EP07 对话陈哲：未来十年，AI机器人领域一定会诞生顶级的科技企业
01:12:35 Share

因為我相信在未來十年中國一定能夠誕生更多的像華為、像大疆這樣頂級的科技企業而且新的一代的年輕創業者有更好的品位有更好的這個視野有更好的訓練我認為一定可以誕生比上個時代更加偉大的科技公司

大家好,欢迎来到 RaySpark 今天这期栏目,我邀请到了一位非常优秀的机器人领域投资人陈哲 Peter 来做嘉宾他是知名机器人公司松林、海柔和 XYZ 的早期投资人在如今的资本寒冬下,陈哲刚刚成立了自己的基金 Alpha East Fund

我非常荣幸的可以和陈哲聊一聊在机器人领域他多年的投资经验以及对当下巨神智能的一些看法很高兴能够邀请到 Peter 来我们这个播客来做一次这个交流我也知道 Peter 是刚刚成立了一个自己的基金那也请 Peter 可以系统的介绍一下自己的职业经历包括现在新设立的这些基金的一个情况

谢谢建民的邀请大家好我是 Peter 陈哲我自己是工程师出身我高中毕业过后去了加拿大读了电子工程的本科跟研究生然后毕业过后先在黑莓做智能手机通信相关的工作后面又去了硅谷加入了 Google 在 Google Glass 团队做嵌入式和信号处理相关的工作

然后是在 16 年的时候决定去哈佛读了 MBA 然后在 MBA 中间的时候回到了国内加入了这个 VC 的这个工作然后也是因此呢加入了当时的这个成型资本后面改名叫五元资本然后一直工作到 20 年底现在出来呢成立了一家新的早期的这个美元基金也是关注这个 AI 和机器人方向的投资然后刚刚开始独立运营

对我觉得这个 HITR 其实在机器人领域的这个投资是我个人觉得在国内专注在机器人领域方向投资非常厉害的一个投资人就过往的案例我知道的比如说像松林 XYZ 然后海柔等等对等一下可以也介绍一下就是过往主导的一些投资案例那在专注机器人这个方向最初选择这个方向的一些契机是什么样子的

对我是 18 年商学院毕业过后正式回到国内开始这个 VC 的全职工作其实在我回来之前就非常关注 AI 跟这个自动驾驶相关的机会本身跟我之前的工作也很相关所以呢也是想看

AI 可以赋能下一步的哪些场景跟机会自动驾驶是我们之前已经密切关注也投资过好几个优秀的公司的方向所以在这个自动驾驶我们投完一波公司过后我们也在看下一步可以

拓展和衍生的这个场景也是这样的原因呢看到了这个 AI 3D 智能化对于机器人场景的影响也是从这个时候开始 17 18 年就在密集的这个关注这个机器人领域的投资所以其实是从关注自动驾驶开始来关注这个机器人这个方向的吗对因为自动驾驶其实

1617 年自动驾驶的创业热本质上是 1213 年以来深度学习对于视觉对于 CV 行业的影响然后扩散到了自动驾驶领域然后自动驾驶本身也是一种复杂的机器人系统它里面结合了 CV SLAM

还有各种这种人机交互这个视觉定位一系列的问题所以呢当这个领域得到发展过后它的很多能力和技术其实是外溢到了很多场景那在 18 年的时候比较典型的一个例子当时像这个小米投资的石头科技已经成功地发布了他们带有这个单线紧关雷达的扫地机器人也包括在 1999 年

17 年左右大疆推出了带有视觉避障识别的消费机无人机所以几个相关的产品其实都是受益于当时快速发展的自动驾驶的能力跟技术所以也因此看到了更多的机器人创业的机会

对像你关注在机器人这个方向上也很多年而且是可能从 178 年到现在巨神智能火热的这个 78 年的历程里面一直持续关注这个方向的一个投资人就是你怎么感觉这个从 178 年到现在整个机器人行业的变迁比如说它的周期我自己感觉它是好像是有一个

什么样的一个规律就是大概从 15 到 16 17 年很多的写作币公司然后之后 17 8 年有一些底盘然后再往后可能像在仓储物流这个方向面有很多公司起来那当然这个贯穿整个过程像消费机器人一直都有层出不穷的这个公司出来就大概你对于这个行业在过往的 10 年之间的一个演变的一个观察是什么样子的

如果从大的行业的脉络来讲的话应该有几条线第一个是在可能在 1415 年开始的时候在那个时候实际上是这个工业自动化包括这个国产替代包括这个工业自动化一些大的旋律在推动这些领域的初期的发展然后到了

大概可能 1819 年的时候 1819 年的时候是电商这个行业的发展推升了移动机器人仓储机器人的发展

然后再到 20 年以后包括 18 年石头科技 20 年这个云晶是这种尤其是以扫地机器人为代表的消费级产品进入这个就是广大的这个消费市场我觉得有几拨这个创业或者说这个机器人这个发展的一些主的这个旋律那么

那么这是一条线但另外一个视角其实是从技术的成熟度从产品的成熟度的角度来思考

那比如说我们看这个仓储机器人其实仓储机器人的发展的一个标志性的信号是 12 年这个 Kiva System 被亚马逊收购然后被亚马逊收购过后呢开启了这个大规模的这个仓储机器人的落地应用的这样一个过程

那么受益于亚马逊的信号国内也成立了像骑士加像快舱等一系列的这种仓储机器人公司包括在后面成立的像海柔这样的公司其实是因为仓储机器人需要的导航定位的技术在 14 15 年的时候基本上实现了成熟那么从产品的形态产品的技术来讲它已经具有了发展的可能性

但是因为这种技术的成本和成熟度的原因基本上是到了 19 年 20 年以后也包含到疫情过后有大量的无人化的需求电商的发展才催生这些产品的真正的成熟跟爆发所以如果我们从技术产品这条线来看的话我们可以看到一个新技术的出现到新技术的成熟其实是有比较长的时间的

