Dyna Robotics 创始人 Lindon Gao：从折叠任务到完整工作流

张小珺邀请 Dyna Robotics 创始人兼 CEO Lindon Gao，讨论他的创业经历、机器人产品路线与心态变化。Gao 将机器人行业比作尚未绘制完成的地图：团队既要探索技术边界，也要在真实世界中找到可持续的产品。

Gao 回忆早期融资屡次受挫时对团队说：“我们是蟑螂，我们死不了。”他认为，理想与商业生存并不矛盾：梦想可以远大，路径仍需脚踏实地。

这次来到上海，他感觉中国和硅谷都在快速发布产品、争夺融资，但对长期路线的侧重有所不同。

他概括说，一些团队更关注机器人的“大脑”，另一些更关注身体和供应链；Dyna 自称采取全栈路线。

Gao 出生在中国，11 岁去美国。

他成长的环境里，人们常做小买卖；14 岁时他卖过游戏账号和装备，后来搭建交易网站。他喜欢的并非钱本身，而是把一件事情做对之后获得反馈。

大学期间，他又做珠宝生意，先在网上卖库存，后来把中国供应链与美国设计师连接起来，转向企业客户。

他说，这项业务一度可以由家人协助管理，但最终因自己希望把时间投向其他事情而结束。

Gao 最初学医，后来转到金融，毕业后在投行工作了两年多。

他说，进入投行多少有随大流和竞争的成分，但最终决定离开，开始真正的创业。

他的早期公司 Caper 探索无人零售。

当时许多创业者希望改造整家商店；Gao 走访了大量超市经营者，发现他们并不愿意承担装修、维护和投资回报不确定的成本。

团队转而把视觉识别和传感器放进购物车：购物车跟随付款的人，并识别放入的商品。他认为，这样能以更容易部署的形式解决谁付款、需要付多少钱的问题。

Caper 获得 Y Combinator 支持，但最初融资并不顺利。

Gao 回忆，几位创始人与早期员工住在一起，严格控制开支；团队花了很长时间才拿到种子轮融资。

他称自己曾联系上千名天使投资人，最终只有少数人支持；机构融资也遭遇大量拒绝。

他把这种经历视作耐力的考验，而不是认为坚持本身就能保证产品成功。

硬件研发和超市销售周期都很长。

Gao 回忆，公司后来逐渐找到投资人，业务取得进展；在后续融资时，也收到收购提议，最终选择出售。

谈到做产品，他强调要理解顾客真正希望完成的事，而不是只展示技术。

一个功能是否能给客户带来持续价值，要放进客户的具体流程中观察。

Gao 将创业者比作脑力运动员：身体状态会影响判断。

他描述自己逐渐形成运动和饮食习惯，希望为长期工作保持精力。

在 Caper 之后，他也经历了更大的组织，并与来自大型科技公司的管理者共事。对他来说，这段经历提供了观察不同团队如何协作、沟通和制定决策的机会。

谈到再次创业，Gao 说机器人问题具有多个相互关联的维度，既有模型，也有硬件、运动控制和实际使用场景。

选择方向和建立互补的团队，成为新公司的早期任务。

他将判断方向视作自己的强项之一，也承认决策可能有盲点。

他会向他人讲清自己的推理链，征求不同意见；对技术伙伴则看重能够把问题想深并形成结构化判断的能力。

张小珺问，团队是否会在尽快落地和追求基础研究之间产生分歧。

Gao 说，Dyna 曾在方向不清时受到这种分歧冲击，团队一度难以回答自己究竟是一家怎样的公司。

他认为，单纯能部署并不意味着已经找到可扩张的产品与市场契合；而只探索技术高度，也可能不知道产品所需能力在哪里。

团队试图找到一个同时提高智能并通向实际部署的长期目标。

Gao 把自己的路线称为 product research：研究仍然重要，但围绕未来产品设定边界和优先级，倒推当前最值得解决的问题。由于团队时间有限，他希望避免同时向太多方向发散。

