外行才敢颠覆硬件
学软件的团队8个月做出本体,什么都敢改,反而比老师傅更快
智能定义本体,大脑最重要
既做大脑又做本体,先做硬件再迭代大脑,靠数据回传进步
自动驾驶的教训是拿不到数据
软件供应商飞轮跑不起来,所以具身必须自己做整机承接数据闭环
具身还在innovator阶段
渗透率仅2-3%,今年进early adopter,靠训练场搭桥跨越鸿沟
具身不会有GPT时刻
它在工厂干活是to B线性渗透,不像ChatGPT一夜引爆全世界
大脑越用越值钱,硬件越造越便宜
所以两个都要做,一边降本降门槛,一边提升大脑价值
暴涨期的市占率是永恒的
跨越鸿沟后200%增速持续三五年,get big fast抢到的就是护城河
迭代是唯一的护城河
高速创新行业停两天就落后,星海图的基因就是学习和迭代
具身不在大厂射程之内
供需两端都无法降维打击,基础模型起点相同,无人能垄断劳动力
赚不到认知之外的钱
徐新最大遗憾是字节早期没投,张一鸣要价70亿美金她没看懂
人的天性就是懒惰
铃木敏文的这句洞察让徐新重仓美团,外卖养成习惯就回不去了
泡沫没什么了不起
网易新浪搜狐揣着近亿美金活下来,三年没对手;能融钱就融钱
home run强度比频次重要
一期基金固定投中四个,关键是double down赢家拿8到10年赚复利
这次真的不一样
前几次革命只是工具和连接,这次AI直接把人换掉,一年涨十倍
“改变一个行业的往往都是外行。”
为什么非共识 · 多数人以为搞硬件要老师傅的深厚积累,徐新说恰恰是初生牛犊般的外行什么都敢改,反而更快改变一个行业。
“具身智能渗透的方式，不是 GPT 那种方式。”
为什么非共识 · 多数人在等具身的ChatGPT时刻一夜引爆,高继扬说它在工厂里干活无法被全世界瞬间感知,是to B的线性渗透。
“学得越多越聪明，而不是传统的造得越多越便宜。”
为什么非共识 · 传统制造业逻辑是造得越多边际越便宜,他说具身的内核是大脑预训练——学得越多越聪明,是完全相反的价值增值方向。
“具身智能其实不在任何大厂的直接射程范围之内。”
为什么非共识 · 常识认为大厂有流量和资金必然碾压创业者,他说具身在供需两端都无法被降维打击:基础模型起点相同,也没人能垄断劳动力。
“我经历过很多次 bubble，觉得 bubble 其实没什么了不起。”
为什么非共识 · 多数人把泡沫破灭当灾难,徐新说泡沫里融到钱的公司三年没对手活下来,破灭反而是加仓拿长的最佳时机。
“能融的时候必须融，而不是等你需要的时候再融，因为你需要的时候市场可能已经变了，你就融不到了。”
为什么非共识 · 常识是需要钱时再去融,徐新说等你需要时市场可能已经变冷,必须在贪婪当道、能融时就把粮草备足。
“我的风险不是死掉，我的风险是可能因为精力的错配，错过一些重大的机会。”
为什么非共识 · 多数创业者最怕公司死掉,高继扬说自己公司大概率不会死,真正的风险是精力错配、像OpenAI没抓住coding那样错过重大机会。
“你投更多的项目、招更多的人，其实没有用，反而更糟。”
为什么非共识 · 多数VC靠广撒网提高命中率,徐新说home run频次固定靠运气,多投只会稀释精力,真正该做的是在赢家上double down。
大家好，我是李翔，欢迎来到高能量。这一次我们请来了两位嘉宾。一位是具身智能公司星海图的创始人高继扬，另一位是今日资本的创始人徐新。
高继扬有着典型硬科技创业者的履历：本科读的是清华大学电子系，博士到美国南加州大学读计算机视觉，毕业后先后在谷歌旗下的无人驾驶公司 Waymo 和国内头部无人驾驶企业 Momenta 工作过，2023 年创办了今天的具身智能公司星海图。
徐新女士我相信已经不需要过多介绍，她有一个称号叫风投女王。在消费互联网、移动互联网时代，徐新和今日资本投资京东、投资美团，包括投资 BOSS直聘的故事，已经耳熟能详。很多人可能不太熟悉的是，她其实也一直在看具身智能公司、人工智能公司这些硬科技公司，星海图也是其中一家被投企业。
今天这个对话会非常有意思，因为其中一位嘉宾是年轻的明星创业者，另一位是曾经历过技术周期和商业周期的明星老牌投资人。我非常希望今天我们之间能有很多碰撞，也许过了几年、甚至很多年之后，大家回头再看这个对话，仍然会认为它是一个标志性的访谈。今天这个时间点也非常有意思，因为大家都知道，今天具身智能包括人工智能已经非常非常滚烫，甚至很多人已经开始谈论泡沫了。
先问一个问题：你们两位是怎么认识的？在什么场景下、谁找的谁、对彼此的第一印象是什么？
大家好，我是李翔，欢迎来到高能量。
然后这一次我们请来了两位嘉宾，一位嘉宾是聚生智能公司星海图的创始人高继阳。
然后另一位嘉宾是今日资本的创始人徐新。
然后季阳其实他有着一个典型的硬科技创业者的履历。
然后本科读的是清华大学电子系。
博士到了美国的南加州大学，读的是计算机视觉。
毕业之后呢，先后在谷歌旗下的 Waymo 就做无人驾驶的公司。
和国内的头部无人驾驶企业 momenta 工作过。
然后他在23年就创办了今天的具身智能公司星海图。
然后徐欣女士，我相信已经不需要过多介绍。
就她有个称号是风投女王。
就在消费互联网时代，就互联网和移动互联网时代，就徐新和今日资本投资京东，投资美团。
包括投资 boss 直聘的故事已经耳熟能详。
很多人可能不太熟悉的是徐新，她其实也一直在看巨声智能公司、人工智能公司，就看一些硬科技公司。
然后星海图也是他其中的一家投资企业。
然后今天我觉得我们这个对话会非常有意思，因为其中一位嘉宾是一个年轻的明星创业者。
然后另一位嘉宾呢，是曾经经历过技术周期和商业周期的明星老牌投资人。
然后我非常希望今天我们之间能有很多的碰撞，然后可能过了几年之后，甚至很多年之后，就大家回头再看这个对话，仍然会认为它是一个标志性的访谈。
因为其实我们今天这时间点也非常有意思，因为大家都知道今天具身智能，包括人工智能已经非常非常的滚烫，甚至很多人已经开始谈论泡沫的事情了。
你们两位怎么认识的？
对，什么场景下？
包括对彼此第一印象，谁找谁的？
对，我们是主动找的星海图。其实是去年年初、春节左右，我们把这个赛道每个人都见了一遍。我们投资有一个理念：当你看一个新行业的时候，最大的错误就是只见树木不见森林。那怎么才能见到森林呢？就是要把每一棵树都拿来看一下。
我们先见的是赵行老师，我在北京见的，他是首席科学家。我当时问他一个问题：你现在创业跟当教授有啥区别？他说太累了。我说你怎么这么卷？以前你不是闲庭信步吗——以前我就认识他。他说，他们公司现在有个卷王。我说谁是卷王？
就是卷王，高继扬是吧？我们的卷王。
后来我一听，赶快，第二天我就飞到苏州去，见了高继扬。
当时对他印象特别深刻：也没给我们讲什么 PPT，也没在办公室里，就站着一堆机器人，好多机器人立在那儿，他指点江山，说这个那个怎么改。我当时就感觉，哇塞，你要改这么多东西啊？我说你不是学软件的吗，你是 USC 的 PhD 嘛，对吧？他学的是 AI，其实 AI 也是软件，但硬件这块他好像觉得这个可以改、那个可以搞。我说你怎么改这么多？
就是有种感觉，速度特别快。他们大概 8 个月就把第一代本体做出来了。一个做软件的去搞硬件，8 个月就搞出来，我觉得只有一句话叫初生牛犊不怕虎，就是什么都敢改。所以我们就觉得，改变一个行业的往往都是外行。当时第一印象就是：速度特别快、胆子特别大。
8 个月做出本体，这个在你们行业里算很快的吗？做出一个硬件的积累。
那肯定算很快的。但这里边确实有很多原因，就是刚才凯西讲的那个初生牛犊不怕虎，没有按照原本的流程来干，看着什么就先干起来，然后再改、再搞，是这样一种方式。
不过在那个时间点我们也看到，因为我们第一款产品做的是 R1 这个轮臂，市场上没有这样的产品，先谈不上好不好的问题，有就比没有强。所以我们就赶紧进入市场，跟客户互动起来，有迭代、有反馈，我觉得这件事是最重要的。在看准的事情上，执行要快。
对，执行快，但方向选择还是挺对的。
我记得第一次见面，他们讲了一句话，叫"智能定义本体"——就是他们既要做大脑，又要做本体，这是一个重大战略选择，这是第一个。第二个，他们是先做的硬件、再做大脑。今天回过头来看，已经过了一年多、一年半了，我觉得这两点还是非常对的。
但我觉得做大脑其实挺不容易的。当时我们一直在想，具身智能时代这个大脑长啥样？就像我们 2023 年年初投了 MoonShot 的 Kimi，也投了智谱。当时我有一个很模糊的感觉：第一，这一定是中国的最强大脑，因为它既要做大脑，又要做 body。大脑其实挺难做的，要通过 foundation model 来做。那最强大脑在哪呢？我的感觉是，清华大学叉院有一位特别牛的科学家叫姚期智，他把叉院搭起来了，返聘了非常多海归、最好学校的留学生回来，他们都是 PhD 回来教书，教的是中国最牛的姚班学生，那个姚班可不容易进。
大脑和身体，缺一不可。你要做 body，就希望找一个有 engineering experience、做过量产的团队——做过量产、做过供应链、做过批量生产。我觉得高继扬这位是懂量产的——听说你现在是欺负直营店——在 Momenta 他们是做过软件量产上车、上硬件的。所以这个 combination 我觉得很重要。因为我们觉得这个领域存量很小、增量很大，你最重要的是把人选对，创始人的那个组合很重要。
但是当时你其实是不知道今日资本已经把市场上这个赛道的公司都看了一遍的，是吗？
那当时见的时候是不知道的，当时凯西突然就来了。我们也没有做什么特别多的准备，可能就是讲了一下之前的 PPT，然后带着凯西看了看公司现在的状况，凯西很快就做了决定。
当天我们就签 term sheet 了，见他的当天就签了 term sheet。后来我们又加仓了两次，他们又融资，我们都跟，一直跟着的。
像这种当天就签投资协议，对你们算是比较常规的操作吗？还是也有例外？
不是经常的。我们要是特别看好，见到千里马就赶快扑上去，但也不是每次都这样，偶尔会这样子。
上一个是谁？成功了还是失败了？
上一个是杨植麟，也是第二天飞过去就签了。
那你们当时有互相问对方什么问题吗？你们当时应该也是第一次见面吧？
凯西当时问了我一些公司的问题，主要包括为什么做硬件，以及很重要的一个问题——为什么你们能做硬件。这个我印象比较深刻。
她的意思是：你看，高继扬你以前是搞 AI 的、搞智驾的，算是软件这一类工程的；那今天公司需要搞硬件，你们为什么能做？做硬件感觉都是老师傅的活，你们一帮年轻人怎么解决这个问题？
我当时的回答是：拆解。我们对任何复杂问题，工程化的思维都是这样——一个复杂问题拆成若干个子问题，每一块单独去看，找到合适的人；然后再往下拆解，直到变成一个个非常具体的问题，一个一个解决，解决完之后汇总上来，其实就是一个整体方案了。
我还记得，在北京见面的时候，我问了赵行老师一个重要的问题。我说你们这几个创始人每个都很牛，每个人单独出来都可以融好多钱、自己创业，为什么你们要合在一起创业？
赵行老师当时说了一句让我印象特别深刻的话，他说这个事情特别大、特别难，他一个人做，做出来的概率没那么高，但他们几个人在一起，做出来的概率就高很多。就是因为这件事太大、太颠覆，需要几个特别能干的人一起干。他们那个组合，我觉得还是不错的。
我觉得事后也证明了这一点。从今天来看，具身这个行业链条非常长，比我们刚开始想的时候还要长。
一开始我想，这事就是整机加智能，先把大脑做好、把整机做好。但在过程当中发现，整机加智能也不够——整机和智能可能只是两根柱子、两个 pillar，还有一堆其他东西。要解决智能，就得解决数据的问题；数据背后又是你怎么进到场景里面、怎么解决运营的问题、怎么解决设备的问题；甚至未来还有 infra，存储和传输 infra 的优化问题，因为我们的数据量特别大。
历史上搞大语言模型，那个数据量跟我们今天比小太多了。大语言模型是参数量大，但数据量其实没那么大，因为全都是 text、文本。而我们这边全都是多模态数据，数据量又特别大。
然后去看硬件的过程当中，发现以整机为中心往上看，也还有一堆问题——所有的供应链全都不成熟。你说这个动力模组，模组里边再看是无框电机、减速器，减速器再拆是齿轮，齿轮又涉及你的加工能力、背隙怎么样、一致性怎么样。有了模组，再看电池：现在的机器人对电流通量的要求都很大，它不像手机那样稳定输出一个电流，它是爆发式的——全身电机同时运转和只有一个电机运转，电流通量不一样，对电池的要求也不一样。然后再看端侧的算力，甚至最后要优化到整个机器人的重量——用不同的材料，密度不一样，最后的重量不一样，重量又影响性能，所以要优化的东西特别多。
为什么胆子大很重要？你要敢去尝试。大的战略你不要变，这属于在学习中进步，这一点其实挺重要。
我之前以为创业已经过了王健林说的那个"清华北大不如胆子大"的阶段了。哦，原来清华毕业的人胆子也大？
类似于这样的问题。
对，我们是主动找的这个新海图。
啊，其实我们是去年年初吧，春节左右，我们把这个赛道每个人都见了一遍。
而且我们投资一个理念，就当你看一个新的行业的时候，你最大的错误就是只见树木不见森林。
你怎么才能见到森林呢？
就是你要把每一棵树拿来看一下。
然后我们找到这个呃先还说先见的是赵航老师，我在北京见的。
我就问张浩老师，我说张浩老师，我说你这个。
首席科学家。
我当时问他一个问题，我说你现在创业跟你当教授有啥区别？
哎呦，他说太累了。
哎，我说你怎么这么卷？
你以前不是闲庭信步，以前我认识他的。
他说，哎，他现在公司有个卷王。
我说谁是卷王？
哈哈哈。
就是卷王。
高季阳是吧？
哈哈哈。
我们的卷王。
哈哈哈。
后来我说，哎呦，我赶快，嗯，第二天我就飞到苏州去，就去，就见了季阳。
季阳当时我就印象特别深刻，也没给我们讲什么 ppt 也没有在办公室里，就站着一堆机器人，好多机器人就站在那指点江山，哎呀，这个这个，这怎么怎么改。
哎，我当时就感觉，我说哇塞，我说你改这么多东西啊？
我说你不是学软件，他，你是那个呃 u s c 的 p h d 嘛，对吧？
嗯，就是学软件的，然后他学 ai 的，他学 ai 的，然后他这个呃，其实其实 AI 也是软件嘛，但它好像硬件感觉就是，这个可以改，那个搞，我说你怎么这么多呢？
就是有种感觉是呃速度特别快，好像他们大概8个月就把软件第一期就搞出来了，就本体搞出来了。
一个软件的去搞硬件，8个月就搞出来，我觉得只有一句话叫初生牛犊不怕虎，就是说什么都敢改。
所以我们就感觉就是，改变一个呃行业的都是个外行。
就当时第一印象就是速度特别快，胆子特别大，就是那种感觉。
八个月做出本体，这个在你们行业里面算很快的吗？
做出一个硬件的积累。
那那肯定那肯定算是很快的啊，然后但这里边确实是呃很多原因是因为刚才凯西讲的这个，呃，就是初生牛犊不怕虎，没有按照原本的流程来干，呃，就是反正就看着什么就先干，干起来，然后再再再再改再搞，嗯，啊，是这样的一个方式。
啊，但是在那个时间点呢，其实我们也看到了，就是因为我们第一款产品做的是 R1这个轮臂嘛。
嗯，这个市场没有这样的产品，啊哈，先谈不上好的问题，有就比没有强。
啊，所以我们就，那就赶紧。
进入市场，然后呢跟我们的客户，呃，这个这个互动起来，有迭代有反馈，我觉得这事是最重要的。
我在看准的这事上面，执行快。
啊。
对，执行快，但方向选择还是挺对的。
当时我记得第一次见面你就说，他们讲了一个话，就是叫智能。
定义本体。
嗯，就是他们既要做大脑，又要做本体。
这是一个政重大战略选择，对吧？
这是第一个。
第二个呢，他们是先做的硬件。
对。
再做大脑，我觉得这两个现在今天回过头来看，已经过了一年多一年半了嘛。
我觉得还是非常对的，就这个是非常对的。
但是我觉得做做大脑其实挺不容易的啊，因为当时我们一直想说，这个这个巨声智能时代，这个方的长啥样？
就像我们在2023年年初是投了这个。
呃，MoonShot 投了这个呃 Kimi 嘛，啊，然后也投了那个智谱。
当时我觉得我的，我当时就是很模糊的一个感觉，第一，我觉得这一定是中国的最强大脑，因为它又要做大脑，又要做 body。
大脑其实挺难做的，用通过 foundation model 知道。
那我觉得就是最强大脑，最强大脑在哪呢？
但是我的感觉就是清华大学叉院的教授，就是有个叫姚期智的一个特别牛的一个科学家，他其实把这个叉院搭起来了，返聘了非常多的海归的这个最好的学校的留学生回来。
他们都是 PhD 回来教书，他教什么？
教中国最牛的。
呃，叫姚班的学生，那个姚班可不容易进啊。
大脑，身体不行也不行呐。
你要做 body 做 body 就是说我们希望找一个团队，他有 engineering experience 就做过量产，人家做过量产，做过供应链，做过批量生产。
那我觉得这位。
他是量产，因为听说你现在是欺负直营店嘛。
嗯，在 momenta 他们是做过软件量产上车的，上硬件的。
所以就是这个 combination 我觉得是很重要的。
嗯。
因为我们觉得存量很小，增量很大，你最重要把人选对，就创始人那个组合很重要。
但是既然当时你是不知道今日资本把那个市场上的，去深圳的公司都看了一遍，是吗？
那那当时见的时候是不知道，当时见的时候那个那个那个，凯西突然就来了。
啊，突然就来了。
突然就来了，然后我，所以我们也没有什么特别多的准备吧，可能就是讲了一下之前的 ppt。
然后然后带带着凯西看看公司现在的这个这个状况，凯西很快就就做了决定。
当天我们就签 term sheet 了，当天见的见他的当天就签 term sheet 哎，对对对。
后来我们又又加仓了两次。
是是是，他们又融资，我们都跟仓，就跟着的，对。
像这种当天就签一个投资协议这样的，对于你们算是比较常规操作吗？
还是也有例外？
呃，不是经常的，我们要特别见到就，见到千里马就赶快扑上去，对，也不是每次都这样，哎，对。
偶尔会这样子。
上一个是谁？
成功了还是失败了？
上一个是植植林嘛，就是杨子林也是，哎，但是，嗯，我们第二天飞过去就签了，哎，对。
那你们当时有互相问对方什么问题吗？
你们应该当时也是第一次见面是吧？
呃，凯西当时问了我，主要就还是公司的一些问题，然后包括呃那个为什么做硬件，以及很重要一个问题是为什么你们能做硬件。
这这个是当时我印象比较深刻的。
就是因为觉得，就是说你看季阳，你以前是搞搞 AI 的，搞智驾的，搞搞这种软件，算是软件这一类的工程的嘛。
那今天公司需要搞搞硬件，你是怎么？
这块你们为什么能做？
啊，然后呢，这个呃凯西会觉得说，这感觉这硬件，这是老师傅。
然后你们一帮年轻人，这怎么解决这个问题？
啊，然后当时我就我我记得我的回答就是说我就是说拆解。
啊，我我们对于任何复杂问题，其实工程化的思维都是这样，就任何复杂问题，我们就讲拆解。
啊，一个复杂问题，我拆成若干个子问题，然后每一块单独去看，然后这个找到合适的人，是吧？
然后呢，我们再再做拆解，最后一个一个非常具体化的问题，那我们一个解决，解决完了之后汇总上来。
其实就是一个整体方案了。
我当时记得我还问了，是在北京见面时候问了张航老师一个重要的问题，我说你看你们当时这几个创始人，每个都很牛，每个人单独出来都可以融好多钱，可以自己创业，为什么你们要合在一起创业？
张航老师当时也是说了一个让我印象特深刻的，他说他这个事情特别大，然后特别难，他一个人做，做出来概率没那么高。
但是他们几个人在一起做出概率高很多。
但是因为他事情太大太颠覆。
对。
那当时他就说，就是可能这个是太大太难了，就是要几个这种特别能干的人一起干。
啊。
是的是的。
就他们那个组合，我觉得还是不错。
我觉得事后证明啊，就是。
嗯，从今天来看啊，飓风这行业。
就是链条非常长。
啊链链条我觉得比我们刚开始想的时候长，还要长，因为开始的时候我想，哎，这事整机加智能。
那先把这个呃大脑做好，把整机做好。
发现过程当中，这整机加智能也不够。
整机和智能可能只是两个两个柱子，两个 pillar 还有一堆其他东西呢。
那那是解决智能，咱们得解决数据的问题。
数据的这个背后又是，你怎么进到这个场景里面，怎么解决运营的问题，怎么解决设备的问题。
是吧？
然后甚至未来还有一些这个呃 infra 存存储和这个传输 infra 的这个优化问题，因为我们这数据量特别大。
历史上就是搞大语言模型。
这个的数据量啊，跟我们今天比小太多了啊。
大语言模型是参数量大，但是数据量其实没那么大，因为全都是这个这个这个 text 嘛，文本嘛，对吧？
那对于我们这俩全都是多模态数据啊，这数据量又特别大。
然后呃去看硬件的过程当中，发现这个以整机为中心往上看，啊，也还有一堆问题，所有的供应链全都不成熟。
啊，你说这个动力模组，动力模组里边再看是这个无框电机，然后这个减速器，减速器再拆齿轮，齿轮你的加工的这个能力。
对吧，背系怎么样？
然后你的这个一致性怎么样？
然后有了这个模组，再看就是这个电池。
因为现在这个呃机器人，它其实对于这个电流的通量要求都很大，它不是说像咱手机一样，就是稳定输出那么一个电流，它一一爆发。
这个这个全身电机同时运转的和只有一个电机运转，那个电流通量不一样，电池的要求也不一样。
啊，然后你再看就是这个端侧的这个算力，甚至最后优化到说我这整整个机器人这个重量。
这重量，你用不同的材料，密度不一样，然后你最后的重量不一样，重量不一样影响你的这个性能，就又不一样，所以要优化的东西特别。
就是为什么胆子大很重要，你要敢去尝试。
大的战略你不要变啊，这这属于就是在这个学习中进步嘛，就这个其实挺重要。
对。
我之前以为就是创业已经过了王健林说的那个清华北大不如胆子大这个阶段了。
哦，原来清华毕业的人胆子也大是吧？
啊，胆子大，胆子大。
我再告诉你一个 fact，这是我们的一个观察，你看同不同意。我们现在投大模型、投 AI、投机器人，接触的都是 PhD computer science，都是最好的学校出来的，基本上都是科学家，接触了非常多的科学家。
我一直想问一个问题：十个科学家里，真正想去创业的其实不是很多。因为读完 PhD 他都很理性了，机会成本也很高。而且很多科学家追求真理，他说"我想离 AGI 最近，AGI 在哪我就要去哪"。所以你可以看到最近，Andrej Karpathy 这种大牛，直接去 Anthropic 做二把手、做 CEO 的 number two，他自己也不当老板。
所以在这种情况下，十个里还剩下这 0.5 个要创业的。而且这 0.5 个还得有创意——这其实是稀缺资源。这么优秀的人，又要创业又有创意，就是稀缺资源。
而且还有个特点：他来了以后，下面的学生就更愿意跟着他。学生来不来，不是看给你多少股份，而是看这个老大够不够牛、技术上牛不牛。这个"牛"的定义是 tech vision——你要能看到别人看不到的东西。我觉得这个真的特别重要。我觉得他们那个团队特别好：高继扬你也是 PhD、学 AI 的，而且好像比别人读得都快一点；赵行 老师也很牛，天威 也很牛，都是学这个的。
你可以看最近这几个大语言模型：一开始 OpenAI 很厉害，那是因为伊利亚（Ilya）在。伊利亚是他们的首席科学家，是他发明了 Predict Next Token，是真正的大语言模型发明者。他走了以后，我觉得他们在技术上就差点劲了。他们那个 CEO 也不错，但我感觉他在资源、战略上……他不是一个科学的 tech visionary，没错；但是 Dario 就很好，包括我觉得 植麟，他们都自己去做模型。
他这个 vision 非常好。因为你不知道未来在哪里，你要做出判断，这个判断一下就是几千万美金、几个亿人民币烧下去。你不能"既要、又要、还要"，都赌一下，最后就不行。你看人家 Anthropic，就只赌一个口，就赌对了。而且还不能犯错误——赌对了，这很重要。
所以你是怎么把这些稀缺资源、那些想创业的企业家凝聚到一起的？
第一个做法就是找对了人，这很重要。讲讲这几个合伙人是怎么找的。
其实不是"找"来的，是过程当中大家认识的。因为我跟 赵行 读博的时候，彼此就认识。
读博？你是在 USC，他是在 MIT？
对，但我们都做计算机视觉，在一个圈子里边开会。包括 文兆航? 在博士期间做的课题，跟我有一部分方向是一样的，都是 video、视频分析这个方向。所以平常开会、读 paper，读博的时候我们俩就互相读彼此的论文。
后来 2019 年，我们俩都到了 Waymo，都做自动驾驶。其实我后来发现，我们都做自动驾驶，是因为有一个共同的原点：都是因为想做 Robot。而自动驾驶是那个时代最接近 Robot 的产业，是最简单形态的机器人。所以在 Waymo 期间，我们俩就开始合作了——是事实上的合作，不只是简单的同事关系，当时也做了一系列工作，有论文、有工程。这就是我跟 赵行 怎么认识的过往。
跟 天威 呢，其实是 2021 年那会我就回国了，回国之后到了 Momenta 工作。天威 原本不是我团队的，后来重组，成了我团队的，我们俩就开始一起工作。然后我就发现——刚才凯西提到 tech vision——我觉得 赵行 的 tech vision 特别好，比我好。我觉得我可能比较综合：我能够跟最好的 scientist 对话，但我没有最好的 scientist 的 tech vision。而我们这行业里边有些纯产业里出来的 CEO，没法跟 scientist 对话，那个思维逻辑对不到一块去，那也不行。所以我觉得我能做到的是……
这个 vision 是谁的 vision？是你们俩谁的？
这应该是我定的。或者说这个东西大家也是一拍即合。原因很简单，就是因为做过自动驾驶。做完自动驾驶你会发现——首先我们的目标是做智能，做物理世界的智能就得有物理世界的数据；要有物理世界数据，就得有收集数据、承接数据的载体，那是什么呢？就是整机。
以前做自动驾驶最大的问题就是：你是一个软件供应商、系统供应商，你拿到数据的这个链路不那么通畅，飞轮跑不起来、或者跑得慢，这就是致命的问题。所以我们就说，那做具身智能：第一，没有现成的整机，这就是机会；第二，我们未来要想把智能做好、做到有上限，也需要整机。所以你看，既有机会，又有必要性，那我们就干。唯一缺的就是不懂——不懂我们就去学一学，然后就成长一下。
像他这种顶尖人才，会不会因为大家都很聪明——像凯西刚才讲的，每个人出去其实都很容易融到很多钱——本身自我会比较大，然后彼此之间出现这种冲突？会出现这样的情况吗？
首先我觉得，冲突、或者说分歧，是客观存在的。核心是怎么解决分歧。我觉得最重要的还是：我们是不是有共同的目标，要去的地方是不是一样，是不是都要做具身智能、用具身智能解决人类社会的生产力问题。
假设目标一样，下一个问题就是价值观是不是一样。因为过程当中还是要做很多判断：什么是对的、什么是错的，什么是现在该做的、什么是明天该做的。比如 2024 年的时候，我们决定先做整机。客观来讲，事后我们说这个决策是对的；但回到那个时间点，赵行 是做智能的，那个时间点其实是牺牲了 赵行 的一些……
他没啥事干了，是吧？因为做硬件跟他没关系。
也不是说没啥事干，就是在那个时间点你能做的事少，因为其他的要素……
钱不够，资源不够。
对，要素就（不够）。但这个时候就是要统一：首先我们的 vision 是不是一个，然后战略是不是大家都认可，然后我们的组织文化是不是有一个统一的步调。统一了，我们就统一去执行。
那比如说到了智能发力的时候，智能对硬件提出了很多要求，那我就要求硬件团队、整机团队，你不能再以外部客户为第一优先级了，你必须以内部客户、以 赵行 提的需求为更高的优先级。这个时候还是得服务于公司更重要的使命、愿景和目标，大家就做出这个牺牲。
对，懂了。听上去 CEO 工作不好干啊。
其实也好干。我觉得就是找到对的人，什么事都顺了；人错了，他天天就是在解决矛盾、解决问题。
他一开始有讲，做着做着发现这个行业是非常非常高度复杂的。我不知道，在你的事业里面，还有复杂度可以跟具身智能相比的这样的行业吗？
啊，我再告诉你一个 fact 这是我们的一个观察哈，不过看佳你同不同意，我就觉得。
我们因为现在投这个投这个大模型啊，投 AI 然后投这个机呃机器人，就接触的都是都是 PhD computer science 都是最好的学校，就基本上都是一些科学家，就接触非常多的科学家。
我觉得科学家就是他是这样的，就是说我一直想问一个问题，就科学家里面十个科学家都要想去创业。
嗯。
嗯其实很不是很多的。
嗯因为他把 PhD 读完，他都很理性了，他机会成本也很高。
而且很多科学家，他是追求真理，他说哎我想离 A A G I 最近。
a 阶在哪，我就要去哪。
所以你可以看到最近，Andrew Capac 这种大牛，直接去去那个 Anthropic 做减二了，做 ceo 的减二，对吧？
嗯，嗯，他自己也不当老板，就是说，所以在这种情况下，就十个月你还有这0.5个要创业。
而且我觉得这0.5个呢，他要有，哎，就其实这是稀缺资源对吧？
嗯。
就这么优秀的人，又创业又有创意，就是稀缺资源。
而且还有个特点，就他来了以后呢，下面的吗？
学生就更愿意跟着他。
就另外学生也是，他来不来要看，嗯，不是看给你多少股份呐，什么，他是要看。
这个老大是不够牛？
技术上是不是很牛？
就这个牛的定义是 tech vision 就是你要能看到别人看不到的东西。
我觉得这个还真的特别重要，我觉得他们那个团队特别好，就是。
季阳你也是 PhD 学 AI 的，也是 PhD 的，而且好像比别人都读得快一点。
然后赵航老师也很牛，啊，田威也很牛嘛，他也是都是学。
然后你你你可以看那个，比如说最近这几个大语言模型。
一开始 OpenAI 是很厉厉害的。
那是因为伊利亚在啊，伊利亚他那个首，其实首席科学家是人家发明了 Predict Next Token 他是真正的大语言模型的发明者，就是他走了以后，我觉得他们在技术上就差点劲了。
就是我觉得呃就他的那个 ceo 也是不错哈，但是我感觉他这个资源啊、战略啊，这个，就他不是一个科学的 tech visionary 没错，但是达达柳就很好，他就是包括我觉得子林，他们都自己去模型。
就他这个 vision 非常好，因为你你不知道未来在哪里，你要做出判断，这个判断一急个判就几千万美金，几个亿人民币烧下去。
你不能说我既要又要还要，我就都赌一下，最后就不行。
你看人家，安创比就是只赌一个口，你就赌对了。
嗯。
还不能犯错误，赌对了，这个很重要。
所以既然你是怎么？
把这些稀缺资源凝聚到一起的，就那些想创业的，企业家。
第一个做法就找对了，这个很重要，就讲讲怎么找的，这个几个合伙人。
哎，其实不是找的，就是呃过程当中大家认识，然后然后，因为我跟赵航。
读博的时候，彼此就认识。
然后呢，那都。
哎，读博，你是在 usc 他是在 mit 啊？
哎，但是都是做计算机视觉。
这就是一个圈子里边开会啊，包括文兆航在博士期间做的。
课题的方向是一样的，有有一部分方向是一样的，都是 video 就视频分析。
啊，这个这个方向。
所以平常开会啊，包括 paper 啊，那读博的时候，我们俩彼此就读彼此的论文了。
啊，然后后来呢，那个。
1九年的时候，啊，我们俩都到了 Waymo 都做自动驾驶。
其实我我后来我就发现，就是都做自动驾驶，也都是因为有一个共同的原点。
就是因为想做 Robot 嗯。
然后自动驾驶是那个时代最接近 Robot 的产业，最简单形态的 Robot 机器人嘛，对。
然后呢这个，所以在 Waymo 期间呢，我们俩就开始合作了啊，就事实上的合作，不是简简单单同事关系。
当时也做了一系列的工作，有论文，有工程啊。
所以这是跟那个呃，赵航的这个过往，认，怎么怎么认识的嘛？
然后跟天威呢，其实也是21年那会，我就我就回国了。
嗯，回国之后到了这个 Momenta 开始工作。
然后呢，天威呢，这个原本不是我团队的，后来反正也是呃这重组吧，成了我团队的了。
啊，然后我们俩就开始工作。
啊，然后我就发现。
其实刚才那个凯西提到一个点，就是说 tech vision 啊，我觉得赵航的 tech vision 就特别好，就是他的 tech vision 比我好，就是我我觉得我是说这个我的可能比较综合吧，我觉得比较综合。
我能够跟最好的 scientist 对话，但是我没有最好的 scientist 的 tech vision。
但是可能我们这行业里边有些，你说纯产业里边出来的 ceo 他没法跟 scientist 对话，那个思维逻辑，他对不到一块去，也不行。
所以我觉得我能做到的是。
这个 vision 是是谁的 vision 是你们俩谁的 vision 呢？
这个这个应该是我定我定的啊。
原因也，或者说这个东西大家也是一拍即合吧。
原因也很简单，就是因为做过自动驾驶。
嗯。
然后做完自动驾驶，你发现。
呃，首先我们的目标是做智能。
对。
然后做物理世界智能，就得有物理世界数据。
对。
那你有物理世界数据，你就得有收集数据、承接数据的载体，是啥呢？
就这整机。
然后以前做自动驾驶最大的问题就是你你是一个软件供应商，你是一个系统供应商。
对。
你你拿到数据的这个链路不那么通畅的，飞轮跑不起来或者跑得慢，这就是致命的问题。
所以呢，我们就说，那做具身智能，第一，没有现成的整机，对吧？
这就是机会。
第二，我们未来要想做好智能，有上限，我也得需要整机。
所以你看，又有机会，然后这个这个又有必要性，那我们就就干嘛。
就唯一缺的就是不懂。
对吧？
就是这个，那不懂我们就去去学一学啊，然后的话呢，这个就就是那个那个成长一下嘛，对，啊。
像这种他的顶尖人才，会不会大家，因为大家都很聪明嘛，然后像凯西刚才讲，其实每个人出去都很容易融到很多钱。
就是会不会说，比如他的本身，他的自我会比较大，然后大家之间会出现这种冲突。
会出现这样情况吗？
首先我觉得我觉得冲突是一个，或者说分歧吧。
我觉得分歧是客观存在的。
那核心是怎么解决分歧？
啊，然后呢，这个我觉得最重要的还是说我们是不是有共同的目标，就是我们的要去的地方是不是一样，是不是都要做啊，具身智能，然后用具身智智能解决。
人类社会的生产力问题。
假设目标一样，下一个问题就是我们的价值观是不是一样？
嗯。
啊，就是因为在过程当中还是要做很多的判断。
嗯。
什么是对的，什么是错的，什么是现在该做的，什么是明天该做的？
啊，就比如说这个24年的时候，我们决定先做整机。
那客观来讲，24年，就是事后我们说，哎，这个决策是对的。
但是回到那个时间点，赵航是做智能的，那那个时间点其实是牺牲赵航的一些。
对。
这个。
他没啥事干了，是吧？
因为这做硬件跟他没关系。
对。
也也不是说没啥事干，就是你你能做的事，反正在那个时间点就少嘛，因为其他的要素。
钱不够，资源不够。
对，要素就，但是这个时候。
就是要统一，对吧？
首先我们的 vision 是不是一个？
然后我们的战略是不是这个大家都认可了？
然后那我们的组织文化是不是就应该有一个统一的步调？
好，那我们就统一去执行。
那你比如说到了智能发力的时候智能发力的时候，智能对于硬件提出了很多的要求。
那我就要求说硬件团队、整机团队，你不能以外部客户为第一优先级了，你必须得以内部客户。
赵航提的书的需求为一个更高的优先级，那这个时候还是得服务于公司更重要的这个使，这个使命和愿景，更重要的这个目标，大家就做出。
这个这个这个牺牲吧。