比如说扫地机器人也是同样的扫地机器人的这种 SLAM 技术定位的技术可能在 2010 年左右就已经得到了成熟但是也是在石头把这个低成本的单线激光雷达真正的落地到消费级机器人才让这个扫地机器人的用户体验导航的这个效率得到了极大的提升所以这也是经历了一个蛮长的过程

所以从我做这么多年机器人投资的一个感受来看的话一方面我们非常关注非常敏感新的技术的发展跟迭代但另外一方面我们也充分的意识到机器人毕竟作为一个需要量产追求稳定性可靠性的一个产品其实这个技术的成熟度它的

它的可量产性是非常关键的一些前沿的技术其实在最开始的时候是可能很长时间都比较难进入真正的这个产业化规模化的一个阶段所以呢如果我们看过去七八年真正一些成功的公司不管是扫地机器人公司还是仓促

仓储这个机器公司也包括像无人机公司其实他们底层的这个技术变量跟技术变化基本上是在这个产业起飞前四五年已经基本成熟了所以今天我们比较有幸的也看到了新的一波巨声

智能和人型机器人技术的这种快速发展那么我们也非常好奇就是这些新的技术在多长的时间内真的能够变成一个成熟的可以量产的这个产业这也是可能这一批新的机器人投资非常有意思一个话题

刚才说到的这个在过往的机器人领域的投资就是你总结下来比如说在国内真正的看到在这个领域上面的大成的公司或者是 2B2C 等等就是你在这个方向上面有一些什么样的投资经验或者是心得的总结吗心得很难说但是从真正成功的案例或者成功的公司来看的话基本上还是第一要抓住

一个非常大的市场跟需求同时呢这个市场的可复制性或者说标准化程度规模化的这个程度要足够的高其实我们看可能

从机器人的市场来讲三个市场第一个是无人机第二个是扫地机器人第三个是仓储机器人我觉得在这三个市场里面其实都实现了比较大的出货量尤其在前两个消费级这种机器人市场里面基本上都是百万台到千万台的这种出货量背后还是反映了他们专注的市场本身是足够大的

然后这个场景也是足够标准的或者说可以支撑标评的这种复制而不是陷入了可能每一个场景或者每一个客户需要这种定制化的这种产品这个是这些公司能够崛起和规模化的很重要的一个要素那么在 2B 的领域里面

可能目前看到的在仓促领域是跑出一些比较大规模比较有量的这个企业也是因为在仓库这个场景里面相对来说是比较容易规模化可以在一个仓库里面可以销售几百甚至上千部机器人这种场景可能相比于

可能大量的非常长尾的飞镖的定制化这种 2B 场景来讲的话这个的确是一个更好的一个落地的一个场景你总结像也看了特别多的这个机器人领域的这些创业者有的在 2C 领域做得很好的有的可能在 2B 领域做得很好就是这类创业者他会有一些什么共同的特质吗我觉得 2C

2C 方向的機器人創業者做得好的往往都有非常強的第一性思考能力也極度關注用戶價值在激烈的市場競爭中有快速迭代團隊和升級團隊持續作戰的能力我覺得這個是 2C 行業裡面滿有特質的一群創業者的特點我覺得在 2B 領域在 2B 領域其實對於

创业者的全面性对于创业者的领导力对于创业者的销售组织能力会提出更高的要求从中国出发的 2B 机器人的创业公司我认为都没有快速的捷径所以对于这群创业者来说怎么补足自己的短板抓住市场大的机会

服务好最头部的客户做好海外市场我觉得对他们来说都是更加综合和更加复杂的一个考验所以从结果来看我认为今天中国的 2B 机器人公司还有很长的路要走我认为长期来看一个优秀的成功的 2B 机器人公司在天花板一定不会比 2C 的公司低

但是他们要走的路和时间一定会比 2C 的公司更加的艰难更加的辛苦那真正能够撑到最后那一天的 2B 机器人公司一定有非常强的竞争力和很强的

防御的壁垒我觉得这块其实是特别有意思的一个话题就是我前段时间也把国内的一些初创公司在 2B2C 机器人这个领域的初创公司他们大概收入拉了一下

以 2B 的为例就是基本上他们的收入会是在几个亿或者是十亿左右这样已经算是很不错了但是像 2C 的机器人公司像大疆这种就几百个亿那像这个石头这种上市的扫地机也是有两三百个亿那像追面等等这些应该一年有

100 多个亿这样的一个收入规模就是从收入体量上来说 2B 和 2C 差的还是蛮多的那所以其实我觉得像 2B 这块它为什么收入上会被会被 cap 住就是这个是市场的需求的这个出现了什么样的问题吗而且另外我观察到有一个点就是

2B 的如果单纯卖产品其实会发展得更加的艰难如果是卖整套方案的话可能会稍微好一点我不太清楚像 Peter 在这个方面的观察是什么样子首先消费级的公司有更大的收入规模我觉得这个事情也并不奇怪如果我们类比一些消费电子包括家电企业

一旦你形成了比较高的生存率一旦变成了一个每家每户都希望购买的一个产品其实规模要做到非常大的规模还是有很多有很多成功的这个案例的我觉得这是 2C 公司一直拥有的一个优势但是为什么如果我们看资本市场上一些真正

创造了长期价值有极高的这个防御性和不可替代的一些好生意的公司很多还是 2B 或者是工业行业相关的这种公司核心就是因为这些公司在漫长的发展过程中其实积累了非常多的 know-how 和行业的这个壁垒让这些公司有持续增长

持续扩大这个规模的能力这里面可能比较典型的一些优秀的 2B 公司包括华为包括海康包括汇川都是这里面比较成功的这种例子所以我觉得今天的 2B 机器人公司的收入量级普遍在几亿到十亿人民币这种水平其实就是说明了以今天的这个机器人技术以今天的这个自动化的这个能力

很多 2B 机器人公司业务的边界还是非常受限于自己的组织能力自己的产品能力的在 2B 机器人真正具有更广泛的跨行业和跨领域的能力之前我认为大量的 2B 机器人公司的营收规模会受限于它服务的场景和这个

