Dyna创始人叫停单任务扩张 押注百万小时第一视角数据冲刺PMF

Dyna创始人叫停单任务扩张 押注百万小时第一视角数据冲刺PMF 单点任务因过度依赖人工看护无法跑通商业闭环，具身智能必须由第一视角数据驱动端到端工作流，大脑决定产品下限而本体决定上限，B2B具身机器人将在两年内迎来PMF收敛。 访谈回顾了Lindon从早年做游戏外贸、创办Caper智能购物车并以3.5亿美元被收购，到再次创立具身智能公司Dyna的历程。面对中美在“大脑派”与“身体派”上的认知分歧，Dyna选择了以具体工作流闭环驱动模型预训练的“Product-research”全栈路线，从折叠场景突破，并进而提出替代单人产出的“一个员工”长程工作流战略。Lindon深入剖析了机器人落地中的真实ROI、第一视角数据Scaling Law以及软硬件协同逻辑，并坦诚分享了自己在战略迷茫期砸碎“不犯错”心理包袱、借助阳明心学与《沉思录》实现内心转念的修心体悟。 Dyna Robotics 在具身智能预训练中发现显著的 Scaling Law：在积累并训练约 100 万小时的第一视角（Egocentric）数据后，模型展现出稳固的扩展效应，团队据此转向以互联网量级第一视角与第三视角为主的通用数据路线。 (85:00) Dyna 提出分层的具身技术架构（System 2/1/0），并确立“一个员工”闭环战略，拒绝将单一折叠任务过早规模化，转而攻坚涵盖仓储、上下料的端到端完整长程工作流。 (65:00) 针对中美具身智能路线分歧，Lindon 提出“大脑是下限，本体是上限”，强调硬件定义须由研究驱动，且 10 年维度上供应链与制造协同将决定终端产品的质量与成本生死战。 (120:00) 从创立 Caper 被 Instacart 以 3.5 亿美元收购到执掌 Dyna，Lindon 复盘早期“为了不犯错而做错决策”的包袱，强调创业是一场向内修心的马拉松，关键在于拒绝被市场噪音带偏并坚守第一性原理。 (156:58)

Dyna Robotics 创始人 Lindon Gao 结合过往创业复盘与具身智能实践，主张以“端到端全工作流”和真实经济回报驱动底层模型研发，并通过东方心学与斯多葛哲学实现创业认知迭代。 商业本质检验：从假性PMF到端到端工作流闭环 (20:00) Lindon 结合此前创办 Caper（智能购物车并最终以 3.5 亿美元卖给 Instacart）的经验指出，硬件与机器人若不能算清投资回报率（ROI），就根本不存在真正的产品市场匹配（PMF）。针对行业内签下一两个非标定制订单即自称跑通 PMF 的现象，他指出机器人如果单次动作达标却需要工人定闹钟人工上下料，本质上只是“需要保姆的半成品”，现场停机空转会彻底破坏经济效益。 Dyna 在叠餐巾场景验证了 99% 成功率后主动刹车，拒绝继续单纯扩张单点任务，转向涵盖自主取料、搬运、折叠与货架整理的完整端到端工作流。在 Lindon 看来，具身智能不能止步于局部动作序列的泛化，唯有打通整体工作流并消解现场人工依赖，让单台机器人日均产出匹配或超越单名全职员工，才能建立起真实的商业闭环。 底层技术破局：第一视角数据律与三层系统架构 (65:00) 在模型探索路径上，Dyna 团队破除了早期对小样本极致清洗的执念，转向积累超过 100 万小时的第一视角（Egocentric）与第三视角数据，并观察到了稳固的 Scaling Law 迹象。Lindon 认为，机械手爪形态与遥操作设备属于工程迭代问题，第一视角与第三视角数据才是承载最广泛人类经验的终局形态。团队研发重心也从早期的预训练与后训练对半开，全面转向重度倾斜预训练，利用底座泛化性大幅压低后续落地微调所需的数据规模。 为支撑长程工作流的稳定性，Dyna 2 确立了分层架构：System 2 负责世界物理属性推理与任务阶段判断，向下下发高阶语言指令；System 1 作为世界动作模型，将语义指令解析转化为动作决策；System 0 则通过强化学习算法驱动真实硬件的极速高频运控。硬件形态上，团队出于当下技术与成本的实用考量选择轮式底盘加双臂半人形构型，依托预训练底座实现仅凭少量示范即可迁移新任务的能力。 场景与路径分野：以B2B工作流为基石走向通用市场 (72:00) 在中美路线分歧上，Lindon 提出“大脑决定产品下限，身体决定产品上限”，Dyna 选择软硬件协同的全栈路线，并在中国设立数十人的硬件与供应链团队以支撑百台级初步量产。他坚信十年维度看供应链将是终局成本与品控战的关键护城河。同时，他主张硬件迭代必须由研究团队根据算法需求反向定义，且需要至少三版协同打磨以抢跑落地工程周期。 面对“家庭通用机器人”的行业狂热，Lindon 保持审慎，指出家庭场景缺乏量化标准、充斥情绪化审美且安全容错率极低，预计初步泛化需数十年。他更看好 B2B 通用市场，以全美 10 万家酒店洗衣房等垂直场景作为通向家庭的最小闭环单元。他反对按行业机械切分赛道，而是按工作流复杂度阶梯式推进，计划在打通特定端到端闭环后，未来一至两年将验证好的部署飞轮推广至更广泛的通用市场。 极简精英管理与创业者的修心突围 (130:00) 在组织治理上，Dyna 全球团队控制在 200 人以内并维持扁平架构，团队资源将 80% 到 90% 的产能聚焦在智能体研发上，借助工具链与智能体编程（Agentic Coding）大幅压缩工程开发周期。Lindon 坚持将自身作息与健康机制自动化，以保存心智带宽应对 CEO 最核心的认知职责——“找方向”。 经历过团队在落地与纯研究之间的战略迷茫，Lindon 坦承此前背负了“成功连续创业者不能犯错”的包袱，导致一度跟随市场噪音变形。通过研读《沉思录》、王阳明心学以及应对自身强直性脊柱炎所领悟的“转念”智慧，他选择放下外界评判与防卫心理，回归第一性原理。他将机器人创业视为一场看不见终点的迷雾马拉松和全球顶尖高手的“世界杯”，认为唯有把创业转变为向内求索的修行，才能在行业技术尚未收敛的大变局中行稳致远。 Lindon Gao 预判具身智能将在未来一到两年内在特定长程工作流中率先形成 PMF。然而，机器人能否真正跨越场景复杂度断层、由 B2B 闭环顺利泛化至开放式通用市场，仍有待底层模型泛化能力与硬件经济学在更大规模落地中的持续检验。

[120:00] Lindon Gao: 大脑决定了你这个产品的下限，身体决定了产品的上限，所以我觉得长期来说可能会形成一个成本和质量战。 [20:00] Lindon Gao: 特别是在硬件机器人行业，我觉得 ROI 不成立就不是一个产品，就没有 product market fit。 [58:00] Lindon Gao: 如果说你去 scale 一个不完整的产品，那这个产品在未来会对你来说是个累赘。 [105:00] Lindon Gao: 我觉得其实机器人不需要 intelligence、不需要达到通用，就可以被每一个人都可以用上 [155:00] Lindon Gao: 我觉得对我来说我自己定义的失败是我修心的失败，就是如果我真的认为这件事情失败了，那其实我就失败了，是一个心理状态。 [164:30] Lindon Gao: 在每一个节点只不过是一个 checkpoint，而不是你的 goal。所以说如果说你没有办法享受这个旅途，你只想一直一直往这个终点看，那我觉得你会觉得这段旅途是非常煎熬的。

[0:00] Hello大家好,我是小俊。今天我们的嘉宾是一位美国的连续创业者,他是Dyna Robotics的创始人兼CEO Linden。她和之前来过我们节目派非常的不一样,Daina走了一条他们叫做product research的路线,全球的机器人行业还远远没有达到收敛的时刻。这是一条无比漫长的长好你看不见终点有时候你也看不清楚四周那每个创始人在其中如何做决策如何设定路线图以及在迷途之中如何找回自己灵灯都给出了自己的答案如果大家喜欢我们的节目,请大家给我们转发投币点赞一键三连,期待2026年,我们和AI。共同进步很少有创业者是能在悲剧几百次的情况下还不放弃创业的吧当时我就跟我团队说我们是蟑螂你们是蟑螂 我们死不了我们当时有段时间战略迷失的时候其实分析是最大的就是团队我们作为一个团队的identity是有非常大的冲击的就是一拨人说我们要做了地另外一拨人说我们要做research你觉得文的道歉和理想主义有分歧吗?没有分歧我是非常理想主义的人我来做机器人不是为了赚钱的我觉得闻得到钱是生存的一条路我的梦想是星辰大海可是我的路径是需要脚踏实地Hello,Linden,先给观众朋友们打个招呼你好,我叫Linden你这次来上海有什么不一样的感受吗?你多久来中国一趟?谢谢大家我可能一年来一两次吧我们在上海有个团队所以有的时候会来上海的感受我觉得发展很快机器人行业很卷大家都在讨论机器人跟硅谷的感觉有什么不一样吗?在Robotix这个行业上?说感受的话,其实我觉得两边其实都挺咐躁的,天天都有非常多的release,每家都在出一些新的东西,然后每家都想多融一些钱我觉得基本上可能大家都都比较类似可是我觉得本质上面我觉得硅谷和国内的对机器人长期的战略打法还是有一定的不一样的认知的你怎么说?其实就是分大脑派和身体派大脑派其实就是美国觉得大脑是唯一的问题身体会自己解决它自己中国觉得供应链是唯一的问题大脑长期会自己解决所以其实这两派其实在中美还是看的比较鲜明的可是我的确也认识到中国其实最近也在比如说一些模型层面上面也开始布局你们属于大脑派还是身体派我们属于全战牌全战牌对要不我们在聊Dyna之前我们还是先聊聊你作为一个连续创业者你之前的一些创业经历你的成长和创业我是在中国出生我11岁的时候去了美国其实我长大的环境是比较entrepreneur 就非常有创业型的身边的人都会做一些小买卖小生意所以说其实我在很早的时候就会做一些小生意我14岁的时候就做了我第一份当时很多人会说这是创业 可是我当时觉得这只不是英文来说就是hustle 就是赚点小块钱14岁是初中吗 还是高中 初中 初中 对当时其实就是打打游戏然后觉得游戏里面好赚钱所以就卖账户卖装备然后做了个平台然后就转了一些钱做什么平台其实就是一个就是买卖,可以去这个平台去买,可以去这个平台卖,或者说我去别人的平台,或者去别人的forum,其实有的时候在论坛上面也是可以买卖的,所以说就是这种买卖形式。低筒金赚多少钱上半吧上半未进嗯 OK然后呢这个怎么结束的其实后面生意就先淡下来了淡下来然后就把这个给卖了就把网站给卖了其实我觉得当时做生意的这段时间其实不是一段我只在做这一件事情,其实零零散散是非常多的。所以说比如说今天我会卖游戏,明天我会卖软件然后后点我会卖鞋子其实当时我成长的氛围里面其实在这氛围里面是非常普遍的其实我周围的人也都在都是在这样子做可能我成长 [5:00] 比如说小学初中环境是一个非常不一样的环境所以说其实周围的人其实都喜欢专闲所以说我是被这个氛围影响的然后也是跟着他们一起追潮流,然后学着学着就学会怎么赚钱了专心男猫对你来说赚钱不难其实赚钱是非常对我来说是非常你不是说非常简单就是说我非常喜欢其实也不是也不是喜欢钱本身而是喜欢做对了一件事情带来的reward与此同时 课业怎么样啊我没有特别专注科研对我可能不是一个非常典型的一个一个创业者哦 第二段创业怎么开始了呢?当时其实也是买来心态我在大二的时候其实开始做了一些珠宝买卖那时候其实就是在各个地方发现有一定的珠宝库存然后他们其实本来也不太想要了就把这个本来是想把这些珠宝给融掉然后重新就是把他们的金属回收那我就当时就是说我能不能买一些你们的库存我在eBay上面卖然后当时在大二的时候卖的挺好的然后就渐渐变成了一个生意这个公司是出事物吗?这个公司其实后面变成一个self managing business就是我不用花太多时间他是可以自己赚钱然后我是给了我家里的一个人帮我打理这个生意做了快10年多了但还在现在已经不在了现在我觉得太大了我一个小时都不想以前可能一周花三四个小时一年可以赚个十几二十万也是我觉得也挺划算的可是我现在觉得不太值这个时间所以才结束掉了结束了我自己结束掉那你是怎么接触到珠宝的呀首先是通过家里的原因然后也有朋友的原因然后也有圈内的原因就是通过通过家里和朋友认识到了中国的珠宝供应链通过美国的一些朋友认识到了珠宝的需求其实我把珠宝2C business 变成了个2B business因为当时其实卖珠宝本身我觉得挺累的 每天都要包装 然后客户反馈当时我还在上大学然后还要实习就没什么时间我后面就把它转成了一个to be business这个to be business其实就是我卖给珠宝设计商其实美国有非常多设计师他设计师其实他们当时是需要在美国自己找供应链或者自己找工厂然后去做而且每次做都非常贵打磨也非常差然后量产也做得非常差所以说当时我开始做了一个外贸生意然后把珠宝和设计师连在了一起然后当时就谢谢大家给他们供货然后就提成所以你是很顺利成章的去读了双学是吗对你当时在选学校或者选专业的时候有其他的选择吗然后后来又去了投行其实我觉得我的教育路径是非常自由性的其实我父母没有管我太多他们其实是比较放任我的所以说我是一直去选我自己觉得我喜欢的事情其实我刚开始的时候我是学医的嗯在纽约大学医学院?对,他们医学院很好。对,当时是,其实学医是我父母的意愿,可是我学了两年之后,其实我就不想学了。啊,我当时,所以说我当时就学了啊,进入专业。哦。然后你为什么要顺着投行的路线发展其实当时去做投行其实算是一个bandwagon就是其实纽约大学的商学院也是算是非常好的所以说大家都是想去投行当时我刚刚入学的时候就是刚开始转到金融的时候其实我是不知道投行是什么东西的可是我知道大家都想去所以说我知道大家都想去我就想跟大家比一下所以就去了然后就觉得是一个挺不错的体验你再通话一遍啊两年多吧两年多然后就开始创业了吗对你从投行出来到你现在这段创业中间也还有什么经历吗没有,我是直接直接从头上跳到创业的然后就做了机器人我的第一个创业算是半个机器人 对DNA之前还有一段创业经历对叫Kaber叫Kaber OK寄账其实很有意思其实Keyber我们核心做的是无人零售无人零售其实在2011 [10:00] 17年的时候是非常盛行的因为当时Amazon出了一个产品叫Amazon GoAmazon Go就是谁都可以进入一个商店就是商店是没有收银员你可以随便拿一个货物然后就可以离开它会帮你自助结账这个概念本身是非常新非常酷的而且让大家重新imagine 了一下购物体验会是什么样子的,然后我嗯所以说当时其实国内国外可能有也数不清了当时可能跟机器人赛道也是一样活的那种状态出了可能几十五十多家公司我们可能算是在这个行业里唯一少有的幸存者其实当时我们在产品概念其实就和大家非常不一样因为当时大家都是想重新装修整个商店他们会把所有的感应器融合放在柜子上然后把摄像头放在天花板上然后去做self check out我们当时其实我把这个概念带到了超商中当时我去见了150个超市的老板然后就问他们说Amazon Go这个科技怎么样我帮你做了当时非常让我 surprise 没有一个人想要嗯然后我问他如果免费给你想不想要?他说我也不想要我当时就惊讶了 我就问他说为什么然后他就说性价比不高啊我没有ROI你让我花几十万帮我生几个收益员其实我收益员也不光只是做收益的然后所以说其实他们当时就不管怎么样子都是划不来而且再加上还要再装修然后装修完之后这个技术还是要需要有一定的维护所以说那时候其实我就发现说这个产品可能本身商业逻辑走不通所以说我们当时就换了一个产品啊就是把感应器融合和视觉识别放进了一个购物车里啊其实解决是同样的问题因为其实无人零售解决就是两个问题一个是谁付钱第二个是需要付多少钱?