文｜邱曉芬

編輯｜蘇建勛

2026年，全球的具身智能機(jī)器人創(chuàng)業(yè)者不約而同將目光方向調(diào)轉(zhuǎn)向深水區(qū)：家庭。

點(diǎn)燃這份熱情的，是近期行業(yè)里閃爍著的一絲絲Scaling Law苗頭——

先是硅谷具身智能公司Generalist AI在GEN-1模型上驗(yàn)證了確定性，當(dāng)他們給機(jī)器人喂進(jìn)海量數(shù)據(jù)后，精細(xì)操作任務(wù)成功率竟從64%提升到了驚人的99%；

隨后，硅谷當(dāng)紅的具身智能獨(dú)角獸公司Sunday Robotics也試圖解決家庭場(chǎng)景數(shù)據(jù)難關(guān)，不僅推出Umi手套數(shù)據(jù)采集方案，還直接將機(jī)器人Memo送進(jìn)家庭做家務(wù)（收拾餐做、沖咖啡、疊衣服），因此吸引了大量的資本押注。

在大洋彼岸的中國(guó)，近期闖入家庭機(jī)器人領(lǐng)域的創(chuàng)業(yè)者中，還有一個(gè)熟悉的身影——許華哲。

“兩年內(nèi)，中國(guó)將會(huì)出現(xiàn)可用的家庭機(jī)器人”，他對(duì)于行業(yè)的判斷，同樣樂(lè)觀且激進(jìn)。

作為“伯克利歸國(guó)四子之一”、清華大學(xué)交叉信息研究院助理教授，2023年，許華哲曾加入「星海圖」任前首席科學(xué)家兼聯(lián)合創(chuàng)始人，一起將這家公司打造成中國(guó)具身智能領(lǐng)域的明星公司。

不過(guò)，在這家公司估值沖破200億、融資近30億的巔峰時(shí)刻，許華哲又選擇“單飛”并創(chuàng)辦了全新的具身智能公司「破殼機(jī)器人」。

此次重新出發(fā)，他想做的是能在家庭場(chǎng)景干活的、真正有泛化性的具身智能機(jī)器人。

△ 許華哲

其實(shí)，想做一個(gè)家庭機(jī)器人公司并不是近期偶然的想法。初高中時(shí)的他讀完《喬布斯傳》后，內(nèi)心便萌生創(chuàng)辦一家偉大To C公司的種子。此后，在清華、伯克利、斯坦福的一路升學(xué)中，他一直深耕機(jī)器人強(qiáng)化學(xué)習(xí)方向，夢(mèng)想便是把機(jī)器人送入千萬(wàn)家庭。

他理想中的家庭機(jī)器人，雖然不是無(wú)所不能，卻能完成上一代機(jī)器人（比如掃地機(jī)、洗地機(jī)）無(wú)法完成的復(fù)雜任務(wù)，比如能進(jìn)行更精細(xì)的清潔工作、有條理的完成諸如洗衣收納的長(zhǎng)序列、多步驟任務(wù)串聯(lián)。

在他看來(lái)，這種創(chuàng)業(yè)方向的選擇，也帶有強(qiáng)烈的審美潔癖。許華哲直言，泛化性的本質(zhì)是一種“美與影響力”——用最簡(jiǎn)潔優(yōu)雅的模型，解決人類復(fù)雜的生活問(wèn)題，并真正將AI轉(zhuǎn)化為生產(chǎn)力，而非僅僅替代低端勞動(dòng)力。

從更理性的層面，切入To C家庭場(chǎng)景也包含著許華哲的商業(yè)判斷。在他看來(lái)，當(dāng)前大量機(jī)器人廠商將人形機(jī)器人送進(jìn)工廠，完成傳統(tǒng)機(jī)械臂就能完成的上下料、搬運(yùn)箱的工作，本質(zhì)上只是在用新的人性在做舊時(shí)代的事情，機(jī)器人沒有發(fā)揮出真正的通用性。

