"那其实就不是机器人太慢，而是机器人本身需要个保姆"：任务到工作流的转折、从"全押高质量数据"到 all in egocentric 的自我纠正，以及"不犯错的 CEO"这个包袱（张小珺 #154 / Lindon Gao，2026-10-15）¶

嘉宾: Lindon Gao（高林栋，音） — Dyna Robotics 创始人兼 CEO。中国出生、11 岁赴美，福州人；第四次创业。前一家公司 Caper（无人零售，2017–2021）以约 3.5 亿美元卖给 Instacart，之后在 Instacart 做了三年高管。联创：杨世远（York Yang）（合作十余年）、黄一林、Jason Ma（research 联创）
主持: 张小珺（《商业访谈录》第 154 期）
来源: YouTube · 171 分钟
转录稿: sources/zhang-xiaojun/20261015-iDaxRNIddME

⚠️ 信源形态：⚠️ 本页摄自该期的英文标题版（iDaxRNIddME），取的是其 zh-CN 人工字幕；⚠️ 中文原版（V0IB8iMzrLQ）无任何字幕，已按本库既有惯例写入 skipped.txt。两者 upload_date 与时长（2 小时 51 分 18 秒）完全一致。✅ 字幕为人工，专名与术语损坏极少，本页因此比本库多数自动字幕页更可逐字引用。

⚠️ 嘉宾姓名：⚠️ 全期只播报英文名 "Lindon"，中文姓名未被播报，本库不补。⚠️ 联创 York Yang 的中文名由主持人读作"杨世远"、另一位读作"黄一林"，本页照录。

⚠️⚠️ 本页最重要的一条阅读提示：这一期与本库两天前摄取的 Latent Space × Jason Ma 那期是同一家公司、同一周、同一次 DYNA-2 发布，由两位不同联创分别讲的。 ✅ 本库认为这构成一次难得的交叉验证机会，而且两份材料的分工非常干净： ⚠️ Jason Ma 那期给的是结论与技术实现——"我认为今天机器人领域的人还在任务层面想自主性……但真正的价值在于能无人监督地持续数小时的工作流"（Jason Ma 视频页 [00:49:29]）； ⚠️⚠️ 而这一期给的是那条结论的来源——一个具体的、在客户现场失败出来的商业观察（下文第一节的"机器人需要保姆"）。✅ 本库此前在 Physical AI 上从未拿到过"任务级自主为什么不够"的第一手商业证据，只有论断。 ✅ 两期在可核验处相互吻合：量产量级（Jason 说"已部署数十台、明年目标数百台"，Lindon 说"初步量产阶段，百台级别"）、客户类型（Jason 点名鼎泰丰每天折数千张餐巾，Lindon 说"餐饮里面非常非常大的一个客户"、一天 1300 张）、以及"硬件由 research 团队定义"这条组织机制。⚠️ 本库仍记为同一方的两次自述，不因互相吻合而转为事实。

✅ 本页认为这一期最该被长期保存的是四处，而每一处都是本库此前没有的形态： ① ⚠️⚠️ "机器人需要保姆"——一条把"任务做到 99% 也不构成商业闭环"证明出来的现场失败，以及由此得到的分界："在任务范围之内，智能体不受限；可是在工作流范围之内，是受智能体影响。" ② ⚠️⚠️ 一次完整的预训练路线自我纠正，而他主动承认了自己当时的认知偏误：从"go all in on high quality data"到 all in egocentric，⚠️ 并自述当时"我是 selectively 想听到我想听的东西"。 ③ ⚠️⚠️ "大脑决定下限，本体决定上限"——他自己点明这与多数人相反，而论证是数据侧的（不同运控算法会训出两个完全不同的模型）。 ④ ⚠️⚠️ 一位卖过一次公司的创始人把自己去年底的战略失误归到一个具体的心理包袱上："要做一个不犯错的 CEO 的包袱"，⚠️ 而失误的形态是"被市场带节奏"。

