作者｜陳伊凡

編輯｜苗正卿

頭圖｜AI生成

"具身智能，還處于亂世。"

這是與CyberOrigin（下稱(chēng)：賽源）創(chuàng)始人殷鵬見(jiàn)面時(shí)，他對(duì)我說(shuō)的第一句話(huà)。賽源是特斯拉、英偉達(dá)等公司在人形機(jī)器人領(lǐng)域的合作商之一。而其所在的珠三角，是世界機(jī)器人供應(yīng)鏈的核心，那是殷鵬真正的"戰(zhàn)場(chǎng)"——全球任何一家機(jī)器人相關(guān)的公司，都必須到珠三角尋找硬件供應(yīng)鏈，如今，還包括數(shù)據(jù)。在機(jī)器人圈，這些為特斯拉、英偉達(dá)人形機(jī)器人提供關(guān)鍵訓(xùn)練數(shù)據(jù)的公司，往往被視為巨頭背后的"賣(mài)水人"。

和此前十余年"賣(mài)水人"多為生產(chǎn)制造環(huán)節(jié)相關(guān)公司不同，AI紀(jì)元下，數(shù)據(jù)類(lèi)"賣(mài)水人"正在異軍突起。一批諸如賽源，開(kāi)始聚焦于提供機(jī)器人與真實(shí)物理交互的數(shù)據(jù)。以殷鵬的公司為例，它的客戶(hù)名單中，包括英偉達(dá)、特斯拉、OpenAI的人形機(jī)器人；也包括谷歌和斯坦福李飛飛的機(jī)器人模型訓(xùn)練實(shí)驗(yàn)室，也是賽源能夠與其他機(jī)器人數(shù)據(jù)公司拉開(kāi)差距的地方。

但對(duì)于這些"賣(mài)水人"而言，2025年以來(lái)警報(bào)聲不時(shí)響起。

近期，據(jù)媒體報(bào)道，特斯拉被曝暫停人形機(jī)器人的研發(fā)，調(diào)整設(shè)計(jì)。殷鵬在四月份已知道這個(gè)消息，暫停的主要原因，仍然在數(shù)據(jù)問(wèn)題——特斯拉需要更多機(jī)器人數(shù)據(jù)以訓(xùn)練模型。這對(duì)于賽源這樣的數(shù)據(jù)提供商而言，是個(gè)好消息，真實(shí)物理交互數(shù)據(jù)，而非本體，正在成為這場(chǎng)具身智能軍備競(jìng)賽中的核心彈藥——"機(jī)器人是引擎，數(shù)據(jù)是石油。沒(méi)油，發(fā)動(dòng)機(jī)運(yùn)不了。" 殷鵬說(shuō)，"我們需要成長(zhǎng)為特斯拉最大的數(shù)據(jù)端供應(yīng)商。"

當(dāng)虎嗅于六月在上海見(jiàn)到殷鵬時(shí)，他穿了一身運(yùn)動(dòng)打扮，黑色迪桑特polo衫和運(yùn)動(dòng)鞋，倔強(qiáng)的劉海，時(shí)不時(shí)在說(shuō)話(huà)間甩到前額，他再利落地把它撇開(kāi)。見(jiàn)面時(shí)，他正經(jīng)歷一場(chǎng)短期出差，還帶有一絲風(fēng)塵仆仆，他需要在晚上飛回深圳，也是大量"賣(mài)水人"的基地所在。

作為賽源的CEO，殷鵬的另一個(gè)身份是香港城市大學(xué)助理教授，他曾師從SLAM和規(guī)劃界傳奇人物，JiZhang教授，他開(kāi)創(chuàng)了實(shí)時(shí) 3D 激光雷達(dá) SLAM 的先河，并將其商業(yè)化。這一技術(shù)，是機(jī)器人、自動(dòng)駕駛車(chē)輛的"導(dǎo)航大腦"，如果沒(méi)有它，掃地機(jī)器人、車(chē)輛自動(dòng)駕駛將無(wú)法存在。而殷鵬在此后曾深度參與NASA（美國(guó)國(guó)家航空航天局）、DARPA（美國(guó)國(guó)防部高級(jí)研究計(jì)劃局）和英偉達(dá)的課題，其第一篇國(guó)際頂刊文章，成為NASA火星降落的參考方案之一，殷鵬也是NASA火星登陸項(xiàng)目的高級(jí)顧問(wèn)；在DARPA的地下機(jī)器人挑戰(zhàn)賽上，殷鵬和團(tuán)隊(duì)開(kāi)發(fā)出了首個(gè)超大規(guī)模多機(jī)協(xié)作定位建模系統(tǒng)，這個(gè)成果也發(fā)了第二篇國(guó)際頂刊論文。

在與虎嗅的交流中，殷鵬不斷提及馬斯克——特斯拉的創(chuàng)立者，他強(qiáng)調(diào)"第一性原理"的方法論，他讀馬斯克的自傳，拆解這位硅谷"鋼鐵俠"的創(chuàng)業(yè)邏輯、商業(yè)故事，他稱(chēng)馬斯克為"老馬"，"第一性原理非常可怕，他能把一件在旁人看來(lái)不可能實(shí)現(xiàn)的事情變成可能。"殷鵬說(shuō)。

2024年，殷鵬選擇創(chuàng)立賽源。在創(chuàng)業(yè)之初，殷鵬請(qǐng)教過(guò)不少前輩，其中包括香港科技大學(xué)教授李澤湘與高秉強(qiáng)，前者建議充分利用大灣區(qū)的資源。后者則建議做海外市場(chǎng)，以及思考C端的生意。高秉強(qiáng)不僅是導(dǎo)師，也是殷鵬最早的天使投資人，這位在硬科技領(lǐng)域投資了不少上市企業(yè)的前輩告訴他，當(dāng)下時(shí)點(diǎn)，找一個(gè)切口去創(chuàng)業(yè)，再層層迭代。