他認(rèn)為，真正的AGI應(yīng)該在家庭場(chǎng)景中誕生、運(yùn)用，因?yàn)榧彝?chǎng)景任務(wù)比工廠場(chǎng)景更混亂隨機(jī)，且數(shù)據(jù)豐富，恰恰是訓(xùn)練通用模型的最佳土壤。

因此，為了追趕時(shí)機(jī)，在創(chuàng)業(yè)的短短一個(gè)月內(nèi)，新公司「破殼機(jī)器人」已經(jīng)完成了融資、核心團(tuán)隊(duì)組建、具身模型的訓(xùn)練、以及硬件迭代工作。

《智能涌現(xiàn)》獨(dú)家獲悉，破殼機(jī)器人近期完成數(shù)千萬(wàn)美元天使輪融資，由云啟資本領(lǐng)投，并獲得順為資本、弘暉基金等一線美元基金，小米戰(zhàn)投、星海圖等知名產(chǎn)業(yè)方，以及BV百度風(fēng)投、英諾天使基金、水木清華校友種子基金、東方嘉富等一線市場(chǎng)化基金的支持。

快速得到資本押注，也因?yàn)樵S華哲在關(guān)鍵技術(shù)路線上有一些不同的選擇。

為了實(shí)現(xiàn)泛化，在關(guān)鍵技術(shù)路線方面，他的選擇也略顯反常識(shí)。他完全放棄了行業(yè)主流的VLA（視覺-語(yǔ)言-動(dòng)作）基座模型方案，轉(zhuǎn)而構(gòu)建一種能直接輸入和輸出“視頻-動(dòng)作”的世界模型。

在模型結(jié)構(gòu)上，他也提出了獨(dú)特的“UAG架構(gòu)”，用并聯(lián)式預(yù)訓(xùn)練替代過(guò)去的瀑布式級(jí)聯(lián)，并將強(qiáng)化學(xué)習(xí)貫穿預(yù)訓(xùn)練與部署全過(guò)程，實(shí)現(xiàn)了訓(xùn)練效率的五倍提升。

打好模型基礎(chǔ)之余，在數(shù)據(jù)與硬件層面，他也通過(guò)UMI、外骨骼和第一人稱視角三層方案采集高質(zhì)量數(shù)據(jù)，形成從任務(wù)定義到數(shù)據(jù)、模型、本體的閉環(huán)迭代。

據(jù)許華哲透露，「破殼機(jī)器人」第一代32B參數(shù)規(guī)模的具身世界模型已完成首輪訓(xùn)練，正處于數(shù)據(jù)迭代的關(guān)鍵爬坡期。在硬件層面，「破殼機(jī)器人」為數(shù)據(jù)采集量身定制的手套硬件已迭代了五六個(gè)版本。

近期，《智能涌現(xiàn)》與許華哲聊了聊，以下是交流實(shí)錄（略經(jīng)摘編）

為何出走「星海圖」？

《智能涌現(xiàn)》：為什么選擇離開星海圖，創(chuàng)立一家新的機(jī)器人公司？

許華哲：這個(gè)想法其實(shí)醞釀了很久。在2023年8、9月份，我就開始和高繼揚(yáng)聊，加入星海圖。但經(jīng)過(guò)了兩年，到去年11、12月份，我已經(jīng)基本決定要離開了，真正辦完手續(xù)是在今年，創(chuàng)立「破殼機(jī)器人」是最近一個(gè)月的事情。

離開的原因主要是因?yàn)槲覂?nèi)心一直想做一些To C的、真正泛化的通用機(jī)器人。

《智能涌現(xiàn)》：既然一直想做To C，為什么一開始不直接做To C方向機(jī)器人的創(chuàng)業(yè)呢？

許華哲：原因是多方面的。2023年我加入星海圖時(shí)，也考慮過(guò)要不要自己創(chuàng)業(yè)，但那時(shí)我剛從美國(guó)讀完書回來(lái)，在叉院工作才一年左右，要自己開公司lead一攤事，還要兼顧教職，挑戰(zhàn)很大。