其实在购物车里可以同样实现这两个问题而且技术比这个简单了很多谁付钱就是谁带着你这个购物车付多少钱就是你放进了商品商品是什么其实我们是可以直接通过视觉识别和感应器融合在购物车里直接识别这些商品的所以说那时候才慢慢做成好中间是不是有一段很难的经历啊在这段创业中是,我们刚开始的时候其实我们非常幸运我们第一次报YC就进了然后进YC之后其实我们的mentor也是非常有名的鼎鼎大名的Sam Altman和Jeff Rostin,两个后面都成为了YC的President和CEO可是我们从YC出来之后其实我们算是整个badge的倒数排名从融资角度来说是到处排名我们总共只融了30万所以当时其实挺困难的因为其实一个非常普遍的一个问题其实就是你们有什么背景你们为什么觉得这是会成而且其实美国投资圈其实非常不喜欢投硬件因为他们本身就觉得硬件本身成本非常高然后distribute起来非常困难只容了30多万的时候其实我就跟我的另外三个合伙人我就跟他们说对不起 我只容了30万嗯如果你们愿意的话我们可以搬进一个房子里面我们可以住在一起我没办法给你工资,可是我们可以付房租,我们可以付你的车油费,我们可以付你的伙食费,可是伙食费我们要自己住。然后当时我们四个连窗就住在一起了,然后加上一两个early employee。然后当时我们是一个月烧了7000岛一个月只烧7000岛烧了两年半然后才融到了第一桶金 中子轮低筒金好像是200万OK 对这个难关就度过了吗随着第一次融资进来嗯其实也没有其实我们当时融资的时候就是遇到特别困难的一个点就是我们的产品非常反共识反共识到就是我们是市场少有的几家非常非常少当时我们刚开始做的时候可能市场是没有做过就没有任何人想到过做这种产品所以说 [15:00] 我当时去融资的时候大家都说你怎么跟亚马逊去对抗然后而且还有这么多其他的公司你看他们做的都是亚马逊类似的技术他们都做的这么好而且融了这么多钱很多人有一些公司一从YC出来就融了上千多来然后我们当时就这么一点点钱就这么一点点人然后就还拿着一个购物车到时跟别人说他们就说最好你们购物车会不会淘汰的嗯所以当时其实融资挺难的我们将了啊我们当时为了撑到种子轮啊我们我自己coemail了1000多个天使投资人最后convert了两个当时因为已经快死了张国磷可能就是剩下一两万了然后这两个天使投资人当时每一个给了我们差不多5万左右的钱就活下来了,然后真正开始出去融种子轮的时候,我们见了100多个institutional investors,然后全部都拒了出了一个,当时就是first round capital。所以当时活下还是很不容易的然后你刚才问从融下来之后再到A轮其实也是一个非常困难的过程因为本身硬件产品开发周期比较长再加上超市本身他们的sell cycle非常长所以说其实我们真正去落地升到可以扩散的时候其实也是花了以一年半多的一个时间然后在2019年的时候我们去融A轮的时候其实当时我们就想融个千万级别的A轮融资市场里没有很多当时没有很多机构投资可以投资前外级别的然后我们也是见了60多个投资人然后可能基本上都是全军覆没了然后最后也是不断的去找新的投资人最后找到了一个Lux Capital所以那时候他们投了我们差不多1000多万左右这段创新后来也是出售了对我们在A轮之后我们那种B轮的时候就有非常多traction了所以说B轮的时候拿了两个term sheet然后拿到了一个acquisition offer当时本来拒了他们两次然后后面决定卖掉了这段创业最痛苦的时候是什么时候你是还在靠读陈思路撑过来吗你怎么知道的我好像看到有报道一些我刚刚是我觉得创业其实是一个就是特别是在低谷的时候越是低谷的时候越需要修行所以说我觉得整个过程是一个修行的一个过程因为其实你可以想象一下如果说我见10个投资人然后被拒了10次那我抓好好那我再见第十一个再见第十二个可是你见了一百个之后你会开始怀疑自己你会觉得说是我不好还是这个项目不好肯定因为已经100个人拒绝我了所以其实那时候通过这段经历其实我自己对自己的认知对世界的认知其实是提升了不少其实我觉得以视角去看这件事情就是每一次失败其实对我来说就是一个reinforcement learning就是下次怎么做得更好所以说其实渐渐的就是逼我成长所以在那段期间其实我成长是最快的可是也是最苦的你说你对投资人有一个划想思维划想是从那时候就开始有了吧你见了几百个投资人啊在那个过程中其实不是其实我觉得因为我当时对投资人没有一定的思维画像所以我才被拘了一百多次就是我当时只顾着说我不顾着听所以说其实完全没有跟投资员打到同一个频道上面所以说就很难去建立一个共鸣这是我后后思后觉才发现的一件事情嗯 那个创业持续了几年啊持续了6年左右那还挺长呢对迈出去的那一刻感受是什么样的觉得我突然有钱了吗啊其实迈出去那一刻我觉得我的第一反应其实不是突然有钱了就发现这件事情做对了因为其实当时啊当时其实3.5亿在当时的创业环境里算是不错的其实我当时决定放手的其中一个原因是我觉得我可以做一个更大的一个事业和行业我是希望说我从我过去六年学到的东西可以更好帮助我 [20:00] 做过下一个我觉得可以做到更大的一件事情所以当时这主要是我当时想买的原因而不是真正是为了钱那是哪一年啊2021年2021年那个时间很好啊嗯是吧 后面AI就开始爆发了吗 对 2021 年应该还没有很明显对吧 对是 2022 年的时候才真正开始有非常强的一个一个curve 细数你前面的两段生意一次创业你觉得你从中的learning是什么呀其实对我最强的核心的观点其实就是做事要做最本质的事情其实我在过去几次创业里其实走了非常多的弯路做了非常多不本质的事情嗯有的时候可能就是觉得比如说希望说如果我招到这个人我的问题就会被解决了其实不能以这种心态去招人或者说如果说我拿下了客户那我就可以融资其实也不一定还有在做产品这段其实我觉得做产品这段其实是对我来说是最有心得的就是做产品永远都是要做有价值的事情其实说起来很简单可是我觉得很多时候是非常难去做到的比如说其实当时非常拿无人零售来说的话其实就是当时大家是拿着一个锤子找钉子就是我有一个这么酷的一个黑科技然后我当时那我就把这个黑科技放在一个无人商店里面去去节省商务员本身其实当当时我们真正在做产品的时候其实我们发现其实节省人工成本本质其实不是产品最有价值的一件事情当他们节省时间的时候他们在和我们的屏幕互动的时候看到了价值就是比如说我放进了一个零食我给你介绍另外一个零食然后或者说我放进这个零食之后如果你再多买两个你就会有个coupon其实那时候才发现说其实我们的产品价值核心后面是我们可以提高Average basket size 而不是我们可以省多少人工 然后同时我们也在做产品的过程中发现了广告的一个非常大的机会所以说让整个产品价值做得非常高所以这些价值其实是在一个无人零售商店里面是没有办法的达到的因为你是没有一个屏幕是可以跟你互动所以说这是我们在过去发现的一些行李吧对怎么想一个根本质的问题而不是当下的一个比如多拿一个客户啊多荣失资啊对其实我觉得其实多哪一个客户如果说你没有达到你的产品没有达到ROI 你多哪个客户是没有意义的 因为你多哪个客户除非说你知道长期我比如说上量之后ROI是可以自动成型 可是如果说整个商业飞轮本身没有建起来是没有办法达到一个product market fit很多人可能就觉得在product market fit就是我签了一个客户然后这个客户愿意付我多少钱然后就去做其实我觉得在机器人行业其实有非常多的公司其实找到了所谓的product market fit可是发现后面他们需要做的customization也好客户要求的节拍也好他们是远远达不到客户对机器人本质价值的一个产品形态的所以说我觉得这件事情你ROI成不成立 你ROI不成立特别是在硬件机器人行业我觉得ROI不成立就不是一个产品就没有product market fit你刚才还提到你在YC的mentor是Sam他教育你们什么了吗其实我觉得像是在那一段时间能力非常强的人可是我觉得我当时能力不够强没有办法跟他共平所以说其实他当时跟我说的所有的核心概念就是launch and iterate其实这是当时从他那边他天天都是催我这样做哦他在YC当时投入的时间还是很多对吧还好可能一周会见两次一周见两次除了这个还有什么其他的learning吗从他身上我觉得我当时的认知可能没有达到一个更高的境界吧,没有达到他的境界。你是不是还挺自律的呀为什么这么说我好像看到你骑得很早是吧啊对一般都起来早五六点这个是 [25:00] 从什么时候开始呢从创业的时候就开始了我觉得比较早期的时候其实就是这样有意为之还是你比较习惯这种规律其实有一本书叫Atomic Habits其实就是说你的原子惯性的一些东西是可以长期帮你达到一个跟你原来觉得你达不到的一个目标啊其实我觉得每一个人啊其实在一个成长过程中其实如果说你是有一定有非常好的习惯你就会慢慢变成你想要变成的人其实对我来说我觉得作为一个创业者其实一直是一个脑力运动员其实本质上面其实就是一个运动员啊就是需要有个运动员的修养那其实就是因为如果说比如说你吃的不健康或者说你没有运动或者说你睡得不好你也没有办法可以专心去想一件事情啊所以说那其实从我的角度来说的话那就是如果说我想要好好创业那我就要把我自己的身体打理好啊所以说比如说早起运动饮食啊我都是有非常对自己是有非常高的一个要求的早午晚时是吗对,那确实你的身材很像运动员的身材,是吧?你积累了10年ok 以前也没有这样是吧 10年前对是是对是创业之后就越来越自律因为其实我发现自律之后其实这件事情就不用想了就是它不会占你的mind share嗯那不会照你marshare的时候这件事情做就变得很自然就是反而变成强迫症就是如果我今天不运动的话我今天就不舒服你几天到几天运动我一般都是差不多6到7点之前运动5点起床6到7点运动后面呢那就开始工作了我让沈阳睡觉10 11点左右吧饮食呢饮食非常有规律,我晚上是非常少吃碳水的,然后我一般是中午吃碳水,然后早上吃的比较有规律,都是有一定的营养成分等等,就是一直都是这么吃下来,就是我觉得我这件事情是从我爸那边学的,我爸其实是一个非常自律的人,所以我发现他在他自己自律的身上的状态自己的健康也有非常大的改变所以实际上我爸选的自律能提高你的决策质量吗作为一个CEO来说100%我觉得作为一个CEO来说其实你最重要的大家都都是这么说就是说找人找钱找方向其实绝大多数CEO的重大决策其实找人和找钱其实不是需要花太多大脑的所以说其实最重要的是需要找方向找方向其实就是你的每一个决策本质的需要高质量的那你需要做你能做出本质高质量的事情你是需要把这件事情想得非常的透想得非常的清楚所以说所以说如果说你脑袋是一非常模糊的一个状态我天天都是晚上吃宵夜或者什么样子反正身体不是非常健康的话你是非常难做出一个非常明智的选择你卖公司那年应该刚好30岁对吧对刚好30岁然后站在那一刻你觉得你对你后面人生的规划是什么样的我觉得人生才刚刚开始怎么开始这一段创业呢这中间好像也有几年时间对吧对我在Instagram打了三年其实我在这个阶段被收购的其实一个非常大的动机当时其实我是想向别人学习就收购公司对对因为其实当时Instacart里有非常多Uber Facebook Google的高管我是一个野路子打出来的人我前三次创业其实都是野路子是非常不按常理出牌的我觉得这件事情商业本质和产品形态是这样子的就带着我的工程团队我们就把这些事情给干了所以说我在融资的时候就比较单纯你算融资过程中碰面比较多的创业者吗在美国的话那肯定我觉得可能很少有创业者是能在悲剧几百次的情况下还不放弃创业的当时我就跟我团队说我们是蟑螂你们是蟑螂我们死不了对 可是我当时我觉得我的经验的一个非常大的盲点是管理是产品和管理然后就是说在一个更大的组织范围之内我怎么样子可以学到更从他们身上学到更好的东西所以说当时我在Instagram待了三年左右就是为了学习学习当时我没有也是在看前面 [30:00] 学习到什么我不是总结型的人物我是会把一件事情渗透到我的骨子里然后会变成我的认知的一部分可是很难用语言去表达所有的事情可是我觉得可以说的一些事情我觉得比如说啊怎么样子去向CEO拿资源是很有意思的一个过程你要把你自己做的事情为什么很重要做怎么样去frame这件事情然后怎么样子去挖掘它底层动机然后去和它align上来我觉得这个是我当时学到的一些事情其实我当时从来都没有想到过是需要这样做其实跟融资可能有点类似可是当时我和CEO需要interact的一个过程可能是非常非常frequent的所以说可能那时候锻炼了我这方面事情然后同时也是在管理和组织上面其实我当时管理是比较杂的其实我是没有去思考说我在这个职位需要找什么什么样类型的人会想得非常非常清楚而是说我觉得这个人对了我觉得这个人是可以成长然后我会然后如果这个人做的不好的话我会适得去纠正他其实我做一段管理之后其实我发现有些人是改不了的有些人可能在他们认知范围内除非说他们能突破他们自己的目前的认知是没有办法做到更大的SCOAT的所以说那时候其实是我对就慢慢慢慢渗透其实对管理也变得更得心应手了你最多时候管理多少人directly和indirectly可能几百吧三百多这样子对然后什么时候决定我还是要出来创业了我不能再当高管了当VP符合你的个性吗你觉得一点都不符合对因为其实我是非常喜欢我其实我对创业是有一份敬畏性的我是非常喜欢创业本身的因为我觉得创业是像一个匠型就像一个匠人比如说我今天要做一个陶瓷我就一定要把这个陶瓷这幅画这篇文章就写得特别好然后他们会花10年20年30年40年的这种精力去完成一副他们自己觉得非常自豪的一个作品嗯我觉得创业其实也是一样的其实创业其实就是在打磨自己的一个自己的作品其实自己的作品就是这个公司作品的公司里面其实就是你的技术你的文化你的产品我觉得和你的管理等等我觉得这而且创业是非常多就是多模太多维化是非常多维化的一个状态所以说其实你每天都可以学到很多的东西所以说其实当时我决策去创业这件事情是非常对我来说是非常简单的一件事情就是我就一直觉得我是更适合创业的为什么做robotics那个时候AI也很火大摩西也很火其实其实我当时很有意思 我当时在刚卖公司的时候看了AR看了一段时间 然后我们也看了一些其他的 比如说Quantum 也看了一些什么但是Nuclear,啊可是我当时我和我现在的另外一个合伙人叫杨世远其实我们是AR是认真的探索了差不多六到八个月然后发现其实技术底层的一些东西可能嗯还没有完全Ready然后其他的我们就觉得跟我们不是特别的fade其实当时我和杨世元一直想做的一件事情就是我们想做能改变世界的事情因为我们觉得我们如果真的还要再一次创业的话我们就想做一个个男的一件事情然后能改改变世界的事情其实真正能改变世界的事情其实不多其实你可以两只手可以大概数出来这件事能改变世界的事情划过哪些法国内心对啊我觉得比如说就像我刚才说的比如说AR啊energy啊啊然后海 quantum 啊然后我觉得比如说生物类型的其实那跟我们不是非常适合啊然后啊AI当时其实也有看过所以说也有在思考当时AI该怎么做可能我们最后到机器人我们就发现说其实跟我们的啊之前的经历是非常非常相符的而且甚至说我当时看 [35:00] 我机器人的行业形态其实跟吴润铃说是有点类似的就是有点大家拿着锤子找钉子的一种感觉所以说其实当时我就觉得说硬件可以做Infra 软件、AI其实都可以做然后当时我们团结去了一个对聚生智能非常资深的人所以说那时候就找到了JSON怎么找他呢对,其实我们在硅谷聊了挺多人的,聊了20来号人然后当时其实我们其实当时对我们的第三个co-founder的画像其实是非常清晰的我和杨世远在一起合作了十多年其实我们俩大概都知道自己的优点缺点和我们互部的地方你的优点缺点是什么我的缺点特别多 优点非常少杨胜有事优点特别多 缺点非常少你的优点是什么我觉得我可以看得非常的远就是这这一个公司创从现在到10年之后大概对Vision是有一定的画像的呈现我们战略需要走的每一步和我们战略有可能遇到的问题所以说我觉得我在方向上面应该是我的强项你的方向感比较好对,我团队有时候说我可以稳得到钱稳得到钱?