1、教授创业“不靠谱”

嘉宾商学的各位校友大家好，欢迎来到逐际动力。

我先坦白一件事：尽管我们已经开始了在建筑、大众体育、巡检等很多领域的场景验证，但逐际目前还是一家没有完成规模化、没有完成商业化的公司。所以，用一套成熟的商业化逻辑来评判逐际，是不太合适的。我今天能分享的，只是在这个赛道里，我们手上有一些技术先发优势的前提下，我们是怎么走过来的。

我是辽宁本溪人，读的是中科大。2003年去美国，待了16年。博士后期间在伯克利，无论是现在做 Physical AI 的，还是 OpenAI 创始团队，都是我们那时候相互交流的伙伴。后来我在美国当教授当了很长时间，2019年回国后任教于南方科技大学，2022年创办逐际动力。

先讲我的第一个观点，教授创业是不靠谱的。

教授是离商业化闭环最远的一类人，他需要转变思维，而这个转变要经历五个阶段。每一次转变，都是目标函数的改变，同时带来组织形式和人才审美的一次跃迁。

第一次，从学术思维出发。什么叫学术思维？天天在朋友圈说自己发了几个顶会论文，觉得很牛，以 idea 为荣。但想法离落地还很远。

第二次，跃迁到技术思维。很多所谓的思想家没有核心技术，做不出东西。技术思维是以 demo 为傲，天天秀 demo。

第三次，从技术思维到工程思维。demo大家都能做，但我做得比你稳定、可靠、100% 成功。这时候想象力反而有限了——工程思维不是一次展示，而是重复达到预期的能力。

第四次，工程思维能不能创造用户价值，这叫产品思维。

第五次，商业化。你会发现有很多产品，卖得越多赔得越多，越卖越赔。为什么？主要是商业化不行，没有完成闭环。

教授就站在这条链的最前端。所以我说，教授是离商业化闭环最远的行业。

那为什么这个行业里还有这么一伙人，大部分是教授，还有一些纯技术人员？因为这是一个技术突破所产生的新商业机会的落地，不是已有技术的商业落地。已有技术的商业落地，那是华为的事，纯商业化的人去做。我们这种是：现在看着没啥机会，但你会发现它未来可能打开新的机会，这伙人有一点前瞻性。

但他真正想落地，一定要往商业化那头跑，而且到了那儿还要反复练习——一个产品、一个产品，一个商业化设计、一个商业化设计地去练。我们才练了几个。我自己评，我都不算及格。思维是可以升级的，我们叫升维，但必须在这个过程里反复练。

我们 2022 年成立，一开始就是个大实验室。当年我们做了国内第一个带感知上楼梯的机器人，那时候国内没有人能干。但后来技术普及了大家都能干，从 demo 角度讲就是这样。中间做了很多探索，到了产品化的初期，我们主动做减法，聚焦到一个科研探索的小赛道。

为什么要走科研这条路？我用英伟达来举例，我认为英伟达是世界上最大的科研公司，它卖的就是科研。怎么理解？产品的属性，不是看产品本身，而是看使用者拿它去干什么。我们买英伟达的卡买好多，目的是探索；一旦我的模型成型了，不需要探索了，那不好意思，这些卡我就不需要了。

吴婷校长与张巍教授

我们大概经历了四个阶段：探索期→ 产品化初期 → 第一代产品 → 探索真正的商业化闭环。

其实 2017 年我们就开始做人形了，不是这个行业热了才做。2017 年在美国，一个只有下半身的机器人，当时卖 25 万美金一台，国内还买不到，坏一次要修两个月——这就是当时的迭代速度。

2021 年，我们是国际上第一个用端到端方案让人形在室外行走的。在此之前，波士顿动力都是用传统方案做翻跟头这些动作。但我要说的是：这个技术领先性，对商业转化没有什么效果。