那時(shí)星海圖和其他一些具身智能公司也邀請(qǐng)我加入，我覺得先加入一個(gè)優(yōu)秀的團(tuán)隊(duì)做聯(lián)創(chuàng)，是一個(gè)更穩(wěn)妥的選擇，而且當(dāng)時(shí)星海圖的宣傳里也提到大概是“讓機(jī)器人服務(wù)千萬(wàn)人類”的話語(yǔ)，這和我的一部分想法是吻合的。

《智能涌現(xiàn)》：您現(xiàn)在新公司雖然只成立一個(gè)月，都有哪些進(jìn)展？

許華哲：團(tuán)隊(duì)方面，目前有20人左右，AI側(cè)有一些天才少年，硬件側(cè)有很多做過(guò)To C量產(chǎn)交付的工程師。我們還在火熱招聘中。

在技術(shù)上，我們的AI模型在“動(dòng)得快”、“泛化強(qiáng)”、“成功率高”三個(gè)維度都有較好的前期積累，能讓機(jī)器人完成某些復(fù)雜任務(wù)時(shí)達(dá)到接近100%的成功率。

我們第一代32B的模型已經(jīng)完成了第一次訓(xùn)練，但還需要數(shù)據(jù)量的迭代才能展現(xiàn)出更好能力。我們的硬件手套也已經(jīng)迭代了五六個(gè)版本。

第一個(gè)月要處理公司注冊(cè)、選址、裝修等各種事務(wù)。能跑出這個(gè)速度，我覺得還是比較快的。

《智能涌現(xiàn)》：您這次創(chuàng)業(yè)，和第一次創(chuàng)業(yè)時(shí)心態(tài)有什么不同？

許華哲：最大的不同是心態(tài)上更踏實(shí)、也更敢了。第一次創(chuàng)業(yè)前，我會(huì)擔(dān)心，我沒上過(guò)班怎么給別人“班”上？我沒做過(guò)生意怎么辦，沒跟投資人、政府打過(guò)交道怎么辦？

在星海圖的兩年，我接觸過(guò)這些事，“沒打過(guò)就硬打，沒上過(guò)就硬來(lái)”，其實(shí)最終結(jié)果也挺順利的，太多的顧慮沒必要，出來(lái)混最重要是先出來(lái)。這次心理上更從容。

《智能涌現(xiàn)》：在2023年和2026年兩個(gè)節(jié)點(diǎn)創(chuàng)業(yè)做家庭機(jī)器人這件事，區(qū)別大嗎？

許華哲：區(qū)別挺大的。首先是硬件本體，這三年中國(guó)的硬件供應(yīng)鏈打磨得更好了，有了更多能用的機(jī)器人，2023年時(shí)可能只能用工業(yè)臂；

第二是數(shù)據(jù)，2023年時(shí)機(jī)器人的數(shù)據(jù)幾乎是0，現(xiàn)在網(wǎng)上開源數(shù)據(jù)就有幾十萬(wàn)小時(shí)，還出現(xiàn)了大量的數(shù)據(jù)供應(yīng)商，雖然數(shù)據(jù)質(zhì)量和跨本體適配還是問(wèn)題，但豐富度已經(jīng)不可同日而語(yǔ)。

第三是融資和市場(chǎng)認(rèn)知，2023年要做To C機(jī)器人可能很難融資，大家給的時(shí)間緩沖也更少。今天起步比2023年更好。

AGI應(yīng)用于家庭，工廠是上一代技術(shù)的領(lǐng)地

《智能涌現(xiàn)》：一直想做To C的機(jī)器人，背后的觸發(fā)點(diǎn)是什么？

許華哲：首先，一個(gè)核心思考是，我們做機(jī)器人到底在做什么？機(jī)器人是人類自古以來(lái)的追求，我們?cè)诤５讚?、酒店、工廠都見過(guò)機(jī)器人，但如果我們只是用人形的外殼去工廠擰螺絲、搬箱子，那本質(zhì)上還是在做舊時(shí)代的事情。

