Full text · 原文
5,353 字
文 | 海若镜<br>
访谈 | 海若镜 巴芮<br>
6月盛夏，在清华无锡研究院智能产业创新中心，我们见到了张亚勤院士。他匆匆赶来，一进门，就建议让室内温度降得更低些。<br>
访谈中，聊起当下具身智能、AI投资创业热潮，张亚勤也觉得应该降降温，“更冷静些，不要急躁”。<br>
五年前，张亚勤创建了清华大学智能产业研究院（以下简称AIR)，聚集了多位有AI产业经验的知名教授。据介绍，如今AIR的第一届博士生已经毕业；这里孵化、走出的十家公司，累计“融资约150亿元，估值1500亿元”。其中，华深智药、它石智航等独角兽，在资本市场备受追捧。<br>
1500亿估值是个亮眼数据，但张亚勤却告诉我们：AIR首要任务是做科研；孵化公司只是自然长出的副产品，多数公司正处在“证明能力”的阶段。<br>
作为国内最年轻的IEEE fellow、中国工程院院士，张亚勤经历过技术革命和资本周期的潮起潮落。在他看来，当下AI所处阶段，像1998-1999年的互联网，正在大规模投资基建（电力+算力+算法）。长期看AI产业充满巨大潜力，“AI没有泡沫，但早期AI公司会有泡沫”，未来万亿市值巨头很可能不是眼前的明星公司。<br>
2026年，“物理AI”成为了技术开发和资本押注的最热方向，而过去五年，张亚勤和团队在自动驾驶、具身智能仿真、工业能效AI等已布局了多家公司。对于“趁市场热多融资”的惯性，他直言拿太多钱，业务不聚焦，结果可能是钱烧完了却没转化成业绩。<br>
近几年，张亚勤每年都会给出AI发展的观点预判。比如，在2024年6月，他提出需要开发新的AI算法体系，包括世界模型、Agent等，以实现百倍效率提升。从时间维度，为什么说当下AI像1998年的互联网？面向物理世界的AI数据缺失，VLA、世界模型技术路线如何结合？如何看待教授创业？<br>
自 2024 年起，每年6月，AIR都会在无锡举办一场“太湖对话”，今年已是第三届。以下是论坛前夕张亚勤与暗涌Waves的对话（经编辑）：<br>
Part 1 教授重站创业C位，但多数不适合做CEO<br>
暗涌：三年前，投资机构还在系统反思“不投教授”。新一轮具身智能和AI创业中，科学家又重新站在了C位，你怎么看待“教授创业”？<br>
张亚勤：这轮AI创业是强技术驱动，因此教授技术能力和理念就格外重要。现在，中国有一批高水平教授，已经能做出世界级的主流创新，而不再是跟随美国。<br>
科学家创业有三种方式：第一种，教授从院所离职，All in创业；第二种，教授以学术为主，将好的研究与技术转化成企业，但他并不直接管理公司，公司市场化运作；第三种，教授仍在学校就职，同时还管理多家公司。第三种，基本做不成。<br>
暗涌：第一、二种方式比较好？投资人可能更偏好投全职创业的教授。<br>
张亚勤：第一种有成功的。像高通，是由两位MIT教授创建；AIR彭建教授全职创立了华深智药，在AI制药赛道表现非常好。<br>
但其实大部分教授不适合run company，即便all in，教授做CEO创业的失败几率也远高于普通创业者。这在中美都一样。因为把研究变成技术，把技术变成产品，再把产品规模化铺开，中间有很多鸿沟。很少有人既懂前沿研究，可以从0到1；又懂市场和商业化，能从1到N。<br>
AIR教授创业大部分是第二种：科学家有了不起的研究和技术，作为联合创始人或首席科学家去孵化企业，以技术入股。同时，企业寻找一位懂商业和工程的CEO，按市场化方式运作。这样能发挥教授的优势，也兼顾企业的发展特点，是比较好的模式。<br>
暗涌：全职创业，一旦成功，会有非常大的收益。<br>
张亚勤：全职创业的风险也很大，可能到最后商业没做好，科研也丢了。来AIR的教授绝大多数是想做科研，希望有用的基础研究成果能产业化，最好有团队帮他们做产业化。我也比较喜欢在学校做科研、培养人才，我们学院有三个博士生拿过清华特奖。<br>
AIR的定位还是一家科研机构，并非是孵化器。孵化器通常会一次孵化很多项目，有VC投资机制、靠规模取胜，但我们一年只有一两个公司出来。<br>
暗涌：AIR一个目标是为行业输送CTO、顶级架构师，你觉得培养这类人才的核心是什么？<br>
张亚勤：核心是在成长阶段就要有产品和系统思维。只在校园里，没有真实场景和数据，博士生也能做算法、写论文；但关键是验证它能否在真实系统里跑起来。<br>
