王潛，拿下開年最大機(jī)器人融資

好久不見，本期《Blue hour》請來的，是剛剛宣布拿了10億融資的自變量機(jī)器人創(chuàng)始人王潛。融資消息詳見《獨(dú)家 | 10億，開年第一筆機(jī)器人融資，字節(jié)紅杉都出手了》，這里不再贅述。

想和王潛聊聊，固然是有些勢利地因?yàn)樗诹诉@么多錢，也是因?yàn)樵谶@一波具身和人形機(jī)器人創(chuàng)業(yè)者里，他是個特別的存在。

生于1988年——沒有早一點(diǎn)，也沒有晚一點(diǎn)，這個出生年份決定了他在很長一段時間里不像90后同行們那樣春風(fēng)得意。2007年他本科就讀清華電子系，09年開始研究AI，恰逢AI在低谷期，深度學(xué)習(xí)要在2014年之后才迎來一輪爆發(fā)；讀博轉(zhuǎn)向機(jī)器人方向，主導(dǎo)的深度強(qiáng)化學(xué)習(xí)的技術(shù)路徑又剛好發(fā)展到了瓶頸期；哪怕是趕上這輪具身和機(jī)器人熱潮，他創(chuàng)立的自變量機(jī)器人最初也沒頂著光環(huán)，融資難言順利。

一個人，若是想要大干一場，又始終和行業(yè)的繁榮期隔了幾年時間差，一定對把握改變世界的機(jī)會有種執(zhí)念。更何況，他搞過兩年量化基金，賺過錢，開過眼界，這種執(zhí)念在我看來又顯得更為純粹——去年行業(yè)已經(jīng)快進(jìn)到訂單大戰(zhàn)，自變量仍然沒急著商業(yè)化。當(dāng)有人問他是不是要做具身大腦的DeepSeek，他的回答是，要做OpenAI那樣的公司。技術(shù)我評估不了，總之他有讓投資人相信的能力。

我對王潛還有另外一重好奇。作為一個當(dāng)代生活的親歷者，我對風(fēng)口浪尖上的科技創(chuàng)業(yè)者其實(shí)并不了解。如果說是這些人決定了未來的走向，那么搞清楚這些人腦子里勾畫的藍(lán)圖很有必要。

王潛小時候的夢想和機(jī)器人無關(guān)。他想成為愛因斯坦。這一夢想，后來演變?yōu)榻柚鶤I研究物理學(xué)，再后來變成研發(fā)足夠聰明的機(jī)器人來制造機(jī)器。總之，目標(biāo)是，用先進(jìn)的技術(shù)和生產(chǎn)力來驅(qū)動指數(shù)級增長。他的世界觀是基于統(tǒng)計學(xué)和概率，建立在不確定性之上，但他認(rèn)為社會生活是另一個領(lǐng)域，遵從另外一套截然不同的邏輯。

這當(dāng)然是一種相當(dāng)?shù)湫偷目捶ǎ遣皇钦胬砟兀咳藗兛傄詾樽匀豢茖W(xué)的進(jìn)步是人類智力的產(chǎn)物，馬克思說錯了。他說，社會生活有它的基礎(chǔ)，自然科學(xué)則另有基礎(chǔ)，這壓根是謊言。至少在馬克思看來，兩者共有一個基礎(chǔ)，就是人的歷史生活。

按我的理解，商業(yè)和工業(yè)推動了自然科學(xué)的進(jìn)展，而科學(xué)技術(shù)進(jìn)一步塑造了我們的世界觀。不管AI和機(jī)器人未來會發(fā)展成什么樣，人類正活得越來越像AI和機(jī)器人。如同被設(shè)定好程序般，完成一種機(jī)械化生存，大腦高速運(yùn)轉(zhuǎn)，離心卻越來越遠(yuǎn)，我不知道這會通向怎樣的未來。很遺憾，時間有限，沒跟王潛聊完這個問題。

如果按照本欄目的慣例，要賦予嘉賓一種顏色，我想選擇鈦青藍(lán)。這是一種色相穩(wěn)定的化學(xué)合成色。鮮明的深藍(lán)色，厚重的金屬質(zhì)感，泛著冷冽的光澤。很像王潛給我的感覺：他對自己所做的事情有種篤定感，所以絕不能用輕飄飄的顏色。另外，此人明明言談舉止都客氣得很——我在深圳的辦公室同他握了兩次手——但那種聰明人的驕傲勁兒還是不時冒出來。他對團(tuán)隊(duì)的技術(shù)實(shí)力頗為自信，國內(nèi)同行大概都不在他的比較范圍里。這沒什么不好的，希望他一直有這樣的心氣。

