# 许华哲再次具身创业：不想错过最大的西瓜

> 晚点聊 LateTalk No. 166 精读

- 发布日期：2026-05-25
- 主持：程曼祺 等
- 原节目：https://www.xiaoyuzhoufm.com/episode/6a14d62e32093460940e970c
- 网页版：https://latetalk.qiaomu.ai/ep/6a14d62e32093460940e970c.html
- 精读字数：约 11764 字（阅读约 26 分钟）

> 本文为 latetalk.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2026 年 3 月 3 日，一家叫「破壳机器人」的公司在工商注册里出现。创始人许华哲，此前两年多是星海图的联合创始人兼首席科学家，同时在清华大学交叉信息研究院做助理教授。再往前，他在伯克利读博士，研究过用强化学习打星际争霸，也做过包饺子的机器人。

这次出来单干，他押的注不太一样：不做工业产线上的机械臂生意，不追短期量产，直接奔着家庭里的通用机器人去。他给出的时间表是 18 到 24 个月，会有一台机器人真正走进家庭干点活。这个判断在当下的中国具身智能行业里不算主流，甚至有点逆着风向。

《晚点聊》主持人程曼祺和他聊了将近两个半小时。从为什么离开星海图，到怎么理解「具身智能不是机器人学、不是自动驾驶、也不是史前深度学习」，再到他怎么看数据、强化学习、投资人的耐心，以及这个行业里那些他不太认同的现象。以下是把这场对话拆开、重新组织后的精读。

## 离开星海图，那条松鼠桂鱼 1:56

许华哲在星海图期间反复提过一件事：做家庭机器人，做那条松鼠桂鱼。这个想法在他心里放了很久，但一开始并不是创业念头，更像是一个技术上的长期追求。「我最初是想把这个当做我的人生的追求，因为机器人的进展可慢可快。」

转变发生在 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去做。公司 3 月 3 日注册，春节前正式敲定。中间那三四个月，他一边处理手头的活，一边发散地想：家庭机器人到底该长什么样，该干哪些事，多久会来。

他习惯先发散再收敛。发散的方式很实在：给在美国生活的中国同学打电话约饭，问如果做一个专门备菜的机器人，愿意花多少钱买。中国同学相对大方，说可以付一台冰箱的钱，六七千到一万块。美国同学觉得备菜过程本身他也喜欢，最多给个电饭煲的价，两百美元。聊到这里话题就进行不下去了，因为一个关节要一千块，一条机械臂七个关节，光关节就超了预算。

他还跑了很多地方：车厂的生产线、物流厂的传送环节、鞋厂、食品工业、布草间。结论是这些地方都很需要机器人，但需要的是能把活干了的机器人，不是人形机器人。「那些非常高价值的事情其实已经都被自动化了，那些特别困难但价值不高的事都留给我们了。」

他的判断是，这些分散、低价值、高难度的场景，应该由一个通用的东西降维去做，而不是专门造一个机器人去解决。一旦专门去做，就要花大量资源解决一件低价值的事，很长时间打不正。

还有一个很私人的变量：他的孩子 2025 年 12 月初出生。等待宝宝降生的那段时间，他也在想能不能忙得过来，是不是应该更稳定一点。最后让他下决心的是那句他小时候广播体操的名字，时代在召唤。

> 当年房子变得越来越贵的时候，我们还是小朋友。后面互联网创造巨大价值的时候，我们在读书。到今天 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。

## 让他觉得刻不容缓的几个信号 18:41

程曼祺问他，从 2025 年八九月到决定创业，有没有特别具体的信号。他列了三件事。

第一是他们自己做的强化学习工作。在一件具体任务上做到非常高的成功率，一百次、一千次量级的验证都能成。后来 Physical Intelligence 的 π*0.6 也展示了类似的东西。他的判断是，定点任务某种意义上已经解决了。

第二是大模型展示了 scaling law 的上限非常高。只要数据到位、模型合适，通用性有人已经保证了。他用《海贼王》打比方：所有的一切都藏在拉夫德鲁的 one piece 里，找起来费劲，但答案就放在那儿。

