對話千尋智能高陽：科學家創業不太「靠譜」，但創業就像一場遊戲

智能涌現製圖

具身智能創業，要做蘋果，而不是安卓。

文｜邱曉芬

編輯｜蘇建勛

不管是剛剛結束的WAIC（世界人工智能大會），還是本周要開幕的WRC（世界機器人大會），如何在展會上識別一個機器人的真正實力？

具身智能公司「千尋智能」的聯合創始人高陽，提供了這樣幾個tips：

對於號稱能疊衣服的機器人，你可以嘗試把衣服團成一團，隨意丟在桌上，觀察它是否能繼續完成動作；或者是再給它褲子、外套，看它能否具備跨品類的泛化能力；

在機器人操作時，可以觀察其動作是否足夠絲滑流暢，而不是一卡一卡，這代表了思維和動作的協調性……

給我們提出指引的高陽，是當前具身智能領域炙手可熱的創業者之一——從美國加州大學伯克利分校博士畢業后，他選擇回國成為清華大學交叉信息研究院助理教授。

2023年，他又與前珞石機器人CTO韓峰濤一起，創辦了具身智能公司千尋智能——韓峰濤硬件經驗豐富，過往操盤過數萬臺機器人量產出貨，高陽則有AI的研究基礎，學術和產業界的搭配，使得千尋智能成為這波具身智能浪潮里的當紅公司。

成立19個月的時間里，他們累計融資超10億人民幣。資方名單中，有華為哈勃、京東、寧德時代、順為資本等等。

從高校的「象牙塔」邁入商業世界，高陽也要直面刻板印象對「科學家創業」的偏見，但他並不迴避。

「科學家創業，某種程度上並不靠譜」，在他看來，科學家是追求真理、興趣驅動的工作，而創業則着意於商業成功。「我在不斷承認自己的侷限性，我知道我不擅長什麼，嘗試去彌補」。

高陽將創業比喻為「一種遊戲」，而那些與投資人、客户的交流，都是遊戲里升級打怪的過程。他見過上百位投資人，開始的時候由於技術講解得太晦澀，「把人講睡着了」，但高陽能在得到反饋后迅速調整，「現在和投資人打交道就變得更熟練了，這是我喜歡的成長的過程。」

在這位年輕創業者的辦公室里——他的電腦顯示器上還貼着卡皮巴拉小公仔，高陽與《智能涌現》交流了他從科學家轉到創業者的心路歷程，以及對於具身智能技術路徑的一些看法，以下是交流實錄（略經摘編）

做具身智能領域的蘋果，不是安卓

智能涌現：機器人領域，你和韓總的對搭檔算是一個不錯的組合：一位是軟件方向的科學家，一位是硬件經驗很足的企業家。你當時挑選合夥人的標準是什麼？

高陽：我當時想了蠻久的，關於具身智能到底應該怎麼去賣給客户。我到今天為止一個比較obvious的結論是，得做軟硬一體，得做具身智能領域的蘋果，不能做安卓。

因為技術初期，跨本體能力一定是比較弱的，把軟件和硬件一起做好，在無數的行業初期都是這樣的。比如個人電腦最開始，像IBM，它做硬件也做軟件，可能過了三四十年，大家才逐漸軟硬去分工。

我自己做軟件做的很多，但硬件基本沒有做過，所以我覺得把硬件和軟件兩方面都做得很強，在這個企業的前30年特別重要。

另一方面，其實很多做硬件的人不擁抱變化，或者説他們沒有意識到變化。但是韓總在非常早的時候就意識到這個變化，跟我是想到一塊去了。

智能涌現：您2023年是看到了什麼，纔有了這種機器人創業的想法？

高陽：主要是看到ChatGPT對於學習範式的轉變。原來ChatGPT出來之前，我自己都不信openAI天天搞的這些玩意兒，包括Berkeley很多很senior的教授都覺得這是扯淡，但是就直到他們做出來了GPT-3.5，我們就反思了一下，覺得自己之前想錯了。你順這個邏輯去推演，具身智能它是一個必然的現象，只是需要一定的時間。

