Hello，大家好，我是小俊。今天我们的嘉宾是一位美国的连续创业者，他是 Dyna Robotics 的创始人兼 CEO Lindon。他和之前来过我们节目派非常的不一样，Dyna 走了一条他们叫这个叫做 Proda Research 的路线。全球的机器人行业还远远没有达到收敛的时刻。这是一条无比漫长的长跑，你看不见终点，有时候你也看不清楚四周。
那每个创始人在其中如何做决策，如何设定路线图，以及在迷途之中如何找回自己？林登都给出了自己的答案。如果大家喜欢我们的节目，请大家给我们转发、投币、点赞，一键三连。期待2026年，我们和AI共同进步。很少有创业者是能在被拒几百次的情况下还不放弃创业的吧？啊，当时我就跟我团队说，我们是蟑螂，我们蟑螂，我们死不了。
我们当时。有段时间战略迷失的时候，其实这个分歧是最大的，就是团队，就是我们作为一个团队的 identity，是有非常大的冲击的。就是一波人说，哎，我们要做落地；，另外一波人说，哎，我们要做 research。你觉得闻得到钱和理想主义有分歧吗？没有分歧，我是非常理想主义的人。我来做机器人不是为了赚钱的，我觉得闻得到钱是生存的一条路。
嗯，我的梦想是星辰大海，可是我的路径是需要脚踏实地。Hello，Lindon，先给观众朋友们打个招呼。你好，我叫Lindon。你这次来上海有什么不一样的感受吗？你多久来中国一趟？我可能一年来一两次吧。我们在上海有个团队，所以有的时候会来。上海的感受，我觉得发展很快。机器人行业很卷，大家都在讨讨论机器人。
嗯，跟硅谷的感觉有什么不一样吗？在 robotics 这个行业上，说感受的话，其实我觉得两边其实都挺浮躁的啊，天天都有非常多的 release，每家都在出一些新的东西。嗯，然后每家都想多融一些钱啊，我觉得基本上可能大家都都比较类似。可是我觉得本质上面，我觉得硅谷和国内的对机器人长期的战略打法还是有一定的不一样的认知的。
你怎么说？其实就是分大脑派和身体派啊。大脑派其实就是美国觉得大脑是唯一的问题，身体会自己解决，他自己。中国觉得啊，供应链是唯一的问题，大脑长期会自己解决啊，所以其实这两派其实，在中美还是看的比较鲜明的。可是我我的确也认识到，中国其实最近也在，比如说一些模型层面上面也开始布局。你们属于大脑派还是身体派？
我们属于全站派。全站派对。要不我们在聊Dyna之前啊，我们还是先聊聊你作为一个连续创业者，你之前的一些创业经历、你的成长和创业。我是在中国出生，我十一岁的时候去了美国。嗯，其实我长大的环境是比较。Entrepreneur就非常有创业型的啊，就是身边的人啊都会做一些小买卖、小生意。所以说，其实我在很早的时候就会做一些小生意。
我十四岁的时候就做了我第一份生意。当时很多人会说这是创业，可是我当时觉得这只不过是英文来说就是
hustle，就是赚点小快钱。十四岁是初中吗？还是高中？初中，初中，对。当时其实就是打打游戏，然后觉得哎，游戏里面好赚钱哦，所以就卖账户、卖装备，然后做了个平台，然后就赚了一些钱。嗯，做什么平台？其实就是一个，就是买卖，就是一个可以去这个平台去买，可以去这个平台卖，然后或者说我去别人的平台，或者去别人的
forum，其实有的时候其实，在论坛上面也是可以买卖的。
嗯，所以说就是这种买卖形式。呃，第一桶金赚了多少钱？上万吧，上万美金。嗯，OK，然后呢？那这个怎么结束的？其实后面生意就先带下来了，带下来，然后就把这个都给卖了，就把网站给卖了。其实我觉得。当时做生意的这段时间，其实不是一段，就是我只做在做这一件事情。其实零零散散的是非常非常多的，嗯。所以说，比如说今天我会卖游戏，明天我会卖。
软件，然后后天我会卖鞋子。嗯，其实当时我成长的氛围里面，其实在这氛围里面是非常普遍的。其实我周围的人也都在，都是在这样的做。嗯，啊，可能就是我成长，比如说小学、初中环境是一个是一个非常不一样的环境，所以说其实周围的人其实都喜欢赚钱。哦，所以说我是被这个氛围影响的，然后也是跟着他们。一起追潮流，然后学着学着就学会怎么赚钱了。
赚钱难吗？对你来说？啊，赚钱不难，其实赚钱是非常对我来说是非常，也不是说非常简单，就是说我非常喜欢。嗯，其实也不是是也不是喜欢钱本身，而是喜欢做对了一件事情带来的reward。与此同时，课业怎么样？啊，我没有特别专注科研哦。对我可能不是一个非常典型的一个一个一个创业者哦。第二段创业怎么开始的呢？啊，当时其实也是买卖心态，我在。
大二的时候，其实开始做了一些珠宝买卖。嗯啊，那时候其实就是在啊各个地方发现有一定的珠宝库存，然后他们其实本来也不太想要了，就把这个本来是想把这些珠宝给融掉，然后重新就是把他们的金属回收。那我就是当时就是说，哎，我能不能买一些你们的库存，我在易北上面卖？然后当时在大二的时候卖的挺好的，然后就渐渐变成了一个生意。
这个公司是出事了吗？这个公司其实后面变成了一个 self managing business，就是我不用花太多时间，它是可以自己赚钱。嗯，然后我是给了我家家里的一个人帮我打理。哦，这个生意做了。快十年多，他还在啊？现在已经不在了。就是现在，我觉得太浪。就是我一个小时都不想。就是以前可能一周花三四个小时，一年可以赚个。
十几二十万也是，我觉得也挺挺划算的。可是我现在觉得不太不太值这个时间了。哦，对，所以才结束掉了。结束了，我自己结束掉了。那你是怎么接触到珠宝的呀？首先是通过家里的原因，然后也有朋友朋友的原因，然后也有圈内的原因，就是通过。通过家里和朋友认识到了中国的珠宝供应链，通过啊美国的一些朋友认识到了珠宝的需求。
其实我把这个这个珠宝to C business变成了个to B business，因为当时其实卖珠宝本身我觉得挺累的啊，每天都要包装，然后客户反馈。啊，当时我还在上大学，然后还要实习，就没什么时间。我我后面就把它转成了一个to b business。这个to b business其实就是我卖给珠宝设计商，嗯啊，其实美国有非常多设计师啊。
他设计师其实他们当时是需要在美国自己找供应链或者自己找工厂然后去做，而且每次做都非常贵啊，打磨也非常差，然后量产也也做的非常差。所以说当时我开始做了一个外贸生意。然后就是把啊珠宝和设计师连在了一起，然后当时就给他们供货，然后就提成。所以你是很顺理成章的去读了商学院，是吗？对。你当时在选学校或者选专业的时候有其他的选择吗？
然后后来又去了投行。其实我觉得我的教育路径是非常自由性的。其实我父母没有管我太多，他们其实是让比较放任我的，所以说我是一直去选我自己觉得我喜欢的事情。其实我刚刚开始的时候我是学医的，嗯。哦，在纽约大学医学院，对哦，他们医学院很好。对，当时是其实学医是我父母的意愿，可是我学了两年之后，其实我就不想学了啊。
我当时，所以说我当时就学了啊，金融专业哦。然后你为什么没有顺着投行的路线发展？其实当时去做投行，其实算是一个 bandwagon，就是其实纽约大学的商学院也是啊，算是非常好的，所以说大家都是想去投行。嗯，啊，当时我刚刚入学的时候，就是刚开始转到金融的时候，其实我是不知道投行是什么东西的，可是我知道大家大家都想去。
所以说我知道大家都想去，我就想跟大家比一下，所以就啊，所以就就去了，然后啊，觉得是一个挺不错的体验。你在投行几年？两年多吧，两两年多，然后就开始创业了吗？对，你从投行出来到你现在的这段创业中间，也还有什么经历吗？没有，我是直接直接从投行跳到创业的，然后就做了机器人。啊，我的第一个创业算是半个机器人，对。
打印的之前还有一段创业经历，对，叫Kuber。哦，叫Kuber，OK。Kuber。其实很有意思。其实Kuber我们核心做的是无人零售。嗯，无人零售其实在二零一七年的时候是非常盛行的，啊，因为当时Amazon出了一个一个产品叫Amazon Go。Amazon Go就是谁都可以进入一个商店，这个商店是没有收银员，你可以随便拿一个货物，然后就可以离开，他会帮你自助结账。
嗯，啊，这个概念本身是非常新、非常酷的，而且让大家重新。Imagine了一下这个这个购物体验会是什么样子的，嗯，然后我啊，所以说当时其实国内国外可能有也数不清了，当时可能跟机器人。赛道也是一样火的那种状态，出了可能几十五十多家公司，我们可能算是在这个行业里唯一少有的幸存者。嗯，啊，其实当时我们在产品概念其实就和大家非常不一样，因为当时大家都是想重新装修整个啊商店，他们会把所有的感应器融合放在啊柜子上，然后把摄像头放在天花板上。
啊，然后去做啊，self checkup，啊，我们当时其实我把这个概念带到了。超商中，当时我去见了一百五十个啊超市的老板，然后就问他们说：“哎，Amazon Go这个科技怎么样？我帮你做。”嗯，当时非常让我surprised的就是没有一个人想要。然后那我问他：“那如果免费给你，想不想要？”他说：“我也不想要。
”那那我当时就惊讶了。嗯，那我就问他说：“为什么？”然后他就说：“性价比不高啊，我没有ROI，你让我花几十万。”帮我省几个收银员啊！其实我收银员也不光只是做收银的，然后啊，所以说其实他们当时就不管怎么样子都是划不来，而且再加上还要再做装修，然后装修完之后这个技术还是要一还还是要需要有有一定的维护，所以说那时候啊，其实我就发现说，哎，这个产品可能本身商业逻辑走不通。
所以说我们当时就换了一个产品啊，就是把感应器融合和视觉识别放进了一个购物车里，啊，其实解决是同样的问题，因为其实无人零售解决就是两个问题，一个是谁付钱，第二个是需要付多少钱，啊，那其实啊。在购物车里可以同样实现这两个问题，而且技术比这个简单了很多。谁付钱就是谁带着你这这个购物车，付多少钱就是你放进了商品，商品是什么？
嗯，那其实我们是可以通直接通过视觉识别和感应器融合，在购物车里直接识别这些商品的。所以说那时候啊，才慢慢做成。中间是不是有一段很难的经历，在这段创业中？是啊，我们刚开始的时候，嗯，啊，其实我们非常幸运，我们第一次报YC就进了啊。然后进YC之后，其实我们的mentor也是非常有名的啊，鼎鼎大名的Sam Altman和啊Jeff Rosner啊，两个后面都成为了YC的president和CEO。
嗯，可是我们从YC出来之后，其实我们算是整个batch的倒数排名啊。从融资角度来说是倒数排名。我们总共只融了三十万，嗯，所以当时其实挺困难的，因为其实一个非常普遍的一个问题，其实就是。啊，你们有没有什么？你们有什么背景？你们为什么觉得这事会成？而且其实美国啊投资圈其实非常不喜欢投硬件啊，因为他们本身就觉得硬件本身成本非常高，然后啊啊，distribute起来非常困难啊。
所以说，其实我们啊，当时只融了三十多万的时候，其实我就跟我的三另外三个合伙人，我就跟他们说哎。对不起，我只融了三十万，啊，如果你们愿意的话，我们可以搬进一个房子里面，我可以住在一起。啊，我没办法给你工资，啊，可是呢，我们可以付房租，我们可以付你的车油费，啊，我们可以付你的伙食费，可是呢，伙食费我们要自己煮。
然后，然后当时我们啊四个连窗就住在一起了，然后加上一两个early employee。啊，然后当时我们是一个月烧了七千，一个月只烧七千刀，嗯啊，烧了两年半，然后才融到了第一桶金，种子轮，啊，第一桶金是好像是两百万，嗯，OK，对，这个难关就度过了吗？随着第一次融资进来。嗯，其实也没有。其实，其实我们当时融资的时候，就是遇到特别特别困难的一个点，就是我们的产品非常反共识。
嗯，哦，反共识到就是我们是市场少有的几家，非常非常少。当时我们刚开始做的时候，可能市场是没有做过，就没有任何人想到过做这种产品。嗯，所以说，我当时嗯去融资的时候，大家都说啊。你怎么和可以？你怎么跟亚马逊去对抗？然后，而且还有这么多其他的公司，你看他们做都是亚马逊啊，亚马逊类似的技术，他们都做的这么好，而且融了这么多钱，啊，很多人有有一些公司一从YC出来就融了上千多万，啊，然后我们当时就这么一点点钱，就这么一点点人，然后就还还拿这个购物车啊，当时跟别人说，然后他们就说，哎，最后你们购购物车会被淘汰的，嗯，啊。
所以当时其实融资挺难的，我们见了，啊，我们当时为了撑到种子轮啊，我们我自己抠email了。一千多个天使投资人啊，最后convert了两个，嗯，啊，当时因因为已经快死了啊，账户里可能就是剩下一一两万了。然后啊，这两个天使投资人当时啊，每个给了我们差不多五万左右的钱，最后活下来了。哦，然后真正开始出去融种子轮的时候，我们见了一百多个啊，几个啊，就是institutional
investor哦，然后全部都拒了，出了一个啊，当时就是first round capital。
啊，所以当时活下还是很不容易的。哦，然后你刚刚才问，就是从融下来之后，再到A轮，其实也是一个非常困难的过程，因为本身硬件产品开发周期比较长，再加上超市本身他们的销售cycle非常长，所以说其实我们真正去落地，真正到啊可以扩散的时候，其实也是啊花了。一一年半多的一个时间，嗯，然后在二零一九年的时候，我们啊去融A轮的时候，其实当时我们就想融个千万级别的啊A轮融资，啊市场里没有很多，当时没有很多机构投资可以投。
千万级别的，然后我们也是见了六十多个投资人，然后可能基本上都是全军覆没了。然后啊，最后也是不断的去找新的投资人，最后找到了一个Locks Capital，所以那时候他们投了我们差不多啊一千多万左右。嗯，然后这次创业后来也是就是出售了。啊，对，我们在A轮之后啊，我们那种B轮的时候就有非常多traction了。
所以说B轮的时候啊，拿了两个term sheet，然后拿到了一个acquisition
offer。啊，当时本来拒了他们两次，然后后面决定卖掉了。这段创业最痛苦的时候是什么时候？你是还在靠读《沉思录》撑过来吗？哎，你怎么知道的？我好像看到有报道写过。是，我觉得创业其实是一个，就是特别是在低谷的时候，越是低谷的时候，越需要修心，嗯啊，所以说我觉得整个过程是一个修心的一个过程，嗯，因为其实你可以想象一下，如果说我见十个投资人，然后我被拒了十次，那我说好，好，那我再见第十一个，再见第十二个，可是你见了一百个之后，你会开始怀疑自己，你会觉得说。
是我不好，还是这个项目不好？肯定，因为已经一百个人拒绝我了，啊，所以其实那时候通过这段经历，其实我自己对自己的认知、对世界的认知，其实是提升了不少。其实就是我觉得，就是以视角去看这件事情，就是每一次失败，其实对我来说就是一个 reinforcement learning，就是下次怎么做得更好。所以说，其实渐渐的，就是逼我成长。
所以说，在那段期间，其实我成长是是最快的，可是也是最苦的。嗯，你说你对投资人有一个画像、思维画像，是从那时候就开始有了吧？你见了几百个投资人啊，在那个过程中。啊，其实不是啊，其实我觉得，因为我当时对投资人没有一定的思维画像，所以我才被拒了一一百多次。嗯，就是我当时只顾着说。我我不顾着听啊，所以说其实啊，完全其实没有完全没有到跟投资人达到一个同同一个频道上面，所以说就很难有。
很很难去建立一个共鸣，嗯，啊，这是我后后思后觉才发现的一件事情。嗯，那次创业持续了几年啊？啊，持续了六年左右。哦，那还挺长呢。对，卖出去的那一刻感受是什么样的？觉得我突然有钱了吗？啊，其实其实卖出去那一刻。我觉得，我我的第一反应其实不是突然有钱了，就是就发现这件事情做对了，因为其实当时。啊，当时其实三点五亿在当时的创业环境里算是不错的哈。
嗯，其实我当时决定放手的其中一个原因是，我觉得我可以做一个更大的一个事业和行业。嗯啊，我是希望说我从我过去六年学到的东西，可以更好帮助我。做我下一个，我觉得可以做做到更大的一件事情。嗯，所以当时这主要是我当时想买的原因，而不是真正是为了钱。嗯，那是哪一年？二零二一年。二零二一年哦，那个时机很好啊。嗯。
是吧？嗯，后面A I就开始爆发了嘛？对，其实，在二零二一年应该还没有很明显，对吧？对，是二零二二年的时候才真正开始有非常强的一个，嗯，一个curve。嗯，哎，细数你前面的一两段生意，一次创业，你觉得你从中的learning是什么呀？其实对我最强的核心的观点，其实就是做事要做最本质的事情。嗯啊，其实我在啊过去几次创业里，其实走了非常非常多的弯路，做了非常非常多不本质的事情。
嗯啊。有的时候可能就是觉得，比如说，希望说，啊，如果我招到这个人，我的问题就会被解决了。啊，其实不能以这种心态去招人，嗯啊，或者说，如果说我拿下了这个客户，那我就可以融资，其实也不一定，嗯。还有就是在做产品这一端，其实我觉得做产产品这一端其实是对我来说是最有心得的，就是做产品永远都是要做有价值的事情，啊，其实说起来很简单，可是我觉得很多时候是非常难去做到的，嗯嗯，比如说。
其实当时非常，嗯，拿无人零售零售来说的话，其实就是当时大家是拿着一个锤子找钉子，就是啊，我有一个这么酷的一个黑科技，然后我我当时啊，那我就把这个黑科技放在一个无人商商店里面去去节省生活人员本身。嗯，其实当当时我们真正在做产品的时候，其实我们发现其实节节省人工成本。本质其实不是产品最有价值的一一件事情，反而最有价值的一件事情是当时我们在帮他们节省时间的时候，他们在和我们的屏幕互动的时候看到了价值。
就是比如说我我放进了啊一一个零食，我给你介绍另外一个零食，嗯，然后或者说哎我放进这个零食之后，如果你再多买两个，我就你就会有个coupon。啊，其实那时候才发现，说其实我们的产品价值核心后面是我们可以提高。Average basket size，而不是我们可以省多少人工。然后同时，我们也在做产品的过程中发现了广告的一个非常大的一个机会。