第三是 agent。他觉得 agent 产生了一种主动性，一种把所有缝隙填上的能力。「为什么我们家里有那么多机？因为每个都是专用的，它们的缝隙都靠一个东西填起来，叫人。」洗衣机把东西挪到烘干机，冰箱把东西挪到微波炉，家里不是流水线，没法靠按钮串起来。而 computer use 这件事，本质上和在家里做物理世界的串联是一回事。他管这个叫「厨房 use」。

他自己举的例子很日常：以前跟美国人开会，要在脑子里算时差，再手动拉日历条。现在跟 agent 说一声就行。「谁不想要一个机器人这样的助理呢？你再也不用说帮我把昨天剩的锅包肉拿出来热一下，你说午饭帮我大概准备一下，他就都搞好了。」

数据这块，他没有特别提到，因为在他看来从一开始就不是新变化。2021 到 2022 年他做过长视频分割，为的是把王刚师傅那类网红做饭视频里的干活片段提出来，从视频里学机器人该怎么做。那个论文最后没中很好的会议，但思路一直在。「视频数据从一开始就会被大量用到，只不过阿罗哈太容易展示进展了，所以大家用摇操作。终局肯定是视频数据。」

## 科学家创业，这次时代不一样了 26:27

外界给许华哲贴的标签是「带着更多技术理想的科学家创业」。他把这个问题抛了回去：科学家创业不好吗？

他说几年前大家不喜欢科学家创业，主要两点。一是科学家不太重视商业，对技术的热情过高，做一个公司不能只做技术。二是退路问题，技术人员总还能变回老师、变回工程师，显得不够 all in。

「但我觉得现在时代不一样了，这是几年前的观点，用 AI 的时间来算，基本上已经上古时期了。」他举了几个名字：伊利亚、哈萨比斯、辛顿、乐坤。「科学家创业已经是这个时代的主话题了。」

他提到一位投资人朋友的说法：这个时代是前所未有的「学习好」对创业如此关键。理由是，如果只是做一个杯子卖出去，科学家一点用都没有。但追求 AI 追求的是技术信仰，没有对很远的事情的信仰，最后会变成卖杯子。「我们要追求的是造出一个像人一样聪明的东西，所以科学家的视野和 vision 在这个时代最重要。」

程曼祺追问：辛顿、哈萨比斯都是做了一段时间被收购，伊利亚的新公司也没多久，这和一般人理解的长期独立创业公司不太一样。许华哲的回答是，DeepMind 2010 年成立，那时候 ImageNet 还没出来，能活着已经很不容易，「就像一个古代人说我要造一台手机，秦始皇会说你在搞什么」。后来有谷歌这个超级金主买下来让它独立运营，才有了后面的事。「如果没有哈萨比斯，谷歌的 AI 就被 OpenAI 快团灭了。」

至于破壳的长期目标，他并不把自己完全定位成科学家。「我更希望做出一个大品牌、有品牌效应的 ToC 消费级公司。」榜样是苹果，因为苹果定义了一个新品类，iPhone 之后所有智能手机都长得差不多，机器人应该长什么样这个框架能不能从破壳这里发生，是他希望的。另一个学习对象是小米，他读过《参与感》，认同「跟用户交朋友」和让用户参与产品定义。「这个产品的定义不应该是一个公司自己去定义的，它应该是我们取到全世界人类的最大公约数。」

但他也补了一句乔布斯式的平衡：东西没出来之前跟人聊，会聊出很多天马行空没什么用的事；东西出来之后让人用，才能给出非常好的答案。「我们会给大家一个框，然后在这个框里面让大家满意。」

他没在产业界上过班，这被他当成利大于弊。好处是不受限。他在课上做了改革：作业如果没有手写一行代码，可以适当降低评分标准，做到 80 分就给 100，因为未来的工作方式已经变了。坏处是很多标准化的东西不熟悉，但那些可以学，也招了知名公司的人进来。「不受限制地去想事情这件事很容易就回不来了，所以对我来说利大于弊。」

