Lindon Gao 谈 Dyna Robotics 的创立，以及如何在迷雾中找到方向

大家好！我是 Xiaojun。今天我们的嘉宾是一位来自美国的连续创业者——Lindon，Dyna Robotics 的创始人兼 CEO。他与之前在我们节目中的 Physical Intelligence（PI）有很大不同。 DYNA 走了一条他们称之为“产品研究”的路线。全球机器人行业还远未达到收敛。这是一场极其漫长的比赛，你看不到终点线，有时你甚至看不到周围的事物。那么，每一位创始人一路走来是如何决策的，他们是如何制定路线图的，以及当他们迷失时如何重新找回自己？对于这些问题，Lindon 都有自己的答案。如果您喜欢我们的节目，请分享、推荐并点赞——给我们完整的三重组合！展望 2026，让我们与 AI 共同成长。很少有企业家能够被拒绝数百次，仍然不放弃创办公司，对吗？

当时我告诉我的团队，“我们是蟑螂。你们都是蟑螂。我们不能被杀死。”当时，在我们战略失利的时期，分歧其实是最大的。这是关于团队的——我们作为一个团队的身份受到了巨大的打击。一组人说，“我们需要专注于商业化”，另一组人说，“我们需要做研究”。您认为“嗅到钱味”和理想主义有冲突吗？没有发生冲突。我是一个非常理想主义的人。我觉得我进入机器人领域并不是为了赚钱。我认为“嗅到钱味”是一条生存之道。我的梦想是星星和大海，但我的路必须脚踏实地。你好 Lindon，首先向我们的观众问好。大家好，我是 Lindon。这次来到上海，您有什么不一样的感受吗？你多久来一次中国？也许一年一次或两次。我们在上海有一个团队，所以我有时会过来。

我对上海的印象是它发展得很快。机器人行业竞争非常激烈。每个人都在谈论机器人。感觉和硅谷有什么不同？在机器人行业，就感觉而言，其实我觉得双方都相当焦躁。每天都有大量的发布，每家公司都在推出新的东西。每家公司都想筹集更多资金。我认为，基本上，每个人都非常相似。但从根本上来说，我认为硅谷和中国对于机器人长期战略的看法有些不同。基本上，有大脑营地和身体营地。大脑阵营基本上是美国——他们相信大脑是唯一的问题，身体会自行解决。中国认为供应链是唯一的问题，从长远来看，大脑会自行解决。所以中美之间这两个阵营其实是非常明显的。但我确实注意到，中国最近也开始有所动作，比如在车型层面。

那么你是在大脑营还是身体营呢？我们处于全栈阵营。全栈阵营。怎么样，在我们谈论 DYNA 之前，我们先来谈谈作为一名连续创业者的你——你之前的一些创业经历、你的成长经历和创业经历。我出生在中国，11 岁时移居美国。实际上，我成长的环境非常具有创业精神，非常有创业精神。我周围的人都在兼职做点小生意。所以实际上，从很早开始，我就已经在做小生意了。当我 14 岁的时候，我开始了我的第一笔生意。很多人会称之为创业精神，但当时我觉得这只是英语中的一种忙碌——只是赚一些快钱。 14 岁那年是初中还是高中？中学。中学。那时候我基本上只是玩电子游戏，然后我就觉得游戏里有很多钱。所以我开始出售账户，出售游戏内的装备，然后我建立了一个平台，并从中赚了一些钱。

什么样的平台？它基本上是一个买卖的东西——一个你可以去买、也可以去卖的平台。或者我会去别人的平台，或者别人的论坛。实际上，有时您也可以在论坛上进行买卖。这就是这种交易设置。你的第一桶金多少钱？我想说超过一万。超过一万美元？好吧，然后呢？结果如何？业务逐渐衰退，一旦衰退，我就卖掉它——我卖掉网站。事实上，在整个做生意的过程中，我并不是只做这一件事。其实是很多零散的东西。就像，今天我会卖游戏，明天我会卖软件，后天我会卖鞋子。其实在当时，在我成长的环境中，这样的场景是很常见的。

我周围的人都在做同样的事情。也许是我成长的环境吧——比如我的小学和中学的环境是一个非常不同的环境。所以我周围的人都喜欢赚钱。所以我就受到这种氛围的影响，我就跟着他们，顺应潮流，边学边想，知道怎么赚钱。赚钱对你来说很难吗？赚钱并不难。事实上，赚钱是……对我来说真的……我不会说它超级容易——更多的是我真正喜欢……事实上，也不是——我不爱钱本身，我喜欢的是做对事情所带来的回报。同时，你的功课怎么样？我并不是特别专注于功课。，我可能不是一个非常典型的企业家。您的第二次创业是如何开始的？

当时这也是一种交易心态。在大学二年级时，我实际上开始做一些珠宝交易。当时基本上就是我在各个地方找到了珠宝库存，他们也不太想要了。他们最初计划熔化珠宝并回收金属。所以我当时对他们说：“我可以购买你们的一些库存并在 eBay 上出售吗？”在我大二的时候，它真的卖掉了，并逐渐变成了一项业务。你把这家公司卖掉了吗？这家公司后来实际上成为了一个自我管理的企业——我不需要花太多时间在这上面；它可以自己赚钱。我把它交给了我家里的一个人来帮我管理。这项业务经营了近 10 多年。它还在吗？不再。

现在我只是觉得这太浪费了——我什至不想花一个小时在上面。那时我每周大概会花三四个小时，一年就能赚到一百五十到两百英镑。我认为这是一笔非常划算的交易。但现在我觉得这真的不值得花时间。于是就结束了。结束了——我自己结束了。那么您是如何进入珠宝行业的呢？首先通过家人关系，也通过朋友，也通过圈子里的人，基本上是通过家人和朋友了解了中国的珠宝供应链，通过美国的一些朋友了解了珠宝的需求。其实我把这个珠宝 2C 业务变成了 2B 业务，因为当时我觉得卖珠宝本身就挺累的，每天包装，然后客户反馈……当时我还在读大学，也有实习，所以几乎没有时间。后来我把它变成了 2B 业务。

这个 2B 业务基本上就是我卖给珠宝设计师。其实美国有很多设计师，那些设计师当时必须在美国找到自己的供应链或者自己的工厂来制作东西，而且每次运行都非常昂贵，打磨也非常糟糕，量产也非常差。而且量产也很差。所以当时我就做起了进出口生意，基本上就是把珠宝和设计师联系起来，然后给他们供货，然后拿佣金。所以你去商学院是很自然的一步，对吗？当您选择学校或专业时，您还有其他选择吗？后来你进入了投资银行业。我认为我的教育道路非常自由。我的父母并没有真正对我进行太多的控制。他们对我非常不干涉。所以我一直选择我觉得自己喜欢的东西。事实上，一开始我是在纽约大学医学院学习医学的。

他们的医学院真的很好。是啊，那时候……其实学医是我父母的愿望。但学了两年之后，我就不想再继续了。那时...所以我转学到了金融专业。那你为什么不继续走投资银行这条路呢？当时进入投资银行业是一种赶潮流的事情。你知道，纽约大学的商学院也被认为非常好，所以每个人都想进入投资银行业。当我刚入学时——当我刚转行金融时——我其实并不知道什么是投资银行业务。但我知道每个人都想去。因此，既然我知道每个人都想加入，我就想与他们竞争。所以我就去了，然后...我发现这是一次非常好的经历。您在投资银行工作了多少年？两年多一点——两年。然后你就创办了自己的公司？从离开投资银行业到您目前的创业经历，中间有什么变化吗？不，我直接从投资银行开始创办一家公司，然后又进入了机器人领域。

我的第一次创业是半机器人技术。在 DYNA 之前，还有另一家企业。，称为 Caper。这实际上很有趣。在 Caper，我们的核心业务是无收银零售。早在 2017 年，无收银零售就非常火爆，因为亚马逊推出了一款名为 Amazon Go 的产品。有了 Amazon Go，任何人都可以走进一家没有收银员的商店，你可以拿起任何商品然后直接走出去，它会自动为你结账。这个概念本身非常新，非常酷，它让每个人重新想象购物体验会是什么样子。所以当时……其实国内国外，大概……多得数不过来。那时的机器人赛道可能和现在一样热门。可能有几十家——超过 50 家公司。

我们可能是该行业极少数的幸存者之一。其实当时我们的产品理念和大家的很不一样，因为当时大家都想把整个店改造一下——他们会把所有的传感器融合到货架上，把摄像头放在天花板上，进行自助结账。当时，我实际上把这个概念带到了超市。我去见了 150 位超市老板，问他们：“Amazon Go 的这项技术怎么样？我会为你打造它。”当时真正让我惊讶的是没有人想要它。然后我问他们：“如果我免费给你，你会想要吗？”他们说他们仍然不想要它。我很震惊。所以我问他们为什么，他们说性价比不存在——“对我来说没有投资回报率。

你要我花几十万救几个收银员？而且我的收银员反正也不只是结账。”所以基本上，对于当时的他们来说，无论你怎么切分，都没有回报，而且还得进行改造。而且即使改造之后，技术还是要……还是需要相当多的维护。所以到了那个时候，我其实就意识到这个产品本身的业务逻辑可能行不通。所以我们当时就换了一个不同的产品，把传感器融合和视觉识别放到购物车里。它实际上解决了同样的问题，因为无人零售实际上归结为两个问题：一是谁付钱，二是他们实际需要付多少钱，有了购物车就可以解决这两个问题，而技术比这简单得多，谁付钱取决于他们放入了什么产品，产品是什么。

这就是当时它逐渐走到一起的方式。在这段创业历程中，中间真的有一段艰难的时期吗？。一开始，我们其实非常幸运。我们在第一次申请时就进入了 YC。而且进入 YC 之后，我们的导师其实也非常有名——著名的 Sam Altman 和 Geoff Ralston，他们后来都成为了 YC 的总裁和 CEO。但从 YC 出来之后，我们实际上在整个批次中排名接近垫底——就筹款而言，接近垫底。我们总共只筹集了 30 万美元。所以当时非常困难，因为一个非常常见的问题是，“你们有什么？你们的背景是什么？为什么你们认为这会起作用？”最重要的是，美国投资界确实不喜欢投资硬件，因为他们自己觉得硬件本身成本很高，而且极难分销。

所以当时，当我们只筹集到大约 30 万美元时，我实际上和其他三位联合创始人坐下来告诉他们，“对不起，我只筹集了 30 万美元。如果你愿意，我们可以一起搬进一所房子。我们可以住在一起。我不能付给你工资，但事情是这样的——我们可以支付房租，我们可以支付你的煤气费，我们可以支付你的食物——但我们必须做饭。我们自己。”因此，当时我们——四位联合创始人搬到了一起，再加上一两个早期员工。当时，我们每个月烧钱 7,000 美元——每个月只烧 7,000 美元——持续了两年半，直到我们最终筹集到第一笔真正的资金，即种子轮资金。我认为第一轮融资大约是 200 万美元。

那么，第一轮资金到位后，这是否让您度过了困难的部分？事实上，并非如此。我们当时融资的时候，有一点是非常难的：我们的产品非常逆势。与此相反的是，我们是市场上极少数的公司之一——真的非常少。当我们刚开始时，市场上可能没有人做过——甚至没有人想到过制造这种产品。所以当我出去筹集资金时，每个人都会说，“你怎么可能——你要如何与亚马逊竞争？”还有很多其他公司——看，他们所做的都是亚马逊风格，与亚马逊类似的技术，他们都在这样做，并筹集了这么多资金。其中很多公司（一些公司）直接从 YC 筹集了超过 1000 万美元的资金。那时我们钱那么少，人那么少，我们推着这个购物车到处推销给每个人，他们会说，“你的购物车最终会过时的。”。

所以当时筹款真的很困难。我们会见了——当时，我们——为了生存到种子轮，我们——我亲自给一千多名天使投资者发送了冷邮件，最终转换了其中两位。因为那时我们几乎已经死了——银行里可能只剩下一两万了。然后当时那两个天使投资人每人给了我们大约 5 万美元左右，这些钱最后让我们活了下来。然后，当我们真正出去筹集种子轮时，我们会见了一百多个机构投资者，每个人都通过了——除了第一轮资本。所以当时能活下来真的很不容易。然后——你刚才问了——那轮结束后，进入 A 轮也是一个非常困难的过程，因为硬件产品的开发周期很长，最重要的是，超市本身的销售周期也很长。

所以当我们真正部署它并扩展它到可以传播的程度时，实际上也花了一年半多的时间。然后到了 2019 年，当我们进行 A 轮融资时，我们实际上是想筹集千万美元级别的 A 轮融资。市场上没有多少——当时能够开出千万美元支票的机构投资者并不多。我们又见了六十多个投资人，基本上都通过了。然后最后我们就一直在寻找新的投资者，最后找到了 Lux Capital。所以当时他们向我们投资了大约 1000 万美元多一点。后来这家初创公司——这家初创公司后来也——被卖掉了。 A 轮融资之后，当我们筹集 B 轮融资时，我们已经有了很大的吸引力。因此，在 B 轮融资期间，我们收到了两份投资意向书并收到了收购要约。

事实上，我们一开始拒绝了两次，后来决定卖掉。创业过程中最痛苦的时刻是什么时候？你是通过阅读《沉思录》来解决这个问题的吗？你怎么知道的？我想我在某处的报告中看到过它。 ——我觉得创业确实——尤其是在最低谷的时刻，越是低谷，越需要在思想上下功夫。所以我觉得整个过程就是一个修心的过程。因为你可以想象——如果我遇到十个投资者并被拒绝十次，我会说，好吧，好吧，我会去见第十一个，然后是第十二个。但当你遇到一百个人之后，你开始怀疑自己。你开始想，“是我不够好，还是这个项目不好？毕竟已经有一百个人拒绝了我。”所以当时通过那次经历，我对自己的认识、对世界的认识其实都提高了很多。我想这是从不同的角度来看待它——对我来说，每一次失败都像是一轮强化学习：下次我如何做得更好？

所以它逐渐逼着我成长。所以那段时间其实是我成长最快的——但也是最痛苦的一段时间。你提到你有一个投资者的概况，一个心理概况——这是在你在整个过程中遇到了数百名投资者之后开始的吗？事实上，没有。我想正是因为当时我对投资者没有清晰的心理定位，所以我被拒绝了一百多次。那时我只专注于说话而不是倾听。所以我真的、完全地——我从来没有真正与投资者达成一致，所以很难建立任何共鸣。这是我事后才意识到的事情。这家初创公司持续了多少年？大约六年。那是相当长的时间了。

当你卖掉它的那一刻，感觉如何？是不是突然感觉自己很有钱了？事实上，当它售出的那一刻，我想我的第一反应不是“我突然变得富有”——而是意识到我们做了正确的事情。因为在当时，对于当时的创业环境来说，3.5 亿美元已经相当不错了，对吧？我当时决定放手的原因之一是我觉得我可以在更大的行业中打造更大的东西。我的希望是，我在过去六年中学到的东西可以更好地帮助我做我的下一件事情——我相信这件事可以构建成更大的事情。所以当时，这是我想卖掉的主要原因，而不是为了钱。那是哪一年？ 2021 年——时机很好，对吧？

