Lindon Gao: Finding Clarity in the Fog of Robotics, Disagreements & Choices, and Wang Yangming

[00:00:00] hello大家好 我是小珺 今天我们的嘉宾是 一位美国的连续创业者 他是DYNA Robotics的创始人兼CEO Lindon 他和之前来过我们节目的Physical Intelligence 非常的不一样 DYNA走了一条他们叫这个 叫做“product research”的路线 全球的机器人行业 还远远没有达到收敛的时刻 这是一条无比漫长的长跑 你看不见终点 有时候你也看不清楚四周 那每个创始人在其中如何做决策 如何设定路线图 以及在迷途之中如何找回自己 Lindon都给出了自己的答案 如果大家喜欢我们的节目 请大家给我们转发投币点赞 一键三连 期待2026年 我们和AI共同进步 很少有 有创业者是 能在被拒几百次的情况下 还不放弃创业的吧 当时我就跟我团队说 [00:01:00] 我们是蟑螂 你们是蟑螂 我们死不了 我们当时 有一段时间战略迷失的时候 其实 这个分歧是最大的 就是团队 就是我们作为一个团队的identity 是有非常大的冲击的 就是一拨人说 我们要做落地 另外一拨人说 我们要做research 你觉得闻得到钱和理想主义 有分歧吗 没有分歧 我是非常理想主义的人 我觉得我来做机器人 不是为了赚钱的 我觉得闻得到钱是生存的一条路 我的梦想是星辰大海 可是 我的路径是需要脚踏实地 Hello Lindon 先给观众朋友们打个招呼 你好 我叫Lindon 你这次来上海有 什么不一样的感受吗 你多久来中国一趟 我可能一年来一两次吧 我们在上海有个团队 所以 有的时候会来 上海的感受 我觉得发展很快 [00:02:00] 机器人行业很卷 大家都在讨论机器人 跟硅谷的感觉有什么不一样吗 在Robotics这个行业上 说感受的话 其实我觉得两边其实都挺浮躁的 天天都有非常多的release 每家都在出一些新的东西 然后 每家都想多融一些钱 我觉得基本上可能 大家都 都比较类似 可是 我觉得本质上面 我觉得硅谷和国内的 对机器人长期的战略打法 还是有一定的不一样的认知的 怎么说 其实就是 分大脑派和身体派 大脑派其实就是美国 觉得大脑是唯一的问题 身体会自己解决它自己 中国觉得 供应链是唯一的问题 大脑长期会自己解决 所以 其实这两派其实在 中美还是看得比较鲜明的 可是 我的确也 认识到中国其实最近也在 比如说 一些模型 层面上面也开始布局 你们属于大脑派还是身体派 我们属于全栈派 [00:03:00] 全栈派 对 要不我们在聊 DYNA之前 我们还是先聊聊 你作为一个连续创业者 你之前的一些创业经历 你的成长和创业 我是在中国出生 我11岁的时候去了美国 其实 我长大的环境是 比较entrepreneurial（企业家精神） 就非常有创业型的 就是身边的人 都会做一些小买卖小生意 所以说 其实我在很早的 时候就会做一些小生意 我14岁的时候就做了我第一份 生意 当时很多人会说这是创业 可是 我当时觉得这只不过是 英文来说就是hustle（努力拼搏） 就是赚点小快钱 14岁是初中吗 还是高中 初中 对 当时其实就是 打打游戏 然后觉得 游戏里面好赚钱 所以 就卖账户 卖装备 然后 做了个平台 然后 就赚了一些钱 做什么平台 [00:04:00] 其实 就是一个 就是买卖 就是一个可以去这个平台去买 可以去这个平台卖 然后 或者说我去别人的平台 或者去别人的forum 其实 有的时候 其实在论坛上面也是可以买卖的 所以说 就是这种买卖形式 第一桶金赚多少钱 上万吧 上万美金 ok然后呢 这个怎么结束的 其实 后面生意就渐渐淡下来了 淡下来然后就把这个给卖了 就把网站给卖了 其实 我觉得当时做生意的这段时间 其实 不是一段 就是我只做在做这一件事情 其实 零零散散的是非常非常多的 所以说 比如说 今天我会卖游戏 明天我会卖软件 然后后天我会卖鞋子 其实当时 我成长的氛围里面 其实 在这氛围里面是非常普遍的 其实我周围的人也都在 都是在这样子做 可能就是我成长 [00:05:00] 比如说 小学初中环境是一个 是一个非常不一样的环境 所以说 其实周围的 人其实都喜欢赚钱 所以说 我是被这个氛围影响的 然后 也是跟着他们一起 追潮流 然后 学着学着就学会怎么赚钱了 赚钱难吗 对你来说 赚钱不难 其实 赚钱是非常 对我来说是非常 也不是说非常简单 就是说我非常喜欢 其实也不是 也不是喜欢钱本身 而是喜欢 做对了一件事情带来的reward 与此同时 课业怎么样 我没有特别专注课业 对 我可能不是一个非常 典型的一个 一个创业者 第二段创业怎么开始的呢 当时其实也是买卖心态 我在大二的时候 其实 开始做了一些珠宝买卖 那时候其实就是在 [00:06:02] 各个地方发现了有一定的珠宝库存 然后 他们其实本来也不太想要了 就把这个本来是想 把这些珠宝给融掉 然后 重新就是把他们的金属回收 那 我就是当时就是说 我能不能买一些你们的库存 我在eBay上面卖 然后 当时在大二的时候卖的挺好的 然后 就渐渐变成了一个生意 这个公司是出售了吗 这个公司其实后面变成了一个 self-managing business 就是我不用花太多时间 它是可以自己赚钱 然后 我是给了我家里的一个人 帮我打理 这个生意做了 快10年多 它还在 现在已经不在了 就是现在 我觉得太浪费 就是我是一个小时都不想 就是以前可能一周花三四个小时 一年可以赚个 十几二十万 我觉得也挺 挺划算的 可是 我现在觉得 不太 不太值这个时间 对 [00:07:02] 所以 它结束掉了 结束了我自己结束掉 那你是怎么接触到珠宝的呀 其实 首先是通过家里的原因 然后 也有朋友 朋友的原因 然后 也有 圈内的原因 就是通过 通过家里和朋友认识到了中国的 珠宝供应链 通过 美国的一些朋友 认识到了珠宝的需求 其实 我把这个珠宝 2C business变成了个2B business 因为当时其实卖珠宝本身 我觉得 挺累的 每天都要包装 然后 客户反馈 当时我还在上大学 然后 还要实习 就没什么时间 我后面就把它转 成了一个2B business 这个2B business其实就是 我卖给珠宝设计商 其实 美国有非常多设计师 他设计师其实他们当时是需要在 美国自己找供应链或者自己找工厂 然后 去做 而且每次做都非常贵 打磨也非常差 然后 量产也也做得非常差 [00:08:02] 所以说当时 我开始做了一个外贸生意 然后 就是把珠宝和 和设计师连在了一起 然后 当时就 给他们供货 然后 就提成 所以 你是很顺理成章的 去读了商学院是吗 对 你当时在选 学校或者选专业的时候 有其他的选择吗 然后 后来又去了投行 其实 我觉得我的 教育路径是非常自由型的 其实 我父母没有管我太多 他们其实是 比较放任我的 所以说 我是一直去选 我自己觉得我喜欢的事情 其实 我刚开始的时候我是学医的 在纽约大学医学院 对 他们医学院很好 对 当时是 其实 学医是我父母的意愿 可是 我学了两年之后 其实 我就不想学了 我当时 所以说我当时就学了金融专业 然后 你为什么没有 顺着投行的路线发展 其实 当时去做投行 其实 算是一个Bandwagon（跟风） [00:09:02] 就是其实纽约大学的商学院 也是算是非常好的 所以说大家都是想去投行 当时我刚刚入学的时候 就是刚开始转到金融的时候 其实 我是不知道投行是什么东西的 可是 我知道大家大家都想去 所以说 我知道大家都想去 我就想跟大家比一下 所以就去了 然后 觉得是一个挺不错的体验 你在投行几年 两年多吧两年 然后就开始创业了吗 对 你从投行出来到 你现在这段创业中间 也还有什么经历吗 没有 我是直接 直接从投行跳到创业的 然后 就做了机器人 我的第一个创业算是半个机器人 对 DYNA之前 还有一段创业经历 对 叫Caper Caper 其实 很有意思 其实Caper我们核心做的是无人零售 无人零售其实在2017年的时候 是非常盛行的 [00:10:02] 因为当时Amazon出了 一个产品叫Amazon Go Amazon Go就是谁都可以进入一个商店 这个商店是没有收银员 你可以随便拿一个货物 然后 就可以离开 它会帮你自主结账 这个概念本身是非常新 非常酷的 而且让大家重新 imagine了一下这个购物 体验会是什么样子的 然后 我 所以说当时 其实 国内国外可能有 也数不清了 当时可能跟机器人赛道 也是一样火的一那种状态 出了可能几十 50多家公司 我们可能算是在这个 行业里唯一少有的幸存者 其实 当时我们在产品概念 其实 就和大家非常不一样 因为当时大家都是 想重新装修整个商店 他们会把所有的 感应器融合放在柜子上 然后 把摄像头放在天花板上 [00:11:03] 然后 去做self checkout（自助结账） 我们当时其实我把这个概念带到了 超商中 当时我去见了150个超市的老板 然后 就问他们说 Amazon Go这个科技怎么样 我帮你做 当时非常让我surprised的 就是没有一个人想要 然后 那我问他 那如果免费给你 想不想要 他说我也不想要 那我当时就惊讶了 那我就问他说为什么 然后 他就说性价比不高 我没有ROI 你让我花几十万 帮我省几个收银员 其实 我收银员也不光只是做收银的 然后 所以说其实他们当时 就不管怎么样子都是划不来 而且再加上还要再做装修 然后 装修完之后这个技术还是要 还是要需要有有一定的维护 所以说 那时候 其实 我就发现说 这个产品可能本身商业逻辑走不通 [00:12:03] 所以说 我们当时就换了个产品 就是把感应器融合和视觉识别 放进了一个购物车里 其实 解决是同样的问题 因为其实无人零售 解决就是两个问题 一个是谁付钱 第二个是需要付多少钱 那 其实 在购物车里可以 同样实现这两个问题 而且技术 比这个简单了很多 谁付钱就是谁带着你这个购物车 付多少钱就是你放进了商品 商品是什么 那其实我们是可以 直接通过视觉识别和感应器融合在 购物车里直接识别这些商品的 所以说 那时候才慢慢做成 中间是不是有一段很难的经历 在这段创业中 是 我们刚开始的时候 其实 我们非常幸运 我们第一次报YC就进了 然后 进YC之后 其实 我们的mentor也是非常有名的 鼎鼎大名的Sam Altman和Geoff Ralston 两个后面都成为了YC的president和CEO [00:13:04] 可是 我们从YC出来之后 其实我们算是整个batch的倒数排名 从融资角度来说是倒数排名 我们总共只融了30万（美元） 所以 当时其实挺困难的 因为其实一个非常普遍的一个问题 其实就是你们有什么 你们有什么背景 你们为什么觉得这事会成 而且 其实美国投资圈 其实 非常不喜欢投硬件 因为他们本身就觉得 硬件本身成本非常高 然后 distribute起来非常困难 所以说 其实我们 当时 只融了30多万的时候 其实 我就跟我的另外三个合伙人 我就跟他们说 对不起我只融了30万 如果你们愿意的话 我们可以搬进一个房子里面 我们可以住在一起 我没办法给你工资 可是呢 我们可以付房租 我们可以付你的车油费 [00:14:04] 我们可以付你的伙食费 可是呢 伙食费我们要自己煮 然后 当时我们 四个联创就住在一起了 然后 加上一两个early employee（早期员工） 然后 当时我们是一个月烧了7000 一个月只烧7000刀 烧了两年半 然后 才融到了第一桶金 种子轮 第一桶金好像是200万 这个难关就度过了吗 随着第一次融资进来 其实 也没有 其实 我们当时融资的时候 就是遇到特别特别困难的一个点 就是我们的产品非常反共识 反共识到 就是我们是市场少有的几家 非常非常少 当时我们刚开始做的时候 可能市场是没有做过 就没有任何人想到过做这种产品 所以说 我当时去融资的时候 大家都说 [00:15:05] 你怎么和可以 你怎么跟亚马逊去对抗 然后 而且还有这么多其他的公司 你看他们做的都是亚马逊 亚马逊类似的技术 他们都做的这么好 而且融了这么多钱 很多人 有一些公司 一从YC出来就融了上千多万 然后 我们当时就这么一点点钱 就这么一点点人就 然后 还还拿这个购物车 到处跟别人说 然后 他们就说 最后你们购物购物车会被淘汰的 所以 当时其实融资挺难的 我们见了 我们当时 为了撑到种子轮 我们 我自己cold email了 1000多个天使投资人 最后convert（转化）了两个 当时因因为已经快死了 账户里可能就只剩下一两万了 然后 这两个天使投资人当时 每一个给了我们差不多5万左右 这钱最后活下来了 然后 真正开始出去融种子轮的时候 [00:16:06] 我们见了100多个 就是institutional investor（机构投资人） 然后 全部都拒了 除了一个 当时就是First Round Capital 所以 当时活下还是很不容易的 然后 你刚才问 就是从融下来之后 再到a轮 其实 也是一个非常困难的过程 因为本身硬件产品开发周期比较长 再加上超市本身 他们的sales cycle非常长 所以说 其实我们真正去落地 升到可以扩散的时候 其实 也是 花了一年半多的一个时间 然后 在2019年的时候 我们去融a轮的时候 其实 当时我们就想融个 千万级别的a轮融资 市场里没有很多 当时没有很多机构投资可以投 千万级别的 然后 我们也是见了60多个投资人 然后 可能基本上都是全军覆没了 然后 最后也是 [00:17:06] 不断地去找新的投资人 最后找到了一个Lux Capital 所以 那时候他们投了我们差不多 1000多万左右 这个创业后来也是 就是出售了 对 我们在a轮之后 我们融b轮的时候 就有非常多traction了 所以说 b轮的时候 拿了两个term sheet 拿到了一个acquisition offer（收购邀约） 当时本来拒了他们两次 然后 后面决定卖掉了 这段创业最痛苦的时候是什么时候 你是还在靠读《沉思录》撑过来吗 你怎么知道的 我好像看到有报道写过 是 我觉得创业其实是一个 就是特别是在低谷的时候 越是低谷的时候越需要修心 所以说 我觉得整个过程 是一个修心的一个过程 因为其实你可以想象一下 如果说 我见10个投资人 然后 我被拒了10次 那我说好 好 那我再见第11个 再见第12个 可是 你见了100个之后 你会开始怀疑自己 你会觉得说 [00:18:07] 是我不好 还是这个项目不好 肯定因为已经100个人拒绝我了 所以 其实那时候 通过这段经历 其实 我自己对自己的认知 对世界的认知 其实 是提升了不少 其实 就是 我觉得就是以 视角去看这件事情 就是每一次失败其实对我 来说就是一个reinforcement learning（强化学习） 就是下次怎么做得更好 所以说 其实渐渐的就是逼我成长 所以说 在那段期间 其实 我成长是最快的 可是 也是最苦的 你说你对投资人有一个画像 思维画像 是从那时候就开始有了吧 你见了几百个投资人 在那个过程中 其实 不是 其实 我觉得 因为我当时对投资人 没有一定的思维画像 所以 我才被拒了一百多次 就是我当时只顾着说 我不顾着听 所以说 其实 完全 其实 没有完全没有到 跟投资人达到同一个频道上面 所以说 就很难有 [00:19:07] 很难去建立一个共鸣 这是我后知后觉 才发现的一件事情 那个创业持续了几年 持续了6年左右 那还挺长的 对 卖出去的那一刻 感受是什么样的 觉得我突然有钱了吗 其实 卖出去那一刻 我觉得我的第一反应 其实 不是突然有钱了 就是 就发现这件事情做对了 因为其实当时 当时其实3.5亿在当时的 创业环境里算是不错的哈 我其实我当时决定放手的 其中一个原因是 我觉得我可以 做一个更大的一个事业和行业 我是希望说我从我过去 6年学到的东西可以 更好帮助我做我下一个 我觉得可以做 做到更大的一件事情 所以 当时 [00:20:07] 这主要是我当时想卖的原因 而不是真正是为了钱 那是哪一年 2021年 那个时机很好 是吧 后面AI就开始爆发了嘛 对 其实 在2021年应该还没有很明显对吧 对是2022年的时候才真正 开始有非常强的一个 一个curve（曲线） 细数你前面的两段生意 一次创业 你觉得你从中的learning是什么呀 其实 对我最强的核心的观点 其实 就是做事要做最本质的事情 其实 我在过去 几次创业里 其实 走了非常非常多的弯路 做了非常非常多不本质的事情 有的时候可能就是觉得 比如说 希望说 如果我招到这个人 我的问题就会被解决了 其实 不能以这种心态去招人 或者说 如果说我拿下了这个客户 那 我就可以融资 [00:21:08] 其实 也不一定 还有就是在做产品这端 其实 我觉得做产品这端 其实 是对我来说是最有心得的 就是做产品永远都是 要做有价值的事情 其实 说起来很简单 可是 我觉得很多时候 是非常难去做到的 比如说 其实 当时非常 拿无人零售零售来说的话 其实 就是 当时大家是拿着一个锤子找钉子 就是 我有一个这么酷的一个黑科技 然后 我当时那我就把 这个黑科技放在一个无人商店里面 去节省收银员本身 其实 当时我们 真正在做产品的时候 其实 我们发现其实 节省人工成本 本质其实不是产品 最有价值的一件事情 反而最有价值的一件事情是当时 我们在帮他们节省时间的时候 他们在 和我们的屏幕互动的时候 看到了价值 就是比如说 我放进了一个零食 [00:22:08] 