面對(duì)虎嗅，殷鵬分享了自己對(duì)具身智能的看法和創(chuàng)業(yè)的想法，從學(xué)者轉(zhuǎn)化為企業(yè)CEO，殷鵬很堅(jiān)決，因?yàn)閷W(xué)術(shù)已經(jīng)很難滿(mǎn)足他需要的資源，他需要到業(yè)界、到一線(xiàn)去獲得更快更真實(shí)的數(shù)據(jù)反饋。這也是為什么他沒(méi)有選擇做CTO，而直接選擇做CEO的原因。

"如果認(rèn)準(zhǔn)了身位，那就義無(wú)反顧。"殷鵬說(shuō)。

機(jī)器人的ChatGPT時(shí)刻

虎嗅：很明顯的行業(yè)趨勢(shì)是，ChatGPT出現(xiàn)之后，出現(xiàn)了Emboied AI的概念，隨即特斯拉、英偉達(dá)、亞馬遜等大公司開(kāi)始發(fā)布其各自的通用人形機(jī)器人計(jì)劃。這個(gè)飛躍在過(guò)去機(jī)器人歷史中極為少見(jiàn)。Transformer架構(gòu)究竟做了什么，讓這個(gè)行業(yè)出現(xiàn)這樣質(zhì)的飛躍？

殷鵬：Transformer架構(gòu)最大的提升在于發(fā)明了一種可以Scaling Law的模式。過(guò)去我們強(qiáng)調(diào)強(qiáng)化學(xué)習(xí)的效果能達(dá)到多少，訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集相差不大，因?yàn)閳?chǎng)景很多，一定無(wú)法涵蓋所有場(chǎng)景，那么模型要不斷重新訓(xùn)練。但這種基于監(jiān)督學(xué)習(xí)的方式，在未知領(lǐng)域發(fā)展很慢。Transformer架構(gòu)可以輸入足夠多的數(shù)據(jù)，在足夠多的數(shù)據(jù)下再進(jìn)行微調(diào)和提升。

這個(gè)策略架構(gòu)最早是谷歌提出來(lái)，但真正用起來(lái)的是特斯拉的那群人，將Transformer架構(gòu)運(yùn)用在自動(dòng)駕駛上。因?yàn)檠芯咳藛T發(fā)現(xiàn)，Transformer的核心是當(dāng)數(shù)據(jù)量到一定數(shù)量級(jí)時(shí)，會(huì)出現(xiàn)涌現(xiàn)。這讓具身智能在空間理解方面有了很大進(jìn)步。

首先，它實(shí)現(xiàn)了空間理解能力的質(zhì)變：傳統(tǒng)強(qiáng)化學(xué)習(xí)在有限場(chǎng)景中只能進(jìn)行局部探索，而借助Transformer的自注意力機(jī)制，機(jī)器人能夠?qū)φ麄€(gè)三維空間進(jìn)行全局感知，并通過(guò)同時(shí)處理視覺(jué)、語(yǔ)言與動(dòng)作等多模態(tài)信息，形成統(tǒng)一的空間認(rèn)知模型；其次，它在泛化能力上取得了突破，傳統(tǒng)方法在訓(xùn)練集和測(cè)試集場(chǎng)景相似時(shí)表現(xiàn)尚可，但一旦場(chǎng)景變化就需重新訓(xùn)練，而Transformer模型通過(guò)大規(guī)模數(shù)據(jù)訓(xùn)練后，能夠在未見(jiàn)過(guò)的場(chǎng)景中自主推理與適應(yīng)；第三，這一架構(gòu)推動(dòng)了從規(guī)則驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)的范式轉(zhuǎn)變，徹底告別了基于IF-ELSE的人工規(guī)則系統(tǒng)，實(shí)現(xiàn)了從感知到動(dòng)作的端到端學(xué)習(xí)，極大地減少了中間環(huán)節(jié)的信息損失。

此外，Transformer擅長(zhǎng)時(shí)序建模，其注意力機(jī)制讓機(jī)器人不僅理解動(dòng)作間的先后關(guān)系，還能進(jìn)行復(fù)雜動(dòng)作序列的長(zhǎng)期規(guī)劃；更重要的是，它支持多任務(wù)學(xué)習(xí)：在世界模型中，視覺(jué)、語(yǔ)言與操作被整合于同一模型；在分層架構(gòu)中，上層負(fù)責(zé)高層推理與決策，下層則承擔(dān)精確執(zhí)行，兩者兼顧；在數(shù)據(jù)效率方面，盡管依然需要大量數(shù)據(jù)，但與傳統(tǒng)方法相比，Transformer能用更少的任務(wù)特定示教數(shù)據(jù)完成復(fù)雜任務(wù)，并將學(xué)到的知識(shí)遷移到相關(guān)任務(wù)；同時(shí)，其在線(xiàn)學(xué)習(xí)能力使機(jī)器人在執(zhí)行過(guò)程中不斷學(xué)習(xí)與調(diào)整，并對(duì)光照、物體位置等環(huán)境變化具有更高的魯棒性；最后，它實(shí)現(xiàn)了語(yǔ)言理解與執(zhí)行的統(tǒng)一，不僅能理解復(fù)雜的自然語(yǔ)言指令，還能結(jié)合視覺(jué)信息進(jìn)行多模態(tài)推理并轉(zhuǎn)化為具體動(dòng)作。

這種從"專(zhuān)用AI"向"通用AI"的轉(zhuǎn)變，讓機(jī)器人從只能執(zhí)行預(yù)設(shè)任務(wù)的工具，進(jìn)化為具備環(huán)境理解、技能學(xué)習(xí)與新場(chǎng)景適應(yīng)能力的智能體，這一技術(shù)進(jìn)展正是"通用機(jī)器人成為可能"的根本驅(qū)動(dòng)力，也是當(dāng)前人形機(jī)器人熱潮的核心所在。

虎嗅：你剛才說(shuō)最早將Transformer發(fā)揚(yáng)光大的是特斯拉的無(wú)人車(chē)，讓大家看到一個(gè)重要的實(shí)現(xiàn)路徑，可以展開(kāi)說(shuō)說(shuō)嗎？

