獨家專訪千尋創(chuàng)始人：20 億新融資、具身模型淘汰賽、落地非共識

26 年的具身會非常像 23 年的大模型，如果模型性能跑不到頭部，就沒有機會上牌桌了。

* 題圖：從左至右為千尋聯(lián)創(chuàng)鄭靈茵、千尋聯(lián)創(chuàng)高陽、千尋創(chuàng)始人韓峰濤

文丨程曼祺

編輯丨宋瑋

一位 80 后機器人創(chuàng)業(yè)老兵韓峰濤，一位 90 后 AI 大模型學者高陽，千尋智能有中國具身行業(yè)里獨特的創(chuàng)始人組合。

春節(jié)前，千尋完成近 20 億元人民幣兩輪融資，估值突破 100 億元，新股東包括云鋒基金、混沌投資、紅杉中國等財務機構，Synstellation Capital、TCL 創(chuàng)投、明薈投資（匯川技術董事長家辦）等產投方，重慶產業(yè)投資母基金、杭州金投等國資；順為、Prosperity7、達晨財智等老股東也繼續(xù)投資。

“臨時組隊創(chuàng)業(yè)” 本被視為一種風險：韓峰濤和高陽之前不認識、沒交集。但具身智能是一個超級跨學科領域，它以 AI 大模型的性能為核心變量，也需要硬件本體、工程、能源、材料技術和商業(yè)化經(jīng)驗。跨圈組隊合理而必要。

韓峰濤身形健碩，快人快語，他 2011 年從浙大研究生畢業(yè)，2015 年聯(lián)合創(chuàng)立協(xié)作機器人公司珞石，擔任 CTO，歷經(jīng) 10 年創(chuàng)業(yè)，仍頭發(fā)濃黑。

高高瘦瘦、說話慢條斯理的高陽第一次見到韓峰濤時，覺得他看起來像 “生意人”，后來聊得深入，發(fā)現(xiàn)他懂技術、懂行業(yè)。在 23 年陸續(xù)見了 100 多人，最終確定和高陽一起創(chuàng)業(yè)的韓峰濤說：“靠譜的人太少，騙子太多。高陽絕對靠譜。”

2024 年 4 月，千尋從孵化器搬到新辦公室，韓峰濤在朋友圈回顧了過去的從業(yè)經(jīng)歷和中國機器人行業(yè)的變化。

在千尋新一輪融資發(fā)生前后，中國具身智能行業(yè)還出現(xiàn)了數(shù)筆大額融資，從 25 年 12 月到 26 年 1 月，銀河通用、云深處、自變量機器人都宣布了數(shù)億元至 20 億元的新融資。

《晚點》與韓峰濤的這次訪談，從新近的資本市場變化開始，延展到了背后的行業(yè)變化，26 年競爭主題，和他對過去工業(yè)機器人創(chuàng)業(yè)的復盤。

我們提到了 1 次 VLA，0 次世界模型和 18 次客戶，這是韓峰濤的肌肉記憶。

但他也反復強調：26 年不會是具身行業(yè)的落地生死之年，而是具身模型性能快速爆發(fā)的一年，千尋會把絕大部分精力放在模型上。這是一個經(jīng)歷過上一批智能機器人熱潮起伏的創(chuàng)業(yè)者轉變的決心。

不要為了融資騙投資人，不要互相攻擊得這么狠

晚點：千尋新融了近 20 億人民幣，估值破 100 億。這半年，整個中國具身領域還出現(xiàn)了數(shù)起大額融資，為什么更多錢現(xiàn)在涌向了具身？

韓峰濤：因為具身智能正處在 “黎明前的黑暗” 時刻。制約具身模型性能爆發(fā)的核心卡點——數(shù)據(jù)問題，已經(jīng)被解決了。所以過去幾個月，行業(yè)認知迅速收斂到了投具身大腦。

