具身圈流传着“伯克利归国四子”的说法，多少带着几分时势造英雄的意味。
UC Berkeley 是全球机器人、强化学习和具身智能的顶尖学府。星动纪元创始人陈建宇，千寻智能联创和首席科学家高阳，破壳机器人创始人许华哲，前边塞科技创始人、最近加入Meta的吴翼，这四位青年学者并称为“伯克利归国四子”。他们的人生轨迹有相似之处：均本科毕业于清华，后赴加州大学伯克利分校攻读博士，并在相近的时间节点回国。过去几年，他们先后走到具身智能创业与产业实践的一线。
科学家创业一度被视为“不靠谱”，但科学家创业的大时代还是来了。眼下还远没到下定论的时候，他们也必然有大量的商业课要补。但为什么是他们站在风口浪尖上？
《Blue hour》的第一期，我们跟陈建宇聊了聊。本期嘉宾高阳同样是“四子”之一。上个月，千寻智能宣布完成15亿元A+轮融资，这意味着这家公司在三个月内密集完成四轮融资，累计融资45亿。
高阳是千寻智能的联合创始人和首席科学家，也是清华大学交叉信息研究院的“90后”助理教授。这次我们谈了技术和商业，谈最新的Spirit v1.6和当下最热的世界模型，也花了更多篇幅，跟这位青年科学家聊成长历程和一路面临的选择。
高阳是东北沈阳人，儿时常去妈妈工作的扬声器厂玩，迷上了捣鼓电器。他的家境谈不上富裕，幸运的是，他从一所普通小学考上东北育才，这所初中开设了计算机课程，甚至还有机器人兴趣小组。这些偶然获得的机会，后来成为他走向人工智能研究的起点。
比起“努力”“竞争”一类的词，高阳更喜欢强调的是“兴趣”。十年前，清华录取分数最高的专业还是土木工程，移动互联网的大幕拉开，计算机专业起势，但人工智能这个方向还在早期酝酿。遵从内心模糊的指引，高阳觉得研究人工智能“比研究计算机网络怎么传数据有意思”。至于这个专业火不火，他不太在意，他对于钱的看法是，“能吃得起饭就挺好，也不用很有钱”。这个择业的逻辑，很反张雪峰，也是他人生选择的一个注脚。
高阳给自己选了深蓝色，这让我犯了难，到目前为止，本栏目邀请过的三位具身创业者都归在了蓝色系，深深浅浅的蓝。蓝色，在高阳眼中代表冷静，那当然是一个讲究理性、严谨的科研人最常见的一面。
但跟他聊天也有一些出乎我意料的发现，比如，作为东北孩子，他看过《漫长的季节》，喜欢“野狼disco”，讲起话来却慢条斯理，听不出一丝东北口音。在那些看似理性的选择背后，驱动他的，往往又是某种难以量化的兴趣和直觉。他让我想到平静的湖泊那种极清浅的蓝色，清透的但又能包容许多的。正应了访谈里说到的那句，less is more。
Spirit v1.6和世界模型
刘燕秋：这次 Spirit v1.6 的模型，和 Spirit v1.5 的模型相比，它有一个什么样的大变化？
高阳：因为我们的模型是沿着这个技术路线往前走，v1.6 呢就相当于我们用了更多的数据，然后在模型训练的 Recipe 上有一些提升。每个点的提升单独拿出来都是一些比较小的点，但就像你去提升发动机一样，每一代可能都有一些不同，但会慢慢变得越来越好。
刘燕秋：Spirit v1.6 在RoboArena的基准测试中是位列全球第一。你觉得这个第一的含金量体现在哪里？说实话，我不太懂，现在好像各种 benchmark 也挺多的，大家都会标榜说自己在一个什么样的竞赛中拔得头筹。
高阳：嗯，明白。这个含金量是这样的：首先，这个比赛是由 Nvidia、Stanford、Berkeley 等北美比较著名的机构发起的。之前这个榜单上主要都是北美的模型，比如 PI 啊、NVIDIA 啊这些。在我们做之前，中国的模型基本没有参加这个比赛，因为这个比赛相对来讲还是比较难的。它是一个双盲测试，并且测试的任务是比较开放的。每次测的时候，你也不知道模型会被问到什么题，没有办法预知。
所以这个比赛对于模型的泛化能力要求比较高。有一些比赛是把题发给大家，大家就可以背题，那就测不出来模型的真实智力了。但这个比赛完全不告诉你什么题，题是大家随便想的，想干啥干啥，所以这个比赛变得很难。
刘燕秋：我感觉现在大家都在通过各种榜单来证明自己技术能力的阶段，很像智能手机刚出来的时候，大家都在刷分，但现在已经没有人搞这一套了。所以我想，后面机器人更多的衡量因素是实际使用情况的时候，大家就不会再去拼榜单了。
高阳：是的是的，我觉得慢慢大家会变得越来越应用导向。因为现在还是技术发展的初期，做一些应用相对来讲还需要一定的时间去打磨。在这个阶段中间，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，所以我觉得这是一个中间状态。
刘燕秋：前两年大家统一都会讲自己的技术范式是 VLA，但现在最新的潮流变成了世界模型。我不知道你们现在做的也是世界模型吗？这个是需要在架构上有一个重新的调整，还是说要融合一些什么东西进去？
高阳：我们现在的架构是一个世界模型和 VLA 结合的范式。其实我们一开始的架构和现在就没有什么太大的区别，从大体的架构上。只是我们以前没有把从互联网人类视频预训练这个东西叫做世界模型。只是最近，比如杨立昆和李飞飞他们在做一些相关的东西，让这个概念变得很火，所以大家就重新讲这个概念。但我们的模型其实一直里面都有一些数据是用来训练世界模型这种损失函数的。
刘燕秋：所以这个世界模型它并不是一个新鲜的概念，对吧？
高阳：它不是一个新兴的概念，至少 10 年前就有人讲，只是最近重新被翻了出来。
刘燕秋：对，所以现在好像世界模型进入了一个百家争鸣的阶段，大家都在争夺对这个东西的定义权，而且都有不同的路径。
高阳：对，我们是比较偏隐空间的一些世界模型。
刘燕秋：为什么选择的是这一条路径？
高阳：因为首先像素空间的视觉模型，还是有挺多问题比较难解决的。比如说你要生成像素，可能比较昂贵，以及像素对应到动作，比较难以对动作有提升，因为像素太细节了。隐空间有点像人理解这个世界，你理解说，这是个瓶子，但你也不能想象这个瓶子上每一个像素都是什么颜色。所以它更加接近于人的这种理解。那么这种方式就可以让模型能够 focus，不会让模型带偏。如果让它训练太多像素空间的东西，它就忘了自己本来要做的那个动作的事了。所以这是一个比较好的 trade off（权衡）。
刘燕秋：你怎么理解这个事情在当下的位置？比如说大语言模型、具身模型和世界模型，它们之间是一个什么样的关系？是并列的关系，还是相互之间是从属的？
高阳：是这样，大语言模型和具身模型的区别在于模态的不同。语言模型是纯语言，但具身模型是有视觉、语言和动作，模态更多。世界模型的话，其实是独立于这两个维度之外的一个维度，讲的是我对环境进行操作，环境会怎么变化。但对于语言来讲，它比较直接，你说了一句话就多了一句话，没有什么其他额外的东西，所以对于语言模型，世界模型没有什么太大的意义。世界模型大家讲的更多是对于带动作的这种操作。这是两个不同的维度，一个维度讲模态的区别，另一个维度讲要不要预测未来，把未来预测作为一个额外的损失函数加入到模型的训练之中。
刘燕秋：所以世界模型对于搞具身、搞机器人的人来说，更多的是手段还是目的？
高阳：手段。它不是目的，目的是让机器干活。世界模型是生成未来的想象，但生成了想象，目的还是要干活，所以它只是一个手段。
刘燕秋：最终你觉得是大语言模型，还是世界模型会统治我们的世界？
高阳：哈哈哈，肯定不会统治，还是人来主导这些东西。我觉得最后会是一个全模态的模型，有所有的模态，可能也会预测未来等等。
