大家好，欢迎收看《创见》播客，我是尚莞迪。8月19日，宇树科技登陆科创板。开盘涨超六倍，市值一度突破4400亿元。随后股价大幅回调，上市一周，市值蒸发超过2000亿元。这或许就是过去一年具身智能行业最精准的一张切片。资本极度亢奋，也极度不安。我们看到，融资在加速，订单在增长。估值一轮高过一轮，但放眼全球，真正能够进入工厂、通过验收，并让客户持续加购的机器人本体依然稀少。高估值背后，具身智能究竟是一场怎样的游戏？世界模型是否是具身智能的唯一解法？机器人的商业化会以何种方式，在哪些场景率先发生？面对这一轮热潮，投资人真正需要持续验证的，又是什么？为了厘清这些问题，我请到了加州大学伯克利分校的Allen Yang博士。

在这个学术界的话，不要研究5年内的技术。应该解决的是5年到10年外的事情。他是伯克利人工智能竞速项目主席，以及伯克利增强现实中心的执行主任。在20年前就已经证明了，就是我们用深度神经网络、卷积网络，能够超过人的Perception。他曾带领伯克利AI车队，夺得印地自动驾驶挑战赛的冠军。还曾参与推动了伯克利人形机器人乒乓项目，创下机器人与人类连续对打106个回合的世界纪录。当我们的机器人打赢了人类的乒乓球世界冠军的那一刻，我觉得无论是中国的观众、美国的观众、法国的观众、英国的观众，他都会了解这个事件的意义。同时，他也是Hitch Open世界AI锦标赛联创。此前，我曾采访过Hitch Open全球执行主席唐敏勤。他们曾联手让七所中国顶尖高校的AI车队，开上天门山99道弯。也在刚刚落幕的世界人形机器人运动会上，让机器人与世界冠军在乒乓球台上一决高下。那么以下就是我与Allen Yang博士的这场对话。

今天特别开心，也非常荣幸欢迎Dr. Allen Yang终于来到了创见播客。非常感谢邀请。今天是这个美国的独立日的周末，也欢迎您这边来到伯克利来参观我们美丽的校园。这个景色是哪里？因为伯克利的話呢，是在一个伯克利的山上面，所以的话呢，很多高层建筑直接学生的办公室和会议室里面都能够直接看到所谓的Bay Area就是大湾区。那包括的话呢，伯克利正对的就是金门桥，所以伯克利的龙轴就是它的主轴线是正对着金门桥的。哇，这个风水，哇，龙脉太棒了！好的，我们今天就开门见山来聊一聊最近最火的话题吧。就具身智能，那具身智能不光说只是中美现在应该是全球最热的叙事之一。但是我却听到了一些泼冷水的声音，尤其泼冷水这个人还是这个具身智能领域的一个祖师爷。因为具身智能这个词甚至是他开创的，Rodney Brooks他公开表示说这波人形机器人的热度严重的泡沫化，甚至会说有一些什么可以人形机器人Humanoid Embodied AI的一些商业叙事被严重的高估，甚至带有自我欺骗。

所以我想跟您聊一聊，因为您也是同样是在真实的世界里研究了非常多年的物理智能的资深科学家。您是怎么看他下的这个定论？毕竟他在这个领域研究了几十年。其实首先的话呢，就是我们作为在这个学术界的话，我们其实对一个技术的发展是比较有耐心的。甚至是这个读PhD的学生在跟你导师讨论的时候，其实导师第一句话去对学生非常有价值的一个Advice就是如果你是做PhD的话，不要研究5年内的技术。一定要把这个去解决目前还解决不到的事情。所以理论上来说，一个好的PhD的论文它应该解决的是5年到10年外的事情。所以从这个角度上来说，我们学术界是非常非常有耐心的，也就是说等待着这个技术的成熟。那无论是之前的互联网还是这个什么Smartphone Mobile Device然后IoT物联网技术，然后大语言模型，然后CNN这个图像识别。其实这个Cycle已经走了非常非常多轮了。所以嗯对于学术界来说，那么无论是对具身智能的发展来说期望也好还是担忧也好对我们来看都是一个非常正常的事情。但是的话呢，就是我们通过像跟Lydia这样的对话的话呢希望的话呢能够社会上对这个具身智能的这个未来有一个正确的这个期待。我觉得这一点来说，在市场上和最终消费者的期待我觉得这个是作为一个非常重要的一个事情。对所以我也很开心啊希望通过我们这次对话能让大家对具身智能有一个正确不偏激这一种态度一个认识。

对，那好多人会把具身智能理解成是很简单就是他觉得说AI加一个身体。然后我会觉得这个定义还是太浅了，所以请您先帮我们定义一下到底什么是具身智能？就是我们在聊具身智能的时候我们在聊啥。我觉得这个具身智能的话呢它的英文叫Embodied AI嘛，我觉得这个名字起得特别好。你直接从它字面上理解我觉得就可以对这个具身智能它的原来的本意和它是什么，和更重要是它不是什么有非常好的一个了解。那Embody嘛它就是这个Body然后前面加Em，实际上的话呢就是如何把一个智能放进到一个具体的一个物理的一个形状里面。那这个物理形状不一定是指人，比如说你刚刚说的iRobot就比如说一个有智能的扫地机器人它本身就应该是属于Embodied AI的这么一个范畴。那么从更广泛来说我们把智能放到汽车上那么这个汽车其实也是Embodied AI为什么呢？其实一个汽车如果你不想看把它看智能化的话它并不一定仅仅是我们消费者在买汽车时候这个消费者用的这种自动驾驶。那么汽车还有很多很多的用途，包括在工厂里面、包括在港口里面去做这种货物的运输，嗯甚至包括特种车辆。那么一就算是在汽车的这个Body里面它的智能化其实也是非常非常多的。

那我觉得这个Embodied AI跟咱们消费者最贴近的至少说我们的消费者理解的一个最终形态那就是人形机器人。嗯所以从这个智能的扫地机器人到我们现在正在这个Battle的最重要的一个市场就是汽车自动驾驶和我们未来能够看到的我们能够在居家或者在医院里面使用的人形机器人其实都可以把它规范成Embodied AI就具身智能。那具身智能它不是什么我觉得这个也是非常重要的。那么我们现在最熟悉的比如说会下国际象棋的、会下围棋的、会写程序的、会跟咱们聊天的大语言模型，那这个的话呢如果它并不能够直接的去使用一个身体Body去在物理的环境中去对物理的这个状况进行改变的话，那么它就不是Embodied AI。那特别就是大语言模型那么它应该是从狭义上来说它不属于Embodied。很多人一谈这个具身智能他就会觉得是叫什么就像刚才讲的大模型进入一个物理的世界。但我想我们可以把这个问题拆得再清楚一些啊，这一个真正的具身智能系统里AI可能还是要起作用的。尤其是大语言模型LLM它到底起什么作用？就是哪些东西是LLM可以解决的，哪些部分它是解决不了的。

对所以所以说它这是还是我们刚刚说Embodied AI嗯，嗯其实如果你进一步的看的话它是刚刚我们谈了Embodied那么后头是AI。但是这个AI的话呢它并不仅仅是指Language的Intelligence这个语言的智能的话呢只是Intelligence或者是Human Intelligence。那么刚刚我们说了如果是一个扫地机器人的话它的这个Hardware就需要有一定的Intelligence。那同时的话呢咱们看扫地机器人它如果能够在我们的家里面去进行扫地的话，它要有一些传感器能够识别它是在厨房啊还是在卧室啊。那它前面会不会撞到一个桌子啊？那这些的话呢就是要有Perception。那么接下来的话呢它干的事情其实是去扫地啊，它作为一个扫地机器人的Embodied AI它只要能够完成它的扫地的任务同时的话能够保证不去撞桌子那么这个Embodied AI它就是一个合格的AI。所以说从扫地机器人来说，它不需要语言so the Language AI is not Necessary Entirely not necessary。

刚刚我还举了一个那么就是汽车自动驾驶，如果咱们把汽车自动驾驶看成是正在演变中的这个具身智能的话Embodied AI的话目前的非常成功的解决方案除了最后一步告诉这个我们的乘客你快到这个目的地了请把行李准备好或者是请把你的安全带系好，除了这种语言以外它本身在实行汽车自动驾驶的时候也不需要这个大语言模型。所以大语言模型在一些Embodied AI的这个解决方案中是重要的一环，但也有很多的Embodied AI的整个的解决方案是不需要这个大语言模型在里面起作用的。那么其实是分成完全不一样的两类，所以我觉得这个的话呢是非常重要的因为大家知道大语言模型它所带来的baggage（成见）就是它的运算量非常大，而且的话呢它的训练的成本也非常的、时间非常周期非常长。那么如果有一部分的Embodied AI它不需要大语言模型在里面成为一个卡脖子的一个环节的话，那么其实对Embodied AI的这个应用的话呢其实是一个非常好的一个信号。那这是不是也看具体场景？就是你这个Humanoid你这个机器人人形主要是用来做什么的，那您觉得什么样的机器人它是能够用得到LLM的？

