Exclusive Interview with Qianxun Founder: 2 Billion New Financing, Embodied Model Elimination Race, Landing Non-Consensus

26 年的具身会非常像 23 年的大模型，如果模型性能跑不到头部，就没有机会上牌桌了。<br> * 题图：从左至右为千寻联创郑灵茵、千寻联创高阳、千寻创始人韩峰涛<br> 文丨程曼祺<br> 编辑丨宋玮<br> 一位 80 后机器人创业老兵韩峰涛，一位 90 后 AI 大模型学者高阳，千寻智能有中国具身行业里独特的创始人组合。<br> 春节前，千寻完成近 20 亿元人民币两轮融资，估值突破 100 亿元，新股东包括云锋基金、混沌投资、红杉中国等财务机构，Synstellation Capital、TCL 创投、明荟投资（汇川技术董事长家办）等产投方，重庆产业投资母基金、杭州金投等国资；顺为、Prosperity7、达晨财智等老股东也继续投资。<br> “临时组队创业” 本被视为一种风险：韩峰涛和高阳之前不认识、没交集。但具身智能是一个超级跨学科领域，它以 AI 大模型的性能为核心变量，也需要硬件本体、工程、能源、材料技术和商业化经验。跨圈组队合理而必要。<br> 韩峰涛身形健硕，快人快语，他 2011 年从浙大研究生毕业，2015 年联合创立协作机器人公司珞石，担任 CTO，历经 10 年创业，仍头发浓黑。<br> 高高瘦瘦、说话慢条斯理的高阳第一次见到韩峰涛时，觉得他看起来像 “生意人”，后来聊得深入，发现他懂技术、懂行业。在 23 年陆续见了 100 多人，最终确定和高阳一起创业的韩峰涛说：“靠谱的人太少，骗子太多。高阳绝对靠谱。”<br> 2024 年 4 月，千寻从孵化器搬到新办公室，韩峰涛在朋友圈回顾了过去的从业经历和中国机器人行业的变化。<br> 在千寻新一轮融资发生前后，中国具身智能行业还出现了数笔大额融资，从 25 年 12 月到 26 年 1 月，银河通用、云深处、自变量机器人都宣布了数亿元至 20 亿元的新融资。<br> 《晚点》与韩峰涛的这次访谈，从新近的资本市场变化开始，延展到了背后的行业变化，26 年竞争主题，和他对过去工业机器人创业的复盘。<br> 我们提到了 1 次 VLA，0 次世界模型和 18 次客户，这是韩峰涛的肌肉记忆。<br> 但他也反复强调：26 年不会是具身行业的落地生死之年，而是具身模型性能快速爆发的一年，千寻会把绝大部分精力放在模型上。这是一个经历过上一批智能机器人热潮起伏的创业者转变的决心。<br> 不要为了融资骗投资人，不要互相攻击得这么狠<br> 晚点：千寻新融了近 20 亿人民币，估值破 100 亿。这半年，整个中国具身领域还出现了数起大额融资，为什么更多钱现在涌向了具身？<br> 韩峰涛：因为具身智能正处在 “黎明前的黑暗” 时刻。制约具身模型性能爆发的核心卡点——数据问题，已经被解决了。所以过去几个月，行业认知迅速收敛到了投具身大脑。<br> 26 年的具身会非常像 23 年的大模型，如果你拿不到很多钱，模型性能跑不到头部，就没有上牌桌的机会了。<br> 晚点：你看到了更强的共识，但我们也能看到具身行业现在非常喧嚣，有各种概念、技术路线和宣传 PR。<br> 韩峰涛：尤其是过去的一个月，我们这次融资过程也发生了很多故事。我们应该构建一个更良性的市场。<br> 晚点：发生了什么 “不够良性” 的竞争故事吗？<br> 韩峰涛：比如找公关公司黑别人。<br> 晚点：怎么黑法？<br> 韩峰涛：比如黑我和高阳不合，这是我听过的最离谱的黑点。你要黑我韩峰涛不懂 AI，我也认了，我确实不如高阳他们做 AI 的。但你要说我和高阳经常拍桌子吵架，那你肯定是没见过高阳。<br> 晚点：具身智能的竞争已经进化到这个程度了？<br> 韩峰涛：很多都已经不是技术上的竞争了。一些负面评价很难自证。就像问我吃了几碗粉？我除了把肚子割开，没别的办法。<br> 晚点：你希望看到的更良性的竞争是怎样的？<br> 韩峰涛：不要为了融资骗投资人，拿订单骗，或拿开源的模型套个壳骗。不要相互攻击得这么狠。<br> 具身是个大的时代机遇，也是中国在硬科技领域，第一次与美国站在同一起跑线上。