## 不是机器人学，不是自动驾驶，也不是史前深度学习 41:11

这是许华哲这期节目里最核心的一段判断。他和 Eric Zhang（1X 前首席科学家）面基后写过一些共识，第一条是都对机器人发展非常乐观，18 到 24 个月进家庭这个判断，是 Eric 先抛出来的，许华哲发现自己也是这个判断。「我一直觉得我可能是一个非常乐观的人，没想到这个世界上乐观的人不止我一个。」

第二条是相信生态。不是所有事都在公司内部 in house。摄像头帧率要不要自己研究，电机线圈怎么缠要不要自己研究，都未必。他承认中国很多具身智能公司融到很多钱后，会很自然地把能看到的事都放在内部做。但破壳想聚焦和极致，公司文化里「极致」放在第一位。「一个组织的注意力是有限的，当你的注意力都放在 A 上面，B 一定相对平庸。我们想做的最重要的事情就是 AI 和产品。」

然后是那个三段式否定。

**不是机器人学。**传统机器人学喜欢做超级酷但只能解决这一件事的东西，它的极致就是现在的翻跟头、武术、跳舞。他举了工博会上三个机械臂互相倒红酒不洒的例子，还有库卡拍过的好几个机械臂组乐队打架子鼓弹贝斯的广告片。「很帅很炫，通过精妙的数学和很小的模型解决一个非常特定的事情，但那肯定不是通用 physical AGI 的路。」

**不是自动驾驶。**自动驾驶的思路是重视数据闭环，把一些路段跑得足够好。学校附近就把五道口所有路踩够数据搞定，再到中关村，再到海淀区。「它不是一个通用的解决方案。」程曼祺问这种路径依赖在具身智能里具体表现是什么，他说是先解决一件小事，拿到这件事的数据，期待第二件事用这些数据变得更好，他觉得这样比较困难。

背后的道理，他用「AI 是归纳器」来解释。AI 如果这辈子只看过咱俩都有水杯，就会总结出人都要用水杯。但他的宝宝一直喝奶，从没用过带把的马克杯。「它看到的案例越多，归纳的结论越好。而且这个东西不能后来补上来，一旦得出人一定要用水杯这个结论，再补新数据很难改变。」所以多样性必须在预训练阶段就放进去，最开始就应该把所有数据放在一起。

**不是史前深度学习。**指的是很多人喜欢搞深度学习小模型，针对单个任务训练，某种程度上也是端到端。「你永远不要指望一个小模型叠一个小模型叠 100 个以后等于一个大模型。」如果只是每天搬一块砖，从早到晚做一件事，小模型可以。但想要通用智能，小模型一开始就走错了。

程曼祺问，这种 AI native 的思路在行业里有多大共识。许华哲的回答很直接：**「大家还是没有完全相信 AI 可以产生那个通用的 physical AGI。相当一部分人还是觉得它是一个机器人，跟工厂里的机械臂一样，只不过它是人的样子。」**

他补充了另外几类人：有人靠做之前的事情成功过，觉得这次也可以；有人不喜欢不可解释的东西。他举了个朋友的例子，做传统机器人优化，一直觉得搞 deep learning 的都是炼丹师，直到用了 Claude Code，说「即使是炼丹师能做到这个程度，我已经认了」。

关于大模型的锯齿型智能和机器人的安全可控，他的态度是让经验说话。他引了恺明被问到「让深度学习模型开车多危险」时的回答：你坐老司机的车，他也没保证一定不撞车，但你还是相信他，因为他开了那么久没撞过。「只要它在足够长的时间里没有犯过重大错误，我就可以相信它。」

产品设计上，他给破壳划了一条明确的红线：不做任何直接跟人体接触的服务。给老人擦身体、翻身、抱起来，抱宝宝、捏宝宝，按摩，全都不做。「一旦出了问题就是巨大的风险，政策上也有很多挑战。」他用小朋友打比方，孩子也会犯低级错误，但只要告诉他别玩火柴、别玩煤气罐、别玩尖锐的东西，大不了摔个遥控器。