刘燕秋：所以你觉得现在这个行业里面还有哪些词是被滥用的吗？就类似于像什么全栈啊、世界模型啊这种。
高阳：最近主要是世界模型。
东北往事
刘燕秋：他们之前说你是东北小镇长大的，所以是哪里呢？
高阳：我是辽宁沈阳人。
刘燕秋：大城市，国际化大都市。我其实对于东北、对于沈阳的印象，有一点被前些年所谓"东北文艺复兴"这个概念所塑造。因为前些年有一些影视剧，比如《漫长的季节》，你有看过吗？
高阳：我很喜欢，非常喜欢。
刘燕秋：我觉得那个故事非常打动我，它所塑造的那个年代的东北，有一点落魄，有一点衰弱，有很多下岗的工人，你觉得他们的生命好像就是如同草芥一般。但同时你也能感受到他们生而为人的那种底层很高贵的东西。
高阳：我觉得《漫长的季节》和我小时候的记忆是非常一致的。比如说那里面会讲一些破败的钢厂，因为我妈妈在沈阳的一个扬声器厂工作，我大概十多岁的时候，就是国企改制那一批，就像《漫长的季节》里演的那样。所以我觉得《漫长的季节》是我小时候一个非常艺术化的重现，所以我很喜欢。
刘燕秋：所以你妈妈当时在厂里做什么工作？
高阳：那个厂是生产扬声器的，就是做喇叭的，比如用在汽车上或者音响上的喇叭。我妈在那个厂应该是做技术的，但具体她没有跟我讲得很详细。反正就是做一些电器方面的技术工作。所以我小时候对这些就很感兴趣，对于各种各样的电池、电子零部件都很感兴趣，我妈也经常从他们厂拿一些不用的东西给我玩。
刘燕秋：嗯，所以你也经常去厂里，也是大厂子弟是吗？
高阳：哈哈，对，这个大厂和今天意义上的大厂还挺不一样的，是一个国企。
刘燕秋：那你爸爸是做什么的？
高阳：我爸爸最开始是在一汽金杯，就是那个年代大家买得比较多的金杯汽车。他最开始在一汽金杯下面做汽车轮毂的一个厂，干了些年，后来又去汽车轮毂的上游，比如生产铝锭这些厂，他是做质量检测的，也是偏技术、偏质检的那一环。
刘燕秋：所以那部电视剧让你觉得很喜欢的点，是在于它让你回忆起了童年的生活环境，是吗？
高阳：我觉得它是这样，每个人的小时候都有一些印在脑子里面很形象的东西。可能你跟小学时候的同学讲，你们俩能 resonate，能有一个共鸣。但如果不是跟你一起长大的人，你就很难跟他表述这个东西。我觉得《漫长的季节》相当于把我小时候以及我们那些同龄同学小时候的记忆变得很鲜活，并且也很浪漫。
刘燕秋：里面那些随着时代的变迁、产业的变迁沉浮全程的这些人，这个是比较打动我的地方。所以你当时周围会有因为时代变迁而失业的人吗？
高阳：我妈就是在这个时代里面失业的人。她可能从我大概10岁左右开始，他们工厂就没有什么活可干了，基本上没有班可上，就是基本失业的状态。有很多人，在东北这是一个很普遍的现象，在国企上班的人，很多都是在199几年到2000年那一段时间，一大批失业。我觉得我看《漫长的季节》这种感觉是，我自己和我的父母，所以可能我不会以一个第三视角去看。
刘燕秋：那作为一个还挺小的孩子，你那时候内心的想法和处境是什么样的？
高阳：我就没啥想法。这个事情可能对我的父母那辈人来讲是一个很大的东西，但对我自己来讲，感受就没有那么强烈，我就觉得这是一个正常现象。
刘燕秋：我想到东北文艺复兴里面还有一个代表作是宝石Gem的《野狼Disco》，你有听过那首歌吗？
高阳：我很喜欢，非常喜欢。真的吗？对，他的很多代表作我都听过，并且很喜欢。这个真的很文艺复兴，因为里面讲的那些东西都是小时候或多或少会有一些感受的事情，比如说什么小时候的舞厅，我没进去过，但是外面看到过很多。其实包括《漫长的季节》里面也有几幕在拍那个场景。
刘燕秋：为什么那个场景会给你留下很深刻的印象？
高阳：因为小时候我就很好奇，这些舞厅在外面，当然说你不能进，也不知道里面是啥，就觉得很好奇，很有意思。长大了之后，相当于从文艺复兴的一些文艺作品里面去了解到小时候那个没被解的疑惑，就很有意思。
刘燕秋：所以成年之后第一次踏入舞厅是什么感觉？
高阳：不过如此哈哈。觉得很吵。
刘燕秋：哦，蛮巧的，老舅我之前也有聊过，但他那时候可能还没有那么火。我记得他当时讲了一句话，印象特别深刻，他说他当时在搞的那种音乐，具体叫什么我不太记得，就是一种氛围感，他说这个音乐重要的就是这个氛围感，你的人如果要活成跟这个音乐是一个氛围，你就成了。
高阳：我倒觉得他好像从他后来的一些演艺生涯来看，和他写的音乐很不一样。
刘燕秋：因为他走上了一条谋求主流的道路。
高阳：对对，就是他写的那个音乐是一个很社会大哥的那种，但是他自己走上了一个演正剧的道路。
刘燕秋：对，当时做他的那个稿子，还去长春采访了当时他们在长春同一个厂牌的另外一个兄弟。他们很像是在同一个点上出发，但是选择了两条完全不同的命运轨迹。像宝石Gem可能就是抓住了一个机会，觉得人生应该往更上走、往外走。他的朋友就选择在长春当地开一个录音室做音乐，说很多人这些年接触到很多年轻学生都想往外走，但他想留下来，觉得这个地方还是需要有人留下来做点什么。他当时讲这些我还挺被打动的。
高阳：我觉得每个人还是有不同的一些想做的事情，这些其实是每个人自己的 preference。我觉得对于一个想做像二手玫瑰啊，或者老舅这种 local music 的人，肯定是留在当地是一个更好的选择，因为会有更多的一些灵感。
“小小科学家”突围
刘燕秋：所以你小时候除了喜欢捣鼓那些电器，还有什么其他的特别爱好？
高阳：我小学时候还很喜欢玩赛车，就是《四驱兄弟》那种赛车。因为那种赛车是你买一个盒，里面有各种零件，然后自己拼起来。我记得小时候因为家里不是特别富裕，所以有些家庭很富裕的小孩会买很多个赛车的盒，拼很多个赛车，配置很高。那东西就像现在露营一样，你可以很低配地露营，也可以很高配地露营。反正我当时就很低配地玩那个赛车。我印象还挺深刻的，沈阳原来有一个大商场叫兴隆大家庭，是沈阳中街的一个商场，那里面可能5楼还是6楼有一个赛车跑道，有四条道，曲里拐弯的，又爬升又下降，你可以在那跑道里面跑，会更好玩一些。
很多个周末我都是去那玩赛车。那赛车因为是很多零件拼起来的，而且速度很快，所以有时候比如撞到哪，或者飞出来，就会坏。我就自己去修，坏到哪就修哪。可能我有那么两三台比较旧的赛车，就从一个零件上拆下来放到另一个上面。而且当时我还自己手缠马达，因为里面就是一些铜线什么的。当时也没有什么理论知识，反正就是觉得很有意思。
刘燕秋：那在学业上你是属于从小就很学霸的那种吗？
高阳：幼儿园我有点记不太清了，但幼儿园大家都是100分嘛。小学我们班一共有三四十人，可能我每次能前三、前四之类的，也没有说一直第一，但大多数时候都是。
刘燕秋：第一梯队。
高阳：对对对。
刘燕秋：那你觉得你是属于应试教育体系里出来的，还是说你父母对你更多是素质教育？
高阳：我觉得 depends on definition 吧。可能高中时候会比较明显，有些学校很看考试成绩，题刷很多遍，大家就比较应试。但我的小学说实话不是一个重点小学，就是一个普通小学。每个人喜欢干的事，你让他多干点，可能这就是素质教育。所以我觉得我小时候玩赛车也是一个 by accident，可能也是素质教育的一个体现吧。
刘燕秋：所以就是一路比较顺利就到了高中。
高阳：我小学是回民小学，初中和高中都是东北育才。东北育才在我们当地是一个很好的学校。
刘燕秋：成都七中那种。
高阳：差不多那意思。辽宁省当时可能有类似5所和东北育才水平接近的学校。我初中是考上东北育才初中部。育才的学习压力会更大一些，因为它还是一个比较重点的学校。但是在育才里面，我从初一接触到编程。我小学是一直在玩赛车，从初一接触到编程，但初一当时没觉得很有意思，因为初一的时候学校机房在装修，只能在纸上面学编程，就很没意思，看起来很干巴巴的那种。初二学校机房好了，我们家也买了一台台式机，就觉得这东西很有意思。
