PODCAST
91
Huang Qingqiu, a former Huawei 'Genius Youth', shares in depth his entrepreneurial journey from autonomous driving to embodied intelligence, articulating for the first time a marathon mindset for embodied AI, along with essential reflections on data quality, the limitations of VLA, and the standards for mass production.
00:00 00:00
00:04 1
我最早知道你大概是在今年年初的时候，是我一个投资人朋友特别推荐的。他当时原话是跟我说，有一个特别厉害的人主导了华为自动驾驶的量产。然后他现在搞资深了，非常火，投不进去。感谢大家的关注。批量的在出现这些巨深创业公司，是不是意味着巨大？创业的门槛其实是不高的。
00:29 2
我们成立了半年，但是我们花在算力上的投入可能至少能排到行业前五名。从这个现象你就可以看到，大家在算法上的投入，其实是没有跟这个行业的热度形成匹配的这个关系了。
00:44 1
二三年、24 年已经出现了各种各样估值非常高。为什么 2526 年还在不停出现巨神。
00:52 2
创业团队？巨神这个赛道它其实是一场马拉松。在跑马拉松，你起点大家插几个身位其实并不是很重要。
01:00 1
别人已经宣称量产了，已经部署到了真实场景当中，也有 7 乘 24 小时作业了。你这个时候交付原型机。
01:09 2
你不焦虑。过分的 overlap 其实没有太大的意义。如果一个东西你不能一致，可靠的 72 小时不能产 1 万台，每一台之间都是一致的那在我看来它就是人形机。
01:24 1
Hello， 大家好，我是狮杰。今天的访谈是资深领域一个水下明星项目的初亮相。从去年年底开始，这个项目是巨深领域投资人们纷纷约见和抢注的对象。成立仅半年完成 10 亿元天使融资，背后站着一众明星机构，创始人是华为天才少年，曾主导华为自动驾驶从 0 到 1 并经历完整四代迭代的主导人黄清求。这是一期非常精彩的访谈，他能解答一个问题，为什么在 2026 置身浪潮，已经狂飙三年，赛道林立这上百家初创公司之后，这个行业仍然有属于新人的机会？欢迎星球。你是哪一年出生？
02:07 2
我是 94 年 1 月份.
02:09 1
就我采访过的几个嘉宾，我后来发现都是你同期的华为天才少年。有行云的创始人寄语，还有林初的联创陈元培。
02:19 2
这个都是我们行业的知名人士。
02:22 1
多多少少有听过。我后来发现 20 级华为天才少年是一个非常神奇的存在。里面有好几位都加入了巨大的创业大军，而且是非常明星的企业。智媛的彭志辉，踏实的丁文超，是的，所以你们在华为的时候有交集吗？
02:37 2
跟志辉是没有交集的，但是跟丁文超是有一些交集的。我们俩是几乎前后脚进了华为，还特别有缘分。就是当时座位不太够，我们俩在同一个会议室办公。
02:48 1
对他有什么评价？
02:49 2
我觉得对丁文超是一个非常聪明的人，而且我从他身上也学学到了很多东西。不之前我可能更多的是偏做感知的这个背景，他更多的是偏做规划控制的背对从理解整个系统的角度，我觉得还是从他身上学到很多不一样的点。
03:05 1
你们俩组合起来就构成了一个机器的反应和决策。
03:09 2
对对对，基本上正好把机器人里面最重的两块给拼起来了。
03:13 1
这几个华为天才少年下场做巨深。这个消息你是最早是从什么时候知道的？
03:18 2
大家其这也是陆续出来的，但其实都是在新闻上看到的。
03:23 1
但是你是最晚的。
03:24 2
目前为止对对，目前来看应该确实你为什么是最晚的，主要是我在华为可能有一些未尽的使命。当时在做整个支架的端到端，从大家陆续下场最火的那一年，从二三年对我们开始在做一些端到端的研究，到最后 25 年真正把它做商用量产，其实经历了整个一年半的时间。为什么我会留下来做这个事儿呢？其实大家都会说 22 年的时候 ChatGPT 出来了。
03:53 2
对但是在我看来，其实 GPT 它解决的是一个虚拟世界的问题。但是大模型跟具身本身其实还是有一些本质的区别的。举两个例子，第一个是大模型，它其实是轮次式的对话，晚几秒回答其实也没问题。但是巨身或者说车，它其实是一个实时系统，你必须每一刻每一分每秒都在做决策。第二个本质区别就是巨身或者车它是一个闭环系统，就是你的每一个决策其实是会影响你的环境的。比如说你开的快可能旁边的车就都不敢进来，开的慢别人就会加塞你。但是大模型其实你在回答一个问题的时候，你周围的环境是保持不变的。等你回答完之后，你有了下一轮交互，它的环境才会变。
04:34 2
所以这些区别就导致我觉得可能只有 GPT 这个东西并不能足以支撑说巨生这件事就能做成，还需要有一个 AI 真的去搞定一个闭环系统，去驱动一个底层控制的系统，这么一条链路真正得到验证之后，那去生这个事才有可能发生。我觉得我正好就在干这个事儿，那我应该留下来，把这个事儿给它做完，把它推到这个量产。可能那个时间点我觉得是更合适的点。
05:02 1
2023 年志辉出来做志愿的时候，你当时应该是在新闻上知道的。对对对，男人心里面有没有想过我要不要出来创业？
05:10 2
其实我当时完全没有想，但是他第一个是当时我完全沉浸在我的这个项目里面。第二个就是我觉得那个时间点就像我刚才讲的，我觉得可能还不是特别好的一个时候。我会发现说这些底层的技术它还没有到那个 ready 的状态，或者说前置的这些技术还没有得到验证。那这个巨生这个技术它的爆发的时间点可能还差那么一口气。对，所以我觉得可能我需要再缓缓。
05:36 1
你什么时候看到巨深的爆发。
05:38 2
节点已经到了两个点。第一个就是其实大模型从 GPT 出来之后，又一路的推到这个 coding，推到 agent。然后第二个就是真正在这个支架里面把一段式的端到端给它做出来，输入一个图像，然后输出一个控制信号，这么一件事你发现用 AI 去做它是 work，而且它是可泛化，可大规模商用的。那个时间我会发现，这两个技术一结合高层的语义理解以及低层的控制系统，其实都可以用一个 AI 系统去驱动。我觉得这个时候可能是做最深的一个更好。
06:12 1
的一个时间点，所以这个时间点是发生在 2025 年。25 年。
06:16 2
对，25 年的什么时候？25 年的年中下半年下半年。
06:19 1
对，然后你就出来创业了。是的，真的。你给大家介绍一下你的创业公司。
06:24 2
2025 年底成立的。对，我们是 2025 年年底成立的，然后成立到现在大概可能半年多一点的时间。然后对，我们叫默契之南莫氏，取名这个墨子。墨子是我们造机器人的祖先，我觉得它是具身智能的一个起点然后奇的话是取自我们叫奇点爆发，就宇宙大爆炸。我们希望这家公司是能从最原始的这个原点走到它爆发的这个起点的话，所以就取了这么一个名字。
06:50 1
这是个冷知识。就是说最早的机器人是墨子。
06:54 2
对对对。
06:54 1
是什么样的机器人？
06:55 2
当时墨子是在战国时代，它是皂各种什么工程的器械，它还造了很多这种用于打仗的这种装备，然后以及运输粮食的这么一些装备，用到了很多这种战场上。
07:08 1
名字是你自己想的吗？
07:10 2
对对对。
07:10 1
是我想的。所以你的文科怎么样？
07:13 2
我的文科其实我的文科一直还算不错的。对我爸爸是一个语文老师，从小就会教我背古诗。对，包括我的这个名字。对，青球其实来自于一首古诗，长安古意青虬紫燕坐春风。然后是就是来自于我爸对这个诗歌的爱好，然后给我起了这么一个名字。对，所以从小可能确实对这些文学知识，我觉得我还是也比较喜欢的。
07:38 1
所以金球有什么寓意吗？
07:40 2
第一个寓意当然是龙，球其实是龙的意思，对，龙生九子。然后最小的那个儿子要求我爸就希望说望子成龙，但是希望是最小的那个不要太张扬是吧？所以说就取了这么一个名字。
07:55 1
青是青出于蓝的意思。对对对，很有意思，但是你刚才其实提到觉得 2025 是一个比较成熟的巨深创业的点。我们其实也看到就是从去年开始是成批量的这种巨大创业公司出现。我自己就有一个很好奇的点，源源不断的批量的在出现这些巨深创业公司，是不是意味着巨大创业的门槛其实是不高的。
08:16 2
所以好像人人都可以做。我觉得创业在现在这个时代，创业的门槛是不高的，但是创业成功的门槛是很高的对我自己会认为巨绅它是一个非常复杂的一个系统，既要涉及硬件又要涉及软件。整个垂直整合的这个能力是需要非常强的人才能去把这个事儿做成的。
08:36 1
我看到一批美元的投资人，他们是非常喜欢投自动驾驶系出来的创业人才。因为他们觉得自动驾驶它的这种系统工程能力，专业化的运作能力和节奏的把控，能够在巨升这一次浪潮当中有比较好的表现。
08:50 2
对我自己也是比较认可这个观点的。做了这半年之后，你会发现整个巨深的技术站或者说它的系统架构，其实跟自动驾驶是特别像的对，当然除了自动驾驶，你不从硬件再往上怎么去构建一个低延时的，然后高动态的软硬一体的系统，这个是最底层的，这个跟支架是一样的。然后再往上一层，你的算法，你的输入都是图像，输出都是动作，这么一个映射其实本身也是比较像的。然后再往上一层，你怎么去构建一套数据闭环的系统，就是从数据的收集到清洗，到我们叫 auto label，就自动化的去做标注，然后到训练到评测，这么一套云端的音法，其实也是很像的。所以确实我觉得这两个领域它有很多可以借鉴的这个。
09:40 1
方法论共通性。我最早知道你大概是在今年年初的时候，是我一个投资人朋友特别推荐的。他当时原话是跟我说，有一个特别厉害的人主导了华为自动驾驶的量产，然后他现在这个搞巨深了，非常火，投不进去，项目很贵。
09:57 2
感谢大家的关注。
10:00 1
应该是半年内完成了超 10 亿元的天使融资。对对对。
10:05 2
我们确实出来之后受到了大家的很多关注，包括当时我离职的消息被爆出去之后，微信都被家暴了。很多投资的朋友找过来。对我觉得确实是一个比较好的时代。有这么多人的支持去让我们能有足够的资源去去完成自己想做的事情。
10:24 1
在投资市场上这么火爆，这么被认可，这个是你意料之中吗？
10:28 2
是完全出乎我意料的对对我并没有想到大家会这么的火热。
10:33 1
你人生当中第一次受到如此热烈的追捧，最早可以追溯到什么时候？
10:39 2
第一次有很多人去关注你，可能是考虑。
10:42 1
平台少年高考高考。对。
10:44 2
因为高考当年我的分数考的也比较好是市里的状元。哪个市的状元？是汕头市，这是可能第一次。然后第二次可能就是怀的天才少年？对这个 title 这个 tag 也比较吸引人。第三次可能就是出来创业。
11:00 1
被这么多投资人追捧有压力吗？
11:03 2
我觉得其实整体还好，所有的事情都是有两面的。有更多的人去关注你，意味着你可以有更多的资源。当然确实也会有压力了，就大家都盯着你。如果你做的不好，负面的反馈也会来的更严重。
11:19 1
如果给这次创业的信心打一个分数的话，你觉得会是多少分？
11:23 2
而且有非常有信心，我觉得至少有 90 分。
11:26 1
投资人有问过你类似的问题吗？
11:28 2
投资人好像没问过我。对对对，他们可能默认觉得我能做成最新一轮。
11:34 1
的投资机构，就是真的是非常豪华。包括阿里、腾讯、蓝驰、君联、高融、中科创新源码，就基本上组合了互联网大厂一线财务 VC 还有专注硬科技的机构。这样的一个组合是你特意挑选的吗？
11:48 2
对，我们其实跟投资的朋友也是相当于双向选择，做了很多的筛选。首先我们觉得这是一个比较长期的赛道，它也是一个我们叫超大市场超长赛道。所以要有更大的耐心，这个可能是我们的筛选的首要的标准。希望这些投资机构对这个行业也有比较深的理解。
12:08 1
所以你是可以挑机构的。
12:10 2
对，至少目前为止可以。
12:13 1
你们跟心动纪元踏实这一类就是非常像，可能不是最早创业的。但是由于有一个非常优秀的创始团队，履历，有非常高的背书，所以就是有很多的钱可以选择。所以就是先组钱组团队，然后慢慢的再打磨技术。是这么一套模式吗？
12:33 2
是的，我觉得整体基本上是这个模式。那你要把这件事做成，其实无非是两个最重要的资源。第一个是资金，第二个是人才。毕竟你的比较好的团队应该都是会以这条路径去走。
12:45 1
谈着金汤匙的团队就真的能够发展的很好，以及这样的组合好像在行业里面非常多。是的。
12:51 2
首先回答你第二个问题，就是这个一定能成功吗？这肯定是未必的。因为你所谓的金汤匙，其实是你的起点。刚才我也讲了，我觉得巨神它其实是一场马拉松。在跑马拉松，你起点大家插几个身位其实并不是很重要，是吧？900 米冲刺，你才需要把这个起跑线严格的对齐。所以更多的决定你能不能做成的，还是后期你这个团队长远的发展，能不能持续的构建一个有凝聚力的组织文化一次这个技术范式的转变的时候，你能不能有判断力，有足够的审美去跟上，这些都是非常至关的重要的因素。
13:26 2
但为什么会出现你刚才说的这个现象呢？我觉得核心还是因为这个赛道确实太卷了。你会明显的看到可能在六七年前，其实并不是这样的组合是吧？比如说你说像语数，可能在三五年前，那大家要求可能确实有一些商业化背景，有一些科学的背景，但是可能不要求有产业化背景。可能三四年前有一波公司是这样的，但到今天也才出来。大家可能觉得除了有商业化背景，有技术背景，你还需要有工程化的产业化的产品化的背景。随着大家要求越来越多，整个团队的这个画像就会趋同。可能是这么一个原因，导致变成一个水桶型的这么一个组合团队，就是没有短板。
14:02 1
我特别喜欢你这个比喻，你说这些人是一场马拉松，不是百米冲刺。所以从这个角度就回答了我最初想问的那个问题。就是二三年、24 年已经出现了各种各样估值非常高，看起来非常成建制的团队了。为什么 2526 年还在不停出现支撑创业团队？因为如果这是一场足够长的比赛的话，其实起点线在哪里，差距并没有那么大对对，是的。
14:25 2
而且更重要的还有一点，就是大家觉得技术范式其实没有收敛。以数据采集这个事情为例子，可能比如说一年前或者两年前大家都在做这个瑶操，然后现在大家在做无问题的数据。那这种采集范式的转变会让你的数据的综合的获取效率是提升十倍以上的那就是意味着过去大家积累了三年的东西，你可能三个月你就能赶上。所以这种范式的转变也让大家看到了很多的机会。就是还没有形成固定的格局，以及没有形成很高的进入的门槛和壁垒。
14:57 1
你刚才还说如果这是一场马拉松的话，就是最终决定能否跑完，能否胜出的是这个团队的凝聚力和它的持久性。你能不能讲一讲？就是你看到一些团队已然存在的问题，我们可以不点名。
15:10 2
这个行业最明显的一个问题就是你刚才说的人人都觉得可以创。对对对，就是门槛低。它其实导致我觉得人才是整体有点分散的。很多头部的公司做一段时间之后，甚至就分裂成两个公司、三个公司。在这种热度的鼓动下，每一个人都想参与热点，参与热点每个人的异构都会特别大，觉得自己就可以独挡一面，自己就可以把这个事儿做成。
15:36 1
为什么每个人的异构都会。
15:38 2
特别大我觉得是这个行业的热度给了大家一种幻想。随便一个人可能我觉得他跟我差不多，他也能拿到融资是吧？那 OK 那我是不是也可以？对对对好的词来讲叫做大家都乐观敢想，敢于冒险。坏的词可能就是大家都过于浮躁。但我自己其实是觉得这个事要做成，其实是要建立一个人才密度足够高的团队。
15:59 1
所谓的人才密度非常高的团队，也有所谓联创出走的现象。自己去创业了。对，这是可以避免的吗？
16:08 2
我觉得是可以从一定程度上避免的。最重要的其实还是你要寻找跟你文化气质相同人。比如说我们团队我们找个人吧？我给总结了一下，我们希望有这样的气质？除了说你技术水平也很高以外，我们希望他是谦虚但自信的人，对，然后希望他是温柔但坚定的人。怎么理解？
16:29 1
谦虚且自信就是他其实。
16:31 2
对于自己的技术判断是自信的。但是我们同时希望他是谦虚的，他能听进去这个行业不同的声音。然后当大家的想法有碰撞的时候后，他是能够去求同存异的，我觉得这样才有可能去长久的合作。第二个点就是叫温柔坚定，他要能坚持住自己觉得靠谱的这个观点。但是同时我们不希望这个团队是有非常剧烈的摩擦的，用一种温柔的方式去去解决这些观点的冲突的人，对我们会更愿意吸收这样的同事进来。你是这样的人，我觉得我算是这样一个人的，怎么成为这样一个人？这个问题可能比较难回答我想想，我觉得有一个要素可能是从小当班长，从小学到初中到高中都是班长，然后到大学团支书，从小就在组织大家团结大家去做成一些事情。在这个过程中，可能你慢慢就锻炼支付这种亲和力，对吧？
17:31 1
没有人挑战班长的权威吗？
17:34 2
有调皮的小孩会挑战，但是当他要抄作业的时候，会对他就会屈服。
17:41 1
你会生气吗？今天我也是第一次见你，走进来的时候我就感觉你很很快乐。
17:48 2
我觉得我一直是一个比较开心一点的人。对我基本上没怎么生气过。
17:53 1
还蛮温润的感觉。我非常认同你说的这些品质，但你怎么去识别出这样的人？
18:00 2
我觉得这样的人肯定是有的。对，更关键的是自己要是这种？因为我们我我觉得同样气质的人，大家都是相互吸引的。第二个就是你需要有足够的耐心，时间拉的足够长，你介绍的人足够多，你自然就能筛选。
18:14 1
出这样的人。还是得回答一个最根本的问题，就是说可能我们不在乎这个起跑线差了一年或者两年。但是最早的那波公司他已经做了两年了。甚至比方说你刚才提到的语速，他已经做了更久了。那你有什么弯道超车的机会吗？
18:29 2
我觉得这个赛道它其实不需要弯道超车，终点是在 100 公里以外是吧？那我只要持续不断的往前跑，每跑一步比它多 1 厘米。我跑着跑着，其实再过半年，再过一年，再过五年，慢慢就可以跑到前面去了。所以我跟我团队讲的也是大家更多的是去把一些脏活累活，一些笨功夫给他做好，去把这个基础打扎实。什么是基础？比如说硬件会去抠每个细节，去把硬件的可靠性做好。比如说算法跟数据，我们会去抠我们这套英法里面的每一个小的模块，去把每个小的模块都精准的验证到，它是精度效率都没有问题的。你只有把这个基础地基打牢了，未来我觉得肯定是可以进步的很快的。
19:20 1
你觉得这个行业里其他的资深公司了解吗？
19:22 2
可能一些比较知名的公司，对可能多多少少对看过一些新闻或者有一些接触。
19:28 1
但据深有很多路线，比如说有走 B 端的，有走 C 端的，有做全站的，有不做全栈的。那在这两个最关。的问题上你是。
19:35 2
怎么思考？先说第一个问题，就是 C 端还是 B 端？我觉得巨升它最终终极的市场肯定还是在 C 端。对，因为我觉得任何一个通用的品类，它最终一定要走到 C 端，它才有足够大的市场，以及有足够大的利润去让你的团队有足够的资金去做。比如说基础模型？去做通用的生。
20:00 2
还有另一个原因就是因为这一波我们说通用人形机械，其实它的最本质是通用，最通用的场景我觉得就是家庭场景。对，所以说如果说家庭这个场景做不下来，那可能就它不能称之为通用。对对对，从这两点我会觉得 C 端是最终的终点。但是你站在今天这个时间点讲，确实 C 端它又还达不到进入的这个点，叠个衣服都叠的不够整齐。在这个产品不成熟的阶段，你如果贸然的去进入 C 端市场，其实对你的品牌或者说对整个行业，其实可能会有一些负面的一些伤害。
20:35 2
第二个就是 C 端其实对安全，对隐私的要求是很高的。比如说我以下棋、去痘、宠物这样一些轻量级的功能先进去。但是因为隐私的问题，其实你的数据很难回流。但我们知道 AI 它肯定是需要数据，对，需要数据的回流，它才能持续的推动你的模型去迭代。那你数据回流不了，现在进入的意义可能也不是特别大，所以从这个角度来讲，我的观点是要以 B 端作为跳板，但是最终是要去走入 C 端。
21:02 1
我们通过 B 端微调。
21:03 2
我们在 B 端其实各个行业也都看了一下，包括工业，包括一些物流的场景，然后包括一些服务行业。看完之后我们的判断是这样的，选择的第一个出发点是这个场景它要有泛化性。对，因为你选了什么场景，就意味着你会在什么场景去采集数据。那你采集了什么数据就意味着你能训练出什么样一个技术模型。如果你是去做一个很专用的活，那你其实很难去在这个数据上面去训练出一个有通用智能的这么一个技术模型。
21:35 2
所以从这个点讲，我们找了一个跟家庭比较像的场景。就是可能我们第一站会去一些酒店、商住公寓，做一些房间的清洁。在里面可能你会接触到的就是类家庭的场景，它的足够多样，足够复杂。我们觉得在上面回流的数据是高价值的数据，这是我们选择的第一个出发点。
21:53 2
第二个出发点，我们觉得它要具备这个阶段性进入的可能就是我要做的这个场景。即便我做不到百分之百，我哪怕完成 30%、50%，我也可以先进去。我觉得这一点也很关键。因为任何一个功能哪怕再简单，如果要做到百分之百才能进去，那其实你要花的时间肯定是非常长的。但是像比如说我刚才说的酒店的房间清洁，它其实是 160 多个这个子任务的集合。哪怕我只能去把地上的垃圾捡走，我能把冰箱里的这个矿泉水给换上去，完成这么单个的这个子任务，我也可以先进去去帮阿姨完成一部分的这个动作。这样的话我就能进入到真实的场景，我就能回流数据，我能发现真实的问题。所以基于这两个原因，我们就选择了这个 to .
