北京
中國、硅谷、模型、具身、AI硬件和AI Agent，這些標(biāo)簽共同組成了今年創(chuàng)投圈最熾熱的氛圍，而這些看似獨(dú)立的標(biāo)簽之間更有著關(guān)系整個(gè)AI創(chuàng)業(yè)生態(tài)的聯(lián)動(dòng)密碼。當(dāng)身上貼有這些標(biāo)簽的頭部創(chuàng)業(yè)者們匯聚一堂，在阿爾法公社創(chuàng)始合伙人許四清的引導(dǎo)主持下各抒己見，我們得以透視2025全球的華人AI創(chuàng)投圈到底發(fā)生了哪些令人興奮的變化。
嘉賓簡介
諾亦騰機(jī)器人創(chuàng)始人兼CEO 戴若犁
戴若犁是諾亦騰機(jī)器人創(chuàng)始人/首席執(zhí)行官，畢業(yè)于中國科學(xué)技術(shù)大學(xué)（9705）與香港中文大學(xué)，獲機(jī)械與自動(dòng)化工程博士學(xué)位。戴博士在動(dòng)作捕捉、人機(jī)交互以及機(jī)器人遙操作、具身智能數(shù)據(jù)平臺構(gòu)建等領(lǐng)域擁有超過15年的前沿創(chuàng)新經(jīng)驗(yàn)。在創(chuàng)立諾亦騰機(jī)器人之前，他聯(lián)合創(chuàng)辦了諾亦騰科技（Noitom Ltd.），作為公司技術(shù)與產(chǎn)品的第一負(fù)責(zé)人，成功交付數(shù)萬套動(dòng)作捕捉系統(tǒng)，服務(wù)全球50多個(gè)國家用戶，幫助公司取得約70%的全球?qū)I(yè)動(dòng)作捕捉市場份額，確立行業(yè)領(lǐng)導(dǎo)地位。截至發(fā)稿諾亦騰機(jī)器人官宣完成數(shù)億元人民幣的Pre-A+輪融資，本輪融資由啟明創(chuàng)投領(lǐng)投，五源資本、君聯(lián)資本等機(jī)構(gòu)參與投資。
無界動(dòng)力創(chuàng)始人兼CEO 張玉峰
張玉峰是無界動(dòng)力的創(chuàng)始人兼CEO，曾任地平線副總裁、智能汽車事業(yè)部總裁、公司董事及經(jīng)營管理委員會(huì)成員，于2025年創(chuàng)立無界動(dòng)力，該公司專注于構(gòu)建機(jī)器人“通用大腦”與“操作智能”，突破“手、眼、腦”協(xié)同的關(guān)鍵瓶頸，讓具身智能成為可廣泛部署、持續(xù)進(jìn)化的基礎(chǔ)設(shè)施。公司首代機(jī)器人平臺已在工業(yè)制造與商業(yè)服務(wù)兩大方向取得實(shí)質(zhì)性突破。無界動(dòng)力首輪3億元天使融資，由紅杉中國、線性資本領(lǐng)投，高瓴創(chuàng)投、地平線、華業(yè)天成、鐘鼎資本、BV百度風(fēng)投、同歌創(chuàng)投等跟投。據(jù)悉，天使+輪融資已接近完成，累計(jì)融資額超5億元。
Looki創(chuàng)始人兼CEO 孫洋
孫洋是Looki的創(chuàng)始人兼CEO，畢業(yè)于卡耐基梅隆大學(xué)計(jì)算機(jī)專業(yè)，曾任職于Google，Amazon，Momenta和美團(tuán)。Looki創(chuàng)立于2024年，旨在通過打造AI的“眼睛”與“耳朵”，將AI無窮潛力融入并賦能于每個(gè)人的日常生活。Looki首款產(chǎn)品L1自今年8月在海外上市以來，已取得了卓越的銷售業(yè)績與用戶口碑；Looki L1已于12月16日正式登陸國內(nèi)市場。目前，公司已完成天使、天使+和Pre-A三輪共計(jì)超千萬美元的融資。投資機(jī)構(gòu)包括BAI資本、鐘鼎資本、阿爾法公社和同歌創(chuàng)投。
元理智能創(chuàng)始人兼CEO 張帆
張帆是元理智能的創(chuàng)始人兼CEO，畢業(yè)于法國巴黎十一大，主修人工智能。2022年創(chuàng)立元因智能，被智譜AI并購，2023年加入智譜AI擔(dān)任COO，2025年6月離職智譜AI，創(chuàng)立元理智能，聚焦商業(yè)強(qiáng)化學(xué)習(xí)，致力于將模型能力轉(zhuǎn)化為數(shù)字化勞動(dòng)力，為企業(yè)提供可量化的生產(chǎn)力解決方案。元理智能已于近日完成近千萬美元種子輪融資，由藍(lán)馳創(chuàng)投領(lǐng)投，光源創(chuàng)業(yè)者基金跟投。
Aha創(chuàng)始人兼CEO Kay Feng
Kay Feng是Aha的創(chuàng)始人兼CEO，深耕達(dá)人營銷與AI和SaaS行業(yè)7年，以對行業(yè)結(jié)構(gòu)的深刻理解，打造出全球首個(gè)“AI員工式”達(dá)人營銷平臺Aha。目前已服務(wù)300多家客戶，覆蓋AI領(lǐng)域的全球領(lǐng)先企業(yè)與高速成長的創(chuàng)業(yè)公司。18歲時(shí)，Kay輟學(xué)加入Dora AI創(chuàng)始團(tuán)隊(duì)，作為市場負(fù)責(zé)人，推動(dòng)產(chǎn)品從0成長至50萬用戶，成為23年增長最快的AI產(chǎn)品之一。Aha已獲得錦秋基金、金沙江創(chuàng)投的投資、聯(lián)想創(chuàng)投和初心資本等多家知名機(jī)構(gòu)的總計(jì)千萬美金級別投資。
阿爾法公社創(chuàng)始合伙人、CEO 許四清
許四清，阿爾法公社創(chuàng)始合伙人、CEO，畢業(yè)于中國科學(xué)技術(shù)大學(xué)和中國科學(xué)院，分別獲得學(xué)士和碩士學(xué)位。他曾三次創(chuàng)業(yè)，2010年作為COO成功帶領(lǐng)創(chuàng)業(yè)公司在美國納斯達(dá)克上市。許四清曾擔(dān)任創(chuàng)新工場投資合伙人、奇虎360首席營銷官，后加入中經(jīng)合任董事總經(jīng)理負(fù)責(zé)中國的投資和管理工作，2015年創(chuàng)立天使投資機(jī)構(gòu)阿爾法公社。許四清擁有20年以上IT、互聯(lián)網(wǎng)及通訊行業(yè)的工作經(jīng)驗(yàn), 曾開創(chuàng)微軟公司華南區(qū)業(yè)務(wù)并就任第一任總經(jīng)理，擔(dān)任中國網(wǎng)絡(luò)通信有限公司數(shù)據(jù)業(yè)務(wù)總經(jīng)理、藝龍旅行網(wǎng)首席市場營銷官等職務(wù)。許四清共5次獲得“福布斯中國最佳創(chuàng)投人top100”稱號。
