名校海歸創(chuàng)業(yè)：讓機(jī)器人掌勺松鼠鱖魚

作為在國內(nèi)第一波具身智能熱潮中創(chuàng)立的公司，星海圖四個(gè)創(chuàng)始人，少見地全是“90后”，都有海外學(xué)習(xí)或工作經(jīng)驗(yàn)。2023年，他們合力開啟學(xué)生時(shí)期就想做的機(jī)器人事業(yè)，并把這當(dāng)作可以“做一輩子的事”。盡管當(dāng)下，通用人形機(jī)器人的技術(shù)路線還未聚合，距離終點(diǎn)有多久還很不明朗。但我們想記錄下，在對(duì)技術(shù)的信仰下，人類通往機(jī)器人之夢(mèng)的一個(gè)側(cè)面。

人均“90后”

3月中旬的一天傍晚，接近7點(diǎn)，北京市海淀區(qū)東升大廈6樓，星海圖人工智能科技有限公司（簡(jiǎn)稱“星海圖”）里的燈還全亮著。公司最左側(cè)搭建了一個(gè)廚房場(chǎng)景，兩個(gè)灰黑色的人形機(jī)器人靜靜站在飲水機(jī)和櫥柜前。右側(cè)辦公區(qū)，三四個(gè)員工坐在電腦前打字，還有幾個(gè)人站在一塊白板后的窗邊閑聊。他們看起來都很年輕，讓人分不清是剛畢業(yè)工作，還是在校實(shí)習(xí)生。

“看起來大家都下班了，只有幾個(gè)人在加班。”帶著這樣的想法，我走進(jìn)會(huì)議室見到了我的第一位采訪對(duì)象，星海圖聯(lián)合創(chuàng)始人許華哲。兩個(gè)小時(shí)后，臨近晚上9點(diǎn)，我從會(huì)議室出來，燈依然全亮著，但幾乎每臺(tái)電腦前都坐著人，盯著滿是代碼的屏幕，空氣似乎都變稠了一些。左側(cè)一個(gè)數(shù)據(jù)采集室里，年輕的員工把手放在類似游戲手柄的裝置上，遙控操縱著前方一米外的機(jī)器人手臂，戴著夾爪的機(jī)械臂跟著他的動(dòng)作向前伸出一道弧線，然后落下，瞄準(zhǔn)目標(biāo)方塊后抓取、放到另一個(gè)指定位置，如此不斷重復(fù)——原來機(jī)器人和人類都在加班，傍晚只是中場(chǎng)休息。

這種加班場(chǎng)景，在創(chuàng)業(yè)公司十分常見。聯(lián)合創(chuàng)始人許華哲也經(jīng)常在辦公室待到晚上11點(diǎn)多。許華哲今年32歲，微胖，嘴角總帶著笑意。他正被北京春天的圓柏花粉過敏折磨，大部分時(shí)間戴著口罩。他告訴我，公司員工、包括四位創(chuàng)始人在內(nèi)，基本都是“90后”，這是一家以年輕人為主的創(chuàng)業(yè)公司。但早在10年前，幾位創(chuàng)始人就有了機(jī)器人、人工智能相關(guān)的海外學(xué)習(xí)、工作經(jīng)驗(yàn)。

以CEO高繼揚(yáng)為例，他2015年在清華大學(xué)電子工程系本科畢業(yè)后，用了三年半時(shí)間，獲得美國南加州大學(xué)計(jì)算機(jī)視覺博士學(xué)位，之后在Waymo（威馬）和國內(nèi)北京初速度科技有限公司兩家行業(yè)領(lǐng)先的自動(dòng)駕駛公司工作。另外兩位聯(lián)合創(chuàng)始人趙行、李天威分別是高繼揚(yáng)在兩家智駕公司時(shí)的同事。其中趙行離職威馬后，進(jìn)入清華大學(xué)交叉信息研究院擔(dān)任助理教授，之后與加州大學(xué)伯克利分校博士畢業(yè)、回清華任教的許華哲成為同事。四人因?yàn)楣ぷ鳎诓煌A段結(jié)識(shí)，有相似的創(chuàng)業(yè)目標(biāo)，又有各自擅長(zhǎng)的技術(shù)方向，因此在2023年年初，高繼揚(yáng)提出創(chuàng)業(yè)后，幾人陸續(xù)加入，當(dāng)年9月注冊(cè)了星海圖。