22:38 1
b 的这个服务行业。我现在观察到此时此刻，2026 年关于数据的战争已经开始了。因为现在各家资深的公司都非常紧锣密鼓的要做那个最快能够采到最多高涨数据的公司。是这样吗？
22:52 2
对我看行业的，甚至我觉得。
22:54 1
是不惜代价。你刚刚不说你听过我之前支援杨宝清的那一期，他们搞了一家数据平台公司叫蜜蜂。他们有非常多的订单来自一些大公司、大厂和模型公司。对现在这些公司是不惜一切代价去买数据的。
23:09 2
是我们看到了这个趋势，包括像蜜蜂这样类型的公司，其实在这一两年非常多这样的公司刚成立不开去采数据。然后大家喊出的口号可能是千万小时 1 个小时是吧？对，但是对这个事情，其实我的观点可能跟大家不太一样。我觉得其实数据的质量会远远的重要于数据的数量。对对对，这是我自己的观点。然后在今天至少我们接触到的这些巨深的数据，我觉得质量是不够高的。
23:37 1
你们今天接触到的数据的来源分为哪几种？
23:40 2
各种各样的，我们也自己内部都在试，包括刚才说的瑶操的，然后 5 米的数据，异构的数据是吧。然后可能市面上能对外提供数据的这些供应商，我们可能都会去拿他的样例数据，或者是找他采购小部分的数据。包括我们自己其实也会去做这种数据的采集设备，然后自己去做这个采集。但是就我们现在看来，其实整个行业的数据质量其实是非常参差的。大家并没有一个统一的标准说这个数据按这样搞就一定行，一定能训出一个不错的模型。所以你现在。
24:13 1
对于什么样的数据更好，是有一个区别于行业共识的认知。因为现在行业都在搞无本体采集。
24:19 2
首先行业的数据之前区别为什么叫无本体？就是之前是有本体，之前有本体是叫尧操作。其实就是我有一台机器，然后我可能拿一个遥控设备，一般是 EVR 设备。然后我通过这个 VR 设备的运动，而让机器人跟我同步的做运动。然后人在旁边动，机器人跟着这个动作动，然后做数据的采集。
24:37 2
这种采集方式都有几个劣势。第一个就是效率低，第二个就是成本高，因为你需要一台机器在那。然后第三个就是因为你需要机器人，所以很多时候大家都是在室内的一些摆拍场景，所以在那反复的，所以它的多样性其实也比较低。所以大家为了解决这些痛点问题，就把给有本体扩展到这个无本体。
24:56 2
然后问题里面有很多种？前些日子比较火的是大家对，其实就是说个手上的假爪。对，然后这个夹爪跟机器人长得一样。但是这个时候我就不需要这个机器人在了，我只需要人穿上这个假爪。后来大家又觉得说，这个方式其实还是会影响工作效率。因为人手上戴个假爪，那我把它改成手套。
25:14 1
这是一个方案，它就变成偏动物的。
25:16 2
那种就变成偏动物的，带一个动物的手套，带一个可能是基于 EMF 去做的一个采集数据的手套。对，但是这个的问题就在于现在很多基线可能用的还是夹爪，是吧？到夹爪，它有一个重映射的问题，所以它也有一些缺陷。对。然后同时戴上手套，大家觉得还是效率还是太低了。阿姨戴着还是不舒服，工人戴着还是不舒服，所以又眼镜到说 OK 我连手套都不要了，我只在头上戴一个头环，然后头环上面有个相机，我把人正常。
25:43 1
干活的数据给拍下来。我摄像头的图像影像捕捉。
25:46 2
对，通过拍摄的第一人称视角的这个影像，然后让模进来学。所以可能我们这里面又细分了很多种，但是整体它将解决的就是采集效率的问题，以及我采集场景的泛化性的问题，大概是这么一个概念。然后整体来讲，我肯定是更倾向于说无本体数据，对这个是没问题的。
26:02 1
我刚才讲这些都属于我无本体。
26:04 2
对，然后未来的话我觉得他们之间可能是需要一些配合的对，我们可以后面讲，前面是说为什么要需要无本体是吧？核心还是采集效率，我觉得是第一位的。因为整个 AI 的发展，肯定大家都需要 scaling law。前提是你的数据能够 scale up，你才有 scaling 了，这个是第一要素。所以基于这个，我觉得无门体肯定是一个大的趋势。但是同时除了无门体以外，我觉得还有三个原则是我一直比较坚信的，就是得是真实的人，在真实的场景干真实的活。什么意思呢？就是现在大家有个新人，他其实拿无目的的数据，但他还是在素材上里面操作，就是它是一个。
26:41 1
假设的场景对它。
26:42 2
是一个假设的场景，摆拍的场景。然后他的雇的人可能是一些专业的数据采集员，并不是真实的干这个活的工人或者服务员。他的目标是我做出一个动作并且拿到回报，并不是为了把这个桌子擦干净而去擦桌子，而是为了做出这个擦桌子的动作，擦桌子。所以它很多轨迹其实会有一定的变形，所以我们叫叫 in the world 的采集。我坚信是一定要让真实的服务员和工人带着我们的设备，进行真实的场景。然后就在他日常干活的这个时间里面去把这个数据采集上来，我觉得这种才是高质量的数据。
27:17 2
为什么是这么相信呢？我觉得很多我们今天的这个 AI 它其实就是从数据里面去总结规律，学习智能？那你的数据的质量就决定了他能学到什么样的智能。如果你的所有的数据都是摆拍的轨迹，那他自然就学出来一个摆拍的轨迹。如果你的数据里面都是摆拍的场景，那他面对一个真实场景的时候，他可能就做不出来这个动作。所以如果你要解决的问题是一个真实问题，让机器人去真实场景解决真实的问题，那你就应该用真实场景，真实人的轨迹来训练它。
27:52 1
我们都在期待巨身产生 scaling low，但它现在目前还没有产生。你为什么相信巨身一定会产生 skin ole 以及。在这个领域的 skin law，它跟我们过去几年在大语言模型看到的 skin law 有什么区别呢？
28:05 2
因为巨身首先它也是一个遵循 AI 的训练范式，我有一个输入，我有一个输出，然后我中间的所有东西交给模型。在这种范式下，其实在 AI1.0 时代大家在这种 CV 技术上验证了，在 AI2.0 时代大家在大模型上验证了，以及在自动驾驶其实也得到了验证。所以基于这些推理，在相同的方式下，我觉得巨绅肯定也是能够遵循这个定律的。
28:28 2
第二个就是你刚才讲的，它的 skin law 跟这个大模型会有什么区别？其实我一直觉得巨深的 skin law 会更难。第一个就是因为巨深它是一个跑在端侧的系统。跑在端侧就意味着它的算力其实是比较受限的那算力受限就意味着它的模型的参数量不可能太大，不可能像大元模型一样，我去做一个几百亿甚至几千 B 的这个模型是吧。但同时具身它吸收的这个数据量又是比大语言模型更大的。因为大语言模型它其实是一些文字，最多就是图片。但是像具身，像车这种，它其实在实时的接受高清的视频流，然后还有语音，还有文字，各种各样的这些多模态的信息，而且是必须实时做操作。所以它每一帧它吸收的这个数据量其实是比这个大语言模型更大的。
29:17 2
刚才讲它的参数量更小，但它要吸收的这个信息量又更大。所以就意味着你对这个模型算法的结构的设计其实是有更大的挑战。所以我觉得他 scale 其实是。
29:28 1
比大原模型会更难的。我在做资料的时候我就发现，其实你这个创业团队，包括你本人是特别强调算法的。我之前在了解这个行业其他创始人的一些判断的时候，我会经常会听到一句话说算法不重要，或者说算法在现阶段不重要，或者说有钱就能搞到算法人才。但是其实你刚才解释了，就是为什么你觉得算法在自身。
29:50 2
领域很重要。对对对，我觉得首先算法肯定是非常重要的，因为它是这波智能的核心。另外就是现阶段重不重要？可能大家核心是觉得现在可能算法还离爆发没有那么的近，所以我现阶段不是特别重要。对，可能是这么个观点。然后我可以等别人爆发了或者别人做成了，我再去挖一些人也好，或者说我去抄一下他的这个方案也好，然后去快速的做出来大力出奇迹。
30:15 2
在大力出奇迹，但是我觉得这一点其实是我自己是不太认同的。可能确实算法架构本身你去抄是容易的。但是你在这个探索算法的过程中所积累下来的这些，比如说英法，比如说人才，比如说你所形成的这个组织的氛围，这些东西其实是抄不来的对，所以等到爆发的那一刻，你就那么有信心马上能挖来几个人，这几个人就能融合在一起。然后他有足够的英法让他去把这个东西做出来，我觉得这个。
30:48 1
事情是不太成立的。班长说抄作业是得不到好成对对对对。
30:52 2
还是得有自己思考的过程，才是锻炼真正的能力。
30:55 1
长期功夫。
30:56 2
有一点很意外的就是我们成立了半年，但是我们花在算力上的这个投入可能至少能排到行业前五名。所以我觉得确实是从这个现象你就可以看到，大家在算法上的投入，其实是没有跟这个行业的热度形成匹配的关系了。
31:16 1
你融了好多钱，你能透露一下钱最大的流向流去了哪里吗？
31:21 2
目前最大的流向应该就是两块，一块是人才，一块是算力。
31:26 1
算力会在一个什么样的级别？
31:28 2
大概已经到了千万 1 个月的级别。
31:31 1
千万 1 个月在整个支撑行业是一个什么样的水平？
31:34 2
就我刚才讲了的，因为别家的其实也不是特别清楚，但至少我觉得是能排进前五名。
31:39 1
这是一个非常微妙的信号，值得品一品。就是因为这个行业很多公司声称自己在训大脑。
31:46 2
对对对。
31:46 1
在什么样的级别能够判断出他到底是不是真的在信大？
31:50 2
我觉得现阶段，比如说到千卡级别，如果真要做大脑，这是一个门槛。如果确实要做的比较好，我觉得可能是需要到万卡这个级别，有可能去做做出一些突破性的成果。对，当然再往上那就看这个行业的发展的程度。
32:06 1
那如果算一笔账的话，倒推的话，你觉得这是一家独立的初创公司，它现阶段得要融多少钱才能够支持一个比如说 18 个月的这个高效的训练。
32:16 2
比如说我们以一千卡来算，那一个月差不多就接近可能是 1000 万，那一年就是一个多亿。比如说那你至少要融个三个亿对吧？你才能支撑这个公司加上其他一些存储的费用，那可能才能融入这家公司在两年的这个算力的投入。
32:34 1
这个水平线其实基本上也是头部公司的比如说早期阶段的融资卡位，如果你能融到这笔钱以上，你也会被这个市场上认为至少是准第一梯队的。
32:46 2
是的。
32:46 1
但如果融不到这个钱的话，你基本上跟训大脑这件事情没有什么关系了。是的。
32:51 2
我是否可以这么理解？我觉得可以这么理解，因为确实训大脑是一个很烧钱的工作。
32:56 1
你会做全栈吗？
32:57 2
对，我几乎。
32:58 1
所有的头部公司都都做全站。
33:00 2
我觉得会做全栈核心有两个原因。第一个是商业上的考虑，就是在现在这个市场环境下吧，很难说我只通过软件的授权去获取这个商业的回报。更多的其实你还是要软硬一体，把它当成一个产品卖给客户，才能有更大的商业价值。
33:20 1
但软硬一体并不意味着就要做全债。
33:23 2
基本上就软件硬件算法，除非你说我。
33:25 1
不做算法是吧？不是指软硬算法。因为很多全栈公司是他会比如说把零巧手，然后零部件，他们会有一个指标叫做自研率。
33:34 2
进率我理解意思，我刚才讲的可能是整个系统，就是说你软件硬件我觉得这个都需要做。但是具体到硬件里面，你刚才提到的资源率的问题，我们不追求资源率，但是我们什么东西会自研。如果一个零部件它的供应商的成熟度跟进步的速度跟不上我们了，那我们会选择自研。现在自研哪些？
33:54 1
不自研哪些？
33:55 2
比如鳞销售我们现在没有自研。第一个是觉得现阶段人戴上假爪，我们去酒店试了一下，我带上一个假爪，我在酒店能干 70%的活。对，但是用算法他可能现在干不到 5%，所以这就说明它的瓶颈其实还不在于执行器。我先把算法从 5%提到 65%.