中美創(chuàng)業(yè)與資本環(huán)境的體感問題一：2025年您所在的賽道，中美創(chuàng)業(yè)環(huán)境有什么不一樣？華人團(tuán)隊(duì)有什么獨(dú)特的優(yōu)勢？
戴若犁：過去我們服務(wù)的更多是影視和體育行業(yè)的時(shí)候，還是會(huì)發(fā)現(xiàn)在理念的先進(jìn)性，或者是說客戶的發(fā)展階段方面，美國的領(lǐng)先性還挺明確的，而且基本上都是海外的業(yè)務(wù)要大于國內(nèi)的業(yè)務(wù)。而我們目前的感受和以前完全不一樣，至少在機(jī)器人這行業(yè)里，中美是沒有代差。
雖然大背景是沒有代差，但實(shí)際這個(gè)生意做起來還是有挺大區(qū)別的。我們做的業(yè)務(wù)是典型的TO B的業(yè)務(wù)，TO B業(yè)務(wù)的本質(zhì)其實(shí)是甲乙雙方的勞動(dòng)力成本置換，或者說是能力的置換。在不同市場環(huán)境下，TO B業(yè)務(wù)的推進(jìn)邏輯會(huì)有明顯差異，這與當(dāng)?shù)氐膭趧?dòng)力成本結(jié)構(gòu)、客戶組織方式以及技術(shù)分工習(xí)慣都有關(guān)系。相對來說，美國的業(yè)務(wù)會(huì)更好做一些。
在中國市場，企業(yè)全棧/全鏈路自研是一種思維定勢，更希望TO B合作企業(yè)提供概念驗(yàn)證。但美國的客戶或者說全球其他勞動(dòng)力成本相對較高地區(qū)的客戶，他們對于垂直整合這件事情的追求就沒有這么強(qiáng)勢，或者沒有那么執(zhí)著，客戶更傾向于基于清晰分工和長期合作關(guān)系來推進(jìn)項(xiàng)目。
所以對我們來說，中國的生意體量大，中國的客戶離我們更近，但是海外的客戶可能毛利更高，也更容易沉淀長期合作項(xiàng)目，所以市場體感上還是有挺大的區(qū)別的。
純粹說機(jī)器人行業(yè)，中國市場參與的主體的更多，投資階段分布更廣，覆蓋了更多相當(dāng)早期的企業(yè)。而美國市場的資本集中度相對更高，馬太效應(yīng)更強(qiáng)。
張玉峰：第一點(diǎn)，我覺得首先從團(tuán)隊(duì)來講，中國的團(tuán)隊(duì)是更兼?zhèn)渎斆骱颓趭^的。我舉一個(gè)我最熟悉的新能源汽車和自動(dòng)駕駛行業(yè)的例子，三年疫情期間，海外的很多企業(yè)團(tuán)隊(duì)都處于停擺狀態(tài)，甚至直到今天，歐洲的一些團(tuán)隊(duì)還在居家辦公。但這三年期間，最起碼在我所熟悉的新能源汽車和智能駕駛行業(yè)，實(shí)現(xiàn)了非?？焖俚淖汾s和超越。比如我們用八個(gè)月時(shí)間，幫助一家新勢力車企把ADAS自研從立項(xiàng)到量產(chǎn)上車，到頭一年就達(dá)到十萬量級這樣一個(gè)速度，是非常能說明問題的。
然后第二點(diǎn)，我覺得國內(nèi)目前的市場和行業(yè)的格局，對于打磨產(chǎn)品是一個(gè)非常好的機(jī)會(huì)。國內(nèi)的B端客戶和消費(fèi)者對于新產(chǎn)品新技術(shù)的容忍度和接納程度都非常好，同時(shí)B端客戶對于一個(gè)新產(chǎn)品導(dǎo)入的要求和期待又非常高。他們可以給資源，給支持，同時(shí)也給很大的壓力。這種卷法帶來的結(jié)果，就是我們可以通過與B端客戶深入的聯(lián)合共創(chuàng)，來快速產(chǎn)出有競爭力的產(chǎn)品，再去批量化地復(fù)制，包括走向海外。
孫洋：在AI硬件賽道，中國在硬件的產(chǎn)業(yè)鏈上肯定是有優(yōu)勢的。其實(shí)大家更多的探索是AI硬件會(huì)以一個(gè)什么樣的方式去切入大家的日常生活，給用戶帶來更大價(jià)值。這是一個(gè)相對早期，相對模糊的方向，對于創(chuàng)業(yè)團(tuán)隊(duì)來說更需要保持的敏捷，是頭腦敏捷和實(shí)驗(yàn)的敏捷，更多在于想象力和taste方面的探索。
說回中國團(tuán)隊(duì)的優(yōu)勢，我覺得軟硬之間的結(jié)合這件事情，是中國團(tuán)隊(duì)毫無疑問的得天獨(dú)厚優(yōu)勢。美國的軟件非常強(qiáng)，AI非常強(qiáng)，但硬件上明顯的一個(gè)短板。我們也看到很多美國的同行做的AI硬件產(chǎn)品，最后并沒有收到市場的正反饋。他們大多數(shù)只是兜售了一個(gè)比較強(qiáng)的AI概念，但交貨有可能一年了也無法交貨。
Kay Feng：我們自己本身服務(wù)了很多中國科技公司的出海，以及很多歐美本土市場的科技公司。這兩類創(chuàng)業(yè)公司的市場邏輯有一些明顯的不同。歐美的客戶在軟件領(lǐng)域，或者說TO B領(lǐng)域的垂直專業(yè)性和服務(wù)深度非常高，公司數(shù)量多，資本關(guān)注度也高。在每一個(gè)細(xì)分場景其實(shí)都有做的很深的公司，他們的切入口都非常小，但深度做的很深，市場的策略也很垂直。另一方面我們能看到中國出海的創(chuàng)業(yè)者們，大部分還是偏向TO C，他們更希望以一個(gè)整體的角度去做增長。當(dāng)然，這得益于中國過去互聯(lián)網(wǎng)時(shí)代積累下了一批流量玩法和增長人才，他更習(xí)慣和擅長從這個(gè)角度去考慮公司的市場。而歐美TO B公司的增長邏輯和方法論，也同樣得益于上一代SaaS類產(chǎn)品的經(jīng)驗(yàn)和基礎(chǔ)。
而最新的變化是，今天新的這一波中國出?？萍脊荆麄兊臎Q策行為已經(jīng)越來越接近于歐美本土的客戶了。