对。
懂了，听上去 ceo 工作不好干啊。
哈哈哈。
其实也好干，我觉得就是找到对的人，什么事都顺了。
对。
人错了。
他天天就是解决矛盾问题。
啊。
开始像刚刚他一开始有讲说，比如他做着做着，他发现这个行业是非常非常高度复杂的嘛。
嗯。
我不知道，比如说在你的事业里面就。
还有复杂度可以跟具身智能相比的这样的行业吗？
我觉得没有。我们投过自动驾驶、投过大模型、投过 Rule-based 的机器人，我觉得具身（embodied）是最难的。因为它又要做大脑——大脑我跟你说，不是最聪明的人是做不出来的，现在你看不出来，以后就能看出来。所以我们想找的团队一定要有做大脑的能力，要有高继扬或者 赵行 老师这样的、真的是最强大脑，再带一批特别聪明的 PhD 学生把它搞出来。
然后同时呢，对工程能力的要求又很高。因为现在你做工程是先行者，等哪一天 product market fit 一出来，我跟你说，成千上万的竞争对手就进来了——那些造手机的、造汽车的都会过来，那时候你怎么打？所以它其实是相当复杂的一个东西。
我们五年前就开始投机器人，那个时候投的是 Rule-based 机器人：有高仙扫地机器人，也有海柔（仓储的），还有 XYZ（装卸的），还有 VisionNav（做无人叉车的），反正投了一系列。这些五年前投的，对我们来说也是两年左右的"学习客户"。我们其实觉得去年突然春天来临了。
为什么去年春天来临？第一，硬件过硬了，稳定性强了；还有一个就是 UE（单位经济模型）跑通了——也是因为老龄化，人的工资越来越高，不愿意干这种脏活累活。那时候还没有具身，做的是 Rule-based，感觉春天来临是因为：硬件过关了，然后软件的 corner case 也跑得差不多了。它确实不能跟人拼效率，但它能干人不想干的脏活、苦活、累活，比如搬运特别重的东西、在沙漠里装光伏板这种。这就跑通了，就在去年春天。
然后我觉得正好去年，具身智能火了一把，把市场教育了一把。就像《跨越鸿沟》那本书里讲的，什么时候跨越鸿沟——可能 20% 的用户开始用你了，就可能马上进入一个迅速增长的阶段。那个迅速增长阶段的体现，就是成本要下来、用户数增加，而且增加很快。
我觉得机器人是跑通过，但具身就更难了，因为大脑那部分其实不是所有人都能做出来的，要求很高。现在你还感受不到，到时候可能一年就要花——你没有十亿美金根本就不能入场，因为对算力的要求、对数据的要求都是非常高的。
今天去深圳这个，应该还远远没有到那个跨越鸿沟的阶段吧。它可能只是说，大家通过一些激情的表演认识到了它，但还没有真正成为它的实际消费者。
对，我真的也挺想听继扬的观点，从跨越鸿沟、又从数据的角度讲。到底还需要多少量的数据？这个鸿沟到底怎么才能跨越？现在肯定是没跨过去对吧？你觉得现在是在哪个阶段？两个 percent 是 innovator，然后百分之十二、十三是 early adopter，两个加起来大概 15~16。那个时候有一道鸿沟，跨不过去就摔死了，跨过去就进入一个高速增长、狂风暴雨式的增长阶段。那你觉得我们现在在哪个阶段呢？
首先，我觉得肯定还是没有跨过鸿沟，还在 Innovator 这个阶段，也就是两到三个 percent。所以你看，为什么我们讲我们的业务逻辑叫"从开发者到生产力"——其实这就是《跨越鸿沟》那本书里从 Innovator 到最后 Majority 的这个过程。开发者最早期其实就是 Innovator，他拿这个东西做一些开发、做一些创业，做一些自己想做的东西。
那么跨越这个过程，最重要、最欠缺的要素在哪呢？还是基础模型，就是基础模型从没用到有用。你看我观察过去这一年，从去年年终到今年年终，到今天为止，我觉得基础模型还不能算是有十分的商业价值。但我们看变化：从去年到今年，模型的能力，无论国际第一梯队还是国内第一梯队，都有一个十分大的长进。如果拿小孩的成长速度去对比，我认为是超过一个婴幼儿成长速度的。婴幼儿比如从零到一岁，他一岁时候啥也干不了；但现在——正好今天咱们在 WDC，看我们的产品，翻包、捡零件、万物抓取，其实都有基本的能力了。现在问题是啥？速度还不够快，成功率还不是百分之百，今天可能是 99%，是这样一个逻辑。
所以今年开始，我们自己很清楚，要进入到 early adopter 这个阶段。那怎么进入？一定要找到正确的客户和早期共创的伙伴。这一点其实咱们国家是看到了的，所以这是为什么今年要搞训练场。训练场的目的，或者换个词叫中试基地——中试训练场的意义在于，在最终使用和研发实验的中间阶段去搭一个桥梁，其实就是把跨越鸿沟这块给搭一座桥。我觉得这事特别对。
我们自己的一个预测是：今年下半年会在这些场景里开始走起来，一定会有这样那样的问题；如果你单去算账，算 ROI 是算不过来的，这是确定的；但明年在部分场景里就能赚过来了。而且在海外更容易赚过来，因为海外人工成本更高。当然肯定还是先在国内跑通一个基本，对国内企业来说，先在国内基本跑通，再扩展到海外。那么对海外企业来说，他们跨越鸿沟最大的瓶颈不来自生产力的价格问题——基础模型的问题大家都一样——而在于供应链，他们的供应链跟不上前进速度，这是他们的瓶颈点。
我理解一下这个跨越鸿沟——是不是可以这样说：我们在具身智能这件事情上，Scaling Law 已经得到证明了，但还没有找到一个完全的 Product Market Fit。举个例子，大家都说数据缺、就缺数据、数据不够多。可这个"数据缺"跟大语言模型不一样：大语言模型的 training、pre-training，所有数据都是从互联网上来的；咱们这个机器人数据，你得去采，它不是现成的，你得去采，特别是交付数据，全部得采。至少我们看到自动驾驶，你一边开车它就自动采集了，这是最好的自动采集，不花钱，用户帮你采；但我们不一样，还得弄个 Teleoperation、弄个假爪、弄个 UMI 那样的东西，全都得自己采，先把这门课补上，这肯定要好长时间。然后另外一个：device 以前大家有手机、有电脑，都是现成的 device，但我们这个 device 是新的。
而且这个新的 device 还挺贵。
对，就是这两个东西你都得从头来过，所以可能要一段时间。但我们有没有一个量化的感觉？比如今年大家都说要做 100 万个 hour 的 data，这 100 万到底是多少 hour data，我们就可以说"哎，这个机器人有足够的 data，可以训它干一些简单的家务，比如干三五件事"——做个 tidy bot 在家里，捡一下垃圾、收拾一下玩具这种。这个有没有一个概念？还是说我们连这个都不知道？
我觉得是有概念的。坦率来说，我们现在这个 G0.5 这样的模型，如果先不考虑经济效益、只看有效性——就是能不能 make it work，大模型 make it work——那我觉得今天在部分作业场景里，不是家庭，是 to b 的作业场景，已经可以替代人了。但它的问题是什么？是速度还赶不上人。
这是硬件的问题，是软硬件的共同迭代。
也有模型的问题。对，但它已经 work 了、已经能转起来了，去做分拣、去做打包、去做供包，这些其实都可以运转起来，就是速度还不够快。所以速度最后翻译出来，其实就是经济效益的问题——它基础的有效性其实已经得到解决。
所以我觉得，大家都在等具身智能的 GPT 时刻什么时候来。那我自己的感觉是，具身智能渗透的方式，不是 GPT 那种方式。GPT 的方式是突然一瞬间一个很牛的产品出来了，大家通过手机 App 一下载就都能体验，社交媒体一传播，很快世界上大多数人都看到、体验到了。但具身智能不是：它用起来的时候，可能是在某个厂子里干活，你说它在那儿干活，怎么能让全世界的人一下都感知到呢？
那你的意思是，它是个 to b 的东西，不是个 to c 的。
我觉得第一阶段做生产力就是 to b 的。to c 那一块，我们认为进入 c 端可能还是偏陪伴、偏娱乐的，是情绪价值这一类，它不是生产力。所以回到一个主题：具身智能企业类型很多，我们的目标、我们的使命是什么？是生产力。围绕这个目标展开说，我们得整机加智能；业务上，从开发者到生产力，先解决 to b 里面的部分作业场景，解决岗位问题，而不是真正去替代一个人、替代一个岗位。就是这么个大逻辑。
其实这个变化也很快。你看，从大语言模型一开始 ChatGPT 出来，再到 coding，再到现在的 agent，真正让我们感觉到爆发，是今年 1 月份。OpenClaw 的那个 Agent 出来以后，用量一下子——Token 的 consumption 跟 ChatGPT 比就是 100 倍，甚至将来 1000 倍，因为算力都不够用；要够的话就更多。这其实谁也没想到，是慢慢过来的。我不晓得咱们具身智能有没有这样的可能：突然一下，有人找到一个方向叫 coding，有人找到一个方向叫 agent，一下子就把它带起来了——你们有没有这样的 moment？还是说硬件的东西就是跑不了那么快？
你看，这里边是两条曲线叠加。Coding、Agent 之所以快，是因为渠道、终端都已经 ready 了——终端就是咱们的 pad、手机。
对，硬件是 ready 的。
然后渠道就是社交媒体、App Store 分发，就是互联网。这些都 ready 的情况下，AI 这条曲线现在咱们看到，一定是指数增长的。但回到具身智能，它有一条线性的曲线。
就是 device 还没搞好，hardware 还没搞好。
对。我们对这件事判断的过程是：整个行业规模越长越快，增速越来越快。增速的前半段是一个研发制造型的行业，就是整机，整机销售；然后到第二个阶段，是在单一生产力场景形成了方案能力，开始做订阅——货出去了，多场景开始有效了，智能在多场景有效，从单一有用到通用的时候，又变成卖 token；那个时候 device 足够多了，才能卖 token，一卖 token 才是刚才说的那种状态的增长。
所以你看：第一阶段可能是年化 30% 到 100% 之间的自然增长率；第二阶段卖方案，可能是 3 倍到 10 倍，因为我们在其他行业观察过这样的生产力场景爆发，它有这样的增长能力；而到了卖 token、通用的 token，我们看到可能是几十倍一年的增长。所以从一倍、几倍、几十倍，每年增长，它是这样展开的一个过程。所以具身智能行业未来，很有可能是越长越快。
我觉得没有，我觉得它比这个它比，因为我们投过自动驾驶，投个大模型，投个 Rule based 的这个机器人。
我觉得这个呃 embody 是最难的。
因为他又要做大脑，大脑就是我跟你说，你这个人不是最聪明是做不出来的。
现在你看不出来，以后就能看出来，所以我们想找的团队一定是有做大脑的能力，就是要有季阳或者赵航老师这样的这种，真的是最强大脑，还带一批特别聪明的 p h d 学学生把它搞出来。
然后同时呢，你工程能力又要求很高。
因为工程你现在做，你这个是先行者。
等一，哪一天 product market fit 一出来，我跟你说，成千上万的竞争对手就进来了。
那些造手机的、造汽车的都会过来，那那时候你怎么打？
对吧？
我觉得其实是要求，就是说它其实是相当复杂的一个东西，因为我们投过机器人，我们五年前开始投机器人。
那个时候投的是就 Rubis 机器人，有这个呃高仙扫地机器人，也有海柔。
那个就是仓储的，还有 xyz 是装卸的，还有这个 VisionNav 是做无人叉车的，然后还有什么什么，就反正投了一系列。
我们五年前投，其实是这个学习的客户对我们来说也是个两年左右的学习客户，然后我们其实觉得去年突然春天来临了。
对。
就就这去年，可能就这五年，我也说为什么就是去年春天来临了。
嗯。
第一，硬件过硬了吧，就是它就是这稳定性强了。
还有一个就是 ue 跑通了。
也是因为老龄化呀，人的这个工资越来越高啊，不愿意干这种脏活累活活，那时候我们的感觉习得就是说，那个那时候还没有居身，那时候就是做 Ruby 基层，就感觉春天来临是因为嗯。
这个硬件过硬，过关了，然后软件的 corner case 也跑差不多了。
然后呢，就是确实是，就他不能跟人拼效率，但是他能干人不想干的脏活、苦活、累活。
就那搬运啊，特别重啊，然后在沙漠里去装这个光伏板啊这种。
就跑通了，就去年春天。
然后呢，我觉得正好去年，聚生智能火了一把，一把市场教育了。
嗯。
就我觉得跨越鸿沟那个书，里面就是说可能跨越鸿沟什么时候跨越，就可能20%的用户开始用你了。
就可能马上就进入一个迅速增长的这个阶段，那个迅速增长阶段。
体现就是成本要下来，然后这个用户数增加啊，然后就会增增加很快。
我觉得机器人是跑过，但是巨声就更难了，因为它大脑那部分其实不是所有的人能做出来的。
要求很高的，嗯。
现在你还感受不到，到时候可能一年就要花，你没有十亿美金。
是。
就根本就不能入场。
是。
因为对算力的要求，对数据的要求都是非常高的。
哎。
对。
嗯嗯嗯。
今天应该去深圳的应该还远远没有到那跨越鸿沟的阶段吧。
它可能只是说大家通过一些激情的表演啊，认识到了它，但是还没有作为实际的消费者。
对，我真的也挺想听季阳的观点，就是跨越鸿沟，又从数据来讲。
就是到底还是需要多少量的数据？
然后就是什么样就鸿沟怎么才能跨越嘛？
就是说现在肯定是没有跨对吧？
你觉得现在是是哪个阶段呢？
就两个 percent 是 innovator 对吧？
然后十二十三个 percent 是 early adopter 两个加起来大概15~16。
那个时候有个鸿沟，跨不过去就摔死了，跨过去就进入一个高速增长的这个巨风暴雨的这个增长阶段。
那你觉得我们现在是在哪个阶段呢？
首先我觉得肯定还是没有跨过鸿沟。
没跨，还在 Innovator 这个阶段。
两到三个 percent 对，所以这是你看为什么我们讲我们的业务逻辑，就是说我们叫从开发者到生产力。
其实这开发者到生产力就是。
跨越鸿沟那本书里边的，从 Innovator 到最后的 Majority 的这个过程。
对。
啊，那那开发者最早期的其实就是 Innovator 就是他拿这个东西做一些开发，做一些创业。
然后做一些这个自己想做的一些东西。
那么跨越的这个过程，其实呃最重要的那个要素欠缺在哪呢？
还是基础模型。
啊，就是基础模型从没用到有用。
啊，那么你看我们，我观察过去这个，从去年的年终到今年的年终，这一年的时间啊。
今天为止，我觉得基础模型还不能算是有。
十分的商业价值。
嗯，啊，但是我们看变化。
嗯。
从去年的这个时间到今年这个时间，技术模型的能力，国际第一梯队的，国内第一梯队的能力都有一个十分大的一个长进。
如果我去跟一个人，小孩的成长速度去对比的话，我认为是超过一个一个一个一个婴幼儿成长的速度的。
嗯。
啊，就是从婴幼儿，比如说从零到一岁，那他一岁时候啥也干不了呢。
但现在这个。
如果看今天咱们正好在 WDC 嘛，看这个我们的产品，呃，翻包啊、捡零件啊、万物抓取啊，这其实都是有基本的能力了。
现在问题是啥？
速度还不够快。
这个成功率还不是百分百，今今天可能是99%，是是这样的一个一个逻辑。
所以呢，今年开始，我们自己很清楚，就是要进入到 early adopter 的这个这个阶段。
那怎么去进入？
那一定是要找到正确的客户和早期共创的伙伴。
我觉得这一点啊，其实咱们国家是看到了的啊，所以这是为什么今年搞什么训练场？
其实训练场的目的，或者换一个词叫中式中式基地。
嗯。
啊，中式训练场的意义就在于说，我在最终使用和研发实验研发的这个中间阶段，我这个去搭一个桥梁。
其实就是把跨越鸿沟的这块给搭一个桥。
对，搭一个桥，我觉得这事是特别对的。
嗯，啊，我们的自己的一个预测呢，就是说今年下半年会在这个场景里面开始走起来啊，一定有这样那样的问题。
呃，如果你单去算账，算 roi 算不过来，这是确定的。
明年在部分场景里边就能赚的过来了啊。
然后呢，在海外更容易赚的过来，因为海外这个人工成本的问题啊。
对，但是呢，肯定还是先国内，先有一个基本的跑通，然后对于国内企业来说啊，在国内基本跑通，然后扩展到海外。
那么对于海外企业来说，其实现在看到海外企业最大的跨越，对于他们而言，跨越鸿沟最大瓶颈不来自于。
生产力的这个价格问题，而来自于啊这个，首先就是基础模型这都是一样的问题啊，他们的跨越鸿沟的瓶颈在于供应链的问题，他们供应链跟不上他们的这个前进速度啊，所以这是他们的瓶颈点。
理解一下这个就跨越鸿沟，就是说是不是可以这样说，就是说我们在呃具身智能这件事情上，就 Scaling Law 我们已经得到证明了。
但是我们还没有找到一个完全的 Product Market Fit 也就是说呃，就举个例子，数据不是缺嘛，大家都说哎呀，数据缺就就缺数据，就数据不够多。
呃，这个数据缺呢，它跟跟那个大语言模型不一样，大语言模型 training pre training 所有的数据都是互联网上来的。
是。
咱们这个机器人数据，你得去采，这个数据不是现成的，你得去采。
是。
对吧？
特别是交付数据，你全部得采。
那你至少我们看到就是自动驾驶。
你一边开车，它就自动采集了，这个是最好的自动采集，不花钱，用户给你采。
但是我们不一样，还弄个什么 Teleoperation 呐，弄个假爪呀，那个乌乌呃乌米这样子的东西，就是是我们都得采，先把这个课补上，这个肯定都要好长时间。
对吧？
这个要好长时间，然后另外一个就是。
呃， device 以前就是说，他有手机，有电脑，都是有这个 device 但我们这个 device 是新的。
对。
就是你。
还挺贵。
对，就是这两个东西你都得从头来过，所以可能要一个时间。
但我们有没有一个量化的感觉？
比如说今年大家都说，你咱们说的要做100万个 hour 的 data 对。
这100万个 data 到底是多少 hour data 我们就可以，哎，这个机器人就是有足够的 data 可以训它干简单的一些家务，比如干个三五件事。
嗯。
做个 tidy bat 在家里，捡一下垃圾啊，收拾一下玩具啊这种。
就这个有没有一个概念呢？
还是说我们连这个都不知道？
我觉得是有概念的。
啊，坦率来说啊，就是说我们现在的这个 G0.5这样的模型。
对，如果我们先不考虑。
经济效益的问题，我就说不考虑有效性，就是把它 make it work 大模型 make it work 对，那我觉得今天在这个部分的作业场景，to b 的作业场景里面，不是说家庭，to b 作业场景里已经可以替代人了。
但是它的问题什么？
是速度还赶不上人。
硬件的问题，软硬件的共，共同迭代。
也有模型的问题。
对，但它已经 work 了。
已经能够转起来了，去做分拣，去做打包，去做供包。
这其实都可以运转起来。
嗯。
就是它的速度还不够快。
啊，所以就是速度最后翻译出来，其实就是经济效益的问题。
是是。
就经济效益，但是它基础的有效性其实已经得到解决。
嗯。
啊，对，所以我觉得就是说。
大家都在等，就是这个具身智能 GPT 时刻啊，什么时候来？
那我我自己的感觉就是具身智能，它渗透的方式。
嗯。
不是那种 GPT 的方式。
嗯。
GP 的方式是，突然一瞬间，一个很牛的产品出来了，然后大家通过手机 APP 一下载，然后呢都能体验一下，然后社交媒体一传播，很快这个世界上的很多数人都看到体验到了。
对。
但具身智能不是，具身智能用起来的时候，可能在哪个厂子里边在那干活呢？
你说他在那干活，怎么能让全世界的人一下都感知到呢？
那你的意思它是个土 b 的东西，它不是个土 c 的。
我觉得第一阶段做生产力就是土 b 的。
啊，土 c 的里边，呃，我们认为就是进入 c 端，可能就还是。
偏陪伴的呀，偏娱乐的。
嗯。
这种情绪价值项的，它不是生产力。
对。
所以回到就是一个一个主题，就是具身智能企业类型很多。
对。
我们的目标，我们的使命是什么？
是生产力。
嗯。
啊，而围绕着这个目标，我们展开说，我们得整机加智能。
嗯。
然后业务上，从开发者到生产力，先解决图 b 里面的部分作业场景，解决岗位问题，而不是真正去替代一个人，替代一个岗位啊。
所以这么个大逻辑。
其其实这个变化也很快啊，就是你看，呃，就是就是就从大语言模型一开始，ChatGPT出来，然后再到这个 coding，然后再到现在的 agent，其实真正现在才我们感觉到爆发，爆发是今年1月份。
这个 OpenClue 的那个呃 Agent 出来以后，哇，用量一下子，Token 的那个 consumption 一下子就是跟 ChatGPT 比就是100倍，甚至将来1000倍。
因为你不够算力，要够的话，那这个其实也是谁也没想到有个有个这个，就是它是慢慢过来的。
我不晓得，就是说咱们聚生智能有没有这样的一个可能，就是说突然一下哇，一个人找到一个方向，那个方向叫 coding 对吧？
这个人找到个叫 agent 对吧？
你有没有这样的 moment 就是让我们一下子把它带起来了？
还是说这硬件的东西它就跑不了那么快啊？
你看这里边它两条曲线叠加。
Coding Agent 这个它是因为我的渠道终端都已经 ready 了，终端就是咱的 pad 手机。
啊，对对，硬件是 ready 的，有硬件，哎，对。
然后呢这个渠道就是社交媒体，APP Store 分发，对吧？
互联网。
这些都 ready 的情况下，嗯，这个 ai 的曲线是现在咱们看到这个，它一定是指数增长的。
嗯。
但是回到具身智能这，它有条线性的曲线，这线性的曲线。
就 device 还没搞好，这个 hardware 还没搞好。
对，对。
它的这个我们对这个事判断的过程就是，整个行业规模越长越快，增速越来越快。
增速的前半段是一个研发制造型的行业。
对。
就是整机，对吧？
整机销售。
然后到了第二个阶段是形成在单一这个生产力场景，形成了方案能力，然后开始做订阅。
在这个生产力场景里边，货出出去了，然后呢多场景有效了，智能在多场景开始有效了，从单一有用到通用的时候，又变成卖 token。
那个时候 device 足够多了，才能卖 token 然后一卖 token 才是刚才说的。
刚才那个，那种状态的增长。
所以你看，第一阶段，可能是年化哈，百分之。
呃，30到百分百之间的这么一个自然增长率。
那第二阶段卖卖方案，可能是3倍到10倍，因为我们在其他行业观察过这样的生产力场景爆发，它有这样的这个增长能力。
而到了卖 token 通用的 token 对吧？
我们看到可能是几十倍。
是。
一年的这个增长。
对。
所以从一倍、几倍、几十倍，每年增长，它是这样的一个展开的一个过程。
对。
所以巨声智能行业未来。
很有可能它是越长越快。
这一点我很认同。高继扬今天在演讲时讲了个观点：大脑这部分是有学习能力的，越用越值钱；但硬件部分可能是越造越便宜，你得把 device 的成本降下来、把门槛降低，大家才会用。所以硬件成本是越来越低的，大脑的价值是越来越高的，这两个你都要做。
我还记得我们好像看过一个研究：当一个特别巨大、特别颠覆的技术来临时，它首先是一个很长的周期。技术的 penetration，就是刚才说的从 innovator、early adopter 这一盘走完，可能要十到十五年；而产品的生命周期是二十到三十年。你看 PC 时代来的 Microsoft，到现在还在吃红利呢，Netscape 出来到现在也很多年了。这是第一个特点，它是很长的一个年轮——你可以先把技术判断趋势走完，再走产品判断趋势，加起来就是十五年到三十年。
第二个比较大的 learning 是：你在哪个阶段投资。鸿沟之前投，那就是风、是 VC；鸿沟之后投，你还可以拿很多年。有个很重要的观点：当你跨越鸿沟的时候，会进入一个暴涨期，以百分之二百的速度增长，持续三到五年。为什么会长那么快？因为大多数人都开始用了——原来只有百分之二到三的 innovator、百分之十几的 early adopter，但大头是 early majority，占百分之三十四，一百个人里有三十四个都在用。用的人很多是第一个原因；第二是成本下来了，特别感谢 DeepSeek 去年年初把成本降了十倍，应用也随之丰富起来。这个时候你会发现，跨越鸿沟后它涨得特别快。
历史也证明：在跨越鸿沟、进入暴涨期的时候，通常场上有三五家 player。如果你是这三五家里跑得最快、大力出奇迹、get big fast 迅速做大的那家，那么你在这个阶段拿到的市占率是永恒的，说明护城河很深。所以那个时候你一定要找到这样的企业。
但这个"永恒"有两个前提：第一，你必须是一个 operating system（操作系统）；第二，你得是一个 infrastructure（基础设施）。他举了很多例子，比如 PC 时代的 WinTel——Intel 是 infrastructure，Windows 是 operating system；到了 mobile internet 时代，有 Qualcomm，这边有 iOS、有安卓，他们都是垄断型的企业。
那我觉得在大语言模型、AI 这个时代，第一个跨越鸿沟的就是大语言模型，我觉得它应该算跨完了。我们 2023 年投智谱和 Kimi 的时候还没跨、刚刚开始跨，现在我觉得跨了百分之二十的 penetration 了；你看豆包的 MAU 和整个互联网就差不多跨过去了。以前我很纠结：大语言模型到底是不是一个 operating system？会不会形成垄断？现在我不纠结了——operating system 加 agent，这两个是一体的，如果是一体的，其实就是一个巨大的生态，是可以形成垄断的。
那接下来这一波搞完以后，你会发现 infrastructure 先行、涨得很快，但后来 operations 会涨得更快；当 operations 涨得很快的时候，infrastructure 的增速就放缓，有点像今天——大语言模型这个 point 已经转化了。你看英伟达的 AI 芯片可能涨个百分之八九十，Google 都涨个百分之一二百，但 Anthropic 涨多快？我们的 Kimi、智谱涨多快？那是每年十倍的增长。而且最终的结局是，operating system 的 market cap 是 infrastructure 的三到五倍，所以它是更值钱的。
但是 fast forward 到具身，具身现在其实还是一个新赛道，有了硬件，我们还在 innovator 和 early adopter 之间，early adopter 刚刚开始有点起来。这一步还没走完；走完以后——我觉得今年如果数据能拉到，比如一百万个 hour，明年到一千万个 hour，可能就翻得很快了。中国的硬件、供应链很强，可能迭代完以后，说不定两三年这件事就做完了。走完以后，它的好处就是它是一体的：operating system 跟 infrastructure，如果你做本体，就像咱们星海图这样，这两个都是它自己一家人做，就会很厉害。device 是它的，operating 也是它的。
所以你们两个是分别看了《跨越鸿沟》那本书，对吧？
对，就是分别看的。
对，因为他讲了很多规律，而且写得很早，现在你可以拿来证伪或证实，我觉得大部分还是很对的。而且做投资要有耐心——有时候你其实也不是那么确定。你做决策的时候，可能看到百分之二三十就决定了，也可能要看到七八十再决定，这个最后还是要靠信仰。大方向你是有信仰的，但谁是赢家，其实你也不是那么确定，对我们来说尤其如此。
你说的是他，还是你？
对我们来说，就是要在里面选 player。
而他只能确定是他自己。
对，在这件事上，我们对长期方向是有信仰的，所以没有迟疑、没有怀疑过。其实我觉得很多时候做决策也没那么难，因为我们最基本的就是基于事实是什么、基于规律是什么，把这两个东西抓住，然后对未来做一些推演。推演出来不同的路径有 A、B、C、D，我们就去看应该选哪一个。而且不是说今天选了就完全定死、不能调了——过程当中有新的事实进来，我还可以再调。
所以本质上我觉得它是个循环：因为我们更早拿到了一些信息，所以更早获取了一些认知；因为这些认知，我形成了一些策略；因为这个策略，我展开了一些行动；因为这些行动，我获得了一些结果；这个结果又反过来更新我的信息。
对，就是一个不断叠加的过程。
我其实挺想知道，比如你们二三年做这家公司，从那时候到现在为止，你们的技术愿景，包括最开始设定的战略或策略，迭代到今天有变化吗？包括你们开始时跟凯西讲的那些，今天会有变化吗？
应该说最基本的那几条没变。比如我们说具身智能的未来是"一脑多形"，核心在脑不在形；第二，具身智能未来的长期壁垒是物理世界的数据闭环，而构建数据闭环的关键路径是"整机加智能"。这几句话，都是我们在最开始创业的时候就已经想好的。但没想好的是——怎么去实现这几句话？路径是什么？从哪个产品开始做？这个产品从哪个市场切入？这些东西我觉得变了非常多。
就是"一脑多形"、数据闭环，他一开始就是这么跟你讲的吗？
第一次见面的时候他就是这么讲的，我记得特别清楚。他讲"智能定义本体"，就是大脑跟身体都要做，但大脑是最重要的。数据闭环当时也说了。当时讲的到现在基本没怎么改变过。
大脑比身体更重要，然后当时在做本体，是吧？
对，正因为大脑比身体更重要，而为了把大脑做好，所以得有一个好的本体，就是这个逻辑。
因为大脑你都不知道怎么做，硬件不能用别人的吧？我觉得还是要用自己的。你身体没做出来，大脑就没法迭代，你要靠数据回传才能进步、学习。
我问凯西一个问题。过去我相信所有人对你最大的印象，还是投京东、投美团、投消费互联网，投得非常非常成功。那我挺想知道，你什么时候开始关心他们这样的硬科技公司——包括你讲的，比如投了 Momenta 这样的公司？而且这个东西应该也需要一个很长、很陡峭的学习曲线吧，你是怎么学的？投资这行又没有专业之分，你既可以投消费互联网，又可以投具身智能。
我我这点很认同，今天那个呃吉祥在演讲时候讲了个观点，就是他说大脑的这个大脑的部分是，它是有学习能力的，它是越用越值钱的。
嗯。
但是你硬件的部分可能是越来造越便宜，你要把 device 降下来，门槛降低，大家才会用。
所以那个是越来越低的，这个是越来越高的，所以你两个都要做。
然后我也记得就是我们好像看过一个研究，就当一个特别巨大的和颠覆的技术来临的时候。
呃，它首先是一个很长的周期。
首先技术的 penetration 就刚才说，从 innovator early adopter 这个盘的技术可能是10~15年，但是这个产品的生命周期是20~30年。
你看 pc 时代来的 Microsoft 到现在还在吃红利呢，对吧？
都已经多少年了，那那个 Netscape 出来的时候，那还很多年了。
这是第一个，就它是很长的一个年轮，就你可以技术判断趋势走完，再走产品的判断趋势，那就是15年到30年。
那第二个呢，我有一个那个比较大的 learning 就是说你在哪个阶段投资，就鸿沟之前投，那就是风， vc 嘛，对吧？
那鸿沟之后投，那你可以还可以拿很多年。
它有个很重要的观点点，就是说当你跨越鸿沟的时候，它会进入一个暴涨期。
这个暴涨期啥意思？
就百分之二百速度增长会3~5年。
这第一个，为什么会长那么快呢？
就是因为大多数人都在用了，原来你是要百分之二到三，Innovator，百分之十几，Early Adopter。
但是大头叫 early majority 34个 percent 的人，就100个里面34个都在用。
嗯，用的人很多，第二成本下来10%，就是特别感谢 Deepseek 去年年初把那个成本下来10倍，然后应用丰富了。
就这个时候你会发现它跨越鸿沟正涨得特别快，它历史证明什么呢哈？
就说你在跨越往鸿沟进入一个暴涨期的时候呢，通常有三五家的 player 有三五个人。
但是如果你是三五人里面跑得最快的人，而且叫大力出奇迹，就是 get big fast 迅速做大这些人，他拿到的市占率在那个阶段拿到市占率是永恒的。
说明这个护城河是很深的。
所以你一定要，就那个时候，就是要找到这样的企业。
但是这个这个永恒，它有两个前提。
第一，你必须是一个 operating system 你是个操作系统。
第二，你可能是一个，你是一个 infrastructure 他举了很多的例子，比如说 pc 的时代，我们有 WinTel Windows 和 Intel 对吧？
Intel 是是 infrastructure， Windows 是 operating system 然后在 mobile internet 的时候，有 Qualcomm 然后呢这边有 iOS 有安卓，他们都是垄断型的企业啊。
那我觉得在大语言模型，AI这个时代，首先第一个是大语言模型。
大语言模型它先跨越鸿沟了，我觉得大语言模型应该算跨完了嘛。
嗯。
我们2023年投投智谱跟 Kimi 的时候，那时候还还没有跨，刚刚开始跨，现在是我觉得跨了20 penetration 了。
你看豆包的这个 mau 和那个整个互联网就差不多跨了啊。
但是呢，呃，我以前很纠结，就说这个大语言模型是不是一个 operating system？
它会不会形成一个垄断？
对吧？
现在我不纠结，我觉得 Operating System 加 Agent 它两个是一体，如果这是一体的话，其实就是一个巨大的生态，是可以形成一些垄断的。
那接下来这个搞完了以后。
嗯，就是你会发现，Infrastructure 先行，它会涨得很快。
但是后来你会发现，Operations 它会更快。
就当 Operations 涨得很快的时候，Infrastructure 就增速就放缓，就有点像今天。
就这个 point 就大语言模型这个 point 已经都转化了，你你看。
英伟达的 AI 芯片可能涨个百分之八九十啊，Google 都涨个百分之一百二百。
但你看一下 anthropic 涨多涨多快呢？
你看我们的 Kimi 智谱涨多快呢？
那是每年十倍的增长。
而且最终的结局是这个 operating s- system 它的这个是在它的那个 market cap。
是 infrastructure 的3倍到5倍。
所以它是更值钱的。
但是我觉得 fast forward 到具身，具身其实现在我们还，就这是一个新的赛道，就是有硬件了，就我们还在 early adopt，还在 innovator 和 early adopt 之间。
对对对，early adopt 刚刚开始有点开始。
就这个还没弄完，弄完以后，但是我觉得今年如果数据拉到了，比如说100， 100，一一个 million 的 hour 然后明年到 ten million 的 hour 可能就翻得很快了。
翻快一点，我觉得中国的硬件也很，供应链很强，可能迭代完了以后，说不定两三年这个事情就做完。
走完以后，接下来可能就是我觉得它的好处就是说它是一体的，它那个 operating system 跟它那个 infrastructure 如果你做本机，就像咱们青海湖这样，这两个都是它自己一家人做，就会很很厉害，我觉得就会很厉害。
这两个都是自己做的嘛。
嗯。
对吧，他他的 device 也是他的， operating 是他的。
嗯。
所以你们两个是分别看了那个跨越鸿沟那本书，对还是？
对对对对对，就分别看了，分别看了。
啊，对对对，因为他讲了很多规律，因为他写的很早，他讲了很多规律，现在你可以证证伪或证实，就是我觉得大部分都还是很对的。