⚠️⚠️ 一、"机器人需要保姆"：本页认为这是本库目前最有价值的一条机器人落地证据¶

来源：张小珺 #154 / Lindon Gao

起点是一个成功（[00:46:30]–[00:47:30]）：2026 年四五月的 DYNA-1 他自评是行业级突破——"我们当时是首家公司首次 show 了一个可被商业化的 Demo"：折餐巾、可以折 24 小时、99% 以上的成功率。⚠️ 而他给团队定的那条 product research 目标很具体："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"（[00:46:30]）。
⚠️ 然后是六月到九月的部署，而他对部署难度的定性是 "难，非常难"（[00:52:33]）。本页把暴露出来的四个问题按性质分开，因为只有最后一个让他改了战略：
① ⚠️ 规格被砍过一刀：餐巾本需叠五次，他们只叠四次，最后一次留给服务员——因为叠到后面餐巾已经很厚很小，折过来需要摊平，不摊平会散开。⚠️ "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。"（[00:53:34]）
② ⚠️ 吞吐不达标：客户一天需要 1300 张（⚠️ 他说这是餐饮里非常大的客户、每天人流极多），而 DYNA-1 24 小时只能折 850 张 → 他们在速度上做了很多 research，最后达标了（[00:53:34]–[00:54:37]）。
③ ⚠️⚠️ 而达标之后暴露的那个 corner case 本页认为是最该被引用的一条量化：模型鲁棒性强、corner case 能解，但解的时间特别长——"有的时候我们的机器人会不小心抓两张餐巾，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。"（[00:54:37]）
- ⚠️⚠️ 于是产出被 corner case 频率直接吃掉："所以每一次拿到两张餐巾的时候，我们这一天的产出就会往大大下降。所以如果说我们当时如果说有 10% 是 double fold 的话，我们今天就肯定是达不到标了。" ✅ 本页标注：这条给"99% 成功率"这个指标加了一个本库此前没有的限定——失败的代价不是一次重试，而是 6 倍于正常节拍的停摆，所以 1% 的失败率在吞吐口径下不是 1% 的损失。
- ⚠️ 他对解法的态度是硬的："当时我们是非常坚决，所有的事情是需要全部是需要模型解决的"，⚠️ 而他点明这一条预训练解不了："不小心抓了两张餐巾导致 decreasing output 这个，这是非常难的预训练去解决的"（[00:55:38]）。
④ ⚠️ 摆放一致性：折完要放进 bin，而放进去的规律很随机、不一致，⚠️ "很多不知道的人会过来看说这没有折好" → 要用语言 condition 模型按第一、第二、第三个位置整齐摆上去；⚠️ 而当时 VLA 的 language following 能力不够强，他把这条整个归因到了预训练（[00:55:38]–[01:05:43]）。
⚠️⚠️⚠️ 而决定性的那个发现与模型完全无关，本页认为这是全期最该被长期引用的一段（[00:58:39]–[00:59:41]）：
机制：每半小时到一小时，一叠 100 张餐巾就折完了，机器人随即不动——因为没餐巾了；⚠️ 店内员工得自己在手机上设个闹钟，每半小时到一小时过来看一下、给它一叠新的。
⚠️⚠️ 而客户的反馈是归因错的："时常就会发现客户跟我反馈说，我们机器人没达标。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。" → 看数据发现 "我们的机器人空窗期很长，就是有的时候机器人连续半个小时都没有在干活" → 问客户是不是没及时上料 → 是。
⚠️⚠️ 他的结论是一句："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，所以当时我选择不 scale。"
⚠️ 而他对"不 scale"给的理由是关于技术债的："如果你去 scale 一个不完整的一个产品，那这个产品在未来会对你来说是个累赘。"（[00:59:41]）
⚠️ 他对当时业务状态的说法是：这个场景 "已经开始上量了"、客户 "10 个以上"（⚠️ 具体量"暂时不能说"），⚠️⚠️ 但"因为解决的问题不够根本——我只做到了任务，我没有把整个工作流给做完"，所以选择不继续 scale（[00:57:39]–[00:58:39]）。
⚠️⚠️ 而主持人追问的那一问逼出了本页认为本期最锋利的一条分界（[01:00:41]–[01:01:42]）。她的提法是：以 research 为导向的 lab 会说根本问题是大脑，而投资人会问这个场景是不是太小。
⚠️⚠️ 他的反问是："大脑不行，不行在哪？……可是在叠餐巾的这个场景里，是大脑的问题吗？我已经把整个工作其实已经全部都做完了。所以在这个场景的意义上面，智能体本身已经不是一个问题了。"
⚠️⚠️ 而落点是那条分界："所以在任务范围之内，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。" ✅ 本页标注：这把"大脑够不够"这个问题拆成了两个不同作用域的问题，而答案相反——在任务作用域里已经够了，在工作流作用域里远远不够。本库建议把这条当作 Physical AI 上讨论"智能是不是瓶颈"时的默认第一道澄清。
⚠️⚠️ 而他对"任务级泛化为什么不等于商业闭环"给的那段本页认为该与上一条一起引用，因为它是针对泛化指标本身的（[01:01:42]–[01:02:42]）：
"任何一个任务其实就是一个 sequence of motions。你在这个维度上面去做泛化性的话，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——就是它本身的泛化能力变强了。可是这并不代表说这个任务真正形成了一个商业闭环。"
⚠️⚠️ 他把它说得更极端了一次："我可以任何一个任务可以 zero-shot 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。"
⚠️ "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。"
⚠️ 工作流的内容他拆得很具体（[01:03:42]）：不只是叠——没餐巾时要知道库存在哪、去拿、回到桌面、把餐巾放下、叠、叠好的拿到指定 shelf、再拿一个新桶回来重新开始。⚠️ 即上料与下料。
⚠️⚠️ 而工作流为什么是预训练问题，他给的是一条乘法（[01:04:42]）："在这工作流的每一个 step、每一个任务当中，是有一定的成功率和失败率的。所以你要把工作流做完，那其实就是 99 times 99 times，就是一个 compound，是一个 exponential 的一个过程。" → 要把每个任务都做好、每个 corner case 都知道怎么解、连起来能连续一直做下去。
⚠️ 他对"哪些 corner case 预训练解不了、哪些解得了"给了一组对照，本页认为这是本期最可操作的一条（[01:42:12]–[01:43:12]）：⚠️ 解不了——"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"；✅ 解得了——"把 napkin 放在 bin 里面的一个位置是否能整齐摆放，这件事情完全是预训练可以通过语言来解决的问题。"
⚠️ 现在的状态（自述）：整个工作流全部可以做完——机器人在洗衣房空间里自由活动、知道现在该做什么（[01:03:42]）；新工作流已有商业化客户但还没有完全落地，⚠️ "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"，客户是酒店场景（[01:09:51]–[01:10:51]）。

⚠️⚠️ 二、预训练路线的一次完整自我纠正，含一句罕见的认知偏误自述¶

来源：张小珺 #154 / Lindon Gao

⚠️ 第一阶段的结论是有实验支撑的，而且方向与现在相反（[01:29:04]）：做 DYNA-1 时 "本质上面其实就是用了最高质量的数据"，⚠️ "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。"
⚠️⚠️⚠️ 而他紧接着主动承认了当时的认知偏误，本页认为这是全期最该被引用的一句，因为本库极少拿到这种自述（[01:30:04]）："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。"
⚠️ 具体机制是他挑了支持自己的那半：对方说的是 "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"；⚠️ "所以当时我用这些点，我就会跟团队说，他们是这个 observation，所以说 high quality data 是最重要的。"
⚠️⚠️ 而转念的触发点是做工作流，不是论文（[01:30:04]–[01:31:04]）："后面其实我们在开始做 workflow 的时候，我们发现其实最重要的是模型本身是否我们能给最 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。"
⚠️⚠️ 落点是一句方法论判断："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——至少说从语言模型层角度来看这件事情。"
⚠️ 第一性原则的提法他给了一次完整表述（[01:29:04]）："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。"
⚠️⚠️ 而选 egocentric 的那条论证本页认为是全期最精彩的一次推理，因为它把一个数据采集的战术选择等价成了一个技术判断（[01:31:04]–[01:32:06]）。他先说选择方式是倒推终局："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"，而 "我们想来想去，都想不到任何比 egocentric 或 exocentric 会成为数据的最终形态"。
⚠️⚠️ 然后是那条等价："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。"
⚠️⚠️ 而反方是行业共识："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。" → "所以当时我们 bet egocentric 是有一定……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。"
✅ 本页标注：这条的价值在于它给"该赌哪种数据形态"提供了一个可争论的判据——你选任何非第一人称的采集形态，隐含的就是在赌灵巧手做不出来。 ⚠️ 本页记为他的论证，而"行业共识是灵巧手是工程问题"这条他没有给出处。
⚠️⚠️ 结果（自述，本库未核实）（[01:28:02]–[01:29:04]）："我们发布的应该是行业最大的数据集"；⚠️⚠️ "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。"
⚠️ 他对这条的意义定性是行业级的："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，绝大多数的 intelligence ceiling 一直很难破，因为大家都说数据是最大的瓶颈。"
⚠️ 而他把它当作一次"突变"（[01:37:11]）："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，这个尽头到底有多少。"
⚠️⚠️ 本页的限定：⚠️ "one million hours"、"行业最大数据集"、"非常强的 scaling law" 三条全部是自述，期内没有任何曲线、指标或对比对象，⚠️ 而他明说细节留到发布时讲。本页按自述记录，并建议发布后回填核验。
⚠️ 资源配比的变化是这条路线转向的可核验表现（[00:56:38]）：⚠️ 去年年底是"预训练和后训练一半一半"，现在是"预训练比后训练多非常多"。⚠️ 理由他给得很干脆："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。"
⚠️ 而他们是怎么确定"后训练到顶了"的，本页认为这条过程值得记（[00:51:33]–[00:52:33]）：在 CoRL 展示的 zero-shot T-shirt folding 上，他们去试探 "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 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。" ✅ T-shirt 的大小、style、fabric 之间也有泛化能力，他们由此得出了 garment diversity 与 environment diversity 两个方向的泛化 recipe。
⚠️ 结论："所以当时我们在当时的 pre-training 的情况下面，大概探到了 post-training 的一个天花板" → "最重要的现在应该是 pre-training。"
⚠️ 而今年的变化他说"一点都不 surprising"（[00:52:33]）："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。"
⚠️ 预训练的两个目标他说得很明确（[01:35:08]）：① decrease number of demonstration（"代表着我可以更快地部署"）；② 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。" ✅ 本页标注：第二条解释了为什么"工作流"这个产品决定会直接translate成一个预训练目标。
⚠️⚠️ 而他对国内"真机派 vs 仿真派"之争的拒绝本页认为该被中美 AI 竞争记一条（[01:33:07]–[01:34:07]）：他们仿真也有一部分，⚠️ "哪个好用就用哪个，都好用"；⚠️ "data mixture 其实没有必要去说我是仿真派还是我是真机派，我觉得全部是 training objective 来的。"
⚠️⚠️ 而他对论战本身的评价是："我不知道为什么会有这种论战……这个技术路径本身不是本质的，这只不过是其中的可能是阶段性的，它是一个手段。" → "我觉得没有必要 bet 手段。"
⚠️ 他顺带记录了一条行业共识的漂移速度："去年年初的时候就是真机派、遥操派；在去年年底的时候，大家可能认知就突然全部都转变是 UMI；那可能今年的时候，大家可能就开始聊 egocentric 和 simulation。" → "本身这条路径是一直都会在变的。"

