← 张小珺Jùn｜商业访谈录
Loading summary
Transcript5 lines
- [00:01]
A
就是蒋正国藩从二十多岁是一个儒家清流怎么到四十岁变成一个特别有世功的一个人杨志霖也是你们同学是他是一个什么样的人就是高不可攀的大神你是当时引入的一条鲶鱼吗我应该算是吧我从M出来创业我放弃了所有的集权全部放弃了有多少当时那个时间点一千万美金可能是有的吧最近许华者要离职是的让华喆主要是做算法这是不是意味着现阶段来说对于机器人公司算法创新并不重要你刚才也提到在Momentum邵青离开了Momentum至于乔旭东的影响你觉得华喆离开星海图至于你的影响这两者是一样的吗Hello,大家好,我是小峻。 我一直有一个疑惑,为什么中国巨声智能产业里没有出现一个像梁文丰、杨志霖这样带着浓重的技术浪漫主义色彩的人,这让我有时候有点失落。 直到我认识了高纪阳,他似乎是这种极致的浪漫主义的反面,代表了一种极致的效率、工程拆解与实用主义。 这次访谈录制的时候正好是星海图的一位联合创始人许华哲即将离职这也许是某种信号高纪阳告诉我做机器人行业就是一个链条极长的行业有时候你就是要把你的头伸到图里去那接下来就是我对星海图创始人高纪阳的访谈Hello纪阳你的实际年龄好像比你真是看起来要年轻很多啊我一直默认你是80后直到我们见面之前我看你资料才发现你是92的所以你是经历了什么同龄人没有经历过的事情吗你说的这个实际年龄指的是指的是看上去比其实要老一些是吧还是怎么样对看上去比实际生理年龄要老一些我觉得这可能是也跟那个创业有关系创业确实需要一个人更早地进入到一个成熟的状态吧而且是各方各面的,因为每天可能也跟不同类型的人打交道然后需要这个人整体来说是比较符合的一个状态我觉得可能跟这个创业有关系再加上可能我这个面相也就是偏老一些吧你是个什么样的小孩啊从小你是怎么长大的小时候小时候我觉得就比较正常吧比较正常小学的时候学习成绩还可以然后呢可能前几名前五名但也不是那个最好的年级前五不是班级前五班级前五或者前十这个样子然後我那小學也不是那種特別好的小學吧就是正常好的小學在石家莊對我是河北石家莊人就是一個正常的小學然後呢反正就正常的上學然后小学的时候呢学过一段时间的就是那个时候反正都上奥赛啊数学奥林匹克嘛然后学了一段时间但其实学的也不是特别好所以其实我的小学还过得比较轻松吧就是后来也不学那些了就正常上课然后等到六年级的时候就是突然发现还是得考虑初中的这个问题然后当时我父母也比较就是开始关注这个问题了五年级六年级的时候然后所以那个时候就是努力了一段时间然后尤其是我记得就是六年级那暑假这个是我应该是第一次用工对六年级的暑假不都毕业了吗对因为我要准备就是初一的那个分班考试就想上那个重点班而不是普通班对那个我觉得是我考试生涯当中第一次还不错应该是当时考了年级第三名然后后来就初一、初二就又比较正常吧比较普通然后到初三那会儿就又开始好好学习就初一、初二反正成绩也还行吧就几十名年级几十名的样子你在实验所哪个学校初中是27中然后小学是玉东小学我高中还不错高中我是那个十二中二中然后是那个生理科实验班也正是因为考上这个班了所以后面才有机会学这个竞赛就是我是学物理竞赛嘛你是高中才竞赛的对我是高中开始学物理竞赛然后学物理竞赛然后当时也是尝试学了一下其他几门发现这个还是物理竞赛感觉学的明白一些所以高一高二就是在学物理竞赛就是正常的文化课我们那学校就是这样你要选择物理竞赛正常的课程就可以少上一些所以后来没有高考就是竞赛物理竞赛保送上清华你是竞赛的能力很强是有天赋吗我觉得不是我觉得我见过真正有天赋的人然后跟真正有天赋的人比我觉得我主要是靠勤奋靠努力然后物理赢赛其实也我觉得我也不笨啊首先对但确实是有的时候解题啊这方面的有些同学就是能够想到那个解法我可能就是想不到那我的办法呢反正就是说这个所以从那时候开始练就归纳总结然后呢把不同的這個題型對吧能映射到什麼樣的考點開始歸納然後就是靠勤奮吧所以其實我最後我覺得當時我運氣也不錯因為那個物理競賽它是這樣它是省一等獎的話你就有保送資格然後但是呢你得參加那個當時叫保送生考試那保送生考試又要又要把什麼數學啊什麼英語啊語文啊這些全考一遍对然后我呢就比较幸运就正好进了省队然后进了省队之后呢去参加全国赛然后在全国赛呢也不是特别好吧就是不是全国一等奖正好全国二等奖然后那年呢清华反正全国二等奖也是让你可以调专业的所以当时我们那年是在厦门当时我记得201年的2010年1月份当时在厦门考了两三天然后考试的最后一天我现在都还记得那个清华招生的老师因为大家都在一个宾馆里面住着然后他就直接给宾馆那个房间打电话说通知你们这房间里边谁谁谁去哪个房间然后当时就我被通知到了然后一去那边然后就可能有几十个人在那边排着队然后排队干什么呢就是问你俩问题你现在反正有这个机会你要不要上清华要上清华你先选个专业然后当时我就是选了电子工程电子系就这样为什么当时选这个专业当时大家有什么认知吗当时就是觉得做芯片这个事可能是有前途的所以当时去电子系因为电子系是做芯片的集成电路所以就往这个方向但当时其实也没有特别好的思考但是知道这个东西应该是有前途的方向没问题然后我就写了电子器然后电子器也是也没错也是清华很好的系清华第一大系然后可能摇班可能更好一些吧然后对人的要求会更高一些电子器其实计算机器也都还挺不错的了你当时很属于很勤奋的你是有多勤奋你是显著比其他人更勤奋我是当我发现我需要勤奋的时候我是非常勤奋的但是当不需要的时候对我也不是很勤奋所以我感觉你的人生好像是就是你意识到这个时间段对你很重要然后你就会突击一下然后你意识到这一段可能我轻松也没事你也会放轻松所以你是一段一段的时候对至少我觉得上大学之前是这样的就上大学之后也有过这样的但是大学毕业之后我觉得我就变了一个状态就是一直就保持比较勤奋的状态目標感更強了吧我覺得上大學那會剛上大學其實就開始想未來要幹點啥嘛然后我忘了是什么大二还是大三反正想好就是还是要创业我那时候就确定你觉得要创业对那时候我就想好是要创业那时候怎么看当时的创业环境你当时有试水什么东西吗没有当时是参加过一些就是学校里面的什么科创的这种比赛挑战杯什么之类的是那种就是科创类的竞赛就是反正你有一个好的想法然后你把它实现出来是科创类的但是没有做什么可能事实上创业的这种动作吧当时我上大学那会儿是201年到2015年这个时间段然后就发现那个会儿最火的是移动互联网这块我记得2015年那会儿就是外卖然后之前是201年那会儿可能是校内网然后中间有一些什么打车之类的然后就是网站车到一轮的17年然后我当时也感觉就是哎呀这事挺厉害的但我觉得跟我好像没啥关系对那时候就隐约感觉到这个就是大机会然后但是跟我没关系为什么跟你没关系我太年轻了然后我这个啥也不懂啥也不会然后现在做这件事的人都是可能二十多岁三十来岁的人可能是现在的就当时那波的主力的创业者嘛那时候最红的创业者90后创业者是戴威167了啊对对当时就开始读博了我记得我读本科那会儿主要就是王兴兴哥还有程维他们这一波就是我就感觉这个应该不是我的机会你觉得不一样在哪里我觉得还是一代人肯定有一代人的机会人家累积了之前学了很多东西也做了很多事所以到这个机会出现的时候就是他的机会轮到他了但是我觉得我们其实我就那时候就是大学生啥也不懂啥也不会那肯定想干也没法干啊也不可能赢不可能能达到这个机会所以当时就开始去想就是说那创业到底做什么然后很巧大四的时候其实我大三的时候选专业嘛我就选到那个威纳电子还是秉承着想做集成电路的这个什么初心啊然后去选到威纳电子了哦那是选专业不是换专业是不是不是对他是电子系是这样他是说到那个大三的时候你可以选一个方向然后我当时就选威纳电子了然后选完之后呢发现哎呀这个今天学那些那个就是跟物理很多物理啊材料啊固体物理什么之类的學的不是很帶勁然後死心病的東西特別多我都發現然後同時我也感覺這事拿芯片創業那時候還沒有國產替代的這一波然後就感覺拿芯片創業又看不到路徑所以很巧就是在你那時候還是想要創業的想對是想的然後也很巧大四那會正好有一个机会当然是商汤在汤老师在学校有一个小范围的交流汤晓鸥老师对对汤晓鸥老师汤老师然后我就是有机会去跟汤老师交流了一下然后就知道做深度学习那是我第一次就知道深度学习之前只是听说过deeplearning这是我第一次好好的去认知这个概念那个汤老师也特别好就是给了我一个实习的机会我啥也不会那时候就是从来没去过神经网络什么也没有然后我就大四的那个大四的应该是那个十二月份吧二五年的年初二三年底我就去上三开实习训第一个神经网络就是开始接触AI相当于是但是这个吸引你的是什么呢既然你都没有接触过为什么他老师说了你马上就去了对对对这之前还有一个事这之前还有一个事就是大三暑假的时候呢其实我是有一个机会就是说去那个当时Sanford有一个那个暑期实习的项目叫UGBR然后我就去那边去实习了但当时去实习的时候还不是做AI这个方向做一些什么图像啊医疗什么之类的也挺杂的然后做完之后呢那个不知道为什么到现在我也不知道为什么然后那老师反正没给我写强推然后就导致呢我想上学校就是反正他给我写推荐信的都没上去然后最后当时就是有几个我没让他写的因为我觉得这些学校应该都很轻松很随意的包括USCUCSD还有一两个吧反正就最后只有这几个没让他写的然后给了我offer当时那段时间也是一个算是小打击吧第五期对是个小打击然后当时就开始反思反思我这哪做错了哪做错了然后也看了很多书我一直也比较喜欢看书看什么书因为喜欢看历史那段时间我就是反正看了很多吧但是我记得住的现在记得住的就是看到曾国藩曾国藩从20多岁是一个无家清流怎么到40岁变成一个特别有世功的一个人他特别会在现实世界当中去带领一个大的团队而且当时那个时候的困难也很多他一个汉人在清朝末年抵抗太平天国建立军队训练军队一个文人出身他要去训练军队那他怎么从一个儒家清流变成了这样的一个人然后他当时自己的一个当然也是那本书对他的一个描述他的一个顿悟就是说他发现最重要的还是当你要做一件事的时候你到底能拉动多少资源有多少人多少资源愿意跟你一块去做这件事并且最后把这事做成他发现这件事是最重要的你当时是申请学校不如意为什么去看管理怎么调拨军队不不不其实就是因为我大概有这样的习惯吧其实从很小的时候就是这样就是有一些比如说不顺利我就反思但反思我得需要那个思考的来源吧养料啊然后我就是看书对反正就是看传记啊看历史啊就乱七八糟卡然後呢就是通過看別人在可能一些困難一些什麼的給自己來點靈感吧來點靈感然後所以那時候就剛好看到他剛好看到他然後我就發現這事值得參考值得參考就是說這個雖然我這件事沒做好失敗了就像他發現他這個儒家清流這條路走不下去了對但是他還是就是說能夠去建立另外一個軌跡這就是說我要真正的去在現實世界當中去做事然後去拿到結果對這事很重要然後我就覺得這跟我想的其實是一樣的因為我本來就想創業只不過可能我在學校這條路上確實去不了最好的學校了那就像儒家清流做不了了那我能幹點啥我就覺得我要去真正的從底層思考我未來到底要做什麼然後以及我要為做這件事做什麼準備所以我當時我也就是系統性的開始看各種各樣的方向然後看到湯老師給我的這個機會然後我覺得這事好這事應該是有前途的然後我就去嘗試一下而且一去我就訓練了這個神經網絡我發現這是一個事太有魔力了因为我发现这个计算机可以从数据当中自己提炼规律那你说我们编程序因为我大学也编程序嘛编程序干啥编程序很多时候就是人提炼规律啊提炼规律写成一些规则语句ifelse什么之类的现在不用人了就机器学习神经网络自己从数据当中提炼规律它把这些规律里边的所谓的ifelse变成了自己神经网络当中的参数这不能全都自动我觉得这事太强了太牛了我得做这个然后当时我觉得人未来应该不太会用就很少会用编程了然后我现在都很记得当时那场景是我有一天从那个实习那地方出来那实习地方的创业大厦就是清华科技园里面那一栋楼然後我就在想當時訓練完這個神經網絡的一些感受然後騎著自行車然後突然就是想到這個我感覺這以後這個神經網絡可以代替人在數據當中發現規律這個事太牛了我以後得做這個所以那個時候我就想好我就一定要做這個事這是我怎麼開始做AI的也是那個時候其實我特別感謝我到現在我就特別感謝上湯的這種文化其实给了我们这种从来没有接触过的还有学校里没接触过的人家给你一个机会可以去学习你在上方多久小半年吧四五个月可能只有汤老师同事offer了几个人这样的机会汤老师肯定是跟大概当时十几个人然后这十几个人反正汤老师都是比较open的想来都可以来然后我就比较主动然后当时我是跟着李成鲁叔然后去做的当时我还记得我做的叫PulseEstimation就是预测人的这些肩膀、胳膊肘这些关节点就做了这么一个后来看了这个工作本身当时我也没做出啥但是是我的一个开始做AI的起点所以其实你从小到大的这个成长轨迹第一个重要的节点是六年级到初中的时候就是你第一次发现我可能在考试上是有天赋的因为我通过很短的时间就拿到了年级前三的这个结果然后第二次一个很重要的点是你觉得从大学申请博士学校不是足够好然后让你转向了你觉得可能学术这条路不适合我你想转向一个更现实的路是吗对我觉得当时保送上清华也很重要其实高中的时候我从来没想过我能上清华从来没想过他不是一个目标是吗我觉得我很难上高考我不可能我的语文和英语都不太好有多不好多不好哎呀多不好对想起有一次考试就是我一卷就是语文是一卷二卷嘛一卷就是什么那个阅读理解啊之类的二卷是作文嘛一卷二卷的分加起来可能跟考的比较好的一卷的分相当高就是满分可能150我两个加起来就一百来分然后别人一卷可能就90多分那物理竞赛对你很重要很重要我当时我就想物理竞赛考不上清华我就高考呗高考我就说那我能上个四川大学厦门大学这样的我都已经挺开心的了所以其实我觉得上清华那个是挺重要的当时我虽然没有这个目标但是我确实是很勤奋可能别人就刷题嘛那时候就刷题然后别人刷一遍的题我刷两遍别人刷两遍的我刷四遍就是這樣然後總結歸納我覺得其實我過去考試也好就是應付這些東西我主要的方法論就是歸納總結簽證就這些東西上大學之後的那次小打擊我從來也沒有想過走學術的這條路線但让我从更底层的去有一个机会去想我应该去怎么选方向然后我应该怎么去推进我想去做这件事我应该把什么当成目标而不是把一些表面的东西当成目标在当时清华是不是杨志霖也是你们同学是他是一个什么样的人他就是高不可攀的大神啊这是真的就是他一直都很厉害然后他应该也是接近特奖的一个我觉得在清华里边也我觉得也比较普通吧就是年级在电子系就是大神爷很多谈不上Top百分之三四十成绩大概就是这样对然后直林那一直都是很厉害的我觉得他本科的时候就已经做了特别棒的工作了他的厉害是来自于什么呀是天赋吗我觉得是天才吧我觉得确实清华里边就是说上清华之后就是更让自己见识到什么叫真正的天赋了就是学无一经赛的时候已经见识到天赋了就是我们学校有几个最后他们拿全国一同奖的那几个人我觉得真的是天赋就是人家做一遍就会了我反正就是搞不明白然后上了清华之后更是这样我们那届我们系我们班有一个叫韩沈,这可能那个叫韩远俊,他就是更神的就是他写的作业我看他写的作业我就想学习一下,我看不太懂,我得换一个人作业抄一下,或者说是参考一下然后我确实就是当时就感觉到就是这个清华里面真的大神太多了,在清华里面就是就是学到了就还是要谦虚吧要低调因为确实是天外有天人外有人像植林像韩远军都是我觉得那一届里面最杰出的学生了植林哥你是一届吗? 是一届的他也是一一级的对对对你的二头发白了是为啥?
