Dialogue with Zhang Wei of Zhuji Dynamics: The Embodied GPT Moment That Needs No Waiting and the Unworthiness of the World

Full text · 原文 15,075 字

这个世界上没有技术壁垒，只有迭代速度。 文丨申远 编辑丨宋玮 张巍是放弃了美国终身教职回国的，从 2003 年赴美到取得终身教职，他用了 14 年。2019 年，张巍回国入职南方科技大学，又过了两年多，逐际动力成立，到现在已经陆续发布了四五款机器人产品，包括一男一女两台机器人 Luna 和 Oli，以及从操作算法到智能体系统在内的全套技术栈。 Luna 是一个身高 160 厘米的女性机器人，能下一字马、走猫步、变换表情，最重要的是可以实时模仿学习人类的动作。张巍说，Luna 证明了逐际的产品创新能力，这是市面上唯一一个全尺寸、类女性的在售机器人。 和之前的男性机器人形象的 Oli （比 Luna 高 5 厘米）一样， Luna 试图提供区别于单纯唱歌跳舞的差异性的服务。“未来说不定还会有个小孩，组成一家三口。” 张巍最后开玩笑总结道。 他解释任何问题脸上都挂着微笑，作为辽宁人，张巍经常随手扔出几个似乎只有东北人才会使用的笑话和奇妙比喻，让任何严肃、焦灼与混乱的事都变得好像轻松愉快。 比如逐际动力面对的日益激烈的具身智能竞赛。同在深圳的两家具身公司已经宣称估值率先突破 200 亿，港股上市秘密递表的竞争对手名单越来越长，而初创公司如雨后春笋一般出现，融资速度和估值上涨越来越快，丝毫没有停歇的迹象。 你很难在张巍身上看到那种焦灼，虽然逐际动力也确实加快了融资的速度。7 月，逐际动力宣布完成 Pre-IPO 轮融资，金额近 2 亿美元，投后估值 150 亿人民币。股东名单包括 IDG 资本、蓝思科技、GGG Group 与 Redstone VC、华山资本。老股东阿联酋磊石资本（Stone Venture）连续多轮追投。 张巍语速飞快，甚至有些含混（这是沈阳口音普通话的另一个特点）。某种程度上减弱了他说出的一些决绝句子的冲击力，比如 “世界上没有技术壁垒，只有迭代速度。” 又或者 “公司是可以死的。” 以及，或许是逐际最重要的反常识判断：机器人已经具备了很好的大脑，缺的不是智能，而是技能。 张巍说他最欣赏的人是段永平和李诞，两个南辕北辙的名字。人生观则是李诞那句 “人间不值得”，并坚持认为这是极度的乐观——人间都不值得了，还有什么值得伤心难过的？在不值得的人间造机器人，大概是眼下最开心的事。 这篇访谈跨度近半年，问答内容经过编辑整理。 人形机器人 Oli 把两瓶水递给客人 创业没有那么伟大 晚点：你放弃了已经拿到的美国俄亥俄州立大学终身教职回国，心里有遗憾和不舍吗？ 张巍：拿到教职本身我真没觉得这是个多大的事儿，因为里面有历史因素的累积，有机缘巧合，（终身教职）不是一个能力的完全体现。 人的价值不是职位定义的。 晚点：如果还在从事研究，你最有可能拿什么奖？ 张巍：我对奖一点兴趣都没有，坦白讲我从来没想过这个问题。 晚点：如果你真的实现了人形机器人某些通用性、实现世界模型，你肯定能得一个奖。 张巍：要给我选的话，我希望做出一个事情，而不是得奖，因为真的没有意义。 晚点：当了 9 年教授，为什么想要回国、想要创业？ 张巍：回国是想好了的，因为我不想在美国待一辈子，然后，尽管我是东北人，但我不想待在北方，最终就选择了深圳的南科大。 创业其实没想清楚就创业了，没有那么伟大。 晚点：19 年你放弃美国终身教职回国加入南科大，到 22 年成立逐际选择创业，你说没有那么伟大，那这中间发生了什么？ 张巍：这个行业一直发展比较快，回国之后你开始接触到更多相关产业，然后你发现在学校里很难做出比较好的硬件，而算法必须要和硬件结合。当时南科大有孵化器可以支持创业，我们就开始成立公司对外融资了，然后就掉进来了。 晚点：掉进坑里了？ 张巍：算是走上轨道吧，因为我们目标就是看怎么把事儿做好。不过那时候完全没有资本热。 机器人发展已经到那个阶段了，软硬件都到了一个水平，你可以做更多事，但需要以公司的视角去推进。 晚点：所以逐际成立的契机既没有一个巨大的商业变量，也不存在一个技术变量，类似 GPT 的那种。 张巍：对。 晚点：那你怎么总结当时公司的愿景？ 张巍：真的没有，很模糊，要不你看看我们公司的名字吧，“逐际” 其实就是突破机器人边界的意思，大概就这样。 