這一代機(jī)器人最核心的不同在于它的通用性。通用性該用在越混亂、越需要通用能力的地方。那答案就是家庭，或者廣義的服務(wù)場(chǎng)景。我認(rèn)為，通用的AGI（通用人工智能）應(yīng)該用在家里。

第二，從個(gè)人偏好來(lái)說(shuō)，做有品牌的事情是可以做得足夠大、有夢(mèng)想的。偉大的公司很多是To C的，比如蘋果、小米。

第三，從數(shù)據(jù)角度看，通用性需要有豐富的數(shù)據(jù)，混亂的家庭場(chǎng)景恰恰能提供豐富的數(shù)據(jù)。如果你的數(shù)據(jù)源頭錯(cuò)了，就得不到正確的模型。

基于這三點(diǎn)，我覺得做To C機(jī)器人是一件正確的事，我自己也特別感興趣。

《智能涌現(xiàn)》：您認(rèn)為AI模型什么時(shí)候可以支撐做家庭To C機(jī)器人？

許華哲：我的預(yù)測(cè)比較樂(lè)觀激進(jìn)，我認(rèn)為兩年內(nèi)會(huì)出現(xiàn)可以用起來(lái)的機(jī)器人。它不是萬(wàn)能的，但會(huì)是一個(gè)有完善產(chǎn)品定義、能做相當(dāng)多通用事情的機(jī)器人，但它會(huì)有一些明確不做的事，比如抱嬰兒、燒熱水。

《智能涌現(xiàn)》：機(jī)器人進(jìn)家庭能做的事情都包括哪些？能否舉一些例子？

許華哲：分兩類。一類是本身很難的任務(wù)，比如更精細(xì)的清潔，比如清潔墻角霉點(diǎn)、擦掉干涸的飯湯、剝橘子、剝蝦等等。

另一類是長(zhǎng)序列、多步驟任務(wù)的串聯(lián)。舉個(gè)例子，一個(gè)完整的洗衣流程是——把臟衣服放進(jìn)洗衣機(jī)、倒洗衣液、啟動(dòng)，然后機(jī)器人可以去做別的事，它會(huì)在監(jiān)聽到“洗完了”的聲音后，把衣服拿出來(lái)放進(jìn)烘干機(jī)，啟動(dòng)烘干，最后再把衣服拿出來(lái)疊好放進(jìn)衣柜。

現(xiàn)在的機(jī)器人能做任何一個(gè)單一步驟，但沒有機(jī)器人能像人一樣，從頭到尾，帶著這些“任務(wù)間的縫隙”把它完成，我認(rèn)為兩年后的機(jī)器人能有這個(gè)能力。

《智能涌現(xiàn)》：家庭和工廠場(chǎng)景，最大的區(qū)別是什么？

許華哲：家庭和工廠某種程度上都是“混亂”的，但是本質(zhì)上不同。工廠的混亂更多是“管理混亂”，比如東西亂扔、人走來(lái)走去，但它具體干的活，比如上下料、裝配是高度確定性的。

家里的混亂是任務(wù)本身的混亂，比如衣服是團(tuán)成一團(tuán)的，杯盤狼藉需要收拾，這種混亂是需要通過(guò)工作去恢復(fù)秩序的。工廠的很多混亂并不需要去恢復(fù)。所以，這是兩種完全不同性質(zhì)的“混亂”。

