目录
- 为什么要做通用家庭机器人 [00:00:00 - 00:10:00]
- 从备菜机器人看产品形态 [00:10:00 - 00:20:00]
- agent 让物理世界更通用 [00:20:00 - 00:30:00]
- 科学家的信仰和 OpenAI 的启发 [00:30:00 - 00:40:00]
- 破壳的文化、生态和极致 [00:40:00 - 00:50:00]
- AI Native 机器人不能只靠小模型 [00:50:00 - 01:00:00]
- 轮式局限与家庭场景约束 [01:00:00 - 01:10:00]
- 创业时点、资本热度和最大的西瓜 [01:10:00 - 01:20:00]
- 东北人和机器人的气质 [01:20:00 - 01:30:00]
- 从高中到博士：创业的起点 [01:30:00 - 01:40:00]
- 影响力驱动与人生选择 [01:40:00 - 01:50:00]
- 科研评价和 AI 评测 [01:50:00 - 02:00:00]
- 噪音、贡献和科学家的品位 [02:00:00 - 02:10:00]
- 尽力的人生 [02:10:00 - 02:20:00]
- 找回自己，破壳而出 [02:20:00 - 02:26:06]
为什么要做通用家庭机器人
许华哲：他是一个机器人，然后他就跟工厂里的机械臂一样，只不过他是人的样子，他不相信那个physical 通用人工智能会诞生，我想象的，甚至不是渗透，我觉得就是因为我们其实，最终我们要做的事情，就是造一个人，尽管我们现在是家庭机器人，但最终我们是想造一个人，所以他下班以后，他出去以后，他可以是一个在酒吧里跳舞的人，他可以是一个在田里种地的人，他可以是一个在课上教书的人，但是都是同一个机器人，因为它是通用的，我觉得这样就可以算得过来了，如果它是专门在那干那件事的人，我觉得人形机器人很难算得过来 [00:00:53]
程曼祺：欢迎收听晚点聊，我是曼琪，本期的嘉宾是许华哲，从26年3月开始，他有了一个新身份，破壳机器人的创始人，之前两年多里，许华哲是星海图的联创和首席科学家，这次重新创业，华哲想自己主导推动一个大梦想，通用机器人，第一步就是家庭机器人，他也想跳出此前，中国具身智能行业的一些路径依赖，更回归通用智能的探索，他说具身智能不是robotics 不是自动驾驶，也不是史前的深度学习，这并不是现在最流行的叙事，他是怎么想的，破壳会怎么做，我们进入本期节目吧，华哲你可以先和我们的听友和观众，简单打一个招呼，简单自我介绍一下 [00:01:07]
许华哲：好的,大家好,我是华哲,我目前在创业,刚刚成立了一个新的公司叫破壳机器人,然后同时我也在清华大学交叉信息研究院在做助理教授,在做最新智能相关的研究,另外也在做自媒体,对,就是录一些播客,录一些,记录一些生活,在一些自媒体平台上面也都有很多分享,对,这可能是我主要在做的工作。
程曼祺：三件事，我们可以从你，这次创业开始聊，也是我现在最好奇的问题，就是你之前，其实是在星海图，是联创，就是23年成立的，一家军事智能公司，然后26年年初，这个时间点，你是出来，就是重新做这一次创业，然后关于你和星海图，是怎么分开的，我觉得外界有很多传闻，就有的人会说，比如说是和平分手，然后有的是说是孵化，有的时候是你们闹掰了，你可以自己讲讲，这是一个什么过程 [00:02:27]
许华哲：我觉得更多的是，我产生了一些新的想法，然后这个想法其实也不算新，只是后来想到，可能只有我自己去做，才有可能做到
程曼祺：才有可能做出来，所以就觉得，还是要自己来做这件事，对，那你可以描述一下，这个想法是什么吗，你什么时候开始，去思考这件事情的，包括当时后来，怎么和季阳和赵涵和天威，他们去沟通的 [00:03:07]
许华哲：就首先这个事情，我之前都有提，就是做家庭机器人，对吧，就是那条松鼠桂鱼，我也反复提过很多次，但是我觉得到现在为止，就是更多的是技术上面，其实我是最初是想把这个，当做我的人生的追求，因为机器人的这个进展，其实可慢可快对吧，所以一定程度上，那个时候不是一个创业的想法，而是说我在技术上，我要做到这件事，但是在25年的后半段吧，然后就会觉得
程曼祺：OK这件事情好像到来的时间不会太晚，而且这件事情可能更适合我自己去主导去做，你可以把这件事情可以描述一下，就你说你比你想象中会更快到来的
许华哲：其实一个事情发生的时间可以是一年，可以是十年，可以是五十年，很多时候像具身智能，这个家庭机器人到来这件事呢，确定性还比较高的，原因是什么呢，原因是大模型已经蹚出了一条路，所以在有足够的数据，在有足够的这个算力的情况下，那个智能模型一定会变得很好，所以再加上社会的关注度，然后加上这个资本政策，其实关注度也很高嘛，所以一定程度上加速了，这个未来的到来，我觉得在未来的18到24个月，这个世界会有一台机器人，真正走到家里面去做一点事，可能服务了一些人类，也许他还不足以稳定的，一个产品的形象存在在那，但至少他已经，可以连续地工作很长时间了，至少他可以在家里面，把相当多的事情做了，他可以让一个人觉得相信，产生体感，相信那个未来已经来了，其实这个过程是一个，既是渐变也是突变，像比如大模型的到来，我们体感上，其实是一个渐变的过程 23年我们就开始用了，对吧，然后每天跟他聊着聊着天，怎么过了过几天，他就更聪明点，过了几天就更聪明点，到现在的这个OpenAI 对吧，这个Llama等等，大家发现OK 这个事情好像突变了，突然变得特别好事，突然变得能干所有事了，我觉得具身智能，也会是这样一个过程，就是我预测的，那个可以产生体感的时间点，大家会发现 OK它还有提升空间，对吧，然后可能六个月后，你会发现，它变得更好了，再过三个月，可能变得更好了，也许过一年以后，它就变成，好像突然可用了 [00:05:03]
程曼祺：家里只需要一个机器人，别的都不需要了，对，所以我会觉得，它不会太晚到来，所以我可以理解成，其实你要是在星海图，继续做你想做的，家庭机器人这件事情，不是星海图，他们现阶段的重点，至少我看到的不是，我觉得是，可能跟中国的，一个行业现象有关，就是我觉得中国的，比如23年 24年这一波成立的，具身智能公司，很多，首先大家是比较强调，去量产和落地，然后很多选的第一个场景，是偏工业物流这种，生产的场景，是，然后我看你在年终总结，你也写了，你add了很多人，有赵航王赫，还有高扬等等，就是你觉得，可能我们，花了更多的精力，在这个量产和应用上，然后在模型，在智能的突破上的一些努力，目前看起来，是没有一些美国公司进展快的
许华哲：比如说派等等，从我的视角来看，具身智能本身最核心的还是智能，机器人其实只是一个铁疙瘩，它里面有电机，有它的结构件，有它的一些电路，但是实质上产生变化的是，里面的智能，让他真正能做各种各样的事情，那在工业场景里面去做落地，往往做的那个事情不太需要智能，往往需要的是一定程度的智能，而做那件事，我觉得离我们追求的，那个physical 通用人工智能 对吧，通用的具身智能体，我觉得是有一个巨大夹角的，换成大模型的这个语言，就是说我在今天，我会希望做一个，所有问题都能回答的客服，智能客服，还是我应该做，今天在做的这个大模型，我觉得答案是显而易见的，这是为什么我觉得，我并不排斥落地，或者我并不觉得它不好，我只是说，我们同时也应该多去看一看，怎么样把智能的能力，真正做上来，让它真的变得通用，因为变得通用这件事，才使得这个具身智能，真正能改变人类的存在的方式，所以我觉得这个是它最大的一个价值，如果今天告诉你你可以用DeepSeek 你可以问它一些数学题，只能问它一些数学题，你觉得它会有一个巨大的影响吗，我觉得不会，它可能就成了一个小升初，大家专门去刷一刷数学题的一个软件，它可能绝对不是现在所有人都必争的一个高地，我觉得同样的，我们要的那个Physical 通用人工智能，是我在家里面，让他干点什么事情，他就可以干，在社会上面，在这个外面的空间里面，我让他做一件事，他就可以做，那这个时候，才变成了必争之地，因为所有的生产力结构，都会发生改变，而不是单纯的，降本增效的提高生产力，你正式决定创业，是在什么时候，我觉得这个很难说，就是产生这个想法，是去年的八九月份，然后其实也在中间做了各种各样的思考，对，然后我们公司是3月3号注册的 [00:08:40]
程曼祺：然后我觉得是在过年前吧，过年前算是这个事情正式敲定吧，从八九月份到春节前，中间也是有差不多三个多月的时间，是，这个过程中间你在想一些什么，有哪些是让你就是非常想纵身一跃来创业的，然后有哪些点是可能你会比较担心要去考虑一下呢，对 [00:09:20]
许华哲：首先这段时间，手头上还是有一些活要干，所以还是要干点活，然后，但在这个过程中，我觉得，我却在想创业能干什么，虽然我想做这个家庭机器人
从备菜机器人看产品形态
许华哲：虽然我想做这个家庭机器人，但是，他究竟应该长成什么样子，他究竟应该干哪些事情，他究竟多长时间会到来，我觉得这些事情，都是我在仔细思考的，以及我其实中间也，就是我习惯先发散，然后再收敛，这样的去思考，所以我之前也想过，比如说我能不能做一个，专门备菜的机器人，就是因为大家都挺喜欢，炒菜这个环节的，但备菜一般，大家都不是很喜欢，我去给我在美国生活的同学，中国的好朋友都打了电话，或者是一起约了个饭，我说我要做这么一个事，你觉得你会花多少钱买，然后因为我觉得美国物价贵点，就两边我都问问，然后他们的答案就是出奇的一致，他们都会找一个厨房里面
程曼祺：最相关的东西去跟他做比较，就是厨房里有一个设备，或者一个电器是吧，没错，中国的同学相对大方一些，他跟我说是冰箱，原来是中国同学相对大方，没错 [00:10:53]
许华哲：他会觉得，这个备菜这件事，对他来说很重要，所以他觉得，他可以付一个冰箱的钱，大概一万块钱，或者六千块钱，对，然后，美国同学相对，更加，对这个事情，他觉得没有那么，那么对他有吸引力，因为他说备菜过程，他也很喜欢，所以，所以他会觉得，那可能是一个，买一个高压锅，或者电饭煲的钱，可能更便宜一点 200美元，就1000多，对所以，聊到这的时候，就这个话题就进行不下去了，因为，我们的一个关节，可能要1000块钱，而一个机械必须要7个关节，光是这7个关节，就已经超过了，他的购买预算了，所以我，去想了想家里面的，这种某某机，对吧，就是电视机洗衣机，冰箱没带机，对但他也是个机，对，它的价格就在这，对，所以这是我第一个去想 OK 我可能也许如果要做某某机，就不是机器人，它一定不是机器人，至少在机器人的成本大幅的下降之前，是很难，很难去做这样的事情，第二件事呢，我也因为有很多朋友嘛，跑了很多地方，车厂里面的生产线，然后物流厂里面的这个，做物流传递的，然后一些传统的制造业，包括一些轻工业，就是比如说鞋厂，我去跑了很多地方，还有一些食品工业，还有布草间，对，这些地方我也去看了看，因为当时反正发散，就看看哪需要点啥，我发现他们都很需要机器人 [00:12:00]
程曼祺：但他们需要的，不是人形机器人，是能够把人的那个活干了的机器人，你当时想的是智能，家庭机器人，但是你也去看了这些，物流和生产的环节，我觉得我在想事情的时候
许华哲：是发散的过程，我希望我不漏掉任何事情，我希望能够仔细的去知道，知道事实，然后根据这些事实，做出判断，而不是，而不是我一拍脑袋 [00:13:04]
程曼祺：因为我喜欢，所以我做了，那你可以据说，你说这些场景，你觉得他们其实不需要，人性或者类人性的，对，它其实某种意义上，当我们提到说，你们需不需要的时候，他会说非常需要，我们太好了，来一个人性机器人帮我们干了
许华哲：但你在深入聊的时候，他其实在乎的不是人性机器人，他在乎是能不能把那件事干了，而那件事本身的价值，是由现有的干那件事的人的工资，和他做的产品的价值，共同决定的，但实际上最主要的，还是干那件事的人的工资，很显然并不是特别高，并不是特别高，我们看了相当多的这样的地方，发现去做替换，其实它更需要一个，稍有智能的机械臂，稍有智能的机械臂，而不是一个真正通用的人性机器人，而且它在效率的追求上
程曼祺：是非常极致的，对，他们对节拍，对精度各方面的要求都很高，是的，所以在这样的一个情形下，我们发现，还是有很多的企业是很大方的 [00:14:11]
许华哲：他就说只要你能做到这个事，我就立刻怎么怎么样，给你支付一些报酬或者怎么样，对当然也都是只是聊聊天，没有任何实质性的动作，但是聊完这个以后，我产生了一个点，就是那些非常高价值的事情，其实已经都被自动化了，其实那些特别困难，但是价值不高的事都留给我们了，对，然后这件事其实我觉得值得做，但是我又想，其实我很喜欢去想，那这个事情到底谁来做，我们的一个结论就是，因为它足够困难，但是价值又没有那么高，所以我觉得应该是一个，通用的东西降维去做的，而不是专门去解决它，因为一旦你专门去解决它，你会花费相当多的精力和资源，去解决一个低价值的事情，所以这个很显然是，在很长的一段时间内，没有办法打正，或者是没有办法 [00:15:18]
程曼祺：产生一个比较好的收益的，所以你觉得这个顺序，是先有一个比较通用的机器人，再适应它的场景，它有一定的规模，它到一定的纯熟度，然后它再渗透到这些，更分散
许华哲：更像毛血血管一样的这种场景，对我想象的，甚至不是渗透，我觉得就是因为我们其实，最终我们要做的事情，就是造一个人，尽管我们现在是家庭机器人，但最终我们是想造一个人，然后它就像现在人类社会一样，他可以很通用，所以那边需要他干点事的时候，他就过去了，他下班以后，他出去以后，他可以是一个在酒吧里跳舞的人，他可以是一个在田里种地的人，他可以是一个在课上教书的人，但是都是同一个机器人，因为他是通用的，我觉得这样就可以算得过来了
程曼祺：如果他是专门在那干那件事的人，我觉得人行机器人很难算得过来，这是你当时，你说发散吗，这你想的第二件事，去看了一些生产和物流的场景 [00:16:15]