过去机器人的应用场景就是机械臂，只能干那点事儿，因为能力边界有限，所以大家只好不断内卷。突破边界就打开更多可能性了，说到底这还是个技术追问的过程。 晚点：所以你并不是抱着 “这个事能够改变世界”，或者 “我是第一个做出这个事情的人” 来创业的，你好像没有这种愿景。 张巍：对，我对第一个做出来某件事，或者做最大的事这些都没有特别执念，每天做有趣的事，自我成长比较重要，所以真的没有那么伟大，我只是希望做一个能突破机器人能力边界的公司，关键在事上。 晚点：那感觉你更适合加入某家公司呀。 张巍：当时没有各方面都一致和让我折服的老板吧。 晚点：逐际成立之后的第一个目标是什么？ 张巍：开始迭代现在叫做大小脑融合的技术，当时叫 perceptive locomotion，就是基于感知的运动控制。这基于一个前提啊，就是我们的运控很强（笑），但要基于感知去把大脑思考能力闭环起来。 22 年底我们实现基于感知的四足机器人自主上下楼梯，我们应该是中国第一个做的。 晚点：逐际号称小脑技术全球领先，和宇树比怎么样呢？ 张巍：这很难去比，坦白讲。 晚点：但你今天还是认可全球领先的对吧？ 张巍：现在还认可，创业的时候逐际就有这个标签。 晚点：现在大家都会觉得最领先的是宇树，因为他们机器人的运控真的很丝滑。 张巍：我不太知道怎么能直观地比较（停顿了一小会儿），我们说事实吧！强化学习端到端人形室外行走，团队 2021 年全球第一个做出来的，基于现在的技术栈最早完成，当时宇树是没有的。 晚点：但其实更早之前你们做过四足机器人对吧？ 张巍：对，那时候还没创业，2019 年我们攒了一个四足机器人，叫南科哮天。 晚点：据说是发现四足和宇树拉不开差距才转做双足，是这样吗？还是我们太过简化了这个因果关系。 张巍：我第一篇双足机器人的论文是 18 年发的，用强化学习控制人形机器人，这和宇树没啥关系。 晚点：当时是什么启发了你？ 张巍：AlphaGo 的出现，还有 Sergey Levine （PI 的联合创始人）他们已经开始做基于强化学习的算法。我们觉得这个和机器人结合比较近，一开始也只是尝试。 不过非常痛苦，就像是 GPT 1.0 或者 GPT 2.0 的阶段。 晚点：所以该怎么理解从四足转到双足？为什么不一开始就做人形？ 张巍：从四足转双足这是个产品化和商业化的选择，不是技术选择。从技术上说 2017、18 年我就在做人形的论文了嘛。 晚点：你当时没想到人形机器人的唱歌跳舞会是一个很好的商业化场景吗？ 张巍：没人能想到吧！ 这个世界上没有技术壁垒 晚点：22 年 GPT-3.5 给了你什么新的启发？ 张巍：技术范式在变化，应该用 data driven （数据驱动）的方式做事，同时让我感受到了做人形的价值，因为它是 AGI 的最佳载体。通用 AI 需要通用机器人形态，必须是人形。 晚点：所以逐际在产品上才把人形机器人作为了一个重点？ 张巍：对。 晚点：很多人不看好教授创业，你怎么看？ 张巍：要抛开学术思维，学术思维是以论文引用量为荣，这对创业来说完全没用啊哈哈。学术思维往后，分别是技术、工程、产品和商业思维。教授在学术思维这里（指了一下桌子的一端），你能跨越这几个鸿沟就行，跨不过来就没用了。 晚点：难吗？比如从学术到技术，最难的是什么？ 张巍：要做就不难。这里我可以分享一句话，我觉得这个世界上没有技术壁垒，只有迭代速度。 晚点：你怎么说这句话的时候显得有点不好意思？ 张巍：哈哈怕打击别人。 晚点：OpenAI 难道没有技术壁垒吗？ 张巍：技术壁垒是不会太强的，只有迭代速度的区别。迭代到一定程度，会有商业壁垒、有规模性壁垒，纯粹技术不会有太强的壁垒。 晚点：这听上去就是真正好学生才会说出来的话，因为技术大家都能学会。 张巍：你看去年 DeepSeek 为什么能一下子拿出来很棒的成果？技术没有太强的壁垒，真的。 晚点：你自己是不是一个快速学习能力很强、迭代很快的人？ 张巍：我觉得我能力一般，但迭代速度是 ok 的。 晚点：你在什么时候，因为什么意识到技术不是壁垒的？ 张巍：就是 23 年，你会发现第一个做出技术突破不代表商业上能打赢，别人慢慢也都会了。比如宇树的机器人很快也会上楼梯了。 晚点：这对你是个打击吗？ 张巍：没有打击，就是意识到是这样，然后改变，改变就是要迭代。 晚点：怎么才能让自己迭代速度比别人快呢？ 张巍：迭代速度快是个结果，过程就是需要你专注、开放，以及放弃自己的 ego。我觉得迭代这个能力来自于你的基础能力，以及开放心态。 基础能力我个人觉得就是数学和物理，你必须非常深入理解它们才可以，这是最高质量的人类大脑的训练。 