对这个为什么是方向感这个是赚钱能力就是你从小训练的对吧对啊 赚钱能力其实就是一个方向就是商机的选择商机的选择因为其实我觉得所有的公司最后都需要落地都需要赚钱所以不管前面铺垫时期是多久可是最终还是要赚钱所以说我是可以知道最终赚钱的形态是什么样子的然后我就知道我该怎么铺垫它所以说我觉得在这个方向应该是我的想象你的缺点呢说几个缺点挺多的缺点我想想我觉得我觉得我说话太宏观了就是达到的一个结论是我思考很久的东西我思考很久的东西这个本质上面的逻辑链会非常非常长所以说一般来说我会跟一个人聊就是我想走的这个方向我会把我这个逻辑链花多长20分钟说完 然后跟他说一个结果 然后一般来说他们就非常不能follow就是我对我自己的语言拆解能力可能还需要进步对你觉得文的道前和理想主义有分歧吗没有分歧我是非常理想主义的人为什么这么说我觉得我来做机器人不是为了赚钱的嗯我觉得闻得到钱是生存的一条路我的梦想是星辰大海可是我的路径是需要脚踏实地你是现实的理想主义者还是理想的现实主义者我肯定是现实的理想主义者你不是理想的现实主义者最后落脚到了理想主义对我是现实的理想主义者那你的合伙人York他的优点是什么确定是什么他跟你合伙了十多年他也是现实的理想主义者嗯它有点非常多他共情能力非常强思考结构性非常强落地能力也非常强技术也非常强管理也非常强稀有的技术天才而且又有管理维度的认知我是真的非常少见这种类型的人你们是怎么认识的呀他那时候是在美国上学是吧就是通过我们的一个另外一个扣分流叫黄一玲是我们上个公司的时候认识的然后你们这是第二次一起创业对那Jason是怎么加入的Jason是当时我们是对就是我们的research co-founder 是有一定的画像 然后我们按照这个画像去找 你们笑人什么样的人首先我们最希望的是research taste 非常强research taste 本质是可以从他们paper和他们发出的东西是可以看到的其实当时看到它的一些非常闪光的地方是在于其实你可以从它搏一搏二的时候可以看到他其实很多论文是相对来说非常fancy的多谢在他的生长过程中其实你可以看到他越到后面其实他的论文越来越简单干净啊核心概念非常清晰我觉得这是一个非常好的taste就是他自己在这个过程中一直在进化所以说光从书面上面是可以看得到进化过程我当时就觉得非常impressed然后taste是第一 [40:00] 二十我觉得是有一定的现实主义其实不光是有学术追求 而且也是想要把一件事情落地就是真正可以land impact 在个产品上面的我觉得这个也是非常重要的如果CEO希望落地 然后racer的合伙人希望比如说我就要做大脑的突破 一般这样的团队会有分歧对,我觉得在每个团队都有这样的分歧你们会有分歧吗?所以我们当时有段时间战略迷失的时候其实这个分析是最大的就是团队就是我们作为一个团队的identity是有非常大的冲击的就是一拨人说我们要做了地另外一拨人说我们要做research嗯然后呢这是什么时候啊这个时候可能就是去年年底的时候哦 结果呢结果我们在战略上面梳理了一下我们发现了一个突破点是一个战略点是research和落地团队都可以打的一个点你是落地派我没有个派系其实我觉得对我来说一直是铺垫的路径怎么样子能达到我最终产品形态落地是可以赚钱可是并不在我的认知当中其实并不是真正能长久的一个产品形态所以说如果说落地不能达到一个scalable product market fit我觉得我就不会去做这件事情所以说其实当时我是更偏向research派的那谁是落地派呢团队有一些工程师然后最后你们怎么找到那个夹角我们把战线给拉长了其实我觉得其实这是一个非常普遍的一个问题不管是从机器人公司来说和agent公司来说其实都是非常类似我去探高我就没有落地的可能性我去落地我就没有capacity去探高可是往往XV本身落地的能力,就是落地是否可以scalable是因为是被intelligence给cap住了所以说其实在这时候最重要的是你要去lift up intelligence那其实可能团队就会觉得说那我就是去做研发其实也不一定,其实就是说我们把这个战线拉远,就是说那我在更远的远方,我的这个战略点是否可以improve what intelligence同时也可以落地嗯所以说我当时给团队定的是一个更远的一个目标嗯然后就把团队结合起来了我们刚才说的这个探高还是落地是不是很多机器人团队都会遇到的一个非常现实的讨论或者问题我觉得在每个机器人公司内部都会反复的讨论我觉得没有一个机器人公司不会讨论这个问题因为这是一个非常现实的问题你们是从第一天开始讨论还是到去年底的这个节点开始更频繁的开始讨论这个问题其实我们从第一天其实在这方面就有一定的认知和concern可是我们当时不是非常清楚落地所需要的能力和智能边界在哪里所以说其实我们当时的想法就是我们的团队是一个product research 导向团队product research 和传统的 research 团队还是有一点点不一样其实传统 research 团队是ok 我要走到 AGI然后我现在是以一个发散性模式去去探索各种各样的可能性然后找到一定的可能性之后可能到时候在收敛可是我觉得在发散性模式当中其实有的时候其实不一定有做的一些事情不一定是做的足够的深因为如果你没有落地的话你就大概看到了一些东西其实并不代表这件事情是做的足够的透它的research 本身可能有点不一样的就是我在research 的边界我有一些guard rails我们所需要做的所有的research是需要有一定价格对产品长期的产品是可以带来一定的价值的而且我们对research的优先度会有一定的框架就是说我觉得我们在这个阶段我们需要是需要先做这件事情然后在下个阶段再做另外一件事情而不是说同时发散因为我觉得团队的时间就是我们团队的精力有限所以说我们只会在最重要的事情是我们想住你说的research为导向的公司就比如说硅谷的派Generalist [45:00] 属于这个方向对吧我觉得我不能以这种方向去断定他们 因为他们自己内部有自己对他们自己的方向的认知 所以说这是他们自己需要的 你有一区隔开这种以research为导向的机器人公司吗我没有有意去区隔我们自己和别人其实我们一直以来我们公司其实一直都是以research为导向的一个公司只不过是说我们research的导向是有product guardrail在这里面的所以说其实我对未来的产品形态是非常清晰的所以说我是在倒推我为了达到这个产品形态我们所需要做的research是哪些那回到你们刚创业那个时间27年你们做了哪些事情25年你们做了哪些事情24年其实就不太值得一提因为24年就几个月其实我们就24年年底的时候差不多才开始的所以说当时其实就是把印象堆下就已经很开心了合伙人当时已经都找到了对当时合伙人已经都找到了然后团队已经初步建立起来然后当时生日客户也找到了因为其实当时就是我们要就是我如果说我对research我对产品是有一定的落地画像的话那其实我就需要和客户聊所以说当时也聊了一大堆客户其实那在25年的时候其实最重要的对我们来说最重要的一件事情就是当时的foundation model其实是不足以落地的因为当时的foundation model是首先当时的机器人非常慢做人做得非常慢而且做得非常的乱可是最重要的是他们一般只能做一件事情做成功然后如果说再做同样的事情再做下一步的话就会做得不好所以当时的情况是不足于落地的所以说其实当时我给团队定的一个目标是我们要把成功率拉到99%我们要把速度拉到人的50%到60%我们才有商要化的希望谢谢大家所以当时我们所有的research其实就是围绕着这个主题展开的然后其实那时候也是大家就是后期可能在四五月份看到了Dino OneDino One其实当时就是对我们内部来说就是一个对甚至对行业来说算是一个非常大的突破因为当时我们是首家公司首次受了一个可被商业化的DEMO我们当时是折叠餐金可以折24个小时99%以上的成功率当时对我们来说我们是非常proud的对我去年在那个Coral的时候很多人围观你们那一款机器人当时是折衣服的那款是吧对折衣服对先是折纸巾然后是折衣服对为什么选择这个场景啊其实哲理场景本身是很有意思的我们也算是第一个去真正想去落地它的一个团队因为其实我在我记得我在融资的时候很多人就说哎你为什么去去做洗衣服洗衣服行业有多大呀就只就这么一点点啊你为什么不去做做工厂啊做物流啊做各式各样的啊其他的场景啊嗯其实我当时选择做折叠也是非常反共识的因为我当时我在折叠上看到了商业化的机会本质上面是因为我对模型因为其实我们在整个过程中我是一个非常对day to day是非常involved的一个CEO所以说其实我对大家的技术方向我们的工程方向其实在出段时间其实我也是在管理我们的技术团队本身的能力最最重要的一件事情是我们的落地场景需要有非常大的容错率因为比如说我要去做一个拿铁我不小心没有把这个拿铁拿好打翻了那我就是给别人添活,然后又损失了一杯拿铁可是在折也不一样啊,折叠我折坏了可以重折啊所以说啊就是损失率和对质量的要求本质上不是特别的高所以说在技术的天花板那时候的技术天花板的认知下面这种场景对我来说是最有帮助的嗯啊所以说我觉得是一个啊technology market fit的一个状态而且同时折叠本身是一个非常isolated的场景我是和一个人在这里一直做折叠的然后同时当时聊下来,当时是个跟洗衣店啊旅馆什么聊下来就发现说这还是一个非常普遍的痛点在每个hotel也好,洗衣房也好 [50:00] Dedicated Folder 和 Dedicated Attendees 在做这些事情所以说当时我其实我没有想说这件事情一定要市场有多大而是我是否可以把我第一个商业闭环先跑起来而且这件事情足够难所以说对我模型的本质的提升还是有非常大的空间的所以说当时选择了这个场景它技术上难在哪啊?因为折衣服是一个软体,软体和硬体有些不一样的硬体,比如说你一个杯子就只有一个state,你把杯子口腰朝上,其他state倒下来或者翻过来折叠不一样折叠是我做的每一个步骤是需要前一个步骤需要成功的所以说而且折叠本身对泛化的性的考验也比较高因为当时我们如果折叠T恤那是不可以只折叠一个size,或者只折叠一种T恤所以说其实当时是可以同时验证我们的治疗和我们的generalization和速度,就是当时我们就从folding t-shirt里面得出了一些generalization recipe,从government diversity和environment diversity上面其实都得到了一些更好的一些recipe的结论。嗯,你们怎么准备折衣服这个场景的数据能够帮助它更好的放缓在这上面有诺耗吗其实我觉得到头来说在如果说在放在post training上面的话其实都是一个recipe的一个问题所以其实当时我们就大概知道说比如说当时在quirrel你看到的这个是zero shot t-shirt当时其实我们就会去试探说我们要在几个environment里面拿到t-shirt folding的data才可以在一个新的environment里面可以zero shot繁华这件事情主要10多个成型就够了所以说T恤也是一样的T恤本身大小,不同的style,不同的fabric,不同的面料等等其实也有一定的泛化能力所以说当时我们在这个方向,在当时的pre-training的情况下面大概看到了啊Post Training的一个天花板所以我大概能不能理解就是基于当时的预训练的技术能力你们找到了一个可以最大化能够让机器人干活的一个方向对 是的那这个方向在过去年随着技术的突破变化以后他变了吗它出现了变化面其实我觉得最本质的变化其实就是在Post Train上面所需要的数据越来越少就是这个这个其实这对我们来说一点都一点都不surprising其实当时我们看到了post training的天花板之后我们就大概知道最重要的现在应该是pre training嗯你们后来后是不是又花了几个月时间去做部署就真的进入到场景点有了demo之后是的我们是花了几个月时间去做了部署哪几个月开始在做部署6月到9月吧部署难吗难非常难因为其实我就拿碟餐厅来说吧其实碟餐厅本身可能大家看到大家忘了碟餐厅其实不是一个完整的餐厅因为它是一个我们跟客户商讨之后的一个中间形态就是其实当时碟餐厅是需要碟5次的我们只碟了4次然后最后次是给服务员碟的是非常难的啊因为叠过来之后啊因为那时候餐景已经非常厚非常小了所以说最后折过来之后是需要如果没坦平的话,它会弹开来所以说这是质量层面上面的一个问题当时我们就只做了4个fold的时候我们去落地的时候客户就开始complain他们当时是接受了可是实际时操的时候他们是非常不开心的因为浪费了很多时间这是第一第二其实我们发现当时光光把餐厅叠好这件事情还不够嗯因为我们一天是需要铲除1300张餐巾的我们这个客户很大是餐饮里面非常大的一个客户他们每天的人流是非常多的人所以说一天要跌1300张餐金嗯我们就会发现说Dino One其实那时候24小时只能折850张 其实当时我们的速度是不达标的所以说我们在速度上面做了非常多的research 最后达标了可是达标之后其实我们后面发现了一个非常大的问题 就是我们每一次叠餐餐的时候虽然说我们的模型乳豹性非常强 [55:00] 我们是可以有些空战case我们是可以解决的可是解决的时间特别长所以说其实当时最普遍的一个问题就是我们有的时候我们的机器人会抓不小心抓两张餐巾其实甚至人手有的时候都会不小心抓两张餐巾可是抓两张餐巾之后我们大概需要两分钟去解答一般来说我们叠一张餐厅只需要20秒所以说每一次拿到两张餐巾的时候我们的就是这一天的产出就会往大打下降所以说如果说我们当时如果说有10%是double fold的话,我们今天就肯定是达不到标了。所以说当时我们就想说,哎,怎么样子去用强化学习和另外的一些方式去把这个问题让模型自己去解决所以当时我们是非常坚决所有的事情是全部是需要模型解决的其实这件事情本身是预训练没有办法帮你解决的问题因为不小心抓了两张餐巾导致decrease in output这是非常难去预训练去解决的所以当时我们也发现这个然后后面其实我们发现我们餐巾叠完之后要放在一个bin里面然后放进bin的时候规律是非常random的是非常不一致的所以说你放进去之后你会很多人不知道的人会过来看说,这没有折好啊,这是一堆非常散的一个餐巾。所以说那时候我们就要开始去condition这个模型去说,我首先要放到这第一个位置,第二个位置,第三个位置,就要让他们整齐的放上去。这本身也是一个非常难的一个research过程。所以说当时其实我们那时候就探出其实模型本质上面到底是需要什么,然后有了这些知识之后,我们对我们预训练需要做的一些事情,我们就非常清晰了你们也自己做运训练嘛对 是的你们越训练和后训练投入的资源和比重大概是多少呀当时我们的投入是一半一半嗯现在是预训比后训练多非常多哦这是今年出现的变化训练年底对OK当时我们是预训练和后训练是一起做的其实因为其实当时我们就在探本身在预训练上做的一些变化对后训练会有哪些影响而且我们后面发现预训练的变化对后训练有非常大的影响就是一个模型的绝大多数乳棒性是从一学园里面来的而不是后学园嗯,所以必须要自己训练。嗯 基于这个场景当时最难的几件事情是什么呀比如说手的灵活性其实不是其实最难的其实就是这些非常微小的一些corner cases其实当时每出一个corner case其实当时团队就有一个证明问题就是我们是否要用工程方式去解决这个问题可是我们当时一直坚决的是不用因为其实我们一直深刻认为如果说我们我们想要真正做到scalable product market fit我们一定要用一个模型把这件事情给做成这个场景上商业化做得好吗?已经开始商量了已经上量了 多少量了已经这再是不能说几个客户啊10个以上了 10个以上 对所以你们已经就是量产完成的很好 是不是你们量产是在上海做的吗?