许华哲：然后中间还有一个点，就不是技术上的点了，就当时我的宝宝快出生，就是我宝宝12月初出生的，所以正好2025年的下半年的这段时间，也是一个等待宝宝叫声的这样的一个时间点，所以我也在想能不能忙得过来，对，以及，是不是，应该更稳定一点，或怎么样，对，所以这个也是我的一个思考的点，对，我觉得这是个很真实的想法，本来我也想问的，因为同时开始新创业
程曼祺：和当新手奶爸，我觉得在经历上，各方面都是很大的挑战，对，你后来最后你是怎么得出结论，觉得还是要在这个时间点创业，对，我觉得，时代在召唤 [00:17:06]
许华哲：我很喜欢那个小时候的，呃广播体操的那个名字，时代在召唤啊，我觉得呃，我我在我上周在刚在那个，呃组里面跟大家也在讲，就是说呃当年对吧，这个房子变得越来越贵的时候，我们还是小朋友，那你没有买房子，呃那说明你这个可能你还小，对吧，但是你爸妈没有看到这个这个东西，后面创造了巨大价值的这个互联网，那时候我们在读书，我们在积累，所以大家也没有勇气去退学创业，再往后去看移动互联网，等等O2O之类的，我觉得那个时候你都可以说，有很好的理由，就我不ready 然后到今天了，我觉得这个AI的时代，你又恰好是一个搞AI的人，没有理由不，没有理由不接受这个时代的邀请，这个舞台已经打好了，然后你说我要忙着带娃 [00:18:14]
程曼祺：你说我要这个谢谢，我觉得没道理，我无法拒绝这个offer 从去年八九月份，到你思考创业这个过程中间，有什么特别具体的，时代在召唤的信号吗，或者技术上的一些具体的进展，让你觉得你来做这件事，可能是刻不容缓了，我觉得非常多，你可以讲一个具体的
许华哲：比如我们自己做的，强化学习的东西，当然后面派也做了，它的派star 0.6 就是我们看到了，在一件具体的任务上面，它可以做到非常高的成功率，百分之百，可能一百次，一千次的这样的一个，验证量级上面，可以做到这样的一个成功率，那一定程度上，那个定点的任务，已经某种意义上解决了，点点的任务已经摸着我衣裳解决了，大模型，我觉得给大家看到了 scaling law的上限，是非常非常高的，只要数据到位，加上合适的模型，那个通用性是，有一个人已经保证了，对吧，伊利亚已经保证了你会有的，对吧，所以你也不用太担心这个不确定性，只不过路径在哪还在探索，但是那个答案就放在那，就像我就喜欢的，那个海贼王里面一样，就说我把所有的一切，都藏在那个one piece 对吧拉夫德鲁，然后只不过你找很费劲对吧，你得过关斩将去找，但是反正就在那 [00:19:41]
agent 让物理世界更通用
许华哲：但是反正就在那，大家都说真实的存在的，对吧，那个白胡子说谁也说，那你就去找嘛，你没有必要去，这个说我就不信，对吧，然后第三个呢，我觉得这个agent 我觉得是可以看到一些，更厉害的东西，就它也是大模型，但agent某种意义上，它产生了一种主动性，产生了一种，把所有的缝隙都填上的这个能力，我觉得这个是，对机器人来说也是有巨大意义的，就是为什么我们家里有那么多机，因为它每个都是专用的，它们的缝隙都靠一个东西叫人，对吧，一个生物叫人，把它们填起来，我的洗衣机，把东西挪到烘干机，我的冰箱把东西挪到微波炉，然后我这个，对的就它每一个东西都是专用，但中间怎么串起来，因为家里不是一个流水线，你没有办法说，冰箱有一个出口，按一个按钮，然后它就吐出来一个东西，到微波炉，但agent 智能体这件事，让大家看到了，是有可能的，它可能主动去做，或者你给它模糊的一个意象，它就去做，因为他操作电脑对吧 computer use 这件事情本质上跟，在家里面去做这个物理的串联，意义是一样的，厨房use 对厨房use 他可以，他可以现在可以帮你上传小红书，他可以帮你这个，管理我的非熟日历，对我来说 OK我看到了这个非常了不起的变化，因为以前我需要自己点开日历，然后拉一个条，然后如果是跟美国的人开会，我要算脑子里算时差，再拉一个条，这件事我只要跟他说，他就像我的一个助理一样，那谁不想要一个机器人的，这样的一个助理呢，你再也不用说 OK帮我把昨天剩的锅包肉，拿出来热一下，你说那个午饭，帮我大概准备一下，好吧，然后我把昨天剩菜热热就行了，然后他就都搞好了，我觉得这个也是 [00:21:46]
程曼祺：看到了未来会是非常不一样的，他就不再是一个什么什么机，而是一个人，而是一个人，那这个agent的这个思路，它是一个思路上说，对巨神非常有启发，还是说它具体的，这个agent的框架，就有些具体的东西，其实是可以用在，具身智能的系统里，我觉得就是可以，直接可以用的，可以直接用，对，只不过就是，那个，它的那个skills 就是agent 它不是要调用一些，它的技能吗，对 [00:22:03]
许华哲：那些东西是巨神的 AI的能力，就是比如说干活，对吧，就是它说它要倒水，那你起码有一个模型，得真的能倒水，它说它要叠衣服，你得有一个模型，真的能叠一幅，但那个框架，把这些能力串起来的，那个框架
程曼祺：我觉得，不能说直接可以拿过来用，但是至少可以高度借鉴的，对因为在就是，纯虚拟世界的这个skills 其实它大量的skills 就是一些prompt 就是一些markdown的文档
许华哲：但这个可能在物理世界，要比较复杂很多，对它，它是prompt 但它也是实打实的，这个computer use 对吧，就是它是实打实的，点开了你的一些东西的API 帮你把一个东西上传了，或者帮你把一个东西下载了，挪到了什么地方了，对吧，它其实也是在，如果你认为虚拟的那个世界，也是一个世界的话，它其实也是在发生交互，我觉得发生交互这件事，其实是很相似的，只不过物理世界的交互，要困难得多，所以我们的智能上面的决心，当然是把这个，物理世界交互这件事也解决，那就可以创造一个
程曼祺：物理世界的很好的产品，在讲这个信号的时候，你没有特别提到数据，是因为你觉得数据在，比如说25年8 9月份之前，其实已经很明朗了吗，我觉得数据 [00:23:33]
许华哲：数据其实是一个卡点，数据大家认为是一个卡点，是因为那个时候，大家还是很多的用 Aloha的方式去采集，就是摇操，对，但所以在今天我觉得，比如说现在有的UMI 就是手持的，无本体的采集方式，包括视频数据，我觉得肉眼可见的，实在变多，实在变得好用，但这件事我觉得，对我来说，从一开始就觉得是这样的，所以对我来说，没有太多变化，我在21年的 22年的时候，就在做一件，很有意思的事，那个论文到最后，也没有种在一个，很好的会议上面，做一个很有意思的事，就是做长视频分割，当然现在可能Gemini 直接就把你做了对吧，为什么我要做这件事呢，因为我要，用王刚师傅或者是，这个不知道能不能提，就是一些网红的，做饭的视频，然后我要，因为他们的视频有很多剪辑，因为很多都是多机位的，然后对有很多剪辑，我要把他的，干活的那些东西，给提出来，从这个视频里面，去学机器人该怎么做，我觉得视频数据在，从一开始就是，会被大量用到的，只不过为了，因为阿罗哈太容易展示进展了，所以大家就是用那种，同构的这种摇操作 [00:24:39]
程曼祺：我觉得更容易看到很多进展，但是终局的话，肯定还是视频数据是终局，当你这次开始决定创业之后，你取名字的时候，给公司取名叫破壳，为什么取这个名字，什么意思 [00:25:16]
许华哲：贱名好养活，贱名好养活，就是那个什么狸狗蛋，什么之类的，就是这个容易活下去，然后当然还有一个原因，当然这是白笑了，就是更主要是，我觉得很有生命力，很有生命力，很多新的想法，新的人，就像是一个，这个破壳而出的这种感觉吧，然后另一个就是，我觉得它是一个原点，就是，我们还是希望追求原始创新嘛，原始创新，所以我们希望，这个外面有一个壳，但我们里面的东西是那个，是那个精华的东西
程曼祺：然后有一些从零到一的东西，在我们这发生，所以起了这样的一个名字，因为我也看你自己写的一些东西，就跟你的，对巨星的一些思考，还包括你创业相关的一些东西，我觉得你想做的这件事情，一个是你非常想聚焦在智能本身，还有一个就是，你提到就想去做家庭场景的智能机器人，这个很多公司都认为，可能会更远才到来，所以可能外界对你创业，也有一个标签，就觉得你是，带着更多技术理想的科学家的创业，你自己会怎么看这个观察，你自己是怎么定位的，科学家创业不好吗，科学家创业有利有弊吧 [00:26:20]
许华哲：你可以自己回答一个，这个问题，科学家创业不好吗，肯定有投资人也问你了，我觉得科学家创业，在几年前呢，大家会不喜欢，大家不喜欢的主要的点呢，就是我觉得两个吧，一个叫做，科学家有的时候，不太重视商业，对技术的这个热情过高，以至于就只做技术，但是做一个公司，很显然不能只做技术，我觉得这是一个，大家可能会担忧的点，另一个就是退路的问题，就是大家会觉得 OK 技术人员，不光是科学家，技术人员可能，他总还是可以变回一个老师，总还可以变回一个工程师，所以他会觉得不够 all in 对，但我觉得现在时代不一样了，这是几年前的观点，用AI的时间来算的话，基本上已经上过时期的观点了，科学家里面有一个很好的，有几个很好的榜样，对吧，大家也都知道他们的名字 Illia 对吧 Hassabis 这个Joffrey Hinton 我觉得包括最近的Yan LeCun 对吧，我觉得科学家创业已经是，这个时代的主话题了，我有一个投资人朋友跟我说，他觉得在这个时代，是从来前所未有的，学习好对创业来说如此关键，因为为什么，因为其实如果你，比如说我做了一个这样的杯子，我想把它卖出去，科学家一点用都没有，因为造这个杯子的这个东西，可能相对比较简单，但是我们在追求AI的同时，其实追求的是一种，技术信仰，技术信仰，如果没有对那个，很远的事情的信仰的话，最后会变成卖杯子，最后会变成卖杯子，但是我们要追求的，不是卖杯子对吧，我们要追求的是，造出一个人，造出一个，一个像人一样聪明的东西，所以，我觉得科学家的这个，视野和，叫vision对吧，远见，我觉得在这个时代是最最重要的 OpenAI是非常好的例子，对吧，我觉得这个故事，大多数人都都都知道了，就是但是可能大家不知道，他最开始在硅谷，在硅谷，大家也觉得他是个异类，就是说每个人都觉得，谷歌是最好的，在里面开放的发散的，做很多的科研，产出很多成果，但OpenAI就相信，就是堆数据这件事，然后Illia就是在那堆，然后堆到后面，直到GPT刚出来的时候，大家还没有意识到，直到ChatGPT出来的时候，大家终于意识到了，它的坚定的判断，才是改变这个世界线的，那个最重要的因素 [00:29:40]
科学家的信仰和 OpenAI 的启发
许华哲：那个最重要的因素，而这个因素来自哪呢，就是来自于科学家的信仰
程曼祺：其实你刚才提到这几个人，星盾哈萨比斯伊利亚，还有乐坤，因为乐坤我理解，他是刚开始创业，对吧刚认完字，刚开始运营，然后哈萨比斯和星盾，其实他们都是，做了一段时间之后，他们就被收购了，对是的，他好像和一般人理解的那种，就是一个长期独立存在的创业公司，都是不太一样，伊利亚也可以说，他是开始了自己的新的创业，也没有特别久的时间 [00:30:05]
许华哲：对我觉得伊利亚新的公司，我还不了解最新的进展，但是他在OpenAI的时代，是里面的灵魂人物，对吧，或者说是谁下的这个判断，是谁决定了搞这么多数据的，我觉得就是伊利亚和 maybe 庄舒曼，他们几个人，但我也不完全了解里面，他们的这个具体的决策了，对，但是你去看，真正改变这个世界的，就是这些人 OPI难道不成功吗 DeepMind被收购了，我想是因为，他们开始的太早了，他们在应该是2010年，开始了这件事，对开始这件事 10年是什么年代呢 10年是 ImageNet还没，对吧 13年的时候，ImageNet给大家带来很多惊喜，在那还比那还早三年，他能活着已经很不容易了，就是在那个时候，我只能说AI是他的一个，就只能说他的远见太远了，就像一个古代人说，我要造一台手机，那他怎么活下来呢，那个秦始皇会说，你在这搞毛线啊，对吧，然后那就，但是有一个超级金主，谷歌把它买下来，让它接着做它独立运营，对吧，让它接着做它后面的事情，而现在我觉得DeepMind 也成了谷歌最重要的一个部分 [00:31:25]
程曼祺：如果没有Hazabis 谷歌的AI 就被OpenAI这些，给快要团灭了，对，那你做破壳的长期目标是什么，你想让这个公司长期独立运营，然后你们最后是做出产品，进入很多家庭，还是说，比如说类似于像DeepMind 这种情况，它可能就是一个大公司，也是你可以接受的，其实还真不是，就刚刚聊的 [00:32:02]
许华哲：其实是科学家的创业，但其实我并不把自己，完全定位成一个科学家，我觉得因为大家对我的印象，更多的是科学家的这一面，但是我其实更希望
程曼祺：做出一个大品牌，有品牌效应的 2C的消费级的公司，你这次创业的时候，心中有想着，什么公司可以作为你的榜样吗，苹果，苹果
许华哲：OK 雄心壮志，我觉得首先小米也是一个，很值得借鉴的这个公司，我更把机器人看作一个，智能和消费硬件的结合，它不是不像大模型一样，是纯的AI 它也要跟产品品牌，供应链等等打交道，而苹果我觉得是定义了一个新品类，因为我觉得家庭机器人，或者是一个真正服务人类的机器人，其实在现在是没有被定义出来的东西，我也聊了很多人，每个人都可以说出来一大堆他的想法，但是没有一个收敛的说法，所以我觉得为什么我第一反应是苹果，因为iPhone其实 iPhone之后所有的手机都长得差不多，智能手机，所有的智能手机都长得差不多，就是一个黑块，然后一个大屏幕，几乎没有跳出这个框架的，所以那机器人应该是怎么样的，这个框架能不能从我们这发生，这是我当然是我希望的，第二就是为什么我说，小米也是我们很好的一个学习的榜样，因为我有读过小米的一些书，我觉得他有一本书叫做参与感，这本书，我看到了一些，我很理想的一个2C企业的画像，跟用户交朋友，早期的时候可能会，非常亲近这个用户，在乎每个用户，也在乎自己的员工，然后把这件事情，所有人是心在一起的，把这事做好，所以我觉得小米也是一个，我非常就是让大家，让所有人参与进来，这个产品的定义，我觉得不应该是一个，公司自己去定义的，因为毕竟这件事情实在太大了，它应该是我们取到，全世界人类的最大公约数，定义出来的一个东西，而我觉得某种意义上小米，我在读那本书的时候，小米我看到了，他在论坛上面，让论坛的水友们，来决定他很多的设计理念，设计的功能的走向，我觉得这件事情，本身是意义重大的，因为他其实某种意义上，在取这个最大公约数，但是他做的可能是手机，我们做的是机器人，对，乌乔布斯的一个理念 [00:34:39]