过去我们在半导体、大模型和自动驾驶上都在追赶美国，但具身智能不同，我们在人才、数据采集和系统成本上的优势比美国更大。中国一定会成长出几家全球顶级的具身智能公司。<br> 26 年的关键不是落地，是模型性能的爆发<br> 晚点：新融近 20 亿后，千寻 26 年的目标是什么？<br> 韩峰涛：首要目标是提升具身模型的性能，要做到具身大脑的全球 Top 3。 关键指标是获得 100 万小时的有效数据。我们过去发的最好的开源模型只用了 1 万小时的数据，26 年我们会有 100 倍的数据。<br> 还有 10% 的精力会放在跟产投方合作，让具身机器人在他们的场景里落地。营收目标是 1 个亿。<br> 晚点：在同样估值规模的具身公司里，千寻对营收的计划相对小，为什么？<br> 韩峰涛：第一，模型没到临界点，强行落地没有意义。现在的具身模型，做大部分任务都需要大量微调，只有当 zero-shot（零样本学习）就能实现 70%-80% 的成功率时，机器人才能快速放量。<br> 第二，现在具身行业乱就乱在都在讲落地。有些是披着具身外壳的传统自动化或上一代 AI；有些是签了大订单却还没交付。有很多投资人认为 26 年是落地的 “生死之年”，落不了地行业就没了，我们非常不认同。<br> 26 年的主题其实是数据量级和模型性能的突破，而不是落地和收入竞争。真正大规模落地应该在 27 年下半年到 28 年。<br> 晚点：如果你的这个核心判断错了，可能会是错在哪儿？<br> 韩峰涛：这个问题我们内部也讨论过很多次，因为我们会定期思考 “我们会怎么失败”。<br> 目前看比较乐观。因为硬件和供应链已相对成熟，客户有需求，公司也有钱，核心的卡点就是模型。而根据我们自己看到的 Scaling Law 曲线，基模能力的提升没有太大悬念。<br> 晚点：如果 26 年确实是模型能力的淘汰赛，你觉得能上牌桌的公司具备什么特点，或者已经做到了什么？<br> 韩峰涛：第一，肯定要有很强的 AI 背景。第二，账上的钱足够多。第三，在中国，还是要有落地的规划，得有强大的产投方以及商业化能力。<br> 晚点：有什么关键的观察指标吗？<br> 韩峰涛：获得有效数据的加速度。<br> 晚点：25 年下半年才成立的一批新公司，获得数据的时间还够吗？<br> 韩峰涛：如果拿了很多钱，可以。因为很多 know-how，更早成立的公司已经踩过了，我们花一年半，他们可能只需要 7、8 个月。<br> 几个月的差距目前不是很大的问题，很多投资人看不出来，市场上的钱也多；而且具身大脑今年会跑出来好几家公司。<br> 晚点：你认为具体是谁？<br> 韩峰涛：我反倒觉得 25 年出来的这些新公司做成的概率更高。因为更早成立的公司，很多主要在冲商业化，已经不是大脑公司的基因了。<br> 晚点：千寻自己不也是 24 年成立的吗？<br> 韩峰涛：但我们 24 年成立第一天就聚焦模型的主航道。很多同行也问我：“为什么千寻这么淡定？我们被谁谁卷得不要不要的。” 我说原因很简单，卡点解决之前，要聚焦解决卡点，也就是提升模型能力；卡点解决之后，才看速度。<br> 在中国创业，一定要在大厂下场前把自己变成中厂<br> 晚点：现在很多大公司也在投入具身智能，如小鹏、小米、腾讯、字节，李想最近也在全员会上说，理想一定会做人形机器人。大公司入场会怎么影响竞争格局？<br> 韩峰涛：我在内部经常讲，我们未来真正的对手就是这些大公司。华为、小米、理想这样软硬都做的企业更有可能做好。<br> 晚点：你觉得什么时候，更多中国大公司会把具身智能当成一个重要战略？<br> 韩峰涛：28 年到 29 年。<br> 晚点：如果 26 年具身模型就有大的突破，理想等公司不会加大投入吗？<br> 韩峰涛：哪怕 26 年模型能力提升了，机器人对理想这样的大公司依然是很小的市场，因为还没有大规模商业化。<br> 什么时候大公司会砸海量资源？创业公司先证明这个市场存在，而且真跑出来了一些中等规模的创业公司。<br> 所以我们在内部一直讲，速度是我们唯一的优势。在中国创业，一定要在大厂下场之前把自己变成中厂。<br> 晚点：多大规模算中厂？<br> 韩峰涛：至少一年卖 10 万台机器人<br> 晚点：多快实现 1 年卖 10 万台，才够快，够安全？<br> 韩峰涛：我们的计划是 2030 年。