想去王牌学院就去修了这个第二专业了想随便去打个比赛然后就打到世界冠军了就你的人生当中出现这么多令你惊喜的巧合之后你会不会重新value自己说我可能是个不一般的人没有可能现在回头看好像每件事都很顺是吧可能是这个人可能一些不开心的事情我脑子边可能也可能会自动过滤掉可能有时候说出来你会觉得这人咋这么顺对吧事实上问题肯定比最终拿冠军的一下会多的多的多其实你现在回头看我钢筋学院室那会儿大概过了半年到一年我才摸到机器人一开始就只能做仿真为什么因为实验室连机器人都没有当时应该学校实验室有个很大的项目所以很多实用师也都去做了一个大项目去了实际上投到比赛的人特别少所以那个时候就有点轻狂不接人轻狂不接第二机器人轻狂不接没人也没有机器人我刚进实验室的时候我都震惊了我说这个状态有点上班就有点像大白天的那种网吧的状态就是电脑比人多就一排排全是电脑但是没有人对我们最开始几个人其实也蛮苦的大家自己琢磨这个集成怎么做直到后面我们招的第一批的因为我算相当于是竞赛集取的一批发现没人怎么办大家想办法我们怎么更多搞些人过来首先把这个实验室先填满这些电脑面前保证都有人吧所以我们就在BBS上发填然后说我们最近要准备参加一个比赛然后有国内比赛的机会开始招聘了对我们就开始在BBS上招人然后因为那个时候其实 [15:00] 大家可能成绩也不是特别好所以那个时候报名的可能也就十几二十个人啊我们是变成全校去录的并不是说只是控制系绘和电器学院是全校二十几个人算多算少特别少而且打比赛这个事其实基本上一半的人过了一周以后就不来了因为有的可能发现这不是自己感兴趣的有的可能就是坚持不下来因为很多时候你大家开会做比赛时间是跟你的课时是冲突的这种冲突其实是不可调和的老实不是因为你要去打比赛跟你把课换掉对吧所以其实最终留下来几个人可能都是相对比较喜欢这个东西的才会留下来淘汰速度特别快可能一个月以后就剩一两个人啊这是不是跟后来创业很像就员工会人来人往但是有最核心的几个存在对回头看其实我们最开始招见的几个人包括包括我自己在内一定不是这大最强的学生我能明确说一定不是因为最强的学生其实有什么主任奖学金啊有这种很好的奖学金但大家努力的方向不一样就是大家总体来说一开始都是相对就好像说小卡拉米就是很一般的学生但是最终其实我觉得主要还是靠坚持就是你打比赛也是一个是热爱一个是坚持 让你持续的时间足够久然后足够多的积累然后慢慢的你会获得一些东西对所以其实你像我们最开始的几个人但是现在都很厉害但是其实大家刚进去的时候都是小卡拉米对然后里面还有一个当时做硬件的一个哥们刚大三星来说单片机是啥都不知道是不是一个类似于电风扇一样的元件对就是是啥都不知道但是实际上到后面也很厉害后面他自己还去参加一个RoboCon比赛也是拿全球的第一名对所以你会发现很多同学进来的时候大家并不是屡历很光鲜的反而这种比赛筛选出来第一批是什么因为他并不是一个学校参与部非常深而是靠学生自发组织的反而里面筛选出来是非常热爱的然后这批人是可以做到就每天睡醒在实验室的而且这种状态大家会觉得很好,就应该是这样的,很好玩,就像去网吧一样,对,就是网吧那种状态,对,是的从哪一刻开始你觉得机器人这个东西挺好玩的其实倒不是从哪个时候开始很好玩在哪个时候我觉得说这个事我一定要做下去林雪莲我刚进学院室然后当时有一次是应该是一次国内赛当然国内赛我们其实做的很难当时刚说青黄不接嘛所以决赛的时候被大连理工好像打了个0比2还是0比3那个时候其实我还我也是个小卡拉比我那个时候就是属于什么角色的属于那机船在球场对爆很激烈就撞来撞去然后那个轮子有时候会撞掉就到这种程度两个机船撞在一起的话我是上去捡轮子的所以我当时的负责的就是说看见哪个机器人不对了上去我们叫picker就上去把那个机器人拿走跟裁判示意对然后换一个新的然后赶紧下面引轮着就把这个旧的赶紧修我当时是扮演这么个角色我又比较胖那个时候小胖子然后每次跑下去地板就哐哐哐震然后那上面不是有相机吗每次我一上去对手就说小胖子你不要去在场地上跑那么快相机都在震说视觉都不稳我是属于这么个角色关键是最后成绩还不好所以就那个时候觉得靠我下次我得打回来被对手侮辱了所以那个时候觉得至少我要坚持下去我要翻过来你懂我这种感觉吗就是决赛说了那明年得得给他收拾回来所以那个时候想着要赶紧花精力做一点所以那年开始就开始一直睡实验室因为那个时候其实我还不是handlehandle意思就是你要盯那个代码执行情况来我是个peaker就是去拿机器人的所以大概过了一年的时间然后我印象很深刻在南州那次国内赛就一年的国内赛然后给大家能够回答了个无比零那个时候就特别开心所以就是有不停的这种正反馈就是一开始先你往前走可能看到个小boss然后一把给你拍在地板上然后你就赶紧去练集穿装备然后再给他打败然后再往前走就一直是这种状态但这个状态其实还蛮有意思其实跟打游戏很像你刚刚说你09年最早开始做机器人吗但09年应该英伟达的iSEC仿真都还没出现吧你那时候仿真在哪做是这样的 其实基本上都自己结合一些物理引擎自己去写一些仿真 当时是ode然后会用一些CUDA60其实CUDA这个系统已经在高效率开始在用了 会用CUDA做一些加速比如说一些机器人的一些厂上形式的计算可能一些传统的方法你可能只能做到在厂上选取一些合适的机身跑位的这种线路但是如果你要算到比如毫米级的精度我要把场上每一个都当初的格子去做计算我们当时就只能用一些这种GPU去做加速你09年就用GPU做加速了对去计算厂商的一些形式变化对因为我前段时间聊了一个嘉宾他最早的时候就是用ISAC做加速 [20:00] 仿真 那个时候ISAC还没有正式公布 他是在论坛上找到一些就是现在已经绝版的版本 那个年代的机器人就是在仿真世界里面去做仿真 然后玩了会有很强的这个SIM2REAL的问题 那个时候可能第一都没有SIM2REAL这个概念 说当时微软应该有个robot studio 现在其实可能大家就很少听到了 所以这个时候其实也是去玩了很多的仿真的这种平台然后后面就自己写吧基于物理引擎就自己搭现在回头看是不是在造轮子吗但因为这段经历你应该对现在的所谓的这些仿真数据啊操作是比较了解因为你自己也上手干过而且你干过的最原始的版本是那个时候仿真没有那么好用的话seem to real会有吗其实看你解决的问题是什么我们那个时候其实在解决的一个问题是一个机器人的一个场上的情形判断和一个智能决策的问题总体来说那个时候其实对我们是够用的但是如果那个时候你想去做像现在这种比如说在I-SAC里面去训练一个机器人比如说一个很复杂的运动模型然后做一些强化学习我们其实那个时候也是做不了的就完全做不到这种精细的程度区别在哪呢区别在于你把机线看成一个整体还是说你要深入到机线内部去做仿真你要仿真到某个关节我们其实当时把机器人当成一个整体他还是运动轨迹的没错轨迹层面然后包括场上的一些这种结构化的一个描述然后你在里面快速的去做一些决策这种级别方针当时的这种技术是OK的但是如果你希望做到中关节级别的很精准仿任,其实那个时候其实是有很大gap的。我还是想深挖一下,我很好奇那个时代。你这样说好像显得我很老灯。没有,就刚才我看那个模型的时候,它本质上就是几台机器一起踢球。你刚刚说的在仿任世界里面去分析场上的形式是什么样的,但是场上形式是不是变得很快吗?没错,它都是像素级别的,能够做到很快的分析和调度。它会有一些camera就是挂在空中的camera去捕获所有的一些全景的信息所以对于每个参赛队来说这些图像是共享的那至于这些图像你要去怎么做分析那第一是你要在上面找出你机器人在哪球在哪机器人速度什么样的然后第二是你要基于现在所有的这些画面去做预测你去预测你的竞争对手会怎么做就足球这个东西有点大道质检它是一个很朴素的逻辑就是它的输入的信息量很少但它变化很很多因为你的竞争对手可能突然往前跑突然他一个转身又溜走了这种东西其实是很难预测的就有点像围棋你看上去就黑白紫的那么多格子但事实上它的变化是千变万化的其实足球也有点像而且足球还引入了一种博弈就是两个队之间你其实没有办法预知他的策略是什么样的所以在我们那个时候去做一些这种竞争对手这种预测的话我们会有点跟现在大家去玩这个搞训练这套很像我们会收集对方的一些打比赛的一些我们叫一些日志记录就看他平时是怎么样去做战术的就像一个教练员去分析竞争对手平时的这种比赛策略是一样的足球比赛策略如果我们要把这个做好我们也要分析要么你针对性的去写算法要么你通过一个模型化的方法根据它各种情形下你去输出你的策略通过一些这种神经网络去学习这些方法我们当时都会用有一些是相对传统一点的有一些是相对来说但那个时候也没有多模态这个概念是吧说啊那个时候其实我们就是一个神经网络啊或者说要深度学习通过这种方式然后去分析竞争对手比如说他哪块是他一个我们叫Hospot就是一个很热点的区域他这里大概里会有人过来哪些地方是一个相对他呢防守比较弱的区域是我应该赶紧去站住的那运算速度很快因为基本上图像是大概8毫秒来一次帧率比较快基本上你的决策周期基本上在8个行秒内你要把一次决策周期跑完然后给出每个机器人他对应的指令因为他当时相当于是个集中式控制就是我的这台电脑要同时计算出场上6-7台机器人的所有的控制指令然后大家每8行秒一次然后发下去所谓的日志是什么日子就是打比赛的时候过去的就是历史的那些图像你可以理解成图像的记录对对对对对所以其实那个时候这个属于最早的学习就是学习他是一个什么样的精英对手他喜欢什么样的战略战术然后你怎么去针对他真的跟世界杯很像,还好我看你一点点足球略懂一二。感觉裁判他除了要懂足球、懂技术、懂战略之外,他还要懂心理,因为很多时候是心理的博弈。没错,所以打比赛这个事其实还蛮有意思的,我觉得比搞论文有意思,说实话,至少你是跟人在PK,然后会引入很多这种不确定性,其实还是蛮享受这个过程的。而且那个时候其实你会发现在我们那个年代对在当时那个年代下其实你会发现最有效策略是什么其实是引入随机型怎么说你会发现你去分析一个对手如果他能分析出他一定的战略战术的话其实这个东西都是相对简单的其实你最怕对手就是不可预测的对手就不按张法 [25:00] 对或者说他每次开定位球这次用策略一下次用策略二至于他什么情况下用策略一什么情况下用策略二不知道随机最怕的对手就是没有张法的对手比如说你看完三场比赛以后第四场比赛完全变了不按套路来说说他留了一手这种技能对手反而你是最可怕的因为你没法针对因为他可以是任何样子所以我们当时打比赛我们就尽量让自己变成不可预测啊我们可能跑会这个战术马上随机选个战术然后去跟对手去PK现在各家也有各自的技术路线也是像这样follow别人的日志那样去follow别人吗去研究别人我们会去研究我们当时做比赛的时候其实那个时候确实比较夸张我们都已经做了逐针查看因为那个时候其实分析工具也没那么强大我们在分析工具里面还会做一些很有意思的事因为我们还会引入对手的程序员写代码的人会怎么想我来判断他的策略是什么样的比如说大家写代码的时候你一定会写一些类似于什么代码的比如说当机器人的坐标大于零零或者说大于零什么05坐标就是你会设计一些阈值你中间会有些magic number就是一些魔术这些阈值你说有道理吗可能只是当时成员拍脑袋比如说你之前过中线了你就应该比如说积极的抢球或者说当球到你的半场你要赶紧回房对吧什么叫过半场过半场不同队的定义不一样有的觉得过了中线凌凌这根线就算半场有的觉得要过往后再退一米才算半场但通常来说你写代码你不会写过0.98米算过半场一般人写代码不会这么写的所以我们当然就预测一般人写代码他预值一般写五的倍数你一定不会写个很奇怪 0.97写成这种制书一般不会用质数当预值你去看代表代码好了大家不会把个质数当成一个预值的所以我们当时还会分析他预值应该是在5的位置或10的位置我只要站在6的位置就是一个最优位置为什么因为因为超过5他就走了然后6我又离他的半场最近所以我就卡在6足球你知道很多时候是毫里之间因为我们进行速度又很快会到三米没有所以在这里面会搞得竞争队友非常难受因为他选择五类跟预值被我通过分析我能分析出来那我就放在六 趁七不备了可以对对对就给他隔一点点结果他不防我了所以现在看有点投机取巧啊但是这是一个思维方式我觉得对但事实上你会发现很有用 特别有用 尤其你把他的东西自动化分析完以后 你用一些预值去分析完了以后 按照他的思维模式去分析完以后 你最终会得到一个针对他的最优策略一会准备跟你详细聊一聊 巨生大脑是一个非常重要的方向 你肯定也有很多对于对手的研究 那个part我们留在后面 先还是聊聊这个Robo World Cup 因为我后来去了解一下这个比赛 这个比赛还蛮厉害的对RoboCup 这个比赛蛮有意思的 他98年开始的 98年刚好世界杯年嘛法国事业杯,当时就以一帮教授,日本美国为主吧,包括欧洲的一些教授,当时觉得说,诶,我们应该也要搞一个机器人的实验碑那为什么要做呢因为第一足球这个事儿普及度非常高第二点是什么他们觉得说这个东西有很强的竞技性因为这个事情之前在人工智能比较大就是人类战胜象棋冠军应该93年94年我记不清了对对对对把象棋冠军击败就那个时候人已经象棋已经下不过AI了大家觉得下一个可以挑战目标什么大家觉得是足球因为这个东西比向其的比度更高而且那个时候也是跟人竞争所以他当时就进了一个很伟大目标说在2050年的时候能不能组一个机器人组就对把人类的当年2050年的世界被冠军给干掉对这是这个比赛的一个终极目标其实是这样子的人类没几年了对人类没几年了对那当然看其实有点痴人说梦但现在看似乎对吧最近几年对大家会觉得好像对吧是不是都不用等到50年所以他当时就组织了比赛叫Robo Cup但是你知道那个时候做机选学成本大家很高的一个学校或者说甚至一个公司去组一个机选的球队就投入都是不不肥了所以他当时又做了一个很聪明的事他把这个比赛拆分了很多小的年赛就在robocup下有很多小比赛每个小比赛不要一上来就研究一个那么复杂的在一个真实足球场像人一样size去踢球他把它变成很多的课题比如说有的team就相当于研究这种叫双足机器人怎么踢球因为你不可能用台产科去跟人踢球对吧而且他为了考虑到不同的学校经费投入有这种叫kitsize就像小孩一样大小的有这种Mindlesize还有Aldle size就是青年组少年组对就是把机身算成不同的尺寸大小然后同时研究因为大集权跟小集权之间研究又不一样比如越大机器人可能对机械要求越高越小的机器人可能对这种你更容易做一些动作做一些仿真对机械要求没那么高所以就根据你的投入水平他又分了很多这种主别全民参与对有多少资源你就参与参与那一组比赛没错都信你来参加那我们当时叫叫轮式组叫small size 我们研究就是 [30:00] 机械应该怎么配合怎么传球 然后怎么自主决策所以他分了很多组别然后让每个组别针对一个课题研究同时大家定好在足球场上去打比赛最终产生各个组别都会产生冠军当然他还考虑到有些学校你连一年都不要投入他有仿真组你背个电脑就可以去参赛就跟足球一样就是全民的运动让所有的高校你都能在里面找到一个适合你的组别寄希望于最后所有的技术有突破以后可能最终捏起来就是50年的最大的目标所以这个梦想还是很宏大的这个比赛应该出过一些名人是不是对现在国内有很多创业公司的老板都是从这个比赛出来的国外是原来有一个亚马逊他不是收购了一个Kiva机型吗Kiva机型创始人就是RoboCup当时那个04年冠军领队是康乃尔大学的七个多亿美金被亚马逊收购了后面亚马逊在仓库里面大量不及鞋当时还是一个比较有冲击性的事件它就是RoboCAP出来的包括现在国内很多机器人公司新华的赵明国老师加速进化他当然就是阿罗塞斯他是踢足球的国内还有几个中科大的哥们他们当时拿过仿真组冠军然后后面也创业了还有北京科大当时轮是中型轮式的后面应该也在创业反正创业的人挺多的你是拿过三届冠军对吗而且是世界冠军第一冠还是中国首冠中国第一次取得全球的 World Cup 的冠军对我们是食物组第一个拿冠军那你应该是这个比赛当中很风云的人物吧就是中国首冠然后又三冠蛮好玩的我们当时12年去参加那个世界赛嘛第二年刚好在墨西哥在墨西哥城今年又没加墨了对今年又没加墨了轮回了对那年其实在12年之前其实我们在比赛中是没有存在感的11年我们是进到八强基本上就被干掉了12年当时也是我不是退学了吗所以那年基本上我就疯狂的在实验室抠零刚好gap那一年重新考研以后重新入学所以是11年到12年我是在实验室里面比较疯狂因为什么压力都没有了连考试压力都没了然后那年其实藏了很多大招不管从机器人规划算法还是从团队的一些配合的一些策略上都做了很多优化然后那年刚好第一场揭幕战是我们打上一年的冠军然后很有意思第一场女台我们打了他一个2比0还是3比0第一场比赛然后整个场馆都震惊了就从来没见过这个事就是上一届的冠军第一场比赛就输了当时还是很牛逼的当时整个组委会的主席都来祝贺了就是就很符合大家的这种英雄主义的这种情节你知道吧就是一个从不见经传的一个队一上来而且我们是全场压得他打然后打了整场比赛下来中间我们还被吹掉了一个好球因为当时我们这个动作太快了然后裁判觉得你肯定是提前进进区了因为它有些规则你不能再进去里面堵在门口就类似于越位这种规则裁判都没看清但事实上是我们用了一些这种战术或策略让机器人真的就可以通过一些策略可以快速的冲进去就是球到的时候机器人刚好到预测的非常精准对所以当时还因为战术可能大家都懵了然后还被吹掉了好几个球然后还是赢了然后就就整场就是你还记得前一年的世界冠军是哪个国家的吗那个队也很有意思他是泰国的一个年队就是泰国最好的四所学校一起做了一个他们的资金极其充裕用的都是最好的东西人类是因为东南亚国家都很难进决赛是的在机器人世界里大翻身了因为是这样的比赛最强的是这个CMU但CMU比较傲娇CMU基本上拿几年冠军不完了然后过几年再来他觉得一直拿冠军没意思所以就让别人参与对对对第一看谁投入大第二包括人包括资金啊第二就是谁可以最快的达到CMU当时的水平所以大家其实当时在拼这个所以我们那一年之前那年是一个泰国的连队因为他们确实投的人非常多我们过去可能四五个人他过去二三十个人他每个机器人可能都能在维护保养你们四五个人对我们过去可能就四五个人就是真实的一个team但他过去可能就二三十个人啊对就到这种程度所以类似击败以后一下就变成风云的一个队了就很传奇的一个队然后一路踢进冠军没有12年结果决赛又碰到他又碰到这支东南亚队没错又碰到然后就输了然后1比2输了所以就很动漫你会觉得吗就像我们当时开玩笑说这个就是像灌篮高手湘北你总觉得主角队一上来就一路风吹拿冠冰最后你会发现最后打海来的时候还是得输球对吧就是你总得留点遗憾整个过程中所以决赛又碰到同一位队友结果输了然后对手的哥们研究我们的战术说 [35:00] 研究了五天因为打到第五天又碰到我们了因为他们就觉得决赛肯定碰我们所以就研究我们研究了五天那个对所有人本来他们很轻松的就是拿着很多泡面当时就是别人提米菜的时候他们都在吃泡面便吃泡面跟别人看别人提米菜之前那个几节都是这样的但是自从这次输给我们以后就不吃泡面对明显就发现大家就紧张一下就起来了蛮好玩的这个还是挺爽的对对对赢得对手的尊重是的所以12年是什么名词啊第二名第二名然后13年就夺冠了中国首冠对13年其实SAMU就回来了你打扮了CMU?12年弄完以后他刚好是回到这个CMU又要回来又要回来把你们都收拾一遍了要来收拾战场了所以CMU来的时候其实也是不正眼看我们的属于最开始一路打然后他我我们和他基本上一路都是全胜吧然后打一三年角色的时候是基本点球大战就两个队其实互有攻防有点然后点球大战我们赢了他这感觉好像真的很像某一年世界杯的决赛没错没错然后14年又碰到他我们1314年没拿两年14年就常规赛就是2比0打掉他的就那个时候就有点像对抗学习对抗网络对对抗网络就是哇他要这么干我这么干我这么干到14年内场决赛是蛮精彩的14年内场决赛基本上就是属于我觉得整个robocup 我们组别上应该最精彩的一场决赛的双方基本上把战术已经达到极致了包括对厂商的形式分析甚至当时就是很少出现种下就对方叫一个暂停马上他战术我看了变后马上我也要叫暂停然后我要马上变我的战术就是到这种程度,加固之间已经有点真正的就是都不是机械人在对抗,都有点像两个教练在对抗的感觉,已经到这种程度了,对。12年的决赛和13年的决赛的时候心态什么不同?就对着东南亚的时候,对着CMU的时候。是这样的,其实12年啊。决赛前其实还是蛮紧张的一二年因为半决赛的时候我们发现守门员有点问题我们那守门员不是有个挑球吗机身可以挑球当时我们就发现我们那个守门员挑不高但已经没有时间去细查了所以我们就在我们所有机械里面我们想换一台去当守门员那我当时给一个学弟当然因为我是队长嘛我就安排我说决赛前你一定要找一台挑球能力最强的极权去当守门员这样可以把球调远就大脚轻轻出禁区然后我当时就开玩笑说一句我这种很小的挑球别到时候打到后卫屁股上然后弹进球门搞个乌弄球我就开玩笑说这么一句话一语成证吗结果决赛的时候换了个错误就是那个学弟很认真把所有的极权都调试了一遍找了一辆挑求能力最强的一台机器人但是决赛的时候一紧张最后时候忘了换手名员结果上半场结束的时候真的就一定要跳球打在我们后卫屁股上就弹进我们自己的球门所以那个时候你知道吧人就已经要崩溃了一下心态就不好了然后后面我们下面人开场马上搬一个1比1然后后面又盼我们一个点球就1比2输了是这么输的所以那个时候其实对我影响很大就是基本上你觉得是问题的点未来都一定会发生就像打了思想刚硬一样的就会觉得你只要觉得它是问题可能现在他没有但他一定后面会出现就变成一个人的思想刚毅了因为你经历过这种事情对后来在创业的时候有过这种时刻一直是这样一直是这样就是你觉得是问题的迟早有一天会找过来那怎么办所以一定要在最开始的时候把这个问题彻底解决系统性的排除所有细节的威胁对你可以晚一点解决但你要知道这件事一定会发生 所以你迟早要解决 就像一笔债一样的 你逃不掉的对 这是一个solution的思路 心态上有什么启发吗?