详情

　　王建明：没碰到什么坚苦，由于很是随性，叫“笔记”其实就是由于这只是工做或进修过程的记实，没有什么等候，所以没有什么坚苦。

　　能够先正在大的创业公司里面，去把需要堆集的资本给堆集下来，好比人的资本、创业的小伙伴资本、投资人资本，包罗整个行业里面合做伙伴的资本，同时堆集对于创业这件工作的认知。

　　王建明：我本人对于机械人的理解是有基于前一波的机械人的投资和察看的，这个经验对于现正在去看机械人也会有一些指点。

　　别的是这个方式能处理什么现实问题，好比客岁采访的 UMI 的工做，它从硬件的布局去做相对应的方式，虽然没那么难，但提出了一个很好的处理数据采集的方式，能够实的处理行业内的某个问题，虽然可能早一点、晚一点城市被人提出来，但他们就是第一个提出来的，操纵手持夹爪的结尾轨迹来锻炼机械人，既能够很便利的处理实机结尾施行器的数据稀缺问题，又正在最终使用角度对行业有庞大贡献。

　　王建明：从动驾驶其实是车厂的生意，终端的形态是极其之固定的，就是一辆汽车。正在终端场景上的电动汽车，其实是产物上的立异，这个工具跟算法不妨，是从机厂的生意。

　　但现正在大师发觉这个体例采集数据的量、效率，包罗质量都是有问题的。像本年世界模子也比力火，那它焦点点就是做了数据生成式的工具，想通过生成式的工具来处理数据问题。最初是人的数据，维度还挺多的，包罗人的形态的数据、人的视角的数据等等。

　　王建明：大师是到了一个节点，认为这个行业进一步鞭策的卡点就正在于数据，所以大师都是要先处理数据的这个问题，处理数据问题会有分歧的角度和逻辑。

　　早正在具身智能成为本钱热词之前，英诺王建明就曾经踏入机械人赛道。据科技财产投资平台华芯本钱统计，正在一级市场，2025 年前七个月，具身智能行业总融资金额跨越 300 亿元，正在 2024 年上半年，这个数字还只是 75 亿元。本钱狂欢的背后，却难掩数据窘境。

　　王建明：我会从我看论文所发生的问题去发问，由于我本人也不是学术布景，也不会问很是专业的问题，而是从比力容易理解这个工做的点来问的，所以问题比力通俗，受访者的回覆也会比力照应我，会简单的注释一些专业问题，因而写出来的内容对于非手艺布景也比力容易消化。

　　王建明：起首是由于 23 年成立的第一波公司，曾经到了相当高的一个估值，所以资金量的需求就会大良多。其次是由于市道上又呈现了良多新公司。

　　AI科技评论：现正在具身智能良多家企业都颁布发表本人有落地场景，就您小我察看而言，现正在具身智能的落地的现实环境事实是怎样样的呢？

　　王建明：焦点问题仍是数据，数据问题被处理之后，可能又出来其他的问题，好比说模子布局、算法径。只是可能婚配到响应的数据之后，算法径也会更清晰一点，正在响应能成的算法径上，判断模子的框架要不要被点窜，有了更合适的模子框架，最终回四处理到这个行业的问题，靠得住性。

　　王建明：行业款式这个挺难判断的，可能会有良多个使用场景，每一个使用场景可能会有一些做的比力好的公司。

　　这有点像昔时苹果手机研发，若是其时没有苹果手机无按键的形式，那可能我们现正在还正在用按键手机。其实机械人现正在也是差正在这个环节，机械人的产物形态其实跟班动驾驶没什么关系，仍是需要一个有着极致产物和布局先天的人去鞭策。

　　数据这个生意得要想得透，若是数据本身采集的壁垒很低的话，那良多做场景的公司依托本人的数据采集设备来搞就好了。若是数据采集的壁垒比力高的话，好比一套设备都几百上万万，还要很大的量，那这个必定就是壁垒。做一个数据公司是不是就能够给行业带来良多的贡献？顺着这个角度去阐发，就会发觉必然会无数据公司的生态位正在的。

　　王建明：像我们做晚期，维度起首次要是看这小我本身，他做为创业者的一些本质和他本人心里深处的关于创业这件工作的一些设法。第二点是他现正在选的这个标的目的，通过跟他沟通为什么要做这个标的目的，往来来往领会他本人思虑问题的过程。第三点是创始人他过往的布景，现正在想做的这个工作有没有脚够的支持。最初是他想做的这个工作他怎样去做，是不是和我的认知有共识？。