行业的这个规模或者行业的这种标准化程度这也是为什么回到刚才我们说到的我们看到一些成功的公司一定是选择一些足够大的或者足够标准化的场景去做而不是相对来说可能更加分散的或者更加非标的这种图比场景

对我觉得这种觉得特别好那像你们新的基金的话就是机器人应该也会是一个重要的一个方向吧就是他还有一些其他的一些什么样的方向吗对于我的新的基金专注的方向就是在 AI 跟机器人为什么是这两个主题是因为这个基金是面向未来十年可能出现的这种年轻的卓越的创业者

想要从事的方向那对于我来说如果我今天作为一个二十几岁三十岁的年轻创业者我想要创业我会做什么事情那我认为 AI 肯定是一个具有巨大变量具有年轻创业者机会的一个方向同时机器人也是一个对于中国的创业者中国背景的创业者具有明显优势和

去打机会的一个方向所以对于这个新的基金来说一定要跟下一个十年下一个时代能够成功的年轻创业者走在一起所以我的方向会围绕着他们创业可能考虑的方向去设计

所以是 AI 包括这个纯软的或者是这个 AI 2.0 偏应用的一些方向然后机器人的话可能像现在这个居身智能或者是 AI 硬件等等这些可能都是你会比较关注的一些方向吗是的我希望把自己

我希望把自己带入一个创业者的视角如果今天我自己是一个二十七八岁三十岁的工程师我现在出来要创业我会怎么做我会怎么选择方向怎么设计我的路径如果我能够很好地带入他们的视角和他们的思考那我认为我作为一个早期的

投资机构我就更有机会成为他们更长期和更有影响力的伙伴然后因此也能够获得作为陪伴这样创业者一起成长的这个收益

对 我觉得这三个方向可能我自己看的比较多的是 AI 机器人可能 AI 硬件也会涉及到一些所以我们今天的这个话题就围绕着 AI 机器人 AI 硬件来展开那像过往的两年 居身智能也是特别的火热然后 Peter 应该也是看了很多的项目你大概可以用两三个观点去概括一下过去两年机器人和 AI 机器人这个赛道整体的感受吗

我整体的感受是今天肯定是在一个非常 hype 和非常关注的一个阶段可能相比两三年前就是没有广泛的 AI 机器人概念之前我们看到其实传统一点的这种机器人或者说上一个周期的这种机器人创业基本上已经到了

专注到具体的场景专注到具体的产品开始思考这个如何做 go to market 如何思考渠道如何思考团队的这样一个阶段本质上是因为上个范式的技术已经到了相当成熟的阶段所以我们更多的关注的是产品的落地应用那在过去两三年因为这个大模型技术的出现因为这个巨神智能技术的出现

其实让大家看到了一个全新的机器人范式或者机器人产业的形态有可能出现所以大家在这个技术

革命的早期会对技术革命的影响和效果会有很高的期待这也是诞生的过去两三年吧持续的这个这个 AI 机器人或者巨神智能创业的热潮包括很多投资机构也认为这个这个可能是在大模型之后 CHART GPT 之后最值得投资的方向所以我们也看到了非常多

新人和老人加入这个游戏也看到非常多的投资机构在非常积极地投资无论是美元机构人民币机构还是政府主导的这种产业基金都在非常积极地投资这个领域

对就刚才提到的这个这波机会这波技术的这个变量我觉得可以分两个视角来看就一个是这个技术的源头是什么就是过往十年的机器人的发展和迭代在这个时间点又有一个 AI 机器人的一个机会是不是可以

跟这个观众们讲一下就是它的技术变量是什么它为什么在这个时间点会让居身智能成为风口因为这些概念其实都不是特别新的概念像这个在北美也很多研究居身智能 Involved AI 很多年的一些教授们那另外一个这个视角呢是这波技术会推向这个产品落地或者是场景落地到什么样的程度或者是它什么时候能落地

大概一个技术从哪来到哪去的这两方面的一个问题 Peter 你在这方面思考是什么样子的如果我们来思考 AI 机器人这样一个大的定义跟概念的话我觉得可能最早的一个雏形可能出现在 15 16 年也就是随着自动驾驶技术的成熟随着 CV 技术的成熟我们第一次出现了以这种智能的这种感知智能的视觉包括 3D 视觉

为特色的这种具有强感知能力和这个环境理解能力的机器人这个相比于可能工业时代这种自动化的这种设备来说是一个巨大的突破所以呢无论是在中国还是在美国其实在 15 16 年 17 年左右已经出现了第一波或者说第一代的这种 AI 机器人公司可能那个时代的 AI 就跟

我们之前看的这种四小龙 CV 时代的这种 AI 类似它们更多的是解决了一个感知和一个这个自适应或者是说重复性的这种运动的这种闭环能力那这里面其实是诞生了一批早期的创业公司的

但是这一波但是这批公司大概到了 2021 年开始进入逐渐的产业化过后大家也看到了这种上一代的 CV 技术其实带来的这种瓶颈和短板还是非常明显的那么我觉得最大的变量巨声智能

最近一两年最大的变量也是跟大模型本身这个二年底这个 CHART GPT 的出现这个 GPT-4 的出现以及因为这个大模型技术的发展导致的我们用类似的这种大模型的这种理念和方法开始训练一些更加通用的

更加更加繁华的机器人的这种模型是相关的那这个不管是 Google 也好还是 OpenAI 还是这个美国的一些领先的创业公司在这里面其实都做出了各种的这种展示或者说技术上的这种突破我认为这个也是让大家看到了

机器人从一个专用设备有可能进化到一个通用设备的可能的路径所以这个是推升过去两年巨神智能这种投资的热潮创意热潮我觉得是最重要的一个变量

那说到这个落地呢你就是非常 general 的一个问题就是你觉得它大概会什么时间点在什么样的场景上落地比如说有的人说真正的这个巨神智能通用操作人形机器人会在十年之后才能够进入到