晚点：跟其他机器人公司创始人相比，你觉得谁数学物理能力相对强一点？ 张巍：我没问过他们，但我觉得我自己还可以，我真的读了蛮多数学和物理的。拿运动来类比，不管你打乒乓球、网球还是篮球，数学就是你的体能训练，你的肌肉力量，不管做什么运动，你体能必须得好。 晚点：是不是让你去创业做一家大模型公司，你也能做好啊，既然技术没有门槛，核心就是迭代速度。 张巍：还有先机，很早知道那些 know-how 很重要，晚半年一年的就没用了。 来自数据的共识 晚点：从上次采访到这一次，中间隔了一年多，具身行业的大家好像吵得更凶了，每个 CEO 都各有一套理论，然后互相指责对方不对。你觉得现在有什么东西是有共识的？ 张巍：这个问题太大了，咱具体点儿，是大脑、小脑，人形还是非人形，商业还是技术？ 晚点：我们先讲技术？ 张巍：数据是一个共识，智能来源于数据。至于什么样的数据去做什么任务，共识也在慢慢清晰。 同一年多前相比，用纯真机数据 scale 到通用智能这件事应该没什么太多人提了，视频数据的共识有扩大的趋势，因为大家意识到要降低数据收集的成本。 晚点：一个手套加一个第一视角摄像头，可穿戴采集真实场景数据，你怎么看？这样做的人给我们说他不看好仿真与视频数据。 张巍：现在 Ego-centric 数据大部分也都是视频数据为主。VLM 里的 V 就是 vision 视觉，连续的视觉图片就是视频，它一定要有，这是毋庸置疑的。不过有时候直接处理视频数据难度比较高，有人就用 UMI 或者手套来辅助提取手的末端轨迹，这不是原则区别。 晚点：和之前的区别是，到底是让机器人，还是真实的人类来收集数据。那仿真数据呢？ 张巍：仿真也很重要，逐际的 DreamActor 就是一个利用仿真来生产模型的 pipeline（管线）。不管用什么方式收集数据，一个是要优化数据成本，另外，它和具体任务是关联的，不同的任务需要不一样的数据，有的仿真就可以，有的需要大量视频数据预训练再加上真机 fine-tune，有的需要触觉，这个要看任务类型。 晚点：业内你觉得谁的数据效率是最高的？ 张巍：这太笼统了，我拍脑袋猜一下，从技术栈来说，Pi 还是挺好的，近期也有不少进展，至少各种数据它都能融入到训练中。我觉得单一数据的 “模型产线” 的肯定就不太有竞争力。 晚点：国内呢？ 张巍：不好评价别人的细节呀，但可以有个判断标准，就是你能不能用视频数据来做预训练，因为真机数据大家都会嘛，视频数据还是比较有挑战的，scaling 的机会也最大。 晚点：逐际在视频数据和数据效率方面有什么领先的地方？ 张巍：上次采访（24 年底）大家都还在说要赌哪种数据的路线会胜出，这其实都是预训练阶段。逐际可以说比较早进入后训练阶段了，因为我们比大多数人都早意识到了数据种类和数据效率的重要性。 晚点：预训练结束的标志是什么？ 张巍：不是结束，是第一阶段大家的技术相对清晰了，同时大家也意识到完全通过堆预训练数据来达到生产级的模型水平不太现实，即使 Pi 这样公司的基座模型也还无法落地，这中间就有一个空隙，这个空隙需要后训练来完成，也就是真机微调和强化学习。 晚点：跟大语言模型发展有点类似对么，或者说几乎一致。 张巍：我觉得是的，先预训练、模仿学习，到后训练、强化学习。当然实现方式有很大不同，而且对机器人而言，后训练和持续学习更重要一些。 晚点：逐际是国内最早开始做后训练的机器人公司吗？ 张巍：我不太知道别人是什么时候开始的。这个行业就是这样，我以前敢说，现在我觉得没有必要啦，是不是最早不重要，看谁跑得快比较重要，逐际是从去年中开始的。 晚点：所以对数据的理解是逐际的一个技术层面的护城河吗？ 张巍：我觉得是的。 GPT-3 时刻已经到了 晚点：总的来看，今天的人形机器人相当于大模型的哪个阶段？ 张巍：笼统的类比，我觉得到 GPT-3 左右了。 晚点：这好像和大多数人的判断不一样啊，chatGPT 发布的时候大家非常震惊它的能力，但机器人现在好像还没有什么让人十分惊艳的落地演示。 张巍：GPT-3 到大家用到的 chatGPT 还有两年多的时间呢。而且我说的是笼统的类比，只是发展阶段差不多对齐 GPT-3 时候。 我觉得具身不是单一模型能力驱动的行业，更合适的类比是差不多处于 2000 年左右互联网的阶段，很多泡沫，但是也孕育伟大的企业。 从我的经验来看，你不能用线性推演去预测一个指数变革。对于技术前景，我是乐观的，有些人可能悲观一点，但在指数曲线上，乐观悲观都不对——因为你是在按当前的技术瓶颈难度，去衡量一个指数变化的东西。 