搞AI的沒人抱著確定性的世界觀

劉燕秋：這波機(jī)器人創(chuàng)業(yè)者很多出自清華電子系。你本科是在清華電子工程系，后來為什么轉(zhuǎn)去讀生物醫(yī)學(xué)工程系？很多了不起的人物到了職業(yè)生涯晚期開始研究生物學(xué)，是因?yàn)閷ι膴W秘產(chǎn)生興趣。你轉(zhuǎn)學(xué)科的原因是什么？

王潛：我其實(shí)一直想做AI，從中學(xué)的時候就有這個想法了。更早的時候，比如小學(xué)或者更小時候，我本來是想做物理的，后來還差點(diǎn)去了北大物理系。但我慢慢發(fā)現(xiàn)，現(xiàn)在做物理和一百年前不一樣了。現(xiàn)在的數(shù)學(xué)和物理領(lǐng)域，想在十年內(nèi)沖到最前沿基本不可能。哪怕是天才，可能14歲上大學(xué)，博士畢業(yè)差不多二十五六歲，職業(yè)生涯大概三十五六歲就結(jié)束了，滿打滿算也就十年的時間能做核心研究。所以我當(dāng)時就想，再過一百年，可能數(shù)學(xué)家、物理學(xué)家就沒“職業(yè)生涯”可言了。要達(dá)到領(lǐng)域前沿需要的時間越來越長，對人的智力要求也越來越高，到最后可能沒人能勝任這個事了。

所以我高中的時候就認(rèn)定，還是得搞AI。人做不到的事，可以讓機(jī)器來做。這就像要驅(qū)動一艘萬噸巨輪，光靠劃槳劃得用力沒用，關(guān)鍵是要造出能驅(qū)動巨輪的好機(jī)器。

我本科是清華電子系2007級的，那時候最主流的AI研究方式是統(tǒng)計學(xué)習(xí)。當(dāng)時AI領(lǐng)域特別冷，根本沒人關(guān)心。現(xiàn)在大家熟知的深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)相關(guān)的研究，那時候還沒興起。所以我本科期間一直想做AI，但偏偏趕上AI最冷的階段，完全沒人在意這個方向。當(dāng)時大家都在做統(tǒng)計學(xué)習(xí)，那有各種基準(zhǔn)測試（Benchmark），但每年在這些測試上的性能提升也就0.1%。我那時候就覺得，這方向已經(jīng)卡住了，哪怕耗上一百年可能也做不出突破性進(jìn)展，所以還是得找一些范式轉(zhuǎn)變。當(dāng)時我核心的想法是，應(yīng)該把人類的神經(jīng)網(wǎng)絡(luò)機(jī)制借鑒到AI模型里。

劉燕秋：所以你最開始其實(shí)是對AI這件事感興趣，只不過選擇的研究路徑是借鑒生物學(xué)里的神經(jīng)網(wǎng)絡(luò)來研究AI，相當(dāng)于主線一直是AI。當(dāng)時你想到要用AI推進(jìn)學(xué)科研究，有沒有特定的命題想要研究？還是說只是抽象地有這樣的設(shè)想？

王潛：就是想研究物理學(xué)。物理這東西，你可以把它理解成萬物的“萬有理論”。就像牛頓，為什么大家稱他是“自然的立法者”，因?yàn)樗l(fā)現(xiàn)的規(guī)律，在某種意義上就是宇宙最本質(zhì)的規(guī)律和道理。我最開始想做物理，就是希望能成為牛頓、愛因斯坦那樣的物理學(xué)家。當(dāng)然，在這之前我也喜歡哲學(xué)和數(shù)學(xué)，但還是覺得物理可能是人類所能觸及的、最接近宇宙真理的領(lǐng)域。