⚠️⚠️ 三、"product research"：一次公开的误解修正，以及一条可被外部检验的资源声明¶

来源：张小珺 #154 / Lindon Gao

⚠️⚠️ 主持人直接问了外界的认知，而他的回答是"非常大的误解"（[01:49:17]–[01:50:17]）：问题是"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"。
⚠️ 他的归因在自己："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核心的方向去说这件事情。"
⚠️⚠️ 而他的反驳是一条反事实："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。"
⚠️ 他对"外界说得最不准的地方"的回答是同一件事（[02:35:45]）："非常不准的地方就是我们是个 deployment 公司。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。"
⚠️⚠️ 而他给的资源声明本页认为是本期最可被外部检验的一条（[01:51:19]–[01:52:20]）："公司的百分之八九十的 capacity 全部都是在智能体上面。"
⚠️⚠️ 而落地之所以不重，他给了两条具体理由：① 预训练泛化强——"我们不需要非常多 demonstration 就可以学习到"；② infrastructure 足够好——⚠️⚠️ "我们现在已经做到任何数采员就可以训一个模型"。
⚠️⚠️ 而他给的那条验证方式本页认为最该被引用，因为它是可观察的："你们看到的所有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。" ✅ 本页标注：这是一条很少见的、把内部分工变成外部可核对信号的声明。
⚠️⚠️ 而 "product research" 与传统 research 的区别他说得很清楚，并且带一条对后者的批评（[00:43:27]–[00:44:29]）：
⚠️ 传统 research："OK 我要走到 AGI，那我现在是以一个发散性模式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。"
⚠️⚠️ 他的批评："可是我觉得在发散性模式当中，有的时候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做得足够的透。"
⚠️ product research 的两条机制：① research 的边界有 guardrails——所有 research 需对长期产品有价值；② 对 research 的优先度有框架——⚠️ "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"，理由是 "我们团队的精力有限，所以我们只会在最重要的事情上面下注"。
⚠️⚠️ 而他对自己的定位是倒推（[00:45:29]）："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。"
⚠️ 他明确拒绝"落地派"这个标签（[01:06:45]）："可是我觉得我是 product research 派，就不是落地派……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。" ⚠️ 而唯一的产品约束是："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。所以我们是用产品闭环去探我们 research 接下来的方向。"
⚠️ 而他对自己与几家纯 research 公司的 research 差别的回答是"没有本质区别"（[01:49:17]）：被问到与 Physical Intelligence、Generalist、Google DeepMind 的差别，他说 "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。" ⚠️ 而对"是不是也做机器人大脑"他答 "我们一直都在做，我们从第一天就开始在做"。
⚠️ 他也拒绝替别人贴标签（[00:44:29]）：被问 PI / Generalist 是否属于 research 导向，他说 "我觉得我不能以这种方向去断定他们，因为他们自己内部也有自己对他们自己方向的认知"，并说 "我没有有意去区隔我们自己和别人。"

⚠️⚠️ 四、"按工作流复杂度分级"代替"按场景分类"：一条可迁移的路线图框架¶

来源：张小珺 #154 / Lindon Gao

⚠️⚠️ 他明确否认按场景思考市场（[01:23:56]–[01:24:56]）："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。" → ⚠️ "所以经常有人问我说，我们是不是一个商用场景的机器人？我觉得这问题不太对。我是按工作流的复杂度来分的。"
⚠️ 他给的分级（本页照录，⚠️ 他自述未细分过）：level 1–2 = 叠餐巾（"上料下料其实就完毕了"）；level 3 = 更长的工作流；level 4 = 一个洗衣房的场景；level 5 = hotel cleaning 场景。
⚠️ 洗衣房整个工作流他自评 level 2 到 level 3（[01:24:56]）：⚠️ "这件事情本质上面一致性是比较高，可是工作链非常长"，而 manipulation 上也有难点——"打开一个 washer 的一个门也是非常需要用力，然后有的时候会不小心 drop 在地板上"。
⚠️ 酒店客房清洁为什么更难（[01:21:54]–[01:22:55]）：corner case 更多（"洗澡的地方该怎么清理"、房间被弄得特别乱、打破或拿走了东西），全程任务完成需要花更多时间。⚠️ 而他的排序理由不是市场大小："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。"
⚠️⚠️ 而"沿途下蛋"的目的被主持人问到时，他否认了现金流这个答案（[01:25:56]–[01:27:00]）："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。"
⚠️⚠️ 而他给的落地与战略的定位规则本页认为是全期最干净的一条可迁移规则（[01:25:56]）："我落地的场景需要在我智能体的智能范围内；然后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。"
⚠️⚠️ 而"做一个场景等于做通所有场景"这条他给了理由（[01:39:12]–[01:40:12]）："我觉得做同一个场景就等于做通了所有的场景"——因为把一件事做透就知道技术瓶颈在哪；⚠️⚠️ "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。"
⚠️⚠️ 而产品的真正形态他定义成一个系统："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。" → ⚠️ "所以当我把第一个工作流打磨成型的时候，我很多其他的工作流的差异化其实不大。" ⚠️ 他承认差异仍在（不同 SOP、不同 corner case），⚠️ 但 "去解决这些问题的基本基础思维框架是在那的……剩下就是一个数据问题"。
⚠️ 而他对"大模型能力跃迁会不会吞掉场景优化"的回答是"会"，但与做工作流不冲突（[01:41:12]–[01:42:12]）。⚠️ 类比他举的是 Anthropic：做出 coding agent "不代表他们只是在 coding agent 上好——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"，所以 "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"。
⚠️⚠️ 而他对自己的对应说法是一条很清楚的分工："我的 pre-training 一直都是最广、最 generalize 的；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。"