所以说，让整个产品价值做的非常非常的高，嗯。所以，这些价值其实是在一个无人零售商店里面是没有办法的达到的，因为你是没有一个屏幕是可是可以跟你互动，啊，所以说这是我们在过去发现的一些新力吧，嗯。怎么想一个更本质的问题，而不是当下的一个，比如多拿一个客户啊，多融一次资啊。对，其实我觉得，其实多拿一个客户，如果说你没有达到你的产品没有达到ROY，你多拿一个客户是没有意义的。
因为你多拿一个客户，除非说你知道长期我，比如说我上量之后ROY是可以自动成型。可是如果说整个商业飞轮本身没有建起来，是没有办法。达到一个product market fee，嗯，很多人可能就觉得product market
fee就是我签了一个客户，然后这个客户愿意付我多少钱，然后我就去做。啊，其实我觉得在机器人行业，其实有非常多的公司，其实找到了所谓的 product market fit，可是发现后面他们需需要做的 customization
也好，啊，客户要求的节拍也好，他们是远远达不到客户对机器人本质价值的一个啊一个产品形态的，啊，所以说我觉得这件事情，其实我我一直把产品归根到 ROI 上面，嗯，就是哦，你 ROI 成成不成立？
你 ROI 不成立。特别是在硬件机器人行业，我觉得 ROI 不成立就不是一个产品就没有 product market fit。嗯，你刚才还提到你的YC的 mentor 是
Sam，他教给你们什么了吗？其实我觉得。Sam是非常能力非常强的人，啊，可是我觉得我当时能力不够强，没有办法跟他共平。所以说，其实他当时跟我跟我说的所有的核心概念就是 launch, launch, launch, launch, iterate, launch, iterate。
嗯，啊，其实这是当时从他那边，他天天都是催我这样做。哦，他在YC当时投入的时间还是很多的，对吧？还好，可能一周会见两次。一周见两次，除了这个还有什么其他的learning吗？从他身上？我觉得我当时的认知可能没有达到一个更高的境界吧，没有达到他的境界。嗯，你是不是还挺自律的呀？为什么这么说？我好像看到你起很早，是吧？
啊，对，一般都起很早，嗯，五六点。这个是从什么时候开始的？从创业的时候就开始了吧？就我觉得比较早期的时候，其实就就是这样。有意为之还是你比较习惯这种规律啊？其实有一本书叫《Atomic Habits》啊，其实就是说你的原子惯性的一些东西是可以长期帮你达到一个更你你原来觉得你达达不到的一个目标啊。其实我觉得每一个人啊，其实。
在一个成长过程中，其实如果说你是有一定有非常好的习惯，你就会慢慢慢慢变成你想要变成的人。啊，其实对我来说，我觉得作为一个创业者，其实一直是一个脑力运动员。其实本质上面其实就是一个运动员啊，就需要有一个运动员的修养。那其实就是，因为如果说，比如说你吃的不健康，或者说你没有运动，或者说你睡得不好。你也没有办法可以专心去想一件事情，嗯啊，所以说那其实从我的角度来说的话，那就是如果说我想要好好创业，那我就要把我自己的身体打理好，啊，所以说比如说早起运动饮食啊，我都是有非常对自己是有非常高的一个要求的。
早午晚食是吗？对，那确实你的身材很像运动员的身材，是吧？积累了十年，OK，对，以前也没有这样，是吧？十年前。对，是是，对，是创业之后就越来越自律，越来越自律。因为其实我发现自律之后，其实这件事情就不用想了，就是它不会占你的mind share。嗯，那不会占你mind share的时候，这件事情做就变成很自然了，就是反而变成强迫症，就是哎，如果我今天不运动的话，我今天就不舒服。
哦，你几点到几点运动？我一般都是差不多六到七点之间运动。啊，五点起床，六到七点运动。对，我后面呢？那就开始工作，晚上什么时候睡觉？十十一点左右吧。饮食呢？饮食非常有规律，我晚上是非常少吃碳水的，然后我一般是中午是吃碳水，然后早上吃的比较有规律，是都是有一定的营养成分等等，就是就是一直都是这么吃下来，就是我觉得我这件事情是从我爸那边学的，我爸其实是一个非常非常自律的人哦，所以我发现他的他在他自己自律的身上他自己。
的状态，自己的健康也也有非常大的改变，所以说是是是，对，是像我我爸学的，自律能提高你的决策质量吗？作为一个CEO来说，啊，one hundred percent，我觉得作为一个CEO来说，其实你最重要的。大家都都是这么说嘛，就是说啊，找人、找钱、找方向。嗯，其实绝大多数CEO的重大决策，其实找人、找人和找钱，其实不是需要花太多大脑的。
所以说，其实最重要的是需要找方向。找方向其实就是你的每一个决策，你的每一个决策是需要本质的，需要高质量的。嗯，那你需要做，你能做出本质高精高质量的事情，你是需要把这件事情想得非常的透，想得非常的清楚。所以说，所以说，如果说你脑袋是一非常模糊的一个状一个状态，我天天都是，嗯。就是晚上吃宵夜或者什么样子，就是反正身体不是非常健康的话，你是非常难做出一个非常明智的选择。
嗯，哎，你卖公司那年应该刚好三十岁对吧？对，刚好三十岁。嗯，然后站在那一刻，你觉得你对你后面人生的规划是什么样的呀？我觉得人生才刚刚开始。怎么开始这一段创业的呢？这中间好像也也有几年时间，对吧？对，我在我在Instagram待了三年。嗯，其实我我在这个阶段被被收购的，其实一个非常大的一个动机，当时嗯啊，其实就是我是想向别人学习，就是收购公司。
对对，因为其实当时啊，Instagram里有非常多Uber、Facebook啊、Google的高管。啊，我是一个野路子打出来的人。不，我前三次创业其实都是野路子。哦，啊，非是非常不按常理出牌的。嗯，啊，就是我觉得这件事情商业本质和产品形态是这样子的，那我。就带着我的工程团队，我们就把这件事情给干了，啊，所以说我在融资的时候就比较单纯，也算融资过程中碰壁比较多的创业者吗？
在美国的话，啊，是，那那肯定，我觉得，我觉得可能很少有有有创业者是。能在被拒几百次的情况下还不放弃创业的吧？哦，啊，当时我就跟我团队说，我们是蟑螂，我们是蟑螂，我们死不了。啊，对，可是我当时我觉得我的我的经验的一个非常大的一个盲点是，呃，管理。啊，是产品和管理，然后就是说，在一个更大的组织范围之内，我怎么样子可以学到更嗯，从他们身上学到更好的东西。
嗯，啊，所以说当时我在Instacart待了待了三年左右，就是为了学习，然后同时也在看，也是在看其他项目啊。哦，学习到什么？嗯，我不是总总结型的人物，就是我是。会把一件事情渗透到我的骨子里，然后会变成我的认知的一一部分。可是很难用语言去表达所有的事情。可是我觉得，嗯，可以说的一些事情，我觉得，比如说，啊，怎么样子去。
向CEO拿资源是很有意思的一个过程，就是你要把你自己做的事情为什么很重要，做怎么样去frame这件事情，然后怎么样子去去挖掘它的底层动机，然后去。和他line上来，嗯，我觉得这个是我当时学到的一些事情。其实我当时从来都没有想到过，是是需要这样的做，啊，其实跟融资可能有点类似。可是当时我和啊CEO需要interact的一个过程，可能是非常非常frequent的。
所以说，可能那时候锻炼了我这方面的事情。嗯，然后同时也是在管理和组织上面，嗯，其实我当时。管理是比较杂的。其实我是没有去思考，说我在这个职位需要招什么啊，什么样类型的人会想的非常非常的清楚，而是啊，而是说我觉得哎，这个人对了，我觉得这个人是可以成长，然后我会，然后如果这个人做的不好的话，我会试着去纠正他。
嗯，啊，其实我做一段管理之后，其实我发现有些人是改不了的。就是有些人可能，啊，在他们认知范围内，除非说他们能突破他们自己的目前的认知，是没有办法，啊，做到更，嗯，更大的scope的。所以说那时候其实是我对。就慢慢慢慢渗透了，其实对管理也变得更得心应手了。嗯，你最多时候管理多少人？呃，directly和indirectly可能几百吧，三三百多。
嗯，这样子对。嗯，然后什么时候决定我还是要出来创业了？我不能再当高管了，哎，当VP符合你的个性吗？你觉得一点都不符合。哦，对，因为其实我是非常喜欢我，其实我对。创业是有一份敬畏心的，啊，我是非常喜欢创业本身的，因为我觉得创业是像一个匠心，就是，就像一个匠人，就是，啊，比如说我今天要做一个陶瓷，我就一定要把这个陶瓷、这幅画、这篇文章就写得特别好，然后他们会花十年、二十年、三十年、四十年的啊这种啊精力去完成一幅他们自己觉得非常自豪的一个作品，嗯。
啊，我觉得创业其实也是一样的。其实创业其实就是在打磨自己的一个自己的作品。那其实自己的作品就是这个公司啊。那这作品的这个公司里面，其实就是啊，你的技术，你的文化。啊，你的产品，我觉得和你的管理等等，我觉得这而且创业是非常多，就是多多模态、多维化，啊，是非常多维化的一个状态。所以说，其实。你每天都可以学到很多的东西，嗯啊，所以说其实当时我决策去创业这件事情是非常对我来说是非常简单的一件事情，嗯，就是我就一直觉得我是适合更适合创业的。
为什么做 robotics？那个时候 AI
也很火，大模型也很火。啊，其实，其实我当时很有意思。我当时在刚卖公司的时候，看了AR，看了一段时间，然后我们也看了一些其他的，比如说啊，Quantum啊，也看了一些啊什么啊啊，Nuclear啊，嗯，嗯。可是我当时，我和我现在的另外一个合伙人叫杨世远，啊，其实我们是AR是认真认真的探索了差不多六六到八个月，然后发现其实技术底层的一些东西可能啊还没有完全ready，嗯啊，然后其他的我们就觉得跟我们不是特别的费。
其实当时我和杨世远一直想做的一件事情就是我们想做。能改变世界的事情啊，因为我们觉得，我们如果真的还要再一次创业的话，我们就想做一个更难的一件事情，然后能改能改变世界的事情。那其实真正能改变世界的事情其实不多。其实你这你就是你可以两只手可能可可以大概数数出来这件事能改变世界的事情。你们划过哪些？划过哪？
A R对啊，我觉得比如说就是就像我刚才说的，比如说A R啊，Energy啊啊，然后。啊，Quantum嘛，然后我觉得，比如说生物类型的，其实那那那跟我们不是非常适合，嗯啊，然后啊AI当时其实也有看过，所以说也有在思考，哎，当时AI该怎么做？可能我们最后到机器人，我们就发现说，其实跟我们的啊之前的经历是非常非常相符的。
而且，甚至说我当时看到机器人的行业形态，其实跟是跟吴任林说是有点类似的，就是有点大家拿着锤子找找钉子的一种感觉。所以说，其实当时我就觉得说，哎，硬件可以做。啊，Anfor软件啊，AI其实都可以做。然后当时我们有团队缺了一个，就是对巨深智能非常资深的人，所以说那时候就就找找到了Jason。嗯，怎么找到他的？
对，然后其实我们在硅谷聊了聊了挺多人的啊，聊了二十来号人。嗯，然后当时其实。我们其实当时对我们的第三个 co-founder 的画像其实是非常清晰的。我和杨世远在一起合作了十多年，其实我们俩大概都知道自己的优点缺点和我们互补的地方。你的优点缺点是什么？我的缺点特别特别多，优点非常非常少。杨世远是优优点特别多，缺点非常少。
啊，你的优点是什么？我觉得我可以看得非常的远。嗯，就是这这一个公司从。从现在到十年之后，大概对vision是有一定的画像的，呈现我们战略需要走的每一步和我们战略有可能遇到的问题。嗯，啊，所以说我觉得我在方向上面应该是我的强项。呃，你的方向感比较好。对，就是就是我团队有的时候说我可以闻得到钱，闻得到钱。
对。这个为什么是方向感？这个是赚钱能力啊，就是你从小训练的，对吧？这赚钱赚钱能力其实就是一个方向，这是商机的选择，商机的选择。因为其实我觉得所有的公司最后都需要落地，都需要赚钱。嗯，所以那不管前面铺垫时期是多多久。可是最终还是要赚，最终还是要赚钱。嗯，所以说我是可以知道最终赚钱的这个形态是什么样子的。
嗯，然后我那我就知道我该怎么铺垫它。嗯，所以说我觉得，在这这个方向应该是我的强项。嗯，你的缺点呢？说几个。嗯，缺点挺多的啊，缺点我想想，我觉得我觉得我说话太宏观了，就是达到的一个结论是我。思考很久的东西，我思考很久的东西，这个本质上面的逻辑链会非常非常长。嗯，所以说一般来说，我会跟一个人聊，就是我想走的这个方向，我会把我这个逻辑链花二十分钟说完，然后跟他说一个结果。
嗯，然后一般来说他们就非常。不能follow，就是我对我自己的语言拆解能力可能还需要进步。嗯，对。哎，你觉得闻得到钱和理想主义有分歧吗？没有分歧，我是非常理想主义的人。为什么这么说？我觉得我来做机器人不是为了赚钱的。嗯，我觉得闻得到钱是生存的一条路。嗯，我的梦想是星辰大海，可是我的路径是需要脚踏实地。
你是现实的理想主义者，还是理想的现实主义者？那我肯定是现实的理想主义者。你不是理想的现实主义者。就最后落脚到了理想主义。对，我是我是现实的理想主义者。嗯，那你的合伙人York他的优点是什么？缺点是什么呀？他跟你合伙了十多年。他也是现实的理想主义者。嗯，他优点非常多，他共情能力非常强，思考结构性非常非常强。
嗯啊，落地能力也非常强啊，技术也非常强，管理也非常强，稀有的技术天才。而且又有管理维度的认知，嗯，我是真的非常非常少见这种这种类型的人，嗯。你们是怎么认识的呀？他那时候是在美国上学是吧？就是通过我们的一个呃另外一个 co-founder 叫黄依林，是我我们上一个公司的时候认识的，对。哦，然后你们这是第二次一起创业，对。
那 Jason 是怎么加入的？Jason 是当时我们是对 research，就是我们的 research co-founder 是有一定的画像，然后我们按照这个画像去去找。你们希望是什么样的人？啊，首先我我们最最希望的是 research taste 非常非常强， research taste 本本质是可以从他们 paper 和他们发出的东西是可以看到的。
啊，其实当时看到他的一些非常闪光的一些地方是在于，其实你可以从他博一博二的时候可以看到，他其实很多论文是。相对来说非常fancy的东西，在它的生长过程中，其实你可以看到，它越到后面，其实它的论文越来越简单干净，嗯啊，核心概念非常清晰啊，我觉得这是一个非常好的taste，就是他他自己在这个过程中一直在进化啊，所以说就光光从书书面上面是可以看得到这个进化过程，我我当时就觉得非常impressed。
然后Taste是第一，第二是我觉得是有一定的啊现实主义，就是其实不光光是有学学术追求，而且也是想要把一件事情落地，就是真正可以line impact在个产品上面的。我觉得这个也是非常非常啊重要的。如果CEO希望落地，然后research的合伙人希望，嗯，比如说我就要做大脑的突破，一般是这样的团队会有分歧。
哦，对，这个这我觉得在每个团队都都都有这样的分歧。你们会有分歧吗？会啊，我们当时。有段时间战略迷失的时候，其实这个分析是最大的，就是团队，就是我们作为一个团队的identity是有非常大的冲击的。就是一波人说，哎，我们要做落地；，另外一波人说，哎，我们要做research。嗯。然后呢？这是什么时候？
啊，这个时候可能就是去年年底的时候。哦，结果呢？结果我们在战略上面梳理了一下，我们发现了一个突破点，是一个战略点，是research和落地团队都可以打的一个点。嗯，你是落地派？我没有个派系。其实我觉得，对我来说是一直是。就是铺垫的这个路径，嗯，怎么样子能达到我最终产品形态？落地是可以赚钱，可是并不在我的认知当中，其实并不是真正能长久的一个产品形态。
所以说，如果说落地不能达到一个 scalable product market fit，嗯，我觉得我就不会去做这件事情。嗯，所以说，其实当时我是更偏向 research path。呃，那谁是落地派呢？啊，团队有一些工程师。哦，然后最后你们怎么找到那个夹角？哦，我们那个overlap，我们把战战线给拉长了。
就是其实我觉得，就是其实这是一个非常普遍的一个问题啊，不管是从机器人公司来说啊，和agent公司来说，其实都是都是非常类似，就是哎，我去。我去探高，嗯啊，那我就没有落地的可能性。那我去落地，那我就没有这个capacity去探高，嗯啊。可是往往是因为啊本身。落地的能力啊，就是落地是否可以 scalable，是因为是被 intelligence 给给 cap 住了。
所以说，其实在这时候最重要的是你要去 lift up the intelligence。嗯，那其实可能团队就会觉得说，哎，那我那我就是去做研发，其实也不一定。其实就是说，我们把这个战线拉远，就是说，那我在更远的远方，我的这个战略点是否可以 improve 我的 intelligence，同时也可以落地。
嗯，所以说我当时给团队定的是一个更远的一个一个目标。嗯。然后就把团队结合起来了。我们刚才说的这个“探高”还是落地，是不是很多机器人团队都会遇到的一个非常现实的呃讨论或者问题？我觉得在每个机器人公司内部都会反复的讨论。我觉得没有一个机器人公司不会讨论这个问题，因为这是一个非常现实的问题。嗯，你们是从第一天开始讨论，还是到去年底的这个节点开始更更频繁的开始讨论这个问题？
啊，其实我们从第一天，其实在这个方面就有一定的认知和和 concern，嗯，可是我我们当时。不是非常清楚落地所需要的能力和智能边界在哪里。嗯，所以说其实我们当时的想法就是我们就是我们的团队是一个 product research 导向团队， product research 和传统的 research 团队还是有一点点不一样。
就是其实传统 research 团队是 OK，我要我要走到 AGI，啊，然后那我现在是以一个发散性模式去啊。去探索各种各样的可能性，嗯，然后找到一定的可能性之后啊，可能到时候再再收敛，啊，可是我觉得在发散性模式当中，其实有的时候其实不一定有做的一些事情，不一定是做的足够的深，因为如果你没有落地的话，你就大概看看到了一些东西，其实并不代表这件事情是足是是做的足足够的透。