張帆：很多投資人問我的第一個(gè)問題都是中國TO B到底能不能干？我覺得，不是中國的TO B不好干，是中國的軟件不好干。咱們看那些國內(nèi)互聯(lián)網(wǎng)廣告平臺，大家都在心甘情愿的在付費(fèi)嘛。我覺得中國軟件企業(yè)不好干，是由于中國的企業(yè)的數(shù)字化還沒有那么成熟，以至于他無法判斷一個(gè)單點(diǎn)在整個(gè)鏈路里的貢獻(xiàn)，所以只能是通過整個(gè)鏈條的結(jié)果來判斷價(jià)值。而AI是一個(gè)非常好的切入點(diǎn)。在AI出現(xiàn)以前，我們賣軟件其實(shí)都是一個(gè)不顯性的價(jià)值呈現(xiàn)。但今天AI讓我們有機(jī)會(huì)把軟件的顯性價(jià)值做出來。比如我們今天真的能將AI轉(zhuǎn)化為一個(gè)數(shù)字員工，那它到底能給企業(yè)帶來多少價(jià)值，是完全顯性的。這也是為什么我們一直認(rèn)為AI在TOB上并不是對標(biāo)軟件市場，而是對標(biāo)勞動(dòng)力市場。
第二個(gè)點(diǎn)來講，我覺得中國的優(yōu)勢在于大家對于新技術(shù)的擁抱，比絕大多數(shù)海外國家要更快的。像歐洲很多人還在還用諾基亞的功能機(jī)。過去我們服務(wù)過很多全球性企業(yè)，我們會(huì)發(fā)現(xiàn)即使我們的基座模型并沒有美國那么好，但是我們在這些跨國項(xiàng)目上所產(chǎn)生的結(jié)果，都會(huì)作為客戶全球合作的標(biāo)桿。中國對于新技術(shù)的擁抱和開放，是在刻骨子里的。
在大模型的方向上，中美其實(shí)還是蠻一致的。在國內(nèi)，無論是智譜，字節(jié)，阿里、kimi等等，基礎(chǔ)模型都做的很好，可能只用了海外模型的十分之一甚至更少的算力，就得到了今天這樣的結(jié)果，普及率也非常高。可能唯一的區(qū)別在于，今天中國企業(yè)對于模型應(yīng)用的轉(zhuǎn)化率是比海外團(tuán)隊(duì)快得多的，所以我們從應(yīng)用反饋回來的認(rèn)知也會(huì)更多。
問題二：2025年公司或者AI圈最讓您興奮的事情是什么？
張帆：讓我最興奮的事，其實(shí)是強(qiáng)化學(xué)習(xí)的跑通。其實(shí)強(qiáng)化學(xué)習(xí)本身并不是個(gè)新技術(shù)，但是在去年Q4，幾乎所有的人都在討論一個(gè)話題，就是人類數(shù)據(jù)不夠用了。甚至連illiya也在公開發(fā)言說人類的語料是化石燃料，用完就沒了。但你會(huì)發(fā)現(xiàn)，今年已經(jīng)沒人聊這個(gè)話題了，根本的原因其實(shí)是在于強(qiáng)化學(xué)習(xí)的跑通。特別是應(yīng)用在今天大量的數(shù)學(xué)，大量的coding，GUI已經(jīng)得到了非常強(qiáng)的驗(yàn)證。
之前的情況是，人標(biāo)的東西你才可以學(xué)，如果人標(biāo)不了，你就學(xué)不了。所以嚴(yán)格意義上，機(jī)器永遠(yuǎn)超不過人。但是強(qiáng)化學(xué)習(xí)的出現(xiàn)，讓我們開始從alphago走向alphago zero，讓我們突破了人類的認(rèn)知邊界。這件事兒帶來了一個(gè)極大的變量，我認(rèn)為也由此開啟了AI的下半場。
Kay Feng：2025 年行業(yè)中讓我最興奮的一件事是：Agentic AI第一次在真實(shí)業(yè)務(wù)里跑通了。之所以說這是今年，不是因?yàn)閍gent這個(gè)概念新，而是因?yàn)橹嗡茉谡鎸?shí)業(yè)務(wù)里的關(guān)鍵技術(shù)條件，直到 2025 年才同時(shí)具備。第一是長期任務(wù)和上下文記憶真正跑通了；第二是工具調(diào)用和執(zhí)行穩(wěn)定性發(fā)生了質(zhì)變；第三是從人類示范，轉(zhuǎn)向結(jié)果驅(qū)動(dòng)的自我優(yōu)化。 回到公司來看，作為 Agentic 的TO B產(chǎn)品，今年我們從業(yè)務(wù)數(shù)據(jù)上真的能看到Aha作為一個(gè)平臺的飛輪效應(yīng)被點(diǎn)燃，我們達(dá)人側(cè)的入駐速度，呈現(xiàn)了一個(gè)指數(shù)級的增長，半年內(nèi)就從0上漲到5萬。然后另一方面，就是全球那些最頂尖的AI客戶和頭部大廠都能選擇我們這樣一家成立才半年的公司。
孫洋：我覺得最興奮的兩個(gè)點(diǎn)就是Google的回歸和Gemini 3的出現(xiàn)，其實(shí)這兩個(gè)也是一回事啊。我覺得Google的回歸是讓整個(gè)25年的模型賽道撥亂反正。大家之前會(huì)看到Open AI已經(jīng)開始做一些硬件，但其實(shí)我覺得模型還遠(yuǎn)遠(yuǎn)沒到天花板，Google的回歸也讓大家重新聚焦回模型能力的進(jìn)一步提升。而Gemini 3的出現(xiàn)也符合我們的預(yù)期，在多模態(tài)能力又前進(jìn)了一大步。去年大家所看到是，都是假的多模態(tài)，今年Gemini 2開始大家又在做圖片幀的動(dòng)態(tài)，然后直到Gemini 3的出現(xiàn)，視頻的能力又進(jìn)一步增強(qiáng)，這是符合我們對模型發(fā)展趨勢的預(yù)判的。
張玉峰：技術(shù)的發(fā)展層面上，其實(shí)讓我最興奮的今年能看到視頻生成大模型，真的能將越來越多的物理規(guī)律展現(xiàn)，內(nèi)嵌到其生成的視頻中了。這不僅是對Scaling Law的進(jìn)一步佐證，同時(shí)也對未來具身行業(yè)的數(shù)據(jù)補(bǔ)充，給予了我們很大的信心。
從我們無界動(dòng)力來說，最令我興奮的，還是成立不到半年時(shí)間，我們就成功的讓一群背景各異的超級個(gè)體們快速融合成了一支執(zhí)行效率極高的團(tuán)隊(duì)，也基本上完成了每個(gè)環(huán)節(jié)的從零到一。