我给你介绍另外一个零食 然后 或者说 我放进这个零食之后 如果你再多买两个我就 你就会有个coupon（优惠券） 其实 那时候才发现说 其实 我们的产品价值核心 后面是我们可以提高average basket size（平均客单价） 而不是我们可以省多少人工 然后 同时我们也在 做产品的过程中 发现了广告的一个 非常大的一个机会 所以说 让整个产品价值 做得非常非常的高 所以 这些价值其实是在一个 无人零售商店里面是没有办法的达到的 因为你是没有一个屏幕 是可以跟你互动 所以说 这是我们在 过去发现的一些心得吧 怎么想一个更本质的问题 而不是当下的一个 比如多拿一个客户 多融一次资 对 其实 我觉得 其实 多拿一个客户 如果说你没有达到 你的产品没有达到ROI [00:23:09] 你多拿一个客户是没有意义的 因为你多拿一个客户 除非说你知道长期我 比如说 我上量之后 ROI是可以自动成型 可是 如果说整个商业 飞轮本身没有建起来 是没有办法 达到一个product-market fit 很多人可能就觉得product-market fit 就是我签了一个客户 然后 这个客户愿意付我多少钱 然后 就去做 其实 我觉得在机器人行业 其实有非常多的公司 其实 找到了所谓的product-market fit 可是 发现后面他们需要 需要做的customization（定制化）也好 客户要求的节拍也好 他们是远远达不到客户 对机器人本质价值的一个 一个产品形态的 所以说 我觉得这件事情其实 我一直把产品归根到ROI上面 就是你ROI成不成立 你ROI不成立 特别是在硬件机器人行业 我觉得ROI不成立就不是一个产品 就没有product-market fit 你刚才还提到你的YC的mentor是Sam 他教给你们什么了吗 [00:24:10] 其实 我觉得 Sam是非常能力非常强的人 可是 我觉得我当时能力不够强 没有办法跟他共频 所以说 其实他当时跟我 跟我说的所有的核心概念就是launch launch launch launch and iterate launch and iterate（上线迭代） 其实 这是当时从他那边 他天天都是催我这样做 他在YC当时投入的时间还是很多的 对吧 还好可能一周会见两次 一周见两次 除了这个还有什么其他的learning吗 从他身上 我觉得我当时的认知可能 没有达到一个更高的境界吧 没有达到他的境界 你是不是还挺自律的呀 为什么这么说 我好像看到你起很早是吧 对 一般都起很早 5 6点 这个是从什么时候开始的 从创业的时候就开始了吧 就我觉得比较早期的时候 其实就是这样 有意为之 还是你比较习惯这种规律 [00:25:11] 其实 有一本书叫 Atomic Habits 其实 就是说你的原子 惯性的一些东西是可以 长期帮你达到一个个 你原来觉得你 达达不到的一个目标 其实 我觉得每一个人其实 在一个成长过程中 其实 如果说你是有一定 有非常好的习惯 你就会慢慢慢慢 变成你想要变成的人 其实 对我来说 我觉得作为一个创业者 其实 一直是一个脑力运动员 其实 本质上面其实就是一个运动员 就是需要有一个 运动员的修养 那其实就是 因为如果说 比如说 你吃的不健康 或者说你没有运动 或者说你睡得不好 你也没有办法 可以专心去想一件事情 所以说 那其实从我的角度来说的话 那 就是如果说 我想要好好创业 那我就要把我自己的身体打理好 所以说 比如说 早起运动饮食 [00:26:12] 我都是有非常 对自己是有非常高的一个要求的 早5晚10是吗 对 那确实你的身材很像运动员的身材 是吧 积累了10年 ok 对 以前也没有这样是吧 十年前 对 是 对 是创业之后就 越来越自律越来越自律 因为其实我发现自律之后 其实 这件事情就不用想了 就是他不会占你的mindshare 那不会占你的mindshare的时候 这件事情做就变得很自然了 就是反而变成强迫症 就是 如果我今天不运动的话 我今天就不舒服 你几点到几点运动 我一般都是差不多6 7点之间运动 5点起床 6 7点运动 对 后面呢 那 就开始工作 晚上10点钟睡觉 10 11点左右吧 饮食呢 饮食非常有规律 我晚上是非常少吃碳水的 然后 我一般是中午吃碳水 然后 早上吃的比较有规律 都是有一定的营养成分等等 [00:27:13] 就是一直都是这么吃下来 就是我觉得我这件事情 是从我爸那边学的 我爸其实是一个非常非常自律的人 所以 我发现他的 他在他自己自律的身上 他自己的状态 自己的健康也有非常大的改变 所 说是 对是向我爸学的 自律能提高你的决策质量吗 作为一个CEO来说 a hundred percent 我觉得作为一个CEO来说 其实 你最重要的 大家都是这么说嘛 就是说 找人找钱找方向 其实 绝大多数CEO的重大决策 其实 找人找人和找钱 其实 不是需要花太多大脑的 所以说其实最重要的是需要找方向 找方向其实就是你的每一个决策 你的每一个决策是需要本质的 需要高质量的 那你需要做 你能做出本质高质量高质量的事情 你是需要把这件事情想得非常的透 想得非常的清楚 所以说如果说你脑袋是 一非常模糊的一个状态 我天天都是 就是晚上吃宵夜 [00:28:13] 或者什么样子 就是反正身体不是非常健康的话 你是非常难做出 一个非常明智的选择 你卖公司那年应该刚好是30岁 对吧 对刚好30岁 然后 站在那一刻 你觉得你对你后面的 人生的规划是什么样的呀 我觉得人生才刚刚开始 怎么开始这一段创业的呢 这中间好像也有几年时间对吧 对 我在Instacart待了三年 其实 我在这个阶段 被收购的其实 一个非常大的一个动机当时 其实 就是我是想向别人学习 就收购公司 对 对 因为其实当时Instacart里 有非常多Uber Facebook Google的高管 我是一个野路子打出来的人 我前三次创业其实都是野路子 是非常不按 常理出牌的 就是我觉得这件事情商业 本质和产品形态是这样子的 那我就带着我的工程团队 我们就把这件事情给干了 所以说 我在融资的时候就比较单纯 [00:29:15] 你在融资过程中碰壁 比较多的创业者吗 在美国的话 是 那肯定 我觉得可能 很少有 有创业者是 能在被拒几百次的情况 下还不放弃创业的吧 当时我就跟我团队说 我们是蟑螂 你们是蟑螂 我们死不了 对 可是 我当时 我觉得我的 我的经验的 一个非常大的一个盲点是管理 是产品和管理 然后 就是说在一个 更大的组织范围之内 我怎么样子可以学到更 从他们身上学到更好的东西 所以说当时我在 Instacart待了3年左右 就是为了学习 学习到什么没有 也是在看其他项目 学习到什么 我不是总结型的人物 就是 我是 会把一件事情渗透到我的骨子里 然后 会变成我的认知的一部分 可是很难用语言去表达所有的事情 可是 我觉得 [00:30:17] 可以说的一些事情 我觉得比如说 怎么样子去向CEO拿资源 是很有意思的一个过程 就是你要把你自己做的事情 为什么很重要 怎么样去frame这件事情 然后 怎么样子去 挖掘它的底层动机 然后去 和他align上来 我觉得这个是我 当时学到的一些事情 其实 我当时从来都没有 想到过是需要这样做 其实 跟融资可能有点类似 可是 当时我和CEO 需要interact的一个过程 可能是非常非常frequent的 所以说 可能那时候 锻炼了我这方面的事情 然后 同时也是在管理和组织上面 其实 我当时 管理是比较杂的 其实 我是没有去思考说我 在这个职位需要招什么 什么样类型的人 会想得非常非常的清楚 而是说 我觉得这个人对了 我觉得这个人是可以成长 [00:31:18] 然后 我会 然后 如果这个人做的不好的话 我会我试着去 纠正他 其实 我做一段管理之后 其实 我发现有些人是改不了的 就是有些人可能 在他们认知范围内 除非说他们能突破 他们自己的目前的认知 是没有办法做到 更大的scope 所以说那时候其实是我对 就慢慢慢慢渗透 其实 对管理也变得更 得心应手了 你最多时候管理多少人 directly和indirectly可能几百吧 三百多 这样子 对 然后 什么时候决定我 还是要出来创业了 我不能再当高管了 你当VP符合你的个性吗你觉得 一点都不符合 对 因为其实我是非常喜欢 我其实我对创业是有一份敬畏心的 我是非常喜欢创业本身的 因为我觉得创业是像一个匠心 就是就像一个匠人 [00:32:18] 就是 比如说 我今天要做一个陶瓷 我就一定要把这个陶瓷这幅画 这篇文章就写得特别好 然后 他们会花10年20年 30年40年的这种 精力去完成一幅他们自己 觉得非常自豪的一个作品 我觉得创业其实也是一样的 其实 创业其实就是在 打磨自己的一个 自己的作品 那其实自己的作品就是这个公司 那这作品的这个公司里面 其实就是你的技术 你的文化 你的产品 我觉得和你的管理等等 我觉得这 而且创业是非常多 就是多模态多维化 是非常多维化的一个状态 所以说 其实 你每天都可以学到很多的东西 所以说 其实当时我决策 去创业这件事情是非常 对我来说是非常简单的一件事情 就是我就一直觉得我是适合 更适合创业的 [00:33:18] 为什么做Robotics 那个时候AI也很火 大模型也很火 其实 我当时很有意思 我当时在刚卖公司的时候 我看了AR看了一段时间 然后 我们也看了一些其他的 比如说 Quantum（量子计算） 也看了一些什么 Nuclear（核能） 可是 我当时我和我现在的 另外一个合伙人叫杨世远（York Yang） 其实 我们是 AR是认真地 探索了差不多6到8个月 然后 发现其实技术底层的一些东西 可能 还没有完全ready 然后 其他的我们就觉得 跟我们不是特别的fit 其实 当时我和杨世远一直想 做的一件事情就是我们想做 能改变世界的事情 因为我们觉得 我们如果真的还要再一次创业的话 我们就想做一个更难的一件事情 然后 能改变世界的事情 [00:34:18] 那其实真正能改变世界的事情 其实不多 其实 你这 就是你可以两只手可能 可以大概数数出来这件事 能改变世界的事情 划过哪些 划过哪一些 AR 对 我觉得比如说 就是就像我刚才说的 比如说AR Energy 然后 Quantum 然后 我觉得比如说 生物类型的 其实 那跟我们不是非常适合 然后 AI当时其实也有看过 所以说也有在思考 当时AI该怎么做 可能可能我们最后到机器人 我们就发现说 其实 跟我们的 之前的经历是非常非常相符的 而且甚至说我当时看到 机器人的行业形态其实跟 是跟无人零售 是有点类似的 就是有点大家拿着锤子 找钉子的一种感觉 所以说 其实当时我就觉得说 硬件可以做 Infra软件 AI其实都可以做 然后 当时我们有团队缺了一个 就是对具身智能非常资深的人 [00:35:19] 所以说那时候就找到了Jason Ma 怎么找到他的 对 然后其实我们在硅谷 聊了挺多人的 聊了有20来号人 然后 当时其实 我们其实当时对我们的第三个cofounder的画像 其实是非常清晰的 我和杨世远 在一起合作了十多年 其实 我们俩大概都知道自己的 优点缺点和我们互补的地方 你的优点缺点是什么 我的缺点特别特别多 优点非常非常少 杨世远 优点特别多 缺点非常少 你的优点是什么 我觉得我可以看得非常的远 就是这一个公司 从现在到10年之后 大概对vision是有一定的画像的 呈现我们战略需要走的每一步 和我们战略有可能遇到的问题 所以说 我觉得我在方向上面 应该是我的强项 你的方向感比较好 对 就是我团队有的时候 说我可以闻得到钱 [00:36:19] 对 闻得到钱 对 这个为什么是方向感 这个是赚钱能力 就是你从小训练的对吧 对 赚钱能力其实就是一个方向 这是商机的选择 商机的选择 因为其实 我觉得所有的公司 最后都需要落地 都需要赚钱 所以 那不管前面铺垫时期是多久 可是 最终还是要赚 最终还是要赚钱 所以说 我是可以知道最终 赚钱的这个形态是什么样子的 然后 我 那 我就知道我该怎么铺垫它了 所以说 我觉得在这个方向 应该是我的强项 你的缺点呢 说几个 缺点挺多的 缺点我想想 我觉得 我觉得我说话太宏观了 就是达到的一个结论 是我思考很久的东西 我思考很久的东西 这个本质上面的 逻辑链会非常非常长 所以说一般来说我会 [00:37:19] 跟一个人聊 就是我想走的这个方向 我会把我这个逻辑链 花20分钟说完 然后 跟他说个结果 然后 一般来说他们就非常 不能follow 就是我对我自己的语言拆解能力 可能还需要进步 对 你觉得闻得到钱和理想主义 有分歧吗 没有分歧 我是非常理想主义的人 为什么这么说 我觉得我来做机器人 不是为了赚钱的 我觉得闻得到钱是生存的一条路 我的梦想是星辰大海 可是 我的路径是需要脚踏实地 你是现实的理想主义者 还是理想的现实主义者 那我肯定是现实的理想主义者 你不是理想的现实主义者 就最后落脚到了理想主义 对 我是现实的理想主义者 那你的合伙人 York 是他的优点是什么 缺点是什么呀 他跟你合伙了十多年 他也是现实的理想主义者 [00:38:20] 他的优点非常多 他共情能力非常强 思考结构性非常非常强 落地能力也非常强 技术也非常强 管理也非常强 稀有的技术天才 而且又有管理维度的认知 我是真的非常非常少见 这种这种类型的人 你们是怎么认识的呀 他那时候是在美国上学是吧 就是通过我们的一个 另外一个cofounder叫黄一林 是我们上个公司的时候认识的 对 然后 你们这是第二次一起创业 对 那Jason是怎么加入的 Jason是当时我们是对research 就是我们的research的cofounder 是有一定的画像 然后 我们按照这个画像去找 你们希望是什么样的人 首先我们最希望的是research taste 非常非常强 research taste 本质是可以从他们的paper和 他们发出的东西是可以看到的 [00:39:22] 其实 当时看到他的一些 非常闪光的一些地方是在于 其实 你可以从他博一博二的时候 可以看到他其实很多论文是 相对来说非常fancy的东西 在他的生长过程中 其实 你可以看到他越到后面 其实 他的论文越来越简单干净 核心概念非常清晰 我觉得这是一个非常好的taste 就是他自己在这个 过程中一直在进化 所以说 就光从书面上面是 可以看得到这个进化过程 我当时就觉得非常impressed 然后taste是第一 第二是我觉得是有一定的 现实主义 就是其实不光光是 有学术追求 而且也是想要把一件事情落地 就是真正可以line impact（实际业务贡献） 在一个产品上面的 我觉得这个也是非常非常 重要的 如果CEO希望落地 [00:40:23] 然后 research的合伙人希望 比如说 我就要做大脑的突破 一般是这样的团队会有分歧 对 这个我觉得在每个团队 都有这样的分歧 你们会有分歧吗 会 我们当时 有一段时间战略迷失的时候 其实 这个分歧是最大的 就是团队 就是我们作为一个团队的identity 是有非常大的冲击的 就是一拨人说 我们要做落地 另外一拨人说 我们要做research 然后呢 这是什么时候 这个时候可能就是去年年底的时候 结果呢 结果我们在战略上面梳理了一下 我们发现了一个突破点 是一个战略点 是research和落地团队 都可以打的一个点 你是落地派 我没有个派系 其实我觉得 对我来说是一直是 就是铺垫的这个路径 怎么样子能达到我最终产品形态 落地是可以赚钱 可是 并不在我的认知当中 其实 并不是真正能 [00:41:26] 长久的一个产品形态 所以说如果说落地不能 达到一个scalable product-market fit 我觉得我就不会去做这件事情 所以说 其实当时我 是更偏向research派的 那谁是落地派呢 团队有一些工程师 然后 最后你们怎么找到那个夹角 我们把overlap 我们把战线给拉长了 就是其实 我觉得 就是其实这是一个 非常普遍的一个问题 不管是从机器人公司来说 和Agent公司来说 其实 都是非常类似就是 我去探高 那 我就没有落地的可能性 那 我去落地 那 我就没有这个capacity去探高 可是 往往是因为本身 落地的能力 就是落地是否可以scalable 是因为是被intelligence给 给cap住了 所以说 其实在这时候最重要的是 [00:42:26] 你要去lift up intelligence 那其实可能团队就会觉得说 那我就是去做研发 其实 也不一定 其实就是说我们把这个战线拉远 就是说那我在 更远的远方 我的这个战略点是否 可以improve我的intelligence 同时也可以落地 所以说 我当时给团队定的是 一个更远的一个目标 然后 就把团队结合起来了 我们刚才说的这个探高还是落地 是不是很多机器人团队都会遇到的 一个非常现实的讨论 或者问题 我觉得 在每个机器人公司 内部都会反复的讨论 我觉得没有一个机器人公司 不会讨论这个问题 因为这是一个非常现实的问题 你们是从第一天开始讨论 还是到去年底的这个节点开始 更频繁的开始讨论这个问题 其实 我们从第一天其实在这个方面 就有一定的认知和concern 可是 我们当时不是非常清楚 [00:43:27] 落地所需要的能力 和智能边界在哪里 所以说其实我们 当时的想法就是我们 就是我们的团队是一个 product research导向团队 product research和传统的research团队 还是有一点点不一样 就是其实传统research团队是 ok 