刘燕秋：所以学计算机不是所有中学都会学这个学科吗？
高阳：不是，在当时基本上所有学校都不会学计算机，初中和高中一般都不会学。当然是因为有计算机竞赛，所以相当于我们开那个课。很多包括我自己也是参加了当时叫NOIP的比赛，就是 National Olympiad in Informatics — Provinces，省级的比赛。因为有那个比赛，我们学校开了那个课，但很多学校其实并不会开这个。
刘燕秋：所以你的兴趣一下从赛车转移到编程，是吗？它对你来说其实跟赛车很像，是一个玩的东西。
高阳：对，因为我小时候挺喜欢数学的。第一次学什么一加到100，奥数班教你1+100、2+99，高斯几岁想出来这个解法，巴拉巴拉的，有很多那种类似的题。计算机很擅长做这种重复性的工作，不需要你很聪明地想出来1+100=2+99，1加到100等于多少，你写一个很简单的程序就能算出来。所以当时就觉得，诶，这个玩意很有意思，可以用它来做数学作业。所以当时就编程很感兴趣，很多时候自己就搁那研究。
刘燕秋：所以后来保送清华也是通过竞赛？
高阳：对，进入育才之后我参加了三个竞赛。一个是计算机竞赛，因为从初二开始比较正式地去学，有个比赛就参加了，从初中一直参加到高中，拿了省一等奖。数学竞赛，因为从小学一直比较喜欢数学，但后来发现自己数学天赋也没有那么高，尤其是到了高中学竞赛的时候，发现很多同学想问题的能力比我强很多。但初中和高中也都参加数学竞赛，高中拿了数学竞赛省一等奖。
保送清华是参加了一个比赛，叫"明天小小科学家"。它是一个名字听起来比较奇怪的比赛，是一个创新类型的比赛。这个其实也非常感谢东北育才，他们高中有很多像兴趣探索班一样的东西。当时有几个，有一个是机器人的兴趣探索班，真的挺前沿的。但说实话我们当时还不算真的机器人，那个探索小组叫机器人，实际上就是在做一些单片机相关的小应用。单片机就相当于一个小电脑，可以放到各种各样的硬件上去用，和编程也是蛮相近的一个兴趣小组。我自己对编程比较感兴趣，因为那个机器人小组能有各种各样的东西可以玩，所以当时就参加了这个。
那个比赛从现在的视角来看，非常非常像我们现在在大学里面做科研，或者在公司里面做一些技术探索的东西。我从高一开始就接触这些东西，也觉得蛮有意思的，后来做了很多小项目。保送清华的时候我做了一个密码学的项目，听起来很高深。
刘燕秋：密码学。
高阳：对，设计一个新的加密算法之类的，听起来很高深，但现在看起来肯定有很多问题了。不过当时对我来讲是一个很好的 practice，相当于做了一个很大的项目，探索了一些东西，证明了一些东西。
刘燕秋：还是要感谢东北育才。
高阳：对，我觉得非常非常感谢。其实可能很久都没有讲这些事情了，但今天讲起来，作为一个初中、高中生，有这样比较前瞻的一些兴趣小组或者一些机会，还是很难得的。如果没有这些机会，可能也会上课刷题什么的，可能会很不一样吧。 清华到伯克利，计算机视觉到具身智能 刘燕秋：所以后来通过这个竞赛保送到清华之后，大概是一个什么样的状态？你当时对清华抱有一个什么样的期待？
高阳：我小学的时候，经常听人说，这个人是一本的很厉害。所以我小学就觉得，以后考上一本就行了。上了育才之后，发现大家都能考上一本，那也能考一些更好的学校。但当时也没有说一定非得去清华，就觉得中国的清北复交浙大这些都非常非常好。反正当时做这个竞赛，运气比较好，能保送到清华。
刘燕秋：那你去了之后，像清华这种学校，它本身就是累积了一批全国各地的尖子生。你去了之后，会不会有一段时间觉得有落差，自己可能比不上其他更优秀的同学，需要重新去调整、去找自己的位置？有这个阶段吗？
高阳：我入学前是这么想的，会很担心说大家很厉害，而且我也没参加高考。
刘燕秋：没参加高考更厉害。
高阳：不是，我这个比赛听起来比较水。因为更多人保送清华还是数学竞赛国家一等奖、计算机竞赛国家一等奖这种。我保送的是"明天小小科学家"，别人问起我什么竞赛保送，我说"明天小小科学家"，他们觉得我在开玩笑，因为没有人听过这个比赛。所以我进清华之前就觉得，能毕业就行了，因为大家都很厉害。但我进去之后，因为之前学过计算机竞赛，发现大学讲的课对我来讲还比较简单。因为从初二开始就学计算机编程这些东西，那些东西对于没有学过的同学来讲还是挺难以理解的，思维方式和人类正常的思维方式很不一样。
上了大学之后，我反倒觉得还挺轻松的。再加上高三保送了，没什么事，自己把微积分和线性代数学了一遍，所以那些数学课也觉得挺简单的。大一上结束之后，排名在计算机系比较靠前吧，150人里面可能前五之类的。我觉得我也没有特别努力，但可能因为之前学了比较多相关的东西。
刘燕秋：融会贯通了。
高阳：这个东西对我来讲还挺顺利的。但我并不是说我比别人聪明，而是提前学了一些东西。如果别人也提前学了，大家也会这样。
刘燕秋：但清华的学生肯定都是自驱力很强，都在背后默默努力的呀。
高阳：是这样的，当时在计算机系，学生基本分为两类。一类是高考的同学，他们一般都没有学过编程，所以第一学期甚至前一两年都很痛苦，因为要学编程。第二类是计算机竞赛保送的，他们大多是计算机竞赛国家一等奖，我当时是省一等奖，省一等奖和国家一等奖还差挺多的。但他们因为高中一直在学计算机竞赛，没有学文化课，所以微积分搞不明白，线性代数搞不明白，有很多同学英语也没咋学，一些英文材料也搞不太明白。所以我因为两个都学过，虽然两个都学得没有那么好，但课程难度也不是那么高，反倒对我来讲是比较容易的事情。
刘燕秋：经过这四年，你有确立下一个目标，说要沿着学术路线接下去走，而不是马上工作？
高阳：其实当时没有想那么明确，只是看学长学姐毕业之后，大多数人还是选择继续读书，有人读博，有人读硕，有人出国，有人在清华直博或者读研。当时觉得想去国外看一看，体会一下，因为新的环境能给人很多新的感受。而且至少在当年，美国的学术水平还是比中国要高一些的。所以大概大二左右就想出国读博。
刘燕秋：那么早就确立了。
高阳：其实没有完全确定，当时想出国读博或者硕士。
刘燕秋：后来是在几所学校之中做选择吗？
高阳：因为当时要出国，最想去读博士。读硕士学费非常贵，家里也出不起那么多学费，读博一般都有奖学金，所以这也是一个原因之一。当时拿到了 Stanford 的硕士，Berkeley 的博士，MIT 的博士和 CMU 的博士。计算机方面，美国这四所学校是最好的，大家经常说这四所学校是"四大"。当时这四所学校的 offer 都拿到了。
刘燕秋：所以为什么最后选择了伯克利？
高阳：拿到 offer 之后，他们有一个挺人性化的安排叫 campus visit，可以去学校实地看一看。大四的时候买了张机票，去了不止四个学校，每个学校转了一下。当时 MIT 非常冷，CMU 也非常冷，冰天雪地的。但 Berkeley 和 Stanford 都是加州阳光明媚的那种，天气非常好。当然不止因为天气，还有就是当时 Berkeley 在机器学习这些领域的学术水平也很高。所以最后还是主要因为学术水平选了伯克利，天气也是一方面原因。
刘燕秋：当时这些决定都是你自己做的？
高阳：对，包括出国，大多数决定我爸妈都不怎么管。
刘燕秋：我之前跟一个北大系的科技创业者聊天，他说清华系搞技术的创业者会比较缺乏批判性思维，说北大系的创业者不仅仅会考虑技术，还会考虑这个东西到底是什么、从哪里来、要到哪里去，会考虑更哲学、更形而上的问题。你对这个会有反驳吗？你觉得清华带给你的优缺点是什么？