26 年的具身會非常像 23 年的大模型，如果你拿不到很多錢，模型性能跑不到頭部，就沒有上牌桌的機會了。

晚點：你看到了更強的共識，但我們也能看到具身行業(yè)現(xiàn)在非常喧囂，有各種概念、技術路線和宣傳 PR。

韓峰濤：尤其是過去的一個月，我們這次融資過程也發(fā)生了很多故事。我們應該構建一個更良性的市場。

晚點：發(fā)生了什么 “不夠良性” 的競爭故事嗎？

韓峰濤：比如找公關公司黑別人。

晚點：怎么黑法？

韓峰濤：比如黑我和高陽不合，這是我聽過的最離譜的黑點。你要黑我韓峰濤不懂 AI，我也認了，我確實不如高陽他們做 AI 的。但你要說我和高陽經(jīng)常拍桌子吵架，那你肯定是沒見過高陽。

晚點：具身智能的競爭已經(jīng)進化到這個程度了？

韓峰濤：很多都已經(jīng)不是技術上的競爭了。一些負面評價很難自證。就像問我吃了幾碗粉？我除了把肚子割開，沒別的辦法。

晚點：你希望看到的更良性的競爭是怎樣的？

韓峰濤：不要為了融資騙投資人，拿訂單騙，或拿開源的模型套個殼騙。不要相互攻擊得這么狠。

具身是個大的時代機遇，也是中國在硬科技領域，第一次與美國站在同一起跑線上。過去我們在半導體、大模型和自動駕駛上都在追趕美國，但具身智能不同，我們在人才、數(shù)據(jù)采集和系統(tǒng)成本上的優(yōu)勢比美國更大。中國一定會成長出幾家全球頂級的具身智能公司。

26 年的關鍵不是落地，是模型性能的爆發(fā)

晚點：新融近 20 億后，千尋 26 年的目標是什么？

韓峰濤：首要目標是提升具身模型的性能，要做到具身大腦的全球 Top 3。 關鍵指標是獲得 100 萬小時的有效數(shù)據(jù)。我們過去發(fā)的最好的開源模型只用了 1 萬小時的數(shù)據(jù)，26 年我們會有 100 倍的數(shù)據(jù)。

還有 10% 的精力會放在跟產投方合作，讓具身機器人在他們的場景里落地。營收目標是 1 個億。

晚點：在同樣估值規(guī)模的具身公司里，千尋對營收的計劃相對小，為什么？

韓峰濤：第一，模型沒到臨界點，強行落地沒有意義。現(xiàn)在的具身模型，做大部分任務都需要大量微調，只有當 zero-shot（零樣本學習）就能實現(xiàn) 70%-80% 的成功率時，機器人才能快速放量。

第二，現(xiàn)在具身行業(yè)亂就亂在都在講落地。有些是披著具身外殼的傳統(tǒng)自動化或上一代 AI；有些是簽了大訂單卻還沒交付。有很多投資人認為 26 年是落地的 “生死之年”，落不了地行業(yè)就沒了，我們非常不認同。

26 年的主題其實是數(shù)據(jù)量級和模型性能的突破，而不是落地和收入競爭。真正大規(guī)模落地應該在 27 年下半年到 28 年。

晚點：如果你的這個核心判斷錯了，可能會是錯在哪兒？

韓峰濤：這個問題我們內部也討論過很多次，因為我們會定期思考 “我們會怎么失敗”。

目前看比較樂觀。因為硬件和供應鏈已相對成熟，客戶有需求，公司也有錢，核心的卡點就是模型。而根據(jù)我們自己看到的 Scaling Law 曲線，基模能力的提升沒有太大懸念。