34:12 1
然后就是算法能提升。
34:13 2
的空间还很大。所以我觉得现阶段可能如果执行器不是瓶颈，那我们就觉得没必。
34:19 1
2026 年大家都说是巨大的量产元年。然后我知道我所看到的一些公司已经完成了量产，甚至有一些已经声称他们完成了首个 PMF。在前人行业已经做到了一些短期内的成果的情况下，你怎么去规划你接下来 12 到 18 个月该。
34:39 2
做些什么？首先我觉得我们其实并不想被这种市场节奏带着走。首先它能形成一个 PF，其实是也是一个比较垂直的赛道是吧？这种垂直行业其实足够的多，它并不会存在说我占了这个工位之后，其他工位我们就进不去了。对，如果说只是在一个垂直的这个场景下去，有些公司领先了，我们觉得并没有形成说市场的垄断或者说形成壁垒。
35:05 2
所以这个不是我们现在最着急的，我们最着急的其实还是两个核心的技术能力。第一个就是硬件的可靠性。其实我看到很多机器人公司，可能确实可以做一些 demo。但是你能不能 7 乘 24 小时，然后一年都不坏的在那运行，我相信现在没有哪家机械公司能做到，所以这个是第一个技术能力我们比较关注的。然后第二个基础能力还是你的基础模型的能力。就是你去做一个垂直的工位的时候，你是花了多大精力去专门的采集数据，去做微调，才能把一个工位完成的，这个是我们重点在考虑的事情。如果说我每一个工位我都要花很多人，很多算力，很多数据对去做。那这个东西从场景应用上它也是不可以 scale 的。
35:50 1
就是你要尽可能增大它的泛化性能力，减少你部署的工作量。
35:54 2
对对对，是的。所以在你的基础模型足够的强的情况下，你再去做一些简单的微调，落地到具体一个场景是顺其自然的事情，他并不需要那么着急。
36:05 1
刚才我有聊到你在资本市场非常受追捧，因为你在华为已经是战功赫赫了。所以其实你本身在算法这个领域应该是非常有号召力的。而今天投资人们投的其实是创始人在某一个绝对的有技术壁垒的领域，他的人才号召力。我觉得这是一个非常重要的投资的取向。
36:24 2
是这样吗？我觉得这个肯定是其中一个非常重要的因素。我觉得另外一个就是把一个 AI 算法做到规模的量产，做到产品化的这个能力经验，我觉得也是比较稀缺的。在这个行业你觉得。
36:38 1
这个是从自动驾驶可以发展而来的对对，这个是我们待会儿要详细聊的。刚才 1 个小时的时间，我们先聚焦了一下你这场创业，待会儿我们再展开聊细节。OK， 我还是想先跟你聊一聊，就是你个人的履历有很多我想挖掘和学习的部分，我们可以先从你个人开始聊一聊。好好，没问题。那你对机器人的兴趣最可以追溯到什么时候？
37:01 2
应该是小学的时候看的一些动画片，当时印象比较深刻的机械动画片叫铁甲小宝。对，里面就是有各种可爱的机器人？有一个红色的像昆虫一样的这个机器人叫叫卡布达。对，然后他们就是可以变形，然后他会跟他的人类朋友一起去解决生活中的一些困难，然后包括基线之间也有这个好的基线，坏的基线？会打架。对对对，然后他那个极限很有意思，他还可以给自己加各种装备。比如说他可以加一个火箭在自己的后背，然后就可以飞起来。然后他还有一个有一个装备可以变成一个摩托车，就是有点像早期的这个变形金刚。
37:42 2
对，然后你那个时候觉得这个东西好好玩？就是我要有这么一个机械伙伴就好了？他能帮我实现好多的事情？
37:50 2
对，所以从那个时候就开始对机器人感兴趣，然后到后来的话也是一些电影吧。比如后来看变形金刚，看黑客帝国，然后知道了可能是更层面？机器人去保护人类，保护世界这样的一些命题，我就觉得好有意思。对对对。
38:05 1
所以你成为状元之后，有决定你想去什么地方，哪个学校的哪个专业吗？我选这个专业。
38:11 2
确实也是跟机器有关系。但是那个时候因为清华的招生老师过来，然后他说我们有这么多。
38:17 1
因为我刚好有个状元朋友，就是传说中大家是会来抢状元。对对对。
38:21 2
就是各个学校那个招生办老师是会直接到你家里去过来来你这个作业。对，来家里去推销他们的这个学校跟专业。对，然后当时清华老师给我推销了一下，然后很多个其实我都听不懂。当时有什么热门、环境，他给我讲了半天他们在干嘛，我也听不懂。然后他讲了自动化，说这里面有很多老师在做机器人。我说机器人有意思，所以就报了这个专业。
38:43 1
其实事后证明是进队了。
38:45 2
对对对，事后证明确实是对了。其实赶上了这波 AI 的热潮，这个是客观的环境。然后另外确实这个东西自己真的去做了，确实也觉得还挺好玩的，然后就一直坚吃下来了。
38:58 1
你进了清华应该是去参加 up 了对吧？
39:00 2
在清华四年的时间，我几乎除了吃饭睡觉以外，我感觉我有 60%的时间花在了那个实验室里面。对，就是赵明了，郭老师的那个那个 508 实验室。对，在在我们的清华那个主楼，一进门就看到那种主楼对的，5 楼对，508，然后里面就有各种各样的机器人。然后我从应该是大一的暑假就开始去他这个实验室，玩各种各样的机器人。最早是玩那种最简单的叫叫机器小车，然后就在地上画一个画画一条线，然后你让你的车追着这个线跑，从这么简单的开始玩起，然后到后来玩这种自平衡车，就是有个两轮的车，然后你要去写一个控制系统，可能就是最简单的这个 PID 控制，然后让它一直保持平衡，并且能给你送一些东西到指定的地点。后来就开始加入赵老师的这个火神队，然后开始去玩这个人形机器人踢足球。对，我觉得这个团队确实影响非常的大。
40:02 2
赵老师也是个传奇。对，赵老师是一个他运控的传奇人物。我觉得赵老师的一个特点就是他比较特立独行，而且他非常有自己的坚持。
40:14 2
比如说当时最早的时候我们开始做这个人形的运控的时候，其实赵老师带我们在做的算法叫被动行走。他的建立了一个模型叫虚拟谐波的步伐，什么意思呢？就是比如说一个斜坡，你放一个球它根据重力就可以滚下去。那同样的道理，你设计某个机械结构，它就可以自己靠的重力就是我垂直的下降，然后顶到后面那那只脚在上升，然后根据重心再往下，它可以不用有任何动力的情况下，就一步一步的走到这个坡底。基于这么一个建模，然后去模拟它的步态。那它的好处就是它是一个动态的步伐，所以它的效率特别高，特别节能，而且动得特别快。
40:55 2
当然它当时业界的主流其实不是这个做法。业界主流 ZMP 可能大家在电视上看过日本的那个叫阿 cmo 对那个机器人。对它 ZMP 的步伐是第一代的人形运控步伐的一个最核心的一个方法，还是靠算法实现。
41:13 1
对。
41:13 2
也是靠算法实现的。它的是一个静态的步伐，它就是它的原理就是说我走每一步，我在任意时刻对我的重心都落在我的整个机械的覆盖范围内。所以我永远在任何一个静止时刻我都不会倒，但他就走的比较慢。所以赵老师在那个时候就坚持做自己的被动行走。所以我觉得确实他是一个很有自己坚持，很有自己想法的一个老师。
41:37 2
然后包括到今天，其实整个运控都在走向 A 化，但他其实也还在坚持。你在 A 化的同时，你要去学习这些运动学、动力学这些传统的东西，把它融合到你的算法里面去。所以我觉得他确实是一个很有想法的老师。然后包括他给我的传递的一个观点，包括给我注入的一个认知。就是说其实不要随大流，对你要有自己的看法，做任何事情你要自己的坚持。你在火神队是当队长，我是大三的时候是队长。
42:09 1
怎么当上队长。
42:11 2
的怎么当上队长的？
42:13 1
因为是状元。
42:15 2
应该是当时是这样的。大一大的时候大家都在做运控，然后到大二的时候就发现，我们其实做运控的这个人才比较多。但是感知那个系统就怎么去识别足球球那个系统，其实在我们这个实验室没有比较擅长的人。然后当时赵老师就我去搞那个，对对对，然后就开始去搞。然后搞完之后就从感知一路就带着大家把整个系统做起来了。所以可能基于这个原因，大家就觉得说，确实你是能够去给这个团队带来一些不一样的东西。然后慢慢就大家会对你产生比较好的信任感，就带着大家开始去去重构整个系统，然后就慢慢变成了队长。
42:53 1
你的本科应该我们是同年，你的本科应该是 12 年到 16 年 16。对这期间机器人运这个领域有什么大的标志的节点发生吗？
43:03 2
这个时间点应该是我刚才讲的第一代运控到第二代运控的变迁的过程。对，刚才说的第一代运控是 ZMP，这个代表是叫 IC。然后第二代运控其实是叫 MPC，MPC 加 WPC，就是这个行预测控制加上全身控制，对它的代表的这个机器人是 i atlas，就是波士顿动力。那个时候刚好是波士顿动力特别火的那几年是我每天都能在网上看到它翻跟头什么各种视频，觉得特别厉害。对，然后那几年刚好就是整个技术从第一代到第二代变迁的。
43:36 1
这么一个过程。我后来查了一下，你们这个火神队应该也是出了一些非常知名的创业公司，有加速进化的称号是吧？对，还有一个叫陈鹏辉的，是你同期的吗？
43:48 2
陈浩是比我大好几届的学长，然后他应该是也是火箭队的远古时期的队长吗？对，那我进去的时候他应该已经毕业了。对，然后加速进化确实现在还在提足球。对我觉得也是相当于是把我们当时的这个队伍的这个精神给发扬光大。对对对，然后陈文辉应该是一个年级比较低的一个学弟，对我跟他确实没有接触。但是他们应该是我记得是 25 年还是哪一年，也是拿 rope cup 的一个冠军。
44:17 1
火神队他有什么精神气质？
44:19 2
我觉得其实现在的很多各家公司的这个运控算法的核心人物，很多确实都是从火神队，或者跟火神队有多多少少有一些关联。我觉得大家可能更多的就是把人形跟运控这个事儿做到了极致，然后推到了整个新的行业，机器人这个行业里面去了。
44:40 1
大家现在会公认运控语速是做的很好的，你们这些古典运控派会怎么看语数这家。
44:47 2
我觉得语速肯定是确实做的非常好的，对吧？包括他整个表现出来的运动性能，包括他说的这些 demo 确实是非常惊艳的。但是运控其实讲第三代，其实从第三代发展到今天的第四代，是基于强化学习的这么一代。
45:06 2
但是到今天来讲，我觉得运控技术它其实从算法层面它有点，怎么说呢？可能它的对它它的难度相对于之前没那么高了，或者说它的门槛相对没那么高了。因为 AI 能对，因为 AI 它能做很多事儿，就比如说以前其实那个运控还挺难的，我自己也没太学明白，说实话。就是他他需要解非常多的数学问题，代数什么这些东西。
45:28 2
然后因为它运控本身在做的事情是什么？就是你有很多优化目标，我希望这个机器人跑的足够快，然后希望它的步态类人希望它不要倒下是吧？这是很多目标。同时它可以优化的这个变量又特别多。因为是全身身上所有的的这个扭矩对都可以控制。所以在这一个输入维度特别高，然后优化目标也特别多的时候，这个问题它就是去解这么一个复杂的优化问题，它会特别的难。
45:54 2
但是到了今天，其实强化学习的时候，它的整个方式已经发生了转变了。其实我不太再需要说对这个系统做非常细节的数学建模了，我更多的是去给一些我们叫 value function，就是去评判你做的好不好，比如说你倒向了，那你应该受到一个惩罚。更多的是设立一些奖励机制，然后让这个模型在仿真里面去自己去不断的做 roll out，然后不断的去我们在强化学习，最终就可以训练出来一个好的模型。然后语数单在这方面确实是做到领先。但是我觉得更大的一个领先是在于，因为今天的运控很依赖于仿真环境，而语数是能把我们叫 seem to real 的 gap。做的特别小的这么一家公司。所以它的这个硬件，包括它的整个关节，电机的这方面能力确实也是非常强。
46:42 1
这是一个非常好的问题。就是因为 into real gap 大家都会面临，你说它能够把这个代差缩到最小，这个背后靠的是它的硬件能力，硬件可控。
46:52 2
对我觉得背后主要就是硬件的能力。当然这里面也有一部分软件的，比如说这个电机里面的驱控算，它本身也是一个软件算法，那核心就是说我产 100 台机器人，我每一台的参数都一样，这个叫一致性。然后另一个就是我这些参数，我有某种办法去把它识别，或者我们叫参数的整定识别出来之后放到我的这个访问器里面。而且我识别的准，那我的仿真环境就准。
47:17 1
这是可以被追上的。
47:18 2
我觉得是可以被追上的。因为这里面它怎么说呢？更多的是很多工程的经验，它并没有一个非常不确定性的技术在里面。所以我相信后面这些公司只要大家持续的去打磨，慢慢是能追上的。
47:36 1
当然语速自己也很勤奋。
47:38 2
对，但是语速也在往前跑。对，是的。
47:41 1
明星。那你觉得不确定性就是在大脑层面？
47:44 2
对我觉得现在整个剧情最不确定性。
47:47 1
就是在大脑。但是你刚才又讲了。
47:49 2
你的信心有 90 分。对对对，我觉得这个信心更多的是来自于，虽然我不知道最终他长什么样，但是我知道我把基础的东西搭好了，我把我的数据做到高质量了，以及我有一个足够好的团队。那大家肯定能在这个探索的氛围中，慢慢去试错的过程中把它试出来。
48:12 1
所以火神队大家就是这么探索的，就在赵明国老师的。
48:17 2
这个精神指引下，对，我们当时团队其实也是非常自由的。基本上你想做哪个模块，你可以自由的选择。不管你做运营也好，做感知也好，或者说你做那个我们当时叫决策系统，就是他的这个大脑也好，每个人都能在自己的这个上面去不断的试自己喜欢的方案。对我觉得特别好玩。
48:37 1
仙宫的赵月他上我的节目，我们全程应该是聊了 5 个小时。他他聊 robocup 聊了 1 个小时 40 分钟.
48:46 2
你能够感受到。
48:47 1
那个创始人的热爱，他就会说当时去打比赛的那段时间，对他来说真的是非常快乐的。而且他在这个过程当中发现，往往最后能做下来的，做的好的并不是那批所谓的最优秀的学生，而是最热爱的学生。所以这个也指导了他后来创业就只招最热爱的人。你有什么从火神队沿袭下来的一些精神了。
49:11 2
可能一个最重要的东西就是我觉得细节决定成败。你会发现某个步态调的不好，其实不一定是你的算法问题，可能就是你某个螺丝没拧紧，对它松动了那么一下，导致它的参数变。所以当你在做一个复杂系统的时候，你要去把它拆分的足够细。然后你的每一个细小的模块你都要去检验，做一个单模块的检验，你去判断 OK。假设我把它拆解成一个最小系统，那它的输入跟输出符不符合你的预期。那这样的话你才能保证当你一个复杂的系统组装起来的时候，每一步是没问题的。因为当你组成任意复杂系统的时候，你最终发现问题，你其实很难追溯到具体。
49:53 1
的某个零部件。因为每一个环节哪怕有 1 毫米的误差，组合在一起就是几次方。对对对。
50:00 2
是的，因为它是一个从硬件到软件到算法这么一个串联的这么一个系统对所以它的误差是会被放大的。这个是我觉得我在做机器人的过程中学到的一个培养的一个非常重要的一个特质。
50:13 1
所以你后来组建的团队某种精神特质或者说氛围，会不会跟当年火神队有一些类似？
50:18 2
我觉得会有，就是我们会更关注细节。刚才反复讲的数据的质量，是我们包括在华为工作，包括在现在我们都特别关注的一个东西。就是你怎么去 check 你刚才说的那条数据闭环的整套的英法里面的每一个小的模块，保证你生产出来的数据它的质量是足够的高的。这个是在我做整个 AI 过程中观察始终的一关注的重点，这个是从怎么说，对一些问题的认知上面的对。
50:45 2
然后另一个就是我觉得比较重要，就是你对这个系统的认知，我觉得也是没有变的。虽然你去操作这个系统的方法这十几年发生翻天覆地的变化，但你最终要操作的那个系统其实还是那样，还是一个双足机器人。然通过电机去驱动关节，以及你要给它装上一个大脑这么一个问题本身，它其实是没有变的。所以可能从十几年前你就对这个问题有了一些概念。这个系统的这些概念，其实也是慢慢会去影响你后面去做很多技术的选择。
51:17 1
后面逐步清晰。是的，我理解你们火神队当年打的那个小组比赛，其实整体上来讲就是人形双足运控。在这个大范围里你又是去负责这个感知决策的那一部分，对吧？对，嗯所以其实相当于你在这个阶段里面，你做了机器人的小脑。但是有一点涉及到大脑的部分，我可以这么理解。
51:38 2
对，在今天看来可能是大脑那个时候我们是叫它机械的眼睛，这个跟你后来自动驾驶。
51:44 1
的那个眼睛很像。
51:45 2
对，然后叫感知。其实我们那个时候的大脑是一个决策的系统，它其实非常简单，它就是一个状态机。衣服你看到了球跟球门，那你就射门，你没看到球，没看到球门，那你就转一圈。对对对对对，是一个基规则的一个系统。甚至我们在做感知的时候，一开始用的都是一些非 AI 的算法。
52:06 2
对，非常简单粗暴。比如说绿色的 RGB 值是多少？统一是 B，就是自然界都是通过 RGB3 个颜色，就 red、Green 和 blue 3 个颜色去组组合成各种各样的颜色了。所以我们的图像成像的原理也是这样的，就是图像上的每一个点，每个像素，它其实背后是三个通道，有一个绿色、一个红色、一个蓝色。然后它们有不同的深度，就是不同的深浅，然后从而组合出不同的颜色，大概这样的。所以你看一幅图像，你看到的是一个光怪陆离的世界，但是在计算机眼里看到的只有 RGB，它其实就是三个矩阵，然后每个矩阵里面是一个 0 到 255 的这么一个数字。对，然后我们就是通过处理这些数字去识别足球、球门这样一些东西。
52:53 1
所以那个时候机器人看到的世界不是我们看到的世界，可能是小狗看到的世界就只有几种颜色。对，明白。但是你那时候就是有这个概念吗？就是机器人其实是有大脑小脑系统的。
53:06 2
那个时候我们把它分感知、决策和控制。
53:09 1
那不就是今天的 VOA 吗？
53:11 2
BLA. 对你这么说确实有道理。但是那个时候可能不太支持语言的指令，它更多的是 V 进去之后就被替换。
53:18 1
对。
53:18 2
L 被替换。L 就是刚才我说的一些一个简单的规则，然后 A 就是它会去做一个动作就是控制。
53:24 1
我发现从你本科打 robot cup 比赛，其实做的是机器人的小脑运控这块。然后后来到了你博士期间，我们待会儿会聊到的，其实你做的有点接近于机器人的大脑，跟今天这个机器人大脑有点关系。然后再到你毕业之后，第一份工作去了华为做自动驾驶，其实是做了整个一个系统。所以我觉得这一系列的路径跟你后来今天去做自身创业是非常息息相关相关的。在结束本科的打比赛这段经历之后，你有没有意识到说，小脑这个东西我的感兴趣程度是百分之多少？然后我要因为我看你其实是有一个跨度，你后来是选择了多模态这个领域。
54:03 2
我这个转变是这样的，它其实里面有两件事情。第一件事情就是我刚才讲的，当时感知没有人。然后我就去做感知了。然后感知从最开始的传统算法，到后来因为 inch n net 出来了，然后大家开始用 AI 的方式去做。所以在那个时候接触了一些 AI 的算法，开始用卷积神经网络去做足球球门的一个识别。所以第一次接触到了 AI，觉得这个东西确实很很有这个魔力。
54:30 1
那是应该是 16 年，那时候你快。
54:32 2
毕业了是吗？对，就是在大四的时候，对，开始大家发现这个东西可以去识别非常多的东西。到后来还有另一个事儿，就是我在本科的时候，其实碰到了汤晓红老师对他去清华招生。
54:46 1
因为他当时刚组建 MM lab，对。
54:48 2
组建了 MM lab。同时他当时是成立了商汤科技。在大概应该是 1314 年的时候，就在清华科技园。所以当时很早的时候，我在大一段时间就在他那实习。然后那个时候对我还印象特别深刻。那个附近有一个公寓叫文津国际公寓。然后当时想他刚成立的时候就租了一个公寓的一个房间。客厅就是办公的地方，然后卧室就是这些员工睡觉的地方。当时只有十几个人，然后大家就开始在里面做一些人脸识别，人脸检测这样一些算法。所以基于那个我就也是相当于入门了一下这个计算机视觉。
55:26 2
然后确实感觉这个东西太神奇了，对吧？既然这么复杂，我对我我自己可能也是个脸盲。对，然后两个人我都分不清，他竟然都分得清。所以就会觉得这个东西还是非常有发展的潜力的。而且他既然可以用这么简洁的方式解决这个问题，再也不需要我去算一大堆数学公式了。
55:47 1
完成了机器的自主。
55:48 2
对，就完成了机器人自主的学习。所以我觉得这个东西它未来肯定有非常广阔的应用场景。所以基于这个我就决定去做一下这方面的研究。
55:58 1
MM lab 可能这个普通读者不太熟悉，我觉得它可以视作商汤的技术母体，就是这样这么一个实验室。它应该是在相当长的一段时间里面是具有非常高的学术地位。
56:10 2
学术的成果，包括人才的培养来讲，我觉得 m lab 都是一个非常优秀的这么一个 A.