我们的家庭但有的人说它可能是五年那当然有的人会说它有可能会先在工业场景落地然后也有的人会说比如说特种场景或商用服务场景就是你在这个落地上面那些观点是什么样子我对落地的时间的判断可能没有这么乐观如果要用自动驾驶来类比的话我觉得今天可能比较类似 2010 年的状态而不是 2015 年或者说 2016 年这个状态

为什么是 2010 年呢?因为我记得在 2010 年的时候其实谷歌已经展示了很不错的或者很初期的自动驾驶这种原型的 demo 包括玫瑰举行了像 DARPA 比赛这样的一些学术性的前沿性的研究其实给大家展示了以当时的技术路线以这种激光雷达高精地图定位

Slam 的方式可以实现这个汽车自动驾驶但是当时其实那套系统离真正的落地真正的可以规模化解决足够的这个 corner case 而言的 gap 还是非常大的所以我认为今天其实居神智能表现出来的很多能力或者很多 demo 我觉得

很类似可能自动驾驶早期我们展示出很多 promising 的 demo 的这种状态但是很多工程的问题很多真正落地的问题甚至一些全新的算法构架全新的训练方式可能都还远远没有发明如果我们看自动驾驶的话

从最早的这种模块化的这种 Slam 的能力到我们出现了一些新的这种视觉主导或者说视觉为主的这种包括像 3D BEVOccupancy Network 这样的方式已经到了 2020 年也就是说

从 10 年最早的出行到一个现代的这个框架已用了 10 年的时间然后再从 2020 年的这种 Occupancy Network 再进化到可能 23 年左右的这种端到端的训练方式纯视觉端到端的训练方式可能又隔了三到四年

然后直到可能今年二五年我们才开始看到一些比较可靠的规模化的这个 robotaxi 的这个落地自动驾驶的这种初步的这种实现所以这里面其实需要迭代和验证的周期还是蛮长的我认为居神智能想要解决的这个通用机器人的问题

他面临的困难跟难度是不亚于这个自动驾驶在公开道路上行驶或者说远远要高于自动驾驶在公开道路行驶这个问题的难度的所以我对于这个问题真正能够有效得到得到解决的这个时间还是还是保有敬畏的那

当然你也可以说是不是我们可以找到一些更加简单的场景我们可以找到像这个一些具体的这个工业的这种场景能不能去率先落地我觉得我们肯定可以找得到这就像我们在做自动驾驶技术这么多年我们真正一开始能够落地的可能就是在在码头在一些封闭的园区甚至是在这个写字楼内那这些技术其实

也是率先得到了落地但是你会发现你解决这个码头的这个自动驾驶和真正今天利用到这种数据驱动端端端训练复杂的这个神经网络这个策略预测控制这一套技术战来讲的话还是有非常大的差别的那我认为居神智能真正能够很高效的落地到这个场景的时候它的整个

算法的构架算法的框架应该跟今天还会有很大的区别所以从这个角度来讲我对于巨神智能能够广泛落地的时间点的判断不会那么的快

我觉得这是一个特别好的一个类比其实如果回顾自动驾驶的话它到今天已经 15 年的时间了就刚才说到我个人觉得其实现在巨神智能的技术路线是沿着现在的端到端自动驾驶大家认为这个方式在自动驾驶上已经非常的 work 了然后有很好的效果

另外一个方面呢就是因为这个大圆模型大家拼命的去堆数据然后用这种可以 scaling 的一个模型的架构然后用同样的方式来去做聚成智能所以他的经验是借鉴了自动驾驶也借鉴了大模型

把现在这两个领域上面最好的效果的一些经验和总结放到了这个居身智能这个领域来尝试但是它是不是 work 我觉得这是一个很大的一个问题就刚才说到了其实有可能在真实的落地上面它还有很多的属于机器人领域自己的一些问题需要去攻克和迭代就这个的期待可能还是要

放长远一点如果像刚才说到的这个现在是自动驾驶时代的这个 2010 年的话我觉得就没有这些投资焦虑了我觉得这个是很好的一个观点就是像这两年我觉得很多投资人也是在一种怕错过或者 FOMO 的一种心态上面来投居生智能就是你其实不知道他技术的收敛点在哪里也不知道他场景在哪里但是因为怕错过所以投了很多的公司

但如果有这样的一个视角的话我觉得大家可以看得更长远一点对技术更耐心一点可能研究技术也就再更透彻一点所以说回到技术路线这块 Peter 可不可以给我们稍微总结和科普一下目前巨神智能领域的技术路线大概有哪些个类型我觉得今天可能存在着几个路线如果让我来分的话

可能一个路线是这个如果用自动价值的这个类比来看的话是一个 imitation 的路线 imitation learning 的意思呢就是人会给出一些好的示范或者人会给出一些好的这个

轨迹然后机器人具有一定的这个适应性那么这里面比较典型的像这个 Mobile AlohaDiffusion Policy 都是比较典型的一个例子就是我们可能在一些特定的几个任务上面特定的几个任务上面

提供比较少的这个示范和数据就能让机器人学会一个具有一定适应性和抗干扰能力的这个 policy 然后可以落地应用到一个具体的这种场景但是这里面比较大的挑战是

它为什么是一个 imitation 而已因为本质上它更多的是在模仿或者说这个浮现人类的一个好的一个示范我觉得这是一个路线

然后呢还有一个路线呢是试图把这个大圆模型作为一个上层的任务或者说一个规划的一个控制中枢对一些任务进行一个拆解跟这个编排然后底层再用一些基于学习的或者是基于传统的这种控制的方法来实现这个机器人的这个操作或者说机器人的控制我觉得这也是有不少人在研究或者说尝试的一个方向

那么像派这种为代表的我对它更强烈的一个认知是这是一个可能更加端到端和结合了这个语言模型或者说视觉语言模型共同训练的这样一个路线我觉得这可能是最近这一年出现的一个可能更新的一个思路从我的角度来看如果我们考虑到