⚠️⚠️ 五、"大脑决定下限，本体决定上限"：他自己点明这与多数人相反¶

来源：张小珺 #154 / Lindon Gao

⚠️⚠️ 原话与主持人的即时反应本页一并照录（[02:08:29]）："大脑是机器人的下限，我觉得本体是机器人的上限。" 主持人："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。"
⚠️ 他的论证是两句："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。" ⚠️ 例子回到餐巾：一天折 1000 张——在数据、运控和硬件的能力允许下，动作可以动得更快、更精确。
⚠️⚠️ 而他给的"为什么不能不 own 本体"的论证是数据侧的，本页认为这是本期最有机制含量的一条（[02:09:31]）："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机器人。"
⚠️⚠️ 结论："所以我很难想象说，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。" ✅ 本页标注：这条把"要不要自研本体"从成本问题换成了数据问题——本体与运控决定了你能采到什么质量的轨迹，而那是训练分布的一部分。 ⚠️ 本库建议与 Jason Ma 那期"你最终都得在硬件上 eval，而 eval 不够快就限制研究进展" 并读，两条指向同一结论但机制不同（一条讲数据分布，一条讲迭代速度）。
⚠️ 方向性他给的是"大脑驱动本体"，而机制是组织性的（[02:10:32]）："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。" ✅ 这与 Jason Ma 自述"硬件还没好之前我们就已经决定在人类数据上做预训练" 吻合。
⚠️ 大脑提升会不会让硬件作废（[02:10:32]）："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。" ⚠️ 他的比喻："比如说我本来大脑是可以跟世界级乒乓球选手打的，可是我的身体跟不上，那就被硬件给限制住了。"
⚠️⚠️ 而"现在做全栈会不会太早"这一问他给了一条时间论证，本页认为该被 Physical AI 回填（[02:11:33]–[02:12:33]）："我觉得不早，因为本质上面其实就是一个 codevelop 的一个过程。"
⚠️⚠️ 而硬的那条约束是迭代次数："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，所以硬件本身还是有非常非常多的问题。"
⚠️⚠️ 落点是一条机会成本："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、可以量产。"
⚠️ 大脑派 vs 身体派的中美对照是全期开场，本页认为该被中美 AI 竞争保存（[00:02:00]）：⚠️⚠️ "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。" ⚠️ 他自称 "全栈派"，并补充 "我的确也认识到中国其实最近也在一些模型层面上面也开始布局"。
⚠️⚠️ 而被逼问"真让你往 10 年去看"时他的回答是本页认为需要与别处并读的一处张力（[02:03:27]–[02:04:27]）："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。" ⚠️ 理由是 "客户最终拿到是硬件"，而长期 "可能会形成一个成本和质量战"。
⚠️⚠️ 而在同一段他对"智能和产品哪个更重要"答的是"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。所以智能是产品最重要的一部分"）。✅ 本页并列这两条、不调和：⚠️ 一条是"十年尺度上谁是胜负手"，另一条是"当下哪一项是前提"，提问的作用域不同；但本页认为读者引用时必须带上作用域，否则会读成自相矛盾。
⚠️ 半人形与灵巧手：第二代是轮式腿 + 人形上身（[01:05:43]）。⚠️ 他们从未承诺做或不做人形："我们的思维框架是什么能做，而不是什么不能做"（[01:11:51]）。⚠️ 灵巧手会换，但 "我觉得现在灵巧手还不足以 ready 去做落地"，⚠️ 对当前场景 "目前来说不重要"（[02:12:33]）。✅ 这与 Jason Ma 说"最好的灵巧手仍不够耐用、很快过热，你真的得放个冰袋" 一致。
⚠️ 是否人形的判据他归到 ROI（[01:49:17]）："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——就是我添了这两条腿，是否能给我带来更高的价值？这个价值是否远远超出了我做这两条腿的成本？"

⚠️⚠️ 六、为什么选折叠、为什么不做家庭：一组以 ROI 与容错率为判据的选择¶

来源：张小珺 #154 / Lindon Gao

⚠️ 折叠是反共识选择，而判据不是市场大小¶

⚠️ 融资时被质疑的原话他照录了（[00:47:30]）："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？"
⚠️⚠️ 而他给的三条判据本页认为是本期最可迁移的一组产品选择标准：
① 容错率（[00:48:31]）：对比做拿铁——"我不小心没有把这个拿铁拿好、打翻了，那我就是给别人添活，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。" → 损失率与质量要求都不高。
② 场景隔离（[00:49:32]）："折叠本身是一个非常 isolated 的一个场景，我是可以一个人在这里一直做折叠的。"
③ 痛点普遍：每个 hotel、洗衣房都有 dedicate folder 和 dedicate attendants 在做这件事。
⚠️⚠️ 而他明说不是看市场大小，这条本页认为最该被引用（[00:49:32]）："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，所以对我模型的本质的提升还是有非常大的空间的。" → "我觉得是一个 technology-market fit 的一个状态。"
⚠️ 技术难点（[00:49:32]–[00:50:33]）：软体与硬体不同——硬体（如杯子）只有少数 state；⚠️ "折叠是我做的每一个步骤是需要前一个步骤需要成功的"；⚠️ 泛化考验高（不能只折一个 size、一种 T-shirt）。✅ 收益是能同时验证质量、泛化与速度。
⚠️ 酒店侧的量级（自述）（[01:18:54]–[01:19:54]）：每个酒店洗衣房需 2 到 5 人（看规模）；⚠️ 洗衣对酒店极重要——"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"；⚠️ 他听说疫情时有酒店老板自己去洗衣房干活（按听闻记录）；美国 10 万家酒店 → TAM "好几个 billion"。⚠️ 而他对洗衣房的另一层定位是："绝大多数的洗衣房是大同小异的"，且 容错率高、对时间节拍要求低、付费意愿高。
⚠️⚠️ 而 ROI 的口径他做了一次重要替换，本页认为这是本期对 Physical AI 最该回填的一条商业判据（[01:10:51]–[01:11:51]）。主持人问 "它的成本能比一个人低吗"，他评价 "这个问题问得很好，非常本质"：
⚠️⚠️ 先承认做不到："一个机器人去替代一个员工，在目前的 foundation model 的 constrain 下面其实非常难达到一个人一天的产出量"（硬件、运控、乃至数据速度的影响），⚠️ "是非常难做到人类的速度的"。
⚠️⚠️ 而替换后的指标是："所以对我们来说，我们发现最重要的价值指标不是要做得比人快，而是要做得比人更久。" → 目标是机器人 24 小时的产出 ≥ 一个人 8 小时的产出（美国一人一天工作 8 小时）。
⚠️ 他说现状是 "现在已经超出了"。✅ 本页标注：这条把"机器人 vs 人"的比较从速度换成了工时积分，而它恰好解释了为什么"保姆问题"是致命的——一旦需要人定时上料，24 小时的工时积分优势就被空窗期吃掉了。 ⚠️ 这条连接是本页的综合，他没有把两段明确接起来。