殷鵬：特斯拉無(wú)人車(chē)將Transformer"發(fā)揚(yáng)光大"的關(guān)鍵在于他們率先將Transformer架構(gòu)應(yīng)用于自動(dòng)駕駛的視覺(jué)感知系統(tǒng)，實(shí)現(xiàn)了從多個(gè)攝像頭輸入到駕駛決策輸出的端到端學(xué)習(xí)。

這打破了傳統(tǒng)自動(dòng)駕駛依賴(lài)激光雷達(dá)和復(fù)雜傳感器融合的技術(shù)路線(xiàn)，證明了純視覺(jué)方案的可行性。特斯拉擁有全球最大的自動(dòng)駕駛數(shù)據(jù)收集網(wǎng)絡(luò)，每天有數(shù)百萬(wàn)輛車(chē)在路上收集數(shù)據(jù)，他們率先驗(yàn)證了Transformer架構(gòu)在大規(guī)模真實(shí)世界數(shù)據(jù)下的"涌現(xiàn)"效應(yīng)，當(dāng)數(shù)據(jù)量達(dá)到一定規(guī)模時(shí)，模型性能會(huì)出現(xiàn)質(zhì)的飛躍。

特斯拉的Transformer模型能夠同時(shí)處理8個(gè)攝像頭的實(shí)時(shí)畫(huà)面、車(chē)輛運(yùn)動(dòng)軌跡和歷史狀態(tài)、以及3D環(huán)境理解和路徑規(guī)劃，這種統(tǒng)一的多模態(tài)處理能力為后來(lái)的具身智能提供了重要借鑒。

更重要的是，特斯拉證明了Transformer不僅能做感知理解環(huán)境，還能做決策規(guī)劃路徑和控制車(chē)輛，實(shí)現(xiàn)了完整的感知-決策-執(zhí)行閉環(huán)，這為機(jī)器人的"大腦"設(shè)計(jì)提供了重要范式。通過(guò)車(chē)輛在真實(shí)道路上的行駛數(shù)據(jù)，特斯拉實(shí)現(xiàn)了大規(guī)模的自監(jiān)督學(xué)習(xí)，讓模型能夠從未標(biāo)注的數(shù)據(jù)中學(xué)習(xí)駕駛技能，這種方法后來(lái)被廣泛應(yīng)用于機(jī)器人的動(dòng)作學(xué)習(xí)中。

另外，還將其工程化，實(shí)現(xiàn)了在車(chē)載硬件上的實(shí)時(shí)推理，這為具身智能的實(shí)際部署提供了重要經(jīng)驗(yàn)。

所以特斯拉的成功讓整個(gè)AI界看到了一條重要路徑：通過(guò)大規(guī)模真實(shí)世界數(shù)據(jù)訓(xùn)練Transformer模型，可以實(shí)現(xiàn)從感知到行動(dòng)的端到端智能。這直接啟發(fā)了谷歌的機(jī)器人項(xiàng)目開(kāi)始大規(guī)模收集機(jī)器人操作數(shù)據(jù)，OpenAI將類(lèi)似架構(gòu)應(yīng)用于機(jī)器人控制，各大科技公司開(kāi)始重視具身智能的數(shù)據(jù)收集。

所以，特斯拉實(shí)際上開(kāi)創(chuàng)了"用數(shù)據(jù)驅(qū)動(dòng)的AI來(lái)解決物理世界交互問(wèn)題"的先河，這正是當(dāng)前具身智能熱潮的技術(shù)根源。他們證明了Transformer不僅能處理語(yǔ)言，更能處理復(fù)雜的時(shí)空序列數(shù)據(jù)，為機(jī)器人的"ChatGPT時(shí)刻"奠定了基礎(chǔ)。

虎嗅：目前全球機(jī)器人模型主要來(lái)自幾家實(shí)驗(yàn)室，包括谷歌和斯坦福李飛飛實(shí)驗(yàn)室，這些不同的模型技術(shù)路線(xiàn)有什么不同以及優(yōu)劣之分？

殷鵬：目前，模型體系大致分為兩類(lèi)，很難簡(jiǎn)單評(píng)判優(yōu)劣。第一類(lèi)是"世界模型"，將視覺(jué)、語(yǔ)言與操作等多種能力整合進(jìn)一個(gè)統(tǒng)一模型中進(jìn)行訓(xùn)練。例如，李飛飛實(shí)驗(yàn)室的世界模型、Pi的 OpenVLA 和谷歌的 PaLM。這類(lèi)模型的優(yōu)點(diǎn)是收斂速度快，適用于在廚房、浴室、臥室等特定場(chǎng)景中采集數(shù)據(jù)并優(yōu)化機(jī)器人性能。但其缺陷在于泛化能力弱。一旦超出訓(xùn)練場(chǎng)景（如機(jī)器人從一個(gè)房間移動(dòng)到另一個(gè)），就需重新采集數(shù)十小時(shí)的數(shù)據(jù)進(jìn)行訓(xùn)練，否則性能會(huì)大幅下降。例如 SLAM（同步定位與地圖構(gòu)建）對(duì)光照和場(chǎng)景元素極為敏感，細(xì)微變化就可能導(dǎo)致如抓取等操作失敗。因此，該類(lèi)模型更適合簡(jiǎn)單場(chǎng)景的演示，難以應(yīng)對(duì)如工廠(chǎng)等復(fù)雜、動(dòng)態(tài)環(huán)境。

第二類(lèi)是分層混合架構(gòu)模型，代表如 Figure.AI。該模型結(jié)構(gòu)類(lèi)似于人腦與小腦的分工：大腦部分負(fù)責(zé)文本和視覺(jué)推理，解決"去哪里""拿什么"的邏輯問(wèn)題，如根據(jù)臥室或廚房的圖像定位目標(biāo)與制定抓取策略；小腦部分控制機(jī)器人本體的具體動(dòng)作，如行走、開(kāi)冰箱門(mén)、抓取雞蛋等，需靠大量數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)高精度控制，例如調(diào)整機(jī)械手的力度和手指分布。