今天的这个机器人的数据的这种稀缺性或者今天机器人数据这种

采集的这种困难或者说数据生成的困难那有可能前面的几种方案可能在短期获得更直接的这个行业落地场景落地可能是更清晰的但是从更长的这个周期来看我认为端到端的训练或者是说更加数据驱动的更具有这个

环境这个尝试或者说环境认知的这个路线应该是有更高的这个天花板有更长的这个

更长的迭代的这种周期但是今天我们也看到无论是 Pi 还是 Google 的一些尝试对端子端的这种基于 VLA 的这种训练方式的路线我觉得在理论上面在模型的框架上面还有非常多的不确定性所以这条路还需要走多长时间或者说今天是不是一个最优的结构我觉得还是非常不确定的

像确认智能这块呢我自己观察现在也分两波公司一波公司呢他可能会自己想要做机器人大模型然后另外一波公司呢他可能更强调在场景上面比如说刚才提到的就是无论是 2B 的工业的还是说想要做一些这个消费级的场景

那如果类比到这个大模型公司来看的话它会有一个先后就是我先有了很好的机座大模型然后在这个基础上我可能有一些创业公司基于这个大模型来做一些这个应用那机器人这个领域的话

也会有类似的这种情况吗还是 Peter 觉得就是它其实可能会是另外一种状况比如说我可能是先把这个机器人布出去先有场景然后有数据飞轮然后再逐步的积累我的巨神大模型因为核心的一个问题是在于说机器人领域它其实现在没有数据就刚才提到了然后但大圆模型它其实有丰富的数据就怎么去看这个问题呢我觉得今天机器人

大模型肯定是缺数据的这个是今天的现状可能更关键的是我们在讨论这个行业发展的路线的时候可能一个很自然的问题是这个数据会从哪来以及在没有数据的时候我们怎么得到发展我觉得机器人的巨神模型跟大元模型最大的一个区别就是当大元模型训练

出来过后比如说这个 GPT3.5 训练好过后我们其实很快的就找到了 CHAT GPT 这样一个 C 端可以直接使用可以明显创造用户价值的一个场景和产品而用户获得这个产品的门槛是非常低的使用的这种频次和量级也可以快速的提高我觉得

对于机器人的巨声大模型一个最大的挑战是如果它没有机器人的本体如果它没有办法在物理世界产生功效那么这个巨声大模型其实没有办法在真正的场景里面得到应用所以我认为机器人的巨声模型要得到发展

一定需要有合适的本体合适的物理形态在真实世界里面有落地有反馈和迭代只有这样子我们才有可能把巨声大模型的能力得到落地也才能够创造更多的用户价值让我们在这个过程中去收集更多的数据进而解决机器人大模型缺乏数据的问题

所以其实你是会更倾向于去看愿意做场景和产品的这些机器人公司然后从这个角度来说去滚数据最终它可能会形成自己的这个巨神大模型那也意味着如果现阶段没有那么强的落地能力的这些纯粹的巨神智能的公司它在后面会被弯道超车对吗

这可能就有一点类似有一点类似当年自动驾驶直接做这个 level 4robotaxi 的这种算法公司遇到的一个困境就是他们的确是在 peers 里面做了可能更复杂或者是更先进的这个自动驾驶的这个系统但是由于他缺乏这个

汽车本体的能力或者说掌控这个汽车本体的这个场景那么会让他们在真正 RoboTaxi 这个技术可以普及可以落地的时候他们很难获得商业上面和数据上面的双重的这个优势我觉得巨石模型如果脱离了本体其实很难找到一个明确的或者说迷幻的商业商业逻辑可能关键的倒不是

这个公司一定是一个专注于场景专注于本体的公司而是它能够清晰地找到一个通过场景来迭代或者获取更多的数据然后让机器人具有更强的这个通用性和泛滑性的一个路径我觉得这个可能是我会更加关注的问题我觉得这个也说说看看如果你在布局这个方向的话大致的逻辑会是什么样子可能从今天的

产业的这个阶段来看我觉得今天作为一个创业公司去做机座模型我其实不太清楚商业上面会怎么发展因为它跟 OpenAI 做机座模型一个最大的区别就是 OpenAI 也好 Anthropic 也好

其实今天靠机座模型的服务已经可以服务上亿的用户获得上亿美元的 API 的费用或者说订阅的费用我觉得这是语言模型公司具有的能力但是今天对于巨神智能公司来讲的话如果他们不具有场景和本体的能力我其实很难想象或者很难推导他们会有一个怎么样的商业模式

来获得这个持续的这个资金或者说数据能力来迭代自己的模型所以我今天对于创业公司该不该直接去专注做巨神模型的工作我是有很多问号的像更细的一些比如说有北美很多这个年轻的创始人他们会喜欢直接做 data 你觉得这是会是一个好的方向吗

我今年 CES 正好也去美國

跟好几个做这个 Data 服务的公司以及这个客户方进行了交流我获得的信息呢是这个其实是今天的很多机器人领域的创业者比较容易思考比较容易想到的一个方向因为很多大的这种研究性的机构 Google 也好 Pi 也好其实是缺乏数据的然后他们在采集数据时候面临的成本代价也很高

所以的确是有第三方服务公司进行服务的这样一个机会但是我觉得

这个市场可能相比当年 Skill AI 做这个 AI 的这个数据服务跟标注来讲最大的问题是其实 Skill 开始做这个标注服务的时候已经有了比较明确的这个商业的这种这种场景或者说有比较明确的这种客户的这种付费意愿然后从这个规模和量级来讲的话也快速做到了一个比较大的一个水平但是今天呢

我觉得今天虽然大家都说缺乏这个机器人的数据但是每家公司其实还是在做各种小规模的尝试和这种实验以及因为今天能够提供比较初级的机器人数据服务的公司其实是蛮多的可能在美国就有不下十家的公司可能中国有好多家

那么对于这些比较稀少的更加稀缺的头部的巨声机器人模型研究的公司来讲的话那么数据服务公司并不稀缺那么数据服务公司提供的能力也不稀缺那今天对于这种公司来说怎么找到一个好的产业位置怎么找到一个好的商业路线可能是一个非常大的问题