晚点：很多人会说，技术路线还没有收敛，你怎么看？ 张巍：我觉得范式已经收敛了，没收敛的是细节。 晚点：可是最新的趋势是世界模型，逐际有在做世界模型么？ 张巍：大家对世界模型的理解是很多样的，真正的世界模型是预测世界未来状态的，不一定是直接能完成具身任务的。最近大家关注最多应该是 World Action Model（世界动作模型）。我们两年前做 Video Pre-training （视频预训练）的时候，还没有 World Action Model 这个词，我们一年半前发的 VGM（Video Generation Motion，逐际 2025 年初发布的基于视频预训练的具身操作算法）就是最早的 World Action Model。上次咱们采访的时候提 Video Pre-training，大家还觉得不知道能不能用，最近已经习以为常了，这就是收敛。 晚点：难道在你看来，世界模型目前的水平已经到了 GPT-3 吗？ 张巍：这就涉及到我们一个反共识的观点，我们认为人形机器人的大脑是一个复杂的智能体 Agentic 系统，包括很多类型的模型，记忆系统，与持续学习机制等等能力的融合，我们不能用单一模型的能力来衡量它的水平。应该说整个机器人的脑系统的进化水平接近语言模型领域的 GPT-3 阶段。 逐际的具身大脑系统叫 COSA，cognitive OS of agents，分三层，System 0、1、2，跟 Figure 有点像，但细节也有很大不同。 晚点：不是端到端的吗？ 张巍：人脑的功能也是分区的啊。 System 0 就是全身运控，只动不思考；System 2 是大脑，只思考，不动手，有点像人的前额叶。System 2 思考的引擎是 LLM 或者 VLM，以后还会有世界模型（WM）——不过世界模型在这一层是指导思考决策，而不是行动。 System 2 当前最大的挑战不是大模型能力的提升，而是记忆管理以及能够支持有效推理和持续学习的 Agentic loop 的设计。 System 1 是在中间连接上下的高阶技能层。它接收上层的子任务，根据环境感知，生成全身运动参考轨迹。我们提到的 VLA、World Action Model 都在这一层，它们都是实现高阶技能的不同方法而已，不是啥技术变量。 上面只想不动，下面只动不想，中间则是感知到行动的高阶技能。 大脑智能的核心在 System 2，近期 Agentic 系统的发展让我觉得我们已经有大脑的雏形了，而且会越来越好。举个例子的话，可以认为我们可以做出一个躺在病床上的很聪明的残疾人了，它能很好地思考、对话、分析、决策，但是它还不能行动。我们现在需要的就是让这个残疾人动起来，和人的康复运动差不多，哈哈。 晚点：所以具身公司在做的是给这个瘫痪病人做康复训练？ 张巍：可以这么说。大家容易把技能的泛化当做脑的全部，但其实不是。一个不会弹钢琴的人，你能说他没有脑子吗？显然不是。 从这个角度出发你可以得到很有意思的结论，那就是自动驾驶的 VLA 模型也不是大脑，而是一个技能。因为人可以不会开车，但你不能因此说他没脑子。 晚点：泛化和智能，在你的定义里是分开的。 张巍：也不是，它们是相关的但不是等价的。很简单，你不需要什么活都会干，但是你可以很聪明。技术语言来说的话，就是 System 1 中的高阶技能模型不需要很通用，但三层脑系统整体也可以表现得很智能。 晚点：这么多技能领域，要怎么选呢？ 张巍：一道很简单的算术题，既然大脑有了，缺的是技能，而构建技能需要数据，那也就是说，具身落地的本质，就是让技能本身的商业价值大于构建这项技能的数据成本。 晚点：这种挑选的过程似乎暗示说，不同技能之间好像没什么关系。 张巍：语言是 cross domain（跨领域）的，律师写的法律意见书和我家小孩写的作文之间可以互相借鉴。但是不同的技能，比如开车和剥鸡蛋，这两件事放在一起训练帮助是非常有限的。 不同的技能需要不同的数据来训练，因此它们的成熟度也不一样。走路、上楼梯这种技能，仿真数据就够了，所以它最早成熟。开车，也就是自动驾驶技能，虽然需要大量真实数据，但是数据获取方式是自发和廉价的，也会成熟快一些。 晚点：前面说了逐际对数据的理解是一种优势，那从具身智能的这三层架构来说，逐际都有什么优势？ 张巍：难的不是每一层单独做好，而是三层加本体硬件的联合优化与毫秒级的配合。 晚点：听上去有点抽象，能举个例子么，比如大家都在做的唱歌跳舞…… 张巍：现在大家都是预录好一个舞蹈，然后去训一个月，好点的公司可能几天、几小时训出来能跳一支舞。