其实是这样子的其实我觉得在这个场景落地没有达到我对产品的scalable product market fit 的认知所以我选择不及需Skill你这个决定是什么时候做的去年大概就做了这个决定你发现什么迹象让你觉得它没有达到你想像的skill因为解决的问题不够根本我只做到了我只把这件任务做掉了可是我没有把整个工作都给做完了嗯就是没有把这个场景里的整个工作给做完对对,当时非常普遍的一个场景就是我们差不多每到半个小时到一个小时我们就会把一叠一百张的餐巾给折完折完之后机器人就不动了因为没有餐巾了所以说当时店内还有一些员工他就要自己在手机上面放个闹钟谢谢大家然后每半个小时到一个小时就要过来看一下 叠完了 然后就给他一个新的napgain 然后没叠完就继续忙他们自己的事情然后有时常就会发现就是客户给我反馈说我们机器人没达标那么说那我就问他们为什么 [60:00] 他们说我也不知道你机器人太慢了然后我们就会看一下数据然后就会发现说我们的机器人空窗期很长有的时候机器人就有连续半个小时都没有在干活那我就问他们你们是不是没有及时的把新的一堆拿铁放上去那是那其实就不是机器人太慢而是机器人本身需要一个保姆所以机器人需要保姆这件事情是一个非常大的一个产品问题所以说当时我选择boost scale其实就是发现当时没有把商业本质的问题给完全解决掉所以说如果说你去scale一个不完整的产品那这个产品在未来会对你来说是个累赘如果是一个以research为导向的一个lab他的做法可能是他觉得现在最根本的问题是大脑所以我要首先解决大脑的问题因为他觉得如果从现在开始定义场景也许就是现在定义的一场你不是最好的场景你怎么看这个问题呢也就是投资人问你这个场景会太小其实我觉得还是回到问题的本质大脑不行不行在哪儿谢谢就是吃数据啊可以说缺数据可以在叠参金的场景里是大脑的问题吗好就是说我已经把整个工作其实已经全部都做完了其实所以说其实在这种在这个场景的意义上面其实智能体本身已经不是一个问题了嗯所以说那其实根本值的问题是在于我这个场景没有没有成立起来是因为的确是因为就是说在任务的范围之内没有形成一个很好的闭环所以说在任务范围之内智能体不受限可是在工作流就是在把整个事情做完的范围之内是受智能体影响这是我们当时看到的问题所以说其实这也决策了我们公司的下一步对于机器人来说这是最本质的任务就是在一个洗衣房场景里其实我觉得最近来说没有个本质的任务可是我觉得任务本身其实不能完全体现巨神智能的智能体的能力我觉得绝大多数的任何一个任务其实就是一个 sequence of motions其实不管就是你在这个维度上面去做泛化性的话你唯一能就是你能看到最大的impact是我把这一个任务布置到任何一个场景他都可以做他都可以follow这个sequence of action就是他的本身的泛化能力变强了可是这并不代表说这个任务真正形成了一个商业闭环所以就算智能体再强本身产品如果是框在一个任务的范围之内的话我觉得也是没有商业闭款的我可以这样说 我可以任何一个任务可以Zero shot 放到任何一个新的environment都可以做这个任务啊的确是智能体的一个上升可是我觉得不是商业比较完好然后去年你觉得如果只做一个在桌面上折衣服或者折纸巾的一个机器人它不足够有scalable的价值然后你做了什么呢其实当时我们就问的第一个问题就是为什么没有商业价值?其实和客户沟通下来,其实最大的原因是大家我们自己也看到了其实就是我们需要一个机器人保姆机器人保姆这件事情是一个非常大的问题那我们怎么样子把这个机器人保姆给去掉那就代表着我们要做整个工作流那这个整个工作流是什么其实非常简单的放在一个碟餐巾的一个场景其实就是我要把上料和下料也都做完那就说我不光需要叠餐巾而是我要去没餐巾的时候我也需要知道我的餐巾的库存在哪里我要去拿拿完之后我需要回到我的桌面上把餐巾放下来放在桌子上然后我需要叠 叠完之后叠好的餐巾我需要拿到哪里去然后放在那个shelf上面然后再拿一个新的同再拿过来再重新开始这才是整个工作流所以说其实当时我们发现了这件事情之后其实就非常清晰的断定了我们的需要走的下一步在哪里其实就是从任务进化到工作了现在你们可以做到什么地步了你可以整个工作楼全部都可以做完就是一个机器人在这个洗衣房的空间里他能够自由活动然后他能够知道他现在该做什么对这个预训练后训练的比重调整到了其实这里面就是一个预训领的问题了因为其实在这里面如果说要把整个工作流做完 [65:00] 其实在这工作流每一个step就是每个任务当中是有一定的成功率和失败率的所以说你要把工作流做完那其实就是每个任务其实都做好然后我们需要把每个任务的corner case都需要知道怎么去解决然后把它连起来的时候它是可以连续一直做下去的本质上面问题非常困难其实是一个pre-training 本身的一个问题因为其实我们刚刚开始的时候在Naptain stacking的时候其实我们就发现我们当时是用语言去控制模型把我们折好的餐厅放在bin的哪一个位置可是我们发现当时VLA的language following能力不是非常强所以说其实我们当时就把这个问题全部归根到了预讯栏的被提收嗯后来调整了什么?后来调整了中压预训练,预训练和一个半人型机器人嗯半人形机器人就是腿它是轮式的然后上身是一个人形的对你们从第一天就说你们不做人形机器人是吗没有啊我没有说一定不做或者说一定做其实就是我们对这件事情的态度就是什么是对的方向我们就我们看到的这个方向是对是错我们就往这个方向做我感觉你是硅谷非常少的做机器人落地牌是吗因为我感觉硅谷大部分人都是觉得他要做的是大脑做的是就是炭高的那个方向可能大家对我们的认知是觉得我们是落地派吧嗯可是我觉得我是product research 派就不是落地派因为其实落地派本身其实可能更是注重落地可是我觉得我们更是在试探未来机器人产品所需要的breakthrough所以说其实我们团队的核心从文化角度来说工程角度来说全部都是围绕着research来转的只不过是说我们对产品的理念是如果说没有一个闭环不能跑成一个产品闭环那我们其实就不知道下一步的路该怎么走所以说其实我们是用产品闭环去探我们research 接下来的research方向需要往哪个方向走嗯嗯这个算是Dynatour即将要发布的这一个机器人和模型对 是的从Dana One到Dana Two你觉得公司的技术积累是什么特别特别的多就非常非常难去用几句话去概括可是我觉得啊比较核心的其实就把它归类到三个system吧 system2 system1和system0我们在三个system里面都有非常非常大的好首先System 2是Embody Reasoning Layer,就是模型对于本质世界的认知,对世界的,不管是从Physical Property的还好,也是The State of What's Happening Right Now也好,或者是甚至说对Semantics的Understanding也好,有个非常强的认知是可以知道说我们现在在干什么我们现在在任务的哪个阶段然后我们下步该怎么走然后可以按照这些理解为我们System 1发出预言的CommandSystem 1本质上面其实就是一个World Action Model从World Action Model收到语言之后我们怎么样子把语言转换到动作然后到System Zero,其实就是我们怎么样的动作,想要output trajectory,我们从运动方向,怎么用更好的强化学习的方法,能达到又快又丝滑又准确的动作在硬件上面呈现。在其中有观察到可放跨性的迹象吗?在System 1和System 2上面是有非常强的可发化迹象它能发化到什么程度嗯其实其实泛话维度是一个非常难解释的一个话题本身因为其实可是最直观的两个维度其实跟人非常类似比如说我教你做一件事情我其实只有两种方式去教你第一是我示范怎么做这件事情第二是我用语言去描述这件事情怎么做所以说其实在泛化的过程当中其实你去 [70:00] 衡量泛化的维度其实就从这两个维度去展开就可以了那从示范的维度就是我示范几次你才能学会那其实在这个层面上面其实我们就会发现说在一些非常新的task在我们现在的pre-training的能力下面已经可以用几次示范就可以学习那第二个就是language steering capability就是我用语言去告诉你去做这件事情那模型是否可以做在这个方向Language sensitivity increase这个细节是我们之后会在发布的时候会去细讲这个你们已经开始有商业化客户了吗就是这个完整的工作流工作流我们现在已经有商业华客户了可是我们还没有完全落地可是我们已经把整个工作流已经在不同场景已经开始跑通了这个是什么样的公司就是你们的客户是什么样的公司啊酒店场景嘛我能想象的谢谢大家对但是他的成本能比一个人低吗我觉得这个问题问得很好非常本质,是有商业本质问题一个机器人去替代一个员工在目前的Foundation modelconstrained 下面其实非常难达到一个人一天的铲除量,因为机器人本身其实因为硬件和运控的一些影响,甚至数据的速度的影响是非常难做到人类的速度的。所以对我们来说其实我们发现最重要的阿姨价值指标不是要做得比人快而是要做得比人更久其实就是一天一个人工作在美国一天一个人工作八个小时其实我跟我团队定的目标其实就是说一个机器人做一天24个小时的工作可以达到一天一个人做8个小时的工作那其实就可以在产出上面达到一个正比这对我们来说才是最本质的事情现在做到了没有现在已经超出了就是他24二十做比一个人8二十做对你们是不是在创业之初就决定先不做人型,然后不做制造业,不做家庭,这是你们最早的说法吗?啊我们其实在创业初期其实我们不会说我们一定不做什么不做什么而是我们我们想我们的思维框架是什么能做而不是什么不能做啊在探索什么能做的时候我们发现了很多不能做的东西为什么不能做家庭在那个时候家庭是一个时间段问题我觉得因为其实我上个公司是做B2B2C的所以我是知道2C的要求是有多高而且我觉得家庭本身对机器人来说算是一个终极形态吧就是如果说每个人机器人能泛化到每个家庭并不代表说他是可以做所有工业的东西只不过是说在泛化能力范围内算是达到了一个非常好的一个境界可是就算机器人可以在每个家庭里做事情,也并不代表这个产品是成立的因为在产品维度上面来说的话其实本身这个机器人一天的产出是需要符合你买的这个就是购买机器人的预期这个预期是非常主观的对是非常主观的所以说其实每一个人对这个预期是有不一样的就像可能有些人家里的阿姨合作的不是非常愉快其实并不是说而是不管是性格做事速度啊方面其实都是有非常大的分歧啊所以说我觉得啊消费者是一个非常啊主观导向的一个市场然后在安全问题上面和从corner case角度方面来说是多了非常多所以说我觉得这件事情我觉得三五十年是可以完成到泛化可以完成到每个家庭可是真正把这件事情做成了不一定代表这件事情有失诚所以说是要这个产品要打磨到极致中的极致才能真正变成一个非常大的一个产品你说你看得远吗你觉得终局来看的话人型机器人在家庭里它属于就是它可繁化性最强的一个产品形态吗就它可能会是我们这个时代的比如说梯行车这样级别的产品吗我觉得只能说家庭是在所有场地 [75:00] 我们世界上至少我目前认知这场景下对散化新要求是最高的可是可能大家往往就指望泛化性一个维度去看我觉得它还有消费价值对也不光是消费价值就是做的这件事情的速度做的这件事情是否顺你的心那顺你的心比如说我盘子是喜欢这样子放不是喜欢那样子放啊我觉得这里面是有非常多的产品细节本身不是只有一个泛化能力,唯独就可以去说清楚的一件事情然后也有安全方面的问题等等就是在这里面就是维度太多了所以说我没有非常去细地去思考每一个维度可是可能就不是对犯话不是唯一的维度嗯就是不是说一个通用机器人就能够是一个好的消费产品在家里而且一个家庭机器人并不代表家庭机器可以进行任何一个工业城景你们当时觉得哪一个是你们的甜点去呢那个场景我觉得机器人本身如果说通用机器做到了我觉得B2B的通用机器人的demand会比B2C更高为什么因为人的欲望是无限的人的欲望是无限的其实就代表了人如果说在人工成本已经可以忽略不计的情况下面他们对消费想要的东西他们想要的东西就会增强因为如果说人工成本不在消费及产品的东西就会变得更便宜变得更便宜,人就会想多买各式各样的东西所以说比特币场景如果说我们机器人成了那business会需要更多的机器人去做更多的产出更多的不同花样的产品其实我们现在美国失业率4.5% 那其实business是hire了95.5%好美娃's total population嗯如果说一个家用机器人三个人组成一个家庭可能美国可能只需要一个亿的机器人可是如果真正B2B那这里面还有更多的细思考比如说Blue Collar vs. White Collar等等可是美国肯定会更需要更多的B2B机器人 versus B2C机器人因为有更多的人需要打工需要去做食物啊做hotel就是经营旅馆啊等等等等而且没比P2B的机器人更好标准化一些对 是的 它不需要解决你的情绪问题 也不需要解决你的审美问题 是吗?对 而且安全问题在某种程度上是可控的所以基于这些你们没有选择大家可能觉得黄网上的明珠是一个家庭的人形机器人这条道路这个是day one,就是思考清楚了是吗?对,其实to be 场景对我来说是非常obvious 的一个场景,因为商业落地是最近的,而且如果你连B2B都做不成的话那我BTC怎么做得成呢是吧就比如说如果说我在一个洗衣店里面我连洗衣店的员工都没有办法完全做好做清楚嗯那我怎么可以在每个家庭一起大家不同的衣服的所以说我觉得很多事情其实B2B是以完成这件事情的最小unit而且本身的scope其实是在范围内是可控的酒店的市场有多大我觉得酒店市场其实很多人其实没有就是觉得可能酒店市场是挺小的因为酒店洗衣房能有多大可是在每一个酒店的洗衣房其实都需要2~5个人看酒店有多大而且酒店本身在洗衣这件事情上面是特别重要的比如说他们如果没有洗好的话他们的房间就没有办法给客人了所以说其实当时我有听说一些酒店的老板在疫情的时候没有员工的情况下他们是自己去洗衣房干活的,所以说非常本质的一个问题,所以说这个问题最后来说非常痛我们把洗衣房这一个工作流做做通的时候其实绝大多数的习房是大同小异的所以说其实我们从我们的方向去思考这些问题其实就是我们的第一个闭环其实对research 来说是有重大意义因为其实我们就可以让我们知道我们的模型的智能边界在哪里然后同时这件事情做成了之后也是有意义的因为本身可散化在美国的10万家酒店里面 [80:00] 所以说本身的temp其实就是好几个billion这只是第一个工作流而且我觉得习房本身是大家通往home的一个最小的unit如果洗衣房都做不成了我觉得home肯定也做不成所以说我觉得这条路是必经之路而且是非常重要的而且从商业场景来说的话,其实容错率非常高,对时间的减发要求也非常低,而且付费意愿也是非常高,而且这件事情在美国是特别需要的。对我觉得酒店现在的机器人我的印象都停留在外卖送餐的那个机器人对对对那个现在还挺普及了对目前还听不及了可是我觉得还有可是酒店这直播是一个非常小的环节我觉得在这个环节下面其实是可以打开更多的就是我们在比如说洗衣房做好之后其实我们是可以做其他的事情我们是可以做清理我们是可以做做饭做菜或者说做其他的事情所以说酒店场景本身是覆盖了覆盖了非常非常多的场景而且我觉得酒店是一个家庭的标准版就是每个房间可能都差异化也不是特别的大所以说从这个角度来说的话其实我觉得酒店落地场景来说是一个非常适合的场景那个阿姨的那个场景能做吗酒店里的谢谢大家我觉得在模型智能提升到一定程度之后是完全是可以做的因为它也是个标准化重复性的工作对吧对 是的嗯当然也会有很多counter case对但是相对是比较好标准化的对可是我觉得标准化本身其实就是我们短期来说是落地标准化对落地是有帮助的因为其实变化不大长期泛化来说的话其实还是要还需要做很多泛化的事情所以说比如说对预训练所需要的泛化数据数据其实也是有一定的challenge的嗯所以说其实在中可以学习怎么落地,也可以学习怎么泛化因为从一个酒店到另外一个酒店,肯定也是需要有一定的泛化规律,而且还有不同的SOP在这里面你觉得我说那个给每个房间打扫阿姨的那个场景比你现在洗衣房的场景难度高多少我觉得可能会高一点啊因为本身啊这个市场混音是不是更大一些是可是我觉得最重要的不是市场更大而是到底能不能真正的以最短的时间之内形成一个闭环对我觉得这个场景本身可能有非常多很多其他的corner case本身比如说洗澡的地方该怎么清理然后如果说他们把房间弄得特别乱或者说打破了哪些东西或者说拿走了哪些东西可能我觉得这里面会有更多的corner cases可是而且全程可能任务完成可能需要花更多的时间我觉得其实我对工作流本身其实也是有分层次的其实不是说每个工作流其实都是一样的难度我觉得旅馆的房间打扫本身我觉得可能可以分为一个更难的一个一个阶段所以说其实我觉得本质上你没有把最简单的一些闭环做成的话我觉得一下子就往一个最难的地方做成你很难形成一个最小闭环其实我一直说闭环其实所谓的其实就是MVP本身Minimal Viable Product你做成一个Minimal Viable Product你再可以往外去扩展嗯所以酒店是你最早就开始选择的一个场景是吗算是其中一个还有别的都是商业场景也不完全是商业超级反正不是家庭场景对不是也不是工业场景工业场景不多其实我觉得是这样子就是可能行业对场景的定位是这个是工业这个是商业这个是生产等等其实我一直以来对市场的认知一直都不是分场景我觉得每一个场景都有我可以做的工作流每一个所以说其实我一直都不是以场景来分所以说经常有人问我说我们是不是一个商用场景的机器人我觉得不其实说问题不太对我觉得我是按工作流的复杂度来分的比如说一个比较短程的工作流像叠餐巾这是一个非常简单的工作流上料下料其实就完毕了是吧其实我们再往下推如果说这是level1或者level2的一个工作流的复杂性level3可能就是一个更长的工作流level4可能就是一个 [85:00] Um, 这是你的沿途下单 In different智能水平, it's a different time for the work of the work of the world. Do you think the work of the work of the world is level one to level two? I think the whole job of cleaning room is quite easy. It's a high level level. 