对它其实涉及到 scale AI 它当时的这个对数据的需求是非常明确的

但现在这个时间点其实可能很多事情没有当时的那么明确但是貌似又有一定的共识比如说摇操采数据可能很多公司他都会用这种方式来去积累初期的一些数据那这个会是目前一个比较容易去 scale 的一个路线吗或者是说就你看到的大多数的这些做 data 的公司他们做的东西都是什么都是

比如说是采集数据还是做一些数据的标注还是什么呢应该是采集数据为主吧但是采集数据也涉及到用什么样的这个采集设备和什么样的这个本体的这种这种结构来做因为我们也知道今天的这个 cross embodiment 的繁华性还不是很好

所以不同的手臂或者不同的硬件设备采集的数据之间的这种服用性包括传感器的这种配置这个数据的这种角度我觉得都会带来这些采集的数据的通用性是比较弱的

那么大概率是很多公司会为特定的机器人模型的公司或者是大厂像谷歌这样的大厂去做天然定制化的方案而且目前看来的话大厂或者说像派这样的公司其实在这方面给的预算能够真正给出的预算还是挺有限的所以我们看到是有很多公司想做这方面的生意但是现在还很不确定在模型的框架还没有形成

共识还没有形成大规模投入进行这个数据采集的这个阶段下这些机器人这种采集公司会怎么样的找到他们商业上的一个 PMF 刚才提到的就是说得有一个场景这个场景能够支撑有

模型的落地包括有源源不断的这个数据产生然后让这个飞轮转起来整个转起来之后所有的这些数据等等这些积累又可以供给到更上层的这个巨声大模型里面然后让一个真正的这个通用机器人的一个系统能够

在未来的某一天实现那从现在这个角度来看你认为哪些个场景是有这个可能性的就我前几天也看了一个你在 20 年的时候做的一个活动的一个访谈记录我当时其实还挺惊讶的就是 20 年你就在谈这个人型机器人和陪伴机器人

因为陪伴这些人是在 24 年的下半年才开始非常火起来的对就是在 20 年的时候你们就有在探讨这些问题我觉得也是非常的超前所以就回到刚才说的这个场景你觉得哪些场景是你认为会有可能可以做到的吗这里面可能出现的场景有很多条我觉得有一条我觉得蛮有机会或者是说

有可能的还是在这个家庭的这个清洁场景或者说家庭的这种清洁服务场景那今年 CES 我们看到了两家扫地机型公司石头跟追蜜都在扫地机上面增加了一个小小的手臂但是这个对于巨神智能来说是一个很好的开始因为它意味着一个在

普通家庭里面有很高渗透率的很高普及度的扫地机身上第一次出现了对于外部环境进行操作改变和获得反馈的这样一个能力那如果一个好的扫地机身产品

能够不断地迭代他的手臂的操作和识别抓取的能力我认为这里面可能可以收集的真实家庭场景的交互数据对于训练未来更通用的巨神智能模型应该是有很多的真相帮助的

你觉得这块的这个机会会是创业公司吗还是只能是这个扫地我觉得可能最有概率的公司最有概率公司第一是现有的扫地机器人公司或者说在扫地机器人这个场景里面已经站稳了的有持续迭代和研发能力的公司这是第一批公司我觉得第二批公司真正有机会的公司是像华为像小米这样的消费科技巨头公司

他们如果真的要进入这个市场我认为他们也不会 bypass 掉扫地机器人的一些基础功能我认为从切入这个家庭的这个服务场景来讲的话我觉得扫地本身地面清洁本身就是场景里面最高频刚需的一个场景

也是消费者愿意为之付费有比较清晰的用户定价和用户购买诉求的一个场景我认为也很难 bypass 这样的一个基础功能然后在这个基础功能基础上再增加对环境的清洁跟改造要有这样的一个实力的话我觉得科技大厂像华为小米这样的公司是更有机会的

那么第三种可能性才真正是留给一些新的创业公司或者新的一些技术型的这种公司但我认为他们需要 overcome 的还是怎么样像扫地机器人公司像进科技大厂一样有非常强有非常完备的

有效的研发生产和营销这个能力让这样一个设备一旦被发明可以快速的进入每家每户能够快速的形成规模跟销量我觉得这个可能对于今天的创业公司来说都是一个特别大的门槛

对除了像刚才说到这个家务机器人还有什么样其他的这个场景是你觉得有可能可以重点去关注的比如说陪伴比如说玩具或者是甚至有一些这种教育概念的一些机器人你觉得这些是有可能可以去把这个轮子转起来的一些场景吗我觉得陪伴陪伴机器人的发展

其实更直接受益于大模型技术的发展而不是这个巨神智能模型的发展因为目前来看绝大部分陪伴机器人其实并不需要对于物理环境

进行更过多的这个改造或者干预它的这种陪伴属性第一个是体现在它对于这个跟用户进行的这种更加自然更加带有情感属性带有这个陪伴属性这种交互本身以及呢为了在表达这个交互的这个能力可能交互是以文字语言图片的形式来实现的那为了表达这个交互能力呢它可能还有一些

仿生的或者是拟人的这种运动能力或者说这种肢体的这个能力那这些都是让他实现仿人或者仿生这个目的的一些手段但是呢从整个技术战或者从底层的这个国际来讲的话陪伴机器人

绝大部分今天并不以增加对于物理世界的交互增加对于物理世界的这个反馈作为目的所以我认为陪伴机器人可能从创业的角度是一个在今天阶段结合了大模型能力和这个消费电子这个需求的一个很好的产品场景或者说创业的一个方向但是我很难想象一个陪伴机器人

会最终形成这个巨声巨声大模型的这个数据飞轮或者说能力的飞轮那其他的比如说像玩具和这个教育你觉得这会是一个场景吗可能我我投资的逻辑或者我思考一个公司或者思考一个创业者逻辑呢我可能不会那么的局限或者那么的线性什么意思呢就是对我来说如果通用机器人如果这个

