和高陽聊世界模型、野狼disco和“伯克利歸國四子”

具身圈流傳著“伯克利歸國四子”的說法，多少帶著幾分時勢造英雄的意味。

UC Berkeley 是全球機器人、強化學習和具身智能的頂尖學府。星動紀元創始人陳建宇，千尋智能聯創和首席科學家高陽，破殼機器人創始人許華哲，前邊塞科技創始人、最近加入Meta的吳翼，這四位青年學者并稱為“伯克利歸國四子”。他們的人生軌跡有相似之處：均本科畢業于清華，后赴加州大學伯克利分校攻讀博士，并在相近的時間節點回國。過去幾年，他們先后走到具身智能創業與產業實踐的一線。

科學家創業一度被視為“不靠譜”，但科學家創業的大時代還是來了。眼下還遠沒到下定論的時候，他們也必然有大量的商業課要補。但為什么是他們站在風口浪尖上？

《Blue hour》的第一期，我們跟陳建宇聊了聊。本期嘉賓高陽同樣是“四子”之一。上個月，千尋智能宣布完成15億元A+輪融資，這意味著這家公司在三個月內密集完成四輪融資，累計融資45億。

高陽是千尋智能的聯合創始人和首席科學家，也是清華大學交叉信息研究院的“90后”助理教授。這次我們談了技術和商業，談最新的Spirit v1.6和當下最熱的世界模型，也花了更多篇幅，跟這位青年科學家聊成長歷程和一路面臨的選擇。

高陽是東北沈陽人，兒時常去媽媽工作的揚聲器廠玩，迷上了搗鼓電器。他的家境談不上富裕，幸運的是，他從一所普通小學考上東北育才，這所初中開設了計算機課程，甚至還有機器人興趣小組。這些偶然獲得的機會，后來成為他走向人工智能研究的起點。

比起“努力”“競爭”一類的詞，高陽更喜歡強調的是“興趣”。十年前，清華錄取分數最高的專業還是土木工程，移動互聯網的大幕拉開，計算機專業起勢，但人工智能這個方向還在早期醞釀。遵從內心模糊的指引，高陽覺得研究人工智能“比研究計算機網絡怎么傳數據有意思”。至于這個專業火不火，他不太在意，他對于錢的看法是，“能吃得起飯就挺好，也不用很有錢”。這個擇業的邏輯，很反張雪峰，也是他人生選擇的一個注腳。

高陽給自己選了深藍色，這讓我犯了難，到目前為止，本欄目邀請過的三位具身創業者都歸在了藍色系，深深淺淺的藍。藍色，在高陽眼中代表冷靜，那當然是一個講究理性、嚴謹的科研人最常見的一面。

但跟他聊天也有一些出乎我意料的發現，比如，作為東北孩子，他看過《漫長的季節》，喜歡“野狼disco”，講起話來卻慢條斯理，聽不出一絲東北口音。在那些看似理性的選擇背后，驅動他的，往往又是某種難以量化的興趣和直覺。他讓我想到平靜的湖泊那種極清淺的藍色，清透的但又能包容許多的。正應了訪談里說到的那句，less is more。

Spirit v1.6和世界模型

劉燕秋：這次 Spirit v1.6 的模型，和 Spirit v1.5 的模型相比，它有一個什么樣的大變化？

高陽：因為我們的模型是沿著這個技術路線往前走，v1.6 呢就相當于我們用了更多的數據，然后在模型訓練的 Recipe 上有一些提升。每個點的提升單獨拿出來都是一些比較小的點，但就像你去提升發動機一樣，每一代可能都有一些不同，但會慢慢變得越來越好。

劉燕秋：Spirit v1.6 在RoboArena的基準測試中是位列全球第一。你覺得這個第一的含金量體現在哪里？說實話，我不太懂，現在好像各種 benchmark 也挺多的，大家都會標榜說自己在一個什么樣的競賽中拔得頭籌。

高陽：嗯，明白。這個含金量是這樣的：首先，這個比賽是由 Nvidia、Stanford、Berkeley 等北美比較著名的機構發起的。之前這個榜單上主要都是北美的模型，比如 PI 啊、NVIDIA 啊這些。在我們做之前，中國的模型基本沒有參加這個比賽，因為這個比賽相對來講還是比較難的。它是一個雙盲測試，并且測試的任務是比較開放的。每次測的時候，你也不知道模型會被問到什么題，沒有辦法預知。

所以這個比賽對于模型的泛化能力要求比較高。有一些比賽是把題發給大家，大家就可以背題，那就測不出來模型的真實智力了。但這個比賽完全不告訴你什么題，題是大家隨便想的，想干啥干啥，所以這個比賽變得很難。

劉燕秋：我感覺現在大家都在通過各種榜單來證明自己技術能力的階段，很像智能手機剛出來的時候，大家都在刷分，但現在已經沒有人搞這一套了。所以我想，后面機器人更多的衡量因素是實際使用情況的時候，大家就不會再去拼榜單了。

高陽：是的是的，我覺得慢慢大家會變得越來越應用導向。因為現在還是技術發展的初期，做一些應用相對來講還需要一定的時間去打磨。在這個階段中間，大家也想去展示一下自己的模型或者其他方面做到什么程度了，所以我覺得這是一個中間狀態。

劉燕秋：前兩年大家統一都會講自己的技術范式是 VLA，但現在最新的潮流變成了世界模型。我不知道你們現在做的也是世界模型嗎？這個是需要在架構上有一個重新的調整，還是說要融合一些什么東西進去？

高陽：我們現在的架構是一個世界模型和 VLA 結合的范式。其實我們一開始的架構和現在就沒有什么太大的區別，從大體的架構上。只是我們以前沒有把從互聯網人類視頻預訓練這個東西叫做世界模型。只是最近，比如楊立昆和李飛飛他們在做一些相關的東西，讓這個概念變得很火，所以大家就重新講這個概念。但我們的模型其實一直里面都有一些數據是用來訓練世界模型這種損失函數的。

劉燕秋：所以這個世界模型它并不是一個新鮮的概念，對吧？

高陽：它不是一個新興的概念，至少 10 年前就有人講，只是最近重新被翻了出來。

劉燕秋：對，所以現在好像世界模型進入了一個百家爭鳴的階段，大家都在爭奪對這個東西的定義權，而且都有不同的路徑。

高陽：對，我們是比較偏隱空間的一些世界模型。

劉燕秋：為什么選擇的是這一條路徑？

高陽：因為首先像素空間的視覺模型，還是有挺多問題比較難解決的。比如說你要生成像素，可能比較昂貴，以及像素對應到動作，比較難以對動作有提升，因為像素太細節了。隱空間有點像人理解這個世界，你理解說，這是個瓶子，但你也不能想象這個瓶子上每一個像素都是什么顏色。所以它更加接近于人的這種理解。那么這種方式就可以讓模型能夠 focus，不會讓模型帶偏。如果讓它訓練太多像素空間的東西，它就忘了自己本來要做的那個動作的事了。所以這是一個比較好的 trade off（權衡）。

劉燕秋：你怎么理解這個事情在當下的位置？比如說大語言模型、具身模型和世界模型，它們之間是一個什么樣的關系？是并列的關系，還是相互之間是從屬的？

高陽：是這樣，大語言模型和具身模型的區別在于模態的不同。語言模型是純語言，但具身模型是有視覺、語言和動作，模態更多。世界模型的話，其實是獨立于這兩個維度之外的一個維度，講的是我對環境進行操作，環境會怎么變化。但對于語言來講，它比較直接，你說了一句話就多了一句話，沒有什么其他額外的東西，所以對于語言模型，世界模型沒有什么太大的意義。世界模型大家講的更多是對于帶動作的這種操作。這是兩個不同的維度，一個維度講模態的區別，另一個維度講要不要預測未來，把未來預測作為一個額外的損失函數加入到模型的訓練之中。

