166: 许华哲再次具身创业：不想错过最大的西瓜

📌 一句话摘要

清华大学助理教授许华哲再次创业成立破壳机器人，阐述自己的核心判断：通用智能机器人将在 18-24 个月内进入家庭，而行业应聚焦 AI 模型而非工业落地。

📝 详细摘要

本期播客深度访谈了清华大学助理教授、破壳机器人创始人许华哲。他从星海图离开后再次创业，核心目标是开发能真正进入家庭的通用智能机器人。他明确反对当前国内大部分具身智能公司的路径——强调先做工业场景量产和落地，认为这条路与追求通用智能存在巨大夹角。许华哲的核心判断是：大模型、Agent 技术、强化学习的进展已经让物理 AGI 的到来确定性极高，预计 18-24 个月内机器人会首次进入家庭并产生体感。在此判断下，他提出破壳机器人的三大核心方向：自研硬件本体、开发统一 AI 模型、定义产品形态。他特别强调，AI 不应是传统机器人学（任务特化）、自动驾驶（数据闭环）或史前深度学习（小模型叠加）的延伸，而应遵循大模型的路线：通过海量多样性数据预训练+规模化后训练，获得统一的通用智能。在产品设计上，他明确表示首阶段避免与人体直接接触的服务，以规避安全风险。整体来看，这是一次极具技术信仰和个人判断力的创业叙事。

💡 主要观点

- 通用智能机器人将在 18-24 个月内首次进入家庭，产生体感。 许华哲基于大模型已验证的 Scaling Law、Agent 技术的主动性突破，以及强化学习在具体任务上接近 100%的成功率，对未来时间表高度乐观。他认为过程既渐变又突变，但体感会很快到来。

当前国内具身智能行业过度强调量产和工业落地，偏离了追求通用智能的核心。 许华哲认为在工业场景落地往往只需要有限智能，与追求通用 Physical AGI 之间存在巨大夹角。仅做特定任务的数据闭环或小模型叠加，无法实现通用性，真正的突破应来自大模型路线。

破壳机器人将聚焦统一的通用模型，而非分模块或多任务特化。 他强调必须使用统一的 AI 模型，通过多样化数据预训练+规模化的后训练来保持跨任务泛化能力，而不是在一个任务上达到完美而其他任务完全不行。后训练也应追求通用性。

强化学习被低估，尤其对数据质量的分级和机器人的自主探索。 许华哲指出现有方法未充分重视数据质量评估——坏数据或次优数据混入训练会造成策略劣化。强化学习应赋予机器人自主探索、自我判断数据质量的能力。

产品设计应通过明确不做什么来规避风险，首阶段避免任何直接人体接触。 为应对 AI 潜在的锯齿状智能缺陷，在产品侧设定清晰边界：不提供身体擦拭、翻身、抱持、按摩等服务，即使发生低级错误也不致命，提升安全性和用户接受度。

💬 文章金句

- 我觉得大家还是没有完全相信 AI 可以产生通用的 Physical AGI。很多人做具身智能，但我觉得相当一部分人还是觉得它是一个机器人，跟工厂里的机械臂一样，只不过它是人的样子。

• 如果今天告诉你，你可以用 DeepSeek 问他数学题，只能问他数学题，你觉得它会有巨大影响吗？我们要的那个 Physical AGI，是在家里面让他干点什么事情就可以干。
• 通用这件事儿，才使得具身智能真正能改变人类的存在方式。因为所有的生产力结构都会发生改变，而不是单纯的降本增效。
• 小模型叠加 100 个以后，它不等于一个大模型。如果你想要通用的智能，小模型开始就走错了。
• 我们会希望这个机器人也自己去跟这个世界交互，然后学习到更多的东西，并且对数据进行自己的判断。

📊 文章信息

AI 初评：88

来源：晚点聊 LateTalk

作者：晚点聊 LateTalk

分类：人工智能

语言：中文

阅读时间：172 分钟

字数：42953

标签： 具身智能, 通用机器人, 家庭机器人, 强化学习, AI Agent

收听完整播客