Maxinsights年入2.5亿美元 机器人数据拟扩至千万小时

Maxinsights年入2.5亿美元 机器人数据拟扩至千万小时 具身智能已验证物理世界的Scaling Law，行业痛点正从单纯缺数据转向高精度第一视角数据的工业级品控与真实场景评测。 在具身智能行业普遍面临数据饥渴的背景下，Maxinsights 凭借自研采集硬件与数据处理管线，通过全球近 4000 人的强管控网络积累了约 200 万小时的人类第一视角（Ego）数据，充当机器人赛道的核心“卖铲人”。对话深入复盘了遥操作、仿真与第一视角数据的技术路线筛选，解析了如何将日常视频加工为毫米级精度且带多模态语言标注的训练级数据集，并阐述了类似 DoorDash 的去中心化采集运营与 SaaS 化复用授权模式。此外，袁宇光结合早年工业机器人创业碰壁的教训，分享了对“痛点与痒点”的辨析、分级定价机制，以及公司从纯数据供应向模型评测与全栈部署服务商演进的长期规划。 Maxinsights 凭借人类第一视角（Ego）机器人数据生产管线，ARR（年化经常性收入）从约 100 万美元爆发式增长 250 倍至约 2.5 亿美元，现已积累超 200 万小时数据。 (0:00) 具身智能数据路径正在淘汰高成本且不可规模化的遥操作（Teleoperation）以及仿真差距过大的纯仿真数据，全面转向能够捕捉人类隐性技能的第一视角数据。 (3:50) 公司借鉴 DoorDash 强管控模式，利用“AI Agent in the loop”平台由不足 10 人的全职运营团队管理分布在 8 个国家的近 4000 名分布式外采人员。 (24:33) 伴随 Dyna-2 等模型验证机器人领域 Scaling Law，头部客户需求正迈向 1000 万小时门槛，数据公司正从单纯数据采集向模型评测（Evaluation）、错误恢复后训练及全栈部署服务演进。 (36:50)

[61:56] 袁宇光: 当你的产品不完善、几乎不能用、只有核心功能的时候，客户还愿意付费给你，那才叫真正的痛点。 [3:50] 袁宇光: 从缺数据，到变成了缺高质量的数据。现在很多人还说我有很多的数据，但是今天为止，很多人看到的是，你的数据本身质量到底有多好，才能真正地在这个行业里面站住脚。 [18:57] 袁宇光: 仿真数据本身不是一个销售的产品。因为客户本身知道它非常便宜，你可能可以产生很多，那我客户自己，我就可以去做仿真的事情。 [88:15] 袁宇光: 数据肯定需要，因为数据不需要了，就说明整个模型的训练停止了，AI 停止了。

[0:00] 这一期视频播客 [0:01] 我们来聊一个一年250倍增长的故事 [0:04] 这发生在硅谷的机器人数据领域 [0:09] 过去两年 [0:10] 在采访机器人公司的时候呢 [0:12] 我们听到最多的一句话就是 [0:14] 太缺数据了 [0:15] 当机器人公司们还在探索 [0:17] 模型算法数据和部署的时候 [0:19] 一家并不生产机器人的硅谷公司呢 [0:22] 把机器人数据做成了一门 [0:24] 年化收入数亿美元的生意 [0:27] 这家公司叫Maxinsights [0:29] 他们成为了机器人 [0:30] 淘金热中卖铲子的人 [0:32] 我们的ARR差不多可以 [0:33] 达到250个million左右 [0:35] 我们去年一年其实 [0:36] 才差不多一个million [0:37] 客户是谁 [0:38] 可以披露一下吗 [0:39] 一类是大模型的客户 [0:41] 另外一类客户都是做机器人智能的客户 [0:46] 从100万美元到2.5亿美元 [0:48] 250倍增长 [0:50] 发生在短短一年 [0:51] 这家数据公司让普通人带上摄像头 [0:54] 记录做饭、叠衣服 [0:56] 打扫卫生这些日常动作 [0:57] 再把这些视频转化为 [0:59] 机器人可以学习的训练数据 [1:02] 如今他们已经积累了200万小时的 [1:04] 人类第一视角数据 [1:05] 并且建立起了一张覆盖全球 [1:08] 4000名数据采集人员的网络 [1:10] 而这家公司的数据采集运营团队 [1:12] 全职员工不到10个人 [1:14] 美国、墨西哥 [1:16] 然后东南亚 我们有印尼、越南和泰国 [1:19] 中国、土耳其以及最远到南非 [1:21] 我们全球一共有接近 [1:23] 4000人的运营团队 [1:25] 它依靠的是中间这一层 [1:26] 我们叫AI agent in the loop（智能体参与闭环） [1:28] 一个平台 [1:29] 相当于是一个小监工 [1:30] 我们叫小助手 [1:31] 挺难的 [1:32] 管理 运营是一件特别难的事情 [1:35] 我们在最近的一期视频播客 [1:37] 采访Dyna Robotics的时候 [1:38] 这家硅谷机器人公司 [1:40] 号称通过100万小时的 [1:42] 人类第一视角数据 [1:43] 找到了机器人的scaling law（规模定律） [1:45] 之后 1000万小时的数据 [1:48] 是下一步 [1:49] 当机器人行业开始 [1:50] 验证自己的数据scaling law（规模定律） [1:52] 这是否意味着我们正在见证 [1:54] 机器人领域的下一个scale AI的诞生 [1:57] 如果你们能产出1000万小时的数据 [1:59] 需要多少人 [2:00] 我估计在现在的基础上 [2:02] 能够再有3倍到5倍的人 [2:04] 世界模型的公司 [2:06] 做video generation（视频生成）的公司 [2:07] 现在都变成了机器人数据公司 [2:10] 其实有很多也是我们的客户了 [2:11] 他们是没有数据产线的 [2:13] 对 [2:13] 如果有一天他们有了数据产线 [2:15] 即使他们今天做 [2:16] 也只是做了我们2023年 2024年做的事情 [2:20] 那这一期硅谷101视频播客 [2:21] 我们对谈了Maxinsights创始人袁宇光 [2:25] 从他经历的两代机器人创业潮说起 [2:28] 到当前机器人数据的商业模式 [2:30] 全球采集管理以及数据技术 [2:33] 聊聊这场刚刚开始的机器人数据热潮 [2:41] 宇光 欢迎你做客硅谷101 [2:44] 你好 茜姐 [2:45] 我听说你们现在是机器人行业里面 [2:48] 数据上面收入最高的公司之一 [2:51] 你们主要的业务构成是什么样子的 [2:53] 我们主要是做人类方面的数据 [2:57] 并且是把人类的数据 [2:59] 变成机器人可用的数据 [3:01] 来帮助这些机器人头部的公司 [3:04] 训练它们自己的模型 [3:05] 现在具体的体量有多少 [3:07] 能给我们透露一下吗 [3:08] 也就是硅谷现在 [3:09] 我们说的ARR（年度经常性收入） [3:09] 我们的ARR差不多可以达到2.5亿美元左右 [3:12] 好 2.5亿美金 [3:14] 那今年增长应该是非常快了 [3:16] 是的 [3:17] 我们去年一年才差不多100万美元 [3:20] 到今年为止我们增长的速度非常快 [3:23] 我们认为也跟这个行业发展有关 [3:25] 就现在这个行业 [3:27] 你会看到有很多我们的客户侧 [3:29] 已经通过使用更多的高质量数据 [3:32] 来帮助它们的模型进行训练 [3:34] 并且得到了一些基本的认知 [3:37] 然后这些模型 [3:39] 不仅具备了一些新的更好的表现 [3:41] 并且使用了大量至少是100万小时的数据 [3:45] 所以目前你可以看到说 [3:47] Data scaling law（数据规模定律） [3:47] 在physical AI（具身智能）里面已经实现了 [3:50] 过去两年我一直都在听到说 [3:53] 机器人行业缺数据 缺数据 [3:55] 是不是2025年大家说缺数据 [3:57] 还是缺的是遥操数据 [3:58] 但是起码在硅谷这边 我看到 [4:00] 我看到最近大家是把这个押注 [4:03] 压在了human-centric [4:05] 也就是第一视角数据的方向上 [4:08] 2025年和2026年确实发生了一些变化 [4:11] 2025年早期的时候 [4:13] 我们的客户当时和我们一起去开发 [4:15] 新的能够帮助physical AI（具身智能） [4:18] 能够落地的更加scalable（可规模化）的方式 [4:21] 当时我们探索了很多种数据类型 [4:24] 包括teleoperation（遥操作） [4:25] 包括了simulation（仿真） [4:27] 当然也包括ego（第一人称视角）的数据 [4:29] 甚至还有那时候我们去做手套的数据 [4:32] 那个时候我们就发现 [4:34] 除了ego data（第一人称视角数据）以外的 [4:35] 大部分数据 [4:37] 要么就是not scalable（不可规模化） [4:38] 那teleoperation（遥操作）永远会有一个上限 [4:40] 要不就是它落地的时候会有很多的差距 [4:43] 比如说sim-to-real（仿真到现实迁移） [4:44] 大家都知道这个差距 [4:45] 所以那个时候当我们去扩大规模的时候 [4:48] 我们会发现说 当人类的数据 [4:51] 如果我们想象一下 [4:52] 把每个人身上的特殊的技能 [4:55] 把它变成机器人的技能 [4:57] 它的想象的空间就变大了 [4:58] 所以2025年那个时候 [5:00] 我们作为这个行业里面应该是最领先的人 [5:03] 我们第一个订单是200小时 [5:06] 那个时候200小时对我们来说没有概念 [5:08] 是遥操数据吗 [5:09] 不是 是ego（第一人称视角）数据 [5:11] 客户是谁 可以披露一下吗 [5:13] 我们客户是 [5:14] 美国的头部的大模型的公司 [5:16] 它们当时也在探索 [5:18] 对 当时它们也在探索 [5:20] 我们和它们去做了很多探索 [5:22] 包括刚才说的各种数据类型 [5:24] 最后定在了 [5:25] 人类的第一人称视角数据上 [5:28] 主要也是因为说第一个有用 [5:30] 第二个可以快速地scalable（可规模化） [5:33] 第三个 [5:33] 它可以把人类的一些隐藏的技能 [5:36] 变成机器人本身的一些新的知识 [5:39] 和新的技能 [5:40] 把它们串起来之后 [5:41] 你会发现说机器人 [5:43] 想要实现真正的将来的AGI（通用人工智能） [5:46] 是可以把人的想法变成机器人的想法 [5:49] 并且予以实现的 [5:50] 人类隐藏的技能是什么 [5:52] 咱们就说现在很火的叠衣服 [5:55] 你可以想象 [5:56] 全球有成千上百种的叠衣服方式 [5:59] 如果把它们合并在一起 [6:01] 你就会让机器人用各种人类的方法 [6:03] 来去叠一件非常简单的衣服 [6:07] 而这样的好处是 [6:08] 第一个 你可以叠衣服 [6:10] 可能会叠得更有效 [6:11] 然后第二个 会叠得非常可靠 [6:14] 第三个是 你见到什么样的东西都可以叠 [6:16] 所以这是我觉得 [6:17] 给机器人本身增加了很多基础的智能 [6:20] 相当于它的泛化性 [6:22] 通过这个数据的方式是达到了 [6:25] 是的 [6:25] 去年我们已经发现了这个数据本身 [6:29] 能够增加模型的一些简单的泛化性 [6:32] 所以我们从最早的200小时 [6:35] 到去年年中 下半年 [6:38] 加起来一共我们有两万小时 [6:40] 所以相当于是一百倍的提升 [6:42] 到今年年初的时候 [6:43] 2万小时变成了20万小时 [6:46] 所以是三步 [6:47] 我们作为整个行业的一个先驱者走了三步 [6:51] 然后在这个方向里面 我们发现 [6:53] 这个痛点发生了一些简单的变化 [6:56] 从缺数据 [6:57] 到变成了缺高质量的数据 [6:59] 现在很多人还说我有很多的数据 [7:01] 但是今天为止 [7:02] 很多人看到的是 [7:04] 你的数据本身质量到底有多好 [7:07] 才能真正地在这个行业里面站住脚 [7:09] 对 我们先跟大家划清一下这个类别 [7:13] 你们采集的所有数据 就是human-centric [7:16] 第一人称的视频数据 [7:18] 是 [7:19] 这个数据是怎么采集的 [7:20] 能不能跟我们解释一下 [7:22] 这种数据是来源于人们日常的生活 [7:25] 那我们通过头部的这种设备 [7:28] 这是我们其中一个设备 [7:30] 所以这两个都是你们的数采设备是吗 [7:32] 对 [7:32] 这是我们上一代产品 [7:33] 这还是我们最新的产品 [7:34] 戴在头上可以记录整个手部的内容 [7:38] 这种手部的内容会成为我们的毛坯数据 [7:41] 然后通过我们的高质量处理管线 [7:44] 会变成我们的高质量数据 [7:45] 我看这里面是有六个摄像头 [7:48] 这是你们上一代的 [7:50] 上面有六个摄像头 [7:51] 所以它可以有180度左右的一个视野吗 [7:54] 270度 更宽 [7:56] 好 [7:57] 但是它是一个 比如说一个视频出来的 [8:00] 对 是的 [8:01] 它是有一点鱼眼的感觉在里面 是吗 [8:05] 对 [8:06] 这也是 [8:06] 它为什么要270度 [8:08] 其实这也是我们最先开始的一些 [8:10] know-how（专有技术） [8:11] 我们刚开始用的是GoPro [8:13] 很小的一个摄像机 [8:14] 那时候因为我们收集的数据 [8:17] 非常真实且不可控 [8:18] 就是在非常真实的生活中 [8:19] 所以你的头会晃来晃去 你的手会出镜 [8:23] 所以我们用了这种270度的大范围视角 [8:26] 可以保证手至少是入镜的 [8:28] 其次是它可以捕捉 [8:30] 更多的更丰富的信息给到模型 [8:32] 周围环境的信息 [8:34] 对 是的 [8:35] 所以你看到这边有四个 [8:38] 然后这两边各有一个 [8:40] 为什么这中间有四个 [8:41] 中间四个主要是能够拍到手 [8:44] 以及拍到身体的一些部位 [8:46] 这些身体部位可以给到模型 [8:48] 可以提供更多的信息 [8:49] 现在我们只说human-centric（以人为中心）不只是手 [8:52] Human-centric（以人为中心）还有很多身体的位置 [8:55] 所以我们叫pose tracking（姿态追踪） [8:56] 和hand tracking（手部追踪） [8:57] 这一部分将来这个基础的设备 [8:59] 会提供更丰富的信息给到模型 [9:02] 来去进行全方位的tracking（追踪） [9:04] 给到模型 [9:04] 所以如果要采集的话 [9:06] 就是需要一个采集员 他戴着这个头盔 [9:10] 然后一天采多少个小时 [9:13] 我们的采集时间相对比较长 [9:17] 我们采用的都是相对专业的采集员 [9:20] 和相对专业的采集团队 [9:22] 这也是跟行业里面不太一样的一个地方 [9:25] 你会看到今天有很多的公司 [9:27] 会有它自己的外包采集网络 [9:29] 这个很像当时的digital AI（数字智能） [9:32] 我们发动身边的人 [9:34] 他可以有一些补充收入 [9:36] 对我们来说 我们认为这个世界 [9:39] 在去采集的时候还更像是一种DoorDash [9:42] 或者是国内美团的模式 [9:45] 当你采集的时候 [9:46] 你需要大量 你需要高质量 [9:49] 并且你需要多样性 [9:50] 所以你需要对你的采集团队 [9:53] 有直接的管控 [9:54] 这种直接的管控能帮助采集团队 [9:57] 获得更高质量和更高的输出 [9:59] 你这样才能 [10:00] 在这个行业里面得到更多的更好的位置 [10:04] 这一块特别重要 [10:05] 对于整个数采团队的管理 [10:07] 我们待会可以详聊 [10:08] 我们先来继续说一下这个数采的设备 [10:11] 然后这个是你们上一代的 [10:12] 然后你们新一代的 [10:14] 有什么样的区别跟升级吗 [10:16] 它更轻了 [10:17] 它的电池可以维持更长时间 [10:20] 感觉甚至要小巧一些 [10:22] 对 [10:23] 新的产品会更能快速地calibration（标定） [10:27] 相对它得到的信息和结果会更准确 [10:30] 我看它只有四个摄像头了 [10:32] 对 [10:33] 四个就够了我们感觉 [10:34] 为什么之前要六个 [10:36] 然后现在只要四个 [10:37] 其实也是迭代的过程 [10:38] 有更多的摄像头 [10:40] 我们就觉得会有更好的输出 [10:41] 但实际上我们也会考虑将来 [10:44] 这个行业需要往成本优化的方式走 [10:47] 所以我们再去考虑 [10:48] 得到相同信息的前提下 [10:51] 要考虑更优化的成本结构 [10:53] 这两代摄像头它的像素都是一样的吗 [10:56] 对 [10:57] 类似 [10:57] 成本呢 [10:58] 它减到四个成本可能是降低的 [10:59] 对 那肯定这个更低 [11:01] 那就是穿戴的体验呢 [11:03] 你们有没有 [11:04] 这个是很轻的 [11:05] 而且它在戴上的时候 [11:07] 就是戴在额头上 是吗 [11:09] 对 [11:09] 戴在额头上像帽子一样 [11:10] 像帽子一样 [11:11] 然后你手机上会有一个应用程序 [11:13] 直接打开它 连上就可以 [11:15] 所以就是我看上看下 [11:16] 看左看右 [11:17] 它就随着我的视线摆动 [11:20] 是的 [11:20] 而且不管你怎么动 [11:22] 手部是不会出镜的 [11:23] 所以我们也是希望能够通过设计一种硬件 [11:27] 让这种收集和收集方式 [11:29] 变得更scalable（可规模化） [11:30] 特别有意思 [11:31] 那你们现在的体量 [11:33] 是可以收集多少万小时的数据了 [11:36] 我们一个月 [11:37] 最高的产能可以到45万小时 [11:41] 就是45万小时每个月 [11:43] 所以你们现在手里面 [11:44] 是有多少个小时的数据 [11:45] 我们接近差不多200万小时 [11:48] 那现在已经是一个什么样的量级了 [11:50] 在同行业里面可以说是最多的 [11:53] 对 最多的 [11:54] 而且是相对高质量的 [11:55] Egocentric dataset（第一人称视角数据集） [11:57] 我刚才一直听你说高质量 [11:59] 就是怎么评判什么样叫高质量 [12:02] 因为我也有听到机器人公司的研究员 [12:06] 跟我说 就很多公司跟他们说 [12:08] 它们有很多万小时的数据 [12:10] 结果拿到之后一训练 [12:12] 发现质量非常低 [12:13] 根本没法用 [12:14] 那怎么去评判这个质量的高低 [12:17] 是的 [12:17] 就是质量本身也是迭代的过程 [12:20] 从我们刚开始2025年那个时候 [12:22] 完全没有质量的感受 [12:23] 到今天我们有非常严格的质量管线 [12:26] 它会包含几个主要内容 [12:28] 第一个是你首先要提供tracking [12:32] 就是你的跟踪信息 [12:33] 所以你的tracking的准确度要高 [12:36] 而这些都是要到毫米级的 [12:38] 第二个是数据本身要具备足够的多样性 [12:41] 你要提供更多的data diversity（数据多样性） [12:44] 给到你的模型 [12:45] 第三个是你本身数据需要有一定的量 [12:48] 你每天一小时 [12:50] 你的客户肯定不够用 [12:52] 所以这三个叠加在一起 [12:53] 会变成一个数据包 [12:57] 除了tracking accuracy（追踪精度）以外 [12:59] 会有更多的语言标注的信息 [13:02] 叫language annotation [13:03] 然后还会有视频本身 [13:05] 能不能代表一种有意义的任务输出 [13:09] 比如说你一直在那玩手机 [13:10] 或者是挠到这挠到那 [13:13] 这些都属于非有效的输出 [13:16] 所以有效的事件再加上 [13:19] 准确的tracking（追踪） [13:21] 再加上准确的annotation（标注） [13:23] 并且把它变成一个数据包 [13:25] 这叫一个有效的并且高质量的数据 [13:27] 你们收集到 [13:29] 大家戴着这个头盔 [13:31] 然后再做各种各样的任务 [13:32] 然后收集到这样的一个视频数据之后 [13:35] 你们再做什么样的处理 [13:36] 然后再给到客户 [13:38] 算是一个数据的完成呢 [13:40] 现在我们在收集完 [13:42] 所有的毛坯数据之后 [13:44] 需要经过一个非常漫长的数据管线 [13:47] 然后非常复杂的数据管线 [13:49] 最后你才能给到客户 然后让客户进行使用 [13:53] 这一套管线出来的结果叫 [13:55] Training-ready dataset（可直接训练的数据集） [13:57] 或者叫high-quality dataset（高质量数据集） [13:59] 它可以拿来直接去训练了 [14:01] 而中间的这一套过程里面 [14:02] 需要对手部进行标注 [14:05] 然后需要对语言进行标注 [14:07] 视频需要理解 然后进行语言标注 [14:10] 以及对整个的视频进行index [14:13] 就是去进行归类 [14:14] 它到底是什么 [14:16] 并且最后有一步还需要QC（质量检查） [14:18] 我们同时会有一些 [14:19] human-in-the-loop（人工参与）方式 [14:21] 来去验证这个数据的质量 [14:23] 这是我们目前现在的管线 [14:25] 中间的淘汰率或者筛选率是多少 [14:28] 说实话这种数字很难评判 [14:31] 因为很多我们筛选出来的 [14:33] 比如human-in-the-loop（人工参与）方式 [14:34] 我们会把它作为一种继续的recipe（训练配方） [14:37] 把它继续回到我的管线里面再重新的过 [14:41] 我会把整个数据的叫confidence level [14:45] 就是叫置信度 [14:47] 会分成不同的等级 [14:48] 然后让它去对应不同客户的要求 [14:51] 这样我对整个dataset（数据集）会有不同的分级 [14:55] 就有些客户它对数据有非常高的要求 [14:58] 非常高质量的数据 [15:00] 有些客户就觉得这些质量低一点的也好 [15:03] 我也收 [15:04] 理论上 [15:05] 客户都需要高质量的数据 [15:07] 低质量的数据给谁 [15:09] 只是他对于要求会不一样 [15:11] 然后我们比如说 [15:13] 低质量的其实我们更多 [15:15] 是叫general dataset（通用数据集） [15:16] 这种general data（通用数据） [15:18] 它会回到我们的管线里面 [15:19] 会重新做 [15:20] 我们不会给客户低质量的数据 [15:22] 低质量的数据会让我们 [15:23] 重新去认知我们的模型 [15:26] 在去标注的过程中 [15:27] 到底问题出现在哪儿 [15:28] 帮助我们去重新认知 [15:30] 整个data pipeline（数据处理管线） [15:30] 怎么样去迭代 [15:31] 到今天为止我们的data pipeline（数据处理管线） [15:33] 已经过了差不多六遍或者七遍了 [15:36] 这是整个行业里面最重要的核心部分 [15:39] 我们刚才说到就是数据分三类 [15:42] 一个是遥操数据 [15:43] 一个是egocentric（第一人称视角） [15:44] 然后是合成数据 [15:46] Egocentric和UMI的区别是什么 [15:48] UMI data（通用操作接口数据） [15:51] 它其实是人手会拿着一个gripper（夹爪） [15:54] 把gripper（夹爪）的形态和 [15:56] 机器人本身的gripper（夹爪）形态会进行 [15:59] 它直接可以去做retargeting（动作重定向） [16:01] 然后UMI data（通用操作接口数据）本身上面 [16:03] 还会带一个egocentric data（第一人称视角数据） [16:05] 现在比较流行的是这种一套的方式 [16:08] 然后对于egocentric（第一人称视角）本身 [16:10] 它是直接裸手的 [16:11] 它没有任何的gripper（夹爪） [16:12] 对 [16:13] 所以它唯一的区分就在这 [16:15] 那为什么要有gripper（夹爪） [16:16] 这个就要看到整个模型训练的三个阶段 [16:20] 其中有叫pre-training（预训练） 大家都知道 [16:23] Post-training（后训练） 大家也知道 [16:24] 现在会有一个mid-training（中期训练） [16:27] 这个mid-training（中期训练） [16:28] 会更多的用UMI（通用操作接口）来去做 [16:31] 甚至可以 [16:32] 在post-training（后训练）里面 [16:33] 用UMI（通用操作接口）来去做 [16:34] 因为对于机器人来说 [16:35] 现在更加或者相对可靠的方式 [16:38] Gripper（夹爪）是更流行一些 [16:40] 当然有很多灵巧手 [16:41] 我们也会设计 [16:43] 所以我们的egocentric data（第一人称视角数据） [16:45] 不仅能够对应gripper（夹爪） [16:47] 也能对应手 [16:48] 但UMI（通用操作接口）本身 [16:49] 能够直接映射到gripper（夹爪）上面 [16:52] 会更快更有效 [16:54] 就是说它是更适配那种夹爪的机器人 [16:57] 但本来如果我的机器人 [16:59] 是一个纯humanoid（人形机器人） [17:00] 我就是灵巧手 有五指手的 [17:02] 就没有必要去用Gripper（夹爪）的 [17:05] 那个UMI（通用操作接口）数据了 [17:06] 然后刚才你说到现在是 [17:08] Ego加UMI的一个结合 [17:09] 为什么要有这个结合 [17:10] 机器人公司 [17:12] 训练出来的是 [17:13] 又可以去操作它们的灵巧手 [17:15] 又可以去操作gripper（夹爪） [17:17] 这还要看客户不同的形态 [17:20] 因为有一些客户它的形态更偏向gripper（夹爪） [17:23] 所以它就会更依赖 [17:25] 更依靠UMI（通用操作接口）的形态 [17:28] 有些客户大部分都是灵巧手 [17:30] 那它就直接会从灵巧手本身的这种形态 [17:33] 会直接映射过去更好 更像手 [17:35] 那成本上有区别吗 [17:37] 采集的时候 [17:39] 我们认为采集上面的成本相差不大 [17:43] 但主要是 [17:44] 中间的data pipeline（数据处理管线）处理的成本 [17:46] 就对于人手的处理 [17:49] UMI data（通用操作接口数据） [17:50] 它在采集的时候 [17:51] 它的效率会比人手会低很多 [17:54] 但是因为 [17:55] 你是要操控一个东西去做任务的 [17:59] 那肯定不如人手自己去操纵要好 [18:01] 你做饭也不会用两个gripper（夹爪）做饭 [18:04] 是 [18:04] 用UMI（通用操作接口）去做的时候 [18:06] 它的效率会低一些 [18:08] 但是它过pipeline（数据处理管线）的时候 [18:10] 它的pipeline（数据处理管线）会简单 [18:11] 相对简单一点 [18:12] 但人手动作很真实且不可控 [18:14] 它会有非常多的edge case（边缘情况） [18:15] 所以你在过pipeline（数据处理管线）的时候 [18:17] 你需要对这些edge case（边缘情况）进行处理 [18:20] 举个例子 [18:20] 比如说你的手会经常有遮挡 [18:23] 你这样子 你ego（第一人称视角）的时候 [18:25] 你可以这样 这样很难处理的 [18:27] 你的手看不到嘛 [18:29] 你会是这样子 [18:30] 或者我们多只手在同一个镜头下 [18:32] 我们握手 [18:32] 都很难找到这只手的稳定输出 [18:35] 所以pipeline（数据处理管线）要非常强大 [18:37] 你才能提供这些高质量的数据 [18:39] 那你觉得现在客户们都在买什么样的数据 [18:43] 你觉得今年客户们都在买 [18:45] Human-centric（以人为中心）的数据 [18:47] 我觉得客户本身 [18:48] 它对于数据的recipe（训练配方）的需求 [18:51] 公允地讲 它有teleoperation（遥操作）的需求 [18:54] 然后也有human-centric（以人为中心）的需求 [18:57] 就是ego（第一人称视角）的需求 [18:58] 有UMI（通用操作接口）的需求 [18:59] 目前在我们的观察来看 [19:01] 对于egocentric（第一人称视角） 就是人手的需求 [19:03] 是量最大的 [19:04] 我们可以想象一下 [19:08] 它不需要中间形态变成gripper（夹爪） [19:11] 我们把人手变成机器的灵巧手 [19:13] 直接就可以下地干活了 [19:15] 像人一样 [19:16] 那这样多具备想象空间了 [19:18] 如果我们从成本方面来看的话 [19:21] 遥操数据是最贵的 [19:23] 那仿真的数据 合成的数据是最便宜的 [19:26] 然后ego（第一人称视角）是在中间那一档的 是吗 [19:30] 理论上是的 但说实话 [19:32] 我觉得现在仿真数据 在2024年的时候 [19:36] 我们就研究过 [19:38] 我认为仿真数据本身 [19:40] 不是一个销售的产品 [19:44] 因为客户本身知道它非常便宜 [19:47] 你可能可以产生很多 [19:49] 那我客户自己 [19:50] 我就可以去做仿真的事情 [19:52] 所以 仿真数据 [19:54] 不是一个数据公司的一个主要的方向 [19:57] 但是仿真也有一些可以做的事情 [20:00] 比如说你可以做一个环境 [20:02] 