嗯，是是是，很对的，对。
而且有耐心嘛，就有的时候可能有时候你其实也不是那么确定，可能就是你可以看到一个，我不知道哈，你做决策的时候，可能看到百分之二三十就决定了，可能还是说要看到七八十再决定。
就这个其实你要靠，最后还是要靠信仰。
嗯。
就大方向你是有信仰的，但是谁是赢家你其实也不是那么确定，对吧？
对我们来说。
你说他还是你？
对我们来说就是要选选选 player 但他。
他只能确定是他。
啊，在这里边就是就是我我我觉得就是说我们对长期的这个方向，刚才就说肯定是有信仰，所以这件事上呢，没有。
就说没有迟疑，没有怀疑过。
啊，然后呢，其实我觉得很多时候做决策哈，因为刚才谈到决策和方向这个问题，也没那么难，因为我们最基本的就是说我基于事实。
是什么？
基于规律是什么？
对吧？
我们把这两个东西抓住，然后对未来做一些推演。
推演的这个结果，不同的路径有 a b c d 那我们就去看应该选哪一个啊？
然后呢，不是说今天选了。
这东西就完全就定死了，就不能调了。
我过程当中我有新的事实进来了，我还可以再调。
所以我觉得本质上还是，我我觉得每就是个循环啊，就是说因为我们更早的拿到了一些信息，所以我更早的获取了一些认知。
因为这些认知，所以我形成了一些策略，因为这个策略，我展开了一些行动，因为这些行动，我获得了一些结果，这个结果我更新我的信息。
对。
然后就叠加的过程，对对对。
啊。
嗯。
哎，我其实挺想知道的，比如说因为比如说你看你们二三年做这家公司，从二三年做这家公司到现在为为止，比如你们的技术愿景啊，包括你们开始设定的战略或者策略。
迭代到今天有变化吗？
包括你们开始时候跟凯斯讲的，比如今天会有变化吗？
呃，应当说最基本的那几条没变。
啊，比如说我们说具身智能是未来是一脑多形。
一脑多形。
啊，然后呢这个核心是在脑不在形。
嗯。
啊，然后呢，第二个就是说具身智能未来的长期壁垒是物理世界的数据闭环，然后构建数据闭环的呃这个关键路径是整机加智能。
像这几句话都是我们在这个最开始创业的时候就已经想好的。
嗯。
但是没想好的是什么呢？
就是。
怎么实现这几句话？
路径是啥？
从哪个产品开始做？
这个产品从哪个市场开始去去切入？
这事是我觉得是变了非常多啊。
就是一脑多形，数据闭环，他开始就这么跟你讲的是吗？
呃，第一次见面的时候，当时就给我们讲的就是是，我记得特别清楚，他是智能，定义定义本体，就是说他们是大脑是，就大脑跟身体都要做，但是大脑是最重要的。
哎，对，然后数据闭环也说了，啊，对对对。
就当时就讲的没没怎么改变过，我觉得基本没怎么改变过，对。
嗯。
然后大脑比身体更重要，然后当时在做本体是吧？
就因为因为你看就是因为大脑比身体更重要，而为了把大脑做好，所以得有一个好的本体。
就这个逻辑啊。
因为你大脑做你都不知道怎么做，你硬硬件不能用别人的吧？
嗯，是。
就我觉得还是要用自己的嘛，你这身体没做出来，你你大脑没法迭代的嘛，你要靠数据回传才能进步学习嘛。
嗯嗯。
对，我问凯瑟一个问题吧。
就是因为呃其实过去我相信所有人对你的最大的印象就还是投京东啊、投美团啊、投消费互联网啊，就投得非常非常成功。
对，对，那我还挺想知道，比如说你。
什么时候开始关心，比如说像既然他们这样这样的硬科技公司，包括你讲，比如投了那个，Monash 这样的公司嘛？
以及说这个东西它应该也是需要一个很长的，很陡峭的学学习的曲线的吧？
就是你怎么学的？
以及投资这玩意，它没有专业嘛，就是你又可以投消费互联网，又可以投消费，又可以投巨声智能。
对对对。
好问题。第一，我们其实最早投硬科技大概是七八年前，七年前投了自动驾驶。当时有个小公司叫 AutoX。那会儿无人驾驶就是 Waymo 和特斯拉两条路线，你也不知道哪条对，反正一个要雷达、一个不要雷达，我们也看不懂，就在中国各投一个：一个是 AutoX，学 Waymo 的；还投了另一家学特斯拉路线的 蔚来汽车。这过程就是很大的一个 learning curve，每次开董事会，生意模式都在变——因为那么小的公司其实找不到模式，就是不断地变、不断地学习，我们坐在董事会上向创始人学到很多东西。
后来五年前开始投机器人，就是我刚才说的高仙（扫地机器人）、海柔、XYZ，投了好多。因为以前我们从来没搞过硬件，又是出海、又是供应链，我觉得哇，这个硬件比软件难多了。为什么？因为它不像软件一下就能跑得很大。硬件就是 bits 很容易、atoms 很难——供应链就那么几家，不是你自己说了算，别人的供应链会反过来控制你。
我当时记得特别清楚，我跟 Peter 有个对话，他说特斯拉的 Elon Musk 是非常厉害的人，小扎也不错，但 Elon Musk 比小扎厉害多了；可是你看特斯拉造汽车做了十几年，市占率都不到百分之十，而小扎啪啪啪一下子就垄断了。这就说明做 bits 是很容易 scale 的，做 atoms 很难——所以我当时就觉得，哇，挺难的。但硬件其实也很稳定，所以这中间有很多 learning curve。然后 2023 年年初我们投了 Kimi、投了智谱，又是一个巨大的 learning curve。
所以说到 learning curve，我觉得我们的学习有三个方法论。第一，你要向 founder 学习。我跟 founder、跟高继扬，基本上每两三个月会有一次 deep diving 的聊天，聊的不是你做了多少收入，而是"你最近的习得是什么"——我最喜欢问这个，你最近看到了什么别人没看到的东西？第二问，你成长的痛苦是什么？第三，从第一性原理看，这家公司的护城河长远来讲到底是什么？就这几个重要问题来来回回、反复深度地讨论，向 founder 学习，然后我也 compare 一下我学到的东西。跟 founder 聊天这件事挺重要的。
还有一个方法论是，我们也做很多 winner pattern study。以前没研究过人家的 winner——我人生中最大的一个遗憾，就是字节早期没投到。当时去见张一鸣，他要价很贵，把我吓到了，哇这么贵，我是做 VC 的。具体哪一年我不太记得了，好像是七十亿美金吧，反正是移动互联网那会儿。
七十亿美金。
当时你看，其实我们觉得挺贵的，那时候不知道，我就觉得很贵。但后来我觉得我是没有看懂——你真的赚不到你认知之外的钱。
后来我什么时候看懂他的模型呢？是我开始研究整个广告的 winner pattern，我把小扎（Facebook 创始人）所有的年报 transcript、每个季度季报的 transcript 都看了。他在 2012 年、大概 2012 或 2013 年，有个季度说：未来所有的信息都是以 feed 流的形式来表达，而不是 search。PC 时代你是 search，到了移动互联网你就是 feed 流，刷刷刷。即使是广告，它也像一个内容一样，完全无缝地镶嵌在你的 feed 流里面。在那个 moment 我就知道，这其实就是推荐引擎。之前我不知道推荐引擎这么 powerful。看完 winner pattern，你就要早点做。
所以现在我一开始就先看最先进的 model、最先进的 lab 在干什么，把他们搞得特别清楚，创始人所有的演讲、所有的 podcast、每个技术访谈都搞一遍。这就是 winner pattern study。
但我觉得也尝到过甜头。当时在移动互联网，我们有一个基金，55% 的钱投到了美团。那时美团跟点评刚刚合并，还要跟饿了么打，不一定打得赢。那时候都是靠补贴——你免费给人家吃。当时的补贴，一个饭盒不是 9 块、10 块钱吗？学校的学生本来吃饭是 15 块，那补贴过后更便宜，肯定会吃。但问题是，如果你不便宜，他还会吃吗？这个问题是不是一个合理的问题？
我就去问美团的 王慧文：我们试了一下，补贴一停，立马掉了 20%，我们也不敢了，掉了一天就赶紧又回去了。所以这个答案你也是不知道的。
那怎么才能知道呢？我想起来，我看了一下——711 的创始人铃木先生写了一个传记，叫《零售的本质》之类的。他里面说，他当年做了一个产品叫速食。二次大战结束以后大家都很穷，他就做了个速食，特别特别好吃：用最好的米，用最好的、专门设计的 cooker，用菲律宾深海打的鱼来做。因为速食在家做很麻烦，他的便利店就来卖这个速食。但成本很高、很贵，他说我半价卖。半价卖，很多人来买、排队。后来店里有人说：老板，你这半价给他吃，我们亏着钱做，哪一天我们不半价了，人家是不是就不吃了？他怎么说？他说，人的天性就是懒惰，人最大的本质就是懒惰。当你习惯了吃这个速食、别人给你做好了、你就不用自己做，那你慢慢加价，他也还是会吃的。
就这句话，我一下就想起来了，所以美团我们当时是重仓的。这个重仓的决定，其实就来自我对铃木那个判断——他对人的天性的洞察。外卖是一样的道理：不用做饭了，对吧？你不是懒吗？你一旦懒了……所以给 coupon，你不要给一次，给他五次，养成习惯；给了五次他就习惯了，然后就回不去了。人的天性真的很难改。
所以这就是我们叫的 winner pattern study。这个做完，我们还有一个，就是消费者洞察，要跟客户聊天。最后就是刚才说的，要见十几二十个，十个、二十个你都见一遍。见第一个，一开始有信息差：哇，这个人好牛，他知道的东西我都不知道。第二次见面：好像没那么牛了，其他人我都见过了，问的问题都很正常。然后第三次：就看财务报表了，看一下有没有做错什么重大决策。这些都搞完了。
但你看，比如说既然他们做这个领域——应该是因为它是一个开创性的、或者完全全新的领域，这个领域也没有既有的赢家。
好问题啊。
第第一，我们其实最早投映科技是大概七八年前，七年前投了这个自动驾驶。
当时有个小公司叫 AutoX，然后呢呃那时候就是据，就是无人驾驶的 Waymo 和那个特斯拉，你也不知道哪个路线是对的，反正它俩一个是要雷达，一个不要雷达。
我们也看不懂，我们就两个，就在中国各投一个。
一个是投了 AutoX，是学习这个 Waymo 的，还投了 leo，就是呃未来汽车，它是学习Tesla 的。
啊，然后这过就很大的一个 Deep Learning curve，每次开董事会，生意模式都在改变。
因为其实那么小的公司，其实找不到模式，就是不断的变，不断的学习。
就我们坐在董事会上学到很多东西，是创，向创始人学习的。
啊，然后后来我们在5年前开始投那个。
呃，机器人就是我刚才说的高仙，呃，扫地，然后海柔，XYZ，然后投了好多。
因为以前我们从来没搞过硬件，然后呢又是出海，然后又是供应链，我觉得哇塞，这个硬件比软件难多了。
为什么呢？
因为它不像软件一下就可以跑得很大。
但是硬件就是就是我觉得 beats 是很容易的，Adam 是很难的。
因为供应链你就几家，你不是自己说不算，别人要供应链控控制你。
对吧？
我当时记得特别清楚，嗯，那个我跟 Peter 有个对话。
他就说，他说特斯拉的那个 Elon Musk 是非常厉害的人。
然后小扎也不错，但是他 Elon Musk 比小扎厉害多了。
但是你看特斯拉做那个造汽车，做了十几年了，市占率都不到不到10个点。
但小扎啪啪啪一下子就垄断了，对吧？
那就是说做这个 B 词是很容易 scale 的，那 Adam 很难，那我就觉得哇挺难的。
但他呢其实也很稳定，所以我们中间有很多 learning 的 curve 然后我们就是2023年的年初的时候就投了。
呃， Kimi 投了智谱，然后又是一个巨大的 learning curve 所以你要说 learning curve 我觉得我们学习是三个方法论哈。
一个是你要向 founder 学习，其实我跟 founder 跟季阳也是经常就是两三个月吧，有一次 deep diving 的聊天。
这个聊天，我们不是说看什么，是你做，赚多少钱收入，还是说，哎，你最近的习得是什么？
我最喜欢问这个，你最近习得习得是什么？
就看到什么别人没看到东西啊。
呃，第二就是你成长痛苦是什么呀？
然后我们一起投到，后后面第三就是哎哎，这个这个从第一性原理，这个公司的护城河长远来讲到底是什么？
就来来回回就这个重要的问题反复深度多次的讨论，就向 founder 学习嘛，然后我也 compare 一下我学到东西。
就这个是，就跟方德聊天，这个挺重要的。
还有一个就是，我们也做做很多 winner pattern study 就是以前就是没有研究过人家 winner 我当时就就人生中最大的一个遗憾，就字节早期是没有投到。
啊，当时去见张一鸣的时候，张一鸣他要价很贵，我吓到了，哇，这么贵，我是做 VC 的，他要。
哪一年呀？
七十亿美金呐，还是哪一年，我具体不太记得。
移动互联网。
七十亿美金，嗯。
当时你看，其实我们觉得挺贵的，那现在就，那时候不要知道，那那就我就觉得很贵，但是后来我觉得我是没有看懂，就是你真的是赚不到你认知之外的这个钱。
后来我什么时候看懂他的模型呢？
是我开始研究整个广告的这个 winner pattern 然后我就把小扎，就是 facebook 的创始人小扎的所有的年报的 transcript 每个季度的季报的 transcript 都看了。
他在2012年的时候，好像12年13年时候，他有个季度就说，他说以后未来所有的信息都是以 feed 流的形式来表达，不是 search 的。
PC 时代你是 search 到了移动互联网你就是 feed 流，你就刷刷刷刷刷刷。
它的即使广告，它也像一个内容一样，就是完全是无缝的镶嵌在你的 feed 流里面。
在那个 moment 我就知道，哇，这个其实就是推荐引擎啊。
这是之前我不知道推荐引擎这么 powerful 就是看完了，就是说 winner pattern 但你要早点做。
所以现在我一开始看，哇，首先先看，呃，就就最先进的 model 最先进的 lab 在干什么。
你要把他们搞得特别清楚，就他们的创始人的所有的演讲，所有的 podcast 每个技术员都都搞一遍。
那这个就是 when a pattern study。
但我觉得也有也有尝尝到甜头的，当时我记得我们在移动互联网，就是我们一个基金，那个基金55%的钱投到了美团。
那时候美团跟点评刚刚合并，然后也那时候其实还要跟还要跟饿了么打，不一定打得赢。
然后那时候都是靠补贴嘛，当时有个很重要的问题，就说你免费给人家吃，就那时候的补贴不是9块钱10块钱一一一个饭盒吗？
那你学校的学生都是15块，那还更便宜，肯定是会吃的嘛。
那问题，如果你不便宜，那会吃吗？
这个问题是不是合理的问题？
如果我就去问美团的王慧王慧说，哎。
我们试了一下，我们一旦补片一停，立马掉了20，我们也不敢了，就掉了一天，我们就不敢了，又回去了。
所以这答案你也是不知道的。
那那怎么才能知道呢？
就是我想起来，我看了一下。
呃，711的创始人铃木先生，他写了一个传记，那个传记哎，对，零售的本质什么的。
他里面就说他当时做了一个产品叫速食，就二次大战结束以后，大家都很穷。
好，他就做了个速食，那个速食特别特别好吃。
他用最好的米，然后还用最好的那个 cooker 哈，设计的 cooker 然后用菲律宾深海打的鱼做了这个梳洗。
因为梳洗很麻烦，在家做很麻烦，他的便利店我来卖这个梳洗。
但是很贵，成本他用的，他说我半价卖，他半价卖，很多人来买，排队。
后来他说，哎哟，老板你这半价给他吃，我们亏着钱做，哪一天我们不半价，人家是不是就不吃了？
他怎么说？
他说人的天性就是懒惰，人的最大的本质就是懒惰。
当你习惯了吃这个速食，别人给你做好了，你就不用自己做，那你慢慢加价，他也会还是会吃的。
就这句话，其实我就觉得我想起来了，所以美团我们当时是重仓的呀。
嗯。
就这个这个重仓的决定，其实就来自于我对铃木的那个判，他对人的天性是很难，就外卖一样的道理，不用做饭了呀，对吧？
你不是懒吗？
你一旦懒了，所以给 coupon 你不要给一次，给他五次，养成习惯，给了五次他就习惯了，然后他就回不去了呀。
人的天性真的是很难，所以我觉得这就叫我们叫 win a pattern study 这个做完，然后我们还有一个就是呃消费者洞察要跟客户聊天。
最后就是刚才说的要要十几二十，十个二十个你都见一遍。
见一个，一开始有信息差，哇，这个人好牛啊，啊，什么他知道的东西我都不知道。
第二次见面，哦，好像没那么牛了，其他人我都见过了，问的问题都很正常。
对对对，然后第三次哦，就看了财务报表了，就看了一下，这个什么重大决策有没有做错的。
哈哈，这些都搞完了，对。
对。
但你看，比如说既然他们做这个领域。
啊。
对，应该是因为它是一个开创性的，或者完全全新的一个领域嘛，它这个领域也没有说既有的赢家。
然后他的客户……就看本子。你讲的有道理，我觉得看 founder，founder 还是挺重要，我就看 founder。我做这行时间很长了，我从 95 年开始做投资，感觉就是做了很久，对人的判断有点经验，我就判断——人挺重要。
判断人，我觉得是条条大道通罗马。创始人的性格各有不同，都可以成功，但有一些共性，我试图总结这个共性。普遍性来说：第一，他要有杀手的直觉，基本上定义就是他能看到别人看不到的东西。像杨植麟，他看得很早，他就说要做 long context；他也是最早做 agent 的，他先看到了这个东西。
然后比如刘强东，他先做配送、做物流。那时候阿里巴巴说，我们拿着放大镜都找不到对手——他不相信要做重，要做轻。那这个也是我们的 lucky：如果他一开始做重，我们就完蛋了。所以他先去做了配送。每一个城市区间配送，我们都是二十个人、两辆车，每天二十单都亏钱，到 2000 单我才不亏钱。从二十单到 2000 单，我需要一年。但我不是只去一个城市。这个就是他的 vision，他看到别人没看到的东西：很早就建配送，因为痛点——80% 的客户抱怨都来自配送不好。
然后比如我们投的那个 Halara、张小沛，她很早就创造了一个品类，就是"我要用算法来颠覆一个传统行业"。找来找去找到 fashion，因为发现 SKU 越多越好，SKU 越多算法就越起作用。所以她搞了一个用算法来做很多决策的、其实是传统的行业。
其实我觉得现在很多年轻人都可以去做。很多人说，AI 来了，工作没有了，他们去干什么？我觉得他们都可以去搞颠覆，就是降维打击传统行业。他们懂 AI 呀！AI 我觉得可以再造每一个行业——就像我们看到所有的零售都被电商洗掉了，我觉得 AI 可以再做一次。所以那些工程师们现在都可以去创造一个新的行业，去颠覆那些线下的人，因为那些人也不懂。你懂 AI 和不懂 AI 就是巨大的差别，一个懂 AI 的创始人会颠覆一个不懂 AI 的创始人。这就是未来十年、二十年的增长动力。
就包括，我不知道，比如说你问高继扬，你有三个问题嘛，第三个问题说"你的护城河是什么？"。对于人家这么一个成立了三年的公司而言，这个问题太残忍了吧？你的护城河是什么？
这个我们讨论过，经常讨论，经常讨论。
对对对，其实我对这个问题，我觉得我的答案是很清楚的。对于像我们这样一个高速发展、每天创新都在发生的行业，迭代是唯一的护城河。你必须得自己成长、自己迭代；不然，你觉得你有点东西了，停了两天，就发现自己都落后了。
所以也有很多投资人、包括合作伙伴问，说现在星海图的基因是什么？是做大脑的基因吗，还是什么？我觉得我们的基因就是迭代，是围绕我们的目标去学习、去成长、去迭代自己。
我觉得他们这一代创始人——AI 这代创始人，跟互联网这代本质的不同是什么？我记得互联网刚开始的时候，这个 device 其实已经换了：PC 时代突然有了 PC，移动互联网突然有了 mobile phone，所以流量是新增的流量，大家都是跑马圈地。那时候谁跑得快，一个商业头脑很好的产品经理，能把 APP 做出来，就都有可能成功。
但这次 AI 最大的不一样，是它技术特别颠覆，但是它的 terminal 没有换，还是那个手机，流量都在大厂手里。所以我的感觉是，你在这段时间做 AI Agent 也好、什么也好，你的产品要特别特别优秀，要真的好十倍，要不然流量你再花钱去获取，根本就活不下来。你又要烧 token、又要获流量，这个 UE 是不 work 的。所以现在所有做得好的、work 的，产品都是极度地好。
就在这里边，我想补充一点。我觉得具身智能这个赛道是特别适合创业的，因为——
是因为你们今天刚刚发了那个投资基金是吧？
不不不，不是鼓励大家创业。
没有没有，跟这没关系，我是完全客观地说这件事。因为刚好，凯西刚才提到了这一点。
我觉得，一个创业公司面对一个成熟企业、一个大厂，最可怕的是什么？最可怕的是被人家的已有业务做协同，然后降维打击。这是最可怕的。比如说刚才说到流量这个问题：有流量的大厂，天然流量就在他那，随便分一点给他的新 APP，马上就上去了。但对一个创业公司来说，你必须得产品足够足够好，才能从里面博取一些东西。
但是我们回看具身智能，我觉得具身智能其实不在任何大厂的直接射程范围之内。直接射程指的是什么？指的是在供需两端可以降维打击你。
首先看供给侧。我们的供给是什么？是基础模型——就是智能，和新的整机。基础模型这事之前不存在吧？之前连数据都没有，所以这是个全新的东西，任何人的起点都一样。第二是整机。整机离得最近的可能是汽车，但汽车里边哪一个零部件能直接用过来吗？没法直接用过来，全都得从头开始设计。而且如果你直接带着原本设计汽车的理念去设计机器人，带来的问题是什么？就是太慢。就像刚才凯西也讲的，初生牛犊不怕虎；他们大厂可能带着那一套思维方式，迭代肯定慢。这是供给侧。
我们再看需求侧。我们这个产品，首先终端没有——不存在一个已经存在的手机、说谁已经占领了手机这个流量，现在都没有，所以这完全是一个空白的空间，大家凭各自的发展去做。然后，谁能垄断劳动力呢？因为最终我们这事不是生产力，是劳动力。没有人能够垄断劳动力。最大的民营企业应该是京东吧，可能有 100 万人，但 100 万人占整个劳动力市场很小很小的一部分。所以在需求侧，没有一个企业能够垄断。
那这意味着什么？就是在供给侧和需求侧，大厂进来都没有能够降维打击的能力。所以我认为我们公司和大公司竞争，归根结底是两方面：一个是组织、或者说人，一个是资源、资金。
再拆解这两个维度，我觉得我们其实是有优势的。组织上，创业公司有它自己的优势——能跑到今天的创业公司，肯定已经做对了一些事，组织也做对了一些事，组织效率一定是高的；核心团队也一定是更 native 地为这件事准备的。
第二就是资金的问题。资金我觉得是这样：这个时代是奖励创新的，只要我们能持续做出最好的产品、最好的东西，资本市场、国家的政策就会持续给你资金，让你循环起来。这可能跟几年前、十几年前那个时代又不一样了。而且事实上，随着头部企业在资本市场拿到钱的体量——现在头部的可能都有几十亿甚至大几十亿人民币的体量。坦率来说，我们先不说最大的大厂，像小米、华为这样的，可能是几千亿的现金储备；中厂可能几百亿的现金储备，但他们还有主业要做，现金是服务于主业的，他能拿出多少钱聚焦在这一件事上呢？可能没我们多。
钱没我们多，组织效率没我们高，也没什么业务可以协同，那肯定是我们赢。所以这就是我拆解下来的这个竞争格局。
然后他的客户。
就看本子，就你讲的有道理，就是我觉得看 founder 就我觉得 founder 还是挺重要，我就看 founder 我觉得我做这行时间很长了，我从95年开始做投资，我的感觉就是，哎，就是做了很久了。
就是有点就对人的判断还有点经验，我就判断人挺重要的。
嗯。
就判断人，就我觉得是条条大道通罗马。
创始人的这个性格是各有不同的，都可以成功。
但是有一些共性，就我试图总结这个共性哈。
普遍性就说，第一，他要有杀手的直觉，就基本上定义就他能看到别人看不到的东西。
就是像杨植麟，他看的很早，他就说要做 long context。
他也是最早做 agent 的，就他那控制出来就 agent 就他先看到了这个东西。
然后我们嗯也可以看出，比如刘强东他先做配送。
做物流，那时候阿里巴巴说，哎呀，我们拿着放大镜都找不到对手。
他不相信做重要做轻，那这个也是我们的 lucky 就如果他一开始做重，我们就完蛋了。
所以他是先去做了配送。
每一个城市区间配送，我们都是二十个人，两辆车，就要每天就是每天二十单都亏钱，到2000单我才不亏钱。
从从二十单到2000单，我需要一年。
但我不是去一个城市，就这个是他的 vision 他看到别人没看到的东西。
很早就建配送了，因为痛点。
百分之八十客户抱怨就来自于配送不好。
然后比如我们投的那个哈拉瓦，张晓沛，她很早就，她创造了一个品类，这个品类就是说我要用算法来颠覆一个传统的行业。
找来找去找到哎 fashion。
因为发现 SKU 越多越好，那算法就是 SKU 越多，它就越起作用嘛。
所以他就是搞了一个，就是用算法来做很多决策，其实是个传统的行业。
其实我觉得很多现在再多的那些年轻人都可以去做，很多说呀，呃， ai 来了把工作，嗯，嗯，就工作没有了，他们去干什么？
我觉得他们都去可以搞。
颠覆的就降维打击传统行业。
嘿嘿，哎，他们懂 AI 呀，AI 我觉得可以再造每一个行业，就像我们看到的所有的零售都被电商给洗掉了。
我觉得 AI 可以再做一次，所以那些工程师们现在都可以去创造一个新的行业，就是去颠覆那些线下的人，他们也不懂。
你懂 AI 和不懂 AI 就是巨大的差别。
就一个懂 AI 的创始人会颠覆一个不懂 AI 的创始人。
这个就是未来十年二十年增长动力。
嗯。
嗯。
就包括，我我不知道，比如说你问季阳说，就是你有三个问题嘛，第三个问题说你的护城河是什么？
对于人家这么一个成立了三年的公司而言，这个问题太残忍了吧？
你的护城河是什么？
呃，我们讨论的，经常讨论。
啊，经常讨论。
哎。
啊。
对对对，我我其实我其实对这个问题，我觉得我的答案是很清楚的。
对于像我们这样的一个高速发展，每天创新都在发生的行业，其实迭代是唯一的。
就是护城河。
对，就是你必须得自己成长，自己迭代。
啊，然后的话呢，不然你任何的觉得你有点东西了，然后你停了两天，你发现你都落后了。
啊，所以所以我觉得也有很多呃投资人，包括这个合作伙伴问，说哎，现在涂的这个基因是什么？
是是是做大脑的基因吗？
还是什么？
我觉得我们的基因是迭代。
啊，是围绕我们的目标。
嗯。
啊，然后呢去去学习，去成长，去迭代自己。
啊。
我觉得他们这这，就这一代创始人，就 AI 这代创始人跟互联网的本质的不同是什么哈？
我当时记得互联网刚开始的时候呢，其实这个 device 已经是换了。
你移动互联网的时候就突然有了 PC 了嘛，对吧？
然后移动互联网有了 mobile phone 所以这个流量是新增的流量，大家都是跑马圈地。
那个那块就是对我们谁谁跑得快，反正是一个商业头脑很好产品经理，他可以把这个 APP 做出来，他都有可能成功。
但这次 AI 就最大的不一样，就是说它技术特别颠覆。
嗯，但是它的这个 Terminal 没有换，还是那个手机，流量都在大厂手里。
所以我的感觉就是说，其实要做出来，就是你在这段时间做 AI Agent 也好，什么。
其实你要产品特别特别优秀，要真的好十倍，要不然的话你流量，你再花钱去获取，你根本就活不下来。
你又要烧 token 又要获流量，这个 ue 是不 work 的。
所以现在所有 work 的好的，就是都是产品是极度的好。
对。
对。
就在这里边，我我想补充一点什么？
就是我觉得巨智能这赛道是特别适合创业的，因为就是。
是因为你们今天刚刚发了那个你们那个投资基金是吧？
啊，不不不，不是鼓励大家创业。
没有没有没有没有，跟这没关系，跟这没关系，我是完全完全的客观的去说这件事。
因为刚好，凯西刚才提到了这一点，就是就是。
呃，我觉得就是说，一个创业公司面对一个成熟企业，一个大厂，最可怕的是什么？
最可怕的是被人家的已有业务做协同，然后降维打击。
是。
我觉得这是最可怕的。
你就比如说，说说刚才说到流量这个问题。
有有流量的大厂，天然流量就在他那，随便一分一点给他的新 APP 马上就上去了。
但是对一个创业公司来说，你必须得产品足够足够足够好，你才能够从这里边去博取一些东西。
对。
但是我们回看具身智能，我觉得具身智能其实不在任何大厂的直接射程范围之内。
直接射程指的是什么？
指的是在供需两端可以降维打击你。
首先我们来看供给侧，对吧？
供给侧我们的供给是什么？
我们的供给侧是基础模型。
啊，就智能和新的整机。
技术模型这事之前不存在吧？
啊，之前连数据都没有啊，所以这事是个全新的东西。
啊，任何人的起点都一样。
第二，整机。
整机可能离得最近的是汽车。
啊，但是你说汽车里边哪一个零部件能直接用过来吗？
没法直接用过来的，全都得从头开始设计。
啊，而且如果你直接带着原本这个设计汽车的理念去设计机器人。
带来的问题是什么？
就是太慢。
对。
就是就刚才刚才凯斯也讲，初生牛犊不怕虎，他们可能就带着那一套思维方式，肯定就迭代慢。
所以这是我们说的这个这个供给侧。
我们再看需求侧，我们的这个产品，首先终端没有，就它不存在一个已经存在的手机，说谁已经占领手机这个流量了，现在都没有，所以这个这个完全是一个这个空白的一个空间。
大家就是凭各自的这个发展。
然后呢，这个说谁能垄断劳动力嘛？
因为最终我们这事不是生产力，是劳动力嘛。
没有人能够垄断劳劳动力。
这可能最大的民营企业应该是京东吧。
对，这可能有100万人，但100万人占整个劳动力市场的很小很小的一部分。
嗯。
啊，所以就是说你看，在这个需求侧没有一个企业能够垄断，那你意味着什么？
就是供给侧和需求侧。
大厂进来没有能够降维打击的能力。
所以我认为我们公司和大公司去竞争，归根结底是两方面啊，就是这个组织或者是人。
然后就是资源资金，那么再拆解这两个维度，啊，我觉得其实我们是有我们的优势的。
组织的这个，就肯定是创业公司，是它有它自己的优势，能跑到今天的创业公司，肯定是已经做对了一些事，组织也做对了一些事，组织效率一定是高的。
然后他的这个核心团队一定是更 native 的为这件事准备的啊。
那第二个就是就是这个资金的问题，对吧？
资金的问题我觉得是这样，就是说这个时代是奖励创新的，然后只要我们能够持续的做出最好的产品，最好的东西。
资本市场，呃，这个国家的政策会持续的给你资金，会让你循环起来的。
啊，所以我觉得这个可能跟几年前或十几年前那个时代又不一样了。
所以我觉得就是说，而且事实上随着这个头部企业这个在资本市场拿到这些钱的这个体量哈，可能现在头部的都有几十亿甚至大几十亿人民币的这个这个体量啊。
其实坦率来说，呃，我们不说最大大厂，像小米、华为这样的，可能他们是几千亿的现金储备啊，是中厂可能几百亿的现金储备，然后他还有主业要去做，他的现金是服务于他的主业的。
他能拿出多少钱来聚焦在这一件事上呢？
可能没我们多的。
是。
啊，是。
钱没我们多，组织效率没我们高，对吧？
也没什么业务可以协同，那肯定是我们赢。
所以我觉得这就是我拆解下来的这个这个竞争。
对，我想 echo 一下。我觉得 AI 时代创始人的画像：第一是最强大脑；第二是九零后，年轻；第三是这个组织效率非常高。我们现在见到的创业公司人真的很少，全部是 founder mode。我们最近看了好多个，我每天见四五个创始人，感觉这些创始人都把 AI 用到极致了，一个人可能会用三五个 AI。他们就像将军攻城略地，AI 就是他们的战旗，每天只睡四五个小时。
我问他们：你们为什么有了 AI 依旧还这么辛苦？他说 agent 一直在把他们人类的 limit 往外 push——他一看，哇，可以干这么多事，马上就去 push limit，想知道到底能干多少，是 AI 在 push 他们。我觉得 AI agent 真的让这个组织非常有效率。
我们先看老板牛不牛，一天有没有烧一亿 token、有没有把 agent 用得很好？第二，组织非常扁平，没有中层干部，就是老板加几个负责人，负责人直接带 agent 干活。这个组织真的不需要好多人，可能二三十个人就能做十亿人民币的销售，没有任何问题。这个新型的组织、AI 型的组织就是长这个样子。
你看大模型，Kimi 去年年底才三百来人，DeepSeek 才两百来人，但都是最强大脑。他们因为有硬件，人要多一点，硬件可能一下子就要多好多。这个组织的效率非常重要：做大模型那一块用最聪明的一小撮人，再利用很好的 AI agent，战斗力就特别强。反而那种老登型的组织打不过你。
是的是的，这点我也深有体会。我还想补充一点：我创业之后这段时间其实一直都是有大模型的，我用得比较多的一种方法，还是跟 GPT 去深度讨论一些规律性的东西。因为事实是什么其实比较容易获取——我去现场、去一线获取一些信息，这就是事实；但规律怎么获取？规律肯定是过往都发生过的，事都是类似的，但有些人懂这个行业、有些人懂那个行业，谁能够高效地、极度压缩地把这些规律呈现在你面前？其实 GPT 能干这事。
你知道那个founder怎么跟我说的？他说他现在招人是这样招的：五万块钱月薪的就不需要了。因为他是算一个公式——五万月薪这个人加上 agent，有没有大于 agent？如果你干的事还不如 agent 好，那就没必要。他要找的是十万、二十万月薪的人，因为这些人可以指挥 agent 干活。以后组织真的没有中层干部了，就找那种特别厉害、能指挥 agent 干活的人，效率提高了很多。
你现在每天睡多久？
我还比较正常，一般七八个小时还是得睡的。
我也是吓唬他们，我说你不能这样，长期睡眠不足要得癌症的。
其实我创业之后还比较正常，正常的睡眠、正常的运动。
哎，我看你跟赵行老师精气神都很好啊。
赵行老师啊，对，是。
赵行，他精神也很好啊。
对，我觉得还是保持好睡眠，然后经常运动。
这样决策会做得比较好。
是。其实很多时候，我觉得也不要陷入到"战略偷懒、战术勤奋"里头，得有一些时间做一些比较深度的思考。
哎，你怎么深度思考啊？
我发现在飞机上——没人打搅。
你就坐那儿想。
对，而且也没互联网。
主要没法跟 GPT 聊天是吧？
跟 GPT 聊天获取一些规律信息，反正都记在脑子里了。我发现有很多次，一上飞机前半个小时先睡一会，后边睡不着了，总得干点啥吧，就开始琢磨——一般会拿一个最近一直在思考的课题出来，深度开始琢磨这事。然后把手机拿出来，开个记事本，写写关键词，理一理思路。很多次都是我一下飞机就开始给同事打电话。
灵感来了。
重新部署一下。
老板一出差，活就来了是吧？
我是每天早上做 meditation。以前我一直想找一个时间去思考，但好像总找不到，后来我就相信有一件事叫"固定时间干固定的事情"。所以我早上起来 meditation 完——meditation 你不是闭上眼睛听鸟叫嘛——等眼睛睁开的时候，我就开始想：我昨天干了什么、学到什么、习得了什么。这是每天的。
但有一些重大的事情，真的要把这个时间固定下来思考，我就周末思考一个重大的事情，然后写下来：这个月我的 major questions 是什么、我要回答的问题是什么。这个问题可能一个月、两个月、三个月都答复不了，但它一直会在我的 list 上面。对重大的问题，深度、反复、多次地思考是很重要的。
对，年轻人是不冥想的是吧？
年轻人直接飞机上睡觉、飞机上干活。
对，因为你前面也讲，比如说你投一个公司之前，其实会把行业里主要的公司都见一遍，先见森林，然后再选树木。