晚點：如果 26 年確實是模型能力的淘汰賽，你覺得能上牌桌的公司具備什么特點，或者已經(jīng)做到了什么？

韓峰濤：第一，肯定要有很強的 AI 背景。第二，賬上的錢足夠多。第三，在中國，還是要有落地的規(guī)劃，得有強大的產投方以及商業(yè)化能力。

晚點：有什么關鍵的觀察指標嗎？

韓峰濤：獲得有效數(shù)據(jù)的加速度。

晚點：25 年下半年才成立的一批新公司，獲得數(shù)據(jù)的時間還夠嗎？

韓峰濤：如果拿了很多錢，可以。因為很多 know-how，更早成立的公司已經(jīng)踩過了，我們花一年半，他們可能只需要 7、8 個月。

幾個月的差距目前不是很大的問題，很多投資人看不出來，市場上的錢也多；而且具身大腦今年會跑出來好幾家公司。

晚點：你認為具體是誰？

韓峰濤：我反倒覺得 25 年出來的這些新公司做成的概率更高。因為更早成立的公司，很多主要在沖商業(yè)化，已經(jīng)不是大腦公司的基因了。

晚點：千尋自己不也是 24 年成立的嗎？

韓峰濤：但我們 24 年成立第一天就聚焦模型的主航道。很多同行也問我：“為什么千尋這么淡定？我們被誰誰卷得不要不要的。” 我說原因很簡單，卡點解決之前，要聚焦解決卡點，也就是提升模型能力；卡點解決之后，才看速度。

在中國創(chuàng)業(yè)，一定要在大廠下場前把自己變成中廠

晚點：現(xiàn)在很多大公司也在投入具身智能，如小鵬、小米、騰訊、字節(jié)，李想最近也在全員會上說，理想一定會做人形機器人。大公司入場會怎么影響競爭格局？

韓峰濤：我在內部經(jīng)常講，我們未來真正的對手就是這些大公司。華為、小米、理想這樣軟硬都做的企業(yè)更有可能做好。

晚點：你覺得什么時候，更多中國大公司會把具身智能當成一個重要戰(zhàn)略？

韓峰濤：28 年到 29 年。

晚點：如果 26 年具身模型就有大的突破，理想等公司不會加大投入嗎？

韓峰濤：哪怕 26 年模型能力提升了，機器人對理想這樣的大公司依然是很小的市場，因為還沒有大規(guī)模商業(yè)化。

什么時候大公司會砸海量資源？創(chuàng)業(yè)公司先證明這個市場存在，而且真跑出來了一些中等規(guī)模的創(chuàng)業(yè)公司。

所以我們在內部一直講，速度是我們唯一的優(yōu)勢。在中國創(chuàng)業(yè)，一定要在大廠下場之前把自己變成中廠。

晚點：多大規(guī)模算中廠？

韓峰濤：至少一年賣 10 萬臺機器人

晚點：多快實現(xiàn) 1 年賣 10 萬臺，才夠快，夠安全？

韓峰濤：我們的計劃是 2030 年。新能源車大概用了 6 到 7 年左右的時間，具身智能可能更短，5 到 6 年。

晚點：中廠的條件包含盈利嗎？

韓峰濤：如果能 1 年賣到 10 萬臺，肯定是盈利的。

晚點：很多一年能賣出數(shù)十萬臺車的新能源車企仍沒有盈利。具身智能公司不會重蹈覆轍嗎？

韓峰濤：新能源車企的核心困境是產品同質化導致的價格戰(zhàn)。具身智能要避免重蹈覆轍，關鍵就在差異化，否則銷量越大，庫存和虧損越大。我們定位是智能服務載體，賣硬件只是開始，持續(xù)產生的數(shù)據(jù)和服務價值才是核心。具身智能機器人和系統(tǒng)賣出去后，連接才剛剛開始。

如果一開始就能融幾億美金，肯定直接 all in 數(shù)據(jù)

晚點：前面提到，你認為 26 年會是模型性能爆發(fā)的元年，因為數(shù)據(jù)卡點已經(jīng)被解決了，千尋具體是怎么解決的？

韓峰濤：有兩個階段，24 年初千尋起步時，首先要選擇是仿真、合成數(shù)據(jù)還是真實數(shù)據(jù)。我們當時就判斷，仿真行不通。技術上，sim-to-real 的 gap（虛擬到現(xiàn)實的差距）很難被彌補；行業(yè)上，參考自動駕駛——那是最簡單的機器人，自動駕駛用的仿真數(shù)據(jù)也很少。