我要走到AGI 然后 那我现在是以一个发散性模式去 去探索各种各样的可能性 然后 找到一定的可能性之后 可能到时候再收敛 可是 我觉得在发散性模式当中 其实 有的时候 其实不一定有做的一些事情 不一定是做得足够的深 因为如果你没有落地的话 你就大概看到了一些东西 其实 并不代表这件事情是 是做得足足够的透 Product research本身可能有点不一样的就是 我在research的边界 我有一些guardrails（护栏） 就是我们所需要做的 所有的research是需要有一定价 就是对产品长期的产品是有 [00:44:29] 是可以带来一定的价值的 而且我们对research的 优先度会有一定的框架 就是说 我觉得我们在这个阶段 我们是需要先做这件事情 然后 在下个阶段再做另外一件事情 而不是说同时发散 因为我觉得团队的时间 就是我们团队的精力有限 所以说 我们只会在 最重要的事情上面下注 你说的research为导向的公司 就比如说 硅谷的PI Generalist 他们属于这个方向对吧 我觉得我不能以 这种方向去断定他们 因为他们自己自己内部也有 自己对他们自己的方向的认知 所以说这是他们 是他们自己需要的 你有意区隔开这种以research 为导向的机器人公司吗 我没有有意去区隔 我们自己和别人 其实 我们一直以来 我们公司其实一直都是 以research为导向的一个公司 只不过是说 [00:45:29] 我们research的导向是有product guardrail 在这里面的 所以说 其实我对未来的 产品形态是非常清晰的 所以说我是在倒推 为了达到这个产品形态 我们所需要做的research是哪些 那回到你们刚创业那个时间点 24年 你们做了哪些事情 25年你们做了哪些事情 24年其实就不太值得一提 因为24年 就几个月 其实 我们就24年年底的时候 才差不多才开始的 所以说当时其实就是 把硬件堆起来就已经很开心了 合伙人当时已经都找到了 对 当时合伙人已经都找到了 然后 团队已经初步建立起来了 然后 当时甚至客户也找到了 因为其实当时就是我们要 就是我如果说我对research 我对产品是有一定的落地画像的话 那 其实我需就需要和客户聊 所以说 当时也聊了一大堆客户 其实 那在25年的时候 其实 最重要的 对我们来说最重要的一件事情 就是当时的foundation model 其实 是不足以落地的 因为当时的foundation model是 [00:46:30] 首先当时机器人非常慢 做事情做得非常慢 而且做得非常的乱 可是 最重要的是 他们一般只能做一件事情做成功 然后 如果说再做同样的事情 再做下一步的话 就会做得不好 所以 当时的情况是不足以落地的 所以说 其实当时我给 团队定的一个 product research目标是 我们要把成功率拉到99% 我们要把速度拉到人的50%到60% 我们才有商业化的希望 所以 当时我们所有的research其实 就是围绕着这个主题展开的 然后 其实那时候也是大家是 就是后期可能在 四五月份看到了DYNA-1 DYNA-1其实当时就是 对我们内部来说就是一个对 甚至对行业来说算是 一个非常大的突破 因为当时我们是首家公司首次 show了一个可被商业化的Demo 就是我们当时是折叠餐巾 [00:47:30] 可以折24个小时 99%以上的成功率 当时对我们来说 我们是非常proud 对 我去年在那个CoRL的时候 很多人围观你们那款机器人 当时是折衣服的那款是吧 对 折衣服 对 先是折纸巾 然后 是折衣服 对 为什么选择这个场景 其实 折叠场景本身是很有意思的 我们是也算是第一个去 真正想去落地它的一个团队 因为其实我在 我记得我在融资的时候 很多人就说 你为什么去做洗衣服 洗衣服行业有多大呀 就只就这么一点点 你为什么不去做工厂 做物流 做各式各样的其他的场景 其实 我当时选择做 折叠也是非常反共识的 因为我当时我在折叠上 看到了商业化的机会 [00:48:31] 本质上面是因为我对模型 因为其实我们在整个过程中 我是一个非常 对day to day是非常involve的一个CEO 所以说其实我对大家的技术方向 我们的工程方向 其实在初段时间 其实 我也是在管理 我们的技术团队 当时其实我看到了 模型的本身的能力 最重要的一件事情是 我们的落地场景需要有 非常大的容错率 因为比如说 我要去做一个拿铁 我不小心没有把这个拿铁拿好 打翻了 那我就给 那我就是给别人添活 然后 又损失了一杯拿铁 可是 在折叠不一样 折叠我折坏了可以重折 所以说 就是损失率本身 损失率和对质量的要求 本质上不是特别特别的高 所以说在技术的 天花板 那时候的技术天花板的认知下面 这种场景对我来说是最有帮助的 [00:49:32] 所以说 我觉得是一个 technology-market fit的一个状态 而且同时折叠本身是一个 非常isolated（独立）的一个场景 我是可以一个人 在这里一直做折叠的 然后 同时当时聊下来 当时是个跟洗衣店 旅馆什么聊下来 就发现说 还是一个非常普遍的痛点 在每个hotel也好 洗衣房也好 都有dedicate folder和dedicate attendants 在做这些事情 所以说 当时我其实我没有想说 这件事情一定要市场有多大 而是我是否可以把我 第一个商业闭环先跑起来 而且这件事情足够难 所以说 对我模型的 本质的提升还是有非常大的空间的 所以说 当时选择了这个场景 它技术上难在哪呀 技术上面本身是和 比如说 他 因为本身折衣服是一个软体 软体本身和硬体有些不一样 硬体比如说 你一个杯子 [00:50:33] 你可能就只有一个state 就是你把这个 你杯子你口要朝上 那可能其他state是它倒下来 或者说翻过来 折叠不一样 折叠是我做的每一个步骤是 需要前一个步骤需要成功的 所以说 而且折叠本身对 泛化性的考验也比较高 因为当时 我们如果是折叠T-shirt 那也 不可以只折叠一个size 或者只折叠一种T-shirt 所以说 其实当时是可以同时 就是验证我们的 质量和我们的generalization和速度 就是当时我们就从这 folding T-shirt里面得出了 一些generalization recipe（泛化配方） 从garment diversity（服装多样性）和environment diversity（环境多样性）上面 其实 都得到了一些 更好的一些recipe（配方）的结论 你们怎么准备 折衣服这个场景的数据 能够帮助它更好地泛化 在这上面有knowhow吗 [00:51:33] 其实 我觉得到头来说 如果说在放在post train上面的话 其实 都是一个recipe的一个问题 所以说 其实当时我们就大概知道说 比如说 在当时在CoRL里看到 这个就是zero-shot T-shirt 当时其实我们就会去试探说 我们要在几个environment 里面拿到T-shirt folding的data 才可以在一个新的 environment里面可以zero-shot泛化 这件事情 其实 我们当时以为是非常多的 可后面发现可能只要 10多个场景其实就够了 对 所以说 就是T-shirt也是一样的 就是T-shirt本身大小 不同的style 不同的fabric 不同的面料等等 其实 也有一定的 也有一定的泛化能力 所以说当时我们在这个方向 在当时的pre-training的情况下面 大概探到了 post-training的一个天花板吧 所以 我大概能不能理解 就是基于当时的 预训练的技术能力 [00:52:33] 你们找到了一个可以 最大化能够 让机器人干活的一个方向 对是的 那这个方向在过去一年 随着技术的突破变化以后 它变了吗 它出现了变化没有 其实 我觉得最本质的变化其实 就是在post-training上面所需要的数据 越来越少 就是这个其实这对我们 来说一点都一点都不surprising 其实 当时我们探到了post-training的天花板 之后 我们就大概知道哦 最重要的现在应该是pre-training 你们后来是不是又花了几个月时间 去做部署 就真的进入到场景里 有了Demo之后 是的 我们是花了几个月时间去做部署 哪几个月开始在做部署 只用6月到9月吧 部署难吗 难 非常难 因为其实我就拿叠餐巾来说吧 其实 叠餐巾本身可能大家看到DYNA-1 叠餐巾其实不是一个完整的餐巾 因为它是一个我们跟跟 客户商讨之后的一个 中间形态 就是其实当时叠餐巾 [00:53:34] 是需要叠五次的 我们只叠了四次 然后 最后一次是给服务员叠的 因为最后那一叠是非常难的 因为叠过来之后 因为那时候餐巾已经 已经非常厚非常小了 所以说最后折过来 之后是需要摊平的 如果没摊平的话 它会 它会摊开来 所以说这两层面 上面的一个问题 当时我们就只 做了4个fold的时候 我们去落地的时候 客户就开始complain 就是他们当时是接受了 可是 实际实操的时候 他们是非常不开心的 因为浪费了很多时间 这是第一 第二其实我们发现当时 光光把餐巾叠好这件事情还不够 因为我们一天是需要 产出1300张餐巾的 我们这个客户很大 是餐饮里面非常非常大的一个客户 他们每天的人流是非常非常多的人 所以说 一天要叠1300张餐巾 [00:54:37] 我们就会发现说 DYNA-1其实那时候24小时只能折850张 其实 当时我们是 当时我们的速度是不达标的 所以说 我们在速度上面 做了非常多的research 最后达到达标了 可是 达标之后 其实 我们后面发现 一个非常大的问题 就是我们每一次叠餐巾的时候 虽然说我们的模型鲁棒性非常强 我们是可以有一些corner case 我们是可以解决的 可是 解决的时间特别长 所以说 其实当时最普遍的 一个问题就是我们 有的时候我们的机器人会抓 不小心抓两张餐巾 其实 甚至人手有的时候 都会不小心抓两张餐巾 可是 抓两张餐巾之后 我们大概需要2分钟 去解它 一般来说我们叠一张 餐巾纸只需要20秒 所以说 每一次拿到两张餐巾的时候 我们的就是这一天的 产出就会往大大下降 所以说如果说 我们当时如果说有10%是double fold的话 [00:55:38] 我们今天就肯定是达不到标了 所以说 当时我们就想说 怎么样子去用强化学习 和另外的一些方式去 把这个问题让它让模型自己去解决 所以说 当时我们是非常坚决 所有的事情是需 全部是需要模型解决的 其实 那这件事情本身是预训练 没有办法帮你解决的问题 因为不小心抓了两张餐巾 导致decreasing output（产量下降）这个 这是非常难的 预训练去解决的 所以说 当时我们也发现这个 然后呢后面其实我们发现 我们餐厅叠完之后要放在 一个bin（储物箱）里面 然后 放进这个bin的时候 规律是非常random（随机的）的 是非常不一致的 所以说 你放进去之后你会 就是很多人不知道的人会过来看说 这没有折好 就是一堆非常散的一个餐巾 然后 所以说那时候我们就要 开始去condition这个模型去说 我首先要放到这第一个位置 第二个位置 第三个位置 就要让他们整齐地放上去 [00:56:38] 这本身也是一个 非常难的一个research过程 所以说 当时其实我们 那时候就探出 其实模型本质上面 到底是需要什么 然后 有了这些知识之后 我们对我们我们预训练 需要做的事一一些事情 我们就非常清晰了 你们也自己做预训练吗 对是的 你们预训练和后训练投入的资源比重 大概是多少呀 当时我们的投入是一半一半 现在是预训练比后训练多非常多 这是今年出现的变化 对 去年年底 对 ok 当时我们是预训练和 后训练是一起做的 其实 因为其实当时我们就在探 本身在预训练上做的一些变化 对后训练会有哪些影响 而且我们后面发现预训练的变化 对后训练有非常非常大的影响 其实 就是一个模型的 绝大多数鲁棒性是从预训练里面来的 而不是后训练 所以 必须要自己预训练 对 基于这个场景 当时最难的几件事情是什么呀 [00:57:39] 比如说 手的灵活性 其实 不是 其实 最难的其实就是这些 非常微小的一些corner cases 其实 当时每出一个corner case 其实 当时团队就有一个 一个知名问题就是 我们是否要用工程 方式去解决这个问题 可是 我们当时一直坚决的是不用 因为其实我们一直 深刻认为 如果说我们想要 真正做到scalable product-market fit 我们一定要用一个模型 把这件事情给做成 这个场景上商业化 做的好吗 已经开始上量了 多少量了已经 这个暂时不能说 几个客户 10个以上了 10个以上 对 所以 你们已经 就是量产完成的很好是吧 你们量产是在上海做吗 其实 是这样子的 其实 我觉得在这个场景落地 [00:58:39] 没有达到我对产品的 scalable product-market fit的认知 所以 我选择不继续scale 你这个是决定是什么时候做的 去年大概就做了这个决定 你发现什么迹象让你觉得 他没有达到你想象的scale 因为解决的问题不够根本 就是我只做到了任务 我就是我只把这件任务做掉了 可是 我没有把整个工作流给做完 就是没有把这个场景里的 整个工作给做完 对 对 就是当时非常普遍的一个场景就是 我们差不多每到半个 半个小时到一个小时 我们就会把100一叠 100张的餐巾给折完 折完之后机器人就不动了 因为没有餐巾了 所以说当时店内还有些员工 [00:59:41] 他就要自己在手机上面放个闹钟 然后 每半个小时到一个小时 就要过来看一下 然后 叠完了 然后 就给他一个新的napkin 然后 没叠完就继续 忙他们自己的事情 然后 时常就会发现 就是客户跟我反馈说 我们机器人没达标 那么说 那 我就问他们为什么 然后 他们说我也不知道 你机器人太慢了 然后 我们就会看一下看一下数据 然后 就会发现说 我们的机器人空窗期很很长 就是有的时候机器人 就有连续半个小时都没有在干活 那 我就问他们 你们是不是没有及时地把 新的新的一堆napkins给放上去 然后说 那是 那 其实就不是机器人太慢 而是机器人本身需要个保姆 所以 机器人需要保姆这件事情 是一个非常大的一个产品问题 所以说当时我选择不scale 其实 就是发现 当时没有把商业本质的问题 给完全解决掉 所以说 如果说你去scale 一个不完整的一个产品 那 这个产品在未来会 [01:00:41] 对你来说是个累赘 如果是一个 以research为导向的一个lab 它的做法可能是 它觉得现在最根本的问题是大脑 所以 我要首先解决大脑的问题 因为他觉得如果 从现在开始定义场景 也许就是现在定义的场景 不是最好的场景 你怎么看这个问题呢 也就投资人问你 这个场景会不会太小 其实 我觉得还是回到问题的本质 大脑不行 不行在哪 就是 缺数据 是可以说缺数据 可是 在叠餐巾的这个场景里 是大脑的问题吗 就是说我已经把整个工作 其实 已经已经全部都做完了 其实 所以说其实在这种 在这个场景的意义上面 其实 智能体本身 已经不是一个问题了 所以说 那 其实更本质的问题是在于我 这个场景没有成立起来是 因为 的确是 因为 就是说在任务的范围之内 没有形成一个很好的闭环 [01:01:42] 所以说 在任务范围之内 智能体不受限 可是 在工作流 就是在把整个事情做完的范围之内 是受智能体影响 这是我们当时看到的问题 所以说 其实这也这也 决策了我们公司的下一步 对于机器人来说 这是最本质的任务吗 就是在一个洗衣房场景里 其实 我觉得对机器人来说 没有个本质的任务 可是 我觉得任务本身 其实不能 完全体现具身智能的智能体的 能力 就是我觉得绝大多数的 就是任何一个任务其实 就是一个sequence of motions（动作序列） 其实 不管就是你在这个 维度上面去做泛化性的话 你唯一能 就是你能看到最大的impact是 我把这一个任务 布置到任何一个场景 它都可以做 它都可以follow这个sequence of action（动作序列） 就是它的本身的 泛化能力变强了 [01:02:42] 可是 这并不代表说 这个任务真正 形成了一个商业闭环 所以 就算智能体再强 本身产品如果是框在一个 任务的一个范围之内的话 那 我觉得也是没有商业闭环的 就是我可以这样说 我可以任何一个任务可以zero-shot（零样本） 放到任何一个新的environment都可以做这个任务 的确是智能体的一个上升 可是 我觉得不是商业闭环 好 然后 你去年你觉得 如果只做一个在桌面上折衣服 或者折纸巾的一个机器人 它不足够有scalable的价值 然后 你做了什么呢 其实 当时我们就问的第一个问题 就是为什么没有商业价值 那 其实和客户沟通下来 其实 最大的原因其实大家 我们自己也看到了 其实 就是我们需要一个机器人保姆 机器人保姆这件事情 是一个非常大的问题 那 我们怎么样子把 这个机器人保姆给去掉 那 就代表着我们要做整个工作流 [01:03:42] 那 这个整个工作流是什么 其实 非常简单的放在 一个叠餐巾的一个场景 其实 就是我 要把上料和下料也都做完 那 就是说我不光需要需要叠餐巾 而是我要去 没餐巾的时候我也需要 知道我的餐巾的库存在哪里 我要去拿 拿完之后我需要回到我的桌面上 把餐巾放下来 放在桌子上 然后 我需要叠 叠完之后 叠好的餐巾我需要拿到哪里去 然后 放在哪个shelf（架子）上面 然后 再拿一个新的桶 再拿过来 再重新开始叠 这才是整个工作流 所以说 