其实是这样的 心态的调整其实是取决于你的准备程度的如果你准备的程度足够好你如果是有应急的各种方案的话人是不会慌的其实我们在一二年的时候就是有一点没有那么充分13年其实我们已经准备了我觉得非常细致了就在所有队里面我们应该是把活作最细的就是有点细的令人发指了从宽度上把所有预案都做从细节上挖得足够深又宽又深的时候这个时候其实你不打冠军也很难 说实话 这里面可以分享一个很有意思 就是跟CMU打的时候其实你会发现CMU它在所有队伍里面它是最智能的它一直倡导是我要更智能化的去分析决策所以CMU它的逻辑就是它永远在跑位你理解成那他永远在找寻一个最好的机会那在这种情况下你怎么去击败他就因为他已经那么智能了但后面我们就发现似乎也有bug因为既然我知道你永远要传给空档最大的人那我是不是能知道一个空档最大的人让你故意传给他所以那个时候打CMU的时候你会发现别人对跟他都是贴的很紧啊跟人围着他 [40:00] 跑反正最后都被他甩掉我们送个空档给他因为你知道只要送这个空档给他他就一定会传给这个人反而他变成可预测的他就掉入了你的陷阱对本来从一个不可预测又变成可预测了每次我都留了个破绽给他我又知道他已经会传累人我背后的人就偷偷的就已经在加速对着这个球和人就围过去了所以他每次传球都传得很难受因为你知道不管是足球比赛还是篮球比赛如果你一位被动防守防守人永远是跟不上进攻人的你会慢慢半盘所以反而通过这种方式把它给防得很难受CMU 卡内金梅龙的实验室是机器人最厉害的实验室吗你后来有接触过吗这个学校有 因为当时那个马努奈教授是这个比赛的发起者98年他是主要发起人之一也是我们当时比赛的EC就资讯文汇的老大我们对他都一直很尊敬然后包括也有一些来回的一些往来夺了三冠他有跟你这个小胖子说些什么吗比赛的时候其实没有说啥但是后面创业了以后知道我们创业后觉得非常开心有一次我记得是在巴黎应该是23年24年那次事业杯刚好我也去那边出差然后跟他当时见了一面就回调这个事他说啊知道你们现在创业就觉得特别好又是在机器人行业他说做robocup的时候其实他们有第二个目标第一个目标明面上的目标是什么是我要去击败人类的世界冠军但事实上他们觉得做这件事其实最重要的是能不能培养一批对极限有热爱的人然后就像播种一样就是你能播下去一片种子然后最终一定不是靠这个比赛真的去做这件事是靠播下去这片种子然后推动整个社会把这件事做成他说就我们这件事包括之前刚刚说Kiva被亚马逊收过这件事情其实最终你会发现他推动的是整个行业的进步然后行业进步毕竟还得靠人来推动人又是在比赛中成长起来的就是他觉得这件事情就特别好所以我觉得这个深蒙远远你连着参加了多少节?我是从09年到15年毕业参加到14年对13年拿到全球首冠就回来有什么轰动的场景吗因为这不是中国团队第一次反正我们知道泰国队回去是公主接见他们那个规格巨高每次回去都是泰国公主接见我们当时其实比较好玩的时候我们当时上的是心脏头条心脏体育头条不是心脏科技是心脏体育当时的梗就是说中国都也没拿到中国的机器人拿到冠军了所以现在回想还蛮有意思然后也登了孝王头条但可能现在回想好像也就这样啊就好像一个超级英雄最终拯救世界然后继续回归平常人的生活然后继续在实验室干活还继续干活就是这么种感觉对但回来之后就有资源其实整个我觉得这辣对基确投入一直还是相对下学校已经很大了我们当时基本上学生想要的东西学生都还是支持力度非常大的都是能够去买到的成绩好了以后大家投入肯定会更大学校会更重视因为知道能出成绩学生的质量也会变好就你像我们原来BBS发帖可能就来20个人我们当时拿完冠军以后我们再去落心的时候那一年夸张了三百多个人报名已经很夸张三百多人意味着好几个专业的学生基本上能来了全来了我们当时用个最大的阶级教室都做不下还有好多人站着简历当时就已经收到你知道大家都没法一个个去聊了就是必须要筛简历了所以因为你会更好地把一些好的学生引过来但是做完这个事后你又会发现很有意思的是你会发现最终留下学生永远不是那一帮当时简历最光鲜的反而是一些愿意睡在实验室然后坚持实验追求的原来你说那20个人可能样本太小了但是你把样本放到300到500个人的时候你会发现被验证对又被验证了就是300个人的时候一天我们其实心我们内心是不想去筛的我们如果时间是够大我就300个人都要了所以我们当时滞留了大概可能五六十号学生有的尽量多满足大家想来参加比赛但是你还是会发现过一个星期以后可能走一半你时间一冲突然后大家一提要求可能一半就坚持不了了然后再过个音乐再走一半然后慢慢就又会收敛到那么几个人不超过十个人你现在自己做公司你也得招聘吗也得选人才吗这个思想高音会影响你很深吗公司跟这个还是不一样在学校里面因为大家不是一种这种强行的绑定它没有个所谓的合同或者说没有个所谓的契约在那这种方式下反而大家喜欢和不喜欢可以迅速的决定因为你不来对你没有任何的成本代价损失没有任何的厌恶损失那公司呢反而我觉得影响会更大因为你如果一个人你想他在公司里面他做的不是自己喜欢的事第一也做不长久第二他可能产出效率也不会很高这个人可能还不开心对吧但是因为有这种成本在他只是不愿意去做出一个选择而已我的意思是他好像更难晒 [45:00] 那些真正对爱的然后它的后果更大然后周期判断更长更难发现这怎么办其实相对来说还是好分辨的有两个东西是不会骗人的第一个就是你看他眼睛里面有没有光他说这个东西他是滔滔不绝的这种情绪的表达是很难说骗人的第二个是你顺着他话再往里面去问一些细节如果他能跟你滔滔不绝把这些细节继续展开你就知道他真的是对这个东西真的是特别喜欢这种东西其实很难骗人的我觉得获得一份工作和这一辈子有机会去干自己真正热爱的事一定是后者重要的多如果为了获得一份工作失去第二条路的话那个成本我觉得太大了我也希望分享给更多年轻人吧你说你面试都会问你最喜欢做什么样的事情有没有让你觉得很有趣的答案很有趣的答案是吧我想想很有趣的答案我一下可能还真想不到一个其实你会发现你当你问我什么东西是最难过或者最高兴很难找到一个具象的对我发现我针对这类问题我很难找到一个我自己心中最什么错最什么呢我现在是面试官好了你最感兴趣的事情是什么谢谢大家其实我可能最感兴趣的事情就是不停的去在机械人这个方向去探索一些边界然后去解决一些问题并且让它能够落地形成一定的反馈这个可能是我最感兴趣的推动边界对推动边界然后形成反馈形成闭环啊对对我我不是一个说你要我一直搞研究但不落地我肯定不喜欢我是希望在这个过程中不停的得到一些反馈的然后对然后推动这个边界往前去扩展一些嗯这件事情我是嗯非常感兴趣明白打robocop这个比赛积累了哪些机器人的这个底层能力其实不管是做比赛还是做这种实业的机械人都一样的机身是个金字塔一样的你最底层的可能是你的机械硬件再往上电子电路在网上可能一些底软包括一些操作系统层面的东西在网上可能是一些这种软件通讯在网上可能是算法现在在网上可能是模型从这条链上来看其实一个大原子就是说能在月底层解决的千万不要往上层去延展这个问题比如说一个问题你能在电路上解决不要去这种抵软层面解决能抵软解决不要去算法层因为你越往上其实你的代价越大往往来说你每打好一个补丁其实对下层的对一些你的可延展性其实都是一种伤害或者说本质也是第一性原理比如你机械上有个缺陷最好你就修复机械上面这个缺陷如果你在最上面算法层面要去民补一个机械缺陷这个成本代价实际上是非常大的现在行业一个非常大的技术路线的分歧就是你到底选择端到端还是分层架构我理解它其实跟结构也有关系的你的这种思路会影响到你对于这两个技术路线的理解和选择吗可能有点跳跃对于现在机器人这个行业来说或者说巨升来说其实我觉得它一定未来是一个类似有MOE的这么一种架构其实跟大模型是类似的专家是可以被参考的对因为第一是不管你从这个功耗层面来说我没有必要去跑一个全知全能的模型我一定是跑若干个小专家我在这个长一下我就调用这个长一下子的一些算法模块就好像打比赛一样的争论这个精神对手你一定是用适配一塌子策略是最好的对于这种机械的场景也是一样的机械场景其实非常复杂非常多变所谓的一个端道端或者说一个全量的数据模型这件事情很美好但我觉得他需要一定的时间我会相对悲观一点我会觉得现在不是说机器人的GPT时刻没到其实是Transformer时刻可能都没到所以大家更多的是以探索为主但是你让我现在坚定的就是说我一定当此时此刻就要去做一个这样的一个全量的一个断断断大模型至少我可能不会下这个决定我会更倾向于在一些相对有边界的小场景去做验证去做闭环然后过程中积累数据 当我有足够多数以后 我再去验证大的范式现在行业有两派路线 有一派路线可能更接近于你的想法从底层开始搭建一点一点往上 它就是一个比较务实的路线但是也有另外一条路线 就是高举高打Day1就做金字塔尖最尖尖的部分 而在中国资本市场上我后者还挺火热的 现在很多做大脑模型的公司估值特别高甚至这些模型产品其实软期内它并不能被验证或者是烟尾对但投资人就愿意交钱进去看看可能很有很强的formal情绪是你观察到了吗是是是这样的其实我觉得主观客观都有原因客观原因在于对于这些公司来说它如果再从底层开始搭建第一时间肯定不够第二它没有确定性的优势你如果要做的话 你只能自上而下做 你没办法在自下而下再来跟不管跟先公PK 还是说跟行业内其他已经在从底层开始逐步搭建公司再去做的话 其实你时间上不允许所以他就只能选这条路这是一个客观我觉得一个制约因素所以其实对于 [50:00] 大多数的创业公司来说为什么选择从最上层的模型开始去做这些事儿我觉得其实跟整个行业的现状是相关的这是客观不可改变的所以一是没必要第二是难度确实更大或者说你没法说服投资人已经有一家做这么好你为什么还沿着他路去做第二个原因就在于说就像你说的这件事情其实是没有办法被证伪的所以或者说这个是更偏美元化投资的一种思维就是买一个未来对 我要买一个更宏大的未来我前两天跟一个投资人刚好在交流的时候他有个观点 我觉得蛮有意思的 他说其实很多游戏美元投资人在找下架SROP,你也是谁他们觉得和巨生里面是不是也会有一家类似于这样的公司会出现这些公司一定不是说从这种资料而上公司里面出来的他们会更倾向于说高举高达也好或者说更能描画未来也好或者说更能跟资本市场讲故事也好从这些人里面他觉得总体概率更小但是大概率会在这些人里面出现比如说这1000个人里面可能也就出一个但是这个人可能也只会出现在这一千个人里面但是同样的比如说自下而上的这一千个人可能最终有比如说一半都做的还不错但是可能出不来那个Athrobic 你能get我的点吗所以他们宁愿去主力更大的这个我觉得也是跟大家的投资偏好有关系所以我觉得这里面没有所谓的对和错我也基本认同吧如果你第一天day one你就瞄准一个更宏大的目标其实最终你可能做事情会更纯粹中国人都要取法户上对是会更纯粹就像open-a一样去第一天可能是你都不要考虑上映画完全不要考虑然后你就是去瞄准最宏大目标也许这个过程你最终可能收获会非常巨大如果失败的话可能也可能万劫不复确实在过去两年整个一级市场的融资我觉得还是相对疯狂的其实你现在回头看我们其实我们融的钱很少你是不想融还是也确实没有融到更多的钱呃 第一个就是呃 确实我不擅长工资这是实话实说因为浙大有个校风或者说校训我们叫求师创新其实你会发现但凡浙大系的创业公司你去跟他的老板或者说创始人聊他总体来说还是比较务实的这种务实会体现在比如说你能做到一个80分剩90分的东西那你可能表达出去可能也就个70分左右我觉得对于资本上来说一定是个缺点对我个人来说其实所谓一种reward的不管是对公司来对投资人我个人可能不是特别在意这件事情对因为你走一条更务实的路一定也会有你的reward你一定也会获得一些东西可能有的公司reward是来于投资人给他你更多的钱我的reward可能来于我的客户给了我更多的钱或者说这件事可能会让我内心会更澎湃桑炮也是因为你有从客户这里挣到钱对所以你没有花那么多时间去寻求融资对就过去甚至有几年我们现役牛还不错就早些年所以可能Jem也没有那种渴望或者自己没有被逼到那个份上还是一个优先级排序的事情没错对当然这种一定会丧失一些机会就刚刚你说的我们可能会错失到一级市场会拿到更多的钱但这个其实你回头来看就你不可能既要又要又可以在实验科学做得很好又在逻辑推理又做得很强这两样事情你其实天然是不可能同时获得的所以一定会有取舍对 所以你遵从自己内心的更有热情的事就OK了现在智升赛道有中国的百育俱乐部而且这两年今年吧突然百育俱乐部又多了很多新成员然后大家手里都有很多钱对 你羡慕他们吗不限吗我们上市后也有很多钱这没什么好节目的对我觉得是这样的钱多钱少这件事本身跟他本身承担的风险和贷害也是相匹配的事实上你知道在中国融资其实是一个很多时候大家在融债不是在融资所以其实对他来说他其实是被付到更大压力的你可能融了50亿那意味着你可能背了50亿的钱在回购所以这两件事情其实是对等的只不过现在大家愿意把这个钱这个钱只是让你代为保管的你现在需要其实是让它发挥价值所以最终还是要回到你用这些钱创造什么价值如果你创造不出这个价值可能这个东西就是一笔债对你觉得他们未来会羡慕你吗好意します他们未来会羡慕你吗会羡慕我 我不知道 我觉得应该也不会吧 我们这路也比较苦 是更有更的难 更有更的苦吧 我本来也是你的这种看法但是因为随着聊得多了之后 我听到一个也蛮有道理的声音 因为这个行业现在钱很多 在你原本资源有限的时候探索一条路你得花比如说三年的时间 但是如果你资源是无限的情况下 三年可能就是缩短成半年把试错的时间缩到最短共识就会很强的形成中期的缩短也好或者说技术路线快速迭代和验证也好其实我觉得第一它不是对这一家公司是对整个行业都是有帮助的所以首先第一我觉得市场上有更多的钱进来然后让大家帮助大家快速试错其实不是对一家公司的帮助是对这个行业全行业帮助我在这样一个人才快速流动的这么一个行业其实 [55:00] 一个公司很难有秘密他快速验证完以后可能不出三个月我在中国这个速度不出三个月可能所有的工作都会follow上可能两年前大家都在讲VLA讲VA但到今年里面翻遥望全变成世界模型最开始大家一定要实物数据甚至大家会争论是仿真数据合成数据还是真实数据到今年大家又会趋向于大家应该搞UberD采集就所有人你会发现都在快速分化又快速共识快速分化快速共识所以这个钱的投入其实是对行业本身的促进我倒觉得所以对于我们来说可能虽然我们可能没有那么激进的一个投入但事实上我们也能分享里面的红利对这个时候行业里面就会有些坏小孩就觉得说你们拿吧多拿点多试错给我们提供一些共识好吧我我我我好的默认了对就是我觉得这些很有意思的事又快速分裂又快速形成共识就你觉得这个当中形成的共识是真共识吗我觉得不一定如果你是一个真正有这样的东西其实是有民权判断标准的其实这个标准就是在落地所以有价值逻辑就是你能真正的带来一些给客户能创造一些价值或者说给你的社会能创造一些价值我觉得都算创造价值的那如果在某个共识下我们能发现它有这种价值产生了那可能这就是个真共识你觉得去年的VLA和今年的世界模型这两个共识现在看到价值了吗我觉得我看到一些可能性但是现在我觉得还没有哪个所以去年VOA和今年世界模型没有follow吗我们有在follow但是我们在follow过程中其实我们会去做一些选择因为我们自己看巨星是把它分成两个围都去看的一个是一些新的技术范式一个是一些新的产品形态其实这两件事情其实我没有必要把它已经看成一个整体我们可以拆开看不管现在像人形不管是双组人形轮式人形四组我觉得它都是归于新的产品形态但是你像VIA事业模型你可以把它叫新的技术范式这两件事情是可以独立被验证的它没有必要放在一起被验证所以其实我们的逻辑其实也很简单首先我们要选一个我们觉得已经落地但是可以被新的技术范式所迭代的一些场景我们可以先去做比如说我们最近在做的一些剧生的像一些插车类的模型其实你会发现和人形相比插车这件事情场景非常明确我不用担心数据的问题对吧人形大家一直在说数据是很缺失的但是自动擦车没有数据的问题因为它原来有人公开擦车的数据呀传感器就是人形上大家一直会焦虑的是我的数据可能我能踩到数据当有数据你数据还不够完备比如说你的这个例的传感或者说你的触觉那你不是一个像素化的传感你其实很难被训练或者说你都数据甚至有一些我看数彩中心连触绝数据都没有那你怎么能证明这是一个好的数据呢对吧但可能有的查评它就没有这个问题别说查评这个查评就没有这个问题就是我不需要很精准的理传感同样的第三是一个数据筛选的问题就是我收集了这么多数据机械人数据那请问哪些是好数据哪些是不好的数据你的判断标准是啥我相信这个标准是不清晰的什么叫好数据比如说我现在拿杯子你说我这样拿是不是好我觉得ok你这样拿好不好 我觉得也行这样拿行不行也可以所以其实你会发现人形或者说这种产品形态上它自由度太高了其实往往自由度带来的问题它不是一个控制上的问题它带来问题其实是数据的筛选问题它会让你什么叫好什么叫不好的事情变得很难判断因为你自由度太高了就好像大家去做自动驾驶大家不会有一个公司把传红灯的数据放到你的数据集里面去做训练因为他能清晰的知道这是违反交通规则这叫不好但是人的数据里面什么叫不好这件事情太难被判断了所以就标准很难收敛没错你的数据筛选是问题所以其实我们不去人形上去做一些新翻试探索的核心逻辑就是第一数据很难获得第二数据即使我获得了它可能不够完备比如它缺一些磨碳第三我即使把一个不完备磨碳税获得我又很难筛选叫什么叫好什么叫不好所以这三点我觉得是巨升人形上三道坎既然这个问题很难我能不能找一个这三个问题都不存在的场景我先去用新的方式如果能解决OK它也是一个非常好的事情我能创造价值所以其实我们反而是在一些我们认为非常相对成熟的场景像插车这种场景我们把模型放进去训练我们用的方法也是最新的方法这样你就能follow了对而且我能产生闭环的价值而且只有产生闭环价值我认为数据才能源源不断的涌现或者说低成本的涌现现在假如说你没有创造价值可能你需要数据你要去买数据你需要去把东西送出去也去采数据你的成本是很高的但如果你能给创造价值你的数据的成本是很低的是能不断涌现的所以其实对我们来说其实模型当然很重要技术范写也很重要但是我觉得场景可能相对来说会更重要一点市场上有两拨公司第一拨公司是上一代做这个纵化机器人做到翘楚的没有大量的 [60:00] 客户和大量的场景另外一派就是巨升今天的创新派他来了我也不管你什么场景和客户我先去探索智能然后我当我这个智能可以被标准化成为产品的时候其实是我定义场景所以它很有可能是一种颠覆式的我们现在很难说到底谁会赢你怎么看这个问题我觉得首先在大的2B端渐进式的机会更大当然在图C端我觉得颠覆式的机会会更大这是我自己类心的一个判断比如说在B端其实B端是个什么场景其实你会发现B端非常追求的一个叫性价比你一个没有性价比的东西你在B端是没有办法被大规模应用的性价比这件事情其实就意味着你的硬件你的软件需要有一定的特质化而这种特质化又很难就比如说你看我们今天这个场地有这么多种机器人你试想一下有没有可能一家公司生产出所有的这些机械至少我判断是不可能的不可能一个公司把世界上所有的弊端机器人都生产出来这件事情是不可能存在的但是为什么我们需要这么多种形态的机器人为什么不用一个推过人形是因为在这个场景下这个机器人的性价值最高就好像我一直会举的一个例子比如说我现在有一托盘货物一吨重那现在有三种解法第几种解法是你造十个人性基金去搬这坨货第二种解法是你用一个人行进行去开一台叉车去搬这托货第三种解法是你要这个叉车自己就是一个巨身的叉车它自己就会搬这托货很明显 最经历的人一定是第三种对 成本最低而且从生物的进化来说人自己都在创造工具叉车就是人发明的对吧人自己都在创造工具结果你用完机器人以后你说人的工具你不给他用了或者说我要让机器人去徒手办这个不现实所以最经济的方式一定是让插车变质的而且这个东西也成本肯定是最低的所以一定会演化这些工具大家做人形他是说因为工具是被为人设计的所以我用人形机械是最大的一个模型对吧这当然是成立的第二种方式是我让每个工具的聚生化成本足够低工具的聚生化可能也是个趋势而且在弊端至少目前阶段在一个通用的范式没有出来之前我觉得这个是已经在发生的一些事情了一个存量市场对或者是需要更新的存量市场对是的或者这么说现在B端大量的设备原来的自动化设备都有被重做一遍的可能都有被整个用AI技术重新刷一遍的可能性这里反而我们看到了大量的机会只是说他可能没有长得像人一样性感但是里面机会巨大另外一个创始人就是林初的王岐斌我问他到底哪一派公司会赢他说他以前觉得有场景的公司能赢但是后来他改变了想法因为已有场景的公司就意味着他已经有确定化的商业收入他会被禁锢在或者某种程度上他被绑定在原有的那套路径当中他很难跳出来这就是创新者的窘境我困局其实也是有方法的你像我们现在在看这个事情无非最上面其实是模型嘛那你从第一次来看如果你要做到好模型你最重要的是什么还是数据回来对于我们这种自下而上再去构建这么一个体系的我们怎么获得数据先回答数据问题再回答模型问题因为我相信我永远相信一个有足够多的好数据的公司不管未来是上面那个公司能成还是下面下面能成有好数据公司永远可以利益不败之底因为我觉得在某种程度来说数据就约等于模型因为你的模型要靠数据去训练,你的模型要靠数据去验证,所以我唯一要回答的一个问题是,我怎么样获得最好最多的数据?打断一下,提了一个非常好的问题,也是我前一期在跟王奇兵聊的时候,我们重点聊的问题,就是到底什么是好数据?首先就是大家现在定义不一样,第二他提出了很惊艳的一句话,只有自己训模型的公司才有资格去定义什么是好数据,就是你的数据一定要闭环到模型的训练。