劉燕秋：我前段時間正好看了一篇文章，大概是講當(dāng)代社會基礎(chǔ)的世界觀，就是建立在牛頓力學(xué)基礎(chǔ)之上的，或者說被它深深影響了。

王潛：我不這么認(rèn)為，自從20世紀(jì)以后，大家基于量子力學(xué)建立的新世界觀，和牛頓的世界觀就非常不一樣了。

劉燕秋：但你不覺得現(xiàn)在主導(dǎo)我們生活的，還是牛頓力學(xué)那套機(jī)械的世界觀嗎？

王潛：我不覺得，至少在我熟悉的領(lǐng)域不是這樣。就拿AI領(lǐng)域來說，大家都講概率，沒人會說“一定（must）”。在神經(jīng)網(wǎng)絡(luò)興起之前，大家主要做的是統(tǒng)計學(xué)習(xí)，而統(tǒng)計學(xué)習(xí)核心就是講概率的。這其實(shí)也是AI發(fā)展的一個里程碑。統(tǒng)計學(xué)習(xí)出現(xiàn)后，大家才發(fā)現(xiàn)，這好像才是世界的本質(zhì)。所以現(xiàn)在所有做AI的人，秉持的都是統(tǒng)計的世界觀、隨機(jī)性的世界觀，沒有誰還抱著確定性的世界觀。

劉燕秋：那你說的隨機(jī)性的世界觀具體指什么？我可能理解得不太對，比如量子力學(xué)里講波粒二象性，說電子到底是粒子還是波，會受到觀察者的影響。它是經(jīng)過一種關(guān)系性的過程，才會呈現(xiàn)出我們看到的狀態(tài)。這和你說的是一回事嗎？

王潛：量子力學(xué)里會說，一個東西有50%的概率在這，50%的概率在那，這就是它的表述邏輯。而我們做AI的時候，邏輯也是一樣的。比如做手機(jī)定位，我看到一張包含手機(jī)的圖片，并不是100%確定手機(jī)就在某個位置，而是會有一個概率分布，比如10%的概率在這，20%的概率在那，50%的概率在另一個地方。你沒辦法從充滿噪聲的信號環(huán)境里，得到100%準(zhǔn)確的手機(jī)位置估計。

其實(shí)人本身也是用這種概率性的方式思考的，只是我們自己沒察覺。我們總會覺得“我非常確定手機(jī)就在這”，但事實(shí)并非如此。所以我們做AI的時候，也是遵循這個邏輯，所有的方程都不是確定性方程，全是隨機(jī)方程，里面描述的變量x，本質(zhì)上都是隨機(jī)變量。

劉燕秋：我理解的世界觀，就是我認(rèn)為世界是這樣運(yùn)轉(zhuǎn)的，那就按照這一套邏輯和規(guī)則作為指導(dǎo)去看待萬事萬物。比如，在牛頓力學(xué)里，一切都可計算，帶來的就是基于理性和可預(yù)測的思維方式。你覺得統(tǒng)計學(xué)講概率這種看待世界的方式會如何影響到你看待當(dāng)代生活？

王潛：我覺得人類社會和物理世界的關(guān)聯(lián)沒那么大。人類世界也不講牛頓力學(xué)，只講“敘事”。因?yàn)槿说恼J(rèn)知能力有限，沒辦法承接所有的信息量，所以我們了解人類社會、理解這個世界，通常都是通過敘事來實(shí)現(xiàn)的。但敘事本身是極度簡單、抽象的，而且特別容易被篡改和修飾，可也正因?yàn)檫@些特性，它才能把人凝聚在一起。所以我覺得，人類社會主要是依靠敘事邏輯凝聚起來的，這既和牛頓力學(xué)無關(guān)，可能也和量子力學(xué)無關(guān)，是一套完全獨(dú)立的系統(tǒng)。

劉燕秋：OK，說回到你的經(jīng)歷，你的碩士論文算是較早將注意力機(jī)制引入神經(jīng)網(wǎng)絡(luò)，當(dāng)時是怎么想到這個機(jī)制的？但后來是谷歌進(jìn)一步研究，主導(dǎo)了如今的Transformer架構(gòu)。對你來說，這算是一個比較大的遺憾嗎？

王潛：對，當(dāng)時我想，我們之所以相信能做出AI，是因?yàn)檠矍耙呀?jīng)有一個現(xiàn)成的智能系統(tǒng)，人類本身。既然在AI領(lǐng)域遲遲做不出突破，為什么不看看人類是怎么實(shí)現(xiàn)智能的呢？但我在2009年進(jìn)實(shí)驗(yàn)室，整個信息學(xué)院三個主要系，電子系、計算機(jī)系、自動化系，都找不到一個做神經(jīng)網(wǎng)絡(luò)的老師。既然沒人從AI角度做神經(jīng)網(wǎng)絡(luò)研究，我就想，或許可以從生物角度入手，去看看神經(jīng)網(wǎng)絡(luò)到底是怎么工作的。也正因?yàn)檫@個想法，我后來轉(zhuǎn)到生醫(yī)系去研究神經(jīng)科學(xué)了。