你可以做数据资产 [20:03] 这些是仿真公司应该真正聚焦的 [20:06] 但数据本身我们认为 [20:08] 最主要的现在两个来源 [20:10] 从供应商来的 [20:12] 一个是teleoperation（遥操作） [20:14] 一个就是human-centric（以人为中心） [20:15] Human-centric（以人为中心） [20:16] 比teleoperation（遥操作）要便宜多少 [20:19] 我觉得不同的客户会有不同的要求 [20:22] 我们如果看整个行业发展来看的话 [20:26] 我认为可能要便宜一半 [20:29] 我今年看到还有一个趋势 [20:31] 就是很多世界模型的公司 [20:33] 之前做video generation（视频生成）的公司 [20:36] 现在都变成了机器人数据公司 [20:38] 然后卖数据给机器人公司 [20:41] 它们在这个环里面的位置是在哪里 [20:44] 我们认为这些世界模型的公司 [20:47] 有很多也是我们的客户了 [20:49] 它需要相当多的真实数据 [20:52] 来去产生它所谓的data generation（数据生成） [20:56] 所以这些视频生成公司 [21:00] 它想要跟我们这样的公司合作 [21:02] 才能得到更高质量的数据 [21:04] 这一类的公司 [21:05] 跟我们生态位是相互依存的 [21:08] 所以反而对我们来说 [21:09] 在整个行业里面是一个提升 [21:11] 它们需要你们的数据 [21:13] 它们需要我们的真实数据 [21:14] 所以它们也是你们的客户 [21:16] 它也是我们的客户 [21:18] 但它们是吸收了你们的数据之后 [21:20] 反而又再卖给机器人公司 [21:23] 那它们会不会在某种程度上 [21:25] 会跟你们有竞对的关系 [21:26] 是这样 [21:27] 我们认为在整个的世界模型体系里面 [21:31] 它会依照于 [21:33] 现在的我们做的一些简单的任务 [21:37] 来去做不一样的泛化型的数据处理 [21:40] 然后最后再提供给整个的数据的闭环 [21:44] 所以在某些程度上 [21:45] 我们认为它跟我们是相当于依存关系 [21:49] 我们给它的更多的是raw data（原始数据） [21:51] 那它进行raw data（原始数据）的产生 [21:54] 那我们可以再帮助这些raw data（原始数据） [21:56] 产生的video generation（视频生成）出来的 [21:58] 视频进行标注 [21:59] 用我们的高质量的标注产线 [22:02] 把它们标注成最后的数据 [22:04] 叫processed data（处理后数据） [22:05] 变成我们最后客户可以使用的数据 [22:07] 它们是没有数据产线的 [22:09] 它们是没有数据产线的 [22:10] 如果有一天它们有了数据产线 [22:12] 数据产线这个事情 [22:13] 如果今天要做 [22:15] 假设这些公司有很多的现金储备 [22:20] 它要做的是我们2023年做的事情 [22:23] 做一条产线 [22:24] 刚才说了我们大部分的产线 [22:26] 是要依靠于模型的 [22:28] 所以这些模型本身的制作来源 [22:31] 叫ground truth data（真值数据） [22:33] 我们有很多我们自己去开发和研究的 [22:36] Ground truth data（真值数据）的 [22:37] pipeline（数据处理管线） [22:38] 而这一部分 [22:39] 是属于我们真正自己的proprietary data（专有数据） [22:41] 这种proprietary data（专有数据）是任何人都没有的 [22:44] 所以即使它们今天做 [22:45] 也只是做了我们2023年、2024年做的事情 [22:49] 有两到三年的差距 [22:51] 对 所以我们认为现在做的公司 [22:54] 大部分想要去做数据的公司 [22:57] 已经入局晚了 [22:58] 头部已经产生了 [22:59] 那这个速度 [23:00] 是不可能以任何方式赶超上来的 [23:04] 因为这个数据产线 [23:05] 就是你们过去两到三年的一个资产 [23:08] 一个moat（护城河） [23:09] 对 这个是我认为作为数据公司 [23:13] 一个重要的护城河 [23:15] 它产生的结果叫高质量的数据 [23:18] 而它的过程是属于不同模型 [23:21] 去产生的高质量数据 [23:23] 而这些模型本身 [23:25] 也是基于 [23:27] 之前我们攒的这些proprietary data（专有数据） [23:29] 而这种proprietary data（专有数据）的规模 [23:31] 我们今天已经达到了 [23:32] 整个行业里面相对比较领先的位置 [23:35] 而这些公司想要再去积攒 [23:37] 这个还需要相当长的时间 [23:39] 这些都属于物理过程 [23:41] 而不是说直接是可以生成的数据过程 [23:43] 包括数据的收集 [23:45] 包括数据收集的管理 [23:47] 这件事情也是护城河 是吗 [23:49] 是的 [23:50] 数据收集及其管理 [23:52] 都是护城河 [23:53] 首先一个数据公司 [23:55] 它需要一个非常强的 [23:58] 我们叫vertically integrated（垂直整合）产线 [24:01] 从硬件开始开发 到运营 [24:04] 再到数据管线 再到最后的输出 [24:08] 这上面是需要整个链条连在一起的 [24:10] 所以对于任何一个想要卖数据的公司 [24:13] 都离不开这些 [24:14] 就刚才你说到的 [24:15] Video generation（视频生成）公司它们没有运营 [24:17] 也没有硬件 [24:18] 对于一个纯的数据收集公司 [24:20] 它们没有数据产线 [24:22] 它们没有那些proprietary data（专有数据） [24:24] 只有把这些整个连在一起的 [24:26] 才能整个去输出最高质量的 [24:29] 最大量的 以及多样性的数据 [24:33] 你们现在大概 [24:34] 有200万小时的human-centric（以人为中心）数据 [24:36] 然后这个数据是多少人采出来的 [24:39] 我们现在在世界上一共有 [24:42] 接近4000人的运营团队 [24:46] 而且这些运营团队都是我们直接管理的 [24:49] 然后这些采集员很像当时的DoorDash的模式 [24:52] 所以能帮助我们快速地扩大规模 [24:55] 快速地找到新的场景 [24:57] 并且能快速地收集到更高质量的数据 [25:00] 能不能解释一下这个DoorDash模式 [25:02] 这种运营挺有意思的 [25:04] 你会看到今天包括Figure在内 [25:06] 其他的公司也在做这种外包网络 [25:10] 外包网络我们在2025年的时候就试过 [25:13] 尝试的同时 我们觉得会有几个大的问题 [25:17] 第一个是它的质量会很低 [25:20] 第二个是它的输出会很慢 会很低 [25:24] 我们的理念里面 [25:26] 运营本来就像一个工厂一样 [25:29] 这个工厂只是 [25:30] 不是集中在一个地方的数据工厂 [25:33] 而是把这些人散到各地的工厂 [25:36] 而这个更偏向于DoorDash的直接管理模式 [25:40] DoorDash当它早期的时候 [25:43] 它对于整个的前面的骑手是有更多的管理 [25:47] 他需要去哪儿怎么去做 [25:49] 然后系统会给他直接的指示 [25:51] 所以对于我们的运营团队 [25:53] 我们所有的运营都是自建的 [25:56] 我们不太会用外面的供应商 [25:59] 供应商给我们的价值是 [26:01] 做一些比较罕见的 [26:02] 和一些比较不常见的场景 [26:04] 但是我们这么多的自建团队的运营 [26:08] 能帮助我们 [26:09] 能够下到更多的我们想要的场景中 [26:13] 举个例子 比如说 [26:14] 明天我们现在要收集医院的场景 [26:18] 或者说我们要收集一些养老医院的场景 [26:20] 我们可以直接下达这种任务 [26:23] 给到我们的采集员 [26:25] 然后让他去散到这些场景里面 [26:28] 然后让这些场景里面 [26:29] 能够再快速地反馈回来 [26:31] 如果你要用你的供应商 [26:33] 你会找到供应商 [26:34] 然后供应商说我要再做什么 [26:36] 这种feedback loop（反馈闭环）会非常慢 [26:38] 这是一个快速迭代的行业 [26:40] 你需要让这些运营 [26:42] 能够快速地迭代你的要求 [26:44] 并且反馈给你更高质量的反馈 [26:48] 如果要去管理这种自营的团队 [26:51] 它需要什么 [26:52] 需要什么样的管理经验 [26:53] 因为它听起来是一个还挺重的模式 [26:56] 挺难的 [26:58] 管理运营是一件特别难的事情 [27:01] 我们就是从构建刚开始的运营网络 [27:04] 走了很多的弯路 [27:06] 刚开始我们也用很多的外部的供应商 [27:12] 我们甚至直接给一个目标 [27:13] 说你帮我去采个几万小时 [27:16] 我们在1月份的时候 [27:18] 今年2026年1月份 [27:20] 我们的产能当时说你帮我们采10万小时 [27:23] 然后如果低于2万 你就别干了 [27:26] 结果最后的成绩是18000 [27:28] 今年1月份的18000小时每个月 [27:31] 所以在2月份的时候我们进入调整期 [27:34] 我们认为这种方式不行 [27:35] 所以当时我带着团队一点一点去看 [27:39] 到底怎么样才能输出 [27:40] 更高质量和更大量的数据 [27:42] 那时我们就发现一个关键点 [27:44] 就是需要以设备为中心 [27:46] 因为设备是你唯一的资源 [27:48] 设备为中心来调整这些周围的资源 [27:51] 围着它转 [27:52] 第一个设备需要准 [27:53] 第二个设备有效率要提升 [27:55] 第三个是设备需要使用得正确 [27:58] 所以我们做的所有的部分 [27:59] 全都是围绕设备本身来进行拓展的 [28:02] 所以我们的设备刚才提到一个问题 [28:05] 就是我们一天能够收集多少数据 [28:07] 这些在整个行业里面应该是最高的 [28:10] 这种设备的使用率是最高的 [28:12] 所以这样才能帮助 [28:13] 我们去产生更多高质量的数据 [28:16] 回到我们的产线中才能继续使用 [28:19] 听起来就是你们自己的硬件首先要好 [28:22] 然后所谓的教育培训 [28:26] 这个东西要到位 [28:28] 然后管理要到位 [28:30] 同时你还有科技加持 [28:32] 科技加持的部分是你需要一个平台 [28:35] 我们全球一共有接近4000人的运营团队 [28:40] 叫采集员 [28:40] 我们的数据采集运营团队 [28:42] 实际全职员工小于10个人 [28:46] 管理这4000个人在一起 [28:48] 是一个非常高效的管理模式 [28:51] 它依靠的是中间这一层 [28:52] 我们叫AI agent in the loop（智能体参与闭环） [28:54] 一个平台 [28:55] 这个平台既能管理设备 [28:57] 还能管理人 [28:58] 还能帮助这些人提高他们的质量 [29:01] 帮助他们提高数据产量 [29:03] 这种方式 [29:04] 也是依靠于我们大量的数据 [29:06] 在后端来去做的一个模型 [29:08] 来给他们直接的反馈 [29:10] 甚至我们说 [29:11] 这个设备如果没戴好 [29:13] 我们会提醒他说这个设备没有戴好 [29:15] 是agent（智能体）提醒他们没有戴好 [29:17] 是的 [29:17] Agent就是相当于是一个小监工 [29:20] 然后盯着他们干活 [29:22] 然后随时的反馈 [29:23] 我们叫小助手 [29:24] 小助手 这个名字听上去好听一点 [29:27] 这4000个采集员都分散在哪里 [29:30] 我们分散在8个国家 [29:32] 此时此刻在美国的洛杉矶我们也有 [29:35] 美国、墨西哥 [29:38] 然后东南亚我们有印尼、越南和泰国 [29:43] 中国、土耳其以及最远到南非 [29:46] 我们专门为了管理这件事 [29:49] 我们还在印尼设置了我们自己的办公室 [29:51] 为什么需要散布在这么多国家 [29:54] 因为比如说4000人为什么不聚集在一个国家 [29:57] 比如说印尼或者是巴西 [29:59] 为什么要散布在这么多国家 [30:01] 因为4000人听上去也就还好的一个规模 [30:03] 这和整个的数据需求有关 [30:07] 数据需求在模型侧是需要 [30:10] 更多样性的数据 来帮助模型理解 [30:13] 从各个地方出来的数据的类型 [30:16] 所以这个时候 [30:17] 在不同的国家会有不同的生活方式 [30:20] 而这些不一样的生活方式 [30:21] 我们会把它合并在一起 [30:23] 变成最后的智能 [30:25] 所以这才是为什么要在各个国家去采集 [30:27] 他们每个人生活方式不一样 [30:29] 比如做的菜是不一样的 有法式的有中餐 [30:32] 然后叠个衣服 [30:34] 然后生活方式 环境也是不一样的 [30:36] 比如在东南亚那边 [30:37] 大部分见到的都是长袖 [30:39] 长袖和戴帽子的 [30:41] 在洛杉矶那边都是短袖 [30:44] 我觉得10个人 [30:45] 然后通过agent（智能体）去管理这4000个人 [30:48] 这个模式还是挺有意思的 [30:50] 可以透露一下你们现在的客户都有谁吗 [30:52] 我们的客户分为两类 [30:54] 一类是大模型的客户 [30:56] 就是你天天用的这些AI [30:59] OpenAI, Anthropic, Google [31:03] 基于一些（原因） [31:04] 我们不能说具体的名字 [31:06] 但是我们一类客户都是大模型的客户 [31:09] 另外一类客户 [31:10] 都是做机器人智能的客户 [31:14] 大模型的客户用你们的数据 [31:16] 也是想要训练机器人那边吗 [31:20] 还是想要训练 [31:21] 它们的visual reasoning（视觉推理）的那条线 [31:23] 是机器人 [31:24] 所以为什么我们看到Astra出来 [31:27] 就是它们肯定也是用了 [31:28] 非常多机器人的数据 [31:31] Astra是一个特别惊艳的方法 [31:37] 我觉得它出来的时候整个机器人界都炸了 [31:40] 震撼了整个行业 [31:42] 我们也很兴奋看到这种结果 [31:45] 包括大模型里面 [31:46] 你会看到很多新的输出 [31:50] 它用了很多ego（第一人称视角）数据 [31:52] 和机器人数据 [31:53] 来帮助机器人结合它的大模型 [31:57] 能产生更多的泛化性 [31:58] 而我们看到机器人的公司 [32:01] 在看到这种变化之后 [32:03] 