對(duì)話它石智航丁文超：2025最火具身智能，2個(gè)自動(dòng)駕駛第一人帶隊(duì)，1.2億美元天使融資震動(dòng)江湖

衡宇 李根 發(fā)自上海

量子位 | 公眾號(hào) QbitAI

火爆，實(shí)在太火爆。

具身智能，被視為AI、自動(dòng)駕駛之后下一個(gè)時(shí)代科技風(fēng)口，現(xiàn)如今正在火爆得一塌糊涂，臺(tái)上熱鬧、水下更是滾燙——

量子位獲悉，一家2025年2月才低調(diào)出發(fā)的創(chuàng)業(yè)公司，團(tuán)隊(duì)還很精簡(jiǎn)，技術(shù)和產(chǎn)品也才剛剛立項(xiàng)，就在投資市場(chǎng)引發(fā)了追逐風(fēng)暴：大牌投資機(jī)構(gòu)搶著競(jìng)購(gòu)，最后罕見在春節(jié)前后完成超募，甚至有些動(dòng)作不夠快的投資機(jī)構(gòu)，只能排到下一輪。

這家具身智能公司，最終官宣了1.2億美元的天使輪融資，創(chuàng)造了中國(guó)具身智能行業(yè)最大天使輪新紀(jì)錄。

可問題是這都已經(jīng)2025年了……最早出發(fā)的具身智能創(chuàng)業(yè)者，在3年前的時(shí)間點(diǎn)已經(jīng)下水。進(jìn)展快速的具身智能公司，也已經(jīng)開啟場(chǎng)景驗(yàn)證和落地。以及具身智能領(lǐng)域，也從不缺天才和大牛創(chuàng)業(yè)者。

還有什么樣的創(chuàng)業(yè)團(tuán)隊(duì)，憑什么在此時(shí)此刻攪動(dòng)如此風(fēng)云？

一位知情人士說，核心原因是團(tuán)隊(duì)豪華，堪稱夢(mèng)之隊(duì)，而且還是有過硬科技完整落地經(jīng)驗(yàn)的工程派。也有人拿NBA籃球類比，“庫(kù)里和約基奇聯(lián)手組了隊(duì)，聯(lián)盟大結(jié)局”——庫(kù)里是三分外線第一人，約基奇則被視為最全能的內(nèi)線中鋒，而這家公司背后的核心人物也是兩位自動(dòng)駕駛領(lǐng)域的第一人。

• 一位叫陳亦倫，來自L2，代表智能駕駛；
• 一位叫李震宇，來自L4，代表Robotaxi。

據(jù)說這兩人聯(lián)手創(chuàng)業(yè)的進(jìn)展傳出后，獲得了這樣的評(píng)價(jià)：陳亦倫帶隊(duì)，牛了；李震宇坐鎮(zhèn)，穩(wěn)了。他們?cè)谏虾?，組建戰(zhàn)隊(duì)，取名它石智航TARS，競(jìng)逐具身智能的GPT時(shí)刻。

他們創(chuàng)業(yè)的消息，實(shí)際流傳已久，但現(xiàn)如今隨著創(chuàng)紀(jì)錄的1.2億美元天使融資曝光，再也藏不住了。

中國(guó)具身智能最壕天使輪融資

它石智航（TARS）官宣的新進(jìn)展是這樣的：

完成天使輪1.2億美元融資，開啟具身智能創(chuàng)業(yè)新征程。本輪融資由藍(lán)馳創(chuàng)投、啟明創(chuàng)投聯(lián)合領(lǐng)投，線性資本、恒旭資本、洪泰基金、聯(lián)想創(chuàng)投、襄禾資本、高瓴創(chuàng)投跟投。

沒錯(cuò)，融資額1.2億美元。而更多時(shí)候，這樣的數(shù)額通常是天使輪的估值金額。這筆天使輪投資，也創(chuàng)下了具身智能領(lǐng)域天使輪最大融資額。

它石智航的打造者，也有了首次公開發(fā)言。

△陳亦倫，它石智航創(chuàng)始人兼CEO

它石智航創(chuàng)始人兼CEO陳亦倫說：“它石智航的使命是以物理世界AI和通用機(jī)器人技術(shù)為核心，構(gòu)建可信賴的超級(jí)具身智能系統(tǒng)，讓高性能AI規(guī)?；娜谌肴祟惿鐣?huì)的生產(chǎn)與生活中。”陳亦倫還判斷，未來十年，具身智能將成為全球產(chǎn)業(yè)升級(jí)的關(guān)鍵引擎。它石智航將持續(xù)突破物理世界的智能化邊界，探索具身智能無限潛力。