之后才能够说好数据的标准是什么样其实你也可以反正说一句话你只有把这些你的这个模型应用到场景下你才能知道什么是好数据就你比他更多一公里就还得要落到场景里面对因为好这件事情其实是需要一个被迭代的就你不能说第一天我说这种格式就是好还是回来的话你怎么验证它就好这个模型甚至你的传染器排布你不能说我现在这种传业器设计就是最好那正好你是要在详细中被验证的否则就会说我这个模型很优秀我这个模型很好但是你用RoboD其实大家没有办法去评判就好像为什么打RoboCup你说你的方法好我说我的方法好大家在一个统一的评价体系里面去做那只有有首先你要有统一的评价体系你才有好这件事所以我自己对数据好不好 我有自己的一套评价标准我觉得好的数据有几个第一是这些数据是在真实场景下获得的所以你是真机数据派我是真机而且我坚定相信真机数据一定会有scaling law只是那个东西没有被找到而已那个范式线大家还没有被找到而已所以我是坚定的真机数据派在场景应用逻辑下我认为数据好是有几个定义的第一是好 [65:00] 你的这个数据一定是多样性的你要在多场景下能采集第二是你的数据天然就是已经各种多长一下你的格式是统一的或者说是对齐的就好像现在大家可能就买一堆数据但是实际上你你要花大量成本去把这些数据变成自己的模型能吃进去的数据所以你的数据一定是要天然对齐第三是它是能被持续低成本产生的这叫好数据如果这个数据很贵它天然就没有商业化基础不可持续不可持续所以你融再多的钱你说我要花个几十亿比如说你像OpenAI买数据一年可能几亿美金甚至十亿美金的预算大量公司其实是买不起的所以我觉得要满足这三个条件在等到一个好的范式出现以后你又才才可能获得最终的那个全知全能的那个模型这样的好数据由于你们天然的拥有很多客户和很多客户的场景我觉得这个是现在最大的优势首先回到第三的定义第一是多样性其实我们现在控制器是持2000多种机器而且我们支持大概适配400多种传感器业400多种传感器业这意味着什么意味着其实我在各个场景下各种机器人场景下我都有数据控制器它所能拿到的数据是什么样的数据环境的比如说它的激光雷达的数据相机的数据包括机器人的执行轨迹的数据实际上我们都能获得而且我们的机型的丰富度够你可以理解成至少弊端尝一下我各种机型我能拿到数据我基本上我我的多样型大概是2000多种SKU这是第一个第二个就是因为本身所有的传感器都是接到我控制器上的而且我们控制器会有整套的外存标定的工具所以很多客户造好机器人后我们还在我们的软件上还可以做自动化标准那这些东西做完后它是天然堆积的所以你不管是A+的激光雷达B+相机C+四伏驱动到我的控制器最终采下来出去都是我的格式所以第二他是天然对齐的记忆三因为我有长期化逻辑所以这个数据几乎是免费的而且质量很高为什么因为往往当机权出异常的时候客户就会把数据主动给你这有点像自动驾驶的接管数据 你进行不出故障 其实就是corner case 没错 所以这是高纸样数据 满足这三个条件 虽然你看我在大量的铺场景 我在大量的铺机型 我在大量的采数据 但是这个东西我没有很急着说我一定说现在就要拿去做什么 但是这件事情的本身的存在啊 这个其实是我们信心的一个来源 没有急着先要去做什么 值的是什么就没有急着把所有数据放一起训模型但是我们会训很多锤列的小模型为什么没有急着去训一个所谓现行业最热的通用大脑我个人还是觉得太难我自己会觉得我会更务实一点我喜欢的是逐步验证比如说我先把数据先做隔离比如说插车数据我先只在插车上用我没必要在插车数据里面放一点人形的数据在人形的数据里面再参一点清洁机前数据至少我先验证在插车的上以下我能不能训出一个插车实数的模型在清洁场景下我迅出一个清洁大妈的模型对吧 你先把数据隔离如果你数据现在把所有数据混在一起你说要一个我其实很难想象一个多大魔术能把所有这些数据都吃进去但是你要我去想象一个插车工人的模型什么样的 我至少我知道大概怎么去构建它 你现在在讲的这一块有点呼应你刚才讲的你更相信未来机器人也会是MOE那套系统就是专家系统 你需要什么样的场景任务的时候你调度哪一个专家 没错 你现在其实就是把一个又一个的专家先做好 没错 其实对我们来说是这样的 比如说我有插车工人模型 我有清洁大妈模型 我有各种模型后 那背后是可能我成百上千个场景这些数据的格式又是统一的你知道它有两个好处第一个好处是我在这个场景下我就能落地我就能有数据不停的获得第二个好处是真的有一天有一个饭室突然出现的时候你就发现我所有为我的插车工人家清洁大妈家所有的都已经准备好了所有这些数据ok来吧那都放进去我们看看会产生什么就像念单一样对吧把所有原材料全丢进去但我告诉你我原材料都已经是已经现在是今天就已经准备好了所以既坚固落地用为未来做好准备因为我还是那个观点我觉得未来那个模型约等于数据我只要保证我是中央金量最大的一个我的数据又是高度对齐低成本获得的我觉得在未来竞争之后就能立于不败之地其实你在马来西亚一个范式真正出现且被验证的时候你已经把预制的数据都准备好了没错你在等风来对在这个时间最重要的其实是装机量为什么我们要去做机身控制系统你控制系统就意味着你机器人的可能性我们希望大家在我们控制系统上创造出各种各样的机器人那这样的话就有多样性第二我控制器又保证了数据的统一性然后通过控制器激发更多的人去做机器人降低机器人的门槛然后我的专业量才能起我的数据的持续性才会有所以其实我们做所有事情都是围绕着说怎么样获得更高的高准央数据来做那像未来如果颗粒度比较粗的看一些巨神公司它也是类似于这个思路通过把硬件做好把这台机器人送到更多的场景里面去部署获得更多的数据然后我再把这些数据收回来回传 [70:00] 我的大脑训练大体上你们是属于一条路线就是你真实场景当中去获得数据但是区别是因为你是控制器而且你做的是一个更开放的生态所以其实你会获得更多样化的数据因为你可能比如说他就只能做他自己家的本体或者一类的但是你可以做很多不同的我觉得最大的区别可能还不是这个我觉得最大的区别还是既然你要去采数据本质还是说能被大量的装击和推广我个人只是认为说人形这种单一形态在这么多弊端场下它没有办法被至少目前就没有办法被真正的通用所以我们才需要说去为各种场景去构建各种形态但是先供一家公司又不可能做到这件事所以我们需要通过控制器帮助更多的公司去做这件事所以我自己的一个暴论我会认为在B端不会出现真正的机器人巨头在B端不会有真正的机器人公司出现为什么因为未来所有的设备公司都是极限公司所以也就不存在机器人公司当所有人都是机器人公司就没有机器人公司了现在我会认为未来的一些大厂不管我说大厂还不是说这种什么车厂互联网大厂不是我说大厂甚至是一些制造企业的大厂像福士康这些公司未来也会是机器人公司你凭什么支撑这个判断?就是这些公司都会是机器人公司?因为门槛会越来越低首先我觉得机器人的生产制造门槛为远迪我可以举一个上一个又说上一个时代老灯眼的例子我们可以反问一个问题就是这个世界上最伟大的做产线的公司是雷家做工业产线富士康富士康用产线大家不做产线不知道没有为什么因为谁都可以做你会发现比如说一个工厂我要去做一条产线他会指定某个大品牌吗没有的但是他可能会指定说我的空中系统是新闻子PRC我要求招标的时候大家都用西门子PLC来投标但是你会发现在这种逻辑下它是没有一家所谓的真正的产线巨头的说全世界的产线都是这家做的他们把世界上80%的份额都吃掉没有这样的家发现因为产线都是各个工厂自己组装都是自己定义永远是针对于我这个产品最适合的一条产线最高效率质量最多保证两品率最高的一条产线它永远追求的是这个所以在这个模拟下你会发现没有产线的巨头产线无非是一个自动化时代的产物现在是智能化时代我们到AI时代了它的产物可能就是机器人产线没有标准产线为什么一定要有标准的机器人呢或者说你机器人服务的产线都不标准你为什么机器人反而是标准的呢这个让我想到细思极恐的一点因为这个行业里面今天还是有相当多的公司在声称未来通用人形机器人一个人一个机器人就是一条产线就是他自己能够做多工种串起来这是个伟命题我还是回来一个点人都不愿意这么干事机器人一定不会这么干尤其人型机器人人因为自己的手工效率不高所以我们发明了流水线发明了重用化产线发明了机械币现在你说回头说这个路错了我应该回归手工线然后放一堆人在边上用手工线这个其实反而是个退步的逻辑对于工业来说它是倒退了因为一个机器人效率至少现在肯定没有人高同样一个人型机器人的效率一定没有人的效率高人的效率已经没有一个机器来得高一个自动化设备来得高现在你说我反过来我要把它变成个人型就好像说你现在干自动驾驶说现在自动驾驶的路线都错了应该做一台人型机身去开一台油车按照这个逻辑现在最合理的逻辑应该就是让人行进行开油车而不应该去发展自动驾驶我觉得至少短期肯定不会出现这件事待会再聊你那个暴论那个很值得展开我先就着数据再多问几嘴因为你们的控制器现在做到全球是战略第一而且在这样的一个场景下你是通过控制器构建了一套事实标准因为你的控制器卖的越多他们接入进来的各种接口数据就得按照你控制器统一化所以虽然你没有喊你要见标准但事实上你得见标准标准应该是自下而上自上而下的问题如果一个公司今天摇起蜡说我要健康表演大家来介入我我觉得是没有人会理他的为什么因为没有收益我去遵循你的标准给我不能带来收益所以这件事情就不会未发生但是如果你提供给市场是一个有用的东西大家都觉得你卖我一套东西对我产生了价值那我就会愿意去用你的东西当用的人足够多了所以它变成了标准所以其实没有必要说我一定是个标准这个东西其实是甚至在中国这个社会会被反感所以我们也从来不说我们是所谓的标准而且我们也没有说让所谓的零部件按照我们的要求来我们也不希望去做这个事就是反而我们是把自己放在一个相对低的位置比如说你的激光雷达你有单线有多线有国产有非国产有防暴不防暴有重复扫描非重复扫描那OK 我都接受我并不定义说你的传感器一定要长这样我不定义你的协议格式一定要长一样没关系 [75:00] 支配你就好了你就告诉我你的格是什么样我在我的系统里面来适配你所以永远把自己放在一个相当于比较低的制裁为什么因为我永远相信他那么设计一定有他的好处每一种设计一定有他好的和不好的点我们没有必要说让所有人变成一样的就应该大家的协议都不一样平常大家的协议要一样可以不一样我来试骗你就好了《道德经》里面有一句话叫反者倒之洞这话怎么理解如果你一定去定义了一个标准你就不是标准的制定者这话听得到很矛盾就刚刚我说的你是为了标准而标准那这种完往会受到相反的效果以自我为中心的一种标准那这种标准一定是不持久的反而是我没有标准你什么样的接口你什么样的协议我都接受我都把你失配掉没关系你改一个我适配一个你改一个我适配一个甚至我们出现过一个品牌一个系列他他给我的通讯协议不一样ok 没有问题就按照你的来我相信你的协议点赖有你的理由没有关系我适配好了因为我来适配当我适配的人足够多我反而又变成了标准所以很有反者道之洞这句话我觉得还蛮有意思哲学以为很有哲学以为当你不认为自己是标准你不给整个行业去施加所谓的标准的时候你通通接纳的时候你反而很容易成为标准当你有自己的认知有自己的这种执念的时候你往往就成为不了标准明白,回到数据的问题,你觉得你现在手上拥有很多统一的,然后多样性的高质量数据,你的数据会拿出去卖吗?首先,我觉得现在肯定不会,因为我觉得还不够好在一个东西不够好的时候其实你去卖反正对你会带来很多困扰你会被逼着根据你的客户需求开始不停的要去改你的东西你认为的好数据不一定是你的客户认为的好数据在这个过程中你一定会产生一些内耗至少这个阶段我觉得我们还没有到有资格去买数据所以我们更多的是先收集先自己使用然后自己看能到什么样的效果至少我一定是一个可被验证后的一个东西才能够有被卖的价值如果我自己都没没有把一个大的闭环跑通我去卖其实有点不负责任说实话对然后第二个其实我觉得数据未来其实是应该被共享的好数据是应该被共享的对如果说未来大家采集序学成本都不够低的时候你知道你不卖也会有人卖因为在中国的整个竞争生态不是说你不卖别人也不能卖而是如果你不卖别人卖你怎么办其实要回答是这个问题本质还是在于如果一个商业化做的很好的工作他商业化产已经能赚钱了那数据对他来说只是个副产品如果这个副产品还是不错的副产品它当然可以共享出去如果刚好这家公司又比较有情怀或者说这家公司又没有这种执念这个事情会很顺理成章假设你现在手里有多10亿美元的钱你会现在就选择是一个通用直升弹脑的我觉得短期还是不会这样有在寻大脑吗有刚刚说的锤链的模型我们会在做但我们不会说但它已经不是Rubase的它是基于这一代生成式的基于数据来做的对我们已经在做而且也有一定的效果了并且其实在这个阶段我们已经在推商业化采集的一些方式了就还是回到数据持续性我们还是会去做商业化那回到你刚刚那个问题假如真有11美金的话我还是把量补上去还是补量拿数据然后更多元化的去支持更多的机器人比如说我现在可以同时支持2000种我可能要吃2万种然后让更多的品内可以用我们的控制线然后拓更多的渠道比如说现在我们在国内已经做得很好但是要在海外我们现在做的还一般那我更多的去铺海外渠道我让海外的公司也更多的用如果有更多钱以后至少未来三年到五年内我们的最重要的战略目标还是说把机器的装机量提上去在这个过程中我们也不是要求每台机身都回落出去确实在工业传有的客户是不愿意给你出去的至少他不愿意自动给你出去但是它可以被动给你出去把corner case对他们出问题给我这个他是肯定会给我的所以在这种情况下还是要量量做上去多样性做上去然后大家的使用成本降低我觉得这件事情才有可能把这个数据真正的接累起来如果你有11美金当然你也可以去第二个选择你用11美金现在就是买数据因为现在数据差不多比如说一小时数据可能100美金左右现在也没有那么高了可能差不多500元人民币吧差不多 降了一点 对我肯定不会去干这个事儿但是还是太贵了 对第一是太贵第二是就像你说的这不是我自己需要的数据可能我一定是在我自己的长期下拿到的数据所以你刚刚回到这个问题,我还是会不良。按照你现在这个思路,你觉得当下这些所有的聚身大脑公司真的有门槛吗?首先在数据上我觉得没有门槛在模型和方法上包括这些数据的处理方式上我觉得会有他自己的know how比如说它的数据产线怎么搭建它怎么用一些模型去给它的数据做快速的标注这些东西我认为每一家会有自己的一些独特的技巧模型算法有门槛吗?我认为有但是这个事情一旦做出来以后会扩展非常快当然有门槛你往上卖 [80:00] 都是很难的但是一旦这些事情被一加实现以后可能行业内一下就出来了所以我也不知道这种门槛算高算低它存在但是它可能是三到六个月的门槛对但是反过来说数据的门槛是短期很难构建你要么用足够多的钱要么你用足够多的专心量要么你要图过多的时间这些事情逃不了要么你用钱去买要么你专业去不要么你靠足够的时间去踩反正门槛我觉得是更高的去年到今年资本热潮已经一轮又一轮了可以说是资本风暴在这个市场上训大脑的公司可以融到非常多的钱我感觉你好像也有机会走那一套叙事去融更多的钱你为啥不做没错其实拿足够多的钱对我们来说不是个战略目标如果足够多的钱能帮助我去铺更多量比如说上市那这个事情就有意义我们真正把这件事情想清楚也是大概在去年的时候把它想清楚这也是我想问你的我相信你一定是有过挣扎,有过自己的思维判断的。这个battle过程是什么样?你能还原一下吗?其实是这样的最开始是非常焦虑的刚好有个投资人有一次过来聊天他又说我们已经算老登公司了这是什么时候的事情两年前我一个投资人过来说现在他收到所有BP里面说没有VLA的BP他都不看了然后他就问我们的VLA进展怎么样我当时说这玩意我们现在也就试了试但实际上没有真的去做我说这个事我们还在观察他那个时候就说不行你们一定要去看一看这个方向怎么做因为那个时候他的感觉是再过半年到一年所有技术都要用VLA走的不会有再用你们这个方法走的所以这个时候其实蛮焦虑的你们的方法跟VLA的方法区别是什么你可以理解成我们之前我们也会用到大量的一些模型但我们的模型可能是一些比如说一些分段的小模型还是上一代Rule-based的对 但是Rule-based里面会融入一些模型比如说我们各种物体的识别我会有模型去识别 去训练但是我们不是一个真正的端到端或者说没有端到动作层没有把动作层引入挖进来投资人反正那次对我触动会比较大你平时看这个东西你会觉得你可能判断会理性一点但是当有个人跟你深情必茂的去描述他最近看的东西以后你会更容易被触动所以那个时候开始有一定的焦虑然后自己会去做一些研究然后去翻一些论文然后跟团队也会有做一些讨论那个时候我们做第一个判断是什么先follow一段时间先学习还是把自己先放到一个比较低的姿态我们先去学习很多决定没必要急着做今天我们就全部改方法也不至于所以先学习大家花了半年左右的时间去观察这一波趋势的一个变化当时我们看如果这个东西真半年能落地第一我肯定也赶不上了第二如果半年能落地对于先公团队来说我们一定也有能力把它落地我们无非就是一个后发优势我们毕竟要抢先发优势或者说已经抢不到先发优势的情况下你要思考的是你怎么样更好去做后发优势所以所以就先观察着那半年以后其实我们会发现哎大家好像风口又在变了慢慢的当时好像李飞飞包括姚立坤开始说这个世界模型了然后又卷入新一轮的学习两次以后我们发现这事好像也没有大家想的那么快然后在这个过程中慢慢意识到其实可能这里面最重要的还不是模型本身不是所谓的方法本身而是数据本身从大家一开始对方法对这种范式的焦虑慢慢转向对数据的焦虑然后再回头看我们数据从哪来假如说先公如果我们哪天要step进去然最核心的还是数据再结合我们有眼泳台发现好像这件事情上我们反而不需那个时候就慢慢又开始建立一定的自信了那个时候再更加坚定的说如果我们要做出个差异化我们要做出所谓的后发优势我们其实应该更多的要把数据掌握在自己手里更多的去把这些数据更多的多样化标准化和持续化低成本这反而是我们要去做的事情一旦你落到这个点了反而就一点都不焦虑了一下你的目标反而变得无比清晰反而又变成我们擅长的事情了但是同时在这个过程中我们又意识到说你不能没有人去做方法的follow或者说研究那怎么办那就挑我们熟悉的长影座又回到我们熟悉的产业下但是用新的方法我能把它重做一遍所以其实是今天这么一个迭代过程中从对方法的焦虑到对数据的一个坚定再到我们在我们的自己的场线下再去做实验逐步切换过来的所以所谓的旧方法到新方法就是从Rule-based到Data-based对都要出去续统对新的这一套训大脑的方式需要一个新的团队吗你的团队里过去有这样的人吗我们当时有分析过就是如果再建立一个巨声团队需要的一些能力图鉴这里面会包括几个部分第一个部分其实是对数据本身的处理管理你要有一定的经验你会发现这些人大量的集中在一些互联网的大厂一些比如说云的公司他们反而对单量的数据处理包括这种低成本处理他们会有很强的这种sense第二个其实是对于训练方法本身的一个优化甚至一些工程化优法也好这些人当然在一些综价值的 [85:00] 所以你大概率要从自动驾驶公司去找一些人第三点是对一些最前沿的探索更多在学术圈所以其实最终这个团队其实是三方的人都有有学术圈的大内容从外部顾问的方式把它引进来然后有互联网大厂的对语音有感知的对这种训练方法有感知最终形成这种团队我们的初始团队第一是外面找个明白人第二个就是自己内部转型因为毕竟对我们最了解的还是自己的内部人而且我们会认为说这一波的转型其实现在没有那么难做训练也好或者说做模型也好这件事情是可被学习的所以那个时候我们大概当时小范围大概不到100号人里面我们就激发大家兴趣你们可以往这边上去自由探索你说当时公司的规模就研发里面以他们的现在知识结构和这种能力储备是完全可以进行这种转型的然后就让大家放开了去玩放开了去学然后那个时候其实给大家相当于在原来规则驱动那条路上相当于说我们像轻踩了一脚刹车你可以理解成相对收敛一点确实我们当时也逐步在收敛一些我们的方法了他们更多时间就往数据曲弓上开始做一些转型然后击人我们第一波的骨盖从外部引入一些明白人在家内部的人的一些转身那基本上就完成了这么个过程对那我理解很多这个自动化机器人的这个头部公司去做居身化的转型他只能够做到说尽可能的不落后于市场的认知因为一家公司他最核心的那个know how以及就是前沿的这种科研的研究它某种程度上大部分时候可能还是会跟你的利益所绑定对于比如说现有大量客户和订单的公司来说它特别透彻的去研究大脑该怎么做这件事它的动力可能就没有那些出身就以这件事情为使命的公司那么强置之死地而后生因为它能刚好它就能留在牌桌上不能刚好它就会玩完了其实刚刚你说的问题可能不太存在我们当然是这样的我们把相对来说我们觉得最有潜力或者说能够把这个事做好的一些人往那边那个团队去拨过去了但是从而又拔了一批新的骨关上来去做老的那些业务对我们来说其实相当于也是一个升级的过程人才培养升级对其实我们当时有个顾虑的点反而是我们担心我们最开始担心是大家不愿意去学大家会发现完全是多虑的反而是大家是很愿意去学对那你又要开始担心了如果所有有人都想去新方向的话老方向的存量业务也得守住这一个是工一个是手对你会发现其实新方法研究过程也是一个沿途下旦的过程你在整个的新的这种模式的探索过程中它会有一些很好的一些这种闪光的一些东西反而可以把它又会迁移回我们老的技术体系就是老技术体系实际上是被新的方法也会在独步做一些迁移的因为如果在老的技术框架下可能从90分到91分92分是一个相对于缓慢的过程但有新的方法签以后你的思维会更多的被打开所以反而就是新方法跟老方法现在慢慢在有机做一些融合反而我觉得会有一种很好的正向循环但是比较重要的就是你要把适合干新方法的人能够在这个过程中能够筛选出来就有一帮充气很强人他就是对这个学习充满了欲望充满了热情拦不住的他重点是拦不住的按照你的这种筛选标准以及你自己和几个创始人的这个人格化效你们公司应该有不少热爱成分很高的人热爱含量足够高这个公司是的大家有一帮人相当于在整个不管是做技术研发还是给客户创造价值这件事情上充满热情的人甚至如果他是真正热爱机器人领域他可能也没有办法忍受自己没有去follow新的技术就是他一定要做的所以其实反而给大家打开了更多的一个成长的天花板那个时候你会跟美人学校你会反而会发现大家担心的是公司不想去做这个事而不是说公司让我做这个事推荐你听我的一期往期播客梅涛院士的采访他最早在微软研究院亚语院就是微软希望能够保持前沿探索cutting edge当时的微软有个特别好的优势就是他每做一些实验成果就立刻可以把这个研究成果落到产品现存的这个市场里面去去验证去迭代然后所以他迭代数据很快研究跟工程相结合产品化产品化能够给到researcher这种闭环这个跟你现在的理念非常的match但是这是一种非常理想的状态甚至微软今天自己都很难复制自己当年的状态当中区别到底在哪你有思考过这个问题吗其实是在于你的这个组织能够有多包容你在你的整个人才评价人才体质评价包括两方面一部分是技巧评价一部分是可能价值评价往往你的评价标准决定了你会产出什么样的一些结果首先在这件事情上你得足够放得开有的人他就是喜欢去搞paper有的人就是喜欢去搞落地这两种人你是要把它放到自己真正感兴趣的岗位上的他们评价标准是完全不一样的如果你一旦趋同 [90:00] 或者说你为了评价而评价的时候往往你会收获的就是一个不能不累的东西第一就是你的评价要更多元化甚至对有些人你就不要去评价像谷歌说的是在工作时间的20%时间去干自己改新学的东西对我们来说其实也是这样的现在我们做多机型调度的部门的人他也买了个机械币在研究你说多机型调度跟币之间有什么关系其实半毛钱关系没有关键是我们还有一个部门专门在研究人型的WBC就是全身控制合理来说你应该让做全身控制的团队去对B这块去买B研究而对做多机器人调度的团队你为什么要去研究个B其实他也很简单因为他只有去研究币把强化学习这一套他自己去再摸一摸就是在一个更好的一个平台上他去做完验证以后他想把强化学习正套引入到多机权调度里面看怎么样把最新的这些方法在他多机权调度里面去做一些优化过程中他去玩B他觉得我不能直接去堵了一个配合我得从这里面找灵感那我可以你就去就是玩就好了所以他该买还是买所以其实对于逻辑上来说我觉得就不需要给大家做很多的框去约束反正鼓励大家更多去做一些边界的探索但是对于这些researcher到底应该怎么管理 这是一个问号 第二 如果这些人才都流向了那些明星公司 当然你在2B领域在控制器领域你也是绝对的明星公司但你可能不是大脑叙事里面现在绝对的明星公司你怎么招到好的研究人才呢?