⚠️⚠️ 为什么不做家庭：一条"泛化不是唯一维度"的拆解¶

⚠️ 他把家庭定位为终极形态（[01:12:51]）："家庭本身对机器人来说算是一个终极形态"，但⚠️ 他立刻给了一条方向性限定："如果说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"，⚠️ 反过来也是："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"（[01:15:52]）。
⚠️⚠️ 而核心论断是："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"——因为机器人一天的产出需要符合购买者的预期，⚠️⚠️ 而"这个预期是非常主观的"。
⚠️⚠️ 他举的那个类比本页认为最该被引用，因为它把"通用性不足"与"不合意"分开了（[01:12:51]）："就像可能有些人家里的阿姨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。"
⚠️⚠️ 而他对"泛化是不是唯一维度"的回答是明确的否（[01:14:52]）：除泛化外还有做事的速度、是否顺心（⚠️ "比如说我盘子是喜欢这样子放，不是喜欢那样子放"）、安全、以及 corner case 的数量（"从 corner case 角度方面来说是多了非常非常非常的多"）。⚠️ 他自述 "维度太多了，所以我没有非常去细的去思考每一个维度"。
⚠️ 时间判断（他的估计）："我觉得这件事情是三五十年是可以完成到泛化、可以完成到每个家庭"；⚠️⚠️ 但 "真正把这件事情做成，不一定代表这件事情有市场。所以这个产品要打磨到极致中的极致，才能真正变成一个非常大的一个产品。"
⚠️⚠️ 而他给的 B2B 需求大于 B2C 的论证是经济学式的（[01:15:52]–[01:16:53]）："因为人的欲望是无限的" —— 如果人工成本可以忽略不计，消费级产品会更便宜，人就会想买更多、更多花样的东西，于是 "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"。
⚠️ 他的粗算本页照录并标注口径问题："美国失业率 4.5%，那其实 business should hire 了 95.5% of 美国的 total population"；而 "如果一个家用机器人三个人组成一个家庭，可能美国只需要一个亿的机器人"。⚠️⚠️ 本页标注：失业率 4.5% 对应的是劳动力人口中的失业比例，不等于"企业雇了全国 95.5% 的人口"，这条口头推算的口径是错的；但他想说的方向（B2B 的单位需求远大于 B2C）不依赖这个数字。本页照录并不采用该数字。
⚠️ B2B 的三条额外好处（[01:16:53]）：不需要解决情绪问题与审美问题；"安全问题在某种程度上面是可控的"；更好标准化。
⚠️⚠️ 而那条"最小单元"论证是他 day-one 的理由（[01:17:54]、[01:19:54]）："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。"
⚠️⚠️ "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。所以我觉得这条路是必经之路。"
⚠️ 他认为酒店是"家庭的标准版"（[01:20:54]）："每个房间可能差异化也不是特别的大"，而洗衣房做好之后可以做清理、做饭做菜或其他事情。

⚠️⚠️ 七、deployment flywheel：一条"智能做完了再去跑部署，你会落后两三年"的论证¶

来源：张小珺 #154 / Lindon Gao

⚠️ 主持人的质疑是"机器人行业现在追求商业闭环会不会太早"（[01:56:23]）。⚠️ 他的回答先把 revenue 排除掉："商业闭环本身其实不是一个最重要……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。"
⚠️⚠️ 类比是自动驾驶，本页认为这是本期最简洁的一条："就比如说 self driving 本身，如果说你不把 San Francisco 每条街跑一遍，你是不知道你的瓶颈到底在哪的。"
⚠️ 目的是分类而不是收入："我们大概知道可以把问题分为泛化性能解的问题和泛化性不可以解的问题。"
⚠️⚠️ 而那条时间论证本页认为该被 Physical AI 长期保存，因为它是一条可检验的战略判断（[01:57:23]–[01:58:24]）：
⚠️ 他先点出 deployment 不是智能的下游："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，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。"
⚠️⚠️ 而最具体的那个失效形态是归因困难："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，可是我今天只折了 800 张——然后你也不知道为什么。" → 所以需要 observability stack 与 support stack。
⚠️⚠️ 落点："deployment 环节本身可能也是需要两三年的时间才能真正跑通的。所以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。"
⚠️ 他的依据是上一家公司的经历：Caper 在产品已经可以铺到任何一个超市之后，还花了几年时间才真正把落地打通。✅ 本页标注：这是本期少见的、他把前一次创业的经验当作论据而不是叙事的地方。
⚠️ 而他对"为什么这么强调闭环"的回答是一条反馈论（[01:59:26]）："因为有闭环才有反馈，有反馈才知道你下一步该怎么走……闭环本身得到的是，我这条路以一个最短的时间之内，我可以大概探到我下两三步怎么走。"

⚠️⚠️ 八、去年年底的战略迷失，以及"要做一个不犯错的 CEO"这个包袱¶

来源：张小珺 #154 / Lindon Gao

⚠️⚠️ 分歧的性质他说得很重，而本页认为这是本库第一份从内部讲"探高 vs 落地"之争的材料（[00:40:23]）："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。"
时间：去年年底（他后面又说"去年底今年初"）。⚠️ 落地派是"团队的一些工程师"；⚠️⚠️ 而他自述自己当时 "是更偏向 research 派的"（[00:41:26]）。
⚠️ 他认为这不是个别现象："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。"（[00:42:26]）
⚠️⚠️ 而他给的那条通用诊断本页认为是本期最该被引用的一条，因为它指出两难的根因在别处（[00:41:26]）："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。可是往往是因为落地是否可以 scalable，是因为是被 intelligence 给 cap 住了。"
⚠️⚠️ 解法不是选边，而是把战线拉长："所以这时候最重要的是你要去 lift up intelligence……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。"
⚠️ 那个交集点就是打工作流，内部代号是 ⚠️⚠️ "一个员工"（[01:52:20]）："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。" ⚠️ 而战略点同时给三个团队派了活：智能体需要提高（才能把工作流做完）、落地团队要把 infrastructure 做更好、post-training technique 要更好更快。
⚠️ 他对这次决策的定性是："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。"
⚠️⚠️ 而他对自己当时错误的复盘非常具体，本页认为这是全期最该被保存的一段管理材料（[02:40:49]–[02:41:50]）：
⚠️ 两条表面问题："战略方向其实不是非常清晰"；"对于公司的文化，我觉得也没有花特别多的时间去打理，所以我当时就觉得团队的凝聚力不够。"
⚠️⚠️ 而失误的形态他描述得很准："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。所以缺乏了自己对市场的判断和自己的第一性原则思考，导致团队是在一个飘动的一个情况下：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，被带来带去带得非常难受。一直是在一个被市场带节奏的一个状态。"
⚠️ 他对代价的说法是：那些是 "不够第一性原则的技术选择，浪费了团队的一些时间"（⚠️ 他自己先说"错误的"又改口为"不是说错误的"，本页照录这处修正）。
⚠️ 而他明确否认这与"落地 vs research"二选一有关："没有特别大的关系。"
⚠️⚠️ 而根因他归到一个具体的心理包袱上，本页认为这是本期最该被引用的一句（[02:37:48]–[02:38:48]）："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创始人了，所以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。"
⚠️ 他也放下了另一个旧包袱："要证明自己不是昙花一现"——⚠️ "那是我以前的包袱……那是一个自我证明式的想法，而且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。"
⚠️ 而他给的解法与时间无关，本页认为这条值得记（[02:37:48]）："我是从投行走过来的，一周工作 100 到 120 个小时当时是一个常态。可是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。" ⚠️ 做法是 "放下了一些心里的包袱，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"。
⚠️ 度过之后他的第一情绪是感恩（[02:39:49]）：感恩老师、团队、妻子、孩子；⚠️ "两个联创他们是真的是力挺我到头的"。⚠️ 他自述的因果是 "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，而且还同样的在扶持我把这件事情完成"。
⚠️ 他对"为什么创业一年多就遇到难关"的回答是（[02:46:54]）："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。" ⚠️ 他也降了这件事的外部重要性："我度过这个难关可能从外界世界来说其实不是一个 big deal，只是一个非常简单的一个战略模式改变；可是在当时的精神状态下……对我来说就是一个非常难的难关。"