此后，人工智能开始爆发。其实 2021 年还没有那么明显，对吧？，实际上是在 2022 年，它开始显示出一条非常强劲的曲线。回顾你早期的两次创业——其中一家是初创公司——你认为你从中学到了什么？事实上，我最强烈的核心观点是，你应该做最重要的事情。过去的几次创业，我走了很多弯路，做了很多不必要的事情。所以有时这是一种心态，例如，希望如果我只雇用这个人，我的问题就会得到解决。你真的不能以这种心态来招聘。或者想，如果我找到了这个客户，那么我就可以筹集资金。其实不一定。在产品方面——实际上，在产品方面，这是我学到最多的地方。

打造产品始终就是做一些有价值的事情。听起来很简单，但我认为很多时候真正做到是极其困难的。比如说当时的无人零售，大家都是拿着锤子找钉子。就像，“我有一个非常酷的黑匣子技术，所以我会把它放入无人商店，以节省收银员的费用。”但实际上，当我们真正构建产品时，我们发现节省劳动力成本并不是产品最有价值的核心。最有价值的事情是，虽然我们节省了客户的时间，但当他们与我们的屏幕互动时，他们看到了价值。比如说，我在购物车里放了一个零食，它又给我推荐了另外一个零食，或者说，我把这个零食放进去之后，如果我再买两个，那么——你就会得到一张优惠券。

就在那时，我们意识到我们产品价值的核心在于我们可以增加平均篮子大小，而不是我们可以节省多少劳动力。同时，在打造产品的过程中，我们也发现了一个非常大的广告机会，所以整体产品价值变得非常非常高。所以这个价值是在无人零售店里永远无法实现的，因为在那里你没有可以与你互动的屏幕。这些是我们一路走来吸取的一些教训。您如何考虑一个更重要的问题，而不是一个直接的问题，例如再吸引一位客户或再筹集一轮资金？ — 我认为多争取一位客户，如果你的产品没有实现投资回报率，那么再争取一位客户是没有意义的。因为再多获得一个客户，除非你知道从长远来看，比如，一旦扩大规模，投资回报率就会自行显现——但如果整个业务飞轮本身还没有建立起来，就无法实现产品与市场的契合。

很多人认为产品与市场契合只是“我签了一个客户，客户愿意付给我一定的金额，所以我们就这么做吧”。但在机器人行业，我认为实际上有很多公司找到了所谓的产品市场契合点，后来才发现他们需要做的定制，或者客户要求的周期时间——就产品形式而言，他们远远达不到客户对机器人的基本价值的期望。因此，我通过始终将产品追溯到投资回报率来思考这个问题：您的投资回报率是否有效？如果你的投资回报率不成立，特别是在硬件和机器人领域，我认为如果投资回报率不成立，那么它就不是产品，并且产品与市场不匹配。你之前也提到过你的 YC 导师是 Sam ——他教过你什么吗？

我认为 Sam 是一个非常有能力的人，但当时我自己的能力还不够，无法与他志同道合。所以他当时告诉我的核心思想就是启动、启动、启动、启动和迭代——启动和迭代。这就是我当时从他那里得到的。他一直督促我这么做。当年他在 YC 还是投入了很多时间吧？还不错——也许我们每周见两次面。每周两次。除此之外，他还有其他的教训吗？我想我当时的理解可能还没有达到更高的层次，没有达到他的水平。你很有纪律吗？为什么这么说？我想我看到你起得很早，对吧？我通常起得很早。五六个。这是从什么时候开始的？我想它是从我开始创业之旅开始的。我认为这是相当早的时候。事情就是这样。

是故意的，还是只是习惯了这种套路？有本书叫《原子习惯》。这个想法是，从长远来看，你的原子习惯和动力可以帮助你实现你最初认为永远无法实现的目标。我想对于每个人来说，在成长的过程中，如果你有真正的好习惯，你就会慢慢地、慢慢地成为你想成为的人。对我来说，我认为作为一名企业家，你基本上一直都是一名心理运动员。从本质上讲，你实际上只是一名运动员。所以你需要有运动员的纪律。事实就是如此，因为如果你饮食不健康，或者你没有锻炼，或者你没有睡觉，那么你就无法深度专注于某件事。所以从我的角度来说，如果我想创办一家公司，我就必须照顾好自己的身体。

所以像早起、锻炼、饮食这样的事情——我在这些方面对自己有非常非常高的标准。五点起床，十点睡觉，对吗？这就解释了——你的体格真的很像运动员。十年的建设。十年前你不是这样的吧？， 是的。创办公司后，我变得越来越自律。因为我发现，一旦你受到纪律处分，你就不必再去想它了。它不再占据你的注意力。当它不占据你的注意力时，这样做就会变得很自然。它几乎变成了一种痴迷——就像，如果我今天不锻炼，我一整天都会感觉不舒服。你什么时间锻炼？通常在六到七之间。五点起床，六七点锻炼。那之后呢？然后我开始工作。晚上十点睡觉。十点或十一点左右。我的饮食非常有规律。我晚上吃的碳水化合物很少。

我通常在午餐时吃碳水化合物，早餐也相当稳定——营养均衡等等。我一直都是这样吃的。我想这是我从我父亲那里学到的。我的爸爸实际上是一个非常自律的人。所以我注意到，随着他自己的纪律、他自己的状况、他自己的健康状况也发生了很大的变化。是的，我是从我父亲那里学到的。作为 CEO，纪律是否会提高您的决策质量？百分之一百。我认为作为一个 CEO，最重要的事情——每个人都这么说，对吧？找人，找钱，找方向。 CEO 的大部分重大决策，找人、找钱，实际上并不需要那么多脑力。所以最重要的是找到方向。寻找方向实际上关系到你做出的每一个决定。你的每一项决定都必须是根本性的、高质量的。为了做出根本性的、高质量的决策，你需要彻底、非常清楚地思考问题。

因此，如果你的头脑处于一种非常模糊的状态——就像我每天晚上都在吃夜宵或者其他什么——如果你的身体不健康，那么真的很难做出真正明智的决定。你卖掉公司的那一年，你正好三十岁，对吧？是的，正好三十。站在那一刻，你觉得你余生的计划是什么？我感觉生活才刚刚开始。这家下一家初创公司是如何开始的？中间有几年的时间，对吗？是的，我在 Instacart 呆了三年。在那个阶段，当时被收购的一个非常大的动机是我想向其他人学习。来自收购公司？， 正确的。因为当时的 Instacart 有大量来自 Uber、Facebook 和 Google 的高管。我是一个以斗志旺盛、非常规方式走上来的人。我的前三个创业公司都是这样完成的。非常不符合通常的剧本。

就像，我认为业务本质和产品形式应该是这样的，所以我会带着我的工程团队去完成它。所以当谈到筹款时，我很天真。您是那些在美国筹款时遇到重重困难的创始人之一吗？确实。我认为很少有创始人能够被拒绝数百次而仍然不放弃自己的创业。当时我告诉我的团队，“我们是蟑螂。”你是蟑螂吗？ “我们不能死。”但当时我认为我的经验中一个很大的盲点是管理——产品和管理。这是关于在一个更大的组织中，我如何才能从他们那里学到更多、更好的东西。这就是为什么我当时在 Instacart 呆了大约三年——只是为了学习。

你学到什么了吗？您还在关注其他项目吗？我学到了什么？我不是一个喜欢总结的人。我更像是——我让一些东西渗入我的骨头，它成为我理解的一部分。但很难用语言表达一切。但我觉得有些话还是可以说的。例如，如何从 CEO 获取资源——这是一个非常有趣的过程。你必须解释为什么你正在做的事情如此重要，如何构建它，然后如何挖掘其潜在动机，然后与他保持一致。我想这是我当时学到的东西。事实上我从来没想过你需要这样做。这有点类似于筹款。但那时候，CEO 和我需要交互的方式非常非常频繁。所以可能就是在那时我训练了自己的这一面。

同时，在管理和组织上，当时我的管理相当混乱。我并没有真正考虑过我需要雇用什么样的人来担任特定的角色，但考虑得非常非常清楚。相反，它更像是，我觉得这个人是对的，我觉得这个人可以成长，然后我会——如果这个人没有这样做，我会尽力纠正他们。从事管理工作一段时间后，我意识到有些人就是无法改变。所以我人，在自己的认知范围内，除非能够突破现有的认知，否则没有办法去承担更大的范围。所以慢慢的，慢慢的就渗透进来了，我其实也越来越擅长管理了。您一次最多管理多少人？直接和间接的，也许有几百个。三百左右。所以类似的事情，是的。

那么你什么时候决定要重新创办一家公司，而不能继续担任高管呢？您认为担任副总裁符合您的性格吗？一点也不。是的，因为我真的很喜欢——我实际上对创业有一种崇敬之情。我真的很喜欢创业本身。因为我认为创业就像手工艺——就像工匠一样。假设我今天要做一件陶器，我必须把那件陶器、那幅画、那篇文章做得特别好。他们将花费十年、二十年、三十年、四十年的努力来完成一件他们真正引以为豪的工作。我觉得创业其实也是一样的。创办公司实际上就是打磨你自己的——你自己的工作。而你自己的工作就是公司。在公司内部，工作就是你的技术、你的文化、你的产品和你的管理等等。

我认为创业是多模式、多维度的，是一种多维度的状态。所以你每天都可以学到很多东西。所以当时，我决定创办一家公司对我来说真的是一件非常简单的事情。我只是一直觉得我适合——更适合创办公司。为什么是机器人？那时候 AI 也很火。大型模型也非常热门。这实际上很有趣。在我卖掉公司之后，我研究了一段时间 AR，我们也研究了其他一些东西，比如量子计算，还有核能之类的东西。但当时，我的另一位现任联合创始人 York Yang 和我——我们实际上认真探索了 AR 大约六到八个月，然后我们发现一些底层技术可能还没有完全准备好。

我们觉得其他领域不太适合我们。那时，York Yang 和我一直想做一些事情——我们想做一些可以改变世界的事情。因为我们觉得如果我们真的要重新创办一家公司，我们想做一些更努力的事情，一些可以改变世界的事情。而真正能够改变世界的东西其实很少。你可以，就像，你可以用两只手数出它们，那些可以改变世界的东西。你排除了哪些？你排除了哪些？就像我刚才说的，AR、能源，然后是量子。然后是诸如生物学类型的东西，这确实不太适合我们。然后我们当时也看了 AI，所以我们当时就在想 AI 应该怎么做。

当我们最终接触到机器人技术时，我们意识到它实际上非常非常符合我们之前的经验。而且我当时甚至看到，机器人行业的形态其实有点类似于无人零售——有点大家拿着锤子找钉子的感觉。所以那时我觉得硬件是可行的，基础软件、人工智能——所有这些都是可行的。但我们的团队缺少一位在具身智能方面经验丰富的人，所以我们就找到了 Jason Ma。你是怎么找到他的？我们在硅谷和很多人交谈过。与大约二十多人交谈。大约有二十多人。事实上，当时我们对第三位联合创始人的印象非常清晰。我和 York Yang 一起工作了十多年，所以我们两个都非常清楚自己的优势、劣势以及互补的地方。你的优点和缺点是什么？我有很多弱点，但优点却非常非常少。

York Yang 具有大量的优点和很少的缺点。你的实力如何？我想我能看得很远。就像，对于这家公司，从现在到十年后，我对愿景有一个非常清晰的认识，规划出我们的战略需要采取的每一步以及我们的战略可能遇到的问题。所以我认为方向应该是我的强项。你有很好的方向感。是的，我的团队有时说我能闻到金钱的味道。闻金钱味。为什么会有方向感？这就是赚钱的能力。你从小就训练的吧？赚钱的能力其实就是一个方向。这是关于选择商业机会。选择商业机会。因为我觉得所有的公司，最终都需要落地，都需要赚钱。所以不管跑道期有多长，最终还是要赚钱的。

到最后，你还是要赚钱。这样我就可以弄清楚最终的赚钱形式是什么样的。然后我——然后我知道如何朝着这个目标迈进。所以我觉得在这方面，这应该是我的强项。还有你的弱点？举几个例子。我的缺点还蛮多的。让我想想我的弱点。我想——我想我说得太抽象了。我得出的结论是我思考了很长时间的事情。我思考了很长时间的事情——底层的逻辑链非常非常长。所以通常当我和某人谈论我想要走的方向时，我会引导他们通过我的逻辑链，花二十分钟来解释这一切，然后给他们结论。通常他们就是无法跟上。因此，我将自己的思维分解为语言的能力——我可能还需要提高。你认为金钱味和理想主义有冲突吗？没有冲突。我是一个非常理想主义的人。

为什么这么说？我认为我制造机器人不是为了赚钱。嗅到金钱的味道只是一条生存之道。我的梦想是星星和大海。但我的路必须脚踏实地。你是一个现实的理想主义者还是一个理想主义的现实主义者？我绝对是一个现实的理想主义者。你不是一个理想主义的现实主义者吗？最终归结为理想主义。是的，我是一个现实的理想主义者。还有你的联合创始人——约克。他的优势是什么？他的弱点是什么？他已经是你的合作伙伴十多年了。他也是一个现实的理想主义者。他有很多优点。他的同理心非常强。他的结构化思维非常非常强。他的执行能力和落地能力也很强。他的技术能力非常强。他的管理能力非常强。罕见的技术天才，同时还具有管理维度的认知。

这真的非常非常罕见。这种人——你们两个是怎么认识的？他当时正在美国读书吧？我们是通过另一位联合创始人黄一林认识的。我们是在以前的公司见面的。这是你们第二次一起创业吗？那么杰森是如何加入的呢？杰森——当时，我们正在寻找研究——杰森——当时，为了研究——我们的研究联合创始人，我们心中有一个特定的形象。我们根据该个人资料进行搜索。你希望遇到什么样的人？首先，我们最想要的是研究品味——非常非常强烈。研究品味。本质上，你可以从他们的论文和他们发布的内容中看到这一点。事实上，他真正引人注目的地方在于，从他博士第一年和第二年就可以看到，他的很多论文都是比较奇特的东西。但随着他的成长，你可以看到他走得越远，他的论文就变得越简单、越干净。

核心概念变得非常清晰。我认为这真的是很好的品味——他在整个过程中不断发展。因此，仅从书面作品中，您就可以看到这种演变。我当时真的很感动。所以味道是第一位的。其次，我认为需要有一定程度的现实主义——意思是，不仅仅是学术追求，而是想要真正落地一些东西，对产品产生真正的影响。我认为这非常非常重要。我认为这非常非常重要。如果 CEO 想要落地，而研究联合创始人想要——比如，“我只想在大脑上取得突破”——这样的团队通常会发生冲突。我想每个团队都会有这样的冲突。你们有冲突吗？当时我们，当时我们，有一个时期，我们战略上迷失了，就是这个冲突最大的时候。

这是团队——我们作为一个团队的身份承受着巨大的压力。一组人说我们应该专注于落地，另一组人说我们应该做研究。我们应该做研究。这是什么时候的事？这大概是去年底左右的事了。发生了什么？我们梳理了策略，找到了突破口——研究组和登陆组都可以攻击的战略点。你在着陆侧吗？我没有派系。事实上，对我来说，这一直是关于构建的道路——如何达到我的最终产品形式。落地东西可以赚钱，但在我看来，并不一定是真正能够成为长久的产品形态。因此，如果某件事无法实现可扩展的产品市场契合，我认为我不会这样做。