這類(lèi)模型的優(yōu)勢(shì)在于分工明確：上層負(fù)責(zé)空間邏輯與決策，下層執(zhí)行精細(xì)動(dòng)作，尤其在完成"最后一厘米"的操作時(shí)，能精準(zhǔn)控制執(zhí)行細(xì)節(jié)。

以特斯拉等公司的機(jī)械手為例，通常具備19至20個(gè)自由度，因搜索空間龐大，必須通過(guò)大量數(shù)據(jù)學(xué)習(xí)來(lái)優(yōu)化動(dòng)作路徑。這種架構(gòu)更適用于環(huán)境復(fù)雜、頻繁變化、泛化要求高，且對(duì)操作精度極高的場(chǎng)景，如精細(xì)抓取。Figure 和特斯拉走的是這條路線(xiàn)。

虎嗅：剛剛說(shuō)到美國(guó)，中國(guó)這兩年也跑出了不錯(cuò)的人形機(jī)器人公司，比如宇樹(shù)，中國(guó)的機(jī)器人技術(shù)水平和美國(guó)有差異嗎？有一個(gè)觀(guān)察，如果從兩國(guó)具身智能公司所展示的Demo側(cè)重點(diǎn)來(lái)看，似乎中國(guó)機(jī)器人公司習(xí)慣于先做硬件、再做模型，國(guó)外似乎是反過(guò)來(lái)。

殷鵬：我認(rèn)為這與兩國(guó)國(guó)情有關(guān)。中國(guó)大陸有很強(qiáng)的智能制造供應(yīng)鏈，可以讓我們將所有元器件以很低成本進(jìn)行快速落地和迭代，在中國(guó)做靈巧手，可能只需要在1-2個(gè)月的時(shí)間，用有限的資源就做成，這在美國(guó)是根本不可能的事。但美國(guó)更擅長(zhǎng)的是大腦模型的開(kāi)發(fā)，其實(shí)雙方可以形成良好的互補(bǔ)。美國(guó)擅長(zhǎng)從0到1的突破，中國(guó)很擅長(zhǎng)從1到100。

機(jī)器人數(shù)據(jù)可能是具身智能中最快完成商業(yè)閉環(huán)的

虎嗅：為何選擇在這樣一個(gè)時(shí)間點(diǎn)創(chuàng)立一家創(chuàng)業(yè)公司？雖然大模型涌現(xiàn)許多機(jī)會(huì)，但具身智能的商業(yè)化還有很長(zhǎng)的路要走，遑論人形機(jī)器人的大規(guī)模商業(yè)化，而作為這些機(jī)器人廠(chǎng)商的上游-數(shù)據(jù)提供商，商業(yè)鏈條更長(zhǎng)。

殷鵬：首先是時(shí)間點(diǎn)。當(dāng)下是一個(gè)關(guān)鍵節(jié)點(diǎn)，全球都能看到大模型在空間理解、推理能力上的突破，這讓通用機(jī)器人成為可能。從硬件層面看，也出現(xiàn)了實(shí)際落地的跡象，這與上一波主要聚焦特種機(jī)器人的機(jī)器人浪潮不同。

未來(lái)的發(fā)展周期到底是10年還是20年，難以下定論。但對(duì)我們這群做機(jī)器人的人來(lái)說(shuō)，更看重的是它最終能否實(shí)現(xiàn)。就像老馬說(shuō)的，"能像人一樣上工位干活"，這是我們真正想看到的。這也是我選擇在這個(gè)時(shí)間點(diǎn)創(chuàng)業(yè)的核心原因。

如果一味等待，就無(wú)法真正感受到時(shí)代脈搏。我也希望能親自下場(chǎng)，挖掘行業(yè)中的核心難題。很多問(wèn)題只有真正進(jìn)入行業(yè)、面對(duì)真實(shí)場(chǎng)景，才能體會(huì)到，線(xiàn)下純思考往往顯得太簡(jiǎn)單。

你剛才提到周期可能很長(zhǎng)，確實(shí)如此，數(shù)據(jù)鏈路也很長(zhǎng)，但對(duì)于機(jī)器人本體來(lái)說(shuō)，數(shù)據(jù)反而可能是最快能形成商業(yè)閉環(huán)的。

沒(méi)有大量真實(shí)數(shù)據(jù)，本體和大腦都難以進(jìn)化。就像訓(xùn)練大語(yǔ)言模型需要龐大的語(yǔ)料，無(wú)人車(chē)需要日采數(shù)以百萬(wàn)計(jì)的車(chē)輛數(shù)據(jù)，機(jī)器人也是一樣。如果不解決數(shù)據(jù)問(wèn)題，就會(huì)長(zhǎng)期被卡住。

模型只是引擎，數(shù)據(jù)才是石油。只有源源不斷的數(shù)據(jù)供給，整個(gè)"車(chē)"才能真正跑起來(lái)。具身智能也是如此，若無(wú)法突破數(shù)據(jù)瓶頸，整個(gè)行業(yè)就會(huì)停滯。而構(gòu)建數(shù)據(jù)閉環(huán)雖然最具挑戰(zhàn)，卻也是最直接、最快和風(fēng)險(xiǎn)最高的一環(huán)。

虎嗅：往往這類(lèi)商業(yè)鏈條長(zhǎng)，對(duì)技術(shù)要求高，并且是"石油"屬性的事情，往往是大公司在做，例如英偉達(dá)、特斯拉、谷歌，或者就是例如斯坦福實(shí)驗(yàn)室這樣的學(xué)術(shù)機(jī)構(gòu)。初創(chuàng)公司來(lái)做這件事，一面是錢(qián)無(wú)法和大公司抗衡，一面是有商業(yè)化壓力，如何競(jìng)爭(zhēng)？

殷鵬：全世界所有機(jī)器人公司、做大腦的公司、做本體的公司，都是我們的友商。我們會(huì)給他們提供數(shù)據(jù)。目前我們已經(jīng)給很多頭部大型AI公司提供大批量機(jī)器人數(shù)據(jù)。起碼未來(lái)5到10年，我們和這些頭部機(jī)器人公司都是友好關(guān)系。