啊我给大家举几个例子吧，其实大家如果我提了以后大家都很明白。首先的话呢具身智能为了和大语言模型做区别特别在学术界挂在口头的一个通俗的一个例子就是小松鼠。那么我们的具身智能如何首先具有小松鼠的行为智能才能有人类的语言智能，大家可以看到人和动物的区别就是人是有语言的。对吧即使是我们的非常非常近的近亲猿猴它们其实都没有语言体系，对吧他们能够用一些声音去表达他的感情但是他是没有语言的。也就是说除了人以外其他动物的发的声音是没有TOKEN的，嗯对所以的话呢你也不可能通过这个动物的训练能够训练出动物的大语言模型。所以说整个动物界除了人以外是没有大语言模型的，但是你可以看到所有的动物它能够完成非常非常高质量的这个行为智能的一些活动。所以我们首先要看到的话就就是这些所有的动物包括我们训练海豚、包括我们训练猴子、包括我们的狗，它能够给我们带来的生产力和自动化对咱们的人类是不是有利的？当然是有利的。

100年前我们发明了这个汽车对吧，我们发明了用这个Gasoline Engine去Drive的汽车。但是在汽车和我们的现代化发展之前几千年来我们人类都是用动物来帮忙的，所以话呢动物智能其实就能带来我们生产力的提高。只不过是我们在这个一一两百年、300年这个时间内我们发明了机器，所以话呢才从机器演变到了汽车。才从汽车演变到了现在的人。但是的话呢就是我们可以看到如果单纯从用智能去帮助我们人类社会提高生产力这个角度上来说，语言其实并不是一个必要的一个环节在里面。现在业内会有一个说法啊相对形成了一个比较清晰的共识就是说做出通用机器人要打通5层的一个技术栈。一个是硬件，然后是感知，然后小脑，然后大脑最后最高一层叫训练嗯哼那我想就先聊中间这两个容易被混淆的概念吧。一个是小脑一个大脑，嗯就在在您的定义当中就小脑跟大脑各自解决的是具身智能的哪一类问题？

嗯我觉得就是为了帮助观众理解这个问题啊其实英文里面有一句话嘛就是History Never Repeats but it Rhymes。所以无论是我们的政府也好、我们的投资人也好或者我们消费者也好，那么对具身智能本身的看法包括您之前问的很多很多问题我觉得答案已经已经在历史中了。所以我们对比的话呢就是if you are in Doubt如果你有这个疑问的话去看汽车行业，因为这个汽车行业已经有100多年的历史了沉沉浮浮对吧。包括整个汽车行业的这个产业产线这个Assembly Line就是装配线是这个汽车产线首先发明的。我们的贷款、我们的这个Loan贷款的Credit就是各个人为什么要有Credit你为什么能够有信用卡，其实就是因为当初人们要买汽车先拿货再付款这种分期付款的模式也是汽车产业先做出来的。所以的话呢我觉得从具身智能上来说您刚刚问的那个问题就是小脑和大脑，那么我举一个例子就汽车行业的例子。也就是说当我们一个汽车没有自动驾驶功能的时候但是我们还有不同的汽车对吧有的汽车是Sedan是为了这个送孩子的、送家人的四座七座车。

有的汽车是跑车那么它的目的就是为了在这个赛道上能够飞驰，那么有的汽车像F1它甚至都是不Road Legal的。它不是这个道路上这个合法的，它的目的就是为了全世界那20个人、那30个人去创造速度的极限的。就像我们登月一样对吧，我们还有Bus那么它的目的其实就是在同样的这个马达上能够塞越来越多的人。其实具身智能的小脑就相当于是没有汽车自动驾驶的车辆，那么它的能力就代表了我们的这个具身智能无论你的大脑能够做什么事情但是它能够当你要它去做一件事情的时候它的身体能不能够去做这个事情。嗯对吧比如说我们开的一辆这个Sedan这个家庭的车，我们想把它开出F1的这个性能的话这是不可能的。那同样来说如果我们开着F1的这个这个跑车我们想让我们的爸爸妈妈都能够舒服的坐在这个车上也是不可能的。那为什么就是因为他小脑对整个机械的这个调教他是为了一个特定的目的去做的。那么我们具身智能的小脑其实也是能够通过跟这个控制这个因为是Body嘛它是有一个物理的这个躯体的，通过控制这个物理的躯体它所能够达到的这个行动的区间是什么。那么有了这个区间以后我们的大脑才能够在这个区间中去选择可选项的服务、可选项的行动。那么那才能够完成一个App（应用任务）嘛，所以这就是小脑和大脑层的区别。

那您觉得当下我们具身智能还是有被卡脖子的部分，它更多的是卡在小脑上还是卡在大脑上了？其实回到您问的第一个问题就是我们离具身智能的应用还有多远。对对吧所以这要看我我就是看我们的预期是什么若如果我们的预期是要去造一个机器狗、我们的预期是要造一个吸尘器、我们的预期是汽车自动驾驶，他们已经已经实现了。已经实现了对不对？但是如果咱们的所谓的具身智能等同于人形机器人为我们带宝宝、为我们照顾老人、为我们成为这个护工在医院里面去从事这种高危活动或者是这种很脏啊很累的这种活动的话，其实刚刚您提到的这5点非常非常好的。那么就是它的硬件、小脑大脑Perception感知还有它的训练，可以说五个环节全部卡脖子。五个环节全部卡脖子各有各的方式。对我给您举一个例子啊，比如说从硬件上来说因为今年咱们的这个亦庄北京的亦庄举办了半马。嗯这个半马的话呢就是去年第一次这个机器人半马80%的机器人没完成那个比赛。那今年的半马就一年的时间啊，今年就有五六个好像7个不同公司的这个本体那么跑进了人类的极限。因为人类的极限半马是57分，那么的话呢在北京的亦庄今年跑的最快的是50分超过人类最好成绩7分钟。只用了两年的时间，第一年80%的机器没完成这个比赛第二年就有七八个机器能够超过人类的最高水平了。所以这个这个的话呢它就是用这种比赛的形式完成了对机器人下肢的这种耐用性、持久这个Performance的这种这种训练。那么的话呢可以说我们在下肢的这个跑步的小脑的运动上已经超过人类了。嗯

接下来的话呢但是跑步并没有给我们带来生产力，人类的话呢主要的生产力还是在手上我们这个机器人的手所对应的这个生产力还是远远不不如人类的。所以的话呢从硬件上大家可以看到就是我们有成功的案例就是这个亦庄的半马，那么目前的话也有这个急需要攻关的地方就是这个手和生产力的这个对应。刚刚说的这个硬件，那小脑的话呢就是更加了那么我们要在这个大脑上说我今天要去这个去锻炼或者我今天要去读书。我们要完成这种AI的大脑的这种刚刚说比如说你用大语言模型去发出这个指令但是你小脑能不能够执行。到目前为止我个人还没有了解到任何一个机器人的本体能够在一个未知空间中能够独立的完成上楼、下楼开门使用工具。使用任何工具哦就是普通的楼梯但是是未知的，普通的门。

但是是未知的，普通的工具，但是是未知的。能够完成这种小脑的行动，目前还没有一个机器人本体能够完成这个活动。那大脑的话呢，刚刚就说了，如果用大语言模型去为大脑去做规范的话，那AGI目前我们用语言去Drive这个机器人也没有达到。

那Perception（感知）的话呢，我觉得是最成熟的。因为CNN这个Convolutional Neural Networks卷积神经网络在20年前就已经证明了，我们用深度神经网络、卷积网络能够超过人的Perception。而且现在汽车自动驾驶，包括我们伯克利正在做的用这个汽车自动驾驶去驾驶方程式的比赛，已经能够把这个自动化推到200英里每小时，也就是超过350公里每小时。所以Perception我觉得是跟人相比的话应该是最成熟的。

那最后就是Simulation（仿真），也就是训练。那么这个训练目前也是争论非常多的：到底是只是大语言模型的训练，我们要为每个看的场景形成一段话？还是我们要做行为的训练，像小松鼠一样，要做Zero Shot（零样本）或者Few Shot Learning？

那小松鼠它是没有语言的，它也没有考试，它也没有Supervised Learning（监督学习），没有这个Labeling。但是它看着自己妈妈的行为就能学会爬树，能够爬任意的树、吃任意的果实。这些在Simulation训练上都是目前具身智能还不具备的能力，这是动物跟机器的区别——它有一种本能，出生就知道那是妈妈。