其实 当时我们发现了这件事情之后 其实 就非常清晰地断定了我们的 我们需要走的下一步在哪里 其实 就是从任务进化到工作流 现在你们可以做到什么地步了 你可以整个工作流去 全部都可以做完 就是一个机器人在 [01:04:42] 这个洗衣房的空间里 它能够自由活动 然后 它能够知道它现在该做什么 对 这个你们预训练和后训练 比重调整到了 其实 这里面其实就是一就是 预训练的一个问题了 因为其实在这里面 如果说要把一整个工作流做完 那 其实在这工作流的每一个step 就是每一个任务当中 是有一定的成功率和失败率的 所以说 你要把工作流做完 那 其实就是99 times 99 times 就是一个compound（复合效应） 就是一个 是一个exponential（指数级的）的一个过程 就是你 我们需要把每个任务其实都做好 然后 我们需要把每个任务的 corner case都需要知道怎么去解决 然后 把它连起来的时候 它是可以连续一直做下去的 就本质上面问题非常困难 其实 是一个pre-training 本身的一个问题 因为其实我们刚刚开始的时候 在napkin stacking（堆叠餐巾）的时候 [01:05:43] 其实 我们就发现 我们当时是用语言去控制模型 把我们折好的餐巾 放在bin（收纳箱）的哪一个位置 可是 我们发现当时VLA的 language following（指令遵循能力）能力不是非常强 所以说 其实我们当时就把这个 问题归根到了全部归根 到了预训练的问题上 后来调整了什么 后来调整了预训练 预训练和 一个半人形机器人 半人形机器人 就是腿它是轮式的 对 然后 上身是一个 人形的 对 对 你们从第一天就说 你们不做人形机器人是吗 没有 我们没有说一定不做 或者一说一定做 其实 就是 我们对这件事情的态度就是 什么是对的方向我们就 我们看到了这个方向是对是错 我们就往这个方向做 我感觉你是硅谷非常 [01:06:45] 少的做机器人落地派是吗 因为我感觉硅谷大部分人 都是觉得他要做的是大脑 做的是就是探高的那个 方向 可能大家对我们的认知 是觉得我们是落地派吧 可是 我觉得我是 product research派 就不是落地派 因为其实落地派本身 其实 可能更是注重落地 可是 我觉得我们更是在试探 产品就是未来机器人 产品所需要的breakthrough 所以说 其实我们团队的核心 从文化角度来说 工程角度来说 全部都是围绕着research来转的 只不过是说我们在 只不过是说我们对产品的理念是 如果说没有一个闭环 不能跑成一个产品闭环 那 我们其实就不知道 下一步的路该怎么走 所以说 其实我们是用 产品闭环去探我们research 接下来的research方向 需要往哪个方向走 [01:07:45] 对 这个是算是DYNA-2吗 对 即将要发布的（访谈录制时还未发布，目前已发布）这一个机器人和模型 对是的 从DYNA-1到DYNA-2 你觉得公司的技术积累是什么 特别特别的多 就非常非常难去用几句话去概括 可是 我觉得比较核心的其实 就把它归类到三个system吧 system two system one和system zero 我们在三个system里面都有 非常非常大的进化 首先system two是embodied reasoning layer（具身推理层） 其实 就是模型对于 这个本质世界的认知 对世界的不管是 从physical property还是还好 也是the state of what's happening right now也好 或者是甚至说对 semantics的understanding也好 有个非常强的认知 是可以知道说我们现在在干什么 我们现在在这个任务的哪个阶段 然后 我们下步该怎么走 然后 可以按照这些理解为 我们system one发出语言的command [01:08:49] 那system one其实本质上面其实 就是一个world action model 从world action model收到语言之后 我们怎么样子把 语言转换到动作 然后 到system zero 其实 就是我们怎么样子动作 就想要output的trajectory 我们从运控方向怎么用 怎么用更好的强化学习的方法 能达到又快又丝滑又准确的动作 在硬件上面呈现 在其中有观察到 可泛化性的迹象了吗 在system one和system two上面是有 非常非常强的可泛化迹象 它能泛化到什么程度 其实 其实泛化维度是一个 非常难解释的一个话题本身 因为其实 可是最直观的两个维度 其实 跟人非常类似 比如说 我教你做一件事情 我其实只有 两种方式去教你 第一是我示范怎么做这件事情 [01:09:51] 第二是我用语言去描述 这件事情怎么做 所以说 其实在泛化的过程当中 其实 你去衡量泛化的维度 其实 就从这两个维度 去展开就可以了 那 从示范的维度就是 我示范几次你才能学会 那 其实在这个层面上面 其实 我们就会发现说 在一些非常新的task 在我们现在的pre-training的能力下面 已经可以用几次示范就可以学习 那第二个就是language steering capability 就是我告诉 我用语言去告诉你去做这件事情 那 你那模型是否可以做 在这个方向 其实 我们也发现一个非常 强的language sensitivity increase 那 这个细节是我们 我们之后会在发布的时候 会去细细讲 这个你们已经开始 有商业化客户了吗 就是这个完整的工作流 工作流我们现在 已经有商业化客户了 可是 我们还没有 还没有完全落地 可是 我们已经把整个工作流已经在 不同的场景已经开始跑通了 [01:10:51] 这个是什么样的公司 就是你的客户是什么样的公司 酒店场景吧 我能想象的 对 但是 它的成本能比一个人低吗 我觉得这个问题问得很好 非常本质 是有商业本质问题 一个机器人去替代一个员工 在目前的foundation model的 constrain下面其实非常难 难达到一个人一天的产出量 因为机器人本身 其实 因为 硬件和运控的一些影响 是 甚至数据的速度的影响是 非常难做到人类的速度的 所以 对我们来说 其实 我们发现最重要的 价值指标不是要做得比人快 而是要做做得比人更久 [01:11:51] 那 其实就是一天一个人工作 在美国一人一天 工作8个小时 那 其实我给 我跟我团队定的目标 其实 就是说一个机器人 做一天24个小时的工作 可以达到一天一个人 做8个小时的工作 那 其实就可以在产出上面 达到一个正比这是 这对我们来说才是最本质的事情 现在做到了没有 现在已经超出了 就是它24小时做的比一个人8小时多 对 你们是不是在创业之初就决定 先不做人形 然后 不做制造业也不做家庭 这是你们最早的说法吗 我们其实在创业初期 其实 我们不会说我们 一定不做什么 不做什么 而是我们想 我们的思维框架是什么能做 而不是什么不能做 在探索什么能做的时候 我们发现了很多不能做的东西 对 为什么不能做家庭 在那个时候 家庭是一个时间段问题 [01:12:51] 我觉得 因为其实我上个公司是做B2B2C的 所以 我是知道2C的 要求是有多高 而且我觉得家庭本身对 机器人来说算是一个终极形态吧 就是如果说每个人 机器人能泛化到每个家庭 并不代表说他是可以做 所有工业的东西 只不过是说 在泛化能力范围内 算是达到了 非常好的一个 境界 可是 就算机器人可以 在每个家庭里做事情 也并不代表这个产品是成立的 因为在产品维度上面来说的话 其实 本身这个机器人一天的产出 是需要符合这个你买的这个 就是购买机器人的预期 这个预期是非常主观的 就是 对 是非常主观的 所以说 其实每一个人对 这个预期是有不一样的 就像可能有些人家里的阿姨 [01:13:52] 合作的不是非常愉快 其实并不是说这个 阿姨不是general purpose阿姨 而是不管是性格 做事速度 方面其实都是有非常大的分歧 所以说 我觉得 消费者是一个非常 就是主观导向的一个市场 然后 在安全问题上面 和做事 就是从corner case角度方面来说 是多了非常非常非常的多 所以说 我觉得这件事情是 我觉得是三五十年是可以完成 到泛化 可以完成到每个家庭 可是 真正把这件事情做成 不一定代表这件事情有市场 所以说 是要 这个产品要打磨到极致中的极致 才能真正真正变成 一个非常大的一个产品 你说你看得远嘛 你觉得终局来看的话 人形机器人在家庭里 它属于人 就是它可泛化性最强的一个 产品形态吗 就它可能会是我们这个时代的 [01:14:52] 比如说T型车这样级别的产品吗 我觉得只能说家庭是在所有 场景就是 我们世界上 至少我目前认知的 的场景下 对泛化性要求是最高的 可是 可能大家往往 就只往泛化性 一个维度去看 我觉得 他还有消费价值 对也不光是消费价值 就是做的这件事情的速度 做的这件事情是否顺你的心 那顺你的心 比如说 我 盘子是喜欢这样子放 不是喜欢那样子放 我觉得这里面是有 非常多的产品细节本身 不是只是只有一个泛化能力维度 就可以去说清楚的一件事情 然后 也有安全方面的问题等等 就是在这里面 就是维度太多了 所以说 我没有非常去细 的去思考每一个维度 可是 可能就不是 [01:15:52] 对 泛化不是唯一的维度 就是不是说一个通用机器人就 能够是一个好的消费产品在家里 对 而且一个家庭机器人并不 代表这个家庭机器人可以 进任何一个工业场景 那 你们当时觉得 哪一个是你们甜点区呢 哪个场景 我觉得机器人本身 如果说通用机器人做到了 我觉得B2B的通用机器人的demand 会比B2B2C更高 为什么 因为人的欲望是无限的 人的欲望是无限的 其实 就代表了人 如果说在人工成本已经 可以忽略不计的情况下面 他们对消费想要的东西 他们想要的东西就会增强 因为如果说人工成本不在 那消费级产品的东西 就会变得更便宜 变得更便宜 那人就会想多买各式各样的东西 所以说 B2B场景来说 [01:16:53] 如果说我们机器人成了 那business会需要更多的 机器人去做更多的产出 更多的不同花样的产品 其实 我们现在 美国失业率4.5% 那 其实business should hire了 95.5% of 美国的total population 如果说一个家用机器人 三个人组成一个家庭 可能美国可能 只需要一个亿的机器人 可是 如果真正B2B 那这里面还有更多的细思考 比如说blue-collar versus white-collar等等 可是 美国肯定会更需要 需要更多的B2B机器人 versus B2C机器人 因为有更多的人需要打工 需要去做食物啊 做hotel 就是经营旅馆等等对 而且maybe B2B的 机器人更好标准化一些 对 是的 他不需要解决你的情绪问题 [01:17:54] 也不需要解决你的审美问题是吗 对 而且安全问题在某种程度上面 是可控的 所以 基于这些 你们没有选择大家可能 觉得皇冠上的明珠 是一个家庭的人形机器人这条道路 这个是day one 就思考清楚了是吗 对 其实2B场景对我来说 是非常obvious的一个场景 因为 商业落地是最近的 而且如果你连B2B都做不成的话 那 我B2C怎么做得成呢 是吧 就比如说 如果说我在一个洗衣店里面 我连洗衣店的员工都 没有办法完全做好做清楚 那 我怎么可以在 每一个家庭里洗 大家不同的衣服呢 所以说 我觉得很多事情 其实B2B是 完成这件事情的最小unit 而且本身的scope其实是 在范围内是可控的 酒店的市场有多大 我觉得酒店市场 其实 很多人其实没有 就是觉得可能酒店市场是挺小的 [01:18:54] 因为酒店洗衣房能能有多大 可是 在每一个酒店洗衣房 其实 都需要两到五个人 看这个酒店有多大 而且酒店本身在 洗衣这件事情上面 是特别重要的 比如说 他们如果没有洗好的话 那他们的房间就 没有办法给客人了 所以说 其实当时我有 听说一些酒店的老板 在疫情的时候没有员工的情况下面 他们是自己去洗衣房 干活的 所以说 非常本质的一个问题 所以说 是 这个问题对他们来说非常痛 那我们把洗衣房这一个工作流 做通的时候 其实 绝大多数的洗衣房是大同小异的 所以说 其实我们从我们的方向 去思考这件问题 其实 就是我们的第一个闭环 其实 对research来说是有重大意义 因为其实我们就可以 让我们知道我们的 模型的智能边界在哪里 然后 同时这件事情 [01:19:54] 做成了之后也是有意义的 因为本身可以泛化在 美国的10万家酒店里面 所以说 本身的TAM 其实 就是好几个billion 这只是第一个工作流 而且我觉得洗衣房本身是大家 通往home的一个最小的一个unit 如果洗衣房都做不成了 我觉得home肯定也做不成 所以说 我觉得这条路是必经之路 而且是非常重要的 而且 从商业场景来说的话 其实 容错率非常高 对时间的节拍要求 也非常非常的低 而且付费意愿也是非常高 而且这件事情在 美国是特别特别需要的 对 我觉得酒店现在的机器人 我的印象都停留在 外卖送餐的那个机器人 对吧 对对对 那个现在还挺普及了 对 这个目前还挺普及了 可是 我觉得还有 可是 酒店这只不过是 一个非常小的一个环节 我觉得在这个环节下面 [01:20:54] 其实 是可以打开更多的 就是我们在比如说 洗衣房做好之后 其实 我们是可以做其他事情 我们是可以做清理 我们是可以 做饭做菜 或者说做其他的事情 所以说 酒店场景本身是覆盖 覆盖了非常非常多的 场景 而且我觉得酒店是 一个家庭的标准版 就是每个房间可能都 差异化也不是特别的大 所以说 从这个角度来说的话 其实 我觉得酒店作为 第一个商业场景 落地场景来说是一个 非常适合的一个场景 那个阿姨的那个场景能做吗 酒店里 我觉得在模型智能提升到一定程度之后 是完全是可以做的 她也是个标准化的 重复性的工作对吧 对是的 当然 也会有很多corner case 对 但是 相对是比较好标准化的 对 可是 我觉得标准化本身 就是我们短期来说是落地的 标准化对落地是有帮助的 [01:21:54] 因为其实变化不大 那长期泛化来说的话 其实 还是要做 还需要做很多泛化的事情 所以说 比如说 对预训练 预训练所需要的泛化数据 数据其实也是有一定的challenge的 所以说 其实在中可以学习怎么落地 也可以学习怎么泛化 因为从一个酒店到另外一个酒店 到另外一个酒店 肯定也是需要有一定的泛化规律 而且还有不同的SOP在这里面 你觉得我说那个给每个 房间打扫阿姨的那个场景 比你现在洗衣房的场景 难度高多少 我觉得可能会高一点 因为本身 这个市场空间是不是更大一些 是 可是 我觉得最重要的不是市场更大 而是到底能不能真正的 以最短的时间之内形成一个闭环 对 我觉得这个场景本身可能有非常多 很多其他的corner case本身 比如说 就是洗澡的地方该怎么清理 [01:22:55] 然后 如果说他们把房间 弄得特别特别乱 或者说打破了哪些东西 或者说拿走了哪些东西 可能我觉得这里面会 有更多的corner cases 可是 而且全程可能任务完成 可能需要花更多的时间 我觉得其实我对工作流 本身 其实也是有分层次的 其实 不是说每个工作流 其实 都是一样的难度 我觉得就是旅馆的 房间打扫本身就 我觉得可能可以分为 一个更难的一个 一个阶段 所以说 其实 我觉得 本质上你没有把最简单的一些闭环 做成的话 我觉得一下子就往 一个最难的地方做成 你很难形成一个最小闭环 其实 我一直说闭环 其实 所谓的其实就是MVP本身 minimum viable product 你做成一个minimum viable product 再可以往外去扩展 所以 酒店是你最早就 开始选择的一个场景是吗 算是 对 算是其中一个 [01:23:56] 还有别的 对都是商业场景 也不完全是商业场景 反正不是家庭场景 对不是 也不是工业场景 工业场景不多 其实 我觉得是这样子 就是可能行业对场景的 定位是这个是工业 这个是商业 这个是生产等等 其实 我一直以来对市场的 认知一直都不是分场景的 我觉得每一个场景里都 有我可以做的工作流 每一个 所以说 其实我一直都不是 以场景来分 所以说 经常有人问我说 我们是不是一个商用场景的机器人 我觉得 其实 这问题不太对 我觉得我是按 工作流的复杂度来分的 就是比如说 一个比较 短程的一个工作流 像叠餐巾 这是一个非常简单的一个工作流 上料下料其实就完毕了是吧 那其实我们再往下推 那 如果说这是就是 level one或者level two的一个 工作流的一个复杂性 那level three可能就是 [01:24:56] 一个更长的一个工作流 level four可能就是一个 一个洗衣房的一个场景 那level five可能就是 一个hotel cleaning场景等等 我觉得其实都是分层次的 那 其实就是说 对我来说其实就是不分场景 分工作流 工作流难度系数 那难度系数是在模型 的每一个智能阶段 可以解开的 这是你的沿途下蛋 对 在不同的智能水平下蛋 下的蛋是不同复杂度的工作流 对而且这个 现在的复杂度是level one level two 我觉得就是洗衣房的整个工作流是完全 是可以立起来的 它是能算智能水平的level 复杂度level 我很难 我没有细分过 可是 我觉得可能是level two level three 这样子的一个期间吧 就是这件事情本质上面 一致性是比较高 可是 工作链非常长 