“深度學(xué)習(xí)（deep learning）”這個詞2008年才剛出現(xiàn)。既然要做神經(jīng)網(wǎng)絡(luò)，核心思路就是把人和動物身上的神經(jīng)機(jī)制遷移到模型里。當(dāng)時我們判斷，什么神經(jīng)機(jī)制比較關(guān)鍵呢？我們覺得注意力（attention）機(jī)制肯定是核心之一，因?yàn)樗腿说囊庾R直接相關(guān)。大家普遍有個比喻，意識就像一個劇院，有一束聚光燈照到哪里，哪里就是你能意識到的部分。而這束“聚光燈”，我們認(rèn)為最直接對應(yīng)的就是注意力機(jī)制。所以我當(dāng)時就聚焦做了注意力機(jī)制的相關(guān)研究。

包括我們、谷歌和ETH（蘇黎世聯(lián)邦理工學(xué)院）在內(nèi)的三篇論文，是這個方向最早的成果，時間大概在2014年。現(xiàn)在大家熟悉注意力機(jī)制，主要是因?yàn)門ransformer架構(gòu)。這個架構(gòu)是谷歌團(tuán)隊(duì)后續(xù)持續(xù)研究，直到2017年做出來的。說不遺憾是假的，因?yàn)槲覀儺?dāng)時提出的架構(gòu)，其實(shí)比谷歌后來的方案更接近如今的Transformer，但我沒能把這個研究繼續(xù)做下去。

劉燕秋：順著AI的方向，博士期間你又是怎么把研究方向轉(zhuǎn)到機(jī)器人上了？

王潛：大概是2014、2015年的時候，正好趕上第一波AI熱潮，“AI四小龍”都冒出來了。但我當(dāng)時判斷，這些AI技術(shù)基本只能在安防等領(lǐng)域落地，我對做安防不太感興趣，所以就想再找個新方向。圖像領(lǐng)域不太合適，語言領(lǐng)域又太難，思來想去，機(jī)器人可能是AI里能最快、最有用的落地方向。正好那時候我要出國讀博，就特意選了機(jī)器人相關(guān)的方向，也就是現(xiàn)在大家說的“具身智能”，當(dāng)時我們叫Robotics Learning（機(jī)器人學(xué)習(xí)）。

劉燕秋：所以還是圍繞AI這條主線，你又找到了機(jī)器人這個方向。那時候機(jī)器人研究處在一個什么樣的狀態(tài)？主流的技術(shù)路徑跟現(xiàn)在有什么不一樣？

王潛：做到2018、2019年的時候，我發(fā)現(xiàn)當(dāng)時機(jī)器人領(lǐng)域的主流范式——深度強(qiáng)化學(xué)習(xí)（deep reinforcement learning）明顯走不通。我就想，如果這個領(lǐng)域要等30年、50年才能有突破，沒必要把青春耗在這上面。不如先干點(diǎn)別的，以后賺了錢再回來資助這個領(lǐng)域，說不定反而能推進(jìn)得更快。確實(shí)有不少人這么做，比如量化領(lǐng)域的Simons，大數(shù)學(xué)家出身，還有David Shaw，原來是化學(xué)家。他們都是在本領(lǐng)域做得不錯后，轉(zhuǎn)行做量化賺了大錢，再回頭資助科研。所以我就出來自己做了個量化基金，做了兩年，效果還不錯，也給投資人賺了錢。

當(dāng)時覺得這樣也挺好，打算等個三五十年后這個領(lǐng)域有突破了再回來。梁文鋒也是這么干成的，但我入行比他晚，沒賺到他那么多錢。

不過到2021年，GPT-3出來了。雖然GPT-3在大眾層面沒有后來的ChatGPT那么引人注目，但在我看來，這是一個非常明確的范式轉(zhuǎn)變信號。我當(dāng)時就跟合伙人說，有了這個，可能不需要三五十年，十年之內(nèi)通用人工智能（AGI）就能出來。如果十年內(nèi)AGI就來了，我們現(xiàn)在賺再多錢意義也不大，我還是想回去親自做AI。