劉燕秋：所以世界模型對于搞具身、搞機器人的人來說，更多的是手段還是目的？

高陽：手段。它不是目的，目的是讓機器干活。世界模型是生成未來的想象，但生成了想象，目的還是要干活，所以它只是一個手段。

劉燕秋：最終你覺得是大語言模型，還是世界模型會統治我們的世界？

高陽：哈哈哈，肯定不會統治，還是人來主導這些東西。我覺得最后會是一個全模態的模型，有所有的模態，可能也會預測未來等等。

劉燕秋：所以你覺得現在這個行業里面還有哪些詞是被濫用的嗎？就類似于像什么全棧啊、世界模型啊這種。

高陽：最近主要是世界模型。

東北往事

劉燕秋：他們之前說你是東北小鎮長大的，所以是哪里呢？

高陽：我是遼寧沈陽人。

劉燕秋：大城市，國際化大都市。我其實對于東北、對于沈陽的印象，有一點被前些年所謂"東北文藝復興"這個概念所塑造。因為前些年有一些影視劇，比如《漫長的季節》，你有看過嗎？

高陽：我很喜歡，非常喜歡。

劉燕秋：我覺得那個故事非常打動我，它所塑造的那個年代的東北，有一點落魄，有一點衰弱，有很多下崗的工人，你覺得他們的生命好像就是如同草芥一般。但同時你也能感受到他們生而為人的那種底層很高貴的東西。

高陽：我覺得《漫長的季節》和我小時候的記憶是非常一致的。比如說那里面會講一些破敗的鋼廠，因為我媽媽在沈陽的一個揚聲器廠工作，我大概十多歲的時候，就是國企改制那一批，就像《漫長的季節》里演的那樣。所以我覺得《漫長的季節》是我小時候一個非常藝術化的重現，所以我很喜歡。

劉燕秋：所以你媽媽當時在廠里做什么工作？

高陽：那個廠是生產揚聲器的，就是做喇叭的，比如用在汽車上或者音響上的喇叭。我媽在那個廠應該是做技術的，但具體她沒有跟我講得很詳細。反正就是做一些電器方面的技術工作。所以我小時候對這些就很感興趣，對于各種各樣的電池、電子零部件都很感興趣，我媽也經常從他們廠拿一些不用的東西給我玩。

劉燕秋：嗯，所以你也經常去廠里，也是大廠子弟是嗎？

高陽：哈哈，對，這個大廠和今天意義上的大廠還挺不一樣的，是一個國企。

劉燕秋：那你爸爸是做什么的？

高陽：我爸爸最開始是在一汽金杯，就是那個年代大家買得比較多的金杯汽車。他最開始在一汽金杯下面做汽車輪轂的一個廠，干了些年，后來又去汽車輪轂的上游，比如生產鋁錠這些廠，他是做質量檢測的，也是偏技術、偏質檢的那一環。

劉燕秋：所以那部電視劇讓你覺得很喜歡的點，是在于它讓你回憶起了童年的生活環境，是嗎？

高陽：我覺得它是這樣，每個人的小時候都有一些印在腦子里面很形象的東西。可能你跟小學時候的同學講，你們倆能 resonate，能有一個共鳴。但如果不是跟你一起長大的人，你就很難跟他表述這個東西。我覺得《漫長的季節》相當于把我小時候以及我們那些同齡同學小時候的記憶變得很鮮活，并且也很浪漫。

劉燕秋：里面那些隨著時代的變遷、產業的變遷沉浮全程的這些人，這個是比較打動我的地方。所以你當時周圍會有因為時代變遷而失業的人嗎？

高陽：我媽就是在這個時代里面失業的人。她可能從我大概10歲左右開始，他們工廠就沒有什么活可干了，基本上沒有班可上，就是基本失業的狀態。有很多人，在東北這是一個很普遍的現象，在國企上班的人，很多都是在199幾年到2000年那一段時間，一大批失業。我覺得我看《漫長的季節》這種感覺是，我自己和我的父母，所以可能我不會以一個第三視角去看。

劉燕秋：那作為一個還挺小的孩子，你那時候內心的想法和處境是什么樣的？

高陽：我就沒啥想法。這個事情可能對我的父母那輩人來講是一個很大的東西，但對我自己來講，感受就沒有那么強烈，我就覺得這是一個正常現象。

劉燕秋：我想到東北文藝復興里面還有一個代表作是寶石Gem的《野狼Disco》，你有聽過那首歌嗎？

高陽：我很喜歡，非常喜歡。真的嗎？對，他的很多代表作我都聽過，并且很喜歡。這個真的很文藝復興，因為里面講的那些東西都是小時候或多或少會有一些感受的事情，比如說什么小時候的舞廳，我沒進去過，但是外面看到過很多。其實包括《漫長的季節》里面也有幾幕在拍那個場景。

劉燕秋：為什么那個場景會給你留下很深刻的印象？

高陽：因為小時候我就很好奇，這些舞廳在外面，當然說你不能進，也不知道里面是啥，就覺得很好奇，很有意思。長大了之后，相當于從文藝復興的一些文藝作品里面去了解到小時候那個沒被解的疑惑，就很有意思。

劉燕秋：所以成年之后第一次踏入舞廳是什么感覺？

高陽：不過如此哈哈。覺得很吵。

劉燕秋：哦，蠻巧的，老舅我之前也有聊過，但他那時候可能還沒有那么火。我記得他當時講了一句話，印象特別深刻，他說他當時在搞的那種音樂，具體叫什么我不太記得，就是一種氛圍感，他說這個音樂重要的就是這個氛圍感，你的人如果要活成跟這個音樂是一個氛圍，你就成了。

高陽：我倒覺得他好像從他后來的一些演藝生涯來看，和他寫的音樂很不一樣。

劉燕秋：因為他走上了一條謀求主流的道路。

高陽：對對，就是他寫的那個音樂是一個很社會大哥的那種，但是他自己走上了一個演正劇的道路。

劉燕秋：對，當時做他的那個稿子，還去長春采訪了當時他們在長春同一個廠牌的另外一個兄弟。他們很像是在同一個點上出發，但是選擇了兩條完全不同的命運軌跡。像寶石Gem可能就是抓住了一個機會，覺得人生應該往更上走、往外走。他的朋友就選擇在長春當地開一個錄音室做音樂，說很多人這些年接觸到很多年輕學生都想往外走，但他想留下來，覺得這個地方還是需要有人留下來做點什么。他當時講這些我還挺被打動的。

高陽：我覺得每個人還是有不同的一些想做的事情，這些其實是每個人自己的 preference。我覺得對于一個想做像二手玫瑰啊，或者老舅這種 local music 的人，肯定是留在當地是一個更好的選擇，因為會有更多的一些靈感。

“小小科學家”突圍

劉燕秋：所以你小時候除了喜歡搗鼓那些電器，還有什么其他的特別愛好？

高陽：我小學時候還很喜歡玩賽車，就是《四驅兄弟》那種賽車。因為那種賽車是你買一個盒，里面有各種零件，然后自己拼起來。我記得小時候因為家里不是特別富裕，所以有些家庭很富裕的小孩會買很多個賽車的盒，拼很多個賽車，配置很高。那東西就像現在露營一樣，你可以很低配地露營，也可以很高配地露營。反正我當時就很低配地玩那個賽車。我印象還挺深刻的，沈陽原來有一個大商場叫興隆大家庭，是沈陽中街的一個商場，那里面可能5樓還是6樓有一個賽車跑道，有四條道，曲里拐彎的，又爬升又下降，你可以在那跑道里面跑，會更好玩一些。

很多個周末我都是去那玩賽車。那賽車因為是很多零件拼起來的，而且速度很快，所以有時候比如撞到哪，或者飛出來，就會壞。我就自己去修，壞到哪就修哪。可能我有那么兩三臺比較舊的賽車，就從一個零件上拆下來放到另一個上面。而且當時我還自己手纏馬達，因為里面就是一些銅線什么的。當時也沒有什么理論知識，反正就是覺得很有意思。

劉燕秋：那在學業上你是屬于從小就很學霸的那種嗎？

高陽：幼兒園我有點記不太清了，但幼兒園大家都是100分嘛。小學我們班一共有三四十人，可能我每次能前三、前四之類的，也沒有說一直第一，但大多數時候都是。

劉燕秋：第一梯隊。

高陽：對對對。

劉燕秋：那你覺得你是屬于應試教育體系里出來的，還是說你父母對你更多是素質教育？

高陽：我覺得 depends on definition 吧。可能高中時候會比較明顯，有些學校很看考試成績，題刷很多遍，大家就比較應試。但我的小學說實話不是一個重點小學，就是一個普通小學。每個人喜歡干的事，你讓他多干點，可能這就是素質教育。所以我覺得我小時候玩賽車也是一個 by accident，可能也是素質教育的一個體現吧。