所以实际上，当时我更倾向于研究方面。那么谁在着陆侧呢？所以我是团队​​中的工程师。那么你最后是如何发现这种重叠的呢？我们发现了重叠之处——我们延长了时间线。事实上，我认为这是一个非常普遍的问题。无论是机器人公司还是代理公司，它们都非常相似：如果我的目标很高，那么我就没有机会获得任何东西。如果我去陆地，那么我就没有能力志存高远。但通常情况下，这是因为着陆能力（着陆是否可扩展）受到情报的限制。所以这个时候最重要的就是你要提升智力。然后团队可能会想，“那我应该去做研发”。

未必。我们的想法是延长时间线——也就是说，在距离更远的地方，我的这个战略点能否提高我的智力，同时也着陆一些东西？所以当时我为团队设定了一个更远大的目标，这让团队团结起来。我们刚才谈到的“志存高远还是脚踏实地”的问题是许多机器人团队都会遇到的问题吗？一个非常真实的讨论，或者问题？我认为在每个机器人公司内部，这个问题都会被反复讨论。我认为没有一家机器人公司不讨论这个问题。因为这是一个非常现实的问题。你们是从第一天就讨论这个问题，还是从去年年底开始更频繁地讨论这个问题？其实从第一天起，我们就对此有一定的认识和担忧。但当时我们还不太清楚着陆需要什么能力，或者情报的边界在哪里。

所以当时，我们认为——我们——我们的团队是一个产品研究驱动的团队。产品研究和传统的研究团队还是有点不同的。传统的研究团队就像，好吧，“我想要到达 AGI，所以现在我将进入发散模式来探索各种可能性。”然后，一旦他们发现某些可能性，他们可能会在稍后收敛。但我觉得发散模式下，有时候你做的事情不一定做得不够深入。因为如果你没有落地，你只是粗略地看到了一些东西，并不意味着这件事已经做得足够彻底了。产品研究本身有点不同——在研究的边界上，我有一些护栏。这意味着，我们需要做的所有研究都必须具有一定的价值——它必须为长期产品带来价值。

我们有一定的框架来确定研究的优先顺序。比如，在这个阶段，我们需要先做这件事，然后在下一个阶段，再做另一件事，而不是一下子把所有事情都分开。因为我认为团队的时间——我们团队的精力是有限的。所以我们只把赌注押在最重要的事情上。你提到的研究驱动型公司——比如硅谷的 PI 和 Generalist——都属于这一类，对吗？我觉得我不能用那样的方向来定义他们，因为他们内部对自己的方向也有自己的理解。这就是他们的——这是他们自己所需要的。您是否刻意将自己与这些研究驱动的机器人公司区分开来？我不会刻意将自己与他人区分开来。其实，一直以来，我们公司一直是一家研究驱动型的公司。

只是我们的研究方向内置了产品护栏。所以其实未来的产品形态我是非常清楚的。所以我在逆向思考——为了实现这个产品形态，我们需要做哪些研究？让我们回到你刚创办公司的时候。 2024 年你做了什么？ 2025 年你做了什么？ 2024 年确实不值一提，因为 2024 年，才短短几个月。才几个月。我们直到 2024 年底才真正开始。所以当时，我们基本上只是组装好硬件就已经很高兴了。那时你已经找到所有联合创始人了吗？那时我们已经找到了所有联合创始人。并且团队初步建立。当时我们甚至已经找到了客户。因为当时，我们需要——如果我对研究和产品将如何落地有一定的了解，那么我需要与客户交谈。所以当时我们和一大群客户进行了交谈。然后到了 2025 年，最重要的事情——对我们来说最重要的事情——是当时的基础模型还不够好，无法实现任何目标。

因为当时的基础模型——首先，机器人非常慢，他们做事非常慢，而且非常混乱。但最重要的是，他们通常只能成功做一件事，然后如果必须再次做同样的事情，或者进行下一步，他们就不会做。所以当时的情况还不足以落地。所以当时我给团队设定了一个产品研发目标：成功率要达到 99%，速度要达到人类的 50%到 60%。只有这样，我们才有商业化的希望。所以我们当时所有的研究都是围绕这个主题展开的。大约在那个时候，每个人——后来，人们可能在四月或五月左右看到了 DYNA-1。 DYNA-1 当时对于我们内部，甚至对于整个行业来说，可以说是一个非常大的突破。因为我们是第一家展示商业化演示的公司。

那时候我们折叠餐巾纸，可以连续 24 小时折叠，成功率在 99%以上。对于当时的我们来说，我们感到非常自豪。去年在 CoRL，很多人聚集在你的机器人周围。那是一件折叠的衣服吧？是的，折叠衣服。它首先叠纸巾，然后是衣服。为什么选择这个场景？折叠场景本身非常有趣。我们也是第一个真正想要将其商业化的团队。因为实际上，当我——我记得当我筹款时，很多人说，“你为什么要做洗衣？洗衣行业有多大？就是这么小。” “为什么不进工厂，做物流，做其他各种场景呢？”。

其实我当时选择折叠也是很逆反的。因为当时我看到了折叠商业化的机会，根本上是因为我，有了模型——因为其实整个过程中我是一个非常——一个 CEO，非常参与日常工作所以其实我跟大家的技术方向——我们的工程方向——而且其实早期我也在自己管理我们的技术团队所以当时我其实看到了模型本身的能力——最重要的是我们部署场景需要对错误有非常高的容忍度 因为，例如，如果我正在制作一杯拿铁咖啡，我不小心没有正确握住拿铁咖啡并将其洒出，那么我会——我会为其他人创造额外的工作并浪费一杯拿铁咖啡 但折叠则不同 折叠时，如果我折叠错了，我可以重做它 所以丢失率本身——丢失率和质量要求从根本上来说并不是特别高 因此考虑到技术——上限——。

鉴于我对当时技术上限的理解，这种场景对我来说是最有帮助的，所以我觉得这是一种技术与市场契合的状态同时，折叠本身是一种非常孤立的场景，我可以让一个人坐在那里不停地折叠同时，在与当时的人交谈后——当时我们与自助洗衣店——酒店等交谈——我们发现这仍然是一个非常普遍的痛点在每家酒店——每个洗衣房——都有专门的文件夹和专门的服务员在做这些任务所以当时，我实际上并没有考虑这个市场有多大，而是我是否可以让我的第一个商业循环启动并运行。这个问题已经足够困难了，所以对于我的模型来说，仍然有很大的基础改进空间，所以这就是为什么我们当时选择这个场景，技术上有什么困难？

从技术上讲，它与——例如，它——因为折叠衣服是一个软体问题——软体与刚体有些不同。一个刚体，例如一个杯子——它可能只有一种状态，比如杯子的开口朝上，其他状态可能是它翻倒或翻转过来。折叠是不同的。在折叠中，我所做的每一步——都需要前一步成功所以折叠本身也——在泛化方面要求很高，因为那时，如果我们折叠的话 T 恤，然后我们也——不能只折叠一种尺寸或一种类型的 T 恤 所以实际上，当时我们可以同时验证我们的——质量、我们的概括性和我们的速度 那时，正是从——从折叠 T 恤中，我们得出了一些关于服装多样性和环境多样性方面的概括配方，我们实际上得出了一些关于配方如何准备的更好的结论。

叠衣服场景的数据可以帮助它更好地概括？您有这方面的专业知识吗？实际上，我认为归根结底，当涉及到后期训练时，这实际上完全是一个配方问题。所以实际上，当时我们大致知道——例如，从我们在 CoRL 看到的——这个零样本 T 恤的事情——当时我们实际上会测试我们需要在多少个环境中收集 T 恤折叠数据，然后我们才能在新环境中进行零样本概括。实际上，我们认为这会花费很多时间，但后来我们发现也许仅仅十多个环境实际上就足够了，所以 T 恤也是一样的，T 恤本身，不同的尺码不同的款式不同的面料不同的材质等等其实也是有一定的，也是有一定的泛化性的，所以当时在这个方向上根据当时预训练的状态我们大致探出了一个后训练的上限，我想我是不是可以这么粗略的理解呢——根据当时的预训练能力，你找到了一个可以的方向。

最大化——机器人可以准确地完成最多工作的方向。在过去的一年里，随着技术的突破，这个方向有变化吗？它有什么变化吗？其实我觉得最根本的变化就是后期训练需要的数据量越来越小，而且这个其实对于我们来说——一点也不奇怪。其实当时我们到了后期训练的上限之后我们就大概知道了，哦——现在最重要的应该是预训练，后来是不是又花了几个月的时间去部署呢？在进行演示之后，真的进入实际场景了吗？

我们确实花了几个月的时间进行部署 您是在哪几个月进行部署的？大约六月到九月 部署困难吗？很难，非常难，就拿餐巾折叠来说吧，其实，餐巾折叠本身，大家看到 DYNA-1 做的——餐巾折叠不是完整的折叠，因为这是我们跟客户商量后，一种——中间形式的。 其实当时折叠餐巾需要折叠五次，我们只折叠了四次，最后的折叠留给了服务员，因为最后的折叠非常困难，因为折叠之后——因为那时餐巾已经是非常厚而且非常小 所以最后折叠之后需要压平 如果不压平就会——它会展开 所以在这两层之间——有这个问题 当时我们只有——当我们去部署时只做了四折 客户就开始抱怨 他们当时接受了，但在实际操作中他们很不高兴，因为浪费了很多时间 这是第一件事 第二，我们当时实际上发现仅仅折叠餐巾是不够的。

因为我们一天要生产 1300 张餐巾纸，我们这个客户非常大，是餐饮行业非常非常大的一个客户，他们每天的顾客量非常大，所以每天需要折叠 1300 张餐巾纸，我们发现当时的 DYNA-1 24 小时只能折叠 850 张。其实当时我们——我们当时的速度没有达到标准，所以在速度方面我们做了很多研究，最后达到了标准 但是达到标准之后我们发现了一个很大的问题 就是每次我们折叠一张餐巾纸 虽然我们的模型很稳健 有一些边角情况我们可以解决 但是解决它们花了很长时间 所以实际上，当时最常见的问题是我们——有时我们的机器人会抓取——不小心抓住了两张餐巾纸 实际上，即使是人手有时也会不小心抓住两张餐巾纸 但是在抓住两张餐巾纸之后我们大约需要两分钟才能解决它。

正常情况下，折叠一张餐巾纸只需要 20 秒所以它每次抓到两张餐巾纸我们当天的产出——就会大幅下降所以如果——如果有 10%是双折的话那我们那天肯定达不到目标所以当时我们就在想如何用强化学习等一些方法让模型自己解决这个问题所以当时我们很坚定，所有需要的东西都必须由模型来解决 其实这个东西本身就是预训练做不到的帮你解决 因为不小心抓到了两张餐巾纸——因为不小心抓到了两张餐巾纸导致产出减少了——这个预训练很难解决 所以当时我们也发现了这个 然后后来我们其实发现在餐厅折叠完后我们要放到一个垃圾桶里 而且放进垃圾桶的时候图案很随机很不一致 所以你放进去之后，你会——不知道的人过来看看说。

这些没有正确折叠只是一堆乱七八糟的餐巾所以在这一点上我们必须开始调节模型以便首先将其放在第一个位置第二个位置第三个位置将它们整齐地按顺序放置这本身也是一个非常困难的研究过程所以当时我们实际上——那时我们弄清楚了模型从根本上实际需要什么并且有了关于我们的预训练的知识——我们需要做的事情——对我们来说变得非常清楚 你也做你自己的预训练吗？我们所做的 您在培训前和培训后投入的资源大致分配是多少？

那时候我们的投入是一半一半，现在训练前比训练后多很多，这是今年发生的变化吗？去年年底？ OK 当时我们预训练和后训练是一起做的 其实因为当时我们在探讨预训练本身的改变会对后训练产生怎样的影响 然后我们发现预训练的改变对后训练的影响非常非常大 其实一个模型的大部分——绝大多数的鲁棒性来自于预训练而不是后训练 所以你必须自己做预训练 根据这个场景，当时最难的事情是什么？例如，手的灵巧程度？事实上，不。事实上，最困难的事情是这些非常小的角落案例。事实上，每次出现角落案例时，团队都会有一个——一个已知的问题，那就是我们是否应该使用工程变通办法来解决问题，但我们始终坚定不肯这样做，因为我们始终坚信，如果我们想要真正实现可扩展的产品市场契合度，我们必须使用一种模型来实现这一目标。

就这个场景的商业化而言——它成功了吗？已经开始扩大规模 已经开始扩大规模了吗？目前为止有多少成交量？我现在不能透露有多少客户？现在十多个 十多个？那么您已经——大规模生产正在进行中吗？你们的量产是在上海进行的吗？实际上，事情是这样的 实际上，我觉得这种场景中的部署不符合我的产品标准——我的可扩展产品市场契合标准 所以我选择不继续扩展 你什么时候做出这个决定的？我大约在去年就做出了这个决定。您注意到哪些迹象让您觉得没有达到您想象的规模？

因为要解决的问题不够基础，我只完成了任务——我只完成了这一项任务，但没有完成整个工作流程，我没有完成——那个场景下的整个工作，对吧，当时很常见的情况是，大约每半个小时到一个小时，我们就会折完一叠 100 张——一叠 100 张餐巾纸，完成后，机器人就会停下来，因为没有更多的餐巾纸，所以当时店里的一些工作人员不得不设置一个他们的手机上会发出警报，每隔半小时到一个小时他们就会过来检查，如果完成折叠，他们会给它一叠新的餐巾纸，如果没有折叠，他们就会回去继续自己的工作。我们经常发现——客户会给我反馈说我们的机器人没有达到标准，他们会这么说——我会问他们为什么，他们会说，我不知道你的机器人太慢了，然后我们去查看数据，我们会发现这一点。

我们的机器人有很长的闲置间隙，有时机器人连续半个小时都不会做任何工作，所以我问他们是不是你没有按时放一叠新的餐巾纸然后我意识到，实际上并不是机器人太慢了。而是机器人本身需要一个保姆。所以机器人需要保姆这件事是一个非常大的产品问题。所以当时我选择不扩大规模，因为我意识到我们还没有完全解决根本的业务问题。因此，如果你去扩展一个不完整的产品，那么该产品将成为你未来的负担。如果你是一个以研究为导向的实验室，他们的做法可能是，现在最根本的问题是大脑，所以我需要先解决大脑的问题，因为他们认为现在定义一个场景——你今天定义的场景可能不是最好的场景。

您对此有何看法？这基本上是投资者在问你，这个场景是不是太小了？老实说，我认为你必须回到问题的本质。脑子不够好。哪里还不够好？缺乏数据。你可以说这是缺乏数据。但在折叠餐巾的场景中，真的是大脑有问题吗？我已经完成了全部工作，全部。所以在这种情况下，从这个场景的意义上来说，代理本身就不再是问题了。所以更根本的问题是这个场景没有成功，因为——实际上是因为在任务范围内，没有一个好的闭环。所以在任务范围内，代理不是约束，但在工作流程中——也就是完成整个事情的范围内——它受到代理的约束。