- [22:53]
哎呀这个也其实也不知道就是有可能是当时那个我比较喜欢搞科创吧就是参加挑战杯然后挑战杯反正当时那还行就是学校里边拿了一个一等奖然后弄完挑战杯有一天我发现这个就是这个位置然后有几根白头发了我说可能是那的吧然后我就没管它了然后后来反正就出现越来越多了就这样所以好多人都觉得这个季阳你是不是染的其实不是染的就是自然白的你后来就没有动过了没发生我发现杨志霖跟你是有那个轨迹交错的那你在商堂实习的时候严俊杰当时在吗我跟他不是很熟我当时是我的直接的mentor是鲁书然后的话当时我认识的曹旭东这也是后来我去蒙文塔的原因之一他们当时在商堂是一个什么样的状态畜通当时在商城应该已经是核心的技术leader之一了然后当时做人脸这块的因为当时我就是个小实习生其实跟人家也没有特别多的直接的交流但是感觉到当时的那一拨人其实都很强而且他们不仅仅是说学术上有自己的造诣而且是在工程和产品化上面也很强带团队组织管理上面都很强他不是那种纯学术型的其实我也是当时有这个认知所以后来回国的时候跟徐东聊得比较愉快后来去美国然后因为他做自动驾驶我在Waymo也做自动驾驶然后就更熟了有更多的共同语言了后来你博士是为什么选择了CV这个方向,是在商当实习完之后你开始做的选择? 对,就是在商当实习的时候就做CV嘛,当时我也是想好去UNC就做这个方向,如果要是我找不到合适的实验室或者老师带我的话我就quit,就不读了但很幸运到那之前我就开始看我这个能找哪些学长然后能联系一下然后当时就找了那个孙晨晨哥然后我提前就联系他他是清华七子班的然后现在在那个布朗大学做教授后来我就通过晨哥孙晨然后进到那个Round实验室然后开始做这事为什么三年半毕业这也有归纳总结吧这是点人生重要的好戏首先我觉得当时我先给自己定了一个目标我觉得既然我已经想好未来我要创业我要进入产业界读博士其实我是一个阶段他是为了完成我的某些训练而这个训练完成的时间肯定是越快越好所以我就想我能不能四年毕业可能正常在美国读博士五年可能甚至六年我给自己定个目标我说四年然后四年毕业你就得推导一下四年你又不想水水的毕业水水的毕业老师也不会让你走人嘛所以你就要四年做到可能一个还不错的水平当时我就看了一下大概可能四到五篇顶会我们这个领域顶会就是CAPR什么ICCV这样的四到五篇顶会你要想四年的时候发到四到五篇顶会你就得排那个时间表第一年开始发然后第一年就博士一年级的结束的时候你就要投入CPR是每年年底截稿就是截止投稿日所以你就要提前去做这些安排了就大概反正就是先选好这个方向然后在这个方向里边就按照这个schedule去发当时我发现我的idea可能比我的事实能干活的带宽要多所以我就嘗試著說那我能不能跟我們實驗室的其他的同學一起去發然後所以我就當時就有就是會把一些idea分享出來然後的話我們就共同一組然後這麼去發讓他們幹活是吧也不是大家一起幹活然後但是我可能會就是說提高密度提高密度對會有些idea出來然後就是把大家沒有充分發揮的時間發揮出來然後這麼著的話就大家都好然後所以到那個三年的時候我發現我攢的差不多了然後我就當時正好也有幾個師兄要畢業然後我就跟老闆一塊提了然後我們那老闆70多歲的一個印度老頭特別好特別nice然後他也知道我的志向他也知道我在實驗室裡面確實是做的還行給他也做了一些貢獻然後他也就很nice的同意了18年年底就毕业的这个请求吧因为一般发不发顶会其实是一个高度不确定的事情其实你很难控制你怎么提高它的确定性首先就是说发paper这件事我觉得也是规律可循的基本上就是发这种顶会的论文就三种套路當時我就總結又是歸納總結就是三種套路第一種套路就是說最厲害的人都是挖坑的這問題以前沒人研究我做一個數據集我提出這個問題建立Benchmark這種挖坑型的文章這是第一類這種都很難做第二類是已經有了這個問題然後我在這個問題上面我要去性能做得比前人好提升性能的是第二類Paper第三類paper是在性能接近類似的情況下我的成本或者說我的監督我用的這個數據比別人少就這三類幾乎就是所有的paper都能往這三類上去套所以我就在这三类里面去做一些选择有的是第一类的有的是第二类的有的是第三类的然后这么着去推进然后第二个的话就是说还得多发就是别人一届一次发投一篇我投两篇然后就提高概率你博士毕业那个时候你想清楚的是什么你没有想清楚的是什么对我是毕业那会儿找工作我是通过找工作这事去了解行业因为很早就想好还是要做产业我是感觉AI本身还是偏技术的一个东西它不是一个真正的产业产业还是比较有需求的所以我就再去通过面试然后去学习了解这不同的行业当时就看了自动驾驶广告AI加广告然后云还有当时就所谓的这个犯AI家商汤也属于这种对商汤就属于这种犯AI家的然后看完之后呢我是觉得当时我也给自己定了几个标准去筛选行业我觉得这个行业一定是就是说以AI作为最底层的变量AI这个技术作为这个行业最底层的变量就是说没AI这行业没有然后有AI在这个行业才成立然后企业这个行业本身足够大有一些标准嘛最后我就觉得我未来应该去做物理世界的AI这件事然后自动驾驶是物理世界AI的一个第一个形式第一个形态也是那个时候可能不多的产业所以就想好做自动驾驶商汤被pass的原因是什么你有想过加入商汤吗对我还是觉得商汤的AI家的这种模式我觉得会商业上可能会有些问题当时对于这些的理解也不是特别的深刻我就是觉得会不会干成外包我覺得他可能形成自己的產品然後沒有產品的話你在交付側你的每一次的成本感覺都很高你是工程師去交付嘛我覺得這個可能會有些問題廣告被pass的原因是? 廣告被pass就是因為沒有AI像Google這種公司百度對當時Google裡面其實它是有做Googleresearch然後就是純research然後也有做搜索廣告用AI的我是覺得搜索也好廣告也好當然有AI更好但是沒有AI連這事兒也成立在AI出現之前在所謂的神經網絡出現之前可能有別的機器學習技術在機器學習出現之前可能還有其他的技術去解決搜索和廣告這個問題那就意味著AI不是這個行業的絕對變量我還是想找一個絕對變量这么着我们才是进入到一个崭新的一个事业里面在这个崭新的事业里面我们可能年轻人我觉得才有更多的成长机会神经网络对于广告来说可能是优化对Pass了云因为当时就是把一些模型包装成API去做我觉得这个也不是很本质在当时只剩自动驾驶然后自动驾驶这事我又延展了一下我觉得这个是物理世界AI就是AI加Robot当时真的这么想吗当时真的这么想AI加Robot然后我觉得这事儿超牛你为什么不去Robot呢当时也有很多的研究方向是自家的没错没错也有这些公司我是觉得因为传统那些读博士的时候也接触过这些方向和领域传统的Robot还是控制优化然后SLAM这些技术这些技术我觉得它很难从底层因为它跟人的工作方法不一样它很难从底层让这个机器人真的像人一样工作它机器人里面更偏机器而不是更偏人你想让它变成人还是得有AI的这种方法虽然那个时候AI或者神经网络还没有今天这么好但我觉得这是个大方向还是回到AI的魔力在于能够代替人总结规律这是你擅长干的我发现AI做这个事也做得很好我觉得这个它是有机会把这问题真正解决的AI加Robot也是从底层变革人类生产力的超大型行业所以我觉得这个就是值得头神你第一站选择了Wemo在聊你第一段工作之前你能不能从你的视角复盘一下过去十年自动驾驶这个产业的变革首先呢我覺得當時確實是這樣就是說我在加入Waymo開始幹自動駕駛之前其實自動駕駛已經有十年了它是08、9對嗎DARPAChallenge所以當時呢我就在當時那個時間點我就回過頭去開始看當年的paper全看了一遍大部分看了一遍我不止把paper看了一遍我去了Waymo之後我最喜歡幹的事就是讀Waymo的codebase把歷史的嚴格也都看了一遍然后当时其实你可以看到的一个很明确的点就是说18年那会儿的整体的自动驾驶的技术架构和08年那会儿的自动驾驶的大的技术架构框架其实都一样没区别08年的paper裡面已經說清楚了這事分感知分定位然後離線做好鑒圖然後感知定位之後在這個地圖裡邊做這個規控然後呢感知做的好一些規控這邊就可以做更好的這個避讓動作做判別然後規控裡邊先是決策再規劃然後是控制大的Pipeline08年就是這個樣子只不過後來隨著AI技術的成熟尤其是在CV領域的成熟把很多感知部分的模块替换成了这个AI的算法驱动的比如说最早的就是这个激光雷达最早激光雷达是什么它是这个clustering这种就是聚类就是发现这有一堆点云它可以聚到一块它是通过这样的方式去判断这有没有障碍物那后来逐渐变成了神经网络去做这个所以它的就是說整體的自動駕駛在18年的技術架構和08年的技術架構沒區別但是這一套技術架構的底層邏輯不是AI的它的底層邏輯是Robotics的Robotics的底層邏輯在我的觀察我的認知上不一定對它是做系統拆分然後關注cornercase正是因為它關注cornercase所以它要把這個这个系统分成一个一个可解释的模块然后在这个可解释的模块里面去解决这些case的问题AI的方法论不是这样AI的方法论是追求数据驱动然后端到端然后AI不太擅长解决一个两个具体的case但是它特别擅长的是我从整体上提升benchmark的性能我在一个大的benchmark之前是80我一波优化干到90再一波优化干到95那這裡邊90到95肯定我有相當多的case變好了不排除有部分的case變差了所以這個就是我們當時候看到的roboticsdriven的這個技術架構是分模塊感知規控定位然後離線建圖但是AI的底層邏輯其實不是這個AI底層邏輯就是短頭短然後呢同時間其實18、920年那會兒就是特斯拉開始去做自動駕駛而且是用AI的方式推端道端的他最早做端道端是什麼呢是把這個感知先統一當時他就是這個感知的就是一個模型解決所有的感知問題那同期其實Wemo是怎麼幹的感知裡邊就可能有幾十個模型真的是幾十個模型這個Detection可能是有一两个Detection完了之后要做TrackingTracking里面有一些小的Classifier然后去做一些类别的判断Tracking完了之后形成了Track然后再去判断做Classification每一类Classification可能Pedestrian什么这个Vehicle都有自己的Classifier然後這些弄完了之後再C這個levelCunderstanding再做一些什麼分類器所以你看整個的感知就有幾十個模型然後再是規劃裡面當時還是傳統的規劃算法但也逐漸再去提但這種方法論就跟AI的方法論不一樣AI方法論還是說它不是一個一個小木塊我還是要追求盡可能追求端到端所以是那個時間點我覺得就是說也是進入Wemo開始學習這個歷史我發現Wemo因為過去很長時間主導是Robotics的人主導所以它形成了這樣一條東西Tesla在做這件事的時候那馬斯克他就肯定是他相信是這一套所以他們完全就是AInative的去設計了整個自動駕駛的框架所以人也不一樣對吧人也不一樣或者我覺得在leader這個層面人不一樣你說工程師這個層面Waymo當時的人才密度非常的高應該很高非常的高就是不缺有判斷力的或者有技術能力的這些工程師都是很好的工程師但是我覺得還是說自上而下的一些東西吧缺失了所以我觉得如果咱们回到刚才那个问题回顾过去的这一段时间的话其实就是我觉得从08年可能到16、17、18年這段時間都是Robotics主導的模塊拆分然後AI起來了之後先是去做了一些模塊內的算法的替代整個框架Robotics裡面小模塊替換成AI但是從17、89年開始另外一個路線就是我AInative重新去設計這個框架演化到今天其實逐漸的就是後來說的BEV端到端VRA就出这套了到今天其实这套已经成了毒瘤所以你当时18年进入Waymo之后你发现仪式的还是错的吗那时候不敢讲它是错的我就感觉不太对你的直观感觉是什么样的就是我觉得微末当时我的感受有两个首先微末大部分还是很好的咱们只说问题是吧我觉得有两个小问题第一个小问题是微末里面它太有大公司病了它本身我们还没有做出价值然后还是一个创业状态我理解那里边人其实挺多的多少人我当时去的时候有一千人了吧我走的时候快两千了吧快两千了那是一个迅速膨胀期迅速膨胀因为我当时我开始跟的leader可能开始就是十来个人我走的时候是七八十人吧就是感知团队在那个时间就迅速的在扩充为什么扩充那时候就是想用AI的方法系统性的改变感知了之前还有很多传统的物质基础的东西然后因为那时候微末也不缺钱钱也很多所以我當時感覺就是說過早的進入到一個可能大公司的一個狀態了它所有都跟Google是對齊的對吧直擊體系對直擊體系是對齊的然後包括整個的工程體系也是對齊的文化也很像我觉得硅谷最近的状态可能跟十年前的状态又不一样了最近硅谷的状态还是比较卷那些年我觉得还是比较peaceandlove民主什么的现在我觉得也不太是那样了早起晚起啊你们当时我是很勤奋的我一般就是自动加班那种的但是如果是没人管正常的有四五点下班的去接孩子然后也有可能六七点走的反正一般都会我觉得我要好好干我要好好学所以正常工作做完之後我就開始看Google裡邊的所有的Doc第三Doc加上Codebase這是你當時意識到第一點可能的問題就是大公司病第二個呢第二個我覺得就是說大公司病背後我覺得它是個表象它不是本質本質是什麼呢本質是我覺得Wemo是沒有founder的他的founder其实是Google的founder但Google的founder又没时间直接去管这事所以在这个里面就是自上而下的力量我觉得是缺失的不像特斯拉馬斯克說幹啥哪怕是錯了他也能開始幹我覺得在這種行業裡面創業其實錯不怕有錯我們快速迭代快速調整這個都OK怕的是力量不集中不統一我覺得這個很危險假設Waymo有一個更強勢的Founder他應該做什麼呢在2018年那個時間點上我覺得就是要系統性的改變整個架構應該另起一個team然後從頭開始去做這個架構然後用一套的infra一套的評測體系但是整個的這個架構要AInative的重新去設計但是他從第一天跟特斯拉就是兩類公司一個是好像想做那個技術大腦的公司另類是有肢體的公司就是有很多的車能開在路上那緊的跟特斯拉如此的不一樣他在那一刻能做什麼樣調整呢他也不能馬上說我要變成一個車企我覺得倒不是說調整到一個車企的狀態而是就是在做自動駕駛軟件自動駕駛系統的這件事上面我們以什麼樣的方法論什麼樣的底層邏輯去指導我們的系統設計是Robotics的去設計還是AInative的去設計就這個跟我們是不是一個車企還是是不是一個自動駕駛企業沒關係事實上你看很多國內的自動駕駛的這個製作大腦的企業他也可以很就是用特斯拉那個方式我就是AInative然後就是datadriven堅定的走datadriven然後不斷的去把rulesbased的東西越搞越少然後去完成這個過程他現在完成了沒有? 現在肯定比之前好得多得多好得多得多但是具體的我也不是很清楚了但他這個轉換過程是很慢的轉換過程是比較慢的所以其實我覺得微貿是可以做得更快的但今天微貿的這個結果又很好所以我又很佩服所以為什麼呢這是我覺得還是就是說它對於長期的這個戰略的這個一旦選擇了之後它的執行是很堅定的然後同時呢裡邊還是有對的人只是調整的速度慢了一些但是它是在調整你怎麼看微貿的商業模式所以我覺得自動駕駛這裡邊有這麼幾種商業模式我們說自動駕駛的概念下有這麼幾種商業模式第一種商業模式其實就是Wemo這種代表的Robotaxi它們相當於是我自己運營車隊以自動駕駛技術然後運營車隊然後通過提供服務的形式然後去賺每單的費用然後第二種模式是向車企賣車然後把自動駕駛作為一個軟件訂閱的形式向你收費然後第三種模式是比如說像Momenta這樣的供應商那麼它其實是NRE加license向車企提供自動駕駛的解決方案其實還有第四種我覺得華為算是第四種它是介于车企和供应商之间的我觉得它本质上其实还是在车企这个层面就赚的整车的利润它通过更好的自动驾驶体验就顶级的自动驾驶体验和顶级的座舱体验重新定义了车然后再加上它自己的品牌和渠道影响力所以我觉得它的整个的营收和利润是建立在整车这个层面所以你觉得vimo的商业模式能走通吗我觉得它这商业模式本身是没问题的只不过在走通的过程当中它就是需要克服的这个困难和阻力然后这个周期是非常长的直到今天为止我觉得已经算是看到那个走通的曙光了我觉得vimo和特斯拉它这两条路线现在有胜负手一个是走的是这种我觉得科学驱动然后另外一个走的是更工程驱动那天就有很多的车在路上跑然后搜集很多的数据这两条路线今天能说哪条路线是正确哪条路线是错误的吗明白首先我觉得vimo不算是科学驱动vimo的工程基金非常非常的强就是Wemo的工程化基因和Tesla的工程基因我覺得是一樣強的因為Wemo的工程基因來自於Google我自己的工程師這方面的訓練我覺得就是在Google、Wemo這個體系裡面完成的所以我倒不覺得Wemo是個科學的公司Wemo非常的工程只是我覺得它們兩個區別還是在於對待AI的態度上以及面向AI驅動的整體的系統設計的調整速度和力度上面它的不一樣我覺得主要還是來源在這兒你能不能預判一下Wemo的未來我覺得Wemo因為我去年的1月份我就是回到美國嘛然後我特地去LA因為沒去三藩我沒在LA做過因為我看Wemo在LA開通服務了我去做了一下我覺得體驗特別好然後確實是已經做到了比大部分Uber要好得多的體驗了所以我覺得它的商業模式已經算是進行走通的邊緣了它是一個AI時代的Uber應該是了它運營的範圍很廣它是從洛杉磯Downtown然後到好萊塢然後一直到SantaMonica這一大片全都在運營所以你在Waymo期間做了哪些工作以及你學到了什麼有哪些重要的learning我當時在Waymo我主要做的還是預測和感知這塊我先去做的其實是預測因為當時正好有一個機會就是傳統的自動駕駛的預測是幹什麼預測就是說我要預測我周圍的行人和車輛他下一步會幹什麼我得大概預判出他要幹什麼我才能決定我自己要幹什麼而且本質上這也是一個交互和博弈的一個過程所以我當時就剛進Wemo然後領導說有這麼一個機會我就覺得挺好的我就開始去做當時我們去嘗試用肯定是用AI的方式去做这个预测但之前其实也有人尝试但之前用AI的方式做预测这个方法不太对那方法是什么呢就是说他先把地图渲染成一张图片然后用卷积神经网络去处理这张图片带来的问题是什么带来的问题就是捲集神經網絡它是一個局部視野但是地圖這個東西它是很長的所以它就會導致它的信息的處理不夠好在當時我們做的一個創新就是說我們用圖神經網絡的方式去把地圖變成用向量去表達而不是把地圖渲染成一張圖片就把地圖變成向量然後把向量放到圖神經網絡裡面去做處理这个图形网络当时我们用的最基础的算子就是这个SelfAttention其实当时也是参考了Transformer里面这个SelfAttention的设计但是没有搞它那么重的架构但是还很轻的一个因为给我们的算力也很小做了一个很轻的架构做SelfAttention然后后来就发现这个效果很好然后这个工作就当时我跟赵航我们俩一块做的你们第一次合作對第一次合作然後我們一起把這個東西發了我覺得這個對於我來說也挺好的因為我覺得他確實是我覺得做的這個工作這份工作我覺得做的還不錯然後確實解決了一個之前沒有解決的問題而且事實上後來也有很多的公司使用我們這個方法所以我覺得這個還是比較滿意的工作VectorNet趙航回憶這個事情的時候他說你讓他印象很深的一個點就是當時你們在想這個怎麼設計就是規劃怎麼做然後他的傳統的思考方式是他可能去把paper讀一遍但是你說週末我去看一看我們的代碼庫就是我把我們的代碼全部看一遍就知道了他的這個印象很深對我確實是喜歡看代碼而且我不僅喜歡看現在的代碼我喜歡看過去的代碼然後我就從過去看到最近然後再看到現在就這個過程你是能看到一個人的一個工程體系的迭代的這裡邊是有邏輯很多號的所以我是比較喜歡看這些事你當時有意識到你跟賬號有什麼不同嗎在那個合作過程中我覺得我們就說在技術上面趙航的思考問題的方式他更願意從原理層面去想清楚這個事應該是怎麼回事我更從問題的角度去看解決這個問題的方法最有效的應該是啥我覺得如果我們從現在創業一個是可能更多的是供給側思考应该是需求色思考我觉得这个是一个不一样的我觉得这也是一个互助吧他是一个什么样的人他很nice很nice是一个很好的评价吗我觉得是很好的评价就是我有的时候脾气还会有的时候着急他永远超稳定情绪超稳定有的时候我就是会比如说一些事不及预期的时候我会强力的去push然後然後去推動然後趙航會就是他內心也著急的但他我覺得他在外在上面他會比我做這點做得更好你在Wemo的時候會這樣嗎非常的pushWemo的時候輪不著我push我就是一個小公司然後那我就push我自己吧然後後來我開始逐漸帶團隊techlead但是Wemo那個環境下他就是他不鼓勵應該不鼓勵所以我也只能在那個框架下去做事所以你對你在Waymo的工作滿不滿意? 