程曼祺：是应该背对你的用户去做设计，其实你不要去听别人在讲什么，他觉得用户调研没什么用，我最近也发现这个点，就是这个东西，你没有出来之前，你去跟人聊 [00:35:28]
许华哲：他会给你聊出一些，天马行空，没什么用的事，但你这个东西出来之后，你去让人用，他是能给出，非常非常好的答案的，对，这是为什么，我觉得，对，就是这两家公司，它本质上，是一体的两面，对吧，如果你的机器人，放在人家里面，每个人用着都不舒服，那你仍然坚持去按你的这个思路去来吗，我觉得那肯定不是啊，我们肯定是让所有人用着觉得好用，才是我们的目标，但是如果一开始每个人说，有的人说我要高的，有的人说我要矮的，有的人说他必须得这个，一个胳膊长一个胳膊短等等，那如果你去听太多这样的东西的话，那就没法做了，因为其实大家也不知道到底想要什么，所以我的想法是，我们会给大家一个框，然后在这个框里面，我们会让大家满意
程曼祺：你这次创业之前，除了在叉院工作过，然后在星海图，有两年多的创业经历，你没有在产业界工作过，你觉得这件事情，对你想做一个大的品牌，想去定义一个新的产品，它可能会带来一些什么问题，或者说它是一个问题吗，我觉得这个事，对就是没上过班，没上过班，没上过班这事呢，其实在叉院可以算是 [00:36:36]
许华哲：某种程度上班吧，对,但那个班呢,就是科研加上教书,它还不是那种, 它不是公司组织里的, 对,不是公司的班,没上过班这件事肯定有好有坏, 没上过班的一个很好的一个点,就是我其实非常的没有限定的去做很多事情, 比如说我在我的课上，就是之前可能两年前，大家还在说用AI去做作业，可能是一个不好的 Pleasureism 就是这个叫抄袭啊，剽窃啊这种，但是在今年我做了一个改革，就是说你的作业，如果没有手写一行代码，我可以给你适当降低，你的这个评分标准，就是说你做的到80分，我就给你100，因为我觉得就是，未来的工作方式已经变了，你不用再，你当然你要会，但是也许会的内容，已经发生变了，所以就可以很不受约束的，去想一些事，在公司里也一样，到底我们应该用，怎样的工作流去做这件事，到底我应该去，怎么样定义好这件事，到底我们这个公司的组织，是怎么样的形态，我觉得都可以创造性的去做，我们的未来，也许等我们有了新办公室，大家可以看到，我们办公室会像一个家一样，然后这个客厅，既可以用作平时开会，也是机器人在里面训练，然后也可以我在里面录播客，对，就是，我觉得很多东西，可以打破一些常规，这是很好的，我猜你们办公室，肯定得有个厨房，当然，我们会，就是，我们会希望那个办公室，整体是一个大家，然后大家就在这个家里面工作，然后这样子场景也解决了，然后大家工作起来也很乐呵，当然这个还要装修一阵子，对，但当然也有一些坏处，就是很多标准化的东西，不是很熟悉，但是这些东西，我觉得我们最近也招到一些人，学习了很多，有各种知名公司的小伙伴们加入，对，我觉得那些东西是可以学的，是可以吸收的，但是不受限制的去想事情，这件事很容易就回不来了，所以对我来说是利大于弊，你们现在团队是什么情况，可以简单讲一下吗，我们团队现在还很小，刚刚起步，有很多是，就有几个硬件的人，有几个软件的人，然后可能我以前lab的人，然后我的同学，我们经常说我们这也是一个机器人兴趣小组了，然后最近在造我们的第一款产品，我们会迅速的扩张 [00:39:45]
破壳的文化、生态和极致
许华哲：我们会迅速的扩张，但是可能会希望我们来的都是最好的人吧，就是在各个领域真正能够把事情做到极致的人，是我们想要的画像
程曼祺：你们现在这个团队就在现在基础上，你们有什么特别需要补充的人，我觉得正好因为新公司也可以广泛地讲一讲 [00:40:15]
许华哲：我们希望有过一些2C产品的硬件工程师，能加入到我们，我们是很认真的想把这台机器人送进家里面去，我们也希望有最上线的，最有才华的AI的研究者加入到我们里面去，因为我们希望从零到一的一些创新，在我们这发生，同时我们也希望，懂产品的大家，可以看看我们，因为，我认为产品是这里面，非常非常核心的一环，本质上是可以跟我们一起来定义，未来人类的生活方式，所以我觉得非常激动人心，可能大概是这些人吧，你可以讲一下就是你们在出发，这个时候你们的一些核心假设和判断是什么
程曼祺：我看上周在小红书上，你分享了一个帖子，就是你和Eric Zhang 你们面基了一下，他是1X之前的首席科学家，对，然后你之前是，星海图的首席科学家，他现在应该也，可能是在筹划自己的创业，对，然后你写了一些你们的共识，你可以就结合这个一起说一说吧，你们的一些核心假设和判断是什么，对，我觉得，第一个就是，我们都对机器人的发展，是非常乐观的 [00:41:16]
许华哲：就18个月这件事，我还挺惊讶，是他先抛出来的，因为我自己也是，也是这个判断，你说具身智能进家庭的时间是18个月，对18到24个月，然后所以我一直觉得，我可能是一个非常乐观的人，但没想到这个世界上乐观的人，不止我一个，对，然后第二个我觉得我很认同的，就是我们应该相信生态，相信生态，这件事是做机器人公司的，一个核心的假设，就是我们不会把所有的事情，都在我们这里in-house的，就是在我们这公司内部全都做了，比如说，我们真的需要自己去研究，一个，比如一个摄像头的帧率，可以再高一点吗，也许我们不应该去做这个事，我们真的需要，研究那个电机的线圈，该怎么缠吗，这个也未必，这个在之前居身这段公司里，很普遍吗，我觉得有相当多的，这个具身智能公司，会把大多数的，可以看到的事情，都放在里面去做吧，毕竟融到了很多钱，然后也很自然的去做，但是我总觉得聚焦和极致，是我们的想做的风格，就是在当我们新公司成立的时候，公司文化，我把极致放在了第一位，所以如果想要极致，你就不能是一个面面俱到的公司，因为大家都知道，现在这个注意力是有限的，人的注意力，一个组织的注意力是有限的，但你的注意力都放在A上面的时候，B一定是一个相对平庸的一点的东西，而你的注意力只能放在几个重要的事上，最终我们如果我们希望自己不平庸的话，那这个事情不能太多 [00:43:28]
程曼祺：而很显然我们想做，最重要的事情就是 AI和产品 AI和产品，就是智能的能力和，产品武力的能力，解释机器人的本体，或者说更全面来说是什么，产品我觉得更多的是，机器人本体配上AI以后，能不能服务好用户，能不能让每个人用起来，比较愿意去使用，你们当时还讨论一个点，是说去称需要AI Native 之前的路径依赖都是错的，对有很多人问什么是AI native 我觉得这个就像世界模型这词一样，就是定义太多了
许华哲：但是首先我觉得不是传统的机器人，我底下也给他回复了，就是不是传统的机器人学 Not robotics 对不是传统机器人学，就意味着你不要一个一个的 [00:44:22]
程曼祺：去解决一些很难的任务，这样走不通，因为任务无法穷举，那可以说传统机器学，是一个rule based的，不是rule based的
许华哲：它们也可以是deep learning的，只不过它是一个个小模型，针对一个单独的任务区区，对就是，我觉得这是一个大的，那个脑回路，一个思维，大的一个思维，就是说，传统机器人学喜欢做什么事呢，喜欢做超级酷，但是，但是就是只能解决，这一件超级酷的事，其实某种意义上，它的极致就是现在的那些翻跟头，武术跳舞，对它的极致就是，当然在早期，就是如果去往以前翻，你会发现，传统机器人学最开始就喜欢干这事，再往前还有更极致的
程曼祺：一个柜上面有个旋转的东西，在上面再挪一个旋转的东西，三个陀螺叠在一起，你怎么样动底下这个柜，让这个三个陀螺不会倒，我在工博会还看到过那种演示，就是有比如说三个机械臂，然后有一个拿着酒，有一个拿着红酒杯，然后动得非常快，它从那些缝里动来动去，对就是相互这个酒倒来倒去的，然后也没有洒出来，对，这个就是机器人学的典型，就是很帅，很炫，通过一些精妙的数学也好，一些很小的模型也好，能解决一个非常特定的事情，之前库卡还有一个广告片，是搞了好几个机械臂，组了一个乐队，就是有打架子鼓的，有弹贝斯的，它其实都是编程好的，但是很酷炫，但我觉得如果弹贝斯能编程好，还是挺厉害的，但它肯定不是通用的 physical 通用人工智能的那条路，它本来也是个广告，是的 [00:45:29]
许华哲：对，所以，我觉得不是机器人学，同时，也不是自动驾驶，为什么不是自动驾驶呢，我觉得自动驾驶是，大家很重视数据闭环，并且把一些路段，跑得足够好，比如说我，如果我在，比如学校附近清华附近，那也许我应该把五道口的所有路，都踩到足够多的数据，然后把五道口搞定，然后我再可能到中关村，然后再到海淀区，等等这样子去做，我觉得 [00:46:21]
程曼祺：它不是，一个通用的解决方案，用自动驾驶的，思维的路径依赖，来做巨仙智能的，具体表现是什么，因为这行业里，确实有很多之前，是做自动驾驶背景的创始人，对但这并不代表，他们会路径依赖，对吧，我只是觉得，比如说，我先解决一件小事，然后获得一些，这个小事的数据，然后我期待，我还有一个第二件事，我再用这个的数据，让它变得更好，我觉得这样子去做，可能是比较困难的，你就说在一个小的场景，或者环境或者事情上，去追求你刚刚说的数据闭环，然后做好，你觉得这是，我觉得是做不出来的，当然这是我个人的判断，就是大家别打我 [00:47:01]
许华哲：没事你可以放开了讲，对但是我觉得，其实还是大模型给到的启示，大模型就是把所有的数据放在一起，我可以讲一下，这里面的这个核心的点是什么，就是就AI本质上，本质是一个归纳器，他看到，比如他看到咱俩都有水杯，假设AI这辈子只看过这个，这个一个事情，他就会总结出，人都要用水杯，但是其实不一定啊，比如我的，比如我的那个宝宝，他就没有用水杯，因为他就一直喝奶嘛，所以他从来没有用过，这种带瓣的一个马克杯，所以当AI看到一个，比如婴儿从来没有用过的时候，它会得到一个结论，就是有的人会用水杯，有的人会不会用，所以它这个归纳器一定程度上，就是它看到的案例越多，它归纳的那个结论越好，所以多样性是很重要的，对，且这个东西是不能后来补上来的，就是说它已经得出了 [00:48:44]
程曼祺：人一定要用水杯这个结论以后，你再给它补新的数据，它是很难去改变，它之前归纳的这个结论的，你说不能后来补的意思，就是说这个，不能在预训练之后的流程和环节里再补，是这个意思对吧，对啊
许华哲：至少会，那可能会带来巨大的这个痛苦，你可能需要再把下一，就是那个婴儿的这个数据大量的提供，那其实本质上，那你最开始就应该把所有的数据放在一起，你还说了一个是 [00:49:08]
程曼祺：不是史前的深度学习不是史前的深度学习，对，这个是指什么，这个就是，我觉得就是还有很多人，就是对深度学习，就很喜欢搞深度学习小模型
许华哲：深度学习小模型，一定程度上也是端到端的，也是可以做很多很多的，很多很多的事情，其实它有点像Robotics 新时代的Robotics 我觉得它是结合前两个，对吧，就是你永远不要指望一个小模型，叠加一个小模型，叠加一个小模型，叠加100个以后，它等于一个大模型，我觉得不要去有这样的期待，那它是小模型
AI Native 机器人不能只靠小模型
许华哲：那它是小模型，那OK如果你只是每天搬一块砖，然后让它从早到晚搬，做一件事，我觉得可以用小模型，但如果你想要通用的智能，我觉得小模型开始就走错了
程曼祺：你觉得你的这种，去深智能需要AI Native的想法，它现在在行业里，是一个多大程度的共识，因为从大语言模型的思维，来想这件事情，好像觉得我在预训练的阶段，需要海量的多样性的数据，是一个比较自然而然的思路，但是可能之前几年行业里，确实也有很多，就你说的另一种事件，就是我可能先在一个小的任务上，我去追求数据并换，就它为什么之前会有这种区别，是因为一些客观引导之吗，比如数据很难获取，还是因为什么呢，对我觉得就是 [00:50:13]
许华哲：大家还是没有完全相信 AI的产生我觉得，没有完全相信，没有完全相信 AI可以产生通用的AI 就很多人做具身智能，但我觉得相当一部分人，还是觉得他是一个机器人，然后他就跟工厂里的机械臂一样，只不过他是人的样子，他不相信那个physical 通用人工智能会诞生，我觉得这个是一个很重要的点，另一个就是，因为scaling law 几乎每个人都要讲，没有人会说我不信scaling law 在今天这个时代，他如果说不信scaling law 那他也讲不出更好的故事了，但是他可能觉得 OK scaling law就等于，我有很多很多的数据，我觉得这个其实不是的，你在一个固定的封闭的环境里面，采再多数据也没有任何用处，因为本质上是我前面说的，归纳的事，你看的案例的类型不够多，你是归纳不出来正确的结论，所以我觉得有很多的，有的人不信Physical 通用人工智能 有的人通过做之前的事情成功过，所以他觉得这次也可以这样子成功，还有一些人可能，就是不喜欢不可解释的东西，我最近看到一个朋友，在用了OpenAI之后，开始动摇他原来的，对可解释性的追求了，就他以前一直觉得 [00:51:45]
程曼祺：他甚至都不用大模型，他觉得搞Deep Learning的人都是在，怎么说呢，炼丹师嘛，你这个朋友是做什么的，就做机器人的 OK 做机器人的人不用大模型，对，他是做传统机器人，优化的 [00:52:20]
许华哲：做优化的，然后他就觉得，做deep learning都是炼丹师，那些不可解释的东西，用数据怼一怼，然后又出来一个东西，何必呢，就是他说最后一定是死胡同，直到他用了这个OpenAI 然后或者是用了Claude Code 对吧，然后他会说 OK即使是炼丹师，能做到这个程度，我已经认了，它太强大了，对，你觉得就是