首先在这件事情上我们没有很深的焦虑啊就像刚刚最开始说的打比赛这个事我我自己还是这个观点首先明星这件事情不是最重要的就好像我们招一个人来做比赛一定不是学霸最开始甚至他都不是考霸他可能只是个很普通的人但是只要他有足够的热情投入到足够的时间甚至对这个事情有足够久的坚持他可能也能成为那个明星其实我记得很早前看过一段马云的采访他就说他一开始从那边找了很多经理人过来他觉得他们那十八罗汉太土了都是一帮他的学生学校都是什么航师范的学生都不是老师他觉得这么一个团队怎么可能把阿里巴巴干成一家世界里的工作但你现在回头来看那帮人反而是他所有照当里面最厉害的人对 包括打比赛的经历也告诉我 其实很多时候外部的人一定需要因为他们明白很多东西让你少走一些弯路但是最终能不能达这个目标还是看你有多高热情你对这件事情有多相信有多坚持所以我自己反而在这一身上我自己的心态就是该接触该接触该招聘招聘但是同时在这个过程中我们尽量去选择一些真正的同路人然后大家能够心想到一块去然后能够把这个事情相当于能轻住热情我觉得这个事反而会比他本身的学术能力会重要的多的多你公司里面会做什么样的固定的活动或不定期的活动来使得大家的热情更高用刚刚的句话反者倒之动你越去做这种活动你会越让大家统一成某种固定的个性我反而就不做活动你越不要去搞所谓的CEO讲话你会发现你的员工越多元化大家会越充满个性 anyway大家也不知道老板怎么想的让大家享受自由的空气那你觉得你们的员工这个有个性体现在哪里啊我认为很多员工都很有个性的我们公司应该问题员工蛮多的我们公司可能奇奇怪怪的人会比较多各种风格各种性格的人也都有因为由大厂过来的有自己从学生时代就进来然后一直成长的比如说我们最奇葩的原本原来是干仓馆的现在已经干到我们某一块技术的leader了我自己你看原来还学医对都是一些奇奇怪怪的给大家开了个好头对所以所以其实唉很难用一个标准线来划分我们这帮员工和群体剧生现在行业热钱很多然后水涨船高人已经被抢风了你有受到过挖脚潮吗几乎没有为什么我也不知道至少我们认为核心员工几乎没有走的这个非常反常识因为你们已经是把控制器做到全球第一了理论上应该有很多人但是我知道有很多人想挖但是确实可能大家就不会走但我其实没有去深究过里面的原因是啥但是我觉得这种氛围可能是其中一个很重要的原因实际上我们不是个特别卷的公司就没必要为了卷而卷你一个天天睡在实验室的人你说你做了一家不是因为我这种状态是很开心的状态对如果你觉得睡实验室开心你就应该睡实验室如果你觉得在家里开心你就应该在家里就没有必要去约束每个人一定是怎么样的所以至少我不认为我睡时间是卷我睡家里就是不卷其实包括我们有很多员工你会看到比如说晚上很多群里面也是很活跃的我相信他做这个事不是因为说我谁对你要求晚上一定要赶紧怎么样 [95:00] 而是他真的要么他有责任心要么他对这个事情他觉得没有闭环掉他心里不开心没有最终获得那个结果不开心所以很多时候还是靠大家自己的一个驱动能力所以你延续了你父母对你的那套管理方式就是无为而知无为对是不妄为对有你想招但是招不到的人吗想招但是招不到的人我还没从这个角度去思考过你可以借这个节目呼吁啊对我觉得是这样的如果你要我定一个想招人大家对这个事情能够足够热情然后希望有些新的探索然后希望能够去一些长影下落地看看机器人到底能跑成什么样然后能给客户能创造一些价值如果对这方面有热情我觉得现功是一个非常不错的选择至少我们这种开放多元的组织氛围应该会让这些有能力的人至少不会被感觉被约束被束缚这个我是一定能保证的对你要不要喝口水啊 稍微 对 对我觉得一家有历史的公司就挺迷人的 对你们公司的历史应该是要从上一段失败的创业开始追溯起 当时是五个学生一起毕业之后就创业了 对吗你应该是投资人最喜欢的画像,连续创业,游过学还连续创业对吧有过失败经历对其实我觉得都是一段成长了不管是创始人之间分分合合也好还是一个公司开起来有关掉好不好业务选择也好其实还是回来的话所有的坑一个都消不了已经结束了公司失败了的先知应该是先公的前身吧你的公司的使命和愿景是一定要坚持多元智能这个多元怎么来应该跟你第一段经历也有关系其实最开始的时候我们也讲的是说把机器人当成个产品去做这是很天然的一种想法尤其是做这种从打比赛出身的对机器人本身是会有一定的执念的我们会觉得说那机器人就应该是有个机器人的样子你不能说光是一个控制器控制器不是机器人所以最开始我们也是想把机器人当成一个产品去做的那不就是这一波智商公司的长相吗对我们那个时候其实被投资人各种质疑的其实很惨的我们最开始先说机器人本身15年左右最成功的公司其实是像四大家族你一说机器人公司什么ABB 发纳科 安川 胡卡但你会发现这些公司有个特点它都是做本体的他没有一家公司卖空气系统的或者说它不是单卖机器人控制系统它已经是把机器人做成一个整体去卖的然后给你发昏一堆型号然后你从型号里面去挑选你想要的几钱那所以我们最开始也是follow形态我们觉得这个东西是手我们就做个脚我们就做成移动移动我们也划分一堆型号跟他学所以最开始我们并不觉得说控制器是一个而且那个时候其实投资人也会去挑战你说凭啥ABB他们卖本体你们就做控制器了对吧所以最开始实际上我们也是这个逻辑觉得移动应该也是按照产品系列去划分的你就做强势把它做成不同的底盘类型啊做成不同的负载重量做成不同的一些不同的底盘本体对然后去卖但事实上大概跑了一段时间我发现效果并不好原因是说我们跟富士康做的事富士康点醒了我们富士康就说他发现机器人里面除了控制剩下的东西他自己都能造出来别的东西没有门槛他觉得这个东西你大一点小一点这个东西重要吗不重要我这个货就是这么大你做个这么小的机器人你告诉我负载购但你机器人做小了他就不要他就要这么大的有的客户就希望机械人小一点所以光一个尺寸你都有争论然后更离谱的是当时机械人上都会有个集停按钮我们当时针对激情按钮一定要产生什么行为我们所有客户的理解都不一样有的客户说机器人激情按钮拍下去要把电机断电因为这是绝对安全有的客户说集情按钮拍下去以后要用爆炸把它锁死要有一个机械力因为你光锻炼机型可能会滑出去你一定要用爆炸把它锁死有的客户说你拍集情以后不要锻炼只要把所有的电机去使能就行了它要变成一个更软的状态方便推动有的客户说你这个机器人拍集情以后你要先减速先剪下来再爆炸说死我们一听懵了好像都有道理他不是拍脑袋的他不是在故意刁难你他就觉得我这个场景下这个机器人就应该是这个行为回过来你说谁对谁错我们发现都有道理怎么办我们难道要做这么多种机械去满足这么多元化需求吗其实无解如果你把它当成的产品去打磨的话你会发现你连产品定义的边界都磨不清楚因为每个客户说的都对那你要不要去满足这些客户的需求还有一个更夸张的有些公司说我这个晶光雷达我就要有国产的因为我是一个国企我要支持国产你把里面所有的国外零物件全给我换成国产我觉得它也有道理而且很政治正确你拿到不做吗你说我就要支持国外品牌好像也没这个道理对吧有的客户说我就要国外品牌也有的因为我这个品牌是被认证过的你能够 [100:00] 平板在我的供应商体系里面没有被认证我就要用国外品牌也有道理所以你会发现越做越痛苦就是colon case就像山一样给你压的喘不过气所以到那个时候其实我突然意识到是不是我们的路走错了是不是这个不应该这么尬直到这次富士康把我们点醒就说他感觉里面的东西他都能做除了空隙他做不了为什么除了控制器他做不了他可能没有这个基金没有这些人去做或者他足够复杂我也懒得做对他当时在做一个百万机器换人计划到福尔康内部他要若干年有100万台机器人那个时候机械臂他已经有部分在自己做了他觉得移动机器人他应该也会自己做所以他那个时候就说不买你的系统Mining控制器但是剩下图纸你都给我那个时候我们好不容易搞了一个系列图纸人家说你把同志给我我觉得待会要换一个正常的机器人公司肯定也不理他这是一个交换条件吗如果你把所有的图纸给我我未来就跟你合作我就买你的系统因为这样对它最快它没必要自己就就重头再设计一遍你待会换一家机权公司都会觉得我肯定不愿意啊因为这是我的核心技术呀我干嘛把我好不容易迭代认证虽然你说这难吗也没那么难但是我没有必要把它拱手向上了对吧但后来我们想想这个东西也有道理确实这个东西未来可能真的不应该有门槛所以那个时候我们就把图纸都给了说那我们就卖系统给你那没问题然后反而把这个东西控制器开始当成个产品去摸的时候反而四度打开了因为原来在一台机器人上我没有办法被统一的事情在控制层面尤其在控制器背后的软件工具链层面我是可以统一的比如说刚刚拍机器应该是什么行为我给你提供四个选项你自己配置对然后激光雷达我都帮你适配好你自己想接了一个你自己接了一个接口我给你预留所以原来在某一款产品上难以被统一的需求当你把他升为以后你发现都能被统一那个时候其实人是很开心的你终于不用去拒绝一个个客户然后丧失一个个机会了你会发现好像都有机会在一套系统里面把它整合进去所以就那个时候就开始慢慢的就切换到控制器就要死不上来了但是这当中非常有意思因为你是从卖本体变成卖控制器实际上你是从一家2B的定制化产品公司变成了往平台转型在那个时候做的时候压根没有去想这是不是个平台的生意只是觉得这么做可能更对一点但是实话说你回推到几年前你压根没有想象过未来会发生什么样所以我现在总结就是所谓的公司的战略有一大半都是事后总结不是事前规划可能80%是事后总结20%是基于你80%的事前总结对后续的一个延伸推导但当时你看到他给你指的这条做控制器和系统的这条路还是有很大显现空间的对至少这条路如果再往下走的话我觉得是有机会的而且这个东西更符合我们的基因或我们的风格因为刚刚跟你说我其实很讨厌拒绝人或者说拒绝很多这种所谓的真实的客户需求我觉得这个是不应该的就是人家说的是对的你一定要告诉人家这个好比如说人家就说排吉田要弄爆炸你一定要他要去省不应该弄爆炸我觉得这是不负责任的对所以就让人就变得很开心就是你第一家公司先知哎对对对对为什么叫先知啊都有个先为什么那么喜欢这个字啊就为补先知嘛因为我们当时第一个客户是一个巡逻巡检的客户许多询件最重要的是未卜先知预防风险所以当时就取了这个名字本来想用仙芝就是仙生的仙只是说那个名字很难申请下来有点宗教色彩所以后面就改成了神仙的仙那家公司当时就是卖底盘对吧但是你们那个阶段应该是赶上了Slam那股热潮1617年出现了非常多这样的公司对好奇的是Slam其实催生了很多今天还留在牌桌上的物流场景里面做的最好的那一批公司你其实是没有PK过人家在那一代或这么说我就属于换到了没有往在路上再去卷了或者说可能我们会越多越发现那不是我们擅长的东西会不会有一方面的因素是因为你们毕竟是学生创业学生创业有可能会踩更多科现在复盘的话你觉得有哪些科第一是我们团队的弱点很明显我们连创里面就没有机械很擅长的人哦但凡我们年创里面有一个机械很擅长的人我们说我们以后自己不要做机械设计把机械设计图给别人他处于研发人员的自尊他一定不愿意嗯他就觉得我靠这东西多有know how我好不容易睡意出来的我凭啥对别人反而是我们因为没有这样的人所以我没有执念所以第一个就是大家的弱点很清晰反而你做选择的时候你就没有负担你刚刚还有什么问题来讲第一次创业有哪些坑第二个大家都是解决问题的思路 [105:00] 所以往往客户来了个问题以后我们其实首先不想的是客户对不对而是这个问题要怎么解决工程师思维对更多是偏这种工程师思维就是上来第一步想的永远是怎么解决所以我觉得这两点其实变相帮我们去避免的一些坑当然可能换个角度来看可能会让你走的比较慢假如说你一开始你不是学生创业你有一堆这个客情关系也你有很好的背景上来你可能会收获一些大的订单对但是因为这个事可能来的太容易了你可能会产生一个很就是怎么说呢无尽依赖对对对对对对这是一种可能跟你能力不匹配的路径依赖那个可能会更糟糕一点所以还是你一步一步坑踩过来永远按照自己的能力范围在做事情你可能形成的东西可能才能够更持久一点第一家公司先知正好赶上那波Slam移动机器人的风潮为什么你没有成为移动机器人跑出来卖产品最强的那几家公司其实可能就是刚刚我说了一个点那个时候其实我已经有个感觉是移动机器可能它最终没法形成产品那个时候我脑子没一直这么觉得我觉得机器人未来不是一个产品而只是一台设备真正能形成产品的可能是背后的软件和工具链可能不是那个产品本身而且这件事情的门槛一定会越越低就那个时候其实我已经有这种感觉了当我形成这种感觉以后你在我自己去做某一个单一产品的时候其实人就不愿意相当于已经自己内心给他那条路判了一个我觉得我不想走你还要我再去做可能就就会有点违和了所以反而我就没有往那个方向去发力了反而更多变成帮别人去做他心目中那个极限应该长成样我在背后给他提供支持就往后退了一步所以第二次创业是你自己的心之所向了就完全就是做系统没错就是把机器人不要当成个产品去做而是把它背后的系统当成个产品去做帮助别人去做他心目中的机器人这一下就很顺这个人不割裂因为原来你觉得系统很重要但是既然系统很重要你能帮助大家把机器做成那凭啥你自己要去做机器人对吧你不是自我矛盾了吗如果你的东西好用到让大家都能做出机器人你就没有必要做机器人了如果你还要做技术证明别人做的不好别人做不好那不是还是你系统不好用吗逻辑不就不闭坏了吗所以后面我们就坚定的放弃说我们自己不做机器人一台机器人都不要去生产不要去制造但是我们可以帮别人去联合一起去定义或者说我们在背后给你提供能力支撑把自己放在一个支持者位置上反而很舒服第一次创业还有哪些遗产是可以用到这第二次创业来我觉得整个创业过程最大的财富还是说你见过哪些东西踩过哪些坑所谓的这些失败的经验你觉得真正的算坑的到底有哪几件事比如说基本上所有穿业者在第一课都是现金流很重要所有的机舱文都会跟你说但事实上我觉得90%以上的创业者是不理解什么叫真正的现金流因为他可能没有了一个治安时刻就是没有见过没钱的时候到多没钱叫没钱你没钱的时候是就是你发完工资以后就就账上已经没有一分钱了下月工资已经看不到在哪了那不就是兵临现金又锻炼吗对啊大概持续一年多时间那在这种情景下你怎么坚持你怎么要去做一些选择你怎么坚持啊硬撑 你坚持半年 一年多了而且还让大家可以无感知的自由的做事情什么叫让大家就比如说所有人都知道公司快没钱了第一这个东西很容易陷入这种恶性循环大家的行为会更保守比如说本来你要做个展会没钱我们就别做这个时候可能你会那你客户就会线索会更少你就会陷入一种恶性循环所以在这种情况下你怎么避免这种恶性循环的出现就是那种生灵奇迹的感觉是不经历过人是永远没法体会的所以那时候可能只有我和我们财务负责任者连我连创都不知道然后自己一个人守了半年一年多吧一年多对那你自己是什么感觉压力大吗没有我只我我只是把它当成了一个问题在解决而已它只是个问题怎么可能啊真的我睡眠质量一直很好心态这么好从小就这么好我一直应该都是这样的就是现役流反正不好也是个问题那无非是怎么解决这个问题所以很多时候在解决这个问题的时候是不带情绪的也没必要引入情绪怎么解决现金融的问题那个时候要么融资要么贷款 赔自己借钱嘛自然而然发生的过程就没有刻意的去做太多的事情尽自己这段努力 但是也接受所有的结果经历过这种现金流都很危险的状态 第二次创业的时候怎么避免不要再犯这种财务上的错误说实话我倒没有刻意的去做哪些事情第一你该做的经营类的数据的看板你要做出现一些现金的问题现金流的问题就是你对整个业务的感知度没有那么深刻如果你每天看到数据的变化其实你不会突然一天公司没钱它是个变化逐步变化过程所以其实我们后面整个数据化建设我们会非常重视在IT [110:00] 其实我们自己现在内部系统几乎都自己从头搭的第二段先攻就是专攻控制器了是从day one就定的吗?因为我们会同期发播客嘛就在画面上我还可以去做文字的注视但是听播客的朋友我们照顾他的感受就你给大家介绍一下什么是控制器其实对于一个机器人来说控制器其实本质就是他的大脑这个大脑和我们现在说的智慎大脑其实是这样的如果你把它往前推的三到五年它就是一回事就像最早的像维某他们做做动作驾驶他虽然是基于规则你说他是不是大脑他就是大脑他是当时的那个实验下最好的大脑只是说我们有新的范式以后大家对大脑要求提高了但是不意味着它不是个大脑一个做了很好的规控和一个做了很好的模型它都可能成为大脑我来帮大家翻译一下规控就是你可以控制它的轨迹它该知道这个时候该去哪儿它还是对环境是有感知的它是基于整个环境的变化它自主产生行为的它颗粒都比较粗就像你机器人踢球一样它不是基于这种数据去学习的但是它可以用规则的去把这个场景去进行描述去进行分类甚至引入一些小的模型对它去进行分类这个东西其实它本质也是一个大脑只是可能它对大脑的牟利程度的刻意度就像你说的可能更粗一点或者说你很多东西通过规则没有办法穷尽就像早些自动驾驶一样可能我是数千条规则但是它本质还是个大脑那只是说现在大家会认为说我要更多有一些模型有一些数据的学习数据去弄的方法去做它会更接近于我们理想中的大脑而已但是事实上它承载它的都是我们的控制器你不管去承载的是一个规则还是说承载的是一个模型最终都是要通过一个控制器硬件去承载的你不是一个迅无缥缈的一个能量化的东西你一定是个实体化的东西或者这么说吧今天我们在讲巨生智能大脑公司的时候他们做的其实并不是physically的大脑智能的模型然后你的大脑控制器是指智能的载体我觉得它是个软硬结合的东西只是说软的东西原来是规则现在可以变成模型同样的你也需要一个硬件去承载这个东西整体就构成了大脑你做的是硬线大脑硬件加软件只是说之前大家会觉得规则够了你做的是Rubase的大脑在过去对过去就是一些基于规则的大脑现在把它慢慢迁移到基于数据的大脑其实是这样的现场所有的物流或工业行业的这种移动机权是我们最早做的像我们通讯器从移动慢慢向一些操作manipulation比如说可能之前你会看到一些复合类的机权就是人形的上一代你可以理解成就是一些移动家B 轮式底盘上面有B 对这类其实也是我们的范围不是你后面这一台对其实已经接近到人形了单地可能连头都没有在空间中其实很多客户会把它当成一个必长无限长的机械壁大家也可以去这么定义它包括现在可能一些配送的这种机球这种配送也是在领域里面的包括刚刚你说智能叉车也在如果我们普通人未来想要看到所谓的机器人 机器狗 机器轮盘 机器车它真的要渗入到我们的工作场景的话它都离不了这个控制器它都需要一个大脑硬件和软件没错 这个硬件本第一是你必须要跟传感器要跟你的执行器粘接在一起你不能说放在一个云端把这些传染器事实扔到云端去处理你肯定还是要本地化做处理所以本地化的硬件一定是需要的那你就算端侧大的对当然你可以跟云端的模型做联动但你其实端侧一定要有个实体在当时我们去看这个行业其实你会发现大量的所谓的Colon case的场景没有被满足即使在一些所谓的主流场景下也有很多做的我觉得至少没那么好我们当时会觉得机会还是很大的就是你不做我都做所以其实最开始我们其实是全面出击当时国内做的控制器的公司多吗绝大多数公司都把机械人当产品做极少有公司把系统当产品做从难度系数上来讲要做一个机器人的控制器这件事情难吗?这件事情先不说难就他很累就比较苦比较累这个是因为是这样子就是就像刚刚说的其实对于我们最开始的这些研发人员来说你说你去支持什么100个品牌的雷达这件事情听上去就不性感对于一个但凡有追求的研发他一定不愿意干但是你又得干因为每个客户他有他的诉求在在这种情况下你怎么去让大家接受说把这些雷达都适配把这种场景都支持大家都会觉得我就是为了支持这么一个客户这个客户的量多少我还不确定短期来说你是看不到很大的一个市场规模很大的一个value的但是这又是偏偏所谓的之前的巨头不愿意去做的你要去做这种就刚刚你说的创新者的窘境从边缘开始要慢慢的去做一些事情所以在早期的时候其实是比较痛苦的你最后怎么把原来的第一名PK掉了呢?其实就是刚刚你说的农村包围城市一开始一定是一些大家看不上的场景或者说大家觉得这个东西就这样也能用但是事实上你要把它更好用而且每个肠 [115:00] 比如说人压支持一种方式 我支持四种方式人家这是一个品牌我支持10种品牌人家这个地方可能人要跳转三个页面才能配置好我只要一个页面自动化就给它学习好对人家配一个参数配错了可能机器人行为会有些异常我怎么样让用户就不要配错你会发现其实里面有大量的一些细节这些东西其实对于一些尤其是一些欧美公司来说大家会认为这是Dirty Work但事实上当你做过独够多的Dirty Work的时候,并且把它能够收敛到一个产品体系下的时候,其实这些事情你会看到它是能产生,迸发出很大的价值的。从那些巨头们先不愿意做的客户开始?