戴若犁：2025年，我女兒考上了一個(gè)她特別喜歡的學(xué)校，這個(gè)肯定是第一啊。然后我們講回科技圈。過去來跟我們聊數(shù)據(jù)業(yè)務(wù)的業(yè)內(nèi)同仁一般都在聊幾千小時(shí)，頂多上萬小時(shí)的數(shù)據(jù)。但是就最近美國有一家公司叫Generalist，這家公司大力出奇跡，自己獨(dú)立驗(yàn)證了一把Scaling Law，他們用了27萬小時(shí)的數(shù)據(jù)做了訓(xùn)練，并且在這27萬小時(shí)之內(nèi)沒有看到任何訓(xùn)練收益的放緩。這件事情之后，來找我們聊的業(yè)內(nèi)同仁們的數(shù)據(jù)單位也都變成了以十萬小時(shí)為單位。這也讓具身這個(gè)行業(yè)整體認(rèn)識到Scaling Law的邊界其實(shí)還很遠(yuǎn)很遠(yuǎn)，這件事還是挺讓人興奮的。
問題三：您覺得中美的科技資本環(huán)境有何差異？
戴若犁：美國的早期階段融資中，如果是用SAFE（Simple agreement for equity）這樣的方式融錢，機(jī)制相當(dāng)簡化，這是很偉大的。他們也更愿意在小圈子里邊閉環(huán)，整個(gè)融資的事情就在一個(gè)微信群或者group里就能完成，更強(qiáng)調(diào)對創(chuàng)新和試錯(cuò)的支持，對于創(chuàng)始人的壓力相對比較小。
張玉峰：我感覺關(guān)于堅(jiān)信一個(gè)技術(shù)或堅(jiān)信一個(gè)方向長期投入，也就是資本的耐心方面，美國整體上還是一個(gè)更加包容的狀態(tài)，這一點(diǎn)確實(shí)值得我們繼續(xù)學(xué)習(xí)，但也并不是一個(gè)特別大的問題。
孫洋：我覺得其實(shí)在硅谷，在美國的VC圈，投資一些高風(fēng)險(xiǎn)的項(xiàng)目來獲得高回報(bào)這件事上，大家收到過很多的正反饋。而在國內(nèi)，大家可能更愿意投一些共識類的項(xiàng)目。但我覺得在今天中美在AI這個(gè)賽道上，基本上一個(gè)同樣的起跑線。希望中國的VC能夠更大膽地去支持創(chuàng)業(yè)者去做一些非共識的事情啊，和冒風(fēng)險(xiǎn)的事情。
張帆：今天國內(nèi)的資本市場過度相信共識，我覺得無論是創(chuàng)業(yè)還是技術(shù)，其實(shí)只有反共識才能帶來競爭力。我們都在追求做更大的芯片，更大的集群，更多的token，token的單價(jià)更低，然后我們要做C端，我們要1～2人的公司，快速能拿個(gè)100萬美金的ARR坦率講，我覺得這些其實(shí)都是偏向于線性思維。
許四清：中國在早期投資領(lǐng)域還有很多值得向硅谷學(xué)習(xí)和借鑒，從投資行為來看，硅谷的風(fēng)險(xiǎn)投資中，有接近一半集中在早期投資；中國的這個(gè)比例是他們的1/5-1/7，從這個(gè)角度看，我們還需要加強(qiáng)。
深度對話：具身、模型、硬件與AgentTo 戴若犁
許四清：諾亦騰本來占了動(dòng)捕差不多全球七成的市場份額，你為什么把這個(gè)諾亦騰機(jī)器人拆出來單獨(dú)做呢？這個(gè)想法的出發(fā)點(diǎn)是什么？
戴若犁：傳統(tǒng)的動(dòng)作捕捉技術(shù)服務(wù)的都是一些小而美的行業(yè)，像影視特效，人機(jī)交互，重度科研，體育運(yùn)動(dòng)，醫(yī)療健康，它的天花板并沒有那么高，但是很剛需，整個(gè)行業(yè)的迭代也不會(huì)太快。而機(jī)器人這個(gè)行業(yè)的進(jìn)步是非?？斓?，這個(gè)行業(yè)的成長速度，已經(jīng)是指數(shù)級的速度。
所以我們會(huì)需要用不同的團(tuán)隊(duì)，不同的思路，不同的企業(yè)的經(jīng)營方式，也需要用不同的估值和募資的體量去支持這件足夠大的事情。當(dāng)這件事足夠大的時(shí)候，其實(shí)是特別值得最好的團(tuán)隊(duì)一起進(jìn)來的，所以就決定成立一家新公司。
許四清：大量的機(jī)器人公司在自己做動(dòng)作捕捉，為什么需要你？
戴若犁：核心其實(shí)還是專業(yè)化分工和成本問題。就像臺積電和富士康存在的核心的原因其實(shí)是有大量的成本攤銷。對于絕大部分的機(jī)器人公司來說，數(shù)據(jù)的Infra的團(tuán)隊(duì)本身不是核心，但卻是一個(gè)長期、高投入、高經(jīng)驗(yàn)要求的團(tuán)隊(duì)，因此規(guī)模體量可能也較小，往往很難在資源、規(guī)模和經(jīng)驗(yàn)積累方面形成效率優(yōu)勢。
而我們可以在多個(gè)客戶和項(xiàng)目之間去攤銷長期的研發(fā)成本，我們專精這件事情的同事持續(xù)積累在數(shù)據(jù)采集、處理與交付上的經(jīng)驗(yàn)。所以從各個(gè)層面上面來說，諾亦騰機(jī)器人（Noitom Robotics）作為一個(gè)三方的數(shù)據(jù)服務(wù)商，還是有穩(wěn)定的市場空間的。我們的核心的理念是：做核心用戶的非核心任務(wù)的核心供應(yīng)商，這可以說是我們做TO B的精髓。
許四清：展望機(jī)器人行業(yè)未來十年，你最期待出現(xiàn)怎樣的顛覆性的進(jìn)步和變革？
戴若犁：我現(xiàn)在最希望看到的，就是人形機(jī)器人的通用性能夠在商業(yè)領(lǐng)域被驗(yàn)證。
目前其實(shí)不管是英偉達(dá)還是特斯拉，他們對于人形機(jī)器人的執(zhí)著其實(shí)是都是建立在底層假設(shè)第一性的基礎(chǔ)上。但事實(shí)上，迄今為止商業(yè)領(lǐng)域中不同場景的經(jīng)濟(jì)性和適用性仍在探索階段。一邊是專機(jī)，也就是專門設(shè)計(jì)的特型機(jī)器人，另一邊是真人，這個(gè)中間的夾縫，是否真的可以通過人形機(jī)器人找到穩(wěn)定可持續(xù)的應(yīng)用空間，我認(rèn)為仍然需要時(shí)間來檢驗(yàn)。