有的学派说动物的行为智能编码在基因里，但基因编码不就是Code吗？本身不就是TOKEN（令牌/数据单元）吗？DNA是你妈妈给你的，你的DNA好的话你就是个提琴家。这说明Model是Pre Train（预训练）的，但还要做Fine Tune（微调），后天的考试学习求实不就是Fine Tune吗？

小鹿小马出生一小时就能跑，它的编码是什么？我们训练机器人走路爬楼梯为什么这么痛苦？到现在还没有任何一个机器人在任意地形上能像小松鼠、马或猎豹一样安全奔跑。目前我们还没有这样的技术，它们只是通过无数次训练熟悉路程以免摔跟头。

动物的Pre Train Model DNA其实就能达到Few Shot或Zero Shot Learning，非常有趣。现在发生了一个路线转向：从VLA那种看一眼直接做动作的反应机制，转向李飞飞提出的世界模型（World Model），机器人圈称之为WAM。您觉得世界模型会是正确方向吗？

回到那句话：History Never Repeats but it Rhymes（历史不会重演，但会押韵/相似）。以自动驾驶为例，它最需要世界模型。但目前世界模型还没建立好，只是Startup模式。但无论中美都有车企今年能稳拿L4执照，说明他们不需要世界模型——因为他们拿到了真实世界的模型。

如果通过几百万辆车在真实世界拿到数据，用Brute Force（暴力计算）训练模型且数据足够时，就不需要世界模型。这是第一点：大语言模型也不需要世界模型。为什么？因为我们已有互联网，从70年代TCP/IP开始，核心就是把人类知识数字化。

2000年的Internet Bubble（互联网泡沫）时期赚钱的是给公司建网站，但当年落下的叶子、腐烂的树枝和果实孵化了现在的大语言模型。LLM训练用的都是当时数字化的文化，无论英、中、德、法、日、韩语都有。在这些领域如果数字数据充足，就不需要世界模型。

还有一种方法回到刚才说的：包括亦庄的半马、北京做的机器人打乒乓球比赛。如果是奥运会这种规则与自动驾驶相似的比赛，每个运动都有Rule Book（规则手册）。比如FIFA世界杯，运动员动作是否合理、如何判罚、球的形状气压、草地反弹率等都有严格规定。

只要有一点差别，世界级球员都会觉得不同。所以在运动极限训练上如果有非常好的Rulebook，我认为其实不需要世界模型。这个模式可以推展到很多工业应用：比如全球顶级汽车厂特斯拉，在上海、德国、加州都有工厂。

它的每个大型铸件都是定制的，不需要世界模型告诉机器人尺寸——它们能精确到submillimeter（亚毫米级），因为是它造出来的机器。正像踢足球一样，球是FIFA的，所以怎么做都有规范。在规范的世界里是不需要世界模型的。

那什么时候需要？比如AGI场景：把机器人丢到医院或不同人的家里当保姆，收拾家居、带老人。不同的家有不同的模型，不可能让每个家按同样规则打造卧室厨房。在那个场景中我们需要世界模型。

主要还是看具身智能应用于什么场景、实现什么功能。在开放道路或有规范的场景中，世界模型的需求程度是下降的。我可以理解为：对具身智能来说最重要的还是两个字“数据”，以及得到庞大数据后实现一套标准来定制，让他们在合理框框内运营？

说得完全正确。所以世界模型争论的核心就是TOKEN（数据）。世界模型的价值在于我们没有能力去拿数据的地方，比如人类私有的居家。任何人的私有居在理论上不可能让你公开跑到别人家去测。

但你可以看到打羽毛球、乒乓球，因为它是奥运会项目，有多视角多个人记录，奥运会有100多年历史，只要有视频记录都可以拿来训练，那就不需要世界模型。刚才说的汽车自动驾驶是在公共道路上，任何人都有权采集数据。

像特斯拉、谷歌及国内企业做高精度地图，已经能把真实数据全部扫出来。所以在这些场景中生成式世界模型的需求量是比较低的。有意思，我记得去年带伯克利战队打Indy赛时去过现场。当时赛程快完了，我亲眼见到赛车里没人坐着，时速160英里（超300公里）。

我问您：去年AI竞速速度是否已远超人类？你说没有，还有一半距离要追。我当场惊了，以为AI会在最高极限保持安全转弯的同时轻松超过人类记录。您讲当时技术暂时达不到，但加速度非常快。

两年前三年前的AI竞速赛车可能像醉汉，大部分完不了比赛，只要不撞就算成功。但其实已经很快了。人工智能如大语言模型是人类发明中获客速度最快的，不到一年GPT Chatgpt就有一亿用户。以前从未有这么快的技术迭代速度。

汽车自动驾驶也分几类：从国家标准看，产品是与普通人智能相比的。因为路上对手是普通人，如果人工智能汽车比普通人的安全十倍，绝大部分政府都会颁发L4执照。在这种情况下，如果把10%到50%的车辆换成自动驾驶（甚至不用100%），对社会和交通效率安全是大大的提高。

所以产品是与普通人类智能相比的。接下来的话，像方程式比赛、奥林匹克乒乓球等，是跟我们的国手（最好选手）相比的。这不是普通人，而是第二层：具身智能有没有超过人类最好的选手？这叫Watershed Moment（分水岭事件）。

这些分水岭事件无论国内外，只要达到都是惊天动地的。大家熟知深蓝卡斯帕罗夫国际象棋、谷歌Deep Mind跟韩国李世石围棋比赛。反过来，今年北京亦庄用机器人下肢跑赢人类马拉松选手超过7分钟。

我不知道国内听众知不知道，当时是周六发生（北京比美国早），周一时美国各大新闻网站全发了：在北京具身智能赛事中，机器人跑赢了最好的人类。当分水岭事件发生时，其新闻价值和科学价值众所周知，根本不需要媒体推，各国都知道其意义。

这是第二点。第三点是AI是Exponential Growth（指数级增长），超过拐点后应用非常迅速。它分三段：虽然是个指数型东西，没过拐点时大家觉得是平滑直线，发展慢。但当拐点到，全球都明白，不需要争论或Marketing推。

因为机器人跟人比赢了就是赢、输了就是输。之后很多政府、投资人和企业基于成功技术找到对应应用，获客市场爆发非常快。这也是Hitch Open的使命：帮助产学研推进进程，找到商业拐点。

我们的逻辑是看到现在的卡点：除了Perception可能不是Bottleneck（瓶颈）之外，硬件、小脑、大脑和训练都是Bottleneck。我们怎么解决？之前的分水岭事件虽然跟人类最好智能相比，但都Cut the Corners（走捷径/取巧）。

我们不可能为了跟人类相比造一个完美的人。跟卡斯帕罗夫打时，只是超过他下国际象棋水平；Deep Mind发明Reinforcement Learning（强化学习）时，只是超过李世石下围棋。所以如何突破各环节全面卡脖子，必须找很好的Trade off（权衡/平衡）。

要达到人类选手最好水平，同时不会要求我们等待世界模型做好以后才能做极限运动。今年北京推的机器人打乒乓球就符合这个命题：它有公共数据，运转只需符合牛顿力学。

乒乓球比赛有严格ITTF规则，所以不需要世界模型。甚至如果不严格按规则生成不同场所是不被允许的。在地球打乒乓球，重力一定、球拍球台一样。我们要变的是把不同本体放到两边，考察什么组合硬件和小脑在大脑简化成打乒乓球App时能找到Sweet Spot。

能不能找到最佳组合，在三年到五年内把世界乒乓球运动员打过去？哈哈哈现在已经打过普通人了。听说两年前我们创造人机对打106下的世界纪录。目前具身智能发展，汽车自动驾驶走了20年。

反面看有人说：希望两三年内机器人超过人类世界冠军是不可能的；正面也有人去看这事。还是以史为鉴：汽车自动驾驶不管投多少钱，比普通人安全确实花了20年慢慢走过来。

但也看到亦庄半马：两年时间找到专门研发跑步的机器人，超过人类半马速度7分钟。所以中间会有一个平衡。Hitch Open平台希望跟全球顶级科研院所和最前沿公司一起探照这个平衡在哪里：什么样的本体、小脑和大脑结合能创造垂直领域，跟人的运动最高技能对比。

刚才讲到AI今天可以通过律师考试、写代码、做复杂推理，但如果让机器人叠好衣服放衣橱、拧开瓶盖或抛接球/不规则物体都很难。这背后叫Moravec悖论：对人类来说越高级抽象能力机器越易学，那些从小不加思索完成的本能动作机器却难掌握。