劉燕秋：所以就是一路比較順利就到了高中。

高陽：我小學是回民小學，初中和高中都是東北育才。東北育才在我們當地是一個很好的學校。

劉燕秋：成都七中那種。

高陽：差不多那意思。遼寧省當時可能有類似5所和東北育才水平接近的學校。我初中是考上東北育才初中部。育才的學習壓力會更大一些，因為它還是一個比較重點的學校。但是在育才里面，我從初一接觸到編程。我小學是一直在玩賽車，從初一接觸到編程，但初一當時沒覺得很有意思，因為初一的時候學校機房在裝修，只能在紙上面學編程，就很沒意思，看起來很干巴巴的那種。初二學校機房好了，我們家也買了一臺臺式機，就覺得這東西很有意思。

劉燕秋：所以學計算機不是所有中學都會學這個學科嗎？

高陽：不是，在當時基本上所有學校都不會學計算機，初中和高中一般都不會學。當然是因為有計算機競賽，所以相當于我們開那個課。很多包括我自己也是參加了當時叫NOIP的比賽，就是 National Olympiad in Informatics — Provinces，省級的比賽。因為有那個比賽，我們學校開了那個課，但很多學校其實并不會開這個。

劉燕秋：所以你的興趣一下從賽車轉移到編程，是嗎？它對你來說其實跟賽車很像，是一個玩的東西。

高陽：對，因為我小時候挺喜歡數學的。第一次學什么一加到100，奧數班教你1+100、2+99，高斯幾歲想出來這個解法，巴拉巴拉的，有很多那種類似的題。計算機很擅長做這種重復性的工作，不需要你很聰明地想出來1+100=2+99，1加到100等于多少，你寫一個很簡單的程序就能算出來。所以當時就覺得，誒，這個玩意很有意思，可以用它來做數學作業。所以當時就編程很感興趣，很多時候自己就擱那研究。

劉燕秋：所以后來保送清華也是通過競賽？

高陽：對，進入育才之后我參加了三個競賽。一個是計算機競賽，因為從初二開始比較正式地去學，有個比賽就參加了，從初中一直參加到高中，拿了省一等獎。數學競賽，因為從小學一直比較喜歡數學，但后來發現自己數學天賦也沒有那么高，尤其是到了高中學競賽的時候，發現很多同學想問題的能力比我強很多。但初中和高中也都參加數學競賽，高中拿了數學競賽省一等獎。

保送清華是參加了一個比賽，叫"明天小小科學家"。它是一個名字聽起來比較奇怪的比賽，是一個創新類型的比賽。這個其實也非常感謝東北育才，他們高中有很多像興趣探索班一樣的東西。當時有幾個，有一個是機器人的興趣探索班，真的挺前沿的。但說實話我們當時還不算真的機器人，那個探索小組叫機器人，實際上就是在做一些單片機相關的小應用。單片機就相當于一個小電腦，可以放到各種各樣的硬件上去用，和編程也是蠻相近的一個興趣小組。我自己對編程比較感興趣，因為那個機器人小組能有各種各樣的東西可以玩，所以當時就參加了這個。

那個比賽從現在的視角來看，非常非常像我們現在在大學里面做科研，或者在公司里面做一些技術探索的東西。我從高一開始就接觸這些東西，也覺得蠻有意思的，后來做了很多小項目。保送清華的時候我做了一個密碼學的項目，聽起來很高深。

劉燕秋：密碼學。

高陽：對，設計一個新的加密算法之類的，聽起來很高深，但現在看起來肯定有很多問題了。不過當時對我來講是一個很好的 practice，相當于做了一個很大的項目，探索了一些東西，證明了一些東西。

劉燕秋：還是要感謝東北育才。

高陽：對，我覺得非常非常感謝。其實可能很久都沒有講這些事情了，但今天講起來，作為一個初中、高中生，有這樣比較前瞻的一些興趣小組或者一些機會，還是很難得的。如果沒有這些機會，可能也會上課刷題什么的，可能會很不一樣吧。??清華到伯克利，計算機視覺到具身智能??劉燕秋：所以后來通過這個競賽保送到清華之后，大概是一個什么樣的狀態？你當時對清華抱有一個什么樣的期待？

高陽：我小學的時候，經常聽人說，這個人是一本的很厲害。所以我小學就覺得，以后考上一本就行了。上了育才之后，發現大家都能考上一本，那也能考一些更好的學校。但當時也沒有說一定非得去清華，就覺得中國的清北復交浙大這些都非常非常好。反正當時做這個競賽，運氣比較好，能保送到清華。

劉燕秋：那你去了之后，像清華這種學校，它本身就是累積了一批全國各地的尖子生。你去了之后，會不會有一段時間覺得有落差，自己可能比不上其他更優秀的同學，需要重新去調整、去找自己的位置？有這個階段嗎？

高陽：我入學前是這么想的，會很擔心說大家很厲害，而且我也沒參加高考。

劉燕秋：沒參加高考更厲害。

高陽：不是，我這個比賽聽起來比較水。因為更多人保送清華還是數學競賽國家一等獎、計算機競賽國家一等獎這種。我保送的是"明天小小科學家"，別人問起我什么競賽保送，我說"明天小小科學家"，他們覺得我在開玩笑，因為沒有人聽過這個比賽。所以我進清華之前就覺得，能畢業就行了，因為大家都很厲害。但我進去之后，因為之前學過計算機競賽，發現大學講的課對我來講還比較簡單。因為從初二開始就學計算機編程這些東西，那些東西對于沒有學過的同學來講還是挺難以理解的，思維方式和人類正常的思維方式很不一樣。

上了大學之后，我反倒覺得還挺輕松的。再加上高三保送了，沒什么事，自己把微積分和線性代數學了一遍，所以那些數學課也覺得挺簡單的。大一上結束之后，排名在計算機系比較靠前吧，150人里面可能前五之類的。我覺得我也沒有特別努力，但可能因為之前學了比較多相關的東西。

劉燕秋：融會貫通了。

高陽：這個東西對我來講還挺順利的。但我并不是說我比別人聰明，而是提前學了一些東西。如果別人也提前學了，大家也會這樣。

劉燕秋：但清華的學生肯定都是自驅力很強，都在背后默默努力的呀。

高陽：是這樣的，當時在計算機系，學生基本分為兩類。一類是高考的同學，他們一般都沒有學過編程，所以第一學期甚至前一兩年都很痛苦，因為要學編程。第二類是計算機競賽保送的，他們大多是計算機競賽國家一等獎，我當時是省一等獎，省一等獎和國家一等獎還差挺多的。但他們因為高中一直在學計算機競賽，沒有學文化課，所以微積分搞不明白，線性代數搞不明白，有很多同學英語也沒咋學，一些英文材料也搞不太明白。所以我因為兩個都學過，雖然兩個都學得沒有那么好，但課程難度也不是那么高，反倒對我來講是比較容易的事情。

劉燕秋：經過這四年，你有確立下一個目標，說要沿著學術路線接下去走，而不是馬上工作？

高陽：其實當時沒有想那么明確，只是看學長學姐畢業之后，大多數人還是選擇繼續讀書，有人讀博，有人讀碩，有人出國，有人在清華直博或者讀研。當時覺得想去國外看一看，體會一下，因為新的環境能給人很多新的感受。而且至少在當年，美國的學術水平還是比中國要高一些的。所以大概大二左右就想出國讀博。

劉燕秋：那么早就確立了。

高陽：其實沒有完全確定，當時想出國讀博或者碩士。

劉燕秋：后來是在幾所學校之中做選擇嗎？

高陽：因為當時要出國，最想去讀博士。讀碩士學費非常貴，家里也出不起那么多學費，讀博一般都有獎學金，所以這也是一個原因之一。當時拿到了 Stanford 的碩士，Berkeley 的博士，MIT 的博士和 CMU 的博士。計算機方面，美國這四所學校是最好的，大家經常說這四所學校是"四大"。當時這四所學校的 offer 都拿到了。

劉燕秋：所以為什么最后選擇了伯克利？

高陽：拿到 offer 之后，他們有一個挺人性化的安排叫 campus visit，可以去學校實地看一看。大四的時候買了張機票，去了不止四個學校，每個學校轉了一下。當時 MIT 非常冷，CMU 也非常冷，冰天雪地的。但 Berkeley 和 Stanford 都是加州陽光明媚的那種，天氣非常好。當然不止因為天氣，還有就是當時 Berkeley 在機器學習這些領域的學術水平也很高。所以最后還是主要因為學術水平選了伯克利，天氣也是一方面原因。