56:16 1
I 的实验室。这个和汤晓鸥教授他的风格，和他的理念有关系吗？
56:21 2
我觉得有非常大的关系。对，唐老师我觉得他特别好的就是他的很多的理念在今天看来我觉得都特别的先进。对，比如说他倡导的一个叫黑羊文化。对对对，他给商汤选了一个吉祥物，是一只黑羊。
56:40 2
对，为什么选黑人呢？在英文里叫 black ship。Black ship 其实意思就是一些不合群的小孩，格不入对格格不入的小孩。他想告诉大家就是其实每个人都可以特立独行，他是非常尊重个体的差异的这么一个人。因为他坚信只有多样化，才能够去去发展出一些不一样的东西。如果大家都变成同质化，那其实就是一个流水线式的 paper 的生产工厂。其实这个不是他建这个实验室的一个初衷。
57:09 1
跟他有直接的接触。唐晓鸥教授。
57:11 2
我跟他有一些接触，但当时是这样的，汤老师把我招过去之后，其实平时带我的是林达华老师。对，所以跟林老师的接触会更多。然后汤老师一开始进去的时候，他还没有那么忙，估计一两个月可以见他一次。后来可能随着这个商汤对商汤的壮大，对，可能就是半年一年能见他一次。
57:29 1
他是个什么样。
57:31 2
的人我觉得他是一个非常和蔼可亲而且幽默的人。对对对，他他他非常有意思。比如说他早期在做研究的时候，我们全实验室都认识他的小孩叫明明。对他很喜欢拿他小孩的照片给我们做研究。比如说他当时第一个做的 topic 是我们的学长做的，就是他给他的小孩拍了很多的照片，然后发现这个照片每次要去挑一张照片特别麻烦。然后就说我们可以来做这么一个 topic，给我家的小孩做一个相册的分类系统分层。这个是去旅游的，在食堂的，在在什么地方的？
58:05 2
第一种就是你去 close 掉一个领域的，第二种就是你去 open 一个领域了。对，所谓 close 一个领域就是说终极对对，终极一个领域就是说你做了一个特别牛逼的算法是吧？然后你做了这个算法之后，这个领域的所有问题就解决掉了，大家再也不需要做研究了。对，这是他欣赏的第一类研究。然后第二类研究就是说你去去去提出一个？可能这个问题是之前大家没有想到的，但是是特别有研究价值的，然后去 open 这样一个新的领域，所以他的很多引领其实都是非常有前瞻性的。
58:36 1
学习了我们也要这样做选择。所以他是 MM lab 的这种精神领袖吗？
58:43 2
是的，潘老师确实是一个非常优秀的一个精神领袖。
58:48 1
所以后来大家得知他去世的消息，是会在你们这个圈子当中有一个震动吗？
58:55 2
会，我觉得大家其实非常的遗憾。对，因为是我觉得汤老师他给其实不只是 m lab，我觉得他对于整个至少是华人圈，或者说至少是中国的 AI 的事业，其实都是起到了举足关键的作用。对，如果他今天还能在，我相信他还能继续带领这个 AR 行业去往前进一步，所以我们确实感到非常的遗憾。
59:23 1
你从 MM lab 里面，比方说像唐老师，像林达华老师，你会不会从他们身上找到一些比如说我应该去做一个什么样的 leader，甚至是领袖的一些精神之一。
59:36 2
我觉得是有的。比如说刚才汤老师给我的几点启发。第一个就是你要去追求卓越。如果作为一个 leader，你给你的团队，给你的跟你合作的人，大家的追求要足够的高。大家说的这个求其上得其中。
59:52 2
然后第二点其实就是我觉得汤老师是一个非常乐观的人。对对对，在在任何时候他其实不管实验室或者公司的压力多大，你们永远能看到他在讲话。他是一个非常幽默，非常乐观的人。所以我觉得这点其实也是给了我一些很大的一个感染。在这么大的压力下，你也是能够换一种思维去去面对这些困难。其实只要你的心态放得。
01:00:18 1
你总能走过去的。乐观它到底是一种天性还是一种方法？
01:00:22 2
我觉得它应该是一种方法，而且是我自己认为它是可以通过后天其他人的一些影响，对去慢慢让你塑造成一个乐观的性格。
01:00:35 1
你觉得你天性是偏乐观还是偏悲观？
01:00:39 2
我觉得我现在是非常乐观的，但天性可能不太小的时候。
01:00:45 1
是一个勇敢的人？
01:00:47 2
小的时候我觉得我也算是一个比较勇敢的人，当然可能也是刚才讲的这个环境非常自由，所以会比较包容，可以去探索，你可以试错是吧？哪怕你把一些东西搞砸了，其实也没关系。对，小时候还有一个故事也很有意思，就是看那个科学书。但是在我幼儿园的时候，看到这个母鸡孵鸡蛋。对，然后我就从冰箱里拿了一个鸡蛋，然后装进我自己的袜子里，然后放到我爸妈的被窝里。
01:01:21 1
好像我们都做过这样的事情。
01:01:22 2
对对对，后来那个鸡蛋应该是臭了，我爸妈没发现。对，但是他们也其实也没有关系，但他们就笑一笑，觉得特别好玩。所以我觉得在这种环境下，可能确实就慢慢的塑造这个乐观，然后勇敢可以去做各种各样的探索。
01:01:38 1
的乐观被正向激励了。是的，你人生当中有遇到。
01:01:43 2
过解决不了的困难吗？解决不了的困难，目前为止好像没有什么事，我觉得跨不去了。对对对。
01:01:53 1
你刚才讲就是面对压力的时候，就作为一个创始人面对很大的压力的时候，你依然可以乐观。这是一种方法。就是你人生当中现在遇到过最大的压力是什么时候？在华为的时候。
01:02:05 2
还是你现在自己创业。可能我的这个痛感比较轻，对，所以我没有感觉说哪一个东西是对，但是确实比如说像之前在华为做一些技术攻关的时候，对我印象比较深的有那么几次。第一次是我第一次接手一个非常紧急的。
01:02:24 1
然后马上要量产了。
01:02:26 2
对对对对对对，那个项目的时候其实压力是非常大的。然后当时我还接下任务，那个晚上对我还 12 点多给我的 meta 打电话说万一搞不定怎么办。对对对，但是他也给了很正向的反馈说，没事，这个东西他认识我搞不定是不是？对，搞不定就搞不定。
01:02:47 2
对对对，然后包括后来在做每一次这个大的技术变革的时候，其实都是有很大的压力的。因为你要去推翻重来，那你面对这个不确定性的技术，你也不知道自己能不能搞得成，所以每一次其实都很大的压力。对，然后包括今天其实创业也是一样的，虽然说有 95%的一个信心，对。
01:03:06 1
但是一样也变成 95%了对吧？
01:03:08 2
但是也有百分之。
01:03:10 1
短短跟我聊了 2 个小时上了 5%，我觉得我要开心一下。
01:03:14 2
对，但也有 5%可能做不成，所以还是有非常大的压力在。
01:03:18 1
当然说你是一个对压力比较钝感的人，你会有什么方式去解压呢？
01:03:23 2
我觉得早点睡觉。对对对，一般压力特别大就早点睡觉，而且我不管多大压力都能睡得着。
01:03:31 1
OK， 我们回到 MM lab，你进 MM lab 做了些什么事情？
01:03:35 2
学到了我进去做的 topic 非常有意思，对我的同学都特别羡慕。我对我做的托比是这个电影，就是做电影的解析。所以做 AI 其实你需要很多的时间去看数据。
01:03:48 2
然后当时我的同学可能在看做什么超分辨率，在看蝴蝶？那个翅膀放大十倍看它里面的纹理清不清晰。然后做人脸识别的各种各样的这个脸？然后动作识别在看什么跳高、跳远。对，只有我每天在看电影，所以他们特别羡慕。对对对，是一个美差。对我当时做的 top 就是说因为当时达华老师他跟我说做这个图像，做这种短视频已经有很多人在做研究了。但是怎么用 AI 去解析一个 2 个小时长的，而且是有声音、有音乐、有对话、有图像的，还有故事情节这么一个多模态的数据。
01:04:28 1
这不就是后来的视频声纹吗？
01:04:30 2
对，怎么去搞这么一个东西，其实是没有人研究过的，而且给的问题其实也非常开放。就是说用 AH 解析电影做什么 topic 你自己选，然后在上面做了很多很多样的 top。比如说第做的第一个 top 是说我去做里面的这个人物的识别。但这个人物的识别其实会比简单的人脸识别会难很多。因为在电影里面人物他会换衣服，换换这个装扮，然后他可能有些时候侧脸，有些是背面，然后可能各种打斗动作的时候，他其实非常模糊。那你怎么把一个人在整个电影片段里面都给他精准的抓出来，其实是一个非常难的一个问题，这是研究的第一个 topic。
01:05:06 2
然后他研究的第二个 top 是说，我怎么说一句话，我去电影里面搜出对应的这个剧情片段，这个就涉及到语音跟文字之间的转换。然后文字到这边的这些刚才说的图像、人物，然后背景音乐、台词，这些东西之间的关联怎么去做。我当时也做一些生成式的，比如说这部电影你自动去剪辑出一个预告片。
01:05:30 1
对，这个现在大家都还在对努力的 work.
01:05:33 2
对这个 topic 也很有意思。所以就基于电影做了各种各样的，我觉得很有意思的一些探索。然后也是在这个过程中开始去接触 mlp，然后接触自然语言处理，然后接触 speech mission，接触语音识别，然后也接触计算机视觉。各种各样的东西都相当于我的这个 topic，让我接触到的这个知识面会比其他 topic 更宽一点。
01:05:55 1
大学期间其实我我理解接触的更多的是运控算法。到现在去去接触就到那个阶段去接触 NLP 肯定是涉及到这个学习，但是有没有涉及到强化学习我不知道。
01:06:07 2
那个时候还没强化，学习用的比较少，主要还是基于这种。
01:06:10 1
模仿学习多一点。这个跨度当中最大的一些认知上的升级或者改变是什么？
01:06:16 2
认知到的？我觉得其实最大的改变还是这个课题带给我的，就是他从一个命题作文变成了一个开放性的课题。就是原来的做的事情其实非常明确，我就是去把这个足球识别出来，那我就想尽各种办法就让它识别的准确率越来越高。它是一个命题作文。但是博士期间研究这个课题，就是你去研究电影。但是你去研究电影的什么东西，其实是没有人告诉你的，所以你就自己去想。所以我觉得可能是这种从封闭式的问题到开放式问题这种转变会给我带来的挑战会更大一点。
01:06:52 1
但是在开放式命题里面就有一个很重要的刚才一路的线索。就是你说你在本科时期，赵明国老师跟你说不要随大流。然后在 MM lab 的时候，汤老师说要做 black sheep。那你你在一个开放式的一个命题里面，怎么去找到属于自己的独一无二的那个可以称之为 black shape 的东西。
01:07:14 2
我觉得有有这么几个东西。首先因为这个问题，电影这个东西本来就当时在学术领域是非常冷门的，就是几乎你找参考文献都找不到的那种。
01:07:25 1
我有看你之前在社区写过的一些东西。你是说因为这个领域过于冷门，所以一开始你的论文。
01:07:32 2
都发不出来。对对对，我同一届入学的同学，联盟几乎是最晚发出第一篇论文的，前两年一篇论文都没发出来。所以导致包括我自己可能也怎么去说服别人？相信这是一个值得研究的问题。这件事也可能比你去解决一个大家已经知道是问题的问题会更简单一点。所以综合的因素就导致。
01:07:51 1
他确实会能力是从这里来的。
01:07:53 2
对，可能也是那个时候锻炼出来的。把问题讲明白。然后以及你要去 sell 一个这个世界上还没看到的，对还没看到的没有形成共识的东西。对，这个是我觉得他他非常。
01:08:05 1
挑战的一个点。回到那个问题，就是怎么找到属于。
01:08:09 2
自己的那个 black ship 的。我会从这个问题的本身出发。它区别于其他的课题，它有什么特质是吧？第一个特质就是首先它有多种模态，这是区别于原来有人在研究 LP 他拿的是一大堆文本。有人在研究 speech regulation 他拿的是一大堆语音语料，有人在研究 CV 他拿的是一大堆视频图像。但是我拿到的一个东西是它三种模态都有。那基于这个我就可以去做跟别人不一样对跨模态的东西。
01:08:39 1
其实这在今天聚盛是也是非常重要。
01:08:41 2
本质上今天巨神也好多模态大模型。好，大家在解决的就是信息，所有的模态对齐这么。
01:08:48 1
两个核心的问题。六月份谷歌 IOP 柴他也说 o to o 就是全模态，就是所谓任意模态对任意模态的对接和输出。
01:08:58 2
对，是的。其实你抽象来看大语言模型，我是语言模态到语言模态。比如说视觉语言模型，其实就是视觉模态和语言模态，再到语言模态。然后比如说锯身，它其实就是视觉模态加语言模态再到动作模态。所以你抽象来看，其实所有的 AI 在解决的就是模态之间的转换跟对齐的这个问题。然后第二个，电影还有什么东西就是它好玩，那你就可以在上面做更好玩的东西。
01:09:21 1
比如说生成一些预告片，一些娱乐类的视频，你好像一手搭建学术界首个大型多模态长视频数据集 movie。
01:09:27 2
对对对，这个其实也非常好玩，或者说前两年我觉得发布出文章跟这个也有一定的关系。对，现在吹牛听上去有很多这个定语是吧？但是当时是怎么得到这个定语的数据集的？当时会发现其他的东西大家可以去 youtube 上，可以去 google image 上爬。但是第一次做这个电影的时候，我想我也去爬，然后发现所有的电影都爬不到。对你能爬到的就是什么？是那种已经 50 年前的电影，黑白电影已经过了那个版权保护期了。对，所以你可以爬得到爬爬不到。
01:10:03 2
然后我就想了办法，OK 那不行，我去买光碟。对，所以是去了香港的这些卖光碟的那些放电影的那种 DVD，卖 DVD 机跟卖光碟的那些小伙伴。然后买回来之后发现，第一个是它其实没有那么多的电影，它的光碟其实也没有足够多，可能也就几百部。然后另外是买回来之后，你每一个要放到光绪里面去考，我把这几百部考完，可能要花半年的时间，这个效率也太低了。然后到最后。
01:10:30 1
怎么怎么搞有钱的对。
01:10:32 2
然后到最后怎么搞呢？最后发现大陆这边那个埃批当时在在校园网里面有一些 IPV6，在比如说像清华中科院这些内网，然后 IPU6 上大家在做一些资源，对，共享资源，但是有点灰度，不知道能不能播。那个上面有很多这种不那么正版的，版权不显明的电影，然后就是放在那里。可能但是它因为是一个也是算一个局域网，算校园网，所以版权保护可能也没有那么的规范。
01:11:00 1
这段经历其实他我我理解他是做一些多模态的感知分析。
01:11:06 2
还没有预测。对，那个时候没有预测，它更多的是一些理解跟。
01:11:12 1
深沉这一段学习和研究的经历，有什么研习的基础积电吗？
01:11:17 2
我觉得还是有非常大的关系的。第一点就是今天巨大的大脑，其实核心的技术就是多模态大模型了。它背后的这种怎么去处理各种模态的数据，与模态之间怎么对齐的一些方法论，其实是可以共享的。
01:11:30 1
模态的对齐和数据的处理是从这一段经历开始的吗？
01:11:34 2
是的，当时其实最核心的就是你有一个 NLP 的小模型，你有一个语音的小模型，你有个视觉的小模型。然后你会拿它们，我们叫提取特征，就是去不同的模态数据里面把它的这个特征提取出来。提取出来之后，那个特征其实就是一个向量。对这个向量之间你怎么把它映射到一个统一的空间里面，让它们可比。
01:11:54 1
那你能举个例子吗？提取特征怎么提取？
01:11:57 2
你打个比方，你可能在餐厅你拿到了一个汉堡，你在书店拿到了一本书，然后你在这个体育馆里面拿到了一个球拍，是吧？他们之间你其实是很难去对比的所谓特征的对齐或者模态对齐在干什么？我再给它建立一个统一的标准的空间，让大家拉齐到这个空间内。比如说我给他们定个价。球拍卖多少钱，汉堡卖多少钱，这样就可以通过价格去给他们做一定的对比。我就可以映射到不同的空间。核心就是我给他建立一个标准，然后在这个标准下他们可对比。
01:12:28 1
所以其实这个特征提取在自身里面也会非常重要。
01:12:32 2
是的，其实巨身它本质上也是在做这件事儿。就是我有一个图像的输入，我要给它一个特征的空间。然后我有一个语音的输入，我要给个指令告诉机器人去干啥。但是语音它是另一个特征的空间，然后同时我最重要它做的是动作，动作是一个空间。那我要怎么让这三个模态对在这三个空间内他们可互相转化，这个是其实是背后的这个核心点，只不过说现在大家是用一个端到端的模型去做这个。我刚才描述这个过程中，它可能隐藏在这个神经网络里面去了。但是它背后的本质还是一样的，就是在做模态的对齐，在做特征的对比。
01:13:10 1
过去比如说大家做 VLA，它是一个分层的一个架构。感知、判断、决策这三个部分都是在更早的时候，它都是独立运转的。是的，但是现在你我们都说端到端，就是希望能够一锅出直接映射到一个动作。就是这个转变的发生背后本质。
01:13:30 2
是因为什么？就是从局部最优到全局最优的这么一个转变。其实背后的核心原理就是一旦我把某个系统切开，那就意味着两个事情。第一个事情是我的下一个环节跟上一个环节之间的这个反馈。因为中间切开了，所以这个反馈是靠人去定义的那这个断的这个断点需要人去介入分析。一旦人介入就很取决于这个人本身的这个能力。但是人能看到的 case 跟数据肯定是不如机器的。
01:14:00 1
是吧？所谓人的介入，其实就是人通过算法的介入。
01:14:04 2
其实很多时候是人先去看这个问题，去分析，然后形成一些经验。
01:14:08 1
然后再去改这个算法。
01:14:09 2
所以就还是算法。对，是算法。
01:14:12 1
但是它经过了人脑这么一套流动以及算法不可能穷尽所有的场景。
01:14:16 2
所有的的 case。是的，这个人他也不可穷尽所有的 case。对，因为它绕了这么一圈。所谓端到端就是 OK，我把这两个模块做了一个合并，我中间不要切开了。这样的话我末端受到的所有的反馈，我就可以通过神经网络的这个反向传播，把所有的梯度从最末端传到最前端，就去除了中间这个依赖的这个瓶颈。你刚才最小。
01:14:38 1
的时候有讲过一点，就说在 25 年你决定要出来创业的时候，是因为你看到端到端能实现能跑通了。这个能跑通指的是 demo 能跑通。
01:14:48 2
还是我们说落地能跑通？落地能跑通在 25 年的八月份，对，应该是当时我们发了华为的 ADS4.0。对，那个就是一个端到端的版本。
01:14:58 1
然后你的在华为封山之作。
01:15:00 2
在华为的这个对对对，这个毕业作品，全量推送到了应该是当时一百多万辆车上面去了。
01:15:08 1
就是你看到了这个端到端可以量产，并且可以在现实世界当中交付价值，就不需要。
01:15:15 2