您能不能跟大众解释一下为什么是这样？其实这不是悖论，引用的例子跟小松鼠、小狗及人折被子一样。它们都不需要语言：爸爸妈妈教我们折被子，总不会写一篇论文要求……

然后让我们去读论文，然后啊我看了这篇论文，我知道怎么叠折被子了对吧。然后我们其实折被子啊本身也是看这个爸爸妈妈去折被子的，啊所以话呢从行为预设上来说它本身就是一个模仿的这个过程。那么确实我们现在还没有找到一个就是标准的一个解决方案去做这个事情，但是我觉得并不代表说这个高级的智能我们的机器人已经能够完成了。

这个大脑的训练它只有到了小脑的训练成熟了之后，大脑的训练最终才能够达到AGI。我们在这个汽车自动驾驶里面其实有一句俗话说：当你知道你的这个汽车在行驶到160英里每小时后是不安全的，那你愿不愿意把你亲爱的人放到一个160公里行驶的这个道路上对吧？

所以这个其实就是我们为什么要去做极限人工智能的这个意义，因为它能够探测出很多智能体的一个毛刺。当在这种极限的运动中它有毛刺的时候，那么就其实就代表着它在普通的场景中也可能是不安全的对吧。有可能在0.00001%的情况下，它的这个毛刺就会被出现。

但是这个0.00001%的时候如果是你亲爱的家人怎么办？所以这点的话呢其实在汽车自动驾驶上它就是已经是非常明确的。那么在具身智能上也是这样，当我们明确知道现在的机器人它无法自主的去上任何的楼梯。

它也许能够去上你实验室的那个楼梯，因为你训练了十天为了这个Demo、为了上春晚训练了十天或者训练了十个月。但是我们把春晚的舞台搬走，然后换到我们自家的舞台，那么就是上得了厅堂下得了厨房对吧？有机器人能会做吗目前还不会做。

所以在小脑还不安全的时候我们如何去奢谈大脑呢？对呀所以我觉得我们确实是需要先把小脑的、先把行为智能把它解决了。我们的机器人无论做什么甚至是不做什么它是安全的，那么这个安全代表着它的自主安全性嗯。

代表着它这个网断了以后我的房间没电了，我的车我的机器人也不能够因为没电、家里面没电掉网了这个事从二楼摔下来对吧？所以说机器人本体它必须要有一定的智能，这个智能必须要在它本体里面才行。

那么就像我们汽车自动驾驶一样，我们汽车自动驾驶无论你得到了L4和L5你不能说我San Francisco大停电了以后我的车就停在路中间了，这事发生过。对这事发生过啊所以的话呢就是刚刚您说那个东西我觉得我们还是得一步一步的做，就说我们的硬体和我们的小脑必须达标了我们才能够去大脑。

然后接下来的话呢我们才能够用这个世界模型，然后把它从虚拟到真实的塞到千家万户去。这个步骤必须要啊去这么做再回到刚刚您说的问题，那为什么呢？那为什么我们现在这个训练上还不行呢除了我刚刚说的就是还是回到这种数据的问题。

毕竟我们的互联网是从TCP IP的时候就开始积累数据了，但是机器人上楼梯大家可以去搜一下有多少视频是在我们的这个人的主动视角去拍你上楼梯的很少吧大家搜不到，哈哈哈100万个吧对吧。

对于一个汽车自动驾驶我给大家提一个数据，比如说特斯拉这是公开的。特斯拉每天每天呢汽车自动驾驶它所收集的数据据说有500万公里，每天500万公里的数据。你现在去搜在网上这个机器人或者是人爬楼的视频总共下来有没有500万个小时的数据？没有人家是一天的数据，我们现在整个的网上都没有。

所以这个的话呢就是数据的差就是我们为了训练小脑我们没有这个数据。那第二点的话呢这个就更技术了，就是我这里我有一个这个水瓶嘛那么的话呢在做这个刚刚您说Simulation我就举一点。那么在Simulation的话做这个事件模型它有一维是去做生成就是你从一个照片、从一个门你能生成100个门一万个门。

但是另外一个的话呢是互动Interaction，我们所有的世界它的互动是它是软的它不是刚体。它其实是英语叫Deformable，当你去做施力的时候不单你的手要去感知它同时你的这个物体被压缩了以后它会是软的。

所以的话呢我们的无论是真实的数据或者是世界模型如何去真实的去反映我们不同的材质，当我们接触的时候它会变软。不刚刚您说折这个被子它为什么难做就是因为当我们去施力的时候它会变形嗯。

这个变形是非常难Simulate的，因为你想一个毛巾你要把它拆分成多少多少颗粒它在同样一个Gravity被你被你在一点举出来的时候它才能够像真正的毛巾这样去做Deform、去做变形。这个是非常难做的一个事情所以这个就是刚体的数据，那么非刚体你的数据无论怎么拍都不行因为它的变形是一个无限维的一个形态。

所以在这个方面上说的话就刚刚您说的一个初一些初级的活动为什么还这么难啊达到？那么的话呢它其实是有多层的原因在里面。听起来真是Still Pretty Long Way to Go我们无论是话呢就是消费者啊政府啊还是我们的投资人其实我们还是就是沉下心来。

还是回到我们我刚开始的说的这一点，因为我们可以看到就跟大家再说一个吧以史为鉴就是History Never Repeats but it Rhymes。我说的都是这个公开的数据，大家知道去年就是全球最好的机器人公司嗯他们的发货全球的发货不超过1万台。

1万台人形机器人，大家知道如果把人形机器人换成汽车那么一个汽车公司一年的这个汽车产量1万台的时候什么时候吗？1920年哦哈哈哈。从1920年一个车厂就是福特能够一年产1万台车到2020年或者是2026年我们的汽车具有L3和L4的自动驾驶过了100年。

所以我们的科技是不断在发展的而且肯定是在加速包括GPT、包括这个亦庄的这个半马，但是它是需要很长的时间的。但是这个历史的脚步是阻挡不了的所以我是非常对这个未来是非常期望的，也就是说我所兴奋的是我们不知道的东西嗯。

谁都不知道那么去年这个我觉得任何一个看亦庄半马的都不会知道什么时候这个机器人能够超过人类的这个最高的跑步水平，但是仅用了1年就超过了。所以我觉得对未来的未知和我们这种期望和乐观其实是无论是这个科研人员好还是企业也好，我觉得最值得去期待的一件事情。

对我知道您作为科学家可能您已经要押注了后半生哈，但如果说可能几十年内还是看不到一个很好的结果那你会后悔吗？我还是用一个历史的对话吧。2020年的时候当时候IEEE Spectrum做了一个专访汽车自动驾驶什么时候能来，当时我记得最清楚他采访了两个人。

当然一个人是伊隆马斯克嗯对吧他说三四年，当然有人说伊隆马斯克永远说三四年对吧。但是他还采访了另外一个伯克利的校友大家都很熟悉的这个Apple的CO Founder、这个沃兹尼亚克嗯。

嗯他是我们著名校友，他说他当时在2020年哦说的是我这辈子也许不会看到能够自动驾驶的汽车。仅仅五年他的这个预言就失败了，哈哈所以所以我觉得话呢就是我们的未来永远不知道但是我觉得我们值得去追求的就是乐观和这个技术。

因为我们有作业可以抄嘛，我们的抄的作业就是小松鼠对吧？因为语言我们是人是一台机器能够把这语言组织起来那必然就会有一台机器能够同样的能够做这个事，那只是我们去这个了解他如何去做出来。

那刚刚您其实也把这个问题分析得非常非常的透彻了，那么现在有顶级的学术的这个研究团队和公司在做硬件小脑大脑对吧？这个Perception Perception和这个Simulation每个卡脖子地方现在都有很好的公司和最聪明的人去攻关，所以我对未来还是非常非常乐观的。

对吧嗯如果沃兹尼亚克这个2020年时候犯了一个错，我觉得如果我们去赌这个具身智能没有未来也许也是一个很大的错误。那您觉得就是具身智能的这个Alpha Go Moment是什么样子？

嗯就像我刚刚说的如果它是一个AlphaGO Moment功能的话，它是一个分水岭事件。所以这个事件它一定对标的是人对吧？如果你说一个狗它能够收集到毒品、能够收集到这个违禁品我也去做一个机器它能够像狗一样，那么它也许能够超过了狗的能力但它不会是阿法狗。

为什么？它一定是一个人，它一定是对标最好的人。这样的话呢就像我刚刚说的亦庄星期六发生了这件事情到了星期一全球所有的各大媒体全部都在宣发这个事情，因为它的宣传性叫Mindshare是毋庸置疑的第一点就它必须对标的是人。