　　若是拉长周期来看，现正在的创业公司可能最终的成功率是百分之个位数的，意味着大大都公司后面会挂掉。这就是任何一个行业的纪律。百分之个位数的数字，次要是由于基数比力大，现正在跟具身智能这个标签相关的公司，该当有几千家了，并且还会持续有新的公司出来。

　　王建明：世界模子的定义很广，若是笼统出来它的一个定义，就是基于当下的察看，引入一个个影响要素，它去预测下一步的工具，下一步工具可能是下一帧的视频生成，能够是下一帧机械人动做的预测。定义是很广的，分歧的人脑子里的世界模子也纷歧样。

　　可是具身智能这个标的目的，它的手艺立异性持续的呈现，并且本身手艺难度很大，良多个环节是需要有冲破的，终极的想象空间又是庞大的，所以整个赛道的厚度和大师对它的期望值是极限的高，泡沫的生命周期也是预料之外的长。

　　别的正在系统层面，更多的是嫁接软件和硬件，现正在有良多纯真做算法的一些团队，但我小我不会感觉纯真做算法可以或许把整个机械人系统做好，由于它离硬件和最终的产物距离有点远。机械人系统其实就是链接软件和硬件的，必必要有很好的对硬件的理解、硬件的适配，以及很好的算法能力，互相需要稠密的互动，最终才可以或许把整个机械人系统做到完满。所以我对于软硬解耦这件工作没那么相信，特别是一些纯真做算法的公司。

　　处置机械人的人脑子里的世界模子必然是有物理的，有三维的。现正在良多创业公司的世界模子只是一个视频生成的工作。

　　王建明：落地的现实环境是该当还没有什么落地。若是落地是说机械人能够做一些表演之类的，它是有落地的。但若是是从我们糊口中问题的处理来看，其实现正在的机械人并没有处理，至多我们正在糊口中没有看到任何的具身智能机械人。

　　王建明：他们是最接近具身智能的一个形态，也是一个物理 AI，也有一个现实的载体，所以他们过往的一些经验确实是很值得参考，可是我倒感觉最终能做成功机械人的仍是机械人行业内的人。

　　而投资人，我所正在的投资机构英诺基金次要是投晚期，所以我们的焦点是环绕着人的布景，创始人对创业这件事的理解，他为什么想现正在这个时间点创业以及他看到的机遇是什么等等这些方面去领会。

　　王建明：我不太会做这种预测，可是从本年的察看来说，仍然有大量的很是优良的人，持续跳到这个行业里面来创业，我们是看晚期的第一轮，所以可以或许发觉持续有良多项目出来，并且感受本年仿佛比往年都多。

　　王建明：石麻笔记我一曲是业余时间做的，一般是晚上 10 点之后和周末的时间点来拾掇或者采访。

　　现正在的具身智能，也需要借帮机械人的外壳去实现它的 AI 能力，再从最终交付的产物上来说，也无外乎是一个机械人的产物。

　　王建明：必定是会的，焦点的点就正在于，正在投资的时候会晤对一些泡沫，本来这个项目不消那么贵，但由于有人争抢，所以估值就会高一点。

　　王建明：本年其实是投了不少项目，我一般会阶段性的去找侧沉的标的目的看，好比 23 年就会沉点看一些具有好的学术布景的人，以及用 Robot learning 的体例来做机械人节制，特别是可以或许做机械人基座模子的那类公司，23年我其时聊了良多第一轮的公司现正在涨得都很是好。

　　王建明：能够想象一下将来的机械人行业，它跟班动驾驶和现正在的大模子都纷歧样。从动驾驶它的数据出产的过程是能够强烈的依托正在本体的，这个也是为什么像客岁 VLA 很火的时候，大师是用仿照进修，所以大师会感觉我归正有大量的本体，把本体布出去，通过本体来采数据。这个径就是典型的从动驾驶的思，就是通过遥操设备去采集数据。

　　从 2017 年到现正在的 2025 年，她几乎了这个行业从默默无闻到名扬世界，也比任何人都清晰，若数据难题不处理，再高的融资额也难以支持行业走得久远。

　　这份，源于一曲正在做的 “石麻笔记”，最后她只是想随手记实工做中接触的手艺消息，不曾想，石麻笔记遭到了越来越多业内人士的关心，也正在潜移默化中改变着她对机械人行业的认知。