真實數(shù)據(jù)當時有兩個主要來源，一是視頻數(shù)據(jù)，就是讓模型去看網(wǎng)上人類干活的視頻，學一些動作和常識，這個高陽已做過很多年。二是遙操作，這是 24 年到 25 年上半年的主流采數(shù)方式，它的好處是數(shù)據(jù)質量很高，但成本高、采集效率低，沒法 scaling。美國做具身的公司，除了英偉達，其他也都在用真實數(shù)據(jù)。

所以第一個階段，我們是用視頻數(shù)據(jù)做預訓練，遙操作數(shù)據(jù)做微調。過去兩年我們積攢了 20 萬小時的視頻數(shù)據(jù)。

但同時，我們還需要一種可以低成本、大批量采集真實數(shù)據(jù)的方案，這就是從 24 年 5 月開始開發(fā)的現(xiàn)在的方案：在預訓練階段加入可穿戴設備采集的數(shù)據(jù)，用遙操作數(shù)據(jù)做微調，最后讓機器人在真實環(huán)境里通過強化學習獲得 roll-out 數(shù)據(jù)（機器人自主完成任務獲得的數(shù)據(jù)）。

這還是參考了自動駕駛：先把車賣出去，一邊開車，一邊采數(shù)據(jù)。我們就想，能不能讓人一邊干活一邊采數(shù)據(jù)。所以當時就開始搞可穿戴式設備。從 24 年 5 月到 25 年底，我們的可穿戴設備采數(shù)方案迭代了 4 代，有大小幾十個版本。同時也一直在迭代相應的數(shù)據(jù)管線和算法。

晚點：可穿戴式設備有很多種——UMI、外骨骼、動捕，千尋具體做哪種設備，以及為什么這么選？

韓峰濤：我們現(xiàn)在都用，因為不同的可穿戴式設備有不同的優(yōu)缺點。UMI（注：universal manipulation intelligence，主要采集和精細操作相關的手部位姿數(shù)據(jù)和力覺、觸覺數(shù)據(jù)）只采手部的動作，適合做雙臂訓練，但如果去訓一個完整的機器人，就不知道胳膊、腿怎么動。想拿到這部分數(shù)據(jù)，就得用外骨骼。要獲得更精確的全身數(shù)據(jù)，就需要動捕。

所以我們是一個數(shù)據(jù)配方，可以說它是 “全身的 UMI”——以一些相對低成本的傳感器，加一些算法設計，讓人穿上后能一邊真實的干活，一邊獲得數(shù)據(jù)。

晚點：實現(xiàn)你們現(xiàn)在這種采數(shù)方案的挑戰(zhàn)是什么？

韓峰濤：提升可穿戴式設備數(shù)據(jù)的可用性。一開始這些設備采回來的數(shù)據(jù)維度少、精度低，相對于遙操作只有 20% 到 30 % 的可用性。

過去一年半，我們一直在優(yōu)化設備本身和數(shù)據(jù)管線，就是對數(shù)據(jù)切斷、標注、質檢的整個流程，以及優(yōu)化模型，讓模型能從相對低質量的數(shù)據(jù)里學到東西，這里面有很多算法改進和創(chuàng)新。

我們把可穿戴式設備的數(shù)據(jù)的可用性從 30% 提升到了 95%，而成本只有遙操作的 1/10。

晚點：你們現(xiàn)在積累數(shù)據(jù)的加速度如何？

韓峰濤：可穿戴設備，我們是從今年 1 月開始鋪量的，到 Q2 會有十幾萬小時的數(shù)據(jù)，我們今年要采 100 萬小時的數(shù)據(jù)。

晚點：開發(fā)可穿戴設備采數(shù)方案的團隊是怎么學習的？有什么可參考的經(jīng)驗？

韓峰濤：我們從自動駕駛行業(yè)招了一些人，他們有數(shù)據(jù)工程化的經(jīng)驗，但是絕大部分，是我們 AI 團隊和具身團隊一起踩坑踩出來的。因為到底什么是好的機器人數(shù)據(jù)，數(shù)據(jù)該怎么處理，模型怎么去學這些數(shù)據(jù)，全行業(yè)也沒有太多可參考的。