## 强化学习被低估了，后训练要规模化 56:46

破壳第一阶段三件大事：造自己的硬件本体，训自己的 AI 模型，定义产品。产品形态上，轮式和足式都会做，先切入的是轮式双臂，足式同期开展。续航他设想两小时左右，因为一般不需要机器人连续干两小时以上的活，可以回充。市场是全球，不做区域限定，理由是模型足够通用后，就像英语训了 99% 的模型插入别的语言不需要等量数据。

模型思路上，他想基于强化学习做很多事情。从 AI 宏观角度看需要三块能力：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；以及怎么用好这些数据。

「现有的很多地方可能低估了强化学习，或者说低估了评估这一步。」他解释说，数据质量良莠不齐，全怼进去训会带来问题，坏数据会让策略劣化，除非坏的比例特别小能被平均掉。次优的数据应该给评分、给评级，失败的数据也应该用起来。「这些是强化学习能够覆盖的范围，也是我们跟大家的模型会比较不同的地方。」

软件系统会是一个统一的模型。顶层 VLM 也许分层，但干活的部分必须是统一的。「一个一个任务解决，解决不完，而且它没有办法通过做 100 件事领悟到 1000 件事，这个事情永远不会发生。」

他观察到，预训练阶段大家都是端到端大模型，但后训练阶段，很多公司是在自己的一个任务上后训练一下，就把预训练很大的东西收缩到一个具体任务上。破壳想做的是规模化的后训练，让模型后训练之后仍然保持泛化性，能做很多种任务。

代价是初期每个任务表现可能都比较差。他不担心：「本来就该每个任务都比较差，然后渐渐大家都变好，突然所有任务都变得比较好。不要担心它所有上面都比较平庸，因为再过一年它会在所有上面都很完美。」至于这个「一年」是随口说的，确切时间不好预测。

他也承认另一条路在技术上有合理性，先在一个任务上后训练让它表现好一些，因为公司运营起来后有团队、投资人、市场在看着，大家希望看到一步一个脚印的反馈。「但那个方式在怎么组织一堆人、怎么让外部资源方相信你们一直在进展上，有更多需要解释的地方。」

他提到 OpenAI 早期那个尴尬状态，说这是双向筛选，不相信的人是大多数，但也有人相信，去找相信的人一起同行就好。

## 不要小瞧投资人的梦想 1:06:06

程曼祺提到 OpenAI 在美国算「蓝血创业」，有马斯克、霍夫曼这些已经赚了很多钱的富豪支持。她问在中国这个环境下空间有多大，双向筛选之后万一很少有人站在他这边怎么办。

许华哲说肯定有这种风险，所以也不会完全不展示进展，规划了很多中间进展给大家看。但让他意外的是，最近跟很多投资人聊，他以为对方会想听 milestone，三个月能不能掏出点东西，六个月能不能掏出点东西。「确实还是有一波投资人跟我说，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。也不要小瞧投资人对未来的梦想。」

他把这句话重复了一遍，显然很受用。「他们也是想要追求那件事的，只不过是以投资的形态。当然大家都希望赚到钱，但并不是想象的那种极致地给你压力。」

他也清楚现在具身智能处在投资的狂热期和上升期，之后会有波动。「这件事太大了。如果你一定要选一个足够改变人类社会的事情，也就剩下去太空、量子、可控核聚变、具身智能。这四件事里确定性最高的就是具身智能，虽然它也很远，但它几乎是确定会到来的。」

具体的 milestone，他希望两年的时候，也就是 2028 年初，已经有人在用他们的机器人在家里做一些事情。一年左右，办公室做成一个家的样子，机器人在里面可以玩起来，他跟机器人说「你就在这个家里」，起码得能做到一些能力。

资源投入上，现有数据量下一年一到两亿人民币是比较合理的，因为现在数据量很小。数据量起来以后，会跟大模型的投入量差不多。「后续当路变得收敛的时候，资源量会变得比较重要。」