新能源车大概用了 6 到 7 年左右的时间，具身智能可能更短，5 到 6 年。<br> 晚点：中厂的条件包含盈利吗？<br> 韩峰涛：如果能 1 年卖到 10 万台，肯定是盈利的。<br> 晚点：很多一年能卖出数十万台车的新能源车企仍没有盈利。具身智能公司不会重蹈覆辙吗？<br> 韩峰涛：新能源车企的核心困境是产品同质化导致的价格战。具身智能要避免重蹈覆辙，关键就在差异化，否则销量越大，库存和亏损越大。我们定位是智能服务载体，卖硬件只是开始，持续产生的数据和服务价值才是核心。具身智能机器人和系统卖出去后，连接才刚刚开始。<br> 如果一开始就能融几亿美金，肯定直接 all in 数据<br> 晚点：前面提到，你认为 26 年会是模型性能爆发的元年，因为数据卡点已经被解决了，千寻具体是怎么解决的？<br> 韩峰涛：有两个阶段，24 年初千寻起步时，首先要选择是仿真、合成数据还是真实数据。我们当时就判断，仿真行不通。技术上，sim-to-real 的 gap（虚拟到现实的差距）很难被弥补；行业上，参考自动驾驶——那是最简单的机器人，自动驾驶用的仿真数据也很少。<br> 真实数据当时有两个主要来源，一是视频数据，就是让模型去看网上人类干活的视频，学一些动作和常识，这个高阳已做过很多年。二是遥操作，这是 24 年到 25 年上半年的主流采数方式，它的好处是数据质量很高，但成本高、采集效率低，没法 scaling。美国做具身的公司，除了英伟达，其他也都在用真实数据。<br> 所以第一个阶段，我们是用视频数据做预训练，遥操作数据做微调。过去两年我们积攒了 20 万小时的视频数据。<br> 但同时，我们还需要一种可以低成本、大批量采集真实数据的方案，这就是从 24 年 5 月开始开发的现在的方案：在预训练阶段加入可穿戴设备采集的数据，用遥操作数据做微调，最后让机器人在真实环境里通过强化学习获得 roll-out 数据（机器人自主完成任务获得的数据）。<br> 这还是参考了自动驾驶：先把车卖出去，一边开车，一边采数据。我们就想，能不能让人一边干活一边采数据。所以当时就开始搞可穿戴式设备。从 24 年 5 月到 25 年底，我们的可穿戴设备采数方案迭代了 4 代，有大小几十个版本。同时也一直在迭代相应的数据管线和算法。<br> 晚点：可穿戴式设备有很多种——UMI、外骨骼、动捕，千寻具体做哪种设备，以及为什么这么选？<br> 韩峰涛：我们现在都用，因为不同的可穿戴式设备有不同的优缺点。UMI（注：universal manipulation intelligence，主要采集和精细操作相关的手部位姿数据和力觉、触觉数据）只采手部的动作，适合做双臂训练，但如果去训一个完整的机器人，就不知道胳膊、腿怎么动。想拿到这部分数据，就得用外骨骼。要获得更精确的全身数据，就需要动捕。<br> 所以我们是一个数据配方，可以说它是 “全身的 UMI”——以一些相对低成本的传感器，加一些算法设计，让人穿上后能一边真实的干活，一边获得数据。<br> 晚点：实现你们现在这种采数方案的挑战是什么？<br> 韩峰涛：提升可穿戴式设备数据的可用性。一开始这些设备采回来的数据维度少、精度低，相对于遥操作只有 20% 到 30 % 的可用性。<br> 过去一年半，我们一直在优化设备本身和数据管线，就是对数据切断、标注、质检的整个流程，以及优化模型，让模型能从相对低质量的数据里学到东西，这里面有很多算法改进和创新。<br> 我们把可穿戴式设备的数据的可用性从 30% 提升到了 95%，而成本只有遥操作的 1/10。<br> 晚点：你们现在积累数据的加速度如何？<br> 韩峰涛：可穿戴设备，我们是从今年 1 月开始铺量的，到 Q2 会有十几万小时的数据，我们今年要采 100 万小时的数据。<br> 晚点：开发可穿戴设备采数方案的团队是怎么学习的？有什么可参考的经验？<br> 韩峰涛：我们从自动驾驶行业招了一些人，他们有数据工程化的经验，但是绝大部分，是我们 AI 团队和具身团队一起踩坑踩出来的。因为到底什么是好的机器人数据，数据该怎么处理，模型怎么去学这些数据，全行业也没有太多可参考的。<br> 晚点：25 年下半年，Generalist、Sunday Robotics 都陆续发布了他们的可穿戴设备采集方案，这些不是参考吗？