《智能涌現(xiàn)》：您認(rèn)為當(dāng)前做家庭To C機(jī)器人，最大挑戰(zhàn)是什么？

許華哲：機(jī)器人進(jìn)家庭的邏輯和落地To B不同。To B的賬很難算，因?yàn)楣S給人形機(jī)器人干的活價(jià)值很低，一臺(tái)二三十萬(wàn)的機(jī)器人可能相當(dāng)于一個(gè)人三四年的工資，還要考慮可靠性、維護(hù)，很難回本。再加上工廠里采集的數(shù)據(jù)可能過(guò)于?；?。

To C的賬不是簡(jiǎn)單的“替代人力”計(jì)算。它更像科技潮品+家庭助手+管家的復(fù)合體。用戶買它，是購(gòu)買一種先鋒的生活方式、極致的便利，就像二十年前大家買車一樣。我們考慮的是，當(dāng)用戶有一筆預(yù)算時(shí)，是買輛車還是買個(gè)能改變生活的機(jī)器人。

所以，關(guān)鍵是產(chǎn)品體驗(yàn)要足夠好，價(jià)值感知要足夠強(qiáng)。價(jià)格區(qū)間我們內(nèi)部還在討論，但肯定會(huì)是五位數(shù)起步。

追求泛化，也是追求美和影響力

《智能涌現(xiàn)》：所以To C并不是您離開星海圖后才有的想法，而是一貫的想法？

許華哲：是的。我從小就想做To C，想創(chuàng)業(yè)。初高中的時(shí)候讀《喬布斯傳》、《迪士尼傳》，讀完了就很想創(chuàng)業(yè)，做一個(gè)像谷歌一樣的公司，后來(lái)選電子系也是想要做IT，大學(xué)還修了管理學(xué)雙學(xué)位，就是為了創(chuàng)業(yè)做鋪墊。

后面去了伯克利、斯坦福，也是一直在做強(qiáng)化學(xué)習(xí)和機(jī)器人，后來(lái)還做了一些觸覺相關(guān)的研究，也是在機(jī)器人大類里。

我博士畢業(yè)時(shí)（2021年），主要就是找教職還有找投資人聊，看看有沒有創(chuàng)業(yè)機(jī)會(huì)，當(dāng)時(shí)普遍觀感是，下一代技術(shù)還遠(yuǎn)，這一代技術(shù)就是做掃地機(jī)、餐館機(jī)器人，但是和AI關(guān)系不大，沒看到特別匹配我專業(yè)技能的創(chuàng)業(yè)機(jī)會(huì)。

《智能涌現(xiàn)》：你判斷一件事情做與不做，或者談?wù)撃銓?duì)某件事是否感興趣時(shí)，你的標(biāo)準(zhǔn)是什么？

許華哲：一個(gè)是美，這件事要能給我?guī)?lái)好的審美體驗(yàn)。另一個(gè)是影響力，我們學(xué)術(shù)圈有一個(gè)詞叫impact追問(wèn)。

美，更多是個(gè)人體驗(yàn)，我做這件事創(chuàng)造出來(lái)的東西是優(yōu)雅、簡(jiǎn)潔的，就像簡(jiǎn)單的公式能描述復(fù)雜的現(xiàn)象，泛化性的本質(zhì)也是美；影響力意味著，我做的這件事要能對(duì)世界產(chǎn)生足夠大的影響，改變?nèi)藗兊纳罘绞健?/p>

現(xiàn)在我們被迫用巨大的參數(shù)量來(lái)描述世界，是因?yàn)槲覀冞€沒找到AI領(lǐng)域的牛頓定律，我相信大模型只是一個(gè)中間狀態(tài)。我的博士生涯是帶著“AI一定存在一個(gè)優(yōu)美理論”的心理開始的，但后來(lái)發(fā)現(xiàn)理論越來(lái)越解釋不了AI，這是一個(gè)痛苦但必須接受的過(guò)程。