高阳：的确北大的同学会更加喜欢去想这些问题。但我接触的老师，我倒觉得没有那么大区别。这有利有弊吧，如果你想很多形而上的东西，就容易不想干手头的活。两个极端都不好，一个比较融合的状态会比较好一些。
刘燕秋：所以你会去思考那一类形而上的、偏哲学的问题吗？因为科学本身也是脱胎于哲学。
高阳：肯定会想一下，但不知道他所谓的形而上到底是多形而上，可能不会想那种非常非常抽象的东西。但比如高于技术一点点的东西，比如我们做机器人技术，它对于人类社会的一些影响、生产力关系的一些变化等等，我还是会花很多时间去想。
刘燕秋：你思考的结果是什么呢？
高阳：我觉得机器人是一个很难的事情，物理世界相当复杂，可能要发展好多年才能到最后想象的形态。虽然短期已经可以做很多事情，比如在工厂里面或者环境相对简单的地方。长期来讲，它就像电力革命一样，历史上内燃机革命、电力革命让人类解放出来很多体力劳动，大模型又解决了脑力劳动，未来的机器人可能又会解决那些非结构化的体力劳动。所以生产力关系可能会有一些变化，但总体如果机制设计得比较好，全人类都会从中受益。可能需要一个比较好的机制设计，就像互联网出来了，需要有一些法律法规保护每个人的隐私，到机器人时代来临之后，基于当时的生产力关系，也会需要有一些相应的法律保证每个人的基本收入之类的事情。
刘燕秋：我又要聊这个问题。大家老说生产力和技术的迭代最终会让生活变得更好、给我们减负。但从我自己的亲身体验来说，我觉得不是这样的。比如媒体这个工作，20年前是一个更加匠人的工作，大家可以花更多时间、投入更多精力好好打磨一篇稿子、一个作品。但到现在，我们自称数字劳工，工作量相比于20年前有数倍的增长。所以我会去想，大家假设的特别理想化的未来真的会来吗？对生产力的追求应该是无止境的吗？有没有可能我们刚好停在某一个阶段，那个阶段让我们感觉很舒适，不用再进步了。
高阳：明白明白。在今天这个时代，我感觉媒体变成一个更加泛的意义，每个人都可以成为自媒体，通过抖音等方式传播信息。所以信息的生产力极大被电子化所改变，或者说发展了。这里面 create 了很多新的机会，也会让之前比较常见的一些机会变得没有那么被关注。在这些前提之下，需要通过一些法律法规保证大家的工作时间什么的，综合作用效果之下，可能会让大家 average 的 welfare 会变好。
刘燕秋：但其实你回答这个问题还蛮有意思的，因为你在很小的时候经历过妈妈下岗失业的阶段。所以现在考虑机器人将来会不会让一批人失业这个问题的时候，会不会有一些更切身的思考？
高阳：我觉得大模型可能会更早到来这个阶段，语言模型。因为机器人现在还不很 work，所以会去想这些问题，但可能还没有到一个需要特别大的 action 的阶段。
刘燕秋：本科阶段发表的论文是什么研究方向？
高阳：当时在谷歌中国实习，做了一个自然语言处理的项目。但当时的自然语言处理还没有大模型，什么都没有，大概2012年左右。做的是一些社区里面广告帖子分类、不合适帖子分类之类的任务。当时大二，懂的东西也比较少，很感谢当时的 mentor 带我走完了第一个发 paper 的流程。后来跟清华计算机系的朱军老师也做了很长一阵子科研。
刘燕秋：你现在觉得它是相当于为博士做了一个学术积淀，有某些理论或者概念方法是能延续到之后研究生涯中的吗？
高阳：主要还是一个宏观的方法论，科研应该怎么去做，怎么处理一个比较大的 codebase，怎么做实验等等，这些比较基础的能力。具体的话题其实换了蛮多的，但整个大面是围绕着机器学习这些东西去做的。
刘燕秋：这个也不一定是你自己的选择，是当时的主流研究方向，对吧？
高阳：对，当时还是有选择的，有很多研究方向，比如研究网络的、研究操作系统的、研究人机交互的。我去的这个研究方向就是研究人工智能的。
刘燕秋：那是哪一年？
高阳：2011年开始吧。研究人工智能的主要围绕机器学习这些东西。朱军老师非常非常厉害，他应该是2010年从美国 CMU 博后回来的，跟朱老师在这些方面接触了很多很前沿的知识。
刘燕秋：所以你是怎么从那么多个方向里选择了人工智能这个方向的？
高阳：就觉得挺有意思的。人工智能听起来要构建一个像人一样的智慧的东西，比研究计算机网络怎么传数据好像有意思一些。
刘燕秋：但在当时其实还是非常早期的方向。
高阳：对，非常早期。以今天的标准来看，当时就是什么都不好使，但做研究嘛，就觉得比较有意思。
刘燕秋：那时候你导师是一个什么样的人物？他在你学术思维的建立上起到了什么样的作用？
高阳：我导师叫 Trevor Darrell，他的风格是一个很让你自己去探索的风格。他当然会有一些想法，但他是一个很 nice 的美国人。"你觉得什么有意思？你做这个看看吧"，会给你一些不是很 push 的建议。
读博的时候自由度还是挺大的，很多时候愁不知道该研究些啥。因为导师比较 senior，不会直接给你一些直接上手可以做的方向，可能还得自己去想很多东西。怎么说也是一个很自由的状态，没有人告诉你说"你今天要做啥"，也没有人告诉你说"你近半年要做啥"，就你自己来决策你想做啥。
后来听说一些其他组的老师并不是这样，就跟你讲"你必须做这个事情"。如果这个同学不相信这个东西是对的，就会很痛苦，因为是在做一个觉得不对的东西。我觉得这也是一个蛮幸运的点，Trevor 特别 open 去支持很多你觉得对的东西，他都会支持你去做。
刘燕秋：就是会让你去尝试碰壁的那个过程？
高阳：对对。Trevor 有一个学生也很有名，叫贾扬清，他之前做了 Caffe，是第一代的深度学习系统。后来也做了很多很好的工作，包括 TensorFlow、PyTorch 等等，他都参与了很多。
刘燕秋：那时候的计算机视觉，研究的主要课题是什么？你自己选择的课题，是这个大潮流当中的哪一部分？
高阳：那个时代大概是2014年到2019年，基本是深度学习刚刚兴起。2014年到2019年大家主要研究一些比较基础的问题，比如图像分类，李飞飞他们做的。比如神经网络结构，像何凯明他们做的 ResNet，再到黄高和刘壮他们做的 DenseNet，也是那一段时间的热点。再包括物体检测、图像分割等等。
我最开始做的是视觉和触觉，在今天是比较火热的话题。探索人类的视觉和触觉是怎么融合起来的，这是我的第一个项目。后来又做了一些自动驾驶的项目，从眼睛看到怎么一步一步做到方向盘转角和油门刹车，和今天做的机器人是比较像的。所以虽然导师是做视觉的，但最开始的几个项目就越来越和机器人结合，这是为什么我后来主力去做机器人这个方面了。
刘燕秋：那时候你也有去 Waymo 和英特尔研究院实习，这是学院的要求，还是你希望更多从产业里面去发现一些现实要待解的问题？
高阳：不是学院的要求，是自己想去看看。第二个、第三个项目是做自动驾驶的，做了一个也想看看最先进的公司是怎么做的，所以去 Waymo 实习了一个暑假，学习了他们是怎么做这件事的。后来去英特尔是因为英特尔有个研究院，研究院有一个老师叫 Vladlen Koltun，他之前是 Stanford 的教授，学术水平也非常非常高，对自动驾驶非常感兴趣，所以去那也是跟他做了一段时间自动驾驶。
刘燕秋：当时做自动驾驶，你在Waymo的感觉，那里的企业文化或者说自动驾驶已经发展到一个什么样的阶段？刚好前段时间跟陈建宇聊，他说那时候也在 Waymo 实习过，但后来没有接那里的 offer，原因是觉得自动驾驶已经完成了从0到1，架构已经很完整了。