然后随着智能体的提升 其实在更难的workflow 就可以更好的去完成 所以说我一直对落地的看法是 我落地的场景 需要在我智能体的智能范围内 然后呢 我接下来想要做的 The strategy is actually in my mind of the level of the system Mm-hmm. So, a lot of times, I think I'm going to think about it. Are you going to go to the end of the end of the day? 而不是。 It's really to understand my current technology, to try to see the level. I'm going to ask my level of智能体 in which level I can do. And in this level, I will have some corner cases. These corner cases are if I can help my pre-training. You can do a lot of things like a洗衣场景, first thing you do, and you can do a lot of things like a machine. And then you can do a lot of things like a machine. You can do a lot of things like a machine. You have to do a lot of things like a machine. You have to do a lot of time? You still have to do a lot of time? I think that the time of a machine is not a good thing. It's not a big thing. We're going to do better than the future. It's no matter how much it is. How much better do you do it? We're going to do the best of the industry. We're going to do better. I found a very strong CLN law. This is our I think that's what I think is not a lot of other companies. Even the other companies are less. I think that there are many companies that are less. I think that there are many companies that are less. And I think that there are many companies that are doing the robotics research. They also have to do the training. They are also分开. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. We are doing the training. is the same structure, but We're in the training team, not using a scene to do training, not using a very fast-forward mode. the only difference um. You found what skinloads are? See you soon. We found that in the first-视角 data is Ah, just... One million hours of the year-old training, we found a very strong scale-on-law I think this is This is a very important point of view. Because in the past 1-2 years, the most just There is an intelligence ceiling. Intelligent ceiling is very difficult to break. Because everyone said the data is the biggest trend. Actually, when we thought about the first step of thinking, if we want to reach GPT-3 GPT-4 of the machine foundation model moment. We need to and the data. uh, to take out the skill of the skill, and not to scale a high-质量数据 this is a very different conclusion in the past year because when Dynum1 was released the value of the most high-质量数据 we found that Oh We will do very many tests and then we will find The data can be used to the best. So I told the team [90:00] All in on high quality data然后我们就在那边干干干然后可是我就和业界的非常多的LOM啊也好啊VideoGen啊模型的人聊也好,其实当时我是selectively想听到我想听的东西他们就会忽然说我们当时在预训练的时候做了一些ablation study,把一些数据拿出来之后,我们就会发现我们预训练为得更好了可是OK所以说当时我用这些点我就会跟团队说他们是这个observation所以说high quality data是最重要的可是后面其实我们在开始做workflow的时候其实我们发现啊其实最重要的是模型本身是否我们是否能给最diverse最广的human experience然后当我们达到一个internet scale数据之后我们再去做ablation study再去distill这个数据才有意义我们在这个前提没有达到的前提去做太多的quality optimization我觉得不一定是第一性原则啊就至少说从啊从语言模型从角度来看这件事情啊所以说其实当时我们在这个方面有了一个转念之后其实我们就会去思考说数据形态在接下来三年五年十年之后最终的罗马数据形态会是什么样子的当时我们想来想去我们都想不到任何比EgoCentral或者Exocentral会就是EgoCentral和Exocentral我们觉得会成为数据的最终形态因为其实比如说我们要去拜Telio或者要去拜UMI或者说要去拜一些不是EgoCenture数据的形态本身我觉得我们就是有点程度上是在拜及其手不可以work可是我们觉得应该唐叶的共识是Robot hands本身是一个工程问题而不是一个research问题所以说当时我们在egocentric是有一定我们会去思考五到十年的一个一个维度然后最后决定这是一个最大的数据集也是最终形态的一个数据集所以说当时我们就以这个模式去All in Ego Centric所以数据多现在比数据高指大你觉得更重要对你们全部是真机数据吗对我们目前仿真也有一部分我觉得Data mixture其实没有必要去说我是仿真派还是真机派我觉得全部是从你的training objective来的就是你的goal是什么你想要去出什么样子的模型其实每一个模型其实都有自己founder自己团队不同的思考在这里面的比如说OpenAI其实当时就是Consumer Application all the way然后所以说其实他们的是他们那时候的刚开始的那时候模型是更Consumer FriendlyAnd DropIt其实非常early就decided we're going to bet on coding agent嗯嗯谷歌毛听到家里是一个非常对他们来说是非常重要的一件事情所以说其实我觉得在计训练团队可能每个团队有自己对预训练想要达到的能力是有一定的分歧所以说我觉得就没有对错你们是都用我们都用哪个行业就用哪个哪个好用啊睡觉了都好用都好用对为什么国内会把创始人分为真机派还有仿真派你觉得为什么会有这个论战啊我不知道为什么会有这种乱战我也不知道国内会有真机派和simulation派我这个技术路径本身不是本质的因为这只不过是其中的用途这可能是阶段性的对 但是这个它是一个手段为什么在手段上呢?我觉得没有必要拜手段我觉得最重要的还是我们所谓的重要其实就是什么样子的数据集对我们来说是最重形态这是我们长期需要拜的事情因为其实如果说我们这件事情都做错了其实行业变动是非常大的其实比如说去年年初的时候就是整机派聊操派然后在去年底的时候大家可能日记就突然就全部都转变是5米可能今年的时候大家可能就开始聊Eagle和Simulation我觉得是就是本身这条路径是一直都会在变的嗯最重要的是,我们作为创始人本身,我们觉得最低性,最本质的事情是什么?然后我们在最本质的事情上面下注其实就可以了我觉得都没有对错这个最本质的是预训力要达到什么样的效果要达到什么目标你训练达到什么样的目标呢 [95:00] 其实对我们来说预训链达到的目标其实就是两个一个是啊能 decreased demonstration好所以说decrease number of demonstration就代表着我可以更快的部署然后还有就是language following能力language following能力对我们来说其实就是如何把工作流给拼在一起的一个基本面其实我们这是我们目前的认知,可是我觉得在市场在往下推断,在往下变的时候可能我们的认识会改变可是我觉得最重要的事情是认知可以改变可是认知还是有产品作为高位我们最后要做到的事情肯定是要落地不管是多久这个铺垫期不管是有多久我觉得我们现在还是在一个铺垫期的一个状态可是不管这个铺垫期要多久我们要看到产品最终形态我们就可以一直往这个方向走所以什么是机器人的H&R你觉得机器人这个产业的终局是什么样的它需要多少年达到我觉得多少年达到非常难说因为其实我觉得随着数据量的提升然后我们自己在自己看自己实验室里看到的一些东西其实我觉得我们现在还不是完全知道天花板在哪所以说我觉得这是一个非常令人兴奋的一个时代其实就是说在每一个技术突破的一个关卡点我们可以期待一下下一个可能性在哪里特别是在巨星上面其实我们目前还不是非常清楚所以说我觉得有可能很近有可能很远我觉得AGI的最终形态可能至少说从机器人角度来说的话其实就是你给他一个非常模糊的指令他就可以把这件事情全部都做好其实跟Coding Agent或者说和一些General Purpose Agent的但最终的一个形态会是非常类似的可能需要多少年不知道对我觉得非常难去断定我觉得其实我觉得你用Language model来说这件事情的话其实我们在就从就从ChatGPT出来的那个点来说那其实这是大概四年前到现在其实我觉得从行业来说的话已经是一个非常就是没有人能想到四年之后我们能达到现在的一个coding agent的一个状态我觉得很多合计发展特别是在AI的领域上面其实可能很多时候是一个非常看似非常平坦的一个状态可是突然哪一天它有一个突变它有个突变所以说其实我觉得我们自己看到的一个突变就是我们在EgoCentric上面找到Scaling Law本身其实就代表着说我们目前数据上限是非常高的我们希望走到数据上线的尽头看看在这个镜头里这个镜头到底有多少炭高在这个智能的主线上和你们这个沿途下蛋的每一个场景之间是什么关系呢我觉得炭高其实和沿途下蛋其实不是两件事,其实可以成为一件事情,因为本身探高就是你在智能的每一个点,在每一个维度,比如说我们现在比如说从一个任务,就是我们去年到今年的一个任务是一个任务最小单元的一个范围,现在扩展到了一个工作流为最小单元的一个范围。那接下来当语言能力变强示范越来越少范缓能力越来越强的时候是否在下一个阶段是可以直接进入一个语言的一个状态其实直接用语言去告诉这个robot需要做什么事情其实就够了还要这个工作流对吧对那其实我觉得或者甚至说是会可以同时做非常多各种各样的工作流或者是说机器人可以开始协同了所以说其实我觉得这可能就是因为Scalon Law本身是非常难去断定说我的Scalon Law Impact是什么样子的可是我觉得以我刚才说的这个框架可以大概去思考说我们在C1N2的哪个阶段我们机器人可以赋能于更多的intelligence可以做更多的事情我觉得这件事情是对我们来说是根本值的你们在AGI的路上会沿途下旦多少场景啊?这个有推演吗其实我觉得做通一个场景就等于做通所有的场景为什么呀因为其实一个场景本身所需要的不管是从嗯从corner case也好从quality requirement也好从速度也好其实我们如果能把这一件事情做透了我们就大概知道目前技术技术的瓶颈在哪里其实对我来说做一个工作流vs做100个工作流其实相差的其实就是100个工作流的数据所以说本身对 [100:00] 对我们来说我们产品的核心其实是一个系统是一个数据可以进来这个系统然后这个系统就可以出一个工作流所以说其实当我把第一个工作流打磨成型的时候我很多其他的工作流的差异化其实不大其实可能的确是说比如说在每一个工作流当中有不同各种各样不同的SOP有各种各样不同的corner case可是我觉得去解决这些问题的基本基础思维框架是在那的那我觉得这些基础逻辑和本质的东西打通了之后所有的东西其实都是一个剩下的就是一个数据问题你看大模型行业现在就是像比如说Asian的应用者或者AI的应用者今年非常的难因为大家发现大模型的一个skill可能就把一个应用的场景给吞噬了你就在大机器人行业会出现这种状况吗就比如说大模型大脑团队的就是它的某一次能力的跃迁然后导致很多在场景里的优化变得不work了就没有用了会吗会的 我觉得做一个工作流本身其实跟你说的没有什么特别大的冲突比如说Anthropic做出了Coding Agent就代表他们只是在Coding Agent上好吗?