甚至人性机器人这个事情最终能够实现他一定要求公司有非常全站非常完备的软件硬件供应链生产等一系列的能力因为这个东西它的适用性它的天花板太高了所以基本上他要求这个公司在能力上面在团队上面不会有任何的短板

那对我来说如果这个圣杯如此之大如此之远那么今天对吧倒退回十年倒退回十五年公司该做什么其实其实并没有那么重要

可能更重要的是我在做我的这个产品或者形成我的这个能力的时候它能不能引导我的公司走向可能十年以后真正这个通用机器人需要大爆发或者通用机器人需要这个快速发展的这样一个一个一个一个时机那这里面

我也经常跟朋友说我认为可能当我今天来判断的话我觉得这个地球上如果人行机器人的 timing 对了真正能够做出人行机器人公司可能就那么几家科技公司那美国可能就是特斯拉中国可能有华为有小米有大疆以及可能像魏小李这样的这种智能车公司以及像比亚迪这种具有庞大的这种生产制造能力的这种

这种电动车公司我觉得可能真正到到最后如果人心机器人这个事情能成如果你没有这种这种大型科技公司的很综合的这种研发能力产品能力我觉得我很难想象你你可以把人心机器那个产产品真正做成功所以对我来说可能

更感兴趣的是说如果人形机器人或者通用机器人还有十年的时间会到来我怎么在这个十年之内我把自己做成一个大将我把自己做成一个小米如果你有这样的能力的话我认为真正通用机器人的场景都是我们可以去做的产品明白所以其实它是各种要素的积累就是怎么去具备到那个时间点那个技术的成熟度

让你成为那家可以赢的公司需要的能力在这个过程中的解改那就是或者说你认为十年之后这个对中或者是更长时间吧就是更终极的这种通用机器人他会是一个什么样的形态就是我们应该怎么期待这么一个东西他会是一个人类的一个比如说就是保姆嘛就是可能贴身的助理就是他是你想要他干什么就可以干的一个

一个这么一个形态这么好用的一个机器吗如果有更长的时间 10 年甚至 20 年的时间我认为智能机器人的终极终极梦想或者终极形态一定是一个一定是包含了我们今天对于 AGI 或者通用人工智能所有想象和能力的一个载体我有一个观点呢也跟很多学者是类似的就是如果 AI 没有

真正的在物理世界进行交互反馈的能力它是不可能发展出我们所认为的这种强人工智能的或者说通用人工智能的

因为今天完全基于这种数字世界或者说虚拟世界训练出来的 AI 它其实是缺乏大量的真实世界的反馈跟认知的它获得的推理也好认知的也好是极不完整的

只有当 AI 具有了具身的能力具有了跟外部环境进行反馈迭代自我学习能力我们才有可能实现通用智能那么我觉得可能机器人最终来看其实就是跟 AI 的一个完美结合

一个机器人应该具有高度的智能和高度的环境的适应和响应的能力它有可能是人性的心态它也有可能出于移动或者说操作的变异性它并不一定是人性的心态但是它一定会成为人类社会非常重要的一个组成部分

然后因为他具有极高的这个智能能力那我认为作为人类的一个伴侣人类的一个伙伴应该可以帮助人类解决一些长期的或者非常终极的问题包括人类自己的成长发展呃延续甚至我们对于呃呃

人的这个生命的意义的这个思考或者说探索人类的孤独人类的价值我觉得最终一定会有一个这样形态的机器人出现一定不只是满足于今天我们可以看到的一些功能性的需求或者说自动化的这个需求嗯

另外一个就是我其实关于这个 Peter 日常的一些工作方式有一些这个比较好奇的点就是像我大概从 2023 年的中旬开始也在看一些做 AI 机器人学术方面的一些学者就关注他们的工作然后通过跟他们交流去了解一些前沿的进展但我后面其实跟 Peter 交流发现其实很多人你都很多年前就认识其实 Robot Learning

应该是真的是在 23 年之后才会有人关注那你为什么会在那么早就去 approach 这些人并且跟他们有一些互动可能从我的角度来讲的话我很多时候还是没有把自己完全站在一个投资或者说是希望快速投资的这样一个视角去思考这个问题核心呢还是因为我对这个领域的发展跟变化有好奇心

我也希望能够接触到一些更加前沿的更加早期的这些学者或者说研究的这个信号然后来指引我对这个事情的一些思考跟判断我觉得这可能是在早期接触很多新方向的一个动机就是我不是出于投资的角度或者说有没有这个公司有没有商业化的这个角度来思考这个问题

但是站在一个更长的一个角度来讲的话呢也回到我做这个基金或者我创业的这个理念我还是希望能够找到下一个时代里面卓越的这种企业家创业者那么对于一些真正优秀的

企业家创业者他一定会他一定需要跟一个大事或一个大的这个技术的变量一个方式的变化相结合就像当年的互联网移动互联网我认为 AI 机器人也好巨声智能也好可能对于新的一批技术创业者就是未来十年的一个大浪所以呢我一定要持续关注这个方向

那另外一点呢为什么很多人我接触比较早也会持续的保持这个交流跟接触对我而言我觉得我们做早期投资非常重要的还是要观察一个创业者的成长跟变化有更多的这个时间窗口在更早的阶段能够去接触去理解去观察一个创业者我觉得是非常有价值的从我历史上我应该没有投过任何一个创业者

我是在认识他可能 12 个月以内真正去做的投资我可能投的每一个人都需要认识交往相当长一段时间才能对这个人的能力秉性和加速度有很好的判断所以这个可能跟我做基金跟我创业一贯坚持这个理念是相关的嗯

那我可能再问两个问题吧就是一个是你觉得最近有没有一些什么推荐的内容我觉得我觉得我平时如果有时间的话尤其在周末的时候我还是喜欢读一些传记人物传记对人物传记很多是这些科技创业者科技创业者或者科技创业公司的传记也有一些可能是不是典型的那种科技创业者但是呢