高阳：我进去的时候还比较早，大概2016年左右。当时的状态是已经可以比较自主地开个十几公里、二十公里不需要人干预，但面对怎么让这个东西真的完全不需要人干预，还是有点遥遥无期。怎么说呢，当时也是深度学习爆发的时代，大家先把这些方法上去试试效果咋样，仍然是一个非常不确定的时间节点。当时的 Waymo 技术栈和现在应该也非常不一样，因为当时还是比较手工的，不是端到端这种模型，现在越来越端到端了。在我走之后，自动驾驶行业经历过好多波技术的更新和迭代，Waymo 内部肯定也有很多技术的更新和迭代。
在 Waymo 是一个相对很工程的环境，他们有非常非常完善的一套工程化体系，那是在学校里从来没有接触过的。比如他们有路测返回的结果，每天可能有几十条说"这个地方有问题了"，然后大家一起坐下来分析原因是啥，归因到某个组，某个组有一个 issue 列表，这些 issue 要去解决，分配到每个人去解。解完了之后还有一个仿真测试，上路之前提交改变，一摁，集群上几千个 CPU 跑仿真，跑出来告诉你比前面一版好了还是坏了。就是非常完善的问题发现、解决、数据闭环和仿真测试的体系，当时还是非常非常震撼的。
Less is more
刘燕秋：所以那个阶段，你导师会给你建立一套学术的标准和审美，让你去判断一个什么样的研究、什么样的课题是值得做的，什么问题是值得我们去定义的？
高阳：会的。但可能这套标准初步是在读博的时候建立起来的，建立的最快速的阶段还是自己做博后的这段时间。因为做博士还可以跟导师讨论，即使你提了一个很不靠谱的 idea，导师会说"这个不太行，你再想想"。所以对自己的锻炼肯定有，但可能只是一些粗糙的感觉。自己做博后的时候，这个建立起来会更加快速一些。
刘燕秋：所以你建立起的那套标准，能用语言描述出来吗？
高阳：嗯，我想一下。我觉得这么讲比较好：What is the simple mechanism that can result in complex intelligent behavior. 就是说，人类的进化，自然界没有什么复杂的设计，就是有些 mutation（突变），有些环境的适应性，不适应的个体被淘汰，巴拉巴拉这一套东西，机制非常简单。这么多年的 research，我总结出来做人工智能的研究也是一样的，你要发现一些很简单的规律、算法或者机制，沿着这套简单的机制往前演化，能自动推导出无限复杂的行为。很多设计起来看起来很复杂的东西是不对的，因为复杂的东西不能 induce 出更加复杂的智能，它可能只能推导出相同复杂的智能。
刘燕秋：Less is more。
高阳：对，Less is more。
刘燕秋：所以那个阶段你觉得自己比较引以为傲的作品大概有哪些？
高阳：我觉得其中一个可能是第三个工作，就是端到端的自动驾驶，大概是2016年。当时所有工业界的人都是一个一个模块去做自动驾驶。今天我们知道这么做是做不出来的，但那个时间点工业界的人都是这么做的。我们当时就觉得不应该这么搞。我们相信一个人开车或做任何动作的行为，没有那么多很显式的中间步骤，比如框出来一个框框说这是个汽车、那是个行人，人脑子里没有这些框。人脑子里有很多概念，但没有显式地通过框的形式传递给下面该怎么做决策。所以我们当时觉得应该去做端到端的模型，那个模型还是很初步的，远远不如今天的端到端模型，但这个概念领先了业界大概七八年的时间。我们在那个时间点就在讲，要做尽量简单的设计，用数据的方法去驱动整个事情。
刘燕秋：所以这个端到端的概念是你们提出的，还是在前人基础上做了一些进一步的工作？
高阳：这个概念对于自动驾驶来讲，并不是我们第一个提出来的。大概1989年，CMU 的一个教授就提了这件事情，包括 Yann LeCun，也有一篇论文在讲类似的事情，也是端到端用来做自动驾驶。我们那篇工作是在这些前人的基础上走了一小步，这一小步是说我们把数据 scale 到很大，当时大概 scale 到几百万帧的量级。模型也用了一些比较先进的架构，发现了一些很有趣的现象。比如这个车从来没有红绿灯的监督，但它自己学会去看红绿灯了；对于一个路口的多个选择，它都知道，并且同时告诉你这个路口的多个可能的选择，等等。
刘燕秋：从自动驾驶跨到具身那一步，是相当顺理成章的？从车到机器人，大家老讲它们是同一个事情。
高阳：是的是的，这两个东西本质是非常非常相似的。都是看到场景然后去做动作，本质上很像，所以研究也是从自动驾驶自然地转到了通用机器人的研究上。
自动驾驶能研究的问题更少一些。当时研究完端到端这个问题，虽然效果没有特别好，但觉得可能是数据量不够多或者网络不够大，在学校已经很难做什么新的东西了。所以机器人看起来是一个更加通用的问题，当时就开始转向通用机器人操作的研究。
刘燕秋：转向机器人研究之后，你的研究路径是跟随之前的计算机视觉路径一脉相承过来的吗？会用那时候的一些方式方法融合到机器人研究当中？
高阳：不完全。视觉相当于理解场景，但机器人是两部分：理解加行动。理解这部分用视觉的东西很自然，但行动这一侧有新的工具，比如模仿学习、强化学习等等。这些东西以前纯做计算机视觉的时候是没有接触过的，是在那个阶段去接触的。
刘燕秋：当时在计算机器人的研究领域，已经出现了 AI 主导范式的崛起？DeepMind 那一阶段带来的深度学习，包括后来 GPT、OpenAI 引导的这波。
高阳：对，第一波还是比较偏学术。第一波是 OpenAI 做了那个手转魔方，用灵巧手转魔方；DeepMind 用强化学习做了一些事情；Berkeley 的 Sergey（Physical Intelligence联创）和 Pieter Abbeel 也做了很多用强化学习去做机器人的工作。但那些还是相对初级的，偏学术性的一些探索。真的有变化的是 OpenAI、GPT 这一波，大家对于智能怎么产生的认知产生了根本性的改变。
刘燕秋：这个当时对你的触动大吗？
高阳：很大，非常大。GPT 出来之前，我们觉得 OpenAI 也不是很靠谱，天天讲"大数据出奇迹""我们要用越来越多数据训，就有通用人工智能了"，我们觉得太不靠谱了。当时 Berkeley 很多老师也觉得他们随便说说而已。虽然当时他们用很多算力做了一些东西，比如强化学习打很多游戏，AlphaGo 是 DeepMind 做的，但觉得还是某个专门 domain 上的事情，是专用智能不是通用智能。OpenAI 说要搞通用智能，我们觉得搞不出来。但直到 GPT-3.5 出来，我就完全被震撼到了。大家经常讲图灵测试，跟机器对话能不能分辨出来它是机器，到 3.5 的时候已经能看到这个东西马上就要到来了。事实也是，过了半年、一年，大家就发现这个机器比人还聪明了。
刘燕秋：那在 OpenAI 这波如火如荼的阶段，你做的课题是什么？
高阳：是在做机器人。
刘燕秋：具体的细化主题是啥？
高阳：大概2023年左右。2023年之后和之前很不一样，2023年之前还是做一些和以前 Sergey、Pieter 他们做的比较像的小规模研究，可能现在我称之为 trick level 的 research。
刘燕秋：都是小把戏？
高阳：对，最后不能解决通用具身智能的问题。当时也没人知道，大家在做一些当然也是有意义的研究，但可能不能让这种通用问题被解决掉。2023年之后就开始完全转向大模型，拥抱 GPT 所带来的这些变化。
刘燕秋：OpenAI 对你的认知改变非常巨大，这个改变具体是什么？