如今，這家成立一年半的公司，發(fā)布了自研的三款機(jī)械臂，兩款仿人形機(jī)器人R1、R1pro，融資總額接近10億元人民幣，成為當(dāng)下這波具身智能（Embodied"Intelligence）創(chuàng)業(yè)熱潮中，融資排名靠前的一員。日常，許華哲和趙行除了在清華教課、做科研和實(shí)驗(yàn)，其余時(shí)間就在北京海淀區(qū)的辦公室，負(fù)責(zé)機(jī)器人的算法、軟件類研究。CEO高繼揚(yáng)和李天威在蘇州總部，負(fù)責(zé)機(jī)器人供應(yīng)鏈、本體交付的硬件工作。

許華哲記得，就在三年前，他剛回國任教不久，具身智能還不是一個(gè)被廣泛接受的詞。他寫論文用中文提到“具身智能”概念時(shí)，還有人認(rèn)為這是硬造詞。如同1956年，“人工智能（Artificial"Intelligence，AI）”這個(gè)概念第一次被約翰·麥卡錫提出時(shí)的質(zhì)疑一樣——“當(dāng)時(shí)沒人真正喜歡這個(gè)名字，畢竟我們的目標(biāo)是‘真正的’智能，而非‘人工的’智能，但是我必須給它起個(gè)名字，所以我稱之為‘人工智能’。”麥卡錫在傳記中回憶。

而當(dāng)下，具身智能越來越熱，尤其是今年全國兩會(huì)期間，具身智能首次被寫入《政府工作報(bào)告》，與量子科技、生物制造、6G等產(chǎn)業(yè)一同列入未來重要的產(chǎn)業(yè)方向。近兩年，與星海圖相似的初創(chuàng)具身智能公司大量出現(xiàn)，被稱為第一波具身智能創(chuàng)業(yè)熱潮。根據(jù)科技智庫“甲子光年”的統(tǒng)計(jì)報(bào)告，截至2024年年底，國內(nèi)有超100家具身智能相關(guān)企業(yè)，融資總額超過百億元。

“我覺得現(xiàn)在提起具身智能，大家都興高采烈。”許華哲說，他看到幾乎所有以前做AI的，包括算法模型和自動(dòng)駕駛車廠的人都想要加入進(jìn)來，人才密度特別高。2025年剛過去三個(gè)月，又有一撥公司成立，“比想象中要擁擠”。這讓他想起自動(dòng)駕駛出現(xiàn)后的2016年、2017年，當(dāng)時(shí)他剛?cè)ゼ又荽髮W(xué)伯克利分校讀博不久，自動(dòng)駕駛是學(xué)界、業(yè)界一個(gè)熱門方向。也在那幾年前后，他和星海圖其他幾位聯(lián)合創(chuàng)始人，慢慢明確了各自的創(chuàng)業(yè)想法。

創(chuàng)業(yè)夢(mèng)

如果你讀過美國作家艾薩克·阿西莫夫的科幻小說，一定有印象，他的小說里，機(jī)器人會(huì)以動(dòng)物、汽車或人形等各種形態(tài)的高智能體出現(xiàn)，跟人類的關(guān)系密切而微妙。許華哲第一次對(duì)智能機(jī)器人產(chǎn)生興趣，就是高中時(shí)接觸阿西莫夫的小說。“我覺得如果能做一個(gè)書里那樣的智能機(jī)器人出來會(huì)非常有趣，但當(dāng)時(shí)我根本不認(rèn)為自己有生之年能看到這樣的智能機(jī)器人，我以為要等100年。”

第二次接近智能機(jī)器人，是他2015年在清華大學(xué)電子工程系讀大三，有機(jī)會(huì)去多倫多大學(xué)交換一學(xué)期。當(dāng)時(shí)他的導(dǎo)師剛從麻省理工學(xué)院（Massachusetts"Institute"of"Technology，MIT）畢業(yè)，年輕的女老師帶他做項(xiàng)目，比如拍一張照片，讓計(jì)算機(jī)去數(shù)照片中的大樓有多少扇窗；比如用計(jì)算機(jī)做“汽車品位的排序”，通過人工智能算法，給不同特點(diǎn)用戶推薦不同顏色和外形的汽車。這些項(xiàng)目讓許華哲意識(shí)到計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)的強(qiáng)大，它有能力做出判斷、選擇。那是不是說明，機(jī)器也可以通過訓(xùn)練，做出智慧的決策？