劉燕秋：當時這些決定都是你自己做的？

高陽：對，包括出國，大多數決定我爸媽都不怎么管。

劉燕秋：我之前跟一個北大系的科技創業者聊天，他說清華系搞技術的創業者會比較缺乏批判性思維，說北大系的創業者不僅僅會考慮技術，還會考慮這個東西到底是什么、從哪里來、要到哪里去，會考慮更哲學、更形而上的問題。你對這個會有反駁嗎？你覺得清華帶給你的優缺點是什么？

高陽：的確北大的同學會更加喜歡去想這些問題。但我接觸的老師，我倒覺得沒有那么大區別。這有利有弊吧，如果你想很多形而上的東西，就容易不想干手頭的活。兩個極端都不好，一個比較融合的狀態會比較好一些。

劉燕秋：所以你會去思考那一類形而上的、偏哲學的問題嗎？因為科學本身也是脫胎于哲學。

高陽：肯定會想一下，但不知道他所謂的形而上到底是多形而上，可能不會想那種非常非常抽象的東西。但比如高于技術一點點的東西，比如我們做機器人技術，它對于人類社會的一些影響、生產力關系的一些變化等等，我還是會花很多時間去想。

劉燕秋：你思考的結果是什么呢？

高陽：我覺得機器人是一個很難的事情，物理世界相當復雜，可能要發展好多年才能到最后想象的形態。雖然短期已經可以做很多事情，比如在工廠里面或者環境相對簡單的地方。長期來講，它就像電力革命一樣，歷史上內燃機革命、電力革命讓人類解放出來很多體力勞動，大模型又解決了腦力勞動，未來的機器人可能又會解決那些非結構化的體力勞動。所以生產力關系可能會有一些變化，但總體如果機制設計得比較好，全人類都會從中受益。可能需要一個比較好的機制設計，就像互聯網出來了，需要有一些法律法規保護每個人的隱私，到機器人時代來臨之后，基于當時的生產力關系，也會需要有一些相應的法律保證每個人的基本收入之類的事情。

劉燕秋：我又要聊這個問題。大家老說生產力和技術的迭代最終會讓生活變得更好、給我們減負。但從我自己的親身體驗來說，我覺得不是這樣的。比如媒體這個工作，20年前是一個更加匠人的工作，大家可以花更多時間、投入更多精力好好打磨一篇稿子、一個作品。但到現在，我們自稱數字勞工，工作量相比于20年前有數倍的增長。所以我會去想，大家假設的特別理想化的未來真的會來嗎？對生產力的追求應該是無止境的嗎？有沒有可能我們剛好停在某一個階段，那個階段讓我們感覺很舒適，不用再進步了。

高陽：明白明白。在今天這個時代，我感覺媒體變成一個更加泛的意義，每個人都可以成為自媒體，通過抖音等方式傳播信息。所以信息的生產力極大被電子化所改變，或者說發展了。這里面 create 了很多新的機會，也會讓之前比較常見的一些機會變得沒有那么被關注。在這些前提之下，需要通過一些法律法規保證大家的工作時間什么的，綜合作用效果之下，可能會讓大家 average 的 welfare 會變好。

劉燕秋：但其實你回答這個問題還蠻有意思的，因為你在很小的時候經歷過媽媽下崗失業的階段。所以現在考慮機器人將來會不會讓一批人失業這個問題的時候，會不會有一些更切身的思考？

高陽：我覺得大模型可能會更早到來這個階段，語言模型。因為機器人現在還不很 work，所以會去想這些問題，但可能還沒有到一個需要特別大的 action 的階段。

劉燕秋：本科階段發表的論文是什么研究方向？

高陽：當時在谷歌中國實習，做了一個自然語言處理的項目。但當時的自然語言處理還沒有大模型，什么都沒有，大概2012年左右。做的是一些社區里面廣告帖子分類、不合適帖子分類之類的任務。當時大二，懂的東西也比較少，很感謝當時的 mentor 帶我走完了第一個發 paper 的流程。后來跟清華計算機系的朱軍老師也做了很長一陣子科研。

劉燕秋：你現在覺得它是相當于為博士做了一個學術積淀，有某些理論或者概念方法是能延續到之后研究生涯中的嗎？

高陽：主要還是一個宏觀的方法論，科研應該怎么去做，怎么處理一個比較大的 codebase，怎么做實驗等等，這些比較基礎的能力。具體的話題其實換了蠻多的，但整個大面是圍繞著機器學習這些東西去做的。

劉燕秋：這個也不一定是你自己的選擇，是當時的主流研究方向，對吧？

高陽：對，當時還是有選擇的，有很多研究方向，比如研究網絡的、研究操作系統的、研究人機交互的。我去的這個研究方向就是研究人工智能的。

劉燕秋：那是哪一年？

高陽：2011年開始吧。研究人工智能的主要圍繞機器學習這些東西。朱軍老師非常非常厲害，他應該是2010年從美國 CMU 博后回來的，跟朱老師在這些方面接觸了很多很前沿的知識。

劉燕秋：所以你是怎么從那么多個方向里選擇了人工智能這個方向的？

高陽：就覺得挺有意思的。人工智能聽起來要構建一個像人一樣的智慧的東西，比研究計算機網絡怎么傳數據好像有意思一些。

劉燕秋：但在當時其實還是非常早期的方向。

高陽：對，非常早期。以今天的標準來看，當時就是什么都不好使，但做研究嘛，就覺得比較有意思。

劉燕秋：那時候你導師是一個什么樣的人物？他在你學術思維的建立上起到了什么樣的作用？

高陽：我導師叫 Trevor Darrell，他的風格是一個很讓你自己去探索的風格。他當然會有一些想法，但他是一個很 nice 的美國人。"你覺得什么有意思？你做這個看看吧"，會給你一些不是很 push 的建議。

讀博的時候自由度還是挺大的，很多時候愁不知道該研究些啥。因為導師比較 senior，不會直接給你一些直接上手可以做的方向，可能還得自己去想很多東西。怎么說也是一個很自由的狀態，沒有人告訴你說"你今天要做啥"，也沒有人告訴你說"你近半年要做啥"，就你自己來決策你想做啥。

后來聽說一些其他組的老師并不是這樣，就跟你講"你必須做這個事情"。如果這個同學不相信這個東西是對的，就會很痛苦，因為是在做一個覺得不對的東西。我覺得這也是一個蠻幸運的點，Trevor 特別 open 去支持很多你覺得對的東西，他都會支持你去做。

劉燕秋：就是會讓你去嘗試碰壁的那個過程？

高陽：對對。Trevor 有一個學生也很有名，叫賈揚清，他之前做了 Caffe，是第一代的深度學習系統。后來也做了很多很好的工作，包括 TensorFlow、PyTorch 等等，他都參與了很多。

劉燕秋：那時候的計算機視覺，研究的主要課題是什么？你自己選擇的課題，是這個大潮流當中的哪一部分？

高陽：那個時代大概是2014年到2019年，基本是深度學習剛剛興起。2014年到2019年大家主要研究一些比較基礎的問題，比如圖像分類，李飛飛他們做的。比如神經網絡結構，像何凱明他們做的 ResNet，再到黃高和劉壯他們做的 DenseNet，也是那一段時間的熱點。再包括物體檢測、圖像分割等等。

我最開始做的是視覺和觸覺，在今天是比較火熱的話題。探索人類的視覺和觸覺是怎么融合起來的，這是我的第一個項目。后來又做了一些自動駕駛的項目，從眼睛看到怎么一步一步做到方向盤轉角和油門剎車，和今天做的機器人是比較像的。所以雖然導師是做視覺的，但最開始的幾個項目就越來越和機器人結合，這是為什么我后來主力去做機器人這個方面了。

劉燕秋：那時候你也有去 Waymo 和英特爾研究院實習，這是學院的要求，還是你希望更多從產業里面去發現一些現實要待解的問題？

高陽：不是學院的要求，是自己想去看看。第二個、第三個項目是做自動駕駛的，做了一個也想看看最先進的公司是怎么做的，所以去 Waymo 實習了一個暑假，學習了他們是怎么做這件事的。后來去英特爾是因為英特爾有個研究院，研究院有一個老師叫 Vladlen Koltun，他之前是 Stanford 的教授，學術水平也非常非常高，對自動駕駛非常感興趣，所以去那也是跟他做了一段時間自動駕駛。