　　王建明：本年世界模子是比力火，我没有做过很全面的关于世界模子的采访。我起首强调一下，我也不是那么懂世界模子。可是我之前有采访一些机械人范畴学者，他们确实是世界模子的者。

　　英诺基金施行董事、石麻笔记从理人王建明也将莅临 12 月 13 日的《世界模子》论坛，她是数据专场的，也是圆桌勾当的掌管人。欢送点击文末“阅读原文”或识别海报二维码，报名参会，相约 GAIR 2025 ~。

　　每晚 10 点，城市渐入静谧，英诺基金 ED 王建明的 “专属写做时间” 才方才；周末的光阴，也早已被她固定分派给了采访取写做。

　　去做落地的时候，可能有更多问题。所以整个环节问题有太多了，很难去对标到已经的 Chatgpt 级和 L 级，由于整个机械人系统的复杂度是远远高于狂言语模子和从动驾驶的。

　　本年我有一个遍及的感受，本来 2023 年其时的良多项目标第一轮是正在两个亿人平易近币摆布，本年好一点的具身智能公司，第一轮根基上都是 5 个亿人平易近币了。其实这些项目回到 23 年，估量可能也是两个亿人平易近币，能感受到估值的溢价。

　　王建明：从贸易模式的角度来说，大师城市质疑正在中不会无数据的生意的模式存正在，由于过往并没有很成功的数据公司。可是若是不从这个维度思虑，而是从具身智能本身行业的卡点来思虑的话，那数据这个问题它值不值得被处理？而且处理这个问题的公司是不是有一个贸易生态位？从这个角度去思虑，谜底是必定的。

　　王建明：我其实没怎样系统地看过从动驾驶，若是要类比的话，其实良多都是固定法式编程，把道上的良多环境都模仿出来，然背工工的编一些法则，让它去遵照这些法则。

　　王建明：做为采访者，我会想为什么会往这个标的目的去做，这个标的目的必定有本人的一些局限性或者过往工做没有处理好的问题，相当于这个工做的起因。还会侧沉于工做中会用到的一些方式，正在方式上有一些比力大的立异，或者另一些工做会沿用焦点的思惟和方式，好比石麻笔记的 Human Data 系列，良多都是正在 DeepMimic 这一套思惟的根本长进行微立异。

　　这就跟保守机械人差不多。像现正在的割草机、泳池、清洗机械人，以至扫地机，它的智能化程度也是够的，那我感觉这些机械人是不是能够说成是从动驾驶的 L1 和 L2？

　　王建明：仿佛客岁就有听到，到了 25 年，可能具身智能赛道就会转冷，但现实上本年又上了一个高度。投资行业是一波一波的高潮，若是按照一个一般的行业来看，会有一个周期，大要到了一个时间点的头部构成，整个赛道就相对来说降温了。

　　到了 24 年就会侧沉去看有使用能力的公司；到了本年关心点则回到了双脚人形的一些工做，能够看到我本年一全年的工做都是跟双脚人形相关的。

　　当下确实太多的公司正在这个行业里面了，将来不管是从营业落地，仍是从融资，仍是从生态位各方面来说，城市有良多挑和的，这个时间不会是短期的，可能得等这个赛道的融资遇冷之后，才会出来问题。

　　虽然存正在着一些随机性，但我认为最焦点的点是由于具身行业的数据问题越来越严沉，怎样去处理数据问题变得非常的火急。所以我现正在比力关心怎样操纵现成的数据也就是人的数据 Human Data 去处理这个问题，过程中碰到的鸿沟可否用什么数据或方式去弥合。

　　这个赛道有良多刺激要素，好比我们阶段性地看到了良多海外公司很厉害的冲破或进展，或者一些政策性的刺激，也能看到听到 Elon Musk 之类的大佬他们对这个赛道的一些预判，这些城市构成刺激，并且这些刺激是一波一波的来，每一次刺激都比上一次来来得更强烈一些。刺激要素一曲正在的话，大师就一曲会敢投，并且本年也确实看到了一些进展。

　　AI科技评论：本年具身方面的投资出格火热，经常呈现抢项目高估值的环境，这种环境会不会给你们判断投资带来坚苦？

　　王建明：其实我正在关心具身智能之前就曾经正在写石麻笔记了，我一曲会对本人看的标的目的进行梳理，好比看SAAS的时候就会有一些手艺向的工具也会记实下来，所以机械人的焦点点也会梳理，好比具身智能的脉络、机械人创业者的堆积地、还好比良多打过机械人角逐的创业者，谁先把工做做出来，这个也需要梳理。