那次交換的經(jīng)歷，開闊了許華哲的視野，影響了他之后的選擇。他從那些技術(shù)反饋中，感受到一種興奮和模糊的未來。“原來代碼不僅能寫什么圖書館管理系統(tǒng)，不只是無聊排序，竟然還能在圖片、視頻上有這么生動(dòng)的呈現(xiàn)。”許華哲說，那是他除了刷題得高分外，第一次在技術(shù)應(yīng)用上感到如此直接的快樂。他決定去國外讀博，研究人工智能。

2016年，許華哲到了加州大學(xué)伯克利分校。加州大學(xué)伯克利分校是研究人工智能、機(jī)器人學(xué)習(xí)的重地，當(dāng)年剛好成立了人工智能研究實(shí)驗(yàn)室（Berkeley"Artificial"Intelligence"Research，BAIR）。許華哲的導(dǎo)師特雷弗·達(dá)雷爾（Trevor"Darrell）就是BAIR的發(fā)起人之一，主要研究方向是計(jì)算機(jī)視覺語言。博士一年級(jí)時(shí)，特雷弗鼓勵(lì)許華哲開辟新的方向，研究自動(dòng)駕駛。幾個(gè)月后，許華哲作為第一作者，寫了一篇如何從視覺角度，通過深度學(xué)習(xí)實(shí)現(xiàn)自動(dòng)駕駛的論文，被錄取為2017年計(jì)算機(jī)視覺領(lǐng)域的最高級(jí)別會(huì)議之一IEEE國際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議（IEEE"Conference"on"Computer"Vision"and"Pattern"Recognition，CVPR）的Oral論文（最高級(jí)別論文）。

2016年是自動(dòng)駕駛熱度最旺的時(shí)期，國際上各大車企都在做自動(dòng)駕駛技術(shù)研發(fā)。包括網(wǎng)約車平臺(tái)，Uber與老牌的戴姆勒汽車集團(tuán)共同開發(fā)無人駕駛汽車；國內(nèi)的滴滴出行也開始組建自動(dòng)駕駛公司。在學(xué)術(shù)界，各個(gè)高校實(shí)驗(yàn)室也積極投入研究，認(rèn)為自動(dòng)駕駛是當(dāng)年人工智能起來后，最重大的可落地智能應(yīng)用。不少人把自動(dòng)駕駛，當(dāng)作四個(gè)輪子的路面機(jī)器人，因?yàn)樗梢越柚曈X、傳感器等技術(shù)理解路面環(huán)境智能移動(dòng)，有很大的產(chǎn)業(yè)空間——如同今天的具身智能熱潮。

同一時(shí)期，星海圖另外幾位聯(lián)合創(chuàng)始人，正充滿信心地投入自動(dòng)駕駛研究。

比許華哲大兩歲的趙行告訴我，他2014年開始在MIT讀博，做計(jì)算機(jī)視覺和多模態(tài)研究，同時(shí)接觸了機(jī)器人和自動(dòng)駕駛方向。2015年，趙行聯(lián)合導(dǎo)師開發(fā)了校內(nèi)第一門自動(dòng)駕駛課程，之后課程被推廣到其他十余所高校。“我覺得自動(dòng)駕駛是非常好的行業(yè)，雖然它后來的發(fā)展起起伏伏，但從社會(huì)價(jià)值來看，無論是政府、學(xué)界還是產(chǎn)業(yè)界都認(rèn)可這件事。一項(xiàng)技術(shù)驅(qū)動(dòng)的產(chǎn)品，有商業(yè)價(jià)值，并且長(zhǎng)期有社會(huì)價(jià)值，這就是我想做的事情。”因此，2019年博士畢業(yè)前，盡管有Facebook、OpenAI等機(jī)構(gòu)邀請(qǐng)趙行，他還是決定投入產(chǎn)業(yè)，加入知名的自動(dòng)駕駛公司威馬做研究科學(xué)家，他在那里認(rèn)識(shí)了高繼揚(yáng)。

至于創(chuàng)業(yè)這件事，幾位創(chuàng)始人都是在學(xué)生時(shí)期萌生的想法。高繼揚(yáng)接受媒體采訪時(shí)曾說過，他在清華讀本科時(shí)，就“一直琢磨屬于我們這代人的機(jī)會(huì)到底是什么”。當(dāng)時(shí)（2011—2015年）是國內(nèi)移動(dòng)互聯(lián)網(wǎng)最風(fēng)生水起的時(shí)候，“看著互聯(lián)網(wǎng)巨頭覺得很牛，但也明顯感覺到互聯(lián)網(wǎng)不是我這一代人的機(jī)會(huì)，直到大四接觸到AI深度學(xué)習(xí)，我很感興趣，覺得這能徹底改變世界，因?yàn)樗ヂ?lián)網(wǎng)不一樣，互聯(lián)網(wǎng)改變了生產(chǎn)關(guān)系，而AI讓生產(chǎn)力再次得到提高。”