这就是我们当时看到的问题。所以这也决定了我们公司的下一步：对于机器人来说，这是最根本的任务吗？实际上，在洗衣房场景中，我认为对于机器人来说，没有单一的基本任务。但我认为任务本身并不能完全体现实体情报人员的能力。我认为绝大多数——实际上任何任务——只是一系列动作。其实无论你怎么概括这个维度，你唯一能看到的最大的影响就是我可以把这个任务部署到任何场景中，它都能做到。它可以遵循该操作顺序。意味着它自身的泛化能力变强了。其泛化能力变强。但这并不意味着这项任务真正形成了业务闭环。所以无论代理多么强大，如果产品本身被装箱在一项任务的范围内，我认为还是没有业务闭环。

我可以这样说：我可以接受任何任务并对其进行零射击——将其放入任何新环境中，它都可以完成该任务。这对代理商来说确实是一个飞跃，但我不认为这是一个业务闭环。然后去年，你觉得一个只能在桌面上折叠衣服或折叠餐巾的机器人没有足够的可扩展价值。那么你做了什么？当时我们问的第一个问题是为什么没有商业价值？在与客户交谈后，最大的原因——我们自己也看到了——是我们需要一个机器人保姆。机器人保姆的事情确实是一个大问题。那么我们该如何摆脱这个机器人保姆呢？这意味着我们必须完成整个工作流程。那么这整个工作流程是什么呢？其实很简单。在折叠餐巾的场景中，这意味着我也必须完成装载和卸载。

换句话说，我不仅仅需要折叠餐巾。我还需要离开——当我的餐巾纸用完时，我还需要知道我的餐巾纸库存在哪里。我得去接他们。拿到它们后，我需要回到我的桌子旁，放下餐巾，将它们放在桌子上。然后我需要折叠。折叠后，我需要把折叠好的餐巾拿到某个地方，把它们放在某个架子上，然后拿一个新的垃圾箱，把它拿过来，然后再次开始折叠。这就是整个工作流程。因此，一旦我们意识到这一点，我们的下一步该做什么就变得非常清楚。它正在从任务演变为工作流程。现在你能走多远？你能完成整个工作流程吗——现在就能全部完成吗？这意味着机器人在这个洗衣房空间中可以自由移动，并且它知道现在应该做什么。

你们为此调整了训练前和训练后的比例吗？实际上，这实际上可以归结为——这是一个预训练问题。因为在这里，如果你想完成整个工作流程，那么在工作流程的每一步——也就是每一个任务中——都有一定的成功率和失败率。因此，要完成整个工作流程，这实际上就像 99 次 99 次——这是一个复合效应，这是一个——这是一个指数过程，你——你——我们需要完成每一项任务，我们需要知道如何解决每项任务的每个极端情况。然后当你将它们链接在一起时，它就可以持续运行。问题本身就很难。这实际上是一个核心的预训练问题。因为当我们第一次开始餐巾纸堆叠时，我们实际上发现我们正在使用语言来控制模型将折叠的餐巾纸放在垃圾箱中的某个位置。

但我们发现当时 VLA 的语言跟随能力并不是很强。所以我们实际上一直追溯到这个问题——追溯到预训练问题。后来调整了什么？后来我们调整了预训练预训练和——半人形机器人。半人形机器人，意味着它的腿是带轮子的。而上半身则是一个人形。 ——你从第一天起就说过不会制造人形机器人吗？不，我们从未说过我们绝对不会，或者我们绝对会。其实就是这样——我们对此的态度是：无论哪个方向是对的，我们都会——一旦我们看到一个方向是对还是错，我们就朝那个方向走。

我觉得您是硅谷为数不多的专注于部署的机器人技术人员之一，对吧？因为我觉得硅谷的大多数人都认为他们应该构建的是大脑，他们应该推动高端，即那个方向。也许人们对我们的印象是我们是部署营。但我认为我属于产品研究阵营。不是部署营。因为部署营本身恐怕更注重部署。但我认为我们更多的是探索未来机器人产品需要的突破。所以实际上，我们团队的核心——从文化的角度，从工程的角度——都是围绕研究展开的。只是我们——只是我们的产品理念是：如果没有闭环，如果你不能运行一个产品闭环，那么我们实际上不知道下一步该走哪条路。所以我们实际上是利用产品闭环来探索我们下一个研究方向——我们需要走哪个方向。

这算不算 Dyna-2？即将发布的机器人和模型（录制时尚未发布；已发布）。， 是的。从 DYNA-1 到 Dyna-2，您认为公司的技术积累是什么？一大堆。真的很难用几句话来概括。但我认为它的核心可以分为三个系统：系统二、系统一和系统零。在所有三个系统中，我们都取得了非常非常大的改进。首先，系统二是体现推理层。它基本上是模型对物理世界的理解——无论是物理属性，还是现在正在发生的状态，甚至是语义的理解——它都有很强的理解力，所以它可以知道我们现在在做什么，我们目前处于任务的哪个阶段，以及我们下一步应该做什么。

基于这种理解，它向我们的系统发出语言命令。系统一的核心实际上是一个世界行动模型。世界动作模型接收到语言后，我们如何将语言转化为动作？然后在零系统，它实际上是关于我们如何采取运动——我们想要输出的轨迹——以及从运动控制方面，我们如何使用更好的强化学习方法来实现快速、平滑和准确的运动，并在硬件上渲染。在所有这些中，您是否观察到了普遍性的迹象？在系统一和系统二上，存在非常非常强烈的普遍化迹象。它能概括到什么程度？事实上，泛化的维度本身就是一个很难解释的话题。

因为，实际上，两个最直观的维度和人类是非常相似的。假设我教你如何做某事——实际上我只有两种方法可以教你。首先，我演示如何做这件事。其次，我用语言来描述如何做这件事。所以在泛化的过程中，你衡量泛化的维度时，其实就可以沿着这两个维度去拓展。所以在示范维度上，就是示范了多少次才学会。在这个层面上，我们发现，对于一些非常新的任务，凭借我们目前的预训练能力，它已经可以从一些演示中学习。第二个是语言引导能力，意思是我告诉你——我用语言告诉你做某事。模型能做到吗？在这个方向上，我们实际上还发现了非常强烈的语言敏感性增加。至于这些细节，我们在发布的时候会深入探讨。

您已经开始拥有商业客户了吗？对于这个完整的工作流程？对于工作流程，我们现在已经有了商业客户。但我们还没有完全部署。但我们已经让整个工作流程在不同的场景中运行。他们是什么样的公司？您的客户是哪些类型的公司？我猜是酒店场景。这就是我能想象到的。但它的成本能比一个人低吗？我认为这是一个非常好的问题。这是非常基础的。这是一个基本的商业问题。用一台机器人代替一名员工——在目前的基础模型限制下，要达到一个人的日产量其实是非常困难的。因为机器人本身——是的，由于硬件和运动控制的一些影响，甚至是数据速度——它很难与人类的速度相匹配。

因此，对我们来说，我们发现最重要的价值指标不是比人更快，而是比人工作时间更长。也就是说，一个人工作——在美国，一个人每天工作 8 小时。所以我给我的团队设定的目标实际上是，一个每天 24 小时工作的机器人可以与一个人 8 小时工作的工作量相媲美。然后你就可以真正达到输出的平价。这——这对我们来说是最基本的事情。现在你实现了吗？我们已经超过了。意思是它 24 小时所做的事情比一个人 8 小时所做的事情还要多？你们是不是在公司成立之初就决定先不做人形机器人，既不做制造也不做家庭使用？这是你最早的职位吗？

在公司成立初期，我们其实不会说一定不做这个，绝对不做那个。相反，我们认为——我们的框架是可以做的事情，而不是不能做的事情。在探索可以做什么的过程中，我们发现很多事情无法完成 为什么我们当时不能在家做 家是一个时间线问题 我想因为我上一家公司实际上是 B2B2C 所以我知道 2C 的门槛有多高 我认为对于机器人来说，家本身就是一种终极形式 如果每个机器人都可以推广到每个家庭 这并不意味着它可以做所有的工业工作 它只是意味着，在其泛化能力范围内，它已经达到了很高的水平 但即使机器人可以在每个家庭做事，但这并不意味着该产品有效。因为从产品的角度来看，机器人的日常产量需要符合您购买机器人时的期望。

而且这种期望是很主观的，确切地说是很主观的所以其实每个人的期望都是不一样的就像有些人和他们的管家一样合作不是很愉快其实并不是说管家不是一个通用的管家而是无论是性格还是工作速度都可能有很大的差异所以我认为消费者是一个非常主观驱动的市场而且在安全和工作本身方面，从极端情况来看，有很多很多所以我想想这件事——我认为在三十到五十年内我们可以实现普及到每个家庭但实际上实现它并不一定意味着它有市场所以你必须将这个产品打磨到绝对极限，然后它才能真正真正成为一个真正的大产品你说你看得很远所以看看最后的比赛，。

家庭中的人形机器人——这是最普遍的产品形式吗？难道是我们这个时代的 T 型车之类的东西吗？我只能说，家，在我们这个世界的所有场景中——至少就我目前的理解——所有场景中，对泛化的需求是最高的。但是人们往往只把泛化看成单一的维度。我认为还有消费者价值，而不仅仅是消费者价值——还有它完成任务的速度有多快，是否按照你喜欢的方式做事。

你喜欢的方式——比如我喜欢这样放置盘子，而不是那样——我认为这里有很多产品细节这不是仅仅一个维度的概括就能完全解释的而且还有安全问题等等在这一切之中，维度太多所以我没有深入思考每个维度但也许不是——，概括不是唯一的维度通用机器人不会自动在家里制造出好的消费产品，家用机器人并不意味着家用机器人可以进入任何工业环境 那么您当时认为您的最佳位置是什么？哪个场景？我觉得对于机器人本身来说，如果通用机器人成为现实的话，我觉得 B2B 通用机器人的需求会比 B2B2C 更高，为什么呢？

因为人类的欲望是无限的 人类的欲望是无限的，这实际上意味着人们——如果劳动力成本变得可以忽略不计，他们对消费品、他们想要的东西的胃口只会增长 因为如果劳动力成本不再存在，那么消费品就会变得更便宜 他们变得更便宜，人们就会想买各种各样的东西 所以在 B2B 场景中，如果我们的机器人成功了，那么企业将需要更多的机器人来生产更多、更多不同品种的产品 实际上，现在美国的失业率是 4.5% 所以实际上，企业应该雇佣了美国总人口的 95.5% 如果一个家庭机器人——三个人组成一个家庭，那么美国可能只需要一亿个机器人。

但对于真正的 B2B，还有更多的细微差别需要考虑，比如蓝领与白领等等。但与 B2C 机器人相比，美国肯定需要更多的 B2B 机器人，因为更多的人需要工作——做饭、在酒店工作、经营酒店等等，对吧，也许 B2B 机器人更容易标准化，是的，它不需要解决你的情感问题，或者你的审美问题，对吗？，而且安全问题在某种程度上是可控的。所以基于这一切，你没有选择很多人可能认为的皇冠上的明珠——家庭人形机器人路径，这是你从第一天就想出来的吗？其实 2B 的场景，对于我来说，是一个非常明显的场景，因为商业部署是最接近的，如果你连 B2B 都不能工作，那我怎么能让 B2C 工作呢？

？比如说，如果在自助洗衣店我连自助洗衣店工作人员的工作都无法完全配合，那我怎么能在每个家庭洗衣服，洗每个人不同的衣服呢？所以我觉得从很多方面来说，B2B 其实是完成这个事情的最小单位，而且范围本身其实是可控在其范围内的。 酒店市场有多大？我认为酒店市场——实际上，很多人认为酒店市场可能很小，因为酒店洗衣房能有多大？但是每个酒店的洗衣房其实都需要两到五个人，这取决于酒店的规模，而且对于酒店本身来说，洗衣尤其重要，比如说，如果他们不洗的话，他们的房间就不能给客人使用。所以实际上，当时我听说一些酒店老板在疫情期间，他们没有工作人员，他们自己去洗衣房工作，所以这是一个非常基本的问题，所以是的。

这个问题对他们来说是非常痛苦的 所以一旦我们让洗衣工作流程端到端地工作——实际上绝大多数的洗衣房基本上都是一样的 所以实际上从我们的角度思考这个问题，这是我们的第一个闭环，它对于研究来说非常有意义，因为它让我们知道我们的模型的智能边界在哪里 同时，实现这一点也很有意义，因为它可以泛化到美国的 100,000 家酒店 所以 TAM 本身实际上有几十亿 这只是第一个工作流程 而且我觉得洗衣房本身就是每个人回家路上最小的单位，如果你连洗衣房都不能工作，我想回家也不能工作所以我觉得这条路是必经之路，而且非常重要，而且从商业的角度来说，对错误的容忍度其实是非常高的，对时机和节奏的要求。

也非常非常低，而且支付意愿也非常高，这是在美国特别特别需要的，我想现在酒店里的机器人——我对他们的印象还是那些送餐机器人吧？是的，正是这些现在很普遍，现在很普遍，但我认为还有更多——但这只是酒店的一小部分，我认为在这一部分下，我们实际上可以开放更多，就像，一旦我们完成了洗衣房，我们实际上可以做其他事情我们可以做清洁，我们可以做饭和准备食物，或者做其他事情所以酒店场景本身涵盖了很多场景而且我认为酒店是。

一个标准化版本的家庭每个房间——差别没有那么大所以从这个角度来说，我其实觉得酒店作为第一个商业部署的场景是非常合适的场景，你能做那个管家的场景吗？我想一旦模特的智力达到一定程度，那是完全可以的。她的工作也是标准化的、重复性的工作，对吧？，是的，当然会有很多 corner case，但是标准化起来相对容易一些，但是我觉得标准化本身，短期来看，就是关于部署的，标准化对部署有帮助，因为变异没有那么大，但是对于长期的泛化，其实还是需要做很多泛化的工作，所以比如说预训练，预训练需要的泛化数据——数据也带来了一定的挑战。

所以在这个过程中，你其实可以学会如何部署，也可以学会如何泛化，因为从一家酒店到另一家，再到另一家酒店，肯定需要一定的泛化模式，而且涉及到不同的 SOP，你觉得我提到的管家打扫每个房间的场景，和你现在的洗衣场景相比，难度有多大？我认为这可能会有点困难，因为——市场空间更大吗？但我觉得最重要的不是更大的市场，而是能不能在最短的时间内真正形成一个闭环，我觉得这个场景本身可能还有很多很多的 corner case，比如如何打扫淋浴区，如果客人离开房间的时候非常非常乱，或者弄坏了东西，或者拿走了一些东西，我觉得这里可能会有更多的 corner case，而且，整个任务可能需要更多的时间来完成，我觉得工作流程本身其实是分层次的，并不是每个工作流程都是这样的。我认为酒店房间清洁本身也有同样的困难——我认为它可以被归类为一个更难的阶段所以实际上，我认为从根本上来说，如果你还没有关闭最简单的循环，我认为直接跳到最困难的事情并使其发挥作用——。

很难形成最小化闭环 其实我一直提到的闭环其实就是 MVP 本身——最小化可行产品 你做了一个最小化可行产品，然后就可以向外扩展 那么酒店是你最先选择的场景之一？这么说吧——其中一个还有其他的吗？还有一些，都是商业场景 不完全是商业场景 反正不是家庭场景 没有 也不是工业场景 工业场景不多 其实我是这样看的：业界倾向于把场景定位为“这是工业”、“这是商业”、“这是生产”等等 其实我对市场的理解从来不是按照场景来划分的，我觉得每个场景都有我能做的工作流程，所以我其实从来没有。