它们也做了一些小的变化 [32:05] 包括它们也在去说 [32:07] 我们是不是真的要去做到落地 [32:09] 要去做vertical application（垂直领域应用） [32:12] 我们公司将来的方向到底在哪 [32:14] 所以我们帮助这两类客户 [32:16] 都能得到它们想要的不同的基础设施 [32:19] 其中是数据 [32:20] 然后当然也有评估和后面的落地 [32:23] 整个结合在一起是一个叫full-stack（全栈） [32:25] 给到两边 [32:26] 但你们卖的都是同一套数据给它们吗 [32:29] 我们一直提供dataset（数据集）的使用授权 [32:35] 而这种dataset（数据集） [32:36] 是每天不断扩大的 [32:40] 所以这种dataset（数据集） [32:40] 你可以说是每天都会不一样 [32:43] 那我知道最近有个案例 [32:45] 就是Dyna Robotics这家公司 [32:46] 我们前几天也刚好去采访了他们 [32:49] 我知道它们Dyna-2 [32:50] 最近的一个发布的一个非常重要的结论 [32:53] 就是它们用了 [32:54] 100万小时的human-centric（以人为中心）的数据 [32:57] 然后找到了它们所谓的scaling law（规模定律） [32:59] 那我也知道100万个小时当中 [33:01] 可能大部分数据都是从你们这边买的 [33:03] 那你们也把可能这七八十万小时的数据 [33:07] 卖给了可能其他的客户 [33:08] 我问这个问题是从一个商业的角度去问的 [33:12] 我是在想说 [33:14] 就是现在的机器人数据这个模式 [33:16] 它会不会有一点像SaaS（软件即服务）的模式 [33:19] 就是同一套软件 [33:21] SaaS（软件即服务）为什么这么厉害 [33:22] 就是因为它同一套软件 [33:24] 可以卖给上千的客户 [33:25] 如果human-centric（以人为中心）的数据 [33:27] 目前就是只有这么多 [33:29] 100万个小时 200万个小时 [33:31] 这些东西也是可以 [33:32] 卖给所有的大模型公司 [33:33] 卖给所有的机器人公司 [33:35] 是 [33:35] 对客户来说它是可以复用的 [33:37] 而且可以给它产生 [33:39] 就是如果这一套数据集 [33:41] 它被一个客户验证过 [33:43] 它很容易对其他的客户 [33:44] 产生相同的价值或者更高的价值 [33:47] 所以这是为什么 [33:48] 我们也对自己的要求要不断提升的原因 [33:50] 如果大家 [33:51] 能够买到的数据集 [33:52] 都是同一套的数据集的话 [33:54] 那数据上它们就没有差异性了 [33:56] 对于他们训模型来说 [33:57] 它们的recipe（训练配方）会不一样 [33:59] 很多人的模型架构 [34:01] 和模型使用方式都不一样 [34:04] 我想Dyna、Genesis 然后OpenAI [34:07] 其他的这些所有的大品牌 [34:09] 它们自己都有一套自己的训练方法 [34:11] 这个是在数据之外它自己的recipe（训练配方） [34:13] 所以就是它们自己的模型 [34:16] 能不能把这个数据更好地适配出来 [34:18] 可能是它们最后出效果的一个差异的点 [34:22] 还有后训练是不是也是一个差异点 [34:25] 因为我知道Dyna自己也会 [34:26] 内部地去训练 [34:28] 一些 比如说遥操的数据也好 [34:30] 它们可能用在它们的后训练 [34:31] 或者是RL（强化学习）上面 [34:32] 这一部分可能也是它们自己 [34:34] 内部需要去做的事情 [34:36] 我们认为是这样 [34:37] 对于预训练、后训练和中期训练 [34:39] 它会变成一个反馈的机制 [34:43] 然后来让这个机器人落地 能够落地的更好 [34:47] 我看到一个说法就是叫99%只是一个起点 [34:51] 因为99%还差1% [34:53] 所以做的后训练就是差1% [34:55] 来实际地去做deploy（部署） [34:57] 所以我认为在整个过程里面 [35:01] 对于后面的这post-training（后训练） [35:03] 作为一个数据合作伙伴 [35:04] 能给它们更多不同的价值 [35:06] 而这种不同的价值 [35:07] 确实需要跟客户走得更近 [35:09] 来了解客户的价值 [35:11] 来帮助它们落地这样才行 [35:13] 所以客户大部分用你们的数据 [35:16] 还是做预训练比较多 是吗 [35:19] 现在来说是的 [35:21] 但是我们认为在明天可能就不一定了 [35:24] 为什么 [35:25] 怎么不一样 [35:25] 我们认为现在在整个行业的变化很大 [35:30] 今天我会看到很多的预训练数据 [35:32] 然后这种预训练的感受 [35:37] 你会看到新的Astra 6出来以后 [35:40] 它的基本泛化性的问题就解决了 [35:42] 基本上解决了 [35:44] 但还有一些长程任务 [35:45] 和一些更难的一些任务 [35:47] 可能解决不了 [35:47] 当然还在不断提升 [35:49] 对于这部分之外 [35:50] 我们认为后面整个行业 [35:52] 会进入到下一个阶段 [35:54] 明年有两个大的趋势 [35:56] 第一个趋势是整个数据量 [35:58] 会进行继续的扩增 [36:00] 我们自己的观点 [36:03] 是每家客户基本上会需要100万小时左右 [36:05] 作为一个保底的地板线 [36:08] 往上不设上限 [36:10] 我们看到不同的客户有不同的需求 [36:12] 但基本上都是10倍的增加 [36:15] 在这个基础之上会有一些问题 [36:17] 我们的客户进入到后面的后训练过程 [36:20] 而这种后训练过程 [36:21] 会非常依靠于在某一个环境 [36:24] 而我们刚才提到了 [36:26] 这种运营和整个运营的体系 [36:28] 能够帮助客户快速地提供 [36:31] 不同的环境和不同的场景 [36:34] 快速去测试和评估它们现在的硬件 [36:37] 这不仅包括模型 [36:38] 还包括整个硬件本身的可靠性 [36:41] 这是包括我们跟客户 [36:43] 走得越来越近的原因 [36:45] 不仅是数据的供应商 [36:46] 后面还会包括 [36:47] 模型反馈的供应商 [36:50] 我跟Dyna聊的时候 [36:51] 他就说它们现在Dyna-2是完成了100万个小时 [36:55] 那么接下来它们想要验证1000万个小时的量级 [36:59] 这个scaling law（规模定律）还是不是继续立得住 [37:01] 如果立得住的话 [37:02] 可能这条路线就是对的 [37:04] 那么我们的机器人行业 [37:06] 在往1000万个小时的 [37:08] human-centric data（以人为中心的数据） [37:09] 迈入的时候 [37:10] 肯定对你们是非常好的机会了 [37:11] 但你觉得这个市场里面 [37:13] 肯定会有更多的竞争进来 [37:15] 但是我们什么时候 [37:17] 能够达到1000万小时的一个训练集 [37:21] 这个需要多长时间 [37:22] 一年能够搞定吗 [37:23] 我觉得可能都不需要一年 [37:26] 就是根据现在整个的运营上面 [37:29] 为什么要建立一个足够的灵活的 [37:33] 而且能够产生高质量的运营团队 [37:37] 就是因为这个原因 [37:38] 你从100万到1000万的时候 [37:41] 它十倍的提升是对你整个运营最大的考验 [37:46] 那像外包网络 [37:48] 一个人可能一天也产生一两个小时的数据 [37:51] 你这满足不了1000万 [37:53] 你要多少人你才能满足到1000万 [37:55] 所以1000万需要多少人 [37:57] 1000万 你说我们吗 [37:58] 如果你们能产出1000万小时的数据 [38:01] 需要多少人 [38:02] 我估计在现在的基础上再增加3倍到5倍的人 [38:07] 你们现在是4000个采集员 [38:09] 可能就是2万 [38:10] 差不多在1万5左右到2万 [38:13] 那对公司的挑战来说是什么 [38:15] 对我们来说 [38:16] 我们永远看的是怎么样扩大规模 [38:18] 快速地扩大规模 [38:20] 这对于一个公司成长来说是非常关键的 [38:23] 所以对我们的最大挑战 [38:25] 是第一个 [38:26] 我们能不能继续保持我们的数据质量 [38:28] 而且保持数据质量的同时 [38:31] 能不能去增加我们的数量 [38:35] 同时还能保证我们的多样性 [38:38] 合并起来以后 你看到我们 [38:39] 从另外一个角度 你会看到 [38:41] 我们的数据管线够不够稳健可靠 [38:44] 那天天只能产生一两个小时 [38:46] 就是我觉得这是不能满足行业需求的 [38:49] 第二个是运营 [38:50] 在这么多行业里面 [38:51] 和这么多国家的运营情况下 [38:55] 你能不能快速地转换 [38:57] 然后第三个点是说在这两个基础之上 [39:00] 你能不能明白 [39:02] 客户1000万小时里面的具体细分要求是什么 [39:05] 而这种细分要求可能还不只是一个要求 [39:09] 它可能会根据自己的要求不断迭代 [39:12] 你怎么样跟客户紧密协作 [39:14] 对 [39:14] 所以这样对我们来说 [39:17] 我们到目前为止 [39:18] 我们整个的公司一共有30多个客户 [39:22] 这30多个客户里面 [39:23] 我们跟不同的客户 [39:25] 来去沟通它的数据需求的时候 [39:27] 每个人都有不一样的想法 [39:29] 我们也会反过来建议客户说 [39:32] 我们的数据应该怎么去做 [39:34] 这个数据应该怎么样往后面走 [39:36] 从100万到1000万的时候 [39:38] 我们也需要跟客户不断地沟通 [39:41] 这种数据迭代的过程 [39:43] 所以我们非常愿意 [39:44] 作为这个行业里面的一部分 [39:49] 来帮助整个行业里面像一个飞轮一样飞转 [39:52] 我们类比一下 [39:53] 机器人数据行业跟大模型数据行业 [39:57] 比如说之前的Scale AI [39:58] 如果最开始的采集数据成本 [40:01] 是没有那么贵的 [40:03] 但是它们后来随着模型的能力越来越高 [40:06] 它们需要越来越多高质量的数据 [40:08] 那现在可能 [40:09] 它们需要去雇一些硕士生、博士生 [40:13] 去标注那种最高质量的 [40:15] 科学研究的数据 [40:17] 那那个成本就会非常高了 [40:19] 那我很好奇在机器人的数据里面 [40:22] 那是不是比如说 [40:23] 一些通用一般的 [40:25] 泛化性比较强一点的 [40:26] 这种场景是比较便宜的 [40:28] 但如果你去 [40:29] 一些比较垂直的专业的场景里面 [40:31] 它的成本是会非常高的 [40:34] 我们也发现 我认为physical AI（具身智能） [40:37] 会跟digital AI（数字智能）走一样的路线 [40:39] 今天Scale AI, Mercor, Surge都在提供一种 [40:45] 还需要更多的数据来给到LLM（大语言模型） [40:48] 因为physical AI（具身智能）在将来也一样 [40:50] 会走一样的路线 [40:51] 首先我们如果看到2025年这200小时 [40:55] 是不设限 任何要求都可以 [40:57] 那在2025年下半年的时候 [41:00] 我们采这几万小时的时候 [41:04] 它对于任务的要求是很简单的 [41:08] 你就是去做一些简单的事情 [41:10] 然后变一些东西就行 [41:12] 那到今天为止 [41:13] 我们认为数据本身的要求 [41:15] 确实变得越来越难了 [41:16] 它不再需要这种数据工厂本身 [41:19] Mockup（模拟场景）数据 [41:21] 也不再需要这种简单的擦擦擦 [41:24] 我们叫擦擦擦 [41:25] 什么叫擦擦擦 [41:26] 擦 叫擦桌子 [41:28] 擦擦玻璃 这叫擦擦擦 [41:31] 然后也不再需要 [41:33] 这种简单的摆来摆去的工作 [41:37] 那我们认为现在数据将来 [41:39] 也会走到跟digital AI（数字智能）一样的一个方向 [41:42] 它会需要越来越难的数据 [41:43] 而越来越难的数据之后是什么 [41:46] 这种越来越难的数据之后 [41:48] 它会有所帮助 [41:50] 我刚才说有两类 [41:51] 一类是越来越难 [41:52] 帮助大模型来去增长 [41:54] 另外一类是这种落地型的客户 [41:56] 那它一定要解决落地的问题了 [42:00] 我不需要解决 [42:00] 如果我要去养老院 [42:02] 我就一定不会去医院 [42:04] 但是如果我要去养老院 [42:06] 我希望能够有全球这么多地方的养老院 [42:09] 一起帮我去做测试 [42:11] 那就是99%怎么样能提高到99.99% [42:14] 那才是我们给客户提高的价值 [42:16] 我们的客户差不多30多个客户 [42:19] 到目前为止 [42:20] 我们认为是整个行业里面 [42:22] 拥有客户数量最多的公司之一 [42:24] 同时我们的ARR差不多能达到2.5亿美元 [42:28] 我们认为整个行业的扩增速度 [42:30] 也确实为我们带来了很多欣喜 [42:32] 但同时也带来很多困扰 [42:34] 困扰是什么 [42:35] 我们认为困扰是 [42:36] 到底怎么样规模化提升数据质量 [42:40] 尽可能快 [42:43] 因为你量从200小时到200万小时 [42:46] 甚至将来到可能1000万小时的时候 [42:48] 你需要的基础设施支持是不一样的 [42:51] 我给你说几个例子 [42:53] 第一个你上传网络怎么去设置更省钱 [42:56] 第二个是怎么样去帮助它 [42:59] 更好地标注 [43:01] 现在我们还看到有很多的行业内的人士 [43:05] 去用这种大模型的方式来去标注 [43:08] 太贵了 [43:09] 太贵了 [43:10] 会花非常多的钱来去做这种文字的标注 [43:13] 所以我们做了自己的模型去做标注 [43:16] 为了省钱但也为了提高质量 [43:18] 另外一部分我们认为 [43:20] 怎么样能够快速地把人的活动连接起来 [43:25] 让他们互相之间能够有一定的网络 [43:28] 而这种网络要保持大量和高质量 [43:31] 这事是很难的 [43:32] 所以这是我们在想的下一步的事情 [43:34] 我们知道现在大语言模型已经穷尽了 [43:38] 互联网上的人类的语料还有数据 [43:42] 那机器人的数据会穷尽吗 [43:44] 机器人的数据不存在互联网上面 [43:47] 它都是我们采出来的 [43:49] 100万个小时 接下来1000万个小时 [43:52] 那它的上限在哪里 [43:53] 