“想要改變世界、實(shí)現(xiàn)個(gè)人價(jià)值”，類似的話，我也在許華哲和趙行口中聽過。這群來自中國頂尖高校的學(xué)生，似乎更自然地?fù)碛羞@樣的熱情和沖動(dòng)。尤其在2015年前后，國家出臺(tái)政策，鼓勵(lì)大眾創(chuàng)業(yè)、萬眾創(chuàng)新，鼓勵(lì)運(yùn)用互聯(lián)網(wǎng)和開源技術(shù)，構(gòu)建創(chuàng)新創(chuàng)業(yè)平臺(tái)，也引導(dǎo)機(jī)構(gòu)投資科技型中小企業(yè)。清北校園里，常有學(xué)生在大大小小、不同的領(lǐng)域創(chuàng)業(yè)。

稍有區(qū)別的是，星海圖這幾位聯(lián)合創(chuàng)始人更在意技術(shù)驅(qū)動(dòng)的長(zhǎng)期創(chuàng)業(yè)，而不是以產(chǎn)品是否有噱頭為先。趙行曾在讀博士的頭兩年，以首席科學(xué)家的身份與同學(xué)聯(lián)合創(chuàng)立一家人臉情緒識(shí)別的公司。用計(jì)算機(jī)視覺技術(shù)，判斷、搜集人在觀看廣告時(shí)的反應(yīng)，據(jù)此數(shù)據(jù)對(duì)廣告內(nèi)容做評(píng)分，再把這個(gè)數(shù)據(jù)反饋賣給廣告公司。大約一年后，趙行離開了公司。“我覺得技術(shù)太薄了，我還是對(duì)硬科技有向往，希望能做長(zhǎng)期規(guī)劃、技術(shù)支撐的事業(yè)。”之后，四人陸續(xù)回國，想在國內(nèi)最大化實(shí)現(xiàn)個(gè)人價(jià)值。

做技術(shù)驅(qū)動(dòng)下的“鏈主”

最先感到創(chuàng)業(yè)時(shí)機(jī)來了的是高繼揚(yáng)。1992年出生的他看起來沉穩(wěn)老練，說話語速很快，左側(cè)頭發(fā)常年有一縷自然白。高繼揚(yáng)很早就在為創(chuàng)業(yè)做準(zhǔn)備，他用極快的速度，三年半讀完博士，畢業(yè)后在威馬和北京初速度科技有限公司的兩段工作都有明確的目標(biāo)——威馬鍛煉技術(shù)能力，后者學(xué)習(xí)量產(chǎn)交付和管理團(tuán)隊(duì)的能力。隨后他也確實(shí)完成了目標(biāo)，有自己的技術(shù)成果和管理百人團(tuán)隊(duì)的經(jīng)驗(yàn)。

2022年年底，高繼揚(yáng)覺得做AI機(jī)器人的時(shí)機(jī)來了。這除了與他自身能力提升有關(guān)，也有大環(huán)境的因素。那一年，國際上先是有Figure"AI這樣致力于通用人形機(jī)器人的公司成立，迅速獲得關(guān)注和融資，特斯拉也在9月發(fā)布第一代人形機(jī)器人Optimus（擎天柱）。而年底ChatGPT（聊天生成預(yù)訓(xùn)練轉(zhuǎn)換器）的爆火，讓世界看到大語言模型的成功，似乎只要數(shù)據(jù)量增大，模型的智能程度就跟著增大，有無窮上限。而在國內(nèi)，關(guān)鍵零部件供應(yīng)鏈不斷成熟，價(jià)格優(yōu)勢(shì)等正在縮小中美差距。高繼揚(yáng)決定，在Momenta（北京初速度科技有限公司）做完最后一個(gè)產(chǎn)品交付后離職創(chuàng)業(yè)。