按场景划分所以人们经常问我我们是否是一个商业场景的机器人，我认为这不是一个正确的问题我认为我按工作流程复杂性进行分类例如，一个相对较短的工作流程，比如折叠餐巾纸这是一个非常简单的工作流程加载和卸载——基本上就是这样，对吧？因此，如果我们更进一步，如果我们说这是工作流程复杂性的一级或二级，那么三级可能是更长的工作流程，四级可能是洗衣房场景，五级可能是酒店清洁场景，依此类推。

我认为这确实是分层的。所以基本上，对我来说，这不是按场景划分，而是按工作流程划分——按工作流程难度级别划分。并且可以在模型智能的每个阶段解锁该难度级别。这就是你的“一路生蛋”策略。产下的蛋具有不同的智力水平，并且蛋是具有不同复杂程度的工作流程。，我们现在的复杂性是一级、二级。我认为整个洗衣房工作流程绝对可以独立存在。它可以算作智力水平——复杂性水平吗？我很难说，我还没有把它分解得那么细。但我认为它可能在二级、三级左右，在这个范围内的某个地方。因为从根本上说，一致性是相当高的，但是工作链很长，而且有些操作环节，比如打开洗衣机门，确实需要用力，有时不小心把东西掉在地上，各种 corner case 还有很多，等等。

我觉得复杂度大概在二级到三级之间。随着代理智能的提高，更困难的工作流程可以更好地完成。所以我对商业化的看法一直是：我商业化的场景需要落在我的 agent 的情报范围内。然后，我接下来想要追求的战略方向，其实超出了我经纪人目前的范围。，所以一般来说，这就是我的想法。一路下蛋的目的是为了给公司带来现金流吗？其实就是帮助我了解我现在的经纪人本身，让我探查我的经纪人现在处于什么级别，在哪个级别我可以做哪些事情。在这个级别，在这个代理级别，我会遇到哪些极端情况？这些极端案例可以指导我预训练的方向吗？

你看，像这样一个洗衣场景，你首先做了一个桌面叠衣服机器人，然后你就接着做这个场景的整个工作流程。你在这种情况下投入的时间是很长的。那么，当你遇到这样的场景时，你如何做到“达到更高”的部分呢？你还有时间吗？事实上，我认为达到更高的目标和执行场景并不冲突。之所以不冲突，是因为，首先，把我们的预训练做得更好、更大、更强，是我们无论如何都要做的事情。现在你的预训练有多大、有多好、有多强？我们发布的应该是业界最大的数据集，在这个数据集中我们发现了一个非常非常强的缩放定律本身。所以实际上，我们在预培训上投入的努力——我真的不认为它比任何其他公司少。甚至比其他公司还要多很多很多。当我回顾机器人研究实验室时，并不是每个人都在进行预培训。

他们的团队也分开了：我们做预训练——这个团队做预训练。预训练团队有多少人？该团队进行赛后训练。该团队有多少人？然后在哪些技术方向上做哪些研究，其实是一样的结构。只是在后期培训团队方面，我们是按场景组织进行后期培训，而不是非常分散、发散的模式。这确实是唯一的区别。您在预训练中发现了哪些缩放定律的迹象？我们发现，当涉及到使用人类以自我为中心的数据时，在一百万小时的预训练集上，我们发现了一个非常强大的缩放定律本身。我觉得对于行业来说这应该是一个非常重要的里程碑，因为过去一两年，绝大多数情况下，智能的天花板——这个智能的天花板真的很难突破，因为大家都说数据是最大的瓶颈。

所以当时，我们所做的首要原则是：如果我们想达到 GPT-3、GPT-4 机器人基础模型时刻，我们需要获取最低质量的数据并从中提取可以扩展的内容，而不是扩展高质量的数据集。这场争论——实际上，去年我有一个非常不同的结论，因为当 DYNA-1 构建时，从根本上来说它使用了最高质量的数据。当时我们发现我们进行了大量的 AB 测试，我们发现最高质量的数据本身可以训练最好的模型。

所以当时我告诉团队：你必须全力以赴地获取高质量的数据。然后我们就继续努力。但后来我与业内许多从事法学硕士研究的人进行了交谈——视频生成模型为 .说实话，当时我是选择性地听我想听的。他们会说，他们在做预训练的时候，进行了一些消融研究，拿出一些数据后，发现他们的预训练变得更好了。但是这个——所以当时，利用这些观点，我会告诉团队：这是他们的观察，所以高质量的数据才是最重要的。但后来，当我们真正开始做工作流程时，我们发现最重要的是模型本身——我们能否赋予它最多样化、最广泛的人类体验。

然后，一旦我们获得互联网规模的数据，进行消融研究和提取数据才变得有意义。在满足这个前提之前，进行太多的质量优化——我认为这不一定是第一原则思维，至少当你从语言模型的角度来看时是这样。因此，当我们在这方面的思维发生转变后，我们开始思考：三年、五年、十年后数据的形式会是什么样子？机器人数据的最终形式会是什么样子？我们想了一遍又一遍，我们想不出比自我中心或外中心更好的东西了——也就是说，自我中心（第一人称视角数据）和外中心（第三人称视角数据）。我们相信这些将成为数据的最终形式，因为，例如，如果我们要押注于 teleop，或押注于 UMI，或押注于某种不以自我为中心的数据形式，我觉得在某种程度上，我们会押注机器人手不会工作。

但我们认为业界的共识是，机器人手本身是一个工程问题，而不是一个研究问题。所以当我们赌以自我为中心时，有一个确定的——我们会在 5-10 年的范围内思考它，最后我们决定这是最大的数据集，也是最终形式的数据集。所以那时我们全力以赴地采用这个模式——以自我为中心。那么现在您认为更多的数据比更高质量的数据更重要？您的所有数据都是真实的机器人数据吗？现在我们也有一些模拟数据。我认为数据混合——我认为没有必要声明我是属于模拟阵营还是真实机器人阵营。我认为这一切都取决于训练目标——你的目标是什么，你想要训练什么样的模型。

每个模型实际上都反映了其创始人及其团队的不同思维。比如说 OpenAI 当时就是消费者应用，所以他们当时的模型，他们早期的模型，对消费者更加友好。 Anthropic 很早就决定我们要把赌注押在编码代理上。对于谷歌来说，多模态对他们来说非常重要。所以我认为对于机器人团队来说，每个团队对于他们想要预训练达到什么能力可能也存在一些分歧。所以我觉得没有什么对错之分。你都使用它们吗？我们都使用它们。无论我们使用哪个作品。在尝试了所有这些之后，它们都有效吗？他们都工作。中国为何将创始人分为真机器人阵营和模拟阵营？您认为为什么存在这种争论？我不知道为什么会有这样的争论。我什至不知道中国有真人机器人训练营和模拟训练营。

这个技术路径本身不是——不是本质。因为这只是其中之一——也许是特定于阶段的——对，它是——这是达到目的的一种手段。为什么要赌手段？我认为没有必要在手段上下注。我认为最重要的仍然是——我们所说的重要实际上是：什么样的数据集对我们来说是最终的形式？这就是我们需要长期押注的地方，因为如果我们连这一件事都错了——这个行业实际上变化得非常快。例如，去年初是真正的机器人阵营，teleop 阵营。然后到了去年年底，人们的认识突然全部转向了 UMI。今年，人们可能会开始谈论以自我为中心和模拟。我认为——这条道路本身会一直在变化。所以最重要的是，我们作为创始人，弄清楚我们认为什么是最首要的原则、最本质的东西，然后我们把赌注押在那个最本质的东西上。

这确实是所需要的一切。我认为这没有什么是对的，也没有什么是错的。而最关键的是：预训练要达到什么效果，要达到什么目标？那么你希望预训练达到什么目标呢？对于我们来说，其实预训练应该达到两个目标：一是减少演示——所以减少演示次数意味着我可以更快地部署。另一个是语言跟随能力。对我们来说，语言跟随能力实际上是将工作流程链接在一起的基本环节。所以这实际上是我们目前的理解。但我认为随着市场的不断发展和变化，我们的理解也可能会发生变化。但我认为最重要的是：你的理解可以改变，但这种理解仍然以产品为护栏。我们最终要做的肯定是把它落地到现实世界，无论多久——无论这个加速期持续多久。

我认为我们现在仍处于加速期。但无论这个磨合期需要多长的时间，我们都需要看到产品的最终形态，然后才能继续朝这个方向前进。那么什么是机器人 AGI 呢？您认为机器人行业的最终结局是什么样的？需要多少年才能到达那里？我认为很难说这需要多少年，因为我认为随着数据量的增长，并且根据我们在自己实验室中看到的东西，我真的认为我们仍然不完全知道上限在哪里。所以我认为这是一个非常激动人心的时代。在每一个技术突破的关口，我们都可以期待下一个可能性在哪里，特别是在体现方面。事实上我们对此还不是很清楚。所以我认为它可能非常近，也可能非常远。我认为 AGI 的最终形式——至少从机器人技术的角度来看——是你给它一个非常模糊的指令，它就能完成整个事情。

这实际上与编码代理或某些通用代理的最终形式非常相似。他们会非常相似。可能需要多少年，我不知道。是的，我认为这真的很难确定。我认为，实际上，如果你从语言模型的角度来看这个问题，实际上，我们从 ChatGPT 出现的那一刻开始，那是大约四年前的事。从那时到现在，我认为对于这个行业来说，它已经到了这样一个地步——没有人能想象四年后我们会达到编码代理今天所处的状态。我觉得很多技术进步，尤其是人工智能领域，其实很多时候是一种看起来非常非常平坦的状态，但是突然有一天，突然出现了一个跳跃。突然有一个跳跃。所以实际上，我认为我们自己看到的跳跃是在以自我为中心的一面，寻找比例定律本身。

这实际上意味着我们现在的数据上限非常非常高。因此，我们希望一路走到数据上限的尽头，看看在那一端到底有多少数据。那么，探索这条智力主线的高度与你沿途产卵的方法（与每种情况）有何关系？我认为探测高度和沿途产卵其实并不是两件独立的事情。它们实际上可以是一回事。因为探索高度本身就意味着你——每个智力点、每个维度——比如现在我们——比如从单个任务——就是我们从去年到今年的理解：任务作为最小单位——范围——现在扩展到了工作流程作为最小范围单位。那么接下来，随着语言能力越来越强，演示越来越少，泛化越来越强，下一阶段是不是我们可以直接进入基于语言的——基于语言的状态？

意思是，你只要用——你直接用语言告诉机器人它需要做什么，这实际上就足够了吗？仍在这个工作流程中，对吧？实际上，我认为甚至可能——它可以，它可以同时执行非常——多种不同类型的工作流程，或者机器人可以开始相互协作。所以实际上，我认为这可能是——因为缩放定律本身很难确定缩放定律的影响。但我认为，通过我刚才描述的框架，你可以粗略地思考我们正处于尺度法则的哪个阶段，以及如何赋予我们的机器人更多的智能来做更多的事情。我认为这对我们来说是更根本的事情。在通往 AGI 的路上，你会在多少个场景中产卵？你有这样的预测吗？其实我觉得把一个场景做好基本上就等于把所有场景都做好了。这是为什么？因为单一场景本身，它需要什么，无论是 corner case、质量要求还是速度，其实如果我们能把这一件事做好，我们就大致知道目前的技术瓶颈在哪里。

所以实际上，对我来说，执行一个工作流程与执行 100 个工作流程 — 区别实际上只是 100 个工作流程的数据。所以对于我们来说，我们产品的核心其实是一个系统：数据进入这个系统，系统输出一个工作流程。所以实际上，当我们将第一个工作流程完善后，我的许多其他工作流程的差异实际上并没有那么大。确实，例如，在每个工作流程中，都有各种不同的 SOP 和各种不同的极端情况。但我认为解决这些问题的基本思维框架已经有了。所以我觉得，一旦这些基本原理，把底层的逻辑和本质都弄清楚了，其他的其实就都是了，剩下的就只是数据问题了。

看看现在的大模型行业，比如今年做 Agent 应用或者 AI 应用的人过得非常艰难，因为人们发现大模型的一项新技能就可以吞噬整个应用场景。您认为在大型机器人行业会出现这种情况吗？例如，对于构建大模型大脑的团队来说，他们的一些能力飞跃可能会使许多特定于场景的优化停止工作，变得毫无用处。会发生这种情况吗？会的。我认为做一个工作流程本身实际上与你所说的并没有太大冲突。例如，Anthropic——他们构建了一个编码代理。这是否意味着他们只擅长编码代理？事实上，没有。这是因为他们在预训练中投入了大量的工作，并且在训练后也做了足够的工作来实现编码代理。因此，他们可以同时使用相同的框架在其他场景中部署代理，例如 Excel 或其他应用场景。

其实对于我们来说，做完一个工作流程并不意味着我们就不再做预训练，或者说我们的预训练只是针对这一工作流程的预训练。相反，我们的预训练一直是最广泛的——在最广泛的概括下。而我们的训练后，就是我们唯一的产卵场所。其实就是在训练后，我们看这个工作流程能不能做通过，然后再进一步探究：在做这个工作流程的过程中，有哪些瓶颈，哪些瓶颈需要我们不断地去指导我们的预训练，这是一个指引方向的路径。，所以我们的预训练数据集应该是最广泛的、最广泛的、最概括的，并且随着我们不断扩展——当我们扩展到，比如说 1000 万小时时——我们的预训练仍然是非常广泛的。但到那时，对我们训练后的影响就会有大小不同。

我们不知道。但我们至少知道的是，基本的思维框架是：在上一代的检查点，以上一代的数据量，我们的 agent 是这样，瓶颈是这样。在下一代，也许这些瓶颈就会消失，有些瓶颈可能仍然存在。但在探索整个工作流程的过程中，我们其实会大致知道哪些是可以通过预训练解决的，哪些是不能通过预训练解决的。哪些是预训练无法解决的？事实上，有很多。例如，就像我们刚才提到的，极端情况——就像我说的，如果我抓——同时抓两张餐巾纸，就会导致我的整体产出显着下降。我认为这是预训练无法解决的问题。再比如，把餐巾纸放在垃圾桶内的某个位置时，能否摆放整齐——摆放本身完全是预训练可以通过语言来解决的。我们说过机器人技术的结局很难预测。

那么你认为现在是哪一刻呢？我觉得讨论这个并不是特别特别重要。我认为重要的是机器人何时能够真正为人类带来价值，何时机器人能够真正实现可扩展的产品市场契合。我认为我们实际上离这个目标并不远。我认为，从我们自己的产品和战略方向的角度来看，我会说是的，一到两年。一到两年。在某种场景下可能会实现 PMF。我认为在一个场景中实现 PMF 已经是可以成为的东西——它已经是可以落地的东西，已经可以成形的东西。也就是说，一旦我们完成了工作流程，我可以同时执行 10 个工作流程，20 个工作流程。我实际上认为这些——这些场景是可以实现的。所以实际上，我认为 ChatGPT 时刻是任何人都可以——它对任何人都有用。

GPT 最大的亮点是它对任何人都有用。每个人都有自己的主观问题，每个人都有自己的主观思维，但 GPT 对所有人都适用。因此，真正的问题是机器人是否需要——机器人是否能够达到那种通用性水平。现在，大多数人可能将通用机器人理解为已经解决的物理 AGI。但从我的角度来看，我认为这是一个产品定义问题。根据产品定义，我实际上认为机器人不需要智能——它们不需要达到通用性即可供所有人使用。，这就是我对产品的看法。也许我解释得不是很清楚。足够通用，适合所有人使用。