而且对manipulation的一些 比如说 打开一个 一个washer的一个门 也是非常需要用力 [01:25:56] 然后 有的时候会不小心 drop在在地板上 然后 有非常多 各种各样的corner cases等等 我觉得可能复杂度在 level two到level three上面吧 然后 随着智能体的提升 其实 在更难的workflow 就可以更好地去完成 所以说 我一直对落地的看法是 我落地的场景需要在 我智能体的智能范围内 然后呢 我接下来想要做的战略方向 其实 就是在我智能体的范围外 对 所以说一般来说是 我是这样子去思考的 沿途下蛋的目的是 为了让公司有现金流 不是 其实 是让我理解我 目前的这个智能体本身 让我试探一下这个level 我的智能体的level在哪里 在哪个level我是可以做哪些事情 而且在这个level 在这个智能体的level上面 我会有哪些corner cases 那这些corner cases 是否可以引导我pre-training的方向 [01:27:00] 你看你们要做这样一个洗衣场景 第一代先做一个桌面的 折叠衣服的一个机器人 然后 紧接着你们又去做了 它整个场景的工作流 其实 你们在这个场景要 投入的时间是很长的 那这是一个场景落地 怎么去做探高的事情呢 还有时间做吗 其实 我觉得探高和做场景是 不是 不冲突 不冲突的本身是在于首先 我们把预训练做得更好更大更强 是无论如何都需要做的 预训练你们现在做多大多好多强 我们发布的应该 是行业最大的数据集 而且我们在这个数据集里面 发现了非常非常强的scaling law本身 所以说 其实 其实就是我们 在预训练上花的功夫 其实 我觉得不比任何 一个其他的公司会少 甚至比其他公司会多 非常非常多 而且我回头 比如说 像robotics research lab 也不是 也不是每一个人都是在做预训练的 [01:28:02] 他们团队也是分开 我们做预训练 我们这个团队做预训练 这个团队预训练有多少人 我们这个团队做后训练 这个团队做多少人 然后 我们在 哪些技术方向上面 我还会做哪些研究 其实 是一样的架构 只不过我们在后训练的团队上面 是按照一个场景去做后训练 而不是按照一个非常 发散性的模式去做后训练 其实 这是唯一的差别 你们发现了什么样的scaling law的迹象 在预训练里 我们发现了 其实 在用人体第一视角 数据的上面是可以在 one million hours的一个 预训练集下面 我们发现了非常强的scaling law本身 我觉得这是对行业来说应该 是一个非常重要的一个节点 因为其实在过去1到2年 其实 绝大多数的 就是intelligence ceiling（智能天花板） [01:29:04] 就是这个intelligence ceiling一直很难破 因为大家都说数据是最大的瓶颈 那 其实当时我们做的 第一性原则思考就是说 如果说我们想要达到 GPT-3 GPT-4的一个 机器人foundation model moment 我们需要以最低质量数据去 从中提取出可以scale的地方 而不是去scale一个高质量数据 这个辩论其实在 我是在去年的时候是非常 不一样的一个conclusion 因为其实当时DYNA-1做出来 本质上面其实就是用了 最高质量的数据 其实 当时我们就会发现说 我们会做非常非常多的AB test 然后 我们就会发现说 最高质量的数据本身就 可以训出最好的模型 所以 当时我跟团队说的就是说 你得go all in on high quality data 然后 我们就在那干干干 [01:30:04] 然后 可是我就和 业界的非常多的LLM 也好 Video Generation 模型的人聊也好 其实 当时我是selectively想听到我想听的东西 他们就会认为说 我们当时在预训练的 时候做了一些ablation study 把一些数据拿出来之后 我们就会发现我们 预训练变得更好了 可是 这 所以说 当时我用这些点 我就会跟团队说 他们是这个observation 所以说 high quality data 是最重要的 可是 后面其实我们在 开始做workflow的时候 其实 我们发现 其实 最重要的是模型本身是否 我们是否能给 最diverse最广的human experience 然后 当我们达到一个 internet scale数据之后 我们再去做ablation study 再去distill这个数据才有意义 [01:31:04] 我们在这个前提已经没有达到的前提 去做太多的quality optimization 我觉得不一定是第一性原则 就是至少说从语言模型层角度 来看这件事情 所以说 其实当时我们在 这个方面有了一个转念之后 其实 我们就会去思考说 数据形态在接下来 三年五年十年之后 最终的robot数据形态 会是什么样子的 当时我们想来想去 我们都想不到任何比 egocentric或者exocentric会 就是egocentric（第一人称视角数据）和exocentric（第三人称视角数据） 我们觉得会成为数据的最终形态 因为其实比如说 我们要去bet teleop 或者要去bet UMI 或者说要去bet一些不是egocentric 数据的形态本身 我觉得我们就是 有点程度上面是在 bet机器手不可以work [01:32:06] 可是 我们觉得应该行业的共识是 robot hands本身是一个工程问题 而不是一个research问题 所以说 当时我们bet egocentric是有一定 就是我们会去思考 5-10年的一个维度 然后 最后决定这是 一个最大的数据集 也是最终形态的一个数据集 所以说 当时我们就 以这个模式去all in egocentric 所以 数据多现在比数据高质量 你觉得更重要 你们全部是真机数据吗 我们目前仿真也有一部分 就是我觉得data mixtury 就是我觉得data mixture其实没有必要去 去说 我是仿真派还是我是真机派 我觉得全部是 training objective来的 就是你的goal是什么 你想要train出什么样子的模型 其实 每一个模型其实都有自己founder 自己团队不同的思考 在这里面的 就比如说OpenAI其实当时就是 consumer application all the way 然后 所以说其实他们的是 他们那时候的 刚开始的那时候的模型 是更consumer friendly [01:33:07] Anthropic其实非常early就 decided we re gonna bet on coding Agent Google multimodality是一个非常 对他们来说是非常重要的一件事情 所以说 其实 我觉得在机器人团队 可能每个团队也有自己对预训练 想要达到的能力是有一定的分歧 所以说 我觉得就没有对错 你们是都用 我们都用 哪个好用就用哪个 对 哪个好用完试下来 都好用 对 为什么国内会把 创始人分为真机派 还有仿真派 你觉得为什么会有这个论战 我不知道为什么会有这种论战 我也不知道国内会有 真机派 和simulation派 这个技术路径本身不是 不是本质的 因为 这只不过是其中的 可能是阶段性的 对它是一个 它是一个手段 就是 为什么在手段上面 就是我觉得没有必要bet手段 我觉得最重要的还是 [01:34:07] 我们所谓的重要 其实 就是什么样子的数据集 对我们来说是最终形态 这是我们长期需要bet的事情 因为其实如果说我们 这件事情都做错了 其实 行业变动是非常大的 比如说 去年年初的时候就是真机派 遥操派 然后 在去年年底的时候 大家可能认知就突然 就全部都转变是UMI 那可能今年的时候 大家可能就开始聊egocentric和simulation 我觉得是 就是本身这条路径 是一直都会在变的 那最重要的是我们作为创始人本身 我们觉得最第一性 最本质的事情是什么 然后 我们在最本质的事情上面下注 其实 就可以了 我觉得都没有对错 这个最本质的是 预训练要达到什么样的效果 要达到什么样的目标 对 你预训练达到什么样的目标呢 其实 对我们来说 预训练达到的目标其实就是两个 一个是能decrease demonstration [01:35:08] 所以说 decrease number of demonstration就 代表着我可以更快地部署 然后 还有就是language following能力 language following能力对我们来说 其实就是如何把工作流 给拼在一起的一个基本链 那 其实我们 这是我们目前的认知 可是 我觉得在 市场在往下推断 再往下变的时候 可能我们的认知会改变 可是 我觉得最重要的事情是 认知可以改变 可是 认知还是有产品作为guardrail 就是我们最后要做到的事情 肯定是要落地 不管是多久 这个铺垫期不管是有多久 我觉得我们现在还是在 一个铺垫期的一个状态 可是 不管这个铺垫期要多久 我们要看到产品最终形态 我们就可以一直往这个方向走 所以 什么是机器人的AGI 你觉得机器人这个产业的终局 是什么样的 它需要多少年达到 我觉得多少年达到非常难说 因为其实 我觉得随着 数据量的提升 然后 我们自己在自己 [01:36:09] 自己实验室里看到的一些东西 其实 我觉得我们现在还 不是完全知道天花板在哪 所以说 我觉得这是一个 非常令人兴奋的一个时代 其实 就是说在每一个 技术突破的一个关卡点我们 可以期待一下下一个可能性在哪里 特别是在具身上面 其实 我们目前还不是非常清楚 所以说 我觉得有可能很近 有可能很远 那 我觉得AGI的最终形态可能 就是至少说从机器人角度来说的话 其实 就是你给他 一个非常模糊的指令 他就可以把这件事情全部都做好 其实 跟coding Agent或者说和 一些general purpose Agent的最终的一个形态 会是非常类似的 可能需要多少年不知道 对 我觉得非常难去断定 我觉得随着其实我觉得 你用language model来说这件事情的话 其实 我们在 就从 就从ChatGPT出来的那个点来说 [01:37:11] 那 其实这是大概四年前 到现在其实 我觉得从行业来说的话 已经是一个非常 就是没人能想到四年之后我们能 达到现在的一个coding Agent的一个状态 我觉得 很多科技发展 特别是在AI的领域上面 其实 可能很多时候是一个 非常看似非常平坦的一个状态 可是 突然哪一天 它有一个突变 它有个突变 所以说 其实 我觉得我们 自己看到的一个突变 就是我们在egocentric上面 找到scaling law本身 那 其实就代表着说 我们目前数据上限是非常非常高的 那 我们希望走到 这个数据上限的尽头看看 在这个尽头里 这个尽头到底有多少 探高在这个智能的主线上 和你们这个沿途下蛋的 每一个场景之间什么关系呢 我觉得探高其实和沿途下蛋 其实不是两件事 其实 可以成为一件事情 因为本身探高就是你 [01:38:12] 在智能的每一个点 在每一个维度 比如说 我们现在 比如说 从 一个任务 就是我们去年到今年 的一个认知是一个任务 最小单元的一个 一个范围 现在扩展到了一个工作流 为最小单元的一个范围 那 接下来当语言能力变强 示范越来越少 泛化能力越来越强的时候 是否在下一个阶段是 可以直接进入一个语言 语言的一个状态 其实 就是用 直接用语言去告诉这个 robot需要做什么事情 其实 就够了 还是在这个工作流对吧 对 那其实 我觉得那或者甚至说 是会 会可以同时做非常 非常多各种各样的工作流 或者是说机器人可以开始协同了 所以说 其实 我觉得这可能就是 因为scaling law本身是非常难去断定说 我的scaling law impact是什么样子的 可是 我觉得 以我刚才说的这个框架 可以大概去思考说 我们在scaling law的哪个阶段 我们机器人可以赋能 [01:39:12] 于更多的intelligence 可以做更多的事情 我觉得这件事情是对 我们来说是更本质的 你们在AGI的路上会 沿途下蛋多少场景 这个有推演吗 其实 我觉得做同一个场景 就是就等于做通了所有的场景 为什么呀 因为其实一个场景本身 所需要的 不管是从corner case也好 从quality requirement也好 从速度也好 其实 我们如果能把 这一件事情做透了 我们就大概知道 目前技术 技术的瓶颈在哪里 那 其实对我来说 做一个工作流 versus做100个工作流 其实 相差的其实就是 100个工作流的数据 所以说 本身对我们来说 我们产品的核心其实是一个系统 是一个数据可以进来这个系统 然后 这个系统就可以出一个工作流 所以说 其实当我们 当我把第一个工作流 [01:40:12] 打磨成型的时候 我很多其他的工作流的差异化 其实不大 其实 可能的确是说 比如说 在每一个工作流当中 有不同各种各样不同的SOP 有各种各样不同的corner case 可是 我觉得去解决这些问题的 基本基础思维框架是在那的 那 我觉得 这些基础 逻辑和本质的东西打通了之后 所有的东西其实都是一个 剩下就是一个数据问题 你看大模型行业现在 像比如说Agent的应用者 或者AI的应用者 今年非常的难 因为大家发现大模型的一个skill 可能就把一个应用的场景给 给吞噬了 你觉得在大机器人行业 会出现这种状况吗 就比如说 大模型大脑团队的 就是它的某一次能力的跃迁 然后 导致很多在场景里的优化 变得不work了 就是就没有用了 会吗 会 会的 就是我觉得做一个工作流 本身 其实跟你说的没有 [01:41:12] 什么特别大的冲突 比如说Anthropic 做出了coding Agent 就代表他们只是 在coding Agent上好吗 其实 不是 就是因为他们的pre-training 上面也做了非常多的功夫 post-training上面也做了 足够大的功夫 把coding Agent给落地了 那 他们是可以同时 就是他们可以 以同样的框架 现在可以再把Agent落地 在其他的场景当中 比如说Excel 或者说其他的运用场景 其实 对我们来说 做通一个工作流并不代表 我的pre-training不做了 或者说我pre-training就只有 这一个工作流的pre-training 而是我的pre-training一直都是最广 就是最广的一个泛化下面 而我的post-training 就是我们唯一的下蛋的地方 其实 就是在post-training上面 是否可以把这个工作流做通 然后 再探一下 在做这个工作流的过程当中 有哪些瓶颈 有哪些瓶颈是需要我们 继续引导我们pre-training 方向的一条路 对 所以说其实我们pre-training数据集 [01:42:12] 应该是最广泛 最广泛最generalize的 而且我们在继续scale的过程当中 我们在scale到比如说 1000万个小时之后 那我们pre-training还是非常广泛的 可是 到那时候对我们post-training 的影响有大有小 那 我们不知道 可是 我们至少知道的是在 基础的思维框架就是 在上一代的checkpoint 在上一代的数据量当中 我们的智能体是这样子的 这瓶颈是这样子的 我们在下一代可能 这些瓶颈会离开 有些瓶颈可能还会在 可是 我们在探整个工作流过程当中 其实 我们大概就知道 哪些是可以被预训练解决的 哪些是不可以被预训练 给解决的问题 哪些是不可以被预训练解决的呀 其实 有很多 就比如说 就像我们 刚才说的corner case 比如我说我一下子抓 一次抓两个napkin 导致我的总体产出 大大下降 我觉得这个东西是预训练 不可解决的问题 [01:43:12] 那比如说 当时把napkin放在 bin里面的一个位置 是否能整齐摆放 摆放这件事情完全是预训练 可以通过语言来解决的问题 我们说robotics的这个终局很难预测 那 现在你觉得它到了哪个moment 我觉得可能讨论这件事情 不是特别特别的重要 我觉得重要的是什么时刻 机器人才能给人类真正带来价值 然后 机器人才能真正 达到scalable product-market fit本身 那 我觉得我们离这段距离其实不远 我觉得我们从我们自己的 产品和战略方向来说的话 我觉得 对 一到两年 一到两年 对 它可能在某一个场景里实现PMF 我觉得在场景里实现PMF 已经是一个可以变成 已经是可以落地 [01:44:13] 已经可以形成的一件事情 就是我们把工作流做通 我可以做 同时做10个工作流 20个工作流 我其实我觉得这些 这些场景是可以走通的 那 其实 我觉得ChatGPT moment是 任何人可以 就是it's useful to anyone 就是GPT其实最大的 Aha moment就是It's useful to anyone 每个人都有自己的主观的问题 都有自己的一个主观思维 可是 用GPT都是通用的 那 其实问题就是 在于机器人是否需要 就是机器人是否可以 做到通用这个级别 那可能绝大多数人把机器人通用 理解为physical AGI已经解决了 可是 我从我的角度去看的话 我觉得这是一个产品定义问题 产品定义就是 我觉得其实机器人不需要intelligence 不需要达到通用就可以 被每一个人都可以用上 [01:45:13] 对这是我的产品看法 可能说的比较迷糊 通用就可以被每个人用上 比如说 有可能的是什么样的形态 