Product
research本身可能有点不一样的就是。啊，我在research的边界，我有一些guardrails。嗯，就是就是我们所需要做的所有的research是需要有一定价，就是啊，就是对产品长期的产品是有是可以带来一定的价值的，而且我们对research的优先度会有一定的。啊啊！框架就是说，我觉得我们在这个阶段，我们需要是需要先做这件事情，然后在下个阶段再做另外一件事情，而不是说同时发散。
因为我觉得团队的时间就是我们团队的精力有限，所以说我们只会在啊最重要的事情上面下注。你说的research为导向的公司，就比如说硅谷的派generalists，他们属于这个方向，对吧？啊，我觉得我不能以这种方向去断定他们，因为他们自己自己内部也有自己对他们自己的方向的认知，所以说这是他们，这是他们自己需要。
你有意区隔开这种以 research 为导向的机器人公司吗？我没有有意去区隔啊，我们自己和和别人。其实我们一直以来，我们公司其实一直都是以 research 为导向的一个公司。嗯，只不过是说我们 research 的导向是有 product orient。在这里面的，所以说其实我对未来的产品形态是非常清晰的。
嗯，所以说我是在倒推，我为为了达到这个产品形态，我们所需要做的research是哪些？嗯，那回到你们刚创业那个时间，二四年，呃，你们做了哪些事情？二五年你们做了哪些事情？二四年其实就不太值得一提，因为因为二十二四年就几个月，就就就几个月，其实我们就二四年年底的时候才差不多才开始的，所以说当时其实就是。
把硬件堆起来就已经很开心了。合伙人当时已经都找到了，对，当时合伙人已经都找到了，然后团队已经初步建立起来了，然后当时甚至客户也找到了。因为其实当时就是我们要，就是我如果说我对research啊，我对产品是有一定的落地画像的话，那其实我需就需要和客户聊，所以说当时也聊了一一大堆客户。嗯啊，其实那在二五年的时候，其实最重要的对我们来说最重要的一件事情，就是当时的foundation
model其实是不足以落地的。
啊，因为当时的foundation model是首先，当时机器人非常慢啊，做事情做得非常慢，而且做得非常的乱啊。可是最重要是，他们一般只能做一件事情做成功，然后如果说再做同样的事情，再做下一步的话。就会做得不好，嗯，啊，所以当时的情况是不足以落地的。所以说，其实当时我给团队定的一个R&D
research目标是，我们要把成功率拉到百分之九十九，我们要把速度拉到人的百分之五十到六十，嗯，我们才有商业化的希望。
所以当时我们所有的research其实就是围绕着这个主题展展开的。然后其实那时候也是大家就是后期可能在四五月份看到了Dyna One，Dyna
One其实当时就是以对我们内部来说就是一个对，甚至对行业来说算是一个非常大的突破，因为当时我们是首首家公司首次。show了一个可被商业化的demo，就是我们当时是折叠餐巾啊，可以折二十四个小时，百分之九十九以上的成功成功率，当时对我们来说我们是非常proud。
嗯，对我去年在那个Coral的时候，很多人围观你们那款机器人。当时是折衣服的那款是吧？呃，嗯，对，折衣服，对，呃，先是折纸巾，然后是折衣服。对，嗯，为什么选择这个场景啊？其实折叠场景本身是很有意思的，我们也算是第一个去真正想去落地它的一个，嗯。团队，因为其实我在我我记得我在融资的时候，很多人就说：“哎，你为什么去去做洗衣服？
洗衣服行业有多大呀？就只就这么一点点，嗯啊，你为什么不去做做工厂啊，做物流啊，做各式各样的啊啊其他的场景啊？”嗯。其实我当时选择做折叠也是非常反共识的，嗯，啊，因为我当时我在折叠上看到了商业化的机会，啊，本质上面是因为我对模型，因为其实我们在整个过程中，我是一个非常。对，Day to Day是非常involved的一个CEO。
嗯啊，所以说其实我对大家的技术方向、我们的工程方向，其实，在啊初段时间，其实我也是在管理啊我们的啊技术团队。啊，当时其实我看到了模型的本身的能力。最最重要的一件事情是，我们的落地场景需要有非常大的容错容错率。嗯。啊，因为比如说我要去做一个拿铁，我不小心没有把这个拿铁拿好，打翻了，嗯，那我就给那我就是给别人添活，然后又损失了一杯拿铁，嗯嗯，可是再折叠不一样啊，折叠我折坏了可以重折啊，所以说啊，就是损失率本身损失率和对质量的要求本质上不是特别特别的高，所以说在技术的。
啊，天花板那时候的技术天花板的认知下面，这种场景对我来说是最有帮助的。嗯，啊，所以说我觉得是一个啊 technology market 的一个状态。嗯，而且同时折叠本身是一个非常 isolated 的一个场景，我是可以一个人在这里一直做折叠的。嗯，然后同时啊，当时聊下来，当时是个呃跟洗衣店啊、旅馆啊什么聊下来，就去就发现说。
这还是一个非常普遍的痛点啊！在每个啊，hotel也好，啊，洗衣房也好，都有dedicated folder和dedicated attendees在做这些事情。所以说，当时我其实我没有想说这件事情一定要市场有多大，而是我是否可以把我第一个商业闭环先跑起来。嗯啊，而且这件事情足够难啊，所以说对我模型的本质的提升还是有非常大的空间的。
所以说，当时选择了这个场景，它技术上难在哪呀？就是上面本身是和，比如说它，因为本身啊，折衣服是一个软体，嗯，软体本身和硬体有一些不一样。硬体，比如说你一个杯子，你可能就只有一个state，就是你把这个你杯子口要朝上，那可能其他state是它倒下来，或者说翻过来，啊。折叠不一样，折叠是我我做的每一个步骤是需要前一个步骤需要成功的啊，所以说啊，而且折叠本身对泛化的性的考验也比较高，因为当时啊，我们如果折叠T恤啊，那也不可以只折叠一个size或者只只折叠一种T恤，所以说其实当时是可以同时就是验验证我们的啊。
质量啊和我们的 generalization 和速度，就是当时我们就从这 folding T-shirt 里面得出了一些 generalization recipe，嗯啊，从啊 garment diversity 和 environment diversity 上面，其实都得到了一些更好的一些 recipe 的结论。
嗯，你们怎么准备折衣服这个场景的数据，能够帮助它更好的泛化？在这上面有能耗吗？啊，其实我觉得到头来说，在如果说在放在post training上面的话，其实都是一个recipe的一个问题。嗯，所以其实当时我们就大概知道说，呃，比如说当时在Quora你看到的这个是Zero Shot
T-shirt。当时其实我们就是就会去试探说，哎，我们要在几个几个environment里面拿到t-shirt folding的data，才可以在一个新的environment里面可以就是少犯滑这件事情。
啊，其实我们当时以为是非常多的，可可后面发现可能只要十多个场景其实就够了。哦，对对，所以说嗯，就是T恤也是一样的，就是T恤本身大小啊，不同的style啊，不同的fabric，不同的啊面料等等，其实也有一定的啊，也有一定的泛化能力。所以说当时我们在这个这个方向，在当时的pretraining啊的情况下面，大概看到了啊。
哦，post training的一个一个天花板嘛。哦，所以我大概能不能理解，就是基于当时的预训练的技术能力，你们找到了一个可以最大化能够让机器人干活一个方向。对，是的。那这个方向在过去一年随着技术的突破变化以后，它变了吗？它出现了变化没有？其实我觉得最本质的变化，其实就是在 post training 上面所需要的数据，嗯，越来越少了。
嗯，就是这个这个其实这对我们来说一点都一点都不 surprising。其实当时我们探到了 post training 的天花板之后，我们就大概知道哦，最重要的现在应该是 pre training。嗯，你们后来后是不是又花了几个月时间去做部署？就真的进入到场景里，有了 demo 之后。是的，我们是花了几个月时间去做了部署。
哪几个月开始在做部署？从六月到九月吧。部署难吗？难，非常难。因为其实我就拿叠餐巾来说吧，其实叠餐巾本身可能大家看到DynaOne叠餐巾其实不是一个完整的餐巾，因为它是一个我们跟跟客户商讨之后啊。的一个中间形态，就是其实当时叠餐巾是需要叠五次的，我们只叠了四次，然后最后一次是给服务员叠的，因为最后最后那一叠是非常难的，啊，因为叠过来之后，啊。
因为那时候餐巾已经已经非常厚、非常小了，所以说最后折折过来之后是需要摊平的。如果没摊平的话，它会它会摊开来，所以说这是质量层面什么样的一个问题。啊，当时我们就呃只做了四个fold的时候，我们去落地的时候，客户就开始complain，就是他们当时是接受了，可是实际实操的时候，他们是非常不开心的，嗯，因为啊浪费了很多时间，嗯，啊这是第一，啊第二，其实我们发现当时啊。
光光把餐巾叠好这件事情还不够，因为我们一天是需要产出一千三百张餐巾的。我们这个客户很大，是餐饮里面非常非常大的一个客户，他们每天的人流是非常非常多的人哦，所以说一天要叠一千三百张餐巾。啊，我们就会发现说，Dyna One其实那时候二十四小时只能折八百五十张，其实当时我们是当时我们的速度是不达标的，嗯，所以说我们在速度上面也做了非常多的research，最后达到达标了。
可是达标之后，其实我们后后面发现了一个非常大的问题，就是我们每一次叠餐餐巾的时候。虽然说我们的模型鲁棒性非常强，嗯啊，我们是可以有一些 corner case 我们是可以解决的，可是解决的时间特别长。所以说，其实当时最普遍的一个原呃问题就是，我们有的时候我们的机器人会抓不小心抓两张餐巾，其实甚至人手有的时候都会不小心抓两张餐巾。
可是抓两张餐巾之后，我们大概需要两分钟去去解它。啊，一般来说，我们叠一张餐巾只只需要二十秒，所以说每一次拿到两张餐巾的时候，我们的就是这一天的产出就会往大大下降。嗯，所以说如果说。我们当时如果说有百分之十是 double fool 的话，我们今天就肯定是达不到标了。所以说当时我们就想说，哎，怎么样子去用啊强化学习和另外的一些方式去把这个问题让让模型自己去解决。
嗯，所以说当时我们是非常坚决，所有的事情是全部是是需要模型解决的。其实那这件事情本身是预训练没有办法帮你解决的问题，因为不小心抓了两张餐巾导致。啊，decrease in output这个本这是非常难去预先的去解决的。所以说当时我们也也发现这个，然后呢，后面其实我们发现我们餐巾叠完之后要放在一个bin里面。
啊，然后放进这个bin的时候，规律是非常random的，嗯，是非常不一致的。所以说你放进去之后，你会，就是很多人不知道的人会过来看说，哎，这没有折好啊，就是这是一堆非常散的一个餐巾，嗯，然后所以说那那时候我们就要开始去condition这个模型去说，哎，我首先要放到这第一个位置，第二个位置，第第三个位置，就要让他们整齐的放上去。
啊，这本身也是一个非常难的一个一个research啊过程。所以说当时其实我们那时候就探出，其实啊模型本质上面啊到底是需要什么。然后有有了这些知识之后，我们对我们我们预训练需要做的是一些事情，我们就非常清晰了。你们也自己做预训练吗？对，是的。嗯，你们预训练和后训练投入的资源比重大概是多少呀？当时我们的投入是一半一半，嗯，现在是预训练比后训练多非常多哦，这是今年出现的变化。
对，去年年底对，OK，当时我们是预训练和后训练是一起做的。其实因为其实当时我们就在探啊，本身在预训练上做的一些变化对后后训练会有哪些影响？而且我们后面发现预训练的变化对后训练有非常非常大的影响，就是一个模型的绝大多数鲁鲁棒性是从预训练里面来的，而不是后训练。嗯，所以必须要自己预训练。对。嗯，基于这个场景，当时最难的几件事情是什么呀？
比如说手的灵活性？啊，其实不是。其实最难的其实就是这些非常微小的一些 corner cases。嗯，其实当时每每出一个 corner case，其实当时团队就有啊一个致命问题，就是我们是否要用工程方式去解决这个问题？嗯，啊，可是我们当时一直坚决的是不用。嗯，因为其实我我们一直深刻认为，如果说我们我们想要真正做到 scalable product market fit。
我们一定要用一个模型把这件事情给做成。嗯，这个场景上商业化做得好吗？啊，已经开始商量了，已经开始商量了，多少辆了？已经这个暂时不能说。嗯，几个客户啊？十个以上了。十个以上，对。所以你们已经就是量产完成的很好，是吧？你们量产是在上海做吗？啊，其实是这样子的。其实我觉得，在这个场景落地。没有达到我对产品的 scalable product market fit 的认知，嗯，所以我选择。
不继续 scale。哦，你这个是决定是什么时候做的？去年大概就做了这个决定。嗯，你发现什么迹象让你觉得它没有达到你想象的 scale？啊，因为。解决的问题不够根本，嗯，就是我只做到了任务，我就是我只把这件任务做掉了，可是，啊，我没有把整个工作的给做完，嗯，嗯，就是没有把这个场景里的整个工作给做完，对。
对，就是当时非常普遍的一个场景，就是我们差不多每到半个半个小时到一个小时，我们就会把一百一叠一百张的餐巾给折完。嗯，折完之后机器人就不动了，因为没有餐巾了。所以说当时店内还有一些员工，他就要自己在手机上面放个闹钟。然后每半个小时到一个小时就要过来看一下，然后呃叠完了，然后就给他一个新的 napkin，然后没叠完就继续忙他们自己的事情。
嗯，然后有时常就会发现，就是客户跟我反馈说，哎，我们机器人没达标。嗯，那么说。那我就问他们为什么，然后他们说：“我也不知道，机器人太慢了。”然后我们就会看一下看一下数据，然后就会发现说：“哎，我们的机器人空窗期很很长，就是有的时候机器人有就有连续半个小时都没有在干活。”那我就问他们，你们是不是没有及时的把新的新的一堆app放上去？
他们说啊，那是，那其实就不是机器人太慢，而是机器人本身需要一个保姆。嗯，所以机器人需要保姆这件事情是一个非常大的一个产品问题。嗯，啊，所以说当时我选择不 scale，其实就是发现。当时没有把商业本质的问题给完全解决掉，所以说，如果说你去scale一个不完整的一个产品，那。这个产品在未来会对你来说是个累赘。
嗯，哎，如果是一个呃以research为导向的一个lab，他的做法可能是他觉得现在最根本的问题是大脑，所以我要首先解决大脑的问题。因为他觉得如果从现在开始定义场景，也许就是现在定义的场景不是最好的场景。你怎么看这个问题呢？也也是投资人问你这个场景会太小。啊，其实我觉得还是回到问题的本质。嗯，啊，大脑不行，不行在哪儿？
就是缺数据啊。哦，可以说缺数据。可是，在叠餐巾的这个场景里，是大脑的问题吗？就是说，我已经把整个工作其实已经已经全部都做完了。其实，所以说，其实在这种在这个场景的意义上面，其实智能体本身已经不是一个问题了。嗯，所以说，那其实更本质的问题是在于我这个场景没有没有成立起来，是因为。啊，的确是因为，就是说，在在任务的范围之内没有形成一个很好的闭环，嗯，所以说在任务范围范围之内，智能体不受不受限，可是在工作流，就是在把整个事情做完的范围之内，啊，是受智能体影响。
这是我们当时看到的问题，所以说其实这也这也决策了我们公司的下一步。对于机器人来说，这是最本质的任务吗？就是在一个洗衣房的场景里啊。其实我觉得，对机器人来说没有一个本质的任务。可是我觉得任务本身其实啊，不能完全体现啊，巨身智能的智能体的能力。就是我觉得绝大多数的，就是任何一个任务，其实就是一个 sequence of motions。
嗯啊，其实。不管就是你，你在这个维度上面去做泛化性的话，你唯一能就是你你能看到最大的impact是，我把这一个任务布置到任何一个场景，它都可以做，它都可以follow这个sequence of action，就是它的本身的泛化能力变强了。嗯，可是这并不代表说这个这个任务真正形成了一个商业闭环，所以就算智能体再强。
本身产品如果是框在一个任务的一个范围之内的话，那我觉得也是没有商业闭环的。就是我可以这样说，我可以任何一个任务可以 zero shot 放到任何一个新的 environment 都可以做这个任务，啊，的确是智能体的一个上升。可是我觉得不是一个商业闭环。嗯，好。然后你去年你觉得如果只做一个在桌面上折衣服或者折纸巾的一个机器人，它嗯不足够有 scalable 的呃价值。
然后你做了什么呢？啊，其实当时我们就就问的第一个问题就是为什么没有商业价值？嗯，那其实和各客户沟通下来，其实最大的原因其实大家我们自己也看到了，嗯，其实就是我们需要一个机器人保姆。机器人保姆这件事情是一个非常大的问题，嗯，啊，那我们怎么样子把这个机器人保姆给去掉？那就代表着我们要做整个工作流，嗯，那这个整个工作流是什么？
其实非常简单的放在一个啊叠餐巾的一个场景，其实就是我。要把上料和下料也都做完，那就说我不光需要需要叠餐巾，而是我要去没餐巾的时候，我也需要知道我的。餐巾的库存在哪里？我要去拿，拿完之后我需要回回到我的桌桌面上，把餐巾放下来，放在桌子上，然后我需要叠叠完之后叠好的餐巾，我需要拿到哪里去？然后放在哪个shelf上面？
然后。再拿一个新的桶，再拿过来，再重新开始叠，这才是整个工作流。所以说，其实当时我们发现了这件事情之后，其实就非常清晰的断定了我们的我们的需要走的下一步在哪里，其实就是从任务进化到工作流。嗯，现在你们可以做到什么地步了？你可以整个工作流程全部都可以做做完，就是一个机器人在这个洗衣房的空间里，它能够自由活动，然后它能够知道它现在该做什么。