如果在未來五到十年內(nèi)，能夠看到人形機(jī)器人在部分商業(yè)場景中形成清晰的價(jià)值閉環(huán)，我會(huì)認(rèn)為這是對整個(gè)行業(yè)非常重要的一步。
許四清：再繼續(xù)追問一下，您認(rèn)為機(jī)器人的商業(yè)化驗(yàn)證最有可能先發(fā)生在商業(yè)領(lǐng)域還是工業(yè)領(lǐng)域？
戴若犁：我認(rèn)為應(yīng)該是在家庭領(lǐng)域。我個(gè)人一直不認(rèn)為工業(yè)生產(chǎn)制造當(dāng)中的那個(gè)夾縫足夠?qū)?，能夠讓人形機(jī)器人找到落地的價(jià)值。因?yàn)樵诠I(yè)領(lǐng)域里，特別確定性的任務(wù)就會(huì)走向?qū)C(jī)，而特別泛化而困難的柔性的任務(wù)就會(huì)走向人類，所以中間的夾縫會(huì)非常的小。反而是在家庭場景里，雖然實(shí)現(xiàn)困難，但是還是會(huì)有很多機(jī)會(huì)。特別是一些在家庭里所謂時(shí)空分離的機(jī)會(huì)，比如掃地機(jī)器人這種場景。時(shí)空分離下對于容錯(cuò)性，安全性，隱私性等各方面的容忍程度都會(huì)高一些，又不像在工業(yè)領(lǐng)域里非常容易被自動(dòng)化流水線專機(jī)和便宜的人類勞動(dòng)力去替代，所以這個(gè)夾縫會(huì)稍微寬一點(diǎn)點(diǎn)。
許四清：最后一個(gè)問題，針對剛才提到的27萬小時(shí)的訓(xùn)練數(shù)據(jù)，在你看來真實(shí)數(shù)據(jù)和仿真數(shù)據(jù)之間是一種什么關(guān)系呢？
戴若犁：來自于真實(shí)世界的真實(shí)數(shù)據(jù)和合成仿真數(shù)據(jù)，這兩條路徑肯定是一個(gè)協(xié)作狀態(tài)。
我們從最底層來說，機(jī)器人需要從數(shù)據(jù)中學(xué)習(xí)的東西可以粗暴地分為兩類，一類叫做規(guī)則rules，另外一類叫做先驗(yàn)叫prior。這兩類東西里，規(guī)則是可以枚舉和合成的，但人類先驗(yàn)是無法枚舉和合成的。從這個(gè)底層邏輯來說，很難說真實(shí)數(shù)據(jù)或者仿真數(shù)據(jù)單一能解決所有問題，大概率這兩者其實(shí)是需要合作的。
To 張玉峰
許四清：無界動(dòng)力提出的通用基礎(chǔ)模型和通用專家模型雙線驅(qū)動(dòng)，那你們是如何構(gòu)筑你們在這兩個(gè)場景里的核心競爭力呢？
張玉峰：先回應(yīng)一下剛才戴總和許總聊的這個(gè)話題。我覺得首先，面向具身的基礎(chǔ)模型或者基座模型，最終還是要在真實(shí)場景中去得到鍛煉迭代。只在仿真或者在實(shí)驗(yàn)室去做，永遠(yuǎn)難以接近真實(shí)場景所需的泛化能力和精準(zhǔn)度，也很難普及開來。我們必須要通過實(shí)際的部署來實(shí)現(xiàn)規(guī)?；鋵?shí)無論是對于大語言模型還是具身來講，規(guī)模化還是一個(gè)非常重要的話題。
其次，從路徑上來看，其實(shí)我們可以快速回顧一下智能駕駛。過去十年的時(shí)間里，有像Waymo這樣的企業(yè)，希望一下就能把復(fù)雜的事情做到無人化；也有像Tesla這樣的企業(yè)，走漸進(jìn)式路線，從一開始僅能做到車道線保持，然后學(xué)會(huì)了變道、并線、上下匝道再到城區(qū)駕駛，整個(gè)過程中都在不斷地采集數(shù)據(jù)。我們會(huì)認(rèn)為，漸進(jìn)式的路線其實(shí)是我們具身智能公司能夠去形成突破并構(gòu)建護(hù)城河非常關(guān)鍵性的選擇。其實(shí)人工采集的訓(xùn)練數(shù)據(jù)量即使達(dá)到27萬小時(shí)，相比我們整個(gè)人類的語料數(shù)據(jù)量還是差很多。將來為了更大數(shù)量級的數(shù)據(jù)采集，要付出的代價(jià)會(huì)越來越高。它的成本性、可持續(xù)性到底如何，我還是抱有一個(gè)問號。
不同于大語言模型或者自然語言處理那個(gè)時(shí)期，存在著很多既有的專家模型。大模型的出現(xiàn)，就基本上把專家模型全都并掉了，實(shí)現(xiàn)了快速的“由專到通”。但這件事的前提是有可獲取的、海量的數(shù)據(jù)，所以比較容易通過新的算法范式去訓(xùn)練大模型兼并掉各種專用小模型。但是具身智能現(xiàn)在面臨的挑戰(zhàn)是優(yōu)質(zhì)的、尤其是真實(shí)場景的真機(jī)數(shù)據(jù)非常稀缺，所以很難一蹴而就，我們還是要堅(jiān)定地走漸進(jìn)式的發(fā)展路線。
再說到場景選擇，其實(shí)從場景到任務(wù)，本身有兩個(gè)維度，一個(gè)是場景的復(fù)雜度和多樣性，一個(gè)是任務(wù)和包括被操作物體的復(fù)雜度和多樣性。家庭場景屬于四象限里最靠這個(gè)右上角選擇，也就是場景本身和任務(wù)對象都更復(fù)雜的區(qū)域。確實(shí)有很多企業(yè)在深耕這個(gè)場景，但更多的企業(yè)，包括Tesla、Figure等，雖然嘴上講著要進(jìn)家庭場景，但身體還是很老實(shí)地?fù)湓诹薆端場景，包括工業(yè)，商業(yè)服務(wù)等。這些場景都能夠讓我們在目前技術(shù)不成熟、數(shù)據(jù)量缺少的情況下，通過做一定的減法，就能夠較快的實(shí)現(xiàn)落地閉環(huán)的。
說到我們自己為什么有雙線驅(qū)動(dòng)策略，其實(shí)是要用好這個(gè)通用基座模型的通識能力來支持我們的垂類專家模型，使得其能夠在半結(jié)構(gòu)化的工業(yè)制造或者商業(yè)服務(wù)場景去產(chǎn)生價(jià)值，再進(jìn)一步去激活整個(gè)數(shù)據(jù)閉環(huán)，實(shí)現(xiàn)商業(yè)支撐，在這個(gè)長坡厚雪的賽道上打一場更持久的仗。
我們的信心來自于我們在過往自動(dòng)駕駛行業(yè)中，研發(fā)交付超1000萬套的智能駕駛軟硬件產(chǎn)品。然后我們希望通過這種持續(xù)的漸進(jìn)式的路徑，結(jié)合技術(shù)場景，利用好生態(tài)，把我們具身智能的護(hù)城河持續(xù)的拓寬。