我觉得我只能说 我只能说到这 其实 就是 这是我们接下来的 几步的一些战略的一些思考 可是 我觉得机器人本身 其实 就是一个智能体和一个产品形态 而不是只是一个智能体形态 不只是一个智能体的形态 意味着你觉得光有智能不够对吧 对 它也需要是一个产品 对是的 它不一定就是需要 智能达到无限的上限 但是 它需要基于 当时的智能做出一个产品来 对是的 我可以这么理解对吗 对是的 其实 我觉得比较更好的就是 非常类似的一个example 其实 就是 其实ChatGPT是2022年11月的时候出来的 GPT-3其实是在2020年的6月份出来的 对 从GPT-3到GPT ChatGPT其实就是GPT-3 versus GPT-3.5 那 其实模型层面上面就不管是从 [01:46:15] 模型大小来说 数据量来说 其实 都是有个变化 可是 可以说GPT-3那时候 出来的产品形态是API 所以说 当时有dozens of developer have access to 然后 也有一些公司 比如说 像像Jasper 可以成功地把这个API变成了 他自己的一个产品 可是 我觉得 GPT-3到ChatGPT本质的 变化是一个产品变化 是一个从API形态变成了 一个browser chat形态 才达到了一个非常 强的一个用户飞跃 其实 那我不是非常清楚 如果是以一个GPT的形态去release ChatGPT是否是可以达到一个 非常大的一个user base本身 可是 我觉得 产品形态其实是不可被忽视的 是的 当智能达到某一个状态的时候 它的产品你看这几年的 哪怕是Agent的形态也 一直在发生变化 它的壳是始终在变化 就匹配当时的那个智能水平 [01:47:15] 对是的 对 所以说其实我们在智能体本身 下了非常非常非常大的功夫 而且所有的智能体 不管是从我们的egocentric scaling law来说 还是从我们的research 比如说 我们自己的whole body control 来说还是从我们的就是workflow 从language和 language stability到reasoning embodied reasoning层面上面来说 我们都是 特别关注的 而且我们在每个维度 上面都有非常大的突破 可是 本质上面 他们所有 我们所有在做的事情 是往一个产品最终局 导向的 所以说 其实我们对方向感是 我们是一个非常有 方向感的一个团队 产品的最终局 你还不觉得它是人形机器人对吧 那是什么样的呢 其实 你觉得可能你可能会觉得说 产品的最终局是一个机器人的形态 其实 我觉得不是一个机器人的形态 而是一个如何使用机器人的一个产品 所以说 什么意思 现在不方便说 我们后期 我们下一次可以 访谈的时候可以再细说 [01:48:16] 今年你们还不会发这个产品是吧 对 还不会 ok那什么叫做和人交互的一个形态 人怎么使用机器人的一个形态 我觉得其实每一个人 怎么使用机器人 或者说 让每个人觉得这个机器人产品 是对他们有用的一个形态 不光光是硬件而是 产品体验 但是 你不是说你们要做B2B吗 对是的 你们也要去做B2C是吗 没有 就是B2B B2B能到每个人的手里吗 我觉得是可以的 而且不需要太久 对 那 你可以期待一下我们下一个release 下一个 哼 不是这个 B2B2C 我觉得现在不用猜测 你觉得最终的形态也 不是一个人形机器人吗 人和机器人的交互 我觉得从硬件角度来说的话 我觉得是否是人形机器人其实 最重要的response其实是一个ROI问题 [01:49:17] 就是我添了这两条腿 是否能给我带到 带来更高的价值 这个价值是否远远超出了 我做这两腿 这两条腿的成本 你说你们是product research 那在就是对于 机器人大脑的research方面 你觉得你跟其他的 公司有什么不一样 比如说Physical Intelligence Generalist或者Google DeepMind 没有本质的区别 我们其实就是在 figure out如何泛化模型能力 如何crack physical AGI 如何能把language steerability 能力做得更好 或者说可以用facial demonstration 可以做得更好 本质上是没有任何区别的 所以 你们也做 要做机器人大脑对吗 我们一直都在做 我们从第一天就开始在做 那 为什么业界一说DYNA的时候 都会本能地认为你们是做本体更多 做场景更多 你觉得这是一个误解吗 对 是一个非常大的误解 我觉得是我们可能刚开始PR没有 花非常多的时间的一个问题 因为当时我们出DYNA-1的时候 其实 我们是以一个落地为 [01:50:17] 核心的方向去说这件事情 就是我们为什么做DYNA-1 因为我们想落地 可是 本质上面其实我们是 一个非常heavily research团队 因为如果不是heavily research的话 我们也做不出DYNA-1 本质的一个突破 所以说 其实从我们角度来说的话 我们一直都是 我们一直觉得智能体 是落地的一个瓶颈 而且我们一直需是需要提高 智能体才可以真正的落地 可是我们只不过是说 在我们提高智能体的时候 我们同时也把落地变成了 一个验证智能体的一个闭环 你的时间分配在哪 哪方面更多 落地更多还是大脑更多 research更多 我的时间 其实 我的时间分配在 战略和团队更多 那分配在 我不能说我的时间 因为我的时间分配在 哪个项目上面 其实 并不代表这是公司的最大的 就是我觉得可以从 公司的权衡角度来说的话 公司的百分之八九十的 [01:51:19] 九十的capacity全部都是 都是在智能体上面 而且我们 就是我们把落地的整个 engineer infrastructure做得足够的简单 所以说 其实对我们来说落地 不是大家所想象的那么困难 没有那么重 对 其实因为本身 其实 我们现在已经做到 任何数采员就可以训一个模型 这是 这是本质上面是在 我们对预训练上的一个突破 就是我们预训练 泛化能力非常强 所以说 我们不需要非常多 demonstration就可以学习到 第二是在我们从 infrastructure上面的一个突破 就是我们infrastructure足够好 所以说 我们的数采员其实都可以做 都可以训模型 当你们 看到所有的所有的 我们的落地的视频也好 和我们的示范 视频也好 全部都是数据采集团队做的 而不是我们的工程和research团队做的 你刚才也提到去年年底 你们团队有一个争论嘛 就是到底是research更重要 [01:52:20] 还是工程落地更重要 然后 你说你们找到了一个overlap 就是能够同时都重要 你找的是一个什么样的交集点 当时就是打工作流 当时其实我们在 战略的思考维度上面 其实 我们就发现 本质任务本身不足以落地 不足以成为一个商业闭环 所以 当时我们就发现 其实 落地本身还不够 不是一个 不是落地的时机 然后 当时我们其实我们的 infrastructure也不是非常的好 所以说 我们当时选择了 一个战略模式 就是我们要 我们当时就内部就叫一个员工 一个员工就是我们 如果说真正的要达到一个员工 一天能产出的价值 我们需要把上料和下料和任务 和整个工作流全部都做掉 所以说 在那个期间 其实 我们就把团队凝聚 [01:53:20] 在一个战略点上面 就是我对 我们对智能体的需求是需要提高 才能把整个主工作流给做完 同时我们在落地团队要把 infrastructure做得更好 所以说 我们才可以更好地去落地 然后 我们在post-training technique上面 也要做得更好更快 才可以落地一个工作流本身 所以说 那时候才把团队给凝聚起来 往这个点来打 这是你做的过去两年 一个很重要的决策是吗 是 当时是一个 对我们团队来说算是一场战 这是一个非常重要的 一个战略节点 OK 那 我们细数一下从 24年到25年到26年的 几个重要的战略节点 分别是哪些 我觉得24年可能就不说了吧 就刚开始 25年其实就是战略节点是怎么样子 让我以最小的一个单位 就是一个任务单位 怎么做到落地的一个闭环 [01:54:22] 所以说 那时候说的其实就是 主要就是DYNA-1周边的很多活 当时其实就是在 我们在后训练上面 哪些东西对一个任务执行的质量 对 我们的速度 和我们的语言可控能力 有非常大的一些思考在这里面 然后 在 2026年其实我们就是以一个员工的这个战略 来走的 其实 那在这时候其实就是 我们知道了我们预训练 模型需要往哪个维度去泛化 而且我们的预训练的方向 是什么样子 我们怎么样子可以去crack scaling law with the most abundant data 同时我们要做好 一个工作流 那 其实对reasoning和language scalability能力需要增强 然后 同时我们在 机器人本体上面需要布局 [01:55:23] 因为我们 第一代机器人是不可以动的 所以说 我们在第二代机器人 我们在whole body control 在硬件上面的布局 也是需要focus的 所以说 这是我们在 2026年的一个战略体系 再往后还不方便说 不方便说 可是 我们还有 还看了很远 再往后是不是跟之前的这个 场景发生了很大的变化 应该不是在这个场景的延长线上 对吧 我们看到的是整个市场 我们看到的是我们怎么样子让 任何人都可以用上这个机器人 让任何人都用上这个机器人哦 对 这就是下一步了对吧 对是的 所以 你说具身智能做什么样的任务 才能够PMF呢 做可以达到ROI的任务 就是他们 如果说他们在自己 在一个自己的工作范围之内 可以产出比人更多的output 他们就可以达到PMF 你们在这个场景上 应该能够优化达到 [01:56:23] 我们在我们所选的场景下面 我们基本上都可以达到 如果达不到的话 就成为不了商业闭环本身 现在机器人的行业说 商业闭环会不会太早了 为什么这么早就追求商业闭环 你们才创业一年两年 其实 我觉得商业闭环 本身 其实不是一个 一个最重要 就是说revenue不是最重要的 一件事情 而是我们要把商业 闭环的每一个阶段 每一个问题全部都要想通 全部要打通 就比如说 self driving本身 如果说你不把 San Francisco每条街跑一遍 你是不知道你的 你的瓶颈到底在哪的 所以说 其实对我们 来说其实就是这个 就是说我们要把 所有的场景 所有就是我们想要设定的 一些场景的corner case跑遍 我们大概知道可以 大概把问题分为 泛化性能解的问题和 泛化性不可以解的问题 [01:57:23] 然后 在这方面把 deployment飞轮给打通 因为其实 我觉得不光是机器人本身 就是我上个公司Caper 我们在落地的时候 就是产品出来之后 产品本身已经可以铺到 任何一个超市的时候 我们的 我们也花了几年的时间 才真正把落地给打通了 因为落地本身是deployment flywheel deployment flywheel其实不光光是一个 可能大家想着说 我智能体解决了 我就可以大大落地了 其实 完全不是 就是你在落地的时候 其实 你的硬件会出问题 你的软件会出问题 你的模型会出问题 你的运控算法会出问题 然后 有的时候是你 模型跑了一段时间之后 突然有一天发现 我的throughput本来一天是 需要折1300张餐巾的 可是 我今天 今天只折了800张餐巾 然后 你也不知道为什么 所以说 其实在deployment flywheel里面 你需要 比如说 要build observability Stack 要做 support min stack 所以说 在这里 [01:58:24] 其实 可能很多人其实都 没有想到deployment环节 其实 是一个非常非常困难的环节 所以说 在 而且deployment环节本身可能也就 也是需要两三年的时间才能真正跑通的 所以说 当你把智能体本身完成了 然后 你再去跑deployment闭环的时候 你就会发现你落后了两三年 因为其实 所以说 其实这本质上面是 就是可能也是取有我之前的经验 所以说 我才知道说 OK 我们现在就可能就需要把这些 deployment上的一些细节给摸清楚 你说你能闻到钱的味道 你在机器人这个产业里 闻到钱的味道了吗 闻到了 在哪里 在我会即将做的所有的工作流里面 这是初期 初期的 商业闭环可能性 对 那不是初期以后呢 以后那就是我们战略的下一步 那 就是整个市场的可能性 [01:59:26] 你为什么这么强调闭环 因为有闭环才有反馈 有反馈才知道你下一步该怎么走 就是因为你 我觉得摸石头过河这件事情 是本身是非常困难的 就是你如果当你不知道 当你没有一个闭环 你没有一个反馈 你不知道你的问题在哪里的时候 你是很难去知道说我的 research需要往这个方向做 我需要往那个方向做 可是 闭环本身 得到的是 我的这条路 以一个最小的一个 最短的一个时间之内 我可以大概探到我下两三步怎么走 所以说 其实对我来说是 探索接下来该走的路的一个过程 你是从第一天就开始有中国的团队 对吧 对是的 为什么做这个决定 这是一个重要的决定吗 这是非常重要的一个决定 因为其实 我觉得智能体 没有供应链是没有 办法做出世界级的机器人的 你们在中国的这个 做到什么程度了 目前 我们在中国是有 [02:00:26] 一个四五十人的团队 是专门做硬件研发和供应链的 所以说 我们在整条链 其实全部都跑通了 所以说 我们现在已经 进入了初步量产阶段 初步量产ok 百台级别吧 百台级别 是这个工作流的机器人 还是上一代 工作流机器人 ok 上一代我就没有选择量产了 就是因为 我觉得上一代 本质上跑不通 行业内的人会说你们 就是在去年年中之后都比较低调 就是声音比较小 为什么呀 你们这一年在干什么呀主要 我觉得是几点吧 首先我们research taste是 我们的bar是非常非常高的 其实 绝大多数行业 比如说 PI出的一些东西 其实 我们是在早几个月 其实 就已经完成了 比如说 从language steering 层面上面来说的话 其实 我们是在八九月份的时候 去年八九月份的时候就有了 可是 当时其实我们其实 [02:01:26] 对bar非常高 因为其实我们就觉得说 这件事情还没有做到99% 所以说 我觉得我们不想发 可是 我们后面其实意识到 我们自己对research的taste bar 如果太高的话 我们什么都不发 其实 也不好 所以说 其实我们在这一方面 是有一定的改观 第二 其实 我觉得在战略不清晰的情况下面 去发一些 我们觉得是一些阶段性的工作 其实 我觉得其实也不是特别 符合我们自己的一个核心理念 就是我们对我们自己发东西 其实 不是为了做PR而做 其实 我觉得我们是为了 我们觉得这个东西是 真的本质上面做好了 而且是有非常强的产品也好 research也好 工程也好的一个逻辑在这里面 我们觉得这一件事情值得发值得看 我们才会选择发 那 我觉得当时我们设定的 这个工作流的这个战略目标 其实 是一个非常远的一个目标 [02:02:26] 而且是需要非常长时间 让团队凝合起来去 做到的这一个目标 所以说 我们在中途就选择不发 因为我觉得把 说出一些片面故事为了PR 其实 还不如我们就把整个故事说完 这样子大家可能才 才会更好 理解我们为什么做这件事情 我觉得机器人 可能是比大语言模型 更长期的一个长跑 你觉得在这个长跑的过程中 最重要的是什么呀 因为它还离收敛很远 就整个产业的收敛都很远 每个人 现在还在做不同的探索 可能大家都觉得 市场还没有收敛 其实 我觉得最重要 其实 就是一个方向 就是你觉得最终形态 会是什么样子的 然后 你往这个方向走 其实 就好了 对 对你来说 智能和产品哪个更重要 智能更重要 因为我觉得如果没有智能的话 其实 就没有产品 所以说 其实智能是产品的一部分 [02:03:27] 智能是产品最重要的一部分 有了智能之后 你才可以真正的去 产品化 可是 我觉得产品会影响智能本身 就是智能要做到是多智能 才可以成为一个产品 所以说 两个是有一定的关系的 可是 在两个关系之中 我觉得智能是肯定是最重要的 其实这也是 我们团队的中心 我觉得长跑中间最 重要的就是产品和智能 产品智能和落地 我觉得 甚至说在长跑当中 我觉得 我觉得就是可以看出 就是中国派和美国派 就是我们刚开始聊的 这个我觉得美国觉得大脑重要 供应链 以后大家都会有大同小异的硬件 都会解决问题 那中国就觉得大脑 可能长期不是特别重要 供应链最重要 因为供应链非常非常困难 我觉得两个都重要 可是 如果说真的让我 往10年去看这些事情 我觉得可能供应链更重要 对 因为其实供应链本身是你 [02:04:27] 是客户最终 客户最终拿到是硬件 所以说 最终来说其实你的量产 你的产品形态 因为其实 大脑决定了你这个产品的下限 身体决定了你这个产品的上限 所以 我觉得长期来说 可能会形成一个成本和质量战 就是十年之后的事情 那 如果供应链最重要的话 你怎么看现在中国的 这一波机器人团队 我觉得每个人其实都有自己的打法 我觉得都值得参考 比如说 宇树 我觉得宇树其实是一个 非常优秀的一个公司 特别是在硬件层面上面 其实 他们在硬件上面的研发 把他们的System ID和就是把sim to real gap 做的这么这么这么的小 [02:05:28] 本质上面是一个非常 非常强的一个突破突破口 所以说 我觉得他们在这 一方面是有一定的优势的 智元呢 