所以現(xiàn)在我的使命是追求簡(jiǎn)潔和影響力，如果有另一個(gè)公式（而不是AI模型）能描述機(jī)器人與世界的所有交互，我會(huì)覺得它更好。

《智能涌現(xiàn)》：這次創(chuàng)業(yè)你希望找到什么樣的合作伙伴？你會(huì)更欣賞什么樣的公司文化？

許華哲：我對(duì)合作伙伴和團(tuán)隊(duì)文化有三個(gè)核心要求——

極致：我很喜歡戴密斯·哈薩比斯那本傳記里的描述，里面說(shuō)，一個(gè)人做事要做到什么程度，就像跑馬拉松撞線后，有個(gè)救護(hù)車把你拉走了，但是你最后沒死。雖然有點(diǎn)夸張，但是我覺得做事極致投入，永遠(yuǎn)想更進(jìn)一步，是很重要的。

坦誠(chéng)：對(duì)自己、對(duì)同事、對(duì)事情絕對(duì)坦誠(chéng)。不會(huì)因?yàn)椴粫?huì)而裝會(huì)，搞砸了就承認(rèn)，不要為了面子影響效率。

利他：公司里有很多“縫隙”，如果每個(gè)人都只盯著自己的KPI，這些縫就沒人填。對(duì)于初創(chuàng)公司，需要每個(gè)人在有余力時(shí)主動(dòng)填縫，這種利他性長(zhǎng)期看對(duì)個(gè)人和團(tuán)隊(duì)成長(zhǎng)都有益。

（作者注：戴密斯·哈薩比斯（Demis Hassabis）是英國(guó)著名人工智能科學(xué)家、Google DeepMind 聯(lián)合創(chuàng)始人兼CEO、神經(jīng)科學(xué)家，被譽(yù)為“AlphaGo之父”。）

我很欣賞段永平的“本分文化”，也欣賞前段時(shí)間一篇報(bào)道中提到的，Kimi“沒有部門墻”的協(xié)作模式，我傾向于彈性、扁平的組織，很贊同黃仁勛、亞馬遜那種鼓勵(lì)一線員工直接向老板直接發(fā)郵件反饋問(wèn)題的文化。

做全新物種的家庭機(jī)器人

《智能涌現(xiàn)》：很多To C的機(jī)器人是曲線救國(guó)，先從陪伴場(chǎng)景切入，但是感覺你們的您的產(chǎn)品路徑和其他家很不一樣。

許華哲：完全不一樣。他們做的是陪伴，核心能力是大模型提供的對(duì)話能力和娛樂(lè)。我們追求的核心是物理世界的通用交互和干活能力。

我們的機(jī)器人是“家庭助理”，要能實(shí)際處理家務(wù)，所以在技術(shù)上，我們需要非常強(qiáng)的模型能力來(lái)保證通用性，但是很多家庭陪伴機(jī)器人是沒做基礎(chǔ)模型的。本質(zhì)上，我們和他們是兩個(gè)不同的品類。

《智能涌現(xiàn)》：你們最主要的技術(shù)的差異點(diǎn)是在模型側(cè)嗎？

許華哲：我們的一大亮點(diǎn)我們的模型能用好強(qiáng)化學(xué)習(xí)。過(guò)去機(jī)器人對(duì)強(qiáng)化學(xué)習(xí)的使用一般停留在單機(jī)的后訓(xùn)練上，但是其實(shí)強(qiáng)化學(xué)習(xí)上有很多自己獨(dú)特的東西。

第一個(gè)就是價(jià)值函數(shù)（value function）。價(jià)值函數(shù)可以對(duì)數(shù)據(jù)質(zhì)量進(jìn)行評(píng)估，讓模型知道哪些數(shù)據(jù)好、哪些次優(yōu)、哪些失敗。數(shù)據(jù)帶著權(quán)重，去讓模型學(xué)習(xí)。