我知道這個(gè)賽道未來(lái)會(huì)很卷，人也會(huì)非常多，很多公司也會(huì)轉(zhuǎn)去做數(shù)據(jù)，不過(guò)我認(rèn)為這個(gè)并不影響事情本身。因?yàn)閷?duì)于最深層的數(shù)據(jù)，很難通過(guò)一家或兩家公司做成。

虎嗅：我理解，相當(dāng)于是做一個(gè)具身智能界的Scale AI嗎？

殷鵬：是的，都是數(shù)據(jù)供應(yīng)商。但我們和ScaleAI不同的點(diǎn)是，Scale AI更加注重?cái)?shù)據(jù)標(biāo)注，大廠(chǎng)會(huì)直接給Scale AI提供數(shù)據(jù)。但我們?cè)谧鰯?shù)據(jù)標(biāo)注之外，還需要做數(shù)據(jù)采集和驗(yàn)證的工作。

首先我們有訓(xùn)練模型的能力，會(huì)和大量大型客戶(hù)建立大批量采集數(shù)據(jù)基地，做幾百萬(wàn)小時(shí)的海量數(shù)據(jù)采集。拿到這些數(shù)據(jù)之后，我們還要做標(biāo)注、清洗、模型初期驗(yàn)證，再把數(shù)據(jù)轉(zhuǎn)給大廠(chǎng)，做更精細(xì)化的處理和訓(xùn)練。

虎嗅：我們現(xiàn)在主要有兩部分?jǐn)?shù)據(jù)，一部分是在真實(shí)場(chǎng)景中收集的數(shù)據(jù)，另一部分是仿真3D數(shù)據(jù)？

殷鵬：我們主要聚焦真實(shí)場(chǎng)景的數(shù)據(jù)。

一方面，我們有一個(gè)開(kāi)源社區(qū)，設(shè)備供應(yīng)商都可以參與數(shù)據(jù)采集，這是一個(gè)共享的平臺(tái)。另一方面，我們?cè)谀玫綌?shù)據(jù)后會(huì)先在內(nèi)部進(jìn)行訓(xùn)練和驗(yàn)證，確保可運(yùn)行后才發(fā)布。目前我們收集的數(shù)據(jù)主要是上百萬(wàn)小時(shí)的真實(shí)數(shù)據(jù)，沒(méi)有涉及合成或仿真數(shù)據(jù)。

這在業(yè)內(nèi)其實(shí)算是比較"反常識(shí)"的選擇。現(xiàn)在很多公司在做合成或仿真數(shù)據(jù)，我們當(dāng)然認(rèn)可不同類(lèi)型數(shù)據(jù)各有價(jià)值，但從我們的角度來(lái)看，真實(shí)、豐富的數(shù)據(jù)最能提升模型訓(xùn)練效果。

雖然我們也有能力基于真實(shí)數(shù)據(jù)做大規(guī)模合成，比如一條生成十條，但這個(gè)技術(shù)門(mén)檻并不高，大廠(chǎng)也完全可以做。所以我們更專(zhuān)注在他們不方便做、或者不愿意做的事——也就是收集真實(shí)世界的數(shù)據(jù)。

至于仿真數(shù)據(jù)，雖然它在強(qiáng)化學(xué)習(xí)里的確是個(gè)不錯(cuò)的驗(yàn)證平臺(tái)，但效果很難直接遷移到現(xiàn)實(shí)中。比如我們用幾十張顯卡訓(xùn)練一個(gè)抓取動(dòng)作，在仿真里成功率可能有95%，但一旦部署到真實(shí)機(jī)器人上就可能掉到60%；像系鞋帶這種更復(fù)雜的動(dòng)作，成功率甚至可能降到45%。也就是說(shuō)，仿真數(shù)據(jù)很難在真實(shí)環(huán)境中泛化。

因此我們最終決定專(zhuān)注于真實(shí)數(shù)據(jù)的構(gòu)建，既來(lái)自人，也來(lái)自機(jī)器人自主采集。

虎嗅：真實(shí)場(chǎng)景數(shù)據(jù)的采集，很考驗(yàn)效率和采集效果，怎么保證質(zhì)量和數(shù)量？

殷鵬：例如工廠(chǎng)的一條包裝產(chǎn)線(xiàn)，有很多操作細(xì)節(jié)，如何抓取、如何吸收、如何剖析這些動(dòng)作，可以創(chuàng)造非常豐富和高濃度的機(jī)器人數(shù)據(jù)。我們會(huì)讓操作員穿戴設(shè)備，在真實(shí)生產(chǎn)流程中采集數(shù)據(jù)。一小時(shí)內(nèi)，就能采集出約500到1000條高密度的數(shù)據(jù)，每條數(shù)據(jù)都包含具體動(dòng)作、文字描述、圖像抓取等信息。

相較之下，真人采集效果比遙控機(jī)器人要好很多。遙操作是用機(jī)器人實(shí)機(jī)在現(xiàn)場(chǎng)完成任務(wù)，但以現(xiàn)在機(jī)器人的能力來(lái)看，哪怕是簡(jiǎn)單操作，也可能執(zhí)行得很復(fù)雜，效率低下，一小時(shí)只能采集幾十條真正有價(jià)值的數(shù)據(jù)。

虎嗅：從數(shù)據(jù)收集的角度，需要找一個(gè)合作生態(tài)非常關(guān)鍵？你從什么時(shí)候開(kāi)始做這件事做了多久？

殷鵬：去年八月份開(kāi)始，持續(xù)半年多，大概有幾十家合作公司，包括工廠(chǎng)、小作坊等。我們現(xiàn)在大概有十萬(wàn)小時(shí)的數(shù)據(jù)，后面會(huì)把量級(jí)擴(kuò)大到10倍，達(dá)到100萬(wàn)小時(shí)量級(jí)。我認(rèn)為這個(gè)量級(jí)，才會(huì)讓機(jī)器人達(dá)到比較客觀(guān)的效果。