據(jù)披露，本輪融資將被重點(diǎn)投入產(chǎn)品與技術(shù)研發(fā)、模型訓(xùn)練以及場(chǎng)景拓展。

領(lǐng)投方之一的藍(lán)馳創(chuàng)投管理合伙人朱天宇更進(jìn)一步說明了它石智航的三大核心競(jìng)爭(zhēng)優(yōu)勢(shì)：

第一，團(tuán)隊(duì)具備全球頂尖的世界模型構(gòu)建能力、以及超大復(fù)雜系統(tǒng)的工程化落地能力；

第二，公司在機(jī)器人本體設(shè)計(jì)與運(yùn)動(dòng)控制算法（小腦系統(tǒng)）上擁有深厚技術(shù)積累，具備軟硬件一體化交付能力；

第三，公司對(duì)目標(biāo)行業(yè)痛點(diǎn)有深度洞察，能精準(zhǔn)錨定高價(jià)值應(yīng)用場(chǎng)景，交付完整解決方案，不只是“機(jī)器人公司”，更是“行業(yè)場(chǎng)景解決方案公司”。

另外一家領(lǐng)投方，啟明創(chuàng)投主管合伙人周志峰則表示，投身這一領(lǐng)域創(chuàng)業(yè)，不僅需要對(duì)前沿技術(shù)的發(fā)展趨勢(shì)具備深刻的洞察力，還必須擁有豐富的工程化、產(chǎn)品化以及量產(chǎn)經(jīng)驗(yàn)。它石智航是行業(yè)內(nèi)為數(shù)不多的具備完整能力的優(yōu)秀團(tuán)隊(duì)?！?/p>

這些一定程度上劇透了它石智航的技術(shù)方向和核心特點(diǎn)。

量子位獲悉，作為具身智能創(chuàng)業(yè)公司，它石智航從一開始就會(huì)在軟硬件上全棧推進(jìn)，包含智能軟件（算法和大腦）能力、硬件本體能力，以及AI大模型產(chǎn)品研發(fā)。

其中，被視為核心技術(shù)引擎的是名為AWE——AI World Engine的世界模型，類如具身領(lǐng)域的GPT大模型。但區(qū)別GPT利用互聯(lián)網(wǎng)語料訓(xùn)練，它石智航的AWE會(huì)率先開創(chuàng)Human-Centric 具身數(shù)據(jù)引擎，以人為本采集數(shù)據(jù)，用真實(shí)世界具身數(shù)據(jù)獲取能力的跨越式突破。

它石智航內(nèi)部提到，相比于外部更高熱度的“具身智能”，更常用的是“物理AI”，據(jù)稱這更接近他們追求的目標(biāo)，打造一套數(shù)據(jù)驅(qū)動(dòng)、可泛化的通用物理世界智能系統(tǒng)，并且更關(guān)鍵的是，實(shí)現(xiàn)這套系統(tǒng)的工程化、產(chǎn)品化和量產(chǎn)商用。

而這種工程化產(chǎn)品化，正是這個(gè)團(tuán)隊(duì)被看好的最核心原因，也是這個(gè)“豪華夢(mèng)之隊(duì)”的獨(dú)特所在，他們都在具身智能的子集——自動(dòng)駕駛，實(shí)現(xiàn)過前沿技術(shù)從0到1，從技術(shù)到產(chǎn)品，從demo到量產(chǎn)商用。

CEO陳亦倫博士，先后任職大疆機(jī)器視覺總工程師、華為自動(dòng)駕駛CTO、清華大學(xué)智能產(chǎn)業(yè)研究院智能機(jī)器人方向首席科學(xué)家，是中國(guó)自動(dòng)駕駛領(lǐng)域的產(chǎn)業(yè)領(lǐng)軍人物……

現(xiàn)如今以“遙遙領(lǐng)先”聞名的華為ADS智駕系統(tǒng)，發(fā)軔端到端，改寫行業(yè)格局，就是從陳亦倫開始的。

董事長(zhǎng)李震宇，獲得過華為最高榮譽(yù)嘉獎(jiǎng)，后擔(dān)任百度集團(tuán)資深副總裁，掌管百度阿波羅自動(dòng)駕駛事業(yè)群多年。

但即便是創(chuàng)業(yè)首秀，陳亦倫和李震宇也謝絕了自己站到臺(tái)前來分享，而是希望讓更多人感受到年青人的天才和光芒——這個(gè)年輕天才指向很具體：丁文超博士，李震宇說：“有時(shí)候我還在啃論文的時(shí)候，丁博幾句話就講清楚了，而且直接給出了代碼。我是丁博的粉絲?！?/p>