<br> 韩峰涛：很少，因为我们从 24 年就开始做了。看到他们的发布，我们也很开心，原来和我们做的是一样的，而且做得很不错。<br> 晚点：不少投资人认为，中国公司是在 copy 他们。<br> 韩峰涛：这个问题我们内部也讨论过。如果我们一开始就能融几亿美金，肯定直接 all in 数据。但是在中国创业，如果没有 demo 和商业化苗头，很难持续融资。所以我们需要花一些精力在探索商业化上，客观上会影响解决数据问题的速度。<br> 晚点：你们实际在突破数据瓶颈上花了多少精力和资源？<br> 韩峰涛：80% 以上。<br> 晚点：第一个卡点是数据，再往后是什么？<br> 韩峰涛：一是 scaling 的速度，把具身模型的性能从 GPT-2 提升到至少 GPT-3.5。然后是把性能达到 GPT-3.5 的具身大脑，批量落到某一个应用上去。<br> 所有你听过的具身公司都去了宁德时代<br> 晚点：25 年至今，你们融到了更多钱，如果模型是主航道，有必要现在开始做应用落地吗？你们已经陆续有了宁德时代等大客户。<br> 韩峰涛：宁德时代我们是在 25 年元旦开始正式合作的。其实不考虑融资，也很有必要做商业化探索。<br> 具身的核心是具身大模型，看具身，必须按大模型的逻辑看。相通之处是：大模型经历了预训练、后训练、agent 这些阶段，具身还处在开始搞大规模预训练的第一个阶段，此时就大规模落地，边际成本很高，会很痛苦；所以我们 26 年到 27 年会用大部分精力提升基模。<br> 但机器人和大语言模型有一个核心区别：它不是 “模型即产品”，模型只是产品的一部分。你不能等模型到了 3.5 才去想我到底要做电池机器人、保洁机器人还是零售机器人，那时就晚了。同时，大模型前期主要用的是互联网公开数据，但具身智能需要工厂、仓储里的私有数据。这些数据不是谁都能采。商业化探索也是为了先去占数据的坑。<br> 千寻的 Moz 机器人在宁德时代电池产线上工作。<br> 晚点：像宁德时代这样的客户，会允许你们用他们场景里的数据去训模型吗？<br> 韩峰涛：基模预训练是可以的。在早期，大家要有数据共享的默契，才能提升模型能力。但当基模预训练好之后，大客户落地时采的一些高精度的微调数据肯定是客户自己的。<br> 晚点：你们和宁德时代的合作是怎么开始的？它当时是在全行业招标吗？<br> 韩峰涛：不是招标，是发需求。比较知名的、24 年之前成立的具身智能公司基本都去了。<br> 当时我和高阳穿戴全套安全帽、安全服，一天走了两万步，看了需求里的所有工序。因为作为技术负责人，他（高阳）也必须掌握两种语言：技术语言和客户语言。 如果不亲自下场看，永远不知道真实产线长什么样。<br> 千寻是第一个真正能在电池产线上干活的具身公司，到目前已经参与生产了 1000+ 块电池。<br> 晚点：宁德和其他公司的合作为什么没有继续？<br> 韩峰涛：有的公司是和客户交流有些 gap，和客户不能主要讲技术，应该讲怎么理解他的场景、用什么具体方案。有没有客户语言，决定了当技术突破时，能不能找到 PMF。还有一种是选的场景比较小，潜在用量很少，现在处于在非真实产线测试的阶段。<br> 晚点：还有什么不够好的场景？<br> 韩峰涛：打螺丝，打螺丝太难了。<br> 晚点：千寻在宁德做的是电池插拔检测，这个场景好在哪儿？<br> 韩峰涛：第一，它能用到端到端模型，不需要对现场做自动化改造，人撤下来，机器人放上去就能干活。第二，插拔用到了力控技术。第三，这个工序的节拍相对慢。第四，容错率高，电池检测的插头相对大，第一次不行可以再试一次，不会损坏零件，如果去插那种精细的小插头，一下没对准可能就坏了。<br> 最重要的是，因为前面这几个条件，这个场景让机器人可以上真实产线干活，收集强化学习的数据，跑通整个技术链路。<br> 其实宁德给大家提供了将近 200 个工序，我们是从 200 个工序里选了一个当时的端到端模型可以实现，节拍、容错率也合适，能真的上产线的场景，这需要很强的场景选择能力。<br> 晚点：没人去和你们抢这个场景吗？<br> 韩峰涛：实话说，这个场景是另一家具身智能公司先做的，做了快 1 年没做成，撤了。<br> 晚点：你们做插拔检测的过程中遇到了什么问题，怎么解决的？<br> 韩峰涛：没有特别多。