我挺滿意的而且我覺得我是特別感謝Waymo給我這個環境去學習我覺得Waymo讓我學到的應該比我對Waymo的貢獻要多我覺得我最重要學到的東西第一個就是從知識層面的就是自動駕駛整套系統是怎麼work的不僅是端測還有雲測是怎麼work然後以及它的歷史嚴格是什麼對就整個這系統我頭腦就有概念了然後從技能層面我覺得讓我得到了很好訓練的就是說這個工程師應該怎麼做什麼叫工程師的思維我覺得是在那個時候我逐漸就定型了什麼叫工程師的思維工程師的思維就是拆解加測量就是把一個複雜問題拆解成若干個這個稍微不那麼複雜的子問題然後再拆解再拆解你寫代碼或者解決公司的這個做軟件工程這樣的一個領域的話拆到最後就是一行一行的代碼測量到最後是什麼是一個單元測試然後再一層一層回去然後你看你頂層的這個指標看你中間層的指標看你最底層的指標然後整個系統怎麼運轉起來這跟你物理競賽一樣嗎有一点不一样我觉得有一点不一样物理竞赛其实我觉得更多的还就是一个解题的游戏然后它不是一个系统化的一个工程更多的还是就是这个题映射到这个知识点这个题映射到那个考点然后一套一套方法过去但是我觉得就是说物理训练也好读博士也好还是做工程师也好我觉得逻辑思维能力都特别强要求都特别高所以我也是通过这几件事训练逻辑思考的能力你是ENTJ对吧应该是做过一些测试应该是这个你是在什么情况下决定要从vimo离开的当时是20年的下半年了18到20在维吾尔19年年初19年1月份加入的然后到20年的下半年那个时候我就觉得刚才我说的这几件事自动驾驶这个系统感觉也学的差不多了然后我想做的一些我自己还比较满意的工作我觉得也做了然后工程师的这些训练我觉得那个时候我写代码写的也很多我觉得我也差不多了包括写代码包括怎么review代码然后怎么去做整个design包括當時也開始帶一個小團隊然後去做一些系統的設計帶團隊拿結果所以我就開始想我覺得在這邊的成長的速率逐漸收斂了所以我得想我的下一步了然後同時我也意識到了幾個問題就是我在微貿做我更多的還是做一個技術做工程師我離產品太遠了然后我离公司是怎么经营的这件事太远了所以我就觉得我得同时我不是之前就说嘛我就想创业一直心里边就琢磨着什么是创业拆解创业先学了一个自动驾驶系统就是第一课对吧对或者这个东西应该被归纳为叫物理世界AI系统应该怎么去打物理世界AI系统对然后怎么做工程师然后怎么带一个小团队拿到一个系统结果这些事我觉得都都训练的差不多了然后我就在想我的下一步是什么了当时我就想我第一我想做产品对然后第二个我觉得我要进一步的为创业务准备然后我创业务估计是在国内我得回国大概就盘了盘这几个事然后所以我就想就是第一我要做我继续做自动驾驶但是我不做logotaxi了我得做量产然后当时我确实看好量产的这条轨迹能够更快的产生产品价值给用户创造价值Robotaxi这个还是太慢然后第一个做量产第二回国然后当时符合这个条件的国内就是华为我们的你也可以去车企啊魏小李没错但是那个时候我觉得我又想去一个就是说自動駕駛能力更強的一個或者是AI能力更強的一個公司吧那個時候我覺得包括未來啊包括理想啊我覺得都還好像沒有那麼強吧在那個時間點然後所以小鵬在做對小鵬在做是的小鵬在做那我就覺得小鵬已經做的還行了我應該也沒啥機會了我是喜欢去不行的地方然后把一个东西做好的但如果你特别想做产品的话我觉得大部分人还是非常渴望做一个2C的产品的虚摸问它意味着你做的其实是个2B的产品对我觉得在这里边我对产品的定义不是说2C的这个才叫产品而是说我想做一个直接能够给某一些用户创造价值的他要让他用起来这个在我定义里边就是2B也行就是产品了有的人不一样有的人非得是2C才能叫产品我就是想创造现实世界的实际价值是这样的想法当时就是华为和摩根塔都聊了是吧這個陳一倫師兄也是我這個電子系的師兄吧然後當時跟這個蘇老闆蘇青都聊過然後蒙文塔就是跟孫剛啊徐東啊聊對然後後來我還是覺得去蒙文塔比較好為什麼我覺得首先就是說蒙文塔我比較確認這應該沒大公司病然後呢徐東夠強勢然後你喜歡強勢的人我覺得是這樣我覺得一個組織要成功必須要他可以犯錯但是得有一個人說我們錯了然後我們改對但是不能說沒有人站出來說我們錯了所以得有一個人能糾錯我覺得這個東西在我們要做的這件事裡面足夠重要然後我覺得徐東他懂技術非常懂技術然後AI的信仰者然后他的长期的目标也非常坚定然后整个团队其实我觉得因为之前也有一些在商汤的时候也认识以前包括斯伯、晋美商汤的时候也都认识所以就聊得就比较好然后就去了我们它是一个什么样的文化绝对的我觉得是我是很适应的我也很喜欢那个文化感觉跟你非常对味结果导向战功文化有做什么比较极致的事情吗你说某门塔还是我我觉得M一直是比较我就从结果来看M从18年开始那个时候就明确提出要做量产自动驾驶然后通过量产自动驾驶然后飞轮然后走向Robotaxi这个我觉得很有威神的一个判断在2018年那会儿大家还是说我直接搞Robotaxi那个时候包括Wemo都是这么说的类似的公司在国内可能就是PonyAI对吧对Pony然后文远都是Wemo的故事路径包括百度然后那徐东改就是说我通过量产去走這條路我就本身在那樣的就我們要有那個時間的站在那個時間點去思考這些問題我覺得很有威懾也很有魄力然後而且很堅定一直這麼去說一直這麼去搞那我覺得他一直能去做這件事本身就極致了然後在這個過程當中姆曼塔也有很多次的組織的迭代從一個偏科研的偏research轉向一個偏面向产品的然后在面向产品交付的过程当中把自己的工程的这个体系又逐渐打磨出来然后又把一次成功的交付复制到几十次今天可能都有一两百次彻底的交付了所以他每一步其实都是在不停的迭代自己我觉得只要是一个能够不停的迭代永不满足的其实都是追求极致的一种表现他为什么想追求量产这条路走到Robotics這個背後的邏輯是什麼我覺得還是就是說大家都是AI的Believer那AI是什麼怎麼走過去對就是DataDriven因為AI它一定是需要數據的那我們要解決第一個問題就是數據從哪來如果我們簡單去算的話說我自己養一個車隊10臺已經很多了那10臺車我要去把一個城市覆蓋掉其實都很困難更不要說全國這麼多城市可是我們最終要解決的這個自動駕駛問題就是哪都能開哪都能跑嘛那你首先要解決的就是去怎麼樣才能獲得所有地方的數據那就很自然的推導就是說現成的就是量產車嘛有這麼多量產車那我要去把這個我的自動駕駛的這套軟件先裝到我的量产车上面然后通过这样的方式给客户提供了价值可能这个价值开始不是端到端的完全的自动驾驶那可能是一部分辅助驾驶也好泊车也好至少大家用起来了有了这个价值这样形成了数据和商业驾驶的循环这样这个数据的获取就变成了一个商业驱动的行为那我数据有了我AI的算法和能力自然而然的会有你当时加入的时候还处于哪个阶段我想想剛開始要做第一個量產交付20年底他們Amsterdam拿下了上汽的置給那個項目然後21年這一年就是要做交付所以我覺得這時間點也特別好那我就是一來就是做我想做的事就是做量產就是做交付然後這過程裡面我覺得我也挺幸運的就是拿到機會也很多就是把各種各樣的事都做了一遍當時的困難會是什麼呢在那個時間點你說是對於我的困難還是對於Momenta的困難對於Momenta的困難我覺得第一次做量產自動駕駛企業向B端客戶交付這是兩個第一次第一個第一次是要把一個Demo級的東西變成一個產品級的東西第二個第一次是要把一個產品下一个大客户弊端客户交付完成服务这是两个层面我觉得两个第一次都凑在一起我觉得这个过程确实是我也是学到很多的挑战是什么当时内部实际是真实的挑战这个文化是不是会变得非常大如果从一个research文化变成一个交付量产的文化其实我觉得Normanta的文化在可能更早的一个因为之前也有过就是说邵青離開王岸他的那個事情其實那個事就是屈東在改變物資文化的一個動作在我的理解裡面等於我不能替他說這是我的理解他就是逐漸地要從一個researchlab變相一個真正做產品的公司那麼在這個過程當中組織是一定要發生變化的所以我覺得組織的變化是在那個交付之前就已經發生了如果沒發生的話可能連那個定點項目都拿不到那麼正式開始去做這個定點交付的這個過程是一個真正的一個考驗的開始那麼我覺得挑戰就是說這個組織上肯定是不ready的你的整個組織的這個首先是說這個組織架構可能就不是面向量產設計的然後團隊裡邊的這些同學的能力戰也沒有匹配到那種強度所以在这个过程里面就是有比较频繁的组织上的调整然后有的是主动的淘汰有的是被动的淘汰当然也是人流动也很大然后在这个过程当中我觉得这都是好事因为你不通过打仗这样的形式你是没法洗礼锻炼这个团队的然后通过这样的一个方式其实把这个组织变强了然后包括我还有另外几个都很不错的leader在那个阶段里面我觉得都是成长特别大然后逐渐的把这个事给做起来你是当时引入的一条鲶鱼吗我应该算是吧徐东包括孙刚对我的使用应该还是说比较灵活的我也接受這種靈活的使用開始是做感知後來是做定位和駁車系統然後做這個infra應該同時做的然後做那個規控當時為什麼我去做規控和定位都是因為我們想把規控和定位從傳統的Rubix變成DeepLearning變成神經網絡的所以讓我去搞後來我在M做最後一件事就是NV的量產就是高速高價NV系統的量產然後把這個產品做完然後交付給上汽大概這就是我在M的過程你能做到多極致做一條鯰魚首先我面對挑戰我是比較興奮但是我覺得任何人面對未知都還是會多多少少有一點忐忑膽怯恐懼這我覺得也都很正常我也有但我覺得壓倒性的還是OK這是我想做的事我得去幹在這個幹的過程當中我覺得是我收穫了一個很重要的能力不是我能解決規控的問題我能解決什麼產品的問題而是我收穫的能力是說我可以很快速的進入到一個我不熟悉的領域然後用一套固定的方法論去理解這裡邊個事兒都是怎麼回事然後把它做拆解然後當時就因為有團隊嘛所以拆解的同時還有就是說把事拆開了然後人事匹配什麼人跟什麼事能配到一塊然後呢當然人事匹配也不是第一天就匹配好的你要過程當中去監控這就測量了然後看反饋好擴大反饋的不好收縮再調整就是這樣的一套東西我覺得是當時在轉戰多個模塊和產品線的過程當中逐漸就練出來了你的那个面对挑战的兴奋的来源压倒性的兴奋的来源你觉得来自于哪里我觉得是我觉得如果我能把这个事做成我离我想去做的事最终我想达到那个目标我就进了一步在那一刻还是创业创业对我觉得创业就是说如果连这事都做不好我创业不可能做得好然後呢我覺得這就是一個我想的就是說創業肯定穆斯頓方方面面的事不止研發了各種事我可能都得去解決那其實就是核心要鍛煉出來的是解決問題的能力然後當然解決問題的能力背後肯定還是有一些這個底層的思考方式和方法論做支撐的那我得打磨這些東西所以當時我覺得我興奮的就是說就是这个事儿本身我很感兴趣然后我也觉得很有价值然后同时我觉得我可以去离我真正想去做的事儿更进一步你觉得Momentum的不足是什么我觉得在这个其实M务历史上还是有很多特别好的人才的然后比如说为什么没有把我留步然后我出来创业了要而且在那个时间点而且我从M出来创业我放弃了所有的期权全都放弃了是多少我也有點記不清了反正挺多的吧可能有個按照當時那個時間點現在這個時間點可能更多吧當時那個時間點10萬美金可能是有的吧然後對我覺得就是說在人才的就是真正的頂級人才的這個保有和持續的培養上面我覺得是可以做得更好他為什麼沒有把你留住我觉得这个可能更多是我的问题因为你要创业对我想创业但是你在什么时间点创业其实也有很多个要素要去均衡要去平衡我觉得在这个问题上可能我自己的诉求更多一些我是20年底的时候我看到了一些变化变化之一就是就是因為GBT因為當時還沒有拆GBT還是GBT1、GBT2當時到了GBT3然後InstructGBT也出來了我覺得這東西讓世界再一次相信AI了這很重要就是有沒有這個相信因為我是相信的那旭東是相信的做AI的人都是相信的但只有我們相信不夠還得有更多的人來相信你這麼著才有資金才有什麼進來所以我覺得是整個社會開始再一次相信AI了這是第一個第二個就是自動駕駛這一波就是量產自動駕駛這一波是讓我們把端測的智能開始逐漸變得可能因為你是機器人也好還是自動駕駛也好最終還是有一些很核心的智能的算法模型要跑到端測的這個就需要你的傳感器和你端測的算力那這兩塊其實今天來看機器人用的端測算力和端測傳感器和自動駕駛的地陶其實大差不差所以那個時候就看到了就是這一波這個產業鏈能起來那你這兩個要素完成了機器人軀體的這個底層的一些工程能力其實歷史上一直具備只不過我們需要再重構一下別讓我們的產品再重新設計一下所以我觉得这些要素大概是具备了然后同时当时Tesla也开始正式宣布要做人形机器人我觉得这些要素都ready了我得开稿了这是你说你为什么创业你刚才说的是某某他怎么能留住你你那个问题划走了所以某某他怎么可以留住你我觉得finally是留不住的无论如何都不行对无论如何都不行因为我觉得这是我的人生的使命那其他人呢能留住其他人吗首先我觉得这个可能也不全是M的问题Momenta确实那个时间点包括到今天为止整个自动驾驶行业都还是很卷的我觉得那个卷度要比今天做巨神智能要更卷多卷到今天为止M的加班强度我觉得都比我们要更厉害早几晚几完肯定核心算法團隊都是到12年的然後一周是6天都是打底的極致的捲但這個我覺得真的不怪徐東不怪M的管理團隊這個行業就是這樣他們是想贏的他們要為企業謀求發展要抓住這些客戶的機會他不去這麼拼這個沒辦法所以我覺得拼是為所有人負責的一種選擇所以你在M老得比在W快是嗎我觉得可能创业之后更快一些吧你这两个人的工作挺有意思的一个两年是在W一个两年是在L对吧而且他们俩是极致的对立的文化能总结一下吗然后你从这两个里面分别学到的learning和knowhow我觉得文化层面啊Waymo真的是工程师的天堂這個天堂我覺得是自我感覺上面的你可以有最好的infra你可以有最好的同事然後你的領導對你的support對你的支持都是非常溫暖的非常寬厚的這不是夢中團隊嗎是啊目標是有的但是並不是push的然後這個待遇也都不錯當然就是那個時候的待遇跟今天像OpenAI或這些的待遇沒法比現今的待遇沒法比但那個時候也都還不錯然後Google的這些園區也都可以去食堂什麼的就是這樣的一種狀態Momenta我覺得還是不怪Momenta這就是國情行業的問題首先是絕對的結果導向結果好就往上走結果不好就得調整調整所以壓力是隨時的然後在Wemo你大概率不用面對客戶因為你的客戶都是那些乘客然後覺得這個產品不夠好先不推給乘客就OK了但是M是2B的大量的工程師就是可能一定級別以上的工程師都是要直接去面對客戶然后需要跟客户做交流至少比如说像总监或者更高级别的都是需要去直接面对客户的然后跟客户去交流汇报然后国内的这些车企的文化比较tough这个肯定就是说骂就骂了说不开心就是要说两句的你被骂过没那就是很平常的骂你什么我都記不清了因為我不是很在意這件事罵就罵了但就是說他會給你很強的心理壓力說你這個做的不好你可能沒有機會了你做的不好我馬上淘汰掉你你下次如果再做的同時會怎麼樣那你把徐東叫來你讓徐東來解釋就等等這樣的話肯定都是有的所以你單純從一個對工程師的自我感受上來說以及整個中國的支架環境我覺得都不是好的但是我覺得從另外一個角度來說從成長性上來說我覺得在中國的支架環境裡面對於工程師的訓練綜合能力的訓練又是更好的它可以讓你看到這個世界真實的狀態我覺得這個世界真實就是這個樣子的你很喜歡說真實世界現實世界對吧对因为我觉得就是说如果我们生活在一个被其他人或一些信息包裹起来的环境当中我觉得是不本质的所以我比较喜欢面对真实哪怕这个真实往往很多时候这个真相和真实是残酷的但我觉得也要去面对它在这个过程中你觉得旭东发生过变化吗?