他不愿意去支持的品牌,不愿意去适配的功能,不愿意去,支持了机型然后我慢慢的延展了最终可能就进到一个主战场再去PK就是我后来去做了一下研究像XX那些就是他会做全站的字眼再加上一个技术方案就是卖给下游的客户那问题是坐着坐着他们可能就跟客户成为竞品了是会出现这种情况吗像你刚刚说的这些公司它更多的是一个垂直整合的模式就是能自己做的尽量自己做这样的话把整个链条上做极致的优化然后最终成为一个行业的一个整合化巨头在这个模式下其实就往上游和往下游它延展的越深利润只有越厚对 或者说它能绝学利润更多而且它能形成它的一体化优势就是刚刚你说的全站字眼这是一种我觉得当然非常好的一种模式包括中国过去很多公司都是这么干的那先公其实我们反而是一个完全相反的模式我们是能不要自己做都不要自己做比如说您不见我就不要自己做然后下游的机器人我也不要自己生产也不要自己做再往下的交付能不做也不要做除非客户一定要我交否则我也不要做因为还是回到一个点就是我们会觉得第一是在这样一种大家这种精细化分工下大家是更有活力的同样你回到下游也是一样的就是永远有公司比我们更了解用户是什么样的第一用户自己比我们就更了解他所以那OK我更多帮助了解他自己的公司他帮他把机身做出来这样我的家人能最大化他的家人也能最大化所以我们会觉得这是可能从整体来说是个最优解听起来就是你不想什么都做对你想做你们这人感兴趣的事情是的就是我们希望是我们做好一个东西大家最好在这个上面做出一些我们都想象不到的东西这个东西我会更开心就比如说之前我们有个客户拿我们去做了一个畜牧的机器人我们从来没想象过畜牧的机器人应该长成什么样对对对就给流洋自动投喂的机器人但我们从来没运想过我们会去做这个实验货但事实上最终你看了这个东西以后你会觉得哇好巧妙啊就你要我们自己做我们也做不出来但是他就用我们东西做出来的哎这个事情反而会让你很开心嗯因为他有畜牧行业的know how和畜牧行业的数据对对对然后他知道怎么样让这个机器人最终设计出来是最符合这个场景下的需求有点理解你刚才讲的就是每个弊端的行业他一定是自己定义自己最优的那个机器人对没有人比他更懂他的这个行业没错是的所以我们要做的是帮他把门槛无限的降低就是让更多人可以引勾进来这件事情其实是我们的心虚所在的你从一开始卖控制器卖人卖人那个曲线增长就起来了所以那个曲线增长和你的平台化战略它的先后是什么样的是这样的我们在做控制器的时候压根没想它未来会成为一个所谓的叫平台或叫生态其实我们第一天没有这种预期我们只是觉得这些事有价值只是随着行业进不往下大家对机器人接触度越来越高我们会发现这个行业有个很大的gap就是有一个很大的工需的矛盾第一个你会发现机器人种类太多了没有一家公司能把所有机器人都生产出来但是我们又回到客户从需求方来说他可能在一个工厂里面又需要各种各样机器人比如说你上下料装卸货然后你还需要清洁机器人你需要这种跨楼洞之间的这种转运的机器人分解的机器人你什么机器人都需要但是又没有一家公司能提供怎么办那其实不就是个很大的gap吗那所以我们就会发现说在这个过程中反而先公能做一些什么样的工作帮助大家把这个工区之间这个矛盾能解决所以围绕这个点我们当时去构建了我们的一个信用平台我们希望说那既然我们有大量的客户已经把机器人做好了而且里面先公我们又扮演了核心控制了一个角色那能不能让我们的客户在这个平台上就能挑选到各种各样的机器人然后从我们平台把这些订单下给我们这些客户让他们打成一个非常好的交易一个负能者所以就慢慢形成我们现在平台化策略了在一套规则下希望大家百花齐放对 是的 控制器应该是你整个机器人本体硬件当中最重要的核心一环然后他要接收所有的就像大脑一样他要接收所有的多模态的信号和数据 对这个东西其实是一个很自然的延伸 [120:00] 我们当时国外其实我们最开始给国外的卖控系统但慢慢我们发现不太对我们发现国外的这个工业其实没那么强强到他们可以在国外完全把一台机器权组装出来或者说在国外你要去生产制造一台机器权它的交机成本极高郊西极长然后那个时候有很多海外空去找到我们他发现中国的机器人性价比很高但他不知道问谁买或者说他买了一堆机器人过去他很难维护因为他要学习各家的机器人的使用的API使用的标准使用的手册然后自己通过系统去对接他发现这是一件其实不容易的事情其实老外其实挺爱学习的说实话但是你给他同时学习一堆东西他也懵所以那个时候我们就发现既然先问我们已经把国内这么多机器人的公司或者说一些自动化公司都让他们做好机器人的话那是不是让老外在我们这个平台上就可以直接把所有的机器人都打包一起提供又统一标准又统一标准你开始在扫盒对就相当于我们就把它连接起来然后这一下就发现哎这个大家都很开心对于国内的我们这些客户他能快速出海然后对于我们国外的这些客户他能够拿到各种机器人又不用去学习大量的一些标准那学会我们这套软件就OK了所以慢慢的飞轮就赚钱了明白 但是现在真正头部的公司在这种核心零部件上他们都是选择自研的 也包括了控制器 对吧比方说像语树肯定控制器他自己也做了我觉得这个是个必然就像造车一样大家都不愿意失去灵魂吗就像于晨东说就所有车体都不愿意失去自己的灵魂那所有机械人公司我相信大家都会自己做因为首先我觉得对于一个控制系统来说硬件一定不是门槛嗯做硬件这件事情除非你自己去研芯片或者说做的更更底层 机身度更高否则它的门槛不是很高本质还是在于说你做这个控制器是自己好用的控制器还是一个让所有人都好用的控制器我觉得这里面是有门槛的所以我觉得对于大量的公司来说自己去研究控制器这件事情没有任何问题嗯但对我们来说换句话说其实可能这些客户也不是我们的目标客户我们的客户里面80%是一些非机器人公司或者不是大家眼中所看到的或者资本市场所看到的一些机器人公司我们的目标是把所有的公司都变成机器人公司这个话要整个巨人行业瑟瑟发抖没有没有这个是必然会发生的就所有的门槛最终的这个门槛一定会滴到所有人所有公司都变成机器人公司这是我们是坚定相信的嗯那理论上他们也可以反过来掉过头来走你这条路径就是他也可以自言控制器自己的零不见然后通过慢慢卖卖货把自己卖成一个平台我觉得当然可以对只是说这里面唯一的壁垒我觉得是时间可能在时间以外的就是一个呃你的客户还愿不愿意接受再来一遍其实我觉得跟过去中国的工业软件发展很像你就拿CD软件来说你说中国人是做不出CG软件吗?不是的是因为当你再去买一个新的CED软件的时候你的第一个面临的问题是你跟国外的Altdesk比你你的优势在哪儿我为什么要给你当小排除再来一遍所有的第二名都得回答为什么是你对就是为什么我要再重新学你除非你有绝对的技术的一个高纬的一个技术优势我觉得是存在的否则的话你再来一遍的话其实对客户来说是一个挑战因为所有我们做的这些脏活苦活累活他要全部再来一遍还可不可以就是他自己还会不会做这个决策其实这个决策成本也是很高的你的所谓脏火苦活累活具体在你们的开放平台上的体现就是比如说你们已经适配了400多种核心零部件一个个需求去解决慢慢积累成的脏火苦活累活对还有包括刚刚说的我知道集情光拍集情有可能四种都不止可能有七到八种方式你都要实现这可能只是拍提醒网络可能也有好多所谓的场景化的配置其实在一个网络环境不好的情况下你的机器人是什么反应然后各种机构的对接可能也几十上百种机构你怎么跟各不同的机构去对接然后再包括在不同的路面然后你进行不同的构型这里面但凡你排列组合一下它都是一个巨大的数字在这种程度下你如果没见过你是不会去优化的你就见过他你知道这是客户真正需求和你才会去做这件事所以这是我觉得反而后来就很难去做的因为排列组合太巨大了我们当时做控制器第一天我们就想明白的事情是这不是一个公约数他不是说我找100个场景我把大家都需要东西做了我是把做找100个场景把A场景B场景分别需要的东西都做了而不是只做大家公共的部分我是大家的一个病急不是大家一个交急在这个路易下并且外圈的那一部分就是所谓的脏火苦和累火很多公司在一个但凡理性的市场化的选择下大多数是不愿意做这件事情所有人切蛋糕他的最优解一定是切最大 [125:00] 一块蛋糕而不是去做所谓的边边上的一些东西尤其在早期投入效率是不高的我理解你们的开发平台其实就像乐高一样这些年一直在吸收不同的积木这些积木就是机器人的核心领部件像控制器 雷达 伺伐感器这些对 应该来说我们里面功能模块就是一个积木我每个客户用我们的软件他肯定不会用里面所有功能所有客户可能也就会用到我们软件里面可能最多20%的功能只是可能这个客户用到那5%另外一个客户用到了剩下的有一部分的5%没有一个客户会用到里面所有的功能但是我的软件就是这么设计的用一个大众的比喻就像这种Word的这种这种办公软件你会发现每个人投简历都说熟练使用 word ppt 什么 Excel 对吧但是你真的熟悉吗你随便打开一个word界面你去问一个人参数配下去以后是什么行为我觉得99%的人都不知道但是你清晰的知道但凡是一个文字编辑工作或者一定几乎都能帮你实现我们其实希望给客户传达是但凡是一个机器人上的场景化的配置工作在我们软件里面都能被实现这个是我们希望去做到的所以它一定是一个功能极其丰富覆盖面极其广它不是为某一个客户设计也是为所有客户设计的你做的是Word如果未来有一天就出现了一个非输云文档怎么办对这就是我们会觉得对于现工整个公司来说我们最大风险就是突然有一个更深维的东西比如说你看我们傻乎乎的我们去适配400个品牌传染器哪一天说以后来个传染器插上去然后你控制器里面跑一个小龙虾对吧跑robocalo啊然后他自己学会这个传染器怎么用啊跟他自己发发协议好这个传染器我就会用了然后我自己就构建一套算法了如果到这种程度下以后OK 可能我们做的事情就没有任何价值了其实我们最大风险可能就来这或者说我们进化的方向也必须让逼迫自己往这个方向去进化对如果等到哪天有哪家公司说我已经做了这个什么那可能我们就完蛋了对那就得两条腿走路这个行业里面其实很多人都在两条腿走路是的然后你又回到了本课时候的状态医学和信息工程学两边跑需要有这种状态吗我觉得其实我们还好因为现在其实毕竟公司人也多了没必要说我自己同时ABCDC我要把所有的方向都做得足够好我只要保证有足够多的人在这些方向上都在做这跟当时做比赛是不一样的做比赛的是大家有一个Common Goer 是一个统一目标但现在对于一个公司来说我们可以有不同的目标目标也可以很多元所以我觉得还就是现在反而会比那个时候会更越来越多传感器融合,这个肯定是一个趋势嘛,它当时有没有什么miss掉的东西?比如说视觉,其实像这种雷达方眼球,大家可能觉得会顺理成章嘛,对激光磁蓝的这种东西,但是其实跟视觉融合,包括一些跟环境类语意的融合这一块其实我觉得之前的公司可能并没有往这块去做更多的探索不管它本身的风险算计水平还是说这个算法迭代上其实可能是有点相对高后的就是多摩泰的那块对 就类似于就把这种波传染机数据的一个融合你不管是在机器人这个构建还是说在它的视野还是说在它的导航的地上对 这上面其实都会举到这个问题明白 因为视觉了更多的加入方向盒我觉得现在可能会有一个趋势就是越来越多模态的融合感知因为模型算法它具备了一定的能力比如说原来我们只是视觉camera的这种视觉模态可能未来是不是有机会能够加上别的模态然后从语言到声音声音到图形视频然后能够把它完全融合在一起这个会是一个趋势吗肯定是比如声音这件事情就很重要对一个机器人来说或者说去自动排错原来方式可能给经线上加个屏幕你在屏幕上去操作但事实上这种交互方式可能对于线边的一些工人来说还是太难了最好是我跟你对话 我告诉你你要去干嘛而不是说我要在上面还要去拖拖拽拽这种模态的增加是必然的有没有什么克尔摩根那家50年的老巨头miss掉的没有发现的本质需求它代表某种趋势的但是被你们捕捉到了有吗可能还真没有我现在回头来看好像真不是某一个单一的点我还是这个观念我觉得其实是无数的小的点的累积就是你对于每一个小需求的你的一个态度然后这种态度的随着时间线的延伸慢慢会导致现在这个局面我是这么认为的我们刚才讲的很多的这个场景需求具体的解决现在都是是不是有机会能够被agent做掉因为agent的理论上是可以替代所有人的工作流包括你们的工程师算法工程师是这样吧是其实我觉得再往后发展可能一个趋势 [130:00] Sure. The product is more efficient. The best way to use is the agent. The agent can be used to use 90% of the 90% of the company. Because the company or the current 工作部署工作 但和软件相关的 It's the purpose of the and the demand for customers will be changed to the technology. Yes, they are all in this kind of thing. Now, the most suitable for these agents is the most suitable for these agents. So, one agent or several agents of the group I think this will be a big disaster. I think this will be a bit faster. I think This is a lot of people who are in the agent. The result is that the situation is a form of a similar situation. The customer has a need Then, for example, to the company, the company will translate to a machine. Then, the company will translate to a machine. But it's difficult for the company to use the company. Then, the company will translate to the company. from the top to solve this problem, or do some new things. That's the future. Don't go to the company through the natural language of the way to get the agent. And the agent will be able to get the decision. If you don't get it, you can't get it. to our research. So the world will be a big deal TI 聊, um, in the future. You have tried to make AI into your work? Because I remember we talked about the project. From the end to the end, you think that the people who use the machine is different. And you use the method to make it more than a big deal. It's not a good thing. It's just who has a passion for it. We just use a tool for a tool for a tool. The tool for a tool for a tool is actually a tool for a tool. AI is the first step of the solution. The first step is to combine the tools and the tools. The second step is to combine the agent with the tools. We are now a bit more than a generation of changes. We have a lot of different functions. We have a lot of small functions. That's how the small equipment is a small-time job. Like the web service. We'll make it better for every equipment. We call this I'm a good guy. It's a very good thing. Then the Diohght, which is a small part of the project. Then the small part of the project will be used to do some kind of work. And to ensure the project's work will be less than the project. Then the project will be better for the project. Then the project will be better for the project. Because the project will be easier to do some kind of mistakes. You were in a project of an agent, but it was in a way of doing the safe and safe and safe. With the safe and safe and safe, you can make the agent more of your own capability and make it work. - Yeah, actually, like the previous video, So the ability is a form of a system. If I can cut my brain, cut my brain, cut my brain, cut my brain. I can't control my brain, but I can't control my brain. And then, I can control my brain in the way. I understand that you want to do a platform, which is to help It can be a platform that can be a platform for its own technology. I hope this is enough to be able to reduce the amount of data. This is a bit like the Shein mode. You have a gentle and gentle supply chain, and then you can use the demand. We have many partners in the company. There are a few thousand people already. The first thing you will find is that they are our customers. They are our system, and they are doing a machine. And then they will be able to understand their own experience and their own new ideas. And After these things, they immediately get into a market market. and help it to help it to build a network with the customer connection. Because we know that the customer will need this kind of information. We can help it to help it in our platform. This is a process of a process. You're not just a business owner, you're still a business owner. To help it to help it. Yes, you can get it very well. Yes, actually it's not a simple exchange or a exchange platform. Because this exchange platform and exchange platform, I think it's not a big part of it. Actually, we're a business owner of a platform. We're also a business owner of a platform. And the development of it is a business owner. But this is a danger. If you have two types of software, it's a very similar to the B-端. How does the cost of the cost of the cost? If you have a system for a certain amount of 0-bit, then the 0-bit market is gone. It's a bit too bad. That's what I do. That's a problem. Actually, [135:00] 这种模式来说其实挑战最大的就是所谓的质量管理售后物,或质量控制,说实话我们也在探索这件事情,第一对于我们的客户来说他在我们平台上他可以当然选我们空用器自己去组装,也可以买现成别人做好的整机成品,两种方式他其实都可以,所以我们现在第一步是先挑选,不是什么我们都往上放,他还是要有一定的底线的,第二个就是尽量多的去把一些我们验证过的好的东西share 给大家因为即使在同一个需求维度下它可能有5个选择尽量我们验证给它最好的选择比如说零部件也是一样的情况连达里可能有10个品牌但这10个品牌它的功能是几乎类似的然后它的尺寸比如说它的距离然后它的比如说这种点云的密度是差不多的我们就没有必要说一定开放出去这十个随便用 我们尽量挑里面高性价比最高的那一个也就是说在你的新闻平台上 你offer给客户的选项也都是经过你亲自严选的我们会尽量挑一些验证过的当然我们不排斥的是如果客户觉得它有更好的选择我们还是可以帮让它去做客户也可以提名也可以给到我们这个需求那我们只要评估OK我们还是会做其实并不是说因为我给了它一个我们觉得验证下来的相对优的节我们就不接受它其他的我们还是会接受直到今天我们还是不停地会有一些新的传感器甚至我们现在单独有个部门就是负责所有传感器的测评包括适配测评你刚才讲的其实是两种场景是我自己凭借我对这个行业的深度理解我会挑选出一些我认为非常qualify的我推荐你的选项但也有一部分可能是客户name的就是他主动提我要谁谁那么后者理想状态下应该是他责任自负但是最终他所挑出来的你原来list之外的要不要加入你推荐list你还是要承担推荐的reputation对吧对那还是需要一个标准是这样的用户推荐的一些品牌一些型号首先如果用户觉得有价值我们觉得 ok 的话我们肯定会去做适配和测试嗯那我们会告诉他的边界在哪嗯然后他如果一定要用他还是可以去用因为这个选择权还是在他自己因为甚至有可选选择某个品牌就因为他跟他那个品牌老板关系好嗯我们也碰到过嗯这个你也不能说人家没道理假设好我是合伙我定向要这一家的货我为啥不直接去找这家我为啥要通过你这个品牌他可以直接为他买文职适配它可以自己去买的可以不从我们这来没关系了我们就是帮它适配好就行了帮它做软硬件适配对但是如果这个品牌我们测下也非常好要推荐更多客户的时候我们就会测试更严格一点我们会尽量把它的优缺点客观呈现就OK了我们最早的时候不太懂事最早的时候我们在网站上会放哪个品牌哪个地方不好哪个地方很还好就有白名单有黑名单后面发现好像这样也不是特别好把自己变成一个色评benchmark对后面发现我们不能这么自负我们不能说把这个最终所以我们后面只放白名单不放黑名单就你不要说他在什么情况下不好你就告诉他在什么情况下可以就OK啦一方面吧或者说也没必要因为总归有它适应的场景我不能说我们这个商业下它不适合,那就否定它本身存在的价值。