只有成為一號(hào)位，才能獲取業(yè)界最快最真實(shí)的反饋

虎嗅：一般科學(xué)家創(chuàng)業(yè)，成功率往往不高，或者說(shuō)很多行業(yè)的共識(shí)是科學(xué)家創(chuàng)業(yè)，其更適合做CTO，而不是CEO。在創(chuàng)業(yè)之初是否有面對(duì)這樣的質(zhì)疑？在創(chuàng)業(yè)過(guò)程中對(duì)于自己的定位，你是怎么看的？

殷鵬：這種質(zhì)疑對(duì)我來(lái)說(shuō)經(jīng)常出現(xiàn)。我想創(chuàng)業(yè)的真實(shí)原因是，具身智能這件事，學(xué)術(shù)的資源已經(jīng)不能滿(mǎn)足我，只有真正到業(yè)界，才能拿到足夠多的企業(yè)資源，但如果我只是個(gè)二號(hào)位或者三號(hào)位，我沒(méi)辦法得到最快最真實(shí)的反饋。

虎嗅：決定下場(chǎng)創(chuàng)業(yè)時(shí)，有跟行業(yè)前輩聊過(guò)嗎？

殷鵬：和很多前輩聊過(guò)，比如李澤湘老師（虎嗅注：香港科技大學(xué)教授，固高科技董事長(zhǎng)，松山湖國(guó)際機(jī)器人產(chǎn)業(yè)基地發(fā)起人）和高秉強(qiáng)老師（虎嗅注：香港科技大學(xué)榮休教授、工學(xué)院原院長(zhǎng)，全球知名微電子專(zhuān)家，投資了思特威、博通集成、瀾起科技等公司）。

虎嗅：他們有沒(méi)有給一些不錯(cuò)的建議？

殷鵬：李老師的想法是，機(jī)器人的生意，還是非常吃硬件的，需要充分利用好大灣區(qū)的資源。高秉強(qiáng)老師的建議是一旦這個(gè)商業(yè)模式跑通，一定要做海外市場(chǎng)。因?yàn)楹Ｍ庠诰呱碇悄苌献叩酶纾瑫?huì)有更深的Know-how。另外，具身智能這件事還是偏早期，B端的應(yīng)用最終還是會(huì)落到C端，因此也需要思考這個(gè)過(guò)程中，B端和C端的邊界，除了給各大廠(chǎng)來(lái)用，還需要考慮如何讓普通民眾也用起來(lái)。

虎嗅：第一筆投資是怎么拿到的？

殷鵬：第一筆投資其實(shí)是高秉強(qiáng)老師投的，他是我們的天使投資人，高老師很了解我，當(dāng)時(shí)我們常一起交流，高老師建議在當(dāng)下時(shí)間點(diǎn)，找一個(gè)非常好的切入口可以去創(chuàng)業(yè)，再層層迭代。

虎嗅：很多科學(xué)家在與工業(yè)界交流溝通的時(shí)候往往存在一些語(yǔ)言體系的不同和由此帶來(lái)的挑戰(zhàn)，科學(xué)往往希望在單點(diǎn)突破，但工業(yè)界對(duì)技術(shù)的領(lǐng)先性反而沒(méi)那么重視，更重視是否解決問(wèn)題，是否穩(wěn)定，你如何適應(yīng)這樣的身份轉(zhuǎn)變，適應(yīng)不同的溝通方式？

殷鵬：確實(shí)如此。學(xué)者轉(zhuǎn)換到CEO，之前關(guān)注一個(gè)點(diǎn)，可以挖得很深，可以調(diào)動(dòng)這個(gè)點(diǎn)周?chē)嚓P(guān)的資源，其他所有的鏈路都不用考慮。但變成公司就不一樣了，更多要考慮的是公司的管理、文化、這個(gè)業(yè)務(wù)本身的商業(yè)模式是否閉環(huán)，是不是賺錢(qián)。這里會(huì)出現(xiàn)很多不同的難點(diǎn)，需要各個(gè)擊破。另外，作為一家創(chuàng)業(yè)公司，任何一個(gè)新的模式都有人質(zhì)疑。所以就需要用最小的成本，完成產(chǎn)品的可行性驗(yàn)證，這些都是創(chuàng)業(yè)需要回答的事情。

虎嗅：這兩個(gè)路徑是相反的，一個(gè)往縱向里扎，一個(gè)做橫向。

殷鵬：是的，一個(gè)點(diǎn)的突破不代表整個(gè)系統(tǒng)就被解決了。創(chuàng)業(yè)需要對(duì)整條鏈路的每個(gè)環(huán)節(jié)都足夠了解，即使自己不懂，也要找到懂的人一起做。而且要有對(duì)時(shí)間周期的把控，畢竟創(chuàng)業(yè)公司的資源不是無(wú)限的，沒(méi)人能等你10年、20年才考慮商業(yè)化。

同時(shí)，還需要一個(gè)優(yōu)秀、細(xì)致的團(tuán)隊(duì)來(lái)承擔(dān)核心任務(wù)。這其實(shí)至關(guān)重要。硅谷有個(gè)說(shuō)法叫"創(chuàng)始人模式"——公司價(jià)值觀(guān)往往反映的是創(chuàng)始人對(duì)行業(yè)的理解。如果我們理解足夠深，就能抓住行業(yè)的核心問(wèn)題，不會(huì)過(guò)于激進(jìn)也不會(huì)太保守，戰(zhàn)略方向會(huì)更清晰，團(tuán)隊(duì)也會(huì)知道自己的定位。

只有具備這樣創(chuàng)始人導(dǎo)向的文化，才能吸引真正志同道合的人。哪怕像老馬這樣的創(chuàng)業(yè)者，在他的每個(gè)公司也都有一群忠實(shí)的追隨者。