他预计 18 到 24 个月之后，更大的公司会跳进来。大公司没办法离开主营业务做新事情，只能驻扎一个小哨兵、一个小 lab，但当发现这件事可以变成主营业务时，他们也会来。

全球同行里他最关注 Physical Intelligence、Generalist、Sunday 和 Figure。前三家他认为是真在做智能的，Figure 他存疑：「昨天前天又发了一个整理客厅的视频，太丝滑了，也太厉害了，以至于想去怀疑。我很想现场看一看，自己挪一挪那些东西，看看到底 work 不 work。」他提到特斯拉那个机器人自己摘眼镜的视频，其实是人在摇操，摇操的人把头显摘掉了。产品设计上他喜欢 Sunday，国内喜欢傅立叶 GR3 白白的那个样子，还有 FAUNA 那个扁扁头的机器人，以及小鹏。

程曼祺指出，他提的智能上最关注的公司都不是中国公司。许华哲的回答是，最好的东西最终会在中国出现，但美国公司在战略定力上更好一点。「比如 PI，从第一天就说要做 physical intelligence，名字就是他要做的事，每隔仨月发个东西，现在仍然保持在第一梯队，中间没有发生什么变化，也没有明确的商业化预期。」

他把这比作小时候上课：老师说今天看谁坐得正，大家就都坐得正；另一个班老师说看谁发表的观点最多，大家就七嘴八舌。「公司之间也会有同辈压力。这也是为什么我很愿意在网上分享想法，希望让这个氛围往我认为更本质的方向靠一靠。」

他怕的是中国具身智能从业者错过最大的西瓜。「智能是最后的决胜点。如果不去做一个很好的通用的智能，你那些铁架子里面最后装的大脑就不由你控制，那就错过了定义未来的权利。」

至于差距会不会越来越大，他提了一个有点科幻的判断：当 singularity 到来，大模型自己写大模型改进大模型，机器人自己拧机器人造机器人，智能达到那个点，游戏就结束了。所以要在那个点到来之前竞争。他估计真正的 human level 通用大概五年左右。

## 卖数据、无脑量产、跳舞内卷 1:23:04

程曼祺问他，行业里有哪些现象不利于往智能方向投入。他列了三件。

**第一是卖数据。**现在有很多行业公司在采集数据后贩卖出去，因为英伟达这类公司自己没能力采数据，人力太贵，只能从有大量人力运营能力的公司买。「我们知道这是弹药，但仍然把弹药卖出去。这就像给竞争对手卖最宝贵的东西，为了让自己融到资，或者账面上好看一点。往美国卖，我觉得是一件比较危险的事。」他说破壳至少不会干这事。

**第二是无脑量产。**「根本没有那么多需求，那些量产卖给谁了？」他想看到一个数字：机器人活跃率，日活。卖出去的 5000 台机器人，日活是 10 还是 100 还是 1000 还是 5000。这个数字很难看到，因为它是硬件，是固定资产，不像软件那样用户数据造假容易看出来。「卖出去 1000 台，如果只有 20% 在被真实用户使用，这里面又只有 20% 在被日常使用，我觉得有点遗憾。」

**第三是跳舞。**他承认跳舞有实际需求，是件挺好的事，但「这事已经差不多了」。他的意思是，机器人去卷翻跟头、卷 1080 度没有意义，因为人卷这个是在追求生理极限，要花两年苦练，而机器人没有生理极限，多花点钱把电机性能提上去，它可以再加三圈。「纯表演的话没必要，今天跳两米明天跳三米。但如果是翻山越岭、去极端场景，围绕这些场景展开，我很认同。」

程曼祺说「无脑量产」这个词一语双关，既指没考虑用在哪的量产，也指产出的躯壳里没有大脑。许华哲说他也不知道真实情况，因为卖给这个客户点、那个客户点，到底有多少在用确实不知道。「但如果我未来自己做这个公司，我会把这个数据收集上来，作为公司的真实反馈。」