对，啊，这个你们预训练、后训练比重调整到了。啊，其实这里面其实就是就是一个预预训练的一个问题了。嗯，因为其实在这里面，如果说要把一整个工作流做完，那其实在这工作流的每一个step，就是每一个任务当中是有一定的成功率和失败率的。所以说你要把工作流做完，那其实就是ninety nine times
ninety nine times ninety nine times ninety nine，就是是一个count，就是是一个呃呃。
是是是一个啊exponential的一个过程，就是我们需要把每个任务其实都做好，然后我们需要把每个任务的工corner
case都需要知道怎么去解决，然后把它连起来的时候，它是可以连续一直做下去的。嗯，啊，这本身上面问题非常困难，其实是一个pretraining本身的一个一个问题，因为其实我们刚刚开始的时候，啊，在Napkin
stacking啊的时候，其实我们就发现，我们当时是用语语言去控制模型，把我们折好的餐巾放在bin的哪一个位置，嗯，可是啊，我们发现啊，当时VLA的language following能力。
不是非常强，所以说其实我们当时就把啊这个问题归根到了啊全部归根到了预训练的问题上了。嗯，后来调整了是吧？后来调整了中牙预预预训练，哦，预训练和啊一个半人形机器人，嗯。半人形机器人就是腿，它是轮式的，对。然后上身是一个人，呃，人形的，对。对，你们从第一天就说你们不做人形机器人是吗？没有啊，我我们没有说一定不做，或者说一定做，其实就是。
我们对这件事情的态度就是，什么是对的方向，我们就我们看到的这个方向是对是错，我们就往这个方向做。嗯，我感觉你是硅谷非常少的做机器人落地牌是吗？因为我感硅谷大部分人都是觉得他要做的是大脑，做的是呃，就是碳高的那个。方向可能大家对我们的认知是觉得我们是落地派吧，嗯，可是我觉得我是 product
research 派，嗯，就不是落地派，因为其实落地派本身其实可能更更是啊注重落地，可是我觉得我们更是在试探。
产品就是未来机器人产品所需要的breakthrough，所以说其实我们我们团队的核心，啊，从文化角度来说，啊，工程角度来说，全部都是围绕着research来转的。只不过是说我们在，啊，只不过是说我们对产品的理念是，如果说没有一个闭环，不能跑成一个产品闭环，那我们其实就不知道下一步的路该怎么走。嗯，所以说，其实我们是用产品闭环去探我们research接下来的research方向需要往哪个方向走。
嗯，对，嗯，这个是算是Dyna Two吗？对即将要发布的这一个机器人和模型，对，是的，嗯，从Dyna One到Dyna Two，你觉得公司的技术积累是什么？特别特别的多，就非常非常难去用几句话去概括。嗯，可是我觉得啊，比较核心的其实。就把它归类到三个system吧，system two、system one和system zero。
我们在三个system里面都有非常非常大的啊精华啊。首先，system two是body reason layer，其实就是啊模型对于这个本质世界的认知，对世世界的啊。啊，不管是从 physical property 还是还好，也是五啊，the state of what's happening
right now 也好，或者是甚至说对 semantics 的 understanding 也好，啊，有个非常强的认知是可以知道说我们现在在干什么。
我们现在在这个任务的哪个阶段？然后我们下步该怎么走？然后可以按照这些啊理解为我们System One发出语言的command。嗯，啊，那System One其实本质上面其实就是一个world world action model。啊，从 world action model
收到语言之后，我们怎么样子把语言转换转换到动作，然后然后到 system system zero，其实就是我们怎么样子动作这想要 output 的 trajectory。
我们从运控方方向，怎么样？怎么用更好的强化学习的方法，能达到又快又丝滑又准确的动作在硬件上面呈现？嗯，在其中有观察到可泛化性的迹象了吗？在 System One 和 System Two 上面是有非常非常强的可泛化迹象。它能泛化到什么程度？嗯，其实啊，其实泛化维度是一个非常难解释的一个一个话题本身，因为其实可是最直观的两个维度啊，其实跟人非常类似。
比如说，我教你做一件事情，我其实只有两种方式去教你：要第一是我我示范怎么做做这件事情，第二是我用语言去描述。啊，这件事情怎么做？嗯，所以说，其实，在泛化的过程当中，其实你你去衡量泛化的维度，其实就从这两个维度去展开就可以了。嗯，那从示范的维度，就是我示范几次你才能学会。那其实，在这个层面上面，其实我们就就会发现说，在一些非常新的task，在我们现在的pretraining。
的能力下面已经可以用几次示范就可以学习，嗯，那第二个就是 language steering capability，就是语我告我我用语言去告诉你去做这件事情，那那模型是否可以做？在这个方向，其实我们也发现一个非常强的 language sensitivity increase，嗯，那这个细节是我们我们之后会在发布的时候会会去细细讲。
嗯，这个你们已经开始有商业化客户了吗？就是这个完整的工作流。啊，工作流我们现在已经有商业化客户了，可是我们还还还没有完全落地。可是我们已经把整个工作流已经在不同场景已经已经开始跑通了。哎，这个是什么样的公司？就是你的客户是什么样的公司啊？哦，酒店场景吗？我我能想象的。对，嗯，但是它的成本能比一个人低吗？
啊，我觉得这个问题问的很好，非常本质，是有商业本质问题。一个机器人去替代一个员工，嗯，在目前的啊，foundation model的。Constraint下面其实非常难，非常难难达到一个人一天的产出量，嗯，因为机器人本身其实因因为啊硬件和运控的一些影响，啊是，呃，甚至数据的速度的影响是非常难做到人类的速度的，嗯，啊，所以啊。
对我们来说，其实我们发现最重要的啊价值指标不是要做的比人快，而是要做做的比人更久。嗯，啊，那其实就是一天一天一个人工作，在美国一个一天一个人工作八个小时。那其实我给我跟我团队定的目标，其实就是说一个机器人。做一天二十四四个小时的工作，可以达到一天一个人做八个小时的工作，那其实就可以在产出上面达到一个正比，这是这对我们来说才是最本质的事情。
现在做到了没有？现在已经超出了，就是他二十四小时做的比一个人八个小时多。对，你们是不是在创业之初就决定先不做人形，然后不做制造，也不做家庭？这是你们最早的说法了。啊。我们其实，在创业初期，其实我们不会说我们一定不做什么，不做什么，而是我们，我们想我们的思维框架是什么能做，而不是什么不能做。嗯，啊。在探索什么能做的时候，我们发现了很多不能做的东西。
嗯，对。为什么不能做家庭？在那个时候，家庭是一个时间段问题。嗯啊，我觉得，因为其实我上个公司是做B to B to C的啊，所以我是知道to C的啊要求是有是有多高。而且我觉得家庭本身对机器人来说算是一个终极形态吧。嗯，就是如果说每个人机器人能泛泛化到每个家庭，并不代表说它是可以做所有工业工业的东西，只不过是说在泛化能力范围内算是算是达到了一个非常好的一个啊境界。
嗯，可是就算机器人可以在每个家庭里做事情，也并不代表。这个产品是成立的，因为在产品维度上面来说的话，啊，其实本身这个机器人一天的产出是需要符合啊，这个你买的这个就是购买机器人的预期。啊，这个预期是非常主观的，呃，就是是，对，是非常主观的，嗯，所以说其实每一个人对这个预期是有不一样的，就像就像可能有有些人家里的阿姨合作的不是非常开愉快，其实并不是说这个阿姨不是general
purpose阿姨，而是不管是性格做事速度啊方面，其实都是有非常大的分歧，嗯啊，所以说我觉得啊，消费者是一个非常啊。
就是主观导向的一个市场，然后啊，在安全问题上面啊和啊做事就是从corner case角度方面来说是多了非常非常非常的多，所以说啊，我觉得这件事情是我觉得是就三五十年是可以完成到泛化，可以完成到每个家庭，可是真正把这件事情做成，不一定代表这件事情有市场。所以说是要这个产品要打磨到极致中的极致，才能真正真正啊变成一个非常大的一个产品。
你说你看得远吗？你觉得中局来看的话，人形机器人在家庭里它属于人，就是它可泛化性最强的一个产品形态吗？就它可能会是我们这个时代的，比如说梯形车这样级别的产品吗？我觉得只能说家庭是在所有场景，就是我我们世界上，我是至少我目前认知。的场景下，对泛化性要求是最高的。嗯，可是可能大家往往就指望泛化性。一个维度去看，嗯，我觉得啊，它还有消费价值，对，也不光是消费价值，就是做的这件事情的速度，做的这件事情是否顺你的心？
那顺你的心，比如说我我我我我盘子是喜欢这样子放，不是喜欢那样子放啊，我觉得这里面是有非常多的产品细节本身不不是只是只有一个泛化能力维度就可以去说清楚的一件事情。然后也有安全方面的问题等等，就是在这里面就是维度太多了，所以说我没有非常去细的去思考每一个维度。可是啊，可能就不是对泛化不是唯一的维度，嗯，就是不是说一个通用机器人就能够是一个好的消费产品在家里。
对，而且一个家庭机器人并不代表这个家庭机器人可以进任何一个工业场景。那你们当时觉得？哪一个是你们甜点区呢？哪个场景？我觉得机器人本身，如果说通用机器人做到了，我觉得B to B的通用机器人的demand会比B B to C更高。为什么？因为人的欲望是无限的，人的欲望是无限的，其实就就代表的人，如果说在啊人工成本已经可以忽略不计的情况下面，他们对消费想要的东西，他们想要的东西就会增强。
嗯，因为如果说人工成本不在，那消费及产品的东西就会变得更便宜，变得更便宜，那人就会想多买各式各样的东西。所以说B to B场景。来说，如果说我们机器人成了，那business会需要更多的机器人去做更多的产出，更多的不同花样的啊产品。其实我们现在美国失业率four point five
percent，嗯，那那其实business是hired了ninety ninety five point five percent of美国美国total population，嗯，啊。
如果说一个家家用机器人，啊，三个人组成一个家庭，可能美国可能只只需要一个亿的。啊，机器人。可是，如果真正B to B，那这里面还有更多的细细思考，比如说blue collar versus white collar等等。可是，啊，美国肯定会更需要需要更多的B to B机器人versus B to C机器人，因为有更多的人需要打工，需要去啊做实物啊，做hotel，就是嗯呃经营旅馆啊，等等等等。
对，而且maybe B to
B的机器人更好标准化一些。对，是的，嗯，他不需要解决你的情绪问题，你不需要解决你的审美问题，是吗？对对，而且安全问题在某种程度上面是可控的。嗯嗯，所以基于这些，你们没有选择，大家可能觉得皇冠上的明珠是一个家庭的人形机器人这条道路。这个是得完，就是思考清楚了，是吗？对，其实B to
B场景对我来说是非常obvious的一个场景，因为商业落地是最近的，嗯，而且如果你连B to B都做不成的话，那我B to C怎么做得成呢？
嗯，是吧？就比如说，如果说我我在一个洗衣店里面，我连洗衣店的员工都没有办法完全做好做清楚，嗯，那我怎么可以在每个家庭里洗大家每？大家不同的衣服呢？嗯，所以说我觉得很多事情其实B to B是一完成这件事情的最小unit，而且本身的scope其实是可是在范围内是可是可控的。嗯，酒店的市场有多大？我觉得酒店市场其实很多人其实没有，就是觉得可能酒店市场是挺小的，因为酒店洗衣房能能有多大？
可是，在每一个酒店洗衣房其实都需要两到五个人，嗯，看这个酒店有多大，而且酒店本身在洗衣这件事情上面是特别重要的。比如说，他们如果没有洗好的话，那他们的房间就没有办法啊给客人了。所以说，其实当时我有听说一些啊，酒店的老板在疫情的时候没有员工的情况下面，他们是自己去洗衣房干活的。嗯，所以说非常本质的一个问题。
所以说是啊，这个问题对我们来说非常痛。那我们把洗衣房这一个工作流做做通的时候，其实。绝大多数的洗衣房是大同小异的，所以说，其实我们从我们的方向去思考这件问题，其实就是我们的第一个闭环，其实对research来说是有重大意义，因为其实我们就可以让我们知道我们的模型的智能边界在哪里。嗯，啊，然后同时这个这件事情做成了之后也是有意义的，因为本本身可以泛化在美国的十万家酒店里面。
所以说，本身的time其实就是好几个million，啊，那这这只是第一个工作流，而且我觉得洗衣房本身是。大家通往Home的一个最小的一个Unit，如果洗衣房都做不成了，我觉得Home肯定也做不成了。所以说，我觉得这条路是必经之路，而且是非常重要的。而且从商业场景来说的话，其实容错率非常高，对时间的节拍啊要求也也非常非常的低啊，而且付付费意愿也是非常高，而且这这这件事情在美国是特别特别需要的。
嗯。对，我觉得酒店现在的机器人，我的印象都停留在外卖送餐的那个机器人，对吧？对对对，嗯，那个现在还不挺普及了。对这个目前还挺普及了，可是我觉得还有，可是酒店这只不过是一个非常小的一个环节，嗯啊，我觉得在这个环节下面其实是可以打开更多的，就是我们在比如说洗衣房做好之后，其实我们是可以做其他的事情，啊，我们是可以做清理，我们是可以做做饭做菜或者说做其他的事情，所以说酒店场景本身是覆盖了覆盖了非常非常多的。
啊啊场景，而且我觉得酒店是一个家庭的标准版，就是每个房间可能都差异化也不是特别的大，所以说从这个角度来说的话，其实啊，我觉得酒店作为一个第一个商业场景落地场景来说，是一个非常适合的一个场景。哎，那个阿姨的那个场景能做吗？酒店里。我觉得，在模型智能提升到一定程度之后，是完全是可以做的。因为它也是个标准化的、重复性的工工作，对吧？
对，是的，嗯。当然也会有很多corner case，对，嗯，但是相对是比较好标准化的，对，嗯。可是我觉得标准化本身其实就是我们。短期来说是落地标准化，对落地是有帮助的，因为其实变化不大。那长期泛化来说的话，其实还是要做，还需要做很多泛化的事情。所以说啊，比如说对预训练啊，预训练所需要的泛化数据数数据，其实也是有一定的challenge的。
嗯，所以说，其实，在中可以学习怎么落地，也可以学习怎么泛化。因为从一个酒店到另外一个酒店，到到另外一个酒店，肯定也是需要有一定的泛化规律，而且还有不同的SOP在这里面的。你觉得我说那个给每个房间打扫阿姨的那个场景，比你现在洗衣房的场景难难度高多少？我觉得可能会高一点啊，因为本身啊，这个市场空间是不是更大一些啊？
是，可是我觉得最重要的不是市场更大，而是到底能不能真正的以最短的时间之内形成一个闭环。哦，对我觉得这个场景本身可能有非常多很多其他的控制case本身，比如说。啊，就是啊，洗澡的地方该怎么清理？然后，如果说他们把房房间弄得特别特别特别乱，或者说打破了哪些东西，嗯，或者说拿走了哪些东西，可能我觉得这里面会有更多的corner cases。
可是，而且全程可能任务完成可能需要花更多的时间。我觉得，其实我对我对工作流本身其实也是有分层次的。其实不是说每一个工作流其实都是一样的难度。嗯，我觉得就是旅馆的啊房间打扫本身，我觉得可能可以分为一个更难的一个一个阶段。所以说，其实我觉得本质上你没有把最简单的一些闭环做成的话，我觉得。一下子就往一个最难的地方做成，你你很难形成一个最小闭环。
嗯，其实我一直说说闭环，其实所谓的其实就是MVP本身，Minimal Viable Product。你做你做成一个Minimal Viable Product，你再可以往外去扩展。嗯，所以酒店是你最早就开始选择的一个场景，是吗？算是对，算是其中一个，还有别的，还有别的。OK，都是商业场景，啊，也不完全是商业场景，反正不是家庭场景，对，不是，也不是工业场景。
工业场景不多，其实我觉得是这样子，就是可能行业对啊场景的定定位是啊这个是工业，这个是商业啊这个是生产等等。其实我一直以来对市场的认知一直都不是分场景的，嗯，我觉得每一个场景里都有我可以做的工作流，每一个。所以说，其实我一直都不是以以场景来分。所以说，经常有人问我说：“哎，我们是不是一个商用场景的机器人？
”我觉得，其实这个问题。不太对啊！我觉得我是按工作流的复杂度来分的，就是比如说一个比较短程的一个工作流，像叠餐巾，这是一个非常简单的一个工作流，上料下料其实就完毕了，是吧？那其实我们再往下推，那如果说这是就是 level one 或者 level two 的一个工作流的一个复杂性，那 level three 可能就是一个更长的一个工作流，level four 可能就是一个啊。
啊，一个洗衣房的一个场景，那 level five 可能就是一个 hotel cleaning 场景等等。我觉得其实都是分层次的。那其实就是说，对我来说，其实就是不分场景，分工作流，工作流难难难难度系数。那难度系数是在模型的每一个智能阶段，嗯，可以解开的，嗯。啊，这是你的沿途下单，对，在不同的智能水平下，蛋下的蛋是不同复杂度的工作流。
对，你觉得现在的复杂度是 level one 到的 level two？我觉得就是洗衣房的整个工作是可立起来的，它是能算智能水平的 level。复杂度我就我我我很难我没有细分过啊，可是我觉得可能是 level two level three
