高阳：我感觉反馈很是主要，不然你不晓得本人什么方面做的欠好。现正在和投资人打交道就变得更熟练了，这是我喜好的成长的过程。

　　高阳：我感觉我还挺享受的，它是一个挺成心思的逛戏，也有良多lesson。此中一个lesson就是，我最起头跟投资人讲的偏现实向，我讲的很切确，可是大师很困，很无聊。

　　智能出现：您之前有一个判断，认为四年之后会到Robot GPT3。5的阶段。这个阶段，它有什么样的特点？

　　智能出现：其时吴翼教员让你从Berkeley回来的时候，你就筹算创业，我记得你已经提到，你感觉回来做科研会更有挑和？

　　高阳：落到实处的话，其实有良多方面。正在数据层面，好比若何更好操纵互联网上的人类视频数据。由于现正在机械人曾经普遍操纵的是互联网图文数据，可是千寻智能曾经正在操纵互联网人类视频的数据，由于人类视频曲不雅上和机械人做的使命是相关的。

　　高阳：我先讲一下为啥不靠谱。科学家逃求谬误，是乐趣驱动的工做。可是创业的话，最主要方针是做出来一个产物，良多时候不是关乎于谬误，而是关乎怎样去办事好客户，分歧客户可能有良多纷歧样的需求目标和维度。

　　智能出现：您之前提到，科学家创业不是出格靠谱。那你本人去实践的时候，怎样去弥补起这些额外的能力？

　　高阳：一个是算法。比若有一些VLA没有法子去分化使命，像千寻的VLA有一个快慢系统，能够把动做做得很流利，没有快慢系统的机械人，动做就会生硬、卡顿。

　　高阳：仍是比力初级的阶段。可是我们发觉用了互联网数据之后，机械人的泛化性提拔率还常大的，好比你换了一个物体，能有60%-80%的提拔。最初预锻炼和摇操做数据混正在一路，两者会互相帮帮。

　　高阳：头部公司有他本人的逻辑，他的逻辑正在于，他很是擅长去做硬件，靠卖给教育客户曾经能活得很好，能够通过这个上市了。他最佳的solution就是，先安定教育市场，不要被别人抢了，由于现正在有良多其他公司正在测验考试去做这一块生意。等上市之后，他慢慢去做此外工作，一个公司很难同时做良多工作，特别是当教育市场曾经有了激烈的合作。

　　然后，开冰箱、洗衣机门，大师正在日常糊口里会有这种使命，就能够让大师imagine future。

　　智能出现：若是我做一个型的硬件，它是一个新形态的本体，这里面会不会有只做本体的公司的成漫空间？

　　高阳：LM 和 VLM，和 Robotics 仍是不太一样，可是根基的画像可能都是比力年轻的、比力伶俐的，大概不见得有那么多的工做经验。其实我们需要的人并不是良多，但我们需要比力强的人。

　　高阳：我感觉大规模的数采工场，正在现正在这个阶段是没有太大价值的，次要的缘由是由于，大师的机械人形态还正在不竭变化，机械人形态变了，它会打比力大的扣头。按我们本人这个算法来讲，你其实不需要那么大规模的数采工场，我感觉最主要的工作是把预锻炼做好，其次才是数采。我感觉现正在可能有一点点本末颠倒。

　　另一方面是数据。大模子需要耗损良多数据去锻炼，我们本人做的模子会用互联网上的人类视频数据进行预锻炼。而一些VLA无法正在人类的视频上做预锻炼，机能就会比力差一些。

　　另一方面，其实良多做硬件的人不拥抱变化，或者说他们没无意识到变化。可是韩总正在很是早的时候就认识到这个变化，跟我是想到一块去了。

　　不管是方才竣事的WAIC（世界人工智能大会），仍是本周要揭幕的WRC（世界机械会），若何正在展会上识别一个机械人的实正实力？

　　高阳：我感觉它短期简直是能够有必然的贸易收入。美国良多工智能的公司，他们是人力太贵，没有法子建数采工场，所以他们会买一些数据。可是持久来讲，我感觉这个模式我感觉很难见效，由于跨本体的难题还没处理。