你也觉得把自己变成这个行业的上帝?对,或者说我们可能没法去评价,它一定有它适应的场景,只是说现在我们没用到。但你想做这个口碑吗?因为你的推荐某种程度上,你得维护你自己推荐的公信力和口碑。怎么说呢?我们现在其实是这样的,就是给到客户两到三个选择,我会告诉他这三个我们试试下来都OK。至于你要选哪个,那你可以在这三个里面选我们反正尊重你但是我们会把数据客观呈现包括我们一些测试报告网友也会示意给客户我们这个评测部门很有意思啊会把市面上所有的传感器都评测一下如果从传感器层面来看巨升加机器人这个行业的话有什么特点吗当下这个阶段大家的中国的传感器做的好吗这是毋庸置疑的我觉得基本上再往后可能中国的零部件应该会把所有世界的份额可能都会占掉因为太厉害了不管从性能还是价格其实是不停的迭代的一个过程你就像我们最开始看激光雷达可能10年前激光雷达价格非常贵我们那时候刚开始做的时候一个雷达可能上万可能两三万都有其实但是现在你可能几百块钱基本上跟当时的雷达像号性能已经大差不差了而且当时品牌可能只能选到国外的一些品牌可能国产品牌各种类型的都有就刚刚说的单线多线成物扫描非成物扫描防爆的非防爆的就是安全的非安全的就已经琳琅满目了就是这个其实才短短可能不到十年的时间就已经这样了我们跟很多国外的一些呃您不见用的合作商去聊其实他们也觉得可能在中国的零部件上面几乎没有任何的竞争优势他可能短期还有的是一些贸易壁垒的优势但是一旦一个中国平台杀进去以后然后市场再教育几年然后 [140:00] 甚至有一些你不用中国品牌零件甚至你的整机连优势都没了你就被逼着就是你的下午大家都会去用这个中国品牌零件所以我觉得这个趋势很难为阻挡这背后还是因为我们整个工业体系产业链就特别大而全没错又有人口有足够多聪明人都在做就比如说同样的领部件,中国可能有20家公司在做,可能整个国外就一家两家公司在做。那在中国这个市场卷住去的领部件去世界发展的都是很能打的。对,这是为什么我们自己没有去做领部件的原因,太厉害了。那你怎么看现在巨生的这些头部公司都在自演领部件?地瓜的秦玉森说他觉得这个太重复造轮子了,是一种自愿浪费。我觉得是这样的还是回到它的战略是啥如果你说这个零物件能对你本身的不管对你的逻辑推动还是说对你技术化的实现用非做不可的价值我觉得确实应该去做但如果短期内是为了说节省一些成本或者说短期内你看到一个别人没看到的东西然后希望靠零部件快速去占一个坑我觉得可能从长期来看都会很危险因为中国供应链很可怕太厉害了因为你不可能跳过中国供应链你去找到一个独门的芯片或独门的技术造出一个零件你能造出来别人造不出来那你觉得今天在中国这样的国情下,什么才是真正的门槛?真正的门槛,首先一定不是所谓的一个聪明的方法我比较认同的一个观点是所有的你在长期积累的脏苦累所有这些火啊然后并且你能把它转化成你的某种组织能力,有可能是你的某种研发的一种工作流,比如说像大家搞数据,用数据管线,你的一些工程化的优势,所有你通过脏活苦活累活积累下来的这些东西,它的形态可以是各种各样的,这些是一个公司真正的,或者说科技型公司真正的壁垒,对,尤其是做图币。因为2C可能有品牌可能有一些消费者的习惯可能一些偏好可能你能提供某种情绪价值所以不包括2C我觉得2B的公司最终都会回归到这种这种东西靠某一个单一的很聪明的想法你希望能够持续收益几乎是不可能的这些核心名部件的上游就是会不会迅速养成巨头呢因为我在我发现最近一年由于这个居身这个行业钱实在是太多了所以供应链都涨风了对不是成本在飙升是那个价格在飙升其实价格飙升无非就是供需关系不平衡嘛你供应的太少了但是这个东西我觉得会很短期可能再过个半年到一年应该你会发现还是会明显下降的,我觉得会明显下降我觉得本质还是需求的不够多比如说现在这些零部件你只为一个人形机器人设计的话你的零部件应用那就是人形机器人那它天然就贵因为我只给人形用但是如果你就零不见你非人形也能用汽车行业也能用那你的价格瞬间会下来本质还是需求不过多时间问题是随着竞争跟市场化然后需求更多我觉得价格一定会下来你对于做什么不做什么你是怎么选的第一一定是做自己擅长的事喜欢和擅长第二步去看市场因为如果你观看市场的话你很有可能做的会很痛苦就是市场上确实有一块蛋糕但是你要亲切知道这是不是你自己想吃的这块蛋糕如果你只是通过一些很机械的市场分析理论去决定你自己做啥和不做啥那这个公司就有点没有人味没有个性的你懂我感觉吗就变成了别人要做这个东西说我要做那个东西那就没太有意思了你想吃的蛋糕是什么样的适合我们的瞄准的市场就是那些希望自己去做机器人但是可能前夕进入投入上他不希望投入太多但是他对场景又非常了解这个就是我们非常好的客户他的需求能够有一定的需求定义能力我通常跟很多我们客户说你就把我当你们的研发部门你自己就是这个产品经理然后我们就是你的研发然后你来告诉我你希望做成什么样然后我从技术上来帮你做最客观的判断是不是因为你更喜欢做从零到一推边界的事情而不是一到一百的规模化你会觉得规模化有点无聊比起从零到一也不能说无聊但是事实上我们现在平台慢慢做起来后其实我们也有规模化对但是还是回来一点你不能为了最高做规模化而做规模化还是回到最底层吗就是你认为1到100的原因是因为从0到1所以你要保持不停从0到1的能力应该这么说吧1到100你的目的是不是只是为了赚钱如果你做1到100只是为了赚钱的话那我觉得这件事情就会很危险因为你的一到一百是为了赚钱你就一定会陷入刚刚你说的创新者的窘境因为你不是为了迎接下一个技术变革啊你做一到一百应该是为了更好地颠覆自己所以做一到一百其实是为了更好做零到一有没有什么你想吃的蛋糕但是你觉得现在市场的情况暂时不乐观不利好没有从这个角度思考过这个问题我现在可能一下回答不了确实之前没想过对 就是想吃的蛋糕但是现在市场情况不允许去吃 是吧是不是一个值得思考一下的问题可以 课后思考一下 [145:00] 国际上其实也是觉得中国的供应链很厉害我看了一下你们整体销量起来收入起来的过程当中是不是也有一波疫情的切换潮这是一个转折点吗其实有两个方面疫情这一波对于客户的认知因为那个时候很多客户是没得选因为国外的零件进不来包括这种芯片也进不来所以对于很多客户来说他只能买国产的东西这个对我们销售肯定是挺好一开始大家可能是抱着试一试的心情结果试完后发现好像还可以对,就是争相定律嘛,最后真的慢慢的就切过去了,第二个就对我们供应链,那我们最开始可能里面一些芯片我们没有用国产,之前国外有成熟方案的我们经常用成熟方案,我们不会说全国产化,也没有说把它定成个目标,但是往往那个时候你没得选,就是有一些芯片,国外芯片也进不来,那个时候你被动的去做这种国产化替代。然后对我们自己也是真相我们发现好像也OK你像我们自己的成本因为转过程化后下降然后客户对国产人化接受度程度又上升那就是一个性价比的大幅提升客户里面觉得OK了我们自己成本还下降了所以这个反而其实确实对你也真相了对对对对整个行业应该都是一波促进对于尤其中国的很多企业国产芯片现在能够做到很好的性价比吗对于一些被动的元器件包括一些功率器件 现在可能主芯片可能稍微还弱一点 像这种算益芯片其他的我觉得基本上都还挺能打的你是不是观察到很多比如传统的那种 AGV 的那种厂商他也在切人形机器人 轮式机器人呀 是真的觉得在那些场景里面这些人形有用 用的更好还是说付资本叙事还是别的原因首先不仅仅是可能移动了机器人 其实你会发现很多做机械臂的公司也都在往人行或距身坐所以其实包括做模型的公司也在往人行距身坐对我不知道为什么其实是千军万马从各个方向都会杀进来对对波作零不见来也在往巨神座其实都在往里面做为什么?它确实是一个有很大的一个像做robocup一样大家对这个东西是有预期的机器人未来能击败人类的足球队大家会认为说人性机身一定是未来最大的一个市场和趋势所以晚做早做你肯定是越早进去越早接触越好你在里面你投入不多你就先follow你的技术能力强你能融资能力强你就多往前卖个两波总归来说我这个时间段投入进去就像你刚才说是有reward的就对这个公司是有reward的所以大家才进去嘛去利避害嘛有的是为了去甚至可能去观察进入这个市场你不进去你永远在外面是看不清楚了你必须公身入局去做些事情有的是因为他真的绝对相信这件事对还回到我刚才那个问题你为什么不走那套叙事居身的叙事我们也不是说没有走居身叙事刚刚其实有提到一个点数据这个事情就约等于模型所以我虽然现在可能没有再去那个最大模型但是我要通过我不停的装营量先把数据积累起来我觉得这件事情在目前这个阶段更合适当你有足够数据以后其实饭是来了一天你是不慌的最慌的是等饭是来你转动一下我好我连数据也没有我的装进量也没有我的场景化也没做好那个时候可能才是最可怕的一件事情然后那个时候就变成了只剩下有一些冰冷的资金在那儿那个时候会更可怕对所以我觉得就是有了钱就赶紧折腾或者回头看如果你数据也没有场景也没有连研发了一些模型化积累也没有那其实那真的就是穷的只剩钱了你们这样的装机量是多少?差不多几万台但是基本每年都在翻倍人型机器人现在出货也几万台但事实上人型的数据我实话说我现在不确定它能不能用好所以为什么你刚刚对他说我没有在人形上去训模型也是这个原因从它的获取难度完备度衰选的衰选性来说我觉得目前来说它们真的就很难落地至少在工业场景我们觉得很难落地你刚才提到了如果你客户不愿意把数据给你,只给你conocase怎么办?给不给分两种,一种是我们主动拿,一种是怕被动给,主动拿确实现在比例不会特别多,因为尤其是一些敏感的场景,其实客户不一定愿意把真实的数据完全share给你,所以两个做法,第一个就是从模式上去优化,比如说你可以租给客户,因为租的话有个很天然的优势就在于产权在我,那我为了要监管我的资产,所以我要把它数据要上网,我要把我的数据拿回来,这样对客户来说,其实客户是相当于他获得一个更快的回报。把它回报周期缩短这个是一种交换第二种就是让机器人变得更智能这个听上去有点很奇怪是吧就是为什么让机器人变得更智能也会方便你拿数据是因为机器人他必须要联网他要跟云端模型做交互这个机器人会变得更智能这个时候给客户节省的是他的实施成本你为了让机器人实施起来更方便你允许他接到云端模型这样才能回贷数据就跟我们今天人类使用大模型一样我只要使用了云端大模型我就让渡了我的一部分隐私没错对所以要么你把东西租出去然后让客户享受到更快的回报周期要么你让你的机械 [150:00] 更只能让客户节省它的实时成本所以本质就是既然你要出于你拿什么东西来换这都是可被交换的我觉得无非是你的模式设计上你要想清楚你怎么样让这种各种各样的工业机器人更智能就是能用一种普通人也能理解的方式解释一下其实我觉得我觉得大家最能理解就是自动驾驶只是可能在自动驾驶上其实机器人多了一个就是叫操作其实之前自动驾驶主要是 Navigation就是一个路径规划导航的问题那机器人多了一个就是执行环节跟Manipulation 或者说跟物体的这种交互你看自动驾驶它是不改变环境的它永远是环境什么样的我去适应环境但是机械人实际上他往往是要既适应环境又要改变环境所以就往前多走了一步但是实际上面向未来它的进化的范式是类似的所以大家为什么说这个自动驾驶是最低级的巨生智能它有它的逻辑在的因为它只有logation它没有manipulation 对吧所以其实对于我们来说如果大家要去普通的理解这些事情你就看自动驾驶就可以了其实上你是通过不停的持续迭代你把你的这些接管出去拿回来然后我不停的把一些case融入到我们模型中不停的训练这时候预期达到一个更好的效果其实我们的情况是有一个很大的效果所有这些机器人也是一样的把更多的这些场景化数据可能多了一个维度就是我执行的数据包括多一些模态力控力传感的一些数据我的一些声音数据更多模态数据拿回来但是整体的逻辑和原理上我觉得是大差不差的首先你得有足够多的数据然后足够快的能够筛显出好的数据然后再去训练出你这个模式大的数据获取数据的清洗训练这个其实大家是相通的你怎么看现在这个行业里面有非常多自动驾驶来创业的人你觉得他们胜算高吗实话说我觉得我很难判断首先我觉得送驾驶来巨生是一个很顺理成章的事除了模型那块最大的范式上其实是类似的我觉得至少自驾过的人一定能避免一些坑比如说你去问个做自驾驶他一定告诉你要用真实数据自驾驶已经不会告诉你有仿真数据因为他们已经被教育过了他们会告诉你一开始一定要类似于有人的参与数据不要一上来就是一个全仿真的数据你刚才讲到你是真机数据派那你怎么看仿真合成数据在仿真中分两类数据啊你类数据是一些力传感的数据你如果是训练一个动作的话我觉得是OK的SIMTURAL其实现在做起来的研究已经相对成熟了啊但是但凡和一些视觉的数据要深度融合的时候,我们会觉得这里面还是有一些偏差的。就比如说在这个光照下,比较桌面的这种纹理下,你去做一些仿真的话,跟真实环境还是有一些差的。但是有人提出一个方向,因为现在大家都在做世界模型,它可以生成。对,那生成的话又回来了问题,那至少你采集的数据应该,你生成的数据来源也应该是真实数据。就是说你可以借用仿真和生成的技能,但是你的原始标本必须得是。没错,还是你能够做的。一个真实的数据只是说它生成的比如说我让它一个真实的桌面我给它换个纹理这个未来一定是可行的你的仿生的所谓的物理引擎也好或者说渲染引擎也好它吃进去的也必须是真实的东西那你怎么看他现在也是数据的独小兽他们声称说不采一帧真实真基数据都靠仿真未保这个大模型还是看落地场景因为大家做技术或做研发会有自己的一种你说执念也好或者说大家的一种信仰这个东西其实很难评价最终其实就是黑猫白猫能抓耗子就是好猫你对于现在聚身脑模型的世界观是怎么建立的?你这个问题就更大了 其实说实话就是我是偏实用主义派的,你会发现,其实所有的最近这几年模型的进步,包括再往前推个十几二十年,不管是这种深度学习的也好,还是说现在我们说的这种大模型的进步也好,其实你会发现它背后都不是复杂原理。很多时候反而都是一些非常简单粗暴的方法一听都觉得像这个小学数学的一些方法比如说最开始的那种残查网络残查网络其实最开始大家训练的时候发现从事多了不好训然后最终就加了一个连线对那你说这个连线它是一个很复杂的东西吗?也很简单,也很简单,包括最开始像CNN出来的时候,原来人看东西,原来一行行扫描过去,人其实是这么看的那 OK我机器也这么看其实你会发现其实很多东西都是一些很朴素的东西对所以现在大家为什么会坚定的去相信SGainlo就是把这些最朴素的东西然后做到极致可能就能出现一些效果我觉得需要有一些天才的想法他可能很难通过你看几篇论文再做一些推理然后我就知道会变得更好我反而觉得他更多是一种跳跃思维尤其在大模型件事上你其实不一定是通过数学推导证明你就发别人好而是一些天才的一些灵感当然你这个天才灵感当然是建立在你有足够多的这种阅历或者说品味我经常听盖模型的人说这个模型你对这个品味好不好 test 好不好我觉得这个东西其实是 [155:00] 一些小的天才在里面的就是宁光一显一闪的这种天才的想法在里面所以你要我现在去读一堆paper你就能找了个真选录我对自己没有抱这种预期对啊但你预期自己有一天maybe这个公司可以出现灵光一闪对我希望我希望有人能出现这种灵光一闪那当然在我们这就更好了但是我觉得即使不在我们这儿我觉得肯定会有人能够对吧这种神之一手或者神之启示应该第37手对对对对我觉得迟到会出现只是不一定会出现在哪个公司哪个人身上但你刚才提了一个你说后发也可以有优势后发的话怎么样能有优势呢刚刚我们有聊一个1到100 0到1的问题对吧如果你的1到100其实是为了下一次0到1做准备比如说你到1到100过程实际上是为了获得更多的数据如果你是这个目的的话等到新一轮的革新来的时候你可能反而就会发现你从一个后发展变成一个先发者你会发现原来好像很多都really好了包括你看我们做平台也是一样的最开始其实我们现在只是在卖空中心只是有很多人用我们空中心做了各种机器人做了做了你会发现当我空中心越来越多其实又是个一到一百过程当我空中心越来越多的时候我发现我可以变成一个赋能平台了大家可以在我上面买到各种机器人的那我就经常到下一个阶段就0到1的平台阶段然后0到1的平台就在做的时候你发现AI来了这个时候一到一百你在平台上又卖更多的机权以后你会发现你为下次0到1就是你的整个巨生的大模型你又积累了足够多数据每一次一到一百都是为下一次0到1再做一定的叙事和准备但是你一定要想明白你积累的是什么东西那这个时候你的这次一到一百就是有目的的你每次一到一百是为了下一张牌桌的筹码做准备是吗对,一定是这样的但这个过程当中你一定会在一些时刻对一些利益选择说不其实这部分利益其实就是短期能看到的一些收入的增长尤其是一些做过融资的公司他其实面对投资人最大的压力可能现在居住公司还相对好一点因为大家没有对你的市场化抱很高的预期但是往往你随着时间往前端进大家总会拿市场化来检验你多逻辑,有的人可能就是为了做收入而做收入,就为了去获得更高的收入,有很多方法我又不说了,对,在这里面其实你的行动会发生,比如说可以建个数台中心,把机械卖给数台中心,数台中心你再把数据买回来,这个事情反正我们是肯定不会去做。我讲健身态,你会刻意避开一些客户的生意,他做的生意我就不做了。是这样的,就是如果这个事儿我们没有我们的客户做好我们就一定不要做但反而是有很多时候客户会说这个项目你能不能帮我去实施反而这些事情我们又应该做为什么因为只有你的人待在现场去看去观察你才能感知到很多东西而且或话说回来 谁都不愿意去现场做实施 多苦多累对吧?大家都不愿意去现场 那你怎么能保证你的员工愿意去现场?都不愿意?对啊 这个行业 这些工程师们他们真的快挺辛苦 得不停的去工厂 而且大家待一两个月输的 那这个很反人性啊?是很反人性 所以在这个过程中 第一就是我觉得研发要给它足够的支持很多的一些过程的东西 其实你需要通过一些工具去给它做优化 其实最开始我们会有大量的开发工程师首先你要现场人不累最核心的是什么?是让他自主可控。人什么情况下是最累的?第一客户在骂你。第二你自己还干不了啥你只能等研发帮你解决这种情况下它是最累的它这种不是一种生理上的疲惫它是一种心意憔悴的疲惫所以让它不累最好的方式是让它自主可控它在现场如果对整件事情能自主可控的去完成事情的时候它相对来说这种身体上疲惫是可以被克服的但是如果他生理上也有疲惫心理上又得不到这种自主可控的这种内心的这种支撑的话那它可能就崩溃了所以我自己会有个习惯就是我每天会去刷现场会出现什么问题怎么刷?就像刷抖音一样自己有一套系统就现场问题会被记录嘛就每天刷又是刷日志了对对就原来还会看日志现在确实精力不够我更多要去刷结论刷现场发生一些问题那你刷的过程中其实你就知道我们未来可能要改进的方向在这因为毕竟第一是你要让现场的交互速度要足够变快你要让这个东西更加智能更加好的被解决掉去记录所有的现场场景的日志 现场的问题 日志 包括现场的一些我们扫盘的数据我们都会上场在上面 这不也是robocop的那种状态了 对 是的 就是逐针分析去看到底发生了啥 是的 把每一个场景的部署落地变成一场比赛 逐针分析 是的 是的 是的 是的 然后再慢慢组练收念到你的产品 或者说一些使用的一些软件SOP上你觉得你的要走的那条开放生态会面临的最大的挑战是什么?