程曼祺：大模型的这个思路，就是它用在巨声领域，因为机械人，最后如果真要用起来，是很追求可控和安全的，大模型其实现在，大家也会讨论说，它是一个锯齿型的智能，它在有些很难的任务上，它也表现得很好，但在一些很简单的任务上，它也会掉链子，这会是个问题吗，我觉得会是一个问题，但是 [00:53:00]
许华哲：就让经验来说话吧，让经验来说话吧，就像之前我记得，是不是凯明在参加一个活动的时候，别人也问了，说你觉得自动驾驶，让一个深度学习的模型来开车，那有多危险啊，对吧，那万一他掉链子怎么办，我觉得凯明那个回答很好，他说，那你坐一个老司机的车的时候，他也没有给你保证说他一定不会撞车，但是你还是相信他，因为他可能之前开了那么久的车，也都没有撞过，所以对大模型来说也一样，对巨星智能来说也一样，只要他在足够长的时间里面，都没有犯过重大的错误，我觉得我就可以相信他，虽然他没有保证，但是从经验上来讲他不会，对，另一个我觉得就是在产品设计上面，要，就从AI的角度，我觉得只能这样，因为大模型这条路，就是数据驱动的，它就是会有一些窟窿，然后这些窟窿，只能在跑的过程中，把它补上，但从产品设计上，你是可以，不去把这个产品搞得，太激进，或者是有明确的，我不做什么，有明确的我不做什么，你只要有明确的不做什么，那你就酿不成大祸，对吧，就是，比如说我们想做的这个产品，我们第一天就说，我们不做直接跟人体接触的任何服务，比如说，比如说，你可以定义一下这个，对老年人的身体擦拭啊，然后给他翻身啊，把他抱起来啊，小宝宝的这种抱他呀，然后这个捏他呀，碰他呀，然后包括按摩呀，等等，所有的跟人体直接接触的，这些事情我们都不去做，因为这些事情，一旦你出了问题，虽然我觉得算法上是可以，尽量不出问题的，但一旦出了问题，是巨大的风险，而且也，对 [00:55:09]
程曼祺：就就这个会很很慢很慢，因为，政策上面也会有很大很多挑战，而且用户心理上有挑战，就我是个用户的话，我也不想和机器人接触，其实还真
许华哲：完全是很多用户特别想，就是我也有朋友就说，我父母那个年纪大了，然后就是如果能有一个这样机器人，能平时给他们喂一下饭，我都会感觉很有用
程曼祺：对那我说这个就那个，我们可能最晚才会做，就是不会是我们最开始就可以做，如果要选的话，我会把这个放在最后，我们以前讨论过这个问题，去年的时候，因为其实喂饭这个是很难的，因为它涉及到你的准确性
许华哲：利控各个方面，所以我觉得，就刚刚提到就是说 AI总会有一些窟窿对吧，就是这锯齿状的，有一些很低级的错误，那我们就可以在产品上面，让即使发生低级错误，也不会带来巨大的问题，就像小朋友一样，他也会犯很多低级错误，但你只要告诉他别玩火柴，对吧，别玩煤气罐，别玩尖锐的东西，你只要把这些东西规定好了，他大不了就是，把你家遥控器给摔了，也问题不大，就是在基于你们的，这些核心假设和判断 [00:56:10]
程曼祺：你们公司第一阶段会重点做什么，你也可以讲已经做了什么，因为其实筹备期也做了一些事情了，我们第一阶段就是，会造我们自己的硬件本体
许华哲：然后会训我们的这个AI模型，比较粗糙的就是这两件事，然后第三个我觉得就是定义我们的产品，我觉得三件大事吧，三件大事 [00:57:01]
程曼祺：这三件事有相对具体的可以透露吗，比如说你们的产品形态，你现在是怎么设想的，你当时不是有考虑过，比如说专门备菜，或者做什么，你现在怎么想这个事，对，就是那些不是也都给了一些
许华哲：负面的反馈吗，所以我们还是想，做通用的嘛，还是通用的一个人性的一个状态，但可能我们轮式和组式都会做
程曼祺：但是可能会以轮式作为，这个先切入点，去做轮式的双臂这样子，轮式双臂，对，这是你们第一款的一个形态，对，然后足势我们可能会同期开展，同期开展，我不知道现在，深入到一些细节没有，就比如说，它的续航，比如说大小，你觉得在家庭这个场景，它怎样是合适的，包括你们最开始的目标市场，它是偏，比如中国的家庭，还是欧美的家庭
许华哲：还是什么地区的家庭，因为每个地方，可能也差别比较多，对，我觉得像续航这些，可能还有待讨论，因为很多时候要看，很多时候要看它的，这个使用的方式，跟产品定义高度相关，但我想象的，至少是一个，比如说两小时左右的续航，因为它可以回充嘛，因为你一般也不会需要，机器人在家里面，连续干两小时以上的活，那活也太多了，然后回去充一会儿，然后可以接着干，对，然后在这个，家庭的选择上面，其实我们是想做全球的，就是每一个家庭，我会有一个想法，是当它真正足够通用的时候，很有可能，它不太受到具体这个家庭在哪的限制，就像 AI的模型，他用比如说英语训了99% 这时候你往里面插入一些别的语言，他可能不需要等量的，比较少的，他就可以在那个语言上也学得不错，所以我会期待 [00:58:58]
程曼祺：我们的这个家庭的这个模型，可以在各种各样的家里面，都有很好的效果，因为他这里面设立到一些，特别具体的问题，比如说欧美的家庭，如果是独栋的话，包括日本，他可能就有楼梯，中国的很多家庭是平层，是一个公寓楼，对，包括那个就是机械人的电池，比如上次我和千寻的韩风涛聊，他就说现在机械人所需要的，这个锂电池的大小，它能不能进家也是个问题，因为比如像电瓶车 [00:59:26]
轮式局限与家庭场景约束
程曼祺：因为比如像电瓶车，其实那个电池，你就是不能拎到楼上的，是的
许华哲：我觉得具体到那个场景里面，就轮式的肯定有它自己的这个局限性嘛，就如果它是一个带楼梯的，那恐怕只能一层有一个了对吧，我觉得轮式的是没有办法真正，对它可以做电梯啊，但轮式是没有办法真正意义上这个爬楼梯的嘛，对，但我们可以尽可能的让它轻一些，所以可以便于搬运，然后比如说像电池大小这些，我觉得其实对除了它要，这个能不能进到家里面，其实还有很多很多的这个限制，比如说你出海的时候，大电池其实是会有很多挑战的，对，我觉得这些事情会有，就不光是电池会有很多，包括它的重量，对，如果它挂掉了，对吧，它在那突然当机了，别人能不能把它送回，它的那个基站去，接着去充电等等，我觉得这里面会有非常多的，细节的问题，对，但我们想的是，想要解决这些产品的问题，需要深入到场景里面去看，才可以，但是那个AI的模型 [01:00:57]
程曼祺：它是通用的，模型这方面，你们现在具体计划怎么做，可以讲一下大家的思路，对，模型我们想做强化学习，基于强化学习去做很多事情，就是 [01:01:20]
许华哲：我一直觉得，还是从AI宏观的角度去想 AI可能需要，获得探索的能力，就是跟世界交互产生数据，对吧，第二就是对数据有自己的评估，然后第三个就是，怎么样使用好这些数据，其实就这三块，现有的很多地方，可能低估了强化学习，或者说低估了，刚才我说的评估的这一步，就是其实我们的数据是质量是良有不齐的，有好的有坏的，我们把它一就是全都怼进去去训，一定程度上会带来一些问题，就是说那些坏的数据会使你的策略劣化，除非坏的比例特别小，它可能会被平均掉，如果坏的比例不那么小，但这个坏也不是说完全就不行的数据，而是自由的数据，那这个时候我们是不是应该给它一些评分，给它一些评级，以及还有一些失败的数据，我们是不是要把它用起来，我觉得这些是强化学习能够覆盖的范围，那这些事情，我认为是我们跟大家的模型上面会有比较多的不同，所以强化学习，我们会希望这个机器人也自己去跟这个世界交互，然后学习到更多的东西，然后并且对数据进行自己的判断，对，你们的整个就是软件这块的系统 [01:02:28]
程曼祺：它会是一个统一的模型，还是它是会分层，然后有很多不同的模块来组成的，会是一个统一的模型，会是一个统一的模型，也许那个顶层的VRM是一个，就是分层的，对，但是这个干活的这个，肯定是一个统一的模型，就它整个跟动作跟行为相关的，是一个统一的模型，对这个就回到，我们那个归纳法 [01:03:08]
许华哲：这件事嘛，它必须得是统一的模型，因为你是放在一起去，你中不同的数据，对因为它一个一个，任务解决，它解决不完，而且它没有办法，通过做一百件事，然后领悟到一千件事，这个事情永远都不会发生
程曼祺：所以必须是一个模型，至于所知这种一个模型，在现在的业界普遍吗，因为大家经常会讲，断到断，会讲一个统一的模型，但实际上，比如说目前我们能看到的，已经在用起来，或者说有些demo的这些机器人，它实际上是有什么样的模型结构，我觉得预训练，大家都还是一个，一个端到端大模型，但我觉得在后训练，其实大家
许华哲：我不知道大家是怎么样的，但是我的观察是，大家就是在自己的一个任务上面，后训练一下，然后就没了，其实最终你是把，你预训练的一个很大的东西，在后训练上面，给它收缩到一个具体任务上，我们其实是想做规模化的后训练，就是让这个模型在后训练之后，仍然保持着它的繁华性，且这个模型能做很多很多种任务，这个是目前做强化学习后训练，大家可能做的比较少的东西，所以跟之前的思路的不同 [01:04:13]
程曼祺：就是除了预训练这个环节，它是一个统一的模型，是追求通用和繁华，在后训练你们也追求这个，是的，同用泛化，但是后续量会多，这个高效和成功，高效和成功率，你怎么看就是这种方式，它有可能在最初期的时候，它每个任务上，可能表现都比较差，对有可能，因为它毕竟是，若干个这个机器人，同时在学嘛
许华哲：对但是这没关系啊，本来这就是训模型的，循序渐进的过程，就是它就应该，每个任务都比较差，然后在今天的大家都变好，然后突然所有的任务都变得比较好，而不应该是我在一个任务上特别好，在别的地方都不行，这其实就跟我前面说的 AI native是一致的 [01:05:16]
程曼祺：不要担心它所有的上面都比较平庸，因为它会再过一年，它会变得在所有上面都很完美，从它在所有上面都变得很平庸，到它在所有上面都表现出一个比较好的能力，这个确切的时间，你刚说是过一年，我不知道你这是指确切的，这不是确切的，这是我随便说的，那确切可能是多久了，这好预测吗，不好预测，不好预测，因为我觉得，有的时候为什么大家，可能会追求在一个任务上，他先去后续内，让他表现的好一些，因为公司一旦运营起来之后，其实你是有各方面，在看着你的，包括团队内部，包括投资人，包括市场，对吧，大家是希望能看到，好像一步一个脚印，它这个反馈在不停的出现，我觉得你说的那个方式，它在技术上是有它的合理性的，但是它在就是，你怎么去组织一堆人，包括你的外部的资源方，大家相信你们一直在进展上，我觉得还是有更多需要解释的地方，首先这是一个双向衰选，就是 [01:06:35]
许华哲：我还是很喜欢OpenAI早期，那个尴尬的状态，作为一个情况，就是，我想那个时候，他们一定非常艰难，因为，他说我要scaling 我要堆一大堆数据，我就能做出一个，超级的智能体，那，那不相信的人，是大多数吧，所以我说是双向筛选嘛，但也有人相信，也有人相信，所以就
程曼祺：去，找相信的人，一起同行就好了 OpenAI在美国，它其实是一种，蓝血创业嘛，就是有像，马斯克有霍夫曼这种，他们之前赢赚了很多钱的富豪，他来支持这个事情，包括萨姆奥特曼等等，你觉得在中国这个环境之下，给你的这个空间有多大，你双向筛选之后，万一很少有人站在你这一边 [01:07:12]
许华哲：肯定也会有这样的风险，所以我们也不会说是，完全不展示进展的，这样子去做这件事，对吧，我们也会有很多的进展拿出来，我们也规划了很多，中间的进展会给大家看，只不过，我倒是其实还挺惊讶的，就是，最近在跟很多投资人朋友聊的时候，我会想着 OK他，可能会想听一听，那个milestone是什么样，他会想听一听，我能掏出在短期内掏出一点，三个月能不能掏出点东西，六个月掏出点东西，然后，确实还是有一波投资人，跟我说，华哲其实我不在乎这个事，就我在乎的是，你最后做的这个东西，是不是最大的那个东西，我其实，他说现在投资的心态，也不一样了，你不要把我，也不要，怎么说呢，也不要小瞧投资人的，对未来的梦想，这句话很好，不要小瞧投资人，对未来的梦想，对啊，就是他们也是想要追求那件事的，只不过他可能是以投资的形态，就他并不是说，最终当然大家都希望赚到钱，但是并不是说，想象的那种，极致的给你压力，或者极致的，一定要短期内看到是怎么样怎么样，对 [01:08:32]
程曼祺：我觉得大家的，大家也在改变，对，我觉得现在巨星智能，在一个投资的狂热期，和上升期，对 [01:09:06]
许华哲：但是你可以预见这件事，肯定之后会有波动，对，当然现在还是大家充满热情，因为，这件事，太大了，如果你一定要选一个，足够改变人类社会的事情，那也就剩下，什么去太空，然后量子，然后最神智能，对吧，何空何去变，何空何去变，对，但是这四件事里面，那个确定性最高的，其实就是具身智能，虽然它也很远，但是它几乎是确定的会到来的，其他三个，我觉得我不太懂，但是我觉得比我们这个远点
创业时点、资本热度和最大的西瓜
许华哲：但是我觉得比我们这个远点，更远点，所以我觉得很正常，一个虽然很远，但确定性不是那么低的，这样的一个事情，成为一个热门的标的
程曼祺：我觉得是理所应当的，那实际上你们规划的一些miles down是什么，比如说你前面说到进家庭式，你觉得最快18个月吗 18月之后会发生什么，我们希望对，就是比如两年的时候，已经有人在用的这个机器人，在家里做一些事情 28年，对28年初 28年初，到时候我们可以再做一次播客，可以啊，然后你可以说，你怎么没做到，对吧 [01:10:12]
许华哲：那我还是希望做到，对，我觉得就是至少我们，我们的办公室会做成一个家的样子，至少我觉得，应该它在那个办公室里，是可以玩起来的，就是在一年左右的时间吧，就是我在这跟这个机器人说，你在这个家里，起码得能做到一些能力了，到通用的家
程曼祺：我觉得那确实可能要两年，对这样子，在你设想了这个两年，达到那个状态的中间，你觉得有哪些事，是比较难的，或者说还有些寻而未决，你不完全确定能否解决，包括确定的部分你也可以讲讲，对我觉得就是数据上的使用，肯定还是比较，比较确定性的会往视频这一侧走，所以呢数据量也会比较，确定性的 [01:11:03]