高阳：对我的改变就是说，智能真的可以通过海量数据加上一些后训练的技巧做出来。有了这个认知之后，其实很多研究就没有必要做了，因为你知道这么做可以。大家已经在语言处理领域做到了，最简单就是把这套基础逻辑在具身里面再做一遍，里面会有很多不一样的点，但这是一个对我可能包括很多人认知的根本性改变。
刘燕秋：那时候是会觉得兴奋，还是会有一点沮丧？感觉之前做的很多工作变成了无用功？
高阳：不会不会，researcher 大部分的工作都是无用功。我会觉得很兴奋，因为以前不知道该怎么解，现在知道了。但即使知道了，仍然有很多具体的问题要处理、要解决掉，才能把它们真的解好。所以我是非常非常兴奋的。
刘燕秋：你博士毕业的时候，都面临哪些选择？选择回国是出于家国情怀，还是个人职业上的选择？
高阳：我觉得都有吧。一方面是文化上，更喜欢在中国待着，更舒服一些。另一方面，也不敢说报效祖国，水平也没有那么高，但觉得在清华能做很多很有价值的事情。当时两种选择：一种在美国留下来做工程师，比如去 Waymo 做感知工程师；另一种是回中国在清华做教授。在美国做工程师，做的事情会比较小，因为是很庞大的工程体系，每个人能做的事情相对比较少。在清华是一个很自由的平台，想做什么做什么，potentially 可以做出让很多人的算法更好、让未来机器人更早做出来的事情，这个东西对我来讲更有意思、更有吸引力，所以当时选择回清华了。
刘燕秋：当时有一个说法，说你们是"伯克利归国四子"，是只有你们四个人吗？
高阳：伯克利的话，我想想，可能就是我们四个。后面还有没有回来的有点记不太清，但至少我们这一波是我们四个人。还有很多其他学校的，MIT 的、Stanford 的、CMU 的都有。但我们伯克利这几个人本来就认识，在伯克利就挺熟的。其实是一个人回来，然后说"哎，你要不要也回来"，大家就一个一个都回来了。
刘燕秋：那是谁先决定回来的？
高阳：是吴翼先决定回来的。吴翼说决定要回，问我要不要考虑一下，我考虑了一下，当然也面试什么的，纠结了蛮久。后来下一个就是陈建宇老师，我忘了是我还是吴翼把他拉回来的。包括许华哲，也是我或者吴翼，反正我们都很熟了。
刘燕秋：所以你觉得为什么是那个时代选择了你们四个人？你们四个人人生轨迹上有什么相似之处？多大程度上是运气、机遇的成分，多大程度上是自我选择的部分？
高阳：从我自己来讲，别人我不是100%确定，但我自己是初中就对计算机很感兴趣，后来对人工智能很感兴趣，后来觉得应该做些通用的东西。任何一个人其实都是时代和自己兴趣的结合。比如我有一些初高中同学也做计算机竞赛，但没有那么喜欢，本科读了其他专业，慢慢去做其他事情了。不可否认肯定有很多运气成分，比如我的初中东北育才没有开编程课，我可能根本不会了解这个东西，大学根本不会报这个专业。所以既有运气也有兴趣，两者都有。
刘燕秋：所以你人生每一步的选择，其实更多是基于兴趣？这种兴趣可能更多是情感性的、偏感性的驱动因素，而不是特别逻辑性的。
高阳：不是，我觉得是比较偏感性的。
刘燕秋：这我还挺惊讶的，因为感觉你可能会是一个特别理性、从理性角度去做选择的人。
高阳：是这样的，但这些选择并没有特别理性，当时也没有什么理性的依据，没有办法预测未来说人工智能要火了所以选人工智能。但我觉得人做选择应该还是有很多理性在，可能我这些选择真的就是因为喜欢这些东西。
刘燕秋：所以你的底气是来自于哪里？为什么觉得自己可以这么任性去做这些选择？
高阳：我觉得其实是一个时代的机遇。虽然小时候家里并不是很富裕，但也不至于吃不起饭，能吃得起饭挺好的，也不用什么很有钱。当时选计算机就觉得比较喜欢，2010年上大学，当时很多人选土木专业，大家都说去清华应该去土木，当年高考最高分数线还是土木什么的。我选计算机，觉得只要最后能找到工作就行，从清华出来不至于找不到工作吧。
千寻的四个milestone
刘燕秋：所以后来创业的机会是怎么来的？怎么意识到这个事情不能再通过学校里的资源去做，必须要去社会上寻求社会资本、更多资源的聚集，才能把这个事情滚起来？
高阳：这个逻辑是这样：首先智能的问题在语言领域被或者几乎被解决了。当时看语言领域 researcher 的做事逻辑，在学校实验室里面已经很难跟得上工业界的步伐了。因为没有那么多数据、没有那么多计算资源，只能在非常小的规模下做研究，但这些成果在更大的模型尺寸和数据量上可能不成立。所以作为 researcher，没有办法在学校里面继续 contribute 到这个事情里面。在公司里面去做这个事情，在当时几乎已经是唯一的解法。并且这个技术可能会给人类带来很多正向价值，也值得用商业化的形式去做。那个时间点具身智能一切还没有，但未来的方向已经定下来了，就是会向这个方向发展。
刘燕秋：当时很确定这一点吗？很确定大语言模型的那套东西能用在具身上？
高阳：很确定。
刘燕秋：确定的依据是什么？
高阳：确定依据是它们的数学本质是一样的。大家讲神经网络是一个 universal function approximator（通用函数逼近器），能拟合任意的函数，当然有一些假设。语言是一个函数，人类的动作也是一个函数，没有道理同样的方法论不好使。当然有很多细节需要去搞对，让这个东西变得更好使，但它一定是真的，一定是可以 work 的。
刘燕秋：所以你当时就是要去创业，寻找市面上合适的合作伙伴？
高阳：对。
刘燕秋：你有考虑过自己去主导这一摊事情吗？
高阳：我是这么想的，机器人最后要 deliver 的是一个产品。这个产品真的在初级阶段，不太可能只有一个软件，一定是一个像手机一样的产品，拿到就很容易使用，解决问题，这样才会有人买。我自己的背景很偏软，硬的是完全不懂的，创业这件事情在当时也是完全不懂的。所以当时想找一个人跟我一起把这个事情做起来。当时见了很多很多人，韩总是我见过的最出色的。一方面是因为他对这个未来也很相信，第二点是韩总有很丰富的创业经验，自己对这件事情想的也很深入。所以两个人一拍即合，大概2023年就决定一起来做这件事情。
刘燕秋：所以你跟他相处的时候，你会觉得说"哇"，觉得跟他相处很舒适，这个人具备你身上没有的、缺失的那一部分？还是说你们之间会因为个性、脾气不完全一样而造成一些隔阂？
高阳：我觉得更多是第一种。当时选择跟韩总一起来做这个事情，就是觉得我身上缺少这些东西。在商业世界里面，一定得有很多特质才能把这个东西真的卖出去，而我这方面经验非常非常少。韩总这方面经验很多，我也非常 admire 他之前的这些经历。他的教育背景也蛮好的，但他经历过创业的洗礼，习得了如何把一个纯技术角度的事情做成商业上成功的事情，这是很了不起的，也是至少我当时所缺乏的一些特质。
刘燕秋：那你跟韩总之间最近在某一个问题上不太一致是什么时候？
高阳：最近大多数都还蛮一致的。之前有一次不太一致，是说要不要买第三方机器人，那是很早了，可能第一年。当时我的观点是我们自己的机器人还没有量产，应该先买一些第三方机器人。韩总觉得第三方机器人太烂了，不如自己造。观点有些不一样，最后因为没有机器人会耽误研发进度，还是买了一些第三方机器人。
刘燕秋：2024年、2025年到今年2026年，差不多两年半的时间，你会怎么去定义这两年半在这家公司所做的工作？有几个可以称之为 milestone 的？
高阳：最开始创立的时候人非常少，只有大概七八个人。第一个 milestone 很快，做出了第一代机器人，虽然没有被命名，但从硬件到模型推理完整的能做，当时是做一杯咖啡，大概过了不到半年、大几个月就做出来了。