我十年前就做機(jī)器人，現(xiàn)在再做順理成章。而且即便ChatGPT出來后，我還是認(rèn)為語言、視覺這些方向落地難度大。你現(xiàn)在看也一樣，真正能落地的其實(shí)是寫代碼。我們當(dāng)時也考慮過做代碼相關(guān)，但后來覺得，所有虛擬世界里的事，天然是大廠的優(yōu)勢，帶硬件的領(lǐng)域反而更適合創(chuàng)業(yè)公司。

另外，Scaling law的趨勢已經(jīng)很明顯了，對資源的需求指數(shù)級增長。你得用指數(shù)增長的顯卡數(shù)量、電力、數(shù)據(jù)量，才能換來線性增長的智能水平。那去哪找這么多指數(shù)級增長的資源呢？有人可能會說，美國現(xiàn)在有1萬億美元的AI基礎(chǔ)設(shè)施投資，已經(jīng)很多了，但下一代AI可能需要10萬億美元，再下一代可能要百萬億美元，整個人類經(jīng)濟(jì)系統(tǒng)根本支撐不起。所以，怎么從現(xiàn)實(shí)世界、物理世界獲取指數(shù)級資源，是支撐AI繼續(xù)發(fā)展的核心問題。我們覺得這個問題必須落到具身智能上。

其實(shí)從工業(yè)革命以來，大家就一直在想“機(jī)器制造機(jī)器”這件事。一臺機(jī)器能造10臺、100臺，100臺能造1000臺，這樣就能實(shí)現(xiàn)指數(shù)級增長。但直到今天，我們都沒看到這一點(diǎn)完全實(shí)現(xiàn)，核心原因就是不管是工業(yè)還是服務(wù)業(yè)，所有生產(chǎn)過程都離不開人手，身邊沒有任何一件物品的制造能完全脫離人力，而且人力參與的成分還很多。這是個明顯的卡點(diǎn)。

所以我們認(rèn)為，只要把具身智能做出來，替代掉這個線性瓶頸，就能實(shí)現(xiàn)完整意義上的指數(shù)級增長，也才有可能支撐起線性增長的AGI，甚至ASI（超級人工智能）。想明白這一點(diǎn)后，我們就確定，具身智能的價值才是最大的。

我們肯定是要做具身智能領(lǐng)域的OpenAI

劉燕秋：能說說當(dāng)時做量化基金大概賺到多少錢嗎？

王潛：具體數(shù)字肯定不能說，但可以支撐我和家人不用工作，也沒有太多后顧之憂。

劉燕秋：回到那個時間節(jié)點(diǎn)，你是2013年年底出來成立公司創(chuàng)業(yè)的，在那個時間窗口出來，你會不會覺得稍微有點(diǎn)晚？聽說你一開始融資挺難的，你自己總結(jié)是什么原因？

王潛：是稍微有點(diǎn)晚，但也不算特別晚。融資難，一方面是時間因素，但最主要的還是當(dāng)時大家不認(rèn)可我們的理論和邏輯。那時候我們就明確要做端到端的統(tǒng)一模型、要做基礎(chǔ)模型，但投資人普遍認(rèn)同的邏輯是做簡單的分層模型和聚焦某一個單點(diǎn)場景落地的專用模型。

最近一個月，經(jīng)常有人跑來跟我說：“還是你當(dāng)時的看法是對的。”因?yàn)檫^去兩年里，在具身智能領(lǐng)域試圖做垂直落地的，沒有一個成功的。我們當(dāng)時就說這事肯定做不出來，但那時候沒人信。沒人信之余，大家還會追問兩個問題：第一，你說的這事什么時候能做出來？第二，做出來需要花多少錢？再加上我們是剛成立的公司，一些同行已經(jīng)融了很多錢，他們就會問“為什么他們做不了，非得你做？”“大公司資源更多，這種燒錢的事為什么不是大公司來做？”全是這類很現(xiàn)實(shí)的問題。

所以，還是要感謝早期天使輪和前期輪次的投資人，大家還是很有眼光。

劉燕秋：你感覺到融資變得順暢是在什么時候？這個轉(zhuǎn)變是怎么發(fā)生的？

王潛：每一輪融資都比上一輪順暢一點(diǎn)，當(dāng)然肯定有個關(guān)鍵節(jié)點(diǎn)，最主要的節(jié)點(diǎn)就是PI-0出來的時候，大概是2024年下半年接近年底的時候。