　　高阳：我同意陈建宇（星动创始人）之前说的，VLA中的“L”的部门简直现正在太多了，由于这个模子其实不需要理解那么复杂的言语。VLA正在具体的手艺上确实还有良多能够提拔的空间。

　　还有，从动驾驶的平安性要求极高，可是人形机械人相对而言，某些场景的平安性要求没有那么高，它的场景错误度会更高良多。

　　高阳：Robot GPT3。5这个阶段，根基上你跟他说任何的工作，他有七八成都能给你完成，好比说进家庭，去门外给我拿瓶水。但他可能不是100%的时候都 work，可能只要70%。

　　高阳：本体的设想跟AI的需求是强相关的。我举个例子，我做了一个本体，好比我伸长胳膊的时候，逆解失败了，导致我拿不到桌上这个工具，这种问题很常见，若是不把这个硬件和AI结合开辟的话，你是没有法子认识到这个问题的。

　　高阳：其时就是想回国做研究，那时候没有现正在这种手艺变化的机遇。其时我另一个选择是，正在美国去大厂里面做research engineer。但那种线就是别人给你plan好了，就这么一点点事，你把它做好就行了。

　　高阳：我其时想了蛮久的，关于具身智能到底该当怎样去卖给客户。我到今天为止一个比力obvious的结论是，得做软硬一体，得做具身智能范畴的苹果，不克不及做。

　　高阳：按量算的线%以上。互联网数据常普遍的场景，它起到预锻炼的感化，次要的意义就是供给数据多样性，学术上来讲就是但愿模子泛化。泛化的素质缘由就是，机械人见过的数据脚够多样。

　　正在这个过程之中，你要用公司的形态去达到这个方针，里面也有良多专业的手艺，好比怎样去搭建团队、把这个公司当做一个成长的人去培育。

　　智能出现：现正在这个阶段，用Transformer做预锻炼曾经是共识，但不晓得正在各家工程化的后期，结果会有较着的高下之分？

　　高阳：我感觉就是您能够去WRC现场看一看，可能理论说了千万万，大师还得本人去体验一下。好比，你能不克不及跟它有一些交互？你把衣服团一团扔给他，看机械人能不克不及从头叠好。

　　其次，用遥操做数据若何对VLA进行持续无效的监视微调，若何让VLA正在物理世界进行强化进修？由于监视微调是人类给他采集数据，强化进修是机械人本人进行的。

　　高阳：比力典型的画像是，比力好的学校的硕士或者博士结业。他可能正在Robotics范畴颁发过几篇论文，但并没有正在公司里工做过，可是曾经有过 research的经验。

　　我本人做软件做的良多，但硬件根基没有做过，所以我感觉把硬件和软件两方面都做得很强，正在这个企业的前30年出格主要。

　　高阳：办理不是一个严酷意义上的手艺，它可能是手艺和艺术之间的两头的形态，可是办理是有迹可循的，可是又不像理工科一样只需follow这一套就没问题了，它仍是需要一些灵机应变的处所。

　　高阳：我的脑子里面有良多我本人闭环的工具，可是好比拜候器的主要性、机械人第一波落地场景还有良多非共识。包罗VLA算法也是正正在一个高速成长的过程，可是根基框架曾经定下来，算法的一些细节还正在快速的成长。

　　“科学家创业，某种程度上并不靠谱”，正在他看来，科学家是逃求谬误、乐趣驱动的工做，而创业则着意于贸易成功。“我正在不竭认可本人的局限性，我晓得我不擅长什么，测验考试去填补”。