在他的人生里面做出一些非常卓越或者说超越常任的功绩而且对于这些传记我特别喜欢读前面的几章就是在他他的人生的主线

清晰和可以这个这个寻找到富力之前他怎么从一个草根从一个草莽的阶段找到自己的这个人生的意义找到自己奋斗的方向怎么挣到自己的第一桶金或者说获得第一个事业上的这个正反馈我觉得我我往往对这段经历是特别感兴趣的我也希望把这样的这种这种这种这种观察或者说这种

总结的这种心得能够应用到我们对于很多年轻的创业者很多第一次创业的这种新的那种创业创业者的这种识别和理解上面

那你看到的很多书对他之所以可以被你看到就是说明这个人最后成功了那他在成功之前包括像你刚才说的就是可能在找到他正确的轨迹之前那个混沌期你觉得这些成功的人他们会有什么样共同的一些特质吗或者是就是可以列举几个让你最觉得可能会有共性的一些点是什么

前段時間我在讀一本一本很有意思的傳記是美國國父哈米爾頓的傳記哈米爾頓這個人對我的啟發很大他可能不像他不像美國其他的各位國父有非常

华丽的家庭背景良好的教育出生于这种贵族或者中产产的家庭像哈米尔顿其实是一个出身非常贫寒非常草根是一个没有社会认可的私生子然后靠自己的这种努力和才华从底层的崛起然后逐渐成为美国革命

中间的力量成为华盛顿身边这个非常重要的助手然后最终成长为美国的国父之一他的人生成长的历史非常的精彩我觉得在他身上其实反映出非常多类似的卓越的创业者相同的这个品质首先就是这样的创业者往往有比较艰苦甚至是悲惨的童年和成长经历

如果用哈米尔顿的成长经历来看一个私生子出身贫寒经历了各种被社会的这种抛弃和毒打从这个角度来讲的话我觉得包括像乔布斯包括像马斯克他们童年的这种经历都有非常多类似的这种挫折或者说不幸但是这样的创业者无一例外的在非常小的时候就具有强烈的自信非常的坚韧

而且因为可能从小生活在比较困难的这种环境所以他们从小并不畏惧冲突非常的这个果敢和坦率而且这种性格一旦在小时候形成会伴随他整个这个人生的成长的一个轨迹在未来更大的冲突更大的这个挑战下面都能够体现出他这种人性上的这种优点

所以可能这个是我总结一些非常卓越的这种创业者早年都具有的共同的这种特质或者说特性对我觉得其实这一点对于很多创业者来说是挺难的一个点就是因为他在创业的过程中他需要让自己异化就是你面临一些不好用的员工你要怎么去跟他

把它放了掉或者是你怎么去 push 你手下这些人让他去完成一个不可能完成的一些任务就是这些所有的事情可能都是你要去面对的是一个在别人眼里面很坏的一个你然后如果有太强的同理心的人我觉得是完全做不到的对所以像你刚才说到的这种小时候比较悲惨的经历可能就让他的这个内心跟可能很多正常人的这个内心尤其同理心这个方面

会非常的不一样我觉得刚才这个 Peter 提到的这个看传记的这个重点关注的这个阶段是非常好的一个经验对那最后一个问题就是说你对你自己新的基金以及可能未来会跟你的基金有合作的一些有缘分的创业者

你可以跟他们去有一些什么样的一些寄语来通过我们这个播客的频道能够提前去做一些链接我自己现在先说一下就是我自己其实看机器人这个方向也看了很多年但是实际上在这个方向上面的有业绩有认知然后长期持续的耕耘这个领域的投资人并不多

那 Peter 是我认为在这些方面都做得特别好的投资人之一那如果在国内我觉得在基线领域的这个投资能够选 Top3

投资人的话那 Peter 肯定是其中之一所以我也就是很荣幸能够在你新的基金成立的时候跟你有这样的一个对谈那也希望说你可以在这边能够把你给你未来可能跟你相遇的一些创业者对他们的一些这个寄语能够留在我们这个播客里面

好的谢谢这个建民的这个评价我觉得我做这支新的基金其实它的名字就代表了我希望实现的这个目标或者追求的价值我的新的基金的名字叫做 Alpha East PartnerAlpha East 是一个组合词是那个 Alpha 单词加上这个 IST 的一个组合它的寓意是我想做一个

寻找 Alpha 创造 Alpha 的组织或者说一个团队那么为什么是强调 Alpha 呢因为我觉得在过去 20 年我们如果思考中国的这个创业或者说这个 VC 这个行业还是非常受益于中国市场的这个巨大的 Beta 这个互联网带来的这个巨大的这个范式的这个变化那我认为在未来的这种科技创业里面

其实更难的能力或者说更大的机会是在于在一个技术变化的这个 Beta 下能够创造 Alpha 和这个补后 Alpha 的这个能力那么我认为一个能够超越行业的这种共识

能够真正创造底层的这种价值的人在我心里面是一个具有 Alpha 特性的创业者所以我希望我们基金能够跟这样的创业者能够长期的合作能够跟这样的创业者成为最早最长期和最有影响力的合作伙伴然后通过跟

创业者非常长期非常深入的合作而创造超额的这种 Alpha 的收益所以呢

可能因为这样的一个初心吧也加上我自己的兴趣我会愿意在机器人这个赛道里面长期的耕耘长期的研究因为我相信在未来十年中国一定能够诞生更多的像华为像大疆这样顶级的科技企业而且新的一代的年轻创业者有更好的品位有更好的这个视野有更好的训练

我认为一定可以诞生比上个时代更加伟大的科技公司那这可能是我今天想要这个寄予就是未来的创业者很重要的一点就是我相信中国未来十年在这个智能化在这个 AI 时代面临着这个巨大的这个机遇我也相信中国新的一批创业者能够成为这个机遇里面最大的赢家成就新的一批公司

然后我们也希望能够成为这个新的浪潮里面有利的一个推进者好的谢谢 Peter 那希望你的这个基金可以做得非常的好

Zither Harp