幾個(gè)月后的2023年，徹底解除疫情封控后不久，趙行和許華哲也有了迫切想要?jiǎng)?chuàng)業(yè)、時(shí)不我待的心情。許華哲記得，他在加州大學(xué)伯克利分校的導(dǎo)師經(jīng)常說，“不要等待一艘已經(jīng)離開的船”。意思是無論做研究還是創(chuàng)業(yè)，不要做別人已經(jīng)做到頂點(diǎn)的事。而2023年，具身智能的船可能剛開始搭建。許華哲回看2016年前后國內(nèi)成立的自動(dòng)駕駛公司，雖然也經(jīng)過寒冬淘汰了一批企業(yè)，但最終活到現(xiàn)在且活得不錯(cuò)的幾家，還是最先開局就進(jìn)來的人。“他們做得早，積累了各種數(shù)據(jù)、客戶壁壘，寒冬一過可以迅速復(fù)活，具身智能也是一樣，再等幾年，機(jī)會(huì)就少了。”所以在2023年，高繼揚(yáng)陸續(xù)找到互相認(rèn)識(shí)的幾人討論創(chuàng)業(yè)后，幾乎沒什么猶豫，四個(gè)“90后”創(chuàng)業(yè)團(tuán)隊(duì)就成形了。

“從成立開始，我們就有共識(shí)，要以技術(shù)驅(qū)動(dòng)為核心，做一家‘鏈主’企業(yè)。”許華哲向我解釋，“鏈主”意味著全產(chǎn)業(yè)鏈的主人，星海圖希望最終能自研本體的各個(gè)零部件、制造本體，同時(shí)研發(fā)出算法模型，訓(xùn)練機(jī)器人在物理世界做各項(xiàng)任務(wù)，有直接把整機(jī)產(chǎn)品交付給客戶的能力，不被產(chǎn)業(yè)鏈上任何環(huán)節(jié)鉗制。“就像汽車行業(yè)里的比亞迪、特斯拉，而不僅是供應(yīng)商。”

但剛開始創(chuàng)業(yè)，距離“鏈主”還有很長(zhǎng)一段路，要先從哪兒開始？星海圖經(jīng)歷了兩三個(gè)月的探索期。

作為CEO的高繼揚(yáng)是四人中最有產(chǎn)業(yè)管理經(jīng)驗(yàn)的角色。他務(wù)實(shí)，非常在意商品的成本、收益，以及可落地性。他在不同場(chǎng)合對(duì)外提到過“失效成本”的概念。他常用Robotaxi（自動(dòng)駕駛出租車，類似于國內(nèi)的“蘿卜快跑”）舉例，假設(shè)它失效一次，發(fā)生碰撞，大概要賠償幾萬到幾十萬美元不等，而ChatGPT失效一次，成本僅僅是浪費(fèi)了用戶20秒的時(shí)間，失效成本很低，收益才能為正。

而星海圖剛注冊(cè)時(shí)，具身智能創(chuàng)業(yè)熱潮還未顯現(xiàn)，加上疫情后經(jīng)濟(jì)大環(huán)境欠佳，高繼揚(yáng)和伙伴們不確定市場(chǎng)是否看好具身智能，所以選擇偏保守，決定先發(fā)揮自動(dòng)駕駛背景優(yōu)勢(shì)，在小區(qū)、園區(qū)內(nèi)做一個(gè)有手臂的物流機(jī)器人，幫助用戶送餐、送貨上門，獲取收益，同時(shí)有數(shù)據(jù)反饋。做通這個(gè)場(chǎng)景之后，再擴(kuò)大業(yè)務(wù)。但很快，他們發(fā)現(xiàn)具身智能“是一個(gè)比想象中更大的事業(yè)”。首先是融資市場(chǎng)反饋很好。2024年1月，星海圖完成天使輪第二輪投資，獲得IDG資本、BV百度風(fēng)投等機(jī)構(gòu)投資的幾千萬美元。另外，他們發(fā)現(xiàn)美國新成立了一家叫作Physical"Intelligence的、致力于機(jī)器人大腦研究的公司。創(chuàng)始人中，加州大學(xué)伯克利分校教授謝爾蓋·萊文（Sergey"Levine）、前谷歌AI研究員切爾西·芬恩（Chelsea"Finn）都是他們當(dāng)年在海外讀書時(shí)非常熟悉的師長(zhǎng)級(jí)別人物，這給了他們更多開拓的信心。

星海圖迅速轉(zhuǎn)變。2024年年初，他們決定不局限于一個(gè)業(yè)務(wù)，同步研發(fā)機(jī)器人本體、算法模型和擴(kuò)大商業(yè)場(chǎng)景。同年3月，北京辦公室投入使用。“終局來看，我們想做出一個(gè)通用具身大模型VLA（Vision"Language"Action），類似于現(xiàn)在的ChatGPT，你輸入一個(gè)文字或圖片指令，機(jī)器人能直接做出反饋，不過是動(dòng)作上的反饋。”趙行說。