晚點：25 年下半年，Generalist、Sunday Robotics 都陸續(xù)發(fā)布了他們的可穿戴設備采集方案，這些不是參考嗎？

韓峰濤：很少，因為我們從 24 年就開始做了。看到他們的發(fā)布，我們也很開心，原來和我們做的是一樣的，而且做得很不錯。

晚點：不少投資人認為，中國公司是在 copy 他們。

韓峰濤：這個問題我們內部也討論過。如果我們一開始就能融幾億美金，肯定直接 all in 數(shù)據(jù)。但是在中國創(chuàng)業(yè)，如果沒有 demo 和商業(yè)化苗頭，很難持續(xù)融資。所以我們需要花一些精力在探索商業(yè)化上，客觀上會影響解決數(shù)據(jù)問題的速度。

晚點：你們實際在突破數(shù)據(jù)瓶頸上花了多少精力和資源？

韓峰濤：80% 以上。

晚點：第一個卡點是數(shù)據(jù)，再往后是什么？

韓峰濤：一是 scaling 的速度，把具身模型的性能從 GPT-2 提升到至少 GPT-3.5。然后是把性能達到 GPT-3.5 的具身大腦，批量落到某一個應用上去。

所有你聽過的具身公司都去了寧德時代

晚點：25 年至今，你們融到了更多錢，如果模型是主航道，有必要現(xiàn)在開始做應用落地嗎？你們已經(jīng)陸續(xù)有了寧德時代等大客戶。

韓峰濤：寧德時代我們是在 25 年元旦開始正式合作的。其實不考慮融資，也很有必要做商業(yè)化探索。

具身的核心是具身大模型，看具身，必須按大模型的邏輯看。相通之處是：大模型經(jīng)歷了預訓練、后訓練、agent 這些階段，具身還處在開始搞大規(guī)模預訓練的第一個階段，此時就大規(guī)模落地，邊際成本很高，會很痛苦；所以我們 26 年到 27 年會用大部分精力提升基模。

但機器人和大語言模型有一個核心區(qū)別：它不是 “模型即產品”，模型只是產品的一部分。你不能等模型到了 3.5 才去想我到底要做電池機器人、保潔機器人還是零售機器人，那時就晚了。同時，大模型前期主要用的是互聯(lián)網(wǎng)公開數(shù)據(jù)，但具身智能需要工廠、倉儲里的私有數(shù)據(jù)。這些數(shù)據(jù)不是誰都能采。商業(yè)化探索也是為了先去占數(shù)據(jù)的坑。

千尋的 Moz 機器人在寧德時代電池產線上工作。

晚點：像寧德時代這樣的客戶，會允許你們用他們場景里的數(shù)據(jù)去訓模型嗎？

韓峰濤：基模預訓練是可以的。在早期，大家要有數(shù)據(jù)共享的默契，才能提升模型能力。但當基模預訓練好之后，大客戶落地時采的一些高精度的微調數(shù)據(jù)肯定是客戶自己的。

晚點：你們和寧德時代的合作是怎么開始的？它當時是在全行業(yè)招標嗎？

韓峰濤：不是招標，是發(fā)需求。比較知名的、24 年之前成立的具身智能公司基本都去了。

當時我和高陽穿戴全套安全帽、安全服，一天走了兩萬步，看了需求里的所有工序。因為作為技術負責人，他（高陽）也必須掌握兩種語言：技術語言和客戶語言。 如果不親自下場看，永遠不知道真實產線長什么樣。

千尋是第一個真正能在電池產線上干活的具身公司，到目前已經(jīng)參與生產了 1000+ 塊電池。

晚點：寧德和其他公司的合作為什么沒有繼續(xù)？

韓峰濤：有的公司是和客戶交流有些 gap，和客戶不能主要講技術，應該講怎么理解他的場景、用什么具體方案。有沒有客戶語言，決定了當技術突破時，能不能找到 PMF。還有一種是選的場景比較小，潛在用量很少，現(xiàn)在處于在非真實產線測試的階段。