其实不是因为他们的Pretrain上面也做了非常多的功夫Postrain上面也做了足够大的功夫把Coding Agent给落地了他们是可以同时他们可以以同样的框架现在可以再把agent落寄在其他的场景当中比如说Excel或者说其他的运用场景其实对我们来说做同一个工作流并不代表我的pre-training不做了或者说我pre-training就只有这一个工作流的pre-training而是我的pre-training一直都是最广的一个泛化下面而我的post-training我们唯一的下蛋的地方其实就是在Polstering上面是否会把这个工作楼做通然后再探一下在做这个工作楼的过程当中有哪些瓶颈有哪些瓶颈是需要我们继续引导我们Pretchange方向的一个一条路对所以说其实我们pre training 数据集应该是最广泛最 general 而且我们在继续 scale 的过程当中我们在 scale 到比如说一千万个小时之后我们Pretion还是非常广泛的可是当那时候对我们Post Training的影响有大有小,那我们不知道。可是我们至少知道的是,在基础的思维框架就是在上一代的checkpoint在上一代的数据量当中我们的智能体是这样子的瓶颈是这样子的我们在下一代可能这些瓶颈会离开有些瓶颈可能还会在可是我们在探整个工作流过程当中其实我们大概就知道哪些是可以被预训人解决的哪些是不可以被预训人给解决的问题哪些是不可以被预训人解决的其实有很多就比如说就像我们刚才说的Portner case比如我说我一下子抓一次抓两个Napgan导致我呃的总体产出大大下降我觉得这个东西是预讯论不可解决的问题比如说当时把Nagin放在bin里面的一个位置是否能整齐摆放这件事情完全是预讯论可以通过语言来解决的问题我们说robotics的这个终局很难预测那现在你觉得它到了哪个moment我觉得可能讨论这件事情不是特别的重要我觉得重要的是什么时刻机器人才能给人类真正带来价值然后机器人才能真正达到scalable product market fit 本身那我觉得我们离这段距离其实不远我觉得我们从我们自己的产品和战略方向来说的话我觉得对 一到两年一到两年他可能在某一个场景里实现pmf我觉得在场景里实现PMF已经是一个可以变成已经是可以落地已经可以形成的一件事情就是我们把工作流做通我可以做通时做10个工作流20个工作流我其实我觉得这些场景是可以走通的其实我觉得XGPT moment是任何人可以就是 it's useful to anyone.就是GPT其实最大的 aha moment,就是 it's useful to anyone.每个人都有自己的主观的问题,都有自己的一个主观思维,可是用GPT都是通用的。那其实问题就是在于,机权是否需要就是机器人是否可以做到通用这个级别可能绝大多数人把机器人通用理解为Physical AGI已经解决了可是我 [105:00] 我从我的角度去看的话我觉得这是一个产品定义问题产品定义就是我觉得其实机器人不需要intelligence不需要达到通用就可以被每一个人都可以用上这是我的产品看法可能说的比较迷糊公用就可以被每个人右上比如说可能的是什么样的形态我觉得我只能说到这儿这是我们接下来的几步的一些战略的一些思考可是我觉得机器人本身其实就是一个智能体和一个产品形态而不是只是一个智能体形态谢谢不只是一个智能界限那意味着你觉得光有智能不够对吧它也需要是一个产品它不一定需要智能达到无限的上限需要基于当时的智能做出一个产品来对 是的我可以这么理解对吗对 是的其实我觉得比较更好的就是非常类似的一个example其实就是其实ChatGPT是2022年11月份的时候出来的GPT3其实是在2020年的6月份出来的从GPT3到GPTChatGPT其实就是GPT3 vsGPT3.5那其实模型层面上面不管是从模型大小来说数据量来说可是可以说GPT3那时候出来的产品形态是API所以说当时有dozens of developers have access to it然后也有一些公司比如说像Jasper可以成功的把这个API变成了他自己的一个产品可是我觉得GPT3到ChatGPT本质的变化是一个产品变化是一个从API形态变成了一个browser chat形态才达到了一个非常强的一个用户飞跃其实那我不是非常清楚如果是以一个GPT的形态去release常差GPT是否是可以达到一个非常大的一个user base本身可是我觉得产品形态其实是不可被护视的当智能达到某一个状态的时候它的产品你看这几年的哪怕是agent的形态一直在发生变化它的壳是始终在变化就匹配当时的那个智能水平对是的好对 所以说其实我们在智能体本身下了非常大的功夫 而且所有的智能体不管是从我们的Egocentric Scaling Law来说还是从我们research 比如说我们自己的whole body control来说还是从我们的workflow 从language 和language steerability 到reasoning and body reasoning层面上面来说我们都是特别关注的而且我们在每个维度上面都有非常大的突破可是本质上面他们所有我们所有在做的事情是往一个产品最终局所以说其实我们对方向感是我们是一个非常有方向感的一个团队产品的最终局你还不觉得他是人形机器人对吧那是什么样子呢其实你觉得可能你可能会觉得说产品的最终局是一个机器人的形态其实我觉得不是一个机器人的形态而是一个如何使用机器人的一个产品所以说什么意思现在不不方便说我们后期我们下我们下一次可以访谈的时候可以再起说今年你们还不会发这个产品准对不还不会什么叫做和人交互的一个形态人怎么使用机器人的一个形态我觉得其实每一个人怎么使用机器人或者说让每个人觉得这个机器人产品是对他们有用的一个形态不光光是硬件而是产品体验但是你不是说你们要做B2B吗对,是的,你们也要去做2C是什么?没有,就是B2BB2B能到每个人的手里吗我觉得是可以的而且不需要太久对,那你可以期待一下我们下一个release。下一个不是这个不是这个B2B2C我觉得现在不用猜测你觉得最终的形态也不是一个人形机器人吗人和机器人的交互我觉得从硬件角度来说的话我觉得是否是人形机器人其实最重要的的response其实是一个roi问题我添了这两条腿是否能给我带来更高的价值这个价值是否远远超出了我做这两条腿的成本你说你们是product research那在对于机器人大脑的research方面你觉得你跟其他的公司有什么不一样比如说physical intelligence, generalist, 或者google demand?没有本质的区别我们其实就是在Figure out如何泛化模型能力如何crack physical AGI如何能把Language Stereability能力做得更好或者说可以用Future demonstration可以做得更好本质上是没有任何区别的所以你们也要做机器人大脑对吗我们一直都在做我们从第一天就开始在做那为什么业界一说Dynam的时候都会 [110:00] 本能的认为你们是做本地更多 然后做场景更多你觉得这是一个误解吗对是一个非常大的误解我觉得是我们可能刚开始PR没有花非常多的时间的一个问题因为当时我们出的IN1的时候其实我们是以一个落地为核心的方向去说这件事情就是我们为什么做dina1因为我们想落地可是本质上面其实我们是一个非常heavily research 团队因为如果不是heavily research的话我们也做不出dina1本质的一个突破所以说其实从我们角度来说的话我们一直都是我们一直觉得智能体是落地的一个平行而且我们一直是需要提高智能体才可以真正的落地可是我们只不过是说在我们提高智能体的时候我们同时也把落地变成了一个验证智能体的一个闭环你的时间分配在哪方面更多落地更多还是大脑更多research更多我的时间其实我的时间分配在战略和团队更多那分配在我不能说我的时间因为我的时间分配在哪个项目上面其实并不代表这是公司的最大的我觉得可以从公司的权衡角度来说的话公司的百分之八九十个就实的capacity全部都是在智能体上面而且我们就是我们把落地的整个engineering infrastructure做的足够的简单所以说其实对我们来说落地不是大家所想象的那么困难没有那么重对其实因为本身其实我们现在已经做到任何素材源就可以训一个模型这是本质上面是在我们对预训练上的一个突破就是我们预训练发化能力非常强所以说我们不需要非常多demonstration就可以学习到第二是在我们从infrastructure上面的一个突破就是我们infrastructure足够好所以说我们的素材源其实都可以做都可以训模型落地的视频也好和我们的示范食品也好全部都是素材团队做的而不是我们的工程和research团队做的你刚刚也提到去年年底你们团队有一个争论就是到底是research更重要还是工程落地更重要嗯然后你说你们找到了一个overlap就是能够同时都重要你找的是一个什么样的交集点当时就是打工作聊当时其实我们在战略的思考维度上面其实我们就发现本质任务本身不足以落地不不足以成为一个商业闭环所以当时我们就发现其实落地本身还不够不是一个不是落地的时机然后当时我们其实我们的infrastructure 也不是非常的好所以说我们当时选择了一个战略模式就是我们要我们当时就内部就叫一个员工一个员工就是我们如果说真正的要达到一个员工一天能产出的价值我们需要把上料和下料和任务和整个工作流全部都做掉所以说在那个期间其实我们就把团队凝聚在了一个战略点上面就是我对我们对智能体的需求是需要提高才能把整个工作流给做完同时我们在落地团队要把infrastructure做得更好所以说我们才可以更好的去落地然后我们在pollstring technique上面也要做得更好更快才可以落地一个工作流本身所以说那时候才把团队给凝聚起来往这个点来打这是你做的过去两年一个很重要的决策是吗是,当时是一个对我们团队来说算是一场战,这是一个非常重要的战略节点OK那我们细数一下从24年到25年到26年的几个重要的战略节点分别是哪些啊啊我觉得24年可能就就不说了就刚开始了25年其实战略节点是怎么样子让我以最小的一个单位就是一个任务单位怎么做到落地的一个闭环所以说那时候出的其实就是主要就是Dyna1周边的很多火当时其实就是在我们在后训练上面哪些东西对一个任务执行的质量对我们的速度和我们的语言可控能力,有非常大的一些思考在这里面。然后在2026年其实我们就是以一个员工的战略来走的其实在这时候其实就是我们知道了我们预训 [115:00] 模型需要往哪个维度去泛滑而且我们的预训练的方向是什么样子,我们怎么样子可以去crack scaling law with the most abundant data? 同时我们要做好一个工作流其实对reasoning和language steerability能力需要增强同时我们在机器人本体上面需要布局因为我们第一代机器人是不可以动的所以说我们在第二代机器人我们在hold body control在硬件上面的布局也是需要focus的所以说这是我们在2026年的一个战略体系再往后还不方便说不方便说可是我们还有还看了很远再往后是不是跟之前的这个场景发生了很大的变化应该不是在这个场景延长现场我们看到的是整个市场我们看到的是我们怎么样子让任何人都可以用上这个机器人让任何人都拥有这个机器人对这就是下一步了对吧对 是的所以你说聚生智能做什么样的任务才能够PMF呢?做可以达到ROI的任务如果说他们在自己的工作范围之内可以产出比人更多的output他们就可以达到PMF你们在这个场景上应该能够优化达到我们在我们所选的场景下面我们基本上都可以打吧如果达不到的话就就成为不了商业比环本身现在机器人的行业说商业并黄会太早了为什么这么早就追求商业并黄你们才创业一年两年其实我觉得商业闭环本身其实不是一个最重要就是说revenue不是最重要的一件事情而是我们要把商业闭环的每一个阶段每个问题全部都要想通全部要打通就比如说self driving本身如果说你不把San Francisco也没条街跑一遍你是不知道你的平行到底在哪的所以说其实对我们来说其实就是这个就是说我们要把所有的场景,就是我们想要设定的一些场景的corner case 保便,我们大概知道,可以大概把问题分为,啊,好泛化性能解的问题和泛化性不可以解的问题然后在这方面把deployment 飞轮给打通因为其实我觉得不光是机器人本身就是我上个公司Caper我们在落地的时候就是产品出来之后产品本身已经可以铺到任何一个超市的时候我们的我们也花了几年的时间才真正把落地给打通了因为落地本身是deployment flywheeldeployment flywheel其实不光是一个可能大家想说我智能体解决了我就可以大大落地了其实完全不是你在落地的时候其实你的硬件会出问题你的软件会出问题你的模型会出问题你的运控算法会出问题然后有的时候是你模型跑了一段时间之后突然有一天发现300张餐巾的可是我今天只得了800张餐巾然后你也不知道为什么所以说其实在deployment flywheel里面你需要比如说要build observability stack要做support maintenance stack所以说在这里其实可能很多人其实都没有想到deployment环节其实是一个非常困难的环节所以说而且deployment环节本身可能也是需要两三年的时间才能真正跑通的所以说当你把智能体本身完成了然后你再去跑deployment闭环的时候你就会发现你落后了两三年因为其实所以说其实这本质上面是就是可能也是有我之前的经验所以说我才知道说OK我们现在可能就需要把这些deployment上的一些细节给摸清楚你在机器人这个产业里闻到钱的味道了吗在哪里在我会即将做的所有的工作流里面这是初期初期的商业必须的可能性嗯对那不是初期以后呢以后那就是我们战略的下一步那就是整个市场的可能性嗯你为什么这么强调闭环啊?因为有闭环才有反馈有反馈你才知道你下一步该怎么走因为你我觉得摸石头过河这件事情是本身是非常困难的你如果当你不知道当你没有一个闭环你没有一个反馈你不知道你的问题在哪里的时候你是很难去知道说我的research需要往这个方向做我需要往那个方向做可是闭环本身得到的是我的这条路以一个最小的一个最短的一个时间 [120:00] 我可以大概看到我下两三步怎么走其实对我来说是探索接下来该走的路的一个过程你是从第一天就开始有中国的团队对吧为什么做这个决定这是一个重要的决定吗这是非常重要的一个决定因为其实我觉得智能体没有供应链是没有办法做出世界级的机器人的你们在中国的供应链做到什么程度了目前我们在中国是有一个四五十人的团队是专门做硬件研发和供应链的所以说我们在整条件其实全部都跑通了所以说我们现在已经进入了一个初步量产阶段初步量产对百胎级别吧百胎级别嗯是这个工作柳的机器人还是上一代工作流机器人上一代我就没有选择量产了哦,就是因为我觉得上一代本质上跑不通行业内人会说你们就是在去年年中之后都比较低调就是声音比较小为什么呀你们这一年在干什么呀 这要我觉得是几点吧首先我们research taste是我们的bar是非常高的其实绝大多数行业比如说派出的一些东西其实我们是在早几个月其实就已经完成了比如说从language steering层面上面来说的话其实我们是在8-9月份的时候去年8-9月份的时候就有了可是当时其实我们其实对bar非常高因为其实我们就觉得说这件事情还没有做到99%所以说我觉得我们不想发可是我们后面其实意识到我们自己对research的tastebar如果太高的话我们什么都不发其实也不好这方面是有一定的改观第二其实我觉得在战略不稀奇的情况下面去发一些我们觉得是一些阶段性的工作其实我觉得其实也不是特别符合我们自己的一个核心理念我们对我们自己发东西其实不是为了做PR而做其实我觉得我们是为了我们觉得这个东西是真的本质上面做好了而且是有非常强的产品也好research也好工程也好的一个逻辑在这里面我们觉得这件事值得发值得看我们才会选择发那我觉得当时我们设定了这个工作流的这个战略目标其实是一个非常远的一个目标而且是需要非常长时间让团队凝合起来去做到的这一个目标中途就选择不乏因为我觉得说出一些片面故事为了PR其实还不如我们就把整个故事说完这样子大家可能才才可更好理解我们为什么做这件事情我觉得机器人可能是比带预模型更长期的一个长跑啊你觉得在这个长跑的过程中最重要的是什么样因为它还离收敛很远整个产业的收敛都很远每个人都可以做现在还在做不同的探索可能大家都觉得市场还没有收敛其实我觉得最重要其实就是一个方向你觉得最终形态会是什么样子的然后你往这个方向走,其实就好了对你来说,智能和产品哪个更重要?