这也是AIR成立的一个初衷。我们跟字节、阿里、百度、比亚迪等20多家大企业合作，通过联合实验室等方式做科研项目，AIR很多学生都会到大厂实习，参与到最前沿的研发系统中，做规模化验证。<br>
暗涌：适合做创业公司CEO的人很稀缺。你会帮孵化公司找CEO么，比较青睐怎样的CEO画像？<br>
张亚勤：创业第一步，在技术孵化阶段，教授可以兼顾一些公司管理工作。最难的是下一步，找到CEO，把工程团队和商业模式搭建起来。现在我们孵化的多数企业正从第一步走向第二步，还处于“证明自己”的阶段。<br>
理想状态是我能为每一个团队配个合适的CEO，但事实上，我真的配不了（笑）。<br>
CEO不一定是职业经理人，可能是连续创业者、科研团队里的年轻人。现在AI的人才，我们反而比较容易找，难得是找到产业里扎根很深的人，既有产业经验，又能理解一部分AI技术。<br>
核心是这个人要有非常强的信念感，创业过程一定会遇到很多困难，有些人在艰难时候会容易动摇。没有信念感，几乎做不成。<br>
我还是想说一句，不能把创业想得太简单。像1500亿这样的估值数字，其实没太大意义。企业最终还是要靠技术实现商业化，有收入、有利润，形成竞争力。<br>
<br>
Part 02 AI不是泡沫，但AI公司有泡沫<br>
暗涌：创业公司拿到高估值，应该算阶段性的成果，但你觉得要格外冷静？<br>
张亚勤：我看到是一种风险。市场期望越高，你需要证明得就越多，这个阶段必须清醒。在学院里我会给大家泼冷水，（成立公司前）会问他们很多：到底要解决什么问题；AI能解决什么；谁来为产品买单。短期拿到高估值，并不能说明已经成功了。<br>
比如当前机器人赛道，现在有几百家公司，但可能三四年后只会剩下20家公司。像大模型赛道，最终国内可能只剩下三四家。我们经历过互联网泡沫，当时资本市场比现在还狂热，但很多明星公司迅速在市场上消失了。<br>
暗涌：这种冷静，跟“趁着市场好，多融资”的逻辑，冲突吗？<br>
张亚勤：创业需要足够的钱，但钱不是最重要的因素。<br>
做startup本来就是九死一生，一定要聚焦。如果还没想清楚，就拿很多钱，什么都干；更多情况是：钱烧完了，也没能转化成业务结果。当一家企业有真正好的产品、独特的技术、足够强的团队和清晰的前景，一定会有人愿意投。<br>
暗涌：人人都说AI、具身行业有泡沫，却也都义无反顾地往里冲。这种氛围跟上一波互联网创业有点像，但又很不一样。<br>
张亚勤：不同的是，多数互联网公司一开始没有规模化收入，但这次AI头部公司的收入增长很快，像OpenAI、Anthropic的收入增速史无前例，所以市场对AI更有信心。<br>
这种高增长能不能持续，我不确定。<br>
目前全球几家科技巨头，在数据中心、芯片等方面的投入非常高，这也是基于对未来的高预期——花了之后还能赚回来。这些投入到底能不能转化成订单、收入？我觉得还需要证明。<br>
未来2-3年是关键的观察期，如果（巨头）收入不能按现在预期的指数曲线走，这个循环就会受到影响。大公司会受到影响，小企业会更加敏感。<br>
暗涌：以互联网技术周期对照的话，你觉得现在AI大概处在什么阶段？<br>
张亚勤：可能相当于1998、1999年。互联网刚刚兴起，雅虎被追捧的阶段。<br>
互联网不是泡沫，但互联网早期很多企业有泡沫。长期看AI产业没有泡沫，但AI公司和估值会有泡沫。短期的资本炒作没有意义。做企业还是要专注，愿意做脏活累活，用结果证明自己的价值。<br>
<br>
Part 03 让机器人先干脏活、苦活<br>
暗涌：你此前提到机器人还没有迎来chatGPT时刻，通用机器人可能还得10-15年。这中间的“卡点”关键有哪些？<br>
张亚勤：通用的家庭机器人、服务机器人确实还需要很久，可能10年以上。但如果是在特定场景中，做具体工作的机器人其实很快就可以实现。像无人驾驶，本质是“开车机器人”，技术难点基本已经突破，剩下的更多是工程化和商业问题。像工业机器人，进程会更快。<br>
家庭机器人面对的环境非常开放、复杂，最重要的是它要和人交互：和人说话、理解人的意图、真正完成动作。这其中还有一些科学问题没解决，理论和算法都还没有真正突破。<br>
暗涌：为什么物理世界AI会慢很多？<br>
张亚勤：十年前，我就把智能分成三类：数字智能、物理智能和生物智能。<br>
数字智能发展得快，是因为过去20多年，互联网积累了海量数据，文字、图片、视频都可以训练模型，有scaling law，再加上算法和算力，模型的通用能力就会变强。<br>