没有，先见树木，再见森林。先见到足够的树木，你心里才有森林。
我其实蛮想听你讲一下，比如说去年年初投了他们之后，之后每一轮都跟了。你会觉得这棵树木特别的地方是什么？因为现在已经很热了，有那么多公司都号称自己要做具身智能。
我觉得这个呢，是三个创始人吧。可能我对高继扬跟赵行老师比较熟，另外天威接触稍微少一点。早期我觉得看人很重要：首先他们还是志存高远，而且长期有耐心；我们觉得他杀手直觉也还挺好——至少一开始"既做大脑又做本体"这个决策就很对，而且他先做了本体，我觉得这也是很聪明的决策，然后在数据上一直很执着地搞。
第二，我觉得他学习能力特别强：我定期跟他沟通，他每一次都在迭代认知，对行业的认知、对自己的认知，迭代速度很快；学习上可能也比较卷，学习速度很快，执行力超强。学习速度快、执行力超强，其实在早期这段时间就是护城河。
就这三点。我觉得主要看 founder，因为这个事情太大了。说老实话，现在你 PMF 也没有，大家就知道这个事情大、知道 scaling law works，其他的也都不知道。那就是在一个足够大、足够颠覆的赛道，找靠谱的创始人。
可能每次问他新的进展什么时候有，他都是刚下飞机、一路上已经想了很多。
而且我觉得他跟赵行、天威三个人搭档也特别好。他工程能力很强，能把事情落地；赵行老师在模型的 training、pre-training 上下了很多功夫，我觉得他也想得很深刻，你看今天他讲的就想得很深刻。
我另外一个感觉是，天威一定不是清华叉院的是吧？
所以没有那么熟悉。
天威是北大的，呃——
不是不是，天威是我以前在 Momenta 的同事，他其实以前也是搞自驾的。他在公司——这也体现我们公司的成长迭代能力：今天公司所有重要的供应链伙伴来了一堆在我们现场，可能有一半是天威自己去接触的。
哎，他们那个供应链老板，现在对这个具身智能是什么态度啊？
啊。
对，我我想 echo 一下，我觉得就是这个 ai 时代的创创始人的画像啊，刚才说画像。
我觉得第一是最强大脑，第二是呃九零后就年轻，第三我觉得这个组织非常非常的呃，就刚才说效率高，我们现在见到的创业公司人真的很少，就是全部是 founder mode 然后我们最近看了好多个。
我每天见4~5个创始人嘛，就感觉就是这些创始人都是，呃，就是我们觉得他就是用 AI 已经用到极致了。
就一个人可能只会三五个 AI 那样子，就是他们感觉就像个将军，攻城略地，这个 AI 就是他们战旗，就是打，就是就，他每天只睡四五个小时，睡眠就是就是他。
我说你们为什么有了 AI 依旧还这么辛苦呢？
他说 agent 一直把他们人类的 limit push 他一看哇可以干这么多事，马上就去去 push limit 想知道到底能干多少，就 AI 在 push 他们。
就我觉得这个 AI agent 真的是让这个组织非常有效率。
老板一天都烧，我们先看老板牛不牛，有没有烧1亿 token？
哈哈，就是你有没有烧1亿 token 有没有把 agent 用得很好？
第二呢，就是组织非常的，就没有中层干部。
就是老板加几个负责人，这个负责人直接带 agent 干活了，就是我看到 agent 是这样子的哈。
就说可能这个这个组织真的都不需要好多人，可能二三十个人可以做10亿人民币的销售，没有任何问题。
就这个新型的组织，a 型是长这个样子的。
你看大模型，大模型你看 Kimi 也就是去年才，就年底的时候才300来人，Deepseek 才200来人。
但是是最强大脑，最强大脑，他们因为有硬件要多一点，他们有硬件要多一点，我觉得硬件可能是硬件一下子就要多好多。
是的，我觉得这个组织的效率非常重要，就你做大模型那一块，就最聪明的人一小撮人，对，然后利用很好的 AI Agent。
然后战斗力特别强。
就这个我觉得那种，反而那种老登型的组织，反而打不过你。
是的是的，这点我也是深有体会。
啊，我还想补充一点，就是我觉得。
呃，我，因为我我创业之后的这个时间里边，其实都是有大模型的。
对，然后呢，其实我用的比较多的一种方法呢，还是跟呃， GPT 啊，去深度的。
讨论。
讨论一些规律。
规律性的东西，因为我觉得就是事实是什么，其实这个比较容易获取，我我去现场，去一线获取一些信息，这就是事实。
对。
但是规律怎么获取？
对。
规律肯定是过往都发生过，我觉得事都是类似的。
但是有些人懂这个行业，有些人懂那个行业。
但谁能够高高效的，对吧？
极度压缩的把这些规律呈现在你面前？
其实 gpt 能干这事。
你知道那个我，那方德怎么跟我说？
他说他现在招人是这样招的，5万块钱月薪的就不需要了，因为什么呢？
因为他是算一个公式。
5万块钱月薪这个人。
加 agent 有没有大于 agent 如果你干的事还不如 agent 好，你就没有必要。
他要找什么？
找10万、20万月薪的人，因为这些人他可以指挥 agent 干活。
就以后组织真的是没有中层干部了。
对，就找那种特别厉害的人，他可以指挥 agent 干活的效率提高了很多。
你现在每天睡多久？
呃，我我我还比较正常的。
我比较正常，我一般就是七八个小时还是得睡的。
我也是吓唬他们，我说你不能这样，长期的睡眠不足要得癌症的。
我就吓唬他，我说你不能这样子。
其实我创业之后还还比较那个什么，就是呃正常的那个睡眠，然后正常的运动啊什么的，对。
哎，我看你跟赵鹏老师都是精气神很好啊，这个谁创业？
赵航老师啊，对，是是是，我。
赵航，他好像精神也很好啊。
对对对对，我觉得还是就是保持好睡眠，然后经常运动。
这样决策做得会比较好。
是，其实很很多时候，我觉得也不要陷入到那个战战略。
偷懒，然后战术勤奋里头。
对。
啊，然后呢，这个得有一些时间就是做一些比较深度的思考。
哎，你怎么深度思考啊？
我发现啊，在飞机上。
嗯。
哦。
就是就是。
没人打搅。
对，没人打搅，然后呢？
你就坐那想啊，就坐那想。
啊，啊，对，然后也也没没互联网，对吧？
然后呢？
这个。
主要没法跟 GPT 聊天是吧？
呃，跟 GPT 聊天的话，获取一些规律信息，反正记脑子里边了。
然后因为我发现有有很多很多次，就是我一上飞机，然后呢可能前半个小时先睡一会，然后然后后边反正睡不着了，我就我就总得干点啥吧，我就开始琢磨。
啊，然后琢磨，我一般就是那个想拿一个最近的，可能我我一直在思考的一个课题出来，我就我就深度开始琢磨这事。
然后呢，我一般就反正把手机拿出来，然后开个记事本，然后开始写写关键词，然后理一理我的思路。
然后很多很多次，都是我一下飞机开始给同事打电话。
啊，哈哈哈。
灵感来了。
重新部署一下。
对。
老板一出差，活就来了是吧？
哈哈哈。
我我是我是每天早上嗯那个 meditation。
Meditation 我觉得就 meditation 完了以后，因为以前我已经一直想找一个时间去思考，但是好像都找不到一个时间，你就独自那思考，好像你要。
后来我就相信有一件事叫固定时间干固定的事情。
所以我就早上起来 meditation 完了以后， meditation 你不是闭上眼睛听到鸟叫嘛。
等你眼睛睁开的时候，我就要开始想，诶，我昨天干了什么？
我学到，我习得的什么，对吧？
然后呃这这是这是每天的，但是呢，有一些重大的事情，真的你要把这个时间固定下来思考。
我就周末的时候思考一个重大的事情。
然后写下来，就这个月我的 major questions 是什么？
我要回答的问题是什么？
这个这个问题可能一个月答复不了，两个月答复不了，三个月答复不了，但它一直会在我的 list 上面。
就这个我觉得对重大的问题是。
深度反复多次思考是很重要的。
嗯嗯嗯。
对，年轻人是不冥想的是吧？
哈哈哈。
年轻人直接飞机上睡觉了。
飞机上干活。
哈哈哈。
嗯，哼。
对，因为刚才你前面也讲说，比如说你投一个公司之前，其实你会把行业里面的主要的公司都见一遍嘛，就要先见森林，然后再选树木。
没有，先见树木，再见森林。
啊，啊，对，先见树木，再见到足够的树木，你心里才有森林啊。
对对对。
我其实蛮想听你讲一下的，就比如说，因为你们呃除了，比如说去年年初投了他们之后，之后不是呃每一轮都跟了嘛。
对，就是你会觉得说这棵树木它的特别的地方是什么？
就是市面上，因为现在已经很热了嘛，有那么多的公司都在号称自己要做智能。
嗯。
我觉得这个呢，就是两个创始人呢。
就三就三个创始人，三个创始人吧。
也可能我对对这个季阳跟呃张航老师比较熟，另外天威稍稍微接触少一点。
我觉得他们两个人，嗯，挺挺好的，就是这个。
这个早期我觉得看人很重要。
我觉得首先他们还是志存高远嘛。
而且我觉得是长期有耐心的。
就志存高远又长期有耐心，说法我们觉得他杀手直觉也还挺好，至少一开始说既做大脑又做本体这个决策是很对，而且他先做了本体，我觉得这也是很聪明的决策。
然后在数据上一直很执着的在搞，就还有第二个，我觉得学习能力特别强。
嗯。
就既然我定期跟他沟通，我觉得他每一次都在迭代认知。
就是对行业的认知，对自己的认知，迭代速度很快。
就学习上，可能也比较卷吧，你是不是天天，我不知道他这反正挺卷的，就学习速度很快，执行力超强超强。
就学习速度快，执行超强，我觉得其实就是护城河，在早期的时间就是护城河。
对，就这三点，我觉得主要是看 founder 因为这个事情太大了，这个事情太大，现在其实说说老实话，你 Porter Mafee 也没有，对吧？
然后这个事情大家就知道大，哦， Scaling was work 的，其他的也都不知道。
那就是我觉得在一个足够大、足够颠覆的赛道找靠谱的创始人。
嗯。
理解。
对。
可能每次问他，新的人什么时候，他刚下飞机，然后一路上想了很多，然后完了就。
而且我觉得他跟呃赵航还有天威，他们三个搭档也特别好。
对，我觉得搭档也特别好。
他是工程能力很强，就把事情可以落地。
啊，赵航老师就是在这个模型的 training 上，pre training 上下了很多功夫。
我觉得他也想的很深刻，你看今天他讲的想的很深刻的。
嗯。
我另外一个感觉是。
天威一定不是清华叉院的是吧？
所以没有那么熟悉。
天威是北大呃。
不是不是，天威是我以前 m 的同事。
啊，啊，然后他其实以前也是搞支架的。
啊，嗯。
然后那个他在公司呢，现在其实这这个我觉得也体现我们公司的那个那个那个成长迭代能力啊。
今天就是公司所有的重要的。
供应链的伙伴，今天在我们那个现场，来了一堆，可能有一半是是天威自己去接触。
然后。
哎，他们那个供应链老板，他们对这个巨声智能什么态度啊？
现在。
向往加焦虑吧，我觉得是。对于一个未知的、巨大的事物，往往都是这样的情绪：这事我得弄。但如果做起来了没做好，他会焦虑；做起来了、做挺好，他可能也焦虑——焦虑是不是还有更好的合作伙伴。所以在这里边我们其实做了大量的实验和筛选，现在我们有一批很可靠的伙伴长期合作。
如果他们都是 A 股上市公司的话，你们又是个初创公司，他们愿意付出那么大的成本和代价，跟着你们不断地去迭代。
他们愿意的。因为大家看的其实不是我们，看的是这个赛道。只不过我们现在在这个赛道里面看上去是领跑者，所以他们选择跟我们合作。
既然这样，你会觉得星海图在这么多具身智能公司里面，它与众不同的地方是什么？
今天我在会上演讲的时候提了几句话，我觉得这几句话概括今天的星海图还是挺准确的。
第一，我们是一个具身智能的大脑企业，专注做具身智能基础模型的预训练。预训练这件事赋予我们一个长期的规模效应——学得越多越聪明，而不是传统的造得越多越便宜。
第二，我们很早就认识到具身智能不是一个纯软的人工智能，一定是软硬结合的。所以我们在最早期就定了整机加智能的战略。今天我们在整机和供应链上，在所有具身大脑企业当中是最好的。
第三，在怎么做具身大脑的技术路径上，我们是最早压注真实数据的。今天这条路径被证明是对的。在这条路径里，我们规模最大、技术最领先，最近我们发布的 G0.5 基础模型就是一个证明。
所以这三点能够概括今天的星海图。但我觉得这其实不本质，这只是取得的一些阶段性的小结果。更本质的还是说，我们更愿意从规律和事实出发，去思考和拆解所有问题。有可能这个问题是我以前熟悉的智能类问题，也有可能是我不熟悉的供应链问题，还有可能是资本市场或者商务类的问题，我们都用这一套方法论，用事实和规律去思考它、拆解它；想清楚之后就马上开始执行，然后迭代。所以这一套方法论，我觉得是解决所有问题的关键。
那学习速度很快。
对，这是我们公司的内核。
你刚才讲了，无论是数据，还是你们同时做本体和模型等等。我其实挺想知道，你会认为你们这个团队做出的、跟其他公司相比最不一样的选择是什么？因为我相信市场上肯定也有人号称自己同时做。
我觉得每一个阶段，回顾过去几年，我们在每个阶段都有当时不一样的选择，可能事后已经变成了一个常规选择。比如刚才凯西提到的，最早的时候我们虽然是做大脑的，但我们是整机加智能，这个战略在当时就是不一样的。
对，很多要么做硬件，要么做大脑，没有说两个都做的。我是看长，我觉得必须两个都做才能做起来，单独做一个是不行的。
这也是我们的一个……当时你看的公司里面没有两个都做的？
有。要么就做 body、不做大脑，要么就只做大脑，大部分都是做本体的，我们觉得那个不灵。
事后证明，今天很多企业其实就是这么做的，尤其是中国企业，都是整机加智能。
第二个，整机和智能也得有先有后——先整机再智能，还是先智能再整机？我们的选择是先整机再智能。这个策略的选择给了我们今天很大的优势，但回到当时，二四年、二五年的时候，其实有阶段性的劣势。像凯西这样特别明智、高明的投资人是能看出来的——这个战略对，你们应该这么做；但更多投资人会挑战我们，会说：你搞智能得搞 demo 啊，赶紧把 demo 搞出来，没 demo 就说明你们智能不行；第二种声音是说，你搞整机也搞不过专门做整机的企业，所以你不应该搞整机，你就应该专注搞智能。基本上是这两种声音在那个阶段给了我们很多阻力，但我们还是坚持了自己的判断。
不同阶段都有这样的选择。比如还要搞数据，搞数据也有搞仿真的、也有搞真实的，我们就搞真实的。搞真实数据也有不一样的选择，二五年那会儿，一堆在数据厂?里边采数据的，我们没有，我们去开放场景采数据，证明这个质量高、有效。又因为我们采了这样的数据、有好的整机，所以我的基础模型才好，才会有今天的结果。所以你看，其实是用了大概三年时间去验证这么一个逻辑的正确性。但这个逻辑一旦验证了，背后整个组织已经成型了，迭代跑的速度越来越快。
用真实世界数据来训练模型，这个现在在具身智能领域算是共识了吗？
我觉得共识这个东西是主观的，我们用事实来说。过去半年左右、也就是二六年以来，全世界发布的最新的、最领先的开源具身模型，全部是用真实数据为具身做的训练，这是一个事实。
包括你跟你们首席科学家都讲过你们的技术愿景——具身智能的路线图，智能的三个阶段。这个是你们团队讨论出来的，还是你提出来的，或者是赵行提出来的？
是有一次我们俩在一个咖啡馆里聊天，聊着聊着就聊出来了。
就是本能智能。
本能智能、作业智能和进化智能。当时其实，本能智能这个词是赵行老师的一个学生、叫庄子文的一个项目，Project Instinct，这个词很早就有了。那次聊天，我们就说具身智能的未来到底应该是什么样的智能组成？难道只有我们今天训练的这个 G 系列基础模型吗？VLA 和 WM 之外还有什么东西？当时就围绕这个课题讨论。
首先我们定下来第一个还得有本能智能——本能智能就是天然地支配自己的身体。今天我这个身体是两个胳膊两条腿，那我换成四个胳膊、两条腿，它能不能支配？这就是本能智能，有点像小脑。对。
再进一步的问题是，为什么人的身体长成这个样子？这也是有原因的，而这个原因是进化。那为什么 AI 不能做这件事？所以我们当时就把这三件事串到一块了。还有一个有意思的事，当时我们并没有想到进化智能这个词，后来把大概意思告诉了 GPT，GPT 说你可以用进化智能这个词。
Cathy 是什么时候知道他们这个路线图的？
其实我也是最近才知道。我们上次在春节的时候聊了一次，那次你好像就提到，把智能分成了几个阶段，提了个大纲，还没有今天讲得这么细，但大的框架已经有了。
他要实现这个愿景，你觉得需要去获取什么样的条件，才能够很好地达到那个愿景？
我觉得条件其实挺多的，分这么几方面。
第一，我们得有好的人才。人是最重要的，是一切的原点。我们今年会和清华大学做一个清华大学星海图具身智能联合研究中心，希望能更深地和清华这种高质量的学生人才更早地绑定，产生往来和关系。
第二，有了人还得有数据。所以我们和亦庄有一个数据的计划，易数智能?。
第三是资金。刚才凯西说，没有钱是万万不能的。钱的问题得解决，这个我们解决得还可以。
第四是整机和零部件的供应链。这块在过去半年里我们也有长足的进步。而且这里我想提一个结构性的机会：三年之前，中国做机器人的供应链，和现在比是更弱一点的；为什么？因为这几年很多车规级的供应链零部件企业进来了，把成本搞便宜了。他们进来是因为要找自己的第二曲线，这些企业的能力、资质、规模都更好、更大。我们其实是在跟这些企业合作，这样一条新链未来的势能和潜力更高。所以这是第四个，整机零部件的供应链。
那么第五个，毕竟我们要做业务，还是得有一个好的渠道体系。就像刚才说的，具身智能的分发渠道其实还不存在。大语言模型靠社交媒体和手机就分发了，我们这个渠道不存在。而又因为我卖的这个东西单价不便宜……
京东不能卖吗？可以吧。
可以可以，这会是其中的一个。
渠道将来会的。
对，这会是其中一个，但是你总要从头开始建设一些东西。所以渠道体系的建设，这对我们来说也很重要。
所以您看，刚才我说的这五个方面：人才、数据、资金、零部件供应链，然后还有渠道体系，这五个维度揉到一个创业公司里面，其实挺复杂的。大部分创业公司可能不需要解决这么多维度的问题。
但我不是说这事就做不了了，我说这事恰恰太好了，好就好在它太复杂了、要素太多了、链条太长了，比较难，以至于大厂来搞也没有什么特别的优势。所以我就说，这是天然给创业者的赛道。
但一般站在投资人角度，听到这是一个特别复杂的事情，肯定是先往后退一下，是吧？
嗯，那个向往加加焦虑吧，我觉得是。
向往加焦虑。
对，就是就对于一个一个未知的巨大的事物，往往都是这样的情绪嘛。
就是这事我得我得弄。
但是呢，如果要是，就是说这个做起来了，没做好，他就焦虑嘛。
做起来了，做挺好的，他可能也有焦虑。
他他焦虑就是说，是不是还有更好的这个这个合作伙伴。
啊，所以在这里边我们其实是做了大量的这个呃实验和筛选。
我觉得现在是我们有一批很可靠的这个伙伴啊，长期的去去去合作。
如果他们都是 a 股上市公司的话，应该是，你们又是个初创级的公司，对，他们愿意付出那么大的成本跟代价，跟着你们不断地去迭代。
他们愿意的，他们愿意的，因为大家看的不是我们，其实，看的是这个赛道。
然后只不过是我们现在在这个赛道里面，看上去是那个领跑者，所以他们选择跟我们合作。
对，既然就是你会觉得说，比如说就星海图，它在这么多的具身智能公司里面。
对，他的与众不同的那个地方是什么？
对对。
嗯，今天其实在那个呃会上的演讲的时候，我我提了几句话，我觉得这几句话我觉得还概括今天的星图。
还是挺准确的。
第一，我们是一个呃这个具身智能的大脑企业，啊专注做具身智能的基础模型的预训练。
这个预训练这件事赋予我们一个长期的规模效应。
叫学的越多越聪明，而不是传统的造的越多越便宜。
这种就特别好，就讲到规模效应。
对，然后第二个的话呢，是我们很早就认识到了具身智能不是一个纯软的人工智能，一定是软硬结合的。
所以我们在最早期就定了整机加智能这样的战略。
那么今天我们在整机和供应链上面，在所有的巨深大脑企业当中，我们是最好的。
第三个，在怎么做巨深大脑的技术路径上面，我们是最早压住真实数据。
今天被证明这条路径是对的。
啊，那么在这条路径里边，我们规模规模最大，技术最领先。
啊，最近我们发布的 G0.5的这个基础模型就是一个证明。
啊，所以我觉得是这三点能够概括今天的这个呃星海图。
但我我觉得呃这其实不本质，这因为这是取得可能一些阶段性的小结果。
啊，我觉得更本质的还是说。
我们这个，我们更愿意从，就是规律和事实出发，去做所有的问题的思考和拆解。
啊，也有有可能这个问题是我以前熟悉的智能类的问题。
也有可能是我不熟悉的供应链问题，也有可能是呃资本市场，或者说是商务类的问题，我们都用这一套方法论，然后去去用事实和规律去思考它、拆解它，然后想清楚了之后，我们就马上开始执行。
然后迭代。
啊，所以我觉得就这一套方法论吧，我觉得是做解决所有问题，这个我觉得是。
那学习速度很快。
对。
啊，我们公司的内核。
啊。
那既然你会觉得说。
就是你刚才比如说讲了那呃就是那个，无论是数据啊，包括你同时做本体跟模型啊等等之类。
就是我其实挺想知道说，比如说你会认为说你们这个团队做出的跟其他公司相比。
最不一样的那个选择是什么？
因为我相信市场上肯定也有人号称自己同时做。
嗯。
我觉得我觉得每一个阶段哈，我我回顾过去几年，其实每一个阶段我们都有在那阶段不一样的选择。
嗯。
然后可能事后已经变成了一个常规选择了。
对，那比如说就刚才凯西提到了一些嘛，那个最早的时候，我们虽然是做做大脑的，但是我们是整机加智能。
这个战这个战略当时就是不一样。
对，很多都是要么做硬件，要么做大脑，没有说两个都做的。
我是就是看长，我觉得必须两个都做才能做起来，我觉得单独做一个是不行的。
这也是我们的一个。
就是当时你看的公司里面没有做。
有，要么就都做整，就做做 body 他不做大脑，然后要么就只做大脑。
嗯嗯。
呃，大部分都是做保底的，我们觉得那个不灵啊。
嗯，对。
这个事后证明，其实今天很多企业啊，其实就是就是这么去做的，尤其中国企业啊，都是整机加智能啊。
第二个的话呢，就比如说。
那整机和智能也得有先有后吧？
先整机再智能，还是先智能再整机？
对，那我们的选择是先整先整机再智能。
这个策略的选择其实给我们今天有有很很大的优势，但是回到当时，二四年、二五年的时候，其实有阶段性劣势。
嗯。
除就是凯西这样的，我觉得特别明智的、高明投资人是能看出来，哎，这个战略对，你们应该这么去做，你们搞。
但是更多投资人是什么？
是会挑战你们，会挑战我说，哎，江，你看你这个，你搞智能啊，你们得搞 demo 啊，你赶紧把 demo 搞出来，没 demo 你这个什么，你们智能不行。
然后这是第一个，第二个就是说你你搞整机，你再搞你也搞不过，就是专门搞整机的企业，所以你不应该搞整机，你就应该搞智能，你就应该叫叫专注，对吧？
对，然后基本上是这两种声音会在那个阶段给你很多阻力。
啊，但是但是我们还是坚持我们的这个判断嘛。
所以我觉得不同阶段，比如说还要搞数据，那搞数据的话，也有搞仿真的，也有搞真实的，我们就是搞真实的。
然后搞真实数据也有不一样的选择啊。
呃，那那25年那会，那一堆在蔬菜厂里边采数据的，我们没有，我们去开放场景采数据，证明这个质量高，有效。
又因为我们采了这样的数据，我们有好的整机。
所以我的基础模型才好。
对。
对，就就会到今天的这个结果上。
所以你看其实是用了可能三年的时间吧，去验证这么一个逻辑的正确性。
但这个逻逻辑一旦验证了，背后其实整个组织已经成型了。
然后迭代跑的速度越来越快。
就是用真实世世界数据来训练模型，这个现在在具身智能领域算是共识了吗？
嗯，我觉得我们用事实来说，因为共识这个东西是主观的。
啊，我们用事实来说，我觉得过去半年左右的时间，就26年以来，全世界发布的最新的、开源的、这个最领先的开源巨神技术模型，全部是真实数据。
为技术做的训练，这是一个事实。
嗯嗯嗯，就是包括，就是你跟你们的首席科学家都讲的你们那个技术愿景嘛，就具身智能的那个路线图，就智能的三个阶段。
这个是你们团队的讨论出来的？
还是说你提出来的？
或者是赵航提出来的？
是。
嗯，是有一次我们俩。
在一咖啡馆里聊天。
聊着聊着就聊出来了。
就本能智能。
本能智能，作业作业智能和进化智能。
啊。
然后当时没有，就是说，本能智能这个词是赵航老师的一个学生，叫那个庄子文那个项目，Project Instinct。
啊，这这个词很早就有了。
那次我们聊天，我们就说说这个具身智能的未来到底这个智能应该是什么样的一个组成？
难道只有我们今天训练的这个 g 系列的这个基础模型嘛。
嗯。
VLA 和 WAM 之外还有什么东西？
嗯。
当时就围绕这个课题在讨论。
那首先我们定下来就第一个，还得有本能智能。
啊，就本能智能就是说，就是这个天然的支配自己的身体。
今天我这个身体是两个胳膊两条腿。
那我换了四个胳膊，两条腿，他能不能支配？
这个就是本能智能。
觉得像小脑。
哎，对。
再进而的一个问题就是说，为什么人的这个身体长成这个样子？
这也是有它的原因的，而这个原因是进化。
啊，那那为什么 AI 不能做这件事？
对，所以我们就当时就把这三个事给给串到一块了。
然后呢，这个有一个有意思的事，就是当时我们并没有想到进化智能这个词。
然后后来是把这大概意思告了 GPT 但 GPT 说，啊，你可以用进化智能这个词。
对，啊。
Cathy 是什么时候知道他，比如他们这个路线图的？
呃，其实我也没就最近才，就是我们上次在那个春节的时候聊了一次，那次好像你就提到，嗯。
说把智能分了几个阶段啊，对，那，就提提了个大纲，还没有今天这么讲的那么细啊，但大的框架已经有了啊。
他要实现这个愿景，你觉得就需要你去获取什么样的条件，才能够把这个路线图就很好的达到那个愿景呢？
啊，我觉得条件其实挺多的。
啊，然后呢？
我觉得分这么几方面吧。
第一个，我们得有好的人才。
人。
啊，这这这是这是最重要的啊，这是一切的原点啊。
呃，我们今年其实和这个清华大学也会做一个这个，呃，就是清华大学新雅图巨深智能联合研究中心。
啊，我们就希望能够更深的和清华的这种高质量的学生人才，更早的绑定啊，产生往来和关系。
第二个的话呢，就是我觉得这个数据是有了人就得还得有数据。
数据啊，所以我们和亦庄有这个数据的这个计划，对，易数智能。
第三个资金。
啊，这这钱是，就刚才凯子说，没有钱是万万不能的，是吧？
啊，对，那那钱的问题得解决啊，但我觉得这个我们解决的还也还可以。
第四个是什么呢？
是你的这个整机和零部件。
的供应链。
这块呢，我觉得是在过去的半年的时间里面，我们也有长足的进步啊。
而且在这个里边，我想提一个呃一个结构性的机会，就是三年之前。
中国做机器人的供应链，呃，我觉得相对是，和现在看哈，是是更更弱一点的。
为什么？
因为这几年很多车规。
的供应链零部件企业进来了。
搞便宜了，对。
他们进来了，因为他们要找他们的第二曲线。
这些企业的能力、资质、规模都更好、更大。
嗯。
啊，我们其实是跟这些企业在合作啊，这样的一条新链。
未来的势能和潜力更高。
嗯。
啊，所以这是第四个啊，零，整机零部件的供应链。
嗯。
那么那么第五个呢，就我觉得毕竟我们要做做业务。
啊，还是得有一个好的渠道体系。
就刚才说的，其实具身智能的分发渠道还不存在。
对吧？
呃，大语言模型靠社交媒体和咱的这个手机都分发了，我们这渠道不存在。
而又因为我卖的这个东西，其实单价不便宜。
京东不能卖吗？
可以吧。
可以可以。
这是这会是其中的一个。
渠道会将来会的。
对，这会是其的，这会是其中一个，但是你你总要去从头开始建设一些东西。
对。
啊，所以渠道的体系建设，这对于我们来说也很重要。
所以您看，这刚才我就说这五方面是吧？
人才，啊，数据，资金，整，呃，零部件，呃，供应链，然后还有就是渠道体系。
这这五个维度。
揉到一个创业公司里面。
其实挺复杂的。
大部分创业公司可能不需要解决这么多维度的问题。
但是我不是说这事这事就是做不了了，我说这这事恰恰它太好了。
好就好在这事太复杂了，要素太多了，链条太长了。
对对对，有点难，比较难。
比较难，然后以至于大厂来搞，对吧？
也没有什么特别的优势。
所以我就说这是天然的给创业者的赛道。
但一般我的理解一般站在投资人角度，听到这是一个特别复杂的事情，就是肯定是先。
往后退一下是吧？
但第一，足够大、足够颠覆，这个事情足够大、足够颠覆、长得又快，所以我觉得也很难遇到这么大的赛道。
另外我最近还有一个习得：当一个特别巨大的浪打来，也就是当新技术特别大、特别颠覆的时候，你作为一个没有包袱的公司，其实是跑得最快的。因为这个事情太大了，不够大就没意思，跑着跑着就到顶了；但如果没有包袱地跑，肯定是更好的。
就像 Anthropic 跟 Google 哪个更好？这是我一直在思考的问题。大部分人说你投 Google 肯定好——黄仁勋的六层蛋糕，人家可能已经有了芯片，又有了 Data Center，又有了大语言模型，又有了 Agent，五层它都有了。感觉它有很多现金，好像很牛，至少风险不高，但它的成长也就是20（%），它还是成长20。
但如果你想另外一个选择，Anthropic 其实是没有包袱的，它只有一个大模型。在这个价值创造的价值链里面，那个最靓的仔是谁——我们就说寻找 most handsome boy，最靓的仔——我觉得肯定是大模型。但大模型你可以只做大模型，也可以说做一系列七七八八的东西。那我感觉肯定是只做那件事、轻装上阵、最聚焦，跑得最快、最犀利的公司。当然最好是两个都可以投，做一个 allocation。
但我觉得真碰到这样的涨——每年涨10倍，涨了三年——这在历史上是没有过的。所以我看 Kimi 跟智谱也涨得很快，就是在创造这个价值。
我们一直觉得，将来所有经济增长，我最近有个观察，经济增长其实一个主要的动力就是 token economy，就是靠生产 token 来创造财富、来做经济增长。如果你不在这个上面，你基本上成长就乏力了，就是我们叫防御性的。那个防御性的机构你看，涨个10~20都好辛苦。但如果你是在 token economy 里面，你每年涨个200、300没有悬念。你做 VC，钱往哪放就很清楚了，对吧？
按照这个理论，那零售和消费不就完了吗？
零售消费也没完，因为这个时候只能靠搞供应链、搞自有品牌了，增长可能10~20吧，就这样的速度。
既然想要搞创始人 IP，不知道你们作为投资人怎么看待这事儿？
创始人的 IP，我觉得这个 AI 时代，创始人的 leadership 还是挺重要的，因为你会吸引很多优秀人才来跟你。我觉得创始人还是要有一个至少让人家知道你的这么一个过程，低调肯定是不行的。但也不要天天花时间去搞流量，因为你吸引的人都是知识分子，他们其实很快能找到你。所以我觉得像我们这样的发布会也挺好的，一年至少搞一次，把你的理想、你的信念、你技术的新迭代、你的产品都全部分享一下，我觉得这个挺重要的。
你看这个 AI 时代好像没人打广告，基本上不怎么打广告，那人家怎么会都知道呢？第一，产品出来特别牛，自己会说话；第二，每次产品发布会大家都是知道的。我觉得创始人可能还是这方面要让大家知道。
产品和 vision。
对，产品跟 vision 要让人家知道，然后定期搞发布会，也挺好的。
当其他人在讲创始人 IP 的时候，他其实指的是创始人去做社交媒体账号。
社交媒体账号，你觉得呢？你觉得像这样搞社交媒体账号怎么样？
我觉得关键是看以什么样的形式、做什么样的内容。我们的话还是想讲一讲公司、讲一讲行业。因为我们这个行业有一个特殊性，就是噪声很多、声音太杂。在这种情况下，如果好的公司——我当然默认我们是好的公司——没有足够的声音带宽出来，其实会被淹没掉，反倒让好的人才、好的合作伙伴找不到好的合作对象了。所以我觉得是这样一个过程，我们要有发声的这么一个通道。其实我们今天办这个会……
这个是最好的。
对，办这个会也是这样的。然后有机会能够聊一聊、传播一些公司的情况、行业的理解，我觉得都是这样一个目的。其实最终的竞争，我们这个行业还是就这几类要素，谁快速整合。
就人才、数据，快速整合。
然后我觉得这个是很重要的一点。现在又是这样一个流量的、媒体的时代吧，大家都更愿意刷刷这个，而不是线下去见一见。
但我其实想请教你，比如刚刚继扬描述的他们的技术愿景、路线图，包括需要具备的那些要素，我想知道，从你的角度看，这里面可能会出现什么卡点吗？
卡点我觉得是时间表的问题。你不知道这里面哪个阶段能做到什么程度，这个其实现在确定性还不是很强。我一直想说，咱们现在100万个小时，是不是到了1000万个小时，这个事情就靠谱了、我们的产品就证明了、就可以卖到企业、他就可以付钱了？可能我们对100万今年是有信心的，但到了1000万个小时，这件事情本身要多长时间，我们也不是很确定，那整个方法、技术流程可能都要改变了。第二，按 Google 的意思，这1000万个小时基本上就可以做出个靠谱的、家务事可以干一干那种，但这个时间要多长，其实不确定。这是一个。
还有一个，在这个过程中你怎么维持现金流一直是正向的？我觉得融资是很重要的，子弹先充足、粮草先行，这个资金先搞下来，要熬到春天来临。这是第一个。
第二就是关于竞争。我倒觉得现在对竞争也不是那么担心，就是说大厂肯定是要下来，但大厂就像刚才继扬说的，也未必有那么多优势，可能也有一些优势，但你能把我们这个 foundation model 做出来吗？你是最强大脑吗？这个其实挺不容易的，对吧？我就觉得还好，竞争还好，主要还是个时间表的问题。
就你这个节奏，我觉得做早期项目，节奏很重要。如果你太激进、步子跨太大，你可能把自己烧死了——春天来了，但不是你，你已经倒下了。但你太慢又很后面，又吸引不到人才，它是个良性循环：如果你慢了一点，融资也很差，投资人都不是投前列的、我只投头部那几个，那你就拿不到钱了，人才也说这公司好像没什么声响。所以掌握这个节奏我觉得特别重要。我觉得我们还行，掌握得还可以。成长的速度跟节奏很重要，因为它环环相扣。跑太狠有可能把自己烧死了，因为你没有收入、没有特别多的收入。
就是节奏它是跟资源相关的。所以最好就是之前马云讲过的那句话，最好的就是：你有最好的团队、花不完的钱、最大的市场，然后总能跑出来。
最大的市场是有的，最好的团队也不错，花不完钱可能你就得不断融资嘛。
所以从你的角度来讲，你会担心的竞争对手是那些要下场做具身智能的大厂呢，还是同样跟你们一样、充满饥渴感的创业公司？
我比较关注一个公司指标，就是我会看它过去一段时间、12个月的变化。如果这个变化很大，那么哪怕它今天可能在具身行业里算是落在我们后面——就算今天我们在这个行业里算是领先的——但如果有一个企业过去12个月的变化超过了我们的变化幅度，那我觉得我都得非常注意，因为这说明人家迭代得比我快。反过来，如果一个大企业迭代速度不够快、动作不够快、投入也不够坚决，其实也没有特别需要担心的。这是我的观点。
哎，但是就是第一，足够大，足够颠覆，就他这个事情足够大，足够颠覆，长得又快，所以我觉得这个赛道也很难遇到这么大个赛道。
另外我还最近有个习得是这样子，就是说当一个特别巨大的浪打来，也就是当这个这个新的技术特别大、特别颠覆的时候，其实你作为一个没有包袱的公司，你是跑得最快的。
嗯，嗯。
因为这个事情太大了，你，这不够大你没意思，跑着跑着就就就就就到顶就，但是如果他，其实你要没有包袱跑肯定是更好的。
就像 Anthropic 跟 Google 哪个更好？
我其实一直在思考的问题，很多大部分说哦，你投 Google 肯定，六层蛋糕，对吧？