人工的介入。
01:15:16 1
是的，但这是在车在自动驾驶上，你怎么判断在自身领域也可以呢？
01:15:21 2
因为我觉得首先它的抽象上来，它的问题其实是很相似的。比如说它的输入都是看到的视频，然后输出都是一个轨迹。只不过输出它可能从一个二维轨迹变成了一个三维轨迹。但是它底层的刚才说的这个抽象来看的这个问题，它其实是一模一样的。我们说神经网络其实就是一个函数，Y 等于 FX 对吧？那它的输入的 X 变了，它输出的 Y 有一些许的变化。但是这个 X 本身都是图像，然后这个 Y 本身都是动作。所以我相信你经过一些努力的，或者说经过一些改进，它在这个三维的世界应该是能跑通的。
01:16:00 1
明白当时博士期间结束之后，你觉得 MM lab 留给你最重要的是什么？
01:16:05 2
我觉得有两个。第一个就是比如研究的这个课题，他其实给了我一个说你怎么从 0 到 1 去建立一个小系统的这么一个能力。然后自己定义问题，自己找数据，然后自己想问题，然后自己再提出一些解决问题的办法，以及自己去给这些问题建立一些评判的标准，来说明这些问题到底怎么样算做的好，怎么样做的好和不好。对，其实就是建立一个小的这么一个系统跟体系。对我觉得这个能力其实是非常重要的。它是不管是在这也好，在剧情也好，它都是一个从 0 到 1 的一个过程。然后怎么从 0 到 1 的过程中去把这个体系给建好。我觉得这个是在研究的时候，锻炼下来的这个能力。
01:16:53 2
什么是系统？系统的话就是你定义好它的输入以及输出，然后同时定义好你的输出的好坏的评价标准。然后你的输入输出评价标准以及你中间的这个算法模型加起来就是整个系统。
01:17:09 1
它可以自运转。在博士期间在 MM lab 你做的是多模态这一套。我理解其实比方说 CV，包括就是搞电影，对吧？搞影像这种应该也是那个年代挺火热的一个方向，也挺吸引人的。但你为什么毕业选择去华为搞汽车了呢？
01:17:28 2
对我当时其实也有不同方向的选择。比如说去做这个短视频。
01:17:34 1
那你可能就去自学了。
01:17:36 2
做一些视频的特效，到后来可能。
01:17:38 1
是视频的生产，今天就去搞。
01:17:40 2
这个视频模型了。对，这个也是一个方向。但是最终选这个支架，我觉得有这么几个原因。第一个是还是愿意对机器人的喜欢。因为我确实觉得做一个东西，你看到一个物理的实体在那能蹦能跳的对，会让我更有成就感一点。然后第二个就是其实我还是比较想去一个新的地方，然后希望是能从 0 到 1 去看到整个从技术原型的研发到产品到规模化的这么量产的这么一个整个生命周期。我觉得在这样一个东西里面，你去经历完整个生命流程，并且你把它真的真真实实的送到用户手里的时候，你那种成就感会比你去一个已有的体系做一些小的修改。让我更更自豪一点。
01:18:31 2
当时因为华为的 CPU 是刚成立，我 20 年去了，它 19 年才成立。那个时候第一代产品也刚开始，所以我觉得是一个比较荒凉的地方，就比较适合去开荒。对，所以就去了这里。
01:18:45 1
是以华为天才少年项目的身份入选者去的。是的，公众对华为天才少年这个项目都非常的感兴趣，他已经成为了一个标签了。那这个标签对你来说意味着什么？
01:18:58 2
我觉得这些所有的标签，都是大家在某个历史时期给你的一个浓缩的评价。其实在今天看可能意义已经不是特别大了。因为它代表的就算它能代表什么，一个是他是五年前的或者六年前的我。对，然后另一个就是。
01:19:12 1
才六年前还是。
01:19:13 2
挺厉害的对。
01:19:14 1
然后另一个就是。
01:19:15 2
它其实是一个浓缩的评价。比如说华为它有很多天才少年，但可能包括你也采访了很多人是吧？可能每个人他其实都是非常不一样的，可以给大家的一个比较抽象的印象就是可能这群人他在自己的研究领域有一些比别人更好的成果，然后他可能稍微比 average 的水平更聪明一点点。对，这是这个标签可能给大家的一个印象。然后通过这个印象可能可以让大家，让一个陌生人快速的对你建立一个概念。概念也就是一张名片的作用。但是我觉得它代表的东西不会太多。
01:19:52 1
对我来讲，但是我其实挺意外的。因为你我们刚才聊到了 MM lab 是一个非常自由的快乐的一个机构。但是华为在大家的印象当中是一个很苦的，非常约束的，一个高压的、严肃的这么一个至少这么一个企业形象。我还挺惊讶为什么会做出这样的一个选择呢？对，然后这里我。
01:20:13 2
就要说到天才少年的另一个作用。我觉得天才少年它其实最大的意义并不在于说他吸引到了，或者说不在于说他给了这些一些什么超越市场预期的一些薪资或者一些 title。它更多的是它其实打破了一定程度上打破了你刚才说的华为给人的固有印象。
01:20:33 2
就通过这个计划大家会看到 OK，原来华为它也是一个能够打破常规的一家公司，它其实也没有常规。比如说他给这么一个计划，它其实是远超越业界的这个待遇的一些制度。它其实是打破了自己传统的职级体系也好，包括它的整个人员的招聘的规范也好，是相当于是一个特殊的东西。大家就会看到这个东西是可以打破的那也许意味着他内部其实可能并没有大家想的说那些条条框框就是不可打破的，对吧？然后第二个就是他愿意给这些优秀的人才这么高的待遇，可能他是尊重个体差异，尊重人才的，我觉得这些其实是这个计划给外界传递的一个非常正向的一些信息，我觉得这。这个是这个计划可能对于华为这个公司，我自己个人认为就是一个非常重要的意义。
01:21:24 1
我想考古一下就是你在华为的几个比较重要的战役。你刚才也提到了，就是最早的用户量产。
01:21:30 2
它是是这样的，北汽极狐，它是我们的第一款要量产的车。然后应该是四月份，当时是第一次亮相。对，应该现在还可以查到很多的一个新闻跟这个视频。确实当时亮相的效果还比较不错，但是在亮相之前的可能 3 三四周这么一个时间。
01:21:47 2
然后我们当时做了一个决定是说我们把这个车上的那个激光雷达，可能大家最早看到的激光雷达都是那种 rope taxi 上面那种，我们叫旋转式的，我们叫机械激光雷达，就是顶在脑袋上，然后一直旋转，然后通过旋转来实现 360 度扫描的对，一开始其实在做这个 demo 跟做样车的时候用的也是这种。但是后来的话因为为了能去做，能降成本，然后能做这种车规级，所以就换成了这种。大家现在在车上看到的前面有一个小帽檐一样的东西，对吧？那个叫半固态激光雷达。然后换了之后，它其实成本下降非常多，但是带来的话它的算法的难度了，对，算法就崩溃了，然后当时就拉我去救火，就去救火了。对对对，因为我一开始其实也没接触过这个激光雷达，开始进去我是在那个叫视觉感知，后来说这个东西还比较难搞，然后感觉时间比较紧，就说那要不你去试试，然后就真的去试试，然后就带带着带着大家把当时六七个人，然后每天开这个我们叫日历会对，然后开始去梳理，怎么里面这个数据怎么做。
01:22:52 2
然后这个模型当时还有几套方案，大家还没有达成共识，然后带着大家把这个模型一点一点的去梳理，然后最终形成一套大家觉得一致比较认可的方案。同时把里面的很多个模块也做了重构，最终通过应该是就三周的时间，然后真的把它做到了比原来的那个激光更好的一个性能。
01:23:13 1
我突然想到你在火神队的时候，也是某个东西没有人做。
01:23:20 2
然后就让我去。你记得。
01:23:21 1
为什么总是你呢？你想过这个问题吗？
01:23:24 2
我觉得可能是幸存者偏差，可能那些模式行不行，你把他扔过去，他没有做好的那个人可能今天就上不了这个节目了。
01:23:33 1
对对，那为什么是你呢？
01:23:36 2
第一个是可能我比较勇敢和乐观？为什么他们总是会优先想到你那。
01:23:42 1
比较乐观的人呢？
01:23:43 2
一般这种比较难的问题，你把它扔过去，他不会立马跑路是吧？对，不会把他吓跑。我觉得这个是一个可能重要的一个性格上的一个特点。
01:23:55 1
但当时可是个救火的项目。
01:23:57 2
对对对。
01:23:58 1
我看过你在应该是华为开发者社区上面的一个文章。你当时说接到这个任务的时候，你思考了一会儿，然后决定同意了。你当时在思考什么？
01:24:11 2
我们在思考这个事情做不做的事情如果说。
01:24:14 1
你们想如果做砸了会怎么样？对。
01:24:17 2
如果做砸了会怎么样呢？对，然后后来想想，我刚入职半年，就是一个应届生做砸。
01:24:24 1
了应该不会。
01:24:25 2
应该也不会帮我开的，我就做做试试。
01:24:28 1
你说你之前没有碰过激光雷达，那你怎么上手去解决。
01:24:32 2
这个问题呢？对我上手第一天其实我就去看数据，然后你会发现其实背后它其实很多东西很像。比如说我刚才讲的 RGB 这样一个像素值，那激光雷达上单面它的每个点是一个深度值，就是这个点距离你多少米，以及它这个材质有多强的反射率。
01:24:49 1
你又开始提取特征了。
01:24:51 2
对，所以你会发现，那你把它抽象到这个程度之后，你会发现它背后的原理其实是比较像的。然后另外就是可能图像它是一个二维，那你可能要用我们在卷积里面叫做二维的一些卷积神经网络是吧。然后呢，激光它是一个三维的数据，那你可能可以用学姐的一些处理三维数据的一些办法，比如说三维的卷积，或者说一些稀疏的卷积，这样的一些 anyway 就是跟图像进行一个升维。但是同时别人可能在一些处理三维数据上面已经验证过的一些模块，你就可以复用过来。对所以其实我觉得背后的东西其实没有那么复杂。那你就可以复用原来的经验，针对这个不同点它的特性，你去想一些对你的改进的办法。
01:25:34 1
但是你讲了一个非常重要的点就是从这一刻起，你原来研究的这个二维领域的东西已经要升维到三维领域了。今天置身我觉得它的各种操作，就是它实际上是在一个三维空间里面去实现的。是的，就它从二维到三维是一个非常重要的跨越。是这样的。
01:25:51 2
我觉得是的，就是每升一个维度其实都会带来这个复杂度。对，因为它是一个量级的这个上升本质上是对于你算法的提取的效率。在你算力不变的情况下，你也要提升一个数量级。所以对你是有一些巨大的考验的对，但是我刚才说三维可能还不是特别严谨。
01:26:09 2
因为车它本质上是一个 2.5V 的，特别是在我们早期的时候，它其实 2.5V 的它更更关注的还是你在俯瞰视角下这个 SY 平面是吧？至于说你这个暂时飞不起来，对，暂时飞不起来。你这个东西多高，反正无论你是一米高也好，2 米高也好，你都不能撞是吧？你都要避开它。所以可能高度微商它其实相对在那个时间段，他还没有精细化到那个程度。
01:26:34 1
但是经此一役，你应该就是成为了那个叫叫哪个小组的 leader。
01:26:38 2
激光是叫激光感知。
01:26:40 1
对，当 leader 之后是不是要立的大概四五十个人。
01:26:44 2
那个时候其实一开始没有那么多人，整整个团队也是经历了，怎么说呢？对，不断壮大的一个过程。对，达到素质。一开始过去的时候，其实就是带着那六七个同事一起做。所以做完的话其实那个团队就加上我可能七八个人，差不多这么一个 team。对，然后开始做，后来说这个激光感知做的不错，我们需要去开发更多的这个 feature，那就需要更多人，持续的不断去吸引更多人进来。同时后来又发现说毫米波就是另一个传感器，对它还跟激光的处理方式有点像，所以把毫米波感知也放到这儿来就入境了。对，这个团队就又变大了一点。
01:27:22 1
其实总体就是因为多种传感器，它就是吸收进各种各样不同的信号，要融合在一起。
01:27:27 2
对，就是整个它的组织的发展过程，其实跟您刚才说的这个技术的发展过程去匹配上的。比如说一开始早期这些支架都是分模块的。我刚才说有激光感知，有毫米波感知，有什么视觉感知。然后可能大家是每个人负责一个模块，然后后面有一个融合的模块，就是这种模块化的方式，去做融合。但是后来随着各类的模态之间，首先是 AI 化 AI 化化之后就是融合 OK 激光和毫米波它很像它可以放到一个神经网络上面去处理，那就是两个模块做了个混合，团队也做了一个融合。
01:27:58 2
我的第二段经其实就是去做一个叫做前融合 VV 感知网络。对这个东西是干什么？其实就是对对对，其实他是干了两个事儿。第一个是把整个表达空间给它统一到了这个 VV 视角下，就是大家说的这个鸟瞰视角。这样的话后面所有的感知模型，它就可以有个规划的空间去做表达了。统一的表达空间之后，它对这个不同的车型它的适配性也就变得更好了。这是它的第一个一。
01:28:27 2
然后第二个就是前面那个词叫前融合。所谓前后期就是把激光毫米波，然后相机视觉都放到神经网络里面去做融合。所以原来可能是三个模块，现在就变成一个模块了。
01:28:39 1
就是所有的传感器信号融合到一个神经网络里。对，明白，这个还是今天据生共用的。
01:28:45 2
这个今天也是通用的。然后感知之后，已经变成一个接近于一个统一的一个模型了。再往后，其实就是感知跟规控之间做一个连接，然后同时把它们做了一个合并。这个就到了后来大家说的这个端到端，对端的本质就是把感知规控同时安化并且串联成一个大的模型。然后感知规控合并，那就你只能看到最前端就直接就是图像，然后一直就到感知规控，到最后端是未来的最新式的轨迹。
01:29:14 1
从感知规控到执行，就是过去到现在连接的都是用算法连接，对吗？是的，今天在巨升大家都在谈，比如说聚生脑模型，所谓的训模型。这个当中到底怎么样能够把你刚才说的从感知到归空到执行全部连接起来，其实都靠的是算法。
01:29:31 2
是的，你把这个神经网络当成一个黑盒，你其实是需要把这些黑盒打开，比如说那你视觉进去，我们有一个东西叫，他会把它做一个向量化，或者说把它转换成 token。然后你可能还有语言进去，然后你之间会用大家说的 transformer，去做一些 cross attention，然后到你最终输出又变成了一个动作的 token，或者一个大家叫 d fusion，是一个动作的去噪的这么一个过程，去去回归出一个动作的这。轨迹从一个大的盒子看，它就是 VL 进去，一出来可能是你拆开看，确实里面还是有原来类似于感知跟归控的那样一些模型的思路在，只不过说它对外变成了一个大的整体，所以你可以去做联合的优化。
01:30:15 1
你其实最开始是 67 人的小 leader，后面应该你离开华为时候应该是四五十人的团队。
01:30:20 2
对吧？离开的时候我那个团队有两百多人。
01:30:23 1
这么多从六七人的小 leader 成长到 200 人的大力的。你自己有什么管理上的，包括构建文化上的能耗。就是我看过你应该是带当时那个小团队去上海迪士尼做团建，然后看到后面有迪士尼的标志，是有一张照片，我觉得那个照片给我印象挺深刻的。因为我觉得一个团队的精气神和大家的那种表情是没有办法虚构出来的，就能够感受到那个团队很有朝气，而且很年轻。
01:30:51 2
对我因为车 BO 是一个比较新的团队，所以大家整体比较年轻。对，所以也会相对比较活跃一点。然后第二个就是其实我没有特别去想过怎么管理一个团队。说实话我自己其实我秉承的原则就是说最重要的其实就三个字，同理心。
01:31:08 2
对，就是你知道大家想要做什么，以及你知道一个工作它里面的当你给到一个人的时候，他可能会担心什么。对，然后你针对他担心的东西给他足够的支持，以及你能在他怎么说呢？就是比较亢奋的时候去去拉他一把，然后在他比较低落的时候，能够去给他一些鼓励跟支持。对我觉得更多的就是说你把自己放到他的位置，你去想如果他在他这个角色，那我可能会有哪些担心，我可能会有哪些需要支持的地方。然后你基于这种角色互换的这个角度，去做相应的动作，我觉得基本上就没有太大的问题。对。
01:31:57 1
但是你再带一个十人以内的小团队的时候，同理心是可以做到的。但是随着这个团队不停的变大，你个人的带宽毕竟是有限的。因为我记得黄仁勋好像说过，就是一个人对接的极限是 50 人。因为他就是世界上能够对接最多的人的 CEO。当这个组织的团队规模扩到一定边界之外的时候，你没有办法对每个人都有同理心和足够的时间和耐心。
01:32:22 2
那怎么办？是的，这个其实就是大家说的文化。对，所谓的文化就是你的做法。然后你连接的那十个人他学会了，并且他认可，然后他也这么做，然后大家十个人形成了共同的做事方式，然后这十个人又去连接 100 个人，它也形成一样的做事方式。大家通过这种做事方式的对齐以及传播气势，就形成了这个组织的一个文化。
01:32:48 1
回顾华为这段经历的话，就是给你最深刻的印象是什么？
01:32:53 2
最深刻的影响的话就是去打磨一个量产的产品，其实比想象那要困难得多。对，比如说以前在学术界，或者说包括今天其实巨神大家也在刷榜？如果你在榜单上看到一个准确率 99.99%，对你会觉得哇塞好厉害。但是当你在做一个产品的时候，99.99%意味着什么？意味着你有 1‱的缺陷率。当你把这个算法推送到你的 100 万辆车上面去的时候，那就意味着每天有 100 辆车会发生事故。这 100 个车发生事故，它背后可能会造成伤害的。所以这种量产算法它对这个安全性跟对准确率的极致严苛的要求，其实是留给我印象最深刻的。
01:33:40 1
量产的人会特别重视系统这件事情吗？
01:33:44 2
我觉得会。因为你要达到刚才说的极致的准确率，那其实意味着你每一个都不能有短板。
01:33:51 1
算法和算法系统是两回事吗？
01:33:53 2
我觉得是两回事。就是算法大家更多的一般是说这个模型本身新的架构是大家说的比较热的词是吧？BOA word model， 这个是可能大家传统意义上的算法。
01:34:06 2
但所谓算法系统是什么什么呢？就是我有 VI 有一个 word 摆在这，那我怎么去把它训练出来，可能这个时候就会涉及到数据，我怎么去把数据给它准备好，这数据要经过什么样的清洗？然后另外就是我需要迭代，因为我不可能虚拟版模型就百分之百可以，我需要一个评测体系去对比不同版之间的模型。然后同时我这个训练我需要因为我需要迭代，所以我需要速度足够的快？我如果迭代一版模型是一个月，那我就不用玩了。对我我最好就是每个小时我都能有新的模型，而且能快速的评测，那这时候就涉及到我的训练的方法，就是我怎么去做一个千卡万卡的并行训练，并且它的速度足够快，而且中间不出错。那这一套英法数据评测加上模型算法本身就构成了我刚才说的这个算法的系统。
01:34:56 1