⚠️ 九、组织形态：一条本库此前没有的"coding agent 让组织变扁"的一手观察¶

来源：张小珺 #154 / Lindon Gao

⚠️⚠️ 他认为组织形态发生了质变，而参照点是 coding agent 之前（[02:19:37]–[02:20:38]）："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——比如说像一个大公司像 Google 样子，有可能 10 到 11 个 level。"
⚠️⚠️ "那其实在目前的一个 AI 状态下面，我组织非常明显变得非常非常的扁。" → ⚠️ 收益是指挥链："我作为一个 CEO 或者说我团队的一些高管，是可以直接操控执行方向的——可以直接从通过 execution 的 engineer 和 researcher，或者说通过他们上面一层的 manager 就可以直接达到这个目的。" ⚠️ 他的定性是 "这本质上面是一个非常大的一个变化"、"做事就快了很多"。
⚠️ 人员结构（自述）：总数不到 200，⚠️ 美国略多、以 research 为主（research 比硬件多一点）；⚠️⚠️ 中国团队四五十人，专门做硬件研发和供应链（[01:59:26]–[02:00:26]）。
⚠️⚠️ 而中国团队是 day-one 决定，理由他说得很直接："这是非常重要的一个决定。因为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。" ✅ 本页标注：这是本库第一条由美国机器人公司 CEO 给出的、把"必须有中国供应链团队"说成第一天战略决定的一手材料，建议中美 AI 竞争回填。
⚠️ 量产状态（自述）：整条链跑通、已进入初步量产阶段、百台级别；⚠️ 而那是新一代（工作流）机器人——"上一代我就没有选择量产了，因为我觉得上一代本质上跑不通"。
⚠️ 管理理念（[02:21:38]–[02:23:38]）："招最精的人，做最重要的事情"；⚠️ "绝大多数的 IC 其实都是以前是有一定的管理经验，后面真正是因为喜欢做 IC 所以才选择做 IC" → 一个 scope 他们能自己拆解、自己执行 → 管理成本下来。
⚠️⚠️ 而他给的那条反规模论断值得记："我反而觉得人数多的时候更难成为一颗心。所以我是想在一个最小单位形成一颗心，然后往这个方向走。"
⚠️ 小组织是阶段性的，⚠️ 但他认为规模的基准变了："可能以前 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。所以肯定会变大，可是不一定需要变得特别特别大。"
⚠️ 公司属性自评："内部架构来说 lab 的属性会偏高一些。"
⚠️⚠️ 而 agentic coding 对行业的影响他给了一条本页认为很重要的推论（[02:23:38]）："因为所有做的所有的事情其实都快了很多。所以当工程成本下来的时候，你就有更多的空间去探索其他方向的事情——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，那你就可以同时探索四件事情、四个方向。"
⚠️⚠️ 而推论落在了预测上："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。" ✅ 本页标注：这把"多久到 AGI"这个问题的不确定性来源从"技术难度"挪到了"迭代速度本身在变"，本库建议 AI 做 AI 与自动化研究记一条。

⚠️ 十、技术栈与行业判断：本页只记可引用的部分¶

来源：张小珺 #154 / Lindon Gao

⚠️ DYNA-1 → DYNA-2 的三层 system（[01:07:45]–[01:08:49]）。⚠️ 他自评这次是 "脱胎换骨，变成了一个新的公司"（模型架构、预训练数据集、reasoning、甚至硬件都变）：
system two = embodied reasoning layer：对世界的认知（physical property、当前 state、semantics 的理解）→ "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" → 据此给 system one 发语言 command。
system one = world action model：收到语言之后怎么样把语言转换到动作。
system zero："我们怎么样子动作、就想要 output 的 trajectory，从运控方向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。"
✅ 本页标注：这三层与 Jason Ma 那期片尾演示段描述的"两模型架构 = 推理层 + 动作层" 吻合，而这一期多给了 system zero（运控）这一层。
⚠️⚠️ 泛化的度量维度他给了一条很好用的类比（[01:08:49]–[01:09:51]）："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，第二是我用语言去描述这件事情怎么做。所以在泛化的过程当中，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。"
⚠️ 维度一（示范次数）："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。"
⚠️ 维度二（language steering）："在这个方向我们也发现一个非常强的 language sensitivity increase。"
⚠️ 他明说 system one 与 system two 上 "有非常非常强的可泛化迹象"，⚠️ 而细节 "我们之后会在发布的时候会去细细讲"。本页按自述记录，无任何数字。
⚠️ 他对 ChatGPT moment 的类比本页认为是本期最该被引用的一条产品论（[01:45:13]–[01:47:15]）：⚠️ GPT-3 是 2020 年 6 月、ChatGPT 是 2022 年 11 月，⚠️⚠️ "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。" ⚠️ 而他对 GPT 的 aha 的概括是 "it's useful to anyone"。
⚠️⚠️ 而他由此给出的反直觉论断是："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。" → "这是一个产品定义问题。"
⚠️ 而他的一般化表述是："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。"
⚠️⚠️ 而他对终局产品形态的说法本页必须照录，因为他明确拒绝展开（[01:47:15]–[01:48:16]）："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。" ⚠️⚠️ "现在不方便说。"
⚠️ 他能说的只有一句定性："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。" ⚠️ 而他坚持这仍是 B2B，并说 B2B "能到每个人的手里，而且不需要太久"，但拒绝就 B2B2C 作答（"我觉得现在不用猜测"）。
⚠️ 时间判断（[01:43:12]）：对"到了哪个 moment"他先换了问题——"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、才能真正达到 scalable product-market fit 本身"，⚠️ 而他的估计是 "一到两年"。⚠️ 下一阶段（他称 2.0）"脱离了场景的受限"、"去做一个更大的市场，是做一个通用市场"，时间是"明年"，⚠️ 理由是 "飞轮其实已经搭起来了……剩下就是给他更多的数据，他就可以学新的东西"（[02:16:36]–[02:17:36]）。
⚠️ AGI 的定义他给的是指令模糊度（[01:36:09]）："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"——⚠️ 而他认为这 "跟 coding agent 或者一些 general purpose agent 的最终的一个形态会是非常类似的"。⚠️ 时间 "非常难去断定"。
⚠️ 行业判断（本页只索引）：
⚠️ 两边都浮躁（[00:02:00]）："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。"
⚠️ 他认为现在不是竞争状态（[02:06:28]）："大家也是非常的 open，愿意说我在做什么、我们的方向是什么、分享我们的 research result"；⚠️ "真正有 market share 之后，我觉得才能真正形成一个 competitive dynamics。"
⚠️ 收敛的观察（[02:07:28]）：DYNA-1 之后行业往"成功率与执行速度"收敛；现在往 UMI / egocentric / 世界模型收敛；⚠️ "接下来一到两年之后，我觉得是有机会看到一个更收敛的一个模式。"
⚠️ 对两家中国公司的点评（本页照录为他的评价）（[02:04:27]–[02:05:28]）：宇树——⚠️ "在硬件上面的研发，把他们的 System ID 和 sim to real gap 做的这么小，本质上面是一个非常强的突破口"；智元——有自己的智能体与硬件，⚠️⚠️ "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"，而资金多 → 容错率更高 → 产品线可以铺更广、智能体上可以更发散地 bet。
⚠️ 为什么低调一年，他给了两条理由并自我修正了第一条（[02:00:26]–[02:02:26]）：
① ⚠️⚠️ research taste 的 bar 太高："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，我们是在去年八九月份的时候就有了"，⚠️ 但 "我们就觉得说这件事情还没有做到 99%，所以我觉得我们不想发"。⚠️⚠️ 而他随即自我修正："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。所以在这一方面是有一定的改观。" ⚠️ 本页标注："我们比 PI 早几个月"是自述的行业比较，期内无任何证据，本库未核实。
② ⚠️ 战略不清时不想发阶段性工作："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。"
⚠️ 资金与瓶颈（自述）：账上钱 "挺多的"、完全可以支持机器人模型研发；⚠️ "在我们上个阶段到现在这个阶段，我们是没有烧太多钱的"，⚠️ 但 "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"；钱主要花在人才、算力、数据（[02:15:34]）。
⚠️ 他当前最困扰的问题是数据采购（[02:13:33]）："最近我在思考怎么样子拿到更多数据"，⚠️ 而他认为自己有优势："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。" ⚠️ 被问有没有好的采购来源，他答 "没有，我们都可以用"。
⚠️ 他给的关键 bet 是 infrastructure（[02:49:56]）："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。"