黄仁勋的六层蛋糕，人家可能已经有了芯片，又有了 Data Center 又有了那个。
大语言模型又有 Agent 就它五层都有了，对吧？
感觉它有很多现金，就觉得它好像很牛，就至少它风险不高，但是它的成长也就是20。
嗯。
对吧，它还是成长20。
但是如果是你想另外一个选择，就是说，Anthropic 它其实是没有包袱的，它只有一个大模型。
就在这个价值创造的这个价值链里面。
那个最靓的仔是谁？
我们就说寻找 most handsome boy 最靓的仔。
我觉得肯定是大模型，但大模型你又可以做大模型，只做大模型，你也可以说哇，做一系列七七八八的东西。
那我感觉的肯定只做那个事，肯定是轻装上阵，最聚焦，跑得最快。
嗯。
最犀利的公司。
嗯嗯。
那当然最好是你两个都可以投，可能做一个 allocation 对吧？
嗯，对。
但我觉得真的就碰到这样的涨，每年它是每年涨10倍，涨了三年啊。
前5就是历史上没有过的。
所以我我觉得看 Kimi 跟智谱也涨得很快。
就这个就是他的，就创造这个价值。
我们一直觉得将来所有经济增长哈，我最近有个观察就经济增长，啊其实一个主要的动力就是 token economy。
就是靠生产 token 是来创造财富，就做经济增长。
如果你不在这个上面，你基本上就成长就乏力了，就是我们叫是防御性防御性的这个。
那个防御机构就看，你涨个10~20都好辛苦。
但是如果你是在 token economy 里面，你每年涨个200、 300没有悬念啊，对吧？
你是做 vc 你肯定钱往哪放就很清楚了，对吧？
按照这个理论，那零售和消费不就完了吗？
呃，零售消费也没完，因为这个时候就是只能是靠，搞搞供应链嘛，搞搞自有品牌了，对吧？
增长可能10~20吧，就这样个速度了。
既然想要搞创始人 ip 我不知道对你们作为投资人怎么看待这事儿呢？
创始人的 ip 哈。
嗯，我觉得这个 ai 时代，这个创始人的 leadership 还是挺重要的，因为你会吸引很多优秀人才来跟你嘛，对吧？
是的。
就我觉得创始人还是要有一个。
至少我觉得要有一个让人家知道你的那么一个过程。
嗯。
就低调肯定是不行的。
对。
呃，但是也不要说天天花时间在那去搞流量，因为你吸引的人都是那种，都是知识分子，他们其实很快能找到你。
所以我觉得这个，呃，像我们这样的这个这个发布会也挺好的，一年至少搞一次，对吧？
把你的理想啊，你的这个信念啊，你的技术的这个新的迭代啊，这种产品啊，都全部分享一下，我觉得这个挺重要的。
是的。
对你看这个 AI 时代好像没人打广告的，基本上不怎么打广告，就是每次，那人家怎么会都知道呢？
产品出来，第一产品特别牛，自己会说话，第二每次产品发布会大家都是知道的。
是。
对我，我觉得创创始人可能还是这方面还是要让让大家知道。
产品和和 vision。
对，微信要要让人知道，哎哎，对产品跟微信让人家知道，然后定期搞发布会，也挺好的。
哎，对。
当其他人在讲创始人 ip 的时候，他其实讲指的是创始人去做社交媒体账号。
社交媒体账号，社交媒体账号你觉得呢？
你觉得像像这样搞社交媒体账号。
我我觉得关键是看以什么样的形式，做什么样的内容。
啊，所以其实我们的话还是想，就是说讲一讲公司，讲一讲行业，因为。
就是我们这行业有一个特殊特殊性。
对。
就是噪声很多，声音太杂，噪声很多。
然后在这种情况下，如果好的公司，我当然我默认我们是好的公司哈。
是是是。
好的公司如果没有足够的声音带宽出来的话。
对，会被人其实会被淹没掉。
然后反倒是让好的人才，好的资，这个这个合作伙伴，他找不到好的合作对象了。
啊，所以我我觉得是这样的一个过程，所以我们要有发声的这么一个通道。
其实我们今天办那个。
这是最好的哎。
对，办这个会也是这样的。
然后呢，咱们这个有机会能够聊一聊，就是传播一些公司的这个情况，行业的这个理解，就我觉得都是这样的一个目的。
然后的话呢，这个。
其实最终的竞争，我们这行业还是就是这几类要素，谁快速整合。
就人才数据，对对对，快速整合。
啊，然后我觉得这个是很重要的一个啊，然后现在又是这样的一个。
可能就是流量的这么媒体的这么一个时代吧，大家都更愿意刷刷这个，而不是线下去见一见。
可能我觉得对。
但是我其实想请教你，比如说刚刚季阳描述的，比如他们的技术愿景啊、路线图，包括需要具备的那些要素。
我想知道，从你的角度看，这里面有什么，会可能出现什么卡点吗？
卡点就是说，我觉得是时间表的问题。
时间表。
对，就是你不知道这个里面哪个阶段能做到什么程度。
嗯嗯。
这个其实现在还确定性不是很强。
就是我一直想说，哎。
咱们现在100万个小时，是不是到1000万个小时，这个事情就靠谱啦？
我们的产品就，pardon my fee 就证明啦，我们就可以卖到嗯这企业，他就可以付钱了。
就这个其实，就是说可能我们对100万今年是有信心的哈。
那么到了1000万个小时，这件事情本身要多长时间，我们也不是很确定，那你是整个方法、技术流程可能都要改变了。
第二，当然是 google 的意思啊，这1000万个小时基本上就可以做出个靠谱的，干三级几件，这家务事可以干一干那种。
那这个时间要多长，其实不确定，这是一个。
还有一个在这个过程中，你怎么维持你的现金流一直是正向的？
就说可能我觉得融资是很重要的，子弹先充足，粮草先行，这个先搞下来，这个资金，呃，这个要要要熬到这个春天来临。
这第一个，第二就是关于竞争。
我倒觉得现在对竞争也不是那么的担心，就是说大厂肯定是要下来，但是大厂就像刚才季阳说的，也未必就有那么多的优势，可能也有一些优势，但是你能把，你你要，你能，你是最强大脑吗？
你能把我们这个 foundation model 这个做出来吗？
这个其实挺不容易的，对吧？
我我就觉得还好，竞争还好，主要还是个时间表的问题。
就你这个节奏，我觉得做投就是做这个早期项目，节奏很重要。
如果你太激进，步子跨太大，你可能把自己烧死了。
春天来了，但不是你，春天已经倒下了，对吧？
但你太慢，你又很后面，你又吸引不到人才，就它是个良性循环，如果你慢了一点，然后你融资也很差，投资啊，你都不是前列，我都不想投你，我只投这个头部的几个。
那你就拿不到钱了，那人才人家说啊，这公司好像没什么声响嘛。
就这里面掌握这个节奏，我觉得特别重要。
就说发我觉得我们还行哈，掌握的还可以，就节奏的把握，这个成长的这个速度跟节奏很重要，因为它跟你环环相扣。
对，跑太狠有可能把自己烧死了，因为你没有收入的。
对没有没有特别 poon 的收入，对吧？
是。
就是节奏它是是跟资源是相关的。
对的对的对的对的对的。
所以最好就是之前马云讲过那句话，最好的就是什么？
你有最好的团队。
嗯。
然后花不完的钱，然后最大的市场，就，然后总能跑出来。
最最大的市场是有的，对，最好的团队也是不错，我觉得对对，花不完钱可能你就得不断的融资嘛。
啊。
对对对对。
所以既然从你的角度来讲的话，你会担心的竞争对手是那些要下场来做具身智能的大厂呢？
还是说同样是跟你们一样的，就充满饥渴感的这种创业公司？
我比较关注的一个公司指标哈，就是我会看它过去一段时间，12个月啊的变化。
就是如果这个变化很大。
然后哪怕他今天，可能我们在巨深行业里面算是领领先的。
但如果有一个企业今天虽然在我们后面呢，但是他过去12个月变化。
超过了我们的变化幅度，那我觉得我都得注，非常注意的，因为这说明人家迭代的比我快。
嗯，嗯。
啊，那你就说，如果一个大企业，嗯，它迭代速度不够快。
然后呢动作不够快，对吧？
然后投入也不够坚决，其实也没有特别需要担心的。
这这是我的观点哈，对。
我补充一下大企业的情况。我一直在观察 Google，个人也买了很多 Google 的股票，觉得这家公司的积累非常深刻。整个 Transformer 都是它搞出来的，但你看，最后 ChatGPT 却不是它的，这挺遗憾的。不过它花了三年时间把组织架构调对，最核心的一点就是 founder 回来了。
founder 回来之前，Google 有两个牛人在互相打架：一个是 DeepMind 的 founder 哈萨比斯（Hassabis），另一个是 Google Brain 的 Jeff Dean。两个人都很牛，一直内斗，而皮查伊也不怎么作为，导致资源分散、没有聚焦。
founder 回来以后，第一件事就是把哈萨比斯提起来，让他既管 DeepMind 又管 Google Brain，所有资源向他汇拢，他是老大，完全说了算。于是他们立马打了第一个胜仗，AlphaGo Zero 很成功，接着 Gemini 3 就开挂了。再加上他们 TPU 迭代很快，每个人的 TPU 都管够。
所以就是两件事：第一，创始人回来；第二，把哈萨比斯立为唯一的首脑，指挥千军万马、资源调动都他说了算。这个组织架构，Google 花了将近三年才调对。
但 Google 还是很强，就是你们跑在前面没关系，我也能赶上，它底子还很厚，是很强的竞争对手。中国这边，像字节这样的公司，也是很强的。
那创始人年轻啊。
对，那他跟我们做组织调整，根本不需要花三年，可能一年、一年半、两年就到位了。他账上的钱巨多，又是大力出奇迹，做得非常酣畅。长远来讲，这肯定也是一个比较强的对手。不过希望他现在没重点搞这些——他们都还没搞这些东西。
对，所以我觉得这是我们的时间窗口。
要跑得快，所以 get big fast，要做大、要快，速度一定要快，不能慢。
其实从这个角度来说，具身智能这个基础模型的进展速度，在现阶段没有那么快，未必是件坏事。如果进展太快，一下子全打开了，那大厂就全下场了。
那我有点担心，今年是不是就到了进步速度加快的元年？数据量从一百万到一千万，这就是十倍的增长。以前搞数据搞来搞去，原来那套不 work——弄了半天太偏 operation，而且机器人硬件一迭代、软件一换，那套数据就都不 work 了，只能重新再来过。
所以这里边有一个很 tricky 的点：当行业到了这个阶段，大厂是一定会来的。关键是那时候我们自己在哪。
对，你得跑到前面去，跑得很快。
坦率讲，以我们今天整体的成长速度，加上在行业里积累的这些成绩，其实我们不是特别害怕大厂投入进来。那反而会让这个游戏对我们来说更好玩——大家把更多资源带进来，我们也可以获取更多资源，这没问题。
突然想起来，理想昨天刚开完具身智能发布会，就在你们办会的前一天。既然前面讲到他们认为自己的护城河就是迭代速度足够快，但在巴菲特看来，这肯定构不成护城河，对吧？
对，巴菲特是价值投资，基本上他投的是不变的东西；而我们做风险投资，投的是变化，这是完全不一样的。但他有些理念也对，比如你要专注、要长期持有，这些都是对的。
具身智能今天在中国应该已经是最大的市场共识之一了吧，算吗？
嗯，看是谁——大厂进来做的好像还没有完全下场。
在风投、VC、PE 里面，应该已经是市场共识的赛道。
对，其实都投了，但大厂还没完全下来，因为他们还在忙着搞大语言模型。
是，那个市场也足够大，也足够他们做。
先把那个搞定，因为那边竞争还很激烈。
对，而且要花很多钱。然后基本上有个规律：市场高度共识的时候，往往就是这个领域最危险的时候，也就是大家开始觉得有泡沫的时候。这符合规律吗？
对，我觉得不用特别担心泡沫，因为我经历过非常多次泡沫，以及泡沫破灭（bubble burst）。
最早的时候我经历过三次。第一次是互联网：99 年我们投了网易，还有新浪、搜狐，2000 年上市，赶在 bubble 里；2000 年下半年 bubble burst。好处是什么？别人都拿不到钱、都死了，血流成河，所有互联网公司都死了。当时那么多家公司，但网易、新浪、搜狐这三家融到了大概七八千万美金到一亿美金，就活下来了。好处是三年没有对手——拿了那笔钱、三年没对手，怎么着也折腾出一个模式了。
我觉得丁磊很厉害，他找到了游戏，在那么大的压力下把游戏做出来，后来成了中国首富。我们也赚了蛮多钱。关键是他是在 bubble 的时候拿到钱的。
投资人永远是两种心态：贪婪和恐惧。恐惧的时候，你说什么都没用，项目再好他也不投，他不相信；贪婪的时候，再贵他也会投你，因为他有 fear of missing out。现在大家都处在贪婪、都有 fear of missing out 的状态，所以我觉得这次融钱是个好机会——能上市就上市，能融钱就融钱。
我的一个经验教训是：raise money when you can，能融的时候必须融，而不是等你需要的时候再融，因为你需要的时候市场可能已经变了，你就融不到了。
就这个 bubble，我觉得——你现在看是个泡沫，短期大家都高估它的价；但我记得 Bill Gates 讲过，长期你其实是低估的，这件事足够大，其实它也并不贵。而 bubble 一 burst，就会把很多人洗掉、洗牌。
从亚洲金融危机，到互联网 bubble burst，再到 COVID 那三年没有 IPO，再到去年 DeepSeek 挽救了大家的信心——我经历过很多次 bubble，觉得 bubble 其实没什么了不起。bubble burst 以后，你还可以继续加仓，那时候多拿、拿长一点，是最合算的。
因为这件事本身是成立的。其实道理比较简单：我们投了很多 rule-based 机器人，它已经跑出来了，product-market fit 都证明了，而且已经卖出去了。你看到订单不断地来，去年就感觉春天来了——老客户不断给你 repeat order、不断加单，来自很多不同场景的客户。这就证明了需求，证明了 product-market fit 在 rule-based 的 robot 上已经成立。
接下来是我们这个具身的。具身是 general 的，成本高一点，但它干的活更复杂、更柔性。那怎么证明呢？我们还是看那几个行业，大概三个：物流、仓储，还有搬运之类的，加起来全世界是一千七百万人。这一千七百万人，按美国工资算，这种岗位一个人可能要七八万——
最少五万美金。
最少七八万美金，中国可能是它的三分之一。将来我们收 subscription。这个趋势势不可挡，肯定是要取代的，因为这种活太苦、太累、太无聊，人是不愿意干的。
但如果真像凯西讲的那样，那些超级巨头上市之后，可能把市场上的流动性都吸走了，这个领域的泡沫也到了顶峰。如果真发生这种情况，不知道对星海图而言，你们觉得自己做好准备了吗？它对你们是好事，还是坏事？
我觉得我们时刻都在准备着。而且真正的好公司、强的公司都会受益、都会赢。本质上这还是要提前对趋势和变化做出判断。我们其实已经想好了泡沫破灭之后该做的那些事。
泡沫破灭，你想做什么？
就大企业我补充一下，补充因为观察过 Google 嘛，因为我个人也买了很多 Google 的股票，就是觉得 Google 其实这个公司它的积累是很深刻的，对吧？
嗯，对，整个 Transformer 都是他搞出来的，但是你看最后他其实 ChatGPT 不是他的。
是，这挺遗憾的，但是他其实花了三年的时间把组织架构调对，其实最核心就是 founder 回来了。
founder 回来了以后呢，当时他有两个牛人嘛，一个是 Hasabis，DeepMind 的 founder。
还有一个是 Google Brain，就 Jeff Dean。
他俩呢都很牛，就互相打架。
然后痞才哥也不怎么作为，就他俩一直打，就资源的分散，没有聚焦。
后来呃口那个 founder 回来以后。
第一件事情就把 Hassabis 提起来了，他既管 DeepMind 又管 Google Brain 然后所有资源向他汇拢，就他是老大，完全说了算。
所以他们立马就打第一个胜仗， AlphaGo Zero 就很成功。
然后，Gemini3就开挂了。
再加上他们 TPU 迭代很快，每个人的 TPU 是管够的。
其实就是创始人回来，第一件事，第二件事把哈萨比斯作为唯一的，那是，就是首脑，就是指挥千军万马都他跟你说了算，资源调动什么的。
哎，第二件事，就这这个事情，Google 其实花了将近三年的时间把组织架构调对。
但是它还是 Google 它还是可以的，就是你们跑前面没关系，我也是能赶上，它还是很厚的嘛，就它也是很很强的竞争对手，我觉得。
是的，就中国，我觉得像字节这样的公司，它也是很强的。
那创始人年轻啊。
对对对，那他跟我们组织就调整，根本都不需要花三年，可能一年两年一年半就到位了，对吧？
他账上的钱是巨多的，账上钱是巨多的，对吧？
又是大力出奇迹，然后又非常酣畅，就这种长远来讲，还是肯定也是一种就是比较强的对手吧。
嗯，嗯，啊，但是希望他，因为他现在没重点搞这些，他们都没有搞这些东西。
对，所以我觉得这是我们的时间窗口。
要跑得快，所以 get big fast 要做大要快，对，对对对，要做速度要快啊，对，还是所以不能慢呢。
对，其实你看就是从这个角度来说啊，就是呃，具身智能这个这个基础模型的进展的速度哈，嗯，在这个阶段没有那么快，未必是件坏事。
啊，就是如果进展太快，马上啪啪啪全打开了。
是，那这时候你看大厂全全下来了。
那我我有点担心，今年可能是不是就到了一个进步速度快的元年了？
啊，是的是的是的。
一百万到一千万，这就是十倍啊，这个数据量十倍的增长，以前。
数据搞来搞去，哦，那原来搞数据不 work 啊。
以前就弄了半天，就是那个太 operation 弄了半天，说是机器人一迭代，那个机器人硬件换软件，那个都不 work 了。
对，所以就重新再来过啊。
是。
所以在这里边我觉得有一个很 tricky 的，一个一个一个点，就是当这个行业到这个阶段的时候，呃，就是当行业到一个阶段的时候，大厂是一定要来的。
对，对吧？
关键是我我们自己在哪呢？
现在。
对，就你得跑到跑到前面去，跑得很快。
然后然后呢，那个，所以现在其实我我坦率来讲，我觉得就是说呃，以我们今天的整个的成长速度，还包括我们的这个，呃，在行业里里面累积的一些，啊，这个这过去的一些一些成绩吧。
其实我们不是特别害怕说大厂。
要要要怎么样投入啊？
或。
对。
那其实会让这个游戏对于我们来说变得更好玩。
然后的话呢，大家那就更多资源进来了，那那我们也可以获取更多的资源，这没问题。
啊，对。
就是突然想起来，理想昨天刚开完巨声智能发布会，是吧？
就在你们办会的前一天。
嗯嗯，所以。
比如说既然前面讲说，比如说他认为他们的护城河就是迭代速度足够快嘛。
但这个，比如说他肯定不符合巴菲特对这个，在巴菲特看来，这肯定不能不能构成护城河是吧？
嗯。
对，我觉得巴菲特他是个价值投资，基本上他投的是不变的东西。
对吧？
嗯，但我们作为风险投资，我们投的是变化，这是不一，完全不一样的。
但他有些理念也是对的，就是你要专注啊，你要长期持有，这个都是对的啊，对。
就是巨声智能今天应该已经是，至少在中国应该已经是最大的市场共识之一了吧？
算吧？
嗯，看是谁的，这我觉得大厂进来做的好像也没有完全下场。
我我感。
风投里边，风险 VC PE 里面应该是市场，就是共识的赛道。
对对对，其实都投了，对对，但大厂还没完全下来。
嗯。
对，因为他们还在忙着搞大语言模型嘛。
是是，那那个市场也足够大，也足够他们。
哎，先把那个搞定，因为那个还竞争很激烈嘛，对。
是。
对，而且要花很多钱。
对对对，花很多钱，对。
嗯嗯嗯。
然后基本上有规律就是，它基本上就是市场高度共识的时候，就是这个领域最危险的时候嘛，就是可能大家就会认为是有泡沫的时候，这个符合这个规律吗？
对，我觉得不用特别担心泡沫，因为我经历过非常多次的。
泡沫以及泡，Bubble burst。
就我们最早的时候，我是经历过三次，就是先是互联网，那时候99年投了网易。
网易、新浪、搜狐，然后在 Bubble 的时候，2000年上市，然后2000年下半年 Bubble burst。
好处是什么呢？
别人都死了，就拿不到钱，就就是血流成河，所有的互联网公司都死了。
那时候好多家公司，但是这三家公司，诶，拿了大概7000。
呃，8千万美金到1亿美金就活下来了。
好处是三年没有对手，他拿了那个钱，三年没有对手，那怎么着你也折腾出来一个模式了吧？
当然我觉得丁磊很厉害，他找到了游戏。
对，然后在这么压力的情况下把游戏做出来了，后来变成中国首富嘛。
我们也赚到蛮多钱的，就是觉得那个是 bubble 的时候，他其实还是在 bubble 的时候拿钱，对吧？
就是投资人永远是两种心态，一个是贪婪，一个是恐惧。
就恐惧的时候呢，你是你说什么都没有用，你再好他也不会投你，你怎么说都没用，他不相信。
但他贪婪的时候呢，你再贵他也会投你，他有 Fearful missing out 所以现在我觉得大家都是贪婪的时候，就大家都有一个 Fearful missing out 所以呢，就这次我觉得融钱是一个好机会，能上市就上市，能融钱就融钱。
所以我的一个经验教训就说，raise money when you can。
当你能融钱的时候必须融钱，而不是说当你需要的时候再融钱，因为你需要的时候可能市场变了，你融不到了。
对，我觉得这个，呃，就 Bobo，我觉得其实就是也，就是你现在看是个 Bobo，短期大家都高估它价，但是好像我记得是 Bill Gates 讲，就长期其实你是低估了，这个事情是足够大，其实它也不是很贵。
但是呢这个 bubble 一 burst 一弄的话，你这个洗牌洗掉了很多人。
然后又是，就亚洲金融危机到互联网，呃， bubble burst 然后再到 COVID 的三年没有 IPO 再到去年 Deepseek 挽救了大家的信心。
其实我经历过很多次 bubble 我觉得 bubble 其实没有什么了不起。
对你就是，你那 bubble 就 burst 以后，你可以还继续加仓，然后那时候你再多拿长一点，那个是最最合算的，那个是最合算的，对。
对，因为这个事它本身是存在，就其实里面有个比较简单，因为我们投了很多 Ruby 贝斯机器人，它其实已经跑出来，它已经 product market fit 已经都证明了，而且它已经卖出去了。
而且你看到订单不断地来，我们就去年感觉春天来了。
就是订单，老客户给你 repeat order 不断地加单。
有很多地方不同场景的客户，我们觉得就是这个是证明，这个需求是证明，这个 part of my face 是在 rule base 的这个 robot 已经证明了。
接下来就是我们这个聚生的。
嗯。
聚生它是 general 嘛，它成本高一点，但它干的活更复杂，更柔性一点。
嗯。
那这个怎么证明呢？
就是我们还是看的那几个行业，好像三个行业，一个是物流，一个是仓储，还有什么搬运之类的。
加起来全世界是1700万人嘛。
。一千七百万人的话，你可能中国的工资和美国的工资，你算美国工资可能就要基本上这种人可能要七八啊？
最少5万美金。
哎，最少七八万美金要要的，中国可能是他的1/3嘛。
然后将来我们是收这个 subscription 但我们感觉这个趋势是势不可挡。
肯定是要取代的。
嗯。
因为他这个活太苦太累了，太无聊了，人是不愿意干的。
嗯，是。
对。
嗯。
但如果比如说真的像凯西讲的那样，他比如说那些超级巨头上市之后，他可能把市场上面的流动性都基本上都吸走了，然后这个领域的泡沫可能也到了顶峰。
对，如果真真的发生了这样情况，我不知道比如对于星骇途而言，比如既然你会认为你们做好准备了吗？
或者或者说它对你们是个好事呢？
还是坏事呢？
嗯，我我觉得我们时刻都在准备着。
呃，而且我觉得真正的好公司，强的公司都受益，对，都赢。
对，我觉得我觉得这这一点是，其实本质上还是提前对于趋势和变化做出判断。
啊，然后呢，我们其实已经做好了，就是泡沫破灭之后，我们应该做的那些事。
对。
啊。
请。
泡沫，嗯，泡沫破灭，你想做什么？
泡沫破灭之后……我一直觉得，真正决定一个行业走向的人，在中国可能就是一两百个。如果这一两百个人聚成十堆，那我就有九个竞争对手；如果聚成五堆，剩下的都是散兵游勇，那我就只有四个竞争对手。所以在这个过程中，我们要把这些人吸收过来，这是我会去做的事。
同时，还会出现一些并购机会。尤其是，即便泡沫破了，我们在资本市场上还是享受了一些杠杆。更惨的是谁？是更传统的、刚才凯西讲的 rule-based 的 robotics。但 rule-based robotics 不是没有价值，他们价值也很高，只不过在那个阶段资本市场给他们的估值可能更低一些，尤其是那些更传统的机器人。可他们的客户渠道体系、交付能力、过去积累的工程能力，都是很好的资产，对我们来说是有价值的。
所以这就是我们未来会展开的几个行动。但我们会审时度势，不会贸然出击。
我一直在看融资路径和支出路径，这是两件事。融资路径，肯定是有钱就拿钱，持续增加。支出路径，我有两个逻辑。
第一，我们是 AI 行业，背后的驱动力来自 Scaling Law，该上规模的时候就要敢上规模。我自己做下来发现，传统做 robotics 的人和搞 AI 的人最大的区别就在 mindset。搞 AI 的人是 scaling 的思路：我现在是 1，就必须去看看 5 到 10 会怎样。哪怕我不知道 5 和 10 会发生什么，但历史证明，5 和 10 一定会有惊喜，而且市场会奖励这种惊喜。这是 AI 的人的 mindset。
而 robotics 或更传统产业的 mindset 是研发制造型：我研发这一款机器人，花五千万研发费，卖一千台还是两千台，这个单款产品能不能回本，后面的才是我的净利。它是这套逻辑。但你如果用这套逻辑去套 AI，那就完了，根本不敢投入，因为你算不清楚。
所以要真正搞好具身智能，以前做机器人的公司最大的障碍，就在于能不能用 AI 的方式去投入、去研发。
说回来，我们的底层逻辑：第一是 AI 逻辑，第二是审时度势抓机会。在支出的过程中，其实很多时候局部是可以算清楚 ROI 的，ROI 如果足够高，那该干就得干，去做一些交易。这就是我的两个逻辑。
但是可能很多人会认为，你前面讲的那种传统做硬件机器人的逻辑，才是所谓商业的本质，是吗？就是我研发多少、我如何定价、我要卖出多少——
——我有多少利润。我觉得这个东西是看周期的。传统机器人的周期是什么？研发周期可能是18个月，然后整个生命周期的销售周期是三到四年，后面再有两年的售后。这大概是一款机器人的全生命周期，汽车可能比这个时间再略长一点。
但是 AI 的投入周期不是这个样子的。AI 的周期，你真的得以三年时间作为一个基础的研发时间。而且 AI 有一个很有意思的特点，就是它每一次生产都是非标生产。
每一次都是非标生产。
每一次都是非标生产。搞机器人，我这个构型定下来了，我批量生产一千个、一万个，每次都是标准化生产。但是搞 AI，AI 的产品是什么？是大模型。大模型每一次生产都是非标生产，所以你不能用传统那套逻辑去想这件事，因为它们整个计算、总体 ROI 的周期不一样了。
这个问题我也想补充一个观点。首先我们要问，AI 是不是个好生意？具体来说，大语言模型是不是好生意？具身智能是不是好生意？就从好生意的角度看。
好生意的定义是什么？用巴菲特的话说，就是你形成一个 monopoly、相对垄断，然后你有 pricing power、有涨价的能力。
你看大语言模型，我也一直在思考它生意的本质是什么。刚才你是从时间的角度来看这个周期；还有一个角度，就是好生意的定义——你有没有规模效益？有没有网络效益？有没有品牌效益？当然，如果你 IP 有 protection、别人都没有，像卖药的可以保几十年，那种咱们就不算了。我觉得大模型有非常明确的规模效益。
它可能没有网络效益。像互联网的 app 是有网络效益的，什么双边网络、多边网络；但大模型好像我们没有看到明显的网络效应，至少在 pre-training 是没有看到的。不过在 post-training 上，最近看 Anthropic 跟 OpenAI 的迭代，我好像感受到有一点网络效应，因为它迭代速度特别快。
也就是说，它找到了一个法宝，这个法宝就是 coding。最近真正改变模型智能水平的，不是一般人在那儿叽叽喳喳地聊，那没有用；而是让最聪明的工程师用最难的问题来训练它，它就会有网络效应。因为最聪明的人在那儿，训练出来的结果智商很高，然后大家都来用，这就叫网络效应。在 reinforcement learning 里是能感受到一些的。
但是规模效应是很明显的。它固定资产投入非常大，你一年没有十亿美金投下去，根本就不在牌桌上了。这是第一个；第二，人才又稀缺，又得是最强大脑、最聪明的人。这两个条件一加，能做的其实是极少的。
我觉得它有点像——它肯定不像互联网那种 Super APP 由一两家垄断，它有点像 data center，就是三五家。为什么只有三五家？第一是因为固定资产投入太大，你投不起这个钱，这个钱就把你卡住了；第二是人才，你没那么优秀。这两个一卡，可能就剩三五家。
那么大一个世界，你只有三五家竞争对手，其实应该是很好的生意。你看看来看去，美国现在有几家？我感觉基本就是三家了。Meta 也没弄出来；然后那个 谷歌 搞了那么多，其实自己都不做了，好像把 data center 都租出来了——其实不是那么容易搞的。中国你看一下，我觉得可能也就这几家。幸运的是我们最早投了两家。四小龙再加几个大的，但我感觉真的是稀缺，所以它还是一个好生意。
而且我觉得现在你看到的趋势——大家说它赚钱吗？不赚钱啊。你可以把它的 pre-training 当成 fix cost，就是您说的要投一段时间才赚钱；但它的 inference 是 variable cost，variable cost 我们感觉现在越来越接近赚钱，因为都在涨价。我们都在涨价；第二，芯片的成本、token 成本其实在降价。这两个一搞，模型的毛利其实也不差，有个40%。Anthropic 第二季度赚钱了，证明了这个是可以赚钱的，第一家赚钱。
而且还有一个：人家说，那 open source 是不是个好生意呢？人家 Anthropic 收那么贵的钱，咱们 open source 是不是好生意呢？我感觉也不差，还好。即使这样，我觉得我们的企业也挺能打的。特别是等我们那个 agent 出来以后，它的 token consumption 是 Chat 的一百倍，甚至将来会到一千倍。那我就薄利多销了嘛，薄利多销，给全世界输送智能，不是挺好的吗？
所以我觉得模型其实是个好生意，因为它稀缺、有涨价能力，将来还可以赚钱。
但是我看具身智能也有点类似：你一开始要大量投入、投很多钱，而且拉很长时间，又要最优秀的人在那边干。这两个护城河其实就已经垒起来了。你刚才不是一直问护城河吗？你有这么多——你能融到这么多钱吗？因为资本马上都聚焦给一个 top。现在都很明显了，其他家融不到钱了。谁现在还敢去投一个新的大模型公司？谁敢投？你又做不出来。那 马斯克 这么牛都没做出来嘛。所以我觉得具身智能也有这个特质：固定成本太大，它本身就是个护城河；另外要求的人特别优秀，就是最强大脑。
你光做硬件，我觉得不是最佳状态，但也行；光做大脑可能也有点欠缺；合在一起做其实是最难的，但也是最好的。
就像您刚才讲的，现在市场上可能不会再有一个新公司以创业的姿态去投一个大模型了。但具身智能未来可能也会有这个问题——确实会有一些大玩家觉得自己不得不做，所以会投钱去做自己的大模型、做自己的具身智能模型。
比如说一个大的硬件厂商，或者一个大的互联网公司，他自己用嘛。
对，就是因为前面你也讲过，你其实见了好多周期和泡沫，就觉得泡沫也没什么了不起。我其实有点好奇——
泡沫破灭之后，事实上我觉得决定一个行业走向的人，我一直觉得啊，可能就是100~200个人。
真正决定一个行业走向的人，100~200个人在中国。
啊，那如果这100~200个人聚成10堆，那我就有9个竞争对手。
如果有有有五堆，剩下的全是散兵游勇，那我就是四个竞争对手。
所以在这个过程当中，我们要吸收这些人。
我觉得这是我会去做的事。
啊。
然后同时呢，还会有一些出现一些并购的机会。
嗯。
啊，然后呢，而且尤其是什么？
就是这个我们其实在啊这个资本市场上还享受了一些，即便是泡沫破了。
我们也享受一些这个杠杆。
但是更惨的是谁？
更惨的是更传统的，刚才凯西讲的 Ruby base 的 Robotic 但 Ruby base Robotic 不是没有价值，他们价值也很高，只不过可能在那个阶段，资本市场可能给他们的这个什么更更低一些。
尤其更传统的那些机器人。
但是他们的客户渠道体系、他们的交付能力、他们过去在累积的这些工程能力都是很好的资产。
啊，那对于我们来说其实是有价值的。
所以我我觉得这就是几个我们会去未来啊展开的行动。
啊，但是我们审时度势，也不是说就贸然出击了啊。
所以我觉得就是说就是我们一直看，就说这个融资路径和支出路径，我觉得这是两件事。
融资路径，那我肯定就是有钱就拿钱，然后呢就是这个持续增加，对吧？
支出路径，我觉得还是看这个。
我有两个逻辑。
第一个，我们的行业是 AI 行业，所以一定背后的驱动力来自于 Scaling Law 该，就是敢于上规模的时候就要上规模。
呃，就是，这个是我自己做下来，我发现啊，就是传统做 Robotics 的人和搞 AI 的人，最大的区别在这，就是他 mindset 不一样。
mindset AI 的人是 scaling。
我现在一，我必须得到5~10那，我去看看去。
哪怕我不知道5和10会发生什么，但是历史证明了，5和10一定会有惊喜。
而且会在，这个市场会奖励这种惊喜。
对，这是 AI 的人的 mindset 然后 Robotics 或者更传统一点产业 mindset 是什么？
研发制造型，他就哎，我这研发这一款机器人，5000万的研发费。
我这卖1000台还是卖2000台，我这个这个单款产品回本，然后后边的是我的这个净利。
它是这套逻辑，但你如果用这套逻辑去套 AI 的话，完了，不敢投入了，因为你算不清楚。
对，所以，所以我我觉得就是说，搞具身智能，真正搞好啊。
以前做机器人的这个公司，其实最大的障碍来自于能不能用 AI 的方式去投入，去研发。
啊。
所以我说回来啊，就说我们的底层逻辑，第一是 AI 逻辑，第二个的话就是我觉得还是审时度势抓机会。
啊，然后在支出的过程当中，其实很多时候局部是可以算清楚 roi 的。
这 roi 如果足够高，那那该干就就得干，做一些这个交易。
对，对，我觉得这是就是两两个逻辑。
啊。
但是可能很多人会认为，比如说你前面讲的那种，就传统的做硬件机器人的，就他们那个逻辑才是所谓的商业的本质，是吗？
就是我研发多少。
我如何定价？
我要卖出多少？
我有多少利润？
我我觉得这个东西是看周期的，这看周期的。
就是就是我如果是用，因为传统的机器人的周期是什么？
我研发周期可能是呃，18个月，然后我的整全生命的这个销售周期是这个呃3年到4年，然后后边再有2年的这个售后。
啊，大概这是一款机器人的全生命周期，汽车可能是比这时间再略长一点。
对，但是 AI 的投入周期它它不是这个样子的，对吧？
AI 的周期可能真的你就是你得以这个三年的时间作为一个基础的研发时间。
然后的话呢，而且 AI 有一个很很有意思的特点，就是它每一次生产都是非标生产。
对吧？
每一次都是非标生产。
每一次都是非标生产，搞机器人，我这个构型定下来了，我批量生产1000个，1万个，每次都是标准化生产。
但是搞 AI AI 的产品什么？