这样子的一个期间吧，就是这件事情本身上面啊一致性啊是比较高，可是工作链非常长，而且对 manipulation 的一些，比如说打开一个啊一个 washer 的一个门也是非常需要用力，然后有的时候会不小心把 towel 拿在在地板上，然后有非常多各种各各样的 corner cases 等等。
我觉得可能复杂度在 level two 和 level three 上面吧。然后随着，啊，智能体的提升，其实在更难的 workflow 就可以更好的去。啊，去完成，嗯，啊，所以说我一直对落地的看法是，我的我落地的场景需要在我智能体的智能范围内，然后呢，我接下来想要做的战略方向其实就是在我智能体的范围外，嗯。
对，所以说一般来说是我是这样子去思考的啊。沿途下蛋的目的是为了让公司有现金流啊，不是啊，其实是让我理解我目前的这个智能体本身，让我试探一下这个 level，我的智能体的 level 在哪里啊，在哪个 level 我是可以做哪些事情，而且在在这个 level，在这个智能体的 level 上面我会有哪些 corner cases？
嗯，那这些 corner cases，呃，是否可以引导我 pretraining 的方向？嗯，你看你们要做这样一个洗衣场景，嗯，第一代先做了一个桌面的折叠衣服的一个机器人，然后紧接着你们又去做了它整个场景的工作流。其实你们在这个场景要投入的时间是很长的。那这是一个场景落地，怎么去做碳高的事情呢？啊，你还有时间做吗？
其实我觉得碳高和做场景是不是？嗯，不冲突。嗯啊，不冲突的本身是在于啊，首先啊，我们把预训练做的更好、更大、更强，是无论如何都需要做的。预训练你们现在做多大、多好多强？啊，我们发布的应该是行业最大的数据集，而且我们在这个数据集里面发现了非常非常强的scaling law本身。嗯，所以说其实这，这个其实就是我们。
啊，在预训练上花的功夫，其实我觉得不比任何一个其他的公司会少，甚至比其他公司会多，非常非常多。啊，而且我回头，比如说像啊 robotics research lab，也不是去，也不是每一个人都是在做预训练的。他们团队也是分开，我们做预训练，我们这个团队做预训练，这个团队预训练有多少人？我们这个团队做后训练，这个团队做多少人？
然后我们在我们在哪些技术方向上面，我还还会做哪些研究？其实是是是一样的架构，只不过我们在后训练的团团队上面。不是是按照一个场景去做后训练，而不是按照一个非非常发散性的模式去做后训练。其实这是唯一的差别。嗯。你们发现了什么样的scaling law的迹象，在预训练？啊，我们发现了，其实在用人体第一视角数据的啊上面是可以啊在。
One million hours的一个啊预训练啊级下面，我们发现了非常强的scaling law本身。我觉得这是对行业来说应该是一个非常重要的一个节点，因为其实在过去一一到两年，其实绝大多数的。嗯，就是 there's intelligence ceiling，啊，就是这个 intelligence ceiling 一直很难破，因为大家都说数据是最大的瓶颈。
嗯，那其实当时我们做的第一性原则思考就是说，如果说我们想要达到。GPT三、GPT四的一个一个啊，机器人Foundation Model Moment，嗯，我们需要以最低质量数据啊。去从中提取出可以scale的地方，而不是去scale一个高质量数据。这个辩论其实在我是在去年的时候是非常不一样的一个啊conclusion，因为其实当当时Dyna One做出来，本质上面其实就是用了最高最高质量的数据。
嗯，其实当时我们就会发现说啊。我们会做非常非常多的A B test，然后我们就会发现说，哎，最高质量的数据本身就可以训出最好的模型。嗯，所以当时我跟团队说的就是说啊，need to go all in on high high quality data。嗯，然后我们就在那干干干，然后可是我我就和业界的非常多的L O M啊也好啊Video Gen。
啊啊！模型的人聊也好，其实当时我是selectively想听到我想听的东西，他们就会容易说啊。我们当时在预训练的时候做了一些ablation study，把一些数据拿拿出来之后，我们就会发现我们的预训练变得更好了。可是，呃。所以说，当时我我用我用这些点，我就会跟团队说啊，他他们是这这个observation。
所以说，high quality啊，data是最重要的。可是后面其实我们在开始做workflow的时候，其实我们发现，啊，其实最重要的是模型本身是否我们是否能给。最 diverse 最广的 human experience。然后，当我们达到一个 internet scale 数据之后，我们再去做 ablation study，再去再去 distill 这个数据才有意义。
嗯，我们在这个前提已经没有达到的前提去做太多的啊 quality optimization，我觉得不一定是第一性原则。嗯，啊，就是至少说从啊从语言模型从角度来看这件事情啊。你所以说，其实当时我们在这个方面有了一个转念之后，其实我们就会去思考说，啊，数据形态在接下来三年、五年、十年之后，最终的robot数据形态会是什么样子的？
嗯，当时我们想来想去，我们都想不到。任何比 ego-centric 或者 a exo-centric 会，就是 ego-centric 或者 exo-centric，我们觉得会成为数据的最终形态。嗯嗯，因为其实比如说我们要去 buy Tallyo 或者要去 buy 物明，或者说要去 buy 一些不是 ego-centric 数据的，呃呃形态本身，我觉得我们就是。
有点程度上面是在拜机器机器手不可以work，可是我们觉得应该行业的共识是啊，robot hands本身是一个工程问题，而不是一个research问题，所以说。啊，当时我们buy ego centric是有一定，就是我们会去思考五到十年的一个一个维度，然后最后决定啊，这是一个最大的数据集，也是最终最终形态的一个数据集。
所以说，当时我们就以这个模式去all in啊啊，ego centric。所以数据多，现在比数据高质量，你觉得更重要？对。你们全部是真机数据吗？对我们目前啊，仿真也有一部分。就是我觉得 data mixture，就是我觉得 data mixture
其实没有必要去去说，哎，我是仿真派还是我是真机派。我觉得全全部是从你的 training objective 来的，就是你你的 goal 是什么，你想要推出什么样子的模型。
其实每一个模型其实都有自己 founder、自己团队不同的。啊，思考在这里面的，比如说OpenAI其实当时就是啊，consumer app application all the way，然后所以说其实他们的是他们那时候的刚开始的那时候模型是更consumer friendly，Drop
AI其实非常early就decide that we're gonna bet on coding agent，嗯，啊，Google multimodal里是一个非常。
对他们来说是非常重要的一件事情，所以说，其实我觉得在机器人团队，可能每个团队也有自己对预训练想要达到的能力是有一定的分分歧，啊，所以说我觉得就没有对错。你们是都用，我们都用哪个行业就用哪个。对哪个好用啊？试下来都好用，都好用。对，为什么国内会把创始人分为真机派，还是还有仿真派？你觉得为什么会有这个论战啊？
我不知道为什么会有这个论战，我也不知道国内会有真机派和和simulation派。我这个技术路径本身不是不是本质的，嗯，因为。呃，这只不过是其中的用，可能是阶段性的。对，它是一个，它是一个手段。嗯，就是为什么在手段上面，就是我觉得没有必要拜手段。啊，我觉得，我觉得最重要的还是。啊，我们所谓的重要其实就是什么样子的数据集对我们来说是最终形态，这是我们长期需要掰的事情。
因为其实如果说我们这这件事情都都做错了，其实行业变动是非常大的。其实，比如说去年年初的时候就是真机派、小操派，然后在去年年底的时候，大家可能认知就突然就全部都转变是umi，嗯，那可能今年的时候大家可能就开始聊啊ego和simulation。我觉得是，就是，啊，本身这条路径是一直都会在变的，嗯。那最重要的是，我们作为创始人本身，我们觉得最低一性、最最本质的事情是什么？
然后我们在最本质的事情上面下注，其实就可以了。我觉得都没有对错。这个最本质的是预训练要达到什么样的效果？要达到什么样的目标？对你训练达到什么样的目标呢？啊，其实对我们来说，预训练达到的目标其实就是两个，一个是啊能 decrease demonstration 啊，所以说 decrease
number of demonstration 就代表着我可以更快的部署，然后还有就是 language following 能力，language following 能力对我们来说其实就是如何把工作流给拼在一起的一个一个基本链。
嗯，那其实我们这是我们目前的认知，可是我觉得在往市场再往下推断、再往下变的时候。啊，可能我们的认知会改变，嗯啊，可是我觉得最重要的事事情是认知可以改变，可是认知还是有产品作为高real，就是。我们最后要做到的事情肯定是要落地，不管是多久，这个铺垫期不管是有多久，我我觉得我们现在还是在一个铺垫期的一个状态。
可是不管这个铺垫期要多久，我们要看到产品最终形态，我们就可以一直往这个方向走。所以什么是机器人的H I？你觉得机器人这个产业的终局是什么样的？它需要多少年达到？我觉得多少年达到非常难说，因为其实我觉得随着数据量啊的的提升，哦，然后我们自己在自己看自己实验室里看到的一些东西，其实我觉得我们现在还不是完全知道天花板在哪，所以说我觉得这是一个非常令人兴奋的一个时代。
其实就是说，在每个技术突破的一个关卡点，我们。可以期待一下下一个可能性在哪里，特别是在具身身呃上面，其实我我我们目前还不是非常清楚，所以说我觉得有可能很近，有可能很远，啊，那我觉得A G I的最终形态可能就是至少说从机器人角度来说的话，其实就是你给他一个非常模糊的指令，嗯，他就可以把这件事情全部都做好。
其实跟Coding Agent或者说呃和和一些General Purpose Agent的的的。最终的一个形态会是非常类似的，可能需要多少年？不知道。对，我觉得非常难去断定。我觉得随着，其实我觉得你你用language
model来说这件事情的话，其实我们在就从。就从ChatGPT出来的那个点来说，那其实这是大概四年前，嗯，哦，到现在，其实我觉得从行业来说的话，已经是一个非常，就是没有人能想到四年之后我们能达到现在的一个coiling
agent的一个状态，嗯，我觉得很多科技发展，特别是在AI的领域上面，其实可能很多时候是一个。
非常看似非常平坦的一个状态，可是突然哪一天，它有一个突变，它有个突变。所以说，其实我觉得我们自己看到的一个突变，就是我们在Ego Central上面找到Scaling Law本身，那其实就就代表着说，我们目前数据上限。是非常非常高的，嗯，那我我们希望走到这个数据上限的尽头，看看，在这个尽头里，这这个尽头到底有多少碳高？
嗯，在这个智能的主线上和你们这个沿途产下蛋的每一个场景之间是什么关系呢？我觉得碳高其实和沿途下蛋其实。不是两件事，其实可以成为一件事情。嗯，因为本身碳高就是你在智能的每一个点，在在每一个维度，比如说我们现在，比如说从。一个任务就是我们去年到今年的一个认知是一个呃任务最小单元的一个啊一个范围，现在扩展到了一个工作流为最小单元的一个范围。
嗯，那接下来当语言能力变强啊，示范越来越少，泛化能力越来越强的时候，是否在下一个阶段是可以直接进入一个语言？语言的一个状态，其实就是用直接用语言去告诉这个robot需要做什么事情，其实就够了。那其实也不需要。还是在这个工作流对吧？对，那其实我觉得，那或者甚至说是啊，会会可以同时做非常非常多各种各样的工作流，或者是说机器人可以开始协同了。
嗯，所以说，其实我觉得这可能就是，因为scaling law本身是非常难去断定说，哎，我的scaling law impact是什么样子的。可是我觉得。以我刚才说的这个框架，可以大概去思考说：，哎，我们在Scalable的哪个阶段，我们机器人可以赋能于更多的Intelligence，可以做更多的事情？
我觉得这件事情是对我们来说是更本质的。你们在A G I的路上会沿途下蛋多少场景啊？这个有推演吗？其实我觉得做同一个场景，就是就等于做通了所有的场景。为什么呀？因为其实一个场景本身所需要的，不管是从啊啊corner case也好，从quality requirement也好，从速度也好，其实我们如果能把这一件事情做透了，我们就大概知道。
目前技术，技术的瓶颈在哪里？那其实对我来说，做一个工作流 versus
做一百个工作流，其实相差的其实就是一百个工作流的数据。所以说，本身对对我们来说，我们产品的核心其实是一个系统。是一个数据可以进来这个系统，然后这个系统就可以出一个工作流。嗯，所以说，其实当我们当我把第一个工作流打磨成型的时候。我很多其他的工作流的差异化其实不大，其实可能的确是说，比如说在每一个长工作流当中有不同各种各样不同的SOP，各种各样不同的corner
case。
嗯，可是我觉得去解决这些问题的基本基础思维框架是在那儿的。那我觉得这些基础逻逻辑和本质的东西打通了之后。所有的东西其实都是一个，剩下就是一个数据问题。你看，大模型行业现在就是像比如说Agent的应用者或者AI的应用者，今年非常的难。嗯，因为大家发现大模型的一个 skill 可能就把一个应用的场景给呃给吞噬了。
你觉得在大机器人行业会出现这种状况吗？就比如说大模型大脑团队的嗯，就是它的某一次能力的跃迁，然后导致很多在场景里的优化变得不 work，就就就是就没有用了，会吗？啊，会会的，就是我觉得做一个工作流啊，本身其实跟你说的没有什么特别大的冲冲突。比如说 anthropic。做出了 coding agent，就代表他们只只是在 coding agent 上好吗？
其实不是，就是因为他们的 pretrain 上面也做了非常多的功夫，posttrain 上面也做了足够大的大的功夫，把 coding agent 给落地了。那他们是可以同时，就是他们可以以同样的框架，现在可以再把 agent 落地在其他的啊场景当中，比如说 Excel
或者说其他的啊应用场景。其实对我们来说，做通一个工作流，并不代表我的 pretraining 不做了，或者说我的 pretraining 就只只有这一个工作流的 pretraining，而是我的 pretraining 一直都是最广，就是最广的一个泛化下面，而而我的 posttraining。
是我我们唯一的下蛋的地方，其实就是在post training上面，是否可以把这个工作流做通，然后再看一下，在做这个工作流的过程当中有哪些瓶颈，有哪些瓶颈是需要我们继续引导我们pre
training方向的一个啊一条路。嗯，对，所以说其实我们pretraining数据集应该是最广泛、最广泛、最general的，而且我们在继续scale的过程当中啊，我们在scale到比如说一啊一千万个小时之后，那我们pretraining还是非常广泛的。
可是当那时候对我们post training的影响有大有小，那我们不知道。嗯，可是我们至少知道的是，在基础的思维框架，就是在上一代的啊checkpoint，在上一代的数据数据量当中，我们的智能体是这样子的，这瓶颈是这样子。我们在下一代可能这些瓶颈会离开，有些有些瓶颈可能还会在。可是我们在探整个工作流过程当中，其实我们大概就知道。
哪些是可以被预训练解决的，哪些是不可以被预预训练给解决的问题？哪些是不可以被预训练解决的呀？啊，其实就很多，就是比如说，就像我们刚才说的corner case，比如说我一下子抓一次抓两个napkin，嗯，导致我啊。的总体产出大大下降，我觉得这个东西是运行了不可解决的问题。那比如说，当时把napkin放在啊便里面的一个位置，能是否能整齐摆放？
摆放这件事情完全是运行们可以通过语言来解决的问题。我们说 robotics的这个终局很难预测。那现在你觉得它到了哪个 moment 前？我觉得可能讨论这件事情。不是特别特别的重要，我觉得重要的是什么时刻机器人才能给人类真正带来价值？嗯，然后机器人才能真正达到 scalable product market fit 本身。
那我觉得我们离。这段距离其实不远，我觉得我们从我们自己的产品和战略方向来说的话，我觉得对一到两年。一到两年，对，他可能在某一个场景里实现P M F。啊，我觉得在场景里实现P M F已经是一个可以变成，已经是可以落地，已经可以形成的一件事情。就是我们把工作流做通，我我可以做，同时做十个工作流、二十个工作流。
我其实我觉得这些这些场景是可以走通的。那其实我觉得Chat GPT moment是任何人可以。就是 it's useful to anyone。就是 GPT 其实最大的 aha moment 就是 u is useful to anyone。嗯，每个人都有自己的主主观的问题，都有自己的一个主观思维。
可是用 GPT 都是通用的。那其实问题就是在于机器人是否需要，就是机器人是否可以做到通用这个级别？那可能绝大多数人把机器人通用。啊，理解为physical AGI已已已经解决了，嗯，啊，可是我我。从我的角度去看的话，我觉得这是一个产品定义问题，啊，产品定义就是我觉得其实机器人不需要