最大的挑战其实还是技术维度的碾压式的就一个高维巨兽突然有一天说整个已经真的连机器人的开发工程师都不需要了 [160:00] 就是刚刚说的你一个模型加载进去以后这个机器人就已经被赋予灵魂了假如说哪天另外一家工作出来那可能整个行业就也没有所谓的生态了那就是买这个控制器以后每个机器里面都跑了一只小龙虾然后这个小龙虾你跟他对话你已经跟人一样你以后也不需要跟我们做沟通了直接跟这个机器人沟通让他干啥他都能听懂让他知道自己的能力边界他知道什么能干什么这个就是 AGI了对这是真正的一点啊我觉得无非就看谁先做出来但你也在做对我们自己也在做我们也预期或者说我们要逐步的去接近这个目标这个是一条不归路我觉得所有人都相信这个目标会实现无非是5年后 10年后大家的判断的时间周期不一样但我相信大家对这个最终的目标认知大家是一致的机器人一整台本体包含着它的硬件和它的大脑和软件算法你觉得就是一套机器人核心统治意义是什么你说单材机器人是吧对如果你真正回到一个客户视角来看对客户价值最大的是两个点我觉得第一是机器人本身在他的场景下能帮他创造了AVY是什么样的第二就是NT足球一样的就是他的个人能力够不够强能不能直接在我对面去干起工作能不能形成一个体系就好像两个机身都很厉害但是两个机器人之间没法做交互,他们之间没法沟通。所以第二个我最重要的是多机器人的协同的这套体系。这其实可能是现在很多做机器人的公司有点忽略了一些事情。现实中多个机器人之间,它是需要协同的那整个协同怎么更高效尤其一些异构的机械大家怎么一起协同这件事情其实至少我现在还没有看到哪个做巨星的公司在很强调这一块很有趣啊 异购机器人如何协同这就是你们在做的事刚才说的有查车 有轮式什么各种你希望做一个协同网络使得他们就不同种族之间是可以沟通交流和知情的对对对对对 是的 是的这件事情因为对客户来说也很重要否则你的整体效率一定不高你单个机器人虽然跑得很快然后他也相对智能但放在一起能让大家都跟傻子一样都决定要上人型机器人了他物流机器人清洁机器人难道不上吗他肯定是先上物流和清洁然后最后再上人型对吧所以所有的人型机器人进口上第一件事情问题是你跟现在那些设备你怎么协同会有路权的竞争会有数据格式的交换这些问题怎么办虽然看上去好像很土但是你肯定要解决这不就是这个行业里所谓的一些部署公司干的事吗但事实上你部署公司你也需要有一些体系支撑否则你就变成结硬在打呆仗了你不可能说我找100种机器人然后100种机器人地图格式也不一致API接口不一致模型调用方法不一致结果你还要把它硬凑在一起用这个对于部署公司来说当然也是个灾难它是不可维护不可持续的你上次是不是说过一个观点车和机器人的不同因为多个机器人之间它是有协同网络相应的但是跨品牌的车不可以是的 在下游市场里面我们的客户和客户之间很多时候是好朋友我发现了好多因为这个行业大家很多都认识嘛所以我们 A 客户 B 客户 C 客户他们之间商户会有买卖很正常因为 A 客户发现这个机型我们不做 B 客户发现你那个机型我们不做但一个客户都需要的时候OK 大家一起卖然后大家要相互协同相互协同的时候因为对于客户来说客户要的是你们能一起workOK 大家挑选一种最舒服的方式然后大家把这个问题解决掉但汽车不是的汽车大家天然没有协同的需求你说路上这台车跟那台车一定要两个人做一个通讯其实他没有这种这种需求你这一层会被巨头下场做掉吗比方说像英伟达华为这种生态特别恐怖资源也实力都很强的公司理论上他顺手他也可以沿着往下把你这层做怎么说呢我觉得可能每一个创业公司或者说每个公司都没法避免这个问题就你永远没办法排除巨头有一天可能会来做你的事情巨头去看这个市场我觉得他可能可能不是以他兴趣为转移的是这个市场是不是长到他愿意去吃这口蛋糕好你的市场汲水线,比如说我的投入是这但是我的回报在这儿那他就不做但是当我的投入是这儿我有预期有这么高回报他可能就做对于约大公司来说可能更倾向于是一个算数题,判断题,对,或算数题来决定这个事,所以当这个市场大了一定规模,我相信一定会有人进来做,这个毫无疑问。如果有一天支头来做了,你是什么心态?还是回归到我们的使命就让智能机器人没有门槛如果有一家公司能比我们做的更好让大家可以更容易的把这些机器人做出来我们就死得其所你就死在追求这个真理的路上只是有人比你做得更好我们就应该死了我觉得这个东西就没什么就没关系你公司上是来说这种话对公司实上确实是这样的如果在你同样的使命院里下人家能比你做得更好然后他更多获得市场认可那你确实 [165:00] 应该最好的结局就是尽快死亡给巨头创造利润空间那你说是这么说了你是一不会服输的人对然后你再去想办法谁要是把你从赛场上踹下去了你肯定是第二年卷土重来对是所以还是回到那个点肯定不是说不挣扎了就死去肯定是在抗争中死去对吧但这个东西我觉得不可避免但是事实上最终还是拼谁更能够去满足客户的需求谁能更多给客户创的价值让大家的门槛越拉越低你刚才讲到你短期内你暂时不相信人型能发挥很大的价值对吧我觉得是这样的不是人型这个形态发挥不了价值我先举个正面的例子比如说人型经营在上下来我觉得它就是可以walk还是用两只手,甚至你可以做五只手都行,我前天看了一个我不见哪家做的,做了个像蜘蛛一样的,五条手一起降红嘛,我做个牵手关音也行啊,所以其实我并不是对人形有偏见,只要他能找到他适合的场景,我觉得都是ok的,你做十条手都没人管,只要你觉得十条手性价格更高你就应该干十条手我只是觉得说在人情上你要用现在这套巨身的大家基于数据做训练用这套范式给它落地我觉得会有难度可能更务实的方式是先用一些相对传统的方法把它先work在这个过程中你去收集数据你用这个数据再去训你的模型至少你这个模型有个下限你这个下限就是一个很好的运控专家你这个下限了以后再逐步去点你的上限我觉得是这个逻辑所以你们现在训的所谓的专家大脑是分层架构没错这不是说我就停留在这个阶段了我还可以继续往前走这个和你现阶段的财务状况有关系吗?因为你们吃了也会接受公开的这个,你之前EBETA已经快跑正了,但是应该是在最近一两年,你又加大了研发投入,是这样吗?是,其实对我们来说还是回到那个点说这个其实不应该这么说,你上市可能说自己不追求财务指标,感觉对投资人不太好。没事,JK上市的时候在我博客上也是这么说的。对,事实上我觉得说往往很多公司他开始走下坡路或者说他被一些创新者去追赶就往往在于他在意财务数据短期利益对他没有想清楚财务背后的你要的是什么东西所以我觉得不管是我们现在是什么状态或者说以后在资本市场拿到更多的钱其实你还是要想清楚你下一步的领导一在哪我其实可能说了好多遍了下一个你的自己可自我颠覆的点在哪通过你的1到100去积累的事做下一次0到1的事我觉得这件事情是极其重要的如果你不换下一张牌桌的筹码的话它就是一个有限游戏对 是的是的你就不停的为要为下一次你到一做准备其实这个也是反者道之动这句话所有的事物发展都是从往相反的方向去的当你很好的时候你就永远一定会陷入到下一个周期如果你只想着一到一百100到1000 1000到1万很有可能等到下个0到1新的一波浪传来的时候你可能就很快会消亡掉所以马斯克第一台人型的Optimus走出来的时候你在想些什么呀?那个更多其实我觉得是加速了资本市场对人型居身的一些共识,会把大家注意力拉过去,我觉得这是它可能最大的价值,反而是机器人行业还是居身行业,AI行业,我觉得反而冲击力没有那么大,我个人认为。你什么时候感觉到被冲击了呢?XGBT对我的冲击。比整个比Optimus对我的冲击要大得多然后你做了什么呢其实当时我什么都没做实话说但是这件事情怎么在公元产品落地其实那个时候其实可能agent的概念都还没有出来大家都是属于一种观望然后呢觉得一个新时代可能要来了但是不知道它会变成什么样的这种感觉但是大家又知道一定会发生些啥对所以那个时候其实对未来就有一种就感觉整个行业不管什么行业所有天花板感觉都要被打开重新有很多东西持着被作业就是有这种感觉感觉好像自己经历人类发展历史上的一个重要时刻的感觉对对对有这种感觉那24年那波其实是大家对VLA的一个追逐吗那种就是属于一级的那种极度的火热然后给我们会带来一些焦虑就是那个时候哇市场居然火成这个样子这种情况下人会有点懵就是你会感觉是不是我没有看到什么东西就感觉好像所有人好像一下突然都不带你玩了突然大家去玩了一个新的游戏你发现我靠你连这个游戏是啥你还没搞清楚大家已经在玩一个很新的东西了这个会不会挺醍醐观点的因为理论上来说你不应该等投资人来问你你应该对市场的风向有一个及时的捕捉恰恰是因为大家都在做他没有对市场造成影响如果比如说大家都在落地已经在弄我肯定就知道反正就是因为大家都没落地所以对我就没冲击但是投资人又跑过来跟你说对投资人又跑过来深情毙茂跟我说这个新的世界要来了对就是好 [170:00] 几个吧不管是一些朋友还是投资人突然跟我说新世界要来了你们都是老灯就是我那时候第一次被人叫老灯你知道吗哈哈哈哈未来这个度该怎么掌握呢因为你肯定也不能等到人家都落地了你才跳下场吧对所以其实对我们来说是这样的其实其实先公我们组织的基因我们最不怕的就是落地或者我们极其享受落地所以如果我我比较有自信的一点在于说但凡让我们发现哪个产品能落地我觉得有信心在三个月内我们一定能做落上我只要保证我们能做到这件事情就可以了我可能不会是第一个但是只要它能让我们能看到落地的可能性我们可以快速跟上所以你觉得你一定会坐上牌桌对在这个过程中我们一定会记得大量的优质数据这点我们非常有信心第二就是我们组织的特点因为竞赛团队的特点尤其我们从小卡拉米一路成长的特点就是这样的牛逼带全当时看CMU都是抬着头看看不到尾气的然后一帧帧分析然后最终把他击败就是这个团队天然有这种基因在里面就是几个创始人都有这种基因在就是从来或者大家都很享受去掀翻巨头的感觉你反而不想当不喜欢当第一名不喜欢我不喜欢当第一名虽然我的签名是要干第一但是实际上我压根都不想当第一你社交平台上的个性签名是什么不能接受的不做第一就是耻辱对不做第一就是耻辱假的你写给团队看吧我一定是喝了酒以后写的只写完以后回头看嗯还挺有道理就放着但最开始其实我是很难跟人解释因为大多数人觉得做第一一定要做到极致你要把自己逼到极致然后要把很多东西做得很细节然后去实现第一第一但实话说我不是这个想法但是我有很长一段时间这个话写完以后我不知道怎么跟人解释因为我并不是你懂我呢暂时没懂对吧我并不是这个想法大多人觉得你要真第一你一定是个追求极致的人你一定是你的好胜性很强你一定要怎么怎么样但事实上不是的 其实我也是大概在三个月半年前我才把这个话真正想明白的其实追求第一永远是个目标永远是一个只可接近不可实现的目标就是你只有永远把第一当成个目标你才能知道自己永远是不够的你给自己保持一种相对空的状态刚好半年前在看《道德经》对你看我们今天也说了好几句《道德经》里面的话就是《道德经》里面一直在强调一种空的状态他觉得满是很危险的空是很幸福的就你一定要把自己放在一个比较低的姿态所以当你永远把自己放在一个比较低的姿态你去支持别人然后你放一个比较低的姿态你去冲击第一的时候在这种过程中你是很幸福的但是往往是当你觉得自己已经到一定程度你已经实现第一的时候其实反而是很危险的就是刚刚说你会拒绝需求你会觉得我已经有100个客户都这么干你凭啥低100一个客户不这么干你一旦产生这种心态的话你可能就造成很危险的经济了其实追求第一这件事情本质不是为了拿第一的结果而是要在这个过程中把自己的定位放低一点所以要有第一个目标可能你快接近他的时候你这个目标也会再往上对再调整比如说我们空中期出货你给我做的第一了但是事实上我们现在追求也不是这个东西了我们可能追求接下来是我们的比如说我们数据的量我们要追求我们落地的场景数这些人可能又是我们新的追求的所以它永远是一个可以被设定但不可实现的目标但客观上你现在已经是第一了其实也不是或者说我们不应该认为自己是对这种销售可以去说但是我觉得对于研发或者说对于每一个实际逻辑去实现客户价值需求的大家都要有很清醒的认识所以大家永远是在就感觉好像看着有点惨啊就永远在一个最第一的路上但永远成为不了第一我觉得这是一种最好的状态现在的这么多家支撑公司有没有你比较看好或者比较关注的我们说全球最开始的时候其实我看到海外一个是一个是Figure一个是Pi这两个公司其实对我来说有一定的冲击力现在一个VLA当时开始做的时候其实你会发现其实大家基本上是据Pi0.5开始逐步去叠自己的系统的至少看到一种新的范式的可能性因为我们自己也做了一些尝试觉得这个路确实能通只是说它的成功率可能还不高对而且我能看到它没有给自己定一个很明确的商业化目标但是它又是在逐步叠来让我感到有点像OpenA一样就是所以很纯粹的在做一些事情我觉得这个感觉就很好对要么你就真的高一高拉就永远不要做生涯花落地我觉得这还蛮好的 [175:00] 第一个的话毕竟人家现在是估值最高的居身公司或者是最大的居身公司所以你现在就会对他保持一定的关注毕竟我们过去这几十年都是大家向美国看齐嘛第二个其实国内的话我觉得就是融资多的公司其实我一直在看谁又融很多钱我有看我一算这么多钱我很好奇不能说关于我很好奇就是拿这么多钱要干了怎么用靠智商靠你的绝对的聪明才天才种去解决所以我一直因为我们就从来没见过很多钱你知道吧我们融钱融得很少对我们就没见过很多钱所以我一直很好奇拿那么多钱他会怎么办怎么干我对这件事我很感兴趣所以但凡拿钱多的公司我都会关注他们会拿钱干嘛你会不会有的时候反思由于从来没有拿过太多的钱限制你的想象力会肯定会就很明显的你兜里没钱和兜里有钱你想的事情是不一样的可能兜里有钱的时候你其实会往前至少你可以往前多看个半年多看个一年也是好的因为再远可能大家谁都看不清跟你有没有钱已经没关系了但是在一些中短期有没有钱你做的决策是不一样的假设不考虑资金的问题你现在能看到半年之后有一些你自己的对行业的判断包括技术路线我觉得我对长期我坚定相信但对于短期的变化我是我没有做很强的预判我觉得我们有信心做的事情就是你不管在短期发生什么事情我们能快速的跟上这件事情我觉得是我们是有能力去做的你的长期看好指的是你会长期朝这个方向坚定投入但你不会一把all in到比如说半年或者大半年之后的压住某一个节点对因为如果是这样的话那就证明这个东西本身也没有多高的门槛如果你压住个半年后就能成的东西那就证明这个东西其实门槛也不高反而是在一些长期的上面我们会投入的更坚定一点在一些短期的东西其实反而可以先观察其实所谓的战略就是一个长期的不可撤销的投资这才是所谓的战略你要说我有个短期的一年战略短期的半年战略他只能证明这个战略可能就不是一个战略可能只是一个只是一个账只是一个算术问题它不是一个战略问题反而越长期的东西越有确定性越短期的东西越没有确定性就比如说我们坚定的相信增积数据Skino我们坚定的相信未来我们控制器端册一定会跑一个大模型甚至不需要拥弄我们端册一定会有模型这件事情五年十年我不知道但从长远来看它一定发生这件事情是有很强确定性的但是你说在短期是半年发生还是三个月发生还是一年发生谁都说不清楚所以在这种情况下其实我们要投入的就是长期一定能看清楚的东西你刚说确实会看这个行业物质最高容潜容的最多的公司对啊你看像这样的大脑公司它现在就是估值已经跑到百亿了首先我不知道估值是怎么估出来的反正我们最头疼的问题就是投资人一上来就会跟我们算ROI因为我会发现市场上天然就有两种估值逻辑越落地的公司大家会越容易给你算市场规模对它越严苛它其实对于越落地的公司要求其实是越严格的因为你一旦落地的就意味着你的市场有一定的确定性市场有一定确定性你的市场规模就是可不可以计算倍数p倍数就可以被计算所以其实越落地的公司对于大家的大家会越审视的来看你这件事越高举高达或者说越梦想型的公司可能大家更多的是从一个长期的确定性来看虽然我们自己不羡慕各种公司因为我们已经是这样了我们也没有预期说自己改变变成预期自己一夜之间就变成一个梦想型的飘起来的公司我们可能也没法变成这么一个公司但是我觉得是我们可以做的事情是观察我们去看看这些公司有什么值得我们学习的地方不一定可能要盯着他融多少钱这件事还是回来一点因为我们自己没融过那么多钱所以但凡拿钱多少公司我们都很好奇还会拿钱干嘛这些东西都是可以去被学习的你在市场上怎么观察到这些拿钱多的公司到底在干嘛呢我会去到客户层去看就两个层面第一是看他说啥第二是看他做啥他说啥很多东西其实通过现在社交媒体通发来大家也大体上能够判断出来第二就是看他做啥很多会去客户的人去落地会去跑测试那你就是跟他的客户聊那他这个方法对你来说你说好的在哪不好的在哪如果我是他的话你会给我什么样的建议你去跟他客户聊这个时候其实反而是我觉得会带来的这些东西会更真实或者说更血淋淋那你就能知道现在到底是什么样的行业的现状因为你去问他在科目那是什么样可能会有掩饰或者说会有一些美化的部分或人家不想说的部分但是如果你去跟他客户聊客户的生意一定是最重要的 [180:00] 真是的 生意对比如说放话程度到什么程度是不是在这个场景下你没有一定的放话性也可以如果你想尝心用你愿意怎么付费反而是从客户视角去看会更真实你会觉得你会比其他行业里的玩家更容易得到客户的真实反馈吗?行业生态站位决定了是这样?对,因为我们其实给自己几十个服务的心态所以其实我们是我们是习惯接受客户的批评的所以对我们来说其实我们跟很多客户的关系都还不错跟客户之间保持这种高频的互动其实你是能从侧面看到这个行业的一些发展的能分享什么你看到的行业真相吗绝大多数应该是不及预期的那这个不仅是对国内的工作对海外公司也是一样的我觉得特斯拉对吧计划都一推再推你何况国内的这些公司总是它是一个有钱就能解决的问题这个问题的复杂度总是它就是一个很高的一个复杂度现在可能动不动千台订单对吧然后包括这种什么持续落地然后我觉得这里夸张承认居多至少我从客户之声来看夸张成分居多对我觉得大多数的场景下现在大家还是一个很初级的状态就有点婴儿学步的感觉工业场景下你都不说99%后面几个9的问题你能到190其实基本是属于一种不可用状态是没有意义的你试想一下你如果一个工厂里面100台机器人如果你是90%就意味着每天都有机器人出问题对吧在这种情况下其实肯定是不可持续的你的人也扛不住从落地上来看真正的通过这套模型的范式并且让它具备一定的泛化能力的落地我目前还没有看到特别好的案例但是我们可以做什么这一头是可靠性包括精度安全稳定这一头是泛化性包括你过不聪明然后能不能做one shot来生生zero shot如果这两者你现在都要有我说实话我现在没有看到落地但是这两者之间二者选其一是存在机会的比如说现在这一端你用强化学习你就把这个成绩做到极致但它可能没有什么方法能力但客户也能接受OK的这种我能看到有的而且不少但是在这头你说我不需要可靠性我就要泛化能力那也有场景只是这个场景现在能够落地我不知道比如说一些酒店里面叠衣服这种场景因为他对可行我没有要求我衣服掉了掉了我再继续叠效率低一点就低一点我对可靠效率没有要求也可以娘的许秦一我觉得现在都是有一定的场景的但是你要把娘者做到兼而有之至少目前我还没有看到让我很幸福的案例之前有一个投资人退出了这个股权然后还公开唱衰机器人行业因为他觉得现在很多的大家的设想的机器人人形机器人的商业化场景都是自己幻想出来的因为他是务实派投资人嘛他觉得不靠谱你怎么看这一类声音我觉得这个就是不同投资人的偏好问题对这个其实也没有对错对务实派投资人投不下手我其实很能理解对于这种看这种远大的vision的投资人他可能看到一些相对落地的公司他去算这种这种市营乐或者算PS倍数我也能理解相互吸引各自有各自的偏好我只是说我自己会更往务实那条路会更接近一点对 就是谨慎的做梦他的联创许华哲在一年之后离职了然后又自己创业了也做了一些公开发声指出可能行业里面他认为存在一些所谓无脑量产的现象然后会提出一些指标比如说你要看机器人日活等等的你怎么看他的这种判断我觉得这相对会更务实一点所谓日活就是你能不能去持续产生价值某种程度上我是认可这个观点的机器人量产你一定是为了它能够产生价值你不产生价值如果只是为了采数据而量产我觉得是比较危险的你可能生产一堆机器人但是可能再过半年看,之前生产的那批机程都不行,都不能用,有可能是硬件问题,有可能是之前的数据的关系布局的问题,有可能是一些应用没有办法去实际产生价值问题,构型不对的问题。这种坑其实我们自己都不是说做人形,做其他机程的时候也有采过,就看到我们下游做这些机程也有采过,所以如果你只是为了量产,量产其实会很危险。一篇比较代表性的商业报道其实是写ofo的那个败局所以我会对所有热钱急速涌进来的行业保持一种警惕因为某种程度上行业只要钱够多膨胀和失速变形的故事几乎是会必然发生的我看到现在行业里面有很多这种初始团队的动荡然后高管初次 [185:00] 我不知道每一家公司内部到底有没有问题但我觉得肯定有一个因素是行业利益太多了它会使得结构非常的不稳定你有留意到这种结构不稳定的现象吗?