- [76:33]
旭东我觉得他真的我覺得驅動最強的點一直沒變驅動最強的點就是我覺得它的戰略能力特別好那麼早的時間點就判斷出來我們要做這件事然後一直堅定地去推動然後過程當中有波折也不動搖戰略能力是我覺得它帶領我們從這麼多自動駕駛企業裡面脫穎而出的最核心的那一個那一個能力然後當然了就是徐東我覺得我也有這個問題就是說都是比較push的比較aggressive的所以他跟他工作壓力都是比較大的然後也因為這個很多可能同事會離開或者會什麼的後來我發現可能徐東他就會選擇性的就是說不把這一面展現給更多的人了我覺得這是他不辦哪一面就是特别aggressive或者是其实我觉得不是aggressive是把真相说出来有的时候把真相说出来把现状说出来但是可能有的时候是用一种非常直接的方式去表达出来这种方式本身就会让很多人感受到压力这种压力大到一定程度就会成伤害你是这种风格吗我是那种风格虚度这种风格我覺得有這一面Aggressive直接表達出來對我覺得我是有這一面的你們對比一下蒙蒙塔和地平線這兩個公司都太厲害了我都覺得我是沒有資格去評價他們的我真的覺得這兩個公司都特別好剛才我說驅動戰略能力驅動很早就佈局做芯片今天芯片馬上就要出來了芯片的公司也特別好然後定點也拿得很好其實這是他可能三年前的決定然後兩年前兩年多前這個公司開始啟動正式招了一批人然後把這個事做起來到今天拿到結果如果這個決定可能晚做一年晚行動一年都沒有今天的這個所以我覺得都是戰略能力超強然後執行能力超強然後面對客戶的這種迭代调整能力也超强这都是就是说凯哥可能也是从一个科学家逐渐转向一个企业家屈东也是从一个可能没那么科学家吧但是也是比较偏科学范儿的这么一个状态面前走向一个企业家我觉得这个迭代能力都特别强所以我觉得更多的真的我是从他们身上学习然后作为榜样的很多时候我确实把他们作为榜样但看起来在W和M中间你更相信的是M这条路,量产的这条路,对吧? 这个对你的后来创业影响非常大你刚才说你为什么想到开始创业,从你开始想到你做了决定并且行动中间有多久? 其实我当时行动我是还是比较立即的吧,就是我20年底我就想好正好二年底我就是30歲嘛當時過生日的時候哪一年年底? 2年年底我32歲我92年年底生日12月嘛射手座嘛對射手座然後當時反正也是這一系列事交織在一塊對吧然後我看到了變化然後我覺得自己該練的都練的差不多了然後呢同时我在M做的这一系列事儿我也能看到到23年的三四月份左右就是NVA这个产品我也能量产掉所以我觉得到了这么一个节点然后当时我就想好我肯定要开始干了但是我确实还是把这件事做完了的就是把NVA这个事儿高速高价NVA量产然后交付给上汽同时我们看到整体的体验表现都还不错那段时间我几乎也把国内所有的车就是带NV这公共的车全部试驾里面对然后我觉得做的还可以然后所以我就5月份就提了离职5月23年5月23年5月份放弃10万美金心疼吗我具体记不太清是不是这个数大概是这个数左右我其实没什么心疼的一点都没有没有因为我觉得就是说首先我觉得我最care的事还是我想去做的那件事而不是一些钱什么东西的然后我觉得和我想做的那个事比起来其他的这些东西都价值不大然后这是一方面吧然后另外一方面的话就是我覺得錢這個東西其實你日常我也花不了多少就是吃吃飯什麼的就是正常的夠了我覺得也沒什麼區別再多再少也沒什麼區別所以我其實倒沒什麼心疼你覺得從你離開Momentum那一刻和你進入Momentum那一刻你自己的變化是什麼我覺得底層的一個變化是我學會了什麼叫以客戶為中心这个是诺曼塔的文化价值观第一条以客户为中心我觉得是在实践的过程当中体会到了什么是以客户为中心客户为中心不是生硬的说客户说让我们做什么我们就做什么而是真的站在客户的角度去看他的需求是什么甚至帮助他挖掘他的需求是什么然后提出更好的方案然后去帮他解决问题然后以客户为中心也不是说是公司内对公司外的而是所有的上游面对下游的一个公司内也要以客户为中心你的支持团队面向你的业务团队你的上游的平台团队面向下游的交付团队都是以客户为中心的这样的思考问题的方式以客户为中心相对的我觉得有一些是以比如说自我成长为中心比如说以所谓的技术领先性为中心我觉得这些都是错误的至少在做一家企业来讲都是错误的然后你决定创业第一件事是什么你说的是我做的第一件事吗我做的第一件事是离职先离职你在离职前什么都没做几乎没做什么大概想了想要做什么但是后来发现想的事也不太对当时跟赵航跟天威我们一块儿聊了聊这些事赵航也回国他在清华对吧对对对是的是的最早的公司其实就是我们三个天威当时在蒙文他对他跟我一起离职的那個移植之後我就先出去玩了一段時間去哪兒去洗澡然後自駕後來回來之後七月份出去八月份開始整整BP那時候也就開始融資也不太會整現在回看當年弄的BP簡直就是不堪入目了寫了點啥呀屁屁哎呀那個太糟糕了我覺得太糟糕了剛開始的時候呢就是說開始想清楚幾件事第一呢就是說我們做巨神智能必須得是整機加智能不能只做智能然後呢因為我覺得長期來看我們的壁壘是建立在物理世界的數據閉環之上的所以我必須得做整機得做硬件然後呢第二件事呢就是說这个这个我是想去做就是我不想去做科研不想去做纯研究这些东西我是落地的我想落地产生价值对但是价值吗就是要考虑商业的问题商业化的问题但是在那个时间点我觉得我是没有答案的然后呢所以当时就想说那我直接去做一个落地的想做做末端配送后来我也很快就否定了这种方向对赵航说了这一段你们最早想做的是一个配送的机器人还是什么机器人的配送末端的配送相当于是把增加式复制在配送这个行业里来再加一点操作的能力因为末端的这个配送很多时候还是需要比如说电梯了开关门了拿东西放东西了当时是有这么一个考虑但是其实没有这一波AI就已经有公司在做这个很长时间了是的用这个故事融了後來我理解了什麼叫天使投資人天使投資人就是他覺得雖然你現在什麼也不行但是他覺得你還是有潛力的所以他天使一把他就當天使了然後他給你一些錢哪兩位天使啊IDG和百度風頭這是最早的兩位其實金沙江也在我們最早那一輪就當時是呂同學姐後來因為一些事兒嘛他也不在金沙江了後來那個也就退出了金沙江退出了當時那個朱老闆就退了他不看好所有這個機器人但其實我跟朱老闆沒有直接的聊過所以我覺得反正我也比較無所謂吧他當時投的也不多退就退了然後積沙江本來也是天使也是天使就第一輪是投最多的是IDG然後領投然後百度豐投投了一部分然後積沙江投的是最少IDG投你們的邏輯是什麼是李孝軍自己看的嗎當時是這樣我有一個同學叫李一康然后在IDG做投资人然后我们是本科同学然后他帮我引荐的然后他也是内部推动的然后推到邵辉邵辉之前就是投资自动驾驶比较多他可能对自动驾驶这事有点信仰然后对于自动驾驶出来的人也都比较信任比较看好所以他们就决定然后后来跟萧军建了营然後蕭軍也覺得看上去這兩個人還行就是你跟趙航對我們趙航還有天威然後就投了但是他們當時也說了你們想做的這個事應該不work再琢磨琢磨吧所以你看這就是天使他接受你的錯誤和不完美投了多少第一輪我們30萬人民幣吧一共30萬人民幣就是IDG加百度風頭加金山江我忘了是頭前兩億還是頭後兩億人民幣這大概就是你跟現在可能出來都是兩億美金起步我們那時候翻牆挺便宜的兩億人民幣第一輪然後後來緊接著還做了一個加輪就是CFONCFunk是这个电子系清华电子系的这个王老师做的基金嘛也是这个姚老板姚素姚老板他们一块做的姚老板也是跟我一届的比如我们这一届的这个杰出代表他是电子系的然后当时做了一个家论大概这就是最早的俩家论多少钱投了有点记不清了一两千万大概两千来万不到两千万然后投后估值可能三四个亿吧所以23年你们还做了什么拿融资这是一个很大的事融资还挺顺利的对吧对我觉得是从那个时间点看跟我们的同行比前两轮算比较顺利的但是你要拉到今天这个时间点已经算比较困难的了今天就是可能隨便講一講看這團隊行兩億美金一億美金起步所以就是覺得便宜了我倒不覺得便宜了我不覺得便宜了就我覺得那時候還是那些投資人有勇氣因為那個時候的早期這個天使和VC的這個投資環境比今天冷得多還比現在冷得多那個時候人家就敢出手我覺得我特別感謝而且23年的機器人還沒有成為一個共識對一個是就首先23年那會兒大家聊的是什麼是人形機器人我们讲说我们做巨神智能然后巨神智能这词可能大家都还不是特别清楚是什么意思然后所以当时也有这方面的困难嘛而且你们还做一个非常窄的行业对看这idea还非常不靠谱对然后23年其实其他做的事就是说开始研究研究怎么做整机嘛供應鏈整機早期真的是我覺得我們的起點非常非常低的就是在它這塊非常低啥也不懂研究供應鏈和整機研究出了啥就是買別人的產品回來拆然後就看他們這東西是怎麼搞的然後看看原來這個是電機那個時候真的這個是關節模組第一次看到這些東西然後看他們大概是什麼樣的一個方案然後這些供應商都是從哪來的然後最早找供應商也不會找然後我們也nobody找不到供應商所以當時有一次我記得我拆出來一個東西我說這是什麼東西不知道是什么东西然后就淘宝拍张照片意图搜图然后找到了卖这种产品的供应商反正早期就很困难包括怎么拆这个东西都不会怎么拆这个东西都不会然后我们公司后来的今天也是我们公司结构这块负责人那个时候来我们公司看我们太可怜了然后送给我了一個工具箱這工具箱就是裡面一些改錐、錘子、鑷子、斧子這些東西反正就是幫助你拆機的這些工具在那個時候我覺得早期確實是起點比較低我覺得那個時候就是說人都沒有碰過硬件對吧沒碰過沒碰過然後怎麼去接觸這個東西怎麼進入這個東西完全不懂然後直到直到我遇到了我们的今天也是我们公司的合伙人也是我们机电这块的首席工程师叫杨泽义直到我遇到了他他是一个投资人给我介绍的五元的一个投资人五元当时也没投我们但是确实很好地给我介绍了泽义泽义本身也很年轻97年的但我觉得是天才因为当时我感受到就是结构这块机械这块我们完全一窍不通所以我要做的事是应该跟行业里面的人聊先學一學吧當時有幾個渠道就開始去聊人然後就聊到擇一的時候我就感覺到第一次有人給我講明白了就是第一很有框架性的給我講清楚了一個機器人系統整機系統應該是怎麼回事第二很有洞察力的就在他已經做過的一些事裡面很有洞察力的能夠給我說出來個123虽然我不懂这个里面具体的一些知识或者knowhow但是我觉得如果有一个人给我在这个陌生领域有一种感觉我觉得大概的是对的然后所以我就请则意我说咱们要不一块干吧那你聊了多久我们一共聊了几次吧然后我们可能去深圳因为他是南科大的然后我去深圳找了他可能两次然后第二次就决定来公司了所以二十四年一月份吧二十三年年底我們說好然後後來他就稍微準備了一下二十四年一月份來公司他當時是在學校做什麼他其實當時已經畢業了在自己創業他也很能折騰又能折騰技術能力又好了這麼一個人而且思考問題他真的很本質那你把他公司收了嗎沒有他慢慢就不做那個了他當時做機器人的培訓就是給初中生、高中生做培訓機器人教培那難怪能講清楚啊對我可能就是那初中生是的是的那動手能力到底怎麼樣呢這個講清楚和能做的是兩個事就非常強就是後邊我們公司的所有的產品幾乎就是大的框架的設計都是他來把關的都是他來做設計然後他來推動所以我覺得澤伊對於公司的這個當然澤伊他對外的這個露出比較少了大家都不知道他他是一个合伙人是吗对于共产党这种合伙人给多少股份我们是这样的我说个大概的范围就是我觉得基本上按照百分点去给的就是我们原始股的百分点去给的然后其实我们那个天眼查上面要是有心人也可以查得到然後因為我覺得就是說什麼是合夥人就是我希望構建的團隊是說我要求我自己做一個中等面積流變型然後我希望我的1我的合夥人團隊做更大面積組成一個更大面積流變型然後這樣我們這個團隊就會變得很強而且很均衡的強那所以我覺得他毫無疑問在積電系統在產品甚至产品思维这个维度我觉得他都特别好然后还这么年轻天才我觉得就是然后包括我们公司其他几个合伙人也是公司的CFO天琪去年其實我們公司一直就有這樣的一個機制就是我們會持續的引入好的人然後呢這個而且我們也比較捨得我比較捨得分這些東西然後去因為我覺得我始終把公司如果我們希望公司在未來的比如說五年的時間我要翻十倍二十倍那其實我每一個階段都是創業嘛對所以我覺得我們從底層來說需要這樣一個機制去持續的把這個好的人能够给吸纳进来所以我们这个合伙人是从这个机制是从我们三个就是我天飞赵航我们三个创办这个公司之后我们就一直有的一个机制所以包括泽伊然后包括后来的华喆再包括后来的于磊就是我们商业化那边的负责人包括到最近几个月之前天奇的加入其实我们都是以这样的形式加入进来的所以我觉得这是一个我们公司能够从过去的这段时间里面一堆公司里面稍稍脱颖而出一点的原因之一吧我有一个问题不是很理解为什么开始做公司第一件事情最在乎的是整机呢其实在那个时候也可以做比如说一个大脑有很多其他的選擇為什麼選擇第一件事情是整個機能而不是一個你們這麼陌生的領域你可以從軟件開始做沒錯小君這個問題的其實特別本質因為首先我Day1的時候我想好一件事就是我們要做巨神智能巨神智能長期壁壘建立在物理世界的數據閉環之上只有把这个东西构建起来了我们才真的有一个说别人进不来我们能够长治久安的这么一个壁垒了我要去构建物理世界数据币的话我必须得有这个数据的载体这个数据载体就是我的整机就是这个硬件这是长期的事第二个就是中短期我们的商品到底是什么我们要给世界提供的商品大概率不是一個算法不是一個所謂的大腦它是一個整機加智能形成的在物理世界能夠有執行能力的這麼一個物理實體這個是我們的商品也就是說中短期我們需要軟硬結合的商品長期我要構建物理世界數據閉環我需要硬件作為我構建數據閉環的核心的媒介那從這兩件事來說都倒推回來就是我必須要把整體核空應該做好所以我覺得從戰略倒推回今天我們要做什麼事那有了這個結論之後呢我覺得我們就是說雖然開始我們不太會做然後但我覺得就是說這個不怕慢就怕戰我們就得開始做這個日拱一族咱們就往前開始搞所以我覺得是這是也是當時24年那會兒很多投資人問我的说讲你天天就搞整机你们不是一个自动驾驶AI团队吗你们不应该做AI吗那个时候其实我的解释大概就是这些就是我为了更长期的那个目标我今天我必须得做整机不然的话我如果直接去做算法这些算法也都是空中如隔这算法做完了之后我没法把它变成我的产品价值商业价值这个意义是不大的就是说在汽车这个产业里你希望做的是车企你不希望做的是某门塔那个生产位我觉得首先呢巨神智能跟汽車這個行業還是有一定的不同的汽車這個行業是或者汽車加自動駕駛這個行業是自動駕駛這波開始的時候汽車業已經存在10年了所以你也沒機會或者你作為一個自動駕駛切入賽道你也沒機會說自己造車只有是說做新能源的他能切入說自己造車然後呢所以我覺得就是說對於做自動駕駛的公司和這個同学们来说就是已经有一个10年的汽车产业是幸运也是不幸幸运是说它的客户和商业化的路径极其明确这个客户就是全球可能20个车企20来个车企商业化路径就是我们要去把产品做成方案卖给这些车企那么不幸我觉得也在这儿無性就是說因為中間隔了一道車企所以這個車企才是跟你的終端的