例如，这可能采取什么形式？我想我只能说——我只能说这么多：实际上，这是我们接下来几步的战略思考的一部分。但我认为机器人本身其实既是一种代理人，又是一种产品形态，而不仅仅是一种代理人形态。不仅仅是代理形式——这意味着你认为仅靠情报是不够的，对吧？它还需要成为一种产品。， 是的。它不一定需要智能才能达到无限的天花板，但它需要基于当时的智能，被制成一个产品。， 是的。我可以这样理解吗？， 是的。实际上，我认为一个更好的——非常相似的例子实际上是 ChatGPT 于 2022 年 11 月推出。GPT-3 实际上于 2020 年 6 月推出。从 GPT-3 到 GPT——ChatGPT 实际上是 GPT-3 与 GPT-3.5。所以实际上，在模型层面，无论是模型规模还是数据量，实际上都发生了变化。但你可以说，早在 GPT-3 时代，出来的产品形态就是 API。

所以当时有几十个开发者可以使用它，也有一些公司，比如 Jasper，成功地将这个 API 变成了自己的产品。但我觉得从 GPT-3 到 ChatGPT 最本质的改变是产品的改变：从 API 的形式变成了浏览器聊天的形式，才实现了用户的一个非常——巨大的飞跃。事实上，我不太确定如果 ChatGPT 以 GPT 的形式发布，它本身是否能达到如此大的用户群。但我认为产品形态确实不容忽视。当智能达到一定程度的时候，它的产物——看看这几年——甚至智能体的形态也在不断变化。它的外壳总是在变化，以适应当时的智力水平。， 是的。所以我们实际上在智能体本身以及所有智能体上投入了非常非常多的努力——无论是我们以自我为中心的尺度法则，还是我们的研究，比如我们自己的全身控制，或者我们的工作流程——从语言和语言稳定性到推理，再到具身推理水平——我们都特别关注所有这些，并且我们在每个维度都取得了非常大的突破。

但从根本上说，我们所做的一切都是以产品最终目标为导向，这就是它的指导方针。所以实际上，就我们的方向感而言，我们是一个具有非常强烈的方向感的团队。产品的最终结局——你仍然不认为它是一个人形机器人，对吧？那么它是什么样的呢？事实上，你可能会认为——你可能会认为产品的最终游戏是机器人形式。其实我不认为它是一个机器人形态，而是一个关于如何使用机器人的产品。那么——你是什么意思？现在不方便说。稍后，下次可以的话，我们可以在下一次采访中详细讨论。

你们今年不会推出这个产品，对吧？， 还没有。好的，那么与人交互的形式（人们如何使用机器人的形式）是什么意思？我觉得这其实是关于每个人的——每个人如何使用机器人，或者更确切地说，让每个人觉得这个机器人产品是一种对自己有用的形式——不仅仅是硬件，还有产品体验。但你不是说你在做 B2B 吗？， 是的。你也要做 B2C 吗？不，只是 B2B。 B2B 能到达大家手中吗？我认为可以。而且不会花太长时间。所以大家可以期待我们的下一个版本。下一个？不是这个。不是这个 B2B2C 我想我们现在不需要推测 你认为最终的形态也不是人形机器人吗？人机交互从硬件的角度来说，我觉得不管是不是人形，其实最重要的反应其实是一个投资回报率的问题，就像我加上这两条腿，是不是能给我带来更高的价值，这个价值是不是远远超过做这两条腿的成本。你说你是做产品研究的，那么说到机器人大脑的研究，你觉得你和其他公司比如 Physical Intelligence Generalist 或者 Google DeepMind 有什么不同。

没有根本性的区别 我们基本上只是想弄清楚如何概括模型功能 如何破解物理 AGI 如何使语言操控能力更好或者如何更好地进行面部演示 从根本上来说，根本没有区别 所以你也在研究机器人大脑，对吧？我们一直在这样做 我们从第一天就开始 那么，为什么业界在谈论 DYNA 时本能地认为您更关注机器人身体，更关注用例场景？你认为这是一个误会吗？这是一个巨大的误解，我认为这可能是因为我们一开始没有在 PR 上花费足够的时间，因为当我们推出 DYNA-1 时，我们实际上将其围绕现实世界的部署作为核心信息，例如，我们为什么要构建 DYNA-1？

因为我们想要现实世界的部署 但在我们的核心，我们实际上是一个非常注重研究的团队 因为如果我们不注重研究驱动，我们也无法构建 DYNA-1 这是一个根本性的突破 所以实际上，从我们的角度来看，我们一直认为，我们一直认为智能是现实世界部署的瓶颈，我们不断需要提高智能才能真正实现部署 但只是我们在提高智能的同时，我们也将部署变成了一个闭环，用于验证智力 你把更多的时间花在部署上还是大脑上？更多关于研究？我的时间,其实我的时间更多是花在策略和团队上。至于分配——我不能说我的时间,因为我的时间分配到哪个项目上,并不一定能体现出公司最大的。我觉得你可以从公司的权衡的角度来看。公司百分之八十到百分之九十的能力都在智能上。而我们,我们已经把整个部署工程师的基础设施做得足够简单了。

所以其实对于我们来说，部署并没有大家想象的那么难，其实没有那么重，其实是因为，我们现在已经到了任何一个数据收集者都可以训练模型的地步了，这从根本上来说，这来自于我们在预训练上的一个突破，就是我们预训练的泛化性非常强，所以我们不需要那么多的演示来学习。我们所有的部署视频和演示视频都是由数据收集团队制作的，而不是由我们的工程和研究团队制作的。您刚才还提到，去年年底，您的团队曾争论过研究更重要还是工程部署更重要，而且您说您发现了两者可以同时重要的重叠，您发现了什么样的交集？

那时候是解决工作流程的问题，当时我们实际上是战略思维，我们意识到核心任务本身不足以部署，不足以成为一个商业闭环，所以当时我们发现部署本身也不够，不是——部署的时机不对，而且当时我们的基础设施也不是很好，所以当时我们选择了一个战略模型，我们想——内部我们称之为“一个员工”“一个员工”的意思是，如果我们真的想达到员工一天内可以产生的价值，我们需要处理装载、卸载、任务和整个工作流程。因此，在那段时间里，我们实际上将整个团队团结在一个战略点上，那就是，我们对智能的需求必须提高，这样我们才能完成整个主要工作流程。

同时，我们的部署团队必须改进基础设施，以便我们可以更好地部署。在培训后技术上，我们也必须变得更好更快，以便部署工作流程本身。这就是当时团队团结起来推动这一点的原因。这是您在过去两年中做出的最重要的决定之一吗？当时对我们团队来说是一场战斗，这是一个非常重要的战略里程碑，那么让我们回顾一下从 2024 年到 2025 年到 2026 年的关键战略里程碑，它们分别是什么？

我想也许我们可以跳过 2024 年，这只是一个开始，2025 年，战略里程碑实际上是用最小的单元，单个任务作为单元，如何实现部署的闭环所以我们当时谈论的实际上主要是围绕 DYNA-1 做很多工作，当时我们实际上在进行后期训练，哪些事情会影响任务执行的质量，我们的速度和我们的语言可控性，对此有很多思考然后在到了 2026 年，我们实际上以“一名员工”策略为指导策略向前推进。此时，我们知道我们的预训练模型需要推广到哪些维度，以及我们的预训练方向是如何破解的。

数据最丰富的标度律 同时我们要做一个工作流程 这其实意味着推理和语言的扩展能力需要加强 同时在机器人本体上我们需要布局，因为我们第一代机器人不能动 所以第二代机器人全身控制硬件布局也需要重点 所以这是我们 2026 年的战略框架 除此之外，还不方便分享 还不方便分享 但是我们还有——我们已经看到了相当远的未来 是什么接下来的情况与当前情况有很大不同吗？这可能不是这个场景的延伸，对吧？我们看到的是整个市场 我们看到的是如何让任何人使用这个机器人 让任何人使用这个机器人，哦 那么这就是下一步，对吗？到底那么体现智能需要完成什么样的任务才能实现 PMF 呢？

做能够实现 ROI 的任务就是说，如果在自己的工作范围内，能够产生比人多的产出，那么就可以实现 PMF。在你的场景中，你应该能够优化并达到。在我们选择的场景中，基本上都可以达到。如果达不到，那么它首先就不能成为商业闭环。机器人行业的人说，现在谈论商业闭环是不是太早了？为什么这么早搞商业闭环，你才创业一两年，其实我觉得商业闭环本身并不是最重要的，收入不是最重要的，重要的是我们把商业闭环的每一个阶段、每一个问题都想清楚，然后把它们都解决掉。比如自动驾驶，你不开到旧金山的每一条街，你都不知道你的瓶颈到底在哪里，所以其实对我们来说，真的是这个。

也就是说，我们需要遍历所有场景，所有我们想要针对的场景的极端情况然后我们大致知道我们可以将问题粗略地分类为可以通过泛化解决的问题和无法通过泛化解决的问题然后，在这方面，让部署飞轮运行起来因为实际上，我认为这不仅仅是机器人技术在我的上一家公司 Caper，当我们在产品推出后进行部署时，即使产品本身已经可以推广到任何超市，我们仍然花了几年时间在我们真正让部署发挥作用之前 因为部署本身就是一个部署飞轮 而部署飞轮不仅仅是——人们可能会认为一旦我的智能得到解决，我就可以大规模部署 其实根本不是那样的 当你部署时，你的硬件会出现问题，你的软件会出现问题，你的模型会出现问题，你的运动控制算法也会出现问题 有时，在你的模型运行了一段时间之后，有一天你突然发现我的吞吐量应该是每天折叠 1,300 张餐巾纸。

但今天我只折叠了 800 张餐巾纸，你不知道为什么 所以实际上，在部署飞轮中，你需要，例如，构建一个可观察性堆栈，你需要构建一个支持最小堆栈 所以，实际上，很多人可能还没有意识到，部署阶段实际上是一个非常非常困难的阶段 所以，部署阶段本身可能也需要两三年才能真正完成 所以一旦你完成了智能本身，然后你去运行部署闭环，你会发现你在落后了两三年 因为实际上确实如此，这从根本上来说可能也借鉴了我以前的经验 这就是我知道的，好吧，我们现在可能需要弄清楚这些部署细节 你说你可以闻到钱的味道 在机器人行业你闻到钱的味道了吗？

我有 哪里有在我要做的所有工作流程中这是早期阶段，商业闭环的早期可能性以及早期阶段之后呢？之后就是我们下一步的策略那就是整个市场的可能性为什么这么强调闭环呢？因为只有闭环你才能得到反馈 只有有了反馈你才知道你的下一步是因为，你知道我觉得摸着石头过河本来就很困难如果你不知道——没有闭环你就没有反馈，你不知道你的问题在哪里，很难知道我的研究需要往这个方向走，或者我需要往那个方向走，但是闭环本身给你的就是我最小的路径上——。

最短的时间我可以大致弄清楚我接下来的两三个步骤 所以实际上对我来说，这是一个探索未来道路的过程 你从第一天起就有一支中国团队，对吧？是的，你为什么做出这个决定？这是一个重要的决定吗？这是一个非常重要的决定，因为实际上，我认为没有供应链的智能，就没有办法制造出世界一流的机器人。你们在中国的团队——现在进展到什么程度了？在中国我们有一个大约四十到五十人的团队致力于硬件研发和供应链所以我们实际上已经完成了整个链条的工作所以我们现在已经进入初始量产阶段初始量产，好的数百台，对吧？数百台 是工作流程机器人还是上一代？工作流程机器人还行，上一代我选择不量产，因为我觉得上一代根本不行。业内人士说，你们从去年年中开始就很低调，一直比较低调，为什么呢？

过去的一年里，您主要做了哪些工作？我认为有几个原因：首先，我们的研究品味——我们的标准非常非常高。实际上，业界绝大多数像 PI 推出的一些东西一样，我们实际上提前了几个月完成了。就像在语言指导方面一样，我们实际上在八月或九月，去年八月或九月就收回了它。但当时我们的标准实际上非常高。因为我们觉得，这个东西还没有达到 99%，所以我们不想发布它。但后来我们意识到，如果我们自己的研究品味太高，我们最终会什么也发布不了，这也不好。所以我们实际上在某种程度上改变了对此的看法。其次，我认为当战略不明确时，推出我们认为的临时工作，我认为这并不真正符合我们的核心理念。

当我们发布一些东西时，并不是为了公关。我认为我们这样做是因为我们觉得这件事真正做到了核心，而且背后有非常强大的逻辑，无论是产品、研究还是工程。只有当我们认为它值得发布、值得一看时，我们才会选择发布它。而且我认为我们为这个工作流程设定的战略目标实际上是一个非常遥远的目标，一个需要很长时间的目标，需要团队齐心协力才能实现。所以中途，我们选择不发布任何东西，因为我觉得仅仅为了公关而讲部分故事——最好只讲整个故事。这样人们可以更好地理解我们为什么这样做。

我认为机器人技术可能是一场比大型语言模型更漫长的竞赛。您认为在这场漫长的比赛中最重要的是什么？因为距离融合还很远——整个行业还远远没有融合。每个人都还在探索不同的事物。大家可能都觉得市场还没有趋同。事实上，我认为最重要的是有一个方向——你认为最终的状态会是什么样子，然后你朝着它走去。确实如此。对您来说，智能和产品哪个更重要？智力更重要。因为我认为没有智慧就没有产品。因此，智能是产品的一部分。智能化是产品最重要的部分。只有拥有智慧，才能真正走向产品化。但我认为产品本身也塑造了智能——比如它需要多智能才能成为产品？所以两者肯定是相关的，但是两者之间，我认为智力绝对是最重要的。

这实际上是我们团队的中心。我认为这场漫长的竞赛中最重要的是产品和智能，产品、智能和现实世界的部署。我认为，即使在这场漫长的比赛过程中，我认为——我想你可以看到中国阵营和美国阵营——这就是我们一开始谈到的。美方认为大脑最重要；供应链——供应链——最终每个人都会有类似的硬件，这些问题都会得到解决。虽然中方认为从长远来看大脑可能没那么重要；供应链最重要，因为供应链极其困难。我认为两者都很重要。但如果你真的让我用十年的时间来审视这个问题，我认为供应链可能更重要。，因为供应链本身就是你的——它是客户最终得到的——客户最终得到的是硬件。所以最终，你的大规模生产，你的产品形态——因为实际上，大脑决定了你产品的下限，而身体决定了上限。

因此，我认为从长远来看，这可能会演变成一场成本和质量之战——这是十年后的事情。那么，如果供应链最重要，那么您如何看待中国当前的机器人团队浪潮？我觉得其实每个人都有自己的剧本，都值得学习。例如，Unitree。我认为 Unitree 实际上是一家非常优秀的公司，尤其是在硬件方面。他们的硬件研发——他们已经把 System ID（模拟与真实的差距）做得非常非常小。从本质上讲，这是一个真正的重大突破。确实是一个重大突破。所以我认为他们在这方面确实有优势。 AgiBot（致远）怎么样？