许华哲：变得平权，嗯这是一个，对，然后在模型测，随着数据变大，模型测也一定会变大，能力也会越来越好，对，第三个就是大家越来越接受，这样的一个机器人，可能会成为我未来的生活方式的一种，终端，就像现在每个人都用手机，都用智能手机一样，大家接受度也会变得更好，所以我觉得这些都是相对比较确定性，不确定性的其实就是路径，就是我究竟该用一个，怎样的模型，把这些数据都吃进去，我应该用一个怎样的本体
程曼祺：是大家最能接受的，这个里面有什么科学性的难点吗，你觉得硬件不是个卡点，材料能源之类的，我觉得硬件也是一个卡点，但是它是那种可以攻克的卡点 [01:12:19]
许华哲：就是不是那种，就是不确定的卡点，就比如说我，我缺一个电机，其实某种意义上，我大概率都能造出来，或者我都能找得到，只不过可能要花一些时间
程曼祺：对花一些力气，花一些思考，但基本上是比较确定性的，关于就是你刚刚说的，第一个不确定的部分，就是一个什么样的模型，可以把这些数据吃下来，你之前其实大概分享了一个思路，你说是预训练配合先验学习，就是获取这个先验很重要，这个先验就是我们总结的世界的规律
许华哲：那机器人需要什么呢，是需要这个世界的物理鲜艳，对吧，它需要的其实不是语义鲜艳，语义鲜艳，某种意义上靠VRM单独就可以提供了，对那物理鲜艳其实更多的是，我知道一个物体掉落以后，它会弹起来还是会就落在地上，等等这样的事情，所以我觉得这个事情会蛮重要，有了这样的鲜艳，你的机器人才有可能，更快地适应到新的环境里，然后配合上预训练，就是在机器人上面再做预训练，可能带着这些鲜艳，他可以学到很多，具体动作上面的鲜艳，这也是一种鲜艳，从物理到动作，或者叫从物理到交互，我觉得他可以学到，我该怎么样跟这个世界大致，怎么打交道，然后再到后训练可能是，学到更多的具体，怎么样把事情做好，物理鲜艳怎么赋予机器人，或者说怎么，这有很多啊，这我觉得最近，最近就世界模型，也是一个很好的，这个物理鲜艳对吧，然后你可以用它，当做你的模型的，这个骨架网络对吧，然后你也可以，把它当成一个，生成器，数据生成器，你也可以就是直接用它，这个的下一帧，然后再求一个逆解，把中间的动作求出来，我觉得这块还是一个 [01:14:00]
程曼祺：待探索的状态，那你可以讲你现在的倾向吗，对我觉得我们目前还是倾向于，把它当做它的骨干网络，像这一部分，是不是也是可以留给生态的呀，也可以什么，留给生态，就是比如说世界模型，可能你们不需要从头做，对吧，包括VLM 肯定你们也不需要从头做，对是的是的是，这个我们也觉得，对吧也有专门做这个的团队嘛，我们也没必要去从头做，对，所以你预计就是，按照你现在这个思路来做，一个巨声模型，你觉得它大概需要的资源是怎样，就是你们在巨声本身的预训链，和后训链上去投入，到有第一个版本，你觉得大概是需要投入多少
许华哲：这个其实取决于数据量，就在现有的数据量下，可能就是一年一到两亿的投入，可能就是一个比较合理的 [01:15:15]
程曼祺：因为现在数据量很小，你说人民币一到两亿，我觉得到数据量起来的以后，我觉得就会跟大模型的投入量差不多，那也会是一个很重资源的竞争，对我觉得后续当路变得收敛的时候，可能资源量会变得比较重要，如果18到24个月之后，像你所设想的智能机器人，就已经开始进家庭了，你觉得更大的公司会怎么反应，会在什么时候跳进来，因为家庭是大家认为很终极，很大的一个场景，会在那个时候跳进来，会在那个时候，就是18到24个月之后，我觉得是的，因为更大的公司 [01:16:01]
许华哲：它本质上没有办法，离开它的主营业务，去做新的事情，它只能在这个地方，驻扎一个小的哨兵，然后可能一个小的lab
程曼祺：在这儿去做很多事情，但是当它发现这个事情，可以变成主营业务的时候，我觉得他们也会来的，在你现在这个阶段，你最关注全球的什么同行呀，你之前自己在支付上写过，你说generalist 还有派的一些进展，是会让你焦虑的，对派generalist Sunday 还有Figure吧 Figure我很关注，它到底是不是真的
许华哲：对因为Figure 它处处透露着一种，好像又很厉害，又有点营销的这种气质，对就主要是它，昨天前天又发了一个新的视频，就是整理厨房的那个，整理客厅的那个，太丝滑了，然后也太厉害了，然后以至于，我很想，现场看一看，我很想自己去那个场景里面，挪一挪那些东西，看看到底，会不会像特斯拉，突然那个机器人自己开始摘眼镜了，对那是一个人在摇操，摇操的人把头衔摘掉了，对啊，所以我就是想知道，对，然后另外三家，我觉得某种意义上，他们的基因决定了，他们做的东西一定是真的，就是做的都很好，在智能上，所以你主要是关注他们，智能能力上的一些进展，你觉得这是全球最领先的，我觉得智能能力上的，对，然后产品设计上的，我也很喜欢三队的，然后国内有一家公司叫福利业，我很喜欢他们的GR3的 [01:17:44]
程曼祺：白白的机器人的样子，就是它是和家庭这个场景是，对，比较契合的对吧，还有一个机器人公司叫Fauna Fauna
许华哲：然后它那个是一个扁扁，很扁的头的一个机器人，我也觉得蛮好玩的，这是产品设计上面，我觉得是我比较喜欢的几个，还有小鹏 [01:18:07]
程曼祺：小鹏那个也很酷，就你提的几个智能上，你最关注的公司 Sandy, Generalist, Pi 都不是中国公司，这个说明什么样，其实我们第一次对话的时候，你记得在东升大厦，你说你回国的原因，就是你相信东升新路，对，我觉得最好的东西，最终会在中国出现，对那现在好像不是，这个反应什么
许华哲：对就是，我觉得一定程度上是，大家的一个，可能在美国，大家创业的这种，战略定力好一点，就是他们第一天说，我要做这件事，然后他们就一直在做这件事，比如派，你看他从第一天，就是说我要做一个智能的 Physical Intelligence 名字就是他要做的事，然后他反正就坐着坐着坐着坐着，每隔三月发个东西，每隔三月发个东西，现在仍然保持在第一梯队，或者叫DDR的这个样子，中间好像没有发生什么变化，他也没有明确的商业化的预期，有一些商业化的尝试，但是没有，没有就说我一定要的商业化会怎么样，对，所以，我觉得他们可能更，就是就刚我用的战略定力
程曼祺：或者叫做他沿着自己的那个vision去做，这是，就像当年的OpenAI一样，你觉得更有权是个本质的差别吗，就融了更多钱，但是它那边人力成本 [01:19:46]
许华哲：各方面成本也高
东北人和机器人的气质
许华哲：各方面成本也高，我觉得是，我觉得这也一定是一个原因吧，就是它更有钱，所以对它来说，容错空间可能更大，另一个是啥呢，另一个是氛围吧，就像小时候我们上课一样，对吧，如果老师说，那个我就看看今天谁做的正，那大家都会做的很正，然后就大家会觉得，谁做的腰杆挺的越直，谁就越好，对，那班里都是这个氛围，大家就都干这个事了，那另一个班可能老师说，我就看看今天谁这个，上课发表的观点最多，那大家都会齐嘴巴上去说嘛，大家其实有的时候，那就是看看，这个身边的人，他都在说话，那我也去说话了，就公司之间，也会有同辈压力的，对啊，对啊，所以我觉得，一定程度上，对，为什么我，我今天咱们在这聊，为什么我很愿意，在网上分享一些，我的想法，就是希望让这个氛围，去往 [01:20:53]
程曼祺：我认为更本质的，那个方向去靠一靠，就是去传播，你相信的东西，你有一个形容挺好的，就是你害怕，你害怕我们，你是指中国的，居身智能从业者，错过了最大的西瓜，对 [01:21:06]
许华哲：就是智能是最后的决胜点，如果不去做一个，很好的通用的智能，那你的那些铁架子里面，最后装的大脑，就不是，不是不由你来控制，那么，我认为，这就错过了，定义未来的权利，目前我们肯定是没有完全错过的，对吧
程曼祺：肯定没有错过这个窗口，那你觉得，再发生什么，可能会导致这个差距来越大了，又或者说我们应该做什么，让这个差距来越小，智能方面
许华哲：我觉得是，就是这个可能有点科幻了，就是那个singularity 对吧，起点，当那个singularity到来的时候，会发生一些很吓人的事情，大模型自己写大模型，来改进大模型，机器人自己拧机器人，来造机器人，当他的智能达到那个点的时候，游戏就结束了，所以要趁着那个点没到来之前，我们去竞争一直都会存在，留给大家的时间还有多久，你觉得，我没有一个，特别，就是那种
程曼祺：真的human level的通用，我认为可能五年左右，就是完全的human level的通用，你觉得这个行业，你现在有一些什么，就是你觉得可能不利于，去往智能这个方向，努力和投入的一些现象 OK 我觉得，第一件事就是卖数据，卖数据，卖数据，现在有非常多的行业里的公司 [01:22:45]
许华哲：在采集数据以后，把它们贩卖出去，因为达谷格，他们自己都是没有能力采数据的，因为他们那人很贵，然后他从谁买呢，很显然是从一些，有一些大量人力运营能力的公司去买，那他去买这些数据，其实我们知道这是弹药，但是我们仍然把弹药卖出去，因为这样可以赚到钱，但是这个就像是我给我的竞争对手卖最宝贵的东西，然后为了有点那种今日割三成明日割五成，就是为了让自己可能融到资，或者是在这个账面上看的好看一点，我觉得是我认为是比较危险的一件事，对，就也许你在国内，自己在这倒腾倒腾，卖一卖赚赚钱我就可以，你往美国卖，我觉得是一件，对我们可能不会干这事，至少，第二个事情就是，无脑量产，就是，根本没有那么多的需求，到底那些量产卖给谁了，我觉得一个很好的数字，我想看到的叫，机器人活跃率，日活，我想看到它的日活，卖出去的5000台机器人，到底日活是10还是100 还是1000还是5000 这个提发挺好，是的，对但是很难看到，就是它是一个硬件，它是一个固定，就是类似于固定资产的东西，所以你看不到，这个也没有人会拿出来给你看，因为那样太难看了，我估计会，它不像软件，软件很好，软件你掏出来用户数据，你要给我假的，你就在造假，对吧，所以你大概率给的是真的，那机器人他说我也拿不到，我都卖出去了，我也不知道，然后都是各种客户，对，但其实这个是一个非常关键的数字，对吧，还有就是跳舞，我觉得跳舞其实是特别好的一件事，对，我觉得它算是一种实际的用途，它是一种实际的，它是有实际需求的，对，是有实际需求的，但我觉得，就是，这事已经差不多了，就是到现在，我觉得是一个很好的点，就他其实已经很成熟了，你觉得他作为一种表演的，对啊，当然你可以像体操运动员一样，你今天能翻什么1080 明天或者滑雪运动员，明天你能搞什么，再往上叠加180度，那你去卷这个，让机器人卷这个事情，我觉得就失去意义了，因为你明知道，机器人很容易卷这个事，它不像人，人为什么要卷这个事呢，因为人多那180度，真的是要花出，什么两年功夫苦练的，追求的是一种，人类的生理的极限，但机器人，它没有生理的极限，你只要多花点钱，你把这个电机性能，它可以再给你加三圈，它也有点物理的极限 [01:25:54]
程曼祺：也有吧，物理的极限还是有的，物理的极限，对但这个确实跟智能关系不大，跟智能的关系不大，而且物理的极限特别特别高啊，对吧，我觉得那你把腿部的这种 [01:26:22]
许华哲：某种电机做到极致，然后它可以跳得特别高，这件事我觉得，对还是还是得看应用吧，我觉得就是纯表演的话，我觉得就没有必要了，就是就追求说，我今天跳两米，明天跳三米，对，但如果有一些具体的应用，比如我要翻山越岭的，我要去一些极端场景，那我觉得围绕这些场景去展开，我觉得我还是很认同的，你刚才总结那个无脑量产挺有意思的，我觉得是一语双关
程曼祺：为什么没有智能是吧，一方面就是他没有考虑，这个用在哪的一种量产对吧，另一方面就是他产出去的东西，他有一个躯壳，但是他可能里面没有，所谓的机器人大脑的部分 [01:27:03]
许华哲：或者那不是重点，所以我其实也不知道，真实的情况是怎么样的，因为确实你卖给这个客户点，卖给那个客户点，到底有多少在备用，确实也不知道，但是如果我未来自己做这个公司，我会想把这个数据收集上来，作为我们公司的真实反馈，就你卖出去1000台，然后如果只有20%的机器，在被真实的用户使用
程曼祺：而这里面又只有20%的机器，在被日常使用，我觉得这个其实相对来说，有一点遗憾，对其实去深圳的这个行业，现在观察起来是会有一些难度，就是它很多事实不好掌握，我们之前其实想过，做一个选题，就是去了解一下，各个公司，比如在25年，实际上卖了多少机器人，这些机器人，都卖到了一些什么地方，因为有一些，可能是蔬菜工厂，有一些可能是，比如给租赁公司，有一些像中移动，他自己订了很大的订单，当然有的不一定，全部交付了，开始有一个思路，就是我想去问一些投资人，因为他们不是应该，要做禁钓什么的吗，我觉得可能大家，是不是掌握一些，或者供应链里的一些人，其实好像没有人知道，就没有人能掌握，很全的这个情况，对啊，因为这很难收集啊，对啊，因为你就像卖一个物理的实体，就是就是很难收集，因为你卖了以后，就到别的公司里面去了
许华哲：或者你到别的实验室，别的个人手里，然后你又不能，对吧，在里面装一个什么东西，给你反馈，所以那你就就不知道了，他可能只是，你的亲朋好友支持你一下，也有可能是买来，在家里摆着觉得挺酷，也有可能是，就是各种各样的原因，我反正就是得买点，等等，我觉得消费级的产品，陆续出来以后，可能会有一些 [01:28:34]
程曼祺：更好直观看到的数据吧，比如像维他动力，那个VBOT发布了，然后宇树，它机构也是，新一代也发布了，以及你们18个月后，到24个月后，我们可以看一下，就是你们的，这个机器人进家庭之后，是什么情况，期待可以，那我们接下来，可以回到更早之前，聊些你自己的成长经历，我觉得这对你，现在就是要做什么，你的一些技术，和商业上的判断，也都是相关的，首先我可以给你分享一个，我发现了一个，没有什么逻辑的观察，我发现具身智能，好像有很多东北人，你是东北人，然后高洋也是，就是千寻的联创，高洋也是东北人，还有足迹动力的创始人，张威也是东北人，东北人和机器人，是有什么亲和性的，首先你这个观察，我觉得未必准确，因为那么多具身智能公司，如果你真的去做统计的话，东北人可能第一不是，未必是比例最高的，因为我感觉东北创业的人就 [01:29:55]