我认为整个 [43:54] 你会看到整个的机器人数据 [43:57] 这就要看不同类型的机器人数据了 [44:00] 当我们看到teleoperation（遥操作） [44:01] 它的上限是相对比较低的 [44:03] 它达到一定的程度 [44:05] 这种方式它需要的上量就够了 [44:09] 那ego data（第一人称视角数据）上升的时候 [44:13] 它会比teleoperation（遥操作）更高 [44:15] 但同时到达一定程度之后 [44:17] 它确实也会进入到平缓期 [44:18] 为什么会进入平缓期 [44:20] 平缓期是它在模型架构 [44:22] 相同模型架构的前提下 [44:25] 这些数据给它增加的点数 [44:27] 就是增加的成功率已经非常有限了 [44:31] 所以它叫相对平缓期 [44:32] 再下一步 [44:33] 这就是真正的你要去用这个模型 [44:37] 怎么去做的目的了 [44:39] 如果你真的就觉得99%可以了 [44:42] 那你可以说我要做更难的东西 [44:46] 更难的东西它的上涨率是很慢的 [44:48] 另一个就是要从99%提高到99.99%时 [44:52] 我需要再继续增长 [44:53] 那部分还需要更多的更专业的数据 [44:57] 所以我们认为将来整个运营网络 [44:59] 从现在发展到将来 [45:02] 会从普通的 谁都带这个都可以 [45:07] 到变成专家网络 [45:10] 而这种专家网络会能够帮助客户 [45:13] 从99%的平缓期到99.99%会变得更快 [45:17] 更快能落地 [45:19] 将来人形机器人是需要被商业化的 [45:22] 商业化我要找落地的时候 [45:25] 我更快的能够执行某一个应用 [45:27] 更快的落地 [45:28] 你才能更快收回成本 [45:30] 那个时候谁能帮它更快地落地 [45:32] 谁就能去赢得整个客户的信任和订单 [45:35] 就像你说的egocentric（第一人称视角） [45:37] 它可能到了一个数量之后 [45:39] 它能够对模型带来的数据上面的提升 [45:43] 就会是有限的 [45:44] 或者它的曲线会变得平滑起来 [45:47] 那个时候像你们这样的 [45:49] 机器人数据公司的价值还在哪里 [45:51] 我刚才提到 就是数据公司 [45:54] 它只是以数据作为切入点 [45:56] 我认为后面整个落地的时候 [45:58] 会有它的评估 [46:00] 会有特有的deploy（部署） [46:02] 这种评估和deploy（部署） [46:03] 在digital AI（数字智能）时代里面是没有的 [46:06] 那你需要跟实际的生活中进行物理尝试 [46:09] 举个例子 [46:10] 比如说我们有一套的模型 [46:13] 这个模型已经好了 [46:15] 那最近不是Physical Intelligence [46:17] 发了这API（应用程序接口）吗 [46:18] 那它发API（应用程序接口）的时候你要去测 [46:21] 你要去测到底在哪些地方上 [46:23] 到底哪些场景和哪些情况下它会失败 [46:28] 这是第一个 [46:29] 第二是 失败了以后你能不能把它恢复 [46:31] 你帮它恢复的时候 [46:33] 这就变成了更宝贵的数据 [46:35] 帮助它迭代整个模型的泛化 [46:37] 和模型的成功率 [46:39] 那这一部分是数据公司去做的 [46:42] 那再往后走 [46:43] 就是真正你要去做这一套机器人 [46:46] 你要真正地想象一下 [46:48] 比如说沃尔玛、Costco [46:50] 它去用人形机器人的时候 [46:52] 它需要整个叫full-stack support（全栈支持） [46:54] 这不仅包括落地 还会包括整个数据 [46:58] 包括整个部分 [46:59] 数据的合作伙伴 [47:00] 在那个时候也是颇具想象力的 [47:03] 你可以把你的数据生产产线 [47:05] 加上你的运营 [47:07] 再加上你后面去做了整个 [47:09] Deploy（部署）和evaluation（评估） [47:10] 我们做的这个平台 [47:10] 然后把它结合在一块 给到客户 [47:13] 然后这个时候 [47:14] 像Costco和沃尔玛直接可以去用 [47:17] 这套产品可以直接落地了 [47:19] 就像今天的 [47:20] 工业机器人ABB和库卡一样 [47:23] 所以你的最终的愿景 [47:25] 是想做一个full-stack（全栈）的服务商 [47:28] 是的 [47:29] 我们也是在这个方向发展的 [47:32] 就是从数据本身提高的是一种能力 [47:36] 这种能力是大量数据的高质量处理能力 [47:42] 第二个是你属于运营的能力 [47:46] 这是属于过往的能力 [47:48] 机器人刚才说数据属于深的能力 [47:51] 这两个能力叠加在一起 跟客户一起迭代 [47:54] 这个叫客户的握手能力 [47:57] 这三种能力放在一起 会变成三位一体 [47:59] 能帮助你 [48:00] 在physical AI（具身智能）领域里面 [48:01] 将来会走得越来越远 [48:04] 这是我们在不断去打造自己能力的时候 [48:07] 来去做的更长远的事情 [48:10] 如果你从数据的角度去看 [48:13] 你觉得什么样的机器人公司 [48:14] 最后能够走出来 [48:16] 我们希望每一家客户都走出来 [48:20] 所以都来用你们的服务 [48:22] 买你们的数据 [48:23] 我们真实地希望每一家客户走出来 [48:25] 我们是秉着这样的信念 [48:26] 来去做的这几个事情 [48:29] 就是我是来自于传统的机器人领域 [48:32] 当我们看到工业机器人在下线的时候 [48:36] 它非常可靠 [48:37] 而且很多人去做的就是具体编程的事情 [48:40] 你是为这台工业机器人在服务 [48:43] 所以当我们看到这个行业 [48:45] 在不断发展的时候 [48:46] 我们是希望 [48:47] 真正的大模型公司能提供更高泛化能力 [48:52] 真正看到说 [48:53] 这些在具身行业的 [48:55] 这些有名的公司 [48:56] 这些有名的品牌们 [48:58] 当然它们也都跟我们有合作 [49:00] 这些有名的品牌们真正地 [49:03] 下线到每一个它们可以做的场景中 [49:07] 我们真的看到那一天的时候 [49:10] 我会非常欣喜 [49:11] 不管我们在这个行业里面 [49:13] 到底是什么样的位置 [49:15] 那我们能看到这个行业的发展 [49:17] 我们为这个行业做了一份 [49:19] 尽了一份力 [49:20] 这是我们真正想看到的未来 [49:22] 接下来想聊聊你之前的一些创业经验 [49:26] 跟你的来时路 [49:27] 我觉得这样可能可以帮大家 [49:30] 更好地理解你为什么选机器人数据 [49:32] 现在的这样的一个方向 [49:33] 所以你之前是毕业于交大 [49:37] 然后之后进入过机器人公司 [49:40] 然后创办过机器人公司 [49:42] 交大毕业之后你是去了伊顿 [49:44] 为什么当时去伊顿 [49:46] 为什么想做机器人 [49:47] 我当时有很多录用机会 在很多很多年以前 [49:53] 很多很多年以前 [49:54] 我是长得比较年轻 [49:56] 很多很多年以前 [49:58] 方便说多少年吗 [50:00] 很多很多年以前 [50:01] 好 [50:03] 交大毕业以后 [50:04] 当时我正在Accenture [50:07] 和当时我不知道你知不知道 [50:08] 一家咨询公司叫Booz Allen Hamilton [50:11] 后来它拆分成Booz Allen和Hamilton [50:13] 是全球除了麦肯锡 [50:16] BCG和Bain的另外第四家最大的咨询公司 [50:20] 我觉得在那里面我就觉得做一些演示报告 [50:24] 做一些分析 我不是特别喜欢 [50:26] 我还是希望能够做事情 [50:28] 然后能够动手 能够去尝试 [50:30] 所以后来我选择进入一家自动化公司 [50:33] 这家公司当时说我们有宏大计划 [50:35] 我们希望能够建一个新的业务板块 [50:38] 我们当时这个伊顿 [50:40] 是一个500强左右的企业 [50:42] 我们希望能够变到一个更加财富500强 [50:46] 更加赚钱的企业 [50:47] 当时在这家公司里面 [50:49] 他们给予我一个很好的机会 [50:51] 我觉得是很好的 [50:52] 当时我去了几个国家 [50:55] 包括美国、墨西哥、日本 [50:57] 这些经验对于我现在的影响都非常大 [51:01] 然后这些部分给了我一些全球的视野 [51:04] 和全球的经验 让我觉得这个机会非常好 [51:06] 当时伊顿主要的服务是什么 [51:09] 然后你在中间的职位是什么 [51:10] 伊顿做的比较有名的几个项目 [51:13] 其中一个是国内的C919 [51:16] 这个C919里面的动力总成 [51:19] 好 [51:19] 它同时也是美国有点像西门子 [51:23] 或者施耐德的这种最大的电力供应商 [51:25] 比如我们现在 [51:26] 这个楼里面的电力系统应该就是伊顿的 [51:31] 所以我在里面主要的职位 [51:33] 做过非常多的职位 [51:35] 有做过产品经理 [51:37] 然后有做过供应链和市场经理 [51:40] 然后还做过销售 [51:41] 所以把几乎所有的 [51:44] 非技术的行业的角色都做了 [51:47] 但是对我影响最大的 [51:49] 还是我在日本工作的那段时间 [51:50] 我在日本工作了四年左右的时间 [51:52] 在那边接触了非常多的生产体系 [51:55] 那边当时最流行和最有名的 [51:57] 叫丰田生产体系 [51:58] 丰田生产体系是一种质量管控体系 [52:01] 怎么样在上量的同时控制质量 [52:04] 能够两边同时平衡 [52:06] 这个我就运用到现在的运营里面 [52:09] 所以丰田的体系是什么 [52:11] 丰田的体系它叫TMS（丰田制造系统） [52:13] 或者有其他的日本的名字 [52:15] 这套体系里面其中TMS（丰田制造系统） [52:18] Toyota Manufacturing System（丰田制造系统） [52:20] 那这一套生产体系里面它其中一点讲究 [52:25] 它分为几种部分 [52:27] 大部分说的都是质量 [52:29] 怎么样能在快速上量的同时保持质量 [52:31] 举个例子 [52:33] 比如说你生产车有一种流程 [52:35] 叫PPAP（生产件批准程序） [52:36] 你可以在上量的同时质量必然会受到影响 [52:41] 那你再压它的上量 [52:43] 再上去 再压 再上去 再压 [52:46] 我们在运营管理的时候 [52:49] 你就把它看成一个工厂 [52:50] 只是这些工厂不在一个地方 [52:52] 是在全球各地 [52:54] 而它的理念 [52:56] 另外一个词叫first principle（第一性原理） [53:00] 从first principle [53:01] 第一性原理 [53:02] 第一性原理是不变的 [53:04] 因为当上量的时候 [53:05] 它必然会受到影响 [53:06] 所以你这个时候要控制它的质量 [53:09] 要把它下压 [53:10] 下压到一定程度 再控制 [53:12] 再下压 再控制下压 [53:13] 你这样才能在短期内 [53:14] 不断地得到高质量的输出 [53:16] 并且是大量的输出 [53:18] 下压的过程中 [53:20] 会遇到什么样的挑战 [53:22] 好多挑战 [53:22] 在下压过程中 你要明白 [53:25] 不同的场景会有不同的要求 [53:29] 就具身场景来说 [53:33] 在下压过程里面 [53:34] 我发现有大量的无意义的任务 [53:36] 无意义的任务包含了 [53:38] 比如说玩手机 [53:39] 那比如说走路 [53:41] 那比如说手出镜 [53:43] 比如说跟人聊天 [53:44] 这些都是无意义的 [53:45] 另外一部分 [53:46] 我们发现有大量的特殊的部分 [53:49] 比如说 包括我们戴摄像头的时候 戴的不对 [53:51] 戴得不对 [53:52] 你虽然可以戴 [53:53] 但有的人喜欢这样戴 [53:55] 所以 就直接录到天花板上的镜头了 [53:58] 这样戴 [53:59] 所以 这些数据怎么处理 [54:01] 然后 包括一些我们那时候 [54:02] 碰到非常大的挑战 [54:05] 就是有非常多的edge case（边缘情况） [54:06] 你这些怎么处理 [54:08] 你是怎么样 [54:09] 在pipeline（数据处理管线）里面进行流程 [54:11] 然后还有一些问题是 你的场景 [54:14] 到底是不是能够不断地多样化 [54:18] 我们那时候发现非常多 [54:20] 可能这一个房间里面 [54:22] 你一个角放一个桌子 [54:23] 你就可以有四个人再采四份数据 [54:25] 而且会看到这个衣服叠 [54:27] 叠完了放 放完了再叠 叠完再放 [54:29] 你这样效率最高 [54:31] 那这样对我们的管理是不利的 [54:34] 对客户的泛化性也是不利的 [54:36] 所以我们经过很多种方法 [54:37] 把这些所有的问题都去掉 [54:39] 然后最后输出的那才叫真正的高质量数据 [54:42] 这些小的细微之处 [54:44] 这客户是不知道的 [54:46] 对 [54:46] 但是我们花了大量的精力 [54:48] 来去管理这些数量和质量 [54:51] 所以这些都是当年你在伊顿学到的 [54:54] 真的是 当时在日本的时候 [54:56] 跟日本的生产体系学到了怎么样去生产 [55:01] 只是现在不是在一个地方生产 [55:03] 是在全球各个地方生产 [55:05] 有意思 [55:05] 那你在伊顿之后 [55:09] 2014年左右是出来创业了 [55:11] 但是为什么决定离开伊顿 [55:14] 我觉得想做一个自由飞翔的鸟 [55:19] 我在2014年的时候 [55:22] 我出来以后最大的体验和感受 [55:24] 就是 原来我像一个笼子里面的鸟 [55:27] 喂的挺胖挺好 [55:29] 别人给我食吃 [55:31] 但是永远是在那个笼子里 [55:32] 不自由 [55:33] 对 [55:33] 当你飞出来的时候 [55:34] 你就会发现这个世界好大 [55:36] 你会有很多很有意思的感受 [55:39] 你又很好奇 [55:41] 但是确实有的时候找不到食吃 [55:43] 这也是那时候挺痛苦的地方 [55:46] 你创业了Mega Gear Robotics [55:50] 但是做什么 [55:51] 做机器人的 [55:53] 那个时候我们想做一台 [55:55] 自己的低成本的机器人 [55:58] 当时2014年 早在12年前 [56:02] 中国叫“四大家族” 现在还有 [56:04] 叫ABB、库卡、Yaskawa和FANUC [56:07] 这四个品牌加在一起 占90%以上的市场份额 [56:11] 跟今天的市场份额完全截然相反 [56:14] 所以那时候我们觉得这是一个机会 [56:16] 那做一些自己的机器人 [56:17] 然后来去替代头部的这些机器人企业 [56:20] 就这么简单的想法 [56:22] 你当时觉得它们做的不好 [56:23] 还是觉得它们太贵了 [56:25] 我觉得做的太贵了 [56:26] 那个时候的价格应该是现在几乎是2.5倍 [56:30] 或者是3倍 按今天的价格来看 [56:33] 但是当时的机器人完全不是人形机器人 [56:35] 就是一些大型的机械臂工业机器人 [56:39] 对 [56:39] 那个时候我们创业的时候 [56:41] 还没有今天很多熟知的品牌 包括节卡 [56:45] 包括埃里特等等这些 [56:47] 叫协作型机器人都还没有 [56:49] 所以最早的那批机器人 [56:51] 当然我们刚开始做的也不好 [56:53] 做了一台裸机 [56:55] 这个机器人外面的外壳都还没有装 [56:57] 线都裸在外面 [56:58] 我们想在做下一代产品的时候 [57:00] 想就扔了 这个当废铁 [57:03] 然后我想是这样不行了 [57:04] 所以后来我就碰到一个大学里面的老师 [57:08] 当时他说有一定的预算 [57:10] 但我就说 [57:11] 你这预算能不能用在我们身上 [57:14] 然后这个老师就说那你们有什么 [57:16] 那个时候我就看到一个新的词 [57:18] 叫2014年 那个叫开源 很早的 [57:21] 所以我们就说我这个是开源的 [57:24] 然后当时他愣了两秒 [57:26] 他说“什么叫开源” [57:28] 我说“开源就是你可以随便变” [57:30] 所以后来我说我们有一台机器人 [57:32] 把机器人放在你面前 [57:34] 然后他说这个挺好 [57:35] 因为大部分的这种工业机器人只能编A到B [57:39] 你没有办法编太底层的 [57:41] 所以我们给他以后可以编到底层的信息 [57:43] 然后几乎满足了 [57:46] 当时大部分的大学的一些需求 [57:48] 包括当时一些技能学校的一些需求 [57:51] 我们都用这台机器 [57:52] 来帮助他们提升 [57:53] 他们对机器人本身运动学的一些认知 [57:57] 所以当时你们是做了 [57:59] 现在基本上宇树的生意 [58:01] 对 [58:02] 就是提供了一个本体 [58:03] 然后让大家在上面去编程 [58:05] 是的 [58:06] 所以这一套当时变成了一个小平台 [58:11] 这种开源平台 [58:12] 从我的角度 销售还不错 [58:15] 然后在销售的时候 [58:17] 我感觉挺好 [58:18] 你当时卖多少钱一台 [58:20] 当时得接近20万人民币 [58:24] 这么贵 [58:25] 就是那个时候算便宜的 [58:27] ABB、库卡那个时候在相同的负载前提下 [58:32] 它们要高出来20%到40% [58:34] 当时你为什么有自信说 [58:36] 这四大家族已经垄断这么多的市场份额了 [58:39] 你就一定能做出来比它们好的 [58:41] 那时候没有自信 [58:42] 那个时候就试试看 [58:44] 你不想做鸟吗 [58:45] 飞出来以后 先吃 [58:47] 先找东西吃再说 [58:48] 所以那个时候也是在不断探索 [58:53] 说实话是真的在探索 [58:54] 就是试过很多方向 [58:55] 那个时候从机器人做起 [58:57] 后来做到这一部分 [58:59] 整个行业里开源机器人的高校客户虽多 [59:03] 但是宇树做到今天是它坚持到了今天 [59:08] 可真的不是所有人都看好教育行业 [59:11] 所以我们从硬件转型到了模型 [59:15] 我们转到CV（计算机视觉） [59:17] 然后用很多图片去做了一个小的模型 [59:20] 那个时候是在真正走出来的 [59:22] 但你们当时的模型 [59:24] 跟现在肯定是完全不一样 [59:26] 完全不一样 [59:27] 那个时候 [59:27] 但是我觉得有一样的有不一样的地方 [59:30] 不一样的就是模型很小 [59:31] 但难的地方就是取得数据很难 [59:33] 因为你要对一个 [59:35] 我们当时做一个产品 [59:36] 这个产品需要不断拍照片 [59:38] 要取得这个照片 [59:40] 取得高质量的照片挺难的 [59:41] 你觉得拍照片很容易 [59:43] 但是产品本身会有不同的特性 [59:46] 我们的目的是用一种特别的方式 [59:50] 准确的把它夹起来 放在一个相同的位置上 [59:54] 要非常准确的一个位置 [59:55] 所以需要 [59:56] 对这个产品本身的形态有非常多的了解 [59:59] 而这种形态有上千种 [60:01] 所以这对我们是挺难的 [60:03] 所以那个时候 [60:04] 我觉得对数据有一些简单的认知了 [60:07] 然后后来你是把公司给卖掉了 [60:09] 是的 [60:10] 为什么 [60:11] 我觉得创始人其中的一个 [60:13] 好的出路就是这个吧 [60:16] 所以我觉得作为创始人来说 [60:18] 有三种出路 [60:19] 要么就是上市 卖公司 [60:22] 或者让公司能够变得非常盈利 [60:24] 所以这是给了我 [60:26] 今天做企业时候的一些感受 [60:28] 你总归要以终为始 [60:32] 你到底怎么样去做这件事 [60:34] 来回到今天你才能怎么去做 [60:36] 那个时候很多时候没有这个想法 [60:39] 那个时候去从始为终 [60:41] 我去看到这个方向 我怎么做再说 [60:44] 就像一个黑森林里面一样 [60:46] 你看不到任何东西 [60:47] 不知道往哪走 [60:48] 所以我觉得这作为一个创始人来说 [60:53] 给其他创始人一些小的想法和建议 [60:55] 就是他在做一个企业的时候 [60:58] 你先想它的模式是什么 [61:00] 盈利是什么 [61:01] 别像我一样 [61:02] 先打开笼子 先飞出来 [61:04] 飞出来肯定饿 [61:05] 没有食吃肯定饿 [61:07] 所以你瘦了一圈以后 [61:08] 你才能挣扎地看到整个世界 [61:10] 那个时候挺痛苦的 [61:12] 当时是觉得整个市场也就那样了 [61:16] 就是如果你要做高校的教育市场的话 [61:18] 它是挺小的 [61:19] 而且当时大家对于机器人的认知 [61:22] 硬件也好 软件也好 [61:24] 都还没有特别准备好 [61:26] 是的 是的 [61:28] 我认为在2014年甚至更早一点 [61:32] 二零一几的时候一直很难 [61:35] 在这个行业里面 [61:38] 因为那个时候没有具身的概念 [61:40] 大部分就叫工业4.0 [61:42] 还记得这个词吗 [61:44] 还记得 还记得 工业4.0 [61:46] 后来我们又尝试了很多新的 [61:47] 就是我们大概转型转了六次七次 [61:50] 然后包括很多工业互联网 [61:52] 然后包括IoT（物联网） [61:54] 我们当时还把机器人整个串起来 [61:56] 做成这种上网的平台 [61:57] 或者能监控 [61:58] 当时IoT（物联网）这个概念 [61:59] 对 [62:00] 你知道为什么不做这个事吗 [62:02] 后来很多转型就是因为整个商业模式不对 [62:06] 做IoT（物联网）的时候收不上来钱 [62:09] 我们当时快速地铺了好几个工厂 [62:11] 能够监控差不多大几百台的机器人 [62:15] 但是客户不愿付费 [62:17] 不愿付费那就只能转型 [62:19] 不愿意付费 [62:20] 是因为他们没有在中间看到价值 [62:22] 我认为还没有到那个付费习惯 [62:27] 在那个时候痛点和痒点你很难区分的 [62:32] 当你看到客户告诉你我需要 [62:34] 很多时候是痒点 [62:36] 客户不愿为痒点付费 [62:38] 挠一挠就行了 [62:40] 那你痛点才会真正 [62:41] 在没有你的时候还会继续付费 [62:43] 我觉得有一句话说得很好 [62:45] 就是当你的产品痛点是什么 [62:49] 是当你的产品不完善 [62:51] 几乎不能用 [62:53] 只有核心功能的时候 [62:55] 客户还愿意付费给你 [62:58] 那才叫真正的痛点 [62:59] 所以当时客户跟你说他们的痒点是什么 [63:03] 或者他们当时的痛点是什么 [63:06] 那个时候我都没有问那时候痛点是什么 [63:09] 我当时带着一个小的团队 [63:12] 把大家关在一个屋子里面 [63:14] 然后这些人我当时就说 [63:16] 咱们打电话 给这些人装这些 [63:18] 他们肯定有需求 [63:19] 所以这个时候就真的是 [63:20] 你假设了他们 [63:21] 我假设他们有这个需求 [63:23] 因为我问了两个朋友 [63:25] 他们说有没有需求 [63:25] 他们说可以 试试 [63:27] 主要是他们问的第一句话 [63:30] 我一直没有记在心里 [63:31] 但我现在有感受了 [63:35] 他们的第一句话是 [63:37] 他们在跟我说这个事儿 [63:39] 有没有需求之前 说的是“这事儿要不要收钱” [63:42] 我说“不收钱先试试” [63:45] 他说好 试试就试试 挺好 [63:48] 但是上了量之后 [63:50] 你会发现他们真正付费的意愿是比较低的 [63:53] 如果当时你说 [63:55] 这件事情是要收钱的 [63:57] 他们有可能就不想试了 [63:58] 那他下一个问题可能会问收多少钱 [64:01] 而且很多时候我问的人 [64:03] 他们不是最终的决策者 [64:05] 所以他们可能甚至说我真的想付钱 [64:08] 都不一定是真的 [64:09] 所以这给了我很多今天的感受 [64:13] 我在创业之前 [64:15] 我是咨询了大量的人 [64:17] 我在2022年的时候 [64:19] 有基本上的这些想法 [64:21] 我想再做一些事情 [64:23] 2023年的时候 [64:24] 我看到一个机器人在叠衣服 [64:26] 我觉得 这个行业要变化了 [64:28] 因为做叠衣服这件事儿 [64:30] 跟之前的事情可完全不一样 [64:32] 完全需要是一个全新的柔软的一种体验 [64:36] 之前都是AB [64:38] 那种大型的工厂的 车间的大型机器人 [64:43] 那在叠衣服的同时 再往下走 [64:46] 我说下面肯定会发生什么 [64:48] 但我不确定 [64:49] 所以那个时候我往UC Berkeley 和我自己的网络 [64:53] 发送了大量的cold email（陌生拜访邮件） [64:55] 我咨询了接近有200人 [64:58] 你当时在Berkeley念书 [64:59] 对 [65:00] 在Berkeley念MBA（工商管理硕士） [65:01] 好 [65:01] 是把之前的公司卖了之后 [65:03] 就来到Berkeley这边了 [65:05] 是的 [65:05] 然后在UC Berkeley那边去发邮件 [65:12] 我几乎往所有的 [65:14] UC Berkeley的机器人行业里面的同学 [65:18] 都发了我当时邮件 [65:19] 当时刚开始回复率很低 [65:22] 只有10% [65:23] 后来我就不断地提升 [65:24] 自己发邮件的技巧 [65:26] 然后提升到40% [65:27] 当时还没有ChatGPT帮你写邮件 [65:29] 全是我自己写 [65:31] 然后那个时候咨询了这些人 [65:33] 每周我能差不多安排两个会 [65:37] 然后不断地问他们这些想法 [65:40] 然后这些人 [65:41] 一部分今天成为我的客户 [65:43] 一部分成为我的竞争对手 [65:48] 所以生活就是这么有意思 [65:49] Berkeley是一个很神奇的地方 [65:52] 我觉得你毕业的那两个院校 [65:54] 在这一轮AI的浪潮当中 [65:56] 都非常重要 [65:57] 交大 就不用提多少 [66:00] 硅谷现在非常核心的研究员 [66:02] 和创始人都是交大毕业的 [66:04] 然后Berkeley也是 就是光在机器人行业 [66:07] 如果你看一下 [66:08] Chelsea Finn, Sergey Levine 还有Pieter Abbeel [66:11] 都是机器人行业里面的 [66:13] 教父级 教母级的人物 [66:15] 都是在Berkeley的 [66:16] 但是Berkeley里面的机器人 [66:19] 这个行业的一个氛围是什么样子 [66:21] 我认为整个UC Berkeley [66:23] 或者我们说Berkeley也好 Stanford也好 [66:26] 它们整个的学术氛围合作得非常紧密 [66:30] 然后整个湾区都作为一个整体 [66:32] 认为整个湾区的一种氛围 [66:34] 对于机器人是一种 [66:36] 大家都是信仰者 [66:39] 就是我们相信humanoid（人形机器人） [66:41] 我们相信 [66:42] 整个的机器人领域的AGI（通用人工智能） [66:44] 对 [66:45] 所以是这种信仰 [66:47] 把大家聚集在一起 [66:49] 我当时去跟他们去聊的时候 [66:52] 去跟他们去想说能聊什么 [66:57] 然后我就想说 到底这种信仰是什么 [67:00] 就逐渐的 [67:00] 你会把自己融入到这种氛围中 [67:03] 然后你再和他们相当于大家共频 [67:07] 同频率地去交流 [67:09] 我觉得才有了今天的Maxinsights [67:12] Maxinsights所有的基础是基于 [67:14] 那个时候所有的认知 [67:16] 和很早期的认知 [67:18] 今天大家都知道数据是瓶颈 [67:20] 但是回到2023 [67:22] 我觉得是很少人的认知 [67:24] 所以从那个时候的这种非共识 [67:27] 到今天的共识 [67:29] 我觉得我们做的确实有地方是押注 [67:33] 要把所有的精力放在桌子上 [67:36] 变成我们真正的筹码 [67:37] 这个是跟整个行业 [67:39] 和整个学术氛围离不开的 [67:41] 我们公司有很多学术的人才 [67:44] 然后学术和我们的工程师交织在一起 [67:48] 这些握手更有意思 [67:51] 你要不断发展frontier technology（前沿技术） [67:54] 你还要帮助他们不断地扩大规模 [67:57] 这才是这个行业将来的核心 [67:59] 对 [68:00] 你这一轮的创业是吸取了上一轮的经验 [68:05] 你一定要找到一个非常痛的痛点 [68:07] 是的 [68:07] 然后确实你也找到了数据 [68:09] 确实是机器人行业的痛点 [68:11] 当时你创业的时候 [68:13] 你怎么就笃定这一定是个痛点 [68:16] 我觉得这件事本身有两个大的认知 [68:21] 第一个认知是你做同类对比 [68:25] 就是physical AI（具身智能）今天 [68:27] 你有一个先行者叫无人驾驶 [68:31] 对 [68:32] 然后你还有digital AI（数字智能） [68:34] 