公司在 2024 年底左右开始组建团队并接触客户。Gao 回忆，早期基础模型虽然能完成个别动作，速度和连续执行能力仍不足；团队给自己设定了成功率和速度目标，围绕这些问题展开研究。

他介绍 Dyna One 的折叠演示，并称团队在特定条件下实现较高成功率。节目中的速度和成功率是公司的自述，不能直接视为对所有环境或长期商业部署的独立验证。

为什么选择折叠？

Gao 说，这类工作有一定容错空间：折错可以重来，不像打翻饮品那样立即造成损失。他同时看到洗衣房和酒店的重复劳动需求，因此把它当作探索第一个商业闭环的场景。

软体与硬物不同，布料每一步的状态都取决于此前动作；不同尺寸、面料和环境又会改变任务。

他说，团队通过 T 恤折叠研究泛化、质量和速度，并尝试寻找适合新环境的数据组合。

进入真实餐饮场景后，演示和工作之间的差距变得明显。客户需要的餐巾有五次折叠，早期机器人只完成四次，最后一步仍需员工处理；虽然事先沟通过，实际操作仍让客户不满意。

客户每天需要大量餐巾，而最初机器人的产量不足。

团队改进速度后又发现边缘情况：一次抓起两张餐巾，解决问题耗时远超正常折一张的时间，足以显著拉低全天产出。

叠好之后如何整齐放入容器也是问题。

Gao 说，团队需要让模型处理放置顺序和质量，并据此重新思考预训练与后训练各自应解决什么。

一些罕见故障可以用专门工程规则修补，但团队担心这种办法难以扩展。他倾向让模型处理更多变化，同时承认只有进入实际场景，才看得见这些细小却影响交付的问题。

他最终判断，折叠任务虽然能做，产品还没有达到自己定义的可扩张状态。

机器人每处理完一叠，就需要员工重新上料；如果员工没有及时回来，机器会长时间闲置。

Gao 把这称为机器人需要“保姆”的问题：客户购买的是产出，而不只是一个动作的成功率。过早扩大一个不完整的产品，可能把服务负担也一起扩大。

由此他区分任务和工作流。

机器人也许能在新环境里执行某个动作，但这不等于完成商业闭环。完整工作流还包括找到物料、搬运、折叠、放置成品，再开始下一轮。

Gao 说，串联工作流会使单个步骤的失败率累积，也要求模型理解语言和多步骤指令。

因此，团队把提高预训练能力与后训练方法视作下一阶段的重要工作。

他不认同外界把 Dyna 简单归为“只做落地”的团队。

产品提供研究的方向，研究又决定产品能否真正完成工作；在他看来，两者需要相互约束。

讨论泛化时，Gao 关注模型能否在不同物体和环境下执行任务，也关注它能否按照语言指令调整行为。他提醒，速度、可靠性、安全和成本同样决定了机器人能否成为产品。

机器人的商业价值不只取决于模型能做多少种动作。客户还会问，一天能完成多少工作、需要多少人工干预、是否值得购买；这些预期会因客户而异。

Gao 将酒店看作有许多相似工作流的环境，也把它比作某种标准化的家庭。

衣物、房间和物料存在变化，但比完全开放的家庭环境更容易定义边界；不同任务仍有不同难度。

他更愿意按能力和工作复杂度，而不是简单按商业或家庭标签来划分问题。

一个场景中出现的边缘情况，可以反过来指导模型和数据的研究。

团队同时进行预训练与后训练，但后训练会围绕具体工作流组织。

Gao 认为，真实任务给研究提供优先级，同时也能检验基础能力是否真的有用。

谈到数据，他强调高质量数据与训练目标之间的关系，并讨论第一人称和第三人称视角。

选择何种数据形式，要看模型最终需要学会什么，而不是把某一种手段当作目的。

语言跟随能力在他的设想中是连接工作流的基本环节。

至于具身智能能力何时出现显著跃迁，他承认很难预知，既可能很近，也可能仍然遥远。