反过来，特别懂商业化的人也有一个问题：他容易被技术的人、被教授魅惑，觉得他稀缺。

真正的能力是“能打”。这个赛道之所以卷，逻辑就在这里——这五层要揉在一个人身上。你想想，发明互联网的人，发明 TCP/IP 技术的人，在做这件事的过程中，他就要成为马云。按道理这俩不是一伙人。就像1980年代天天搞互联网技术研究的人，要变成马云、变成王兴，才可能成功。

这是我给大家的一个 lesson：以后不要被科学家魅惑。各位都是成熟的企业家，都有商业思维。

商业的竞争力永远不是技术，而是规模壁垒和用户壁垒。数据的规模、成本的规模、用户的规模，共同形成成本优势，其他没有了。技术只是这个产品当前的稀缺项，未来是非稀缺的。我们走了太多这种弯路了，所以跟大家说得比较坦诚。

2、具身是AI最重要的应用，没有之一

大家刚才提的问题里，好几个是同一类：现在是什么阶段？是不是该等一等、等它爆发？是不是还要五六年才能成熟？是不是鱼龙混杂？

先回答现象层面。现在大家看到的，用计算系统的话讲就是：demo 很漂亮，干不了活；看上去全靠遥控器，没法自主；数据稀缺。这些观察都是对的。

但要回答这个问题，得看这场变革的本质，要回到模型。

具身的发展不是硬件的发展，它是 AI 发展的应用，最重要的应用，没有之一。它把数字世界的 AI 搬到了物理世界，所以它必须 follow AI 的发展趋势。 

从制造的维度看，人形机器人非常好做，你在市面上很少能找到比人形更好做的机器。机器人难落地，是因为缺物理 AI。物理 AI 比数字 AI 多了“物理”两个字，它能在物理世界获得数据；还多了“人形”两个字，人形的物理 AI 比非人形的物理 AI 要更复杂一点，大小脑融合的技术要更复杂一点。

从逻辑上讲，人脑是个非常简单的东西。首先要观念上蔑视它，才能真正理解它。脑是理解意图的：我看到一张图片，知道我全身的动作，我唯一要算的就是全身的关节怎么动。你想象写一个函数，这个函数的输入输出是非常清楚的，只是它处理的 case 太多了。

最近算力变得很贵，这不是模型本身的进步导致的，而是 agent 技术的成熟——从对话到自主完成任务，一轮一轮地跑。

agent 这个概念 2022 年就有了。有人说 2026 年成熟——错，应该是 2025 年 11 月。我认为 GPT-4.5 到 4.6 是一个巨大的变革点，之后才有了 OpenClaw，才有了“龙虾”，那是 agent 的第一个原型，才有了后面的这些东西。

现在提起“龙虾”都已经感觉是上个时代的事了，其实那就是今年一二月份的事，发展得非常快。

2024 年，模型侧在讨论 the wall，模型碰南墙，Sam Altman 还专门说“there's no wall”。

为什么大家觉得有个 wall？因为那时候会问：GPT-5 怎么还不来？它只能对话，agent 也总在犯错，应用已经接近上限。所以大家当时担心 AI 模型的发展，现在看，超出了大家预期。

这个误判的本质是什么？是大家用预训练的范式来评估智能的发展水平，而忽略了后训练和 agent 新范式。

具身也是类似的。你不能用线性的方式去推演。

这个时代的变革，不是数字模型到物理模型的变革，而是数字 agent 到物理 agent 的变革。绝大多数行业内的人都在讲模型的变革，我认为是agent的跃迁——从执行预编程动作、拿遥控器，到全自主，只有这样才能真正代替人。