劉燕秋：當時做自動駕駛，你在Waymo的感覺，那里的企業文化或者說自動駕駛已經發展到一個什么樣的階段？剛好前段時間跟陳建宇聊，他說那時候也在 Waymo 實習過，但后來沒有接那里的 offer，原因是覺得自動駕駛已經完成了從0到1，架構已經很完整了。

高陽：我進去的時候還比較早，大概2016年左右。當時的狀態是已經可以比較自主地開個十幾公里、二十公里不需要人干預，但面對怎么讓這個東西真的完全不需要人干預，還是有點遙遙無期。怎么說呢，當時也是深度學習爆發的時代，大家先把這些方法上去試試效果咋樣，仍然是一個非常不確定的時間節點。當時的 Waymo 技術棧和現在應該也非常不一樣，因為當時還是比較手工的，不是端到端這種模型，現在越來越端到端了。在我走之后，自動駕駛行業經歷過好多波技術的更新和迭代，Waymo 內部肯定也有很多技術的更新和迭代。

在 Waymo 是一個相對很工程的環境，他們有非常非常完善的一套工程化體系，那是在學校里從來沒有接觸過的。比如他們有路測返回的結果，每天可能有幾十條說"這個地方有問題了"，然后大家一起坐下來分析原因是啥，歸因到某個組，某個組有一個 issue 列表，這些 issue 要去解決，分配到每個人去解。解完了之后還有一個仿真測試，上路之前提交改變，一摁，集群上幾千個 CPU 跑仿真，跑出來告訴你比前面一版好了還是壞了。就是非常完善的問題發現、解決、數據閉環和仿真測試的體系，當時還是非常非常震撼的。

Less is more

劉燕秋：所以那個階段，你導師會給你建立一套學術的標準和審美，讓你去判斷一個什么樣的研究、什么樣的課題是值得做的，什么問題是值得我們去定義的？

高陽：會的。但可能這套標準初步是在讀博的時候建立起來的，建立的最快速的階段還是自己做博后的這段時間。因為做博士還可以跟導師討論，即使你提了一個很不靠譜的 idea，導師會說"這個不太行，你再想想"。所以對自己的鍛煉肯定有，但可能只是一些粗糙的感覺。自己做博后的時候，這個建立起來會更加快速一些。

劉燕秋：所以你建立起的那套標準，能用語言描述出來嗎？

高陽：嗯，我想一下。我覺得這么講比較好：What is the simple mechanism that can result in complex intelligent behavior. 就是說，人類的進化，自然界沒有什么復雜的設計，就是有些 mutation（突變），有些環境的適應性，不適應的個體被淘汰，巴拉巴拉這一套東西，機制非常簡單。這么多年的 research，我總結出來做人工智能的研究也是一樣的，你要發現一些很簡單的規律、算法或者機制，沿著這套簡單的機制往前演化，能自動推導出無限復雜的行為。很多設計起來看起來很復雜的東西是不對的，因為復雜的東西不能 induce 出更加復雜的智能，它可能只能推導出相同復雜的智能。

劉燕秋：Less is more。

高陽：對，Less is more。

劉燕秋：所以那個階段你覺得自己比較引以為傲的作品大概有哪些？

高陽：我覺得其中一個可能是第三個工作，就是端到端的自動駕駛，大概是2016年。當時所有工業界的人都是一個一個模塊去做自動駕駛。今天我們知道這么做是做不出來的，但那個時間點工業界的人都是這么做的。我們當時就覺得不應該這么搞。我們相信一個人開車或做任何動作的行為，沒有那么多很顯式的中間步驟，比如框出來一個框框說這是個汽車、那是個行人，人腦子里沒有這些框。人腦子里有很多概念，但沒有顯式地通過框的形式傳遞給下面該怎么做決策。所以我們當時覺得應該去做端到端的模型，那個模型還是很初步的，遠遠不如今天的端到端模型，但這個概念領先了業界大概七八年的時間。我們在那個時間點就在講，要做盡量簡單的設計，用數據的方法去驅動整個事情。

劉燕秋：所以這個端到端的概念是你們提出的，還是在前人基礎上做了一些進一步的工作？

高陽：這個概念對于自動駕駛來講，并不是我們第一個提出來的。大概1989年，CMU 的一個教授就提了這件事情，包括 Yann LeCun，也有一篇論文在講類似的事情，也是端到端用來做自動駕駛。我們那篇工作是在這些前人的基礎上走了一小步，這一小步是說我們把數據 scale 到很大，當時大概 scale 到幾百萬幀的量級。模型也用了一些比較先進的架構，發現了一些很有趣的現象。比如這個車從來沒有紅綠燈的監督，但它自己學會去看紅綠燈了；對于一個路口的多個選擇，它都知道，并且同時告訴你這個路口的多個可能的選擇，等等。

劉燕秋：從自動駕駛跨到具身那一步，是相當順理成章的？從車到機器人，大家老講它們是同一個事情。

高陽：是的是的，這兩個東西本質是非常非常相似的。都是看到場景然后去做動作，本質上很像，所以研究也是從自動駕駛自然地轉到了通用機器人的研究上。

自動駕駛能研究的問題更少一些。當時研究完端到端這個問題，雖然效果沒有特別好，但覺得可能是數據量不夠多或者網絡不夠大，在學校已經很難做什么新的東西了。所以機器人看起來是一個更加通用的問題，當時就開始轉向通用機器人操作的研究。

劉燕秋：轉向機器人研究之后，你的研究路徑是跟隨之前的計算機視覺路徑一脈相承過來的嗎？會用那時候的一些方式方法融合到機器人研究當中？

高陽：不完全。視覺相當于理解場景，但機器人是兩部分：理解加行動。理解這部分用視覺的東西很自然，但行動這一側有新的工具，比如模仿學習、強化學習等等。這些東西以前純做計算機視覺的時候是沒有接觸過的，是在那個階段去接觸的。

劉燕秋：當時在計算機器人的研究領域，已經出現了 AI 主導范式的崛起？DeepMind 那一階段帶來的深度學習，包括后來 GPT、OpenAI 引導的這波。

高陽：對，第一波還是比較偏學術。第一波是 OpenAI 做了那個手轉魔方，用靈巧手轉魔方；DeepMind 用強化學習做了一些事情；Berkeley 的 Sergey（Physical Intelligence聯創）和 Pieter Abbeel 也做了很多用強化學習去做機器人的工作。但那些還是相對初級的，偏學術性的一些探索。真的有變化的是 OpenAI、GPT 這一波，大家對于智能怎么產生的認知產生了根本性的改變。

劉燕秋：這個當時對你的觸動大嗎？

高陽：很大，非常大。GPT 出來之前，我們覺得 OpenAI 也不是很靠譜，天天講"大數據出奇跡""我們要用越來越多數據訓，就有通用人工智能了"，我們覺得太不靠譜了。當時 Berkeley 很多老師也覺得他們隨便說說而已。雖然當時他們用很多算力做了一些東西，比如強化學習打很多游戲，AlphaGo 是 DeepMind 做的，但覺得還是某個專門 domain 上的事情，是專用智能不是通用智能。OpenAI 說要搞通用智能，我們覺得搞不出來。但直到 GPT-3.5 出來，我就完全被震撼到了。大家經常講圖靈測試，跟機器對話能不能分辨出來它是機器，到 3.5 的時候已經能看到這個東西馬上就要到來了。事實也是，過了半年、一年，大家就發現這個機器比人還聰明了。

劉燕秋：那在 OpenAI 這波如火如荼的階段，你做的課題是什么？

高陽：是在做機器人。

劉燕秋：具體的細化主題是啥？

高陽：大概2023年左右。2023年之后和之前很不一樣，2023年之前還是做一些和以前 Sergey、Pieter 他們做的比較像的小規模研究，可能現在我稱之為 trick level 的 research。

劉燕秋：都是小把戲？

高陽：對，最后不能解決通用具身智能的問題。當時也沒人知道，大家在做一些當然也是有意義的研究，但可能不能讓這種通用問題被解決掉。2023年之后就開始完全轉向大模型，擁抱 GPT 所帶來的這些變化。