第二它必须要简化，也就是说如果IBM在九几年的时候它对标的是要去像人一样去考法律那么在九几年甚至在00年是不存在那个技术的。所以说九几年的AlphaGO Moment时刻就是去下国际象棋对吧？

那么的话呢这个2000年的时候，那么它的AlphaGO时刻就是去下围棋。那么到了2010年、到了2020年的话呢我们就是通过图灵测试，我们的GPT能够像人一样聊天真正的能够去通过法律东西。

那么将来我们的具身智能在我看来在英语里面有个Low Hanging Fruit，我们也要去非常这个小心的去Define我们的这个AlphaGO时刻。我们的分水岭一定不是一个全能的人，它一定是独立的。

我们其实可以看到比如说很多很好的运动员他如果是个很好的乒乓球运动员的话他不一定能够打篮球嗯。因为打乒乓球的运动员他需要身段小巧、能够很灵活，而且我们中国是拥有世界冠军的对吧？但打篮球来说我们亚洲人就不占这个优势，天然就不占这个优势。

所以具身智能也是一样它的AlphaGo时刻一定是Low Hanging Fruit，它有各种各种不同的Fruit。所以我们要根据、我们要达到这AlphaGO时刻那么除了我们整个这个工业的努力以外其实还有一些决策和Vision。

那么我们怎么样的组合能够把可行的Frontier的本体小脑大脑Perception和Training能够把它组合起来，能够在一个果实树下、苹果或者是橘子下能够摘到这个果实？我觉得这个是整个业界都可以去共同去打造的事情。

嗯那他的AlphaGO时刻不只是一个果而且是有很多很多果子，那您觉得这个Simulation就包括我们没有那么多数据。那可能我有时候我们得自己去想办法创造数据，对甚至说凭空造出一些数据，那你觉得这个是应该用的一个一种路线吗？

我觉得现在其实无论是美国也好还是中国也好，那么在这种基础的工业甚至包括还是回到传统的造车和造船嗯我们都发现其实卡脖子的不仅仅是本体，不仅仅是我们的精密仪器还有软件模拟。到现在为止不仅是具身智能包括造芯片、包括造飞机、包括造船如果你没有很好的仿真的话其实对应来的这个产品很难拿到全球顶尖一流的这个水平。

那么如果我们说造飞机和造轮船它需要的是流体力学、包括空气动力学，包括这个汽车的话那么刚刚我提到的就是具身智能因为它是要跟物理空间去接触的。比如说咱们的这个车虽然说很难，比如说这个全球的这个方程式赛车其实都是一个公司造的对吧？

因为为什么只有那一家公司能够造出开到200到300英里的这么一个车。但是我们的方程式赛车跟我们的世界接触只有四个点呐，只有四个轮子对吧？其他所有的控制当然Perception是驾驶舱里面人实行的。

但是它之所以叫Embodied AI它的物理世界的这个交互只是四个轮子，但是我们的机器人如果要用手去交互的话那么的话呢整个世界都会当你的手去触及这个世界的时候它都会变形或者形变。

那在这种情况下的话呢对我们的这个仿真的环境提出的要求是非常非常高的，因为我之前6年吧我并不是做汽车自动驾驶的这个传统老兵但是我知道。

比如说在做这个汽车仿真的时候要获得一个工业界领先的仿真软件是非常非常贵的，也许就是大家都知道要做要有这个牌照嘛或者是个License。如果你是大家都知道一个传统的Windows那么你也可也可能便宜的时候花花不到100美元就能拿到一个Windows的这个使用这个牌照。

但是如果是一个专业级的去仿真汽车动力和这个它在赛道上的这种运行的话，大家看到F1的那个电影可以看到其实很多的赛车的策略在比赛之前都是在仿真的环境中定下来的。

嗯那套软件一个Seat就是一个License也许就是几万美金，这是通常的价钱。所以大家可以看到这个成本是非常高的而且那个刚刚我说了几万块钱一个License的这个软件还只是去仿真四个轮子跟赛道的这个交互。

当我们把具身智能放到一个真实的场景中我们有楼梯有门有我们的锅碗瓢盆那这些它的每一个的变形的方式都是不一样的，所以给我们的这个仿真环境带来了非常非常大的挑战。

可以说这个就是一个非常明显的一个卡脖子的地方，那我们是不是就无论我们模型怎么怎么想象、我们怎么去仿真真正能够推进我们进步的还是一次一次行动的失败以及失败之后的反馈？

对做过汽车自动驾驶人都知道就是安全的自动驾驶是撞出来的哈哈都是一次一次失败、一次一次的就可以说是事故吧。那么在事故里做总结然后的话呢才能够去获得真实的数据，这也是的话呢就是为什么我们在Hitch Open这个品牌在选择这个创造具身智能的AlphaGo时刻的时候我们选择了乒乓球。

因为乒乓球的话呢它的这个刚体的形变的话呢毕竟是非常非常小的，而且的话呢这个它的跟世界的互动除了跟空气的动力学的互动话只会跟两个地方进行互动，一个是台子、一个是球拍。

甚至是我们的机器人刚刚不说嘛还有另外一个灵巧手也是一个痛点嘛，但是当我们的机器人握着球拍的时候灵巧手的自由度和灵巧手互动的难度大大的降低了。

我们的灵巧手变成了一个拍子，所以这个拍子跟乒乓球的这个互动是能够用显示的数据公式、数学公式完全写出来的。所以说在这个方面我们把一些非常难预测的仿真的问题能够把它缩减到一个可规划、可控的一个范围。

在这个范围内我们才能够去跟人类的数据进行比较，就像您刚刚说的如果人类的Performance就像一个彗星一样你等了10年都不一定来一次的话我们怎么能够保证通过数据的堆叠、通过算力的堆叠它能够等到这块彗星呢对不对？

但是我们可以把这个问题把它简化，我们等的不是一个10年才来的一个彗星。我们等的是一个每年都来的一个彗星，也许的话呢三五年之内我们就能够把这个卫星它的整个的背后的这个基础逻辑都能够把它算出来。

那么以后的话呢我们通过这个仿真去仿真这个彗星的时候也许每天都能够抓取到这个彗星。所以这个就是背后的这个逻辑，那您会觉得人形机器人会成为具身智能的终局吗？还是说有两种说法。

一种就是像您刚刚讲的就是你看它应用什么场景、应用什么功能我可能扫地我就扫地机器人对吧，进工厂咱就进工厂机器人。那有人会说最好的方式就是一个人形他能干千万种活，那也有人说那个就既不可能又不高效还不经济。

不如说就是在不同场景下造出不同的机器人就不用非得全都押注在人形机器人上，嗯所以您会觉得机器人就是Humanoid会是终局吗？我给您从两个方面去分析这个问题。

第一个问题的话呢就是具身智能它不是一个选择题，它不是个yes or no啊对我们来说。

它其实像是一个图这个图上呢它有其实至少有两方面，第一个方面的话呢就是各种具身智能不同的形态。第二个方面是生产力，不同的具身智能形态它所带来的社会的生产力是不一样的。

比如说如果你的具身智能的形态它就是个扫地机器人它是不能够帮你做菜的，也不能够给你带小孩子但是它已经能够完成非常智能的扫地了。

所以说它取代了我们扫地的这个功能有了具身智能的扫地机器人以后如果你愿意付这个钱的话你的家里面至少在一层楼里面也许永远都不用扫地了对吧？那么还有汽车自动驾驶，那么汽车自动驾驶的话呢到了今年已经有公司能够非常稳的拿到中国和美国的L4的这么一个牌照。

那么说明在汽车自动驾驶公共道路上它有超过人类十倍的安全性，那么说明的话呢在开车的这个生产力上我们就不需要人了嗯。但是它还是不足的为什么？我再给大家举一个例子就说开车这个事吧，比如说拿美国来说。

美国的这个劳工局它有一个统计，这个统计是非常重要的就是生产力嗯这是统计是什么呢？就是一天24个小时我们普通的人消费者到底这24小时精确到每分钟他到底这个做各种不同的事占用了这个24个小时里面的多少分钟。

那么在这个统计里面刚刚不是说了吗

就是扫地，或者是这个汽车自动驾驶。即使在这个情况下，它已经达到了人类的这个10倍的那种安全性和性能的话，汽车自动驾驶平均美国人每天只花半个小时的时间，30分钟。也就是说24小时，如果我们想去考察这个AI的生产力的话，还有23.5小时他这个生产力还没有被AI所替代呢。所以从这个角度上来说，那么我们的这个更多的居家的环境、我们的办公室、我们的工厂，他目前都是为人形所打造的环境。所以说在这个情况下，如果我们工作每天是八小时，如果我们在家里面睡觉、娱乐或者是看病做其他东西，那么都大大超过半个小时。这种情况下的话呢，我们的人形机器人如果能够达到人的性能的话，就能够在剩余的23.5小时里面能够给我们带来生产力的提升，甚至是生产力的替换。所以这就是说具身智能它并不是一个yes or no的是非题，但是它是在整个这个具身智能和生产力非常重要的一环，也许是最大的饼图里面最大的那一块。