这个变革是两年还是三年，不确定。但变革的本质是：数字世界的智能体走向物理世界的智能体，而且这个变革正在发生，不需要等额外的模型成熟。

有人问后面具身行业会死掉多少家。我认为不会死太多。

具身不是大模型，它有很多垂直（vertical）的应用场景，尤其有些 to B 的，很难完全死掉。它可能活得没那么大，但确实很难死。 

3、大脑系统已经成型

刚才很多同学问：技术没收敛，我怎么办？

这个我的看法跟大家不太一样：技术方案很多，但范式已经收敛了。

GPT-3 的时候收敛了吗？当然收敛了。那时候还不入局，不就晚了吗？GPT-3 到3.5 用了两年半，做的是什么？工程、数据，最终才做出一个应用，就是 ChatGPT，后来才有 agent 。

所以数据驱动的范式已经非常清晰，只是应用还不够。

所有具身公司竞争的只有一件事：如何降低获取智能数据的成本。只要数据足够多，所有的智能都可以成立。只是人类还没搞清楚怎么从数据到智能，而现在数据太难获得了。

所以你看这个行业眼花缭乱：今天才了解真机遥操数据，明天就有什么 UMI，后天讲 ego-centric，再后来是世界模型，一大堆名词。都在干什么？本质上都在不断降低数据收集的成本。这是唯一的标准——成本低了就可以。

为什么我说大脑系统已经成型了？逐际有一个大脑系统，叫 COSA，我们大概分三层。我认为接下来真正第一个规模化商业落地的量，就要靠这个大脑系统的成熟。

首先，我们跟行业最大的不同是：我们认为模型不是大脑。模型是能力，大脑是一个多模型协作的系统。

人脑也是分区的——所以我们才有大小脑、才有各种区域：prefrontal cortex 前额叶，visual motor cortex 视觉运动皮层。每个区域是不同的，每个区域需要不同的数据来训练。

我们犯的最大的一个错误，是把模型的泛化能力当成了智能的衡量水平。我认为这是不对的。

大脑是一个系统。这个系统里最关键的是 System 2——本质上是以语言模型、视觉语言模型和世界模型为引擎的思考引擎。我写一下：LM、VLM，还有现在流行的 world model。

我用一个比喻来说明这三层的关系。

第一层，以语言模型为引擎的思考模型，是一个盲人，而且残疾。不是霍金，是又盲又瘫。他很聪明，能对话，你问他啥他都能说，但他看不见。

第二层，以 VLM 为推理引擎的，是不瞎的残疾人——有眼睛了。

第三层，以 world model 为引擎的，才是霍金。他学了一点物理，知道物理应该怎么演化，能在脑子里想，但也只是想。

这个脑什么时候有的？我强调，是 2025 年 11 月中旬，GPT-4.6 的时候，这个脑才真正打通。那之前引擎太差了，这个机器是开不起来的。能开起来以后，慢慢往前走、不断迭代，那是另一回事。我们今年初发了整个系统，是早于“龙虾”的。龙虾做的是数字世界的脑，我们做的是具身的脑，我们要让“霍金”康复。

大家看过病人怎么康复吗？你得拉着他动，动多了他就会干了，这跟我们的真机遥操没有本质区别。

所以康复的时候，你先学拿水还是先学走路？都可以。你的康复运动，决定了你能恢复什么。

霍金可能现在还不会拿东西，但你不能说他没有脑。我们现在可以做到一个会走路的霍金、会跳舞的霍金。现在主要的问题是：这个霍金能不能找到工作。其实非常可以，关键是把遥控器去掉。

这里我强调一个点，这是我个人独创的说法：具身的落地，技能和脑的智能是完全两个事。没有技能的泛化能力，不代表没有自主能力。这两个一定要分开，我可以不会开车，可以不会修电视，但不能说我没有脑。

技能的泛化是一个方面，它取决于你投入什么数据去练。自主性才是落地最核心的关键，而不是技能的泛化性，自主性主要是这一套系统的能力。

System 0 就是支撑所有上面这些的基础 foundation model。

逐际是最早研究这个的，我们叫 agentic OS，具身的大脑系统。这里面每一层都有人在做，但我觉得最关键的，是把这几层连起来。思考指引行动，我们叫大小脑融合技术，这是我们主打的技术壁垒。