我认为 AgiBot 的剧本可能是——他们确实有自己的实施例，他们有自己的硬件。我认为他们可能还在考虑长期发展的方向。但他们有充足的资金，我认为资金可以让这个组织维持很长一段时间。这实际上是战略本身的一部分。因此，因为他们拥有更多的资金，所以他们的容错率就更高。因此，他们可以——他们的策略可以扩展到更广泛的产品线，然后在具体实施方面，他们可以以更多样化的方式下注。所以这本身也是他们的策略，我觉得值得学习和尊重。您如何看待与机器人模型公司的竞争？您如何看待与中国机器人公司的竞争？其实我不认为这个行业处于竞争状态。我想如果你看一下整个行业的形态，它实际上是一个非常——当然，可能存在一些竞争的因素，但我认为每个人也都非常开放——人们非常愿意说出他们在做什么，我们的方向是什么，当我们做了一些研究时，我们会分享我们的研究成果。

我认为从本质上讲，这对于一个行业来说是一个非常好的动力。所以我认为只有当涉及到实际的市场份额时——一旦有了真正的市场份额，我认为真正的竞争动力就会形成。现在，我觉得大家都处于一种相互尊重，或者说相互学习的状态。您认为什么时候会发生快速收敛？这些天与机器人团队交谈时，我觉得每个人都有不同的方法，而且距离融合仍然很遥远。你说得对，但在每个阶段实际上都有一定程度的趋同。例如，在我们构建了 DYNA-1 后，每个人实际上都在某种程度上集中在机器人的成功率和执行速度上——就像我们实际上需要构建一个有用的机器人本身一样。

而且，无论是 UMI、以自我为中心的数据，还是世界模型，行业也在逐渐向这些方向融合。因此，从长远来看，这些事情可能会发生变化，但我认为我们已经逐渐处于趋同的过程中。我们大致知道哪些方向是正确的，哪些方向是错误的，哪些事情重要，哪些事情不重要。所以我认为也许在未来一到两年内，我们有机会看到更加融合的模式。人们可能会更多地转向相当相似的事物——无论是在模型架构还是数据功能方面——事物将开始在某种程度上趋同。您如何看待机器人身体和大脑之间的关系？我认为两者都非常重要。

大脑是机器人的地板，我认为身体是机器人的天花板。这实际上与许多人的想法相反。其他人可能认为大脑是天花板，身体是地板。大脑决定某件事是否可以完成。硬件决定了它实际上如何完成。这实际上是我的观点。因为某件事能做或不能做是由大脑决定的。而如何做到这一点，实际上在某种程度上是由硬件和运动控制决定的。比如说，假设我折叠 1,000 张——我每天可以折叠 1,000 张餐巾。其实如果在数据、动作控制、硬件的能力范围内，如果可以的话，如果允许的话，我的动作可以走得更快，我的动作可以更精准。所以我认为两者都非常重要。我认为大脑和身体之间的关系真的非常紧密——很难分开和分析，因为有时，因为身体本身有视频——意味着你的相机、你的感知和你的运动控制。

你收集的数据——如果你从远程数据方面来看，就像——采用运动控制本身：我们从运动控制收集的数据——使用两种不同的运动控制算法，你可以训练两个非常不同的模型。一个可能非常流畅、非常优雅，而另一个可能是一个非常糟糕的机器人。因此，如果您不拥有机器人主体本身，我很难想象真正进行 B2B 部署场景。想要达到他们的质量、速度和效率是非常困难的。所以我认为两者都是——那么你认为大脑应该驱动身体，还是身体应该驱动大脑？我认为大脑驱动身体。大脑——这实际上是我们团队的一个常见动态：硬件规格始终由研究团队定义。

例如，我们的相机需要多少 FPS？我需要全局快门还是滚动快门？还有相机角度——需要多宽？所有这些都是由研究团队定义的。所以我认为身体需要从研究的角度来定义。那么如果大脑实现了飞跃，这一代硬件会停止工作吗？它是否必须完全取代现有的硬件设置？会出现这样的情况吗？我不认为是大脑的进步导致硬件停止工作——而是大脑进步后，硬件可能会达到天花板。就像，你的硬件无法再做我大脑想做的事情。就像我的大脑——用最简单的例子，这是最简单的：本来我的大脑可以和世界一流的乒乓球运动员比赛，但我的身体却跟不上。

然后我就受到硬件的限制。所以我想知道——既然大脑问题还没有解决，现在全栈是不是太早了？我认为这还不算太早，因为从本质上讲，这实际上是一个共同开发的过程。这是关于我的实施例本身需要与什么样的硬件配对。随着大脑的进化——进化之后，我的硬件肯定会不断迭代。硬件本体至少需要经过三次改版，才能真正进入量产，才能真正进入真实场景。我认为目前供应链还没有完全融合。所以硬件本身还存在大量的问题。如果你等了三年才开始做硬件，那么你就失去了三年的迭代时间。所以到那时，大脑问题肯定已经解决了，然后你就可以定义硬件——是的，到那时你可能会定义更好的硬件，但这并不意味着你的硬件可以在那时部署，可以批量生产。

你会把抓手换成灵巧的手吗？在哪一代？这对您的场景重要吗？现在，这并不重要。但我认为对于灵巧的手来说最重要的是——我认为切换的时间是当灵巧的手准备好时。现在，灵巧的双手还不足以进行真正的部署。作为 CEO，现在有什么问题确实困扰着您吗？令人不安的问题是——这是一个时间段的问题。每个时期都有其各自令人烦恼的问题。例如，有时可能是人员问题，有时可能是筹款问题，有时又是战略问题，但我认为不存在任何长期运行的持久性主线程的麻烦。如果有一个长期运行的持久性线程，那么它本身就是问题。也许它太大了，我解决不了。最近，我一直在考虑如何获取更多数据，这可能是每个机器人公司都在思考的问题，对吧？

但我认为我们的上限可能比其他人高一点，因为我们可以训练更多数据所以我认为数据来源可能是我想到的问题之一现在有什么好的来源可以购买数据吗？不，我们都可以使用从 DYNA-1 到 Dyna-2，你们的技术路线图有变化吗？根本性的改变——这是一个非常大的改变，无论是模型架构、预训练数据集，还是推理角度，甚至硬件都发生了变化，我感觉我们已经脱胎换骨，成为了一家新公司，一路上有没有遇到什么困难？事实上，最大的困难是，当时我们对自己所走的道路有些困惑。基本上，我们看不到下一个战略里程碑或下一步要向哪里推进。去年是哪一个月？

其实是去年，去年年底，我们年底讲的，对吧，当时你为什么迷茫呢？当时，我们觉得部署——任务本身无法以形成商业闭环的方式部署，我们需要决定——我们应该押注于部署，还是押注于研究？而当时两者都选——只能打击一个点所以这其实是当时融合的结果所以我们希望这个工作流场景既能满足商业闭环，又能提高我们的智能体的——提高智能的天花板，你觉得目前来说你实现了这个目标吗？我想我们已经做到了，而你接下来要做的事情是你现在还不能谈论的？

，是的，但是它已经超出了这个工作流程场景？，是的，你手头有很多现金吗？相当多 能支持机器人模型研发吗？绝对机器人模型研发——您认为需要多少钱？我认为绝大多数资金都花在了人才、计算和数据上，我认为在下一阶段，当我们大规模扩展我们的数据时——在那个阶段——那就是我们需要更多资本的时候，但对我们来说，从上一阶段到这一阶段，我们没有烧掉太多钱，所以这可以被认为是 DYNA 1.0，对吧？完整的洗衣工作流程——我们可以这样说吗？然后对于 2.0，您可能会使用更多的数据来构建更大的模型并定义新的场景或范式 您可以这样说，这是正确的 在 1.0 中，您认为通过该过程积累了什么？

你验证了什么？回顾一下整个阶段，直到今年推出工作流程机器人时 — 实际上，这是关于智能体需要朝哪个方向发展 这就是我们在 DYNA 1.0 成形时就想出的核心问题是我们的智能体真正需要发展到什么程度，我们的预训练需要改进多少，以及在我们能够建立工作流程之前我们希望从预训练中获得什么样的泛化和语言结果我认为这是我们最大的收获 2.0 是否脱离了 1.0 的叙事，还是它的延伸？你是说我们战略的下一步？我认为它正在摆脱场景的限制 摆脱场景的限制——讲述一个更大的故事？不是在讲一个更大的故事，而是追求更大的市场 它正在为一般市场而构建 因为飞轮实际上已经建成了 整个系统已经就位 剩下的就是向它提供更多数据，它可以学习新的东西 所以你说你已经构建了——基于这个工作流程，你已经构建了一个系统 数据可以进来然后出去，它可以形成一个出去的工作流程 它可以是——数据进来，然后通过这个系统转换成业务价值 但这种场景不是垂直的利基场景，。

，这不是我看到的吗？我们什么时候才能看到这个？明年明年吧所以还有一年的时间我觉得对于每一个战略里程碑来说，真正打完这场仗可能需要半年到一年的时间我不知道要多久但是我觉得路径很明确 DYNA 的公司文化和氛围怎么样？我们都非常——我认为团队本身非常有弹性 因为根据我们过去的经验，我认为方向上的一些起伏实际上并没有对我们产生太大影响 其次，这个团队是一个非常纯粹的团队 我们——因为约克和我——约克曾经从事摇滚乐 我自己真的很喜欢创办公司本身的行为 所以我们真的。

喜欢和真正热爱工作的人一起工作 因为机器人行业本身就有点浮躁和善变 每个人都有不同的想法和观点 在任何特定的时间，某个公司总是每个人都密切关注的 但对我们来说，如果你真正热爱你所做的事情，你就不会被外界所左右，相反，我们心里有这样的画面。

我们就朝着那个画面走去 所以我们是一个非常纯粹的团队，也是一个非常有激情的团队，一个非常非常想让这件事发生的团队 你们公司的内部状态感觉更像是一个实验室还是其他什么？从内部结构上来说，更多的是实验室方面。您作为创业者已经有很长一段时间了，您认为现在这些新公司的组织形式与过去的公司相比有什么变化吗？我觉得这个问题问得非常好，我其实觉得组织形式已经发生了质的变化，其实我——在编码代理时代之前，大多数大型公司都是一层一层的、层次化的，所以像 Google 这样的大公司，可能有 10 到 11 个级别，每个级别都有。

但在当前的人工智能时代，组织——包括我的组织——已经变得非常非常扁平化，所以一种很好的扁平化形式是我们——我作为 CEO，或者我团队的高级管理人员——可以直接引导执行的方向我们可以直接通过执行执行的工程师和研究人员，或者通过他们上面的一层经理，直接完成它我认为这从根本上来说是一个非常大的改变而且我认为这是一个很好的改变事情完成得更快所以你们现在只有不到 200 人，也相差不远了，对吧？

美国方面，也许——稍微多一点，对吧，为什么这么配置？美国团队主要以研究为中心，中国团队主要以硬件为中心 以硬件为中心，是的，研究比硬件更大一点。 实际上，我的——我的管理哲学之一——来自我的 Caper 创业加上我的 Instacart 经验——我发现更适合我的管理风格是雇佣最优秀的人做最重要的事情所以我们团队的平均素质非常非常高我们大多数 IC 实际上都有管理以前有经验，后来选择成为 IC，因为他们真的喜欢成为 IC 所以每个人都有非常丰富的经验 所以当你给他们一个范围时，他们可以自己分解并自己执行 所以我们已经达到了这种状态 用更少的人，管理开销就下降了 所以我们不需要花太多时间来管理一个组织 一个组织——如果我们有，比如说，一层又一层的人，那么当你做事时，就会非常——就像，。

一切都进展得很慢，整个工作结构不够灵活，所以我的理念是，我们找到最强大的人来做这件事，这就足够了，所以每个人都可以更好地进入一种心流状态，这个心流状态可以说，每个人都在同一个波长上，我们都要做这一件事情，所以当我们都可以团结成一颗心时，我们可以更快地部署这件事。其实和人数没有太大关系，事实上，我认为当人多了，就很难成为一颗心。我——所以我们——我想以尽可能小的单位组成一颗心，朝着这个方向前进，你认为这种小组织状态会持续多久？是特定阶段的状态还是长期的状态？

我觉得小组织状态肯定是一个阶段性的状态，但是说到成长为一个更大的组织，我其实觉得可能和十年前的形式有点不一样，也许十年前可能需要 1000 人——比如这个东西——所以以前需要 1000 人的事情现在可能只需要一两百人就可以做到所以它肯定会变大，但不一定需要变大所以比以前少，但比以前大今年代理编码爆发后，它彻底改变了您的行业吗？我觉得发生了巨大的变化，因为我们做的一切都变得更快了，所以当工程成本下降的时候，你其实有更多的空间去探索其他方向的东西，比如以前，一个东西需要一个月才能完成，现在只需要一个星期，所以同时，你可以探索四件事情，四个方向，所以从根本上来说，迭代速度变得非常非常快，所以当你之前问我需要多少年才能达到 AGI 的时候，。

我其实也不知道 因为工程效率本身在不断提高 所以我觉得最重要的还是团队的迭代速度 这是你的第四次创业 你的第四次创业 这次感觉有什么不一样吗？我渐渐明白了创业到底是什么，我觉得以前创业总是用外部的标准来衡量自己的成就，当时用外部的标准来衡量就是我筹集了多少钱，我完成了多少，我的估值有多高，或者我有多少客户，收入多少等等，但现在我觉得我更多的是在用自己的状态——。

一种向内、走向自己内心的状态 我如何成为最好的自己？我该如何清晰地思考这个问题？我如何清晰地思考底层逻辑，以便我可以做更深入、更重要的事情？我已经慢慢地——通过一种自我，修养自己的心和思想，我可以活出更真实的自己。我想这就是我喜欢的创业状态。你什么时候开始修心的？十多年前，当我第一次创办 Caper 时，我就开始培养自己的思想，因为我实际上认为创业本身真的非常非常困难，在每一个困难的时刻，这对你来说实际上都是一个挑战，这是一个培养思想的过程，因为每个人都通过自己的主观过滤器来看待世界，有时当你改变你的思维方式，当你选择从不同的角度看待同一件事时，你的世界就会变得更大。

我可以给你举个例子，其实我有一种很奇怪的病症，叫强直性脊柱炎，周杰伦也有，我的免疫系统会攻击我自己的脊椎，当时我十八、十九岁的时候，我就已经得了这种病症，我真的很怨恨那个时候的世界，我一直在想，为什么我这么、这么不幸，每天我都得活在这种痛苦中，有时很痛，当我为很多人睡觉时更痛，就像一睡就痛，但不痛但对我来说，当我睡觉时更疼，打喷嚏也疼或类似的事情，无论如何，这真的非常非常痛苦，当时对我来说最大的突破不是疾病从根本上好转，而是我改变了心态，我开始看待这种疾病。

一个实验，比如，我怎样才能改变我的日常生活，我怎样才能改变我的饮食，我怎样才能改变自己来帮助解决这个问题，所以经过十多年对自己身体的实验，我实际上发现了某些模式，我控制了这种情况，修复了它，所以这就是你开始受到纪律的时候，对吗？是的，我认为创业本身实际上是一样的，我过去总是认为我会和这位投资者交谈，我们会完全不同步，他们不知道我在说什么，我认为这位投资者只是不明白我认为他们很愚蠢，我只是一直说我想说的话，但现在，在转变我的心态之后，我意识到投资者在一个维度上思考。