晚點：還有什么不夠好的場景？

韓峰濤：打螺絲，打螺絲太難了。

晚點：千尋在寧德做的是電池插拔檢測，這個場景好在哪兒？

韓峰濤：第一，它能用到端到端模型，不需要對現(xiàn)場做自動化改造，人撤下來，機器人放上去就能干活。第二，插拔用到了力控技術。第三，這個工序的節(jié)拍相對慢。第四，容錯率高，電池檢測的插頭相對大，第一次不行可以再試一次，不會損壞零件，如果去插那種精細的小插頭，一下沒對準可能就壞了。

最重要的是，因為前面這幾個條件，這個場景讓機器人可以上真實產線干活，收集強化學習的數(shù)據(jù)，跑通整個技術鏈路。

其實寧德給大家提供了將近 200 個工序，我們是從 200 個工序里選了一個當時的端到端模型可以實現(xiàn)，節(jié)拍、容錯率也合適，能真的上產線的場景，這需要很強的場景選擇能力。

晚點：沒人去和你們搶這個場景嗎？

韓峰濤：實話說，這個場景是另一家具身智能公司先做的，做了快 1 年沒做成，撤了。

晚點：你們做插拔檢測的過程中遇到了什么問題，怎么解決的？

韓峰濤：沒有特別多。這是端到端模型第一次落地，我們主要做了兩件事：

- 第一，管理客戶預期。 明確告訴客戶這是一個全新的嘗試，前人沒做過。

- 第二，研發(fā)死磕現(xiàn)場。有段時間我們的技術人員長期在寧德現(xiàn)場寫代碼、改模型。做這種落地，你不能在北京搞研發(fā)，然后把模型發(fā)過去讓現(xiàn)場工程師去跑。研發(fā)必須在客戶身邊。

晚點：這是一個很重的服務過程，怎么平衡服務好大客戶和你們自己提升模型能力的主線目標？

韓峰濤：我們專門成立了 “寧德小分隊”，相對獨立地負責服務寧德，但他們有需求時，公司也會給最高優(yōu)先級支持。這種 “研發(fā)長在現(xiàn)場” 的模式，本質是因為現(xiàn)在的模型能力太弱，必須靠大量人力和工程化去填坑。這種方式無法低成本復制，低成本復制還是要做標品。

所以我們的核心目標還是提升模型能力，將來會把最后 100 米的交付交給客戶自己。

千尋融了很多實業(yè)產投方，比如華為、小米、京東。這些大廠有場景，也有自己的具身部門，他們缺的是模型。我們將來可以給他們提供 “標準的機器人 + 模型 + 數(shù)據(jù)管理平臺”，客戶可以基于這套系統(tǒng)針對下游任務自己微調，開發(fā)自己的機器人 Agent。

晚點：既然當前的具身模型還不夠強，那實際上你們在 25 年給客戶交付的方案用的是什么技術？

韓峰濤：現(xiàn)在在現(xiàn)場用的也是端到端的 VLA 模型，但用的是我們上一代模型。所以我們選的場景也相對簡單。

晚點：上一代模型的后訓練和工程部署實際花了多少人、多長時間？如果換成新模型后會減少多少？

韓峰濤：寧德時代，我們從接觸到最后驗收花了 11 個月，如果只算模型部分，大概是 2 到 3 個月。而基于我們現(xiàn)在最新的模型，我覺得能縮短到 1 個月。

晚點：當具身的基模更強之后，你們會逐步拓展哪些場景？

韓峰濤：整體節(jié)奏是先工業(yè)，再商業(yè)，最后進家庭。

千尋 24 年底定中期目標時，高陽提了雙十計劃：十年讓全球 10% 的人擁有自己的機器人。要實現(xiàn)這個量級，終局一定是家用。但在行業(yè)早期，我們先選更簡單的場景，所以先工業(yè)。

傳統(tǒng)工業(yè)機器人太笨，只能做固定、簡單的工作，所以滲透率非常低。中國有 1 億制造業(yè)工人，但工業(yè)機器人保有量才 300 萬臺，每年新增約 30 萬臺。全球工業(yè)機器人一年的銷售額也就 100 億美元，就是理想賣半年車。