⚠️ 十一、前史与个人：本页只记那些解释了他现在判据的部分¶

来源：张小珺 #154 / Lindon Gao

⚠️⚠️ Caper 的那条产品教训是他现在所有 ROI 判据的来源，本页认为该完整保留（[00:11:03]–[00:23:09]）：
⚠️⚠️ Amazon Go 式方案的否决是一次极彻底的客户访谈："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。然后我问他，那如果免费给你，想不想要？他说我也不想要。"
- ⚠️ 理由是 ROI："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。" ⚠️ 再加上还要装修、装修完技术还要维护。
⚠️ 转向：把传感器融合与视觉识别放进购物车，解同样两个问题（谁付钱 = 谁带着购物车；付多少钱 = 你放进了什么商品），而技术比原方案简单很多。
⚠️⚠️ 而最本质的产品价值发现不是省人工，这条本页认为最该被引用（[00:21:08]–[00:22:08]）："我们真正在做产品的时候，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……他们在和我们的屏幕互动的时候看到了价值"——放进一个零食就推荐另一个、多买两个给 coupon → ⚠️⚠️ "我们的产品价值核心后面是我们可以提高 average basket size，而不是我们可以省多少人工"，⚠️ 外加广告的机会。
- ⚠️ 而他点出这条在原方案里结构上拿不到："这些价值其实是在一个无人零售商店里面是没有办法达到的，因为你是没有一个屏幕是可以跟你互动。"
⚠️⚠️ 而他把这条直接搬成了对机器人行业的批评（[00:23:09]）："其实我觉得在机器人行业，其实有非常多的公司找到了所谓的 product-market fit，可是发现后面他们需要做的 customization 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产品形态。" → ⚠️⚠️ "我一直把产品归根到 ROI 上面……我觉得 ROI 不成立就不是一个产品，就没有 product-market fit。"
⚠️ 他对自己创业史的总结只有一句："做事要做最本质的事情"，并举了两个反例——"希望说如果我招到这个人，我的问题就会被解决了"、"如果说我拿下了这个客户，那我就可以融资"（[00:20:07]）。
⚠️ 融资的惨烈（本页只索引，因为它是叙事而不是判据）（[00:12:03]–[00:17:06]）：YC 首投即入（mentor 是 Sam Altman 与 Geoff Ralston，⚠️ 一周见两次，而 Sam 给的核心只有 "launch and iterate"，⚠️ 他自评 "我当时能力不够强，没有办法跟他共频"）；但出 YC 时融资是整个 batch 倒数，只融到 30 万美元 → ⚠️⚠️ 四个联创住进一间房、自己煮饭、没有工资，一个月烧 7000 美元、烧了两年半；⚠️ 他 cold email 了 1000 多个天使投资人、转化 2 个（账上只剩一两万时，每人给约 5 万）；种子轮见 100 多个机构全部被拒，只有 First Round Capital；A 轮见 60 多个，最后 Lux Capital 投约 1000 多万。2021 年（他 30 岁）以 3.5 亿卖掉。
⚠️⚠️ "我们是蟑螂，我们死不了"（他当时对团队说的）。⚠️ 他自评 "很少有创业者是能在被拒几百次的情况下还不放弃创业的吧"。
⚠️⚠️ 而他对"被拒一百多次"的归因在自己身上，本页认为这条比故事本身更该记（[00:18:07]）："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。所以完全没有到跟投资人达到同一个频道上面，所以就很难去建立一个共鸣。" ⚠️ 他说这是 "后知后觉才发现的一件事情"。
⚠️ 卖掉的动机他自述不是钱："我觉得我可以做一个更大的一个事业和行业"（[00:19:07]）；⚠️ 去 Instacart 待三年是 "为了学习"（⚠️ 他自述前三次创业 "都是野路子"、"非常不按常理出牌"），⚠️ 学到的具体一条是怎么向 CEO 拿资源——"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"（[00:30:17]）；⚠️ 管理上学到的一条是 "有些人是改不了的——除非说他们能突破他们自己目前的认知，是没有办法做到更大的 scope"。⚠️ 最多直接与间接管理 300 多人。
⚠️ 为什么是机器人（[00:33:18]–[00:34:18]）：卖掉公司后与 York 认真看了 AR 六到八个月，另看过 Quantum、Nuclear、生物类，结论是底层技术还没 ready 或与他们不 fit；⚠️ "真正能改变世界的事情其实不多，你两只手可能可以大概数出来。"
⚠️⚠️ 而选机器人的那条理由与 Caper 直接相连："我当时看到机器人的行业形态其实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。"
⚠️⚠️ 找 Jason Ma 的判据本页认为值得单独记，因为"怎么判断 research taste"很少被讲得这么具体（[00:38:20]–[00:39:22]）：他们在硅谷聊了 20 来号人，而第一标准是 research taste：
⚠️⚠️ "你可以从他博一博二的时候看到他其实很多论文是相对来说非常 fancy 的东西；而在他的生长过程中，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——他自己在这个过程中一直在进化，而光从书面上面是可以看得到这个进化过程。"
⚠️ 第二标准是现实主义："不光光是有学术追求，而且也是想要把一件事情落地、真正可以 line impact 在一个产品上面的。"
⚠️ 他推荐的"影响机器人进程的论文"是 Jason 的 Eureka，并说那也是他认识 Jason 的主要论文（[02:49:56]）。✅ 与 Jason Ma 页记载的 Eureka 来历吻合。
⚠️ 自我认知（本页只记与决策相关的）：
⚠️ 优点是看得远（[00:35:19]）："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。" ⚠️ 团队说他 "可以闻得到钱"，⚠️ 而他把这解释成方向感："所有的公司最后都需要落地、都需要赚钱。所以不管前面铺垫时期是多久，最终还是要赚钱。所以我是可以知道最终赚钱的这个形态是什么样子的，然后我就知道我该怎么铺垫它了。"
⚠️ 缺点是表达（[00:36:19]）："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，这个本质上面的逻辑链会非常非常长。所以一般来说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。"
⚠️⚠️ 他自称现实的理想主义者，而那段表述本页认为最能定位他（[00:37:19]）："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。"
⚠️ 自律与决策质量的因果他给得很直接（[00:27:13]）：被问自律能否提高决策质量，答 "a hundred percent"——⚠️ "绝大多数 CEO 的重大决策里，找人和找钱其实不是需要花太多大脑的，所以最重要的是需要找方向。而找方向其实就是你的每一个决策是需要本质的、需要高质量的……所以如果说你脑袋是一个非常模糊的状态，你是非常难做出一个明智的选择。" ⚠️ 另一条机制是 mindshare："我发现自律之后，这件事情就不用想了，它不会占你的 mindshare。"
⚠️⚠️ 而自律的起点是一场病，本页认为这条值得记，因为方法与他的工作方法同形（[02:25:38]–[02:27:38]）：他有 强直性脊椎炎（免疫系统攻击自己的 spine），18、19 岁起，⚠️ 当时 "非常怨恨世界"。
- ⚠️⚠️ 而转念的方式是把它当实验："我把这个病痛看成了一个 experiment——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解决这个问题。所以通过了十多年在自己身体上的一个 experiment 之后，我发现了一定的规律，然后我自己也把这个毛病给调顺了。" ✅ 本页标注：这与他对公司的做法同形——用一个可观测的闭环去反推下一步该改什么。 ⚠️ 这条类比是本页的，他没有这样说。
⚠️ 他自评讨好型人格、内耗"别人怎么看我"（[02:29:42]），⚠️ 而他引的那句解药是 "这个世界上最在乎你长什么样子的人就是你自己"。
⚠️ 他对创业的定位是匠人（[00:31:18]）："创业其实就是在打磨自己的一个作品，而自己的作品就是这个公司——这作品里面其实就是你的技术、你的文化、你的产品和你的管理。"
⚠️ 他对这次创业的定位是"世界杯"（[02:32:45]）："所有的行业里非常非常强的人其实都在这个赛道里"，⚠️ "所以在这个行业里我觉得我是带着一个敬畏心来的"。⚠️ 而他对失败的定义是内向的："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。"
⚠️ 快问快答：喜欢的食物是福州的拌面扁肉（家乡）；三个女儿一岁两岁三岁，30 岁结婚；推荐书是《人生只有一件事》（金惟纯）；⚠️ 他读《沉思录》、王阳明、以及佛教与基督教体系，认为 "核心概念其实都是修行"。⚠️ York 与他 "以前是做摇滚的"。
⚠️ 对工作室名"语言即世界"的回应（[02:49:56]）："机器人感知这个世界其实就是通过语言和世界……世界就是 vision 和 audio、physical properties 和 all the sensory inputs；然后语言就是把语言变成 action。"