第二个 milestone 可能是第一个把叠衣服这种比较难的任务做到很高的成功率，并且很柔顺。当时在国内是第一个做到的，这个效果在今天很多公司都还没有办法达到。
第三个是我们的 Moz1 机器人，第0代是比较偏原型机，第一代机器人是一个非常鲁棒、能直接量产的机器，现在用的大多数机器人都是Moz1。
下一个就是 Spirit v1.5 模型，是第一个开源的机器人大模型，在一些公开的榜单上全世界范围内首个超过 Pi0.5的模型。大概是这样几个大的节点。
刘燕秋：所以在2024年初，这个东西也还没有成为一个风口。你们当时走软硬一体的这条路，听上去还是挺重的一个事情，投资人会有一些质疑吗？那时候大家可能对具身大脑也没那么看重。
高阳：对，投资人问了我们很多问题。当时最长的一个问题是：你觉得这个大脑最后是安卓模式还是苹果模式？被问了很多这种问题。一个大脑相当于你要不要做硬件，如果是安卓模式就不要做硬件，如果是苹果模式就要做硬件。
刘燕秋：所以你觉得一定是苹果模式。
高阳：我觉得初期一定是苹果模式，因为大模型要适配到不同机器上还是有成本的。
刘燕秋：所以它更多的是为了更加快速的迭代？
高阳：对。
刘燕秋：我那天看到一个说法，现在大家都在讲全栈，说全栈的本质其实是为了应对商业竞争，为了应对后续有大厂大公司进来的商业竞争，所以要快速通过自己搞这些东西把闭环搞起来。你觉得这个说法有道理吗？
高阳：我觉得是有道理的，因为如果依赖外部供应商，这些东西做起来就会比较慢，跨公司的沟通效率相对没有那么高。
刘燕秋：包括你们在那个宁德时代落产线，你们的竞品最近宣称说自己是唯一在宁德时代产线上自主应用的具身企业。你怎么回应？类似于这样的商业竞争，你会感觉有一点点抵触的心理吗？
高阳：首先 clarify 一下，他们肯定不是第一个。因为当然商业上肯定会有 competition，但所有公司最难的事情不是比其他公司好多少，而是能不能解决这个问题，这是整个事情里面最难的东西，也是每个人应该关注的东西。大家都在解决类似的问题，肯定会有 competition，但如果做一个事情没有 competition，可能说明你做错了，一个正确的事情必然会有 competition。
刘燕秋：但这种 competition 跟在学校里面的 competition 性质还是不太一样？
高阳：的确不太一样。学校相对来讲更加自由，competition 会更弱一些，公司层面的确会更强一些。作为公司本身，肯定要赢得这个 competition 才行，但赢得 competition 和把这个事情做成，在长远上来讲是非常 align 的，并没有太多不同。
刘燕秋：我理解 AI、具身都是非常顶级的技术，但放到商业竞争领域，好像跟更古早、更传统的企业并没有什么不同。之前娃哈哈的宗庆后说过，在中国做任何一个事情，做完就会有成千上万的人去模仿你，保持优势的唯一方法就是同时铺很多条产线，迅速把事情做大。但作为一个技术出身的人，你会觉得这个事情有一点荒谬吗？某种程度上说，如果商业竞争的这套逻辑放在这个语境里面很有用，是不是在说技术本身大家没有拉开那么大的差距？
高阳：我觉得不同的点在于，某些产业是运营 heavy 的，某些产业是资本 heavy 的，但我们这个产业是技术 heavy 的。我能理解你说的这个点，我的理解角度是：技术是你的一个 edge。第一天起大家的技术可能没有什么差别，但能看到更远的技术发展趋势，布局了更加正确的方向，就会在技术上积累更多的优势。一方面它是一个竞争的 landscape，但另一方面，作为一个技术人员，你有很多非常大的施展空间。
感受技术的边界
刘燕秋：作为千寻的联合创始人，创业者的这一重身份给你带来的最大变化是什么？从之前在象牙塔里面，到踏入真实的商业、包括刚才提到的商业竞争当中，你有哪个比较 suffer 的阶段吗？
高阳：肯定有很多很 suffer 的阶段，两个事情是很不一样的。我有几个感受：第一个，以前在学校里面做研究，可能不会去想这个东西怎么真的被用，可能只是想说以前别人提了 A idea，B idea 没有人提，或者觉得 B 更接近一些。但现在作为千寻的联合创始人，会想这个学术话题是不是一个能够真的被使用、被我们所使用的技术，在研发最后能用这个模型的路上，有哪些关键部分是缺失的。相当于更加以一个现实并且看得见摸得着的大模型系统去驱动，反推学校里面应该去做的一些 research，变得更加能够服务于真实的生产和生活了。这是以前不会去考虑和感觉到的，很大的一个区别。
第二个区别，创业过程中听了很多东西，比如王兴在清华讲的一个产品课，其实他在讲创业；还有 Naval，硅谷的投资人，讲的一些很 philosophical 的东西，他的人生哲学、对于创业的东西、对于 compounding effects 等等一些认知。这些以前真的没有了解过，觉得非常非常有意思。
刘燕秋：之前有媒体报道说你们当时去考察宁德产线的时候，在里面待了蛮久的。那是怎么样的经历？
高阳：对，当时去宁德待了两天左右，印象很深。进工厂需要穿劳保鞋，鞋底有块钢板，怕钉子穿透鞋，但非常非常不舒服。走到四分之一的时候我就已经受不了了，走了一天之后基本上躺床上就起不来了。在宁德产线上看了很多环节，发现现实中的问题比坐在学校里面想的要复杂很多，也比在公司里面想的复杂很多。比如夹爪夹有些东西就夹不稳，不是算法好不好，就是物理的限制。这也催生出来后来自己去设计夹爪、包括更高自由度的灵巧手的研究等等。那个经历是非常生动的一课。
刘燕秋：所以在这个过程中，你也要学会怎么把技术语言转变成客户能听得懂的语言？
高阳：对，是的。记得当时跟对方一个管理层的同学一起讨论方案，现场想了很多方法，如何用一个普通人能够接受的语言去描述出来。效果就很好，他能迅速 get 到我们这个方式，能理解为什么我们这个方式比别人好很多，在未来能够更加容易上量等等。
刘燕秋：刚才也谈到，现在大的产业方可能会出资投很多具身公司，但大家也在相互竞争他的资源，资源不是说投了你就会让你去做这个事情，还是要真的能够拿出一些成绩来让他买单。
高阳：产业投资就是拿着一张门票，但还得自身能把这个事情做好，才能最后拿下来这个单子。
刘燕秋：你们现在在宁德产线上的落地，大概做到了一个什么样的水平？
高阳：有一些小批量已经在真实产线上跑了，在生产电池的其中一些环节。
刘燕秋：距离规模化还有一定阶段？
高阳：对，距离规模化还有一定阶段，但原型已经跑通了。规模化只剩一些工程化的事情。
刘燕秋：这个工程化的阶段大概要多久？
高阳：大概一年左右。不会是从1到1万，可能是从1到100，然后再慢慢往上涨。
刘燕秋：现在在准确率上，和人相比已经可以接近或者说超过？
高阳：整个系统下来，有一些人工托底的措施，可以完全替代人去做这些事情。
刘燕秋：大概是一个多大的比例，和人的准确率相比？
高阳：模型本身的准确率大概是99.3%左右。肯定还会有一点点失败，但通过人工托底的方式，就可以做到完全没有错。
刘燕秋：你们也是相对务实的思路，先从B端的产线上找突破口。你觉得机器人进家庭大概的时间点是什么？
高阳：我觉得还很远，至少得8年。如果机器人能进家庭，robotics researcher 就不用研究了。
刘燕秋：就是已经到顶了，大家要去研究新的东西。
高阳：对，机器人进家庭是最难的一个场景。当然里面可能有很多中间形态，比如机器人进家庭不会干任何事，就能跟你说话，这个我觉得是很快的。