智能更重要嗯因为我觉得如果没有智能的话其实就没有产品所以说其实智能是产品的一部分啊智能是产品最重要的一部分有了智能之后你才可以真正的去产品化可是我觉得产品会影响智能本身就是智能要做到多智能才可以成为一个产品所以说两个是有一定的关系的可是在两个关系之中我觉得智能是肯定是最重要的其实这也是我们团队的中心我觉得长跑中间最重要的就是产品和智能产品智能和落地我觉得甚至说在长跑道中我觉得我觉得可以看出中国派和美国派我们刚刚开始聊的我觉得美国觉得大脑重要供应链以后大家都会有大同小异的硬件都会解决问题中国就觉得可能长期不是特别重要供应量就重要因为供应量非常困难我觉得两个都重要可是如果真的让我往十年去看这件事情我觉得供应链更重要嗯对,因为其实供应链本身是你是客户最终拿到的是硬件所以说最终来说其实你你的量产你的产品形态因为其实大脑决定了你这个产品的下限身体决定的产品的上限所以我觉得长期来说可能会形成一个成伯!和质量展就是十年之后推出去那如果供应链最重要的话你怎么看现在中国的这一波 [125:00] 人团队我觉得每个人其实都有自己的打法我觉得都值得参考比如说语数嗯我觉得语数其实是一个非常优秀的公司特别是在硬件层面上面其实他们在硬件上面的研发把他们的Sys ID和就是把Simple Real Gap做的这么这么这么的小本质上面是一个非常非常强的一个突破口所以说我觉得他们在这方面是有一定的优势志愿呢我觉得支援的打法其实可能其实他们是有一定的智能体他们有他们自己的硬件我觉得他们可能长期也是在想往哪个方向走可是他们有足够的资金我觉得资金可以维持组织非常长的一个时间其实这也是战略本身所以从他们有有更多的资金其实他们的容缩率就更高所以说他们是可以他们的战略是可以往更广的产品线来铺然后可能在智能体上面可以一个更发散的一个情况来拜所以说这本身也是他们的战略我觉得也是值得参考和尊敬的你怎么看你们比如说跟那些机器人模型公司的进展你们怎么看你们和中国机器人公司的竞争其实我觉得行业其实不是一个进种状态我觉得其实如果说你看行业整个形态其实我觉得是一个非常啊的确可能会有点竞争模式在这里面可是我觉得大家也是非常的open大家非常愿意说我在做什么然后我们的方向是什么然后我们做出了一些research我们会分享我们的research result是什么我觉得这本质上面是一个非常好的一个一个行业的动态所以说我觉得在真正有Market share端来说就是真正有Market share之后我觉得才能真正形成一个一个competitive dynamics我觉得现在可能大家都是在一个互相尊敬或者互相学习的一个状态下面嗯你就什么时候会快速收敛我现在聊机器人团就觉得就是大家每个人都有每个人不同的做法然后感觉离收敛还挺远的你说的是对的就是可是在每一个时段其实都有一定的收敛其实说比如说我们做出Dyna1之后其实大家往机器人的成功率或者说执行速度上面其实是有一个说的就是我们其实要做出一个有用的机器人本身然后其实在对比如Womi也好,Eagle也好,世界模型也好,其实行业也是渐渐的往这个方向收敛,那其实说这些事情可能在长期是会有改变,可是我觉得我们是渐渐在一个已经在一个收敛的一个过程当中我们大概知道说哪些方向对哪些方向不对哪些是重要哪些是不重要的所以说我觉得可能在接下来一到两年之后我觉得是有机会看到一个更收敛的一个模式大家可能会更往比较类似的一些不管是从模型架构也好或者说从数据能力也好其实都会开始有一定的熟练你怎么看待机器人本体和大脑的关系我觉得两个都非常重要我觉得大脑是机器人的下限我觉得本体是机器人的上限而这个跟很多人观点还是相反的别人可能会觉得大脑是上限 本体是下限大脑是决定这件事情到底可不可以做?硬件是决定这件事情到底能做得多好其实这是我的看法因为其实这件事情能做和不能做是大脑决定的这件事情能做多好其实其实某种成物是硬件和运控所决定比如说我折一千张一天可以折一千张餐巾其实如果说在数据运控和硬件的能力下如果可以可以允许,动作是可以动得更快我的动作是可以更精确所以说我觉得两者都是非常重要的而且我觉得大脑和本体的关系其实非常紧密非常难去拆开来去分析因为其实有的时候因为本体本身是有视频就是你的camera你的proprioception和你的运控其实你收集到的数据,其实如果说从摇操数据层面上面来说的话,其实就是比如说运控本身,我们从运控上面收集到数据,用两个不同的运控数据, [130:00] 他就可以训出两个非常不一样的模型一个可能是非常非常丝滑非常漂亮另外一个可能就是一个非常糟糕的一个机器人所以说我很难想象说真正去做B2B落地场景如果你不own这个机器人本体你是很难达到他们的质量和速度效率的其实我觉得两个都是你觉得应该大脑驱动本体还是应该本体驱动大脑我觉得是大脑驱动本体就是大脑其实这是我们团队里经常的一个打量就是其实硬件的定位一直都是research团队给出来的比如说我们的camera需要多少fps我需要global还是rolling shutter还有我的camera的角度需要多广全部都是research 传的去界定的所以说我觉得是需要从research 角度去定身体嗯那如果大脑有一个提升然后这一代定件会不会就不work了它要整个替代它的现有的硬件方案会出现这种情况吗我觉得不是因为大脑的提升导致硬件本身不work而是大脑提升之后可能硬件就达到了上显就是你硬件已经没有办法做我大脑想做的事情了就是我大脑比如说用最简单就是最简单的比如说我本来大脑是可以跟世界级乒乓球选手打的可是我的身体跟不上嗯那就被印象给限制住了嗯所以我在想现在做全站会不会早因为大脑的问题也没解决完我觉得不早了,因为其实本质上面其实就是一个co-develop的一个过程就是我的智能体本身需要什么样子的硬件去搭配它那我在大脑进化的时候进化之后有可能会我的硬件是一直肯定会一直持续迭代的硬件本体是需要刷起码三版你才可以真正进入量产才可以真正进入场景而且我觉得现在供应链还没有完全收敛所以说硬件本身还是有非常多的问题如果说你在三年之后再去做这个硬件那其实你就少了三年可以迭代的一个过程那其实那时候你大脑问题解决了你再去定义硬件的确那时候你可能会定义出一个更好的硬件可是并不代表你那时候你的硬件是可以落地可以量产嗯你们会把那个甲爪换成零销售吗?回答在哪一代这个对于你们这个场景重要吗目前来说不重要可是我觉得最重要的是林乔收我觉得换的时期是我们在林巧手Ready的时候我觉得现在林小生还不足以Ready去做落地你现在有没有很困扰的一个问题困扰的问题是一个时间段的问题每个时间段都有不同的困扰的问题比如说在这个时间段有人的问题在这个时间段有融资的问题在这个时间段是有战略的问题可是我觉得没有一条长期的一个困扰主线不过是长期困扰主线其实那就是问题本身可能是太大了我解决不了最近呢我在思考怎么样子拿到更多数据这应该所有机器人工都在想的问题对吧对,可是我觉得我们的上限可能比别人会高一些因为我们能训的数据更多所以我觉得采购可能是我所想的一个问题下彩播数据有什么比较好的来源没有我懂得很久嗯在Dino1到Dino2里面技术路线有发生变化吗而本质的变化是一个非常大的改动嗯不管是从模型架构来说从我们的预训练的数据集来说从reasoning的角度来说甚至说硬件也有变化我觉得我们是脱胎换股变成了一个新的公司中间没有什么比较 struggle的时候最 struggle 的其实就是我们当时对自己所走的这条路是有一定的困惑其实就是没有看到一个战略的下一个节点应该往哪里打就是去年几月份其实就是去年底说的那次为什么会困惑当时当时其实就是觉得落地任务本身落地没有办法形成一个商业闭环然后我们是需要落地还是需要Bad Research然后那时候选择两个你就在一个点上打 [135:00] 可是当时的收敛的一个结果所以就希望这个工作流的场景既能够满足商业化闭环又能够去提高了我们智能提的提高智能的上限对你觉得结实到现在达到这个目标了没有我觉得达到了然后下一阶段你们要去做的是还不能说的事情对 是的但是已经脱离了这个工作场景了对,是的你们账上钱多吗挺多的能支持机器人模型的研发吗完全可以七星人模型年发你觉得需要多少钱我觉得绝大多数的钱其实就是人才散力可数据嗯我觉得可能在下一个阶段就是我们在大大scale up我们数据的阶段是需要更大的资金的可是在我们上个阶段到现在这个阶段我们是没有烧太多钱的这个可以认为是Dyna1.0对吧就是完整的洗衣的工作流能这么说吗然后2.0你可能要去用更多的数据然后去做一个更大的模型然后去定一个新的场景或者饭式算是可以这么理解对 是的那你觉得一点零食这个过程中你们积累了什么呀验证的是什么呀就是触摆一下这个完整的阶段到今年你们要发那工作流的机器人的时候其实就是我们在智能体需要往哪个方向走其实这是我们在大约1.0形成的时候核心就是我们真正智能体要进化到什么程度然后我们日训练需要提高多少然后我们预训练从预训练想得到的泛化和语言的结果是什么样子才可以把一个工作留给立起来我觉得这是我们最大的一个心得2.0是脱离了1.0的叙事还是说还在他眼上线上你说我们的战略下一步吗?我觉得是脱离了场景的受限嗯对脱离的场景的兽性要讲用更达的故事不是说讲个更大的故事就是去做一个更大的市场是做一个通用市场因为其实飞轮其实已经搭起来了就是这整个系统其实已经搭起来了其实剩下就是给他更多数据他就可以学新的东西Aum谢谢大家你就说你形成了基于这一个工作流形成一个系统,数据能够进来,然后能够出去,然后可以形成一个工作流出去,数据进来,然后就可以通过这个系统转换成商业价值。但是那个场景不是一个垂垒场景对吧所以我不是好这个什么时候能看见明年明年, 哦还是要一年我觉得可能每个战略节点真正要把这场战打完可能需要半年到一年的时间,我不知道需要多久,可是我觉得这条路是非常清晰的。BINET的文化企业氛围是什么样的?嗯我们都是非常我觉得团队本身我觉得任性非常强啊因为可能基于我们过去的一些经历来说其实我觉得一些啊一些方向起伏对我们来说的影响不是特别大第二是团队是非常纯粹的团队因为其实我和York以前是做摇滚的然后其实我是非常喜欢创业这件事情本身所以说其实我们是非常喜欢和一些真正喜欢做事的人在一起工作因为其实机器人行业本身其实有点浮躁然后其实大家都有不同的想法和看法然后可能在每个时间段哪一个公司其实都是大家所非常关注的公司可是其实对我们来说如果你真心热爱你做的事情其实你就不会被外界影响到而是我们真正心中有这一张图然后我们就往这一张图走所以说我们是一个非常纯色的团队然后也是个非常passionate就是非常想把这些事情做成一个团队你们的公司内部状态更像一个lab还是更像一个什么我觉得内部架构来说LARP 的属性会偏高一些因为你在创业的时间很长了嘛 你觉得现在这些新的公司的组织形态跟过往的公司的组织形态有发生变化吗我觉得这是一个非常好的问题其实我我觉得组织形态是有个非常质变的改变嗯其实我在pre-coding agent之前其实 [140:00] 绝大多数的大规模公司其实是层层啊是一层一层的啊一个一个关系那所以说其实啊在一个比如说像一个大公司像google样子有可能10到1111个level然后每个level就是他在有自己分裂的一些事情啊那其实在目前的一个AI状态下面其实我就是我组织非常明显的变得非常非常的扁所以说其实扁的一个非常好的呃一个形态就是我作为CEO或者说我团队团队的一些高官是可以直接操控执行方向的就是可能是可以直接通过execution的engineer和researcher或者说通过他们的上面的一层的manager就可以直接达到这个目的我觉得这本质上面是一个非常大的一个变化这也是我觉得是一个好的一个变化做事就快了很多所以你们现在不到200个人差不多对吧美国可能就对稍微多一点对为什么是这样配装美国团队应该是research为主然后中国团队是硬件为主然后research比硬件多一点对其实我觉得我的一个管理理念其实通过我的Caper的创业加上Instagram的经验其实我发现其实更适合我的一个管理状态是招最近的人做最重要的事情所以说其实我们团队的平均素质是非常非常高的绝大多数的IC其实都是以前是有一定的管理经验然后后面真正是因为喜欢做IC所以说才选择做IC所以说大家都是有非常充足的经验所以说其实他们比如说一个scope是可以他们可以自己拆解自己去执行所以说达成了这样子一个状态那其实人少一点的话其实管理成本就下来了所以说其实我们就不需要花特别多的时间去管理一个组织一个组织比如说我们如果说有一层一层一层的人的话那其实就非常就是那你做起事来其实动作就很慢然后整个work structure不够 nimble所以说其实我的理念是我们找最强的人做这件事情其实就够了所以说而且大家可以更好的进入一个心流状态这个心流状态就是所谓着其实大家都是共评的我们都是需要做这件事情所以说其实我们大家可以凝聚成一颗心的时候我们就可以把这件事情做得更快的落地其实跟人数是没有很大的关系所以说我反而觉得人数多的时候更难成为一颗心所以说我是想在一个最小单位形成一颗心然后往这个方向走它是一个阶段性的状态还是一个长期的状态?我觉得小组织状态一定都是一个阶段性状态可是我觉得往一个更大的组织来走的话,其实我觉得可能可能跟10年前的形态可能有点不一样可能以前10年前可能是需要1000比如说这件事情过去1000个人才能做的事情可能现在可能只需要花一两百元就可以做了所以说其实大肯定会变大可是不一定需要变得特别大嗯,这就是比前少,但是比现在大对今年agentic coding就是爆发了之后对你们好像有什么改变吗我觉得有特别大的改变因为做的所有的事情其实都快了很多所以说其实当工程成本下来之后其实你就有更多的空间去探索其他的方向的事情就是比如说以前你一件事情需要一个月做那现在这件事情只需要一周了那你就可以同时那就可以探索四件事情四个方向了所以说就本质上面迭代速度就开始变得非常非常的快了所以其实刚才你问我啊要多少年可以进入AGI其实我也不知道因为本身工程效率也一直在提升所以我觉得最重要的还是一个团队的迭代速度你第四次创业这次有什么不一样的感受已经慢慢的理解创业是怎么一回事了我觉得原来创业可能是一直是以一个外界的标准去评判我自己的成就当时以一个外界的标准评判就是我融了多少钱我做出多少成就,我的估值有多高,或者说我客户有多少收入有多少等等等等可是我觉得我现在可能更是一个一个 [145:00] 