intelligence，不需要达到通用就可以被每一个人都可以用上，嗯，对，这是我的产品看法，可能说的比较模糊，通用就可以被每个人用上。
比如说，可能的是什么样的形态？我觉得我只能说，我只能说到这儿。其实就是，就这，这是我们接下来的几步的一些战略的一些思考。可是我觉得，啊，机器人本身其实就是一个智能体和一个产品形态，而不是只是一个智能体形态。不只是一个智能体形态，意味着你觉得光有智能不够，对吧？它也需要是一个产品，对，是的，嗯，它不一定就是需要智能达到无限的上限，但是它需要基于当时的智能做出一个产品来，对，是的，我可以这么理解，对吗？
对，是的，其实我觉得比较更好的就是非常类似的一个example，其实就是。啊，其实G Chat GPT是二零二二年十一月份的时候出来的，GPT Three其实是在二零二零年的六月份出来的。对，从GPT Three到GPT啊，Chat GPT其实就是GPT Three versus GPT Three Point Five。
那其实模型层面上面，就不管是从啊模型大小来说啊数据量来说，其实都是有个变化。可是可以说GPT Three那时候出来的产品形态是API。嗯啊，所以说当时有 dozens of developer have access to 它，然后也有一些公司，比如说像像 Jasper，可以成功的把这个 API 变成了他自己的一个产品。
可是我觉得 GPT 三到 Chat GPT 本质的变化是一个产品变化，是一个从 API 形态啊变成了一个啊 browser chat 形态。才达到了一个非常强的一个用户飞跃。嗯，其实那我不是非常清楚，如果是以一个GPT的形态去release从ChatGPT是否是可以达到一个非常大的一个。啊，user base本身，可是我觉得，啊，产品形态其实是不可被忽视的。
嗯，是的，嗯，当智能达到某一个状态的时候，它的产品，你看这几年的，哪怕是agent的形态也一直在发生变化，它的壳是始终在变化，就匹配当时的那个智能水平。对，是的。对，所以说，其实我们在智能体本身下了非常非常非常大的功夫，而且所有的智能体，不管是从我们的E O三Tr Scanning
Law来说，还是从啊我们Research，比如说我们自己的Whole Body Control啊来说，还是从我们的啊就是Workflow，从Language啊和Language Steerability到Reasoning and Body Reasoning层面上面来说，我们都是啊。
特别关注的，而且我们在每个维度上面都有非常大的突破。可是本质上面，他们所有我们所有在做的事情，是往一个产品最终局。导向的，所以说其实我们对对方向感是，我们是一个非常有方向感的一个团队。产品的最终局，你还不觉得它是人形机器人对吧？那是什么样的呢？啊，其实你觉得可能你可能会觉得说产品的最终局是一个机器人的形态，其实我觉得不是一个机器人的形态，而是一个如何使用机器人的一个产品。
所以说啊，没什么意思。现在不不方便说，我们后期我们下我们下一次可以访谈的时候可以再细说。今年你们还不会发这个产品出来？对，不会还不会。OK，那什么叫做和人交互的一个形态？人怎怎么使用机器人的一个形态？我觉得其实每一个人怎么使用机器人，或者说让每个人觉得这个机器人产品是对他们有用的，一个形态，不光光是硬件，而是产品体验。
哎，但是你不是说你们要做B to B吗？嗯，对，是的。你们也也要去做to C是吗？没有，就是B B to B，B to B能到每个人的手里吗？我觉得是可以的，而且不需要太久。哦，对，那你可以期待一下我们下一个release，下下一个，嗯，呃，不是这个，不是这个哦，B to B to C，我觉得。现在不用猜测哦。
你觉得最终的形态也不是一个人形机器人吗？人和机器人的交互，我觉得从硬件角度来说的话，我觉得是否是人形机器人其实。最重要的的response其实是一个ROI问题，嗯，就是我添了这两条腿是否能给我带到带来更更高的价值？这个价值是否远远超出了我做这两腿这两条腿的成本？嗯，哎，你说你们是product research，那在就是对于机器人大脑的research方面，你觉得你跟其他的公司有什么不一样？
比如说physical intelligence，呃，generalize或者Google Deep Mind，嗯，没有本质的区别，我们其实就是在。Figure out如何泛化模型能力，如何crack physical AGI，如何能把啊language stability能力做得更好，或者说可以用few shot demonstration可以做得更好，本质上是是没有任何区别的。
所以你们也是要做机器人大脑，对吗？我们一直都在做，我们从第一天就开始在做。那为什么业界一说Dyna的时候都会？本能的认为你们是做本体更多，然后做呃场景更多，你觉得这是一个误解吗？我对，是一个非常大的误解。我觉得是我们可能刚开始P二没有花非常多的时间的一个问题，因为当时我们出单One的时候，其实我我们是以一个落地为核心的方向去说这件事情，就是我们为什么做单One，因为我们想落地。
啊！可是本质上面，其实我们是一个非常 heavily research 团队，因为如果不是 heavily research 的话，我们也做不出 DynaOne 基本质的一个突破。嗯啊，所以说，其实从我们角度来说的话，我们一直都是。啊，我们一直觉得智能体是啊落地的一个瓶颈，而且我们一直需是需要提高智能体才可以真正的落地。
可是我们只不过是说，在我们提高智能体的时候，我们同时也把落地变成了一个验证智能体的一个闭环。你的时间分配在哪哪方面更多？落地更多还是大脑更多？Research更多？我的时间其实，我的时间分配在。战略和团队更多，那分配在我，我不能说我的时间，因为我的时间分配在哪个项目上面，其实并不代表这是公司的最大的。
就是我觉得可可以从公司的权衡角度来说的话，公司的百分之八九十的。九十的capacity全部都是在智能体上面，而且我们就是我们把落地的整个engineering structure做的足够的简单，所以说其实对我们来说落地不是大家所想象的那么困难，没有那么重。对，其实因为本身其实我们现在已经做到任何素材源就可以训一个模型。
这是这是本质上面是在我们对预训练上的一个突破啊，就是我们预呃预训练泛化能力非常强，所以说我们不需要非常多的 demonstration 就可以学习到。第二是在我们从 infrastructure 上面的一个突破，就是我们 infrastructure 足够好，所以说我们的素材源其实都可以做都可以训模型。
当你们看到所有的所有的啊我们的落地的视频也好啊啊什么啊和我们的示范啊。视频也好，全部都是素材团队做的，而不是我们的工程和 research 团队做的。嗯，你刚才也提到去年年底啊，你们团队有一个争论嘛，就是到底是 research 更重要还是呃工程落地更重要？嗯，然后你说你们找到了一个 overlap，嗯，就是能够同时都重要，你找的是一个什么样的交集点？
当时就是打工作流。当时其实我们在战略的思考维度上面，其实我们就发现，啊，本质任务。本身不足以落地，不不足以成为一个商业闭环，所以当时我们就发现，其实落地本身。还不够，不是一个不是落地的时机。嗯，然后当时我们其实我们的 infrastructure
也不是非常的好，所以说啊，我们当时选择了一个战略模式，就是我们要，我们当时就内部就叫一个员工，啊，一个员工就是我们如果说真正的要达到一个员工一天能产出的价值，我们需要把上料和下料和整和任务和整个工作流全部都做掉。
所以说，在那个期间，其实我们就把团队凝聚在在了一个战略点上面，就是我对啊，我们对智能体的需求是需要提高，才能把整个工作流给做完。同时，我们在落地团队要把 Enricher 做得更好，所以说我们才可以更好的去落地。然后我们在 Post Training Technique 上面也要做得更好、更快。才可以落地一个工作流本身，所以说那时候才把团队给凝聚起来，往这个点来打。
嗯，这是你做的过去两年一个很重要的决策是吗？是，当时是一个对我们团队来说算是一场战，这是一个非常重要的一个战战略节点。嗯哦，OK，那我们细数一下，从二四年到二五年到二六年的几个重要的战略节点分别是哪些？啊，我觉得，二四年可能就就不说了吧，就就刚开始。嗯，呃，二五年其实就是战略节点是怎么样子，让我以。
最小的一个单位就是一个任务单位，怎么做到落地的一个闭环？嗯啊，所以说那时候说的，其实其实就是主主要就是Dyna One周边的很多活。当时其实就是在我们在后训练上面哪些东西对啊一个任务执行的质量。啊，对我们的速度啊，和我们的呃呃语言可控能力啊，有非常大的一些思考在这里面。嗯，然后在。二零二六年，其实我们就是以一个员工的这个啊这个战略啊来走的。
其实那在在这时候，其实就是啊我们知道了我们预训练模型需要往哪个维度去泛化，而且我们的预训练的方向啊是什么样子，我们怎么样子可以去 crack scaling law with the most abundant data。嗯啊，同时我们要做好。啊，一个工作流，那其实对 reasoning 和
language scalability 能力需要增强，然后同时我们在机器人本体上面需要布局，因为我们第一代机器人是不可以动的，所以说我们在第二代机器人，我们在 whole body control 在硬件啊上面的布局也是需要啊 focused 的，所以说这是我们在二零二六年的一个战略体系。
再往后还不方便说，不方便说。可是我们还有还看了很远，再往后是不是跟之前的这个场景发生了很大的变化？他应该不是在这个场景的延长线上，对吧？我们看到的是整个市场，我们看到的是我们怎么样子让任何人都可以用上这个机器人。让任何人都用上这个机器人，哦，对，呃，这就是下一步了，对吧？对，是的。所以你说，具身智能做什么样的任务才能够PMF呢？
做可以达到R O I的任务，就是他们在如果说他们在自己在一个自己的工作范围之内可以产出比人以人更多的啊output，他们就可以达到P M F。嗯，你们在这个场景上应该能够优化达到。啊，我们在我们所选的啊场景下面，我们基本上都可以达到。如果达不到的话，就就成为不了商业闭环本身。现在机器人行业说商业闭环会不会太早了？
为什么这么早就追求商业闭环？你们才创创业一年二两年？啊，其实我觉得商业闭环本身其实不是一个一个最重要，就是说 revenue 不是最最重要的一件事情，而是我们要把商业闭环的每一个阶段、每一个问题全部都要想通，全部都要打通。就比如说啊，self driving 本身，如果说你你不把San Francisco每条街跑一遍，你是不知道你的包、你的品性到底在哪儿的。
嗯，所以说，其实对我们来说，其实就是这个，就是说，我们要把。所有的场景，所有就是我们想要设设设定的一些场景的 corner case
跑遍，我们大概知道，呃，可以大大概把问题分为啊，泛化性能解的问题和泛化性不可以解的问题。然后在这方面把啊deployment飞轮给打通，因为其实我觉得不光是机器人本身啊，就是我上个公司keeper，我们在落地的时候，就是产品出来之后，产品本身已经可以铺到任何一个超市的时候，我们的。
我们也花了几年的时间，才真正把落地给打通了。因为落地本身是 deployment flywheel，deployment flywheel 其实不光光是一个，可能大家想要说啊，我智能体解决了，我就可以大大落地了。其实完全不是，就是你在落地的时候，其实你的硬件会出问题，你的软件会出问题，你的模型会出问题，你的运控算法会出问题。
然后有的时候是你你模型跑了一段时间之后，突然有一天发现我的Duper本来一天是需要折一千三百张餐巾的，可是我今天今天只折了八百张餐巾，然后你也不知道为什么。所以说，其实，在Deployment Flow里面，你需要比如说要要build Observability Stack，要做啊Support Main Main Stack啊。
所以说，在这里其实可能很多人其实都没有想到Deployment环节其实是一个非常非常困难的环节。所以说。在而且deployment环节本身可能也就也是需要两三年的时间才能真正跑通的，所以说你当你把智能体本身完成了，然后你再去跑deployment闭环的时候，你就会发现你落后了两三年。因为，呃，其实，所以说，其实这这这本质上面是，就是可能也是取有我之前的经验，所以说我才知道说，哎，OK，我们现在可能就需要把这些deployment上的一些细节给摸清楚。
嗯，你说你能闻到钱的味道？你在机器人这个产业里闻到钱钱的味道了吗？闻到了。在哪里？在我。会即将做的所有的工作流里面，这是初期，初期的呃商业闭环可能性。嗯，对。那不不是初期以后呢？以后那就是我们战略的下一步，那就是整个市场的可能性。嗯，你为什么这么强调闭环啊？因为有闭环才有反馈，有反馈你才知道你下一步该怎么走。
就是因为你，我觉得摸石头过河这件事情是本身是非常困难的。就是你如果当你不知道你当你没有一个闭环，你没有一个反馈，你不知道你的问题在哪里的时候，你是很难去知道说我的research需要往这个方向做，我需要往那个方向做。可是闭环本身得到的是我的这条路。以一个最小的一个一个最短的一个时间之内，我可以大概探到我下两三步怎么走。
所以说，其实对我来说是探索接下来该走的路的一个过程。你是从第一天就开始有中国的团队对吧？对，是的。为什么做这个决定？这是一个重要的决定吗？这是非常重要的一个决定，因为其实我觉得啊，智能体没有没有供应链是没有办法做出世界级的机器人的。嗯，你们在中国的这个供应链做到什么程度了？目前，我们在中国是有一个四五十人的团队，是专门做硬件研发和供应链的。
所以说我们在整条件其实其实全部都跑通了。所以说我们现在已经进进入了一个初步量产阶段。初步量产，OK，对，百台级别吧。百台级别，嗯，哦，嗯，是这个工作流的机器人还是上一代？工作流机器人，OK，上一代我就没有选择量产了。哦，就是因为我觉得上一代本质上跑不通。行业内的人会说你们就是在嗯去年年终之后都比较低调，就是声音比较小，为什么呀？
你们这一年在干什么呀？主要我觉得是是几点吧。首先，我们research taste是我们的bar是非常非常高的。嗯，其实绝大多数行业。比如说派出的一些东西，其实我们是在早几个月，其实就就已经完成了，啊，比如说从 language steering 层面上面来说的话，其实我们是在八九月份的时候，呃，去年八九月份的时候就就有了。
可是当时其实我们其实对对报儿非常高，因为其实我们就觉得说，哎，这件事情还没有做到百分之九十九，所以说我觉得我们不想发。嗯啊，可是我们后面其实意识到，我们自己对research的呃taste
bar如果太高的话，我们什么什么都不发，其实也也不好。所以说，其实我们在这方面是有一定的改观，啊，第二，其实我觉得在战略不清晰的情况下面去发一些我们觉得是一些阶段性的工作，其实我觉得其实也不是特别符合我们自己的一个核心理念，就是我我们对我们自己发东西，其实不是为了做P
R而做，其实我觉得，啊，我们是为了。
我们觉得这个东西是是真的本质上面做好了，而且是有非常强的产品也好啊，research也好，工程也好的一个逻辑在这里面。我们觉得这件事情值得发，值得看。啊，我们才会选择发啊。那我觉得当时我们设定的这个工作流的这个战略啊目标，其实是一个非常远的一个目标，而且是需要非常长时间让团队凝合起来去做到的这一个目标。
所以说我们在中途就选择不发，因为我我觉得啊把。说说出一些片面故事，为了PR，其实还不如我们就把整个故事说完，这样子大家可能才才可更好理解我们为什么做这件事情。我觉得机器人可能是比大语言模型更长期的一个长跑啊。你觉得在这个长跑的过程中，最重要的是什么呀？因为它还离收敛很远，就整个产业的收敛都很远。每个人都可以做，现在还在做不同的探索。
可能大家都觉得，嗯，市场还没有收敛。其实我觉得，最重要其实就是一个方向，就是你觉得最终形态会是什么样子的，然后你往这个方向走，其实就好了。嗯，对。对你来说，智能和产品哪个更重要？智能更重要。嗯，因为我觉得如果没有智能的话，其实就没有产品。所以说，其实智能是产品的一部分啊，智能是产品最重要的一部分。有了智能之后，你才可以真正的去产品化。
可是，我觉得产品会影响智能本身，就是智能要做到多智能才可以。成为一个产品，所以说两个是有有一定的关系的。可是，在两个关系之中，我觉得智能是肯定是最重要的。其实这也是我们团队的中心啊。我觉得长跑中间最重要的就是产品和智能，产品智能和落地。啊，我觉得甚至说在长长跑当中，我觉得。我觉得就是可以看出，就是中国派和美国派，就是我们刚刚开始聊的啊。
这个我觉得，美国觉得大脑重要，供应链以后大家都会有大同小异的硬硬件，都会解决问题。那中国啊，就觉得就是可能长期不是特别重要，供应链最重要，因为供应链非常非常困难。嗯。哦，我觉得两个都重要，可是如果说真的让我往十年去看这件事情，我觉得可能供应链更重要。嗯。对，因为其实供应链本身是你，是客户最终客户最终拿到是是硬件，所以说最终来说，其实你你的量产、你的产品形态，因为其实大脑决定了你这个产品的下限啊，身体决定了你这个产品的上限啊，所以我觉得长期来说可能会形成一个成本。