數(shù)據(jù)閉環(huán)

“放可樂。”

“放雪碧。”

“拿最近的碗。”

“清掃垃圾。”

在一個(gè)廚房桌面前，工作人員直接跟機(jī)器人說話、下指令，機(jī)器人一邊語音回復(fù)“好的”，一邊完成任務(wù)，在聽到“停止工作”的聲音后，垂下雙臂靜立。

這是星海圖今年3月下旬發(fā)布的一則一鏡到底視頻，視頻中灰黑色的機(jī)器人R1，是去年初公司決定轉(zhuǎn)向后，花了半年左右做出來的完整本體，除了芯片外，90%以上全自主研發(fā)。R1不同于雙足人形機(jī)器人，下肢選用了輪式360度底盤。“我們現(xiàn)階段客戶所在的工廠、園區(qū)，絕大部分都是硬化路面，輪式可以走得更穩(wěn)、更快。而且目前對(duì)機(jī)器人上半身操作能力需求更大，這樣的輪式便宜、落地快，是現(xiàn)階段最理想的商品形態(tài)。”許華哲說。

如果仔細(xì)看這則視頻，會(huì)發(fā)現(xiàn)左上角備注“端到端VLA模型驅(qū)動(dòng)”。這是星海圖的技術(shù)目標(biāo)，希望研發(fā)出一個(gè)類似于大語言模型，但能讓機(jī)器人在物理世界執(zhí)行任務(wù)的具身智能大模型。換句話說，只要有了這個(gè)模型，未來智能體可以是任意形態(tài)——人形、輪式、四足……

那么，什么是端到端的方法？許華哲以機(jī)器人伸手抓水瓶為例解釋，傳統(tǒng)的分層方法，可能是把這個(gè)行為分為四步：機(jī)器人先檢測(cè)水瓶在哪兒，再判斷位置，然后伸手到附近，最后抓取。每一步都需要寫一個(gè)規(guī)則，這很容易造成規(guī)則的堆疊，從而每一步都產(chǎn)生小的誤差。而端到端的方法，不去寫過多規(guī)則操縱機(jī)器人，而是讓它通過大量數(shù)據(jù)學(xué)習(xí)，最終直接執(zhí)行抓瓶子的任務(wù)。雖然作為觀眾，我們看到這個(gè)動(dòng)作都是一樣的，但端到端的上限更高，機(jī)器人可以自動(dòng)校正誤差，有點(diǎn)類似ChatGPT與人聊天時(shí)，可以不斷校準(zhǔn)自己的回答。

聽起來，端到端是一種萬能方法，但要實(shí)現(xiàn)這個(gè)結(jié)果，需要大量的數(shù)據(jù)和模型訓(xùn)練。同樣以ChatGPT為例，訓(xùn)練出如今大語言模型的互聯(lián)網(wǎng)文本數(shù)據(jù)在千億級(jí)，圖片和視頻數(shù)據(jù)在百億級(jí)，而機(jī)器人這樣一個(gè)幾乎需要物理世界所有數(shù)據(jù)的平臺(tái)，目前僅有幾百萬個(gè)數(shù)據(jù)片段。所以，目前行業(yè)內(nèi)公認(rèn)的難題之一就是數(shù)據(jù)采集。趙行告訴我，現(xiàn)在大概有四種方式獲取數(shù)據(jù)，分別是真人遙控操作、VR操作、仿真器模擬學(xué)習(xí)、視頻學(xué)習(xí)，其中數(shù)據(jù)最精準(zhǔn)、成本也最高的是真人遙操，也是星海圖目前主要的數(shù)據(jù)采集方式。

“這里容易有個(gè)誤解，并不是說大家都‘燒錢’找真人遙操采集數(shù)據(jù)，就一定能做到行業(yè)領(lǐng)先。如何采集高質(zhì)量的、機(jī)器人能學(xué)會(huì)的數(shù)據(jù)？如何降低采集數(shù)據(jù)的成本？采集數(shù)據(jù)后如何訓(xùn)練模型？這些問題都很重要。”趙行說，目前機(jī)器人依然在練習(xí)認(rèn)識(shí)這個(gè)世界，它所依賴的除了數(shù)據(jù)，還有人的干預(yù)和解釋，這就進(jìn)一步需要優(yōu)秀的訓(xùn)練模型——越好的模型，越能使用較少的數(shù)據(jù)，完成低錯(cuò)誤率的任務(wù)。