逐际的小脑基础模型可以在不预先设定的情况下实时生成任意需要的全身运动，就是实时的大脑要你做什么你就做什么。这个东西想要做好需要长时间积累的，同时它也和硬件结合得非常深。 晚点：可以说逐际是一个具身通用基座模型公司么？ 张巍：这要看是哪一层的基座模型，我们关心的是综合的产品能力与体验。 逐际把自己定位成人形机器人的产品型主机厂，由 AI 驱动。这需要全栈的综合能力，制造、AI 算法、AI 系统还有产品，但我们不是通用基座模型公司。System 0 和 System 1 中的基座模型我们是做的，而且要做到领先，但是我们不训练 System 2 中的 LLM、VLM、WM 这些基座模型，我们追求具身大脑系统能力落地，优势不在于某一个单一模型能力，而是在有大脑系统的人形机器人。 今年 5 月发布的全尺寸交互人形机器人 Luna 晚点：所以你最后的结论是，逐际最应该擅长的是商业化落地？ 张巍：我们最后一定要最擅长商业化，在商业化过程中，最稀缺那种技术，我们就把哪一个做到极致。 晚点：你应该很自信你在技术上的判断，过去有没有过技术判断你出错了或者打脸了的情况？ 张巍：非要说的话，可能是我意识到技术领先的重要性降低了，这个算吧？以前吹的太厉害了，现在觉得没那么重要了。 晚点：现在怎么定义逐际的位置还有技术迭代的速度。 张巍：还是挺前沿，相对领先的，不能说第一第二，但是第一批吧。就考清华前 10 名那几个分我觉得没有太本质的区别。 “天天想落地的事” 与具身智能体系统 晚点：那我们来聊聊商业化，之前你们说 “机器人不进工厂”，好几年过去了，现在还是这样吗？ 张巍：没变。我们的 slogan 是 Serve People, Not the Process——服务于人，而不是生产流程。人形机器人的工作环境是人生产生活的地方，不是机器待的地方。 晚点：这里你专门指的是人形机器人对吧？ 张巍：对，不是所有具身都不进工厂，而是带腿的人形，我们自己不进。当然客户拿着它去工厂里干活是可以的。 晚点：为什么？ 张巍：两条腿的人形机器人在工厂里效率不高，轮子就够了，而且这一代具身模型技术本质是个随机过程，作为生成模型，它的输出是一个分布，不保证 100% 一致，传统工业场景需要极致的效率与精度，这方面人形确实没优势。 晚点：行业里都在讲机器人进厂打工。 张巍：没进过的都想往里进，但凡是进过工厂的就知道是怎么回事了。 晚点：这又说回了一个老问题，既然人形机器人在工业场景里效率太低，那为什么一定要是人形？ 张巍：我回答这个问题的方式是说这就不是一个好问题。因为你的答案可以永远都是 “不需要”，因为没有任何单一场景一定需要两条腿的人形机器人。 人形机器人的本质是通用，而任何场景都是在用 “专用” 的方式去评价一个通用的东西，这是永远也说不通的。这和智能手机一模一样，打电话这个单一功能不需要花 1 万块钱买 iPhone，发短信也不需要，上网、听歌都不需要，但多个功能加起来，就一定需要。 人形机器人是唯一一种无需改变构型，就能满足海量、分散、个性需求的机器人平台，没有之一。别的机器人可能在不同场景（很多是工业场景）做得很好，但稍微复杂的任务，融入我们生活的，一定是人形机器人，它是真正的超级大单品，就像 iPhone 一样。 晚点：现在这个节点，逐际认为人形机器人的商业化故事会如何生长出来？ 张巍：一个通用本体，上面不断叠加各种 app，和手机一样。只有本体它就是一坨铁，只能卖科研。现在能唱歌跳舞了，价值有，但不多。明天能对话、甚至给你倒杯水了，价值就上来了。当通用本体连接足够多 app 的时候，会出现一个价值拐点，过了那个点，剩下的边际成本基本为零了，因为软件的边际成本很低。 iPhone 过了那个点后，你不再需要大哥大、BB 机和 iPod，你只需要一个手机。机器人现在正在一个起点，问题在于如何往上叠加技能和功能。 晚点：这就回到了你上面讲的逻辑，找到数据成本最低的地方，它是一种商业选择。 张巍：是的，这是个算术问题。构建这项技能的数据成本要小于这项技能本身的价值。就跟培养小孩一样，你是想让他先学钢琴还是网球，或者是跳舞？现在学钢琴可能好几年，未来可能一年就都学会了，你需要做判断，判断的标准就是你对数据的理解。 晚点：有了单个技能之后呢？ 张巍：用具身智能体操作系统把这些技能管起来，也就是 System 2。具身大脑不是一个或多个模型，而是一个系统，内部会调用各种工具、各种模型。逐际的这个系统名字就是 COSA，我们算得上最早研发具身智能操作系统的公司之一。 晚点：大家现在还是说模型能力的多，说操作系统的少。