## 从游戏到物理世界，以及大多数科研是噪音 1:29:26

聊到成长经历，许华哲先讲了一个没什么逻辑的观察：具身智能行业有很多东北人，高阳是，逐际动力的张威也是。他自己分析了几条：东北很大，说「东北人」包含三个省；东北人比较 physical，享受物理的生活，搓澡、过年大扫除、放鞭炮；而经商这件事相对没那么 physical，所以中和了一下。他自己也说这是瞎想的。

他高中在东北师范大学附属中学，2009 到 2012 年。那会儿跟几个计算机竞赛的同学在机房，除了写题就空想计算机的极致是什么样，看到了一点神经网络的东西。他最后搞的是物理竞赛，保送清华。大一时清华电子系有个比赛，给学长写的小游戏写 AI，他试着用神经网络，完全不好使，后来改成 A 星搜索，名次也一般。「那是我第一次尝试写神经网络，没写出来任何东西。」

博士期间他花了六到九个月全职写星际争霸 AI，还做过 Atari、超级玛丽、generals.io。「我很喜欢玩游戏，所以把智力上比较有挑战的游戏做了个遍。后来发现强化学习太擅长干这个事了，所有游戏只要你努力最后都能做出来，别管麻将、德州扑克、即时战略还是卡牌。」

机器人是挑战更大的事，影响力也更大。「游戏只有一小群人会喜欢，但机器人是所有人都会需要的。」

博士三四年级，也就是 2018、2019 年左右，他心态发生了很大变化。论文发够了，毕业要求达到了，导师满意了，「好学生当完了」，突然有点迷茫。他有个习惯，跑到第一梯队就开始琢磨下一件事，不是卷到头的风格。「沿着这条线性的路再走，我可以看到接着发三五篇 paper，读个博后，找个工作，谷歌、Facebook、国内或者教书，都比较清晰。但我会想，我做这件事有意义吗？」

他当时想的问题包括：作为人会有怎样的意义，哪些东西是真实的，哪些是别人给我定义的，这些科研到底有没有价值。

他的答案是：**大多数科研没有价值，最后变成了人类进步路上的一点噪音。**「它确实在人类进步的路上，但不是往前垫了一块砖。少部分科研是真的往前走了一步。」

意义的答案他也想得比较清楚。他对变得多有钱、住大房子、多成功这些状态完全不感兴趣，更感兴趣的是如何帮到更多人，以及自己能不能在这条路上有非常极致的体验。他管自己叫 impact driven 的人，这个影响力跟帮助他人绑定在一起，不是赚钱出名那种。「如果我发明了抗生素，我会非常自豪，因为全世界某种疾病因为我的努力消失了。」

程曼祺提到抗生素后来也被滥用，成了社会问题。他说很多趋势不可逆，最终能不能用好取决于人，「只要你是往善的那一侧去努力，对我来说就够了」。

## 技术之美：简单的、一致的 1:51:49

许华哲对技术审美的第一性回答是简单。他引爱因斯坦那句：everything should be made as simple as possible but not simpler。在课题组里他常说，要用小方法解决大问题，方法要简单，问题要复杂，这样的东西最美。反过来，方法特别复杂、一坨一坨，却只解决一个特别小的问题，比如只能倒一杯水，那往往是丑陋的。

第二个词是一致。他举了个例子：如果有若干个小模型，上面接一个知识图谱把它们串起来，这件事本身就相互矛盾。如果你相信知识图谱式的方式，就不应该底下有那些深度学习模型，应该把这些东西再拆，最后拆成一个巨大无比的网络。或者你就相信所有东西端到端，它就是一个圆，一个统一的东西。「我不太喜欢若干个理念放在一起拼凑出一个东西。」