　　从动驾驶行业他们有过往的一些经验，能够告诉具身行业里面的人要避开的坑是什么？从动驾驶对靠得住性和平安性的要求是比力高的。可是现实上机械人进抵家庭里面，不管是产物的复杂度，仍是动做的维度，仍是指令的复杂度，它对于平安的需求都是远远高于从动驾驶的。

　　虽然可能不情愿推进的项目也会有一个好的表示，但这个工作能够拉长到结局来看，现正在付出的勤奋和时间是不会白搭的。其实我跟良多行业人士交换的时候，大师都有有一些小范畴的共识，这些共识不见得每一个投资人都有，这就是正在交换过程中的认知差别，所以这些对我的帮帮常大的。

　　由于现正在具身行业对于良多年轻的创业者来说需要去合作，良多项目标创始人布景很好，可能要花大量的时间和气力去跟他们去 PK，拿投资人的钱。取其花这个时间，还不如先堆集资本，期待这个行业的下一个拐点。（雷峰网）。

　　整个行业的风险是，现正在良多成立两三年的公司也正在本钱化，从投资人的角度来说，只需他正在二级市场上市了，至多阶段性的流动性就可以或许被满脚。只需行业没有一会儿垮掉，从收益的角度仍是能够的。所以这也是为什么 23 年出手早、出手猛的投资人其实是能够赔到第一波收益的。

　　别的，不管是 AI 1。0，仍是从动驾驶，仍是大模子，其实中都城是跟从者，可是具身智能这个赛道有可能成为引领者，好比数据范式被引领者测验考试出来之后，后来者有一个成功的径能够去参考。所以正在具身智能这个行业做为引领者是需要正在数据上做一些引领的。正在中逛会有像数据公司存正在的，也可能会有一些根本设备的公司存正在，上逛的话可能有良多的硬件的零部件公司。

　　王建明：由于正在一个创业公司里面，是能够跟 1 号位比力接近的，能够侧面察看到创业的一些工作，把这个认知堆集下来，同时再去加深一些对于这个行业的思虑和察看，然后期待你可以或许把本人想要处理的问题给处理了的阿谁时间点的到来。

　　AI科技评论：本年有良多创业者进入了机械人数据这个赛道，您是怎样对待这个现象的？这背后有什么缘由呢？

　　其实现正在具身智能的创业者都是有很好的布景，我们常常会筛选的目炫狼籍，至多我本人正在内部推进项目标一个焦点点就是，他正在这个阶段或者将来两三年之内会不会成为这个行业的冲破圈，或者是进一步往前往鞭策的一个焦点价值贡献者。

　　具身是一个比力前沿的手艺，手艺的具有者大部门都正在学术圈。并且手艺一般都有多个手艺径，每个手艺径上都有一些阶段性的冲破，正在梳理的过程中也会比力关心当下的手艺冲破，对一些有影响力的论文去做一些科普采访。

　　2025年 12 月 12-13 日，由 GAIR 研究院取雷峰网(号：雷峰网)结合从办的「第八届 GAIR 全球人工智能取机械会」，将正在深圳南山·博林天瑞喜来登酒店举办。

　　若是是从最终使用的角度来说，现阶段需要去考虑的是处理行业痛点，此中硬件就是一个很大的卡点。硬件涉及到本体和上逛的零部件，那上逛的零部件从结局的角度来说，它实正的焦点的价值点又正在哪里？其实也不只仅限于正在关节模组本身，那可能是更上逛的一些零部件的实正冲破。

　　回到机械人的形态，能想象到终极的机械人形态是什么吗？其实想象不到的。所以这个过程中需要一个很是有产物、硬件、布局设想先天的团队去冲破它最终可以或许进入糊口中的形态的问题。

　　王建明：具身智能现正在还太晚期了，太手艺向了，对于良多标的筛选是需要有一些手艺标的目的的预判，不太像纯真做一个很成熟的手艺径下的产物立异的项目，这个就更多看施行力。而具身智能需要有一些你对于手艺径的预判，然后去筛选你认为可能对这个行业的成长有焦点鞭策力的一些项目，大师把这些问题都逐渐处理的过程中，才有落地的可能性。