就是说他有很多的潜能没有被开发出来。对，因为原因是我们目前的社会绝大部分的Infrastructure底层的这个基础建设都是为人所打造的。所以的话呢，我们用AI去替换生产力的时候，人形机器人能够替换的、能够接触到的和替换掉的人的生产力是最多的。就是现在VC的共识也是这样的，我们因为我们能看到现在VC投具身智能这个火爆的程度哈。为什么大家会觉得继AI Agent之后，Robot Agent一定是下一个大方向？嗯对，其实还是回到我刚刚说的那一点。因为我们除了跟电脑聊天以外，任何一个投资人他只要拿到了不管是美国劳工部也好，还是各个国家不同民族、不同国家的统计以后，他都发现有绝大部分的时间我们的人如果不需要的话其实是不会跟电脑交流的。

包括我们现在你看我们现在跟电脑交流的方式是用鼠标键盘，甚至是一个屏幕、甚至是触屏。那么当然有人说我们现在的孩子用手机太多了，但是我们如果没有电脑的话，比如说咱们之间的交流会通过这个键盘鼠标吗？不需要。人和人之间的交流是不需要通过电脑的。所以无论我们的大语言模型那么有多么先进，它毕竟还是关在一个牢笼里面的AI，它是关在我们屏幕里的AI。无论是大语言直接去控制一个机器也好，或者是我们去寻求一个新的行为智能也好，我们必然在大语言模型现在已经非常成熟的这个阶段的话呢去寻找下一个创新的点。那这个点的话呢，就是无论用什么解决方案我们能够直接对我们世界进行改变。

我们希望在改变世界时候再也不需要通过键盘鼠标编程来做这事情，而是直接像人与人交流一样我们去跟下一代的机器人去交流让他们直接把活给干了。这样的话呢我们就不需要去触碰屏幕，不需要去触碰鼠标了。嗯嗯因为我们现在跟大语言模型去交流时候还是触碰鼠标、还是去触碰键盘的。所以话呢这些其实是跟人和人或者人跟社会交流的时候是不需要的东西。键盘和鼠标是七几年六几年的时候生编硬造出来的东西，因为那个时候机器人理解不了人所以我们要创造一个GUI就是一个user interface能够让人去学着跟机器人交流。所以现在当AI达到了一个程度的时候我们就需要把这个能力把它解放出来，让机器人学的跟人进行交流。其实这个就是终极的具身智能的一个能力。

那您觉得这个节点什么时候会到来？如果您给他估计一个时间段的话，这里的话呢就是我们对未来的一个估计。所以我们需要去寻找下一个的AlphaGo时刻。就像我说的，我们必须要进行剪枝，我们不能去创造一个AGI的一个机器人离AlphaGo时刻这个可能还是比较遥远的。嗯但是的话呢如果我们对它进行剪枝，包括运动的AlphaGo时刻、能够进的了这个咱们工厂的嗯AlphaGo时刻、嗯包括我们能够做一些专业的工业应用的嗯这个机器人的AlphaGo时刻，嗯也许在三年之内就能够拿、能够达到。

嗯包括今年已经有很多的机器人公司去跟一些商业厂商去实验能够替换掉他某些岗位的工人。那么在这个情况下，我知道的场景已经有一些机器人能够全天24小时不间断、然后是零失误的替代掉人。那么在这种情况下我们就省掉了人的休息、喝水疲劳的时间，我们也省下了为我们的工人去付很多很多的这种保障啊、生病啊这些成本。所以的话呢我们的一个机器人它的成本是分担到24小时的，而我们的一个人的话呢它是一个八小时的工作。所以在这里面的话呢它是有一定的种可对比性的。那在这种情况下我觉得很快我们就可以发现一些机器人的话呢能够站到这些岗位里面去。

这跟咱们最早了解的一些黑灯工厂有区别吗？嗯对，所以的话如果是一个工厂的话就回到我刚刚说的它是不需要世界模型的。对因为我们是个工厂，无论你是用人来做还是用机器来做，它这个岗位到底做什么它是一个生产线、是一个高度自动化的一个东西。嗯其实我们说我们在诟病自动化的时候就说自动化生产线把人机器化了，所以我们现在反过来就是要把机器人化嘛。那么在中间去找一个快速的一个切入点，所以说一个自动化的产线我觉得是最容易实现机器人的生产力的。嗯这方面倒反是一些约束性非常小的、嗯厨房这种厅堂或者是居家的环境这个的变化量是非常非常大的。

对那您觉得人形机器它真正能够成立自己的一个经济模式会是什么样子的？因为马斯克自己说嘛他造出的机器人现在也没有真正的做产出，他就放他自己工厂里不断地去生产数据啊做一些模拟。那在您看来一个能够真正养活自己的机器人的这一个商业的闭环会以怎样的形式出现？嗯这个问题嗯我觉得我在跟这个大家做交流、跟朋友进行讨论时候其实跟投资人讨论的非常多。因为投资人他非常急切的希望找到一个发力点，最好是在发力点之前就知道他到来了然后提前布局对吧。我们节目针对就是很多都是投资人，所以您刚问的这个问题就是很多投资人问的这个问题的。

那么作为投资人的话不知道有多少投资人对硅谷的一个笑话比较熟悉，硅谷对具身智能有一个笑话叫“夹起尾巴做人，不要做狗”。哈哈它的底层逻辑它并不是一个笑话。因为刚刚我说的其实具身智能化您不管是做用户也好还是投资也好它其实是一个二维的一个布局。那么横轴的话呢是各种各样的这个具身智能，如果您现在布局扫地机器人已经晚了、嗯over；你如果现在布局这个汽车自动驾驶已经晚了、over。那下一代话呢就是人形机器人，那这人形机器人到底是做狗还是做人呢？那么还有一个纵轴，纵轴就是生产力。所以话呢在您可以投资或者是去做狗或者做人的时候大家知道狗的生产力是非常低的对吧。

在社会里面狗其实是一个伴侣，除了一些这种军警呐或者这种安全的应用的话绝大部分狗其实是一个伴侣。那么它的这个生产力其实是比较低的，但对于人来说如果你能同样的投资或者是略微多一点投资但是如果能替代掉人的话它所对应的这个生产力的资本化是非常非常大的。好那我们谈到了生产力了以后那接下来的就是它要资本化。那资本化的话呢其实大家都知道无论是你是这个握着自己钱包的一个消费者还是一个老板或者是一个资本家你所要计算的或者是明面上账面上要计算的、或者是握着自己钱包掂量的东西其实就是Return on Investment。

也就是说如果刚刚我要一个岗位我需要雇三个工人三班倒能够拿到这个生产力、能够生产出这么多个盒子出来，我如果用一个机器人它不需要三班倒。这个机器人能够24小时工作也许22个小时工作再检修两个小时对吧、休息两个小时，那么它的成本和我雇佣3个工人的成本做一个对比。它的拐点就在于如果哪一天就算是一个机器人比三个工人的成本小一分钱，我们的工厂的老板、我们的资本家都会马上进行替换。所以它的拐点就在于是不是一个机器人的这个岗位对于三个工人来说它能够比我们的工人省一分钱、甚至是半分钱以厘来进行计算。回到我刚刚说那一点，所以在这个推算的时候有两点：第一点工种越单一您的这个替换就越快。

因为无论您的工种复杂还是单一你的人的这个费用基本上是恒定的，但是你的工种越单一你的这个机器人的成本就越低啊。嗯这第一点然后第二点的话呢还是区域。嗯那么大家都知道美国的人工是很贵的，所以当您算这个3个工人等于一个机器人的时候如果机器人的造价是一样的。比如说如果美国能够从中国进口机器人的元件，所以说除了Overhead之外如果说两个的就像跟特斯拉一样美国的特斯拉和中国的特斯拉成本持平的情况下哪里的人工越贵它的这个转变就越早会发生。实际上我看到的这个拐点的话呢其实就是一个打算盘算经济成本的一个事情，当你算的过来了这个转变就会发生。