智能涌現：你們2023年就決定機器人一定是軟硬一體的，但是現在也有頭部機器人公司對大腦依然是忽視的，您怎麼看？

高陽：頭部公司有他自己的邏輯，他的邏輯在於，他非常擅長去做硬件，靠賣給教育客户已經能活得很好，可以通過這個上市了。他最佳的solution就是，先穩固教育市場，不要被別人搶了，因為現在有很多其他公司在嘗試去做這一塊生意。等上市之后，他慢慢去做別的事情，一個公司很難同時做很多事情，尤其是當教育市場已經有了激烈的競爭。

智能涌現：如果我做一個非人型的硬件，它是一個新形態的本體，這里面會不會有隻做本體的公司的成長空間？

高陽：本體的設計跟AI的需求是強相關的。我舉個例子，我做了一個本體，比如我伸長胳膊的時候，逆解失敗了，導致我拿不到桌上這個東西，這種問題很常見，如果不把這個硬件和AI聯合開發的話，你是沒有辦法意識到這個問題的。

智能涌現：如果只是從這個行業來看，它的市場空間容納不下第二個這種公司了？

高陽：我覺得很難容納。

從科學家到做管理，是一種「遊戲」

智能涌現：當時吳翼老師讓你從Berkeley回來的時候，你就打算創業，我記得你曾經提到，你覺得回來做科研會更有挑戰？

高陽：當時就是想回國做研究，那時候沒有現在這種技術變革的機會。當時我另一個選擇是，在美國去大廠里面做research engineer。但那種路線就是別人給你plan好了，就這麼一點點事，你把它做好就行了。

但是做教授的話，相當於實驗室可能剛開始，什麼東西都沒有，也沒有人，你要把所有東西都從頭build起來，是從0到1的挑戰。所以我大概是從2023年后半年開始創業，那時候是我回國的第三年左右。

智能涌現：我感覺你不只是在科研的角度去考慮事情，好像是從business的角度去思考。

高陽：對於怎麼把技術做到讓每個人去使用，我非常感興趣，所以我就開始去思考商業層面上，怎麼能把機器人做好，然后再推導出來要軟硬一體，然后再去選擇誰跟我一起來創業。

智能涌現：您為什麼認為管理是一種技術？因為技術會比較一板一眼，比較理性，但是管理也是有一些感性的成分。

高陽：管理不是一個嚴格意義上的技術，它可能是技術和藝術之間的中間的狀態，但是管理是有跡可循的，但是又不像理工科一樣只要follow這一套就沒問題了，它還是需要一些靈機應變的地方。

智能涌現：您之前提到，科學家創業不是特別靠譜。那你自己去實踐的時候，怎麼去補充起這些額外的能力？

高陽：我先講一下為啥不靠譜。科學家追求真理，是興趣驅動的工作。但是創業的話，最重要目標是做出來一個產品，很多時候不是關乎於真理，而是關乎怎麼去服務好客户，不同客户可能有很多不一樣的需求指標和維度。

在這個過程之中，你要用公司的形態去達到這個目標，里面也有很多專業的技術，比如怎麼去搭建團隊、把這個公司當做一個成長的人去培養。

我肯定不能説我100%會成功，只能説我在不斷去承認自己的侷限性。我知道我不擅長什麼，然后我再嘗試去彌補。

智能涌現：具體到您個人，您就是怎麼完成科學家身份到創業者身份的轉變？

高陽：我覺得就是承認自己的侷限性，去開放學習創業這一套，去用商業公司的成功去drive整個東西，而不僅僅是對真理的探索。

智能涌現：你享受這個過程嗎？

高陽：我覺得我還挺享受的，它是一個挺有意思的遊戲，也有很多lesson。其中一個lesson就是，我最開始跟投資人講的偏事實向，我講的很精確，但是大家很困，很無聊。

