许华哲再次具身创业：不想错过最大的西瓜

2026 年 3 月 3 日，一家叫破壳机器人的公司完成注册。创始人许华哲此前两年多是星海图的联创和首席科学家，同时在清华大学交叉信息研究院做助理教授。他在节目里说，这次自己出来主导，是因为有一个想法，只有自己做才可能做出来。

那个想法是家庭机器人。他给出的时间表比多数同行激进：18 到 24 个月内，会有一台机器人真正走进某个家庭，连续工作很长时间，把相当多的事情干完。放在 2026 年的中国具身智能行业里，这个判断不算主流。过去两三年，这一批公司更强调量产和进入生产场景，第一个客户往往是工厂、物流仓、鞋厂、布草间。

两个多小时的对话里，他讲了离开星海图的过程，讲了怎么调研一台备菜机器人的定价，讲了为什么自动驾驶式的数据闭环走不通，讲强化学习里被低估的一环，也讲了卖数据和盲目量产这两件事为什么让他不安。他高中就想创业，后来一路读博、做老师，这次算把自己绕回了原点。

离开星海图：一条松鼠桂鱼，一台备菜机器人 1:56

许华哲在星海图的身份是联创兼首席科学家，公司 2023 年成立。做家庭机器人这个念头他提过很多次，那条松鼠桂鱼就是反复出现的例子。最初它不算创业想法，更像技术上的长期追求，因为机器人的进展可快可慢。

变化发生在 2025 年下半年。他开始觉得这件事到来的时间不会太晚，而且更适合自己主导。公司 3 月 3 日注册，春节前敲定。中间那几个月，他一边干手上的活，一边把「家庭机器人长什么样、该干哪些事、多久会来」这几个问题想了一遍。他的习惯是先发散再收敛。

发散的第一站是备菜机器人。他给在美国生活的中国朋友打电话、约饭，问同一句话：这么一台机器，你愿意花多少钱买。答案出奇一致，每个人都会拿厨房里最相关的一件电器做参照。中国同学相对大方，说可以付一台冰箱的钱，六千到一万。美国同学说自己其实挺喜欢备菜这个过程，最多付一个高压锅或电饭煲的钱，两百美元。

话题到这里就进行不下去了。一个关节一千块，一个机械臂七个关节，光关节就超过了对方的预算。他由此确认，机器人成本大幅下降之前，做一台「某某机」很难成立。

发散的第二站是工厂。他跑了很多地方：车厂的生产线、物流仓的传送环节、传统制造业、鞋厂、食品工业、布草间。这些地方都很需要机器人，需要的是能把活干了的机器人，不是人形机器人。对方嘴上说「来个人形机器人太好了」，深聊下去，真正在乎的是那件事能不能干成，而一件事的价值由干这件事的人的工资决定，那些工资并不高。

他由此得出一个判断：高价值的事情基本已经被自动化完了，留给机器人的是足够困难但价值不高的事。这类事专门去做，要投大量精力和资源去解决一个低价值的问题，很长时间算不过账。合适的路径，是一个通用的东西降维去做。

他把这件事讲得很直白：最终要做的事情就是造一个人。尽管现在做的是家庭机器人，最终想造的是一个人。这个人下班以后可以是酒吧里跳舞的人，可以是田里种地的人，可以是课上教书的人，都是同一个机器人，因为它是通用的，这样才算得过来。专门在那儿干那件事的人形机器人，很难算得过来。

这段时间还有一件私人的事：宝宝 12 月初出生。他确实想过能不能忙得过来，是不是应该更稳定一点。

时代在召唤：三个信号和一个名字 17:02

他的理由带点自嘲。小时候广播体操有一节叫「时代在召唤」。房子变贵的时候我们还是小朋友，没买房，那是爸妈没看到。互联网创造巨大价值的时候我们在读书，在积累，也没有勇气退学创业。移动互联网、O2O 那一波，都可以说一句我不 ready。到了 AI 时代，你恰好是一个搞 AI 的人。