它帶來(lái)的好處有兩個(gè)，一是可以讓模型學(xué)得更精準(zhǔn)，二是可以理解失敗的邊界，這樣模型就能夠知道緊鄰著成功的失敗長(zhǎng)什么樣，讓強(qiáng)化學(xué)習(xí)去把這些失敗因素排除掉；

第二是，強(qiáng)化學(xué)習(xí)能同時(shí)在多個(gè)任務(wù)上保持高成功率高速度，而不過(guò)度擬合到單一任務(wù)。

第三是，強(qiáng)化學(xué)習(xí)也可以突破人類數(shù)據(jù)上限。以前我們用人采集的數(shù)據(jù)去做某件事，數(shù)據(jù)是什么樣的，機(jī)器人就能做到怎么樣的，甚至?xí)?，因?yàn)闄C(jī)器人是跟著數(shù)據(jù)學(xué)習(xí)的。但是強(qiáng)化學(xué)習(xí)就是根據(jù)數(shù)據(jù)以及后續(xù)的自我改進(jìn)，持續(xù)突破自己的上限，最終可能做出比人類示范數(shù)據(jù)更好的表現(xiàn)，上限更高。

《智能涌現(xiàn)》：你們的強(qiáng)化學(xué)習(xí)只用在后訓(xùn)練上嗎？

許華哲：我們的預(yù)訓(xùn)練也會(huì)用離線的強(qiáng)化學(xué)習(xí)。預(yù)訓(xùn)練現(xiàn)在還是有一些卡點(diǎn)的，比如說(shuō)模型的選擇上有很多種，市面上有用VLA+VLM的，也有世界模型的，還有VLWAM，就是VLM后面再內(nèi)嵌一個(gè)世界模型。

《智能涌現(xiàn)》：那你們還是用VLA的路線嗎？

許華哲：現(xiàn)在模型的路線還遠(yuǎn)遠(yuǎn)沒有收斂，我們的選擇是世界模型結(jié)合原生的機(jī)器人模型，不是用VLA的路線。

《智能涌現(xiàn)》：現(xiàn)在的世界模型有很多派別，有的人用的是偏3D視頻的方向，有的又是偏向于世界仿真，你們對(duì)世界模型的理解方式是什么？

許華哲：我們輸入的是視頻和動(dòng)作，在訓(xùn)練和推理的時(shí)候，輸出的也是視頻和動(dòng)作。這些視頻和動(dòng)作里面是遵循物理規(guī)律的真實(shí)世界的數(shù)據(jù)。

《智能涌現(xiàn)》：你們做這些事情的過(guò)程中，遇到的最大的挑戰(zhàn)是什么？

許華哲：要訓(xùn)練大模型所需的Infra（基礎(chǔ)設(shè)施）是一個(gè)挺大的卡點(diǎn)，因?yàn)槲覀兿胱鲆粋€(gè)32B的大模型，要支撐比較大的數(shù)據(jù)量，GPU集群的并行效率、數(shù)據(jù)吞吐都是一個(gè)很大的挑戰(zhàn)和壁壘。

《智能涌現(xiàn)》：在模型側(cè)你們提到了一項(xiàng)“UAG”架構(gòu)，這個(gè)怎么理解？

許華哲：UAG（Unconditioned Action Guidance）是我們的一種模型訓(xùn)練架構(gòu)。

相對(duì)于傳統(tǒng)的瀑布式級(jí)聯(lián)的模型訓(xùn)練方式，我們采用的是一種并聯(lián)的方式，核心思想是先對(duì)動(dòng)作進(jìn)行預(yù)訓(xùn)練，然后再對(duì)所有的動(dòng)作做整體聯(lián)合的訓(xùn)練，做一個(gè)動(dòng)作預(yù)測(cè)器，然后再將動(dòng)作預(yù)測(cè)器和視覺模型一起進(jìn)行聯(lián)合訓(xùn)練。