如果具身大腦能替代 30% 的人工，工業(yè)市場的規(guī)模至少會提升一個數(shù)量級。同時，有了 “大腦”，機器人也能從工廠走向服務業(yè)。

在這些 To B 行業(yè)里，我們篩選場景有五個標準：市場大；在增長；集中度高，有大客戶；客戶付費意愿強；國內外需求一致，在中國打磨的產品可以賣到全球。動力電池是一個很好的方向，還有物流、酒店和零售，這是我們這一階段的重點。

晚點：有很多近期新成立的具身智能公司直接瞄準家庭服務場景。而在你們的計劃里，這是比較后期的場景。為什么你們的選擇不一樣？

韓峰濤：家庭確實是最大的市場，但具身產品的落地要看各因素的匹配。

我不擔心模型能力。到 27 年，讓機器人在家洗衣服、收玩具、澆花，技術上都能達到。但還要考慮安全、隱私、價格等。現(xiàn)在機器人普遍幾十公斤重，萬一倒了砸到老人或小孩，就是巨大的事故。再說電池，機器人的電池容量是電動自行車的三倍，連自行車電池都不讓進家門，何況機器人？需要等固態(tài)電池成熟，或者只能拖著線工作。

所以那種能滿屋子跑的通用家庭機器人確實相對遠。但在家庭，尤其是歐美家庭，很多專用機器人可能會先爆發(fā)。

比如歐美很多人住獨棟，地下室放洗衣機、烘干機。可以做一個機器人，專門負責操作洗衣機、烘干機、疊衣服。它的位置相對固定，可以插電用；也不會和人有太多接觸，可減少安全隱患。

所以具身的落地要綜合考慮軟件和硬件的進展。

既然要費這個勁，不如做點大事

晚點：這次創(chuàng)立千尋之前，你已在機器人行業(yè)創(chuàng)業(yè)十年，是珞石的聯(lián)創(chuàng)和 CTO，為什么在 2024 年珞石已開始籌備上市時選擇重新創(chuàng)業(yè)？

韓峰濤：2015 年第一次創(chuàng)業(yè)是 “無知者無畏”。那時候覺得有技術、有政策、有熱潮，創(chuàng)業(yè)挺簡單。第一份 BP 用 word 寫了 60 多頁，投資人說：現(xiàn)在 BP 都用 PPT。

那十年，我們見證了工業(yè)機器人的國產化率從 3% 跑到超過 50%。但說實話，工業(yè)機器人是個很小的市場，大部分公司不賺錢。

為了讓機器人能干更多活、打開更大的市場，上一批公司也是做兩件事：一是更好的硬件，給機器人加力控、3D 視覺等傳感器。二是結合第一代深度學習，當時做了縫衣服、磨刀等場景，這些都需要 AI 視覺加力控小腦，靠傳統(tǒng)規(guī)則方法無法實現(xiàn)。但受限于上一代 AI 的能力，我們始終沒法構造一個通用大腦。直到 2023 年初，我看到 ChatGPT。

當時我覺得必須出來，我意識到，大模型是真正的技術革命。客觀講，第一波深度學習熱潮只是 “技術進步”，所以沒有誕生特別大的公司。但大模型不同，千尋要做的，就是把這場技術革命從虛擬世界帶進物理世界。 這也是我一直想做的事。

晚點：后來你怎么吸引高陽成為合伙人的？創(chuàng)立千尋前你們并不認識：你的背景是自動化和工業(yè)機器人 ，高陽從伯克利再到回清華，一直做深度學習。

韓峰濤：這次創(chuàng)業(yè)，我考慮的不是我會什么。我會做減速器、一體化關節(jié)、電機、整機……但這都不是具身智能最大的機會，最大的機會是大腦，那我就去找誰能做大腦。