虎嗅：在這個(gè)過(guò)程當(dāng)中比較大的挑戰(zhàn)，或者壓力挺大的時(shí)候是什么？

殷鵬：因?yàn)槭紫仁亲鳛槔蠋熞マD(zhuǎn)型，非常痛苦。要從一個(gè)釘子變成一個(gè)類(lèi)似于像梳子這樣的模塊。

在正式創(chuàng)業(yè)之前，我們往往專(zhuān)注于一個(gè)單點(diǎn)問(wèn)題的深入突破，個(gè)人只需思考得足夠深入即可。但作為創(chuàng)始人，就要從"釘子"思維轉(zhuǎn)變?yōu)?梳子"思維，不僅要深挖某一點(diǎn)，還要兼顧全局多個(gè)維度。

創(chuàng)始人關(guān)注的面非常廣，但面廣不等于"大而空"，否則團(tuán)隊(duì)會(huì)不知道具體該做什么。在此基礎(chǔ)上，既要全面布局，也要在每個(gè)關(guān)鍵點(diǎn)深入推進(jìn)，明確每個(gè)人的任務(wù)、節(jié)奏和具體內(nèi)容。這對(duì)時(shí)間管理和綜合能力提出了極高要求，也是每一位創(chuàng)業(yè)者都必須經(jīng)歷的一關(guān)。

第二點(diǎn)是商業(yè)模式的不確定性。在發(fā)展的某個(gè)階段，一種模式可能完成閉環(huán)，實(shí)現(xiàn)真正的突破，但我們無(wú)法準(zhǔn)確預(yù)測(cè)這一刻何時(shí)到來(lái)。以數(shù)據(jù)行業(yè)為例，外界對(duì)其構(gòu)成存在爭(zhēng)議——有人強(qiáng)調(diào)課程數(shù)據(jù)，有人依賴(lài)仿真數(shù)據(jù)，也有人重視真實(shí)數(shù)據(jù)。我們相對(duì)開(kāi)放，認(rèn)為多種模式都有機(jī)會(huì)成功，但難以完全把控這種趨勢(shì)在長(zhǎng)期周期內(nèi)的演進(jìn)規(guī)律，因此要依靠直覺(jué)判斷。

虎嗅：直覺(jué)主要來(lái)自哪里？

殷鵬：這種直覺(jué)，來(lái)源于第一性原理的分析、快速獲取行業(yè)和用戶(hù)的反饋。我們站在前線(xiàn)，能第一時(shí)間獲得大廠(chǎng)在性能優(yōu)化等方面的經(jīng)驗(yàn)和信息，這使得"即時(shí)響應(yīng)、快速溝通和反饋"變得極其關(guān)鍵。因?yàn)橐坏┬畔⒄`判，就可能導(dǎo)致決策失誤，進(jìn)而影響整體戰(zhàn)略。

所以，在創(chuàng)新過(guò)程中，創(chuàng)業(yè)者常會(huì)經(jīng)歷兩個(gè)挑戰(zhàn)：一是從個(gè)人高深度突破轉(zhuǎn)向全面統(tǒng)籌，二是在不確定中尋找方向，并始終保持對(duì)信息的敏銳感知和快速反應(yīng)。這也是"黎明前的黑暗"階段，雖然痛苦，但唯有沖到一線(xiàn)，深入思考和建設(shè)，才有可能迎來(lái)真正的突破。

虎嗅：在深入業(yè)界之后，你發(fā)現(xiàn)了哪些是過(guò)去沒(méi)有意識(shí)到的行業(yè)痛點(diǎn)或者問(wèn)題？

殷鵬：比如我們之前做遙操，操縱這個(gè)領(lǐng)域我們做了兩年，我們會(huì)做例如抓取蘋(píng)果、杯子，這樣簡(jiǎn)單的事情，也會(huì)做擰螺絲這樣很難的研究。但真的和工業(yè)界交流時(shí)發(fā)現(xiàn)，這些事往往無(wú)法落地。比如說(shuō)他們不需要訓(xùn)練一個(gè)多Fancy的模型，只需要百分百做成一件事，一個(gè)可以落地的策略解決方案。

虎嗅：其實(shí)創(chuàng)業(yè)公司的初創(chuàng)團(tuán)隊(duì)是很重要的，很多時(shí)候如果找的都是能力很強(qiáng)的人，反而不能成功。搭團(tuán)隊(duì)的時(shí)候你看中的是什么？花了多長(zhǎng)時(shí)間搭團(tuán)隊(duì)？

殷鵬：找人對(duì)創(chuàng)業(yè)公司而言至關(guān)重要，我們大概花了半年時(shí)間。我還是更借鑒黃仁勛的機(jī)制，一開(kāi)始兩三個(gè)人一定要有情感基礎(chǔ)和長(zhǎng)期合作伙伴的關(guān)系，對(duì)彼此有長(zhǎng)期信任感，能夠共同承擔(dān)風(fēng)險(xiǎn)。比如我們?cè)缙诤兔绹?guó)大型公司談?dòng)唵危孟碌谝粋€(gè)客戶(hù)，這種事情形成的革命友誼在創(chuàng)業(yè)中尤為難得。我們并不介意這個(gè)人是否一定是名校，更在乎的是在進(jìn)入公司后是否能夠快速適應(yīng)公司文化和氛圍，把自己的能力進(jìn)行快速提升。所以我更看重的是加速度，如果加速度很強(qiáng)，說(shuō)明他有很強(qiáng)的內(nèi)驅(qū)力，能夠在一個(gè)公司找到自己很好的身位，把能力做極大的發(fā)揮。

虎嗅：話(huà)說(shuō)回來(lái)，在"畫(huà)餅"這件事上，您如何讓大家愿意相信這個(gè)愿景并堅(jiān)定往這個(gè)方向努力？

殷鵬：當(dāng)年老馬做 SpaceX 時(shí)，業(yè)界普遍認(rèn)為火箭回收不可能。但他憑借個(gè)人魅力，做了初步驗(yàn)證，拿到融資，從 NASA 招來(lái)一批相信他的團(tuán)隊(duì)，最終把這件事做成了。