自己的一个状自己去往自己内心走的一个状态就是我自己怎么做好自己我怎么样子把这个问题思考清楚我怎么样子把底层逻辑思考清楚才可以做更深刻就是更重要的事情自己已经慢慢就是通过一个自己的修心的一个状态可以活出一个更更真实的自己我觉得这是我比较喜欢的一个创业状态你从什么时候开始休息呢我从刚刚开始KBIR创业的时候就开始修行了就是十多年前了因为其实我觉得本身创业是非常困难的然后在每个困难的节点其实对你来说都是一个挑战都是一个修行的过程因为其实每个人都是带着自己的一个主观的过滤镜去看这个世界其实有的时候你转念就是你当你选择同样的事情你一个不同的方向去看这件事情的时候你的世界会变得非常辽阔我可以给你一个一个比方其实我我自己我是有一个非常奇怪的一个病叫强制性脊椎炎周杰文也有这个毛病就是我的免疫系统会攻击我自己的spine对嗯然后其实当时我是在我18、19岁的时候其实就有这个毛病了然后其实我当时非常怨恨世界我当时就觉得为什么我这么不幸运我这么然后每天都是要活在这个痛苦当中就是有的时候痛就是睡觉的时候更痛就是就有很多人就比如说疼痛我知道睡觉之后我是不痛我是睡觉的时候更痛然后打喷嚏也痛或者说什么样子反正就是非常难受然后当时其实对我来说最大的突破其实不是说病本质上好了很多而是我转念了我把病痛看成了一个一个experiment就是我如何能更改我的作息我如何能更改我的饮食我如何能更改自己来帮他解决这个问题所以说其实我通过了十多年在自己身体上的一个experiment之后其实我发现了一定的规律然后我自己也把这个毛病给调好了所以你是从那时候开始自律的是吗是的,然后其实我觉得创业本身其实也是这样子,就是说我其实以前一直觉得说我跟投资人聊投资人就完全不公平完全就不知道我在说啥那我就会觉得说这个投赠不同我觉得他很傻然后我就继续说我该说的可是我现在转念后其实我就发现说其实投资人的思考维度跟我很不一样他们看到所看到的世界是足以我可以去参考的所以说其实最近其实我其实就有聊一些投资人其实我就发现其实我以前无法接受的观点其实我发现他们给了我很多的新的启发所以说在转念过程当中其实你就会发现这件事情的对你来说其实已经没有你以前想象的那么难或者说这么让你不开心啊所以说把东西变正向的时候你的世界就会越火越辽阔谢谢大家你刚开始跟我说你会把投资人分类你会分哪几类就是每个人他们可能他们的care的东西不一样就是有些人可能跟care财务有些人跟care技术有些人跟care本体有些人跟care中局有些人跟carefounders等等其实我觉得这是他们的其中的一个分析维度然后每个人在这几个维度上面负重都是不一样的你现在会像上一段创一样痛苦的读陈思路吗我还看了非常多其他类似哲学体系的书西方的陈思路和中国的王阳明和甚至说佛教的体系基督教的体系其实核心概念其实都是非常类似的其实就是核心概念其实都是修行你怎么样子和这个世界相处你跟这个世界的关系是什么样子你是怎么看待这个世界你是怎么可以转念的怎么可以让自己活得更好所以说当你自己更了解自己当你自己更了解真实的自己是什么当你更了解这个世界的底层逻辑是什么样子的其实你就会发现以前非常内耗的东西其实都没有必要内耗你会内耗什么呢我会非常内耗 [150:00] 别人怎么看我我觉得我是一个有点讨好性人格的一个人所以说其实我就会在乎说我这件事情如果没做对的话这个人会不会讨厌我或者是说我这个问题没有思考清楚这个人会不会觉得我很傻或者是甚至说有的时候比如说做一个演讲然后我就觉得我事后我就看了这个视频就觉得这怎么这样子说然后会在这里会有停顿然后其实我就后面就发现啊有本书里其实说说很有意思他就说其实这个世界上最在乎你长什么样子的人就是你自己其实就是这样所以说其实我我这件事情其实在在某个时间段想通之后其实我后面就不怎么在乎了我就觉得反正我只不过是大家看视频的两分钟他看完这个视频就看其他视频了所以说那就无所谓了其实对我来说就觉得非常重要可是到头来说其实完全没有必要去想太多你说你现在不是为了证明自己那你是为了什么创业呢你的驱动力变成什么了我是想更好的活成真正的自己因为我觉得我觉得每一个人其实刚出生的时候其实是一个非常纯真,非常看山是山的一个状态。这件事情就是这样子,我就该这样做。然后呢当你慢慢长大的时候其实你就会发现啊世俗上有这个规矩有这件事情不能做然后我做了这些事情别人会笑我我不喜欢别人笑我其实有点像是呃Adam and Eve他们吃了那个那个the apple of knowledge的一个一个状态其实我觉得这样子活就越来越变成见山不是山啊所以我是想活成一个自己随心所欲的样子因为我觉得这才是真正的自由真正自由就是你可以选择做你随心所欲想做的事情而且不在乎别人的看法对不起你一进来我就问你帅哥创业帅哥作为一个CEO到底是一种什么样的感受对不对那为什么你这么多包袱啊就是你长得很帅然后看起来都很好但是我感觉你比别人更内好我觉得我其实也不是特别内好吧其实我co-founder York其实就跟我说其实我是一个非常不敏感的一个人所以我觉得没什么问题然后现在我是越来越不内好了所以说我是越来越不care了嗯对然后关于我长得帅这个问题我觉得只不过是我变更健康了我觉得其实我觉得人都是这样子,你活得越健康,其实你看起来就越健壮,然后大家就会觉得你的气色或者你的神态更好我觉得这是我自己越变越健康的一个状态最近这次创业有什么不一样体验吗我觉得非常不一样哦因为我觉得这一次其实对我来说我是非常珍惜这一次创业机会的因为回到我原本本身其实我是非常热爱创业这个行业的所以说当你热爱一件事情的时候其实你就会一直去想去直到想进步的这些点和其他人对比,你到底能站在哪里?机器人这件事情是一个世界杯其实我跟很多人说过这个我觉得世界被因为所有的行业里非常强的人都在赛道里然后每个人其实都有他们自己的战略自己的打法而且很多人做的事情其实我是非常敬佩我是非常尊敬的所以说在这个行业里我觉得我是带着一个敬畏心来的所以说我是非常珍惜所以说我是想好好打好好做然后也希望在这个过程当中可以活得更辽阔而且也可以提高自己的能力把我的降薪把我的craft给做好嗯嗯这是第一把然后我觉得可能剩下我觉得就是这次非常不一样的地方是在于问题的复杂性特别的高,所以说也非常挑战我个人的一个方向能力其实就是某种定义上其实对我来说也是一个更高的挑战就是我怎么样子在一个非常浮躁非常困难非常复杂而且在技术还没有收敛的一个环境下面能看得清一条路啊对我来说是一个非常大的挑战可是我非常喜欢我觉得真的是非常有意思的一件事情看清一条路有时候会感觉是迷雾笼罩吗我觉得一直都是整个行 [155:00] 也其实一直都是迷雾风啸可是如果能在迷雾中探出去挑你自己的路我觉得对我来说就非常有成就感你觉得外界对于Dyna说的非常准的地方说的非常不准的地方有吗非常不准的地方就是我们是个deployment公司,我们其实从第一天起来,我们就不是一个deployment塑像来去为核心观点来做这个公司的。他我觉得说的比较准的地方是,我觉得我们做的东西是有价值的嗯你觉得这次创业怎么办呢?到什么样的结果你会觉得成功了什么样的结果你会觉得失败我觉得成功的定义非常难去定可是我觉得从一个公司的角度来说的话我觉得如果能让每一个人用上我们的机器人我觉得这是成功的一个点就是让每个人有这个可能性用上我们的机器人每一个人对每一个人我觉得对我来说我自己定义的失败是我修心的失败就是如果我真的认为这件事情失败了那其实我就失败了是一个心理状态嗯修心你会有什么仪式吗一日常除了自律修行是一个长期的一个一个比如你会冥想着嗯,其实修行跟冥想不是完全一个体系可是冥想是会帮助修行因为本身冥想是可以让你的脑袋静下来可以好好思考事情我觉得修行是你对这个世界的看法就是每到一个节点每到一个challenge其实都是有办法去去去解决它的有些办法是可以实际上靠改变其他人和改变世界去度过难关那有些难关是你没有办法靠改变其他人和改变世界去改变的其实这就是你自己的难关如果这是你自己的难关就是要靠修心学去超越的你有度过一个改变自己度过的难关吗非常非常多最近两年吗有啊对我说我觉得其实在战略迷失的时候其实对我来说就是一个非常大的挑战就是我当时想都想不出来去年底吗对去年底当时我就想都想不出来谢谢大家团队就会觉得说其实我们在往哪个方向走她的整个后面其实我是放下了一些心理的包袱或者说干扰我的一些噪音然后才能真正让我可以用非常清澈的一个思考维度去解决这个问题我觉得很多时候其实不是其实很多时候解决一个问题不是靠你工作时长因为其实我是从投行走过来的其实一周工作100到120个小时其实当时是一个常态可是其实我发现很多时候你是靠时间是堆不出来的东西是需要换一个思维模式才能解决的你是通过屏蔽了很多噪音扔下了很多包袱对你的包袱是什么样要做一个不犯错的CEO的包袱就是我当时非常怕犯错因为其实我也算是成功过一次的创始人了所以其实我当时对自己的包袱其实就是我不能犯错因为大家其实都是冲着我的经验来的可是当时我觉得在这个包袱下反而让我的很多决策变得非常的不明智或者说甚至就是为了不犯错而做的决策那我觉得为了不犯错而做决策其实本质上就不是一个好的决策谢谢对我看到你之前还说过一句话要证明自己不是一堂话一线的对就是我以前的包袱你现在还有这种想法吗没有其实那是一个自我证明式的想法对而且这是一个外界对对你的评判的一个想法可是我觉得外界对我的评判现在不重要所以你是在去年底度过这个谢谢状态感觉去年底对你来说很重要去年底去年底去年初吧我觉得那时候度过这个状态其实我是真的其实我当时度过这个状态之后其实我是发自内心的感恩就是我第一个 [160:00] 就是度过之后我第一个嗯对我印象非常大的一个情绪就是感恩因为当时是感恩我的老师,感恩我的团队感恩我的妻子我的孩子因为其实在那个状态下其实他们是力挺了两个连窗他们是真的是力挺我到头的所以说其实我就觉得说我作为一个CEO其实我我本来是为了不能犯错而做了很多错误的决策可是你们还愿意嗯包容我然后还就是而且还同样的在扶持我把这件事情完成所以说我当时是特别的感恩所以这个状态对我来说现在对我来说是一个非常好的一个状态你去年做了什么错误决定我觉得其实就是战略方向其实不是非常清晰然后对公司的文化我觉得也没有花特别多的时间去去打理公司的文化所以说我当时就觉得团队但你余力不高然后导致我们需要拜的一些项目也好需要做的一些事情也好其实当时做了一些比较错误的也不是说错误的技术选择就是我觉得不够第一性原则的技术选择浪费了团队的一些时间这跟落地和research 关系吗就是这个二选一的选择没有特别大的关系而是就是我们在战略的下一步其实我这样子说吧我觉得我们在战略的下一步没有思考好然后就去开始跟就是看别人在做什么然后我们也觉得我们要去赶上所以说缺乏了自己对市场的判断和自己的第一性原则思考所以说导致其实团队是在一个飘动的一个情况下就是大家说这个我们就要去看这个大家说这个要去看这个就是被带来带去带得非常难受所以说一直是在一个被市场所被市场带节奏的一个状态然后其实当我们真正找到了自己最本质的东西对我们自己非常自洽的一个方向的时候然后整个团队就开始收敛了然后就变成了一个非常稳定然后一个momentum特别强的一个团队这个过程本身是一个是一个大家在一起的一个状态就是说我觉得有些关自己心里的一些关其实是需要别人帮你一起度过的每一次每个人进入一个难关的时候其实都是你自己认知的天花板天花板在天花板上面的东西到底是什么其实你是不知道的因为不是在你认知范围之内的所以说当然后有有些时候我是通过自己去突破的然后有些时候非常非常难啊是需要通过别人的一些提醒和意识去去突破的所以说那时候是是神明有老师神明有非常爱我的人啊就是爱我的团队和啊等等在一起的我们我才知道说这条路应该这么走我觉得念头是很容易发散出去的念头怎么收回来你有学会吗我觉得我可能还没有达到一个境界是我可以非常简单的用语言去描述我对这个世界的改观和理解可是我觉得念头的根源可能就是你对这个世界是否能为这个世界发出善意我觉得如果说你一直是从一个以人为善的一个角度去走这条路的话我觉得你可以走很远可能说的有点抽象了就不是在证明自己的某种ego对就真正去了解自己真正去了解我自己到底是什么样子的一个人就是见山是山和见山不是山的一个状态是什么样子的然后渐渐把这个迷雾给然后渐渐去发现最纯粹的自己是什么样子的,我觉得这是一个这是一个新性吧嗯在今年变化了对我今天是有非常大的变化经历了一次内心的脱胎缓苦这个对创业者来说是不是很常见常见嘛就是在创业的力图中不断地看见自己然后做出改变我觉得这是一条道这是每个人都有自己的道路而且这条道路是他们自己最向往的一个方向有些人的方向其实就是物质层面上的一个成就其实有些人可能就是一个内心的上面的成就 [165:00] 我觉得最本质的其实每个创业者其实都会遇到难关在他们遇到难关的时候他们去怎么解决这个问题是通过改变这个世界去解决这个问题还是通过改变自己去解决这个问题其实每个人都是自己的一个走法我觉得本质上面来说我觉得可能在如果是通过改变自己改变自己的念头和改变自己的一个对这个世界的过滤镜来行走这条创业道路后我觉得会更长久因为我觉得创业是一场是一个非常长的一个过程在长跑赛中如果说你没有办法更好的提高自己把自己做的事情越做越坚定我觉得是非常难就所谓的内耗吧就是你精神是没有办法支持你是没有足够体力可以跑完这这个这个 marathon而且这个马拉松它不一样的是在于你不知道中间在哪里对所以说你就是一直在跑就是你对所以说这也是可能是更你说的是非常非常对就是这是更困难的一件事情当你不知道你要跑多久然后你还一直在这条路上跑而且你你也完全完全看不到终点也不知道终点在哪也不知道前面那条路是什么样子的嗯那你的时候怎么样子稳定自己的心态去继续跑下去我觉得这是每个创业者只要在机械人行业上面需要面临的一件是的 我感觉好像你开始跑的那一刻反而没有那么难但是你到旅途中间看不到终点也看不到四周的时候是最痛苦的对,是的但是你知道去年你才创业一年多为什么这么快呢这个时候来的难关本身其实跟时间不是一个绝对的关系而是在于每一个人可能在每一个节点上面都有自己的难关而且在每个不同的时段也都有有些难关可能他们选择不说出来或者说有些难关其实觉得其实本身也不是特别的严重那比如说我我度过这个难关可能从外界世界来说其实不是一个不是一个big deal 只是一个非常简单的战略模式改变可是当时可能在当时的精神状态下和我自己的一个对世界的认知的一个情况下其实当时对我来说就是一个非常难难的一个难关而且我度过这一次难关其实并不代表我以后不会度过难关所以说我觉得其实每个人都在读难关,只不过是他们自己怎么对这个难关一个认知吧那假设如果你这次创业不如你上次创业的结果你会怎么想其实我觉得还是一样,就是方便形态,本质上我是来赢的,我是希望好好打这场世界杯的我觉得我打出了我自己的风采我打出了我最纯真的自己我打得尽兴其实我就觉得已经非常开心了因为其实我觉得人生其实你不能一直都是看着终点因为其实你看着终点你就永远无法享受这个过程其实我觉得人生我们一直都是在旅途上面在每一个节点只不过是一个checkpoint而不是你的goal所以说如果说你没有办法享受这个旅途你只想一直一直往这个终点看那我觉得你会觉得这段旅途是非常煎熬的啊可能这也是我可能就是我转念之前的一个看法我就觉得这条我就一直往这个结果看我就一定要做出这件事情来我就一定要怎么样怎么样其实我就反而就觉得这样我不是非常enjoy process所以说我现在的思维是非常不一样的掉进一个坑爬出来再掉进一个坑再爬出来其实这就是我觉得很多创业者需要经过的一条路最后几个块块蛋好的一个全球范围内你喜欢的食物我觉得如果就说一个的话有时候福州的斑面饼肉吧这是我家乡的东西一个全球范围内你喜欢的地点我觉得我老婆和孩子在的地方我都喜欢谢谢你小孩多大啊我有三个女儿一岁两岁三岁哦那你结婚很早啊没有啊,我是30岁的时候结婚的一个少有人知道但必须知道的知识点可以是一个冷知识修行算吗谢谢大家我们的每位嘉宾都会给我们观众朋友们推荐一本人生的必读书希望它是真的对你的人生传承过影响的那就是人生只有一件事你心目中影响机器人进程的几篇论文或者是JSON的 [170:00] Sous-titrage Société Radio-Canada En fait, ce livre est de nouveau, c'est une nouvelle question de l'écrivain. C'est une autre question de l'écrivain. Oui. et vous avez dit que vous avez dit que vous avez dit : c'est l'infrastructure Oui. Ils ont eu un grand grand-d'un d'argent pour faire ce que j'ai eu. - Hum. On a une autre chose qui est dans le monde, quand tu as l'as dit ce nom, tu penses ce que tu es pensé? En fait, c'est que c'est C'est ce qui est le monde, c'est ce qui est le monde. Oui, c'est la vision, la physics, la property et les sensibilités. L'éternité est et de l'écriture de l'écriture. Rien知,把语言变成 Action. Merci.