没有理由不接受这个时代的邀请。

他讲了三个信号。第一个是自己组里做的强化学习，以及 π（Physical Intelligence）的 star 0.6，在具体任务上做到极高成功率，一千次量级的验证。定点任务某种意义上已经解决。第二个是 scaling law，上限非常高，只要数据到位、模型合适，通用性有人保证过。他用海贼王的比喻：所有东西都藏在 one piece 里，在拉夫德鲁，找起来费劲，但它在那儿。第三个是 agent，产生了主动性，能把所有缝隙填上。家里有那么多机，每个都是专用的，中间的缝隙靠一个生物叫人去填。洗衣机到烘干机，冰箱到微波炉。computer use 跟厨房 use 在本质上是同一件事。

agent 里的 skills 对应到具身，就是真实能力：说要倒水，得有一个模型真的能倒水；说要叠衣服，得有一个模型真的能叠衣服。框架不能直接拿过来，但可以高度借鉴。他顺带举了自己的例子：以前要自己点开日历、拉一个条，跟美国人开会还得在脑子里算时差；现在跟它说一句，就像有个助理。

数据这件事，很多人认为是卡点，是因为那时大量用 Aloha 式的遥操作采集，容易展示进展。他判断终局是视频数据。2021 到 2022 年他做过一个长视频分割的工作，论文没发在很好的会议上，目的是把网红做饭视频里的动作提出来，从视频里学机器人该怎么做。这件事从一开始他就觉得会这样，所以对他来说没有太多变化。

公司名字的来源有两层。一层是玩笑，贱名好养活，容易活下去。另一层是生命力，新想法、新的人破壳而出；也是一个原点，追求原始创新，外面有一个壳，里面是精华，从 0 到 1 的东西在这里发生。

科学家创业：卖杯子，还是造一个人 26:27

外界给他贴的标签是「带着技术理想的科学家创业」。他反问一句：科学家创业不好吗。接着把几年前的偏见摆出来。一是科学家不太重视商业，对技术的热情过高，只做技术，而做公司显然不能只做技术。二是退路问题，技术人员总还能回去当老师、当工程师，看起来不够 all in。

他认为这是上古时期的观点，用 AI 的时间来算的话。他举的榜样是伊利亚、哈萨比斯、辛顿、勒昆，说科学家创业已经是这个时代的主话题。他转述一位投资人朋友的说法：这个时代，学习好对创业前所未有地重要。理由是，只做一个杯子把它卖出去，科学家一点用都没有；做 AI 追求的是技术信仰，没有对很远的事情的信仰，最后就会变成卖杯子。

他把 OpenAI 当例子。最开始在硅谷，大家都觉得它是异类，因为谷歌在里面开放、发散地做科研，产出很多成果，而 OpenAI 只相信堆数据。直到 ChatGPT 出来，大家才意识到那个坚定的判断才是改变世界线的因素，而这个因素来自科学家的信仰。DeepMind 2010 年就成立，比 ImageNet 还早三年，能活下来已经很不容易，是谷歌把它买下来让它接着做。他顺口打了个比方：一个古代人说我要造一台手机，秦始皇会说你在搞什么。

长期目标上，他不把自己完全定位成科学家。他想做的是一个有品牌效应的、面向消费者的公司。榜样是苹果，其次小米。他把机器人看成智能和消费硬件的结合，不像大模型那样是纯 AI，还要跟产品、品牌、供应链打交道。选苹果的理由是它定义了一个新品类：iPhone 之后所有智能手机长得差不多，都是一个黑块加一块大屏幕，几乎没有跳出这个框架。机器人应该长成什么样，这个框架能不能从破壳这里发生，是他希望的事。

小米让他看到另一种理想画像。他读过《参与感》，记住了「跟用户交朋友」，以及早期小米让论坛里的用户来决定很多设计理念和功能走向。他觉得这件事意义重大，因为它在取全世界人类的最大公约数。乔布斯的说法相反，应该背对用户做设计，用户调研没什么用。他把两者调和成一句话：先给大家一个框，然后在这个框里让大家满意。产品没出来之前，跟人聊会聊出很多天马行空、没什么用的事；产品出来之后，让人用，能给出非常好的答案。