我也是從第一性原理出發(fā)，思考什么樣的數(shù)據(jù)真正能起量，拆解整個(gè)過(guò)程，預(yù)判可能遇到的問(wèn)題，與團(tuán)隊(duì)逐步攻堅(jiān)，一旦突破，可以達(dá)到怎樣的規(guī)模和影響力。

現(xiàn)在看 Scale AI 的市值就能明白，一家"賣(mài)水"的公司也能做到行業(yè)頭部。這個(gè)愿景是大家可以一起實(shí)現(xiàn)的。我們要做的是搞定大客戶(hù)，與他們建立深度綁定，讓外界更愿意相信這個(gè)故事。

具身智能尚處亂世，認(rèn)可了就義無(wú)反顧去做

虎嗅：你其實(shí)是一個(gè)習(xí)慣于將長(zhǎng)目標(biāo)拆分成一個(gè)個(gè)短目標(biāo)的人？

殷鵬：是的。我覺(jué)得任何復(fù)雜的事情都耐不住細(xì)化，短期可以是一個(gè)季度為計(jì)或者半年可實(shí)現(xiàn)的目標(biāo)，層層往上迭代，總會(huì)實(shí)現(xiàn)。黃仁勛也是這個(gè)策略，他最早就All in算力，只是在當(dāng)時(shí)的時(shí)間點(diǎn)沒(méi)有人提。所以他開(kāi)始做游戲，然后挖礦，之后遇到AI。

虎嗅：你一直在提到"第一性原理"，馬斯克是把"第一性原理"發(fā)揚(yáng)光大的人。什么時(shí)候開(kāi)始意識(shí)到"第一性原理"這件事并認(rèn)可它？

殷鵬：我是去美國(guó)之后第一次真正了解Elon Musk，他背后的創(chuàng)業(yè)邏輯、故事路線(xiàn)，了解特斯拉、SpaceX。我在美國(guó)的那幾年，正好見(jiàn)證了特斯拉如何沖出低谷，再往上爬升的過(guò)程。見(jiàn)證馬斯克如何一層層把大家對(duì)他的質(zhì)疑劃破，去兌現(xiàn)。包括他承諾了將近十年的Robotaxi。所以我研究了他的商業(yè)歷史，我發(fā)現(xiàn)第一性原理真的非常可怕，能把一件在旁人看來(lái)不可能實(shí)現(xiàn)的事情變成可能。

虎嗅：現(xiàn)在在看什么書(shū)？

殷鵬：最近的新書(shū)就是馬斯克的自傳。

虎嗅：看起來(lái)你很喜歡馬斯克。

殷鵬：對(duì)，可以說(shuō)我的整個(gè)的商業(yè)邏輯，商業(yè)模式，很多都是來(lái)自老馬的啟發(fā)。他如何在早期就思考這件事，如何設(shè)計(jì)、如何在某個(gè)時(shí)間點(diǎn)頂住壓力，做別人看起來(lái)不可能的事情。

虎嗅：現(xiàn)在還會(huì)堅(jiān)持冥想嗎？每天會(huì)花多長(zhǎng)時(shí)間？

殷鵬：我現(xiàn)在每天早上五點(diǎn)起床，會(huì)花半小時(shí)冥想然后開(kāi)始每天的日程工作。因?yàn)槭虑闀?huì)越來(lái)越多，如果沒(méi)有一個(gè)合理的放空機(jī)會(huì)，人會(huì)在一些雜事情上迷失。如果每天沒(méi)辦法得到自己內(nèi)心深處的反饋，在路徑選擇上還是會(huì)出現(xiàn)一些問(wèn)題。

虎嗅：創(chuàng)業(yè)至今，有沒(méi)有發(fā)生一些反常識(shí)的事？

殷鵬：我覺(jué)得是有的。泡泡瑪特的王寧曾總結(jié)過(guò)一個(gè)經(jīng)驗(yàn)：創(chuàng)業(yè)時(shí)我們常以為A很重要，離了它不行，但實(shí)際做下去才發(fā)現(xiàn)，真正關(guān)鍵的是B，而B(niǎo)在最初甚至看不出來(lái)有多重要。到面對(duì)客戶(hù)時(shí)，又可能是C才對(duì)，因?yàn)榭蛻?hù)需求會(huì)不斷變化。最終是通過(guò)B的調(diào)整，才演化出C的形態(tài)，不斷優(yōu)化這個(gè)過(guò)程。

一開(kāi)始設(shè)想的路徑，在不斷試錯(cuò)和收斂中，可能會(huì)自然找到最優(yōu)解，但這個(gè)最優(yōu)解很難一開(kāi)始就預(yù)料到。正如那句話(huà)："偉大的事情無(wú)法被計(jì)劃。"

虎嗅：對(duì)于你和公司而言，未來(lái)的挑戰(zhàn)會(huì)在哪里？

殷鵬：現(xiàn)在可見(jiàn)的是，進(jìn)入具身智能行業(yè)的"用戶(hù)"越來(lái)越多，而不是專(zhuān)注做數(shù)據(jù)的公司。我們?nèi)ツ陝倓?chuàng)業(yè)，還需要向投資人解釋機(jī)器人數(shù)據(jù)的重要性，但如今這幾乎已成共識(shí)。

這當(dāng)然是好事，但也是一把雙刃劍。大家認(rèn)同數(shù)據(jù)的價(jià)值，意味著越來(lái)越多的公司開(kāi)始涌入這個(gè)賽道，不論大廠(chǎng)還是中小團(tuán)隊(duì)，生態(tài)變得越來(lái)越"卷"，也開(kāi)始出現(xiàn)不少重復(fù)造輪子的現(xiàn)象。

整個(gè)行業(yè)仍處于"亂世"階段，關(guān)鍵在于如何找到自己的獨(dú)特位置。對(duì)我們來(lái)說(shuō)，數(shù)據(jù)是最核心、也是最擅長(zhǎng)的部分。既然如此，就沒(méi)有猶豫的理由，只能義無(wú)反顧地往前走。