2024年11月，許華哲帶領(lǐng)團(tuán)隊(duì)發(fā)布了具身基礎(chǔ)VLA模型Efm-1，這個(gè)模型僅需大約50條真人演示數(shù)據(jù)就能學(xué)習(xí)數(shù)據(jù)中的動(dòng)作，成功率達(dá)85%。同時(shí)還能簡(jiǎn)單地泛化，比如不僅能學(xué)習(xí)數(shù)據(jù)演示中的抓玻璃杯，還可以在完全沒訓(xùn)練過的情況下，抓取跟玻璃杯大小、形狀相似的其他杯子。

趙行團(tuán)隊(duì)也在同一時(shí)期發(fā)現(xiàn)一種擴(kuò)充數(shù)據(jù)的方式。原本，訓(xùn)練機(jī)器人的方式之一是在仿真器中建構(gòu)出一個(gè)虛擬環(huán)境，然后在真實(shí)場(chǎng)景中部署。但這種方案往往因?yàn)樘摂M和真實(shí)世界中的誤差，導(dǎo)致機(jī)器人學(xué)習(xí)效率很低。而趙行團(tuán)隊(duì)借助最新的可微分渲染算法，用相機(jī)拍攝一條真實(shí)世界中的視頻進(jìn)行三維重建、渲染，再在仿真器中對(duì)這些真實(shí)數(shù)據(jù)做增廣，訓(xùn)練機(jī)器人。能有效縮小虛擬和真實(shí)世界的鴻溝，還能把一條真實(shí)數(shù)據(jù)擴(kuò)充成上千條，這成為星海圖訓(xùn)練算法模型的數(shù)據(jù)補(bǔ)充方式。

有了基礎(chǔ)的VLA模型和數(shù)據(jù)增廣方式后，星海圖更在意通過數(shù)據(jù)閉環(huán)來迭代模型。趙行告訴我，目前世界上最成功的數(shù)據(jù)閉環(huán)方式是特斯拉的。“他們把車賣給用戶前，就在車內(nèi)裝上了自己的芯片和一套算法，幾百萬個(gè)車主開車的時(shí)候，算法就在后臺(tái)對(duì)比人與人之間的駕駛差異，便于之后優(yōu)化自動(dòng)駕駛算法，特斯拉是第一家這樣做的，所以后來誰也趕不上它的速度。”而具身智能領(lǐng)域，目前還沒有一套這樣公認(rèn)的數(shù)據(jù)閉環(huán)方式。星海圖能做的，就是在把機(jī)器人交付給車企、物流園這樣的客戶后，依然擁有數(shù)據(jù)自主權(quán)，在后臺(tái)獲取機(jī)器人執(zhí)行工業(yè)任務(wù)的所有數(shù)據(jù)，實(shí)現(xiàn)小型閉環(huán)。“有了數(shù)據(jù)反饋，我們?cè)俑倪M(jìn)算法，這就是數(shù)據(jù)驅(qū)動(dòng)。”

一輩子的目標(biāo)

許華哲經(jīng)常用機(jī)器人做飯的例子，描述他心中理想的具身智能大模型能達(dá)到的程度。

“我最想讓機(jī)器人做的是一道松鼠鱖魚，為什么？首先因?yàn)槲液芟矚g吃松鼠鱖魚，其次因?yàn)檫@足夠難。想象一下，魚是活的，能動(dòng)、又滑又黏，還有顆粒狀的鱗片，外硬內(nèi)軟。處理完活魚，還要會(huì)改刀、油炸、炒糖色、澆汁、擺盤等，如果一個(gè)機(jī)器人能做完這些，一定程度上能證明它的智慧程度非常高。”許華哲說，他一度把這當(dāng)成“一輩子的目標(biāo)”。最近一年多資本、人才的不斷涌入，讓他稍微樂觀了一點(diǎn)，覺得也許十幾二十年就能吃到機(jī)器人做的魚。

但另一方面，目前關(guān)于通用具身智能大模型這個(gè)被稱為機(jī)器人大腦的研究，在行業(yè)內(nèi)還只是開始，星海圖的Efm-1模型還需要不斷進(jìn)化。不久前，同在2023年成立的上海智元新創(chuàng)技術(shù)有限公司（簡(jiǎn)稱“智元”）也發(fā)布了自研的具身模型。“大家的目標(biāo)沒有太多差別。”趙行告訴我，行業(yè)內(nèi)不少公司也跟星海圖一樣在做大模型，同時(shí)研發(fā)機(jī)器人本體。只是現(xiàn)在還處于早期階段，沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)評(píng)判誰的模型更好。連互聯(lián)網(wǎng)大廠也少有下場(chǎng)做機(jī)器人的，更多只是投資。“大廠更適合做迭代速度快的軟件，而具身智能目前整體技術(shù)路線還沒有收斂，在通往終點(diǎn)的路上，很難講我們現(xiàn)在走了多遠(yuǎn)。”趙行說。