这些里面都离不开数据 [68:35] 那那个时候它怎么样获得数据 [68:38] 和今天获得数据的方法就非常相关 [68:41] 可以参考那个 [68:42] 第二个是另外的维度 [68:43] 就是真正的决策者是谁 [68:47] 可能真的就是研究人员 [68:49] 我要去研究整个行业 [68:51] 带动整个行业的frontier technology（前沿技术）的发展 [68:53] 而这些决策者 [68:55] 他们说的话可是真正的一顶一地重要 [68:58] 所以我当时聊一个人就很兴奋 [69:00] 聊一个人就很兴奋 [69:02] 天天聊每个人 [69:04] 我觉得不是很 就是真的不是很累 [69:05] 非常精力充沛 [69:07] 因为得到更多的知识 [69:08] 来告诉你这个行业怎么样发展 [69:11] 我觉得这个 [69:11] 我们的工作也是 [69:14] 我觉得很多 包括VC（风险投资）的公司也是 [69:17] 我觉得这些 [69:18] 都是我那个时候得到的一些基本认知 [69:20] 但是我那个时候是自发性的 [69:23] 就是只有我自己 [69:24] 我自己在发邮件 [69:25] 到今天为止 [69:26] 我的发件箱里面还保存那些邮件 [69:30] 然后我觉得 [69:31] 从这两个角度交织在一起 [69:33] 我认为这个行业是有变化的 [69:35] 再加上这个结果 [69:37] 就是你叠衣服这件事在2023年 [69:40] 所以我发现这些东西合在一起 [69:42] 成为了我在往后发展的动力 [69:45] 对 [69:46] 你现在是押注 [69:48] 机器人的scaling law（规模定律）这件事情 [69:49] 是 这件事情的上限也决定了 [69:52] 虽然你说之后要做full-stack（全栈） [69:54] 但是也决定了你们公司 [69:55] 目前卖数据的这个量能有多大 [69:59] 我认为是这样 就是行业的边界 [70:03] 不在于需要这个事情的上限 [70:05] 这个边界是在于你的physical AI（具身智能）到底有多大 [70:10] 你到底真正deploy（部署） [70:12] 这些humanoid（人形机器人） [70:13] 有多少机会 [70:14] 我们的客户可以去做deploy（部署） [70:17] 可以去做整个的智能 [70:20] 但真正deploy（部署）的时候 [70:22] 它需要非常广的输出和非常深的认知 [70:26] 所以这一部分是我们提供的价值 [70:28] 所以它不仅决定于整个数据的上限 [70:32] 它是决定于整个行业的边界 [70:34] 而我们是笃定在physical AI（具身智能） [70:37] 要完全远大于digital AI（数字智能）的上限上 [70:41] 这是我们真正要去押注 [70:44] 和整个要赌的一个现实和未来 [70:47] 你们在这一轮里面也是一个卖铲子的人 [70:50] 但是这件事情听起来 [70:52] 好像没有做机器人本身这件事情 [70:54] 那么吸引人 [70:55] 你能接受吗 [70:56] 我们认为每个行业都有一个角色扮演者 [71:00] 我们的角色扮演者 [71:02] 需要出发于自身的优势和自身的能力 [71:06] 我认为我们这个团队是基于 [71:08] 工程化和研究的结合 [71:11] 也包括我个人的一些经历 [71:12] 你让我真的去做AI的深入研究 [71:15] 我做不了 [71:16] 但是我能做的是什么 [71:18] 我能做的是整个行业的基础 [71:21] 到底怎么样变厚 [71:23] 我能做的事情是帮助这些我们的客户 [71:27] 怎么样能快速地扩大规模 [71:30] 我的所有经验告诉我都是怎么样扩大规模 [71:33] 在日本 [71:34] 运营 [71:35] 然后在后面工作过程中 [71:38] 我怎么样找到新的机会 [71:39] 我那个时候甚至 [71:41] 我在上一家公司花了大部分的精力 [71:44] 去找的就是deployment（部署）的机会 [71:46] 所以这些deployment（部署） [71:48] 再加上刚开始的运营结合在一起 [71:51] 就是我在这个行业里面 [71:52] 提供的更高的价值 [71:54] 刚才我们也说了数据公司的门槛在哪里 [71:57] 你是相当的有自信 [71:58] 但是如果我们看看 [72:00] 其他国家的一些数据公司 [72:02] 比如说一些中国的公司 [72:04] 一些在亚洲的东南亚的数据公司 [72:06] 它们可能成本 [72:07] 是在美国做这件事情的几分之一 [72:11] 或者更低 [72:11] 你对未来的数据之间的竞争 [72:14] 是怎么看的 [72:15] 是这样 [72:15] 你要看一个数据本身自己 [72:18] 一小时数据里面的成本结构 [72:21] 这一小时数据里面的成本结构 [72:23] 其中一大部分是依靠于运营的 [72:26] 所以这是其中重要的一部分 [72:28] 另外一部分是云 [72:30] 其他就是其他 [72:32] 所以你刚才说的这些成本 [72:33] 比如是人员 [72:34] 比如说G&A（一般及行政费用） 类似这种 [72:37] 或者R&D（研发）这些成本摊销 [72:39] 在每个小时数据里面占比非常小的 [72:42] 我们在全球有三个办公室 [72:44] 在硅谷 [72:45] 在苏州 中国 [72:47] 然后在印尼 [72:49] 这三个办公室为我们提供不同的价值 [72:52] 和整个为公司提供不同的贡献 [72:55] 我们的核心在硅谷 [72:56] 来不断提升我们的frontier technology（前沿技术） [72:59] 来不断提升我们数据管线里面多个模型 [73:02] 在我们的外围的办公室 [73:05] 来提供的是整个运营的管理能力 [73:08] 然后同时 [73:09] 我们在美国也有我们的整个全球的管理 [73:12] 然后在中国那边 [73:14] 我们更多的是工具开发能力 [73:15] 所以在这三个里面看起来 [73:18] 你如果对比东南亚的公司 中国的公司也好 [73:21] 这都是相对地域型的这种公司 [73:25] 你像Uber [73:27] Uber是全球要去运营的 [73:29] 我们的愿景是这样 [73:30] 我们不会局限于一个地方 [73:33] 我们是以美国为基础 [73:36] 发展到中国 同时发展到欧洲 [73:39] 这才是我们整个客户的体系 [73:41] 那比如说在亚洲 [73:42] 它们的公司也可以设置 [73:44] 全球的这样的一个办公室 [73:46] 但是因为你们在硅谷 [73:48] 因为确实是我觉得 [73:49] 可能要提一下地缘政治 有的时候 [73:52] 是不是说就是美国的机器人公司它们就更倾向于 [73:56] 采购美国的数据公司的数据 [74:00] 理论上是的 [74:02] 就是我们作为一个美国公司 [74:04] 跟美国的客户走的更近 [74:07] 而且美国客户本身 [74:09] 对美国的服务 希望能够提供得更紧密 [74:13] 和更快地迭代 [74:14] 那将来我们还希望能够在欧洲 [74:16] 建立我们的办公室 [74:17] 那这个办公室跟欧洲的客户来不断迭代 [74:20] 所以在这个情况下 [74:22] 我们对于客户本身的服务 [74:24] 是需要来不断地加速 [74:26] 它们的这种反馈机制 [74:28] 而这种返回机制帮助后面的评估 [74:31] 和帮助后面的deploy（部署）也有帮助 [74:33] 这一次创业 [74:34] 就是开始的冷启动 [74:36] 那个时候其实 [74:37] 机器人数据还没有大爆发 [74:39] 可以说就是human-centric（以人为中心）数据之前 [74:41] 可能都是你们增长还没有那么快的时候 [74:44] 所以就是在cold start（冷启动）的时候 [74:45] 你有怀疑过这次的路线是否正确吗 [74:48] 我认为在整个行业发展过程中 [74:51] 你会有不断地去自省的机制和机会 [74:57] 不是怀疑 而是去确定这件事情 [75:00] 做的到底是不是正确的方向 [75:02] 那个时候我认为 [75:03] 数据大的方向是基本确定的 [75:06] 因为在整个行业发展过程中 [75:09] 离不开三个要素 [75:10] 一个是模型的架构 [75:12] 一个是云 然后另外一个就是数据本身 [75:16] 所以数据本身是我们在不断迭代 [75:19] 和不断发展过程中的一个重要方向 [75:21] 而数据本身里面有不同的分层 [75:25] 那个时候还有很多人在讨论仿真数据 [75:29] 然后仿真数据看上去非常吸引人 [75:32] 非常scalable（可规模化） [75:32] 因为英伟达那边的主要路线 [75:36] 然后包括一些其他的公司也在用仿真数据 [75:38] 我们并不评估仿真数据 [75:40] 到底怎么样才有用 [75:42] 但我只是说仿真数据这件事情 [75:45] 本身对于销售来说是非常困难的 [75:48] 刚才提到说 [75:49] 仿真数据客户可以自己去生成的情况下 [75:52] 数据本身就会变得非常廉价 [75:55] 其次就是我们也在看整个teleoperation（遥操作） [75:59] 我们刚开始也在讨论teleoperation（遥操作） [76:01] 在行业整个的方向和影响是什么 [76:04] 所以刚开始我们在 [76:06] 我们真的是叫车库创业 [76:09] 我跟我的合伙人 [76:10] 在他家的车库下面摆了一套设备 [76:14] 然后去做teleoperation（遥操作） [76:15] 然后当时去接订单 [76:17] 然后接完订单 [76:18] 我们回来就是继续研究怎么去做 [76:21] 但是确实碰到了很多困难 [76:23] 设备可靠性很差 [76:26] 所以我们还要找维修技术人员 [76:27] 来去做整个设备的维修 [76:29] 然后这运营的效率非常低 [76:33] 越简单的任务越低 [76:35] 你可能觉得反直觉 [76:36] 因为你做一个简单的pick and place（抓取放置） [76:38] 你要resetting（场景复位） [76:39] Resetting（场景复位）花的时间 [76:40] 跟你去做事情一样的 [76:42] 所以你最高的有效率只有50% [76:45] 你超过的时间 [76:46] 所以你一天就这么点 [76:47] 所以它的输出很低 [76:49] 所以才说我们有了新的认知 [76:51] Teleoperation（遥操作）确实 [76:52] 很unscalable（不可规模化） [76:53] 也不适合我们团队去做 [76:55] 所以那个时候才会转到说 [76:57] 到底有没有新的解决方案来去做这事 [77:00] 所以你在不断复盘这个过程中 [77:02] 你才能不断找到新的方向去提高 [77:05] 单纯去增加数据本身这件事情 [77:09] 在我们的认知里面 [77:10] 在短期内是继续可行的 [77:12] 因为明年的基本客户 基本盘 [77:15] 差不多都要在10倍增长以上 [77:17] 对 [77:18] 同时我认为还要再往下一步走 [77:21] 除了数据本身 [77:22] 还要有deploy（部署） [77:23] 还要有整个的evaluation（评估） [77:25] 这样才能跟客户走得更紧密 [77:28] 还是以终为始 [77:29] 你会想到终一定是humanoid（人形机器人） [77:32] 在某些场景里面去落地 [77:34] 而落地需要的部分 [77:35] 一定是去评估它的模型 [77:38] 而需要更多的数据去做 [77:40] Post-training（后训练）和mid-training（中期训练） [77:42] 甚至还要去做更多的pre-training（预训练） [77:44] 如果从今天角度来看 [77:45] 这些结合在一起 [77:46] 就是我们今天要准备去做的事情 [77:49] 你觉得要做这些事情 [77:51] 现在最大的一些挑战是什么 [77:53] 我们最大的挑战还是规模化提升数据质量 [77:57] 明白 [77:58] 规模化提升数据质量是一个核心 [78:02] 而这部分后面有非常多的核心因素 [78:08] 来去支撑这件事的 [78:10] 后面的核心因素有 [78:12] 第一个我们叫pipeline（数据处理管线） [78:15] 你怎么样让pipeline（数据处理管线）变得更灵活 [78:17] 运营要灵活 [78:19] 运营我单纯的增加到比如说一万人 [78:22] 我怎么样来控制它的产量 [78:24] 别天天我的需求如果有变化 [78:28] 那我这一万人天天在cash burn（现金消耗） [78:31] 这样不行 [78:32] 我需要非常灵活 [78:33] 然后另外一点 [78:34] 就是我怎么样复用我今天的data quality（数据质量） [78:38] 和我的运营的能力 [78:40] 把它们合并在一起 [78:42] 变成对客户产生价值的部分 [78:45] 现在数据行业 [78:46] 因为大家都看到这是个香饽饽 [78:48] 然后都进来了 [78:48] 我听说有一些比较灰色的地带 [78:50] 比如说有数据二道贩子 [78:52] 那比如说我自己没有那么多数采的能力 [78:55] 我去买其他人的 [78:56] 然后把它打包在一起好像一个很大的量 [78:58] 然后一起再高价卖给客户 [79:00] 你怎么看这种现象 [79:02] 我们非常反对这样的事情 [79:06] 我们自己的认知里面 [79:08] 这个行业是没有代理商的 [79:11] 因为一份数据你复制过来以后 [79:13] 你就可以去做更多的销售 [79:17] 这对整个数据产生了非常不好的影响 [79:21] 我们有一个词叫数据纯度 [79:24] 这数据纯度越纯 [79:27] 说明你拥有这个数据的能力越高 [79:29] 我们对所有的数据现在都是100% [79:33] 我们的数据都是要自己采的 [79:35] 我们拥有这个数据 [79:36] 所有的数据是我们拥有的 [79:38] 我们听到一些行业的一些人 [79:40] 开始买其他外包商的数据 [79:46] 然后同时也听到 [79:49] 这些行业里面的一些人或公司 [79:55] 来去在其他的国家用代理商 [79:58] 这种方式都很难持续下去 [80:01] 就是一个全球的公司 [80:03] 你要有全球的视野 [80:05] 你真正笃定的那个核心判断到底是什么 [80:08] 就是商业模式 [80:09] 我认为数据一定是 [80:10] 第一个要拥有整个叫vertically integrated（垂直整合） [80:14] 这样合并起来 [80:16] 其次是你要在拥有的同时 [80:19] 能够怎么样快速转化成客户需要的要求 [80:23] 和保持一定的标准 [80:24] 这才是我们 [80:26] 就真正叫规模化提升数据质量的 [80:28] 最终的结果 [80:30] 你觉得未来一年 [80:32] 整个的硅谷机器人会怎么去发展 [80:36] 我们认为未来一年发展会更加快速 [80:41] 实话实说 [80:42] 