是大模型。
大模型每一次生产都是非标生产，所以你不能用传统那套逻辑去去想这件事，因为他们的整个计算总体 roi 的周期不一样了。
对。
啊。
对。
这个问题我也想。
补充一个观点哈，就是就是首先我们要问，就是说首先这个 AI 它是不是个好生意？
具体来说就是大语言模型是不是好生意？
具身智能是不是好生意？
就从好生意的角度。
那么好生意的定义是什么？
就好生意的定义就是用巴菲特的话说就是嗯就是你形成一个 monopoly 就相对垄断对吧？
然后你有体现就是你有 pricing power 你有涨价的能力。
那你看大语言模型，我也一直在思考大语言模型它生意的本质是什么？
就是说刚才你是从时间的角度来看这个周期。
还有一个就是看这个，就是好生意它定义就是你要有，有没有规模效益？
有没有网络效益？
然后有没有品牌的效益？
当然你 IP 有个 protection 你有，别人都没有，那卖药的对吧？
几十年保，那那那那个肯定咱们就不，那就是我觉得大模型它是有非常明确的呃规模效益。
就它可能没有网络效益，像互联网的那个 app 它是有网络效益，什么多边网络，双双边网络，三边是多边，那个就它是有但是好像大模型我们没有看到明显的网络效应，至少在 pre-training 是没有看到的。
嗯。
呃，但是在 post-training 上。
最近看到 Anthropic 跟 OpenAI 的那个迭代，我好像感受到有一点网络效应，因为它迭代速度特别快。
嗯。
也就是它的找到了一个法宝，这个法宝就是 coding。
就最近最终改变人智能的，不是那么一般的人在那七七恰的，那没有用。
但是那最聪明的工程师用最难的问题来训练它，它就会有网络效应。
因为最聪明在那，然后他得到结果智商很高，然后大家用就有，这就叫网络效应。
就感受到一些吧，在 reinforcement learning 里是有一些的。
但是规模效应是很明显的。
就它固定资产投入是非常大的，就是你一年没有十亿美金投下去，你根本就不在牌桌上了。
但是那这是第一个，第二你人才又稀缺，这么又是最强大脑啊，就是最聪明人。
那这两个条件一加，其实是极少的。
就我觉得它有一点点像，它肯定不像那种互联网的这种 Super APP，它是一个垄断的一两家什么的。
它有点像 data center 就是说三五家。
三五家为什么少呢？
是因为你固定资产投入太大，你投不起这个钱，这个钱就把你卡住了，对吧？
第二呢，你这个人才你没那么优秀。
就这两个一卡，可能就是三五家。
那这么大一个世界，你有三五家的竞争对手，其实应该是很好的生意，我觉得。
你看看来看去，美国现在有几家呀？
我感觉就是三家了，基本上对吧？
Meta也没弄出来。
然后那个 Greg 搞了那么多，他其实都变成，就自己都不，就好像把这 data center 都都租出来了，对吧？
其实不是那么容易搞的，中国你看一下，我觉得可能就这也是这几家嘛，对吧？
幸运的是我们投了两家，最早投了两家，对吧？
对，四小龙再加几个大的，但我感觉其实真的是稀缺，所以它还是一个好生意，我觉得。
呃，而且我觉得现在你看到的趋势就大家说他赚钱吗？
不赚钱啊，怎么怎么。
你可以把它的 pre training 当成 fix cost 就是您说的要投个一段时间才赚钱。
但是它的 inference 是个 variable cost variable cost 我们感觉它现在越来越接近赚钱，因为都在涨价。
嗯。
嗯。
看我们都在涨价。
第二呢，芯片的成本 token 成本其实在降价的。
就这俩一搞，它的模，就是模型的毛利其实也不差，有个40。
俺烧皮知道第二季度赚钱了呀，证明了这个是可以赚钱的。
第一家赚钱。
对对对对，而且就是还有一个就是你可以看到，人家说哦，那你 open source 是不是个好生意呢？
对吧？
人家 anthropic 收那么贵的钱，咱们这个 open source 是不是好生意呢？
那我感觉也不差，对，也不差，也还好。
就即使这样子的话，我觉得我们的企业也挺能打的。
对，特特别是就是我们当当那个 agent 出来以后，那个 token consumption 是 Chat 的100倍，甚至将来会到1000倍。
那我觉得我就薄利多销了，对吧？
薄利多销，全世界输送智能不是挺好的吗？
对。
我觉得模型这个这个我觉得是其实是个好生意，因为它稀缺，对吧？
有涨价能力。
将来还可以赚钱。
但是我看巨声智能也是有点像类似，就你一开始要大量的投入，投很多钱，而且拉很长时间，又要最优秀的人在那边干。
就这两个护城河其实就已经垒起来了呀。
你刚才不是一直问护城河吗？
就你有这么多，你能融到这么多钱吗？
因为资本马上都聚焦给一个 top 对吧？
现在都很明显了，就就你其他融不到钱了。
谁现在谁还敢去投个新的大模型公司啊？
谁敢投？
对吧？
你又做不出来了。
那一路马是这么牛都没做出来嘛，对吧？
所以我觉得其实巨声也有这个特质。
就是固定成本太大，它就是个护城河，然后另外要求的人特别优秀，就是最强大脑。
你光做硬件。
我觉得不是最佳状态也行，光做大脑可能也有点，就是合在一起做其实是最难，但是也是最最好的啊。
就像您刚才讲的，比如说现在可能市场上不会再有新的一个公司以创业的姿态去投一个大模型。
但它确实，我觉得就是智能可能也，未来可能也会有这个问题啊。
就是，但是它确实会有一些。
大玩家觉得自己不得不做，所以他会投来做自己的大模型，做自己的巨人智能模型。
比如说一个大的硬件厂商，一个大的互联网公司。
他自己用嘛。
嗯嗯嗯。
对。
对，就是因为前面，他呃就是，你也讲过，比如，就是你其实。
见了好多的那个周期和泡沫嘛，就觉得泡沫也没什么了不起。
我我其实有点好奇。
但是你不投是不行的。我一直觉得是这样：投还是不投，是性质的问题；什么时间投，那是战术的问题——一个战略，一个战术。
我的感觉是，当一个特别巨大的浪打来，你是要跳到水里去的，你不能在岸边观察。你看，如果你这个 VC 没有投互联网、没有投移动互联网，也没投 AI、没投大模型，那我觉得你就不是一个很优秀的 VC 了，你几个大浪都没有抓住。
我觉得王鑫（鑫哥）说得挺对，我还挺认同的。他说，传统行业投资就像登山，山就在那里，你随时都可以投，反正 buyout 就是搞点借债、做点优化、弄点 module，他能赚到钱，赚的是一个相对 predictable 的钱。但是投技术就像冲浪一样，你得赶上大的浪；大浪来了你没赶上，就得赶下一个浪了。
所以我觉得最好的办法就是先跳进去，开一张小一点的支票。如果失败了——他失败概率还挺高的——那你也输得起。但如果你觉得苗头不错，就像星海图这样，就赶快加仓、加仓、再加仓。
这就是我们做 VC 最核心的：做 VC 最核心就是要达到 Home Run，你要投到那个伟大的公司。Home Run 的定义就是这一个项目把你整个基金给还回来了——你这一个项目赚的钱比整个基金还要大，或者他给你赚八倍，我们对 Home Run 就是这么定义的。
Home Run 有两个本质：一个是 Home Run 的频次，也就是你一期基金能投到几个 Home Run；第二个是 Home Run 的强度，就是你投了这个 Home Run 究竟能赚多少钱，这叫强度。我们觉得强度比频次更重要。
强度就是指占了多少股权吗？
就是你占多少、还拿多长时间——你的股份比例，以及占有的时间。所以强度其实是你可以决定的，因为你看到好的就不断加仓；拿的时间长短，你也可以决定。
但是频次还是靠运气。我们看了一下，基本上不变，就是三到五个，平均数对我们来说是四个。一期基金四年时间，你就投到四个伟大的公司，这个是不变的，是个固定数字。
你投更多的项目、招更多的人，其实没有用，反而更糟。因为什么呢？你都稀释了，时间精力都稀释了，你也不知道哪个好，也不知道什么时候该加仓；你也没有时间，比如说跟这位小哥哥经常聊天。
学习速度就会放慢。
所以是不能搞太多的。我觉得就那三到五次、四次是个固定的数字，最关键你要在强度上做文章：double down、triple down 给你的那个客户，然后不断加仓、拿的时间长。
就像 Kimi，我们是最早投的，三年五次加仓；星海图我们也加仓，现在还想再买点老股。就是说你要不断加仓，而且拿的时间还要长。扛得住也很重要，就这两点——double down、triple down on your winner，然后拿的时间足够长。像我们，一个足够长都是八到十年才叫足够长，你可以赚到时间的复利。
如果频次差不多的话，就是四个。
我觉得一期大概，对我们来说四个。
那你们这个行业是不存在规模效应吗？就是规模做大是没有用的，是吗？
我觉得规模太大以后，你要能给股东还八倍就难了。你弄一个几十亿美金，做八倍很难；但你用十亿美金，我觉得还是能 manage，我就十亿美金。
因为我是这样算的：你四个项目就是 home run，一个 home run 你投个一亿二美金。然后你就四一八、四一八——你不是每个都 home run，你有个成功概率。成功概率有 20% 的话，你还得投个二十个：四个是 home run，还有十六个不是 home run。那就一千万美金一个，十六个就是一亿六，这个基金大概六亿到八亿美金。六亿八亿的规模，然后赚个五倍六倍，我觉得是一个还算比较不错的 performance。但如果你特别大的话，其实伟大的公司没那么多，不是有那么多伟大的公司。
我突然想请教凯西一个问题，我们俩互相问。因为刚才凯西提到很多之前投过的企业，也看了这么多行业，我其实一直很好奇：我们这个行业、包括我们这个企业，未来会遇到什么样的常态性问题？就是在您的视角来看，这些行业、企业做大的过程中，创始人肯定、机构也越来越大，会有哪些典型错误？
会出现啊。我觉得典型错误第一：每次融了很多钱以后，就有点头脑发热，容易做很多事情。什么都觉得我人定胜天，什么都要做，这个我也能做、那个说也花不了我很多时间，其实最后你会发现那些事情都不 matter，而且把时间给拖累了、精力分散了——diversify，事情一多就什么都做，一天到晚做加法，不够 focus，很糟糕。
我刚才说 founder 的 vision 很重要，因为这个时代不能犯很大的错，你犯错的代价是很大的。比如你训的模型，你说方向看不清楚、我三个都试一下，首先时间都花进去、钱都花进去，如果不对，人家已经跑到前面去了，你迭代的速度就慢了。所以你的 killing sense 很重要，看准方向很重要。比如 OpenAI 一直是领先的，别人都是小弟，它是个大哥。为什么它能突然一下领先？我觉得就是在方向上，OpenAI 看到的是 coding；有的人没看到 coding，就啥都做，因为看不清楚，所以什么都赌一把，多模态呀、具身呐，什么都搞，后来发现搞不了那么多，就关掉一些。所以不聚焦是大忌。
第二个，就是你的时间花在哪里。我感觉一个企业成长很快，就有很多成长的痛苦，这个痛苦就是你觉得什么都要去管一下：供应链也要管、HR 也要管、operation 要管、报销要管、出差也要管，你要管的事情很多。一开始你不了解的时候，什么都是自己说了算。我觉得这会耗你一些精力，但这个东西是你要经过的，只是你要迅速建立制度、迅速把权放下去。还是要抓关键——其实就是训模型的方向。供应链也很关键，但最终都不是那么关键，最终是你这个大脑的方向：你怎么走、数据怎么调。
我觉得大模型既不是科学，也不是艺术，它有点像炼丹。炼丹那个老师傅的手感很重要、经验很重要，你往哪个方向走。你本身又是 PhD、又是学这个的，所以你应该花很多精力去思考这个问题。我知道你是每天读 paper 的，但你要把读 paper 的量加大，然后天天跟那些最有 insight 的人聊天，你的灵感就是从这些地方来的——大量阅读 paper，跟那些最优秀、最前沿的 researcher 去聊天。我知道 赵行 老师在做这件事，但最好是你们两个大脑一起来碰撞。
你又对硬件懂，他更偏软件，你俩……我觉得这个时间可能得占到你一半以上。就像张一鸣，抖音这么大个生意，但张一鸣百分之五十的时间都用在这个 seed 上面。咱们是这么小的公司，你其实应该 80% 都用在那——你那个系统打造要先做，你人不到位也不行，就变成瓶颈了。先搭起来，然后 delegate、delegate、delegate，不行就换人，这些其实全部都是 replaceable 的。但是你的大脑、你的 vision 对公司的发展，以及你调动资源的能力，是没有人能够替代的。你应该把精力就花在这件事情上，先把那些弄好，80% 精力花这来，这才是真正能让你发挥价值的地方。
有道理。你觉得他们在具身智能公司里面算聚焦的吗？
我觉得还挺聚焦的。他们的好处就是一开始定位就是又做大脑又做 body，而且速度也很好，没有先开始烧大脑——因为那样烧很多钱又没有数据，等于白烧了。所以他们先把硬件做出来，有了自己的硬件，你现在这个……
再烧就能烧得有效率嘛。
对，烧得高效嘛。而且我觉得他们对数据这个也开始很早就做了。他们总的战略方向，我觉得都还好，没有什么重大错误，挺好。
好，那我问继扬一个问题：你其实是在两家无人驾驶公司工作过的吗？之前无人驾驶应该也是非常非常热门的创业赛道，很多公司、很多聪明人来做，有很多钱投入进去。我不知道，比如说你从亲历者的角度来看，当年无人驾驶那种热度，它跟今天具身智能的热度有什么不太一样的地方吗？
但是你不投是不行的啊，我一直我觉得是这样的哈，就是当一个，就是说投还是不投是性质的问题，什么时间投那是另外一个战术的问题，一个战略一个战术。
我的感觉就是当一个特别巨大巨大的浪打来，嗯嗯，你是要跳到水里去的，你不能在岸边观察。
就是你看，我觉得如果你说这个 vc 你没有投互联网。
对吧？
你没有投移动互联网，你也没投 AI 你没投大模型们，那我觉得你就不是一个很很优秀的 vc 了，对吧？
你几个大浪都没有抓住。
那那我觉得是说，就说当，就是，我觉得是鑫哥说的，我还挺认同，就王鑫说，他就说，你传统行业投资就像登山，山就在那里，你随时都可以投，反正 buyout 怎么弄那个。
Gary 弄点借债啊，弄点优优优化呀，弄点 module 啊，他是能赚到钱，他赚的是一个比较相对 predictable 的钱。
但是投技术是，他就像冲浪一样的。
他，你得赶上大的浪来了，大浪来了，你你的你你没有赶上，你得赶下一个浪了。
是，所以我觉得最好的办法就先跳进去，开一张小一点的支票，如果他就可能失败了，他失败概率还挺高的。
嗯，那你也输得起嘛。
但是如果他你觉得有点苗头不错，就像新海都这样，赶快加仓加仓再加仓这样子的。
就这个就是我们做 VC 的最核心的。
就说，呃，做 VC 最核心就是要要达到 Home Run 就你要投到那个伟大的公司。
Home Run 定义就是这一个项目。
把你这个基金给还还回来了。
你这一个项目赚的钱比基金还要大，或者是他给你赚八倍，就我们对 Home棒就这么定义的。
就 Home 棒它有两个本质，一个是 Home Run 的频次，也就是说你一期基金能投到几个 Home Run 第二个是 Home Run 的强度，就你投了这个 Home Run 你究竟能赚多少钱？
这叫强度。
我们觉得强度比频次更重要。
强度就占了多少股权？
就是你，呃，就是占多少还拿多长时间。
你的股份比例以及占的时间。
所以呢，强度其实你是这可以决定的，因为你可以看到好的，不断的加仓，对吧？
拿的时间长的你都可以决定。
但是频次还是运气，其实你，我们看了一下，基本上不变。
它就是三个到五个，我觉得平均数对我们来说就是四个。
一期基金四年时间，你就投到四个伟大的公司。
嗯。
而这个是不变的，是个固定数字。
你投更多的项目。
招更多人其实没有用，反而更糟。
因为什么呢？
你都稀释了，时间精力都稀释，你也不知道哪个好，也不知道什么时候该加仓。
你也没有时间，比如说跟这位小哥哥经常聊天，对吧？
学习速度就会放慢。
所以你就，所以是不能搞太多的。
所以我觉得就那4，3~5次，就是4次是个固定的数字。
所以最关键你要在强度上做文章。
Double down triple down 给你的那个客户，然后不断的拿的时间长。
就像 Kimi 我们一开始最先投的，最早投的，然后我们三年五次加仓。
新海豚我们也加仓，但我们还想买点老股呢，现在。
对吧？
就说你，其实就是你要不断的加仓，而且拿的时间还要长。
康康胖顶也很重要，就这两个。
Double down triple down uh on your winner 然后拿的时间足够长。
像我们一个足够长都是8~10年。
才叫足够长。
你可以赚到时间的复利。
嗯，嗯。
啊。
如果频次是差不多的话，就是四个，就是就是。
我觉得一期大概，对我们来说四个。
嗯。
对，那你们这个行业是不存在规模效应吗？
就是规模做大是没有用的，是吗？
呃，我觉得规模太大以后，你要能给股东还八倍就难了。
你比如你弄一个几十亿美金，你做八倍很难啊，但是你用十亿美金，我觉得还是 manage 我就十亿美金。
你你可能赚个，因因为我是这样算，就你四个项目就是 home run home run 呃，一个 home run 你投个一亿二美金，一亿二美金。
啊，然后你就四一八四一八，然后你还有你不是每个都 home run 你可能有成功概率吧。
成功概率有个20%的话，你还得投投个20个20个，4个是红帽，还有16个不是红帽的。
那就1000万美金一个的话，就1亿6，那这个基金大概6亿到8亿美金。
。六亿八亿的规模，然后赚个5倍6倍这样子，我觉得是一个。
还算是比较不错的 performance 就是。
但如果你特别大的话，其实嗯其实伟大的公司没那么多，对吧？
就没那么多，就是不是有那么多伟大的公司。
对对。
那个，嗯，我我我突然想请教那个凯西一个问题啊，哈哈哈，我突然想请教。
我们俩互相互相问了。
因为因为因为因为因为因为刚才就是就是凯西有提到很多那个就是之前投过的那个企业，也看了这么多行业。
然后呢，我我其实一直很好奇一个问题啊，就是我想看我的。
我们这个行业以及包括我们这企业，我未来会遇到什么样的常态性问题？
嗯。
就是你在您的视角来看，这些行业在做大的过程呢，企业做大的过程呢，这个创始人肯定机构也越来越大了，什么的。
对对对对对。
会有哪些典型错误？
对对对，会出现啊。
嗯，我觉得典型错误第一，每次融了很多钱以后，就有点。
呃，头脑发发热，就是就会容易做很多事情。
容易做很多。
哎，就是就什么都觉得我人定胜天，什么都要做，这个我也能做，那个他说啊，不花我很多时间，其实最后其实你会发现那些事情其实都不 matter 而且把他时间给拖累了。
明白。
他精力分散，就是，diversify，就事情一多，他就什么都做，一天到晚做减，做加法。
嗯。
不够 focus 就不够 focus 很糟糕，我觉得现在。
我刚才说 founder 的 vision 很重要，因为这个时代其实不能犯很大错，因为你犯的错误代价是很大的。
比如你训的模型，你说你方向看不清楚，我三个都试一下。
首先时间都花进，钱都花进，如果不对，人家已经跑前面去了。
是。
就你迭代的速度慢了，就所以我觉得你的你的 killing sense 很重要，就你看准方向很重要。
比如说 OpenAI 一直领先的呀。
俺说呗，都是个小弟嘛，他是个大哥。
为什么他突然一下，我觉得就是在这个方向上，人家 openai 看到的是 coding 他没有看到 coding 他啥都做嘛。
因为他看不清楚，所以他什么都赌一把，啊多模态呀，什么什么具身呐，什么都搞。
就就后来发现他其实也搞不了那么多，所以他就关掉一些，就说不聚焦是大忌。
明白。
呃，就，第二个就是你的时间花在哪里。
我感觉哈，就一个企业，它这个企业成长很快，它有很多成长的痛苦。
嗯。
这成长痛苦就是你觉得你啥都要去管一下，比如说我供应链也要管，对吧？
嗯。
哎，我 hr 也要管，哎。
哎，我这个 operation 要管，我报销也要管，我我出差就就你要管的事情很多。
嗯。
但一开始你不了解的时候，你你很憨仗，你方的什么都是自己说了算。
嗯。
呃，我觉得他会耗你一些精力，但是我觉得这个东西是经过你是要经过的，但是你要迅速建立制度。
迅速把这个权放下去，我觉得还是要抓关键抓关键，其实就是训模型的方向。
包括供应链也很关键，但最终都不是那么关键，最终是你个大脑的方向，你怎么走，催你。
数据怎么调？
我觉得模，大模型它既不是科学，它也不是艺术，它就有点像是一个，就炼丹。
炼丹那个老师傅的手感很重要，经验很重要，你往哪个方向走？
你本身又是 p h d 又是学这个的。
所以我觉得你应该花很多精力去思考这个问题。
我知道你是每天读 paper 的哈，但你要把你读 paper 的量加大。
嗯。
然后呢，给这些最 insight 的人天天聊天，就你的灵感是从这些地方来的。
大量的阅读 paper，跟那些最优秀的、前沿的 researcher 去聊天。
嗯。
我觉得这个可能是很重要，当然我知道赵航老师在做这件事，但最好是你们两个大脑一起来碰撞。
明白。
就。
然后你又对这个硬件又懂。
嗯。
对吧？
他是更加软件，你你俩就说，我觉得你这个时间可能得占到你一半以上。
嗯。
就像张一鸣，哇，这个抖音多大个生意啊，对吧？
抖音是很，就很大个生意。
但张敏百分之五十时间都用在这个 seed 上面。
明白。
那咱们是这么小的公司，你其实应该80都用在那，你那个系统打造你要先做。
对。
你你人不到位你也不行，就变成瓶颈了。
就先搭起来，然后。
Delegate delegate delegate，不行换人，对吧？
这东西其实全部都是 replaceable 是。
但是你的大脑，你对，你的 vision 对公司的发展，以及你调动资源的能力，是没有人能够。
没没人能替代的。
所以。
你应该把精力就花在这件事情上，我觉得应该你先先把那些弄好，就80精力花这来，这个才是真正让你。
有道理。
对。
有道理。
你觉得他们在巨声智能公司里面算聚焦的吗？
呃，我觉得还挺聚焦的，我觉得他们只要就，我觉得他们的好处就是他一开始定位就是又做大脑又做 body 而且他速度也很好，他没有先开始烧大脑，因为那个烧很多钱又没有数据，等于白烧了。
所以他们先把硬件做出来，有了自己的硬件，你现在你这个可。
再烧能烧的烧的有效率嘛。
对，烧的高效嘛，那我觉得还对数据的这个也开始很早就做了。
嗯，哎，我我觉得他们这个总的收发战略的方向，我觉得都还好，没有什么重大错误，挺好。
嗯。
嗯。
好，那我问季然一个问题，就是你其实是在两家无人驾驶公司工作过的吗？
然后其实之前无人驾驶应该也是非常非常热门的创业赛道嘛，就很多公司来做，很多聪明人来做，有很多钱投入进去。
我不知道，比如说你从氢离子的角度来看的话。
当年那种无人驾驶的那那种热度，它跟今天具身智能的热度有什么不太一样的地方吗？
那首先小很多，我觉得。
无人驾驶小很多？
对，无人驾驶从行业规模、以及对大众和社会的影响力上，我觉得小很多。所以第一，我觉得是规模小。第二，自动驾驶归根结底我觉得它是一个影响力有限的小行业——从行业视角来看，它没法影响千行万业，没法影响到每个人的生活。
但是具身智能，我发现一个很有意思的现象：我的上游也是我的下游，我的下游也是我的上游，未来是中心型行业。这件事就会让整个具身智能创业既有挑战，也机会巨大，因为这个时候你可以优化的东西就很多。
然后第三个不一样：第一个是行业规模不一样，第二个是行业的位置不一样，第三个说到技术上。我觉得做自动驾驶那一波的企业里面，头部出发的那些企业——我说得稍微 critical 一点——开始的时候不是 AI 企业，更多的是一个 Robotics 企业。什么是 Robotics？Robotics 就是 rule-based，它讲究的是我这个 corner case 怎么解决，然后我做系统拆分。但我们这一批做具身智能的企业刚出发的时候，至少有一些做了对的定位，就是我们定位自己是一家 AI 企业。AI 企业解决问题的方式就是规模，然后是基础模型、数据，就是这样的逻辑。所以这会使得企业发展的逻辑完全不一样了。虽然看上去好像都是干一个带引号的"智能"，但这个智能背后的来源不一样：一个是真正 AI native 驱动的，一个可能还是传统的 rule-based 或 robotics 驱动出来的智能。我觉得是这几个感受，是不太一样的。
包括你上次跟我讲的，今天在做具身智能这个行业的有三拨人：一拨人以前是做模型的，一拨人以前是做硬件的，还有一拨人跟你一样，是做自动驾驶的。我想问，你觉得你做自动驾驶的这段经历，对你做具身智能的影响会是什么？跟另外两拨人相比的话。
影响，我觉得是开始的时候帮我做了几个最正确的基础决策。就是理解真机加智能、构建数据闭环、依赖真实数据，不能做纯软的。你要说具体的算法或者技术，坦率来讲，几乎没有什么可借鉴的。
战略的选择来自以前的经验，对。
战略的选择来自以前的经验。
主要是教训是吧？
对，这很重要。这几个选择是最重要的，就是所谓的杀手锏——方向要选对，看到别人看不到的东西。
很多技术上的这些东西，其实也都是这两年新出来的。
像这种三种背景的人，你应该都见过吧？你觉得他们会有什么表现不同的地方吗？
我觉得具身智能这个行业，自动驾驶出来的这批人上手能力很强，很快就能把东西做出来。你要做个机器人，还是需要一些硬件、软件，做过自动驾驶的人去做具身，感觉挺专业、挺对口，来了以后就能上手。但他们大部分人其实也都没做大脑。我觉得星海图最大的特点，就是他还是敢把大脑做了。这可能跟你们这个教育背景、这个"最强大脑"的基因有点关系，他敢做。
就是包括我，包括赵行。我们读博开始的时间，基本上我们这一批人，我觉得是第一批后深度学习培养出来的 PhD。我读 PhD 是 15 年开始读，他是 13 年开始读，12 年那时候是深度学习革命嘛，对吧？所以这一批 PhD 在读博士的时候，得到的最重要的是什么？就是相信深度学习。那个时候还没有 Scaling 这个说法，或者说参数量，那时候讲的是深度——相信深度、相信数据。
当时对我们这一批 PhD 都有很大影响力的一篇文章，叫 The Bitter Lesson，痛苦的一课，你应该自己也读过。基本结论就是：你得相信规模、相信数据、相信算力，不要相信一些 human bias 设计出来的规则，那些东西短期有效，长期来看都是无效的。你要带着这些东西去做自动驾驶。
做自动驾驶，我得稍微回顾一下：做自动驾驶的第一波人其实不是做 AI 的人，都是做 Robotic 的人。所以当时是两股力量的交汇——搞 Robotic 的人还沿着之前的路径走，搞 AI 的人带着新武器进来了。这里也有新老交汇的冲突，所以有些企业改变的速度慢，有些企业改变的速度快。
我在这里讲一个小故事，相信 Bitter Lesson 这件事是非常重要的。举个例子，Tesla 是自动驾驶的鼻祖，最早做。他们一开始一直是 rule based 的，碰到一个 corner case 就写一段 coding，那个 C++ coding 已经到 30 万行代码了。团队都绝望了，说这 coding 是搞不完、写不完的，天花板就到顶了。
这时候突然 ChatGPT 出来，他们一看，ChatGPT 会自学习，感觉很牛。那时候不是伊隆·马斯克把 Twitter 收购了嘛，要把一大批团队弄到 Twitter 去帮他干 IT，结果有个小伙子说，我暂时还不能去，我在搞一个东西——就是学 ChatGPT 那种 supervised learning、自己学习的方式。他就写了一段 coding，在伊隆·马斯克家门口开这么一段路，让伊隆坐在上面试。
坐完以后，他们要做一个重大选择：要放弃以前 9 年的 data、30 万行代码、这么多工程师、烧掉的几十亿美金，全部不搞了，forget about it，全部变成机器学习，不要人类的 coding，minimum 的人类 coding。这太重大了，你要把以前历史上这么多人的东西全部推翻，只有 founder 敢做这样的决策。
我记得有这么一幕：Elon Musk 开完那个车、坐了一个小时回来，大家在 debate 到底要不要放弃以前的。放弃就等于重新来过，以前都白干了。然后他让一龙把眼睛闭上，想了 20 分钟，闭着眼睛，鸦雀无声——因为这是他们这么多年的心血，全在那 30 万行 C++ 代码里。等他把眼睛睁开，他说了一句 This will do，然后就 switch 了。
如果没有伊隆·马斯克相信这个、相信靠 Scaling law，他其实是不会的，因为以前有很多积累，舍不得放掉。为什么？自己打自己是很难的，一般人不会像一个 founder 这么思考，大部分人趋于安全——做了这么多、有优势，肯定舍不得。他没有管，直接放掉。要不然 FSD 还不知道什么时候才跑出来，也多亏他这样的人，敢做这样的决策，从零开始，绝对是从第一性原理、从零开始。
所以我觉得你要相信这个才行，正好你们那一届就相信了这个。再早一点，其实我跟你说……
这个时间点也有关系。
所以为什么我说要做九零后呢？这就是个分界点——你相信还是不相信。
干这事也有年份的，有年份，有班可上。
我看他们 CFO 那个 PPT 上写的是，我们要找九五后卷王。九零后已经不行了，要九五后。
老板肯定是九零后，因为老板读完 PhD 已经多少岁了，对吧？
我刚才问你个问题，是因为我之前听了 a16z 马克·安德森的一个播客。他高度看好这一轮的智能，包括人工智能，具身智能他应该也看好。他讲了一句话我印象非常深刻，他说：我自己知道，投资中最危险的五个字是"这次不一样"，但是这次真的不一样。我不知道，你认同他这个判断吗？
那首先小很多，我觉得。
无人驾驶小很多。
对，无人驾驶从行业规模和整个对于是，就是大众啊，社会的影响力上，我觉得小很多。
啊。
然后呢，呃，所以我首先第一个我觉得是规模规模小，第二个其实我觉得呃自动驾驶，归根结底我觉得它是一个它是一个影响力有限的小行业，它没法去，就从行业的视角来看哈。
它没法影响千行万业，然后没法影响到每个人的生活。
对，然后呢，但是巨声智能，我我发现很有意思的现象，我的上游也是我的下游。
嗯。
我的下游也是我的上游。
然后呢，它是未来是中心型行业。
啊，然后这件事就会让，就是整个巨深智能创业，当然是既有挑战。
对。
那也也机会巨大，因为这个时候你你可以优化的东西就很多。
啊。
然后第三一个不一样，就你看第一个我说它是行业规模不一样，这个行，第二个就是行业的位置不一样。
三个，咱们说到这个这个技术上哈。
我觉得嗯在做自动驾驶那一波的企业里面，其实基本上头部出发的那那些企业，我我说的稍微 critical 一点哈。
呃，开始的时候不是 AI 企业，更多的是一个 Robotics 企业。
什么是 Robotics Robotics 就是 Rubis 啊，就是它讲究的是我这个 corner 怎么解决，corner case 怎么解决，然后我做系统拆分。
啊，然后，但是我们这一批做巨深智能的企业刚出发的时候，对吧？
至少有有一些做了对的定位，有一些企业做的定对的定位就是我们定位自己是一家 AI 企业。
AI 企业解决问题的方式就是规模，然后这个基础模型，数据，就是这样的逻辑了。
嗯，所以这会使得就是企业发展的这个逻辑。
就完全不一样了。
嗯。
虽然看上去好像都是干一个带引号的智能。
对。
但是这个智能背后的来源不一样。
一个是真正的 AI native 驱动的。
一个可能还是传统的 Ruby base 或 robotics。
这样去驱动出来的智能。
就我觉得是这几个，呃，我我的感受吧，啊，是是不太一样的。
嗯。
包括你上次跟我讲说，你说。
今天在做具身智能这个行业的，有三拨人嘛，有一拨人以前是做模型的。
啊，嗯。
对，一拨人以前是做硬件的，比如。
对，还有一拨人就是跟你一样，在做自动驾驶的，对对对。
对，我不知道，比如说，就是你觉得你做自动驾驶的这段经历，它对你做巨量智能的影响会是什么？
就跟另外的两拨人相比的话。
影响我觉得就是开始的时候帮助我做了几个最正确的基础决策，就是。
那个，理解。
正机加智能，嗯，构建数据闭环，然后依赖真实数据，不能做纯软的。
啊，我觉得你说具体的算法呀，或者是技术啊。
坦率来讲，几乎没有什么可借鉴的。
战略的选择来自以前的经验。
对。
战略的选择来自以前的经验。
主要是教训是吧？
哈哈哈。
啊，没事。
对对对。
这很重要，那个这这几个选择是最重要，就是所谓的这个杀手之就，方向要选对啊，看到别人看不到的东西啊。
嗯嗯嗯。
哎，很多技术的这些东西，其实也都是这两年新出来的。
好。
嗯。
像这种三三种背景的人，应该你都见过的是吧？
嗯。
你觉得他们会有什么表现的不同的地方吗？
呃，我觉得巨声智能就是这个呃自动驾驶人出来以后，他们都上手能力很强，很快就可以把这个东西做出来。
就你要做个机器人，其实还是需要一些硬件啊、软件。
呃，做过自动驾驶人，他们去做巨声，感觉好像还挺，就挺，就专业挺对口，来了以后就可以上手那种感觉。
对，但是他们大部分人其实也都没有做大脑，就是。
我觉得新海图最大特点就是他还是敢把大脑做了，我觉得可能跟咱们这个。
这个教育背景，就这个最强大脑这个基因有点关系哎，他敢做。
就是包括我，包括赵航。
就是我们读博开始的时间，基本上就是我们这一批人，我觉得是第一批后深度学习。
啊。
培养出来的 PhD。
对，我读 phd 的时候是15年开始读，他是13年开始读 phd 然后那个12年那时候是深度学习革命嘛，对吧？
所以就是这一批 phd 他在读博士的时候。
得到的最重要的就是什么？
就是相信深度学习，相信这个，那个时候还没 Scaling 这个，或者说这个参数量，那时候是深度，对吧？
啊，相信深度，相信数据。
然后呢，当时对于我们来，这一批 phd 都有很大影响力的一篇文章，叫the bitter lesson。
嗯。
啊，痛苦的一刻。
是吧？
这个你应该自己也读过啊。
对，对，基本结论是什么？
就是。
基本结论就是你得相信规模。
嗯。
啊，相信数据，相信算力，不要相信一些 human bias 设计出来的一些规则，那个东西短期有效，长期来看都是无效的。
就就这些东西，你要带着这些东西去做自动驾驶。
然后呢，做自动驾驶，这个时候我我得稍微回顾一下，做自动驾驶的第一波人其实不是做 AI 的人。
对。
做自动驾驶的第一波人都是 Robotic 的人。
嗯。
所以，当时是两股力量的交汇，对吧？
搞 Robotic 的人还沿之前的路径走呢，搞 AI 的人带着新武器进来了。
嗯。
但是也有新老交汇的这样的一些冲突啊，对。
所以有些企业就呈现出改变的速度慢，有些企业改变的速度快。
啊。
对，我在这里面讲一个小故事，就这个相信这个 bitter lesson 这个是非常重要的，就举个例子，就是呃，Tesla 是自动驾驶的鼻祖嘛，最早做。
他们一开始一直是 rule based 的，就写 corner case 碰到一个 corner case 就写一段 coding 写一段 coding 他那个 C 加加 coding 已经到30万行代码了。
就是团队都绝望了，就说我的 coding 这 coding 是搞不完的，写不完的。
就它天花板就就到顶了。