我觉得智元的打法其实可能 其实 他们是有一定的智能体 他们有他们自己的硬件 我觉得他们可能长期也是 在想往哪个方向走 可他们有足够的资金 我觉得资金可以维持这个 组织非常长的一个时间 其实 这也是战略本身 所以 从他们有 有更多的资金 其实 他们的容错率就更高 所以说 他们是可以 他们的战略是可以 往更广的 产品线来铺 然后 可能在 智能体上面可以 以一个更发散的 一个情况来bet 所以说 这本身也是 也是他们的战略 我觉得也是值得参考和尊敬的 你怎么看你们 比如说 跟那些 [02:06:28] 机器人模型公司的竞争 和你们怎么看你们和 中国机器人公司的竞争 其实 我觉得行业其实 不是一个竞争状态 我觉得其实如果说你 看行业整个形态 其实 我觉得是一个非常 的确可能会有一点 竞争模式在这里面 可是 我觉得大家也是非常的open 就是大家非常愿意说我在做什么 然后 我们的方向是什么 然后 我们做出了一些research 我们会分享我们的 research result是什么 我觉得这本质上面是 一个非常好的一个 一个行业的一个动态 所以说 我觉得在真正 有market share端来说 就是真正有market share之后 我觉得才能真正形成 一个competitive dynamics 我觉得现在可能 大家都是在一个互相 尊敬或者互相学习的一个状态下面 你觉得什么时候会有快速收敛 我现在聊机器人团队都觉得 就是大家每个人都有 每个人不不同的做法 [02:07:28] 感觉离收敛期还挺远的 你说的是对的 就是可是在每一个时段 其实 都有一定的收敛 其实 说 比如说 我们做出 DYNA-1之后 其实 大家都往机器人的成功率 或者说执行速度上面 其实 是有一定的收敛就是 我们其实要做出一个 有用的机器人本身 然后 其实在对 比如UMI也好 egocentric也好 世界模型也好 其实 行业也是渐渐地往 这个方向收敛 那 其实说这些事情 可能在长期是会有改变 可是 我觉得我们是渐渐在 一个已经在一个 收敛的一个过程当中 我们大概知道说 哪些方向对 哪些方向不对 哪些是重要 哪些是不重要的 所以说 我觉得可能在 接下一到两年之后 我觉得是有机会看到 一个更收敛的一个模式 大家可能会更往 比较类似的一些 不管是从模型架构也好 或者说从数据能力也好 其实 都会开始 有一定的收敛 [02:08:29] 你怎么看待机器人本体 和大脑的关系 我觉得两个都非常重要 大脑是机器人的下限 我觉得本体是机器人的上限 这个 跟很多人观点还是相反的 别人可能会觉得大脑是上限 本体是下限 大脑是决定这件事情 到底可不可以做 硬件是决定这件事情 到底能做的多好 其实 这是我的看法 因为其实这件事情能做和不能做 是大脑决定的 那这件事情能做多好 其实 某种程度是 硬件和运控所决定 那比如说 我折1000张 一天可以折1000张餐巾 其实 如果说在数据 运控和硬件的能力下 如果可以 可以允许 我是可以动作是可以动得更快 我的动作是可以更精确 所以说 我觉得 两者都是非常重要的 而且我觉得大脑和本体的关系 [02:09:31] 其实非常非常紧密 非常难去拆开来去分析 因为其实有的时候 因为本体本身是有 视频 就是你的camera 你的perception 和你的运控 那 其实你收集到的数据其实 如果说从 遥操数据层面上面来说的话 其实 就是 就比如说 运控本身 我们从运控上面收集到数据 用两个不同的运控算法就可以 训出两个非常不一样的模型 一个可能是非常非常丝滑 非常漂亮 另外一个可能就是一个 非常糟糕的一个机器人 所以说 我很难想象说 真正去做B2B落地场景 如果你不own这个机器人本体 你是很难达到他们的 质量和速度效率的 所以说 我觉得两个都是 那 你觉得应该大脑驱动本体 还是应该本体驱动大脑 我觉得是大脑驱动本体 就是大脑 其实这是我们 [02:10:32] 团队里经常的一个dynamic 就是其实硬件的定位一直 都是research团队给出来的 比如说 我们的camera需要多少FPS 我需要global还是rolling shutter 还有我的camera的角度 需要多广 全部都是research团队去界定的 所以说 我觉得是需要 从research角度去定身体 那 如果大脑有一个提升 然后 这一代硬件会不会就不work了 它要整个替代它的 现有的硬件方案 会出现这种情况吗 我觉得不是因为大脑的 提升导致硬件本身不work 而是 大脑提升之后 可能硬件就达到了上限 就是你硬件已经没有办法 做我大脑想做的事情 就是我大脑 比如说 用最简单 这就是最简单的 比如说 我本来 大脑是可以跟 世界级乒乓球选手打的 [02:11:33] 可是 我的身体跟不上 那 就被硬件给限制住了 所以 我在想现在做全栈会不会早 因为大脑的问题还没解决完 我觉得不早 因为其实本质上面其实 就是一个codevelop的一个过程 就是我的智能体本身是需要 什么样子的硬件去搭配它 那 我在大脑进化的时候 进化之后有可能会 我的硬件是一直 肯定会一直持续迭代的 硬件本体 是需要刷起码三版 你才可以真正进入量产 才可以真正进入场景 而且我觉得现在 供应链还没有完全收敛 所以说 硬件本身还是 有非常非常多的问题 如果说你在三年 之后再去做这个硬件 那 其实你就少了3年 可以迭代的一个过程 那 其实那时候你大脑问题解决了 你再去 你再去定义硬件 的确那时候你可能会 定义出一个更好的硬件 可是 并不代表你那时候 你的硬件是可以落地 [02:12:33] 可以量产 对 你们会把那个夹爪换成灵巧手吗 会的 在哪一代 这个对于你们这个场景重要吗 目前来说不重要 可是 我觉得最重要的是灵巧手 我觉得换的时期是 我们在灵巧手ready的时候 我觉得现在灵巧手还 不足以ready去做落地 你现在有没有很困扰的一个问题 作为CEO 困扰的问题是 一个时间段的问题 每个时间段都有不同的困扰的问题 比如说 在这个时间段有人的问题 在这个时间段有融资的问题 在这个时间段是有战略的问题 可是 我觉得没有一条 长期的一个困扰主线 如果是长期困扰主线 那 就其实那就是问题本身 可能是太大了 我解决不了 最近呢 我在思考怎么样子 拿到更多数据 这应该所有机器人都在想的问题 [02:13:33] 对吧 对 可是我觉得我们的 上限可能比别人会高一些 因为我们能训的数据更多 所以 我觉得采购可能 是我所想的一个问题 现在采购数据有什么 比较好的来源没有 没有 我们都可以用 在DYNA-1到DYNA-2 你们技术路线有发生变化吗 本质的变化 就是一个非常大的一个改动 不管是从模型架构来说 从我们的预训练的数据集来说 从reasoning的角度来说 甚至说硬件也有变化 我觉得我们是脱胎换骨 变成了一个新的公司 中间有没有什么比较struggle的时候 其实 是比较是 最struggle的其实就是我们当时对 自己所走的这条路是有一定的困惑 其实 就是没有看到一个战略的下一个节点 应该往哪里打 这是去年几月份 [02:14:33] 其实 就是去年 去年年底 年底说的那一次 对 为什么会困惑当时 当时其实就是觉得落地 任务本身落地没有办法 形成一个商业闭环 然后 我们需要 我们是需要bet落地 还是需要bet research 然后 那时候选择两个 你就在一个点上打 所以说 其实这是当时的 收敛的一个结果 所以 就 希望这个工作流的场景 既能够满足商业化闭环 又能够去 提高了我们智能体的 提高智能的上限 对 你觉得截止到现在 达到这个目标了没有 我觉得达到了 然后 下一阶段你们要去做的是 还不能说的事情 对是的 但是 已经脱离了这个工作场景了 对是的 你们账上钱多吗 挺多的 能支持机器人模型的研发吗 [02:15:34] 完全可以 机器人模型研发 你觉得需要多少钱 我觉得绝大多数的钱 其实 就是人才 算力和数据 我觉得可能在下一个阶段 就是我们在大大scale up 我们数据的这个阶段 是需要更大的资金的 可是 在我们 上个阶段到现在这个阶段 我们是没有烧太多钱的 这个可以认为是DYNA 1.0对吧 就是完整的这个洗衣的这个工作流 能这么说吗 然后2.0你可能要去用 一个更多的数据 然后 去做一个更大的模型 然后 去定一个新的场景或者范式 算是 可以这么理解 对对是的 你觉得1.0 这个过程中你们积累的是什么呀 验证的是什么呀 就是复盘一下这个完整的阶段 到今年你们要发 那工作流的机器人的时候 其实 就是我们在 智能体需要往哪个方向走 其实 这是我们在DYNA 1.0形成的时候 [02:16:36] 核心就是我们真正智能体 要进化到什么程度 然后 我们的预训练需要提高多少 然后 我们预训练从 预训练想得到的泛化和 语言的结果是什么样子 才可以把一个工作流给立起来 我觉得这是我们最大的一个心得 2.0是脱离了1.0的叙事 还是说在它的延长线上 你说我们我们的战略下一步吗 我觉得是脱离了场景的受限 对 拓离的场景受限 要讲一个更大的故事 不是说讲个更大的故事 就是去做一个更大的市场 是做一个通用市场 因为其实飞轮其实已经搭起来了 就是这整个系统 其实 已经搭起来了 其实 剩下就是 给他更多的数据 他就可以学新的东西 你就说你形成了 基于这一个工作流形成了一个系统 对 数据能够进来 然后 能够出去 [02:17:36] 然后 可以形成一个工作流出去 就可以是 就是数据进来 然后 就可以通过这个 系统转换成商业价值 但是 那个场景不是一个垂类场景 对吧 对不是 I see 这个什么时候能看见 明年 明年哦 还是要一年 我觉得可能战略 每个战略节点 真正要把这场战打完 可能需要半年到一年的时间 我不知道需要多久 可是 我觉得就是 这条路是非常清晰的 DYNA的企业文化 企业氛围是什么样的 我们是都是非常 我觉得团队本身我觉得韧性非常强 因为可能基于我们 过去的一些经历来说 其实 我觉得一些 一些方向起伏其实对我们 来说影响不是特别大 第二是其实团队是非常纯粹的团队 就是我们 因为其实我和York York以前是做摇滚的 然后 其实我是非常喜欢 [02:18:37] 创业这件事情本身 所以说 其实我们是非常 喜欢和一些真正喜欢 做事的人在一起工作 因为其实机器人行业本身 其实 有点浮躁 然后 其实大家都有 不同的想法和看法 然后 可能在每个时间段 哪一个公司其实都是 大家所 非常关注的公司 可是 其实对我们来说 如果你真心热爱你做的事情 其实 你就不会被外界影响到 而是我们真正心中有这一张图 然后 我们就往这一张图走 所以说 我们是 一个非常纯粹的团队 然后 也是个非常passionate 非常 就是非常想把 这个事情做成的一个团队 你们的公司内部状态更像一个lab 还是更像一个什么 我觉得内部架构来说 lab的属性会偏高一些 [02:19:37] 因为你在创业的时间很长了嘛 你觉得现在这些新的公司的组织形态 跟过往的公司 组织形态有发生变化吗 我觉得这是一个非常好的问题 其实 我觉得组织形态 是有个非常质变的改变 其实 我在 pre coding agent之前 其实 组织绝大多数的 大规模公司其实是层层 是一层一层的一个关系 那 所以说其实在一个 比如说 像一个大公司像Google样子 有可能10到11个level 然后 每个level 就是它再有 自己分内的一些事情 那 其实在目前的一个AI状态下面 其实 我就是我组织非常明显 变得非常非常的扁 所以说 其实扁的一个非常好的 一个形态就是我们作为 [02:20:38] 我作为一个CEO 或者说我团队的 团队的一些高管 是可以直接操控执行方向的 就是可能是可以直接从通过 execution的engineer和researcher 或者说通过他们的上面的 一层的manager就可以 直接达到这个目的 我觉得这本质上面是 一个非常大的一个变化 这也是我觉得是一个好的一个变化 做事就快了很多 所以 你现在不到200个人 差的不多对吧 美国可能就对 稍微多一点 多一点对 为什么是这样配置 其实 美国团队应该是research为主 然后 中国团队是 硬件为主 对是的 然后 也 然后research比硬件多一点 对 其实 我觉得我的一直 我的一个管理理念 其实 通过我的Caper的创业 加上Instacart的经验 其实 我发现其实比 更适合我的一个管理状态是 招最精的人 做最重要的事情 [02:21:38] 所以说 其实我们团队的 平均素质是非常非常高的 绝大多数的IC 其实 都是以前是有一定的管理经验 然后 后面真正是因为喜欢做IC 所以说 才选择做IC 所以说 大家都是 有非常充足的经验 所以说 其实他们比如说 一个scope 是可以 他们可以自己拆解 自己去执行 所以说 达成了这样子一个状态 那 其实人少一点的话 其实 管理成本就下来了 所以说 其实我们就不需要花 特别多的时间去管理一个组织 一个组织 比如说 我们如果说有 一层一层的人的话 那 其实就非常 就是 那你做做起事来 其实 动作就很慢 然后 整个work structure也不够nimble 所以说 其实我是 我对我的理念是 我们找最强的人 做这件事情其实就够了 所以说 就 而且大家 可以更好地进入一个心流状态 这个心流状态就是所谓 [02:22:38] 其实 大家都是共频的 我们都是需要做这一件事情 所以说 其实我们大家 可以凝聚成一颗心的时候 我们就可以把这件事情 做得更快地落地 其实 跟人数是没有很大的关系 所以说 我反而觉得人数多的时候 更难成为一颗心我 所以说 我们 我是 我是想在一个最小单位 形成一颗心 然后 往这个方向走 你觉得这种小组织的状态 会维持多长时间呀 它是一个阶段性的状态 还是一个长期的状态 我觉得小组织状态 一定都是一个阶段性状态 可是 我觉得往一个 更大的组织来走的话 其实 我觉得可能 可能跟十年前的 形态可能有点不一样 可能以前 十年前可能是需要1000 比如说 这件事情 过去1000个人 才能做的事情 可能现在可能只需要花 一两百人就可以做了 所以说 其实大 肯定会变大 可是 不一定需要变得特别特别大 [02:23:38] 这就是比以前少 但是 比现在大 对 今年agentic coding就是爆发了之后 对你们行业有什么改变吗 我觉得有特别大的改变 因为所有做的所有的事情 其实都快了很多 所以说 其实当 工程成本下来的时候 其实 你就有更多的空间去探索 其他的方向的事情 就是比如说 以前你 一件事情需要一个月做 那 现在这件事情只需要一周了 那 你就是可以同时 那 你就可以探索 四件事情 四个方向 所以说 就 本质上面迭代速度就 开始变得非常非常的快了 所以 其实刚才你问我 要多少年可以进入AGI 其实 我也不知道 因为本身工程 效率也一直在提升 所以 我觉得最重要的 还是一个团队的迭代速度 你第四次创业 对 这次有什么不一样的感受 已经慢慢的理解 创业是怎么一回事了 我觉得原来创业可能是一直是以 [02:24:38] 一个外界的标准去评判我自己的 成就 那 当时以一个外界的标准评判 就是我融了多少钱 我做出了多少成就 我的估值有多高 或者说我客户有多少 收入有多少等等 可是 我觉得我现在可能更是一个 以一个自己的一个 自己去往自己内心走的一个状态 就是我自己怎么做好自己 我怎么样子把这个问题思考清楚 我怎么样子把 底层逻辑思考清楚 才可以做更深刻 就是更重要的事情 自己已经慢慢 就是通过一个自己 修心的一个状态 可以活出一个 更真实的自己 我觉得这是我比较喜欢 的一个创业状态 你从什么时候开始修心的 我从刚刚开始Caper创业的时候 就开始修心了 就十多年前了 因为我其实 我觉得 本身创业是非常非常困难的 [02:25:38] 然后 在每一个困难的节点 其实 对你来说都是一个挑战 都是一个修心的一个过程 因为其实每个人都是带着 自己的一个主观的一个 过滤镜去看这个世界 那 其实有的时候 你转念 就是你 当你选择同样的事情 你一个不同的方向去 看这件事情的时候 你的世界会变得非常辽阔 我可以给你一个 一个比方 其实 我自己我是有一个 非常奇怪的一个病 叫强直性脊椎炎 周杰伦也有这个毛病 就是我的免疫系统会 攻击我自己的spine 对 然后 其实当时我是在 我十八九岁的时候 其实 就有这个毛病了 然后 其实我当时非常怨恨世界 我当时就是觉得 为什么 我这么 我这么 我这么不幸运 我这么 然后每天都是 要活在这个痛苦当中 就是有的时候痛 [02:26:38] 就是睡觉的时候更痛 就很多人就比如说 疼痛 我只要睡觉之后我是不痛 我是睡觉的时候更痛 然后 打喷嚏也痛 或者说什么样子 反正就是非常非常难受 然后 当时其实对我来说 最大的突破其实不是说病 本质上好了很多 而是我转念了我就 我把这个病痛看成了一个 一个experiment 就是我如何能更改我的作息 我如何能更改我的饮食 我如何能更改自己 来帮他解决 就是解决这个问题 所以说 其实我通过了十多年在自己 身体上的一个experiment之后 其实 我发现了一定的规律 然后 我自己也把这个毛病给调顺了 调好了 所以 所以 你是从那时候开始自律的是吗 是的 然后 其实 我觉得创业 本身 其实也是这样子 就是说我其实以前一直觉得说 [02:27:38] 我跟这个投资人聊 然后 这个投资人就完全不共频 完全不就不知道我在说啥 那 我就会觉得说 这个投资人不懂 我觉得他很傻 然后 我就继续说我说该说的 可是 我现在转念后 其实 我就发现说 其实 投资人的思考维度 跟我很不一样 他们看到所看到的世界是 