至于「有用」在审美里的位置，他觉得有用是一种结果，跟美不美没有关系。美的东西可以很有用，也可以很没用，「它几乎是正交的两个维度」。

他描述音乐、读书、理论的方式是一致的：它们都是在描述这个世界，描述的精确性就是美的部分。「听到舒伯特的第九六零，脑海中是那种神性的天堂的感觉；听到巴赫的恰空，会觉得宇宙在无限地展开、折叠。」他在伯克利学过和声学，弹钢琴，也很喜欢网球，因为网球是一次一次挥拍，看着重复，但里面的细节在变，稍微提前一点、节奏改一点、角度调一点，球的质量就不一样。「生活某种意义上就是不停重复，但每次重复是一个螺旋，看着原地打转，从另一个侧面看是在往上升。」

关于 2025 年这个领域的大进展，他提到 PI 的工作是核心推动力，Generalist 的数据集大小给了 scaling 的推动，各种 embodied VLM 让人看到在操作之外还有理解空间、理解语义的成长空间。强化学习让他们自己看到了高成功率，测了 900 次，900 次都成了，针对 7 个任务都能做到 100%。但那是实验室资源，没有把 7 个任务的数据放在一起训，「放在一起肯定还有挑战，那个工作做到那为止了」。

程曼祺问，到目前为止有没有出现过类似 2017 年 transformer 那种级别的开创性工作。他说目前还没有特别看到，「这个东西需要回头看才能看得到，需要时间检验」。学术会议除了最佳论文还有时间检验奖，而据他所知，目前还没有任何一篇当年的最佳论文拿过时间检验奖。「最好的一群人评出来的奖，仍然有非常大的局限性。就像 NeRF，也没拿到当年的最佳论文，但成了非常重要的工作。」

他自己最满意的成果，标准回答是「下一个」，然后补了几个：robot cook 包饺子，从擀面皮开始，用世界模型加各种工具使用做了一个大系统；DP3 把三维视觉和扩散模型放在一起；最近的 RL 工作；还有一个远程触觉的项目，上海的机械臂带触觉传感器摸一个东西，北京这边的人能感受到软硬、形状、粗糙程度，他们买了一个乳腺癌模型做远程触诊。「未来也许机器人会上火星，我想在地球上摸摸火星上的东西，是不是也可以这样摸一摸。」

触觉的质感和温度还很难模拟，语言里关于触觉的词也很少，很多细微的东西没有被语义化过。他们之前做过触觉传感器，反向的这个叫 tactile display，相当于让人能摸到机器人的触觉。

## 一场尽力的马拉松 2:08:48

许华哲做内容这件事，程曼祺很好奇为什么能持续。很多创业者创业前是知乎大 V，创业后就断更了。他说做内容对他是一种放松，跟大家聊聊天，录下来，喝点水吃点东西，本身就很开心。第二是让信息变得透明，也是他定义的帮助更多人的一部分。有人评论说要不是这个平台，永远听不到这样的故事，他看到就觉得这事值得做。第三是想做 ToC，就需要真实反馈。「费德勒到了小红书上也会变成 2.5，所有人到了网上众生平等，大家会说你哪哪做得不好，哪哪做得好。这样的真实反馈对一个 ToC 产品非常难得。」

程曼祺说他身上有两面性：一面是社交媒体上活跃、幽默的科学段子手，另一面是会在琴房待几个小时、看《静静的顿河》、用黑塞《荒原狼》的独白描述心情的人。他说这两面天然融合，「就像很多喜剧演员私下里都没那么开心一样」。他是外向型人格，但也喜欢独处。「很多意义可能只有自己一个人才想清楚。有的时候是因为你想清楚了这些事，所以你才乐呵，才对人友善，因为你知道很多事情不重要了。」

最近他静下来想得更多的是公司该怎么走，主线怎么走，节奏怎么样。「最近抽象的思考变少了一些，具体的事情来了以后，还是要先把具体的事情做好。」书读得也少，最近读了哈萨比斯的传记。他很喜欢里面那句话：怎么算过了一个尽力的人生？像马拉松一样往前跑，跑过终点线的时候最好立刻跪下，更好的情况是被抬进医院但没有死掉。