許四清：你認(rèn)為具身智能的突破是否就依賴世界模型的突破？還是有什么其他路徑？
張玉峰：世界模型這兩年確實(shí)非?；穑缓笠惭苌龊芏嗖煌淖痈拍?，也容易讓人混淆。大的類別上肯定有顯式的仿真模擬真實(shí)世界的生成式世界模型，比如李飛飛老師正在做的事情或者可交互的視頻生成類大模型，同時(shí)也有內(nèi)嵌在模型算法里隱性的，為決策提供物理規(guī)律先驗(yàn)的隱式世界模型。
先說結(jié)論，我認(rèn)為世界模型是具身智能走向通用的一個(gè)非常強(qiáng)大的必要條件。從生物的智能進(jìn)化路徑上看，自從哺乳動(dòng)物進(jìn)化出新皮質(zhì)，就擁有了對自身運(yùn)動(dòng)和內(nèi)部狀態(tài)，以及對外部世界的預(yù)測想象能力，這實(shí)際上就是世界模型。這個(gè)世界模型和像Sora這樣像素級別構(gòu)建虛擬空間的顯式世界模型不太一樣，它不需要耗費(fèi)那么大的資源來做像素級還原，但是卻能基于對物理規(guī)律的認(rèn)知，讓包括我們在內(nèi)的哺乳動(dòng)物擁有預(yù)測、想象、揣測、模擬這個(gè)世界可能的變化并更好地在現(xiàn)實(shí)世界完成動(dòng)作的能力。
所以具身智能如果要走向更像人一樣去思考，去模擬，去預(yù)測。從終局來講，其實(shí)需要一個(gè)類似于人和高等動(dòng)物一樣內(nèi)置的隱式世界模型。不僅讓機(jī)器人知道要做什么動(dòng)作，還要理解為什么做這個(gè)動(dòng)作，而且能夠去模擬想象做這個(gè)動(dòng)作之后會(huì)發(fā)生什么事情。
我們無界動(dòng)力當(dāng)前更多的是在隱式世界模型方向上做研發(fā)，把它內(nèi)嵌在負(fù)責(zé)動(dòng)作執(zhí)行的VLA模型里。同時(shí)顯式世界模型也是有意義的，對于目前數(shù)據(jù)短缺情況下（基于真實(shí)數(shù)據(jù)增廣）提供高質(zhì)量的數(shù)據(jù)補(bǔ)充也非常有幫助?，F(xiàn)在自動(dòng)駕駛行業(yè)也用這種世界模型來做一些corner case 數(shù)據(jù)的增廣和生成，sim2real gap相比以前小了非常多。在隱式和顯式當(dāng)中，我們更側(cè)重于投入在隱式的世界模型上，同時(shí)在顯式的世界模型上也會(huì)有相應(yīng)的一定量的投入。
To 孫洋
許四清：Looki的第一代產(chǎn)品是以記錄生活作為切入點(diǎn)的，現(xiàn)在產(chǎn)品也非常受歡迎，那這一代產(chǎn)品對Looki而言，是探索人機(jī)交互的一個(gè)起點(diǎn)呢？還是會(huì)繼續(xù)把單一產(chǎn)品做到極致？
孫洋：應(yīng)該說是一個(gè)起點(diǎn)吧。我們的核心就是在給AI做眼睛和耳朵，然后讓AI在物理世界里生活。大家可以把具身理解為，它有像人一樣的大腦，然后再加上四肢，能做一些事情。其實(shí)Looki在做的事情，就是先把四肢去掉，看能不能先把第二大腦的功能實(shí)現(xiàn)
對于第二大腦而言，Looki只是一種形態(tài)，未來也可能還會(huì)有其他的形態(tài)。這其實(shí)是隨著整個(gè)硬件供應(yīng)鏈和產(chǎn)業(yè)鏈的發(fā)展而改變的，怎么做到低功耗，怎么能做到無感化，怎么能融入大家的穿搭里去，形態(tài)上未來一定還會(huì)有各種各樣的這種延展。
從功能上來講，其實(shí)也會(huì)隨著模型能力的增強(qiáng)，包括我們自己搭的記憶infra系統(tǒng)的升級，不斷地生長共進(jìn)。我們最終還是希望搭建一個(gè)叫human-centered AI，也就是以人為中心的AI。這件事情的價(jià)值在于，今天人類所有和AI的交互還是要鎖在對話框里邊，對于普通用戶來說，每天生活里面發(fā)生的所有事情，我都要轉(zhuǎn)換成語言，轉(zhuǎn)換成prompt，然后才能給到AI的對話框。那我們換一個(gè)思路，為什么不能把AI從對話框里拿出來，讓AI自主能看到和聽到物理世界里發(fā)生的事情，這個(gè)過程將不再需要用戶再去做一個(gè)prompt轉(zhuǎn)換。
我們有一個(gè)口號叫做：這個(gè)世界就是AI的prompt。這是我們的核心理念，這是一步一步去延展的。我們先把大腦做好，可能最后再把四肢做好，未必說Looki在五年十年后不去做這件事情。通過一個(gè)消費(fèi)電子產(chǎn)品讓大家先用起來，數(shù)據(jù)飛輪能夠轉(zhuǎn)起來，我覺得把啟動(dòng)器找到這件事兒是最重要的。
下一代產(chǎn)品我們會(huì)做proactive AI或者叫real time proactive AI：更適時(shí)的主動(dòng)式的AI。今天我們L 1的產(chǎn)品是需要三段式的，先記錄，然后上傳AI分析，最后給你反饋記憶。到第二代產(chǎn)品L2的時(shí)候，適時(shí)發(fā)生的所有事情AI都能夠快速給予反饋。L3會(huì)是更遠(yuǎn)期的設(shè)想，我們覺得五年之后，模型的能力會(huì)讓今天所有的互聯(lián)網(wǎng)服務(wù)都變成Agent，但整個(gè)的Agent網(wǎng)絡(luò)里面會(huì)出現(xiàn)一個(gè)新的角色，這個(gè)新的角色就是一個(gè)中心的General Agent。這個(gè)agent它本身不能實(shí)現(xiàn)任何的服務(wù)，但是它是非常懂用戶。當(dāng)用戶給他下達(dá)一個(gè)簡單的指令，General Agent會(huì)把這條指令延展成非常豐富的context，然后去對接其他服務(wù)型Agent。
許四清：你認(rèn)為中國的硬件產(chǎn)品在走向全球化的時(shí)候，最大的挑戰(zhàn)是什么？