Gao 认为，从一个工作流扩展到更多工作流，需要继续积累数据、提高模型能力并完善部署。

他对扩展路径持乐观态度，但这些规模化判断是他的预期，仍需实际检验。

张小珺问机器人行业现在处于什么阶段。

Gao 认为，仅有智能演示还不够；像 ChatGPT 一样让广泛用户觉得真正有用，也需要合适的产品形态和使用方式。

他把机器人是否采用人形视为包含投资回报在内的产品问题。

机器人的形态应服务于任务和使用方式，而不是仅因为某种外形受到关注就成为目标。

回顾 Dyna One，他说早期对外更强调落地，后来团队意识到单个任务无法形成完整商业闭环。

战略转向围绕完整工作流，同时继续加强模型与部署基础设施。

Gao 将产品与市场契合联系到实际产出和回报：如果机器人在工作范围内无法为客户创造足够价值，技术展示就不足以支持大规模应用。部署飞轮的形成也需要时间。

谈到中国机器人行业，他强调不同团队仍在探索，并认为同行之间目前有许多值得互相学习的地方。

他预计未来一两年，一些模型、数据和产品实践可能逐渐趋同；这仍是预测。

他认为机器人大脑与身体紧密相连：硬件、运动控制和数据采集方式都会影响可训练的行为。

研究团队因此会参与确定摄像头帧率、快门、视角等硬件要求。

在他看来，硬件与模型需要共同开发。

先把模型完全解决、再去定义硬件，未必能保证最后的机器适合部署和量产；两边需要在迭代中互相校正。

谈到公司的变化，他说模型、数据、推理和硬件路线都经历了调整。

团队在一段迷茫后重新把研究与落地放在同一个战略目标下，而不是把两者视为必须二选一。

组织方面，Gao 偏好相对扁平的团队，让负责人能够直接与工程师和研究人员讨论执行方向。

他希望用精干的人解决最重要的问题，并让团队对目标形成共同理解。

他认为，工程效率提升能让团队在同样时间里探索更多方向，但组织最终如何发展仍不确定。

工具缩短了一些工作周期，却没有替代选择方向和协调团队的责任。

话题转向“修心”。Gao 说，自己过去更容易用融资、估值等外界指标衡量进展，现在更关注能否把问题想清楚、弄明白底层逻辑。他把这种变化视作长期练习，而非一次顿悟。

他分享过个人健康困扰和调整生活方式的经历，重点是自己如何改变面对问题的方式。

这是他的个人体验，不能作为他人治疗或改善健康的依据。

Gao 说，他以前容易担心别人如何评价自己：一次演讲的停顿或一个没想清楚的回答，都可能让他反复纠结。后来他尝试减少对外界评价的依赖，把注意力转回事情本身。

他把机器人创业比作一场高手云集的世界杯，也是一场看不清终点的长跑。

在技术和市场尚未收敛时，能够在迷雾中探索自己的方向，对他而言本身就有意义。

Gao 承认，曾给自己背上“不能犯错的 CEO”的包袱。

为了避免犯错而做决定，反而可能产生不明智的选择；他感谢团队和家人在这段时期给予支持。

回看具体失误，他认为团队曾在战略下一步上缺少自己的判断，看到外界出现新方向便急于跟进，造成摇摆和时间损耗。

重新明确自身目标后，团队才逐渐稳定下来。

他说，有些认知难关需要借助身边人的提醒才能突破。

对他而言，修心既包括反思自己的执念，也包括学会从别人的视角理解问题。

张小珺问，如果这次创业的结果不如上次，他会怎么想。

Gao 说，他仍希望全力以赴，但人生不应只盯着终点；如果无法享受旅途，每一个阶段都会显得格外煎熬。

在快问快答中，他推荐对自己有影响的书，并提到机器人研究中的 Eureka 工作和基础设施的重要性。

对机器人而言，语言、视觉及其他感知输入共同帮助系统理解世界并将指令转化为行动。