这是端到端模型第一次落地，我们主要做了两件事：<br> - 第一，管理客户预期。 明确告诉客户这是一个全新的尝试，前人没做过。<br> - 第二，研发死磕现场。有段时间我们的技术人员长期在宁德现场写代码、改模型。做这种落地，你不能在北京搞研发，然后把模型发过去让现场工程师去跑。研发必须在客户身边。<br> 晚点：这是一个很重的服务过程，怎么平衡服务好大客户和你们自己提升模型能力的主线目标？<br> 韩峰涛：我们专门成立了 “宁德小分队”，相对独立地负责服务宁德，但他们有需求时，公司也会给最高优先级支持。这种 “研发长在现场” 的模式，本质是因为现在的模型能力太弱，必须靠大量人力和工程化去填坑。这种方式无法低成本复制，低成本复制还是要做标品。<br> 所以我们的核心目标还是提升模型能力，将来会把最后 100 米的交付交给客户自己。<br> 千寻融了很多实业产投方，比如华为、小米、京东。这些大厂有场景，也有自己的具身部门，他们缺的是模型。我们将来可以给他们提供 “标准的机器人 + 模型 + 数据管理平台”，客户可以基于这套系统针对下游任务自己微调，开发自己的机器人 Agent。<br> 晚点：既然当前的具身模型还不够强，那实际上你们在 25 年给客户交付的方案用的是什么技术？<br> 韩峰涛：现在在现场用的也是端到端的 VLA 模型，但用的是我们上一代模型。所以我们选的场景也相对简单。<br> 晚点：上一代模型的后训练和工程部署实际花了多少人、多长时间？如果换成新模型后会减少多少？<br> 韩峰涛：宁德时代，我们从接触到最后验收花了 11 个月，如果只算模型部分，大概是 2 到 3 个月。而基于我们现在最新的模型，我觉得能缩短到 1 个月。<br> 晚点：当具身的基模更强之后，你们会逐步拓展哪些场景？<br> 韩峰涛：整体节奏是先工业，再商业，最后进家庭。<br> 千寻 24 年底定中期目标时，高阳提了双十计划：十年让全球 10% 的人拥有自己的机器人。要实现这个量级，终局一定是家用。但在行业早期，我们先选更简单的场景，所以先工业。<br> 传统工业机器人太笨，只能做固定、简单的工作，所以渗透率非常低。中国有 1 亿制造业工人，但工业机器人保有量才 300 万台，每年新增约 30 万台。全球工业机器人一年的销售额也就 100 亿美元，就是理想卖半年车。<br> 如果具身大脑能替代 30% 的人工，工业市场的规模至少会提升一个数量级。同时，有了 “大脑”，机器人也能从工厂走向服务业。<br> 在这些 To B 行业里，我们筛选场景有五个标准：市场大；在增长；集中度高，有大客户；客户付费意愿强；国内外需求一致，在中国打磨的产品可以卖到全球。动力电池是一个很好的方向，还有物流、酒店和零售，这是我们这一阶段的重点。<br> 晚点：有很多近期新成立的具身智能公司直接瞄准家庭服务场景。而在你们的计划里，这是比较后期的场景。为什么你们的选择不一样？<br> 韩峰涛：家庭确实是最大的市场，但具身产品的落地要看各因素的匹配。<br> 我不担心模型能力。到 27 年，让机器人在家洗衣服、收玩具、浇花，技术上都能达到。但还要考虑安全、隐私、价格等。现在机器人普遍几十公斤重，万一倒了砸到老人或小孩，就是巨大的事故。再说电池，机器人的电池容量是电动自行车的三倍，连自行车电池都不让进家门，何况机器人？需要等固态电池成熟，或者只能拖着线工作。<br> 所以那种能满屋子跑的通用家庭机器人确实相对远。但在家庭，尤其是欧美家庭，很多专用机器人可能会先爆发。<br> 比如欧美很多人住独栋，地下室放洗衣机、烘干机。可以做一个机器人，专门负责操作洗衣机、烘干机、叠衣服。它的位置相对固定，可以插电用；也不会和人有太多接触，可减少安全隐患。<br> 所以具身的落地要综合考虑软件和硬件的进展。<br> 既然要费这个劲，不如做点大事<br> 晚点：这次创立千寻之前，你已在机器人行业创业十年，是珞石的联创和 CTO，为什么在 2024 年珞石已开始筹备上市时选择重新创业？<br> 韩峰涛：2015 年第一次创业是 “无知者无畏”。那时候觉得有技术、有政策、有热潮，创业挺简单。第一份 BP 用 word 写了 60 多页，投资人说：现在 BP 都用 PPT。<br> 那十年，我们见证了工业机器人的国产化率从 3% 跑到超过 50%。