⚠️ 本页的六条限定¶

⚠️⚠️ 这是一次发布前访谈，而嘉宾是创始人兼 CEO。 ⚠️ 本页因此把三类内容分开读：① DYNA-2 的能力描述全部是发布前自述、无任何数字（他明说细节留到发布时讲，并对终局产品形态明确拒答"现在不方便说"）；② ⚠️ 预训练的那三条（"行业最大数据集"、"one million hours"、"非常强的 scaling law"）同样是自述、期内无曲线无对比，本页按自述记录并建议发布后回填核验；③ ✅ 而"机器人需要保姆"那一整段失败复盘、corner case 的 2 分钟 vs 20 秒、1300 张 vs 850 张、以及"我选择不 scale"这些，是对他自己不利的具体细节，本页认为这部分的可信度高于前两类。
✅ 本页认为他的论述结构好于一般的创始人访谈，有五条可查理由：① ⚠️⚠️ 他主动承认了一次认知偏误（"当时我是 selectively 想听到我想听的东西"）；② ⚠️⚠️ 他把去年底的战略失误归到自己一个具体包袱上，并描述了失误形态（"被市场带节奏"）；③ ⚠️ 他自我修正了"research bar 太高所以什么都不发"这条做法；④ ⚠️ 他对"被拒一百多次"的归因在自己（"我当时只顾着说，我不顾着听"）；⑤ ⚠️ 他主动放弃了一个已上量的场景（10 个以上客户），理由是"解决的问题不够根本"。
⚠️⚠️ 本页与 Latent Space × Jason Ma 那期必须并读，而本页建议的分工是：⚠️ Jason Ma 侧更可引用的是技术实现与硬约束（world action model、agentic harness、推理延迟、灵巧手过热、"你最终都得在硬件上 eval"）；⚠️ 本页更可引用的是商业判据与战略形成过程（保姆问题、工作流分级、ROI 从速度换成工时、"大脑定下限本体定上限"、战略迷失的复盘）。✅ 两期在量产量级、客户类型、硬件由 research 定义这三处相互吻合，⚠️ 但本库记为同一方的两次自述，不因互相吻合而转为事实。
⚠️ 归属在本期完全清楚（一位嘉宾、一位主持，人工字幕）。⚠️ 但嘉宾中文姓名全程未播报，本页只用 "Lindon"；⚠️ 两位联创的中文名由主持人读出，拼写本库未核实。
⚠️⚠️ 本页照录但不采用一处口头推算："美国失业率 4.5%，那其实 business should hire 了 95.5% of 美国的 total population"（[01:16:53]）——⚠️ 失业率对应的是劳动力人口中的失业比例，不等于"企业雇了全国 95.5% 的人口"。他想说的方向（B2B 的单位需求远大于 B2C）不依赖这个数字，本页按方向记录、不引用数字。
⚠️⚠️ 本页记下四处属于本页综合而非嘉宾原话的内容，引用时不应归给他：① ⚠️⚠️ "'比人更久'这条 ROI 口径恰好解释了为什么保姆问题致命——需要人定时上料就把 24 小时的工时积分优势吃掉了"这条连接（两段都是他的，连接是本页的）；② "99% 成功率在吞吐口径下不等于 1% 的损失"这条推论（2 分钟 vs 20 秒与 10% double fold 的数字是他的，推论的提法是本页的）；③ "他把病痛当实验的方法与他对公司的做法同形"这条类比；④ ⚠️ "十年看供应链更重要"与"智能更重要"两句的作用域区分（两句都是他的原话，而"作用域不同所以不矛盾"这个调和是本页的）。

人物：Lindon Gao · Jason Ma · 张小珺
主题：物理 AI 与机器人 · AI 商业与价值捕获 · LLM 训练流程 · 中美 AI 竞争 · AI 与工作 · AI 做 AI 与自动化研究