大家看到很多机器人跳舞，那个不是 System 0，不是小脑的基础模型，那个叫 Replay。就是你编好了一段动作，让它在保持平衡的前提下完成。这是一个重播的过程，不是基础模型。

什么是基础模型？事先不知道要怎么动，我实时产生的行动意图，你都能跟随它，这才叫基础模型。逐际在这个方向上是比较早的，做得也相对比较好。它最终代表的是 System 1 和 2，这是 0 和 body 的关系。

比如我现在看到这瓶水，我想去拿它，我不能回去再训半天、replay 一次，我要实时把它生成出来、执行掉。这就是小脑的基础模型。

2024 年我们跟 Figure 比过，Figure 当时（估值）3000 亿。同时期我们（技术）跟 Figure 差不多，后来他投入太大了，机器到处跳火坑、跳熔炉，你们看到了吧。我想说的是，这些都还是小脑基础，没有打通大小脑。

真正高阶的技能，是 System 1 的技能——从“看到”到“行动”。

先看盲走：闭着眼睛走，只保证不倒，踩到哪儿都行。但它其实不是一个稳定可靠解决问题的方式，它一定会倒，绊一下就会倒，所以它不是成熟方案。

我们从 2023 年底就开始一步一阶地做大小脑打通。现在“哪都能走”这件事已经可以做到，这个技能主要靠仿真和 Sim 2 Sim/信息流的技术完成。最关键的是：训练这个技能要靠数据驱动，而不是靠专家驱动。

去年我们还拿了个广州塔登塔第一名，是世界纪录，之前没有的。这就是带感知的、用感知指引行动、完成闭环的技能，相对还是稀缺的能力。

我们今年初发布 COSA，整个大脑系统。这是霍金刚康复，还有点晃，得拄双拐，但这不重要。大家一定要能看到技术进步的本质：哪些是可以通过堆钱堆人改进的，哪些是真的能力。

技术实现从 0 到 1，接下来要让它做得更稳定可靠，我不需要专家，我只需要收数据。这就把一个模型研发的活，转化成了一个体力活。你只要这个跑通了，剩下就是收数据、训练、部署，结束。

4、逐际动力的定位

人形（机器人）跟车厂差不多：核心零部件→ 技术解决方案提供商 → 代工厂 → 主机厂。

主机厂其实分两类：有大脑研发能力的主机厂，和没有大脑研发能力的主机厂。相当于有智驾算法团队的主机厂，和要外采智驾算法的主机厂。逐际要做的，是有 AI 驱动能力的主机厂。

中美的具身竞赛，我觉得中国会赢，比电动车的优势还大，我不觉得特斯拉有特别大的机会。

逐际的差异化定位是什么？第一，我们是有 AI 驱动能力的主机厂。第二，我们有个 slogan 叫 Serve people, not process——我们的人形是服务于人的，而不是在工厂里做流程。

因为现在这套从数据到训练、到具身数据训练的范式，更适合泛化性要求强、不确定性高、容差度高、精度要求不高的场景，也就是家庭和商业，不太适合工业。

工业里不能说完全没有具身的场景。但现在大家看到的、具身落地在工业里的，大部分还用传统技术，只是样子上像个具身，其实跟这一代大模型技术是不一样的。这一代具身更重要的是泛化性，而不是效率。

人形商业化的底层逻辑，我管它叫“通用本体+”，硬件平台要足够通用，来承接 AI 发展所带来的新功能叠加。

所以它有个特点：光有本体的时候没啥用，只能卖点科研。当有一个 APP ，比如只能跳舞，你会觉得比较鸡肋，好像没啥用。跟手机一样，如果只能打电话，那我好像也不需要买这么贵的。

但是，如果可以不改变通用硬件来叠加功能，当 APP 足够多的时候，会出现一个“吸星大法”的拐点：到那以后，所有的功能都会在这上面沉淀，它就不需要别的东西了。所以人形这个形态，一定要多用。不一定是通用，至少要能覆盖多个功能。