刘燕秋：现在那些陪伴型的就可以。
高阳：就看你愿不愿意花钱买它了。但能给你干一些家务活，我觉得都挺难的。
刘燕秋：你们当初在确立做本体、做大脑、包括后来做灵巧手的时候，一开始的思路是决定先做哪个，后做哪个，是怎么决策的？
高阳：也不是一开始完全拍下来的，而是在做技术的过程中感受技术的边界，不断去迭代优先级。最开始也做过一段时间灵巧手，但发现非常难，做一个研究性的 demo 已经耗尽全力，更不用说推向量产。所以五指灵巧手暂时还是一个预研阶段，能做一些更简单的夹爪形态，这些都是自己去尝试过每一个构型、每一个方案，知道这些东西的局限性。
刘燕秋：你们的数据 recipe（配比） 和其他公司相比，会有什么很大的区别吗？
高阳：会的。现在的 recipe 是以真实世界为主，最大量是互联网人类视频、可穿戴式设备的数据和遥操数据。前两者是我们比较独到的方面，很多公司都不会用前两者数据。
刘燕秋：但我感觉其实大家现在宣称的都是这几种路径。
高阳：现在是慢慢在往这个方向收敛，但我们从公司是最开始就沿着这个方向在走。
刘燕秋：这两年回头看下来，有哪些判断是一开始跟你预判一致的？有哪些超出了预期？
高阳：一致的判断是关于数据这个层面，三种数据结合的思路，最开始就是这个思路，到现在发现行业慢慢往这个点上收敛。超出预期的是模型的泛化能力的进展速度。两年多前觉得模型泛化还挺难的，但到今天已经有相当强的泛化能力，并且还有更多的数据在路上可以训到模型里面，有可能会让泛化能力强更多。进展速度比我想象更快。
刘燕秋：有哪些决策可能是做错了？
高阳：比如之前做五指灵巧手想让它上量产，我觉得是有问题的。
刘燕秋：是低估了这个东西的难度？
高阳：对，低估了这个东西的难度。
刘燕秋：但你们现在不是又要做灵巧手了？
高阳：对，但做的灵巧手会相对简单一点，可能是三指或者四指，没有五指那么复杂。
刘燕秋：那它会不会没有达到五指的那种功能性？
高阳：会，但这是一个技术判断，五指的功能性在短期之内还很难达到。
刘燕秋：包括市面上那些专门做灵巧手的供应商公司也做不到？
高阳：不是说这些硬件，硬件是有可能能达得到，但 AI 算法在五指灵巧手上比二指会难很多很多。
刘燕秋：这两年多时间在创业这件事情上，你有碰到过可以称之为挫折的事情吗？
高阳：说实话都是小事，没有什么特别大的事。整个行业还是比较蓬勃往上走，也听说过很多之前创业的人遇到的挫折，我们遇到这点事根本不算啥。
刘燕秋：会不会是因为真正残酷的竞争阶段其实还没有到？
高阳：对，我觉得是这样的。
刘燕秋：你会担心后面有大厂进入吗？
高阳：肯定还是会担心的，所以也在产品层面上尽量推得快一些，尽早去到现实世界里面用起来。一方面是打磨产品形态，另一方面也是积攒一些数据、客户口碑之类的东西。
最令我恐惧的事
刘燕秋：放大到整个人生的尺度上，你觉得人生中有经历过可以称之为挫折的事件吗？
高阳：还是有的。我记得读博后的时候，从导师带我做项目，到自己带别人做项目。之前自己做项目，基本上5个能成3个左右，成功率虽然不高但还行。但自己做博后那年带了10个项目，最开始半年一个也没有跑出来，过了一年半这10个项目才有一个跑出来。那一段时间真的还是挺焦虑的，因为不知道自己能不能胜任这个事情。这是一个比较大的角色转换，从一个研究员变成要去负责带别人把这个东西做出来，还是相当大一个转换。
刘燕秋：我感觉你讲话有一种波澜不惊的气质，你很少会有情绪失控的阶段吧？
高阳：是，但我性格就是这样。
刘燕秋：所以从来没有什么东西会让你失控吗？
高阳：基本没有吧。
刘燕秋：你从小就是少年老成。
高阳：是，从小大家就说我的性格和40岁一样。我现在可能快40岁了。
刘燕秋：那这个世界上有什么东西是会让你觉得恐惧的吗？
高阳：我觉得……还是死亡。
刘燕秋：那你会有年龄焦虑吗？作为一个做技术的人，现在投资圈有一个说法叫"具身2.0"，可能更年轻的00后一出来赶上的是世界模型的这一波浪潮。
高阳：我觉得不太会有。当然可能会说投多少岁以下的什么的，但实际上最后还是看你把这个事情做得多好。从认知层面上来讲，我没有什么劣势，如果没有优势的话至少没有什么劣势，并且我相信还是有一些优势的。
刘燕秋：你从小到大有过叛逆的阶段吗？
高阳：好像没有。
刘燕秋：所以你是没有青春期叛逆的，对吗？
高阳：我也很疑惑。
刘燕秋：那你爸妈真的太省心了。
高阳：我也羡慕他们。
刘燕秋：很多人创业其实是想要证明自己，或者说有一种想要去对抗什么的力量。对你来说，你会有这种力量吗？
高阳：我觉得我是 interested in 这件事情本身，不会想证明什么，因为觉得没有必要证明什么。我知道有很多创始人是那样，但我并不是，我自己并不是这么想的。
刘燕秋：我们这个栏目叫 Blue Hour，是以颜色命名的，你觉得你自己最适合用什么颜色来表达？
高阳：我想一想，可能就是蓝色吧，比较冷静。但不知道你们 Blue Hour 的 blue 是什么寓意？
刘燕秋：Blue Hour 就是蓝调时刻，相当于一天中最温柔的时刻。我们这个栏目的切入点就是想和创业者、投资人从一个相对感性的角度去梳理他们的人生，用感性表达去理解商业世界，这是我们栏目的 slogan。
高阳：明白。那跟你的 blue 和我的 blue 很不一样。
刘燕秋：截然相反。
高阳：是。但如果用一个颜色形容我，可能就是这个吧。
刘燕秋：如果再具象一点，蓝色也是一个很大的范畴，你更偏向于蓝色当中的哪一个色区？
高阳：如果按深蓝、浅蓝这么讲的话，可能是 like 75% 深蓝。
刘燕秋：我最后再问你一个问题。因为你研究的课题是智能，包括研究机器人怎么样模拟人的智能，在这个过程中，你会对人类有新的理解吗？
高阳：我觉得会有一些很有意思的理解。比如说，人很难想象你没有经历过的事情。我研究智能就很关心大家做梦想什么，其实梦里面想的东西就是白天想的东西，一些简单的重组。假如物理学家没有发现外星系，你是梦不到外星系的，你可能只能梦到说天上的星星怎么地怎么地，但梦不到物理学家描绘的外星系的样子。但如果你看了《星际穿越》，就可能会梦到这种画面。这个比较有意思，世界模型也不是万能的，你能梦到的东西是你见过的，所以还是得见那些数据，才能梦到那些数据的重组等等。这些是人的局限性。
当然还有很多，比如人的脑子里面有三个波段的波，我忘了叫什么，反正一个 alpha wave，一个 theta wave，还有一个 gamma wave，它们在不同的频率上 operates，可能一个大概1赫兹，一个七八赫兹，还有一个100赫兹。这个东西和机器人系统里面的快慢系统有一个非常好的对应关系。这些我都觉得非常非常有意思。但对于人的理解，只是把习以为常的东西去显式地看它，还不能说看到一些 non-intuitive （非直觉）的东西，发现一些对于人类感知系统没有认知到的东西。现在大多数时间还是从人类的感知系统去学一些东西，借鉴到机器人系统里面。所以某种程度上来讲，人的感知系统还是太高级了。
刘燕秋：我前段时间在看一本书叫《观看之道》，核心观点就是"观看先于言语"，小孩子一开始认识世界是先通过观看，后来才学会讲话。所以视觉这个东西蛮重要的。
高阳：是，但大语言模型没看过东西，也能说话，还能想象。
刘燕秋：视觉有一段时间被大语言模型的热潮盖过，现在有没有一点因为世界模型这波又重回主流了？
高阳：是的，大家在研究这个问题，但可能还有一些关于 latent space（隐空间） 的 model 怎么去最好地训练，还有一些东西没有完全研究明白。