劉燕秋：OpenAI 對你的認知改變非常巨大，這個改變具體是什么？

高陽：對我的改變就是說，智能真的可以通過海量數據加上一些后訓練的技巧做出來。有了這個認知之后，其實很多研究就沒有必要做了，因為你知道這么做可以。大家已經在語言處理領域做到了，最簡單就是把這套基礎邏輯在具身里面再做一遍，里面會有很多不一樣的點，但這是一個對我可能包括很多人認知的根本性改變。

劉燕秋：那時候是會覺得興奮，還是會有一點沮喪？感覺之前做的很多工作變成了無用功？

高陽：不會不會，researcher 大部分的工作都是無用功。我會覺得很興奮，因為以前不知道該怎么解，現在知道了。但即使知道了，仍然有很多具體的問題要處理、要解決掉，才能把它們真的解好。所以我是非常非常興奮的。

劉燕秋：你博士畢業的時候，都面臨哪些選擇？選擇回國是出于家國情懷，還是個人職業上的選擇？

高陽：我覺得都有吧。一方面是文化上，更喜歡在中國待著，更舒服一些。另一方面，也不敢說報效祖國，水平也沒有那么高，但覺得在清華能做很多很有價值的事情。當時兩種選擇：一種在美國留下來做工程師，比如去 Waymo 做感知工程師；另一種是回中國在清華做教授。在美國做工程師，做的事情會比較小，因為是很龐大的工程體系，每個人能做的事情相對比較少。在清華是一個很自由的平臺，想做什么做什么，potentially 可以做出讓很多人的算法更好、讓未來機器人更早做出來的事情，這個東西對我來講更有意思、更有吸引力，所以當時選擇回清華了。

劉燕秋：當時有一個說法，說你們是"伯克利歸國四子"，是只有你們四個人嗎？

高陽：伯克利的話，我想想，可能就是我們四個。后面還有沒有回來的有點記不太清，但至少我們這一波是我們四個人。還有很多其他學校的，MIT 的、Stanford 的、CMU 的都有。但我們伯克利這幾個人本來就認識，在伯克利就挺熟的。其實是一個人回來，然后說"哎，你要不要也回來"，大家就一個一個都回來了。

劉燕秋：那是誰先決定回來的？

高陽：是吳翼先決定回來的。吳翼說決定要回，問我要不要考慮一下，我考慮了一下，當然也面試什么的，糾結了蠻久。后來下一個就是陳建宇老師，我忘了是我還是吳翼把他拉回來的。包括許華哲，也是我或者吳翼，反正我們都很熟了。

劉燕秋：所以你覺得為什么是那個時代選擇了你們四個人？你們四個人人生軌跡上有什么相似之處？多大程度上是運氣、機遇的成分，多大程度上是自我選擇的部分？

高陽：從我自己來講，別人我不是100%確定，但我自己是初中就對計算機很感興趣，后來對人工智能很感興趣，后來覺得應該做些通用的東西。任何一個人其實都是時代和自己興趣的結合。比如我有一些初高中同學也做計算機競賽，但沒有那么喜歡，本科讀了其他專業，慢慢去做其他事情了。不可否認肯定有很多運氣成分，比如我的初中東北育才沒有開編程課，我可能根本不會了解這個東西，大學根本不會報這個專業。所以既有運氣也有興趣，兩者都有。

劉燕秋：所以你人生每一步的選擇，其實更多是基于興趣？這種興趣可能更多是情感性的、偏感性的驅動因素，而不是特別邏輯性的。

高陽：不是，我覺得是比較偏感性的。

劉燕秋：這我還挺驚訝的，因為感覺你可能會是一個特別理性、從理性角度去做選擇的人。

高陽：是這樣的，但這些選擇并沒有特別理性，當時也沒有什么理性的依據，沒有辦法預測未來說人工智能要火了所以選人工智能。但我覺得人做選擇應該還是有很多理性在，可能我這些選擇真的就是因為喜歡這些東西。

劉燕秋：所以你的底氣是來自于哪里？為什么覺得自己可以這么任性去做這些選擇？

高陽：我覺得其實是一個時代的機遇。雖然小時候家里并不是很富裕，但也不至于吃不起飯，能吃得起飯挺好的，也不用什么很有錢。當時選計算機就覺得比較喜歡，2010年上大學，當時很多人選土木專業，大家都說去清華應該去土木，當年高考最高分數線還是土木什么的。我選計算機，覺得只要最后能找到工作就行，從清華出來不至于找不到工作吧。

千尋的四個milestone

劉燕秋：所以后來創業的機會是怎么來的？怎么意識到這個事情不能再通過學校里的資源去做，必須要去社會上尋求社會資本、更多資源的聚集，才能把這個事情滾起來？

高陽：這個邏輯是這樣：首先智能的問題在語言領域被或者幾乎被解決了。當時看語言領域 researcher 的做事邏輯，在學校實驗室里面已經很難跟得上工業界的步伐了。因為沒有那么多數據、沒有那么多計算資源，只能在非常小的規模下做研究，但這些成果在更大的模型尺寸和數據量上可能不成立。所以作為 researcher，沒有辦法在學校里面繼續 contribute 到這個事情里面。在公司里面去做這個事情，在當時幾乎已經是唯一的解法。并且這個技術可能會給人類帶來很多正向價值，也值得用商業化的形式去做。那個時間點具身智能一切還沒有，但未來的方向已經定下來了，就是會向這個方向發展。

劉燕秋：當時很確定這一點嗎？很確定大語言模型的那套東西能用在具身上？

高陽：很確定。

劉燕秋：確定的依據是什么？

高陽：確定依據是它們的數學本質是一樣的。大家講神經網絡是一個 universal function approximator（通用函數逼近器），能擬合任意的函數，當然有一些假設。語言是一個函數，人類的動作也是一個函數，沒有道理同樣的方法論不好使。當然有很多細節需要去搞對，讓這個東西變得更好使，但它一定是真的，一定是可以 work 的。

劉燕秋：所以你當時就是要去創業，尋找市面上合適的合作伙伴？

高陽：對。

劉燕秋：你有考慮過自己去主導這一攤事情嗎？

高陽：我是這么想的，機器人最后要 deliver 的是一個產品。這個產品真的在初級階段，不太可能只有一個軟件，一定是一個像手機一樣的產品，拿到就很容易使用，解決問題，這樣才會有人買。我自己的背景很偏軟，硬的是完全不懂的，創業這件事情在當時也是完全不懂的。所以當時想找一個人跟我一起把這個事情做起來。當時見了很多很多人，韓總是我見過的最出色的。一方面是因為他對這個未來也很相信，第二點是韓總有很豐富的創業經驗，自己對這件事情想的也很深入。所以兩個人一拍即合，大概2023年就決定一起來做這件事情。

劉燕秋：所以你跟他相處的時候，你會覺得說"哇"，覺得跟他相處很舒適，這個人具備你身上沒有的、缺失的那一部分？還是說你們之間會因為個性、脾氣不完全一樣而造成一些隔閡？

高陽：我覺得更多是第一種。當時選擇跟韓總一起來做這個事情，就是覺得我身上缺少這些東西。在商業世界里面，一定得有很多特質才能把這個東西真的賣出去，而我這方面經驗非常非常少。韓總這方面經驗很多，我也非常 admire 他之前的這些經歷。他的教育背景也蠻好的，但他經歷過創業的洗禮，習得了如何把一個純技術角度的事情做成商業上成功的事情，這是很了不起的，也是至少我當時所缺乏的一些特質。

劉燕秋：那你跟韓總之間最近在某一個問題上不太一致是什么時候？

高陽：最近大多數都還蠻一致的。之前有一次不太一致，是說要不要買第三方機器人，那是很早了，可能第一年。當時我的觀點是我們自己的機器人還沒有量產，應該先買一些第三方機器人。韓總覺得第三方機器人太爛了，不如自己造。觀點有些不一樣，最后因為沒有機器人會耽誤研發進度，還是買了一些第三方機器人。

劉燕秋：2024年、2025年到今年2026年，差不多兩年半的時間，你會怎么去定義這兩年半在這家公司所做的工作？有幾個可以稱之為 milestone 的？

高陽：最開始創立的時候人非常少，只有大概七八個人。第一個 milestone 很快，做出了第一代機器人，雖然沒有被命名，但從硬件到模型推理完整的能做，當時是做一杯咖啡，大概過了不到半年、大幾個月就做出來了。