你们什么时候想到要做一个具身智能大脑系统的？ 张巍：24 年底吧，当时国内外我没看到有人提类似的概念。不过说实话，我不觉得想出来这个是很难的事。 晚点：那为什么从来没人提过？ 张巍：我不知道别人为什么，但我们是因为天天想落地的事，最后发现你需要这样一个大脑系统。以语言模型为引擎，在硬件和应用程序之间做中介和管理，这是一条可行的路径。 晚点：构建这种系统难度大吗？ 张巍：难点在于它没有现成答案，就像你在不知道 Windows 和 DOS 的情况下去构想计算机操作系统，你需要一些对系统的本质理解，用户需求各种各样，你需要把它们抽象出来，用尽可能小的指令集合搭建系统框架，让硬件和模型能力的资源能够服务用户需求。 晚点：让我们回到商业化。你说你天天都在想落地，如何在技术还不那么成熟的情况下落地？尽管我们知道你认为具身智能的大脑已经准备好了。 张巍：首先你肯定不能等到模型所有能力都强到一定程度再落地，对吧？有一定能力就要去落，落地过程中用真实场景的 fine-tune 和真机强化学习把它做好，再返回来喂模型。不同的技能是可以学习的，技能多了之后可以通过 MOE（专家模型）把它们统一起来。 晚点：目前看你们落地的进度如何？ 张巍：我们总结一下叫做技术上以终为始，商业上沿途下蛋：本体落地，一个 app 也落地，多个 app 也落地。头一两个 app 不赚钱，或者说比较鸡肋。市场总体规模不大也没问题，市场有需求我们就做，阶段性的去落地。 但需要强调的是，逐际主要做的是技术底座，薄一些的场景，比如科研、导览、表演，我们自己做，别的场景我们和合作伙伴一起做。垂直场景的最后 100 米考验的是对业务的理解而不是技术，比如数据中心的巡检和加油站、光伏板、钢厂园区的巡检，是完全不同的业务体系，所以我们会选择合作伙伴一起。这和我们对未来的一个判断有关：具身的未来到底是一个统一的世界，还是有很多垂直的中小模型应用？我们更倾向后者。 晚点：听上去很玄奥，有没有具体的订单数？ 张巍：数千台订单，过半来自海外。今年是落地元年，交一小部分，明年会是比较大的量。最关键的是它会摆脱遥控器，在非结构化场景实现全自主行动。 晚点：去掉遥控器之后，它能干什么？ 张巍：原则上只要手不干活的，它都能干。手的技能需要定点攻破的，拧个瓶盖什么的没问题，但复杂任务还是有挑战。所以我们先做动口的而不是动手的。 晚点：这个能力国内多少人有？ 张巍：国内能跟 Figure 那样全身自主操作的——不是站在那儿弄个咖啡，是连走带操作——我目前没看到。这不是竞争问题，是有和无的问题。我们至少是有，而且技术上比较领先，也希望最早闭环。 晚点：理想认为机器人进家庭应该完成的任务是做饭加上搬运，能实现的节点是 2028 年，你怎么看？ 张巍：我觉得有可能呀，AI 技术让这件事情的收敛速度大大加快了。 晚点：感觉逐际的速度从 25 年下半年开始明显加快了，有很多挺有意思的产品，比如 Tron 2。 注：Tron 2 是一个多形态具身机器人基座，架构本身是模块化的（尽管张巍本人不喜欢这个词），可以根据需求选配双臂、双轮足和双足三种不同构型组件。 张巍：这是我的合伙人想出来的。因为机器人现在落地就是需要很多种形态，所以我们就做一个基座机器人加上所有构型，这是性价比最高，最第一性原理的方式。 晚点：之前没人推出过这种东西，它有什么难点和取舍的地方吗？ 张巍：比如我们觉得双臂大概率是最好卖的，那是不是要牺牲一点负载能力，类似这种你不知道对错，但会有些取舍的问题，当然最后我们两个能力都不错。 说实话，这个想法是很容易想到的，但执行起来还是挺费功夫的，你要懂操作、懂 locomotion，然后软硬件能力还都要比较强。 Tron 2 现在市面上所有双臂机器人里它是比较便宜的。 晚点：Tron 2 的应用场景有哪些呀？ 张巍：订单里目前看是双臂和双轮足形态最多（1 月份）。双臂可以做研究、做操作，工厂里的尝试都可以，而且它的负载还够。双轮足在物流巡检里有非常多应用。 晚点：中国具身智能公司非常多，你觉得逐际可以给世界范围内做的引领性贡献会是什么？比如 VLA 之于 Google 那样。 张巍：我们开启了具身 Agentic OS 的大脑系统和类似 TRON 这样的机器人？哈哈。 晚点：我们是想让你说这话的，因为过去大家都认为中国就是摸着美国过河，现在好像情况有些变化了。 张巍：在机器人商业化和技术栈迭代上，中国现在可能已经有些方面会有点小的超越呢，比如运控，硬件本体，接下来会有更多的超越。 晚点：灵巧手呢，逐际为什么没做灵巧手？ 