其实是这样的尤其今天上半年我感觉新公司起来的速度远超五的想象几乎每天好像都有都能看到一些新的公司出现很多支架公司可能一大半人都出去创业了所以现象其实是有观察到的确实你说原因是什么我相信就像你说的其实本质是钱太多了而且甚至我觉得这里面投资人也占很大的关系因为投资人发现有的项目太贵了以后甚至会自己去传局说你出来吧我单独投你估值低一点所以我觉得这个东西都是也是整个资本运作下的一些产物第一是行业类人怕错过第二投资人也怕错过所以确实这种双向奔赴了这种才会出来这个局面像这种的泡沫我觉得肯定也是个好事反正这个钱投资人钱也得花你愿花在一个对未来的探究上对钱也花的更值当一点对吧要么你总不能放在银行做理财吧对于一些投入还是说对整个行业一定是有帮助的乍乎就排除的错误答案也是一件好事因为机械人这个行业太大了未来空间太大了所以你现在可能还有好多错误答案等着这些钱去排除呢现在站在这个行业的你觉得站在这个舞台的什么位置啊我们啊嗯看你怎么去定义这个舞台或者说这个行业就像做RoboCup还要按50年来规划的话我觉得现在大家都还在台下还没入门还在看戏大家还是一个很很初级的状态至少你会发现很多大厂还没有开始做这件事其实这是一个很强的信号大厂像小米自己都在做对但至少他没有把它变成他的主义业务至少还是一个相对大家偏探究大厂一定会否罗这件事情毫无疑问只是说大家还没有所谓的大厂把它all in进去把自己老幼我说不完我就干这个了至少还没有这种情况出现不一定老EO不完了但是他可能用一个资源投入去衡量对对对对就是相当上资源已经往全全往这上面砸了至少现在还没有看到这种程度的这种出现那在早期其实我们给自己的一个定位就是说我们首先扮演好一个支撑者的角色你说卖铲子也好提供工具也好提供支持也好我们会去保持对技术的追踪然后保持这种技术的应用我一定是找能应用的长益我要快速去用这件事情毫无疑问第二点就是当别人想去用的时候我们更多不把他当竞争对手看看我们能做啥比如说有一些做巨神论公司他擅长做萌营训练他就不太想关心机身怎么动的比如说端到端出来一条轨迹的你知道轨迹怎么走几个关节控制的实质性怎么样然后里面的精度能不能达到我要求其实有很多团队不太想关心一件事那 ok那如果先公在这里你们做一些事情我们就去做所以我们更多给自己扮演的是一个技术的一个我们不敢说引领者吧但是至少在落地上我想我们能扮演一个引领作用在这些新技术的落地的引领包括对于这种模型训练我们的一个好的支持我们觉得把这两个角色先扮演好落地的引领对就比如说现在有一些这种范式在一些长期下落地我觉得我们现在反而已经开始有一些东西呈现了虽然我现在没有办法去说但是我们已经看到这种可能性了并且它是能被逐步提升逐步迭代的像自动驾驶一样它能看到L1L2慢慢到L5这个路径慢慢越来越清晰了我们也能看到这种可能性你之前说过一个四个向线理论就是把新技术旧技术作为一条轴把产品形态新旧产品形态作为一条轴然后有四个向线你最后应该是只选择了两个对角线就是新的技术可以在旧的产品形态上做验证因为旧的产品形态上我有足够多少场景我足够多少客户我能拿到足够多少反汇和数据这个部分就是你说的你做落地的引领者没错然后第二个就是在右下角新的产品形态我做好支持者你要去模型你要去做一些底层的控制OK 我都来帮你搞定因为这是我们很擅长的事情甚至你想换个品牌单关节你想把下面移动的部分换成什么三多轮四多轮多多轮这种差速模组你想怎么换我们都已经ready好你想换品牌你里面的控制方式你要改OK都没问题这是我们都擅长的东西我给你做好支持所以这就是两拨客户第一拨客户是原来自动化机器人的那拨客户第二拨客户其实是巨身的客户没错他做好了模型之后你也可以给大家提供无数的场景没错正是他想去到我的场景当然我也很开心那我可以share数据给你就刚刚不是问我数据的问题吗如果他哪天他需要说我用的系统把机线做出来了甚至是巨生机线做出来我想去你那个场景行不行你能不能让你的客户给我场景没问题我也可以把我的数据给你没关系没关系吗没关系我觉得这个东西确实就没关系因为我不干也会有人干还不如我主动干就好像早些年富士康找我说你把图给我我不给总会有人会给只是可能晚个半年给我还不如就给了我不干总会有人干我想看看另外两个对角色 [190:00] 旧产品形态加旧技术站这个很好理解大家都认为这个是会被淘汰的那就不做了你为什么不碰新技术站和新产品形态所以就是回到我谨慎做梦的任何东西把它当它化成相见走对角线永远是一种冒险的选择通常来说大家会做迁移先迁移到横向迁移或纵向迁移然后再去到对角线绝大多数商业角色都是这么干的假如说先公我们这帮人重新创业我丢到过去的所有的过往那个你也会直接锚定金字塔尖对因为你没有任何的过去的技术的积累你永远没有过去的一些成年积累这个时候你再去观察如果我再要去做这个场景我要花了时间化大家更大而我资金又有限可能我就在那边赌一把也有可能会做这种选择所以本质还是基于此时此刻我们能力的边界包括我们已有的资源在哪儿我们去做最适合我们的选择这个算不算你想吃的蛋糕但你暂时不方便吃我觉得现在应该算我们会我们能看到这个是我们最终的一个目标但是我不是现在不方便时而是我能有两条路可以去接近它我就沿着路先走着我觉得它更多是一个路径选择的问题你客观的定义一下控制器的门槛我觉得门槛有多高?我觉得实际是蛮难的就刚刚说两个点第一个就是你能不能沉下心去迎接那么多connel case还能不能让这个团队完全沉下去去做因为这个事情说实话实际上是有点苦的在早期其实你内部要协调的东西蛮多的这不是来自客户端的压力甚至来自内部的压力第二个我们现在这个时间阶段比我们当时可能会更恶劣客户有的选择情况下为什么还要重新被你再教育一遍这件事情本身其实是从商业上就是很难成立的如果它是个相当于标准产品你后来着你照着它超一个都行但是如果这个东西它不是一个那么标准的东西它是一个很复杂的工具链它不是一个产品它是一个辅助类的工具你能理解我这种感受吧你后来着你可能超都不知道怎么超这个很有意思你说只要是标准化的产品是很容易超的让我想到其实在这个行业里面我确实是看到了一些标准化产品在中国语境下是迅速的利润价格都会被卷下来就是可能它的误货量暂时跟不上它确实是标准化做的很好产品做的非常好但是我一旦一漏了一个球就会有无数个人掺和进来去把这个市场做低是的 其实这就是B端竞争的残酷性因为B端其实客户实话说没有那么高忠诚度客户永远看的只有一个字就是性价比所以其实你会发现先问我我们看上去是一个控制器但控制器它本质不是一个产品它其实背后是一整套工具和工具链这个东西其实它的可背复制性其实是难度是很高的就相当于我自己使用手册我们当然自己内部都看哇靠如果你打印出来估计有这么厚对那我都很难想象哪样一个产品经理会照着这玩意去抄产品体力比较好做的是你给我一个产品的原型一个定义然后我给我描述清楚我的目标客户群体描述出它的核心需求然后最终我把它做出来这个东西相对来说会容易一点但是你告诉我这里面我用5万个需求这五万肤药都要实现他们的命运怎么设计 你疯了我觉得这是蛮难的一件事你觉得你们是一家擅长研发的公司吗呃应该来说我们是擅长解决问题因为研发工具解决问题的公司我觉得应该算你还是要想到解决问题为了研发而言而言发其实没有多大意义对嗯嗯你擅长做商业化吗应该这么说其实商业化这件事它是一个自然而然的结果其实我们没有把宣言化做成一个特别明确的目标我们反而会把宣言化当成一个结果我们会把满足客户的需求或者说满足客户的某方面的一些需求当成一个目标在实现这个目标的过程中上月花是我们的一个副产品因为你过度的去追求山洋化,反而动作会变形怎样的人才密度高到你觉得你是研发能力一直可以保持领先的好我没有一个公式去计算人才命路这件事儿但是我觉得我觉得比较重要的是一个公司它的活力指数高不高是的就是这些员工他是不是自己有想法然后充满活力的想做些事情我觉得其实会更重要一点如果一个公司如果博力依赖于经验或者说依赖于某一两个聪明的脑袋然后所有人剩下都是布料一致做执行的话虽然可能每个执行人都很厉害你也不能说这人才命度很高因为很有可能所有人就踏入同条合流就一起淹死掉了嗯对这个其实是很危险的所以我反而会觉得说更重要的是一个火力指数而不是一个所谓的聪明的人有多少985的有多少什么C9的有多少QS50的有多少还真不是公司的火力指数高不高就每个人有没有新的想法每天在 [195:00] 然后有没有一些东西他敢于去尝试听完错以后能够在有人去把它闭环的解决掉我觉得这件事情反而会更重要你好像强调geek在你公司里的含量高不高你觉得很重要?我觉得充斥了大量有个性的人是我们会更愿意看到的我自己有个逻辑是尤其 GPT 以后对我们公司的管理是有很大触动的第一个是我们当时讨论下来发现自己不需要有价值观第二个更重要一点是其实你会发现现在所有的AI工具已经非常强大了你会发现你去问一个AI模型一些问题99%他会给你一个相对来说不会出错的答案但是你反过来想如果大家都跟随那个答案去走那99%的人大概都是得到差不多的一答案转身机车不是拿冠军的吗其实你去看他的选择你会发现如果他当时我记得是凯悦从凯悦走的时候他就问我应该怎么办人家不是不让他做发动机吗我相信所有AI模型一定告诉他第一你要跟好好去一起聊然后展现一个什么方案然后最后会议如果你需要个方案我可以帮你做一个用我可以给你做一个说服董事会的方案需不需要我帮你做一个我相信99%的模型给到他的答案一定是这个但是你会发现最后他做的都是那1%的选择就是脑子不干了我这重新干了你觉得模型会这么去劝述他DJ我觉得模型不会给你这个答案但事实上大家有些疯狂在用模型所以我会觉得越往后保持个性这件事情会越重要因为所有人都会去习惯去问AI一个答案并且可能潜意识里在遵循这个答案的时候你还有多少人是有个性的我就不按这个来过问都不问可能最后你会发现真正最牛逼的一帮人反而是我压根你都不理AI我就按照我的想法干脑子就这么想你咋地这个可能反而变成最后的人类之光可能就是那如果你prompt AI说我现在就要退学了我就要辞职AI也会顺着你的思路给你很多建议当然当然对造出这个逻辑框架你反而可以收获一些东西所以我会觉得说个性在这件事情上会非常重要公司没有一些个性其实在现在这个AI时代很快就会迷人众人机器人这个领域人才的带宽很长很大你做了机器人做这么多年你眼中最好的机器人人才是长什么样的机器人这个行业因为它复合的面太广了直到今天我也不敢说我自己或者说公司某个人移到机器人专家级别你们觉得你们不是专家?对,我觉得他事业太广了,如果一个人把所有领域都集中,我觉得这人几乎就是神了,我觉得非常难我们自己内部也统计过我们公司大概在原来公司干过CTO大概有20多个这是在原来公司干过CTO的可能规模不是特别大几十个人甚至上百万人的都有可能有20个所以在这个公司我们都不敢说我们公司有个CTO能够把这20个多人的方向和技能都掌握几乎不太可能所以我们现在对人才的定义就是说反而是你对你的跨领域有所了解但是你能在某领域足够深入反而是应该把某一方面做足够深你也不要预期去补短板了补短板这件事情我觉得现在AI可以帮助你补一定的短板第二是你可以通过团队协同来帮助你补没必要再去补自己短的那一块而是更多想要把自己长的那块做到更极致你是觉得越纯粹越有个性的人在这个时代机会有多吗?不是 是越容易在特定女业获得更高的成就如果你只是简单的写简单的想做一份工作可能你跟着AI走跟着我们说的这种通常的这种世俗的大家认为的正确的观点走我觉得肯定没错但往往这可能是个相对中庸的选择然后甚至你可能会陷入某种内角因为大家都是这么想的反正90人都根据AI来做的一些判断和选择大家都在做一些相对正确的事但是可能往往是一些这种长期的事情然后但是短期又不讨好的事或者大家叫什么难而正确的事往往是或反人性的事往往是可能AI一下子会没法给到你的或者说你需要那些有个性的人靠这种个性前去去坚持过去你才可能能看到这些曙光我觉得这个信仰蛮重要的这种多样性我觉得还是很重要对公司来说是非常重要的尤其现在世界变化太快了是的你是有个性的人吗你觉得我觉得算吧我觉得肯定算啊对肯定算什么样的关键的选择能体现你是一个有个性的人比如说同学学这一步开始对对对我自己应该是属于不太容易被外界影响的所以很多有个性人都应该都不太容易被外界的一些声音所影响可能会把它当成噪音我们公司现在三个连创应该也是day one就一起走的另外两个连创我们当时是同学一起打比赛的刚才在那边看你们那个robocap的 [200:00] 模型的时候,墙上不是有一段话吗?大概意思就是说,当时有三个热爱机器人的年轻人之所以选择创业是因为当时没有任何一家机器人公司适合他们,所以就自己做了,是这样吗?对 因为我们那时候找工作15年左右那个时候确实没有什么机器人公司大家能看到的就是像斯达家族这些公司很明显去这些公司是一个不错的选择他们很多研发系也不在国内国内可能更多是偏应用的一些部门甚至可能有一些最强的东西他也不会让你接触到 中国人接触到那两个连创是你打比赛人似的对算学地当时怎么就从打比赛一起教他们一起创业这个自然而然的过程本身就是大家一起学研室睡了好多年你是队长对你为什么当队长这个就是联系决定的资历在哪队长属于怎么说谁扛事多谁都当队长对都不抵不好说但是扛的事多一点就是当队长后来创业了之后是一号位你还是这个角色吗差不多 我也是哪里需要哪里搬公司内部其实我本质扮演两个角色 第一干一线另外一个后台服务让大家更多把能力释放出来然后怎么把这个组织变得更具有活力一点然后做好这种后台保障的一些工作那另外两位连创他们扮演什么角色一个就刚刚说的就是有点像红蓝军对吧公司内部对吧哪里有问题跳出来直接一针戒血指出来但是因为他是这样所以大家都觉得很好因为大家也知道有人会跳出来指出问题的所以反而大家对于问题这件事情反而就不处了我们公司内部有个文化就说没有问题就是最大的问题所以永远有问题默认问题一定会发生对反正我也经常在公司内部对吧 被屌 历管研发也会被屌一样的 没什么问题 该屌就屌 被骂就骂 然后还一个联创就属于这种非常好的补味性能他已经干了干了七八个岗位了里边需要的时候他要去干啥其实年创很多时候是一个非常好的身份就是你去做一个新的东西公司从来没做过的时候其实如果连上去做的话它其实内部资源的协调包括刷脸都行这个其实是非常有价值的所以另外一个年上就扮演这么个角色当这个东西不够清晰的时候他现在去摸一摸把这个东西可能0到17788的然后他也知道大概什么样的人接下来能做好的时候我们再可以找一个更专业的来做大概是这样的你觉得你为什么能够成为另外两个人愿意幸福的一号位其实我觉得最重要的点是相互间彼此知道自己的缺点甚至是人自己知道自己的缺点这个很重要因为很多新人其实是基于弱点的新人如果大家产生戏人产生户系关系从来没有弱点或者说很完美这个人是很难被信任的因为世界上不会有这种人而且很多时候你为了掩饰自己的弱点你就不得已要去说一些对吧你不说谎话也好或者说表现的相对虚伪也好这种时候往往就不会获得信任所以信任这件事情首先是基于弱点的信任你的弱点是什么我的弱点是吧我弱烈其实还挺多的就比如说至少在说讲愿景或说大的故事叙事上其实我对外传达是比较少的所以你说你说好像从来韩语没收到过我在做一些发声确实实话实了所以我内心不愿意出去说我会更喜欢喜欢存在产颜或者阴线的这些事想或者说一些一些组织的进化上我不太愿意是一个对外去传达的角色这是我很大的论点其实很多时候自由天然就应该扮演一个对外传达的角色在这点上我觉得肯定是做得不够的但可能后面想想可能也就这样吧有人能干就行了你们公司谁能看我那个脸上开了一个视频号叫叶老师玩机器人然后他就去说我说可以啊那你去说吧挺好的现在好像也有六七万粉应该可能所以我觉得大家知道我干不了有人能干我觉得也没问题我们就把各自擅长的事情能获得这种不停的能获得这种多班的事情先站好你讲的弱点好像还不够弱点剩下的可能可能对公司来说可能不重要那个是甚至都被投资人挑战过的你觉得创业是一件幸福的事情吗?怎么说呢?我自己不是一个很喜欢被约束的人这种约束包括各方面不管是思想上还是行为上至少我觉得创业满足了你这种不会被太大的约束所以这一点我觉得还是很好的但事实上没有约束有时候也是最大约束比如说你刷业后你其实你得对于员工的负责对客户负责投资人负责我觉得自己处的这种状态就属于至少目前阶段还是可以很开心的做自己想象 [205:00] 干的事儿我觉得这个就很好了最后聊聊你个人你今天不是提到几回《道德经》吗你为什么要去看《道德经》因为之前有人说我是个业力很小的人什么叫业力我也是很难解释什么叫业力但有人说心比较大我理解成好像什么东西都不会成为你的击败什么东西都影响不了你然后你不会被什么东西所焦虑那还是这种感觉然后说你这个状态其实跟道德金说的那种状态有点像其实对我自己也是一样的我从来没有对自己所谓的一些状态包括一些经理念或者说一些想法去做系统性梳理但是刚好有人提到我就说可以去看一看道德金到底在讲啥其实之前也不知道道德金然后去找书去看了一看我会发现里面确实有很多想法跟我们现在公司的理念也好我和我个人自己的一些性格风格也好确实很像就是那种无为的这种状态其实道德经其实一直在讲一件事就是要大家保持一种无的状态保持一种低的状态而不是一种高而满的状态你看我们做控制器也是我们不冲在前面但是我在后面给你做好支撑我不去说把所有事情都做掉我只做我自己的那一块其实都是这种状态包括我们公司我们之前HR也说我们公司有点无为但这种无为不是说不作为是不妄为就是你去顺应规律而为而不是说宁时在潮流而动的这种感觉倒地还讲什么呢讲包容你可以接纳所有的这种可能性你可以包容这种各个人各个物种各个员工这种状态然后没有给大家设计统一的规则还有当时说到管理有一句话他也很有触动说叫功成是随百姓皆为我自然什么意思就是说很多事情做成了然后所有员工觉得这好像就是自然而然的事情好像也没有特别做什么东西不是刻意的我们做什么东西最后这个事情成了而是每个人都觉得这是一个自然而然发生的事情对我会觉得这是我想要的那种状态每个员工最终发现好像这都是我们自己做出来的好像我们也没有做什么很特别的事然后就成为了这么一种状态我觉得这个状态是跟我理想做的状态很接近成功就是自然形成的结果对它是自然而然过程不是一种刻意追求的过程不是一个说我就是想那样否则那样反而人会很累反而与此种种好像描述的会比较精准所以就去研究了研究你不工作的时候干什么睡觉然后看一些动漫也会刷B站你看哪种动漫都看为什么喜欢动漫其实我看动漫也是被我另一个年创在学校里面带的后面我不是退学考研我当时11月份退学1月份就要考研了我一个年创就说推荐你看你动漫放松一下因为白天要调机前晚上还要复习然后搞英语政治还要刷题搞专业题所以那个时候就开始中间休息时间就看动漫就给我推荐了一些相对于他筛选过精选过的一些神漫到后面来创业或者工作以后形成一个放松的方式就是会报复性的看突然你可能会发现这几周都在公司周末但突然有一天就啥事不干然后刷一天就把一个动漫就相当于从头刷了我全部看完然后开两倍速甚至三倍速然后快速看完或者就找个游戏拿修改器直接修改完以后一天全部通关对会干这个为什么喜欢动漫呢我觉得动漫里面有很多一些怎么说呢就是你就有一些类似于乌托邦一样的东西它用一些放大的手段要么给你加速了要么给你放大了然后展示给你看对于像像我们平时这种天天处在一些逻辑里面的人看这个东西会得到一种天然的释放比如说我们做这个事情可能循序渐进对吧我不可能开个五倍速再做但是可能在动漫里面它就是五倍速第二动漫本身的剧情它会建立某种世界观让你沉浸在这种世界观里面就是这种程度的这种释放会让你回来看觉得你现在自己做的事情会碰到困难啥都不算你看在这个动漫里面要么国家灭亡要么父母双亡对吧这比你惨多了回头一看这根本不算啥尤其是很多动漫内科其实都是一些真善美的价值观所以很多为什么说有时候看动漫看着眼泪都会下来是会让人内心的这种触动会很大的最喜欢哪一部?很多真的特别多从学校里面当时看《刚念》《刚知念经术史》然后看《盼鲁修》《盼燕》《盼鲁修》 [210:00] 看高达当时还有经济的巨人挺多的其实基本上称之为神漫的东西当时可能不一定马上看我一般会攒完以后拿一个周末就全部一次性刷完可能很难说一个最喜欢哪一部但是里面都会有很多场景会让人很触动也是一些刚硬一样的会打在脑子里面卢伦修那个确实是个神漫这瞎说说那个动漫在讲个什么事就是说整个世界已经乱七八糟了然后有一个暴君出现了世界已经被暴君所统治了整个世界有很多势力在纷争像一个战国一样然后你怎么再把这个分乱的世界重新拧合成一个联邦或者说拧合成一股力量然后怎么去拯救这个世界他其实在讲这么一件事环节整个世界去拯救世界对 但是他最重要的解法真的当时是把对我世界观触动挺大的他当时主角的解法就是说首先让自己他获得某种超能力自己变成世界上所有人的敌人当你变成所有人敌人以后敌人就是朋友这样所有人都变成了朋友最后主角让他自己最好的朋友在他的加冕仪式上一刀把他刺死首先让自己变成恶魔最后让自己的朋友在自己对到达顶点的时候把自己杀死嗯这样所有世界人就联合起来了然后他的朋友就变成新一代的王就感觉有某种映射意味对吧很有意思相当于把你自己变成一个最大的反派然后再把自己献祭掉然后从来拯救了世界可想而知对当时在学校里面这种人的思想冲击会有多大所以对你来说当第一是一个消消乐到达第一的时候他某种时候三连消掉了他必须有下一个状态否则你如果只待在第一这个位置上其实是会被消掉的对千万不要去当第一当完第一以后赶紧找下一个目标所有的都是短暂的赶紧把自己的很多东西清空掉然后重新再来否则其实很容易自己做了做就变成那条恶龙跟前后呼应了是好吧有没有崇拜的人物我自己其实可能两个一个是道士和夫一个是毛泽东这两个人其实我是可以说是崇拜的这样的你可以说在整个视野上是高度违新的他是不讲逻辑的比如说你看大众和国经常强谈一个观点说当我努力到极致的时候神就会来帮助他相信世界是有神的但是神的神之一手或者神的这种灵光只会给这些你努力到极致的人神就会来给你启示你可以在梦里甚至在梦里都会给你启示然后这个问题就能被解决所以只要你对这个问题足够想你每天想这个问题就一定会被解决当你整个公司的人都在想所有问题都不是问题极其违心您不觉得吗这没有道理大家都觉得这个事情这样这个事情就会变成这样主席也是这样的你会发现一切反动派都是指导骨对吧所有这些东西其实最开始其实是有点浪漫主义色彩的你看毛主席的诗一代天骄只是万公社大雕他都是有很强的这种维新主义色彩的但是你会发现它落到具体的事上他又是讲违物的他是讲客观规律的讲此时此刻此情此尽我应该这么做我不是机械式照搬而是要结合的这种辩证去看待的回到精细节上你会发现该是什么还是什么样是很精细化的同时是既有远大的一个目标这个东西是没有道理的坚定相信的但是你落到可能这种策略上又是可被执行有逻辑的我觉得这个实际很难的所以你的维星是加速多元智能对或者说是我们坚定相信的我们会相信说整个世界上的这些机器人的形态也好包括整个机器人的整个未来生态也好一定是非常多元化的我们就坚定相信不会有巨头出现就未来所有的公司都是机器人公司所以就没有了机器人公司是不是存在一种可能就有巨头出现你就会想要联合所有的史莱姆把巨头打掉对所以你说有道理但是支持你的维新对我们是坚定相信这件事情的但在具体可能每一步执行上怎么会有自己策略从0到1到1到100再回到0到1我觉得通过我们这些努力是可以逐渐去逼近和实现的因为使命和愿景这种东西是不可能最终实现的它只能永远逼近不可能最终被实现所以这两者我觉得一定是有机器的结合在一起的你的世界不容许有第一有第一就要干掉它可能带我的事也比较惨也不能这么说对我们是比较享受去在竞争中去改变了这个过程对 其实去改变一些东西这个事情其实是让人还是很新潮存泰的