和质量战，就是十年之后的事情。那如果供应链最重要的话，你怎么看现在中国的这一波机器人团队啊？我觉得每个人。其实都有自己的打法啊，我觉得啊，都值得参考。比如说宇树，我觉得宇树其实是一个非常优秀的一个公司，嗯啊，特别是在硬件层面上面，其实他们在啊硬件上面的研发，把他们的C S I D和啊就是把sim to real gap做的这么这么这么的小啊，本质上面是一个非常。
非常强的一个突破口啊，所以说我觉得他们在这一方面是有一定的优势的。嗯，智源呢？我觉得智源的打法其实可能，其实他们是有一定的智能体，他们有他们自己的硬件。我觉得他们可能长期也是。再想往哪个方向走？可他们有资足够的资金，我觉得资金可以维持这个组织非常长的一个时间。其实这也是战略本身啊。所以从他们有有更多的资金，其实他们的容错率就更高。
所以说，他们是可以，他们的战略是可以往更广的一啊产品线来铺，然后啊，可能在智能体上面可以一个更发散的一个一个一个情况来办。所以说，这本身也是战，也是他们的战略，我觉得也是值得参考和尊敬的。嗯，你怎么看？你们比如说跟那些机器人模型公司的竞争，和你们怎么看你们和中国机器人公司的竞争？啊，其实我觉得。行业其实不是一个竞争状态。
我觉得，其实如果说你看行行业的整个形态，其实我觉得是一个非常啊。的确可能会有一点竞争模式在这里面，可是我觉得大家也是非常的open，就是大家非常愿意说我在做什么，然后啊我们的方向是什么，然后我们做出了一些research，我们会分享我们的research result是什么。嗯，我觉得这本质上面是一个非常好的一个一个行业的一个动态啊，所以说我觉得在真正有。
Market share端来说，就是真正有market share之后，我觉得才能真正形成一个一个competitive dynamics。我觉得现在可能大家都是在一个互相尊敬或者互相学习的一个状态下面。嗯，你觉得什么时候会有快速收敛？我现在聊机器人团队都觉得，就是大家每个人都有每个人不不同的做法，然后感觉离收敛期还挺远呢。
你说的是对的，就是可是在每一个时段其实都有一定的收敛，嗯啊，其实说比如说我们做出。Dyna One之后，其实其实大家往机器人的成功率或者说啊执行速度上面其实是是是有一定的收敛，就是哎，我们其实要做出一个有用的机器人本身啊，然后其实，在啊对啊，比如Woo米也好，Ego也好啊，世界模型也好，其实行业也是渐渐的往这个方向收敛。
那其实说这些事情可能在长期是会有改变，可是我觉得我们是渐渐在。一个已经在一个收敛的一个过程当中，我们大概知道说，哎，哪些方向对，哪些方向不对，哪些是重要，哪些不是不重要的。所以说，我觉得可能在接下来一到两年之后，我觉得是有机会看到一个更收敛的一个模式，大家可能会更往。比较类似的一些，不管是从模型架构也好，或者说从数据啊能力也好啊，其实都会开始有一定的收敛。
嗯，你怎么看待机器人本体和大脑的关系啊？我觉得两个都非常重要。我觉得大脑是机器人的下限，我觉得本体是机器人上限。啊，这个跟跟很多人观点还是相反的。别人可能会觉得大脑是上限，本体是下限。大脑是决定这件事情到底可不可以做，嗯，硬件是决定这件事情到底能做得多好，嗯，其实这是我的看法，嗯，因为其实这件事情能做和不能做，啊，是大脑决定的。
啊，那这件事情能做得多好？其实，其实某种程度是硬件和运控所决定。嗯，那比如说我折一千张，一天可以折一千张餐巾。其实，如果说在数据啊运控和硬件的呃能力下，如如果可以可以允许，我是可以动作是可以动得更快，我的哦我的动作是可以更精确。嗯，啊，所以说我觉得两两者都是非常重要的。而且我觉得大脑和，呃，本体的关系其实非常非常紧密啊，非常难去拆开来去分析。
因为其实有的时候啊，因为本体本身是有视频啊，就是你你的camera、你的prop perception啊和你的运控。那其实你收集到的数据，其实其如果说从遥操数据层面上的来说的话，其实就是。就比如说运控本身，我们从运控上面收集到数据，用两个不同的运控算法就可以训训出两个非常不一样的模型。嗯，一个可能是非常非常丝滑、非常漂亮，另外一个可能就是一个非常糟糕的一个一个机器人。
所以说我很难想象说真正去做B to B落地场景，如果你不own这个机器机器人本体，你是很难达到他们的质量和速度效率的。嗯。所以说，我觉得两个都是。那你觉得应该大脑驱动本体，还是应该本体驱动大脑啊？哦，我觉得是大脑驱动本体。嗯，就是大脑。其实这是我们团队里经常的一个dynamic，就是其实硬件的定位一直都是research团队给出来的。
啊，比如说我们的camera需要多少FPS，我需要global还是rolling shutter啊，还有我的camera的角度需要多广，全部都是research团队去去界定的。嗯，所以说我觉得是需要从research角度去定身体。嗯。那如果大脑有一个提升，然后这一代硬件会不会就不 work 了？它要整个替代它的现现有的硬件方案，会出现这种情况吗？
我觉得不是，不是因为大脑的提升导致硬件本身不 work，而是。大脑提升之后，可能硬件就达到了上限。嗯，就是你硬件已经没有办法做我大脑想做的事情。嗯，就是我大脑，比如说用最简单，就是最简单的，呃，比如说，啊，我本来，啊，大脑是可以。跟世界级乒乓球选手打的，可是我的身体跟不上，嗯，那就被硬硬件给限制住了，嗯。
所以我在想，现在做全站会不会早？因为大脑的问题没解决完，我觉得。不早，因为其实本质上面其实就是一个 co-develop 的一个过程，就是我的智能体本身是需要什么样子的硬件去搭配它。嗯，那我在大脑进化的时候，进化之后有可能会，我的硬件是一一直肯定会一直持续迭代的，硬件本体。是需要刷起码三版，你才可以真正进入量产，才可以真正进入场景。
嗯，而且我觉得现在供应链还没有完全收敛，所以说硬件本身还是有非常非常多的问题。如果说你在三年之后再去做这个硬件，那其实你就少了三年可以迭代的一个过程，嗯，那其实那时候你大脑问题解决了，你再去你再去定义硬件，的确那时候你可能会定义出一个更好的硬件，可是并不代表你那时候你的硬件是可以落地可以量产，嗯，对，哎，你们会把那个夹爪换成灵巧手？
会的，嗯，在哪一带？这个对于你们这个场景重要吗？啊，目前来说不重要。嗯，可是我觉得最重要的是灵巧手。我觉得换换的时期是我们在灵巧手 ready 的时候，我觉得现在灵巧手还不足以 ready 去做落地。嗯，你现在有没有很困扰的一个问题？最少困扰的问题是一个时间段的问题，每个时间段都有不同的困扰的问题。
比如说，在这个时间段有人的问题，在这个时间段有融资的问题，在这个时间段是有战略的问题。可是我觉得没有一条长期的一个困扰主线。嗯，如果是长期困扰主线，那就嗯，其实那就是。问题本身如可能是太大了，我解决不了。最近呢？我在思考怎么样子拿到更多数据。嗯，这应该所有机器人公司在想的问题，对吧？对，可是我就我觉得我们的上限可能比别人会高一些，因为我们能训的数据更多，所以我我觉得采购可能是我所想的一个问题。
现在采购数据有什么比较好的来源没有？没有，我们都可以用。哦，在 Dyno One 到 Dyno Two，你们技术路线有发生变化吗？呃，本质的变化就是是一个非常大的一个改动。嗯，不管是从模型架构来说，从啊我们的预训练的数据集来说，啊从reasoning啊的角度来说，甚至说硬件也有变化啊。我觉得我们是脱胎换骨，变成了一个新的公司。
嗯，中间有没有什么比较 struggle 的时候啊？最 struggle 的其实就是我们当时对自己所走的这一条路是有一定的困惑，其实就是没有看到一个战略的下一个节点应该往哪里打啊。是去年几月份？其实就是去年年去年年底年底说的那一次，对，嗯，为什么会困惑？当时，当时其实就是觉得落地，任务本身落地没有办法形成一个商业闭环，然后我们需要，我们是是需要拜落地，还是需要拜啊 research？
然后那时候选择两个。你就在在一个点上打，所以说其实这是当时的啊收敛的一个结果。嗯，所以就希望这个工作流的场景既能够满足商业化闭环，又能够去提高了我们智能体的提高智能的上限。对，你觉得截止到现在达到这个目标了没有？我觉得达到了。然后下一阶段你们要去。做的是还不能说的事情，对，是的，嗯，但是已经脱离了这个工作场景了，对，是的，你们账上钱多吗？
挺多的，能支持机器人模型的研发吗？完全可以。机器人模型研发，你觉得需要多少钱？我觉得绝大多数的钱其实就是人才、算力和数据。嗯，啊，我觉得可能在下一个阶段，就是我们在大大 scale up 我们数据的这个阶段是需要更大的资金的。嗯，啊，可是在我们上一个阶段到现在这个阶段，我们是没有烧太多钱的。嗯，这个可以认为是 Dyna 一点零，对吧？
就是完整的这个洗衣的整个工作流，能这么说吗？然后二点零，你可能要去用更多的数据，然后去做一个更大的模型。然后去定一个新的场景或者范式，算是可以这么理解。对对，是的。你觉得一点零是这个过程中你们积累的是什么呀？验证的是什么呀？就是复盘一下这个完整的阶段。到今年你们要发那工作流的机器人的时候，其实就是我们在智能体需要往哪个方向走。
其实这是我们在大脑一点零形成的时候，核心就是我们真正智能体要进化到什么程度，然后我们的预训练需要提高多少，然后我们预训预训练从从预训练想想得到的泛化和语言的结果是什么样子，才可以把一个工作流给立起来。嗯，我觉得这是我们最大的一个。啊，心得二点零是脱离了一点零的叙事，还是说它在它延长线上？你说我们我们的战略下一步吗？
嗯，啊，我觉得是脱离了场景的场景的受限。嗯，对。脱离了场景受限，要讲一个更大的故事，不是说讲个更大的故事，就是去做一个更大的市场，是做一个通用市场。嗯，因为其实飞轮其其实已经搭起来了，就是这这整个系统其实已经搭起来了，其实剩下就是给他更多的数据，他就可以学新的东西。嗯。你就说你形成了基于这一个工作流形成了一个系统，对数据能够进来，然后能够出去，然后可以形成一个工作流出去，就可以使就是数据进来，然后就可以通过这个系统转换成商业价值。
但是那个场景不是一个垂类场景，对吧？对，不是。哦，I see。这个什么时候能看见？明年。明年哦，还是要一年。我觉得可能战略每个战略的节点，真正要把这场战打完，可能需要半年到一年的时间。我不知道需要多久，可是我觉得就是这条路是非常清晰的。嗯，Dyna的企业文化、企业氛围是什么样的？我们是都是非常。我觉得团队本身，我觉得韧性非常强啊，因为可能基于我们过去的一些经经历来说，其实我觉得一些啊。
一些方向起伏，其实对我们来说影响不是不是特别大。第二是，其实团队是非常纯粹的团队，就是我们因为其实我和York York以前是做摇滚的，然后其实我是非常喜欢啊创业这件事情本身，嗯嗯，所以说其实我们是非常喜欢和一些真正喜欢做事的人在一起工作，嗯嗯，因为其实机器人行业本身其实。有点浮躁，然后其实大家都有不同的想法和看法，然后可能在每个时间段、每个哪一个公司，其实都是。
大家所关非常关注的啊公司，啊，可是其实对我们来说，如果你真心热爱你做的事情，其实你就不会被外界影响到，而是我们真正心中有这一张图，然后我们就往这一张图走，啊，所以说我我们是一个非常纯粹的团队，然后也是一个非常passionate啊，非常嗯。啊，就是非常想把这个事情做成的一个团队。你们的公司内部状态更像一个lab，还是更像一个什么？
我觉得。内部架构来说，呃，lab的属性会偏高一些。嗯，因为你你在嗯创业的时间很长了嘛，你觉得现在这些新的公司的组织形态跟过往的公司组织形态有发生变化吗？哦，我觉得这是一个非常好的问题。其实我我觉得组织形态是有个非常质变的改变。嗯，哦，其实我在。啊，pre coding agent之前啊，其实组织绝大绝大多数的大规模公司其实是是层层啊，是一层一层的啊一个一个关系。
那所以说，其实啊，在一个比如说像一个大公司，像Google样子，有可能十到十一十一个level，然后每个level就是他在有自己分分内的一些事情啊。那其实，在目前的A一个AI
AI状态下面，其实我就是我组织，非常明显的变得非常非常的扁，嗯啊，所以说其实啊扁的一个非常好的啊一个形态就是我们作为。我作为一个CEO，或者说我团队一团队的一些高官，是可以直接操控啊执行方向的，啊，就是可能是可以直接从通过execution的engineer和researcher，或者说通过他们的上面的一层的manager就可以达直接达到这个目的。
我觉得这本质上面是一个非常大的一个变化，这也是我觉得是一个好一个变化。做事就快了很多，嗯，所以你们现在不到两百个人，差的不多，对吧？啊，美国可能就对，稍微多一点，多一点，对。哦，为什么是这样配置？哦，其实美国团队应该是research为主，然后中国团队是硬件为主，硬件为主，对，是的。然后也，然后research比硬件多一点，对。
啊，其实我觉得我的一直我的一个管理理念，其实通过我的我的Kaper的创业加上Estcar的经验，其实我发现其实更适合我的一个管理状态是招最精的人做最重要的事情。嗯啊，所以说其实我们团队的平均素质是非常非常高的啊，绝大多数的IC其实都是以前是有一定的管理经验。啊，然后后面真正是因为喜欢做IC，所以说才选择做IC。
嗯啊，所以说啊，大家都是有非常充足的经验，所以说其实他们比如说一个scope，啊是可以，他们可以自己拆解、自己去执行。啊，所以说达成了这样子一个状态。那其实人少一点的话，其实管理成本就下来了。所以说，其实我们就不不需要花特别多的时间去管理一个组织。一个组织，比如说我们如果说有一层一层一层的人的话，那其实就非常就是，那你做做起事来其实动作就很慢啊。
然后啊，整个work structure也不够noble啊。所以说，其实我是我对我的理念是我们找最强的人啊做这件事情，其实就够了啊。所以说，就而且大家。可以更好的进入一个心流状态，啊，这个心流状态就是所谓的，其实大家都是共频的，我们都是需要做这一件事情，所以说其实我们大家可以凝聚成一颗心的时候，啊，我们就可以把这件事情做得更快的落地。
其实跟人数是没有很大的关系，所以说我反而觉得人数多的时候更更难成为一颗心。我所以说我们我我是想在一个最小单位。啊，形成一颗心，然后往往往这个方向走。你觉得这种小组织的状态会维持多长时间啊？它是一个阶段性的状态，还是一个长期的状态？我觉得小组织状状态一定都是一个阶段性状态。可是我觉得往一个更大的组织来走的话，其实，我觉得可能，可能跟十年前的形态可能有点不一样。
可能以前十年前可能是需要一千，啊，比如说这件事情。过去一千个人才能做做的事情，可能现在可能只需要花一两百元就可以做了啊！所以说，其实大肯定会会变大啊，可是不一定需要变得非特别特别大。嗯，这就是比钱少，但是比现在大。对。今年Agentic Coding就是爆发了之后，对你们行业有什么改变吗？我觉得有特别大的改变，嗯，因为所有做的所有的事情其实都快了很多。
所以说，其实啊，当工程成本下来了之后，其实你就有更多的空间去探索其他的方向的事事情。就是比如说以前你你一件事情需要一个月做，那现在这件事你是需要一周了，那你就是可以同时，那你就可以探索。四件事情，四个方向了，所以说就本身上面迭代速度就开始变得非常非常的快了。所以说，其实刚才你问我要要多少年可以进入AGI，其实我也不知道，因为本身工程效率也一直在提升，所以啊，我觉得最重要的还是一个团队的迭代速度。
你第四次创业。对，呃，这次有什么不一样的感受？已经慢慢的理解创业是怎么一回事了。我觉得原来创业可能是一直是以一个外界的标准去评判我自己的成就。那当时以一个外界的标准评判，就是我融了多少钱啊，我做出了多少成就，我的我的估值有多高，或者说我客户有多多少，收入有多少，等等等等等等。啊！可是我觉得我现在可能更是一个以一个自己的一个状，自己去往自己内心走的一个状态，就是我自己怎么做好自己，我们我怎么样子把这个问题思考清楚，我怎么样子把底层逻辑思考清楚，才可以做更深刻，就是更重要的事情。
自己已经慢慢就是通过一个自己的修心的一个状态，可以活活出一个更。更真实的自己，我觉得这是我比较喜欢的一个创业状态。你从什么时候开始休息呢？我从刚刚开始Kuber创业的时候就开始修心了，就是十多年前了。因为我其实我觉得本身创业是非常非常困难的，然后在每个困难的节点，其实对你来说都是一个挑战，都是一个修心的一个过程。
因为其实每个人都是带着自自己的一个主观的一个过滤镜去看这个世界。那其实有的时候。你转念就是你，你当你选择同样的事情，你一个不同的方向去看这件事情的时候，你的世界会变得非常辽阔，哦，我可以给你一个一个比方，嗯，啊，其实我。我自己我是有一个啊非常奇怪的一个病，叫强直性脊椎炎啊。周杰伦也有这个这个毛病，就是我的啊免疫系统会攻击我自己的啊 spine。
对，嗯，然后其实当时我是在我十八九岁的时候，其实就有这个毛病了。然后其实我当时非常怨恨世界，我当时就是觉得啊，为什么我这么我这么我这么不幸运，我这么呃，然后每天都是要活在这个痛苦当中，就是有的时候痛，就是睡觉的时候更痛，就是就很多人就比如说疼痛，我知道睡觉之后我是不痛，我是啊睡觉时候更痛，然后打喷嚏也痛，或者说什么样子，反正就是非常非常难受。
然后啊，当时其实对我来说最大的突破，其实不是说病本质上好了很多，而是我转念了，我就我把这个病痛看成了一个一个experiment，就是我如何能更改我的作息，我如何能更改我的饮食，我如何能更改自己。来，帮他解决这，就是解决这个问题。嗯，所以说，其实我通过了十多年在自己身身体上的一个一个experiment之后，其实我发现了一定的规律，然后我自己也把这个毛病给调顺了，调好了。
所以，所以你是从那时候开始自律的是吗？是是的。然后，其实我觉得创业本身其实也是这样子，就是说，我其实以前一直觉得说，哎，我跟这个投资人聊。然后这个投资人就完全不公平，完全不就不知道我在说啥，那我就会觉得说，这个投资人不懂，我觉得。他很傻，然后我就继续说我说该说的。可是我现在转念后，其实我就发现说，哎，其实投资人的思考维度跟我很不一样。