然后我意識到好像不能這麼講，需要用一個更加形象生動的方式去給他們講明白。類似於這種lesson有很多。

智能涌現：這個過程你也享受？

高陽：客觀世界里，這是我所需要完成的。只要我想做好這件事情，我就得經歷。

智能涌現：你見了多少投資人？你有統計過嗎？

高陽：沒統計過，但可能有一兩百個，然后每一個人，你都得給他們講一講。

智能涌現：這個過程中，你會如何不斷修正自己和投資人接觸的方式？

高陽：我覺得反饋非常重要，否則你不知道自己什麼方面做的不好。現在和投資人打交道就變得更熟練了，這是我喜歡的成長的過程。

智能涌現：你覺得這對於你來説，會是一個比較大的挑戰嗎？

高陽：我覺得還好，它可能就像任何一項技術一樣，它只不過是一個特殊的技術。

判斷VLA好壞的祕訣：親自去感受

智能涌現：現在這個階段，用Transformer做預訓練已經是共識，但不知道在各家工程化的后期，效果會有明顯的高下之分？

高陽：我覺得就是您可以去WRC現場看一看，可能理論說了千千萬，大家還得自己去體驗一下。比如，你能不能跟它有一些交互？你把衣服團一團扔給他，看機器人能不能重新疊好。

智能涌現：這可以成為我們看機器人看展的一個指引。

高陽：因為機器人是一個很龐大的系統，所以你很難搞清楚誰更好。我覺得就是最好方法就是你自己去體驗，看看各家的模型到底能干啥。

智能涌現：大家今年都在説VLA，怎麼去判斷各家VLA效果的好壞?

高陽：一個是算法。比如有一些VLA沒有辦法去分解任務，像千尋的VLA有一個快慢系統，可以把動作做得很流暢，沒有快慢系統的機器人，動作就會生硬、卡頓。

另一方面是數據。大模型需要消耗很多數據去訓練，我們自己做的模型會用互聯網上的人類視頻數據進行預訓練。而一些VLA無法在人類的視頻上做預訓練，性能就會比較差一些。

從技術角度來講就是這兩點。算法有什麼樣的特點，用什麼樣的數據去訓練，數據的清洗處理配比，這些都會影響效果。

如果從觀感來講，就是機器人能做多複雜的任務。比如，有一些模型只能做比較簡單的任務，我們叫pick and place。但是像千尋的模型，就可以做複雜如疊衣服的動作，你可以跟他進行一些搗亂，他可以完成得非常好。

智能涌現：千尋的Spirit v1的VLA模型，是基於您原來的那兩項研究（ViLa和CoPa）衍生出來的嗎？

高陽：不僅是那兩項，是很多研究演化出來的，包括one two VLA，都是在千尋的模型里面做了一些工程化。

智能涌現：你們的one two VLA，跟一般的VLA，不同點是什麼？

高陽：如果你跟他説稍微複雜一點的事，比如把手機放抽屜里，可能需要三個步驟——手機拿起來、打開抽屜放進去、再關上。一般的VLA做不了，one two VLA就可以自己去決策，什麼時候把任務分解成更小的任務，然后去完成，但是如果你跟它説一個很簡單的任務，它就不會繼續去分解。

智能涌現：您之前有一個判斷，認為四年之后會到Robot GPT3.5的階段。這個階段，它有什麼樣的特點？

高陽：Robot GPT3.5這個階段，基本上你跟他説任何的事情，他有七八成都能給你完成，比如説進家庭，去門外給我拿瓶水。但他可能不是100%的時候都 work，可能只有70%。

智能涌現：現在行業針對VLA路線，也做出了很多的反思，您認為它可修訂的的部分還有哪些？

高陽：我同意陳建宇（星動紀元創始人）之前説的，VLA中的「L」的部分的確現在太多了，因為這個模型其實不需要理解那麼複雜的語言。VLA在具體的技術上確實還有很多可以提升的空間。

智能涌現：那具體怎麼提升？

高陽：落到實處的話，其實有很多方面。在數據層面，比如如何更好利用互聯網上的人類視頻數據。因為現在機器人已經廣泛利用的是互聯網圖文數據，但是千尋智能已經在利用互聯網人類視頻的數據，因為人類視頻直觀上和機器人做的任務是相關的。