背后的原理是，一個(gè)小時(shí)的圖片、視頻是巨大的，但是一個(gè)小時(shí)的動(dòng)作很少，可能就是一系列關(guān)節(jié)的運(yùn)動(dòng)，也就是一堆小的浮點(diǎn)數(shù)。這種方式可以最大程度保留基礎(chǔ)模型的泛化能力，同時(shí)大幅提升訓(xùn)練效率，估計(jì)至少5倍以上。

《智能涌現(xiàn)》：數(shù)據(jù)也是你們新公司的亮點(diǎn)，你們大概有哪些方案？

許華哲：我們的數(shù)據(jù)方案主要分三層——

①外骨骼數(shù)據(jù)采集：提著機(jī)器人手臂直接操作，精度高，反饋更直接；

②UMI方案：讓人戴一個(gè)和機(jī)器人手部構(gòu)型完全一樣的“硬手套”進(jìn)行操作，好處是沒有機(jī)械臂的負(fù)擔(dān)，采集效率高，數(shù)據(jù)量大。手套做硬是為了保持和機(jī)器人手的一致性，確保人能做的動(dòng)作機(jī)器人都能做；

③第一人稱視角人類數(shù)據(jù)：在頭上戴一個(gè)攝像頭，記錄人日常干活的視頻。這是從人的視角（Ego-centric）采集海量自然行為數(shù)據(jù)。

《智能涌現(xiàn)》：這些采集方式其他家也在探索，你們最大的不同點(diǎn)在哪？

許華哲：采集的數(shù)據(jù)，表層方法可能相似，但內(nèi)核有本質(zhì)不同。比如umi手套是否打磨得足夠好，足夠通用？采集的數(shù)據(jù)質(zhì)量如何保證？以及如何清洗和處理這些數(shù)據(jù)，提升數(shù)據(jù)質(zhì)量？

我們一個(gè)很大的不同是，我們會(huì)大量使用評(píng)估數(shù)據(jù)，就是機(jī)器人自己做測(cè)試和探索的時(shí)候，自己在動(dòng)的數(shù)據(jù)。這樣的數(shù)據(jù)某種意義上是更“差”的數(shù)據(jù)，因?yàn)槔锩鏁?huì)有失敗、會(huì)有次優(yōu)。但是這種“差”其實(shí)也是“好”，會(huì)讓模型更知道任務(wù)的目標(biāo)是什么。

另外，手套的設(shè)計(jì)細(xì)節(jié)，比如攝像頭位置、佩戴舒適度、是否適應(yīng)不同手型等等，都需要針對(duì)家庭任務(wù)精心打磨，我們手套的構(gòu)型設(shè)計(jì)是面向家庭任務(wù)，追求通用性的。我們會(huì)在8月末左右給大家看到我們和現(xiàn)在所有的形態(tài)都不一樣的數(shù)采系統(tǒng)。

《智能涌現(xiàn)》：但是現(xiàn)在出來(lái)創(chuàng)業(yè)會(huì)不會(huì)太晚了？現(xiàn)在具身智能行業(yè)的融資環(huán)境怎么樣？

許華哲：市場(chǎng)熱度還可以，投資人還是比較有熱情的。和之前比，投資人更懂了，大家被市場(chǎng)教育過(guò)一輪，所以會(huì)問(wèn)得更細(xì)。

關(guān)于創(chuàng)業(yè)出來(lái)是否太晚，我認(rèn)為——在技術(shù)沒有收斂的今天，仍然有巨大的機(jī)會(huì)。同時(shí)，因?yàn)槲覀兏?，所以我們的時(shí)間壓力更小、負(fù)擔(dān)更小，但是各種基礎(chǔ)設(shè)施比如本體等也更加成熟了。另一方面，走向通用家庭機(jī)器人，其實(shí)才剛上半場(chǎng)。雖然后發(fā)，但是誰(shuí)能先至，也未可知。

封面來(lái)源｜企業(yè)官方

end