所以其实你在华为期间是硬件软件、算法搭整个系统对在华为。
01:35:02 2
可能不涉及硬件，因为车本身不是也不是华为做的。但是对从训练的英法到数据到算法确实都需要 cover。我说的这个硬件。
01:35:11 1
可能是指的是 AI 基建算力的硬件，这个你应该有一定会涉及。
01:35:16 2
对，我们当时有一个 AI 英法的一个 team，我会去做中间层，就是从硬件层往上，比如说你去做一些算法的开发，去做一些训练加速。但是更底层的这个硬件，因为我们当时用的是华为自己的卡片，所以是升腾。
01:35:32 1
那个团队做的，也就是说从芯片往上，从 infer 开始，一路往上到算法模型，这一整个全栈你是做到闭环的。是的，你离职前是不是在华为已经是负责车 BU 的这个前沿 AI 算法和世界模型。
01:35:46 2
当时我们叫 AI 模型开发部，就是那个两百多万的部门。
01:35:49 1
你当时是 AI 模型开发部部长。
01:35:52 2
对，然后那个二百多人部门，其实就是所有的这个 AI 算法基本都在那。包括我们量产的，包括大模型的 team BOA word model 的一些探索，然后包括刚才说的 AI 英法。
01:36:03 1
其实你离职前 25 年，你对于比如说 VOA 和世界模型的。
01:36:07 2
看法是什么样的？我自己的看法是这些东西它其实不本质。对为什么说它不本质呢？在我的理解其实模型它本身也是一个小的系统，它在干的事情是什么？不管自己也好，或者说巨神也好，模型在干的事儿就是我把这个输入这么高维度的 token 给它压缩到这个低维度的 token。同时做了一个模态的对齐和转换，从视觉和语言模态给它转换到这个动作模态，他在干的就是这么一个事儿。
01:36:34 2
为什么会有 VOA？为什么会有 word model 呢？当然看 VOA 你是怎么看的。如果你是说我需要 VLA 这三个模态，那我觉得显然这个是对的。但是可能早期大数 VOA 更多的是说我去 follow 一些 VOA 的这个训练的方式。
01:36:47 2
我们可以看一下为什么大家需要我 model，需要 VLA，核心就是因为你会发现在这个系统里面，它的输入的维度特别高，但它的输出的维度其实很低。模型的训练其实就是它得到一些反馈，然后去纠正原来的一些参数。整个模型的训练就是这么一个过程。刚才讲输出维度很低，就意味着它每一次拿到的反馈很低，所以这个模型它的训练过程就会特别慢。大家自然而然讲到 OK，因为动作的这个模态很稀疏，他拿到反馈很低，那我能不能同时给这个模型加上一些稠密的输出，这样的话是不是就可以加速它这个训练的过程？那有什么稠密的信号呢？比如说我让他去做一个图像的生成，去预测下一帧，这个就是大家说的 word model 对世界模型的其中一种范式。这个是一种像素上的稠密信号，或者说我们叫空间上的一个稠密信号，这个是一个好的监督信号。
01:37:41 2
比如说 VOA 里面大家经常会做一个东西叫 COT，就是做这个叫思维链的推理的意思。比如说简单来讲，比如说我让你收拾这个桌面，其实机器人并不知道这个桌面怎么收拾。那我要给他讲解，这个桌面上有一个空的矿泉水瓶，它可能是一个垃圾，所以你要把它扔垃圾桶。这里有个手机，手机是不能扔的，你要把它放桌子上摆好。这样一些语言的推理过程。这个就是 VOA 的里面一个比较重要的一个训练方式。这个我们叫逻辑推理上的一个稠密信号，这个也可以加到这个输出里面。所以 VOA 跟世界模型其实。
01:38:13 1
一体两面指示方式对不对？
01:38:15 2
用到你最终的这个模型的训练里面去。核心就是我有视频的输入，语言的输入，有动作的输出。我要去以最快速的方式，最高效的方式去做这个模态的对齐，并且让这个模型保持足够的泛化性和足够的效率。其实这个是我们优化的永恒不变的目标。至于说我中间是加一点视频预测，还是加一点语言推理，我觉得不是里面最关键的地方。
01:38:38 1
甚至还可以加无穷无尽的方式。
01:38:40 2
对我们现在其实假如我比如说你去做深度的预测，去预测每个像素的这个距离。或者说你去做这个，我们叫语义的分割。就是给每个像素点打上一个标签，这是桌子还是手机？一些重名的信号，其实都可以对这个模型的训练起到比较重要的作用。
01:38:57 1
听起来像是条条大路通罗马，就是你确定了一个终点的目标之后，其实现在正在穷尽各种各样的。
01:39:04 2
高效的方式。是的，AI 本质上还是一门实验科学，来你的技术判断或者说你的审美很重要。它可以帮你在 100 个这个方法里面筛出那十个可能有效的，但最终那十个到底哪个有效，其实还是靠你的实验。所以为什么我们说这么费算力？其实很多时候是浪费在做实验，浪费在这个试错上面。
01:39:26 1
直接问一个问题，我没有太理解。对于一个支撑脑模型来说，它输入的信号都是重密的。但是就是现在目前它的这个动作映射的信号是稀疏的，所以要想办法添加一些稠密信号出去，它能够反馈的更快。为什么是这样的一个逻辑？
01:39:43 2
这里面有两个原因，第一个是稠密的，它可以在单次的训练里面得到更多的反馈。因为我刚才讲了它的输出跟标准答案的对比，得到的反馈是它最充分的对对最充分的。第二点就是涉及到我刚才说的这个模态的转换问题。因为毕竟是从一个视觉模态转到一个动作模态，他们俩可能是在不同的空间里面。所以你在输出里面去增加一些其他模态的输出，其实也可能有利于它这个模态。
01:40:12 1
之间的对齐。明白，你怎么看现在大家对于世界模型的追逐，而且世界模型我觉得定义也非常的纷繁。
01:40:20 2
我用世界模型肯定是没错的，但是更关键的可能是更细一层。你怎么用是吧？你是比如说刚才讲的，我只是用它来做一个视频的生成的一个监督，来增加它从密的反馈。还是说我让世界模型本身当成一个仿真器去产生数据，然后从而来训练我的矩阵模型。亦或是说我就把它当成一个在线的仿真器，我可以让我的模型在这个世界模型里面去探索，去试错。
01:40:47 2
它的用法有很多，同时它的做法也有很多。比如说做显示的视频生成的训练，是一种训练世界模型的方式，然后训这个影视的特征？Java 也是用训练方式，然后做 3D 的生成它也是用训练方式。所以我觉得可能我不太倾向于说用一个这么大的词去去泛泛的讲所有的东西。我们需要具体去看 OK，那你世界模型你是怎么训练的，你是用在什么地方，然后怎么用的对，可能才能更客观的去对这个技术做一个评判。
01:41:21 1
你刚才讲的这几种流派，这些流派的方式。
01:41:24 2
你都在使用吗？我们可能大部分都做过尝试，对，然后我觉得各有优劣势，可能这个方向确实现在还没有收敛，当然也是现在还有这么多人出来创业做世界模型的原因，因为他确实没有收敛。然后目前的状态就是各有优劣势，怎么讲，确实需要更多的探索，他可能就更好看。
01:41:48 1
更多看。对对对，回到就是你在华为的最后时刻，因为你已经做完 4.0 这个自动驾驶的量产。然后当时其实你也已经做了 AI 模型算法的部长，然后也在涉及 BOA 事业模型这些非常前沿的方向。为什么还一定要出来创业？为什么不是在华为也许有机会也能做成。
01:42:13 2
一番伟大的事业？我觉得还是内心有一点火苗。我会觉得说如果说我自己预判，这个时间点会未来的 5 到 10 年会爆发。我自己如果错过了这么样这么一个机会，或者说错过了这么一个自己亲手去造一台从小就有梦想去噪的这么一台机器人的这个机会。那我觉得是一个非常大的遗憾。所以还是觉得鼓起勇气就是去去去成立这么一家创业公司，然后真的希望自己能够花五年、十年甚至 20 年的时间去打造这么一个基线出来。然后还有一个比较有意思的是，我们当时在打入 cup 的时候，他的目标是说 2050 年要当年的机器人的足球冠军，要听当年的世界杯冠军。对，所以你看一看表，还有二十几年是时候该开始做了。
01:43:13 1
你有没有推演过，如果未来几年里面，美国西方做出了断代式的这种优秀的脑模型，并且是闭眼的话，那会不会就是重演就是说中国只能出硬件的优势，利润的大头又被美国被硅谷拿走了，中国又只能做苦哈哈的硬件生意这件事情，你有推演过这种可能性吗？
01:43:34 2
这个时代应该不太可能发生这种事情。因为我们从两个东西看吧，第一个是大模型是吗？其实今天的大模型，虽然说中美肯定还有差距，但是至少已经远远不是你说的那个状态了。在大模型这个领域，至少已经把差距拉到了半个身位。然后具身这个东西，它又跟大模型不太一样，它不是一个纯虚拟世界的东西。它还需要要有硬件，包括整个数据的采集，它也是依赖于一整套复杂的软硬一体的系统的。最大的区别就是。
01:44:07 1
巨生模型的数据是从头来过。对，从头来过。
01:44:10 2
所以在这一点上，在中国其实它的至少在硬件供应链这一块，我觉得还是有比较大的优势的那借助这个优势，我们可以建立起数据的优势。然后借助数据的优势，说不定还能建立模型的优势。所以我自己对巨深这个赛道的竞争来看，我自己还是也是非常乐观的那。
01:44:29 1
我觉得这个可能会和你干过自动驾驶有关系。因为你从华为自动驾驶 1.0 时代加入，那个时候华为的自动驾驶还是 nobody。但是到今天其实大家都已经认可它的地位，这也是一个从无到有，从 0 到 1 的过程。对，包括中国人的自动驾驶，现在也是。但到了世界试驾。
01:44:48 2
基本上中国头部的公司跟特斯拉我觉得也没有显著的差距了。从这个角度看，我并不觉得说我们有那么大的差距一定是会落后的。
01:44:59 1
如果有机会或者有相当大的机会，就是优秀的脑模型能够出现在中国的话，是你还是别家先做出来有什么区别吗？
01:45:09 2
我觉得一个模型的出来，其实大家所谓的出来，是因为它形成了一定的社会影响力。比如说大家经常说的 GPT 时刻。在 ChatGPT 之前，其实 OpenAI 也好，google 也好，其实大家都贡献了非常多的这个技术点。
01:45:25 2
然后它整个的演进，其实并不是大家看到的说从零吞了就蹦到 1。它其实是这些头部的公司，这些最聪明的人从零做到 0.1 做到 0.2、0.3。然后只不过说最终爆发的那个时间点，那个 0.9 到 0.1 对对刚好出现在 open I 身上。所以我觉得整个巨升其实也是这个现状，我确实不能保证最终引爆的那个点是出现在末期。但是我觉得只要我是这里面的其中的一员，我在一直往前推。即使不是一出现在哪，那有可能二有可能三有可能四出现 GDP 出现。
01:46:02 1
之后还有 cloud，对，cloud 出了线之后还有 gym nin 之后 ops 又来了。是的。
01:46:06 2
所以更多的是说你要让你自己保持在第一梯队。
01:46:09 1
五因为你觉得它是个持续游戏。
01:46:12 2
对，而且爆发的那个点它也是有很多偶然因素在的那你能决定我把我的整个的模型能力做到最强，然后保证自己永远在第一梯队。
01:46:20 1
这个问题我也问过杨宝琴，有声音认为车是最简单的机器人。
01:46:24 2
他的观点是不太同意。我自己还是会认为从系统的角度讲，还是比较像比较同意。对，比较同意的。因为车机就是一个四个轮子的机械，或者说你把现在的机器人最简单的形态是轮式底盘加一个双璧，那你把这个双臂砍掉，下面的底盘就是车。另外从系统的角度来讲，所以很多方法论是很像的。但只不过确实机器人它会复杂很多。然后它是一个三维的，车可能还是。
01:46:46 1
一个 2.5 维的。我理解姚老师他主要不同意的点就是说机器人相对于车来说，它的复杂度是指数级别的增加。而这个问题背后就是说如果那些带着车自动驾驶的经验来到这个行业的人，他有什么需要警惕的？
01:47:02 2
这个我是非常同意的。但是我觉得这个并不是说车跟机器本身的这个差异，包括即便我们当时在做支架看，从每一代的技术 1.0、2.0、3.4.0，其实每一代它都是在一定程度上的推倒重来。所以我觉得从车到机器人也是你就是你要抽象出那些能借鉴的方法论，重新建立一些自己的认知，然后去不断的在你的方法上去推倒重来，然后最终推导出一个真正的机器上能 work 的这么一个系统。华为自动驾驶。
01:47:33 1
从 1.0 到 4.0，就是每一代都是推倒重来。当你发现可以去推导的时候。
01:47:38 2
你到底是兴奋的还是痛苦的？整体是更兴奋的，其实维护那些旧的模块也是一件很麻烦的事情，它就陷入到无尽的长尾问题的解决。而且当一个模块它的上限就卡在那的时候，你其实特别的难受。因为你就发现我们叫跷跷板是吧？你改了这个问题，那个问题就解决不了。因为它整体的。整个的它的水平就到这儿了，但是你每次推倒重来，其实是你是在提升它智能的这个上限。一旦你把智能上限提上去，其实你会发现很多问题，他可以迎刃而解。
01:48:09 2
但是团队这个对团队是有一定的冲击的，比如说其实很常见的就是一个团队里面维护救母坏了，这个团队他会更不开心，就凭什么大家去做新的东西？也因为我觉得现在的很多算法工程师，大家都是很年轻，意气风发。所以大家肯定是希望去做创新性的东西。所以你在维护一个旧有的模块，然后你看着别人在做新的，你自己做不了新的。然后同时你还会知道，可能再过几个月我的模块就要被替换掉了。所以这种心理落差我觉得肯定是会有的对对，所以对于团队来讲是有一定的冲击的。然后我们比较好的方式就是说我们其实当时是说我们轮换着来，你做第一代，有人在做第二代。然后做第二代人把它做到商业上的时候，你去第一代人去做第三代。所以这样的话轮换可能大家就会从组织上去解决大家这种心理落差的问题。
01:49:04 1
因为这个行业实在是有太多自动驾驶系来创业的创业者了，以至于这都形成一个派系了。你去看其他的这个自动驾驶派的时候，会觉得像在照镜子，还是说也有很大的差异。
01:49:18 2
我觉得是会有异同的。有些团队他可能更追求这个算法的创新，但是比如说我们其实是更叫叫务实一点，很多时候我们是验证了很久很久，确定他对这个体验安全有提升，我们才会去推一个新的版本。像其实大家在 24 年到 5 年很长一段时间在自家也在炒这个 BOA 但是华为其实并没有跟进，核心就是我们自己在内部其实做了很多很多的对比，发现加入 language 这个模态其实对支架来讲，它的作用并不是很大，并不明显，所以我们最终也没有去跟随这个热点。
01:49:56 2
华为的目标它其实一直非常明确，要以客户为中心。就是所有的东西最终他问你的问题就是你上了这个东西，客户的体验能不能提升？客户的安全性能不能提升。如果说不能只是说它有一些新的技术，新的词能去做宣传，那这种方案一般都是会拒绝的。今天最深，但我觉得可能 somehow 也也有也有这种现象？可能大家优化目标不太一样，有些是更看重落地，有些更看重基础模型，有些更看重比如说单点的能力的上限，有些人更看重我系统级别的能力有没有短板。
01:50:32 1
就是基础模型和量产你更关注哪个？
01:50:34 2
我们的想法是这样的，首先如果你一定要排个优先级，那肯定是基础模型排在前面。回到刚才那个出发点，我觉得巨星是一个超大市场，超强赛道。去拉长时间来看，你的智能的上限是决定你这家公司的上限的。所以你的核心竞争力或者说你的最核心的东西肯定要投入的。技术模型落地的问题怎么解决呢？我们去找一些最小成本，通过后训练就能落地的场景。因为你不到一个真的场景，凄惨的小四跑，其实你是不知道你的硬件到底可不可靠的。所以我觉得这两者都很重要。
01:51:08 1
这当中难道没有一些因素是出于比如说融资考量？因为毕竟你们是一家非常早期的创业公司。如果你的模型能够抵达更高的智能上限，可能在资本市场上你会拥有更多的主动权。会有这个原因吗？
01:51:21 2
我觉得这个原因比较少，核心是我看现在的资本市场特别火热。怎么说呢？大家都欣赏的东西也不太一样，不同投资人他欣赏的不太一样。比如说有些投资人他就觉得你去做基础模型的训练，你去提升上限。然后有的人就觉得说你就应该去落地。你有百台的出货，有千台的出货，你就是比较牛的公司。所以我觉得无所谓，今天走任何一条路，我觉得都可以找到欣赏你的投资人，你就找到相信你这条路径的伙伴就行了。
01:51:51 1
你现在因为创业了大半年的时间，你有没有发现什么原本。
01:51:56 2
你不知道的事情，原本我不知道的事情，我觉得有一个小的点是比较棘手的对对，可能它其实也是一个软硬一体的问题。就是你会发现你的模型在 A 机器上的表现跟在 B 机器上的表现它就不太一样。这个背后的原因是什么？确实现在的据称它的我们自己的有的数据量或者包括这个模型能力可能还不太够，所以它是一个泛化性，可能确实还不是特别的强。然后另一个就是大家的硬件不其实对它的一致性还是比较差的。所以你会发现一个模型不到 A 机器跟不到 B 机器，它可能最终的动作就差了那么一厘米或者几毫米。但是对于你做一些精细的动作，它其实就会有影响。对，这个可能是比如说你在坐车，那你显然不会有这个问题。因为汽车工业已经发展了这么多年，对吧？它的其实整个它的可靠性。
01:52:53 1
它的一致性其实都做得非常好了。所以语数还是有护城河的，因为人家的硬件一致性很做的很强。是的，我觉得是他时间积累出来的。你觉得这件事情短期内能够去解决吗？就硬件的一致性问题。
01:53:06 2
硬件的问题，我发现它的迭代周期就天然比软件要慢。所以它不是一个说我花一个月花两个月就能解决的。但是我觉得拉长时间看你放个一年两年，我觉得大家都会解决。
01:53:18 1
所以你们会自己造本体吗？我们自己会做本体一定要做吗？
01:53:23 2
我觉得核心还是刚才那个就是硬件它不是我们最看重的核心竞争力，但是它会影响我们智能的迭代速度。所以为了提升我们算法跟系统的迭代速度，我们选择在现阶段自己做硬件训练模型的时候，其实有一个也是一个细微的点。你的机器从看到一个东西到做出一个动作，这是你的系统实验。那你要怎么让这个系统时延尽可能的去接近人，或者说如果不接近，你要去做一个补偿。那这个时候你就需要，如果是你自己的机器就可以很好的去调这些东西。对但是如果别人一起，那可能你要去找好多好多的供应商。
01:54:04 1
所以没办法，就是大家就都得。
01:54:06 2
自己找问题。对我觉得是现阶段大家一个比较共性的一个选择，就是一些有有能力的基本上会选择软。
01:54:15 1
一体先往前做。理解我踩过的机器人工程派的一个创业者的话，他也非常认同这些自动驾驶派来的优势。但他指出一个小危险，他说就是只干过车，没干过机器人的，在灶本体的时候才会意识到机器人是一个多么复杂的硬件。有这件事情也是需要学费和时间的。你现在有这种体会吗？