从高中到博士：创业的起点
程曼祺：因为我感觉东北创业的人就，但是可能这是一种以前的偏见，就感觉东北人创业的人就没那么多
许华哲：对我觉得第二个就是，东北它很大，因为一般你说江苏人的时候，你会说江苏人，甚至你划分的会更细，但你说东北人的时候，你包含了三个省，所以对也是一个点，第三个我觉得是，东北人比较physical 就是大家都很享受，这个物理的生活，无论是，这个，以前有一些那种段子啊，说这东北人，什么愁我咋地，对吧，然后就动起手来了，当然这个这是假的，然后那个，包括什么搓澡啊，然后包括这个，过年的那个年味啊，大家就是，就是那种互相的，就是，大扫除，然后出去放冰泡什么等等这些，我觉得就东北人比较physical 就是就很喜欢物理世界的事情，很喜欢生活在真实中，对就是，比如说就是经商这件事，是不是相对来说，就没有那么physical 所以你说那个 [01:30:59]
程曼祺：观察到东北人可能创业相对少，但具身智能很physical 所以可能就中和了一下，这我瞎想的，对对对，本来我也是那个，觉得这只是一个，没什么逻辑的观察，但挺有趣的，你自己是什么时候开始，觉得机器人，是你想长期做的方向，博士期间吧，博士期间，我觉得我对这个AI 产生一些思考，是在高中的时候，高中，你是东北师范附中的，东北师范大学附属中学，这个是你们那儿，很强的一个学校对吧，算是，算是一个很好的学校，高中时候想了什么，就是那个时候，也学了一点计算机竞赛 [01:31:12]
许华哲：然后也有几个，两个小伙伴，一起当时就在看，一点神经网络的事情，然后会有一些想法，就是说神经网络未来，可能会是
程曼祺：做出一些AI的东西，那个时候你上高中，应该是09年到12年，对，你们就在看神经网络，对，但那时候就是几个 [01:32:04]
许华哲：你知道就是，我当时我最后搞的物理竞赛了，但是就是跟几个，计算机竞赛的人，在那个机房里面，就没什么事儿感，除了写那个题以外，就是就很喜欢空想，然后就想这个计算机，到底到最后极致情况，是怎么样的，所以那个时候就会，有说有这个神经网络，这样的一个东西存在
程曼祺：你上高中那会儿，确实是这一轮身体学习热潮，开始复苏复兴的时候，因为12年算是一个标志性的时间点，我觉得对 1213年那个算是标志时间点，对，我记得我大一的时候
许华哲：那个清华电子系，有那么一个比赛，就是写一个小游戏，是学长学姐们写好的，然后说你可以给他写一个AI 然后我还尝试用神经网络，给他写点东西，但是反正失败了，完全不好使，后面还是改成了传统算法，那种搜索，然后A星算法，就拿了一个什么，也不是很好的名次，反正对，但是就是那是我第一次尝试写神经网络，然后反正没写出来任何东西，对，但那个时候我就就是，因为我本身也是一个很喜欢打游戏的人，所以我就很想给游戏写点，写点那个AI的东西，因为我一直很喜欢星际争霸，我在博士期间花了，可能六到九个月的时间，全职去写一个星际争霸的AI 对，所以那个时候我就觉得，我一定要做一个，能自己决策的AI系统
程曼祺：那时候可能没有明确到，没有明确到机器人这件事上，你说那个时候只是上大学本科的时候，本科的时候，后来逐渐明确到，机器人是一个什么过程，机器人我觉得是，到了博士期间 [01:33:50]
许华哲：我去某种意义上，接触到真正的AI 前沿的AI是什么样了，当然是从视觉的角度切入的，就是看到了神经网络是怎么样的，看到了这个，计算机视觉的能力有多强，而且我还做了一个，自动驾驶相关的项目，我就发现，这个AI确实可以，在物理世界去做决策了，所以我后续就是做了，我的主线就变成了两件事，一个是打游戏，一个是机器人，就打游戏不是我打 [01:34:03]
程曼祺：我知道你是用AI打游戏 Nencore应该是用强化学习对吧 OpenAI当时也是在做强化学习大游戏，他打Dota嘛，然后我当时打了好多好多游戏，从那个Atari 我还做过超级玛丽
许华哲：然后星际争霸，然后我还做过一个，那种网页游戏，叫General Stare IO 因为我很喜欢玩游戏，所以我把我觉得智力上比较有挑战的游戏，就是去做了个遍，然后我发现，这事呢，挺有意思，挺满足我作为一个那个gamer 就是这种自己写个AI 比别人玩的强的这种乐趣，但是我后来发现，强化学习就太擅长干这个事了，然后基本上所有游戏，只要你努力，最后就都能做出来，你别管是麻将还是德州扑克，你别管是即时战略游戏，还是什么卡牌游戏，都可以做出来的，那机器人是一个挑战更大的事，所以我会把机器人放在一个，我更想做的事情上，而且机器人不光挑战大，而且它的影响力也更大，因为游戏它，毕竟是任何游戏都是，只有一小群人会很喜欢它，但是机器人是所有的人，都会需要的，那是在博士几年级啊 [01:35:48]
程曼祺：博士三四年级吧，博士三四年级，就是差不多1819年左右 1819年左右，因为你在知乎上，你写过一篇文章，大概就是分享你从21岁到30岁，你每一年的生日，对写给自己的话，然后其实我看那个文章，我觉得18 19年，好像也是你心境变化比较大的时候，是的
许华哲：那个时候的画风就突然开始深沉起来了，对对是的，对我其实一直不是一个深沉的人，只不过有的时候，但是就是跟人打交道的时候，自己在小屋里的时候，会是很不一样的状态，我觉得那个时候，有两件事对我来说很重要，一件事叫做，科研做出了相当不错的成果，不能说特别顶级，但是是只能说，就是该发的论文也都发够了，然后该做的事也都做的差不多了，或者叫达到毕业要求，达到让老板满意，让导师满意的这样的一个阶段，我突然有点迷茫，对，就是，就是这个好学生当完了 [01:36:22]
程曼祺：你从小就是好学生，对啊，你是保送的是吗，对，物理精彩保送，是的，这个好学生当完了，就我自己有个习惯，就是我经常会，这个在各个地方，跑到第一梯队 [01:37:13]
许华哲：然后就开始琢磨，下一件事是啥，就我一般还不是，不是那个卷到头的，那个风格，所以当然我也可以，接着发paper 接着去卷很多，但我就会想，沿着这个线性的路再走，还是我应该有一个，节约式的变化，但是在博士期间，你很难有真正动作上的，节约式的变化，但我觉得思想上，在那两年会发生了巨大的变化，就是说沿着这条路线性的走，我可以看到的是，我接着再发三五篇paper 然后读一个博后，可以找一个工作，无论是在谷歌，还是在Facebook 还是在国内，对吧，或者教书，其实都还是比较清晰的，但是我会想，我做这件事有意义吗，我就是为了找工作吗，或者说这个事已经，我不努力也是这么个事，那我应该往哪去努力，所以我会想很多，我会作为人，会有怎么样的意义，哪些东西是真实的，哪些东西是别人给我定义的，以及，就是这些科研到底有没有价值，这些事是我当时在想的，你的答案是什么，我的答案是，大多数的科研没有价值，它最后变成了，人类进步路上的一点噪音，对，就是它确实在人类的文明进步的路上，但是不是往前垫了一块转，大多数的科研，但是有少部分的科研是真的往前走了一步，但大多数科研是一点噪音，然后那其实真正想做的事不是噪音的科研，不是噪音的事情，然后我的意义我也想得比较清楚，因为我那时候我就觉得 OK我也追求的不是一个，比如说变得多有钱，住一个大房子等等这些事情，我发现我对这些完全不感兴趣，然后我也不感兴趣，就是说，我是一个，多么成功的这样的一个状态，我更感兴趣的是，如何帮到更多人，以及我自己，能不能在这条路上，有非常极致的体验 [01:39:32]
程曼祺：你是博三博四的时候，开始比较认真地想这个事情，对，就此前其实中学和大学期间
影响力驱动与人生选择
程曼祺：就此前其实中学和大学期间，是没有想这些的，对中学和大学，我觉得我更多想的是，怎么嗨，干什么事我最嗨，干什么事我最爽，就是想的是眼前能做什么，以及做的这个过程，你是比较投入到当下的，对
许华哲：就是明天有个音乐节，我就去了，然后过两天，这边要考试了，我就狂学，然后再过两天，可能有个什么好玩的事，跑个什么越野跑，我就去跑一下，就是啥都干，然后干了很多，我觉得很好玩的事，对，因为我看你的爱好非常丰富，曾经非常丰富，现在比较收敛了 [01:40:17]
程曼祺：现在收敛到什么机器人，什么智能，机器人我觉得不算是爱好吧，我觉得是爱和使命，爱和使命，机器人是爱和使命，对
许华哲：我觉得爱好的话，我试过很多东西，我很喜欢发散的，试试看各种各样的东西，我试过并放弃的，包括，这个这个听歌，我后来发现
程曼祺：我并不能听进去流行歌，然后就是，当然我很喜欢周杰伦的一些歌什么的，但你听了很多古典音乐，对对对，而且你在伯克利还学了和声学这些，就还挺专业的一些音乐课程，我看 [01:41:08]
许华哲：我觉得音乐对我来说，是一种，准确描述，音乐和读书和一些理论，我觉得它们某种意义上，都是在描述这个世界，然后这个描述的精确性，其实就是它美的这个部分，这是我的观点，比如说当我看到一段文字，特别戳心的时候，其实本质上是说，我觉得它描述出了我的心境，或者它描述出了，我对待这个世界的态度，或者描述出了一个场景，音乐也一样，就是当我听到，比如舒伯特的第960的时候，我会脑海中就是那种，很神性的一个天堂的感觉，当我听到巴赫的时候，我就会觉得，比如说他的那个恰空，我就会觉得 OK我可能就在宇宙中，宇宙无限的在展开在折叠，然后理论也一样，对吧，一个好的理论，应该能描述这个世界，很多的规律，所以我觉得对我来说，他们都是一种对世界的描述，然后这个描述，其实是一种美的体验，这是首先，其次是我认为它，帮助我化解了很多的烦恼，就是当你听到一些音乐，它描述自己的一些痛苦，描述自己的一些使命的时候，你会觉得 OK 其实也有人这么想过，其实也有人思考到这儿过，这是我觉得，我觉得特别感谢，那个博士那段时间，我听了很多音乐，然后自己也练了很多琴，对，但是现在也没什么空了，不过当时我就，对我帮助非常大，你是弹钢琴吗，弹钢琴，对，然后我很喜欢重复的，看着是重复，但是，其实在有变化的事情，这个事情很好玩，就是网球对我来说，就是这样一件事，就是一次一次挥趴，其实，没什么变化，但是你会发现，球的质量会产生，就是里面的很多的细节，这块稍微提前一点，那块节奏稍微改变一点，然后另一个地方，它可能稍微角度调整一点，就会产生一个变化，但是这个必须要有大量的重复，一个强化学习的过程，对吧，这样的一个过程，包括练琴也是很多的，就是我一遍一遍的练，一遍一遍练，或者盯着一个地方练一百遍，最后终于把它练下来，这个重复的过程，我觉得就是生活本身，就是，就是其实生活，某种意义上，就是在不停地重复，但是每次重复，它是一个 spiral 就是一个，螺旋，其实它看着一直在原地打转，但其实你从另一个侧面看，它就是在往上升，我特别喜欢这种感觉，就我不喜欢那种，我不喜欢那种，看着在那个，在搞很多新的事情，但是最后你一看，其实就在一个平面上，不停地只是不停地去，所以我最后把我的很多，那些发散的东西，全都收敛掉了 [01:44:02]
程曼祺：最后就到这些，我很喜欢的这种，重复但不无聊的事情上，你觉得智能，它是一个重复而不无聊的事吗，因为现在看起来，我觉得智能发展，对很多普通人来说，有一种一日千里
许华哲：完全望尘莫及，对，我觉得智能，那是它的表现，它最后性能的提升，但其实你究其本质，智能里面也没有太多秘密，对吧，智能至少现在的智能吧，也许未来还会有更好的，现在的智能，是一个相对来说比较，其实就是transformer 加上数据，但你也是一样的，把里面每一个部分做得更好，它的性能就会这儿涨一点，那儿涨一点，最后它就会很好，所以我会比较喜欢这种，就是围着一个东西，然后把它每个地方都做到极致
程曼祺：就是这回答为什么是极致，就把每个地方都做到极致，然后这个事情就会变得正确，变得变好，我会喜欢这样的事情，就是我前段时间见一个投资人，我看他写了一条笔记，他说好奇心大于成就感的人，不适合创业，你会怎么，在这两个维度里，你会怎么去定位自己，对我觉得，好奇心和成就感，我都非常追求 [01:45:22]
许华哲：好奇心本身是一个很大的一件事，我认为我的好奇心，会希望是聚焦的好奇心，我觉得是这样子的一个事情，所以对于创业来说，如果你的好奇心是那种，今天我想看看这个机器人怎么做，明天我想看看这个，另一个大模型怎么做，后天我不如看看，这个智能手环怎么做，那肯定就，就没有一个东西，能做得下去，我觉得对我来说，我的使命已经确定了，然后我的好奇更多是，怎么把这件事情做成，其实你刚才在描述
程曼祺：就是你从当时做一些，用强化学习来做，就打游戏AI打游戏，然后到你觉得机器人是一件，对你来说更重要的事情的时候，你当时用的两个词是，挑战更大，然后更有影响力，就这两个在你的评价指标里，是很重要的，你可以把它展开描述一下，挑战更大，还有更有影响力，他更具体来说对于意味着什么，对我觉得 [01:46:26]
许华哲：这是我个人的一个小爱好，就是当有的选的时候，我一般会选那个更难的事，无论在任何时候，对就是，我也不知道，我只是觉得，这是我追求极致体验啊，因为我觉得，人生在这就是要体验，如果你做的事太简单了，你的体验就很差，就是我玩游戏，也从来都是直接选，那个最难的模式，你觉得保送更难，还是高考更难，都差不多，就我可以跟你讲讲，正好你提到保送这件事，我当时其实没有考进，那个国家金牌那种保送，所以我当时是考的省赛的保送，然后省赛考了，其实挺意外的，但是反正各种原因吧，你就说没发挥好是吗，就正常来说，你应该是进国家队，也不是国家队吧，就是正常来说，我应该是能够直接保送的，我觉得我的水平，但是反正各种原因吧，就没能直接保送，所以当时留给我的选择，是我可以保送去一个，非清华的学校，然后那是稳的，对那是可以保送的，另一个呢，就是我可以考一个，清华的保送生的考试，然后如果考上，还是可以去清华，另一个考不上的话，就可以回去接着学高考，对大概是这样子，我的父母几乎在劝我去保送了，然后你就，因为那个学校也很好嘛，我就不提哪个学校了，对对对，上海的某高校，对，那我知道了，对，然后，但我几乎就不用费什么，思考的力气，我就说那我再考一下清华嘛，对对，然后不行那我就再回去，去高考嘛，反正最后考不上就考不上呗，就就是我几乎不需要做一些，长时间的思考，就会选那个更难的事，因为我觉得这个就是很好玩，就如果做简单的事，这个好玩程度大大降低了 [01:48:38]