他们看到所看到的世界是足以我可以去参考的。所以说，其实最近其实。我我近期就其实就有聊一些投资人，其实我就发现，其实我以前无法接受的观点，其实我发现他们给了我很多的新的启发。所以说，在转念过程当中，其实你就会发现这件事情的，对你来说，其实已经没有你以前想象的那么难，或者说这么啊这么让你不开心啊。所以说，把东西变正向的时候，你的世界就会越活越辽阔。
嗯。你刚开始跟我说你会把投资人分类啊？你会分哪几类？就是每个人他们可能他们的啊care的东西不不一样啊。就是有些人可能更care财务，有些人更care技术，有些人更更更care本体，有些人更care中局，有些更care founders等等。其实我觉得啊，这是这是他们的其中的一个一个分析维度。嗯，然后每一个人在这几个维度上面负重都是不一样的。
嗯，对。你现在还会像上一段创业一样，嗯，痛苦的读《沉思录》吗？会啊，我我我还看了非常非常多其他。呃，类似啊，哲学体系的书，西方的《沉思录》和中国的王阳明，和甚至说佛教的体系、基督教的体系啊，其实核心概念其实都是非常非常类似的。啊，其实就是核心概念，其实都是修行。嗯，就是你怎么样子和这个世界相处，你跟这个世界的关系是什么样子？
你是怎么看待这个世界？你是怎么可以转念的？怎么可以让自己活得更好？啊，所以说，当你自己更了解自己，当你自己更了解真实的自己是什么，当你更更了解。这个世界的底层逻辑是什么样子的？其实你就会发现，以前非常内耗的东西，其实都没有必要内耗。你会内耗什么呢？我会非常内耗别人怎么看我。我觉得我是一个有点讨好型人格的一个人。
哦，所以说，其实我就会在乎说，哎啊，我这件事情如果没做对的话，这个人会会不会讨厌我？或者是说，啊，我这个问题没有思考清楚，这个人会不会觉得我很傻？或者是甚至说，有的时候，比如说做一个演讲，然后我就觉得我事后我就看了这个视频，我就觉得，哎，这怎么这样子说？然后会在这里会有停顿。然后其实我就后面就就发现啊，有本书里其实说说的很有意思，他就说，其实这个世界上最在乎你长什么样子的人就是你自己。
嗯，其实其实就是这样。所以说，其实我我我这件事情其实，在。在某个时时间段想通之后，其实我后面就不不怎么在乎了，就是我就觉得，哎，反正我只不过是大家。啊，看视频的两分钟，他看完这个视频，然后就看其他视频了，那就所以说那就无所谓了。那其实对对，其实对我来说就觉得啊，非常非常重要。可是到头来说，其实没有完全没有必要去去想的太多。
你说你现在不是为了证明自己，那你是为了什么创业呢？你的驱动力变成什么了？我是想更好的活成真正的自己。嗯，因为我觉得，我觉得每一个人其实。出生刚刚出生的时候，其实是一个非常纯真、非常啊看山是山的一个状态，就是啊这件事情就是这样子，我就该这样子做。然后呢，在当你慢慢长大的时候，其实你就会发现啊，世俗上有这个规矩，有这件事情不能做。
然后我做了这件事情，别人会笑我，我不喜欢别人笑我。其实有点像是，嗯。啊，Adam and Eve他们吃了那个那个The Apple of Knowledge的一个一个状态，啊，其实我觉得这样子活，啊，就越来越变成见山不是山，啊，所以我是想。活成一个自己随心所欲的样子，我觉，因为我觉得这才是真正的自由。
自真正自由就是你可以选择做你所随心所欲想做的事情，而且而不不不在乎别人的看法。嗯，对。你一进来我就问你。帅哥创业，帅哥作为一个CEO，到底是一种什么样的感受，对不对？那为什么你这么多包袱啊？就是你长得很帅，然后看起来都很好，但是我感觉你比别人更内耗。我觉得我其实也不是特别内耗吧。其实我co-founder Yur其实就跟我说，其实我是一个非常不敏感的一个人啊，所以我觉得。
嗯，没什么问题。然后现在我是越来越不内耗了，所以说我是越来越不care了。嗯，对。然后啊，关于我长得帅这些这个问题，我觉得只不过是我变得更健康了。我觉得其实我觉得人都是这样的，就是你活得越健康，其实你就看起来就越越健壮，然后大家就会觉得可能你的气色或者说你的啊神态更好。我觉得这是我自己越变越健康的一个状态。
嗯。最近这次创业有什么不一样的体验吗？我觉得非常不一样，嗯，因为我觉得这一次其实对我来说，我是非常珍惜这一次创业机会的。因为啊，回到我原原文本身，其实我是非常热爱创业这个行业的。所以说，当你热爱一件事情的时候，其实你就会一直去。想去知道，就是想进步的这些点和其他人对比，你到底能站在哪里？那我觉得，机器人这件事情是一个世界杯。
啊，其实我跟很多人说过这个，就是我觉得世界杯，因为所有的行业里非常非常强的人，其实都在这个这个赛道里。然后每个人其实都有他们自己的战略、自己的打法，而且很多人做的事情，其实我是非常敬佩，我是非常尊敬的啊。所以说，在这个行业里，我是我觉得我是带着一个敬畏心来的啊。所以说我是非常珍惜，所以说我是想好好好打啊，好好做，然后也希望在这个过程当中可以。
活得更辽阔，而且也可以啊，提高自己的能力，把我的匠心，把我的craft给做好。嗯，嗯，这是这是第一吧。然后我觉得可能。剩下我觉得就是这次非常不一样的地方是在于啊问题的复杂性特别特别的高，嗯啊所以说也非常挑战我个人的一个啊方向能力，其实就是某种定义上其实对我来说也是一个更高的挑战，就是我怎么样子在一个非常浮躁、非常困难、非常复杂，而且在技术还没有收敛的一个环境下面能看得清一条路。
啊，对我来说是一个非常大的挑战。可是我非常喜欢，我觉得真的是非常有意思的一件事情。看清一条路，有时候会感觉是迷雾笼罩吗？我觉得一直都是这整个行业其实一直都是迷雾笼罩。嗯，可是如果能在迷雾中探出一条你自己的路，我觉得对我来说就非常有成就感。嗯，你觉得外界对于Dyna说的非常准的地方，说的非常不准的地方有吗？
非常不准的地方就是我们，我们是个deployment公司。我们其实，我我其实从第一天，其实我们就不是一个deployment塑塑像来去啊，来去啊，为核核心观点来做这啊这个公司的。那我觉得说的。比较准的地方是，我觉得我们做的东西是有价值的。嗯，对。你觉得这次创业到什么样的结果你会觉得成功了？什么样的结果你会觉得失败？
我觉得。成功的定义非常难去定，可是我觉得从一个一个公司的角度来说的话，我觉得如果能让每一个人。用上我们的机器人，我觉得这是这是成功的一个点，就是让每个人有这个可能性用上我们的机器人。每一个人对每一个人，我觉得对我来说，我自己定义的失败是我修心的失败，就是如果我真的认为这件事情失败了，那其实我就失败了。
嗯，是一个心理状态。嗯，修心，嗯嗯，哎，你会有什么仪式吗？你日常除了自律，修心是一个长期的一个一个，比如你会冥想这。嗯，其实修心跟冥想不是完全一个体系啊。可是冥想是有会帮助修心，因为本身冥想是可以让你的脑袋静下来，可以好好思考啊，思考啊事情。我觉得修心是你对这个世界的看法，就是每到一个节点，每到一个challenge啊，其实都是有办法去。
去，去解决它的。嗯，那有些办法是可以实际上靠改变其他人和改变世界。去度过难关，那有些难关是你没有办法靠改变其他人和改变世界去改变的。那其实这就是你自己的难关。嗯，如果这是你自己的难关，就是要靠修行去去超越的。你有度过过一个改变自己度过的难关吗？嗯，非常非常多。最近两年吗？有啊，比如说。我觉得其实，在战略迷失的时候，其实对我来说就是一个非常大的一个挑战。
嗯，就是我当时想都想不出来。去年底吗？对，去年底我当时我觉得我就想都想就想都想不出来。然后就是团队就会觉得说：“哎，那其实我们在做，我们在往哪个方向走？”然后后面，其实我是放下了一些心里的包袱，或者说干扰我的一些噪音，然后才能真正让我可以用非常清澈的。一个思考维度去解决这个问题，我觉得很多时候其实不是，其实很多时候解决一个问题不是靠你工作时长，因为其实我是从投行走走出走过来的，其实一周工作一一百到一百两个小一百二十个小时，其实当时是一个常态。
可是其实我发现很多时候。你是靠时间是堆不出来的东西，是需要换一个思维模式才能解决的。嗯，你是通过屏蔽了很多噪音，扔下了很多包袱。对，你的包袱是什么呀？要做一个不犯错的CEO。的包袱，嗯，就是我，当时非常怕犯错，因为其实我我也算是成功过一次的创始人了，所以其实我当时对自己的包袱其实就是我不能犯错，因为大家其实都是冲着我的经验来的，啊，可是当时我觉得。
在这个包袱下，反而让我我的很多决策变得非常的不明智，或者说甚至是就是为了不犯错而做的决策。那我觉得为了不犯错而做决策，其实本质上就不是一个好的决策。对，我看到你之前说过一句话，你要证明自己不是昙花一现的。是对，这是我以前的包袱。嗯，你现在还有这种想法吗？没有。嗯，其实那是一个自我证明式的想法。对，而且这是这这是一个外界对对你的评判的一个想法。
嗯，可是我觉得外界对我的评判现在不重要哦。所以你是在去年底度过了这个心理状态。感觉去年底对你来说很重要。去年底，去年底今年初吧。我觉得那时候度过这个状态，其实我是真的，我我其实我当时度过这个状态之后，其实我是发自内心的。感恩，就是我第一个，就是度过之后我第一个，嗯，对我影响非常大的一个情绪，就是感恩。
啊，因为当时是感恩我的老师啊，感恩我的团队啊，感恩我的妻子、我的孩子。嗯，因为其实，在那个状态下，其实他们是力挺我两个连创啊，他们是真的是力挺我到头的。所以说，其实我就觉得说，哎，我作为一个CEO，其实我。我本来是为了不能犯错而做了很多错误的决策，可是你们还愿意，啊，包容我，然后还就是而且还同样的在扶持我。
把这件事情完成，所以说我当时是特别的感恩，所以这个状态对我来说，现在对我来说是一个非常好的一个状态。你去年做了什么错误决定？我觉得其实就是战略战略方向其实不是非常清晰，然后对公司的文化，我觉得也没有花特别多的时间去去打理公司的文化，所以说，我当时就觉得团队。的凝聚力不够啊，然后导致啊，我们需要办的一些项目也好，需要做的一些事情也好，其实当时做了一些比较错误的，也不是说错误的技术选择，就是我觉得不够第一性原则的技术选择，浪费了团队的一些时间。
这跟落地和research是有关系吧？就是这个二选一的选择没有特别大的关系，而是就是我们在战略的下一步，嗯，就是其实我我这样子说吧，就是我觉得我们在战略的下一步没有思考好。然后就去开始跟，就是看别人在做什么，然后我们也觉得，哎，我们要去赶上，所以说缺乏了自己对市场的判断和自己的第一性原则思考，所以说导致其实团队是是在一个飘动的一个情况下，就是大家出了这个，我们就要去看这个；大家出了这个，又要要去看这个，就是被带来带去带的非常难受，所以说一直是在一个被市场和被市场带节奏的一个状态。
然后，其实当我们真正找到了自己最本质的东西，对我们自己非常自洽的一个方向的时候，然后整个团队就开始收敛了，然后就变成了一个非常非常稳定，然后一个 momentum 特别特别强的一个团队。嗯，这个过程本身是一个，是一个大家。在一起的一个状态，嗯，啊，就是说，我觉得有一些关自己心里的一些关，其实是需要别人帮你一起渡过的。
每一次每个人进入一个难关的时候，其实都是你自己认知的天花板。那这个天花板在天花板上面的东西到底是什么？其实你是不知道的，因为是不是在你认知范围之内的。嗯，所以说当。然后有有一些时候我是通过自己去突破的，然后有些时候非常非常难，啊，是需要通过别人的一些提醒和意识去去突破的。所以说那时候是是身边有老师，身边有非常爱我的人啊，就是爱我的团队和啊等等在一起，我们我才知道说，哎，这条路应该应该这么这么走。
嗯，哎，我觉得念头是很容易发散出去的，念头怎么收回来？你有学会吗？我觉得我可能还没有达到一个境界，是我可以非常简单的用语言去描述啊，嗯，我对这个世界的改观和理解。可是我觉得念头的源根源啊，可能就是你对这个世界是否能为这个世界发出善意。嗯，我觉得，如果说你一直是从一个以人为善的一个角度去去走这条路的话，我觉得你可以走很远。
可能说的有点抽象了，就不是在证明自己的某种ego，对，就真正去了解自己，真正去了解。我自己到底是什么样子的一个人？就是见山是山和见山不是山的一个状态是什么样子的？然后渐渐把这个迷雾给打开，然后渐渐去发现最最最纯粹的自己是什么样子的？我觉得这是一个，嗯，这是一个心境吧。嗯，对，今年变化了，对我今年是有非常大的变化，经历了一次内心的脱胎换骨。
对，嗯，这个对创业者来说是不是很常见？常见嘛，就是在创业的旅途中，不断的看见自己，然后做出改变。啊，我觉得这是这是一条道，这是每个人都有自己的道路，而且这条道路是他们自己最向往的一个方向。有些人的方向其实就是物质层面上层面上的一个成就，啊，其实有些人可能就是一个内心上面的成就。可是我觉得啊，最本质的其实每个创业者其实都会遇到难关，在他们遇到难关的时候，他们去怎么解决这个问题？
啊，是通过改变这个世界去解决这个问题，还是通过改变自己去解决这个问题？其实每个人都有自己的一个一个走法。嗯，我觉得本质上面来说。我觉得可能在如果是通过改变自己、改变自己的念头和改变自己的一个对这个世界的过滤镜来行走这条呃创业道路的话，我觉得会更长久。嗯，因为我觉得创业是一场。是一个非常非常长长的一个过程。
嗯，在这个长跑赛中，如果说你没有办法更好的提高自己，把自己自己做的事情越做越坚定，啊，我觉得是非常难。就就所谓的内耗吧，就是你你精神是没有办法支持，你是没有足够的体力可以跑跑完这。啊，这个这个马拉松的，嗯，而且这个马拉松它不一样的是在于你不知道终点在哪里。对，所以说你就是一直在跑，就是你对，所以说这也是可能是更你说的是非非常非常对，就是这是更困难的一件事情。
当你不知道你要跑多久，然后你还一直在这这条路上跑，而且你你也完全完完全全看不到终点，也不知道终点在哪儿，也不知道前面那条路是什么样子的。嗯，那您那时候怎么样子稳定自己的心态去继续跑下去？我觉得这是每个创业者至少在机器人行业上面需要面临的一件。是是的，我感觉好像你开始跑的那一刻反而没有那么难，对。但是你到旅途中间，嗯，看不到终点，也看不到四周的时候，是最痛苦的。
对，是的，但是你知道去年底才创业一年多，为什么这么快呢？这个社会来的难关本身其实跟时间不是一个绝对的一个关系，嗯，而是在于每一个人可能在每一个节点上面都有自己的难关，而且在每个不同的时段也都有，嗯。有些难关可能他们选择不说出来，或者说有些难关其实觉得其实本身也不是特别的严重。那比如说我我我我度过这个难关，可能从外界世界来说其实不是一个。
不是一个 big deal，只是一个非常简单的一个一个战战略模式改变。可是当时可能在当时的精神状态下和我自己的一个对世界的认知的一个情况下面，其实当时对我来说就是一个非常难难的一个难关。那我，而且我度过这一次难关，其实并不代表我以后不会度度过难关。所以说，我觉得，呃。其实每个人其实都在渡难关，只不过是他们自己怎么对这个难关的一个一个认知吧。
哎，那假设如果你这次创业不如你上次创业的结果，你会怎么想？其实我觉得还是一样，就是放平心态，就是本本质上我是来赢的，就是我是希望好好打这场世界杯的。那我觉得我打出了我自己的风采，我打出了我最纯真的自己，我打的尽兴，我其实我就觉得已经非常开心了。嗯，因为其实我觉得人生其实你不能一直都是。看着终点，因为其实你看着终点，你就永远无法享受这个过程。
其实我觉得人生我们一直都是在旅途上面，在每一个节点只不过是一个 checkpoint，而不是你的 goal 啊。所以说，如果说你没有办法享受这个旅途，你只想一直一直往这个终点看。那我觉得你会觉得这这段旅途是非常煎熬的，啊，可能这也是我我可能就是我在转念之前的一个一个看法，我就觉得这条我就一直往着这个结果看，我就一定要做出这件事情来，我就一定要怎么样怎么样。
其实我就反而就觉得让我。不是非常 enjoy 这个 process，所以说我现在其实我现在的思维是非常不一样的。嗯，掉进一个坑，爬出来，再掉进一个坑，再爬出来，其实就这就是我觉得很多创业者需要经过的一条路。嗯，最后几个欢快蛋。好的。嗯，一个全球范围内你喜欢的食物，我觉得如果就说一个的话，我就说福州的拌面扁肉吧，这是我家乡的东西。
一个全球范围内你喜欢的地点。我觉得我老婆和孩子在的地方，我都喜欢。你小孩多大？我有三个女儿，啊，一岁、两岁、三岁。哦，那你结婚很早啊？没有啊，我是三十岁的时候结婚的。一个少有人知道但必须知道的知识点，可以是一个冷知识。修心算吗？我们的每位嘉宾都会给我们的观众朋友们推荐一本人生的必读书，希望他是真的对你人生产生过影响的。
那就是人生只有一件事。你心目中影响机器人进程的几篇论文？我觉得是Jason的Origam啊。其实这篇论文本身其实重新定义了机器人如何未来自我学习的一个形态，然后同时也是我认识Jason的一个一个主要的论文。嗯，基于你当下的认知，一个关键的重要的Bet是什么？就infrastructure吧，嗯，你们花了很大的精力做这个是吗？
基础设施啊，很重要，因为其实它你的模型迭代的速度和你模型在scale up的范围之内，其实我觉得都是非常重要的，嗯。我们工作室叫做语言及世界工作室。当你第一次听到这个名字的时候，你在想什么？从机器人角度来说的话，其实就是啊，机器人感知这个世界其实就是通过语言和视觉。所以，其实对我来说，两个模态都是非常重要，对机器人来说都是最重要的模态。
嗯，世界就是vision。对世界就是 vision 和 physics property 和 every all the sensory inputs，嗯，然后语言就是对机器人的对这个世界和语言的一个认知，把语言变成 action，嗯。