其次，用遙操作數據如何對VLA進行持續有效的監督微調，如何讓VLA在物理世界進行強化學習？因為監督微調是人類給他採集數據，強化學習是機器人自己進行的。

其次，在架構層面上，就像陳老師提到的，如何把L減得更少，還有，動作的tokenizer怎麼設計得更好，這也是可以不斷去探索和改進的。

智能涌現：快慢系統也算是我們獨創的技術點嗎？這個是什麼時候完成的？

高陽：對，這個大概4個月前。

智能涌現：快慢系統做出來之后，比如動作上，它會有哪些比較大的提升？

高陽：你看有一些機器人做事情的時候，一卡，一卡，就是因為模型沒有快慢系統。

像我們那個模型，我們疊衣服有一步是甩一下，這個動作要很快，如果不快，這個衣服根本甩不起來，你一停的話它就沒有那個勁。

智能涌現：今天大家還在討論世界模型，在千尋智能的研發版圖里，有考慮到這個嗎？

高陽：我覺得世界模型的成本，的確是比較高的。當下具身智能對於世界模型的訓練沒有那麼迫切，但我覺得最后它一定是需要的，它是RL（強化學習）里不可或缺的一環。我們現階段對於世界模型有一些小規模的訓練和使用，但沒有特別大規模。

智能涌現：分層的路徑，您覺得可行嗎？

高陽：我覺得分層最后是要被淘汰的。相當於，你用人類的智慧，把這個任務分解到更小。分層的方式，可能在一些任務上短期的效果還不錯，但長期來講一定是不scalable的，因為每做一個新的任務，都要手工去做一些事情。但是如果是端到端的話，就相當於你只要給模型補充數據就可以了。

智能涌現：在您的視野里，機器人領域還有哪些非共識缺口？

高陽：我的腦子里面有很多我自己閉環的東西，但是比如訪問器的重要性、機器人第一波落地場景還有很多非共識。包括VLA算法也是正在一個高速發展的過程，但是基本框架已經定下來，算法的一些細節還在快速的發展。

大規模數採工廠，現階段價值不大

智能涌現：您怎麼看現在一些機器人公司建數採工廠的現象？會不會存在一個問題是，這家採的數據不一定能用到另外一家的不同硬件上？

高陽：我覺得大規模的數採工廠，在現在這個階段是沒有太大價值的，主要的原因是因為，大家的機器人形態還在不斷變化，機器人形態變了，之前的數據就沒辦法100%遷移，它會打比較大的折扣。

另一方面，按我們自己這個算法來講，你其實不需要那麼大規模的數採工廠，我覺得最重要的事情是把預訓練做好，其次纔是數採。我覺得現在可能有一點點本末倒置。

智能涌現：我感覺好像也有一些廠商把這種當做商業模式？

高陽：我覺得它短期的確是可以有一定的商業收入。美國很多做人工智能的公司，他們是人力太貴，沒有辦法建數採工廠，所以他們會買一些數據。但是長期來講，我覺得這個模式我覺得很難奏效，因為跨本體的難題還沒解決。

智能涌現：但是他們買的這些數據，用在自己不適配的本體上，這些數據還有價值嗎？

高陽：有價值，但是會打個折扣。

智能涌現：感覺現在機器人的demo有些同質化，為什麼都是比如疊衣服、開電器門的場景？

高陽：首先，疊衣服是一個大家公認的最難的任務，因為衣服的形狀千變萬化，你很難去給它預編程，其實從Demo里你就能看出來大家模型能力的區別，所以大家比較喜歡做這個。

然后，開冰箱、洗衣機門，大家在日常生活里會有這種任務，就可以讓大家imagine future。

智能涌現：你們互聯網的數據大概會佔多少？不同的數據，各自的作用是什麼？

高陽：按量算的話，95%以上。互聯網數據是非常廣泛的場景，它起到預訓練的作用，主要的意義就是提供數據多樣性，學術上來講就是希望模型泛化。泛化的本質原因就是，機器人見過的數據足夠多樣。