然后这个时候突然 ChatGPT 出来，他们就哇，ChatGPT 自学习啊，感觉很牛。
然后他们呢就有一个，那时候不是伊隆马斯克也把 Twitter 收购了，要把一大团团队弄到 Twitter 去帮他们干 IT 结果就有个小伙子说，哎，我还暂时不能去，我现在在搞一个。
就是学习 ChatGPT 就是 supervise fine 那个 supervise 呃那个 learning 那样子，就是自己学习的。
然后他就写了一段 coding 就是根据这个，就伊隆马斯克家里门口写段 coding 这 coding 呢，就就开这么一段路，就他家开，让伊隆坐在上面。
做完上去以后，他们就要做一个重大的选择。
嗯。
就是我们就是要放弃以前9年的 data 30万行代码，这么多工程师，烧了他们几十亿美金。
这个就不搞了。
Forget about it。
全部变成就是机器学习，就不要搞人类的这个 coding 了，就 minimum 的人类的 coding 这个觉得太重大，你要把以前历史的这个这个，这么多人全部推翻啊。
只有 founder 敢做这样的决策。
当时我记得有这么一幕，就是 Elon Musk 开完车，坐完那个车就一个小时回来，他就大家就在 debate 到底要不要放弃以前的。
嗯，然后放弃前等于就重新来过吧，那以前都白干了呀。
然后他让让一龙把眼睛闭上了，想了20分钟，闭着眼睛。
二十分钟。
二十分钟，鸦雀无声，鸦雀鸦雀无声呐。
嗯。
因为这是重大于他们这么多年心血全部在30万行 c c c 加加的代码呀。
等他把眼睛睁开时，他说了一下，This will do，然后就 switch 了。
那如果没有伊伊隆马斯克这个相信这个，就是我就是靠 Scaling law 来，就他其实是不会，因为以前的包袱，不叫包袱，以前他有很多的积累呀，他舍不得放掉嘛，大部分之所以为什么。
就是你自己打自己是很难的，因为你，一般的人都不会像一个妈这么思考啊，大部分可能就还是聚于因为安全啊，做了这么多啊，有优势啊，肯定舍不得嘛。
她没有管，直接放掉。
要不然的 fsd 还不知道什么时候才跑出来了，也多亏他这样的人，对吧？
敢做这样的决策，从零开始。
对，这是了不起的创。
对，绝对是从从第一性原理，从零开始。
对，所以我觉得他那个，我觉得是真的就是，就你要相信这个才行，就正好你们那一届就相信了这个。
对吧？
再早一点，其实我跟你说。
这个时间点也有关系。
是是。
所以为什么我说要做九零后呢？
这就是个分界点，你相信还是不相信，对吧？
干这事也有年份的呗。
对对有年份，有班可上。
我看他们 CFO 那 ppt 上 ppt 上写的是，我们要找九五后卷王。
九零后已经不行了，九五后。
老板肯定是九零后，因为老板读完 PG 已经多少岁了，对吧？
哈哈哈。
刚才问你个问题，就是因为我之前听那个 AC6队那个马甘德森的一个播客。
嗯。
然后因为他就是高度的看好这一轮的智能吧，包括人工智能、巨深智能，他应该也看好。
对。
然后他就讲了一句话，我印象非常深刻。
他说他说我我自己知道，投资中最危险的五个字是这次不一样。
嗯。
是吧，但是这次真的不一样。
对，我我不知道，比如说你认同他这个判断吗？
或者。
我挺认同他这个判断，这真的不一样，我觉得比互联网大很多。首先看速度。我们看一个颠覆性的东西——我一直跟团队说，你要看一个公司好不好就一件事：涨得快不快。什么叫涨得快？互联网是涨得快，京东涨得很快，一年涨三倍；移动互联网的外卖也涨得快，一年涨三倍、五倍。但这次是十倍，一年涨十倍，没有一个产品比 ChatGPT 涨得更快，它的 penetration 非常快。这个速度决定它的天花板有多高。我觉得这是不一样的一个 animal。
就速度决定了天花板。
我觉得速度决定了天花板，它是一个完全不同的生物，好十倍它才会真正颠覆。不管是互联网还是移动互联网，都是一种工具、一种连接，但这次是直接把人给换掉了，直接把人换掉了。我觉得它是不一样的东西。我自己经常用，越来越觉得它比我聪明。我用 Gemini，觉得它其实真的很聪明，我经常问它，觉得它很奇怪，好像还有 human compassion 那个样子，真的挺厉害。我自己觉得再搞几年，我们真的不如它。现在已经觉得它很厉害了，一用就感觉它比我厉害。
但到具身智能这个层面，它其实到作业智能都还蛮漫长的。
那还有一段时间，可能还有一段时间。因为搞硬件呀，两万个 component，供应链搞来搞去，就复杂了。
既然聊到这里，你会关心历史上那些泡沫吗？那些特别热的——无论是互联网、移动互联网，包括机器人其实也热过，人工智能也热过——你会关心这些问题吗？
呃，我会。其实我上大学那会儿，就是移动互联网最剧烈的时候……
送外卖的时候是吧？
对，送外卖的时候是的。送外卖，包括打车，那个年代还包括摩拜单车这一类的。当时我看完这个，首先我也很激情澎湃，感觉挺受触动，但还是得找自己能干的事。所以当时决定搞 AI，在大四的时候决定开始搞 AI。
像具身智能这个领域，无论是你们各自——一个创业、一个投资。我不知道，比如说你们有没有想过，可能发生在你们各自身上最好的情况和最坏的情况会是什么？
对于凯西来说，最坏的情况就是这一波有一个好企业没投中，这是最坏情况。最好的情况就是星海图成为未来的那个什么……
这是对你最好的是吧？
这也是对凯西比较好的情况之一了。我觉得最好的情况是——我站整个行业来说吧，具身智能比较好的情况是，首先我觉得具身智能产业一定能成功，这个行业一定能成功。但这个行业成功之后，对每个人的影响是什么，不太好讲。
你说对每家公司？
不，对每一个人。
啊，对我们所有人。
每一个人的影响是什么，不太好讲。所以在这里面，我觉得可以分一个最好情况和最坏情况。最好情况，我觉得是每个人真正得到了自由，大家都不用为了钱再工作了，都是为了兴趣工作。但坏的情况是啥呢？坏的情况我不确定，就是这种产品带来的财富的垄断，因为它本质上垄断了生产力——垄断了物理世界的生产力。这个东西会带来什么样可怕的后果，我不太确定。所以我觉得，但一定会有一些企业能够做到这些事。
你担心的都是对人类的问题，你是有大爱的公司。
不不不。但我觉得，首先我们公司成功的概率还挺高的。因为我在做决策上面，过去这几年越来越稳健。我觉得我们公司不太可能死掉。最大的风险呢？其实刚才我在问凯西这个问题的时候，我自己就在想。我觉得我的风险不是死掉，我的风险是可能因为精力的错配，错过一些重大的机会。我觉得这个可能性是存在的。
对，就可能就像 Anthropic 找到了 coding，而 OpenAI 没有找到，这就把差距拉开了，对吧？这一下就跑出网络效应了，就麻烦了。所以还是要 founder mode，自己在第一线。
对我来讲，最好的就是这次机会投到一些伟大的公司，能够改变世界。而且我觉得中国的机会比美国更大一点，就在具身这件事上。大语言模型还是他们领先，我们在后面追赶，但我觉得具身我们甚至可能领先。也就是供应链，再加数据，再加我们政府很给力。我觉得政府这时候好懂，怎么这么懂啊？超级懂。我们那政府的高官是不是都是清华的 PhD 之类的，反正至少是名校的，这个规划都很懂。都是五年计划、十年计划，给你搞得非常 well organize、systematic 那种搞法。我觉得政府很给力，像这么大的数据量，可能真的是需要社会来搞，不能是一家公司请几个 PhD 在那搞，得靠社会的力量。我觉得政府在这方面起了非常好的作用，有点像以前光伏这种，政府这样做对整个生态还是很有帮助的。所以我觉得我们有可能是领先的。而且创始人又懂硬件又懂软件，我觉得我们一直有创始人的红利、工程师的红利，再加政府执行力的红利，这三个红利打下来，有可能就是领先的。
那你说担心的是什么？我其实有点担心，这次感觉 AI 好像还是把贫富差异给拉大了，好像是强者更强，那些不懂 AI 的人会挺麻烦。将来肯定不是说 AI 一下就把人类的工作取代、AGI 到来、社会大同、每个人都不用工作、政府发钱——这个时代肯定不是那么快来临的。这可能，I don't know，我举个例子，十年。从现在到那个十年，这中间可能会有一些失业，那你怎么办呢？这中间是不是得有一些方法论，帮着这些人第二次创业，或者找到他喜欢干的事情。总体来说，这有一个阵痛的过程。这个阵痛怎么度过？一个是数据安全，一个是工作的问题、年轻人的问题，这些可能得从哲学跟价值上做一些引导，我觉得这个还挺重要的。这中间痛苦的过程怎么度过，其实是个很重要的话题，只是现在大家还没想。
中国人不怎么想，美国人好像天天讨论这问题。
我想说，人是分年龄的。15 岁以下把它当成一个技术，15 岁他就觉得很自然，我就是用这个技术长大的，根本不多想。15 到 35 岁就是机会来了，我要创业、我要成功。那再大一点，可能就开始躺平，有点畏惧了。所以这可能跟年龄也有关。所以我觉得这个过程怎么度过，可能是一个话题。但我觉得有一点，我也不是很担心咱们就没事干了。我们最近看很多 AIGC 的公司，做内容、做音乐、做视频小说、做短剧，其实很多事可干，你不用特别担心没事干了。
那这机会不应该属于字节吗？感觉字节全干了。
对，我问一个问题，其实跟刚才讨论的那个聚焦、时间精力分配相关。我不知道凯西怎么看，比如说 Anthropic 抓住了 coding、聚焦到 coding 这个领域，反而实现了后来居上，这是因为什么原因？是因为运气好吗？比如 OpenAI 就单纯运气好、找不到？还是 founder 懂这个？
我觉得当一个 founder 很懂的时候，他其实是敢 bet 一个方向的。只有那种知道一些、但又不是那么懂的，才想三个方向都赌，因为他不知道哪个能赌中，他不笃定。其实资源是有限的，他们每一年的 training cost 是非常大的，就这么些人，你堵上去有可能堵错。所以你真的很笃定、在前方打仗、能听到炮火的声音，你就知道往哪个方向走，你才敢只走一个方向。你看他就是走一个方向，Kimi 也是做一个方向，DeepSeek 也做一个方向，因为他知道、他敢赌下去。那有的人就说我可能都要搞一下，可实际上你的精力时间有限。这其实叫 tech vision，就是你能不能看到别人看不到的东西，你看得更深刻，或者看一个更远的未来。这个 founder 是要在前线打仗的，而且要大量地跟最优秀的 researcher 在一起，他本身就是搞这个的，这个很重要很重要。就我跟你说的 the best brain 的 founder，因为你是 best brain，才有人愿意跟随你。我发现现在那种 PhD 他是要跟老师的，或者跟着你，我就问他为什么。
因为大家都知道这事一个人干不成，得有一批好的人在一块。
他得跟着那个牛的人，他觉得跟着他能成功。因为那帮技术特别强的人性格也很内向，他不会说你给我多少股份、多少钱我就跳，他不是这样，他要看跟谁能成功。
是，看谁是最牛的人。
他信不信你这个人，他要跟着这个他信的人。所以我一直在想、一直在问，这个东西学历重不重要？是不是本科生、硕士也能干，还是一定要 PhD？后来我想，倒不是学历的问题，而是你没有那个 scientific status，那些学生就不愿意跟你。你不能东一个、西一个地从社会上挖，还是得你这个大旗一竖，那些最优秀的学生，清华的、姚班的或者哪个班的，都来跟着你。这个非常重要。而且只要少数人就能改变，几个特别聪明的就够了，三十个差不多，你把那个最强大脑二三十个搞到手，That's it，把他们留住、稳定住。
其实既然你刚刚问凯西那些问题，我也想问，你现在的时间和精力分配是什么样子的？你会担心自己出现那种没有那么聚焦的情况吗？
肯定会啊。因为每天事很多，各个方向的事，每个方向的事也很多。尤其是在建设期，现在找我们，关键就是在建设期。
对，成长太快。建设期再过一年半年，给自己一个……
可能会好一些，就会好一点。建设期这个过程当中，相当于是解决问题和建设体系同步进行。如果体系都已经差不多了，就只解决问题，那我就放开了。所以现在关键是动能转换的这么一个阶段。
对对对。你就每天读 paper、读 paper、再读 paper，然后找最优秀的 researcher，给你搞个猎头、安排见面，天天聊、天天聊，全部聊一遍。灵感就有了呀，对吧？
我觉得还是刚才凯西那个提醒很重要。第一个就是，选择把时间投放到什么方向上，以及把时间投放给哪一批人。这两件事做对了，就保证了你的信息源是对的。然后脑子都不笨，根据这些信息就能选出正确的决定。
其实今天你们的会上你也讲了，比如你们对商业模式的思考，它也是三个阶段的问题。你也会说，在第一个阶段，也就是只卖硬件、卖本体那个阶段，实现盈利领先或营收领先并不重要，之类的。那我不知道，在你的规划和考虑里面，你们公司要实现盈利、或者说规模化盈利，大概是个什么节奏、大概需要多少时间——你会问他这样的问题吗？
首先，凯西从来没问过，是吧？
我没有问他，我是中午吃饭的时候问了他们的 CFO。
坦诚来讲，我觉得这个问题不太好回答。因为它不单是由我们决定的，是由整个行业、以及行业里所有友商共同决定的。你选择盈利意味着什么？意味着你还有可投入的空间，但你选择了不投入。如果我们看到的是未来每个三年都有十倍以上的增长空间，那现在不应该把全部可投入的都投入进去、换取最大增长吗？所以其实很难估计的是，什么时候这个增长就不再是十倍了。但至少现在，肯定还在这个十倍的启动期，所以现在不用考虑这个问题。
现在要考虑的其实是现金流的问题，这方面我觉得我们一直做得还不错。本质上，甭管是经营产生的还是融资产生的，只要公司正向现金流，就比较稳健，就不会有什么风险。
这个逻辑是不是跟之前——比如早年互联网，包括后面移动互联网——那些公司起来的逻辑差不多？
嗯，我挺认同他这个判断。
啊，这真的不一样。
我觉得比互联网大很多。
嗯。
我觉得首先看速度，就是我们看一个颠覆东西，我一直跟我们团队说。
你要看一个公司好不好，就一件事，涨得快不快。
什么叫涨得快？
嗯。
就是互联网的是涨得快，我觉得京东是涨得很快，一年涨三倍，对吧？
嗯。
然后移移动互联网的外卖涨得快，也是一年涨三倍、五倍。
但是这次是十倍，一年涨十倍，就没有一个一个产品比 ChatGPT 涨得更快了。
它的 penetration 是非常快的，这我觉得这个速度决定它的。
它的天花板有多高？
嗯。
我觉得这个是不一样的一个 animal 嗯。
就速度决定了天花板。
我觉得速度决定了天花板，就是它它是一个完全不同的生物，就好十倍。
它才会真正颠覆嘛。
我觉得这次就是，它整个就不是，就你以前还是哦，就不管是互联网也好，还是移动，它都是一种它都是一种工具哈，一种连接啊，一种工具。
但这次就是直接把人给换掉了嘛。
直接把人换掉了。
对，我觉得它是不一样的东西，就确实是，我自己经常用，我也感受它，我越来越觉得它比我聪明。
我用Gemini，就我觉得，所以它其实真的很聪明。
我经常问他，我都，我觉得他很奇怪，他好像还有 human compassion 那个样子。
就真的是挺厉害的，我自己觉得再搞几年，我们真的是不如他。
现在已经觉得他很厉害啊，我用用就感觉他比我厉害。
但到具具身智能这个上面，它其实到作业智能都还蛮漫长的。
那还有一段时间，还有一段时间，可能还有一段时间，因为搞硬件呀，两万个 component 呀，给你搞来搞去供应链啊什么的，就就就复杂了。
嗯。
啊，既然你会关心，比如说历史上那些泡沫啊，特别热啊，无论互联网啊，移动互联网啊，包括其实机器人其实也热过嘛。
嗯。
人工智能也热过，你会关心这些问题吗？
呃，我会，我我我那个，其实就是我我上大学那会，就是移动互联网，呃，那个那个就是最最剧烈的。
送外卖的时候是吧？
对，送外卖的时候是的。
送外卖啊，包括那个那个那个。
呃，打车，啊，那那那个年代，还包括那个呃摩拜单车啊，单车这一类的。
那，然后我我当时看完这个，首先我当时我也很这个激情澎湃的，哎，我感觉。
啊，然后呢，还是得找自己能干的事。
啊，然后所以所以当时决定搞 AI 嗯，啊，在大四的时候决定开始搞 AI 嗯，嗯。
像具身智能这个。
领域吧，就是他无论，就是你们一个创业，一个投资。
就是我不知道，比如说你们有想过说，比如他可能发生在你们各自身上的最好的情况跟最坏的情况会是什么？
最好的情况和最坏的情况。
啊。
嗯，对于凯西来说，最坏的情况就是这一波，一个，一个好企业没投中，这是最坏情况。
嗯，对，然后。
最好的情况就是就是星海图成为未来的什么，这个。
这是对你最好的是吧？
哈哈哈。
这也是对凯西比较好的情况之一了啊。
对。
我我觉得最好的情况是。
我就站整个行业上来说吧，其实其实比较好的情况，具身智能比较好的情况是首先我觉得具身智能产业一定能成功的。
啊，这个行业一定能成功。
对，然后但是这个行业成功之后，对于每个人的影响是什么？
不太好讲。
你说对每家公司？
不对每一个人。
啊，对我们所有人。
每一个人的影响是什么？
不太好讲。
啊，然后呢？
所以在这个里面，我觉得可以分一个最好情况和最坏情况。
是吧？
然后最最好情况，我觉得是是是每个人真正得到了自由吧，大家都不用为了那个钱再工作了，都是为了兴趣工作。
是吧？
但是坏的情况是啥呢？
坏的情况我我不确定，就是这种这种这种产品带来的这种财富的垄断，因为它本质生垄断生产力了。
这物理世界的生产力，它垄断了物理世界生产力。
这个东西会会带来什么样可怕的后果，我不太确定。
对，所以我觉得这是，这，但是一定会有一些企业能够做到这些事嘛。
你担心的都是对人类的问题，你是有大爱的公司。
不不不，对，但我我是觉得就是。
首先我觉得我们公司成功的概率还挺高的。
啊，因为因为我我不是一个我不是一个，就是说我在做决策上面，我就越来越过去这几年哈。
就是说我觉得我还是比较稳健的，啊。
然后呢，我觉得我们公司不太可能死掉，啊。
最大的风险呢？
其实这个我在刚才问，呃，凯西这个问题，我其实就在想，就想看。
我觉得我我的风险不是死掉，啊。
我的风险是可能错过一些。
因为精力的错配，错过一些重大的机会。
我觉得这个是可能性存在的。
啊。
对，就可能就像 Atropine 找到了 coding 对，哎，OpenAI没有找到，是的，这就差距拉开了，对吧？
这一啪啪啪啪就跑出网络效应了，就麻烦，哎，对，就这可能就是。
所以就是还是要 founder mode，自己在第一线。
对对对。
对我来讲就是最好的就是这次机会就投到一些伟大的公司嘛，就能够改变世界。
而且我觉得中国的机会比美国更大一点。
就在具身这件事，大语言模型我们还是他们领先嘛。
对吧，我们在后面追赶，但是我觉得具身我们可能甚至可以领先。
也就是供应链呐，再加数据啊，再加我们政府很给力嘛，我觉得政府我觉得这时候政府好懂啊，怎么这么懂啊？
超级懂哎，就我们那政府的高高官是不是都是什么 p 清华的 PhD 之类的，反正就是至少是名校的这个学学这个计划都很懂。
是的，然后都这个五年计划，十年计划给你搞的就是非常 well organize systematic 那样这种搞法，我觉得这个很，政府很给力，就是这些，有些像这么大的数据量，可能真的是需要社会来搞。
就不能是一家公司，我请几个那个这个趴探在那搞，就是它社会的力量。
我觉得政府在这方面起了非常好的作用。
就是就是有点像以前光伏啊这种，政府这样做还是对整个生态还是很有帮助的。
我觉得，所以我觉得我们有可能是领先的。
嗯，但是创始人。
对吧，又懂硬件又懂软件，然后这个创，我觉得我们一直有创始人的红利、工程师的红利，再加政府执行力的红利，这三个红利打下来，我觉得有可能就是领先的。
那你说担心的是什么？
担心我其实有点担心说，我这次感觉 ai 好像还是把这个贫富差异给拉大了。
对，我觉得拉大了，其实好像感觉是强者更强。
就那些不懂 AI 的人会挺麻烦的。
就是说将来肯定不是说 AI 把人类的工作取代，就就可能就到 AGI 的到来，就是就是你说的那个社会大同，每个人都不用工作，让政府给发点钱，这个时代肯定它不是那么快来临的。
这可能， I don't know 我又举举个例子，十年。
那这个从现在到那个十年，那这中间可能就会有一些失业啊什么，那你怎么办呢？
对吧？
那这中间是不是我觉得得有一些方法论，就是帮着这些呃，第二次创业或者找到他喜欢干的事情。
反正总体来说，就这有个阵痛的过程，这个阵痛的过程怎么样？
一个一个数据安全啊，呃，是，就工作的问题啊，年轻人，这这这些都都是一些一些人，可能我觉得在要从哲学跟价值上做一些。
引导啊，就是这个我觉得还挺重要的，就这中间这个痛苦的过程怎么样度过？
这个其实是个很重要的话题，只是现在大家还没想，只是现在。
中国人不怎么想，美国人好像天天讨论这问题。
我们就哎，我我想去。
他就人是分年龄的嘛，就15岁以下当一个技术来，15岁他就觉得自然，我就是用这个技术长大，根本都不多想。
15~35岁就机会来了，我要创业，我要成功，什么什么的。
那再大一点，可能就开始躺平，就有点畏惧了。
就是可能跟年龄也有关，对吧？
哈哈哈。
对，所以我觉得这个这个过程怎么样度过可能是一个话题吧。
这，但是我觉得有一点，就是说我也不是很担心，咱们就没事干了。
呃，我们最近看很多 AI 呃， GC 的公司。
做内容啊，做个音乐呀，做个视频小说呀，做个短剧啊。
其实很多事可干，就你不用特别担心没事干了。
对。
那就是机会不应该属于字节吗？
感觉字节全干了。
是。
嗯嗯，对。
对，我我问一个问题，其实跟他跟我们刚才讨论的那个聚焦啊，包括时间精力分配相关的。
呃，就是一个是，就是我不知道凯西会认为，比如说你说，Anthropic 它它抓住了 coding 这个，聚焦到 coding 这个领域里面，然后它反而实现了后来居上。
这是因为什么原因？
是因为运气好吗？
比如 OpenAI 就单纯运气好，找不到。
啊，方的懂这个。
我觉得当一个一个方的他很懂，他其实是敢 bet 一个方向的。
只有那种可能知道一些，但又不是那么懂，他就想三个方向都赌。
因为他不知道哪个会赌，他不笃定。
其实你要知道资源是有限的，他们那个每一年的 training call 是非常大的。
就这么些人，就是你堵上去，有可能堵错嘛。
所以我觉得你真的很笃定，你在前方打仗，你能听到炮火的声音，你就知道哪个方向走，你敢只走一个方向。
你看他是走一个方向。
Kimi 也是做一个方向，Deepseek 也做一个方向，因为他知道这个，他敢赌下去。
那有的人看他就说，呃，我可能都要搞一下，对吧？
那实际上你的精力时间有限，你可能对吧？
就这个其实就是，其实还是叫 tech vision 就是你能不能看到别人看不到的东西，一呢你看得更深刻，或者你看一个更远的未来。
这个是方德是要在前线打仗，而且要大量的。
跟最优秀的，就是我觉得跟 researcher 这种，就是我我觉得这个对，就他本身就是搞这个的。
这个很重要很重要。
就我跟你说的 the best brain 的 founder 就是那个 the best brain 因为你是 best brain 他有人愿意跟随你。
因为现在我发现搞的就是他那种，pht，他要跟老师的，或他跟着一个你，哎，感觉哎呀，我还说为什么？
我就问他说。
因为因为其实大家都知道这事一个人干不成。
干不成，得得是有一批好的人在一块。
他得跟着那个牛的人，他觉得他能成功，因为那帮技术特别强的，他们都很性格也内向。
他也不说，哎，你给我多少股份，给我多少钱，我就要跳。
他不是，他要看跟谁能成功。
是，看谁最牛的人。
他信不信你这个人？
对。
他要跟着这个信的人。
所以我也在想，哎，我一直在问说这个东西学历重不重要？
是不是？
本科生硕士也能干，还是说一定要 PhD 后来我想倒不是这个学历，而是说你没有那个 scientific 就那个 status 就学生就不愿意跟你，对吧？
你不能东一个西一个社会上挖，你可能还是说你这个大旗一竖，那些学生最优秀的什么清华的，是，姚班的，或者是哪个班的，都来跟着你。
这个是非常重要，而且只有少数人改变，谁就几个特别聪明的就够了。
三十个差不多，就你那个最强大脑二三十个， That's it 你把他们搞到手。
把他们留住，稳定住。
That's it 对。
对。
其其实包括，既然你刚刚问凯西，就是比如说问那些问题，我不知道啊，就比如说你现在的时间和精力的分配什么样子的？
就是你是会担心说你自己出现那种没有那么聚焦的情况吗？
肯定会啊。
呃，因为每天事很多，就是各个方向的事。
对，每每每每个方向的事也也很多，而且就是我觉得尤其是在建设期。
对，就现在找我们，关键是在建设期。
对。
成长太快，这个成长对，建设期再过一年半年给自己一个。
可能会好一些。
哎，就会好一点。
就是建设期的这个过程当中。
这个你你是相当于是解决问题和建设体系同步进行。
对对。
如果是体系都已经差不多了，就解决问题，那我就。
我就放开了嘛。
对。
所以现在我觉得关键是动能转换的这么一个阶段。
啊。
对对对。
等你像这样，你就每天读 paper 读 paper 再读 paper 然后找最优秀的 researcher 给你搞个猎头，安排见面，天天聊，天天聊，全部聊一遍。
灵感就有了呀，对吧？
哈哈哈。
我我觉得还是得刚才开心那个那那个那个提醒，我觉得是很重要，就是说嗯第一个就是说。
呃，选择把时间投放到什么方向上面，以及把时间投放给哪哪一批人。
哎，对。
是是，就这两件事做对了，就是就保证了你的信息源是对的。
对。
然后这脑子都都不笨。
对。
根据这信息就能选出正确的决决定。
啊。
其实今天你们的会上，就是你也讲讲了，就是比如说你们对商业模式的思考嘛，比如它也是三个阶段的问题。
对，然后包括你你也会说，比如说在第一个阶段，也就是只卖那个硬件，卖本体那阶段，比如说你实现盈利领先或营收领先并不重要，什么之类。
对，那我不知道，比如说在你的规划跟考虑里面，就是你们公司要实现盈利，或者说规模化盈利。
对，它大概是个什么节奏？
大概需要多少时间？
你会问他这样的问题吗？
首先，开瑞从来没问过。
啊，是吧？
哈哈哈。
我没有问他，我问他们的 cfo 中午吃饭的时候问了。
我我，但我我我。
这个坦诚来讲，我觉得这个问题不太好回答。
嗯，因为这个问题不单是由我们决定的，是由整个行业和行业里面所有的友商共同决定的。
因为你你选择盈利意味着什么？
意味着你投入。
你还有可投入的空间，但你选择了不投入。
对吧？
然后呢，如果我们看到的是未来三年，就每个三年都有十倍以上的这个增长空间的话。
那现在不应该是把全部可投入的全部投入进去吗？
是吧？
然后换取最大增长啊。
对，所以其实很难估计的是说什么时候开始这个增长就不再是十倍了。
啊，对，但至少现在。
肯定还是在这个十倍的启动期呢，所以现在不不用考虑这个问题，我认为。
但现在要考虑的问题其实现金流的问题，然后对这个问题的话，其实我觉得我们一直做的还不错啊。
就就本质上还是你甭管是说经营产生的，还是融资产生的，只要公司正向现金流，啊，然后的话呢，就比较稳健，就就就不会有什么风险嘛。
啊。
嗯。
这个逻辑是不是跟之前，比如早年互联网，包括后面移动互联网。
嗯。
那些公司起来的逻辑差不多。
一样的、一样的。你知道我们当时投京东的时候，它也是个小公司，就5000万人民币的销售收入。然后东哥要200万美金，我给了他1000万美金，我觉得这是我做的最重要的决策——他胆子大了，步伐快了。
他拿到我们的钱做了两个决策。一个是扩品类。当时当当比我们大很多，有200万用户，我们才2万，特别羡慕当当。但当当一直只卖书，不扩品类。而老刘有一个信仰：零售最关键的是东西要丰富，这是第一位的。所以他就扩了品类，一开始做 IT 产品，然后做数码、手机，然后刮胡刀什么都做，用户一下就来了。
第二个，他做了配送。配送这个角色就是每个城市都去，一开始一天20单，亏钱；什么时候赚钱呢？要到2000单，从20单到2000单要一年。那我们不是去一个城市，我们去30个城市。所以我们给他的那笔钱就很重要——他要融资，我们给了他五倍于他所要的钱。胆子大了、步伐快了，他做了这两个战略，我觉得这是老刘的眼光好。
另外一个，就是你刚才说的，我们还设了一个 ESOP，18个点的 ESOP。这18个点不是白给的，是挂业绩的，业绩就是增长、增长、再增长，当时我们说是亏钱做增长。老刘说你要多少增长？一开始你老说要投伟大的公司，什么是伟大的公司？那时候我们眼光也没那么高，我说10亿美金就是伟大了。然后他说每年增长多少？我说你说了算。他当时跟我说每年200%的增长。我说做这么高，万一达不到，咱们的高管都会很失望，那18个点拿不到啊。我就给他降到每年100%的增长。结果他实际做了200%的增长，四年200%的增长，5000万到3个亿、到10个亿、到30个亿、到100个亿，就是这么增长起来的，但我们一直是亏钱的。
所以我觉得 get big fast 很重要，你一定要把增量的大头拿走。我们一直说什么是最靓的仔？最靓的仔就是在市场增量里——你不要看它存量是多少——增量里面那个 market share 你是市占最大，你就是最靓的仔，而且保持这个速度。增量的大头你拿走，你就是最靓的仔。亏损没有关系，只要你现金流是正的就好。
当时我们说，现金怎么办？你看国美、苏宁从来没融过一分钱，他怎么做大的？靠供应商、供应链嘛。你账期从原来的现金，给到15天、给到30天，那现金不就来了吗？所以现金流是正的很重要。亏损并不可怕，只要现金流是挣钱的，你就可以大胆地往前走。
但这个规则今天还是成立的，是吗？
我觉得这个规则在现金流不断的情况下是成立的。get big fast、亏钱做增长是可以接受的——大语言模型不就是这样吗？他烧了那么多钱，大家都是亏的。但是我们能看到赚钱的希望，这个也很重要，就看到赚钱的希望。现在大家不是恐惧，而是很贪婪，所以你多亏几年他也能接受；但恐惧来的时候，可能就不让你亏这么久了，得赶快赚钱。所以我现在就是赶快多拿点钱。京东上市前账上有10亿美金。你说，哎呀，那你留这么多是不是有点多？可万一市场不好了呢？你这不是花钱买个保险嘛。
那你觉得，是不是那个时候——包括京东那个时候，包括后面移动互联网那个时候——大家对……
那你看那个外卖是怎么做起来的？打补贴战啊。补贴战是啥意思？我送钱给你吃啊。补贴战我跟你说，京东那时候再厉害都不敢打补贴战，只是打个广告；而他这个是打补贴战，就是亏着钱、贴钱给你吃。
我想问的是，至少从我自己的体感来讲，我会认为那个时候，资本、市场，大家对于你亏损换增长的包容度还是挺高的。但今天还有那么高吗？
我觉得现在是很高的。资本永远是恐惧跟贪婪相互交替，此刻是贪婪占了上风，所以你赶快多融钱；过两天恐惧占上风，你想融也融不到。我的感觉是，什么时候替换不知道，但现在感觉贪婪已经持续很久了。
这让我想起我之前见的一个人，他们是很大的公司，但是上一波的、已经做得很大的公司。他一边回答说，哎呀，我认为现在我们公司是被市场高估的。我说你指的是你们公司的估值吗？他说哦那没有，那还是低估的。
对，就是刚才你也讲到，包括王兴、刘强东，包括我们来的路上其实也在聊——我不知道你会怎么觉得，比如像他们这一波、可能是九零后的这一波硬科技创业者，跟之前做互联网、电商、移动互联网的，有什么相同和不同的地方？
我觉得共同的：第一，都有杀手般的直觉，能看到别人看不到的东西——要么看得更深刻，要么看得更长远。第二，学习能力都超强，善于学习，迭代速度很快。第三，我觉得还是志存高远吧，都想做一个好企业、一个伟大的企业，不仅仅是为了赚钱，而是想长期做下去。今天晚上他也说我要做得很长久，并不是想赚个快钱，而是要让公司一直活下去，做强做大，还要做得久。长期有耐心，这也挺重要的。
这是共同点。但我觉得在组织上有点不一样了。上一波（消费互联网）都是好多好多员工，对吧？几十万人——因为要搞物流、配送。但现在我感觉尽量不要那么庞大的组织，不要那么多的人。我觉得要很少的人，因为在 AI 的时代，我一直强调最强大脑，特别是你做大脑的部分，他不是说……
对，在精不在多。
对，要最优秀的人。人太多了组织难管，而且中层干部我觉得长远来讲，你有了 A 类人才是不需要的。所以组织肯定是要轻、要高效，就 founder mode 的高效，很轻、人很少，不需要几十万大军来搞这个事情，这是肯定的。但他们要做本体和硬件，那也不需要几十万，我觉得可能是不太一样，对。
那我们面临的挑战就是，怎么把这两类人有效地管理在一个公司里？
不同的文化，一个做软件，一个做硬件，是有这个问题。以前京东也是这个问题：搞高科技做互联网的，和送外卖的，这两拨人工资待遇、组织架构都不一样，你开个例会都不知道该怎么一起开。这其实就是你要攻克的一个课题。
还有就是这一波清华毕业的更多了，是吗？
最强大脑。我觉得这一波靠的是科学家，科学家成功的概率高很多。你看这几个成功的，基本都是很厉害的 PhD。所以我觉得 AI 是科学家赚钱的时代，这个时代到来了，是为他们而设的。
凯西老夸你学习能力强，你到底是通过什么方式学习的呀？
通过什么方式学习？
跟 GPT 聊是吧？
不，首先我觉得学习的起点是信息。大部分时候，对一个事物的不了解，都源于你获取了错误的信息、或者通过错误的渠道去获取信息。所以获取一手信息这事特别重要，我们特别强调现地现物、一手信息，我对自己的要求也是这样。不论是进入一个新领域、面临一个新问题，比如公司里没人懂的时候，我的选择就是先自己去看一看，获取原始信息、一手信息。
然后在信息当中要明确目标——有了信息，第二个问题马上就是我的目标是什么。围绕目标去拆解方案应该是什么，方案的制定要根据这些信息、这些事实，再结合规律展开，接下来就是执行的问题。关键还是要迭代——没有人能第一次就做对所有的事，也不应该指望第一次就做对所有的事，而是先把方向定对，然后在这个方向里开始迭代。
所以还是这么一个循环：信息获取到认知，认知得到策略，策略开始执行，执行拿到结果，结果再获取新的信息、反馈，反馈完再调整，就这么循环起来。
你这是在训模型吧？
对，就是这样，就是在循环。所以你看源头就是信息，那信息怎么来呢？第一，解决技术类的问题，你就要看这个技术本身；剩下比如解决人的问题，那就得跟正确的人去聊。我觉得就这两种方式。
凯西，互联网上之前流传着你做投资时研究公司的方法，很著名的就是讲拼多多那个例子。
哦，就跟他们住在一起是吧？
对，还有那个叫什么？
消费者，消费者，对。
还有就是你要把——有点类似于 turn every page 那样的，把黄峥所有的东西全看一遍。
演讲都看，哇你还做得挺细的。对，全部看了一遍。
我不知道，比如说这个方法论，跟你今天看这些硬科技公司时研究的方法论，它还适用吗？或者有什么变化？
是这样的，我们做 consumer 的时候做了很多用户访谈，一年大概两千个用户访谈，包括一对一，包括 focus group，最关键的是跟他们住在一起，一年大概有八天，住在不同的家庭里，二线、三线、四线，外卖小哥、waitress、公务员都有，那种感受确实是对消费品的洞察。做完以后我们就买了拼多多——我一看，哇，这消费都是降级，哪有什么升级，大家都没什么钱，特别节俭。就有很多 takeaway，那是对用户的洞察。