但物理世界情况不同。第一，我们没有那么多数据；第二，物理世界的场景非常分散；第三，数字世界的比特，要和物理世界的原子结合起来。原子世界，并不遵从摩尔定律。关节、手等机械结构的控制，也不是靠堆算力能解决。所以物理智能的进展会更慢一些。<br>
没有足够的数据怎么办？有几种方式：一是学人，从第一人称视角，收集人和世界交互的数据；二是机器人自己去采集数据；三是在仿真环境里模拟各种场景，生成模拟数据。<br>
但是，在模拟器里跑通了，到真实世界里不一定能work。所以我们在做RSR（Real-to-Sim-to-Real），从真实世界到模拟场景，再回到真实世界，形成闭环。这个闭环非常难，AIR周谷越教授在这个方向做了很多年，在特定场景很快就会有突破。<br>
暗涌：面对物理世界数据缺失的挑战，目前有哪些可行的技术路线？现在关于VLA、世界模型的讨论非常热烈。<br>
张亚勤：现在确实有一些方法，但还没能像互联网那样，收集到如此海量的数据。<br>
一种方式，是把大语言模型的方法论向外拓展，到能够处理自然语言、理解视觉信息并操控物理行动的VLA模型（Vision-Language-Action）。<br>
这一路线的好处在于主线还是语言，能用到现在大语言模型已形成的方法论；但问题是动作往往很难用语言精确描述。对机器人而言，视觉是最重要的输入，所以还有一种思路是从视觉直接产生动作，把语言作为辅助。<br>
另一路径是世界模型。世界模型也有很多种，构想是希望机器真正去理解这个世界。怎么理解？有很多不同方式，比如做模拟器等。我觉得最终的方法，可能是这两种路线结合起来。<br>
暗涌：怎么理解“两种路线的结合”？<br>
张亚勤：做 VLA、做各种不同的世界模型，我觉得没有绝对的对与错。要两种路线结合，是因为机器人面对的环境相当复杂。比如自动驾驶，开车过程更像以视觉为主、端到端的系统，不需要很多语言。<br>
但机器人很多时候是通过与人对话、获得指令，它需要理解语言；做事时，又主要依靠视觉形成决策，再转化为电机的动作信号。这个过程，目前还没有清晰的scaling law可用。<br>
在语言模型中，token（词元）是人类经过抽象的、有结构有含义的字，但图片的最小物理单元是像素，一片像素本身没有物理含义；动作也是一样的道理。<br>
AIR老师做了很多探索，詹仙园团队研发的X-VLA系统，尝试把不同机械臂、机器人的能力“归一化”，实现部分技能的可泛化，可跨设备迁移。也有团队让模型观看大量流视频，来理解视频中的动作和环境。<br>
在很多科研问题没突破的情况下，一方面要继续做通用性的研究，同时也要先在通用性要求没那么高的特定场景里，着手解决真问题。<br>
暗涌：现在机器人可以率先用在哪些场景？<br>
张亚勤：我觉得（机器人）首先要在真实生产力场景里用起来，先做人不愿意做的事，比如在极危险、艰苦的地方作业。比如我们现在和煤科院合作，开发煤矿场景里的无人车、机器人；和首创合作，开发地下管网巡检机器人、电网机器人等。<br>
这类场景，目前还需要人机协作。我一直在讲，AI和具身智能还是要帮助人，而不是上来就让机器人抢人的工作。<br>
暗涌：当下AI领域有一个趋势，是不断追求“超级智能”、“通用AI”。但听下来，你并不认为这是目前最重要的事？<br>
张亚勤：作为科研目标，这当然可以。但从社会和企业角度，我认为还是要解决具体问题。<br>
有些美国企业开始钻牛角尖，一味追求智能上限，彷佛拥有了“超级智能”，什么都可以做。但假如没有明确目标，只是“学人、要比人更厉害”，风险往往不可控。<br>
而且，AI是不是一定要“学人”，一定要“超过人”？我觉得未必。<br>
人有好的部分，也有坏的缺陷；AI在放大能力的同时，也会放大那些人性中坏的部分。这就有安全和伦理风险。<br>
暗涌：你会格外关注AI可能存在的哪些风险？<br>
张亚勤：AI现在主要有三类风险：失控、滥用和系统性风险。系统性风险也包括失业等社会问题，但目前我更关注失控和滥用。<br>
AI系统越来越复杂，很多机理是人类并不清楚的黑盒。而且具备行动能力的agent，正从实验室走向现实部署，存在自主复制、约束逃逸等现实隐患。2026年4月，Anthropic披露了模型Claude Mythos，但没有向公众开放。因为Mythos能自主识别软件漏洞，有形成大面积网络攻击的风险。<br>
所以，在一个AI产品、技术被设计时，就要明确它到底解决什么问题，这样AI的可控性会更强一点。AI终究是要帮助人，让人活得更久、更舒适、更幸福一点。