所以我说，我们是可以造人的。这个人就是会走路的霍金。剩下就是技能：先让他干什么？先学什么？

我们有个第一性原理，叫具身落地的牛顿定律：构建技能所需要的数据成本，小于技能本身的价值，就能落地。

我们始终觉得，落地的本质是：你希望他长什么技能？你是先学开车，还是先做别的。这跟养孩子差不多：你是先让他练钢琴，还是先让他打螺丝？你选什么，取决于投入产出比。都得花时间，都得花成本。

比如叠衣服，如果叠衣服非常简单，它可以部署，那也能赚钱；可如果现在花一个亿去训练叠衣服，而它光靠叠衣服赚不到钱，这就是问题。

所以我们更强调的是技能，而不是脑。模型本质上提供的是技能的泛化性。

我们把 2026 年定义成“场景落地的元年”——是开头，但不是爆发。

今年的重点是看场景落地，无论是场景落地的数据，还是场景落地的可能性，都是看这个，而不是看技术突破。

用刚才的定义讲，现在到了“长技能”的时候。大脑系统已经有了，那要让系统用起来，第一个能赚钱的技能是什么？

不能因为很多人做，就证明它没用；也不能说很多人不做，就有用，这不矛盾。 

分享几个真实的落地信号：

逐际动力创学营。我们就在附近组织了一个线下黑客松，全国来了很多学生，大多是大一、研一的，还有本科生，全都是非具身专业的。三天时间，把市面上流行的所有 VLA、VAM 算法全部部署明白了，还上真机摸过了。所以我说，技术没有太大的壁垒——叠个衣服以前能融两个亿，我们三天大家都会了。你们感兴趣也可以学。这是一个 AI 时代，是赋能创造者的时代。

巡检与配送。有些客户拿它去做简单巡检，这是 demo 样机；跑通一些 POC、PMF 之后才会规模化往前推。今年很多订单来自非平整路面的巡检和配送。

地面拍摄专机。我们跟优艾智合很快要做一个跟踪地面拍摄的专机，我觉得非常有市场。

高动态发球陪练。最近参加了比利·简·金杯，动态的高动态发球——这不是我们做的，是合作伙伴在上面加东西。他们的发球机是全球出货量第一，现在要往自主陪练发展：传统发球机是抛物线式地“嘣”一下发出去，动态不够；这个要跑到前面啪一下，发出一个非常漂亮的球，最后还要跳发，这会给我们一些批量订单。

文娱 IP。比如恐龙，四川自贡这个产业挺大的，他们在往上探索。

我们的机器才发货不到几个月，已经有很多用户把它用起来了，这是个比较好的信号。也有一些小批量的规模化订单。他们跑通一个东西，就会多订一些。所以我们的做法是：把平台做好，把接口做好，底层的创新者在里面做尝试。

我们发现，具身落地，你光给个机器不行——落地的场景集成方和场景方，他们不会用。所以我们开源了怎么去训练这些模型，都告诉大家。最终是平台加接口，他们在场景里采数据、落地，形成小的闭环。

关于行业的商业化，我不认为会立刻是大家想象的那种“进家庭”，那是几万亿的事。但至少百亿营收的赛道是有的，就看你怎么干。

其实 100 亿在具身这块非常小：20 万一台，卖 5 万台就够了。只要打透一个场景，基本上就可以做到百亿营收。百亿营收在这个赛道里，就可以活得比较好。

时间上：今年是起点，明年是 POC、PMF 验证通过，后年爆发。当然，现在没有人可以说确定，说确定也不合理。

至于技术，操作泛化的稳定性和可靠性提升，我觉得不会特别久，大概两三年、三四年；技术到产品落地，可能再要两三年、三四年。

人形通用形态，我觉得未来国内不会超过 10 家——因为它相对通用。真正能够围绕用户去迭代技术的，才能活下来。

出品｜嘉宾商学