但说实话，工业机器人是个很小的市场，大部分公司不赚钱。<br> 为了让机器人能干更多活、打开更大的市场，上一批公司也是做两件事：一是更好的硬件，给机器人加力控、3D 视觉等传感器。二是结合第一代深度学习，当时做了缝衣服、磨刀等场景，这些都需要 AI 视觉加力控小脑，靠传统规则方法无法实现。但受限于上一代 AI 的能力，我们始终没法构造一个通用大脑。直到 2023 年初，我看到 ChatGPT。<br> 当时我觉得必须出来，我意识到，大模型是真正的技术革命。客观讲，第一波深度学习热潮只是 “技术进步”，所以没有诞生特别大的公司。但大模型不同，千寻要做的，就是把这场技术革命从虚拟世界带进物理世界。 这也是我一直想做的事。<br> 晚点：后来你怎么吸引高阳成为合伙人的？创立千寻前你们并不认识：你的背景是自动化和工业机器人 ，高阳从伯克利再到回清华，一直做深度学习。<br> 韩峰涛：这次创业，我考虑的不是我会什么。我会做减速器、一体化关节、电机、整机……但这都不是具身智能最大的机会，最大的机会是大脑，那我就去找谁能做大脑。<br> 我当时微信里有 6000 多个联系人，从 A 到 Z，我挨个去看谁能帮我介绍，最后一共聊了 100 多个人。<br> 晚点：高阳是你见的第几个？<br> 韩峰涛：高阳是比较后面聊到的，23 年夏天。他也在找产业和硬件背景的人。所以我们是 “双向奔赴”，他找 CEO，我找 CTO。<br> 晚点：密集聊 100 多人的感受是什么？<br> 韩峰涛：靠谱的人太少，骗子太多。有的人想骗融资；有的人固执地守着旧技术；还有人想带一堆自己的人来。<br> 具身至少是个 20 年的事业，合伙人必须能并肩战斗 20 年。所以选高阳，我有两个硬指标：第一，技术要靠谱。 24 年融资时，投资人笑我不懂 AI，但有一点我很确定：既然是大模型的机会，合伙人里就必须有人懂大规模预训练。高阳从 17 年就开始研究端到端自动驾驶，又知道怎么用互联网视频做训练，在技术上绝对靠谱。第二，价值观趋同。 我俩反复聊了十几次，就是在确认能不能长期跑下去。创业过程中一定会有争吵，甚至会有考验人性的决策时刻。最终决定团队会不会分裂的，就是价值观。 拿我们郑总（千寻联创郑灵茵）的话说创始团队应该是价值体系趋同，能同频共振。<br> 晚点：你们共同的价值观是什么？<br> 韩峰涛：信任，追求卓越，实事求是。不知道会说不知道。<br> 晚点：你们的技术背景和思维方式不同，真的开始一起创业后有过什么碰撞和分歧吗？<br> 韩峰涛：robotics 的思维是基于规则、建模，AI 是数据驱动。我自己到 24 年下半年会更清晰地意识到，我的一些决策还是受原来机器人行业的认知的影响，而具身是 AI 行业。<br> 晚点：当时具体发生了什么？<br> 韩峰涛：24 年 5 月之后，我们在同时做可穿戴式设备，自研机器人和训第一代模型。当时需要遥操作的数据，到下半年，第一代硬件还没出来，导致没法采数。高阳说这不行，要不我们去买一些无限方舟的臂。我当时想，这个臂和我们自己的构型不一样，这部分数据可能会被浪费。高阳说不行，必须得买。<br> 回头看是应该更早买，这事来回沟通了 1 个多月，再加上后面给这些臂修 bug 和调试，整体可能耽误了模型进度 2 个多月。这是一个认知问题，从 AI 视角看，数据在初期是最重要的。<br> 晚点：你们挺有默契，我之前问高阳这个问题，他说的也是这件事。<br> 韩峰涛：我觉得其他人做的机械臂没有我做得好。<br> 晚点：一种行业老兵的自负。<br> 韩峰涛：对。<br> 晚点：后面你们遇到类似的决策分歧，怎么处理的？<br> 韩峰涛：只要是在提升模型性能的主航道上的研发，就坚决投。具体决策会更多依赖高阳。我是机器人老炮，高阳也是 AI 老炮，从 14 年去美国读博到现在，也搞了十几年了。<br> 很多对未来的判断，不可能有 100% 的证据，它依赖于长久浸泡一个领域带来的直觉。<br> 晚点：面对新问题时，过去的直觉可能会错，怎么办？<br> 韩峰涛：没法完全避免。纠错靠两点：要么自己发现自己错了，要么别人指出，你能接受，第二种更常见。所以千寻一直强调信任文化。如果你相信对方提意见是为了公司好，为了你好，接受建议就会变简单。