　　之所以一曲持续去做的缘由就正在于，它正在持续地改变我对于这个行业的一些认知，这个改变是潜移默化的，不是说我采访了某一篇工做间接就对整个行业的认知就改变了，而是每一次的采访、每一篇文章的梳理城市慢慢改变我对这个行业的一些认知，特别是对前沿标的目的的判断。

　　AI科技评论：做石麻笔记的过程中，有没有哪些具身的行业概念或认知，是通过和写做后发生式改变的？

　　本年大会，将开设三个从题论坛，聚焦大模子、算力变化、世界模子等多个议题，描画 AI 最前沿的摸索群像，折射学界取财产界共建的智能将来。

　　王建明：要看他做的数据是什么类型的数据，以及他可以或许给客户供给的数据维度是什么。若是它本身供给的数据的采集难度很大，并且供给的价值链条不只仅是采下来的数据，还涉及到一些算法，以至涉及到模子层的一些工具，那这个工具的价值贡献还蛮大的。

　　若是是的话，我会比力情愿去鞭策，若是不是的话，可能相对来说就没有那么情愿鞭策。每一小我去筛选哪些项目要去鞭策都有本人的尺度，可能其他的人会有别的的一些思虑，特别现正在有良多很好布景的人去做具身的创业，若是没有本人的一个尺度的话，很容易筛选的目炫狼籍。

　　值得推敲的是为什么正在过往的从动驾驶行业和狂言语模子行业，中国没有培育出来响应的数据公司，可能是由于中国大厂太强了。可是机械人它临时还没有一个很明白的终极使用场景，谁能够做成比力强的大厂，我们现正在还不晓得。

　　AI科技评论：现正在有很多多少投资人都说现正在具身里面有很太多泡沫了都不敢投，那您感觉现正在还适合投吗？

　　我不是学术布景，同时对具身又很感乐趣，很猎奇落地鸿沟正在哪里？离落地的距离有多远？手艺所创制的价值是什么？从这个角度去跟有影响力的教员做一些，将论文以通俗的体例注释出来、科普出来。并且也能跟做者成立一些联系，良多手艺立异的创业者都是来自学术圈，成立了这些联系，也便利后续去跟进他们的创业项目。

　　像公司楼下半身倒咖啡的机械人，它也不是具身智能机械人，只是用保守的节制体例往来来往做的机械人。阿谁很早就有了，我们之前投过的镁伽机械人，他们就有这个产物。

　　王建明：这个见仁见智，仍是得回到筛选项目标尺度是什么？若是现阶段是可以或许处理这个行业价值卡点的一个工作，那就成心义做。对小我来说最大的风险是你投中的公司最终都没有跑出来，而跑出来的公司你都没有投中。

　　王建明：我其实不那么相信只需要做机械人的系统和软件，我感觉可以或许实正的把机械人做好的，必然是同时具备硬件的能力、系统的能力、软件的能力以及算法的能力的公司。

　　良多人没有想到，这个赛道的火热从 2023 年上半年起头一曲延续到了本年下半年，持续了三年的时间。每到岁暮，大师就起头感觉这个赛道会变，比现在年良多人就说，来岁岁首年月或者来岁上半年这个赛道可能会变。

　　王建明：现阶段的一些交换不必然可以或许通过投资表现出来这个认知的价值，但通过时间的慢慢堆集我相信是能够表现出来的，由于投本钱身就是一个长周期的闭环验证，并且现正在具身智能处于一个泡沫之中，不管是什么样的项目都能够有一个比力好的融资，这意味着我通过本人的过程中堆集出来的敌手艺径或贸易模式的认知判断，能够筛选出我本人情愿推进的项目和不情愿推进的项目。

　　王建明：任何时间都不晚，但确实从融资的角度或者从生态位的角度来说，要面对一个问题：若是要卡一个比力好的生态位，这个时间点出来感受是会有点晚。可是仍然能够做一些工作，好比能不克不及鞭策整个行业的焦点价值贡献？例如数据问题。别的，这个时间点其实有良多做细分使用的公司出来的。

　　现正在通用机械人的手艺，其实正在处置适才说的场景上，可能还赶不上过往的手艺。大师都喜好去对标现正在是 Chatgpt。几的时间或者从动驾驶 L 几的时间，我感觉不太可以或许去类比，焦点仍是回到机械人本身的手艺栈，它现正在的问题是什么？问题被处理的可能性是什么？