　　高阳：不只是那两项，是良多研究演化出来的，包罗one two VLA，都是正在千寻的模子里面做了一些工程化。

　　智能出现：你们2023年就决定机械人必然是软硬一体的，可是现正在也有头部机械人公司对大脑仍然是轻忽的，您怎样看？

　　正在机械人操做时，而不是一卡一卡，这代表了思维和动做的协调性…！

　　但这两个范畴也有良多纷歧样的点，好比，从动驾驶的本体是ready的，不需要制，有二三十家车企能把汽车制得很好。可是人形机械人本体仍然是处正在高速成长的阶段。

　　对于号称能叠衣服的机械人，你能够测验考试把衣服团成一团，随便丢正在桌上，察看它能否能继续完成动做；或者是再给它裤子、外衣，看它可否具备跨品类的泛化能力。

　　许华哲教员他次要做的更多是3D policy，就是好比通过点云，去做一些操做和识别，好比它的DP3，就是通过3D相机拍摄场景去实现操做。

　　智能出现：机械人范畴，你和韩总的对同伴算是一个不错的组合：一位是软件标的目的的科学家，一位是硬件经验很脚的企业家。你其时挑选合股人的尺度是什么？

　　成立19个月的时间里，他们累计融资超10亿人平易近币。资方名单中，有华为哈勃、京东、宁德时代、顺为本钱等等。

　　智能出现：您怎样看现正在一些机械人公司建数采工场的现象？会不会存正在一个问题是，这家采的数据不必然能用到别的一家的分歧硬件上？

　　高阳：起首，叠衣服是一个大师的最难的使命，由于衣服的外形千变万化，你很难去给它预编程，其实从Demo里你就能看出来大师模子能力的区别，所以大师比力喜好做这个。

　　从手艺角度来讲就是这两点。算法有什么样的特点，用什么样的数据去锻炼，数据的清洗处置配比，这些城市影响结果。

　　智能出现：您为什么认为办理是一种手艺？由于手艺会比力一板一眼，比力，可是办理也是有一些感性的成分。

　　然后我认识到仿佛不克不及这么讲，需要用一个愈加抽象活泼的体例去给他们讲大白。雷同于这种lesson有良多。

　　高阳：陈建宇教员是MPC，他刚回国的时候做的是safety RL，就是节制论，他后来起头形机械人，关于行走、跑步。

　　由于手艺初期，跨本体能力必然是比力弱的，把软件和硬件一路做好，正在无数的行业初期都是如许的。好比小我电脑最起头，像IBM，它做硬件也做软件，可能过了三四十年，大师才逐步软硬去分工。

　　高阳：我感觉世界模子的成本，简直是比力高的。当下具身智能对于世界模子的锻炼没有那么火急，但我感觉最初它必然是需要的，它是RL（强化进修）里不成或缺的一环。我们现阶段对于世界模子有一些小规模的锻炼和利用，但没有出格大规模。

　　高阳：次要是看到ChatGPT对于进修范式的改变。本来ChatGPT出来之前，我本人都不信openAI天天搞的这些玩意儿，包罗Berkeley良多很senior的传授都感觉这是扯淡，可是就曲到他们做出来了GPT-3。5，我们就反思了一下，感觉本人之前想错了。你顺这个逻辑去推演，具身智能它是一个必然的现象，只是需要必然的时间。

　　智能出现：从你们四位的布景上来说，都是从本来从动驾驶邦畿迁徙过来的。从大的逻辑上来看，从动驾驶和机械人范畴，堆叠的部门、以及后期需要你做增量的部门，别离是什么？

　　正在这位年轻创业者的办公室里——他的电脑显示器上还贴着卡皮巴拉小公仔，高阳取《智能出现》交换了他从科学家转到创业者的心过程，以及对于具身智能手艺径的一些见地，以下是交换实录（略经摘编）！

　　高阳：若是你跟他说稍微复杂一点的事，好比把手机放抽屉里，可能需要三个步调——手机拿起来、打开抽屉放进去、再关上。一般的VLA做不了，one two VLA就能够本人去决策，什么时候把使命分化成更小的使命，然后去完成，可是若是你跟它说一个很简单的使命，它就不会继续去分化。