這樣一個(gè)長(zhǎng)期的賽道，初創(chuàng)年輕公司要怎么活下去？會(huì)不會(huì)又像自動(dòng)駕駛行業(yè)一樣，融資跟不上的時(shí)候倒下一片？長(zhǎng)期關(guān)注具身智能領(lǐng)域的藍(lán)馳創(chuàng)投投資人告訴我，他們看重兩類創(chuàng)業(yè)團(tuán)隊(duì)：一類是既懂算法數(shù)據(jù)，也有硬件能力，同時(shí)能商業(yè)落地的“六邊形戰(zhàn)士”，具有長(zhǎng)期優(yōu)勢(shì)和競(jìng)爭(zhēng)門檻；另一類是有一技之長(zhǎng)，在某些方面有明顯差異化優(yōu)勢(shì)、特色的公司。“比如銀河通用公司的算法能力非常強(qiáng)，也很受資本市場(chǎng)青睞。”高瓴創(chuàng)投的創(chuàng)始合伙人李良更關(guān)注具身智能領(lǐng)域的大模型技術(shù)，先后投資了智元、星海圖、靈初智能等多家公司。他更看好“技術(shù)極客與行業(yè)老兵”的組合，認(rèn)為這樣才能深刻了解產(chǎn)業(yè)鏈，同時(shí)做出顛覆性的技術(shù)創(chuàng)新。他舉了智元的例子，認(rèn)為智元不僅有技術(shù)極客團(tuán)隊(duì)，另外，“智元的董事長(zhǎng)兼CEO鄧泰華，曾是華為副總裁，計(jì)算產(chǎn)品線的總裁，有豐富的管理經(jīng)驗(yàn)、商業(yè)化資源積累以及產(chǎn)業(yè)整合經(jīng)驗(yàn)，加速智元從實(shí)驗(yàn)室創(chuàng)新走向規(guī)模化應(yīng)用。而且公司位于長(zhǎng)三角的上海，供應(yīng)商都集中在兩三百平方千米內(nèi)，在產(chǎn)業(yè)鏈協(xié)同上非常高效”。

但一個(gè)共識(shí)是，路途遙遠(yuǎn)，現(xiàn)在誰都無法說自己能安全到岸。雖然星海圖也擁有“六邊形戰(zhàn)士”團(tuán)隊(duì)，自主研發(fā)的具身基礎(chǔ)模型也在迭代，10億元人民幣左右的融資總額算得上行業(yè)前列。但在不斷有新公司涌入的背景下，幾位聯(lián)合創(chuàng)始人都能感受到融資方面的競(jìng)爭(zhēng)壓力。高繼揚(yáng)說，公司目前能做的是“沿途下蛋”，盡早盈利，要一直留在第一梯隊(duì)。

但當(dāng)下，最基礎(chǔ)且必不可少的工作之一還是數(shù)據(jù)采集。3月底，星海圖蘇州和北京加起來有80名員工，其中近20名在做數(shù)據(jù)采集工作，在行業(yè)內(nèi)不算大規(guī)模。我見過這些年輕的數(shù)據(jù)采集員，他們大多本科剛畢業(yè)，有些還在試用期，看起來青澀、聽話。我想到兩年多前，我去黃土高原采訪一群做數(shù)據(jù)標(biāo)注的“寶媽”。她們當(dāng)時(shí)正在為大語言模型、人工智能服務(wù)。那份工作無須太多技能，“寶媽”們基本是小學(xué)、中學(xué)學(xué)歷，只要學(xué)會(huì)使用電腦，然后整日坐在桌前，從數(shù)不完的文字、圖片和視頻數(shù)據(jù)中，標(biāo)注出“什么是梨子、蘋果？”“什么是憤怒情緒？”之類的問題。

這群年輕、成天加班的大學(xué)生做的工作，當(dāng)然比數(shù)據(jù)標(biāo)注難一個(gè)層級(jí)。但當(dāng)他們拿掉VR眼鏡，眼眶上露出兩道紅印，以及傍晚6點(diǎn)半，接到電話，下樓去拿他們的“拼好飯”外賣時(shí)，又讓人感到有一種相似。"""""""""""""""""□