第二個 milestone 可能是第一個把疊衣服這種比較難的任務做到很高的成功率，并且很柔順。當時在國內是第一個做到的，這個效果在今天很多公司都還沒有辦法達到。

第三個是我們的 Moz1 機器人，第0代是比較偏原型機，第一代機器人是一個非常魯棒、能直接量產的機器，現在用的大多數機器人都是Moz1。

下一個就是 Spirit v1.5 模型，是第一個開源的機器人大模型，在一些公開的榜單上全世界范圍內首個超過 Pi0.5的模型。大概是這樣幾個大的節點。

劉燕秋：所以在2024年初，這個東西也還沒有成為一個風口。你們當時走軟硬一體的這條路，聽上去還是挺重的一個事情，投資人會有一些質疑嗎？那時候大家可能對具身大腦也沒那么看重。

高陽：對，投資人問了我們很多問題。當時最長的一個問題是：你覺得這個大腦最后是安卓模式還是蘋果模式？被問了很多這種問題。一個大腦相當于你要不要做硬件，如果是安卓模式就不要做硬件，如果是蘋果模式就要做硬件。

劉燕秋：所以你覺得一定是蘋果模式。

高陽：我覺得初期一定是蘋果模式，因為大模型要適配到不同機器上還是有成本的。

劉燕秋：所以它更多的是為了更加快速的迭代？

高陽：對。

劉燕秋：我那天看到一個說法，現在大家都在講全棧，說全棧的本質其實是為了應對商業競爭，為了應對后續有大廠大公司進來的商業競爭，所以要快速通過自己搞這些東西把閉環搞起來。你覺得這個說法有道理嗎？

高陽：我覺得是有道理的，因為如果依賴外部供應商，這些東西做起來就會比較慢，跨公司的溝通效率相對沒有那么高。

劉燕秋：包括你們在那個寧德時代落產線，你們的競品最近宣稱說自己是唯一在寧德時代產線上自主應用的具身企業。你怎么回應？類似于這樣的商業競爭，你會感覺有一點點抵觸的心理嗎？

高陽：首先 clarify 一下，他們肯定不是第一個。因為當然商業上肯定會有 competition，但所有公司最難的事情不是比其他公司好多少，而是能不能解決這個問題，這是整個事情里面最難的東西，也是每個人應該關注的東西。大家都在解決類似的問題，肯定會有 competition，但如果做一個事情沒有 competition，可能說明你做錯了，一個正確的事情必然會有 competition。

劉燕秋：但這種 competition 跟在學校里面的 competition 性質還是不太一樣？

高陽：的確不太一樣。學校相對來講更加自由，competition 會更弱一些，公司層面的確會更強一些。作為公司本身，肯定要贏得這個 competition 才行，但贏得 competition 和把這個事情做成，在長遠上來講是非常 align 的，并沒有太多不同。

劉燕秋：我理解 AI、具身都是非常頂級的技術，但放到商業競爭領域，好像跟更古早、更傳統的企業并沒有什么不同。之前娃哈哈的宗慶后說過，在中國做任何一個事情，做完就會有成千上萬的人去模仿你，保持優勢的唯一方法就是同時鋪很多條產線，迅速把事情做大。但作為一個技術出身的人，你會覺得這個事情有一點荒謬嗎？某種程度上說，如果商業競爭的這套邏輯放在這個語境里面很有用，是不是在說技術本身大家沒有拉開那么大的差距？

高陽：我覺得不同的點在于，某些產業是運營 heavy 的，某些產業是資本 heavy 的，但我們這個產業是技術 heavy 的。我能理解你說的這個點，我的理解角度是：技術是你的一個 edge。第一天起大家的技術可能沒有什么差別，但能看到更遠的技術發展趨勢，布局了更加正確的方向，就會在技術上積累更多的優勢。一方面它是一個競爭的 landscape，但另一方面，作為一個技術人員，你有很多非常大的施展空間。

感受技術的邊界

劉燕秋：作為千尋的聯合創始人，創業者的這一重身份給你帶來的最大變化是什么？從之前在象牙塔里面，到踏入真實的商業、包括剛才提到的商業競爭當中，你有哪個比較 suffer 的階段嗎？

高陽：肯定有很多很 suffer 的階段，兩個事情是很不一樣的。我有幾個感受：第一個，以前在學校里面做研究，可能不會去想這個東西怎么真的被用，可能只是想說以前別人提了 A idea，B idea 沒有人提，或者覺得 B 更接近一些。但現在作為千尋的聯合創始人，會想這個學術話題是不是一個能夠真的被使用、被我們所使用的技術，在研發最后能用這個模型的路上，有哪些關鍵部分是缺失的。相當于更加以一個現實并且看得見摸得著的大模型系統去驅動，反推學校里面應該去做的一些 research，變得更加能夠服務于真實的生產和生活了。這是以前不會去考慮和感覺到的，很大的一個區別。

第二個區別，創業過程中聽了很多東西，比如王興在清華講的一個產品課，其實他在講創業；還有 Naval，硅谷的投資人，講的一些很 philosophical 的東西，他的人生哲學、對于創業的東西、對于 compounding effects 等等一些認知。這些以前真的沒有了解過，覺得非常非常有意思。

劉燕秋：之前有媒體報道說你們當時去考察寧德產線的時候，在里面待了蠻久的。那是怎么樣的經歷？

高陽：對，當時去寧德待了兩天左右，印象很深。進工廠需要穿勞保鞋，鞋底有塊鋼板，怕釘子穿透鞋，但非常非常不舒服。走到四分之一的時候我就已經受不了了，走了一天之后基本上躺床上就起不來了。在寧德產線上看了很多環節，發現現實中的問題比坐在學校里面想的要復雜很多，也比在公司里面想的復雜很多。比如夾爪夾有些東西就夾不穩，不是算法好不好，就是物理的限制。這也催生出來后來自己去設計夾爪、包括更高自由度的靈巧手的研究等等。那個經歷是非常生動的一課。

劉燕秋：所以在這個過程中，你也要學會怎么把技術語言轉變成客戶能聽得懂的語言？

高陽：對，是的。記得當時跟對方一個管理層的同學一起討論方案，現場想了很多方法，如何用一個普通人能夠接受的語言去描述出來。效果就很好，他能迅速 get 到我們這個方式，能理解為什么我們這個方式比別人好很多，在未來能夠更加容易上量等等。

劉燕秋：剛才也談到，現在大的產業方可能會出資投很多具身公司，但大家也在相互競爭他的資源，資源不是說投了你就會讓你去做這個事情，還是要真的能夠拿出一些成績來讓他買單。

高陽：產業投資就是拿著一張門票，但還得自身能把這個事情做好，才能最后拿下來這個單子。

劉燕秋：你們現在在寧德產線上的落地，大概做到了一個什么樣的水平？

高陽：有一些小批量已經在真實產線上跑了，在生產電池的其中一些環節。

劉燕秋：距離規模化還有一定階段？

高陽：對，距離規模化還有一定階段，但原型已經跑通了。規模化只剩一些工程化的事情。

劉燕秋：這個工程化的階段大概要多久？

高陽：大概一年左右。不會是從1到1萬，可能是從1到100，然后再慢慢往上漲。

劉燕秋：現在在準確率上，和人相比已經可以接近或者說超過？

高陽：整個系統下來，有一些人工托底的措施，可以完全替代人去做這些事情。

劉燕秋：大概是一個多大的比例，和人的準確率相比？

高陽：模型本身的準確率大概是99.3%左右。肯定還會有一點點失敗，但通過人工托底的方式，就可以做到完全沒有錯。

劉燕秋：你們也是相對務實的思路，先從B端的產線上找突破口。你覺得機器人進家庭大概的時間點是什么？

高陽：我覺得還很遠，至少得8年。如果機器人能進家庭，robotics researcher 就不用研究了。

劉燕秋：就是已經到頂了，大家要去研究新的東西。

高陽：對，機器人進家庭是最難的一個場景。當然里面可能有很多中間形態，比如機器人進家庭不會干任何事，就能跟你說話，這個我覺得是很快的。

劉燕秋：現在那些陪伴型的就可以。

高陽：就看你愿不愿意花錢買它了。但能給你干一些家務活，我覺得都挺難的。

劉燕秋：你們當初在確立做本體、做大腦、包括后來做靈巧手的時候，一開始的思路是決定先做哪個，后做哪個，是怎么決策的？

高陽：也不是一開始完全拍下來的，而是在做技術的過程中感受技術的邊界，不斷去迭代優先級。最開始也做過一段時間靈巧手，但發現非常難，做一個研究性的 demo 已經耗盡全力，更不用說推向量產。所以五指靈巧手暫時還是一個預研階段，能做一些更簡單的夾爪形態，這些都是自己去嘗試過每一個構型、每一個方案，知道這些東西的局限性。