劉燕秋：我之前采訪的時候，有人說你一開始講的是“PI”的故事，為什么大家一定要對標(biāo)一家美國公司呢？

王潛：PI在當(dāng)時的全球具身智能領(lǐng)域，技術(shù)上絕對是頂尖的。所以這種情況下，你去跟隨他們的方向，或者講他們那樣的故事，是沒問題的。不過我懂你問這個問題的意思，本質(zhì)上，我們其實(shí)沒必要非得講美國公司的故事。這也是我當(dāng)初選擇回國的原因，我覺得這件事在中國有機(jī)會做得比美國更好，我們要做的是從0到1的創(chuàng)新。很多人問我，你們是不是要做具身智能領(lǐng)域的DeepSeek？我一般會跟他們說，這么想格局還是有點(diǎn)小，我們肯定是要做具身智能領(lǐng)域的OpenAI，甚至這件事本質(zhì)上比OpenAI做的事規(guī)模更大。

投我們的投資人都認(rèn)可這個目標(biāo)。你看，我們現(xiàn)在營收還不多，但投資人愿意包容我們，核心就是因?yàn)樗麄冋J(rèn)可我們的技術(shù)優(yōu)勢，相信我們能做成和中國傳統(tǒng)的發(fā)展路徑不同的事。他們相信我們能做出和別人不一樣的事，甚至和中國傳統(tǒng)創(chuàng)業(yè)路徑不一樣的事——中國傳統(tǒng)路徑大多是“快速跟隨者”，海外有公司做出成果，國內(nèi)就做第二名到第十名。但投資人愿意賭我們能做賽道里的第一名。

劉燕秋：你一開始講的是PI的故事，但PI不做硬件，只做模型研發(fā)。你是什么時候意識到在中國走這條路行不通，必須要做硬件？

王潛：最開始我們也想過做純軟件，但后來發(fā)現(xiàn)這條路確實(shí)走不通，只做純軟的邏輯根本講不通。舉個最簡單的例子，你買了一個機(jī)械臂，商家給你開放了某些API接口，要是這些接口不符合你的需求，需要調(diào)整，你就得去跟供應(yīng)商談判，一談就是三個月，他們再修改兩個月，半年時間就這么過去了。

其實(shí)我們剛開始做一個月后就意識到了。早期我們確實(shí)有個小規(guī)模的硬件團(tuán)隊(duì)，但那時候沒覺得需要組建特別龐大的硬件團(tuán)隊(duì)。可越往后做越發(fā)現(xiàn)，必須要完全、徹底地掌控硬件才行。真正徹底轉(zhuǎn)變想法是在25年初，也就是春節(jié)前的1月份，那時候我們實(shí)在受不了了，就決定一定要把硬件完全掌控在自己手里，從那時候開始正式組建硬件團(tuán)隊(duì)。

劉燕秋：在融資這件事上，我們之前也在文章里探討過為什么機(jī)器人大額融資如此密集，其中一個原因是，同行一旦這么做，你就沒辦法停下來。你在這件事上意識的轉(zhuǎn)變是因?yàn)橥卸荚诰韱幔?/p>

王潛：這個賽道的融資，現(xiàn)在根本不是“需要花多少錢就融多少錢”的邏輯，某種意義上是一種身位的拉扯。你融的錢越多，后續(xù)就越容易融到更多錢，就是這么個道理。所以大家就開始內(nèi)卷了。

就像我剛才說的，天使輪的時候，人家會問另外那幾家都已經(jīng)融了10億了，你現(xiàn)在才融1000萬，拿什么跟他們比？它確實(shí)是個現(xiàn)實(shí)問題，而且很多人都這么想。你說它沒道理吧，它好像又有點(diǎn)道理，所以沒辦法，還是得去融。