张巍：我很兴奋灵巧手这个事，但还没有精力去把它搞得比较细，因为它非常复杂，对传感器和算法的要求也很多。 晚点：这一轮融资的目标是什么？ 张巍：24 年底我说 25 年是 Agent 元年，25 年底我说 26 年是具身场景落地的元年，元年当然需要钱了，不能自己随便弄点技术就完事吧。 晚点：你觉得市场现在有泡沫吗？深圳的具身智能公司已经有两家估值超过 200 亿了。 张巍：觉得估值没有太大的泡沫，这个事就值这么多钱——没有一千亿，怎么做人形？只不过鱼龙混杂，大家判断谁能做好这件事，判断是参差不齐的。 就像互联网泡沫，技术无疑是对的，但一千家互联网公司，最后还是死了一大批。 晚点：为什么在这个时间点开始准备上市？ 张巍：上市是必要的，这是我的判断，哪怕上了之后股价有波动。因为技术一旦成熟，你不在上市平台上或者说在牌桌上立刻就掉队了。我不觉得不上会死掉，但这个平台是重要的。第一股这种事我真不特别在乎，完全不重要。 晚点：按照你心里想的时间线迭代，逐际会是一个多大的公司？ 张巍：销量会从百台起，到千、万台这样往上走。 晚点：这听上去很模糊啊，你还有更清晰的想法吗？ 张巍：我们的定位比较清楚，以人形和类人形为载体的具身智能公司，然后具体的落地场景我们有一些选择，但你说那种更清晰的想法 …… 希望人形机器人服务十亿人，这是我们的小目标。 公司是可以死的，精神一直自由 晚点：创业这几年你最大的感受是什么？ 张巍：累。 晚点：和做研究相比呢？很多人说做科研很累。 张巍：科研不累，它是一个自嗨的过程。 晚点：创业的苦哪些是你没有想到的？ 张巍：你面对的事都太难了。我也很兴奋，但许多事真的特别复杂，特别难，特别是你处于一个技术链条、商业闭环都还是未知的行业。 晚点：如果创业第一天就知道这么难，你还会做吗？ 张巍：坦白说可能不会。就像黄仁勋说的，要是早知道创业这么难做，他不会成立英伟达的。 晚点：创业以来你觉得最难过的那关是什么？有没有一个从愚昧之巅到绝望之谷再到开悟之坡的过程？ 张巍：我觉得我每个月都在开悟之坡啊。 晚点：比如你开悟了什么？ 张巍：要接受失败，这可能是我最大的一个悟吧，就是做一个公司的创始人你一定要知道，这个公司是可以死的。在你接受一件事情是可以输的情况下，你就能赢。 可以错，这三个字是我认为最有力量的。 晚点：你在什么瞬间想到这件事的？ 张巍：25 年初吧，就是创业，特别是在竞争激烈的情况下，你会有一种输不起的感觉，这个感觉会让你做很多错误的决定。 晚点：你能举个例子吗？如果还是这种输不起的心态，哪些决策你可能就不会做了。 张巍：比如我就不会开掉一些人。我现在可以开掉任何人。 晚点：包括你自己？ 张巍：我巴不得可以有人替代我呢，只要公司能发展好。 晚点：你是我们见过创业的教授里唯一一个自己做 CEO 的人。 张巍：这可能不是一个最好的选择，但在我的认知里，责任和权利要对等。 晚点：创业以来，改掉了身上什么毛病吗？ 张巍：我一般不这么思考问题，我是增量思考问题。不是放掉 A 去选择 B，而是告诉 A 这里还有个 B，应该这么干。所以不是改掉了什么，而是增加了一些维度。 晚点：有投资人说优秀的创始人分两种，一种是特别想赢的人，一种是不想输的人。你是哪一种？ 张巍：我是专注超越自己的一个人。输和赢是和别人比，但超越自己这件事永远不会输，我永远比之前的自己强一点。 我相信迭代，我不相信赢。 晚点：很多时候你在讲严肃的事情，但却在笑。 张巍：可能我们谈话的速度有点太快了，你有你的故事线，可我有我的故事线，我需要很努力才能接入你的故事线里去，要不停地跳跃。 在我看来很多事情都是连续的，很难有一个点，然后突然就顿悟了。 （突然插入一句）我感觉这是原生家庭对我的影响。 晚点：什么？ 张巍：就是性格影响吧，开放啊，自信啊。 晚点：我们采访过的所有行业里，机器人创业者是最狂放的，没有之一。 张巍：我想想啊，可能是这个赛道需要这个能力吧。 晚点：在公司你会发火吗？ 张巍：比较少，这是我的缺点，我要改，逐渐发火。 晚点：作为东北人，你又这么有喜感，很难发出火来吧… 张巍：这就是要改的地方，我应该表达得更严肃、要求更严格一些，之前太包容了，没标准是不行的。 晚点：你能讲讲你设想的未来世界，人形机器人是什么样子？ 张巍：社会生产力极大释放，人追求自我实现。 晚点：那是什么时候？ 张巍：时间不好说呀。但全球人形机器人的产量和销量，我们预期将会非常快地指数级增长。 晚点：对优秀的人最好的激励方式是什么？ 张巍：做成事儿，钱都是第二位的。 晚点：你现在财富自由了吗？ 