嗯那么我们已经看到汽车自动驾驶已经是发生了。因为比如说中国我不知道、不知道中国的这个账是怎么算的，但是在美国他们算过对吧？如果是用机器人没有司机去开车的话那么它的每公里的成本也许只有现在目前需要这个出租车司机去开车的1/5，还不是节省一分钱一厘钱的问题是成倍的减少。所以在这个角度上来说如果汽车自动驾驶一旦达到了L4和L5的这个阶段的话，汽车自汽车将没有方向盘的转变是必然会发生的。而且这个是全球同样会发生因为它的这个对比太大了，无论是跟中国的汽车司机相比还是跟美国的汽车司机相比它这笔账全球都算得过来。所以Robotaxi目前来说为什么这么多厂家、为什么投资人进场已经有非常多的IPO了就是因为这个账算得非常清楚。

嗯那您刚刚问的具身智能的这个机器人它的账目前算得还不清楚，因为汽车自动驾驶只是一个Skill、嗯只是一个功能。它在这个道路上的成本都已经知道了因为我们我们有成熟的出租车的这个折算模式，但是当我们用机器人去替代人去在工厂里面装配的时候到底是哪个岗位去装配目前来说我们还没有定下来。但是转变的时候我觉得一定是人工成本最贵的市场会最先转变过来。问个小问题那为什么Waymo现在还比Uber贵呀？啊这个的话呢可能跟它的经济模式有关。比如说因为我们家买了特斯拉嘛所以我对特斯拉的这个经济模式比较关心嘛。

啊那么特斯拉的话呢它是比较特殊的一个企业，嗯因为特斯拉做到了一件事情我觉得是非常牛的。就说它无论是3万块钱的车我讲的是美元还是10万块钱的车或者是20万块钱的跑车它的汽车自动驾驶的系统是一致性的。啊而且的话呢无论你愿不愿意买它甚至你不买它的这个订购的汽车自动驾驶它都把这个汽车自动驾驶系统塞到你的车里面。也就说你可以把它买断、嗯你可以买一年你甚至可以买一个月我都可以让你去做汽车自动驾驶。所以通过了这个以后他把汽车自动驾驶成本大大的降低了。嗯那么其他的车厂有汽车自动驾驶和没有汽车自动驾驶它的这个车型是非常非常不一样的。

而且啊有汽自动驾驶的这个模型往往是它成本最高的模型，包括奔驰对吧、包括中国的一些豪华的车厂它都是在最顶级的模型上去用它的汽车自动驾驶。但是这个最顶级的这个模型带来的一个后果就是它使用的人数是最少的，而且的话呢他在做替代的时候他的这个Return on Investment就非常的高。嗯因为他是在最贵的平台上实现了汽车自动驾驶，对吧所以还是回到这个地方当我们把AI跟人进行对比的时候如果你能把AI的这个在同等Performance情况下你能把AI的成本打得越低你的这个替换的时间就越早。

啊肯定大家都会认为就是具身智能是下一个大的平台级的机会，对如果有一个好朋友投资人问您说怎么看项目？就是对具身智能这一块来说硬件算法数据还是团队哪个最重要？我觉得这个各个投资人他的内部的一些评估是非常非常不一样的。嗯我觉得话呢就是还是回到这个历史角度上来说比如说还是回到汽车自动驾驶，现在我觉得大家都不会有争论了。就是最后在汽车自动驾驶能够胜出的一定是造汽车的。如果你的这个企业它不会造汽车的话那么你说我搞汽车自动驾驶你是拿不到这个数据的、你是不能够去做Last Mile做Deployment的。所以现在我觉得大家都没有争论了是不会造汽车的企业是走不到汽车自动驾驶的最终点的。

或者说你精于做Simulation但是到最后你要看到最后的终点你是站在终点的那个解决方案的话你一定要跟本体、小脑大脑一进去结合对吧。而且的话能够量产你能够拿到每天500万公里的数据谁能够拿到这个数据谁就能够保证能够拿到汽车自动驾驶的L4和L5。那么具身智能同样是这样子，无论现在细分的领域非常非常多但是无论是通过什么样的一个组合包括投资人的组合也好或者是团队本身的组合也好能不能够拿到全球就是全球Sourcing能够找到他所需要的最优的本体解决方案、最优的小脑、最优的大脑团队最后解决的是个Low Hanging Fruit。嗯用最佳的解决方法去解决一个Low Hanging Fruit，我个人是这么看这个问题。

那如果一个也是想做智驾的或者说想做具身智能的人他加入了Hitch Open这个平台他是否有机会说得到世界上最广最深最有用的数据来去帮他？对做他的Startup首先的话呢我们Hitch Open的话有两点是非常有价值的。第一点的话呢就是人啊因为的话呢参加我们比赛的话呢都是顶尖的各个大学的人才，所以我们打造这个Hitch Open的话呢就是能够推动整个生产力和整个社会发展往前推的这个个人。如果我们Hitch Open能够集纳全球10个20个30个50个最好的大学那么下一个伊隆马斯克能够从这些大学之中能够成长出来我觉得这个几率是非常非常大的。所以我觉得Hitch Open的一个非常有价值的地方的话呢就是我们是一个人才的平台。

同时我们通过我们是比赛、我们是互相交流我们并不是说这个平台是让大家闭门造车其实我们正好是让大家开门走出去。就是在硅谷有一个术语叫做Get Out of the Building，就是无论你是做Business的还是做Engineering的当然做Engineering可能更习惯于待在这个实验室里面但是从我们去年在天门山打的汽车自动驾驶就发现很多的学生他学到的第一课就是在上海在北京甚至包括在我们硅谷课堂上学到的汽车自动驾驶的算法一个都不Work、一个都不Work。当现实冲撞了你的这个学习知识以后这现实是非常残酷的。

嗯所以说很多很多同学在Hitch Open去年的汽车自动驾驶学到的第一课就是真实世界到底是怎么样子的。哈哈哈把我们的工程人员第一次从他的课本中和他实验室中带到了真实世界上来说我觉得能够把我们的物理世界带到带给到我们的人才、嗯把人才带到物理世界我觉得这个是我们第一个非常非常不一样的地方。然后第二个的话呢就是我们跟各个企业的合作，那么包括我们去定义一个Low Hanging Fruit我们这Low Hanging Fruit是乒乓球、我们这Low Hanging Fruit是汽车自动驾驶。那这样的话呢我们首先省去了搭建世界模型，我们第二的话呢能够大量的很快的给大家提高无论是高精度地图还是乒乓球的这个视频数据这些都是有的。所以话呢我们简化了这个企业和大学进行创新的成本能够让我们很快的在一个Low Hanging Fruit、在这个最容易拿到的果实里面能够让企业和大学找到一个解决方案。

然后打出来的最后的这个AlphaGo时刻是能够给全球的这个消费者一看他就明白的，当我们的机器人打赢了人类的乒乓球世界冠军的那一刻我觉得无论是中国的观众、美国观众、法国的观众、英国的观众他都会了解这个事件的意义。所以我觉得这个是我们这个Hitch Open跟其他的平台所不一样的最重要的两点。嗯嗯但是机器人在赛场上赢得冠军啊、赢得比赛我们肯定就是观众会非常激动哈知道这个AlphGo Moment的重要性，但它并不等于说是等同于就赢得了消费者的信任。那你打球是一回事是吧你进屋做家务是另外一回事，所以就是从从机器人竞技再走到机器人经济您觉得这条链路是通的吗？这里面需要跨越两个鸿沟。

第一个的话呢还是我们举汽车的例子大家都知道法拉利对吧但是有多少人看过这辈子看过多少辆法拉利甚至拥有过多少法拉利我觉得这个可能性还是

非常非常小，但是为什么大家都知道法拉利车好呢？就是因为F1。因为F1上能够使用红色这个颜色的只有法拉利这一个车队，而且法拉利车队在F1的分成上是最大的。嗯，所以就是因为这个东西，你也许一辈子都不会拥有一台法拉利，但是你的品牌上就会认为法拉利在汽车行业是最好的。所以说我们的这个通过去跟人类最好的奥运会冠军进行对比，Hitch Open想打造的其实就是一个品牌。但是品牌和销量它并不是画等号的，所以话呢在这个中间的话呢就需要我们的本体的企业能够驾驭得住这个品牌，把这个品牌转换成投资回报率。

嗯，第二的话呢就是我们的政府要介入。就像F1它所打造的这个品牌永远不等于汽车的安全的ABCDE，永远不等于汽车自动驾驶的12345。甚至大家可以说F1现在在汽车自动驾驶上还落后了，所以在这方面的话我们的政府需要介入。去定义说达到了这些运动标准的本体也好或者是解决方案也好，嗯就等同于什么样的一个安全等级。

那么我们的政府需要在法规上能够把我们机器人能够做到的这种Skill、这种技巧，能够跟消费者在市场上能够买的买得到的产品能够去做一个整体的定义和法制上的这个规划。所以我们的企业和政府要填补从一个好的品牌到一个好的产品中间的这两条线。那是不是这就涉及到了一个通用的一个标准对吧？对，我如何……