孫洋：我覺得對于AI硬件來說，今天最大的挑戰(zhàn)還是在于data compliance數(shù)據(jù)合規(guī)。因?yàn)榻裉斓腁I硬件更多都是一個(gè)數(shù)據(jù)的入口，這件事情讓數(shù)據(jù)的合規(guī)性變得非常重要。比如說最基本的，你要把數(shù)據(jù)留在當(dāng)?shù)兀坏诙?，你要做該做的?shù)據(jù)審計(jì)；然后第三，基于不同的國家，還要對數(shù)據(jù)所有權(quán)有一些規(guī)定。而這些對于之前的消費(fèi)類硬件來說，并沒有相關(guān)的積累。
To Kay Feng
許四清：Aha快速地構(gòu)筑了非常好的AI科技達(dá)人的網(wǎng)絡(luò)，你們是如何實(shí)現(xiàn)這個(gè)快速增長的？
Kay Feng：其實(shí)第一個(gè)點(diǎn)是這個(gè)市場本身的需求就非常強(qiáng)烈。我們服務(wù)客戶的時(shí)候，本質(zhì)上客戶花的是他的營銷預(yù)算，我們看到營銷預(yù)算里的一個(gè)最大的變化是過去大家可能把錢更多地花在廣告上，但現(xiàn)在其實(shí)更多的預(yù)算在往達(dá)人營銷遷移。新一代的很多科技產(chǎn)品、AI產(chǎn)品，其實(shí)一半以上的預(yù)算都投放在了達(dá)人營銷上，而不是傳統(tǒng)的投流廣告上。所以這里面就產(chǎn)生了每年上百萬美金的達(dá)人投放預(yù)算，但是這個(gè)投放過程在過去是非常低效的，這也成為客戶本身一個(gè)非常亟待解決的問題。所以你只要能做到一個(gè)比過去的agency更高效，規(guī)模更大，然后體驗(yàn)更好的產(chǎn)品，那客戶就一定會(huì)來嘗試。
另一個(gè)角度上，在平臺開始有客戶之后，就會(huì)開始有新的達(dá)人上來接單，而它是一個(gè)自動(dòng)化的流程。所以那就意味著其實(shí)客戶越多，達(dá)人就會(huì)越多，達(dá)人接過一單之后，對平臺有信任，那客戶那一側(cè)的體驗(yàn)顯然就會(huì)更好，那就會(huì)有更多客戶進(jìn)來。這其實(shí)就構(gòu)建起來了一個(gè)飛輪，他們相互之間不斷地撬動(dòng)，所以這也是一個(gè)雙邊網(wǎng)絡(luò)的獨(dú)有優(yōu)勢。
許四清：你們在美國遇到類似的競品多嗎？
Kay Feng：其實(shí)從我們目前的情況來看，真正意義上的競爭對手更多還是傳統(tǒng)的人工模式競爭。這是因?yàn)槲覀儸F(xiàn)在主要服務(wù)的是中型及以上規(guī)模的客戶，在過去，這類客戶在達(dá)人營銷上的主流解決方案，基本只有兩種：
一種是外包給 agency，另一種是少數(shù)公司選擇自己搭建一個(gè)比較大的內(nèi)部團(tuán)隊(duì)。
從行業(yè)背景來看，達(dá)人營銷本身和傳統(tǒng)廣告有比較大的差異。
很多 agency 的核心能力，其實(shí)來自創(chuàng)意廣告，或者是上一代以Google、Facebook投流為核心的代理體系，它們在投放和創(chuàng)意上都非常成熟，但并不完全是為達(dá)人營銷這種高協(xié)作、高執(zhí)行密度的工作形態(tài)而設(shè)計(jì)的。
而達(dá)人營銷這個(gè)領(lǐng)域，長期以來并沒有形成特別強(qiáng)勢、規(guī)?；腁gency形態(tài)，一個(gè)很現(xiàn)實(shí)的原因是：它本身就是一件高度依賴人力執(zhí)行的事情。
在創(chuàng)意廣告里，一個(gè)成熟的人可以管理非常大的預(yù)算體量，一個(gè)人就可以承接100萬美金的預(yù)算；但在達(dá)人營銷里，預(yù)算規(guī)模一旦上來，對應(yīng)的執(zhí)行人力幾乎是線性增長的，要做100萬美金的達(dá)人營銷，可能就需要100個(gè)人來做。
所以其實(shí)今天在歐美，客戶反而會(huì)更迫切地尋找能降低對人工規(guī)模依賴的解決方案，因?yàn)槿绻胍?guī)?；?，他的人力成本是真實(shí)存在的。
To 張帆
許四清：你原來做通用大模型，現(xiàn)在你要做商業(yè)的強(qiáng)化學(xué)習(xí)，是否可以與大家分享一下你對模型的看法和心得嗎？
張帆：首先我覺得一個(gè)有意思的點(diǎn)就是在于，我覺得商業(yè)強(qiáng)化學(xué)習(xí)跟基座模型，它不是一個(gè)賽道，它是一個(gè)延展關(guān)系。市場上一直有一個(gè)兩種邏輯的爭論，一種邏輯說將來會(huì)有一個(gè)超級大一統(tǒng)的模型解決everything；另外一種邏輯說將來市場上會(huì)出現(xiàn)無數(shù)的垂類模型，來解決不同的事情。這兩種到底哪種會(huì)是未來。
我們先看看人類是怎么做的，我們會(huì)發(fā)現(xiàn)人類從5000年前到今天，其實(shí)人的腦容量沒有明顯的變化，但是今天的人類比5000年前的人單人的生產(chǎn)力大了1000倍。你可以發(fā)現(xiàn)，進(jìn)化論并沒有把我們每個(gè)人進(jìn)化成一個(gè)200斤的腦袋，而是讓我們維持原有的腦袋的size，但是我們解決問題的能力依然可以遠(yuǎn)超原古時(shí)代的人類。這個(gè)核心的原因和變化就叫做分工，分工之后就是協(xié)作。
分工的邏輯是在于讓每個(gè)模型獨(dú)立訓(xùn)練，協(xié)作的邏輯是在于讓所有獨(dú)立訓(xùn)練的模型解決統(tǒng)一的目標(biāo)，從個(gè)體智能轉(zhuǎn)化為群體智能。所以你會(huì)發(fā)現(xiàn)整個(gè)社會(huì)的本質(zhì)上是一個(gè)超級MOE，這也是我們的底層邏輯。
我覺得在這個(gè)階段，你讓大腦的智商再繼續(xù)上升，其實(shí)邊際效果已經(jīng)下降了，不經(jīng)濟(jì)了。同理，今天的模型已經(jīng)足夠強(qiáng)了，我們?nèi)绾卧诮裉旖o模型構(gòu)建一個(gè)大學(xué)，讓他從一個(gè)標(biāo)準(zhǔn)的智商轉(zhuǎn)變?yōu)闊o數(shù)跟業(yè)務(wù)耦合的最優(yōu)解，從而實(shí)現(xiàn)從個(gè)體智能到群體智能的飛躍。這也完美符合了OpenAI的AGI的五條路的level 4和level 5。所以我們做這件事的原因其實(shí)是基礎(chǔ)模型的延展。