张巍：我精神一直自由，财富在我看来没有必要自由。 晚点：精神自由是什么意思？ 张巍：就认为自己是财富自由的。 晚点：…… 张巍：就是我做任何一个重大决策我会想，如果我是马云我还会干吗？如果是，那我就干。 晚点：你很欣赏崇拜的人有谁？ 张巍：段永平，还有李诞。 晚点：这俩能放在一块吗 … 张巍：人间不值得就是我的人生观，在我看来是极度的乐观。 晚点：不是极度的悲观或者说虚无吗？ 张巍：人间都不值得了，还有什么值得伤心、难过的？那就剩下开心了呀。 开心点朋友们，人间不值得。 题图来源：逐际动力 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 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. var loadMessageError2 = function () { // message加载失败降级到nginx,产品可以在load事件重新初始化 var cdnPath = 'https://dl.reg.163.com/webzj/ngx/message.js'; var script = document.createElement('script'); script.src = cdnPath; document.body.appendChild(script); } var loadMessageError1 = function () { // message加载失败降级备份cdn域名,产品可以在load事件重新初始化 var cdnPath = 'https://webzj.netstatic.net/webzj_cdn101/message4.js'; var script = document.createElement('script'); script.src = cdnPath; script.onerror = loadMessageError2 document.body.appendChild(script); } //初始化反作弊 var wm = null; // 只需初始化一次 initWatchman({ productNumber: 'YD00157343455660', onload: function (instance) { wm = instance } }); var isShowComments = true, tieChannel = ""; (function () { if (window.isShowComments === undefined) { window.isShowComments = true; } var config = { "productKey": "a2869674571f77b5a0867c3d71db5856", "docId": "L1QU37R50531M1CO", //"data.article.postid", "FNMG85GQ0514HDQI" "target": document.getElementById("tie"), "operators": ["up", "down", "reply", "share"], "isShowComments": isShowComments, //是否显示帖子列表 "hotSize": 3, //热门跟贴列表展示3 条 "newSize": 2, //最新跟贴列表展示 10 条 "showPaging": false, //显示分页栏 "submitType": "commentPage" //新发帖子的展现形式：停留在当前页面(currentPage) | 跳转到跟贴详情页(commentPage) }; Tie.init(config, function(data) {}); })(); /阅读下一篇/ 返回网易首页 下载网易新闻客户端

Site key	latepost
Policy area	具身智能
Category	report
CMS	媒体报道
AI score	0.33

Dialogue with Zhang Wei of Zhuji Dynamics: The Embodied GPT Moment That Needs No Waiting and the Unworthiness of the World

对话逐际动力张巍：不用等待的具身 GPT 时刻与人间不值得