我Hitch Open能在中国打我也能上巴黎去对吧？我过两天我要去沙特了对吧？我或者哪天我在非洲也可以建立这样一个赛事。那如何让这机器人或者说我们的这个你的AI竞速走出这个区域，能够完全复制到另外一个区域？您觉得这个涉及的通用性我们应该怎么去解决它？

首先的话呢就是为什么我们Hitch Open选的是类奥林匹克的这个比赛，因为本身奥林匹克已经有100多年了。这个奥林匹克本身就是连接各个文化的，所以说无论是大品牌也好或者是对本体的这个小脑和大脑的这种运动的真正的技术的测量也好，甚至跟各个国家去进行联合的政策研讨能够把机器人的运动能力对等于一些国标也好。

那么这些其实我们都是可以利用这个平台在各个文化和区域能够进行合作的。但是最后的这个品牌的话呢就涉及到我们的各个地区它的文化、它真正的市场、它所需要的购买的这个意愿是什么呀？那这个的话呢确实是每个地区都不一样的地方。但是我们还是希望就像一个奥运会能够捧红很多的鞋子品牌、饮料品牌对吧计算机品牌这样，所以我们也是希望在我们的全球的这个市场的话呢我们能够和一些未来的AI的品牌进行合作。

但是具体这些品牌如何落在世界的各个角落的话呢那么还需要这个多的不断的去迭代才能够达到这个目的。刚才可能我们聊的可能更多是商业方面的一个Strategy，用Hitch Open这样品牌去扶持帮助更多的本体机器人本体公司走出去被看到。那我们还是就是用您刚才讲汽车作为例子吧，汽车用100多年建立起了自己一个牌照制度哈还有安规包括全球统一的标准。

那机器人要想走入寻常百姓家或者说是不走进百姓家，我就单做具体的某一项实现某一项功能，是不是也需要这样一个建立通用的一个标准国际化的？您觉得这个重要吗？

您问了一个非常非常好的问题也是非常难回答的问题。因为的话呢就是汽车自动驾驶他是在一个特定的公共道路上去进行的，嗯而且不同的地方一百多年的话呢它其实已经对这个交规啊去进行了大量的这种整合。嗯所以的话呢我觉得全球上来说无论是去向左开还是向右开，我觉得最大的区别就这个东西。嗯那么你只要待在一直是一直是向右开的这个市场或者是向左开的市场它的交规基本上都是一样的。

但是具身智能的这个生产力的一个最终是要进入到千家万户的，那么进入到千家万户就相当于我们说的比如说喝咖啡大家都知道有美式咖啡有意式咖啡还有中国喝咖啡的模式都很不一样。所以话呢用这个机器人去替代人类在各个国家和各个文化这是个非常非常复杂的一个问题。

那么解决的方法的话呢就是说我们的汽车自动驾驶我们的车辆已经有100多年的历史了，我们的汽车自动驾驶已经做了20年。我们不希望具身智能仍然还在等20年，就说现在我们的具身智能的小脑也许是当年没有具身智能的那个车辆的小脑的话那么我们是不是还要等10年20年才能够达到这种具身智能能够替代人的过程呢？

嗯这里面呢我觉得话呢就是有两点，第一点的话呢就是要做大量的仿真。如果能够在仿真上把不同国家的这种场景和工文化的场景都能够在仿真上能够建立起来的话呢这个能够大大的缩短它这个距离。那第二个的话呢我还提出的话呢就是希望我们会有更多的具身智能是依赖于开源的这个平台、开源的文化。

就是可验证的，就是美国还有一句话叫做Trust and Verify这个很重要。就是我们的AI永远不能仅仅靠Trust你一定要去Verify，但是你怎么去Verify？那么如果我们的比如说咱们的大语言模型就是一个非常好的一个例子。现在之所以为什么各个国家都有大语言模型因为大语言模型去做这个Foundation Model的Tier Model的前几代它做了开源。

因为我们有llama1、llama2也有llama3，包括前期的GPT是开源的。所以我们才能够在开源的文化中迅速的能够达到现在的高度。可以说如果GPT没开源的话我们现在能够有跟人类对话的无论是中文还是英文的话都是不可能的。所以大语言模型就给我们带来一个非常好的一个例子，我们要最快的时间去捕获第一个Billion的一个亿十个亿的用户。

它的基础的技术开源是必不可少的。所以我们的具身智能当我们把这个数据也好软件也好去控制一个人他需要在我们的家里面去跟我们的孩子老人互动，他是不是也需要开源？所以我们Hitch Open之所以有个Open的话呢也是希望能够找到最好的人能够找到最Capable的公司，同时我们沉积下来的某一些技术足够多的技术他是开源的。

所以这就是我们Hitch Open之所以为什么把Open放到了我们的这个品牌的第二个词。刚才你也讲了这个去年哈人形机器人卖得最多的应该是中国的一个公司，去年全球出货我看的数据是13,000多台八成以上是由中国公司宇树啊智元啊领跑，美国公司包括马斯克自己做的没有出货。对没有出货他都在内部再用。

对那如果说算法高地在美国，那未来制造包括数据高地可能在中国，那这国际通用性它意味着啥？在您看来这可能是我们要面对的是一场对抗嗯还是说可能是一场合作为了人类历史发展进程的一个合作？就是我们以这句话起始也以这句话结束嘛就是History Never Repeats but it rhymes。

啊我们可以看到就是过去比如说苹果，苹果的CEO不管是这个乔布斯还是这个Tim Cook嗯他都说了除了苹果最贵的服务器以外基本上苹果的手机和苹果的消费者的台式机Laptop是不可能在美国制造的。苹果的很大一部分的这个产品都是在中国去进行制造的。那么下一个的话呢就是比如说EV，EV新能源是从美国兴起的，那么保护环境呢这方面但是现在大家可以看到就是能够盈利的能够造得起EV的无论是太阳能板还是电池都是亚洲的企业对吧。

美国能够造出来的特斯拉它是全球布局才能够维持到这个经济对，那接下来的话呢就是网上经济无论是我们的京东啊还是亚马逊也好70%以上的产品都是从中国来的。所以无论是全球最大的市场还是全球消费意愿最强的我们的消费者市场它必然要跟亚洲市场去进行一个结合。所以的话呢我觉得具身智能它也会是一个历史的重复，无论我们的这个具身智能它的应用最后是在全球的哪个地方。

我觉得亚洲的产线整个这个生态供应链一定在中间的话是一个必不可缺的一环，所以我们希望的话呢我们的未来的话呢能够找到一个就像之前的这个网上经济也好EV也好或者是咱们的电子产品也好，能够把东方和西方最好的优势都能够结合起来。那这样的话呢全球的消费者才能够享受中间的这个最大的利益。赞赞好，我们主体访问结束了最后一个小问题啊。

对您来说哈真正的自由是什么？其实我经常在想这个问题，但是的话呢就是我不想被大家觉得就是马斯克的粉丝。但是的话呢就是我觉得大家都问就是如果我们的人类社会都被AI所替代的话我们能够做什么？我觉得伊隆马斯克在这方面的话呢他的思维确实是当我们的AI能够替代我们人做这些社会的工作的话，我们人需要去做什么。

其实回答很简单就是去做AI不能做的事情例如说去登月，例如说去火星我们在家里面刚刚我们谈了这么多东西汽车自动驾驶折被子对吧很多东西包括扫地机器人去了火星去了月球还有用吗？没有用了呀对吧，当我们把我们的人类的文明播种到一个新的环境去了以后它要解决新的问题。在新的问题里面我们在地球的环境训练出来的AI就一点用都没有了，所以在那个环境我们就值得我们的人类的Human Intelligence真正的去发挥它下面的功能。

所以我们的话呢就是这个问题深奥的话呢也可能会想的非常非常的深然后人的话会绕进去，但是如果从简单的方面想的话呢其实答案也非常简单就是我们去做AI不能做的事情。对您来说真正的自由就是您去做AI做不了的事，包括多去旅游比如去享受大自然这个我觉得目前来说还不是AI想去做的事情。

我没有看到任何一个AI主体会说我想去旅游，但是我想去旅游这本身就是人类的智能因为它满足了人类的好奇心。现在的AI它是没有好奇心的，所以我们想去旅游我们想去享受生活我们想去吃美食哎我们知道我还没去吃过这个重庆的火锅，我还没有去看过大熊猫。

这些本身我们的期待、这种探索和包括我们人类作为一个这个Species种族我们要去火星要去月球，这种期待是任何一个AI目前它都没有主动去发现的东西。我觉得这个其实就是人类智能目前跟人工智能相比它的优势所在。赞赞赞赞赞赞，谢谢谢谢谢谢谢谢。