没在产业界上过班，他承认有利有弊。好处是不受限制。今年他改了自己课上的规则：作业里如果没有手写一行代码，评分标准可以适当降低，做到 80 分就给 100。理由是未来的工作方式已经变了。坏处是对标准化的东西不熟，最近招了一些来自知名公司的人，正在学。他想把办公室做成一个家，客厅既能开会，也能让机器人在里面训练，还能录播客。厨房当然得有。

团队现在很小，几个做硬件的、几个做软件的，有他实验室的人，也有同学，他自嘲这是一个机器人兴趣小组。要补的人是三类：做过 ToC 产品的硬件工程师，最有才华的 AI 研究者，懂产品的人。

AI native：不是机器人学，不是自动驾驶，不是史前深度学习 41:11

出发时的核心假设，他借一次和 Eric Zhang 的见面讲了出来。Eric Zhang 是 1X 的前首席科学家，两人面基后写了些共识。第一条是对机器人发展非常乐观，18 到 24 个月进家庭这个判断是对方先抛出来的，而他自己的判断一样。他原来以为自己已经够乐观。

第二条是相信生态。不会把所有事情都在公司内部做完。真的需要自己去研究摄像头帧率再高一点吗，真的需要研究电机线圈怎么缠吗，都未必。他说很多具身智能公司融到很多钱，很自然地把看得到的事情都放进公司里做。破壳想聚焦，公司文化里「极致」放在第一位。理由很朴素：一个组织的注意力有限，注意力放在 A 上，B 一定相对平庸。他们只想做最重要的两件事，AI 和产品。产品在这里指的是机器人本体配上 AI 以后能不能服务好用户，能不能让人愿意用。

他把行业里的路径依赖拆成三条。

第一条，不是传统机器人学。传统机器人学喜欢做超级酷但只能解决这一件事的工作，极致就是现在的翻跟头、跳舞、武术。再往前数，一个棍上摞着旋转的东西，三个陀螺叠在一起，怎么动底下的棍让它们不倒。工博会上三个机械臂互相倒酒、一滴不洒；KUKA 拍过一支广告片，几个机械臂组乐队，打架子鼓、弹贝斯。这些都很帅，靠精妙的数学和很小的模型解决一个非常特定的事情，走不到通用的 physical AGI。原因是任务无法穷举，一个一个去解决，解决不完。

第二条，不是自动驾驶。自动驾驶很重视数据闭环，把某条路段跑得足够好，学校附近就把五道口的路都踩一遍，然后中关村，然后海淀区。这套方法有效，但它不是一个通用解。挪到具身智能上的表现是：先解决一件小事，拿到这件小事的数据，再期待第二件事用它变得更好。他认为这样比较困难，这是他个人的判断，说的时候还加了一句「大家别打我」。

第三条，不是史前的深度学习。有些人不喜欢不可解释的东西，觉得搞深度学习的是炼丹师，用数据怼一怼就出来一个东西。他提到一位做传统机器人优化出身的朋友，一直觉得这条路是死胡同，直到用了 Claude Code 一类的工具，才说「即使是炼丹师能做到这个程度，我已经认了」。他强调的是不要指望小模型叠小模型，叠一百个等于一个大模型。

那为什么行业里会有分歧。他的答案很直接：相当一部分人还是不相信 physical AGI 会诞生。他们觉得这就是一个机器人，跟工厂里的机械臂一样，只不过是人的样子。另一部分人嘴上不会说不信 scaling law，但把 scaling law 理解成「我有很多很多的数据」。在固定封闭的环境里采再多数据也没用，AI 本质是个归纳器，看到的案例类型不够多，就归纳不出正确结论。他把这个道理讲成了水杯：AI 如果这辈子只看过两个人用水杯，就会总结出人都要用水杯；可婴儿不喝马克杯，只喝奶。