劉燕秋：美團(tuán)那一輪融資對你們幫助巨大？

王潛：美團(tuán)的幫助肯定非常大，但其實(shí)在美團(tuán)之前的那一輪更關(guān)鍵，就是君聯(lián)、光速還有北京機(jī)器人發(fā)展產(chǎn)業(yè)投資基金投的那輪。因?yàn)樵谀侵埃蠹叶疾徽J(rèn)可我們的邏輯，就是我剛才說的PI-0出來之前的那個階段。當(dāng)然如果說絕對意義上所有輪次里哪一輪幫助最大，那確實(shí)是美團(tuán)。畢竟有了大廠背書，而且美團(tuán)既是場景方，又是有錢的互聯(lián)網(wǎng)大廠，之后大家對我們的認(rèn)可度就不一樣了。

劉燕秋：美團(tuán)除了投你們，也投了好多家具身智能相關(guān)公司。各家是不是都想利用他們的場景，是不是還需要在他們那里爭奪資源？

王潛：以前投資人都會說，你有產(chǎn)業(yè)投資方，就天然擁有了對方的場景，沒有產(chǎn)投方，就進(jìn)不去這個場景。但現(xiàn)在大家發(fā)現(xiàn)，這純屬無稽之談。產(chǎn)投方的投資和能不能進(jìn)入對方場景，幾乎是完全獨(dú)立的兩件事。

劉燕秋：為什么會這樣？大家談?wù)揅VC的優(yōu)勢不就是給錢之外，還能給訂單嗎？

王潛：對于業(yè)務(wù)側(cè)來說，他們根本不管投資方投了誰，大家都有自己的KPI。美團(tuán)也好，京東也好，都是商業(yè)公司，不是投資機(jī)構(gòu)，主業(yè)永遠(yuǎn)是第一優(yōu)先級。所以核心是你能怎么幫助它的主業(yè)，而不是讓人家的主業(yè)來幫助你。

當(dāng)然，成熟行業(yè)或者準(zhǔn)成熟行業(yè)是另一回事。比如，一件事有10家公司能做，有人能做到10分，有人20分，有人30分，但大家都不是0分。這種時候，產(chǎn)業(yè)背景就重要了。因?yàn)槟茏龅?0分也能滿足需求，與其選30分的要付更多錢、收不回成本，不如選10分的，還能在里面占股份，某種意義上能控制它，整體利益最大。但今天具身智能不是這樣，現(xiàn)在這個領(lǐng)域里所有人都是0分，誰能先做到1分，誰就有機(jī)會，因?yàn)檫@1分對場景方來說是直接的幫助。

劉燕秋：商業(yè)化場景落地這一塊，你們是從一開始就放在模型研發(fā)上，沒把重心放在商業(yè)化？

王潛：至少過去兩年我們是這樣的，不把重心放在商業(yè)化是我們主動選擇的。我當(dāng)時就有這個判斷，也跟所有投資人都講過。按當(dāng)時的做法，商業(yè)化這件事肯定做不出來。

劉燕秋：做不做的出來，具體指什么？評價標(biāo)準(zhǔn)是什么？

王潛：就是給客戶產(chǎn)生正向的ROI（投資回報率）。客戶買我們的機(jī)器人替代人工，不管是效率更高，還是能更長時間提效，只要能實(shí)現(xiàn)這些就算成。但現(xiàn)在市面上，一個能做到的都沒有。

劉燕秋：今年好幾家具身企業(yè)營收已經(jīng)過億，甚至超過10億。所以你現(xiàn)在還是認(rèn)為，目前沒到商業(yè)化的合適時間？

王潛：至少過去兩年我們是這個判斷，現(xiàn)在看確實(shí)是對的。但現(xiàn)在這個時間點(diǎn)不一樣了，我個人覺得2026年會出現(xiàn)真正意義上的商業(yè)化。所以對我們公司來說，明年商業(yè)化可能反而會變成重點(diǎn)。

劉燕秋：這個行業(yè)一種通行的說法是，機(jī)器人不像自動駕駛的汽車，跑起來就能收集數(shù)據(jù)。所以有些公司會先把機(jī)器人放到一些場景里收集數(shù)據(jù)，說這樣有利于技術(shù)發(fā)展和算法迭代。這套邏輯在你們看來行不通是嗎？

王潛：你看現(xiàn)在有誰真的靠這種方式收集到有效數(shù)據(jù)了？又有誰靠這些數(shù)據(jù)訓(xùn)練出能用的模型了？一些公司搞的數(shù)據(jù)集，現(xiàn)在行業(yè)內(nèi)公認(rèn)沒人能靠它訓(xùn)出模型，全是廢數(shù)據(jù)，本質(zhì)上就是為了講故事、賣硬件。