他觉得马拉比笔下的哈萨比斯是所有追求 AGI 的人的一个缩影，近乎虔诚地追求该追求的事情。区别在于哈萨比斯很早就有了明确的使命感，下国际象棋时就在想，我的大脑智慧就要用来下棋吗，我可以干什么更大的事情。「每个人想清楚事情的时间点不一样。想清楚了也不一定是好事，没想清楚的时候，我能感受到的快乐更多一点。」

他说自己现在虽然每天很乐呵，但感受到的快乐变少了。以前的乐呵是因为真的快乐到了，现在的乐呵是因为觉得大多数事情都无所谓。「就像婴儿的皮肤，轻轻碰一下就很敏感。现在那些东西都无法影响到我。」程曼祺接了一句：阈值变高了，要真的快乐，需要一个更大、更深远的东西。他说是，所以回到了帮助更多人，因为自己获得的东西已经很难让他产生快乐。

他喜欢现在这个状态吗？「也谈不上喜欢，只是它不可逆。」

作为创业者，他不担心自己缺少某些特质。「你很难定义一个什么是好的创业者。我认为最重要的特质就是有特质。你可以木讷，也可以做出很好的企业；可以乐观，也可以悲观。身边能听到名字的企业家，每个人都很不一样。」

对创业难度的预估，他的思路和选难题一脉相承：做挑战足够大的事，成功概率很低。「任何一家公司的成功概率，在今天无论它名声很大还是刚刚开始，胜率是差不多的，都很低。如果有 100 家公司，可能大家都是百分之一，甚至更低，因为可能这一百家都挂掉了。」

愿意付出多少代价？「所有的代价，因为我要的太多了，所以任何代价都可以。」

程曼祺提到深势科技的张林峰，同样是科学家出身、爱好广泛、会观察自己内心，但有一个认识很久的 CEO 联创处理融资经营商业化。问他需不需要这样的合伙人。他说肯定要学习和补充，至少要自己知道该怎么做，同时也会补充人。他有一位联创是金融背景，做二级市场的。「我并不是一个一心只读圣贤书的人，该做的事我都会去做。」

创业小半年，他发现自己找回了一个曾经的自己。他从小就想创业，从高中开始，后来因为成绩好、对 AI 感兴趣，越做越学术。「小时候的自己从来没想过我能读博士，也没想过读博后，最后成了一个学校的老师。」他小时候的两个设想，一个是像爸爸那样做生意，一个是像妈妈那样当老师（妈妈教初中）。「我已经很久没有这么爽过了，从早上 8 点半到 12 点满负荷地工作，确实让我很快乐。」

这和做联创的体验当然不一样。「在我们的新公司，我会期待每一位联创都是独当一面的，不只是参与，而是他的那个事情他应该有决策权。」

至于今年 8 月写生日感想、年底做总结时希望到什么状态，他说希望娃已经会说话了，希望公司有了很不错的团队，造出了一点东西，希望自己乐在其中。「带着大家从今天这个一片荒芜、只有一些地板的办公室，跑出一点小小的样子。」

程曼祺接了一句：从一片荒芜到破壳而出。他说对，最后点题。

## 给读者的几个判断 2:23:55

这期节目里，许华哲给出的最硬的一个可验证承诺是：18 到 24 个月内，会有一台机器人真正走进家庭做点事，也许还不足以稳定地作为产品存在，但可以连续工作很长时间。他把 2028 年初定为「已经有人在用我们的机器人在家里做事」的时间点，并且主动说，到时候可以再录一期播客，看看是做到了还是被打脸。

对关注这个行业的人来说，他提的几个观察指标比宏大叙事更有用。一是机器人日活，卖出去的机器到底有多少在被真实使用、被日常使用。二是后训练之后模型是否还保持泛化性，还是被收缩到了一个具体任务上。三是数据是留在自己手里还是被当成弹药卖出去。四是行业是在卷翻跟头，还是在卷通用智能。

他对中国具身智能行业的核心提醒可以浓缩成一句：智能是最后的决胜点，如果大脑不由你控制，铁架子造得再多，也只是错过了定义未来的权利。这个判断对不对，两三年内会有答案。