这和我的世界很不一样，他们看到的世界是我可以学到的东西，所以最近我一直在和一些投资者交谈，我发现我无法接受的观点在他们实际上给了我很多新的启发之前，所以在转变你的心态的过程中，你会发现事情对你来说不再像你想象的那么困难或令人沮丧，所以当你把事情转向积极的时候，你的世界变得越来越大，你之前告诉我你对投资者进行分类你使用什么类别？每个人可能关心不同的事情，有些人更关心财务，有些人更关心技术，有些人更关心产品本身，有些人更关心最终结果，有些人更关心创始人，等等我认为这些是他们的分析维度之一，每个人对这些维度的权重都不同，对吗？就像你上次创业时痛苦地阅读沉思一样？

是的，我读过很多很多类似哲学体系的书，西方的沉思录和中国的 Wang Yangming，甚至佛教体系，基督教体系，核心概念实际上都非常非常相似，核心概念实际上都是关于自我修养，你如何与这个世界相处，你与世界的关系，你如何看待世界，如何改变你的心态，如何过上更好的生活，所以当你更好地了解自己时，当你更好地了解自己时，当你更好地了解自己时世界的基本逻辑，你会发现那些曾经让你内心疲惫不堪的事情永远不值得内心的摩擦，什么会让你内心疲惫不堪？

我会为别人如何看待我而苦恼，我认为我是一个讨人喜欢的人，所以我会关心，如果我没有做正确的事情，这个人是否会不喜欢我，或者如果我没有清楚地思考问题，这个人是否会认为我很愚蠢，甚至有时我愿意，发表演讲，然后我会看视频，然后想为什么我要这样说，这里有一个停顿，后来我找到了一本书，把它写了出来。真的很有趣的是，它说这个世界上最关心你的外表的人是你自己，真的是这样，所以一旦我在某个时候弄清楚了这一点，我几乎不再关心我只是认为我只是某人的视频的两分钟，他们看完了这个视频并继续观看下一个，所以这并不重要，对我来说，我觉得这真的非常非常重要，但最终它不是，根本没有必要过度思考。

你说你这样做不再是为了证明自己，那你为什么现在才创办公司呢？你现在的动力是什么？我想更好地活出真实的自己，因为我觉得每个人刚出生的时候其实都处于一种很纯粹的状态，一座山就是一座山，这就是山，我就应该这样做，当你慢慢长大的时候，你发现社会有这个规则，你不能做，如果我这样做，人们会嘲笑我，我不喜欢被嘲笑，这有点像亚当和夏娃吃了知识的苹果，我认为这样生活你会越来越看到一座山因为不是一座山，所以我想以一种追随自己内心的方式生活，因为我认为这就是真正的自由，真正的自由是能够选择做任何你内心想做的事情。

不关心别人怎么想，一进门我就问你一个帅哥开公司一个帅哥当 CEO 是什么感觉，对吧？那么你为什么要携带这么多行李呢？你长得好看，一切看起来都很棒，但我觉得你内心比其他人更痛苦，我不认为我真的那么容易出现这种情况，我的联合创始人约克实际上告诉我，我是一个非常麻木不仁的人，所以我认为这不是问题，现在我的痛苦越来越少，我越来越不关心关于英俊的事情，我认为这只是我变得更健康，我认为每个人都像这样，你生活得越健康。

你看起来越健康，人们就会觉得你的肤色或举止更好，我认为这是我越来越健康的一种状态，这家最新的初创公司带来了任何不同的体验吗？我认为这是非常不同的，因为这一次，对我来说，我真的很珍惜这个创办公司的机会，因为回到我的本质，我真的很喜欢创业作为一个领域，所以当你热爱某件事时，你会一直想知道你想要改进的领域，与其他领域相比，你到底能站在哪里，我认为机器人技术是世界杯，我已经告诉很多人，我认为这是世界杯，因为每个行业最强大的人都在这个舞台上，每个人都有自己的策略，自己的剧本等等我对人们所做的事情感到非常钦佩，我非常尊重，所以我带着敬畏的心情进入这个行业，所以我非常珍惜它，我想玩这个游戏，我希望在这个过程中我可以活得更广阔，也提高我的能力。

把我的手艺磨练我的手艺是第一件事，我想也许剩下的就是，这次非常不同的是，问题的复杂性非常高，所以它确实挑战了我个人在某种意义上设定方向的能力，这对我来说是一个更高的挑战，在一个非常嘈杂、非常困难、非常复杂的情况下，我该如何做。

技术尚未融合的环境，尚未看到一条清晰的道路，这对我来说是一个巨大的挑战，但我真的很喜欢它，我认为这确实是一件非常有趣的事情，看到一条清晰的道路有时会感到笼罩在迷雾中吗？我认为整个行业一直都笼罩在迷雾之中，但如果你能在迷雾中找到自己的道路，这对我来说感觉非常有成就感，外人对 DYNA 的看法是否有非常正确的地方，而他们有什么地方非常错误的？他们的错误在于，我们实际上是一家部署公司，从第一天起，我们就从未以部署为核心主题来建立这家公司，而他们的正确观点是，我们正在构建的东西是有价值的，对吗，您认为这家初创公司的结果会是成功吗？

什么结果你会认为是失败？我认为成功很难定义，但从公司的角度来看，如果我们能让每个人都使用我们的机器人，我认为这是成功的一个标志，让每个人都有机会使用我们的机器人，每个人，是的，每个人，对我个人来说，我自己对失败的定义是心灵培养的失败，如果我真的相信这件事失败了，那么我实际上失败了，这是一种培养心灵的心态，你有什么仪式吗？在你的日常生活中，除了戒心修养是一个长期的喜欢之外，你打坐什么的吗？修心和冥想并不完全是同一个系统，但冥想确实有助于修心，因为冥想本身可以让你的心安静下来，这样你就可以正确地思考问题。

别人、改变世界才能渡过，有些困难不是靠改变别人、改变世界就能克服的，那是你自己的困难，如果是你自己的困难，你就得通过修心去超越，你有没有通过改变自己克服过困难？过去两年有很多很多次吗？是的，例如，当我迷失策略时，这对我来说实际上是一个巨大的挑战，我只是在去年年底无法弄清楚？是的，去年年底，我觉得我就是想不通，团队会觉得我们在做什么，我们要朝哪个方向前进，然后我放下了脑海中的一些包袱或干扰我的噪音，只有那时我才能真正清晰地思考。

解决问题 我认为很多时候解决问题并不在于你工作了多少个小时，因为我来自投资银行，每周工作 100 到 120 个小时。 其实，这在当时是常态。 但我发现，很多时候，有些事情并不是靠堆积更多的时间就能解决的。 你需要换一种心态来解决它们。 你排除了很多噪音，放下了很多包袱。

你的行李是什么？必须成为一个从不犯错误的 CEO 的包袱 我当时真的很害怕犯错误 因为从某种意义上说，我是一个已经成功过一次的创始人 所以我给自己的包袱是我不能犯错误 因为每个人都是为了我的经验而来 但我觉得在这个包袱下，它实际上让我的很多决定非常不明智 甚至只是为了避免犯错误而做出的决定 我认为只是为了避免错误而做出的决定从根本上来说不是好的决定 我看到你之前说过：你想证明你不是昙花一现 没错 那是我当年的包袱 现在你还这样认为吗？不，这是一种自我证明的想法，是外界如何评价你所形成的一种心态，但是我觉得外界如何评价我已经不再重要了，所以你是在去年年底的时候，经历了这种心理状态，所以去年年底对你来说真的很重要，去年年底，今年年初，是的，当我经历了这种状态之后，我真的，经历了之后，我从心底里感觉到，。

感激的。第一件事情，第一个触动我、对我影响很大的情感就是感恩，我感谢当时的老师，感谢我的团队，感谢我的妻子和孩子，因为在那种状态下，他们真的站在我的身后，我的两位联合创始人真的一直支持我，所以我觉得作为一个 CEO，。

我做了很多错误的决定，只是因为我不能犯错误，而你仍然愿意包容我，并且仍然以同样的方式支持我把这件事做好，所以我当时非常感激，所以这种状态，对我来说，现在对我来说，是一个非常好的状态，你去年做了什么错误的决定？我认为这实际上是关于战略的——战略方向不是很明确，而当谈到公司文化时，我认为我没有花足够的时间来关注公司文化，所以当时我觉得团队的凝聚力不够强，这导致我们需要押注的项目和我们需要做的事情，我们做出了一些相当错误的——不是错误的技术选择，只是我觉得不是第一原则的技术选择，他们浪费了团队的一些时间。与部署与研究有关？

那个非此即彼的选择？不是特别重要 这更多的是我们战略的下一步 让我这么说吧 我认为我们没有考虑过我们战略的下一步 然后我们就开始看看其他人在做什么 我们觉得我们必须赶上 所以我们缺乏自己对市场的判断和我们自己的第一性原则思考 所以团队最终陷入了一种漂流状态 所以我一个人发布了一些东西，我们也会去看那个 所以我一个人发布了一些东西，我们也会去看那个 被拉扯就像这真的很痛苦。我们一直处于被市场节奏主导的状态。然后，当我们真正找到对我们来说最重要的方向时，我们感觉完全一致，整个团队开始收敛，它成为一个非常非常稳定的团队，具有非常非常强大的动力。这个过程本身就是每个人都在一起的状态。

我觉得你自己心里的一些障碍，有些障碍，其实是需要别人来帮助你突破的，每次有人碰壁的时候，其实就是你自己认知的天花板，而天花板之上，到底是什么，你其实不知道，因为它不在你的认知范围之内，所以有时候，我自己突破，有时候真的很难，需要别人的提醒和认识才能突破，所以那时候，我身边有一个老师，我身边有人深深地爱着我，我的团队，关心我，等等，我们在一起才意识到这条路就应该这样走，因为我觉得思绪很容易向外散开，如何把思绪拉回来？

你学会了吗？我觉得我还没有达到可以用语言很简单地描述我对世界的看法和理解是如何改变的程度，但我想你的想法的根源可能是你能否给这个世界带来善意我想如果你总是从善待人的地方走这条路我想你可以走得很远也许这听起来有点抽象，哈哈与其证明某种自我，不如真正认识自己，真正了解我到底是一个什么样的人，什么是“视山为山”的状态一座山”与“看山不是山”的样子 逐渐拨开迷雾 逐渐发现最纯粹的自己是什么样子 我想这就是一种心态 今年改变了 我今年改变很大。

我经历了一次内心的重生 这对于创始人来说很常见吗？共同点，——在创业的路上，不断地看到自己，然后做出改变，我觉得这是一条路，每个人都有自己的路，这条路是他们最向往的方向，对有些人来说，这个方向是物质层面的成就，对有些人来说，可能是内心自我的成就，但我觉得，在最根本的层面上，每个创始人都会遇到坚硬的墙，当他们遇到这些墙时，他们如何解决问题？他们是通过改变世界来解决问题，还是通过改变自己来解决问题？其实每个人都有自己走的路，我觉得，从根本上来说，我觉得也许如果是通过改变自己，改变你的想法，改变你过滤世界的镜头，来走这条创业路，我觉得它会持续得更久，因为我觉得创业是一个非常非常漫长的过程，而且在这场长跑中，如果你没有办法的话。

不断提高自己，越来越确定自己在做什么，我觉得这很难，这就是人们所说的内耗，你的精神无法支撑你，你没有足够的耐力来完成这个马拉松，而这个马拉松的不同之处在于，你不知道终点线在哪里，所以你就继续跑，所以也许更多——你是绝对正确的，当你不知道你会跑多久时，这是一件更难的事情。

而你一直沿着这条路跑，你完全完全看不到终点线，不知道它在哪里，也不知道前面的路是什么样子，那么当时你是如何稳定自己的心态，继续跑的呢？我想这是每个机器人行业创始人都要面对的一件事。我觉得从开始跑步的那一刻起，其实并没有那么难，但是当你跑到一半的时候，看不到终点线，也看不到周围的任何东西，这才是最痛苦的，是的，但是到去年年底，你才刚做了一年多的创始人，为什么来得这么快？为什么会在这个时候出现呢？困难本身其实和时间没有绝对的关系而是每个人在每个阶段都有自己的硬墙每个不同的时期也有一些困难他们选择不去谈论它或者有些困难你觉得其实并没有那么严重就拿我经历这个来说从外界的角度来看其实没什么大不了的只是一个很简单的事情。

战略模式的改变 但是当时，考虑到我当时的心理状态，以及我自己当时对世界的理解，对我来说，当时是一堵非常坚硬的墙 所以我 冲破了这堵坚硬的墙并不意味着我将来不会面临更多的困难 所以我认为每个人实际上都在经历困难时期 这只是取决于他们自己如何看待那个困难时期 所以假设你的这次冒险比你上一次的冒险结果更糟 你感觉如何？事实上，我认为这都是一样的，从根本上来说，我是为了赢球，我想参加这届世界杯，我觉得我以自己的风格踢球，我踢出了最真实的自己，我用心踢球，仅此一点就让我非常高兴，因为我认为在生活中，实际上，你不能总是盯着终点线，因为如果你盯着终点线，你永远无法享受这个过程。事实上，我认为在生活中，我们总是在旅途中。

每个里程碑只是一个检查站而不是你的目标所以如果你没有办法享受这个旅程，只是一直专注于终点线那么我想你会发现这个旅程纯粹是痛苦也许这也是我的——这是我转变心态之前的观点我有这样的感觉——我一直专注于结果我只是必须让这件事发生我必须这样做这实际上让我不太享受这个过程所以现在，我现在的想法完全不同了掉进一个坑爬出来，掉进另一个坑爬真的只是——这就是我认为很多创始人需要经历的最后几个快速问题 好吧 一种你喜欢的食物，来自世界任何地方 如果我必须选择一种，我会说福州半面和扁肉馄饨 来自我的家乡 你喜欢的一个地方，世界任何地方 我会说无论我的妻子和孩子在哪里，我都喜欢它 你的孩子多大了？

我有三个女儿 一岁、两岁、三岁 所以你结婚早了 不，我三十岁就结婚了 一条知识——一条鲜为人知但必须知道的知识 可以是一件琐事 修心算不算？我们的每一位嘉宾都会向观众推荐一本一生必读的书，希望是一本真正对你的人生产生影响的书，那就是《人生只有一件事》（金维春着）。在你心目中，影响机器人学进程的论文 我会说 Jason 的“尤里卡” 实际上，这篇论文本身重新定义了未来机器人如何自学 这也是我认识 Jason 的主要论文 根据你目前的理解，一个关键的、重要的赌注是什么？

基础设施，我想说你们在这方面付出了很多努力，对吗？基础设施非常重要，因为实际上它——你的模型迭代速度以及你的模型可以扩展多远——我认为两者都极其重要。我们的工作室叫做 Language Is World Studio 当你第一次听到这个名字时，你在想什么？从机器人学的角度来看，这实际上是关于机器人如何感知这个世界——它实际上是通过语言和世界 所以对我来说，实际上，两种模式都非常重要——对于机器人来说最重要的模式 世界是视觉，世界是视觉和音频物理属性以及所有的感官输入 而语言，对于机器人来说，是它们对世界和语言的理解，将语言转化为行动。