使用者直接打交道的所以你的數據閉環構建其實並不是那麼的通暢不是說完全沒有而是不那麼通暢至少在早期不通暢那麼同時因為你是做一個軟件和系統層所以其實你對於这个车是怎么回事你没有把控力然后又因为这个软件其实和这个车最终这个体验是整合在一起的所以最终你给客户交付的这个体验有可能是打折扣的所以我觉得这就是它的不幸那回到巨神智能這個也是矛盾統一的對立的幸運和不幸也都在這不幸就是說沒載體你想把這個事做好做成你就得自己做載體你要克服你這個不舒適你要去學你要去搞幸運也在這幸運就是說當你把這一步真正做完了之後那你發現機會特別多然後下游那麼多個行業千行萬業都可以搞都可以做所以它是一個更廣闊的市場和空間所以我覺得這就是我們看到的幸運和不幸但對於我們來說我們也沒別的選擇我們必須得把整體做好就相當於汽車產業退回10多年前汽車產業退回10多年前且還有智能技術所以我就得這兩件事同時去做所以其實到今天你看我們的團隊我們的組織也是有這個就是人才密度比較高的這種智能的團隊也有就是流程體系更強一些的要求更強一些的整機和供應鏈團隊到23年底你們做到什麼程度了應該還是啥也沒有的狀態到23年底應該就是其實我們就是剛把第一輪融資做完然後第二輪融資其實是24年年初第二月份我记得是春节之前你说是那个加伦吗对加伦CFON那一轮所以基本上我们做整机和供应链这些工作都是24年这一年做完的所以24年的主题是整机和供应链没错这对你们来说是不是补课补课然后呢一是补课二是呢我觉得为我们25年建立在开发者市场里面的可能一点优势然后进入这个市场做准备为什么你们不做人性机器人你们在构型上是怎么想的你们其实选的一个折衷方案我觉得我不会把它称为折衷方案我们最早提一个理念就是说首先我们做巨神智能然后我们的切入点是要做操作我们还是想做操作这件事操作智能那我们做操作智能的话我就得去想操作这样的智能需要什么样的问题当时我们想到叫智能定义本体就是从智能的需求出发去看本体应该怎么做或者说数据定义本体你怎么能够收数据也可以这么讲但是因为智能是最终的目的数据是当中的一个手段所以说智能定义本体所以我们就想我就为了做操作那双臂肯定是重点双臂是重点之后呢那其实这个下指是双足的反而给我的智能的演进和算法的研发带来了困难因为其实到今天为止这个问题也没有解决就是双足的运动控制和双臂的智能操作同时解决这叫localmanipulation这事也没解决所以我就說那這個問題我們得先解我我先把這上至操作好而且事實上很多真實的場景裡面也不需要雙足的過坎的這些能力走路對輪試其實也就夠了所以那個時候我就定義說輪試加驅趕這是啥時候定的24年的具體時間點記不清楚應該在24年3月份左右然後我們就開始去做RE對就是我們的第一代的產品其實也是現在的延續的產品系列這個產品做出來之後我們發現學術界確實有需求今天我們把這個市場定義成開發者市場就是賣給實驗室事實上開發者市場它的內涵會更豐富一些我們看到這有點像跨越鴻溝那本書裡邊描述的就是早期的使用者都叫Innovator這Innovator其實就是開發者他就是對這個事兒喜歡熱愛想探索探索想發明點東西然後是EarlyAdopter就是早期採用者然後是什麼EarlyMajority早期大眾那麼其實我們說我們今天來看我們的商業戰略我們叫從開發者市場走向生產力市場這個戰略的背後其實就是一個科技產品從Innovator到EarlyMaturity的這個過程而且歷史上有很多的科技產品也都是走過這樣的過程遠的例子這個蘋果的Macintosh這個電腦人PC最早那就是吉克使用的後來企業裡面的設計師開始用然後再到後來一些可能文員辦公室的同學開始去用最近的一個例子我覺得就是拓竹的這個3D打印機3D打印機最早肯定是極客的玩具對吧而且是少數極客的玩具後來變成了每家企業必備的然後再到後來可能現在可能有一些這個家裡邊都想買一到兩台這個拓竹的打印機然後甚至還有人做這個3D打印的這個Factory這個FAR所以我覺得你看這些科技產品從一個創新走向這個大量被採用都是這樣的過程所以我覺得這是規律那麼我們其實也是遵循這個規律就是從開發者市場走向這個應用市場而我們定義這個應用市場最主要的還是生產力市場其實我覺得我也不是就是說這個在機器人領域第一個用這個模式的與數其實它是這個模式那它是做四足開發者市場高效然後慢慢的到這個一些二胎的這些公司然後做成一些好玩的東西然後逐漸走向現在的娛樂市場所以我覺得這裡邊是有它背後的規律的所以這是為什麼我們在做了RE這款產品之後輪商幣這款產品之後我們去嘗試向開發者市場裡面去進行商業化銷售也是為了跟客戶建立反饋的幣環那麼開發者市場本身它又是分層的塔尖的我们叫学术性开发者像李飞飞像美国最好的大学的研究员老师PhD们这就是学术性开发者再往下我们叫企业内的研究型开发者大厂里面总有一批人去做最前沿的东西对吧就是PhysicalIntelligence比如说最近我们跟蚂蚁一起这个我们帮助蚂蚁一起做的这个LinkBotVLA其实他们也是企业内的这种面向面向未來面向研究的這種開發者再往下其實是生產力型的開發者我們這裡面也有很多的客戶他就面向企業應用面向落地再去做一些開發二次開發我們這個金字塔再往下其實就是未來我們的產品更成熟更整體化他就面向集成商他會成為新的開發者再往後其實可能是終端的用戶使用者所以這開發者他不是一個說狹隘的不是狹義的科研高校市場它是一個金字塔而且本身開發的市場就是一個科技產品從早期的innovator走向大眾的一個必要的一個過程在整機這裡面你有什麼learning嗎? 拆解一下learning太多我得想想從哪開始講我覺得是這樣就是說首先做整機跟做因為我在做創業之前我就是做AI的我覺得做整機的相同點合作AI的相同點其實本質上它還是一個共同化的問題共同化的問題我們就可以用一樣的方法論去看就是拆解測量拆解測量然後我們去把這個複雜的問題拆成子問題然後做好組織做好團隊不同點是什麼呢不同點就是說AI裡面其實更強調的是人才密度就是必須得有非常頂尖的研究者去把好的算法做出來然後之前其實在AIcoding之前大家就強調這個10Xengineer就是說這類的人其實對於組織來說非常的重要但是對於一個這基電系統整機來說我覺得更強調的是整個研發流程的嚴密性对你从早期的构型设计如果这构型设计都是失败的你后边全都是错的构型设计然后逐渐到结构设计里面的线数、嵌入式系统然后你的整机的软件平台然后这些做开始做EVT验证验证你的功能是不是OK然后过程当中你会发现有你的线数可能有问题老磨损然后你的这个结构哪里强度不够然后你会发现一个供应商的这个来料质量总有问题这个就是要去用严密的这个流程去排除过程当中这些问题然后走向我们说就DVT阶段然后开始做一致性做老化测试然后走向真正的这个生产阶段所以我觉得它就是更严密的一套流程而且这个东西就是说你甭管是做今天的机器人产品做消费电子类产品还是做什么其实我觉得都是类似的都有它相同的那一部分那到了24年你们的战略变化了吗你们还是想做配送链市场吗我觉得很快就变了24年的其实就是23月份吧我记得就是在你们整机刚开始做出来的时候对对对就刚刚开始做刚开始做的时候对刚开始做的时候我们就做了调整就发现这玩意儿不work我们想的这件事太早了现在还不是做那个事的时候啥也不成熟整机也不成熟供应链也没有然后智能也不ready客户也不成熟市场也不在没法搞所以我们就马上就切换了调了战略就是说我们要做这个就是刚才说维持双臂聚焦操作然后切入开发者市场但当时呢我觉得没有我今天说的这么清楚但当时就是说那我先去就是卖高效然后后来我发现高效这其实并不只是高效它叫开发者市场开发者市场是我们走向未来一个关键市场所以要等于去运气成分吧没错对了那你们当时对于智能是怎么思考智能這塊我覺得我們從Day1我們就確定了幾個基本原則但是具體的方法論或者具體的方法是沒有的最早就是我們確定就是要端到端一定要堅持端到端一定要堅持數據驅動這兩個是我們也是做自動駕駛的lesson2不要再搞模塊的分層設計了這個不work然後一定要用真實數據去解決問題因為新駕駛其實也很長一段時間也嘗試用仿真解決問題但其實是不太work的所以我們就堅持端到端堅持真實數據從那個時候就定下來這些東西但是具體開始做VLA的這些東西我覺得還是到了25年吧我最早其實我沒有做VOA那時候在派靈之前還沒有VOA的這樣的特別成熟的範式那更多的還是做DiffusionPolicy這種小的VA模型VisionAction的這種小模型嘗試一段時間這個發現它的泛化性不足然後派靈出來做VOA覺得這個確實是很work然後就馬上調整去做B2B所以24年的智能不是你們的主線24年整機是你們的主線25年的主線至少我自己的重心絕對是在整機和融資然後到25年我的重心就開始到數據先是數據然後是模型然後同時也有融資然後同時還有商業化因為我們開始做開發的市場然后这一年我们有150多个客户这些客户其实也很多团队也付出了很多有些大客户关键客户为自己跑一线去做下来24年25年有新的融资吗一直都有我们后来融的其实都还行策略调整了之后然后那个故事重新讲然后我们这融资就还算比较顺吧因为机器人竞争它其实练练路非常的长它又是整机又是数据又是模型等等等等其实不是这些还有很多所以你的优先级是什么样的重点是什么样的不同阶段我觉得这个就是主要矛盾的问题不同阶段主要矛盾是动态变化的首先我特别同意刚才小军说的这个就是机器人巨神智能的竞争是多面的它是个六边形它不是说大圆模型我觉得更多的竞争发生在模型本身因为你会发现数据可能90%是ready然后你的渠道和终端都是现成的所以就是模型本身决定了很多产品体验的问题你也不用担心分发的问题模型及产品对没错但是到了巨神智能你会发现你供應鏈不怎麼樣幾乎都沒有然後數據沒有因為你沒有整機沒有好整機就沒有數據荒蕪然後算法有些reference但是因為沒有好的數據所以這算法到底work不work不是十分確定那模型就更不用說了然後渠道全部是線下的賣機器人你不可能線上賣還是要線下的去跟大家有分銷的體系然後再到你的這個終端終端其實就是機器人本身所以你整個駕駛鏈條裡面這個我說的是駕駛鏈條裡面算法和模型是一小部分這邊有大量的東西全都是空缺的這是這個本身的駕駛鏈同時還有就是說這個資源方面我覺得巨星智能因為它是現在整個國家都很重視全世界都很重視所以這又需要就是這個可能一些政府的一些支持资本的一些支持所以持续性的资源获取能力也很重要那你把所有这些东西拼起来对吧咱要求你这公司是个六变形那么所以呢就是说我觉得回到刚才小军的问题就是说我觉得不同的阶段我们的优先级是不一样的至少我的关注重点是不一样的那24年我就是先把持续搞融资然后整集供应链搞好25年持续搞融资然后把这个数据和正常体系我们要搭起来所以25年我们8月份全國第一個我們做了數據的開源這是我自己採的50小時的高質量的遙操作數據我們做了開源然後我們做了這個基礎模型的開源後來也有些我們的友商也陸續做了開源那麼到了26年我覺得我們的重心又發生變化26年的話當然又持續融資這個不能停但是我們的業務上的發展重心我們就來到了場景我们的整机ready了我们的数据和智能体系上真轨了那我们就是要开始关注场景和应用我们刚才说从开发者市场走向生产力市场这就要走走到这儿了数据和智能你们做到什么阶段了你满意吗很難講現在就滿意了就不可能滿意了就是但是我覺得搭起了一個框架對我覺得是我們這個團隊出現我們比較完善了然後呢我們的基礎設施搞起來了然後呢我們的這個基本的這個模型我們現在有了然後整個團隊動能很好然後再持續的往前去推進對所以我覺得就是說我已经看到一个团队尤其赵航现在带领团队非常好氛围也很好然后大家干劲也很足然后我们的结果也不错在这种情况下我相对来说我就可能花的时间和精力要少一些所以这一块主要是赵航在做智能和数据你們堅持用真實數據但是機器人行業跟智能駕駛行業一個最大的不同是在智能駕駛行業天然它汽車就已經在賣車的同時就已經有正向商業模式的同時又能收集數據所以還有大量的真實際數據那機器人這一塊數據太可憐了那怎麼辦呢為什麼一定要收集真實數據呢對這裡邊就涉及到大家也常常討論的一個問題那是仿真數據反正現在數據是沒有的那你就要得搞數據是仿真數據還是真實數據那麼我們其實從Day1就比較堅持真實數據我覺得在這個裡邊就是說這也是你從自動駕駛裡面學到的是嗎我覺得很大程度上是的而且我覺得AI有一個底層的一個原理就是說我要解決的這個問題在這樣一個斗內裡面那我訓練這個模型的數據最好也在這個Domain裡面不然的話就涉及到了所謂的DomainTransferDomainTransfer這個問題其實曾經是AI裡面很火的一個topic在我讀過那會兒但後來這個工作大家就這個方向大家漸做的少了因為發現還是得用數據那個Domain裡面的數據解決問題更有效而且確實是有效果的所以我覺得這是底層的一個原理那到了自動駕駛我們也確實是發現可能9.%的問題都還是真實數據路測數據解決的問題仿真不說不用但首先仿真這個詞是一個overloaded的詞就它有很多含義在自動駕駛裡邊它有很多含義那麼真正解決問題的還是我們說的真實數據就是實測的實踩的這些數據那麼到了巨神智能,我們看到傳統的graphicsbased,基於圖形學的渲染器做出來的仿真體系的seemtoreal的gap,我們認為還是很大的,那其實就導致了domaingap的問題,這個其實很難克服。
- [117:19]