足以我可以去参考的 所以说 其实最近其实 我近期就其实就有聊一些投资人 其实 我就发现 其实 我以前无法接受的观点 其实 我发现他们给了 我很多的新的启发 所以说 在转念过程当中 其实 你就会发现这件事情的 对你来说 其实 已经没有你以前想象的那么难 或者是说这么 这么让你不开心 所以说 把东西变正向的时候 你的世界就会越活越辽阔 [02:28:40] 你刚开始跟我说你 会把投资人分类 你会分哪几类 就是每个人 他们可能他们的 care的东西不一样 就是有些人可能更care财务 有些人更care技术 有些人更 更care本体 有些人更care终局 有些人更care founders等等 其实 我觉得这是他们的 其中的一个 一个分析维度 然后 每个人在这几个维度上面 负重都是不一样的 对 你现在还会像上一段创业 一样痛苦地读《沉思录》吗 会 我还看了非常非常多 其他类似哲学体系的书 西方的《沉思录》和中国的王阳明 和甚至说佛教的体系 基督教的体系 其实 核心概念其实 都是非常非常类似的 其实 就是核心概念其实都是修行 就是你怎么样子和这个世界相处 你跟这个世界的关系是什么样子的 你是怎么看待这个世界 你是怎么可以转念的 怎么可以让自己活得更好 [02:29:42] 所以说 当你自己更了解自己 当你自己更了解真实的自己是什么 当你更了解这个世界的 底层逻辑是什么样子的 其实 你就会发现 以前非常内耗的东西 其实 都没有必要内耗 你会内耗什么呢 我会非常内耗别人怎么看我 我觉得我是一个 有点讨好型人格的一个人 所以说 其实有就是 所以说 其实我就会在乎说 我这件事情如果没做对的话 这个人会不会讨厌我 或者是说 我这个问题没有思考清楚 这个人会不会觉得我很傻 或者甚至说 有的时候我 比如说 做一个演讲 然后 我就觉得 我事后我就看了这个视频 我觉得 这怎么这样子说 然后 会在这里会有停顿 然后 其实我就后面就发现 有本书里其实说 说的很有意思 它就说其实这个世界上最在乎 你长什么样子的人就是你自己 其实 就这样 所以说 其实我这件事情其实 在某个时间段想通之后 其实 我后面就不怎么在乎了 [02:30:43] 就是我就觉得 反正我只不过是大家 看视频的两分钟 他看完这个视频 然后 就看其他视频了那就 所以说 那就无所谓了 那 其实对 其实 对我来说 我就觉得 非常非常重要 可是 到头来说 其实 没有 完全没有必要去 去想太多 你说你现在不是为了证明自己 那你是为了什么创业呢 你的驱动力变成什么了 我是想更好地活成真正的自己 因为我觉得每一个人其实 出生 刚刚出生的时候 其实 是一个非常纯真 非常看山是山的一个状态 就是这件事情就是这样子 我就该这样子做 然后呢 当你慢慢长大的时候 其实 你就会发现 世俗上有这个规矩 有这件事情不能做 然后 我做了这件事情 别人会笑我 我不喜欢别人笑我 其实 有点像是 Adam and Eve（亚当和夏娃）他们吃了那个 [02:31:44] the apple of knowledge（禁果）的一个状态 其实 我觉得这样子活就 越来越变成见山不是山 所以 我是想活成一个 自己随心所欲的样子 因为我觉得这才是真正的自由 真正自由就是你可以选择做 你随心所欲想做的事情 而且 而不在乎别人的看法 你一进来我就问你 帅哥创业 帅哥作为一个CEO 到底是一种什么样的感受对不对 那 为什么你这么多包袱 就是你长得也很帅 然后 看起来也都很好 但是 我感觉你比别人更内耗 我觉得我其实也不是特别内耗吧 其实 我cofounder York其实就跟我说 其实 我是一个非常不敏感的一个人 所以 我觉得 没什么问题 然后 现在我是越来越不内耗了 所以说 我是越来越不care了 对 然后 关于我长得帅这个问题 我觉得只不过是我变得更健康了 [02:32:45] 我觉得 其实 我觉得人都是这样的 就是你活得越健康 其实 你就看起来就越健壮 然后 大家就会觉得可能你的 气色或者说你的神态更好 我觉得这是我自己 越变越健康的一个状态 最近这次创业有 什么不一样的体验吗 我觉得非常不一样 因为我觉得这一次其实对我来说 我是非常珍惜这一次创业机会的 因为回到我原本本身 其实 我是非常热爱创业这个行业的 所以说 当你热爱一件事情的时候 其实 你就会一直去 想去知道 想进步的这些点和其他人对比 你到底能站在哪里 那 我觉得机器人这件事情 是一个世界杯 其实 我跟很多人说过这个 就是我觉得世界杯 因为所有的行业里非常非常强的人 其实都在这个赛道里 然后 每个人其实都 有他们自己的战略 [02:33:45] 自己的打法 而且很多人做的事情 其实 我是非常敬佩 我是非常尊敬的 所以说 在这个行业里 我觉得我是带着一个敬畏心来的 所以说 我是非常珍惜 所以说 我是想好好打 好好做 然后 也希望在这个过程当中 可以活得更辽阔 而且也可以提高自己的能力 把我的匠心 把我的craft给做好 这是第一吧 然后 我觉得可能 剩下我觉得就是这次 非常不一样的地方是在于 问题的复杂性特别特别的高 所以说 也非常挑战我 个人的一个方向能力 其实 就是在某种定义上 其实 对我来说也是一个更高的挑战 就是我怎么样子在一个 非常浮躁非常困难非常复杂 而且在技术还没有 收敛的一个环境下面 能看得清一条路 [02:34:45] 对我来说是一个非常大的挑战 可是 我非常喜欢 我觉得真的是非常 有意思的一件事情 看清一条路 有时候会感觉是迷雾笼罩吗 我觉得一直都是 这整个行业其实一直都是迷雾笼罩 可是 如果能在迷雾中 探出一条你自己的路 我觉得对我来说就非常有成就感 你觉得外界对于DYNA说的非常准的地方 和说的非常不准的地方有吗 非常不准的地方就是 我们是个deployment公司 我们其实 我其实从第一天其实 我们就不是一个deployment 来去为核心观点 来做这个公司的 那 我觉得说的比较准的地方是 我觉得我们做的东西是有价值的 对 你觉得这次创业到什么样的结果 你会觉得是成功了 什么样的结果你会觉得失败 [02:35:45] 我觉得成功的定义非常难去定 可是 我觉得从 一个公司的角度来说的话 我觉得如果能让每一个人 用上我们的机器人 我觉得 这是成功的一个点 就是让每个人有这个 可能性用上我们的机器人 每个人 对每一个人 我觉得对我来说 我自己定义的失败是我修心的失败 就是如果我真的 认为这件事情失败了 那 其实我就失败了 是一个心理状态 修心 你会有什么仪式吗 你日常 除了自律 修心是一个长期的一个 比如你会冥想之类 其实 修心跟冥想不是完全一个体系 可是 冥想是有 会帮助修心 因为本身冥想是可以 让你的脑袋静下来 可以好好思考 思考事情 我觉得修心是你对这个世界的看法 [02:36:48] 就是每到一个节点 每到一个challenge 其实 都是有办法 去解决它的 那有些办法是可以实际上靠改变 其他人和改变世界去渡过难关 那有些难关是你没有办法靠 改变其他人和改变世界去改变的 那 其实这就是你自己的难关 如果这是你自己的难关 就是要靠修心去超越的 你有度过一个 改变自己度过的难关吗 非常非常多 最近两年有吗 有 比如说 我觉得其实在战略迷失的时候 其实 对我来说就是 一个非常大的一个挑战 就是我当时想都想不出来 去年底吗 对去年底我就当时 我觉得我 就想都想不出来 然后 就是团队就会觉得说 那 其实我们在做 我们在往哪个方向走 然后 后面其实我是放下了 [02:37:48] 一些心里的包袱 或者说干扰我的一些噪音 然后 才能真正让我可以用非常清澈的一个思考维度 去解决这个问题 我觉得很多时候其实不是 其实 很多时候解决一个问题 不是靠你工作时长 因为其实 我是从投行走过来的 其实 一周工作100到 120个小时 其实 当时是一个常态 可是 其实我发现很多时候 你是靠时间是堆不出来的东西 是需要换一个思维模式才能解决的 你是通过屏蔽了很多噪音 丢下了很多包袱 对 你的包袱是什么呀 要做一个不犯错的CEO的包袱 就是我当时非常怕犯错 因为其实我也算是成功过一次的 [02:38:48] 创始人了 所以 其实我当时对自己的 包袱其实就是我不能犯错 因为大家其实都是 冲着我的经验来的 可是 当时我觉得在这个包袱下 反而让我的很多 决策变得非常的不明智 或者说甚至是 就是为了不犯错而做的决策 那 我觉得为了不犯错而做决策 其实 本质上就不是一个好的决策 对 我看到你之前还说过一句话 你要证明自己不是昙花一现呢 是对 这是我以前的包袱 你现在还有这种想法吗 没有 其实 那是一个自我证明式的想法 对 而且这是 这是一个外界对你 的评判的一个想法 可是 我觉得外界对我的评判 现在不重要 所以 你是在去年底 度过了这个心理状态 感觉去年底对你来说很重要 去年底今年初吧 对 [02:39:49] 我觉得那时候度过这个状态 其实 我是真的 我其实我当时度过这个状态之后 其实 我是发自内心的 感恩 就是我第一个 就是度过之后我第一个对 我影响非常大的一个情绪 就是感恩 因为当时是感恩我的老师 感恩我的团队 感恩我的妻子 我的孩子 因为其实在那个状态下 其实 他们是力挺我 两个联创 他们是真的是力挺我到头的 所以说其实我就觉得说 我作为一个CEO其实 我本来是为了不能犯错 而做了很多错误的决策 可是 你们还愿意 包容我 然后还 而且还同样的在 扶持我把这件事情完成 所以说 我当时是特别的感恩 所以 这个状态对我来说 [02:40:49] 现在对我来说是一个 非常好的一个状态 你去年做了什么错误决定 我觉得其实就是战略 战略方向 其实不是非常清晰 然后 对于公司的文化 我觉得也没有花特别多的时间 去打理公司的文化 所以说 我当时就觉得 团队的凝聚力不够 然后 导致 我们需要bet的一些项目也好 需要做的一些事情也好 其实 当时做了一些比较错误的 也不是说错误的技术选择 就是我觉得不够 第一性原则的技术选择 浪费了团队的一些时间 这个跟落地和research有关系吗 就这个二选一的选择 没有特别大的关系 而是就是我们在战略的下一步 就是其实我这样子说吧 就是我觉得我们在战略的下一步 没有思考好 然后 就去开始跟 就是看别人在做什么 然后 我们也觉得 我们要去赶上 [02:41:50] 所以说 缺乏了自己对市场的 判断和自己的第一性原则思考 所以说 导致其实团队是 在一个飘动的一个情况下 就是大家出了这个 我们就要去看这个 大家出了这个 又要去看这个 就是被带来带去 带得非常难受 所以说 一直是在一个被市场 被市场带节奏的一个状态 然后 其实当我们真正 找到了自己最本质的东西 对 我们自己非常自洽 的一个方向的时候 然后 整个团队就开始收敛了 然后 就变成了一个非常 非常稳定 然后 一个momentum（势头） 特别特别强的一个团队 这个过程本身是一个 是一个大家在一起的一个状态 就是说 我觉得有一些关 自己心里的一些关 其实 是需要 别人帮你一起度过的 每一次 每个人进入一个难关的时候 其实 都是你自己认知的天花板 那 这个天花板在天花板 上面的东西到底是什么 [02:42:50] 其实 你是不知道的 因为不是在你认知范围之内的 所以说 当 然后 有一些时候 我是通过自己去突破的 然后 有些时候非常非常难 是需要通过别人的一些 提醒和意识去突破的 所以说 那时候是身边有老师 身边有非常爱我的人 就是爱我的团队和 等等在一起我们 我才知道说 这条路应该这么走 因为我觉得念头是 很容易发散出去的 念头怎么收回来 你有学会吗 我觉得我可能还没有达到 一个境界是我可以非常 简单的用语言去描述 我对这个世界的改观和理解 可是 我觉得 念头的根源 可能就是你对这个世界是否 是否能为这个世界发出善意 我觉得如果说你一直是从一个 [02:43:52] 与人为善的一个角度去 去走这条路的话 我觉得你可以走很远 可能说的有点抽象了哈哈哈 就不是在证明自己的某种ego 对就真正去了解自己 真正去了解我自己到底 是什么样子的一个人 就是 见山是山和见山不是山的 一个状态是什么样子的 然后 渐渐把这个迷雾给打开 然后 渐渐去发现 最纯粹的自己是什么样子的 我觉得这是一个 这是一个心境吧 这今年变化了 对 我今年是有非常大的变化 经历了一次内心的脱胎换骨 对 这个对创业者来说是不是很常见 常见吗 就是在创业的旅途中 不断地看见自己 然后做出改变 我觉得这是 这是一条道 这是每个人都有自己的道路 而且这条道路是他们 自己最向往的一个方向 有些人的方向其实就是 [02:44:53] 物质层面上的一个成就 其实 有些人可能就是 一个内心的上面的成就 可是 我觉得最本质的其实 每个创业者其实都会遇到难关 在他们遇到难关的时候 他们去怎么解决这个问题 是通过改变这个世界 去解决这个问题 还是通过改变自己去解决这个问题 其实 每个人都有 自己的一个走法 我觉得本质上面来说 我觉得可能在 如果是通过改变自己 改变自己的念头和改变自己 的一个对这个世界的过滤镜 来行走这条创业道路的话 我觉得会更长久 因为我觉得创业是一场 是一个非常非常长的一个过程 在这个长跑赛中 如果说你没有办法 更好的提高自己 把自己做的事情越做越坚定 我觉得是非常难 [02:45:53] 就所谓的内耗吧 就是你精神是没有办法支持 你是没有足够的体力可以跑完 这个marathon的 而且这个马拉松它不一样的 是在于你不知道终点在哪里 对 所以说你就是一直在跑就是你 对 所以说这也是可能是更 你说的是非常非常对 就是这是更困难的一件事情 当你不知道你要跑多久 然后 你还一直在这条路上跑 而且你也完全 完完全全看不到终点 也不知道终点在哪 也不知道前面那条路是什么样子的 那 你那时候怎么样子稳定 自己的心态去继续跑下去 我觉得这是每个创业者只要在 机器人行业上面需要面临的一件 事情 是的 我感觉好像你开始跑的那一刻 反而没有那么难 对 但是 你到旅途中间 看不到终点 也看不到四周的时候 是最痛苦的 对是的 但是 你直到去年底你才创业一年多 [02:46:54] 为什么这么快呢 这个时候来的 难关本身 其实 跟时间不是一个 绝对的一个关系 而是在于每一个人可能在 每一个节点上面都有自己的难关 而且在每个不同的时段也都有 有些难关可能他们选择不说出来 或者说有些难关其实觉得 其实 本身也不是特别的严重 那比如说 我度过这个难关 可能从外界世界来说 其实 不是一个 不是一个big deal 只是一个非常简单的 一个战略模式改变 可是 当时可能在当时的精神状态下 和我自己的一个 对世界的认知的一个情况下面 其实 当时对我来说就是一个 非常难的难关 那 我也就 而且我渡过这一次难关 其实 并不代表我 以后不会渡过难关 所以说 我觉得 其实 每个人其实都在渡难关 只不过是他们自己怎么对 这个难关的一个认知吧 [02:47:55] 那假设 如果你这次创业不如 你上次创业的结果 你会怎么想 其实 我觉得还是一样 就是放平心态 就是本质上我是来赢的 就是我是希望好好打这场世界杯的 那 我觉得我打出了我自己的风采 我打出了我最纯真的自己 我打的尽兴 我其实我就觉得已经非常开心了 因为其实 我觉得人生其实 你不能一直都是看着终点 因为其实你看着终点 你就永远无法享受这个过程 其实 我觉得人生我们 一直都是在旅途上面 在每一个节点只不过是一个checkpoint 而不是你的goal 所以说 如果说你没有 办法享受这个旅途 你只想一直一直往这个终点看 那 我觉得你会觉得 这段旅途是非常煎熬的 可能这也是我可能 就是我在转念 之前的一个看法 我就觉得这条 我就一直往着这个结果看 我就一定要做出这件事情来 我就一定要怎么样怎么样 [02:48:56] 其实 我就反而就觉得让我 不是非常enjoy这个process 所以说 我现在 其实 我现在的思维是非常不一样的 掉进一个坑 爬出来再掉进一个坑 再爬出来 其实 就是 这就是我觉得很多 创业者需要经过的一条路 最后几个快问快答 好的 一个全球范围内你喜欢的食物 我觉得如果就说一个的话 我就说福州的拌面扁肉吧 这是我家乡的东西 一个全球范围内你喜欢的地点 我觉得我老婆和孩子 在的地方我都喜欢 你小孩多大 我有三个女儿 一岁两岁三岁 那你结婚很早 没有啊 我是30岁的时候结婚的 知道的文化的知识点 一个少有人知道但必须知道的知识点 可以是一个冷知识 修心算吗 我们的每位嘉宾都会给我们的观众朋友们 推荐一本人生的必读书 希望他是真的对你的人生 产生过影响的 那就是《人生只有一件事》（金惟纯） [02:49:56] 你心目中影响 机器人进程的几篇论文 我觉得是Jason的《Eureka》 其实 这篇论文本身 其实 重新定义了机器人如何 未来自我学习的一个形态 然后 同时也是我认识Jason的 一个主要的论文 基于你当下的认知 一个关键的重要的bet是什么 infrastructure吧 你们花了很大的精力做这个是吗 基础设施 很重要 因为其实它 你的模型迭代的速度和你模型 在scale up的范围之内 其实 我觉得都是非常重要的 我们工作室叫做语言即世界工作室 当你第一次听到这个名字的时候 你在想什么 从机器人角度来说的话 其实就是机器人感知这个世界 其实 就是通过语言和世界 所以 其实对我来说 两个模态都是非常重要 对机器人来说都是最重要的模态 世界就是vision [02:50:57] 对世界就是vision和 audio physical properties和all the sensory inputs 然后 语言就是对机器人的 对这个世界和语言的一个认知 把语言变成action