现在我们投了很多机器人公司，他们都是 to B 的生意，客户不一样，是企业。但大部分我们还是跟用户聊，比如 Kimi，为什么我们每次都敢加仓？我们经常去问 Kimi 的用户：什么情况下你会用 Anthropic、为什么用 Kimi？他说，在办公室、公司给钱，我就用 Anthropic；自己在家里搞点 moonlight（私活），我就用自己的（Kimi）。还有就是这个项目用量很大，我又舍不得用 Anthropic、太贵了，那我先用 Kimi 做个基本的，然后再用 Anthropic 去 decoding。他就会讲这些东西，你就会有感受。
所以我们还是做很多用户访谈，这个访谈不是 C 端用户，而是 developer、白领，看他用的场景。我们也帮他们做过，比如你敢不敢涨价、敢不敢收钱？以前是不收钱的，那要收钱的话，Switch Box 定多少，九十块、一百九还是五百九？这都是用户 deep diving、深度访谈出来的。
但我觉得在这个阶段，做这个 learning，信息输入的质量特别重要。我还是坚持每天跟着那几个最优秀的人，他们的 podcast 都很长——像 Lex Fridman 的好长的，动不动三五个小时；还有 All-in，还有 Moonshot 的，这几个其实都挺好的。他们有很多 podcast，我有时间就听；有时候太长了怎么办，我又不想 miss 掉，就先把 transcript 找出来，总结一下 key summary、takeaway、learning，想看再看原文。还是要跟最优秀的、听最优秀的。其实这些人来来回回就是几个——大模型的几个创始人、具身智能的几个创始人，还有那几个 Google Scholar，Geoffrey Hinton 什么的。你把他们的都搞一下，基本上就能跟得上。
但我不像他（高继扬）看很多论文，他看 paper 可能更深；我就偶尔看一下简单的、common 的，不像他看那么多 paper。此外还有就是看他们的演讲、podcast 什么的。
你自己觉得，包括你们这一波硬科技的年轻明星创业者，跟之前做移动互联网、消费互联网的那些人，有什么不太一样吗？包括你会对那些打引号的"老登们"感兴趣吗？
说实话，我非常 respect，我尊敬所有有结果的人。我觉得真正不一样的，就是出生的年份不一样。我出生在他们那个年份，也做不了今天我做的这件事；我如果能像他们一样把那件事做出来，我已经觉得很了不起、很不容易了。反过来，像兴哥、东哥这种，如果晚出生十几年，到了九零后，他们想做当年那件事也做不了，可能也只能在今天这个方向上去找机会。所以差别真的不来自别的，而来自时势。
对我而言，门槛是——我应该这么说，做像美团、京东这样的创业，某种程度上是更难的，因为可做的人太多了。今天我们做智能 AI 这种创业，首先就筛掉了一大批人。
最强大脑就那么多是吧？
就这些人。你过去没有做过这方面的研究，没有做过这些 PhD，你真的做不出来；你根本不在这个圈子里，别人也不会相信你能做这件事。但是在那个时代，感觉谁都能做。
对，有个 idea 就可以做。
对，所以能从……
但那个竞争更激烈，那个竞争更激烈。
对，没错。我刚才想说的是，能从那么多人里拼杀出来，这太难了。所以我其实觉得他们都特别了不起，我回到那个位置，可能都做不好。
不过确实，好像没有听说过具身智能和大模型有像百团大战那样厮杀得那么惨烈的，包括共享经济那一波。
对，因为现在也没那么多人做。而且补贴没用了——他（移动互联网）是 to C 的，靠补贴；但你这个补贴不管用，产品都没做出来，产品好才是最重要的。那时候靠广告拉动，现在其实产品流量不是问题，就是产品要好。
具身智能的企业数量比大语言模型还多一些。大语言模型确实很早就收敛了，具身智能收敛的速度会更慢一些。所以你说现在有没有一百家？几十家肯定是有的。但这几十家里边，我觉得格局、分化也还是比较清楚的。
比如说，如果让你去问像刘强东、王兴这样的创业者，你对他们的好奇是什么？你会问他们什么问题？
其实我挺好奇的，就是刚才我问凯西的那个问题——在行业迅速做大的过程当中，他的心境是什么？
怎么样避免犯错误？对，就是不要犯错误。
对，少犯错误。他犯过啥错误？记下来。他的心境是什么？当时在那种状态里边，心境是什么？因为这种信息，我觉得是这个世界上不流通的信息。
对，有可能他跟每个人讲的还都不太一样。
真的讲出来的，可能跟他内心真正想的不太一样。不过我后来越来越觉得——我比较喜欢看历史，蒋介石日记我也看。他是个大人物，当然是个失败的大人物，但在那么激烈的斗争当中，你去看他的日记，感觉每天写的那些文字也很平实，也就是一个普通人的心境。
你感觉差距没那么大？
是，看完之后感觉差距也没那么大。
人家担心的问题也都差不多。
是，担心的问题差不多。
那有没有你比较欣赏、或者非常佩服的做硬科技的创业者？
做硬科技的创业者其实还没那么多。要说大家共同的楷模和偶像，那都是伊隆·马斯克。但他的传奇和故事也很难复制，所以我觉得还是从每个人身上学到我们能学到的那部分，结合到自己身上，实事求是地应用出来，做好自己的事。
你们会觉得具身智能这个赛道最终的格局大概会是什么样子？有段时间互联网领域大家老喜欢讲终局，从终局往回推。
我觉得是这样。首先这个行业的集中度会比较高，因为刚才说的，做大脑这件事没那么容易，它的规模效应也很明显，所以集中度会比较高。你看今天大语言模型的创业公司可能四五家，大厂里边还有一两三家，大概就这样。具身智能我觉得也会类似，因为最终决定这个企业本质属性的还是大脑，规模效应还是来自这部分，所以从这个角度推演是差不多的。另外一个角度是资金的消耗量——不太可能同时支持那么多家企业做这件事，所以从资金角度也会收敛到这么几家上面。
凯西觉得是这样吗？
对，我基本上同意他的观点。VLA 出一个模型，一开始可能一年就三四十个亿人民币，那就是五亿美金，到最后就是一个 billion，一年投下去要烧掉。这个钱你没有，是上不了牌桌的。VLA 就先吹起这么一个东西，以后可能慢慢加，我觉得大概就是一年一个 billion dollar 的量级。再加上数据什么的，再加上优秀人才、best brain，其实也没有那么多人。到底是三家五家还是更多一点，这个就不好说。
比如说这个领域，如果按现在的态势发展下去——前面其实也讨论了一点——我还是有点好奇它接下来的态势：是迅速烧钱、追求高增长，增长到一定程度之后再去规模化盈利;还是它会进入一段时间，需要一边赚钱养活自己、一边追求理想那样的状态？
我感觉都没到那一步。咱们那三个阶段，第一个阶段都还没走完——就是你把小脑搞好，能够身体协调，该干啥干啥，这个还没完全走完。可能到了，I don't know，一千万个小时是不是就可以了。然后在第二个阶段你才有收入。就像他说的，现在的 adoption、这个技术的渗透率，可能也就百分之二三，还很早。
其实我觉得这个问题不用特别关注那个，还是关注现金流。只要现金流是稳健的，然后该亏亏。
该干干，然后可能两三年就到了。但你得等你活到两三年，不要两三年你就烧光了、挂掉了。我觉得他们融资速度挺快的，执行力很强，很快就融到，账上的现金还是够的。
但其实无论是开发者市场，还是娱乐表演的市场，它都还是挺成熟的市场。每一波新科技，这两个市场应该都相对稳定和成熟吧。
但它的稳定和成熟无法支撑——sorry——
——那么大。这么大个 Raven?，你每年烧这么多钱，它那个量是不大的。你最终还是要靠企业、靠 enterprise 来买单才行，就是真的在日常生活中，物流、拣选、装卸这些。
就是那天我去你们公司，看墙上贴了很多价值观，我觉得挺有意思。这里面我注意到两个，一个是务实创新，另一个叫勤俭节约。当时我一看就想，为什么一家在追求星辰大海的公司需要勤俭节约呢？比如京东说勤俭节约我还能理解，为什么你们也需要勤俭节约？
其实我想表达的是精益经营。我觉得做任何事都是精益经营——花一块钱可以解决的问题，你没必要花两块钱。可是有时候组织变大了之后，就会觉得反正两块钱、三块钱把事解决掉也就可以了，没有人再去那么精细地算了。可是如果每一个决策都不精细预算，最后你会发现整体运营成本可能就多了 50%、多了 80%，而原本这些钱我可以用于别的事。比如说训练，原本 1000 万美金能训练出来的东西，现在就要花 2000 万美金;原本一个亿美金我能训 10 次，现在就只能训 5 次。所以我觉得精益经营这件事和行业无关，每一分钱都要花出 ROI，这是重要的。
另外一个，比如你见过哪些科技公司会把勤俭节约作为价值观的吗？
很多呀。我觉得美团就挺节俭的，基本上挺节俭。兴哥真的很节俭，他最著名的例子就是出差都住如家，以前还两个人一个房间，海归都不习惯——如家那么小的地方，很节俭的。兴哥都坐经济舱，然后连个喝水的地方都没有，在机场排长队去喝口水。这是很节俭的。京东也挺节俭。我觉得做这种的肯定都是——这是个好的品德，真的是个好品德。
对，包括像务实创新，因为我感觉你们追求的其实是那种颠覆式的创新吧。其实 AGI 也是这种创新——那它应该是激进式的，还是务实式的？
我觉得有时候一句话，你要看它应用在什么组织上面。当一个组织已经充满创新的活力和能量时，你就要跟他说，你务实一点;当一个组织天天死气沉沉、循规蹈矩，你就要让他大胆创新。
对，不同阶段都可以不一样。
好，最后一个问题。其实包括 AGI、包括具身智能，它在一个这么大而且这么热门的行业里面，我不知道怎么区分：比如一个人，他是来淘金的淘金者，还是他确实有使命感在里面？怎么区分这一点？比如说哈萨比斯就认为 Sam Altman 有点像淘金的。
我觉得是知行合一吧。知行合一很重要，就是他做的事情就是他相信的，他说的话和他做的是一致的。这是看一个人的一个标准。还有他吸引的、周边一起 cowork 的是什么样的人。一个是知行合一，一个是他的 co-founder 跟他是不是志趣相投。因为我觉得吸引一个很牛的 co-founder，不是靠你个人魅力，只有靠你那个远大的梦想才能吸引他。co-founder 肯定比我们更了解这个 founder，因为他们天天跟他在一起、相处很久，而我们可能只见几面就要做决策了。所以他的 co-founder 是什么样的一群人，你就能看出来。很多人不是志趣相投的一帮人，那些人水平也就那样。
包括你们招人的时候，可能也有这样的考量。
因为他是 co-founder，就不只是招人了，是真的拿自己未来十年的青春赌在里面，那肯定是要做对这个重要选择的。
嗯，我基本赞同这个。
我的意思是，比如你们在招聘、招一个人才的时候，肯定也会有这个区分：你要区分这个人是真的认同你们的使命、他自己本身就有使命感，还是……
我觉得不能苛求所有人都认同这个使命。只要他认为现在这份工作挺好的，他自己是一个自驱的人，然后大家能匹配上，我觉得就可以了——更多的员工其实是这个样子的，你不能奢求所有人都是。
嗯，对，就是务实创新。
哈哈，行，好，谢谢，谢谢。
一样的一样的，你知道我们当时投呃那个京东的时候，它也是个小公司嘛，就5000万人民币的销售收入。
嗯。
然后东哥要200万美金，我给他1000万美金，我觉得这是我做最重要的决策。
就他胆子大了，步伐快了。
他拿到我们钱做了两个做，呃，决策，一个是扩品类。
其实当当当时比我们大很多，有200万的用户，我们才2万，就特别羡慕当当。
但当当一直只卖书，不扩品类。
但老刘就有一个信仰，就是这个零售最关键是东西要丰富，这第一位的。
所以他就扩了品类，一会卖，一开始做 it Proda，然后做什么数码手机，然后刮胡刀什么都做。
就一下用户就来了。
第二个呢，他就做了配送。
配送这个角色就是每个城市都去，一开始去就一天20单亏钱，什么时候赚钱呢？
2000单，20~2000要一年。
那我们不是去一个城，我们去30个城市。
所以我们给他那个钱就很重要，他融了，我们给他五倍，他也他要的钱。
胆子大了，步伐快，他做了两个战略，觉得这是这是这老刘的眼光好。
那另外一个我觉得就是。
就你你刚才说就是，我们还设了一个 e shop 就18个点的 e shop 这18个点 e shop 就不是白给的，是挂业绩，业绩就是增长增长再增长，当时我们说是亏钱做增长。
然后老刘说你要多少增长？
开始你老说投伟大的公司，什么是伟大的公司？
那时候我们眼光也没那么，我说哎，10亿美金就是伟大了。
然后然后他说每年增长多少？
我说你说了算。
他当时跟我说每年200的增长，200的增长。
我说，做这么高，万一达不到用户，那个咱们的高管都很失望啊，给拿18个人拿不到啊。
我就给他降到100的增长一年，就是他实际做了200的增长，四年200增长，5000万到3个亿到10个亿到30个亿到100个亿。
就是这么增长起来的，但是我们一直是亏钱的。
嗯。
所以我觉得就是 get big fast 很重要，就是你一定要把增量的大头。
我们一直说什么是最靓的仔？
最靓的仔就是在市场增量，就你不要看它存量是多少。
就增量里面，那个 market share 你是次占最大，你就是最靓的仔，而且保持这个速度。
就增量的大头你拿走，你就是最靓的仔。
亏损是没有关系，只要你现金流是正的就好了。
就当时我们说啊，现金怎么办？
你看国美苏宁从来没融一分钱，他怎么做大的呀？
对吧？
哎，供应商啊，供应链啊，对吧？
你账期从可能原来的现金给到15天，给到30天。
那前进不就来了吗？
嗯。
所以就是现金流是正的是很重要的。
嗯，亏损并不可怕，只要现金流挣钱的话，你可以大胆的往前走。
嗯。
嗯，嗯，嗯。
但就是这个规则今天还是成立的，是吗？
我觉得就是规则在现金流不断的情况下是成立的。
就是 get big fast 亏钱做增长是可以接受，大语言模型不是就这样子的嘛。
嗯，他烧了那么多钱，都大家都亏的呀。
但是我们能看到赚钱的希望。
这个也很重要。
嗯。
就看到赚钱的希望。
但是现在是大家都恐惧，现在都大家很贪婪。
所以呢，你多亏几年他也能接受。
但恐惧来的时候，可能不让你亏这么久了，得赶快赚钱。
现在就是就，所以我就现在赶快多拿点钱。
嗯。
多拿点钱，就京东上市前有10亿美金在账上。
嗯。
那你说，哎呀，那你不是贪污有点多？
你都没，那那那，万一万一万一那个市场不好了呢？
对吧？
你不是花钱买个保险嘛，对吧？
嗯。
那你觉得是那个时候，就是包括京东那个时候，包括后面的移动互联网那个时候。
大家对。
那你看那个外卖怎么做起来的？
打补贴战啊，补贴战是啥意思啊？
嗯。
我送钱给你吃啊，那补贴战我跟你说，这个是就是京东那时候再厉害都不敢打补贴战，只是打个广告嘛，对，打个广告，他这个打补贴战。
就亏着钱让你，贴着给你吃啊？
我想问的就是，就是至少从我自己的体感来讲啊，就是我会认为那个时候，就是资本啊，市场啊，大家对于你亏损换增长的包容度还是挺高的。
但今天还有那么高吗？
我觉得今天现在是很高的。
现在是很高的。
资本永远是恐惧跟贪婪相互交替，此刻是贪婪占了上风，所以你赶快多融钱。
那过两天恐惧占上风，你想融也融不到。
那我的感觉，什么时候替换不知道，现在感觉就是，呃，贪婪已经持续很久了。
哈哈哈。
所以让我想起我之前见一个，他们很大公司，但是上一波的，已经做很大公司的人，他一边回答说是，哎呀，我认为现在，就是我们公司是被市场高估的。
我说你指的是你们公司的估值吗？
他说哦，那没有，那还是低估的。
对，就是刚才比如你也讲到，包括王兴啊，吕传东啊，就包括我们来的路上其实也在聊嘛，就我不知道你会觉得说，比如像既然他们这一波，就是可能九零后的这一波。
硬科技的创业者，就跟之前做互联网啊、电商啊、移动互联网啊，就他们有什么相同跟不同的地方？
我觉得共同的都是说呃第一都是嗯有杀手的直觉，能看到别人看不到的东西。
对，就是要么看得更深刻，要么看得更长远。
还有就学习能力都超强。
学习能力超强，就是都是善于学习的，就迭代速度很快。
啊，第三个我觉得可能还是志存高远吧，就都是属于。
想做一个好企业，就想做一个伟大的企业，他就不仅仅是为了赚钱啊，这样，他是想长期做下去那样子的。
对，就就志存高远那种啊，也长期有耐心。
就是很有长，你看，今天晚上说我要做的很长久嘛，但并不是说我想赚个快钱什么的，就是要公司一直要活下去，就做的做强做大，还要做的久嘛，就大家都想做长久这样子的。
哎，对，这个也挺重要的。
就长期有耐心。
就这个是共同点，但是我觉得在在组织上其实有点不一样了，就组织那次都说，哎，好多好多员工哦，对吧？
几十万。
嗯，那个消费互联网，哎，那个人很多，因为搞物流什么配送，但是现在我感觉。
嗯，尽量不要那么多的组织，我觉得应该是不要那么多的人。
嗯。
我觉得就是要很少的人，就是最，因为 AI 的时代，你现在第一，你其实我就一直强调最强大脑，特别是你做大脑的部分，他不是说。
对，在精不在多。
对对，要就最优秀的人，人太多了，组织管，而且中层干部其实我觉得是以后长远来讲，你有了 a 人是不需要的。
嗯。
就我觉得组织肯定是要轻，高效，就 founder mode 的高效，很轻，人很少，人就不用那么多了，就不需要几十万大军搞这个事情，肯定的，那是肯定的。
但他们要做本体和硬件，那也不需要几十万，我觉得，哎，可能是不太一样，我觉得，哎，对。
那我们面临的挑战就是说，怎么把这两类人有效的管理在一个公司里？
不同的文化，一个做软件的，做硬件的。
嗯，对，是有这个问题。
以前京东也是这个问题，高科技的是做互联网，一般都是送外卖的，对吧？
小哥，你这两个人，你工资待遇，组织架构都不一样，你开个例会你都不知道在一起怎么开法。
是。
就这个其实就是你要攻克的一个课题哎，对。
嗯。
还有就是这一波清华毕业的更多了，是吗？
啊，最强大脑，这是这这这我觉得科学家吧，这一波我觉得科学家就是。
就科学家还是成功概率高很多。
你看这几个成功，基本上都是很厉害的，就是 PhD 啊什么的，就他们还是。
所以我觉得 AI 是科学家赚钱的时代。
这个时代就是到来了，为他们而设的啊。
对。
既然就是，开西老夸你学习能力强，就是你到底通过什么方式学习的呀？
通过什么方式学习？
跟 GPT 聊是吧？
不不，首先我觉得我觉得学习的起点是信息嘛，对吧？
然后还是就是说，呃，我其实觉得大部分时候嗯，对于一个事物的不了解，都是原因，呃，源于你获取了错误的信息，通过错误的渠道在获取信息。
啊，所以我觉得就是获取一手信息，这事特别重要。
啊，我我们就特别强调，就是现地现物一手信息。
啊，然后我自己对自己要求也是这样。
不论是比如说进入到一个新领域，面临一个新问题，那那可能比如公司里边没人懂的时候，那我我的选择就是我先自己去看一看，获取原始信息，一手信息。
然后呢，呃，在信息当中呢，我觉得还是要明确目标。
就有了信息之后，第二个问题马上就是说我的目标是什么，对吧？
然后的话呢，这个围绕目标，我们公司就是说，那有了目标，我就拆解我的方案应该是什么。
那这个方案的制定肯定是根据这些信息，这些事实。
然后结合规律，然后展开。
然后就是执行的问题。
然后关键我觉得还是要要迭代，就是没有人能第一次就做对所有的事，而且也不应该指望第一次就做做对所有的事。
而是这个第一次先把方向先定对，然后在这方向里边就开始迭代了。
啊，所以就还是那个信息获取认知，认知得到策略，策略开始执行，执行拿到结果，结果再再获取新的信息，反馈。
反馈完了之后再调整。
对吧，就这么着循环起来。
你是在训模型的？
对对对，就是这样的，就是就是在循环。
啊，对，所以所以我我觉得其实其实你看源头就是信息，那信息怎么来呢？
我觉得第一个就是说解决。
技术类的问题，那你就是要看这个技术本身。
然后剩下解决，比如说人的问题，那那可能就得跟正确的人去聊。
嗯。
啊，我觉得就这两种方式吧。
嗯。
啊。
Cathy 就是因为互联网上之之前不是有你流传着，就是你之前做投资的时候研究公司的方法嘛，就是很著名的就是那个讲拼多多那个例子。
哦，就跟他们住在一起是吧？
啊，对，还有那个叫什么？
消费者，消费者，对对对对对。
还，呃，还有就是你要把什么，就是有点类似于 turn every page 那样的，就是把黄峥的所有的东西全。
演讲都看，哇，你还做的挺细的。
对对对，全部看了一遍。
我不知道，比如说这个方法论跟你今天看这些硬科技公司时候研究的方法论。
它还适用吗？
或者它有什么变化？
呃，是这样的，就是说我们做 consumer 的时候，就做了很多用户访谈的，一年大概2000个用户访谈。
嗯嗯嗯。
然后包括一对一，然后包括这个 focus group 然后最最关键就跟他们住在一起，大概一一一年大概有个8天。
也是，不同的家庭，第二线、三线、四线，什么外卖小哥呀，waitress 啊，然后还有就是那个呃公务员啊，还有这工程，就是就是那种感受确实是对消费品的。
就是就做完以后，我们就买了拼多多。
我去哇，这消费都是降级，哪有什么升级啊，都没什么钱呢。
对，没钱，然后特别节俭。
就有很多 takeaway 就那个是对用户的洞察。
那现在我们投了很多，比如说。
呃，机器人公司啊，包括这个，他们就他们都是土 b 的生意。
土 b 的生意，他的客户是不一样，他是个企业对吧？
是。
他企业那么我们就大部分都是，就跟用户，其实我们也做了，比如说 kimi 为什么每次都敢加仓？
所以我们经常去问 kimi 的用户。
嗯。
就是什么情况下，你会觉得用 anthropic 你为什么用 Kimi 哦，他说，啊，那个，就在办公室，公司给钱我就用 anthropic 要自己在家里搞点 moonlight 我就用自己。
还有就是这个项目，哇，这个用用量很大，我又舍不得用 anthropic 太贵了。
那我先用 Kimi 做个基本的，然后用 anthropic 再 decoding。
那他就会讲这些东西，然后你就会有感受。
就我们还是做很多用户访谈，这个访谈就不是 c 端的用户，而是一个 developer 啊，一些就是就是那个白领，他用就用的场景。
然后我们也在帮他们做过，就是你会不会，你敢不敢涨价？
你敢不敢收钱？
以前是不收钱的嘛，那先收收钱的 Switch Box 多少啊？
90块还是190块还是590块？
这都是呃用户 deep deep diving 访访谈出来的。
所以我们也做这个东西。
但我觉得在这个阶段就是做就是做这个 learning 哈，就是我觉得可能啊信息输入的质量特别重要。
我还是自己坚持吧，每天都把那个那些最优秀的几个人，我是跟着他们，他们所有的 podcast 很长嘛。
嗯。
很长，那个 Max弗里德曼好长的，动不动三五个小时对吧？
还有一个什么 all in 啊，还有那个。
呃，moon shot 的，就这几个都挺，其实挺好的。
他们有很多 podcast 就是我如果有时间我就听，他有时候哇太长了怎么办呢？
但我又不想 miss 掉，就把他们先 transcript 找出来。
然后就是把总结一下，Key summary，然后 take away，Learning，然后如果想看再看 Transcribe 呃，那个我觉得还是要跟，我觉得还是要最优秀，还是听最优秀的，就然后这是这是他们的 PoKa 但其实他们就其实来来回回就是几个人，大模型的几个创始人对吧？具身智能
几个创始人，那几个就狗狗 scholar 对吧？
呃， Jeffrey Hinton 啊什么这几个。
就你把他们的都搞一下，其实你也基本上能跟得上。
但我不像他，他就看很多论文哈，他看看 paper 可能更那个。
我就是我们，就我偶尔看一下，就简单的，就 common 的，不是，就像他看那么多 paper 啊，对。
但这个就是还有一些就是看就看他们的演讲，还有 pockas 什么的啊。
既然你自己觉得你，包括你们这一波的硬科技的年轻的明星创业者，就跟之前的做移动互联网啊、消费互联网啊，那他们有什么不太一样吗？
包括你会对他之前投的那些打引号的老登们感兴趣吗？
啊，我其我其实，我说实话，我觉得我是非常 respect 的。
就是说我尊敬所有有结果的人，然后我觉得其实不一样的就是出生的年份不一样。
对，然后呢，我我出生在他们那个年份，我也做不了今天我我做的这件事。
我我如果能够像他们一样去做那件事，我已经我觉得已经很很很不容易了。
很了不起。
对。
对，然后呢那个他们，比如像星哥呀，东哥呀这种晚出生个十几年，哎，到了九零后，那他们想做那件事，他也做不了，他可能也只能在这个方向上去找机会了。
所以我我其实觉得差别真的不来自于其他的，而来自于，就是说时事吧。
哈。
这个对于我而言，其实门槛是，或者我我应该这么说，就是嗯我觉得做，比如像美团和京东这样的创业，某种程度上来说是更难的。
嗯。
因为可做的人太多了。
今天我们做这个智能 AI 的这个创业，就是那种创业，首先筛掉了一大批的。
啊。
最强大脑就那么多是吧？
就就这些，你你你你过去你没有做过这个方面的研究，没有做过这些 PhD 你真的做不出来，你真的做不出来。
你根本不在这个圈子里边，别别人不会相信你能做这件事。
嗯。
对吧？
但是在那个时代，感觉谁都能够那个。
对，有个 idea 就可以做。
对，所以所以能从。
但那个竞争更激烈，那个竞争更激烈。
对，没错没错。
那我想我刚才想说的是，哎，能从那么那么多人里边拼杀出来，这个太难了。
对，是这样。
对。
对，所以我我其实觉得都都特别了不起啊，我回到那个那个，我觉得我都可能做不好。
嗯，啊。
不过确实是啊，好像没有听说过巨声智能和大模型有像什么百团大战啊。
就那么厮杀那么惨烈的，包括共享经济那一波。
嗯，对，因为也没有那么多人做嘛，现在。
嗯。
因为这里没管用，因为他是 to c 的，靠补贴嘛。
但你这个补贴也不管用，你产品都没做出来，就产品好是最重要的。
对吧？
那时候就是靠广告拉动，现在其实产品流量不是问题，就产品要好啊。
嗯嗯嗯。
聚生智能的企业数量比大语言模型还多一些。
嗯，大语言模型确实很早就收敛了。
然后军神智能瘦脸的速度会更慢一些。
所以你说现在有没有一百家？
肯定。
几十家是有的，啊，几十家肯定是有的啊。
但这几十家里边，我觉得我觉得反正格局啊，分化也还是比较清楚的啊。
比如说如果让你去问，像类似于刘传东啊、王兴啊这样的创业者，你对他们的好奇是什么呢？
你会问他们什么问题呢？
其实我挺好奇，就是他们在，就刚才我问那个凯西那个问题，行业迅速做大的过程当中，他的心境是什么？
啊。
怎么样避免犯错误？
对，就不要犯错误。
对，少犯错误。
他犯过啥错误？
对对对，记下来。
他的心境是什么？
当时在那种状态里边，心境是什么？
啊，对，因为这种信息啊，我觉得是是这个世界上不流通的信息。
对。
嗯。
啊，对。
嗯。
对，有可能他跟每个人讲的还都不太一样。
是吧？
是呀。
真的讲的可能跟这个真正讲出来的不太一样的啊。
对，但我我后来我越来越觉得是什么？
就是。
我我就是看，我比较喜欢看历史。
然后呢那个蒋介石日记我也看。
啊，他是大人物了，当然他是一个失败的大人物了，是吧？
但是在那么那么激烈的斗争当中，其实你可以去看他的日记。
对吧，感觉也是一个每天写的那些文字啊，也很平时，然后也是一个普通人的心境。
啊。
你感觉差距没那么大？
啊是，看完之后感觉差距也没那么大。
啊。
就人家担心的问题也都差不多。
是，担心的问题差不多啊。
对。
嗯嗯嗯。
那有你比较欣赏的，或者说非常佩服的，硬，就是做硬科技的这样的创业者吗？
呃，首先做硬科技的创业者。
就也还没有那么多吧，是吧？
然后那你说大家可能共同的楷模和偶像，那都是伊隆马斯克嘛，对吧？
然后但你说他的他的这个传奇和故事也很难复制啊。
是，所以我我其实觉得还是，就是说从每个人身上学到我们能学到的那部分啊，然后就是结合到自己身上，然后这个实事求是应用出来啊，然后做做好自己的事。
嗯。
嗯。
哎，你们会觉得说巨声智能这个赛道它的最终的格局大概会是什么样子啊？
就是有段时间，就互联网领域好像大家老老喜欢讲终局，是吗？
让终局思考，然后从终局往回推这样。
嗯，我觉得我觉得是这样，就是嗯首先这个行业的集中度，呃，是也会比较高。
啊，因为因为就刚才说的，做大脑这件事没那么容易。
然后它的规模效应也很明显。
啊，然后呢，所以它集中度会比较高。
啊，你看今天就大语言模型的创业公司可能四五家，然后大厂里边还有个一一一两三家，大概就这样子。
然后呢，那具身具身智能，我觉得也会类似。
就因为最终决定这个企业的本质属性的还是大脑，所以它的这个规模效应还是来自于这部分啊。
所以我我觉得从这个角度去推演的话，是差不多的。
然后另外一个角度就是说这个资金啊的这个消耗量上面也是，呃，不太可能有同时支持那么多家企业，然后做这件事。
所以可能从这个资金的角度也会收敛到这么几家上面。
嗯。
对。
凯西觉得是这样吗？
对，我基本上同意他的观点。
我们感觉你 VLA 出一个模型，一开始呃一开始可能一年就三四十个亿人民币。
嗯。
嗯，那就是5亿美金吧，然后到最后就是一个 billion 要烧了一年投下去。
嗯，嗯。
对吧，这个钱你没有，你是进上不了牌桌的。
就是就是 VLA 就吹这么一个东西，然后以后可能慢慢加，我觉得可能就是一年一个 billion dollar 这么一个量级。
还再加上数据啊什么什么的，再加上优秀人才，Best brain。
其实可能也没有那么多人，没有那么多人。
当然是三家五家还是更多一点，这个就不好说。
不好说。
嗯嗯。
比如说像这个领域，如果按照现在的态势发展下去，当然我们前面其实也讨论了一点啊，就是我一还是有点好奇说它接下来的态势，它更像是说我迅速的烧钱，追求高增长。
然后增长到大到一定程度之后，再去规模化的盈利。
还是说它可能会进入一段时间，就是你需要一边赚钱养活自己，一边追求理想那样的一个状态。
我感觉都没到那一步，就是咱们那三个阶段。
第一个阶段都没走完。
没走完。
对，第六阶段还没走完，就你小脑搞好，能够身体协调，该干啥干啥。
这个还没有完全走完，可能到了。
I don't know，一千万个小时是不是就可以了？
然后在第二个阶第二个阶你才才有收入。
就我觉得真的就像他说的，可能就是现在的 adopt 就这个。
技术的渗透率可能也就是二三个 percent 那样子，就是还很早。
对。
嗯。
其实我我觉得这这个问题不用特别，还是关注那个，就是关注现金流。
对，只要现金流是稳健的，然后该亏亏。
该干干，对，然后可能两三年就到了，但咱的现金你等你活到两三年，对，不要两三年你就烧光了，你就挂掉了，对吧？
是的是的，没错。
我觉得他们融资速度挺快的，执行力很强，很快融到，对，我觉得账上的现金还是够的。
嗯嗯，嗯。
但其实无论是开发者市场，还是说那个娱乐表演的市场，它都还是一挺成熟的市场呀。
就是每一波新科技，这两个市场应该都是还相对稳定和成熟的吧。
但它的它的稳定，Sorry，它的稳定和成熟无法支撑。
那么大。
这么大个 Raven 你每年烧这么多钱。
对。
它那个量不大的呀。
对。
你最终还是要靠企业来靠，enterprise 来买单才行。
对。
对，对，就是真的是在日常生活中，物流啊、拣选啊、装卸啊。
嗯。
就是既然那天我去你们公司，我就看那个墙上，我觉得挺有意思的，就是有你们那贴很多价值观嘛。
嗯。
这里面就注意两个，一个就是我觉得。
嗯务实创新，另外一个叫勤俭节约。
哦。
对，当时我觉得诶，一看我说，为什么一家感觉是他他是在追求星辰大海的公司，需要勤俭节约呢？
就是我感觉，比如京东说他勤俭节约，我能有点能够理解，对，为什么你们需要勤勤俭节约呢？
其实我想表达的是精益经营。
就是，我觉得做任何事。
精益经营啊。
都是精益经营，就是呃花一块钱可以解决的问题，你没必要花两块钱。
嗯。
可是有的时候呢，组织变大了之后，就会说哎，反正两块钱也好，三块钱也好，把这个事解决掉了，也就可以了，没有人再去那么那么精细地去算了。
可是如果每一个决定，每一个决策都是不精细预算，最后你发现你的整体的运营成本可能就是多了50%，多了80%。
而原本这些钱我可以用于别的事。
那那比如呃我我原本比如说训练，那我1000万美金能够训练出来东西，我现在就要花2000美金。
那我原本一个亿美金，我能训10次的，我现在就只能训5次。
对吧？
所以其实我我觉得就说精益经营这件事和行业无关。
嗯。
啊，每一分钱要花出 roi 这个是重要的。
对，另外一个就是我不知道就开始，比如说你见过有哪些就是。
科技公司啊，会把勤俭节约作为价值观的吗？
很多呀。
很多。
我科技公司啊。
啊。
我觉得我觉得美团就挺节俭的呀，美团那个基本上挺节俭的，我觉得新哥真的很节俭，人家新哥最著名的例子就是出差。
都住如家的。
以前还两个人一个房间呢。
海龟都不习惯。
如家那么小地方，很节俭的。
新哥都坐经济舱的。
嗯。
啊，然后就连个喝水的地方都没有，排长队去喝口水，那个在机场。
这是很节俭的，呃，京呃，京东也挺节俭的。
就我觉得做这种肯定都是，我觉得这是个好的品德，真的是个好的品德。
嗯。
嗯嗯。
对，包括像物质创新，因为我感觉你们追求的其实是那种。
颠覆式的那种创新吧。
就把，其实其实 agi 也是嘛，就是这种创新，它应该激进式的，还是务实式的？
我觉得有些时候你知道，就是说一句话，你要看这句话应用在什么组织上面。
对，就是。
当一个组织已经是充满创新的那个活力和能量的时候，你就要让他说，哎，你务实一点。
当一个组织天天就是死气沉沉的，或者就是循规蹈矩的，你就是就肯定就大胆创新。
对。
不同阶段都可以不一样。
对，是的是的。
啊。
好。
好。
最后一个问题。
啊。
就是，其其实包括 agi 包括巨神智能，它这在一个这么大而且这么热门的行业里面。
对，我不知道怎么区分，比如一个人，他是一个淘金者，他是因为来淘金的，还是他确实是有使命感在里面的？
怎么区分这一点？
就你们两个，我不知道，比如说开始要嗯。
举个例子，比如说哈萨比斯就认为那个，Sam Altman 有点像淘金的是吧？
有一点，有一点，嗯。
我觉得知行合一吧。
就知行合一很重要，就他做的事情就是他相信，他说的话，他做的是一致的。
就知行合一，我觉得是一个看一个人是不是。
嗯，还有他吸引的周边的人是什么样的人？
cowork。
就志趣相投，一个是知行合一，一个是他的 co founder 跟他是志趣志趣相投的。
嗯因为我觉得吸引一个很牛的 co founder 不是靠你个人魅力，只有靠你那个远大的梦想才能吸引他。
他肯定比我们更了解这个 founder 因为他们花的钱，却照样跟你在一起很久嘛。
肯定，对吧？
天威跟你在一起很久嘛，那我们只是可能见几面就要做决策了。
是，就他的 co founder 是什么样的一群人，你就能看出来。
嗯嗯，我觉得这个很多人就就是不是志志趣相投一帮人，那些人水平怎么样？
嗯，是。
嗯。
包括你们招人时候，可能也有这样的。
因为他是口方的，就可不是招人了，就是就是真的是拿自己未来十年的青春赌在里面的，那肯定是要做对，重重要选择的。
哎，对。
嗯。
我我基本赞同这个，这个。
对。
我的意思，比如说像你们在招聘的时候，比如招一个人才的时候，肯定也会有这个区分嘛，你要区分这个人，他是真的认同你们的使命。
他自己本身有使命的，还是说他觉得我觉得我觉得我不能苛求所有人都认同这个使命，只要他认为现在这个份工作，他觉得挺好的，他自己是一个自驱的人。
嗯嗯然后的话呢，大家能匹配上，我觉得更多的员工其实是这个样子的，你不能奢求所有人都是。
嗯，对，就是务实创新。
务实创新。
哈哈哈，啊。
行，好，谢谢。好的好的，谢谢，谢谢。