那麼當然了大家可能做仿真的同學會說仿真數據容易獲取因為我這生成出來的真實數據你獲取不了你得去現實世界去採取貴對是貴但我覺得貴與便宜這事我們得綜合去看得算賬我這裡邊就是有一個就是我們要關注的是什麼第一關注智能的總成本智能的總成本三部分數據成本數據的獲取成本然後訓練成本然後工程師團隊的成本我們姑且把工程師團隊先放一邊因為這個大概反正就是那個數那麼數據的獲取成本和數據的使用也就是訓練成本的關係大體是1比5到1比10也就是說我花1塊錢搞來的數據我得花5到10块钱才能把它训明白那意味着什么如果我的数据的质量是低的我其实把很多钱浪费在训练这一步了所以这是我们就是说从一个成本的角度你去算这个事你也要想尽办法把数据的质量提上去你這樣才節約你的這個訓練成本所以我回答這個就是貴的這個事我們要整體來去看貴和便宜這是第一點第二點就是說我們再去算賬說數據真實數據獲取的真實成本到底是多少到底有多貴要不我先問一下小俊你覺得獲取一個小時的就是物理世界的這個真實數據你盲猜一個你覺得應該多少錢它這裡面分為了運尾的成本也有人员的成本你这里面说的是成本是哪个成本把所有都加一块一个小时吗一个小时真实就是真实菜是吧你可以就直接估一个数量级就好是十块钱一百块钱还是一千块钱我想想一千OK10塊錢真實的數字我們自己運營下來我算上首先真實世界裏面才一個小時就是我要獲取真實世界裏面一個小時的數據可能我實際投入的人力在三到四個小時我把三到四個小時的人工算上我再把我的機器人折舊的成本算上大概是多少錢20到250塊錢這個是真實的成本那麼意味著什麼就是在中國的成本中國可能北京、上海、蘇州這樣的比較貴的地方可能到比如說西部的一些地區會更便宜那麼意味著什麼意味著我獲取一萬小時的數據250乘以萬是吧250萬我獲取十萬小時的數據是250萬十萬小時的數據意味著什麼其实一个人从生下来到18岁和物理世界交互的总时长是这个量级是10万小时这个数量级那意味着什么呢我们假设这个机器人它是有使用寿命的嘛它是几千小时的一个使用寿命就是折到每一个小时就算这个成本使用完这几千小时之后它就报废掉了它价值就全部归零了我在想王赫算的這個賬你聽一下人性機器人一臺至少10萬製造成本一萬臺買下來用於數據採集是10個月每臺兩板倒兩人搖操四個人需要一個月小幾萬還有標註和質檢每個月維護一萬臺機器人成本再收益到10億我關注的是每小時成本我們首先得定下來一個計量單位就為什麼我要買一萬臺這問題沒回答是吧所以我們就說我算的是每小時成本每小時成本這個裏面這個我剛才說獲取一小時的真實的數據我大概需要三到四個小時的人工因爲什麼它不是一比一的因爲這裏邊機器人可能需要付費然後需要setup等等的然後機器人折舊這事怎麼算我們估計十萬其實我們的成本會比這更低一些但我們估計按這個來算吧那我們去定一個它運行多少小時它就徹底報廢了我們保守一點說一千小時1000小時其實是還中性的一個估計因為最終你會發現機器人的壽命會限制在哪裡限制在齒輪上面就是齒輪這個東西會壞掉繃齒或者是精度下降了其他地方其實不太會壞那麼齒腕除以10是多少是10是吧然後你加上我剛才說的三四個小時的運動是不是這數一小時是20到250對這個我給你算的還是一個粗獷運營的還沒有特別精細化運營然后你也没有把你的就整机成本事实上比这个更低而且整机的售价事实上比这个更高他们现在也讲一个数据金字塔塔间的数据就是真实数据这个毫无疑问因为这个数据没有seemtorealgap然后下面是仿认数据和以人为第一视角的数据就是在承认真实数据非常有效的情况下我们增加下面的数据量有什么问题呢它的不好的地方在哪里呢首先我们说数据金字塔的定义应当来自于智能的需求就是我得看智能要解决什么问题而不是说我凭空就定义出来数据金字塔就是这样的上面是真实数据下面是什么数据最后是仿真数据谁说的非得是什么样数据金字塔是对的但谁说的数据金字塔非得长成这样非得是这么个比例没人说我们得看智能要什么什么样的数据比例对于智能的最终的产出效率是最高的你们现在选的全部都是真实数据我们现在认数据为主吧认数据分两种或者说分几种第一个刚才我们讲的是叫robotcentricdata就是以机器人为中心的人要操作它第二种是叫Humancentricdata就比如像乌米像美国公司三类好像是采集的包括其实还有更新的外国的一些采集设备这些都是Humancentricdata这些数据其实都有用还有就是POV数据人就戴一个眼镜戴一个头戴式的摄像头然后手上什么也不带就采这些数据其实这都是统一的Humancentricdata然后还有什么就是第三视角的数据互联网视频数据然后还有什么还有所谓的仿真数据当然仿真数据里面又有不一样的我们得看这仿真器是graphicsbased就是基于图形学的渲染出来的数据还是基于真正的世界模型生存出来的数据這是我們說的所有的可能的數據但是沒有人知道的是這些數據的比例關係應該是什麼這個叫DataRecipe很多大元模型公司今天的最大的秘密就在於這個對於基層智能公司來說也是但我們現在知道的就是這些數據所以我們要保證的是什麼我們要保證對於信海圖來說我們要保證的是我們在各個類型的數據的獲取上面都暢通無阻我都有你沒有說你們一定Bat智能數據不我一定以真實數據為主這個是確定的這個是一定的真實數據為主但是我到底是1萬小時的真機要操作數據還是5萬小時的這個污泥數據還是20萬小時的這個POV數據這事得試出來這不是拍出來的這個是實驗就是AI歸根結底還是實驗科學得試出來你們現在數據recipe是什麼这个坦率来说今天此时此刻在训练的这个模型的这个recipe其实我也不是特别清楚啊但是大体还是我们刚才说的这个真实数据然后呢真机要操作然后5米然后加PUB这样数据的一个混合我也聽過一種說法就是說為什麼有的公司BET仿真數據有的公司BET真實數據是因為BET真實數據的這些公司他們的商業模式是要把這些機器人賣給你說的開發者也就是實驗室然後讓他們去採集真實數據再來訓練自己的模型所以這是你們商業模式決定的你們一定要說真實數據最有效絕對不是首先就是我们的一切的起点就是说首先我们说巨智智能这个事儿还是一个完完全全技术驱动的一个创业是技术的改变带来了产品的改变带来了商业模式的改变对它不是因为我定的是商业模式是这个所以我定我技术是这个这逻辑是错的所以我们是最早我们就想清楚了就是要真实数据真机数据为主然后去做这件事坚持团团端然後又因為這個技術產生的這個產品現在不成熟沒有直接的生產力場景的價值所以我們要先去做一個開發者市場然後逐漸做一個過渡所以我覺得它的這個邏輯不是因為商業所以這個技術而是因為這個技術所以這樣的模式真實數據可以怎麼Scalable真實數據的Scalable其實要就是說有兩種條件或者兩個要素第一個就是我們一定要進入到真實場景它得是一个场景的它不能是所有无穷无尽的场景它应该是无穷无尽的场景就是各种各样的场景我们不要做限制所以不应该特别多的在所谓的数材场里面去完成这样的数据采集所以我们也是从去年开始我们应该是全国第一个去做我们叫真实场景的数据采集OK这是第一个条件就是说我们一定要进入到真实场景当中去因为真实场景它是nonscalable的话我必须要去构建一个场景出来第二个就是我们一定要用重包的方式去做数据采集也就是说我们要把采集的设备以某种方式分发出去大家一起能够参与到这个活动当中来而且在这个里边可能政府肯定是要有一些支持我们也要去投入然后有一定比较好的商业模式支撑这样的东西去往前去走今年我们也会去做这样的实践那么这两个要素一个是把这活分出去一个是分到真实场景里面来所以就会使得我们这事可以快速scalable所以這也是為什麼我們也一直很關注北美的一些進展北美其實是我覺得比國內更早的進入到了它叫無本體的數據採集就是無米包括三代這樣做的採集手套、採集甲卷這樣的方式裡面我覺得這個方向是很重要的你说今年对你来说很重要的是应用和场景你准备怎么定义场景呢? 首先我们可以系统性地聊一下这个问题最终我们巨型智能能够落地的一定是供给侧和需求侧碰出来的一个东西因为首先说需求侧其实非常非常的多幾乎所有現在咱們說這些勞動者在做的這些活兒按理來說都是具身未來要解決的問題所以需求特別的龐大但是不是所有的需求都是好需求或者都是適合在這個階段解決的好需求那麼這個時候我們先來看看供給側供給側我覺得基礎模型的供給特點它有這麼幾個點也是我們定義的頂層指標我們叫速度、精度、散化性速度就是它基础模型驱动下的操作速度能有多少我们看基于模仿学习的大概率超不过人可能80%9的人类速度就不错了那么精度是什么就是厘米级别的操作精度毫米级别的我觉得那是下一步的事先解决厘米级别的然后是泛化性这个泛化性就是说我需要多少条新增数据才能够解决一个新问题那有些动作比如我们今天已经做了就是我们叫万物抓取那在抓取这件事上我们已经做到零样本的犯法那么在比如说像Fold这个事上面可能毛巾T恤衫在我们办公室里面衬衫这些都可以搞一搞但是其他的衣服还是要重新取血所以这个里边就是有一部分是零样本有一部分是少样本有一部分还待解决所以这就是我们所谓的犯法性的定义就是多少个新增数据可以解决一个新问题這看的是邊際成本速度精度繁華性這個是我們的供給的特點然後我們再回需求側所以需求側就有這麼幾個限制的第一個就是速度不能要求太高是吧太高的這個技術做不了第二個就是說其實還有一個點就是說AI還是會出現問題的還是會犯錯的所以這個犯錯之後的失效成本不要太高不要一搞错了就无法挽回的损失这个不太适合这是两个技术条件然后在这个基础之上我们还要再去看就是说好的场景好的商业化的这个场景一定是说有爆发力的就是我做完一个之后我可能很快就到一万台这样的场景在這樣的這個裡面你會發現首先我們要求這得是個全球化的一個市場就是假設一個事兒只在中國有只在千發大國家地區有那可能不是第一步的好市場對吧它一定得是歐美國家有的因為那邊付費能力好付費能力高第二個就是說全球市場的這個情況下且在全球不同的市場裡面的這個場景又是比較類似和統一的比如說什麼就不符合了商業服務裡面的很多其實不太符合不同國家的酒店可能是不一樣的不同國家的零售可能也長得不太一樣所以你把所有的這些放在一塊然後不斷地去碰撞統一然後我們現在看到的還是比較看好的首先我們定義了幾個通貨大力我們叫Carry,Pick,Pack,Fold,OperateCarrier就是搬Pick就是拿Pack就是包Fold就是叠然后还有Operate就是操作设备操作一些设备其实您去想很多我们现实世界当中的劳动者都是这五类动作的各种组合而且几乎你会发现每一个岗位涉及到这个动作组合的数不会特别高20个30个40个基本上cover很多岗位不會有一個崗位說一天這個人需要做幾百種不一樣的這個動作其實都是很固定的所以像這樣的崗位我們看起來是好場景所以據稱是一個好場景率先要鋪梁要落地的現在有哪幾個具體的場景非常具體的我覺得在這個倉儲物流裡面的這個binpicking是很好的一個場景其實它解決的問題很簡單就是這個超多的這個SKU可能一萬個上萬個SKU在一個倉庫裡面它的存儲方式是什麼一个一个写口的盒一个盒里边放一个东西放一类东西一个盒里放一个东西然后很多时候人干什么订单检选人拿了订单去哪儿检又因为它这个数量太多了所以传统的那些物流解决方案其实没法有效地解决这个事所以我们看这个场景还不错然后还有些其他的我觉得像智能制造这个场景里面其实也有大量的这种物流的环节场内物流的环节智能制造里边它其实一是物流二是这个装配组装组装这个就涉及到了毫米级别的操作而且很多时候是柔性操作复杂度一下就上去了那我们可能要放一放那么场内的这种各类的物流就是单手拿双手搬的这类的其实都可以我聽起來會有一個很大的疑惑就是10年前也有很多的機器人公司在成立他們也都可以做這些場景為什麼需要這一代的AI來做這些場景呢其實還不太一樣首先就是說這些不是很定制化的東西就是說我分成兩個問題去講第一個就是物流是一個持續地在被機器人的公司解決的一個問題那麼早期的比如像這種Kiva这样的这种机器人再到后来比如像这种甲爆式的机器人甲爆就是甲爆掉箱然后送到一个地方其实它基本上都是解决一大类问题但是时至今日你会发现大量的仓库里边还是有很多人拿着订单去到一个一个的这个这个血口壳里边去捡货这个动作还是很多的原因是什么原因就是当你的SKU的数量特别多然后订单又是从这些SKU里面挑几个就这类事情发生这类事情其实在很多场景里面都会发生传统的方案是没办法的所以这就是为什么传统方案没法解决这类的问题这是为什么今天还是有很多人再去做这样的事在车厂里面其实也有类似的这个一般他车厂里面叫所谓的SPS集中分装他干的是什么就是这个车在上总装线之前他一般會有一輛AGV先去到一個小倉庫去然後他轉一圈然後三五個貨架就會有一個人這個人從這個貨架上面把對應的零部件拿出來放到這個AGV的車上就做這一個動作這裡面用到的人其實也很多所以其实你看它都是这样的从一个区域拿一个东西起来单手拿或双手搬放到一个指定的空间里边pickanythingplacetosomewhere就这么一活那傳統的方案無論是這種夾抱機器人還是移動式機器人它沒法解決這個事再到比如說很多傳統的這種協作幣、機械幣它解決不了的是泛化性問題它能解決的是一個比如說一拖牌的貨這種插車搞一下或者是碼舵大的這種機械幣去碼舵這樣的事可以解決但真正到了這種物體成千上萬的然後不同類型不同形狀的傳統方案是失效的这是第一个问题然后我们继续说第二个问题就是刚才第一个问题说的是为什么传统的这些方案没法解决然后第二个问题就是说为什么它不是一个高度定制的东西因为在这个里边其实你看我都把刚才这个问题归结为了什么就是pickeverything或者pickanythingplacetosomewhere事实上今天如果小军来我们的办公室你能体验到第一部分了已经就是你随便从兜里边掏一个东西出来随便拿一个什么口罩耳机口香糖放在桌子上它都能给你准确的给你发起来而且我们这套就是用真实驱动的VLA去解决的问题那我们接下来再解决一个placetoanywhere其实它是一个从AI的范式里面你会发现它是一个高度统一的问题它不是一个定制化的问题我理解这一波机器人公司这么贵很大的原因是因为你们讲了一个通用大脑的故事大脑你们是怎么做的你们现在做到什么阶段了以及你们和比如说字节小米等等这种大公司做大脑你觉得未来会什么关系在海外可能是NVIDIA、Pi可能是Google首先我们先定义一下大脑我觉得大脑这个词有时候会有点模糊我们回到技术模型这个词我覺得這個世界上會有兩個很重要的技術模型至少對於巨神智能來說一個我們叫做動作的技術模型也就是VLA這個動作技術模型最終是要產生action就是驅動一個本體執行任務它的輸入是vision和language那麼還有一個模型其實是做上層的指令的拆解邏輯的思考能力的這個往往是一個多胞胎的語言模型VLM那么今天我们的所谓大脑的结构其实就是这两个模型的一个组合我们叫双系统那么这个VLM干的事就是把一个模糊的指令拆解成若干个可以执行的任务然后这个若干个可以执行的任务进入到VLA然后去完成这样任务的执行那么这两部分都叫做基础模型它的功能其实不太一样这是我们现在的架构也是我们相信能够支撑我们往前走很長時間的這樣一個技術架構你們是第一梯隊嗎我覺得在如果看國內的話我覺得我們是第一梯隊當然這個問題要回到從哪個維度去定義這個梯隊其實大家會去看的話就是估值融資額然後一些技術的發布然後商業化能力我覺得就是說從真實的智能水平从真实的水平我们肯定是因为在这里边我们我觉得是引领了国内的首先从去年的下半年开始国内有开源我们是在国内的这波公司里边我们公司做了第一个公司层面的技术模型和数据的开源然后后来有很多其他的友商也做类似的动作我们是8月份当时开源了我们的数据和我们的G0的技术模型然後後來我們一些友商9月份、12月份、今年1月份也陸續也在發也在開源那麼我們今年1月份又做了一件事就是說我們在開源的基礎上我們做了一個開箱集中的體驗因為我剛才說我們今年的重點是什麼是場景是用戶那麼其實我們看到就是說真正你在做application之前我們可以把這事分成這麼幾個階段最原始這個階段叫demointhevideo就是視頻裡的demo這樣的東西很多然后是Demointheoffice就是你可以在一个公司的办公室里面看到他现场给你做这个demo第三种类型叫Demointhewild就是我们说的我们用办公桌取的demo我可以在所有地方去做这样的部署在我們事實上在新加坡、在韓國、在美國的客戶那邊在我們的辦公室、在很多投資人的年會的現場我們都展示這個Demo而且真的是pickupanything很多觀眾或者是體驗的同學都是掏出來的東西都可以解決這個叫DemointhewildDemointhewild解決了之後其實才是application所以这是我们今年年初我们在发布的GNUPlus这个机模里面我们释放的一个能力我们跟我们的这个整机就是RELite做了一个整合这个也是国内的首创我们为什么做这件事核心还是在于第一我们要勘察能用第二我們相信商品的主要形態是整體價值的為什麼你們選擇VLM和VLA這雙系統為什麼不直接做一個端到端你知道你同行也有人做端測是的我覺得這個裡邊其實這個還蠻直接的就是我們必須要考慮的一件事是到最終我們落地的時候我端測的算力其實是有限的我不可能把一個幾十幣的一個推理模型甚至是上百幣的一個推理模型放在我的端側這是不可能的這個一定是在服務器上的我端側裡面是什麼端側裡面就是一個完成動作的模型那如果我把這個端側的就是所謂完成動作的這個VLA模型也放在雲上它最大的問題是啥就這個延時大概是解決不好的所以執行動作的模型一定是要在端側而且很多时候你会发现其实我们并不需要那个VLM的那个推理部分假设我的很多就是工商业的这个工作场景里面很多工商业工厂就二三十个动作那我就这二三十个动作直接调用这个VLM的这个语言接口其实也就够了真正什么时候用VLM还是我们要进入到更通用的场景更繁华性的任务比如说家庭这个VLM才是一个最重要的不可或缺的一个组成部分所以这是为什么我们要把它拆开那还是围绕着我们要真正的产生价值产生商业价值去考虑对于先海图来说你觉得它的肢体更重要就是硬件整机更重要还是脑子更重要一定是大脑一定是模型更重要但是我们为了做好模型我的整机一定也要好所以这是它们之间的逻辑关系就是你觉得整机能采用数据并环然后为了智能对那你们相对于这些大公司来说做一个机器人大脑的优势是什么其实我觉得应该这么去想就是做一个大公司相比于我们有什么优势因为在很多时候其实我觉得我们这儿全是优势你看谭杰,谭杰就跟我说他觉得他在谷歌的大语言模型上在这个基础上面去做VLA就有很大的优势他需要一个更聪明的大脑,然后VLA其实是基础模型的延伸但是你们没有这样的一个基础模型,一个庞大的基础模型首先我們要盤一盤就是說為了把這事做成的成功要素有哪些然後以及去看這些成功要素到底是在大公司裡邊分佈的多還是在我們這樣的公司裡邊分佈的多這個決定我們剛才說的所謂的優勢這個問題我們首先定義目標我們的目標是把VIA這個模型做好就是能夠讓一個機器人在物理空間當中能夠真正的去解決問題做各種各樣的操作這是我們的目標那麼我們為了去做好這個VIA模型我需要什麼我需要數據這個不是互聯網數據而是真實世界裡面的機器人也好人也好去操作這些物體的數據這是數據層面第二我需要一個好的算法这个好的算法今天本身有一部分承接自传统的这个VLM的这个领域包括Transformer这套架构包括Diffusion这套架构也有一部分上代创新上代研究这一部分是大家其实都没有的前面一部分是大家都有的后面这一部分大家都没有的然后这个第三部分是什么是算力算力其实是基础设施的能力和资金然後是人才大廠是什麼呢基礎設施算力人才肯定都特別好最缺的是數據包括美國的很多公司其實我們跟譚老師交流也很多他們就是很著急的就沒數據趕緊搞數據其實就是說在搞數據的這件事上面中國的公司系統性的要比美國的公司更有優勢然後中國的創業公司因為在整機和硬件方面都是很多公司都是親力親為自己去做的所以相比於大廠速度更快因為大廠裡邊要做這件事他要獲取數據要麼買數據要麼自己採數據但是你会发现买来的数据一般都有这样那样的问题除非这供应商特别优质但这供应商优质的前提是什么这供应商优质的前提是他自己得懂模型才能把好的数据搞出来就这里边你看这个悖论就来了这个矛盾点就来了你如果不懂模型你是没法定义好的数据体系的你就天天光在那儿那个乱七八糟的采吧你采完的数据全都是垃圾数据没什么用必须得有懂技术模型的公司定义这套数据体系和数据的治理体系然后再把它交给一个或多个运营团队完成数据采集做质量验收然后才能进入到训练这个阶段所以你看它是这样的一个流程同时这个数据还得是在跟你的整机有一定的结合性因为最后我后续链肯定还要继续整机的这个数据做后续链然后才能去交付出去所以你会发现有整机有硬件能力有基础模型的knowhow是我们去把数据的这套东西给做好的一个很重要的前提条件所以这就是我们这样的一个创业公司或者是有整机能力的创业公司相比于没有整机能力的其他公司我觉得是一个优势的地方你们是不是也想卖数据给他们我觉得数据不是我们的业务但是我们乐于分享这就是为什么我们去年8月份我们就开始开源数据开源数据完之后很多我们的客户其实就找来说能不能从我们这搞一些数据其实很多时候我们都是无偿或者是稍微收一点点小费用但都是很小的就交付给了他们去使用所以我们是乐于分享是不是能這麼理解你們其實是想走特斯拉的路線如果對標到自動駕駛行業的話我覺得在比如說我們說特斯拉的這個自動駕駛路線是整車加上這個數據採集加上端到端的這個模型的這個智能我是這條路選的我覺得我們是的我們要自己做我們的整機我們要完成數據的採集然後數據的這套體系然後基於這套東西我們要去做好的基礎模型不同的是什麼不同的是特斯拉做的是汽車還有一個明確的行業對它本身汽車本身是有需求的汽车本身能卖出去然后机器人本身卖不出去对这个我觉得是挑战那你看好像比如说李响小鹏这种车企来做机器人吗他们有他们的优势我觉得他们有他们的优势我们也有我们的优势我觉得企业之间去竞争这件事的无非就是说刚才咱们讲到的顶层的看的话我觉得是三个要素就是人才或者组织然后资金资源然后就是业务协同往往我觉得大厂或者说有一些优势业务的这些企业做一个新业务的时候它对于完全的一个初创公司来讲最大的优势不来自于人才和资金而在于已经存在的业务的业务系统这个我觉得是最要命的比如說做語言模型天然的字節有整個飛書和抖音的這些流量它做這個就在需求上直接就有協同所以對於做語言模型來說它就是一個降維的問題很大的劣勢那麼對於自動駕駛來說純粹是做一個自動駕駛軟件的供應商那直接就會面臨來自於比如說車廠他要直接去做車廠自己做自動駕駛的一個因為車廠自己做自動駕駛他直接掌握數據直接把握用戶需求只要他能夠投入足夠多的資金然後把好的人才隊伍建立起來其實他做這件事優勢也很大所以這個就是我們剛才說的業務協同這塊我覺得是創業公司面對大公司真正的压力所在如果没了这件事其实军人智能是没有的因为你发现需求测千行万业那么多也谈不上什么业务系统大家都可以找到自己的客户然后供给测全都是新供给汽车的零部件一个也运不到这个机器人上大家都得从零开始研发然后自动驾驶的这些数据道路数据其实对于解决操作的问题用处也不是特别大所以这就不存在刚才我们讲的这个所谓的业务系统OK那就回到了人才、组织和资金资源这两个维度的竞争了从这个维度去讲的话我觉得大家各自有各自的优势你有把Momentum的量产文化怎么贯彻到新海图首先我觉得我想做一个小小的修正就是我觉得不是量产文化而是为客户创造价值这件事到底有多重要我看到很多公司它不把为客户创造价值以客户为中心或者客户第一这样的理念作为公司存在的最重要的原因这个文化和价值观的缺失其实会导致很多很多的问题量產這件事其實我覺得這個定義有點狹義,所以我想把它定義為客戶創造價值,用技術為客戶創造價值的這樣一個文化,我覺得是非常重要的。 Day1开始我们就特别致力于去做这件事这就是为什么我们在发现了直接去做生产力场景不太可能的时候我们及时调整然后去开发者市场我们给开发者市场的客户提供价值也是价值而且事实上能够跟客户建立起来无论什么样的客户只要他的需求是真实的他的付费是OK的那麼我們做的單位的經濟模型是正常的只要是在這樣的模式驅動之下形成的供給和需求之間的關聯對於這個組織來說又特別的好因为可以培养整个这个组织的一个为这个VL的客户价值做务实创新的这样的一种文化氛围不然的话很容易我们这样的就是技术出身的这个创业团队就容易进入到一个大型实验室大型研究院这种状态那样的话我觉得就背离了我们做公司的初衷了最近许华者要离职是的他跟这种一个是research驱动的文化和一个是你叫它實踐也好你叫它量產也好群眾文化是這種兩價值觀的分歧嗎我覺得首先我還是想肯定一下華哲華哲是一個非常有影響力的一個科學家他在很多前沿問題上面的理解算盤問題上的理解也很到位但是我覺得確實是存在一些就是說我們到底是要去做一個務實創新不要客户价值一步一步来这样的还是说可能我们就是要更多的去做一些超前的创新之间我们是要有一个balance然后呢华者的其实我们最后决定还是这个支持华者去这个创业其实我们华者的第一轮工资我们也会投资啊现在也会投资那么更多的还是出于一个华硕想去做2C方面的家庭应用方面的探索那么在这个角度虽然未来不排除我们也会去做我们愿意去以一个新的方式去支持它把这件事做好我觉得这个在当下来看对于大家来说都是更好的选择你们所相信的东西在当下这一刻的分歧是什么我觉得其实谈不上特別多的分歧我覺得還是就是說公司發展到其實剛才我從開始就提到了就是說公司有這個合夥人的機制那麼從最早我、天威、兆航我們三個我們創辦了這個公司之後那麼公司到現在為止引入了多位的合夥人我觉得公司在不同的发展阶段需要不同类型的人为公司持续地去创造价值当然我们也特别愿意去分享公司的价值然后去把大家做成一个特别好的团队在这个过程当中我觉得我们本质上还是战功文化实事求是的战功文化那么我们会特别鼓励有结果的同学去用更多的公司资源做更大的事同时我们也会实事求是的去做一些调整所以我觉得我们以新的方式支持华喆去做他的创业我觉得也是过去的这段时间大家实事求是的根据结果然后大家共同的做出一个选择让华喆主要是做算法这是不是意味着现阶段来说对于机器人公司算法创新并不重要不是首先我们公司的算法创新能力非常强赵航在这方面的能力我觉得也是有目共睹的但是我们想强调的是什么呢就是说算法的创新它不能独立于存在独立于整个公司的基础设施去存在我们还是要看整个的精神智能价值链条这价值链条是什么是整机、供应链、数据然后呢这个AI的info然后是算法然后结合了这个算法之后产生一个模型然后是分销然后是我们的终端是我们的客户价值在整个这个链条里边你会发现我们如果用一个关键指标去衡量的话就是看各个要素的传播周期你会发现整机和供应链的传播周期是12到18个月中端和这个渠道的传播周期是正常的因为你需要线下的跟客户建立起来关系传播周期指的是什么传播周期指的是当我的比如说一家公司有了这个东西我需要多长时间也有这个东西或者我有了一个东西我的友商学我他需要多长时间能学明白学会完全掌握这事整机构供应链12到18个月一个新产品的研发就是需要这么长时间然后呢这个客户渠道的这个建立六个月起步大客户时间更长那么这个数据体系是在刚才我们说的整机的这个基础上再加6到12个月因为你要基于你的整机体系去构建你的数据的这个套壁画体系然后你会发现在当下这个时间点就是算法的传播周期相对是较短的因为现在大家都讲开源然后至少论文都是有的對於第一梯隊的有非常好的這個算法和工程師團隊的算法工程師和這個工程師團隊的這樣的一個公司來說算法差不多就是兩到三個月所以它競爭壁壘最少它投入大但是壁壘小對它在創新上面投入非常大但是它在防止被抄襲這件事上的壁壘很小所以在創業公司直接發落大廠就好了我覺得是說我們要學會用更聰明的方法更有RI的方式去做創新所以你看我們公司有一個價值觀叫務實創新創進前面先要務實對先要務實我覺得還是創業公司先生存然後我覺得就是說理想主義是對的我也覺得我是個理想主義的人但是理想主義不能變成空想理想主義能夠實現的基礎是我們每天都要去算ROI然後去算一件事對於我們的長期戰略的價值貢獻和我們短期收益的價值貢獻到底有多少這就是我們的總體return但是我們一定要有這樣的一套邏輯去算你剛才也提到在Momentum邵青離開了Momentum至於曹旭東的影響你覺得華喆離開新海圖至於你的影響這兩者是一樣的嗎首先我不好谈就是徐东当时在这件事上他的真实感受或者真实的判断是什么但至少就是说我觉得对于星海图来说这是一个长期来看绝对利好的一件事然后因为我觉得还是就是说我特别在公司里面强调的就是价值观价值观是指导我们整个组织成长然後發展的最內核的那個東西而價值觀的底層是什麼價值觀底層是第一面對取捨的時候我們怎麼選擇到底選什麼不選什麼然後面對利益分配的問題的時候我們分給誰不分給誰的問題所以在這些問題上我覺得我們絕對是要堅持我們的價值觀和我們的長期戰略不會為短期的利益這是一個艱難的選擇嗎取捨取捨我覺得在任何時候都不容易吧你想了多久其實這件事settledown其實蠻久了去年8月份我們內部基本上就完成調整兆航統一管理我們的基礎核心團隊也正是在兆航統一管理之後我們就取得了很多進展到今年1月份我們全球首個的開箱機用的GLONPlus兆航帶領團隊拿出的結果那么8月份那个时候我们基本上就是达成了一个一致我们就是说整个基础模型照航带领华者去探索2C的应用方向的一些可能性然后公司愿意去支持他做任何愿意的探索同时支持他去在合适时机去投资他去创业理解我們剛才其實說了很多不管是大腦也包括算法然後也包括整機也包括數據但你覺得你的技術vision是什麼你最終希望信用海圖變成一家什麼樣的公司呢我知道你有很多路徑你有很多的方法你有很多的拆解你有很多的ROI聽起來都很現實但你的技術vision是什麼我覺得如果單說技術的vision的話這個是我們可能每一次我跟投資人去講的時候我的第一頁的PPT就是我們希望給這個世界帶來的巨神智能帶來的核心體驗是我們要像能夠讓培訓機器人像培訓一個員工一樣培訓一個人一樣通過幾次的示範然後再通過幾次的自我演練這個機器人就可以在那個場景裡面穩定的自主的完成任務我覺得這個是我們要最終實現的這麼一個體驗一個願景那麼為了支撐這樣的體驗和願景我們在產品上面我们是三个产品的一个组合基础模型加互训练工具加整机是这样一个组合给我们的客户带来使用机器人员工可能像用一个人类员工一样的体验未来其实会更好机器人员工的生产力会显著增加我们整个人类社会的幸福感这个世界会因为友情而有什么不一样呢因為有新海圖這家公司有什麼不同呢? 就是你們和另外一家基層公司的不同是什麼? 