程曼祺：所以选更难的是你一贯的，一个倾向，然后更有影响力，对我觉得更有影响力，这个是围绕着我的核心追求
许华哲：就是帮助更多的人产生的，就是那个，具体的故事我已经记不清了，但是就是类似于，有一个很好的故事，一个小女孩给一个宇航局的人，写了一封信，就说你每年花这么多钱，去造这个卫星，为什么造这个火箭，为什么不把这些钱，捐给那些吃不起饭的人，让他吃得起饭呢，然后这个答案，反正也没有一个确定答案，我觉得近处的人和远处的人，我们都要帮，但是他当时可能，就是也给出了一个，就是类似于若干年前，也有一群人，花了一些可以让别人吃上饭的钱，吃上面包的钱，去研究一个东西叫显微镜，当时感觉也没什么太大用，但是这个东西因为显微镜，可能我们发现了一些，抗生素之类的东西，所以有的时候，你也不知道做哪件事情是正确的，所以对我来说 [01:49:53]
科研评价和 AI 评测
许华哲：所以对我来说，我肯定是希望，做那件有影响力的事情，它像显微镜一样，它像造火箭一样，它可以长久地造福人类，这是为什么我对影响力这么看重，对就是我一直会说，我是一个impact driven的人 impact driven 被影响力驱动，对
程曼祺：只不过这个影响力，其实是跟你刚刚说的，帮助他人这件事结合在一起的，对，不是我们一般理解的，比如说我做一个事，比如说我赚了很多钱，或者说我多出名这种 [01:50:24]
许华哲：就赚钱出名，如果只是这个，其实也是一种影响力，但我想的是，更多的影响到别人的生活，且是往好的那一侧影响，就是比如我，如果是我发明的抗生素
程曼祺：或者我找到的，我应该找到这个词更好，我会非常的自豪，因为可能全世界的某种疾病，因为我的努力而消失了，那这个影响力是非常非常大的，不过一般的这种，非常有影响力的科学发现，它最后带来的影响，其实很多情况下都是上面，因为抗生素它肯定是，挽救了很多生命，但另一方面滥用抗生素，它后来也会成为一个社会现象，会成为一个社会问题，当然
许华哲：我认为是，很多趋势是不可逆的，而且最终这个事情能不能用好，取决于人，但是对我来说，我肯定是要往好的方面去使用它，对，就像核能一样对吧，最典型的，发明的时候或是使用的时候，当然不是一个非常好的使用方法，但是其实后续还是造福了人类的 [01:51:15]
程曼祺：所以只要你是往善的那一侧去努力，我觉得对我来说就够了，你刚才描述音乐还有网球，还有你做研究的这个过程，你说的都是对世界的不同表达方式，然后都是一种美的形式，你可以讲讲就是，你自己的比如说对什么是技术的美，你的技术的审美和偏好和品味是什么
许华哲：简单一直是我认为是每一个技术人员，或者是看技术的人都应该，都应该公认的一个美的第一性的东西 [01:52:06]
程曼祺：简单，这个爱因斯坦说的对吧 Everything should be made as simple as possible but not simpler 这些和马亦老师要再来到这个
许华哲：因为我在课题组里面，也经常跟大家聊，就是说我们做的东西，要用小方法解决大问题，就是你的方法要简单，然后你的问题要复杂，这样的东西其实是最美的，反过来，如果你的方法特别复杂，一坨一坨的，但你简单解决一个特别小的问题，比如说就是，就是能倒一杯水，假设他只能倒一杯水，但你的方法特别特别长，那这个往往是丑陋的，对，所以我觉得简单是，美非常重要的一个点，除此之外，我会很喜欢一致，一致，就是，这个很难描述，就是他的很多思路上面，保持一致，我觉得也是，很重要的，什么是什么保持一致，就比如说，我举个例子，就比如说我有若干个，之前有人说我也端到端做一些事情，我有若干个小模型，但是呢我在上面比如接一个，知识图谱，然后把这个若干个小模型，怎么把它串起来，我觉得这件事本身就是一个，相互矛盾的事，就是，如果你相信，这种，知识图谱式的这样的方式，那你不应该底下，底下有这些深度学习的这个模型，你应该这些东西再拆，最后拆成一个巨大无比的网络，我觉得那也是会非常美的东西，那你说的是一种 [01:53:26]
程曼祺：就是它每一个小结构都是大结构，它是同构的，就是把海岸线放大放大，对对对，就是那种，就是你去那个极限的话，它应该是一个特别细碎的东西 [01:54:14]
许华哲：然后在远看也是非常美的，或者你就相信，所有东西都端到端，它就是一个圆，它就是一个统一的东西，我觉得就是说，理念的协调，对我来说也很重要，就是我不太喜欢那种，若干个理念放在一起，拼凑出一个东西，我觉得对我来说，技术上可能，或者说看一个东西
程曼祺：我会看它是不是理念是一致的，对，但我也很难描述，我觉得我的语言表达能力，在谈美这件事上还不够，你觉得有用在你的审美里，在什么位置，有用，因为有的时候大家会说，不管我用什么方法，反正最后这个东西，就可以work 这也是为什么大家说 AI有时候像，我觉得有用，有用是一种结果，我觉得它跟美不美，没有关系，我觉得美的东西，可以是很有用的，也可以是很没有用的，对，我觉得它是，几乎正交的两个维度，你觉得从就去年整好，业的来看，你觉得一些比较大的进展，显然会对接下来一段时间，大家去做巨神，都有很有帮助的一些进展，是什么，可以讲就是，比如是哪些方面的，我觉得25年，这个成果非常多，就是派的那些工作
许华哲：很显然是一个，非常核心的推动力，然后generalist的，那个数据级的大小，我觉得给大家一个 scaling的这样的一个推动，然后我觉得各种各样的 embody的VRM 我觉得也是挺有价值，但好像其中没有哪一篇，是那种就是能单独拎出来，用有一片，一批，就是这个embody的VRM的事情，让我们看到了一些，这个在巨深的交互里面，除了操作这件事本身，还是有很多的成长的空间，让他更理解空间，更理解事情，更理解这个语义，然后强化学习，强化学习让我们看到了，可以高成功率的完成，这是我自己做的工作 [01:55:44]
程曼祺：我非常的兴奋，就是做到100% 那个一座的同学，当时也非常亢奋，成功率100% 对我们测了900次，然后900次都成了，你们自己做的这个工作里面，它已经是你现在这个思路，就是你在这个强化学习，你在后训练，它是一个范围，就是各种任务都去训，还是针对某一个去，针对某一个，针对某一个做到百分之百，在实验室里面没有那么多资源，去把它做那么那么大，我们还是针对一个任务，然后去，但是我们针对了七个任务，七个任务都可以做到，那你们有把七个任务的数据放在一起，这样去，没有，就那个里面没有，因为那个，放在一起肯定还是有有挑战的，就是不是说简单的放在一起，立刻就能work 所以我们那个工作就会做到那儿为止了，然后后续会沿着它会再做新的工作，你觉得就是到目前为止啊，这个也出现过，就类似于像Transformer 在2017年，就那个时候，当然是我们现在回头看，就是为它的重要性，可能更明显了，我不知道在当时，就大家那一年，看到它是个什么情况，就有出现这种，特别重磅的开创级的东西，到目前为止，目前还没有特别看到，我觉得这个东西，你需要回头看，才能看得到 [01:57:31]
许华哲：需要时间检验，对对对，就是学术圈现在也很喜欢这个，这个对吧，在每个学术会议除了最佳论文以后，还搞了一个叫test of time award 时间检验奖，而且我记得上次在美国开会的时候，就是那个主持人就说，没有拿到最佳论文不要灰心，因为根据我们的历史数据，目前还没有任何一篇当年的最佳论文，拿过时间检验奖，就是就是即使是那是鼎会对吧，然后那是最好的一群人评出来的讲，但是仍然有非常大的局限性，最后哪一篇文章会冒出头来，成为那个真正影响人类历史的，好像不一定，好像不一定，对就像当年的那个NERF 这个工作也没有拿到当年的最佳论文，就但是它很显然就是成了一个非常重要的工作，所以你说 2025年有没有呢，我觉得很有可能会有，但是你说是哪一个呢 [01:58:46]
程曼祺：我觉得没有人能点出来，你说到这个现象，我觉得很有意思，就是你说，每一年的当年的最佳论文，后来都不是得了，时间检验奖的这个论文，所以可以说在学术成果上，最顶尖的人类
许华哲：他去做这个评测，去做evaluation也是很难，对，本质上是，每个人都按照自己的品位，去进行对这个世界的打分，和进行对事物的创造，但最终哪些被接受了，其实是一个随机事件，对 [01:59:11]
程曼祺：因为就从这个点，我想到一个延伸的问题是，因为现在大家都会经常讨论说，以后可以用AI来做科研吗，用AI来提升大模型这件事情，可能它是一个相对近一点的，或者说它也比较好被评估，因为模型性能，怎么去评估它的提升，有很多人在投入，然后也有很多已经有的方法，如果说你把它放到，就更广泛的，因为来做科研，其实你怎么评估一个科研成果
噪音、贡献和科学家的品位
程曼祺：其实你怎么评估一个科研成果，它是有价值这件事情，好像对人来说也挺难的，对科学家共同体来说也挺难的，我觉得评价它是否达到一个，一般意义的论文的水平，还是比较容易的，但是你说它，到底能不能产生深远的影响，我觉得确实是比较难的，其实就是分辨你说的，大部分的噪音和小部分的，帮助人类前进的转
许华哲：对，的那个区别，是的，这很难，我觉得在AI里面，还是更简单直接一点，就是论文本身是一个，你可以认为它是一个产品，你可以把它包装的特别好，然后你也真的货真价实，有点东西，所以你很有可能，就靠着你的完美的包装，加上一个比较有东西的内容，或者是这个贡献，然后获得了一个，很好的当年的名声，但是这个事之后，会有很多人来试你这个东西，所以如果你只是，有点东西的话，大家就会说OK 那它就还行还不错，但是也会有很多人，会试那些没有出名的东西，然后试出来发现，这个才是非常好使，非常有用，那这个东西，会被越来越多人沿用，越来越多人去使用，然后反正那个东西，就跑出来了，就跟那个创业公司一样，对吧最后哪篇论文会跑出来，一般往往不是那个，大家叫的最看好的那个，最近为止你自己做的，或者你参与做的这些成果里面 [02:01:19]
程曼祺：有哪个是你自己，最骄傲最自豪的，下一个，这个不算，这属于标准回答
许华哲：就除了下一个之外，对我觉得，其实有几个我还是很喜欢的，我自己就是比较亲手去做的，我最喜欢的是那个Robocook 就是我那个包饺子，那个事我觉得，某种意义上，是我们把这种包饺子，这个事做出了一个样子，然后通过一些比较直接的方式，当时是一个世界模型，然后加上一个，各种工具使用这样的一个方案，我觉得还是系统级的，做了一个大系统，对那个也是很难的，因为那是从擀面开始的，对是
程曼祺：他还不是说我买一些，现成的饺子皮这样去挂，对，那个我觉得在系统层面，我觉得是挺有挑战的，但这也算是一个长程任务，对吧，就整个从最开始做面皮，然后做馅 [02:02:32]
许华哲：然后给它弄起来，然后等等等等，对对，然后后续我们有几个，一个是那个DP3 是我们组的一个工作，我觉得那个工作算是一定程度上，把三维视觉跟库塞模型放在一起，然后有一个比较好的效果，我觉得那个还不错 RL100是我们最近就刚刚我提的，就我们最近的这个RL的一个工作，强化学习的那个工作，对，我刚说下一个，其实我们那个课题组，还有一个新的这个研究工作，是我们做了一个远程触觉的东西，就是比如说我们现在在北京，在上海有一个机械臂，它可能上面带一个触觉传感器，然后他去，那个机械臂去摸上海的一个东西，然后我这边是可以感受到，那个东西的软硬，那东西的粗糙程度，以及那个东西的，这个一些形状的，远程去摸，然后我们拿这个事干了个啥呢，我们去买了一个，那种乳腺癌的模型，然后去做远程的，这个乳腺癌的这个触诊，所以他这个传到，是传到人的手上吗，传到人的手上，对反向去传，是机器人在远程摸，然后人在，当然这只是我们的一个实验了，就不是说真正意义上已经用了，但我会蛮喜欢这个事情的，因为就是，未来也许机器人会上火星，我想在地球上摸摸，火星上的东西 [02:03:37]
程曼祺：是不是也可以这样摸一摸，对，所以它现在，它有哪些纬度，它能非常像人的手的真的感觉吗，它还不能特别像，但是它就刚刚我描述的三个维度 [02:04:24]
许华哲：比如说软硬，然后形状，然后以及粗糙程度，粗糙程度，但可能质感应该很难模拟吧，对质感很难模拟，然后另一个就是温度很难模拟，质感和温度很难模拟
程曼祺：对，对但我觉得也是有可能的吧，就我们反正只是开一个头，对我觉得这个还挺神奇的，其实就语言里面，关于触觉的词都很少，就相比于视觉来说，是的，它有很多很细微的东西，其实以往也没有被人表达过，也没有被语意化过，是的，因为我们一直做触觉，之前也做了一些触觉传感器 Night Detect
许华哲：然后我们也做了一个反向触觉，我们叫这个东西叫 Tactile Display 是就像屏幕，触觉传感器是让机器人有触觉，然后我们这个就像，让人能摸到机器人的触觉 [02:05:17]
程曼祺：因为你现在自己在科技组，你们还做一些，就还挺前沿的探索嘛，然后公司这边，肯定也是要做一些，跟公司主线相关的研发，你自己的精力，会怎么来分配，尤其是你的智力的，这部分，你思考的这部分，对我觉得其实本质上，要解决的是同一件事，就是通用的，通用的智能
许华哲：通用的物理智能，所以也谈不上怎么分配吧，就是怎么样能最快的，或者是最有效的，接近物理智能
程曼祺：我就会怎么样去做，我有几个补充想问的，其实是关于你，就是做播客的一些事，因为我觉得，就要持续地做内容，还是挺难的，尤其我也观察到很多创业者，比如说在他们创业之前，可能是知乎大悲，在居住上分享，然后创业之后，可能他就断更了，因为特别忙，然后其实你在，那个星海图之后，你还是一直在做内容，而且按你的规划，你应该之后，也是会继续做下去的，这个东西给你的 [02:06:09]