劉燕秋：你們的數據 recipe（配比） 和其他公司相比，會有什么很大的區別嗎？

高陽：會的。現在的 recipe 是以真實世界為主，最大量是互聯網人類視頻、可穿戴式設備的數據和遙操數據。前兩者是我們比較獨到的方面，很多公司都不會用前兩者數據。

劉燕秋：但我感覺其實大家現在宣稱的都是這幾種路徑。

高陽：現在是慢慢在往這個方向收斂，但我們從公司是最開始就沿著這個方向在走。

劉燕秋：這兩年回頭看下來，有哪些判斷是一開始跟你預判一致的？有哪些超出了預期？

高陽：一致的判斷是關于數據這個層面，三種數據結合的思路，最開始就是這個思路，到現在發現行業慢慢往這個點上收斂。超出預期的是模型的泛化能力的進展速度。兩年多前覺得模型泛化還挺難的，但到今天已經有相當強的泛化能力，并且還有更多的數據在路上可以訓到模型里面，有可能會讓泛化能力強更多。進展速度比我想象更快。

劉燕秋：有哪些決策可能是做錯了？

高陽：比如之前做五指靈巧手想讓它上量產，我覺得是有問題的。

劉燕秋：是低估了這個東西的難度？

高陽：對，低估了這個東西的難度。

劉燕秋：但你們現在不是又要做靈巧手了？

高陽：對，但做的靈巧手會相對簡單一點，可能是三指或者四指，沒有五指那么復雜。

劉燕秋：那它會不會沒有達到五指的那種功能性？

高陽：會，但這是一個技術判斷，五指的功能性在短期之內還很難達到。

劉燕秋：包括市面上那些專門做靈巧手的供應商公司也做不到？

高陽：不是說這些硬件，硬件是有可能能達得到，但 AI 算法在五指靈巧手上比二指會難很多很多。

劉燕秋：這兩年多時間在創業這件事情上，你有碰到過可以稱之為挫折的事情嗎？

高陽：說實話都是小事，沒有什么特別大的事。整個行業還是比較蓬勃往上走，也聽說過很多之前創業的人遇到的挫折，我們遇到這點事根本不算啥。

劉燕秋：會不會是因為真正殘酷的競爭階段其實還沒有到？

高陽：對，我覺得是這樣的。

劉燕秋：你會擔心后面有大廠進入嗎？

高陽：肯定還是會擔心的，所以也在產品層面上盡量推得快一些，盡早去到現實世界里面用起來。一方面是打磨產品形態，另一方面也是積攢一些數據、客戶口碑之類的東西。?

最令我恐懼的事

劉燕秋：放大到整個人生的尺度上，你覺得人生中有經歷過可以稱之為挫折的事件嗎？

高陽：還是有的。我記得讀博后的時候，從導師帶我做項目，到自己帶別人做項目。之前自己做項目，基本上5個能成3個左右，成功率雖然不高但還行。但自己做博后那年帶了10個項目，最開始半年一個也沒有跑出來，過了一年半這10個項目才有一個跑出來。那一段時間真的還是挺焦慮的，因為不知道自己能不能勝任這個事情。這是一個比較大的角色轉換，從一個研究員變成要去負責帶別人把這個東西做出來，還是相當大一個轉換。

劉燕秋：我感覺你講話有一種波瀾不驚的氣質，你很少會有情緒失控的階段吧？

高陽：是，但我性格就是這樣。

劉燕秋：所以從來沒有什么東西會讓你失控嗎？

高陽：基本沒有吧。

劉燕秋：你從小就是少年老成。

高陽：是，從小大家就說我的性格和40歲一樣。我現在可能快40歲了。

劉燕秋：那這個世界上有什么東西是會讓你覺得恐懼的嗎？

高陽：我覺得……還是死亡。

劉燕秋：那你會有年齡焦慮嗎？作為一個做技術的人，現在投資圈有一個說法叫"具身2.0"，可能更年輕的00后一出來趕上的是世界模型的這一波浪潮。

高陽：我覺得不太會有。當然可能會說投多少歲以下的什么的，但實際上最后還是看你把這個事情做得多好。從認知層面上來講，我沒有什么劣勢，如果沒有優勢的話至少沒有什么劣勢，并且我相信還是有一些優勢的。

劉燕秋：你從小到大有過叛逆的階段嗎？

高陽：好像沒有。

劉燕秋：所以你是沒有青春期叛逆的，對嗎？

高陽：我也很疑惑。

劉燕秋：那你爸媽真的太省心了。

高陽：我也羨慕他們。

劉燕秋：很多人創業其實是想要證明自己，或者說有一種想要去對抗什么的力量。對你來說，你會有這種力量嗎？

高陽：我覺得我是 interested in 這件事情本身，不會想證明什么，因為覺得沒有必要證明什么。我知道有很多創始人是那樣，但我并不是，我自己并不是這么想的。

劉燕秋：我們這個欄目叫 Blue Hour，是以顏色命名的，你覺得你自己最適合用什么顏色來表達？

高陽：我想一想，可能就是藍色吧，比較冷靜。但不知道你們 Blue Hour 的 blue 是什么寓意？

劉燕秋：Blue Hour 就是藍調時刻，相當于一天中最溫柔的時刻。我們這個欄目的切入點就是想和創業者、投資人從一個相對感性的角度去梳理他們的人生，用感性表達去理解商業世界，這是我們欄目的 slogan。

高陽：明白。那跟你的 blue 和我的 blue 很不一樣。

劉燕秋：截然相反。

高陽：是。但如果用一個顏色形容我，可能就是這個吧。

劉燕秋：如果再具象一點，藍色也是一個很大的范疇，你更偏向于藍色當中的哪一個色區？

高陽：如果按深藍、淺藍這么講的話，可能是 like 75% 深藍。

劉燕秋：我最后再問你一個問題。因為你研究的課題是智能，包括研究機器人怎么樣模擬人的智能，在這個過程中，你會對人類有新的理解嗎？

高陽：我覺得會有一些很有意思的理解。比如說，人很難想象你沒有經歷過的事情。我研究智能就很關心大家做夢想什么，其實夢里面想的東西就是白天想的東西，一些簡單的重組。假如物理學家沒有發現外星系，你是夢不到外星系的，你可能只能夢到說天上的星星怎么地怎么地，但夢不到物理學家描繪的外星系的樣子。但如果你看了《星際穿越》，就可能會夢到這種畫面。這個比較有意思，世界模型也不是萬能的，你能夢到的東西是你見過的，所以還是得見那些數據，才能夢到那些數據的重組等等。這些是人的局限性。

當然還有很多，比如人的腦子里面有三個波段的波，我忘了叫什么，反正一個 alpha wave，一個 theta wave，還有一個 gamma wave，它們在不同的頻率上 operates，可能一個大概1赫茲，一個七八赫茲，還有一個100赫茲。這個東西和機器人系統里面的快慢系統有一個非常好的對應關系。這些我都覺得非常非常有意思。但對于人的理解，只是把習以為常的東西去顯式地看它，還不能說看到一些 non-intuitive （非直覺）的東西，發現一些對于人類感知系統沒有認知到的東西。現在大多數時間還是從人類的感知系統去學一些東西，借鑒到機器人系統里面。所以某種程度上來講，人的感知系統還是太高級了。

劉燕秋：我前段時間在看一本書叫《觀看之道》，核心觀點就是"觀看先于言語"，小孩子一開始認識世界是先通過觀看，后來才學會講話。所以視覺這個東西蠻重要的。

高陽：是，但大語言模型沒看過東西，也能說話，還能想象。

劉燕秋：視覺有一段時間被大語言模型的熱潮蓋過，現在有沒有一點因為世界模型這波又重回主流了？

高陽：是的，大家在研究這個問題，但可能還有一些關于 latent space（隱空間） 的 model 怎么去最好地訓練，還有一些東西沒有完全研究明白。