<br> 晚点：上一次创业十年，你自己并没有拿到大结果，这次创业，想走多远？<br> 韩峰涛：面对这样一个大的机遇，我们是奔着做一家伟大公司去的。其实一个人不管干啥，哪怕是开煎饼摊、开咖啡馆，想做好都极艰难。既然都要费这个劲儿，不如做点真正的大事。<br> 客观讲，以前没这种机会。搞工业机器人，做得再好也只是一个垂直行业，甚至都改变不了行业。但在 AI 这个赛道，我们有可能改变世界。<br> 题图来源：千寻智能<br> 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。<br> Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.<br> var loadMessageError2 = function () {<br> // message加载失败降级到nginx,产品可以在load事件重新初始化<br> var cdnPath = 'https://dl.reg.163.com/webzj/ngx/message.js';<br> var script = document.createElement('script');<br> script.src = cdnPath;<br> document.body.appendChild(script);<br> }<br> var loadMessageError1 = function () {<br> // message加载失败降级备份cdn域名,产品可以在load事件重新初始化<br> var cdnPath = 'https://webzj.netstatic.net/webzj_cdn101/message4.js';<br> var script = document.createElement('script');<br> script.src = cdnPath;<br> script.onerror = loadMessageError2<br> document.body.appendChild(script);<br> } <br> //初始化反作弊<br> var wm = null;<br> // 只需初始化一次<br> initWatchman({<br> productNumber: 'YD00157343455660',<br> onload: function (instance) {<br> wm = instance<br> }<br> });<br> var isShowComments = true, tieChannel = "";<br> (function () {<br> if (window.isShowComments === undefined) {<br> window.isShowComments = true;<br> }<br> var config = {<br> "productKey": "a2869674571f77b5a0867c3d71db5856",<br> "docId": "KMG1KUJL0531M1CO", //"data.article.postid", "FNMG85GQ0514HDQI"<br> "target": document.getElementById("tie"),<br> "operators": ["up", "down", "reply", "share"],<br> "isShowComments": isShowComments, //是否显示帖子列表<br> "hotSize": 3, //热门跟贴列表 展示3 条<br> "newSize": 2, //最新跟贴列表 展示 10 条<br> "showPaging": false, //显示分页栏<br> "submitType": "commentPage" //新发帖子的展现形式：停留在当前页面(currentPage) | 跳转到跟贴详情页(commentPage)<br> };<br> Tie.init(config, function(data) {});<br> })();<br> /阅读下一篇/<br> 返回网易首页<br> 下载网易新闻客户端