我覺得未來還有很多可能性,但迄今為止我覺得我們已經給這個世界帶來了一些不同就是我們已經服務了至少150多個全球的開發者客戶他們在用我們的整機產品、數據產品和基礎模型產品在做他們想做的这个生产力场景的这个应用那么我希望我们的产品能够进入到不仅仅是开发者当中而是进入到真正的使用者进入到开发这个生产力场景当中去能够给大家提升生产力带来更多幸福感所以我觉得这是从今年往后看我们要给这个世界带来的不同为什么我觉得在机器人行业里面好像没有看到那种特别有tech浪漫主义的人很有可能是机器人这件事本身就不浪漫为什么呀这是我的疑惑我觉得确实是机器人这个事儿链条非常长周期也很长相比于语言模型AI应用类的创业我觉得很大的不同就是它的链条的长度不一样如果我去做AI应用或者是大语言模型不用操心供应链的事儿不用操心数据的事儿我可能也不用跟特别多的线下的客户打交道然后我就安安心心的做好我的模型研发然后我做好我的社媒的上面的这个病毒传播就好了这种事本身就会让这个团队有更多的这种浪漫的可能性而我们天然的就要去土里边做很多东西我们就没法浪漫就要务实你在公司做的非常激进或者是务实的一件事情非常极端的我覺得我可能沒有什麼極端的選擇我工作的時候我們還是步步為營首先我對於長期的戰略非常的堅持就剛才我們講的我們要做整機要做預訓練模型要做後訓練工具然後提供這樣的體驗出來這個我非常堅持然後我們要從底層去構建我們的供應鏈體系這個我也很堅持但是呢我并不会就是说在一个时间段内把所有的事同步展开因为那样的话我实在拿不到好的结果所以我们的策略一般还是不顾未有所以这是为什么我们24年我的重心就是整机构供应链对25年我们就是数据智能26年我们就要开始做长期供应链我很好奇啊怎么能识别一个机器人公司在画笔我觉得这个东西无法在一个瞬间去完成识别需要一个周期所以就是要去看这个团队可能一年前两年前说的跟他这一年做的以及跟他一年之后做到的去做一个对比现在有谁啊看起来花饼的嘛你是说我其实觉得就是大部分我觉得投资人还是很会观察和选择这个群体基本上經過投資人選擇的這些公司還都是經過了時間的驗證然後拿到了一些結果至少在某一方面拿到一些結果的公司你們在畫餅嗎必要的畫餅肯定是要做的因為我覺得是這樣其實這個世界是靠相信去驅動的就是很多時候不是说我已经拿到了这个结果了而是大家我们的公司的员工投资人供应商客户相信我们能够把这件事去做到那你说我要让别人去相信的时候就是这个我肯定要去说未来我们要会去做什么事所以如果我们把描述未来会发生什么这件事定义为画饼的话那肯定我们天天画饼对吧但是我们要努力的非常非常努力的去把我们每一个对于未来的描述这个就不是那个意义上的花瓶你们最近一轮融资是不是即将close还是已经close了已经close了对你们讲一下这一轮融资的过程以及它的资金来源这轮融资的过程其实我自己参与的参与度是历史上所有融资最少的主要是靠天琪主要是天琪他这个太厉害了这比我的融资能力强多了我现在主要是这个花瓶他需要我这个什么的时候我去讲一下所以具體的融資過程我覺得有一些波折因為我們也很坦然的就是說我們跟華碩的這些問題肯定會造成一些大家的理解也好不理解也好需要一些的解釋但是客觀的結果是非常好的我們這一輪有很好的產業背景的包括吉利包括北企还包括很多大的PE阶段的和一二级Crossover包括振兴和金鼎等等更关键的是我们有六家老股东都ProRata而且还有可能是三家还是四家Super就是超额包括凯辉包括基础资本包括香禾我觉得就是大家的这种选择其实是已经充分的认可了我们公司过去取得的一些成果以及对于未来的一个展望您的估值相比两年前增长了多少我想想两年前是24年的现在24年的1月份增长30倍好像是30来倍吧1月份那时候我们就刚24年1月份刚公开第一轮3亿左右吧现在的话我们是10亿估值在两年时间迅速的膨胀这么多你觉得组织会遇到问题吗其实我觉得组织会有问题的原因不是因为估值上涨了而是因为组织本身变复杂变庞大了这个会有问题除非就是说这个创始人团队因为估值上涨自我膨胀了那个肯定会引发很多但是我覺得我們是沒有我們今天的狀態我覺得要比兩年之前清醒的多更務實的更清醒了對於未來要做什麼事更明白了那麼在這個基礎之上我們去看組織的話我們首先組織比兩年前也擴大了得有個20來倍吧我們今天大概那個時候也就十幾個人現在有20來人20多人那麼擴大這個過程當中其實我們對於組織的調整速度還是很快的在不同的階段我們這個陣型怎麼展開基本上可能每三到五個月我們都會做一些局部的調整你有遇到一種現實的問題嗎像你的挑戰我覺得我可以說一個我印象最大的最大的我覺得還是說在我們要做的事的難度複雜度和廣度在急速擴張的過程當中我們首先是公司已有的同學包括我在內包括其他的創始人合夥人在內能不能跟上這個成長速度第二個就是我們能不能及時引進更牛的人有更多經驗和knowhow的人去及時補充對我覺得這是第一個問題第二個問題就是天然的做具身智能這件事是兩個domain的兩個領域的混合一個是我們的就是整機供應鏈這一套強調流程體系強調紀律性第二個是智能智能這是強調這個當然它有它的工程屬性在但更多的還強調人才密度創新創新對沒錯所以這個一個是強調紀律流程一個是強調創新人才密度天然的會有一些組織上的難度在所以我覺得這個是我們看到的兩個挑戰你現在怎麼調和的呀我們調和的方法其實我不敢說我們今天已經調和得很好了我覺得還是會有很多很多的問題華州地質是不是跟這個有關係我覺得這個可能關係倒不大因為這個東西它不是一個從組織層面看整機和智能的矛盾因為我們智能團隊今天很強很好我覺得我們的一個基本的我們做什麼事的這個基本的方法就還是我們對人我們就要正直誠信正直誠信就是說還是做對的事然後真誠地對待公司裡邊的每一個同學然後同時我們強調一個就是說我們還是比較精益精盈的就是該省的就省該花的就花我覺得是這樣的一個情況下大家也都取得了一個比較好的一個諒解和平衡你們現在是估值就是正在交易金額的估值排名第幾的中國居成制的公司我不是特別清楚其他家的這個準確估值因為現在這裡邊其實也有很快速的變化據你了解此刻此刻我不知道前五可能是前五第五因為我不太知道有幾家公司的具體估值最高的那個智原銀河宇樹這三家可能是最高的嘛然後我不知道還有沒有哪些再交易的比我們高所以我保守說一個第五吧前五吧你觉得你能从同行身上学到什么我一直学习语术的做整机和供应链他们就是做得很深入深入整合自己设计齿轮自己设计壳体自己设计里边的做电磁纺针做电机这些其实是我们一直在跟像语术学习深入的去进入供应链整合我们的上下游然后我觉得跟PI我们也是学到很多PhysicalIntelligence更多的还是整个巨型智能行业在智能这个领域的投养我觉得是毫无疑问的他们的人才密度、资金密度都保证了他们能持续做这件事所以我觉得在他们的前沿算法做大模型、基础模型这个方向上我们是学习很多但我觉得我们比他做的更有效率第三个其实我觉得在智原我们也学习很多当然这个智原我觉得它有很多很多种做法我觉得我不去评论那些存在争议的做法我看到一个成熟的管理团队去做巨神智能这样的一个事业的过程当中他们有什么样的经营动作非常非常多我觉得他们做的很多方面都很好他们甚至连知识产权这件事做的都特别的好知识产权可能是一个大家都不会关注但是我关注到了我发现他们知识产权做的特别好组织也很好然后整个管理团队也很实事求是调整速度也很快所以我觉得真的我是比较respect出源的然后我们也跟他学习了很多创业很早的时候我跟有幸跟邓总聊过一次那个时候我就感觉到他是一个很成熟的企业家的一个状态了你的创业老师是谁创业老师啊这可能还真没有一个我就是能学的我就学没有一个人是说可能没那个运气吧遇到一个特别好的老师能够去教方方面面如果把星海图在商业社会比作一个动物你觉得它是什么这个问题还真没想过我的第一反应是这个问题真不好回答我觉得如果非要类比的话可能是狼但是狼我觉得又不是很准确因为狼好像要突出我们的狼性但其实我觉得大家都很狼性没有哪个公司不狼性的现在就是巨神智商里边前面这几个公司都非常狼性都非常卷所以这个问题我觉得我们没有一个特别好的答案可能最接近的是狼能不能说一个片刻一个时刻特别能体现你或者你们公司的狼性我覺得在很多的客戶交付的問題上或者是在時間節點的面前有很多時候也不是給客戶交付可能就是我們自己定了一個發布的節點在這些時刻我覺得我們公司整體現出的進取心和韌性非常好非常強然後比如說我們在G20Plus在發布之前整個團隊可能我們趙航老師帶領下的整個支撐團隊也包括整個集團隊也要配合可能連續工作了我不知道一個月的時間就週末是不休息的我覺得這種韌性然後這種進取心然後面對目標這種就是一定要達成目標的這種韌勁我是很感动的我也很自豪我们有这样的团队你喜欢什么样的音乐什么样的电影什么样的小说我很喜欢看电影大学那会儿几乎把豆瓣里面的高分全看完了以至于我现在没有好电影可看然后丧失了一个很好的享受的娱乐的一个方法所以很多时候老电影会重复看一看我喜欢看的电影类型其实很广能够让我暂时的脱离这个世界的让我进入到另外一个空间的这些电影我都很喜欢这个故事性的科幻的动作的然后可能还有一些比如悬疑的爱情的我都喜欢看然后我觉得通过看这个电影一方面是放松另一方面看看还有什么样的这种故事的这种可能性都蛮好的音乐我不是一个好像很高雅的音乐好像不怎么听主要就是听一听流行音乐吧90后周杰伦、吴岳天我觉得这些都很普通普通青年没有一点文艺的感觉书的话我小时候其实看的不多但是我很喜欢看书看历史类的书很多我们希望每位嘉宾都给我们的观众和听众推荐一本人生之书就是它真的对你有很大的启迪和改变你能不能给我们推荐一本不能说曾国藩我就刚好想说这个那我觉得可以是那我说一本我最近在看的吧就是我最近在看这个吕斯敏写的一本就是讲三国的书那个名字我有点忘了但是就是吕斯敏讲三国的那一本然后我觉得就是说三国这个历史其实它呈现出的状态某种程度上来说和巨神智能今天的状态很像有非常非常多可以参考或者获得启发的地方而且事实上真实的历史总不是那么戏剧性真实的历史有它的逻辑性然后真的如果我们回到那个时间节点你会发现没有哪个人是曹高也没有哪个人是绝对意义上的理想主义的英雄都是在现实当中去挣扎去取舍然后凭借一些运气可能然后取得了一些胜利然后步步为营然后去取得最终的一些成果我觉得好在的就是说那个时代太就是你死我活了最后好像只有有一个人能够能够取得一些结果一样但今天不是今天我们我們每一個人都可以和好每一個公司都可以和好更多的還是說我們怎麼沒讓我們的客戶去把價值做出來用我們的技術用我們的產品你創業以後在現實世界獲得的一個最大的正反饋和一個最大的負反饋分別是什麼我覺得最大的正反饋我期待的正反饋還沒有來臨是那兩個數嗎出貨量我觉得融资对于我来说没啥成本,我每次融资成功我其实给自己的这个什么都是我覺得我肩上的責任20億幾十億的錢在賬上我得把這些錢花好管好這麼多同學投入到公司裡面我要為這些同學我覺得要負責任要給他們一個好的前程然後很多政府的領導給我們關懷然後我要去交付一個好的產品和結果給他們很多客戶給我們機會我覺得我不用辜負所以我覺得更多的是感受到這個責任负反馈坦率来说也没有特别多没有特别多开始的时候有些负反馈有些投资人不理解你但坦率来说我也不觉得这是什么负反馈我后来其实我很早我觉得我就大概形成了一种状态我没有特别在意别人对我的评价我就是称度比较低去在意然后我更多的还是会去想是说我们的目标是什么我们要给这个世界带来什么价值我们现在有没有在做正确的事我接受我们现在做的这些事假设我内心认为我们是正确的是实事求是的大家有一些不理解不认可甚至是瞧不上等等这个我也都OK所以我觉得这个就是说我在我们坚持要去做的这件事上sofar我觉得我没有什么因為付款扣押度搖過我有人評價你們產品不好你怎麼想我會第一時間去解決第一時間去我其實很多時候我就去客戶現場然後我們在發展過程當中確實產品很多時候有問題的這是我覺得創業的過程當中常態所以我的辦法就是說第一我自己作為這事的第一責任人我去客戶現場我去給客戶去解決同时我要把这个体系建成起来持续性能够解决这些问题通过一个问题解决一类问题然后因为很多时候身先士卒能够给大家做表率然后我也要求我的简易们也是这样做身先士卒然后在一线获取一手信息解决客户问题然后给团队树立好的榜样还有几个客户快答一个全球范围内你喜欢的食物我平常对食物研究也不多我比较喜欢吃假设就说一个吧我现在突然碰到脑子里边了就是我上那个我读博士的时候在洛杉矶嘛然后洛杉矶美食很多有一家店我特别喜欢叫那个ABCTofuHouse吃韩国的这个豆腐锅的那个我是特别喜欢一个全球范围内你喜欢的地点我觉得如果有一天我退休了就不干活了不创业创业差不多结束了可能我觉得洛杉矶挺好的基于当下的认知一个关键的重要的bet是什么我觉得我就回到创业这件事上我觉得首先我去创业这个做巨神智能就是我人生的bet我这一辈子就干这件事然后在当下这个时间点我们选择把在生产力场景我们做出万台的出货量做成我们就当成我们接下来最重要的事这个就是我的想法你听过我播客没有听过你听过谁的印象最深刻的是李一帆的李一帆的为什么我觉得李一帆讲的很多东西因为他是做自動駕駛相關的激光雷達我記得當時你採訪他他談到了很多他早年間14、56那時候是混沌摸索期的那個狀態我是很受啟發然後我發現就是早期今天这么成功公司这么好早期的时候其实也是一点一点做过来的也不是一帆风顺然后想起来我们最早的时候我觉得混沌期的时间会更短一些我觉得反倒我还挺幸运的很快我们可能就步入到一个还OK的轨道上面包括他談到很多對於客戶和技術產品的這些理解和判斷的時候我是一是有共鳴二是有啟發所以那一期我是印象很深刻我們工作室叫語言及世界工作室當你第一次聽到這個名字的時候你在想什麼語言及世界工作室我覺得這個名字特別貼切就是說其實這個世界我們每一個人看到的這個世界都是一个主观认知之下出现出来的世界而这个主观认知的过程就是一个语言的过程所以我觉得这个其实会有一点违心主义但是我觉得这个是普遍的常态但我觉得确实是很多时候我们对于这个世界的理解就是通过这一个一个的违心然后去尝试还原一个客观世界刚才我们走过来路上问你个问题就是有什么机器人行业你们都知道的事儿但我们都不知道你们讲讲秘密我觉得可能因为大家对于机器人的理解更多是来自于视频视频的形态塑造了大家对于机器人的认知我想说的是可能视频里面呈现出的机器人状态比现实当中的要好得多然后现实当中的机器人我觉得大家还是要给他更多的耐心但这件事会发生所以我说的那个感受你觉得是对的我觉得在机器人行业里面好像没有那种特别技术浪漫主义的人我没有见过起码我觉得这个行业不允许这样的人存在如果有这样的人存在可能他会有很大的suffer就是我选择AI这个产业和我选择巨声智能这个产业应该是不一样的人我觉得这个行业这件事会把人塑造到不一样的状态是一个狼的状态是一个既要有理想主义又要每一天很务实地去思考我今天要做什么明天要做什么我每件事的这个收益和付出是什么的状态需要平衡好很多方的关系的一个状态好了今天的节目就是这样这里是商业访谈录是一档由语言及世界工作室出品的深度访谈节目你可以到公众号关注我们的工作室获取更多的信息我们的公众号是语言及世界languageisworld我们希望和你一起从这里探索新的世界字幕由Amara.
- [184:41]
org社区提供