我當時微信里有 6000 多個聯(lián)系人，從 A 到 Z，我挨個去看誰能幫我介紹，最后一共聊了 100 多個人。

晚點：高陽是你見的第幾個？

韓峰濤：高陽是比較后面聊到的，23 年夏天。他也在找產業(yè)和硬件背景的人。所以我們是 “雙向奔赴”，他找 CEO，我找 CTO。

晚點：密集聊 100 多人的感受是什么？

韓峰濤：靠譜的人太少，騙子太多。有的人想騙融資；有的人固執(zhí)地守著舊技術；還有人想帶一堆自己的人來。

具身至少是個 20 年的事業(yè)，合伙人必須能并肩戰(zhàn)斗 20 年。所以選高陽，我有兩個硬指標：第一，技術要靠譜。 24 年融資時，投資人笑我不懂 AI，但有一點我很確定：既然是大模型的機會，合伙人里就必須有人懂大規(guī)模預訓練。高陽從 17 年就開始研究端到端自動駕駛，又知道怎么用互聯(lián)網(wǎng)視頻做訓練，在技術上絕對靠譜。第二，價值觀趨同。 我倆反復聊了十幾次，就是在確認能不能長期跑下去。創(chuàng)業(yè)過程中一定會有爭吵，甚至會有考驗人性的決策時刻。最終決定團隊會不會分裂的，就是價值觀。 拿我們鄭總（千尋聯(lián)創(chuàng)鄭靈茵）的話說創(chuàng)始團隊應該是價值體系趨同，能同頻共振。

晚點：你們共同的價值觀是什么？

韓峰濤：信任，追求卓越，實事求是。不知道會說不知道。

晚點：你們的技術背景和思維方式不同，真的開始一起創(chuàng)業(yè)后有過什么碰撞和分歧嗎？

韓峰濤：robotics 的思維是基于規(guī)則、建模，AI 是數(shù)據(jù)驅動。我自己到 24 年下半年會更清晰地意識到，我的一些決策還是受原來機器人行業(yè)的認知的影響，而具身是 AI 行業(yè)。

晚點：當時具體發(fā)生了什么？

韓峰濤：24 年 5 月之后，我們在同時做可穿戴式設備，自研機器人和訓第一代模型。當時需要遙操作的數(shù)據(jù)，到下半年，第一代硬件還沒出來，導致沒法采數(shù)。高陽說這不行，要不我們去買一些無限方舟的臂。我當時想，這個臂和我們自己的構型不一樣，這部分數(shù)據(jù)可能會被浪費。高陽說不行，必須得買。

回頭看是應該更早買，這事來回溝通了 1 個多月，再加上后面給這些臂修 bug 和調試，整體可能耽誤了模型進度 2 個多月。這是一個認知問題，從 AI 視角看，數(shù)據(jù)在初期是最重要的。

晚點：你們挺有默契，我之前問高陽這個問題，他說的也是這件事。

韓峰濤：我覺得其他人做的機械臂沒有我做得好。

晚點：一種行業(yè)老兵的自負。

韓峰濤：對。

晚點：后面你們遇到類似的決策分歧，怎么處理的？

韓峰濤：只要是在提升模型性能的主航道上的研發(fā)，就堅決投。具體決策會更多依賴高陽。我是機器人老炮，高陽也是 AI 老炮，從 14 年去美國讀博到現(xiàn)在，也搞了十幾年了。

很多對未來的判斷，不可能有 100% 的證據(jù)，它依賴于長久浸泡一個領域帶來的直覺。

晚點：面對新問題時，過去的直覺可能會錯，怎么辦？

韓峰濤：沒法完全避免。糾錯靠兩點：要么自己發(fā)現(xiàn)自己錯了，要么別人指出，你能接受，第二種更常見。所以千尋一直強調信任文化。如果你相信對方提意見是為了公司好，為了你好，接受建議就會變簡單。

晚點：上一次創(chuàng)業(yè)十年，你自己并沒有拿到大結果，這次創(chuàng)業(yè)，想走多遠？

韓峰濤：面對這樣一個大的機遇，我們是奔著做一家偉大公司去的。其實一個人不管干啥，哪怕是開煎餅攤、開咖啡館，想做好都極艱難。既然都要費這個勁兒，不如做點真正的大事。

客觀講，以前沒這種機會。搞工業(yè)機器人，做得再好也只是一個垂直行業(yè)，甚至都改變不了行業(yè)。但在 AI 這個賽道，我們有可能改變世界。

題圖來源：千尋智能