01:54:36 2
我认同他这个点对，确实因为硬件对我来说也是一个相对比较陌生的。虽然本科的时候摸过一点点硬件，但是说实话那个时候更多的是在上面调算法不够深入。然后确实也在造硬件的过程中踩了很多坑。但是 anyway 我大家出发的时候有不同的履历背景。可能他做过机器人，他在硬件上有一定优势，他没碰过算法是吧？对对对，可能我搞过算法，那我可能没什么意见。
01:55:02 1
都有自己的功课。
01:55:03 2
其实所以核心并不是看你出发的时候的逻辑背景，更多的还是看你在学别的功课的时候学的有多快。
01:55:09 1
这个时候你对你自己的学习能力。
01:55:11 2
还是很有信心是吧？我觉得至少还是可以的。
01:55:14 1
硬件方面的短板，你在拉团队的时候有有想办法去补吗？
01:55:18 2
有的，我现在不太方便说他们的名字，但是确实是有有一些有经验的人在的，我觉得硬件确实还是比较吃经验的。
01:55:26 1
你现在会更倾向于的技术路线是怎么样去探索这个橘生的模型。
01:55:31 2
我的想法就是我会自己列一个工具集，我在这个工具集里面去不断的尝试。这个工具集本身也在扩充，因为整个学术界业界大家都在研究一些新的方法。如果把它当成一个实验科学，我们平时是怎么讨论这个算法方案呢？就是我们会把最近看到的一些，比如说学界看到一些 paper，一些新的 idea 列出来。然后比如说把我们自己基于我们的实验结果，我想到的或者他想到的 A 想到的 B 想到的一些改进的方案给他列出来。再把可能是跟业界的一个朋友交流，他告诉我的他们的一些想法，然后大家拼到一起 OK，然后把这 1 2 3 4 5 6 7 8 9 10 全部列出来，然后合并你们同类一下，然后剩下的 OK，大家一起来看你排一下这个优先级。然后排完之后我们把从直觉判断我们就觉得不靠谱的筛掉，大家分工然后去做实验，然后大家把实验结果拿上来，然后我们再去做去做一个决定。它整个的就是做算法的一个过程，它其实是一个标准的控制变量的实验的这么一个过程。所以它是有工程跟方法论可以遵循的。
01:56:32 1
你怎么保证就是你直觉排掉的筛掉的那些不会是出了漏网之鱼？
01:56:37 2
这个不能排除，确实也有可能是吧？那这个没办法了，这个只能选择相信我们我们几个人的这个审美对。
01:56:45 1
你们的审美是什么？
01:56:47 2
我觉得大的方向就是我觉得美的东西都是简洁的。大家在做算法的时候会说这个 simple but work。我们这个 AI 界有一个特别牛逼的人叫何恺明是吧？对，它的方法就都是 simple work 是吧？就是很简单很简洁，但是它确实是非常 work 的办法。觉得我们整体的审美也是这样的，我大的方向我觉得就是简洁更细致的方向，可能就大家有一定的差异化了，可能也比较难描述。
01:57:13 1
对我试图在你们身上找差异性，就是我觉得这是一家在算法层面特别强，然后系统就是有 know how 的这么一个团队。包括我觉得你本人也是这个团队的极强的一个特殊性。但是你是否认同这个差异性，以及你想做出的差异性是什么？
01:57:30 2
为什么大家会觉得现在各家没有差异性？确实现在我觉得整个行业确实还是在早期，这个是一个客观的现实。就是没有谁说真的去外显的做出了一个特别惊艳的一个特性，或者说大家喜欢说的这个 GPT 时刻是吧？至少最深的这个 GPT 时刻，大家没有看到这么一个点。但是背后其实我觉得大家能力上的差异其实是已经有一些分化了。比如说你有没有能力去刚才说的做基础模型，你有没有能力去一个真实的泛化的场景里面调通。可以看到水面之下已经有一些差距了。
01:58:04 2
但是外显来看做不差距的原因，还有一个客观的原因就是据身它的评测体系其实不是很健全，而且很难做评测。因为大家的硬件不一样，场景不一样，数据不一样，所以你会看到很多榜单。但是这些榜单它其实可信度也很低，就是没有一个统一的衡量标准。具身的这些榜单的可看性就是非常弱。所以会导致可能大家都可以在某个方向说自己是第一名。
01:58:32 2
然后第二就是我还是希望给大家留下的这个差异性。但第一个点是你刚才说的，就是我们是一家能够把算法做到极致，能够把智能推推高，这个智能上线的这么一家公司，这个是我们希望去构建的差异化竞争力，我们想去构建的第二个差异化竞争力就是靠谱。对，所谓靠谱就是你开源的一个模型，你下来大家就是一用就跟你宣传的差不多。或者说你对外说的一个 demo，跟你放在真实场景的一个作业的这个状态，至少是差不多，差距不大。对，差距不大。以及卖给客户的第一个硬件，就真的能够 7 乘 24 小时在那稳定的跑个。我们不说采用，至少半年一年是吧？那我们希望是是是这样的一个 tag。
01:59:18 1
我前段时间跟行业里的也是头部公司的负责人聊，他们说现在西方放出来的这个开源的东西，有的时候有点水分，会给你放个烟雾弹。然后实际上你去试了之后，或者去了之后，你发现可能能跟他宣传的，或者他给出的方向也不一定一致，你没有发现这样的情况。
01:59:40 2
我觉得对还还是有的。这个行业我觉得还是确实还是比较混沌的一个状态，确实会有这么一些现象。当然这个东西并不是说大家造假或者什么？其实只是说他把好的一面给展示出来，但是差的一面它不对外说，更多的时候是这么一种情况。其实我们还是希望不管是哪家公司，还是要充分的把自己好的一面，不好的一面都说出来。我觉得才能有助于一起推动行业往前去进步。
02:00:08 1
今天巨升的这个头部公司，大家都说百亿俱乐部是吧？这些拿了超级多钱的公司，大家都是有一个赛程表的，我相信对你来说也是。接下来这个 12 到 18 个月。
02:00:20 2
你的阶段性考卷会是什么？我们可能会在今年的下半年到明年的上半年。就接下来你说的这 12 月里面，第一个是我们会推出我们的第一个硬件的产品，更客观讲应该叫原型机对吧？现在的很多产品在我看来应该叫原型机。对对对，同时他能够去一些真实的客户场景去做一些 POC。第二个就是我们希望能够去对外开源我们的第一个技术模型，并且希望这个技术模型确实是能够比较好用，比较靠谱。这可能是我们接下来的两个关键的程。
02:00:56 1
所以还是那个问题，就是别人已经宣称量产了，然后已经部署到真实场景当中，也有 7 乘 24 小时作业了。当然这都是大家的口径。你这个时候就是交付基础模型，交付原型机，你不焦虑。
02:01:11 2
我觉得并不焦虑。核心就是还是看你的宣传跟你的实际水平差距有多大，吧？嗯然后另外就是我还是坚信我刚才那个观点，就是你要扎扎实实的去做每一步。因为如果说这个行业的客观现实就是这样，那你去过分的 over clam，其实我觉得没有太大的意义。你非要把一个可能达不到规模量产的，在我看来就是你你如果一个东西你不能一致可靠了，72 小时不能产 1 万台，它是每一台之间都是一致的。那在我看来它就是原型机，可能大家的定义的标准它其实不太一样，对，口径不太一样。那你用一些更夸张的口径去做宣传，其实我觉得可能短期有一些利益，但长期来讲它其实也没有一些实质性的太大的价值。因为最终所有的东西最终都回归到价值。
02:02:08 1
其实当中有一个非常重要的信号，就是你觉得这个行业是有 overclaim 的现象。
02:02:12 2
肯定是有的。对。
02:02:13 1
因为这么高的热度，掺杂着一些真真假假。
02:02:16 2
在竞争的激烈的情况下，必然有一些真真假假，是吧？而且吹牛这个事儿，本身咱也客观的看待，也不一定是说所有的吹牛都是错的，是吧？如果对你去过了的牛你能去兑现，那我觉得也是一个好事。
02:02:30 1
还有一个信号就是说现在因为大家都在拼量产，按照你的这种观察角度来看，就是它喊出的量产数字并不意味着它已经实现了。比如说喊出了 5000 台，并不意味着他 5000 台都是.
02:02:43 2
一致性极高的产品。是的，在我看来今天你要说今年能够产 5000 台出来靠谱机器的公司，我觉得不会超过三家。
02:02:53 1
你觉得你什么时候能够产 5000 台靠谱的？
02:02:55 2
我们希望我们明天可以。
02:02:57 1
你们的原型机会是什么样的？
02:02:59 2
就是人形吗？我们第一个还是一个轮式底盘的，应该在八月的 wrc 会跟大家见面。
02:03:06 1
所以你们出亮相会是在 wrc。对，你们现在的这个原型机是针对你刚才跟我最初跟我描述的。就是说你现在挑选了比方说酒店的这种场景，是的，是为这个场景所设计的。
02:03:19 2
是的，就是一个服务型的机器人，可能一些特别重载的东西他做不了，因为我们不是为重载做设计的。但是轻量化的所有的类似于家务，或者说做一些工业场景，其实它本身都是可以做的。
02:03:32 1
从硬件的形态来讲，酒店这个领域有一家非常著名的公司叫云记。是的，现在已经很常见了。它基本上是做到了一个相对比较支配的一个地位。这些上一代的自动化机器人的头部，今天也在非常积极的往上升方向转型。你跟他们之间谁会走的比较快呢？怎么说呢？
02:03:51 2
传统的机械公司要转型去做巨升，我觉得客观讲是有一定的难度的。比如说一个是大家有没有这个认知，我愿意投入可能几亿几十亿放在这个训练卡上面是吧？可能就是大家说的把钱扔水里听个响，甚至可能听不到响是吧？对对对，这种认知我觉得可能是很多。因为传统的基金公司它的运营模式，它的这个呃财务或者说其他的一些东西的运转的形式，可能跟这些公司它其实也不是不是特别一样，所以这会导致他们转型有一定的困难。然后另外就是对于这种 AI 人才的吸引力方面，我觉得对他们来讲也是非常的挑战的。你要去怎么说服一个 AI 大牛说你来这么一家传统公司能够在上面去做出一些大模型，或者说一些自身的模型这样一些东西是我觉得所以至少目前来看，我觉得还没有构成这个竞争的关系。
02:04:49 2
对更多的是可能他们在做的是原来的一些简单功能，然后我们是希望去做一个更通用的功能，比如说原来只能平面的移动，那我们希望去做房间里面的清洁，然后我能去做衣服的送洗，我能把衣服放到洗衣机，放到烘干机，然后我能去送餐。我再也不用要点一下按钮，我直接手递给你之类的。反正各种各样的这个更更接近人的，更接近服务员的一些功能。对我觉得是可能是这一代机身才可以做的对。
02:05:21 1
但是这当中有一个非常现实的问题，就是你总是要有第一批吃螃蟹的客户。我觉得 B 端是很现实的，弊端是用脚投票的。之前也跟工厂的这些客户聊过，有一批头部的比方说制造业客户或者说传统行业的客户。他们基于某种 formal，或者是对于新时代的准备，他会采购一些机器人去做一些工作。但是毫无疑问，就是目前机器人的它的节拍，它的工作效率肯定是不如人的。更别提它的成本，其实相对来讲现在还是比较高的。那你进入到酒店，你也要回答这个问题，就是什么样的酒店会采购你们的机器人加服务。
02:06:00 2
我觉得分两点来讲。第一点就是为什么我觉得可行？可行就是它不需要百分百替代，可以渐进式的进入。你只要能节省原来的保洁员的时间，比如说你节省了他 30%的时间，那就意味着一个酒店可以从原来十个保洁员变成七个保洁员加三个机器人。所以你是可以阶段性的渐进式的去进入的。
02:06:20 2
然后第二点，就是觉得大家今天其实肯定是在做一定的预判。但大家更多的是说，我在看两年后、三年后，比如说你刚才讲的就是成本的？那随着这整个行业一起发展，整个供应链走向成熟，它其实成本是可以急速的下降的。然后算法其实通过我们这几年的发展，它其实也有比较飞速的进步？比如说最典型的大家能看到的是运控。
02:06:44 1
春晚赚手帕。
02:06:45 2
对，到达武术。然后其实整个操作其实也在发生非常飞速的进步。比如说以前其实只能处理刚性物体，到后来能叠衣服，到现在能做一些精细的操作。然后到现在大家在做这种移动的操作，就是能边走边干活提升效率？其实整个它也是在不断的进步的。
02:07:07 2
所以你可能更多的是说我去预判 OK，那现在确实不太行。那两年后我有没有可能进去？我有没有可能以好的成本，然后好的这个算法的实现效率进去。然后对于这一点，我觉得我自己还是比较有信心的。
02:07:23 1
但是投产客户这个怎么解决？
02:07:25 2
核心有两点。第一点就是你能给他带来价值，那就是实打实的拼效率了。然后第二个就是其实酒店它本身也在拥抱一些智能化。对我我我们看到的现象是说很多酒店它其实也有智能化改造的这个诉求。这个酒店给人一种科技感，但其实说不定也能给他吸引来一些客流量。
02:07:45 2
然后第二个就是说他们其实也害怕自己错过这个智能化的浪潮。我作为第一个吃螃蟹的人，可能我会付出一点成本，但是这些成本其实也是一个风险投资。如果未来真的整个酒店行业变成了这个机器人做服务为主，那我是第一个尝试的。我整套这个服务的流程跟系统，我是更快的去跟他匹配的。说不定在下一轮的这个行业酒店行业这个变革中，我就能去产生一些差异化的竞争力。
02:08:12 1
但我觉得背后还是一个刚需，因为未来人力只会越来越贵，不管是在中国还是在欧美。
02:08:19 2
是的，然后这个现象其实在你说的在海外其实会更严重一点，特别像什么北欧、中东这些地方，其实本来就是靠外来的劳动力在补充。
02:08:28 1
你会有全球化的打算吗？
02:08:29 2
我们有全球化的打算是比较重要的一个战略。当然这个确实也是我们的一个优势。我的合伙人他其实是一个有非常强的全球的运营能力，以及全球的商业化能力的一个人，然后包括他出海的这些经验，肯定是我觉得在今天的剧情行业应该找不到第二个。所以这方面我们确实是有一定的优势的。然后第二个从客观层面来讲，本质上你这波巨深想做的是干活。那干活其实就是劳动力替代，劳动力成本更高的地方，显然你去替代的可能性性就更高能带来的商业的回报。
02:09:02 1
上也会更高。酒店这个场景会比进入家庭这个场景要好吗？
02:09:07 2
现阶段我觉得会更更简单一点，每个家都长得不一样，所以在里面其实对于你的泛化性的要求是。
02:09:14 1
非常的高的。
02:09:15 2
酒店相对标准化一些，对，至少是相对比较标准化的。另外一个就是从数据回流的角度来讲，确实酒店是在保护好隐私的情况下是可以回流数据的。但在家里我们自己去调研的情况感觉是比较难的。就大部分这个用户他可能不倾向于让你把家里的数据录回去。
02:09:32 1
明白，接下来介绍团队。
02:09:34 2
团队人太多了，优秀的人太多了，介绍不完。我挑几个介绍。对，我们第一个成员是我们的架构师，他叫董思远。然后思远是这样的，他是这个 MIT 的这个 PHD，他其实是在机械行业算是一个老炮了。对，他在很早之前就一直在研究这个视触觉以及机器人的抓取。然后他在 MIT 的那个 GL set 的那个那个验室，然后他的导师应该是现在是波士顿动力的这个算法的科学家。所以它相当于是从可能十几年前就开始从最传统的这个机器人的运控抓取 manipulation 这些东西，一直做到这个 learning base 的这些东西他都非常的熟悉。而且可能从学术界来讲，他比较亮眼，距离他拿过这个 ICRE 的 best paper，然后拿过 ISS 的 best paper 的提名，对这个应该都是非常有含金量的。
02:10:31 2
科学的成果是我们的架构师，然后他确实是从整个系统层面，我觉得从操作到运控到硬件都能力非常全面的一个人。然后我们还有一位科学家叫王太，王太的话其实是 m live 的学弟，毕业之后是一直在上海的人工智能实验室。然后也是在那边做了非常多的自身的有影响的工作，包括一些导航类的工作以及一些操作类的工作。然后也开展了很多有影响力的项目。他也是获得过我们计算机视觉的一个顶会 ECCV 的 best paper 的提名，所以相当于他从这个三维视觉到具身的导航跟操作，其实都有非常好的研究的成果。
02:11:17 2
我们还有一个是天威，对他前几天还是被放了小红书了。对对他他的履历也比较好，他之前是做这个自动驾驶的时候，他有很多 4d former，包括这个 uni AD，就是我们端到端的开山之作是吧？这个 uni AD 也是 CPI 的 best paper，他也是里面的核心作者之一。然后到后来做巨身，它其实在地平线也开源过一个 holo brain，就是一个巨深的一个比较有影响力的一个框架，所以它也是支架跟巨身，然后工业界跟学术界的综合的能力都非常强的一个人。对，这是我们的几个主要的算法的人员。
02:11:57 2
然后我们团队还有一个 99 年的小姑娘。对，她是一个软件能力非常强的人。她是本科毕业就拿到了华为的天才少年的 offer，然后一直在软件领域有非常丰富的经验，开发过包括鸿蒙的这个系统，包括我们车载的 ADS 的系统，里面很多的性能优化都是他做的。现在做我们整个软件的架构。
02:12:22 1
我又要引用一下杨宝清的老师的一句话。他说据深这个领域，他觉得真正最顶级的人才，并不是大家以为的发过顶会 paper 的人，而是亲自动手修过 bug 的人。我不知道你同不同意他这话。
02:12:37 2
我觉得是两类人都要有。所以我们在组建这个团队的时候，其实也是这两类人的结合。对，你可以看到刚才像王太，他可能是一个纯实验室背景的。然后像思远，包括刚才讲的这个每年，包括天威，它其实是既有学术界背景，然后又有工程背景的。对，所以我觉得是需要两者的结合的。网上说的修过 bug 的人很重要，对，但是同时它也是一个技术充满不确定性的东西，所以对前沿的算法的 taste 其实也非常重要。所以我是觉得一个团队这两方面的能力是都需要具备的那。
02:13:16 1
很有意思的一个话题是你刚才说华为的这段经历，量产的这段经历让你还是比较务实的，但是你又非常强调算法的 taste。如果算法的 taste 和务实这件事情冲突了会怎么办？会有吗？这种情况首先我觉得。
02:13:34 2
并不冲突，它其实是两面，就是最终的那个结论，你肯定是用实验结果说话，是吧？这个就是我说的务实。你在做一个技术路径最终的判断的时候，是靠实验结果，是靠最终的用户的反馈，这个是没问题的。但是为什么需要 tax 呢？因为今天的方法太多了，idea 太多了，是吧？每个人脑子里可能都有几十个。从这上百个上千个 idea，你不可能都去做实验，都去做到最后的产品，都去拿到用户的反馈。所以还是需要靠你的 taste 来做初筛。所以我觉得他们是不矛盾的，是在你做整个算法过程中的两个阶段。你先靠你的 taste 去做一个初筛，然后再用务实的这个数据实验的结果，客户的反馈去做最终的判断。
02:14:26 1
莫奇的团队有多少人？
02:14:27 2