许华哲：这种正反馈，或者说动力是什么，可以让你持续做，我觉得就是做一些内容，对我来说是一种放松，就是跟大家聊聊天，然后把这个聊天的过程，录下来，我觉得我们今天聊天，我也很开心，然后这个过程就是一种，对获得一些信息，释放一些信息，然后大家坐下来喝点水，我觉得就很开心，吃点东西，对吃点东西，我觉得本身对我来说，就是一个很开心的事，然后第二个就是，能够让信息变得透明，本身也是我的追求，也是我的定义的，帮助更多人的一部分，就是怎么样，让那些想拿到信息，但是拿不到信息的人，最终可以通过，刷到我的一些东西，看到他想看到的答案，我觉得这部分，是一个很重要的动力，因为之前就会有人说，但是他是半开玩笑，他说要不是这个平台，无论是B站还是抖音，还是小红书，要不是这个平台，我永远也听不到这样的故事，我就看到这样评论的时候，我就会觉得 OK做这个事情还蛮值得的，对，然后第三个，这个跟你帮助他人的想法，也是一致的，是啊，然后第三个就是，我觉得我们想要做2C嘛，那客观来讲，我觉得去感受大家对你的评价，也很有意思，网上其实一旦你到网上了，就是在网球圈里面有一件，就是有个事，就是费德勒到了小红书上，也会变成2.5对吧，就是指指点点，说这哥们会不会打球，我觉得一样的，就所有人到了网上，众生平等，大家会说，你这个哪儿哪儿哪儿做得不好，哪儿哪儿哪儿做得好，我觉得获得这样的真实反馈，是非常难得的，尤其对于一个2C的产品，所以我即使在有新公司，我们也会持续做这件事，一个核心的点 [02:08:23]
程曼祺：就是拿真实反馈，我觉得这件事情，对于我们打磨产品，也是非常有帮助的，就我觉得你身上有两面性，一方面，因为你在社交媒体很活跃嘛，然后你有很多的，这个AI圈的粉丝，是一个很幽默的，活跃的科学段子手的感觉，但另一方面，你刚才也讲到，就是有时候，比如说你博士的时候，你可能会在情房待几个小时，而且我看，你看很多书，你连《静静的顿河》都看完了，那个没看完，那个是听完了，那个很长，那个书很长，非常长，包括你会用，比如《黑赛的黄元朗》里的，独白来描述自己的一些心情等等，就是我觉得你也有很内观，很细腻的那一部分
许华哲：这些东西在你身上是怎么融合的，这些东西就应该，它就是天然融合的，就是就像很多喜剧演员 [02:09:24]
程曼祺：他这个私下里都没那么开心一样，我觉得我也一样，你是内向性人格还是外向性，外向性的，你是艺人，我是艺人，对，但是你很喜欢独处，对是的
许华哲：就是说我都可以，我觉得就是这没有什么矛盾的，当我跟人打交道的时候，我会比较乐呵，比较比较友善，然后，但这不影响我
尽力的人生
许华哲：但这不影响我，那个，自己静下来的时候，思考一些东西，然后也并不影响我觉得，很多意义可能，只有自己一个人才能想清楚，我觉得这两件事本身是不矛盾的，或者说有的时候，是因为你想清楚了这些很多事，所以你才乐呵，所以你才对人友善，因为你知道很多事情不重要了，所以你也就没有什么可以生气的，可以发脾气的，或者是可以觉得委屈，觉得不开心的点，因为我觉得都挺开心的，就无论这个德或者失，对我来说都挺开心的
程曼祺：你最近静下来，一个人会想到一些，比较重要的问题会是什么，最近静下来一个人会想，最近有点静不下来，说实话，最近实在是比较忙碌，最近其实想的更多的，还是公司该怎么走，公司该怎么走，对，就是主线的线条，应该是怎么样走，一个节奏是怎么样的，我觉得 [02:10:42]
许华哲：最近的抽象的思考，变少了一些，因为确实具体的事情，来了以后，我觉得还是要先要把，具体的事情做好，那你最近有看什么书吗，最近读书也很少，最近读了那个，哈萨比斯那个传记，因为对，你和马拉比也有一个聊天，对然后就是，读了那个以后我觉得，挺好的就是，我很喜欢他的，那个里面那个，描述叫，叫，我们怎么样算是过了一个尽力的人生，就是他觉得是像一个马拉松一样，我应该往前跑，然后跑过终点线的时候，我最好立刻跪下了，更好的情况是我被抬进医院了，但我没有死掉 [02:11:07]
程曼祺：这就算是过了一个尽力的人生，我觉得跟我的人生观很像，他其实讲的也是一种机制，在一个竞赛之中，我看到马拉比写笔下的这个 Hassabis
许华哲：我觉得某种意义上，是一个所有的追求 通用人工智能的人的一个缩影，或者是一个应该有的状态，就是近乎虔诚地追求，他该追求的事情，我觉得这件事是，我觉得很有共鸣的，就你们的区别可能在于 [02:12:08]
程曼祺：我觉得他应该是很小的时候，他就有了一个，这种很明确的，这种使命感，他很年轻的时候，对是的，其实他是有一次，去参加那个国际象棋的比赛，然后他就在想，就是我的这个，大脑的智慧，就要用来下棋吗，我可以干什么，更大的事情，对是的，我觉得每个人想清楚
许华哲：事情的时间点是不一样的，对有的人可能早一点，有的人可能晚一点，我觉得这都无所谓，而且想清楚了，也不一定是好事，没想清楚的时候，我觉得我能感受到的快乐更多一点，我虽然现在每天很乐呵，但其实感受到的快乐变少了，因为我更多我的乐呵，是因为我觉得，大多数的事情都无所谓，所以我很乐呵，但是在我想清楚之前，我有痛苦有乐呵，但我带来的快乐，这个更强烈，是因为我真的是快乐到了，而不是我觉得无所谓，所以我，对我觉得是，不太一样的人生状态，我觉得怎么描述呢，就是那种，可能婴儿的皮肤，你轻轻碰一下，它就很敏感的那种状态，是以前，现在我感觉就是 [02:13:01]
程曼祺：那些东西都无法影响到我，对，其实就是你的预值变高了，你如果要真的快乐，你可能需要一个，你需要一个更大的，更深远的东西，你才会，你才会觉得快乐，对，或者说有成就感吧，你可能不能用快乐来形容，所以我就回到了，帮助更多的人吧，因为我觉得我自己，获得的东西，已经很难让我产生快乐了，你喜欢现在这个状态，还是之前的状态，也谈不上喜欢
许华哲：只是它不肯定，马拉比可能很小，它就是受到那个影响，它的使命就决定了，可能是九岁，还是十岁的时候，对吧，那它可能，前面那个状态更少一点，它再也没有办法，享受那种 [02:14:21]
程曼祺：在下棋上击败别人的快乐，对因为他算是个神童吧，对对但是但是，好处是他又找到了新的东西，你觉得作为创业者的话，你会担心自己身上缺少某些特质吗
许华哲：作为创业者，我其实不是特别担心，因为我总觉得，其实你很难定义一个，什么是好的创业者，对吧，就是我觉得创业者，我认为的一个最重要的特质，就是有特质，就是你可以是一个木讷的人，也可以做出一个很好的企业，你可以是乐观的，也可以是悲观的，我觉得对，就是你看我们现在身边，能听到看到名字的这些企业家，其实每个人都很不一样的，我觉得创业者并没有什么，一定要的东西，你对于就是创业这件事的，挑战和难度是怎么预估的，创业的挑战肯定是足够大的，所以这也是跟我的决策思路一脉相承的，就是去做挑战足够大的事情，能够成功的概率也很低，就像前面我们聊过的哪篇论文，能够跑出来一样，我觉得任何一家公司的成功概率，在今天无论它已经名声很大，还是刚刚开始，我觉得胜率是差不多的，都是很低，可能如果有100家公司，可能大家都是1% 甚至更低，因为还有可能这100家都挂掉了，对吧，所以创业一定是不确定的，但是所以就回到了，我们有尽全力，我们有极致的体验，我们有给这个世界创造一些东西，以及最后这件事做成了，整体所有的人加在一起，人类做成了，我觉得这些事情，如果都有一个比较好的答案，我觉得就够了，你觉得你为这个事能付出多少代价，当然很多，所有的代价 [02:16:35]
程曼祺：因为我要的太多了，所以任何代价都可以，之前我也跟你聊到过，就是你让我想到，我之前采访过的另一个创始人，是绅士科技的张林峰和首席科学家，对他是创始人，他是首席科学家，然后他们还有一位联创，是他们CEO 然后张凌峰是原培毕业的，北大原培，然后后来去普林斯顿读博士，他们是做AI for Science 就我觉得你们俩比较像的一点是，你们都是，你们都是学科学出身的，同时爱好也很广泛，也会自己写很多东西，他也会自己写很多东西，会观察自己内心和思想的变化，然后他的情况是，他有一个联创，就是他们的CEO 也是本科的同学，然后认识了很久，也很相互信任，然后那个就是孙伟杰，他是会来处理，比如说像融资啊，经营啊，然后公司业务商业化，客户等等很多这种情况，你觉得你现在创业的话，你需要一个这样的合伙人吗，还是说你自己要去，学习和补充这块能力，首先我肯定要学习和补充的 [02:17:35]
许华哲：我觉得这件事，需要自己把它也做好，至少知道该怎么做，然后同时我们也会补充人，其实我有一位联创
程曼祺：是会比如金融背景的，它可能也会起到很多补充的作用，这点真的很像，因为韦杰之前也是在做投资的，你说你的联创金融背景，以前也是VC
许华哲：不是它是二级的，二级市场，所以我觉得，这些事情其实是我也想做到的，我并不是一个，就是想一心只读盛贤书的愿望，我觉得这些事情是该做的事，我也都会去做 [02:18:08]
程曼祺：从开始筹备创业到正式成立到现在，其实差不多就是小半年的时间，这段时间你有发现自己不一样的一面，因为一般来说其实选择创业，我觉得还是会在很短的一个时间里，就给人很多成长空间，可能也会是一个比较快速变化的事情，我觉得我一定程度上，找回了曾经的自己，曾经的自己
许华哲：多久之前的曾经，我一直很想创业，我从高中开始就很想创业，只不过后来因为成绩比较好，然后也对AI很感兴趣，然后就越做越学术，越做越学术，然后就，我从来就是我觉得小时候的自己，从来没有想过我能读博士，然后也没有想过我要读博后，然后最后成了一个，学校的老师，你小时候对自己未来长大，是怎么设想的，我小时候就是，两个事情，我一个就是创业，我就是从小就是，经常会想有一些，创业的idea 但是那时候很小嘛，所以也没有什么，另一个就是，我很想当高中老师，很想当高中老师，是的，你是什么家庭背景啊，我妈妈是老师，然后我爸爸在做生意
程曼祺：所以可能就是 OK 对，因为我觉得当高中老师，就是，也很有意思，所以你的两个设想，一个是，类似于你爸那样，就是自己做一个事，自己开公司 [02:19:46]
找回自己，破壳而出
程曼祺：自己开公司
许华哲：对，一个是类似于你妈，这样是做高中老师，当然我妈是教初中的，但是，但是那个，我，就是觉得，当老师本身，是个挺好玩的事情，就是把一个东西 [02:20:00]
程曼祺：搞透，然后再教给别人，我觉得还挺好玩的，就是小时候的自己，从来没有想过，会去当大学老师，就没想过是做研究，做学术，对，是的，所以找回了，所以一个是你找回了
许华哲：曾经的自己，而且是很小时候的版本，对，而且就是就是很，就是我觉得，已经很久没有这么爽过了，就是说，就是创业每天，就是最近可能，从早上八点半开始，一直到十二点，都是都是蛮复合的，对，这么高能量的去去工作，我觉得，确实让我很快乐，而且这个过程应该是
程曼祺：充满你说的那种 ownership对吧 agency 就是很主动性的去做的，是的，就是你想你要做成一件什么事，你想你要什么，然后你去做，而不是别人分配给你一个事情，然后你去做，我很好奇，这个和联创也是很不一样的体验，是吗，当然，当然，肯定是不一样的体验，我觉得，或者说，每个公司的联创的定义也不太一样，对就可能具体的角色，然后做什么分工，写作方式都不太一样，对都很不一样，对，我自己还是一个
许华哲：就是在我们的新公司，我会期待我们的每一位联创，也都是独当一面的，你说的参与感，对，不光是参与 [02:21:30]
程曼祺：就联创可能就不仅仅是参与了，而是就是他的那个事情，他应该是有决策权的，所以这是你创业之后，你发现的一个点，就是说你觉得
许华哲：回到了曾经的自己，对对对是的，我一直都是一个，那种这种风格的，直到到读博士，遇到了高杨，这个家伙，怎么讲，非常的严谨，然后非常的聪明，然后也非常的学术，然后我老跟他玩，然后玩着玩着，就是那个，就是就是就是很学，我也变得很学术，对你们当时在伯克利的时候，就是同学，对对吧
程曼祺：都在拜尔实验室，对，最后一个问题是，我想问你今年，八月的时候，写生日感想的时候，或者到年底，一些总结的时候，因为你每年，还是会总结一下的，你希望那个时候，自己和公司，到一个什么状态 [02:22:23]
许华哲：我希望到时候，我的爸已经会说话了，然后，我会期待这个公司，有了一个，很不错的团队，然后造出了一点东西，然后我希望我自己，乐在其中，乐在其中，对，是带着大家，从，这个，一片，我们今天那个办公室，就是一片荒芜，就一些地板，然后这个，已经跑出一点小小的样子，从一片荒芜到破壳而出，对是的，我觉得最后点题，对吧，对破壳，破壳机器人真的有一些，对有一些东西出现吧
程曼祺：OK 那今天非常感谢，华哲做客玩电聊，分享了之前，自己的一些成长经历，什么时候开始，钟情于机器人，想把这个当做自己的使命，以及两次创业，尤其是这一次新创业的一些思考，和一些现阶段的想法和实践，非常感谢，那今天节目就到这里，各位拜拜，好的拜拜，谢谢，本期连点呈现，这是晚点聊第二次采访许华哲，上一次是在24年10月底的第86期节目，当时邀请华哲来聊了那会儿刚刚举行的 Tesla的V-Robot发布会，那次发布会上，特斯拉展现了没有方向盘和驾驶室的自动驾驶车辆，而市场更关注的是人型机器人Optimus的经验表现，似乎看当时机器人的很多流畅的动作，都是通过摇操这种方式来实现的，摇操依然不能解决机器人的自主行动和完成任务的问题，同时作为一种数据获取手段，摇操也因为成本非常贵而逐渐变得没有那么主流，回顾当时那一期再看这一期，我自己也能明显感受到，整个巨声智能行业发生了很大变化，其实还不到两年的时间，但同时这依然是一个，技术路线没有完全收敛的方向，所以更多巨头的激烈竞争和加注，还没有发生，创业公司还有一个探索的空间，如果这件事我主要指的是智能，在两到三年之间有质的飞跃，我们会看到一出非常精彩的，技术和商业大戏，但前沿科技的难点和魅力就在于此，你很难预测一个，确定会发生的技术拐点，会精确地再核实到来，许华哲在这期里说，他希望两年后，我们可以再录一期播客，到时可以看看他现在的预言，也就是家庭机器人，会在18到24个月之后，真的开始应用，这件事到底是能够实现，还是会被打脸，我也非常期待，从我的角度，我是希望它实现的，这样我们就有更多，好的内容和故事，可以给大家呈现了 [02:25:17]