做遙操的話，相當於把泛化性和物理世界的精確操作連接起來。因為機器人只看別人做，自己沒做過，就很難去做任何事情，搖操作是提供精確性。

智能涌現：泛化怎麼體現呢？

高陽：比如説機器人拿了我的手機，我的是摺疊機，但原來訓練的是用 iPhone，它可以不用去採集摺疊機的數據，就能夠去識別它的形態、重量。

智能涌現：這種機器人領域普遍的泛化性表現如何？

高陽：還是比較初級的階段。但是我們發現用了互聯網數據之后，機器人的泛化性提升率還是非常大的，比如你換了一個物體，能有60%-80%的提升。最后預訓練和搖操作數據混在一起，兩者會互相幫助。

從自動駕駛到機器人的「伯克利四子」

智能涌現：「伯克利四子」，你們四位研究方向和背景都很類似，那具體在研究思路上有哪些差異點？

高陽：陳建宇老師是MPC，他剛回國的時候做的是safety RL，就是控制論，他后來開始做人形機器人，關於行走、跑步。

我自己更多是偏操作類型的，用機器人的手進行干活什麼的，是模仿微調和強化微調這個體系。

許華哲老師他主要做的更多是3D policy，就是比如通過點雲，去做一些操作和識別，比如它的DP3，就是通過3D相機拍攝場景去實現操作。

智能涌現：你們私下會比對，誰的方向會更接近終局嗎？

高陽：大家都是自由的去選擇研究的方向，每個人的想法肯定還是有一些區別。學術上，我覺得很難去説服彼此。

智能涌現：那你們私下會去交流管理這件事情嗎？

高陽：大家剛成為教授或者剛剛創業的時候，都會面臨管理上的學習過程，這些我們交流的很多。

智能涌現：印象深刻的一次交流，你們四個得出了什麼管理上的結論？

高陽：我記得有一次我跟許華哲討論，他們是怎麼招人的，我們是怎麼招人的，彼此吐槽覺得招到特別好的人很不容易。以及我們也會討論怎麼面試別人。

智能涌現：Deepseek招人的邏輯是，團隊里會有大量年輕的角色，你們也是類似的邏輯嗎？

高陽：LM 和 VLM，和 Robotics 還是不太一樣，但是基本的畫像可能都是比較年輕的、比較聰明的，或許不見得有那麼多的工作經驗。其實我們需要的人並不是很多，但我們需要比較強的人。

智能涌現：強，怎麼理解？

高陽：比較典型的畫像是，比較好的學校的碩士或者博士畢業。他可能在Robotics領域發表過幾篇論文，但並沒有在公司里工作過，但是已經有過 research的經驗。

智能涌現：為什麼不需要有很強的工作經驗？是因為你自己曾經在公司工作過的體驗不太好嗎？

高陽：並不是，只是因為機器人的技術變化太快了。對於算法崗，如果是公司里工作三五年，那麼他可能是更久之前讀的書，那個時候的技術和現在肯定完全不一樣，他所受的教育和現在我們需要的東西可能就不是特別匹配了。我們需要年輕人，是因為他在當下接觸到的技術就是最前沿的。

智能涌現：從你們四位的背景上來説，都是從原來自動駕駛版圖遷移過來的。從大的邏輯上來看，自動駕駛和機器人領域，重疊的部分、以及后期需要你做增量的部分，分別是什麼？

高陽：重疊的部分是，這兩個問題的本質是相似的，都是説我看到了一個場景，要做出一個動作，然后這個動作要麼就是，機器人往前走了或者抓了東西，或者就是自動駕駛車往前走了或者剎車。

但這兩個領域也有很多不一樣的點，比如，自動駕駛的本體是ready的，不需要造，有二三十家車企能把汽車造得很好。但是人形機器人本體仍然是處在高速發展的階段。

還有，自動駕駛的安全性要求極高，但是人形機器人相對而言，某些場景的安全性要求沒有那麼高，它的場景錯誤容忍度會更高很多。

end

end