　　我必定不克不及说我100%会成功，只能说我正在不竭去认可本人的局限性。我晓得我不擅长什么，然后我再测验考试去填补。

　　给我们提出的高阳，是当前具身智能范畴炙手可热的创业者之一——从美国大学伯克利分校博士结业后，他选择回国成为大学交叉消息研究院帮理传授。

　　高阳：并不是，只是由于机械人的手艺变化太快了。对于算法岗，若是是公司里工做三五年，那么他可能是更久之前读的书，阿谁时候的手艺和现正在必定完全纷歧样，他所受的教育和现正在我们需要的工具可能就不是出格婚配了。我们需要年轻人，是由于他正在当下接触到的手艺就是最前沿的。

　　做遥操的话，相当于把泛化性和物理世界的切确操做毗连起来。由于机械人只看别人做，本人没做过，就很难去做任何工作，摇操做是供给切确性。

　　高阳：对于怎样把手艺做到让每小我去利用，我很是感乐趣，所以我就起头去思虑贸易层面上，怎样能把机械人做好，然后再推导出来要软硬一体，然后再去选择谁跟我一路来创业。

　　智能出现：千寻的Spirit v1的VLA模子，是基于您本来的那两项研究（ViLa和CoPa）衍生出来的吗？

　　若是从不雅感来讲，就是机械人能做多复杂的使命。好比，有一些模子只能做比力简单的使命，我们叫pick and place。可是像千寻的模子，就能够做复杂如叠衣服的动做，你能够跟他进行一些拆台，他能够完成得很是好。

　　高阳：堆叠的部门是，这两个问题的素质是类似的，都是说我看到了一个场景，要做出一个动做，然后这个动做要么就是，机械人往前走了或者抓了工具，或者就是从动驾驶车往前走了或者刹车。

　　高阳：我记得有一次我跟许华哲会商，他们是怎样招人的，我们是怎样招人的，相互吐槽感觉招到出格好的人很不容易。以及我们也会会商怎样面试别人。

　　高阳：好比说机械人拿了我的手机，我的是折叠机，但本来锻炼的是用 iPhone，它能够不消去采集折叠机的数据，就可以或许去识别它的形态、分量。

　　高阳：我感觉就是认可本人的局限性，去进修创业这一套，去用贸易公司的成功去drive整个工具，而不只仅是对谬误的摸索。

　　高阳：我感觉分层最初是要被裁减的。相当于，你用人类的聪慧，把这个使命分化到更小。分层的体例，可能正在一些使命上短期的结果还不错，但持久来讲必然是不scalable的，由于每做一个新的使命，都要手工去做一些工作。可是若是是端到端的话，就相当于你只需给模子补凑数据就能够了。

　　像我们阿谁模子，我们叠衣服有一步是甩一下，这个动做要很快，若是不快，这个衣服底子甩不起来，你一停的话它就没有阿谁劲。

　　可是做传授的话，相当于尝试室可能刚起头，什么工具都没有，也没有人，你要把所有工具都从头build起来，是从0到1的挑和。所以我大要是从2023年后半年起头创业，那时候是我回国的第三年摆布。

　　2023年，他又取前珞石机械人CTO韩峰涛一路，开办了具身智能公司千寻智能——韩峰涛硬件经验丰硕，过往操盘过数万台机械人量产出货，高阳则有AI的研究根本，学术和财产界的搭配，使得千寻智能成为这波具身智能海潮里的当红公司。

　　高阳将创业比方为“一种逛戏”，而那些取投资人、客户的交换，都是逛戏里升级打怪的过程。他见过上百位投资人，起头的时候因为手艺得太艰涩，“把人讲睡着了”，但高阳能正在获得反馈后敏捷调整，“现正在和投资人打交道就变得更熟练了，这是我喜好的成长的过程。”？。

　　高阳：由于机械人是一个很复杂的系统，所以你很难搞清晰谁更好。我感觉就是最好方式就是你本人去体验，看看各家的模子到底能干啥。

　　高阳：大师都是的去选择研究的标的目的，每小我的设法必定仍是有一些区别。学术上，我感觉很难去相互。

建湖bjl平台官方网站科技有限公司

2026-01-08 17:23