許四清：那你覺得商業(yè)強(qiáng)化學(xué)習(xí)，最先在哪些場景上可以實(shí)現(xiàn)突破呢？
張帆：我覺得首先取決于我們怎么定義這件事。我們今天把它定義為是一個(gè)勞動(dòng)力市場的事，而不是一個(gè)軟件市場。勞動(dòng)力市場大概是一個(gè)50萬億美金的市場，比軟件市場大50倍。在這個(gè)市場中，我們的切入有兩個(gè)選擇標(biāo)準(zhǔn)，一個(gè)是今天的市場規(guī)模，今天有哪些工種所占的市場份額是最高的，肯定是我們優(yōu)先選擇的。第二個(gè)就是哪些工種，今天是可以完全在數(shù)字空間里解決的，也會(huì)是我們優(yōu)先選擇的對象。
許四清：你曾經(jīng)提出整個(gè)AI行業(yè)存在供給熱需求冷的狀況，企業(yè)也會(huì)被這種狀況帶入這個(gè)焦慮驅(qū)動(dòng)的采購陷阱，你覺得你能改變這個(gè)采購陷阱嗎？
張帆：這件事兒是一個(gè)很明確的觀察，我們發(fā)現(xiàn)今天其實(shí)是一個(gè)供給跟需求極度錯(cuò)配的市場。具體來說，今天所有的人，包括一級二級市場，針對于供給側(cè)幾乎是無條件投入。大家會(huì)要更強(qiáng)的芯片，更大的集群和更強(qiáng)的基模，capex也從24年的2000億美金提升到了25年的4000億美金，明年可能就萬億以上。另一方面，模型的成本逐步下降，芯片的性能逐步提升，未來三年我們可能會(huì)比現(xiàn)在多1000倍的token的產(chǎn)量，但大家從來沒有懷疑過它能不能被消耗掉。大家都認(rèn)為，只要算力足夠便宜就一定能被消耗掉，我覺得這個(gè)其實(shí)是不一定。
那么我們再看需求側(cè)，MIT之前有一個(gè)分享講到今天大概只有5%的PUC是真實(shí)落地并且?guī)砹藬?shù)百萬美金的收益。這個(gè)跟我們過去兩年在整個(gè)市場上看到的情況是高度近似的，今天大模型落地是極其單調(diào)和重復(fù)的，無非就是chatbot、知識庫、合同審核，打標(biāo)簽等，其實(shí)根本就沒有切入到核心業(yè)務(wù)，有點(diǎn)像具身領(lǐng)域大家都在翻跟頭，但是沒有真正進(jìn)流水線的邏輯。
許四清：這個(gè)非常有意思。所以你看到了大家在大煉鋼鐵一般煉模型和芯片，但你沒有看到大家在需求側(cè)把這些練好的模型和芯片用到極致，你就是想解決這個(gè)問題是吧？
張帆：對，我想解決這個(gè)問題。我覺得AI其實(shí)更多對標(biāo)的是電力，你會(huì)發(fā)現(xiàn)電力是通過影響物理世界的方式在影響人類的生產(chǎn)生活，比如說是電梯讓整個(gè)城市從平面變成了立體，改變了我們所有人的居住方式，房地產(chǎn)業(yè)，城鎮(zhèn)化，地鐵交通一切問題，而不是電力本身。所以今天AI也需要嵌入物理世界，這就是為什么我們覺得TOB很重要。
但是如果要嵌到物理世界，最大的問題就是在于：一個(gè)是效果如何直觀觀測，一個(gè)是成本如何下降。原來我們所有AI界的人，大家都在做一件事，叫做為知識建模。無論是垂類還是通用，我們都是把人類世界所有知識壓縮到一起放進(jìn)去，然后壓縮成一個(gè)模型。這種方式確實(shí)有一定的通用性，但是我們?nèi)稳徽J(rèn)為將來會(huì)出現(xiàn)無數(shù)個(gè)專業(yè)模型，這就意味著我們不能再靠人標(biāo)了。今天對于模型的調(diào)優(yōu)策略是極度局限的，就是做SFT、prompt優(yōu)化、workflow，我不認(rèn)為這能走到一個(gè)真正的終局。所以我們覺得必須要找到一個(gè)大一統(tǒng)的方式，用一個(gè)標(biāo)準(zhǔn)的手段解決一切垂類環(huán)境跟模型的最優(yōu)匹配。
寄語2026
孫洋：2026年，我覺得會(huì)是非常爭議的一年。這個(gè)爭議點(diǎn)在于AI產(chǎn)品上可能會(huì)出現(xiàn)的百花齊放，以及大家認(rèn)為26年可能會(huì)有很大的bubble。
張玉峰：希望兩邊的學(xué)術(shù)、技術(shù)、產(chǎn)業(yè)都能夠快速發(fā)展，尤其是這個(gè)兩地之間的交流、合作、協(xié)同能夠越來越順。
張帆：我覺得26年會(huì)是一個(gè)AI真正進(jìn)入物理世界的元年，也是一個(gè)商業(yè)強(qiáng)化學(xué)習(xí)落地的元年。25年更多的價(jià)值體現(xiàn)在了供給側(cè)的財(cái)報(bào)，比如英偉達(dá)，但我期望26年，我們能看到AI可以給二級市場AI帶來了明顯的業(yè)務(wù)價(jià)值的提升。
戴若犁：我們是服務(wù)具身智能這個(gè)行業(yè)的，所以我個(gè)人的期待其實(shí)很樸素：一方面希望馬斯克身體健康，繼續(xù)把人形機(jī)器人這條路線往前推；另一方面希望這一波具身智能創(chuàng)業(yè)公司都能走得穩(wěn)、走得遠(yuǎn)，希望我的客戶們都越來越好。
Kay Feng：首先26年還是希望AI行業(yè)更好，更多的客戶的產(chǎn)品走過PMF的階段，到達(dá)go to market的階段，希望大家的產(chǎn)品能夠在全球更多地區(qū)扎根。
許四清：我對2026年的期望是，具身智能的落地前景能從此變得更加光明。目前具身智能面對的探索環(huán)境與大語言模型截然不同，受限于數(shù)據(jù)匱乏，行業(yè)只能在“小腦”層面進(jìn)行探索。我希望2026年大家能將探索重心轉(zhuǎn)向“大腦”層面，為具身智能的突破奠定基礎(chǔ)。（本文首發(fā)于鈦媒體APP，由鈦媒體編輯陶天宇整理）
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