对数据 [80:43] 也是会很快地扩大规模 会上量 [80:46] 是的 [80:47] 就是因为我们看到了客户的需求 [80:50] 这些客户的需求情况下 [80:52] 你会反推我们现在要做的事情 [80:54] 当两个连接在一块你就会发现说 [80:57] 下一步客户要做的这些事情 [81:00] 会变得非常兴奋 [81:03] 让我们会非常兴奋 [81:04] 明年我们认为 [81:05] 整个具身会进入到一个新的时代 [81:09] 这个新的时代不仅有数据的需求 [81:11] 还会有更多的落地 [81:13] 和更多的vertical application（垂直领域应用） [81:16] 但你真身处这个行业的整个上游 [81:20] 你在行业的头部的时候 [81:22] 你在这个类别看到的可不是一两个客户 [81:25] 你看到是一个整个行业的变化 [81:28] 我们的客户数量里面几乎 [81:32] 涵盖了所有的客户的品牌 [81:36] 我们跟这些客户一起迭代 [81:38] 我们也希望 [81:38] 把最好的产品和客户一起迭代 [81:42] 能够拿到整个今天的市场上 [81:46] 你们如今的议价权高吗 [81:48] 我觉得产品的价格在于你提供的价值 [81:54] 而这种价值 [81:56] 我们认为说跟客户要一起去迭代 [82:00] 所以当一个我们的合作伙伴 [82:04] 变成跟客户是一种叫合作关系 [82:08] 我们原来叫数据供应商 [82:09] 我们现在叫数据合作伙伴 [82:11] 把你们叫作合作伙伴 [82:13] 以前叫供应商 [82:15] 现在叫合作伙伴 [82:16] 那这种合作伙伴跟客户一起在迭代的时候 [82:20] 我们发现跟客户走得越来越近 [82:22] 议价权已经不重要了 [82:24] 议价权是在于说 [82:26] 你的真正产品提供的价值 [82:28] 是不是真正在价格里面有些体现 [82:31] 这是我们一直秉承我们自己的质量 [82:34] 到底能不能带来真正的帮助 [82:36] 你模型提升的价值 [82:38] 这才是我们要做的 [82:40] 议价权重要 [82:41] 议价权意味着利润 [82:43] 就像GPU一样 [82:44] 只是说这个市场上它们稀缺 [82:47] 所以你们有很高的议价权 [82:49] 如果在未来的一年 [82:50] 我们看到这个行业 [82:51] 开始变得竞争非常多起来了 [82:53] 这个议价权就不得不往下降一点 [82:56] 明白 [82:56] 我们认为整个行业的价格 [82:59] 是基本平稳的 没有特别多的变化 [83:02] 只有那些新的很小的供应商 [83:05] 它们才会以极低的价格来去进入 [83:07] 有点打那个价格战的意思 [83:08] 对 [83:09] 但是客户不买单 [83:10] 就是客户看到一个供应商 [83:12] 跟你合作很长时间 [83:14] 然后给你提供了大量的高质量数据的时候 [83:17] 你的结果是 [83:18] 到底能不能帮客户提升它的更多价值 [83:21] 来去弥补你现在去付出的成本 [83:25] 这个客户这笔账是算过的 [83:27] 如果用了那些非常低价的 [83:30] 本身这质量不太好的数据 [83:32] 对于它花的计算成本是更高 [83:35] 如果整个模型退化了 [83:37] 那你还要再重新训练一版 [83:38] 那就不是买数据的问题了 [83:40] 所以这种数据合作关系会走得越来越紧的 [83:43] 对 [83:44] 当量上去了之后 [83:45] 整个的单个的单价成本 [83:47] 是不是也可以下来一些 [83:49] 我们认为整个数据上去之后 [83:51] 数据会进行tier pricing（分级定价） [83:54] 这个怎么理解 [83:55] Tier pricing（分级定价）里面 [83:56] 现在大部分比较流行的是 [83:59] 只有手的数据 [84:00] 有看到大部分人放的演示都是手 [84:02] 后面会有整个上半身的upper body [84:05] 然后还会有整个的whole body（全身） [84:07] 然后还会有一些整个的手套 [84:09] 这是我们做的一个手套的 [84:12] Whole body（全身）是怎么做 [84:13] 就是从第三人称去拍机器人吗 [84:16] 有的是从第三人称 [84:18] 有的是直接ego（第一人称视角）就够了 [84:19] 但是我们有不同的生产的方式 [84:23] 和不同的管线 [84:23] 所以才要用不同的设备来去生产 [84:27] 这个数据才能更有效 [84:29] 所以包括不同的模态 [84:31] 包括力控 力的感受 [84:34] 所以这是我们做的一个手套 [84:37] 你可以看一下这个 [84:39] 它表面是很多bending sensor（弯曲传感器） [84:42] 表面就是一个普通的手套 [84:44] 就是湾区可能用不太到 [84:46] 但是在一些比较冷的地方会看到很多 [84:48] 这个手套就可以做这样子 [84:50] 这样子可以非常柔软 [84:53] 它的手心 [84:54] 然后手掌 然后包括这个背部 [84:57] 都有bending sensor（弯曲传感器） [84:58] 来去做的这个叫力数据的收集 [85:02] 它采的是什么数据 [85:04] 叫力 这种叫tactile（触觉） [85:06] 它在我的手指这个地方都是 [85:08] 遍布了那个sensor [85:10] 传感器 [85:11] 我知道了 [85:13] 这跟我在国内看到那种触觉传感器 [85:15] 还不太一样 [85:16] 它们可能在灵巧手上面直接做的 [85:18] 感觉它们那个可能要更复杂一些 [85:21] 那个和这个 [85:22] 有的原理上是一样的 [85:23] 但是原理上也有一些区别 [85:25] 对于这一部分 [85:26] 最难的地方是扩大规模 [85:28] 同时你保证它的可靠性 [85:29] 所以这一部分的数据 [85:31] 也会成为 [85:31] 刚才你问的问题里面的 [85:33] Tier pricing（分级定价）的一部分 [85:34] 这些新的数据种类 [85:37] 和新的数据形态 [85:39] 会决定了不同的数据定价 [85:41] 所以在这种情况下 [85:43] 数据量虽然上去了 [85:44] 但是你会看到整个平均价格 [85:46] 没准还上升了 [85:47] 明白 [85:48] 你刚才类比机器人行业跟自动驾驶 [85:51] 无人驾驶 [85:52] 它是一个比我们预想中 [85:54] 落地要晚了很多年的技术 [85:56] 因为它的corner case（极端情况） [85:57] 因为它的安全 它的监管 [85:59] 机器人也会是这样的一个行业吗 [86:01] 它会是一个 [86:02] 比我们想象中要晚很多年 [86:04] 才能落地的行业吗 [86:05] 如果是的话 [86:06] 对你来说意味着什么 [86:08] 我们认为整个无人驾驶 [86:10] 是基于车的基础上去做的 [86:13] 很多智能的提升 [86:14] 它难的地方是有 [86:16] 非常多的corner case（极端情况） [86:17] 和安全问题 [86:19] 你真的在路上产生了交通事故 [86:22] 都很困难 [86:24] 你可以看早期的Uber [86:25] 做的自动驾驶 [86:26] 出了一些问题 [86:28] 所以后来它把整个部门卖掉了 [86:29] 现在它又开始重新做 [86:31] 我觉得physical AI（具身智能） [86:32] 本身遇到的问题跟 [86:33] 无人驾驶遇到的问题不一样 [86:35] 它可能会非常细分的 [86:37] 针对于某一个场景的某一个任务 [86:39] 去做非常细分的问题 [86:41] 比如说如果我们真正地有一件任务 [86:46] 就是拿Dyna来说 [86:47] 它可以24小时的一直在叠衣服 [86:49] 这件事情在无人驾驶里面 [86:51] 可能一个很小的范围内就实现了 [86:53] 但是它要在整个世界上跑 [86:55] 但是Dyna不需要 [86:56] Dyna就在一个小的范围内 [86:58] 可能这一个酒店里面 [86:59] 就实现24小时重复叠衣服 [87:01] 叠得非常好 [87:02] 好 这件事可能就解决了 [87:04] 我在这件事情解决之后 [87:06] 我可能再到另外一件事情 [87:07] 再继续解决下一个问题 [87:09] 所以这就是deployment（部署）遇到的问题 [87:11] 它希望能够解决的是在一个地方99%到99.9%的提升 [87:16] 而这里面产生的问题 [87:18] 和无人驾驶遇到的问题不一样 [87:21] 我们的预期是认为 [87:23] 在整个行业里面的 [87:26] 泛化型的问题 [87:28] 由于Astra 6的提升 [87:30] 我们看到这个进程会飞速加快 [87:34] 今年2026年就出现了 [87:36] 有接近五种到六种的新名词出来 [87:39] 什么world model（世界模型） [87:41] 什么VLA（视觉语言动作模型）等等 [87:43] VLA（视觉语言动作模型）已经是上一轮了 [87:44] 现在是world action model（世界动作模型） [87:46] World action model（世界动作模型） [87:47] Dyna-2就是基于world action model（世界动作模型） [87:49] 是的 我们还听说有一些数据公司 [87:51] 想做world model（世界模型） [87:53] 但我觉得这种方式 [87:55] 在下一轮明年的过程里面 [87:58] 它还会不断地提升和加速整个迭代的过程 [88:02] 所以我认为这种形态 [88:04] 我们是真正作为整个行业的信仰者 [88:06] 我们觉得这个速度 [88:08] 是比人们现在看到之前的速度 [88:10] 要提升太多了 [88:11] 所以我认为这个行业会发展的越来越快 [88:15] 就是不管这个行业 [88:16] 它要持续多少年 [88:18] 都是需要你们的 [88:19] 都是需要数据的 [88:20] 是 我觉得不仅是数据 [88:22] 数据是作为整个 [88:24] 还是刚才那句话 [88:26] 这数据本身需要不同能力的叠加 [88:29] 数据肯定需要 [88:31] 因为数据不需要了 [88:32] 就说明整个模型的训练停止了 [88:35] AI停止了 [88:36] 我觉得这个事情 [88:37] 在现在看起来不太可能 [88:39] 那模型既然继续需要数据 [88:43] 那要明白 [88:44] 这个数据到底会变成什么样子 [88:46] 这样才重要 [88:47] 数据后面积攒的 [88:48] 真的是不同能力的叠加 [88:50] 你才能真正把这个行业服务好 [88:52] 而这个服务型的行业 [88:54] 真正的数据不会变成数据服务 [88:57] 它其实会变成了数据产品 [89:00] 因为当你一份数据 [89:02] 来对整个行业形成标准的时候 [89:05] 这个标准就变成了一种数据的标准形态 [89:08] 当你真的为一个客户说 [89:10] 你要什么我帮你做 [89:11] 再一个客户要什么帮你做 [89:13] 这个叫服务 [89:14] 到今天为止 [89:15] 我们有大量的客户的基础 [89:17] 就是因为我们走的这种认知 [89:19] 就是要做大量的客户的提升 [89:22] 然后有了这些客户 [89:23] 才能帮助我们形成这个标准 [89:25] 所以现在我们的数据 [89:26] 潜在地就成为整个行业的数据标准了 [89:30] 这是我们想要达到的效果 [89:34] 以上就是我所有问题了 [89:35] 有没有什么问题我没有问到的 [89:36] 你还想补充的 [89:38] 我还是想分享一下 [89:39] 我对整个行业未来的一些憧憬和看法 [89:42] 就作为整个physical AI（具身智能） [89:43] 比较早期的参与者 [89:46] 进入到行业的时候 [89:47] 看着这个行业一点一点的变大 [89:49] 从刚开始我们说的两百小时到几万小时 [89:52] 到几十万小时到明年的可能上千万小时 [89:56] 这种一路地走深代表的是整个行业 [89:59] 对于整个技术的信仰的不断提升 [90:02] 我们认为它会发生 [90:05] 然后有越来越多的信仰者进入到这个行业 [90:08] 当然我们看到很多无人驾驶的朋友 [90:11] 然后会有很多传统机器人的朋友 [90:14] 包括其他控制的朋友都会走进来 [90:17] 甚至我现在看到很多金融的朋友 [90:19] 走到这个行业里面来 [90:21] 这个行业在不断变化的同时 [90:23] 我们认为大家相信的是什么 [90:25] 我们相信的一定是一个机器人 [90:28] 这种机器人不同于工业机器人的一种存在 [90:31] 现在有很多人是humanoid（人形机器人） [90:33] 有很多人说cross-embodiment（跨本体） [90:34] 无论这个机器人的形态是什么 [90:37] 真正落在不断地扩展的宽广的场景里面 [90:41] 真正地去起到一些作用 [90:43] 来帮助整个社会提升它的价值 [90:46] 它是需要不断迭代的 [90:48] 而这种不断迭代 [90:49] 我们只是进入到第一个循环 [90:52] 在明年之后我们认为还会有不断新的循环 [90:55] 会不断滚动下去 [90:56] 这样才是我们认为是最可能发生的未来 [91:01] 非常期待 [91:02] 好的 那谢谢宇光 [91:04] 谢谢 谢谢茜姐 [91:06] 好 那么以上就是 [91:07] 这一期我与袁宇光的对话 [91:10] 聊完这期 我们会发现 [91:11] 整个硅谷机器人数据产业的背后 [91:14] 其实反映出这边机器人 [91:15] 行业的一个重要趋势 [91:17] 那就是随着越来越多的 [91:19] 机器人公司开始用 [91:20] 百万小时级别的第一人称数据训练模型 [91:24] Scaling law（规模定律）在机器人领域的效果 [91:26] 似乎正在得到初步的验证 [91:29] 这也意味着机器人行业 [91:30] 可能正在进入一个新的阶段 [91:33] 从过去寻找正确的技术路线 [91:35] 逐渐转向如何规模化的去获取数据 [91:39] 训练模型以及最终实现商业化落地 [91:42] 未来一年 [91:43] 我们很可能会看到第一人称数据量 [91:45] 从100万小时增长到1000万小时 [91:48] 而在这个过程当中 [91:49] 模型范式的探索 [91:51] 更多维数据 [91:52] 包括触觉数据的加入 [91:54] 模型评估后训练以及 [91:56] 在真实场景中的部署经验 [91:58] 都会将这个行业往前再继续推一步 [92:01] 我们也会在这个过程中 [92:03] 持续地为大家关注 [92:04] 好 那以上就是本期硅谷101的视频播客 [92:07] 我是陈茜 [92:08] 你们的留言、点赞还有转发 [92:10] 是支持我们做好深度科技 [92:11] 和商业内容的最佳动力 [92:13] 那我们就下期再见啦 bye