归纳一旦形成，后面很难改。多样性这件事不能靠后训练补，最开始就该把所有数据放在一起。他还提了第三个可能：有些人通过做之前的事情成功过，所以觉得这次也可以这样成功。

锯齿型智能会不会是问题。他说会让经验说话。他举了凯明被问过的一个问题：让深度学习的模型开车有多危险。回答是，你坐老司机的车时，他也没保证一定不撞，但你还是信他，因为他开了那么久都没撞过。机器人也一样，足够长的时间里没犯过重大错误，就可以信。

产品设计上可以做减法。破壳第一天就定了不做任何直接跟人体接触的服务：给老人擦拭身体、翻身、抱起来，抱小孩、捏小孩，按摩，全都不做。这些事情一旦出问题就是巨大风险，政策上也会很慢。有朋友说父母年纪大了，能有个机器人喂一下饭会很有用，他说这可能是最晚才会做的，要选就放在最后。他把这比成教小孩：别玩火柴，别碰煤气罐，别玩尖锐的东西，规定好了，大不了摔个遥控器。

第一阶段三件大事：造自己的硬件本体，训自己的 AI 模型，定义产品。形态上做通用的人形状态，轮式和足式同期开展，先切轮式双臂。续航他给了一个大概的数字，两小时左右，因为一般不会需要机器人在家连续干两小时以上的活，回去充一会儿再接着干。市场想做全球的，他期待家庭模型像语言模型一样，在大量数据上训出来之后，插入少量别的家庭形态的数据也能表现不错。轮式有局限，带楼梯的房子恐怕一层放一个，所以会尽量做轻，便于搬运。电池大小、重量、宕机之后能不能自己回基站，这些细节都要钻进场景里看。

模型会是一个统一的模型。跟动作和行为相关的部分必须统一，顶层可以有分层。理由还是归纳：一个一个任务解决不完，做一百件事领悟到一千件事，这种事永远都不会发生。

强化学习、被低估的评估环节，和一年一到两亿的账 56:46

模型的大思路是基于强化学习。他把 AI 需要的能力分成三块：获得探索的能力，跟世界交互产生数据；对数据有自己的评估；把数据用好。

他点名说，现在很多地方低估了强化学习，或者低估了评估这一步。数据质量良莠不齐，坏数据会让策略劣化。坏的比例特别小会被平均掉，比例不小就有问题。次优的数据应该给评分、给评级，失败的数据也该用起来。这些正是强化学习能覆盖的范围。他希望机器人自己去跟世界交互，学到更多东西，并且对数据有自己的判断。

这套思路和同行的差别在后训练。他观察到，预训练大家基本都是一个端到端大模型，到了后训练，很多人的做法是在自己的一个任务上后训练一下，就没了。等于把预训练那个很大的东西收缩到一个具体任务上。他们想做的是规模化的后训练，模型后训练之后仍然保持泛化性，能会很多种任务，同时把效率和成功率做上去。

代价是初期每个任务上的表现都可能比较差。他说这没关系，本来就是循序渐进：先都平庸，然后渐渐都变好，突然所有任务都变得比较好。不该是一个任务特别好、别的地方都不行。这跟 AI native 是一致的，别担心它现在平庸，再过一年它会在所有上面都很完美。这个「一年」他后来补了一句，是随口说的，确切时间不好预测。

为什么同行会选先在一个任务上做好。他理解，公司一运营起来，团队、投资人、市场都在看着，大家希望看到一步一个脚印的反馈。这条路技术上有合理性，难的是怎么让一群人相信你们一直在进展。他给的办法是双向筛选。OpenAI 早期那种尴尬状态他挺喜欢：说我要 scaling，我要堆一大堆数据，不相信的人是大多数，但也有人相信，那就找相信的人一起同行。