一共莫奇的整个团队现在有 150 多人。
02:14:31 1
其中有多少是算法团队？
02:14:33 2
整个算法加数据我们释放了一个团队，就包括我刚才说的那个数据引发的处理，现在大概是。
02:14:39 1
50 个人左右。所以 50 个人约等于模型团队。对，可以这么理解，除了模型这个团队之外。
02:14:46 2
最大头是哪一部分？最大头可能底层软件跟硬件这两个团队差不多。
02:14:51 1
二十多人差不多。因为现在在原型期阶段，对能不能讲一些比较有趣的事情，是可以体现你现在这个团队的一些精神气质或者文化。
02:15:01 2
比较有趣的事情。你们团建吗？我们我们喊了好久的团建。
02:15:07 1
就没团成了，没时间。好。
02:15:09 2
对，好惭愧。
02:15:09 1
我觉得我们的产品展示的时候。
02:15:11 2
可能大家可以大家提前给大家一个预告。我们的设计师其实做了一个非常好玩的东西，可能是现在这个市面上看不到，我们做了一个可 DIY 的表情，就是我们的机械的脸，它其实是一个空的脸，然后我们会提供很多这个表情的配件，然后你可以在上面 DIY 自己的表情，这是我觉得一个非常有意思的功能，是一个磁吸式的一个结构。对，然后你可以直接把这个表情贴上去，就比如说你有一个眼睛，然后你有一个眼镜，然后你有一个滴汗的一滴汗水，然后你是一个实体的东西。
02:15:44 1
然后你可以贴上去。你们还是要想要提供一些。
02:15:48 2
情绪价值的，是吗？对我觉得在这个过程中，其实好玩也是一个比较重要的。因为整个做的过程中其实非常的苦？但是当你看到一个玩的机器人的时候，其实会让你的心情更好一点？那心情更好一点肯定你们才能想出更好的 IDA。
02:16:07 2
我觉得一个团队的氛围，包括你做的产品的调性，甚至包括你整个设计。所有的东西的调性其实是会影响大家的这个心情的。心情是会影响大家的这个灵感的对所以我觉得还是一个开心，然后有创意点的这个氛围，更能激发大家的灵感。给你描述一下。
02:16:32 1
最近一次团队有这种开心好玩的氛围，我想想开心。
02:16:38 2
的时间点有点多。
02:16:40 1
我们最近其实一直。
02:16:42 2
在做密集的调试，就是为了应对我们的这个亮相，我们把它叫基线医疗队伍。我们就从各个部门调了一支医疗队伍，然后每天在各个调试的场景之间去来回的怎么说呢？来回的这个义诊义诊。
02:17:02 1
对，给他治病。对对对，给他治病。
02:17:04 2
可能这个也没有特别好玩是吧？
02:17:07 1
没有，这挺好玩挺好笑的。
02:17:09 2
没有我觉得这个行业的硬件给我带来的一个认知就是说可能不是所有的硬件都像车一样稳定了是吧？对你随时不知道它会出什么 1 蛾子，所以你需要非常健康的心态去看这些东西。
02:17:23 1
你说想要做一个好玩的也很重要的公司，就是你想象当中机器人发展到一个什么样的形态，它是足够好玩的，然后足够有价值的。这个蓝图是什么样？
02:17:37 2
我觉得未来机器人应该是你的一个伙伴。什么叫好玩呢？就比如说我们想想做的第一件事儿是机器人真的能在公司里面去去跑来跑去。而且他在跑的时候能够根据你的在做的东西给你主动的有。
02:17:55 1
一些反馈。对。
02:17:56 2
主动的有一些反馈。比如说看你干了很长时间，提醒你，你要起来走一走，我们一起跳个舞。对，或者说看你做了很长时间，主动给你倒杯水什么先按个摩。
02:18:07 1
这个打工人比较需要，我就号召所有的机器人公司赶紧做。
02:18:11 2
先让机器人给人按摩是吧？对对对对。
02:18:14 1
所以灵巧手还是要做一下。
02:18:16 2
是的，对，现在按摩可能比较危险了，对吧？万一给你一拳？对，我们可能从接触物体这种安全的东西开始做起。然后这个是我们想做的一个事儿，就是让机器人主动去跟人做一些交互和互动，我觉得是一个好玩的一个起点吧。对当然未来的话，比如说他走进家庭，他可以陪你一起做一些游戏，然后他去户外可以陪你一起踢足球，然后去野外可以帮你拍张照，然后可以帮你拎个包，各种各样的东西。我觉得他可以陪伴你在整个生活中的方方面面。对，然后慢慢的变成我们的一个伙伴，我觉得这可能是我们未来想要的一个机器人的最终的一个你。
02:19:00 1
觉得这个要多久？2050 年能实现吗？
02:19:03 2
2050 年肯定能实现，2050 年都要踢世界杯冠军了。对我觉得十年的时间应该是能实现的。
02:19:10 1
这么乐观。但我理解其实好多的公司都是秒向 C 端的终局去做的。但是 C 端尤其是进家庭，它有一个我很难解决的问题，就是高度非结构化的环境里面的泛化。这个应该是很有难度的。
02:19:26 2
是的，比如说工业物流，它是所有东西的 A 点和 B 点都是固定的。对，就是一个东西它最开始出现在什么地方，你要把它放到什么地方是吧？严格界定。对，严格界定的。然后酒店场景是 A 点是不确定的，你不知道客人会打乱成什么程度，但是你的 B 点是确定的对，但是家庭就是 A 点跟 B 点都是不确定性的，你不知道一个东西买过来它应该放哪里，然后你也不知道今天应该放哪里，明天该放哪里。
02:19:52 2
所以它整个场景是非结构化的，然后你的目标也是更模糊的。所以它对于整个机器人的整体的综合能力要求都更高的。他都不只是操作了，他其实对交互的要求也非常高，是吧？就是呃你要知道人的意图，就意图的理解这件事情也是很难的。所以我觉得家庭的这个场景确实是一个高度非结构化，然后高度非标的这么一个场景。但是我打开脑。
02:20:18 1
洞会不会它也可以像比如说我们今天用全自动扫拖地机器人一样。就是我买回家了之后，我先建一个模，那我就为它的终点 set 好了一个目标，就是 A 到 BB 是设定好的，只要就是物体偏移这个它本该设定好的环境，我就机器人自动放回去，这可能也是一种路径。对，但这样的话它。
02:20:37 2
其实就不够聪明。举两个例子，第一个是你新买一个物体，那怎么办？我要再扫一遍是吧？大家会觉得很烦。比如说对，然后比如说你今天其实你可能想在这个房间里面办公，明天你可能想在这个客厅办公。一个东西他要帮你放到的位置是不一样的。其实人的这些意图会变化的对那你怎么去理解这些意图，其实也是需要他有更聪明的感知和交互的。
02:21:05 1
能力的呈现。C 端价值暂时在你的短期的攻坚路线图里面，并不在这张图里。
02:21:11 2
我觉得在我们的图里，我们找到这些中间点，其实是需要说未来能进入家庭的。刚才说的以酒店或者商住公寓作为我们觉得想主力去做的一个场景核心就是我们觉得在里面锻炼的能力，收集的数据，其实是为未来的家庭有帮助的。所以我们的想法可能是说 OK 我要爬山，我要爬到山顶是吧？那呃我可以允许我绕 1 点路，然后绕过的那个路可以看到不同的风景，可以去做一些阶段性的落地，这个是允许的。但是不允许的是说我往一条岔路一条死路走，我走过去之后我还要回来，我还要走回头路。这种路径可能就是我们在今天不会去做选择的。
02:21:51 1
就酒店是你的一号营地，然后可能家庭 maybe 是三号营地。我不知道。对对对。
02:21:56 2
那他应该是顺路的。
02:21:57 1
你是一个长期主义，具有连续性。
02:22:00 2
我觉得还是比较长期主义的。从整个本科到博士到工作到现在，其实都是在物理 AI 这条路上是吗？可能它的不同模块去做深耕，然后包括可能很多现在我们在做的事情，我们都是冒着最终的那个状态去做的，我觉得整体来讲，我还是相信长期主义带来的这个复利。
02:22:25 1
今天就是在资本市场占位的时候，其实我们拿到所有的资源一定是基于这个人过往的成功的一些经验和成果。但是我有的时候也经常会思考，就是说我们过去所有成就我的东西，会不会是未来的某种瓶颈或者束缚。你会在人生当中的某些时刻，你会有这种声音会亮出来吗？你会担心过去的某一些经验可能会成为你未来的束缚。
02:22:52 2
我觉得还好，核心就是这些成功的经验。对外说因为我有这些经验，所以我可能能把这个事做成。但是真正在做一件事情的时候，我觉得我还是比较遵循第一性原理的。然后你从问题再去拆解出说我解决这个问题需要什么经验。这些经验如果过往的经验能用上的我就用上。如果用不上，那我就去找新的解决方案，或者去找一个有这方面经验的人。对我觉得可能我更多的时候处理事情是这么一个推导逻辑。
02:23:26 1
所以就是对你来说是永远在学习的状态。
02:23:29 2
是的，永远在解决问题的状态。
02:23:31 1
成功的经验是次抛的。
02:23:32 2
是的。
02:23:33 1
那你希望莫奇是成为一家什么样的公司？
02:23:37 2
就像我最开始讲的，我觉得首先我希望莫奇是能一家是一家能走的长远的公司。能从如果这几年我们把它定义为巨神智能的起点，那我们是能从这个起点出发，然后一直走到这个巨神智能真正爆发，真正走进千家万户的那么一个时间点的一家公司。
02:23:58 1
从起点到起点，对其实这个开启的。
02:24:02 2
启然后到这个起点爆发的起。
02:24:05 1
明白你会希望这家公司保有一直保有哪些特质吗？
02:24:10 2
我希望保有的特质就是靠谱靠谱，不管在任何阶段都能够提供最靠谱的东西。比如说现在做最靠谱的原型机，最靠谱的模型，未来做最靠谱的产品。
02:24:25 1
我觉得你这个还蛮有趣的。因为你作为一个 90 后，因为我觉得确实客观来说，今年 90 后也不算特别年轻，但是也不算很老。就是作为一个 90 后，但是很少从一个 90 后或者 00 后的嘴里听到说我要做一家靠谱的公司。当然姚老师说过，杨宝琴说过，这个靠谱在这个行业是非常稀缺的品质。
02:24:47 2
你把这个跟杨老师在找，跟姚老师一个年纪了。
02:24:52 1
本来我在见你之前，我想象当中应该是一个会讲很 fancy 的故事的这么一个年轻天人的形象。但是我跟你聊完之后，我就觉得华为在你身上的烙印还是挺深的，感觉真的是很很务实。
02:25:08 2
然后很求真。是的，我觉得确实华为给我留下的最大的烙印就是务实。就是切切实实去从需求端出发，然后去解决每一个问题。
02:25:18 1
希望能够见证你们作为一家始终靠谱的公司，在之后的很多节点还能有机会对话。好。好，这期节目就到这里。本期播客的视频版已经全网上线，欢迎前往 B 站、微博、小红书视频号、腾讯视频等平台，都能找到我的视频专栏。
02:25:43 1
这是一档追求深度生动与信息质量的科技商业访谈。我们争取在每一个技术商业时代的关键变化节点，提供负责可靠的一手信息。欢迎在留言区留下你的评论，你的评论、转发、分享对我们来说真的很重要，我们下期再见。
02:26:06 2
But that was when the of the world.
Click any line to jump · Hover to ask AI
Content Overview
对话聚焦 AI 与机器人技术在酒店行业及未来家庭场景的应用，探讨了智能化转型对吸引客流和提升竞争力的重要性。华为天才少年青求分享了从华为自动驾驶项目到具身智能创业的经历，强调了算法创新、硬件可靠性与基础模型能力的平衡。公司莫奇致力于研发高泛化能力的机器人，目标是 2050 年实现机器人全面融入生活，成为人类伙伴，提供全方位服务。团队以谦虚自信、温柔坚定为核心文化，重视长期主义与靠谱品质，计划通过酒店等中间场景锻炼能力，为未来家庭场景做准备。
#### Speaker Summaries
发言人1
他从华为自动驾驶项目负责人转型为巨深领域的创业者，强调了算法与系统工程能力的重要性，以及对行业创新与务实态度的坚持。他在华为主导了自动驾驶量产，创业初期获得 10 亿元天使融资，展现出对行业发展的乐观态度，重视团队凝聚力与持久性。他认为，其在技术壁垒领域的人才号召力是资本市场追捧的原因，行业未来将重视数据价值，算法在机器人领域的核心作用不可替代，设想未来机器人形态将更加多样化。他分享了创业挑战、团队建设与管理经验，对行业未来发展有深入思考与规划。
发言人2
分享了在华为自动驾驶项目中的经验，包括激光雷达算法优化和团队管理策略，强调了建立系统能力和从 0 到 1 过程的重要性。他乐观看待具身智能领域，坚信长期主义和务实态度是推动技术进步的关键。尽管公司成立仅半年，算力投入已跻身行业前五，但行业存在人才分散和过度乐观现象，需通过高质量数据和核心技术缩小差距。他重视团队的谦虚自信与温柔坚定，对细节极致追求。从童年动画片到清华大学自动化专业，再到与火神队共同成长，这些经历为他创业奠定基础。他坚信机器人将成为人类伙伴，而团队长远发展和凝聚力是马拉松式竞赛中的决定性因素。
具身智能 创业 华为 自动驾驶 融资 技术 机器人 大模型 系统工程 算法 闭环系统 投资 团队 马拉松 产业化 商业化 工程化 产品化 赛道 人才
Content Overview
这是一个在 2026 年才正式浮出水面的具身明星项目。 墨奇智能成立于 2025 年底，半年内完成超过 10 亿元天使轮融资。创始人黄青虬是前「华为天才少年」，亲历华为智能驾驶从 0 到 1 、从第一代到第四代的完整建设，离职前，他领导 200 余人团队，时任AI 模型开发部部长，并把端到端方案推向量产。
从去年年底开始，这个项目是具身领域投资人们纷纷约见和抢注的对象。
从本科、博士到华为工作，黄青虬完整经历了机器人的小脑、大脑及系统的学习、探索和实践。其中穿插着清华火神队、汤晓鸥成立的 MMLab 以及华为自动驾驶，这些人工智能的传奇之地。
这是一期信息量很高的访谈。它能解答一个问题：为什么在 2026 年，具身浪潮已经狂飙了三年、全行业有数百家具身企业之后，这个赛道仍然有新选手的机会。
要点概览：
• 具身是马拉松，不需要弯道超车。
• 具身量产需要更严格的定义。今年能产出 5000 台靠谱机器人的公司，不会超过三家。
• 数据的质量，远远重要于数量——在一个人人都高喊「1000 万小时」「1 亿小时」数据的时刻，黄青虬认为，今天行业接触到的具身数据「质量是不够高的」，且缺乏统一的标准。
• VLA 和世界模型是一体两面，但它们都「不本质」。
视频版将在 8.4 日中午上线各大平台：b 站、微博、小红书、视频号等，欢迎前往：）
本期嘉宾： 黄青虬 （ 墨奇智能创始人 ex 华为天才少年）
本期 Shownotes：
05:36最晚下场的「华为天才少年」，与具身爆发的节点：2026 才出发，晚了吗？* 大模型从 chatbot 发展为 coding 、agent 成熟
* 智驾领域实现可泛化、可大规模商用的端到端一段式控制技术
* 批量具身公司出现，具身创业门槛不高？
* 「投资人可能默认我能做成」 11:34具身是一场马拉松，不是百米冲刺：起点差几个身位，没有太大的区别
* 技术范式未收敛，所以起点不重要
* 行业热度高，人才分散浮躁——这个领域需要怎样的人才画像？
* 太多人谈弯道超车，什么是这个行业真正的基本功？硬件可靠性、算法数据模块的精度效率是「苦活累活」 19:20路线选择：toC 一定是终点，但可以先把 toB 当跳板
* 场景选择：可泛化、可分阶段落地、能够回流高价值数据以迭代通用模型
* 具身行业的数据质量很成问题
* 好数据的三个条件
* 「具身的 Scaling Law 会比大语言模型更难 」
* 具身模型存在模型结构的矛盾，挑战很大 29:28算法不重要？「算法是这一轮智能的核心」
* 算法架构是容易抄的，但探索过程中积累的方法、人才、组织氛围无法复刻
* 成立仅半年，月算力投入达千万级，算力投入可排行业前五
* 「这个行业的算力投入与行业热度，是不匹配的」
* 大脑的算力门槛为千卡级别，要出突破性成则果需达万卡级别 36:58机器人兴趣：从《铁甲小宝》、《黑客帝国》，到清华火神队
* 赵明国老师的清华 508 实验室
* 「不要随大流，要有自己相信的研究方向」
* 运控古典派如何看待宇树：Sim-to-Real 最小背后，硬件一致性与参数整定
* 细节决定成败：负载系统会放大误差难以溯源 53:24从机器人「小脑」到「大脑」：传奇 MMLab 带来的一切
* 初识 CV：恰逢 ImageNet 诞生，多模态理解一定是大势
* 商汤往事：在文津国际公寓的岁月
* 汤晓鸥强调的「黑羊文化」
* 从封闭式走向开放式的命题：重新定义系统
* 什么是具身大脑的核心？
* 通用的「特征提取」
* 什么是好的系统？ 01:17:11加入华为：「华为天才少年」、救火、与自动驾驶的四代更迭
* 「华为天才少年」打破了外界对华为的刻板印象
* 「银狐」量产救火：从没上手过激光雷达，却完成了算法修复，怎么做到的？
* 什么是可迁移的经验？如何迁移？
* 从六七人扩张到200人的管理与文化：同理心是关键，找寻一致的人
* 什么是真正的财富？地狱级的量产有更严苛的标准，刷榜没有意义 01:36:03「VLA 和世界模型，都不够本质」
* 为什么会出现各类技术方向：具身模型动作模态稀疏、反馈少、训练慢
* VLA 和世界模型是一体两面：都是为了将模态从稀疏推向稠密
* AI 仍是一门实验科学，需要大量验证试错
* 华为自动驾驶 4.0 量产完成，我从华为「毕业」了
* 如何做技术选择？「美的东西，都是简洁的（Simple but work）」 02:00:07量产的定义需要更严格：不能做到 7✖️24 小时运转，每一台机器人保持一致，就是原型机！
* 中国做硬件、硅谷出软件（大脑）的故事几乎不会重演：具身的数据是要从头来过的
* 「ChatGPT 的 changing point ，只是刚好出现在 OpenAI」
* 每次推倒重来，才有机会提升智能的上限
* 「我对量产的定义可能更严格」「我希望做一家靠谱的公司」
* 「今年能产 5000 台靠谱机器的公司，不会超过三家」 02:09:32豪华团队：追求「温柔与坚定」，有趣也很重要！
* 具身很复杂，「你永远不知道会出什么幺蛾子，需要非常健康的心态去看待这些状况」
* 工程很重要，学术 taste 也很重要
* 做机器人很苦：产品和团队的调性会影响心情，心情又会影响灵感
* 乐观是一种可被习得和塑造的方法
* 「看一看表，还有二十几年——是时候开始做了」 加入听友群⬇️
Make your daily reading actually fit you.A daily brief built from the sources you follow. Get started free
00:00 / 00:00