资源投入上，他给了一个数：现有的数据量下，一年一到两亿人民币是比较合理的投入。数据量起来以后，会跟大模型的投入量差不多。到那个时候，资源量会变得比较重要。

milestone 方面，他希望在两年的时候，已经有人在用他们的机器人在家里做一些事情，也就是 2028 年初。一年左右，至少办公室那个「家」里，机器人能玩起来，能听懂「你就在这个家里」这样的话。他也留了退路：到时候可以再做一次播客，你可以问，你怎么没做到。

确定和不确定的部分他都讲了。确定的是数据往视频这一侧走，数据量会变得平权；模型会变大，能力会变好；大家会越来越接受机器人成为生活方式的终端，像今天每个人用手机一样。不确定的是路径：究竟用怎样的模型把这些数据吃进去，究竟用怎样的本体大家最能接受。硬件也是卡点，属于可以攻克的卡点，缺一个电机，大概率能造出来或者找得到，只是要花时间、花力气、花思考。

物理先验怎么给机器人，他提到世界模型是很好的来源，可以当骨架网络，可以当数据生成器，也可以用它生成下一帧再求逆解。目前他们倾向于当骨干网络。这一块也可以留给生态，世界模型不必从头做，VLM 也不必从头做，已经有专门做这个的团队。

投资人的梦想、18 个月后的竞争，和最大的西瓜 1:06:06

他讲了一段挺意外的经历。最近跟很多投资人聊，他以为对方会问 milestone，会问三个月、六个月能掏出什么东西。结果有一波投资人说，华哲，其实我不在乎这个事，我在乎的是你最后做的这个东西是不是最大的那个东西。

不要小瞧投资人对未来的梦想。

他说现在具身智能处在一个投资的狂热期和上升期，之后肯定会有波动。要选一件足够改变人类社会的事，剩下的是去太空、量子、可控核聚变、具身智能这几件。这里面确定性最高的是具身智能，虽然它也很远，但几乎是确定会到来的。一件很远但确定性不低的事情成为热门标的，他觉得理所应当。

18 到 24 个月之后，更大的公司会怎么反应。他的判断是那时候会跳进来。大公司没办法离开主营业务去做新的事情，只能先在那儿驻扎一个小的哨兵、一个小 lab；等它发现这件事可以变成主营业务，就会来。

他最关注的同行是 π、Generalist、Sunday、Figure。前三家他认为基因决定了做的东西一定是真的，智能上做得很好。Figure 他补了一句：我很关注它到底是不是真的。原因是 Figure 发的视频太丝滑，他很想现场去那个场景里挪一挪东西，看看到底 work 不 work，会不会像特斯拉那次，摇操的人突然把头显摘了。产品设计上他喜欢 Sunday，国内喜欢傅立叶的 GR3 那个白色的样子，也喜欢 FAUNA 那个很扁的头，还提到小鹏。

程曼祺在这里提了一个反差：他关注智能最领先的几家都不是中国公司，而他当年回国的理由之一是相信最好的东西会在中国出现。他的解释是战略定力。π 从第一天就说要做 intelligent 的 physical intelligence，名字就是它要做的事，每隔三个月发个东西，一直保持在第一梯队，中间没有发生什么变化，也没有明确的商业化预期。就像当年的 OpenAI。另一个原因是有钱，容错空间更大。还有一个原因是氛围。他用上课打比方：一个班老师说今天看谁坐得最正，大家就都坐得正；另一个班老师说今天看谁发言最多，大家就七嘴八舌。公司之间也有同辈压力。他在网上分享想法，就是希望把这个氛围往他认为更本质的方向推一推。

他有一个说法，怕中国具身智能的从业者错过最大的西瓜。西瓜指的是智能。如果不去做一个很好的通用智能，那些铁架子里最后装的大脑就不由你控制，错过的是定义未来的权利。他认为现在还没有完全错过窗口。差距变大的节点是 singularity：大模型自己写大模型来改进大模型，机器人自己拧机器人来造机器人，智能到那个点，游戏就结束了。他估计完全 human level 的通用智能大概五年左右。

行业里两件让他不安的事。第一件是卖