丁文超，它石智航的聯(lián)合創(chuàng)始人，擔(dān)任首席科學(xué)家，生于1993年，是華為“天才少年”計(jì)劃的首批入選者，并且被派往了挑戰(zhàn)最大的自動(dòng)駕駛軍團(tuán)，從0到1主導(dǎo)了華為ADS智駕端到端決策網(wǎng)絡(luò)……

后來返回學(xué)界，從0到1搭建了復(fù)旦機(jī)器人系統(tǒng)實(shí)驗(yàn)室，打造了復(fù)旦首個(gè)人形機(jī)器人。

此外，陳亦倫還介紹了另一位量產(chǎn)工程化大神：它石智航的聯(lián)合創(chuàng)始人、首席架構(gòu)師陳同慶。

陳亦倫笑稱，內(nèi)部把陳同慶稱之為“兵王”，因?yàn)樗麕С鲞^很強(qiáng)的規(guī)?；a(chǎn)品量產(chǎn)團(tuán)隊(duì)。這位能征善戰(zhàn)的“兵王”陳同慶是清華大學(xué)博士，國(guó)家重大專項(xiàng)首席科學(xué)家，空間感知首席技術(shù)專家，深耕工業(yè)制造、AI、自動(dòng)駕駛、機(jī)器人等產(chǎn)業(yè)，引領(lǐng)多個(gè)產(chǎn)品成功商用。

這些大牛們聚在一起，它石智航就此啟程了。

我問丁文超，決定入局具身智能創(chuàng)業(yè)，Why Now？

他說感知到了時(shí)代的召喚。時(shí)代在呼喚一支技術(shù)創(chuàng)新、工程化經(jīng)驗(yàn)、軟硬件一體具身團(tuán)隊(duì)。

△丁文超博士，它石智航聯(lián)合創(chuàng)始人&首席科學(xué)家

（量子位與丁文超博士展開了一場(chǎng)獨(dú)家長(zhǎng)對(duì)話，下文為對(duì)話節(jié)選，并做了便于書面化閱讀的編輯和整理）

對(duì)話它石智航丁文超

“打造一個(gè)《星際穿越》里的AI機(jī)器人”

量子位：我們從最初始的問題開始吧，它石智航（TARS）是一家什么樣的公司？你們要做什么？

丁文超：它石（TARS）是一家什么樣的公司，可能從名字也能窺見一二。首先名字來源于《星際穿越》中的機(jī)器人。其次這個(gè)機(jī)器人非常智能可靠，協(xié)助主角一路過關(guān)，非?？尚?。

但TARS也是縮寫，代表我們的出發(fā)點(diǎn)：Trusted AI and Robotics Solution——可信賴的AI和機(jī)器人解決方案。目前業(yè)內(nèi)現(xiàn)狀也有不同的具身智能公司，有做本體的，有做大模型的，也有關(guān)鍵零部件，但還缺少一個(gè)真正可信賴的AI機(jī)器人方案。

量子位：怎么理解“可信賴”？

丁文超：我能在各種場(chǎng)景里信任這個(gè)機(jī)器人，不論是在工廠，還是家庭生活場(chǎng)景，都能幫你完成各種各樣的事情。就像自動(dòng)駕駛系統(tǒng)一樣，你放心地把方向盤交給它。

量子位：這個(gè)路徑如何實(shí)現(xiàn)？

丁文超：路徑也寫在了TARS名字中，實(shí)現(xiàn)這一目標(biāo)，首先需要強(qiáng)大的AI能力，其次必須能夠?qū)嶋H應(yīng)用到實(shí)體機(jī)器人身上。所以我們歸納起來，可以從三個(gè)維度展開討論——超級(jí)算法，超級(jí)本體，超級(jí)應(yīng)用。

超級(jí)算法，就是打造人類智能水平的具身技術(shù)模型。超級(jí)本體就是機(jī)器人身體。超級(jí)應(yīng)用就是核心場(chǎng)景下的爆點(diǎn)應(yīng)用。

具身智能領(lǐng)域，有些公司只做算法，有些做本體，但我們從一開始就構(gòu)建全棧，目的還是希望能把解決方案做好，做可信賴的AI機(jī)器人解決方案，就需要全棧。

從投入來說，目前最核心的還是兩手抓：一方面是構(gòu)建超級(jí)算法，另一方面是有一到兩個(gè)爆點(diǎn)應(yīng)用可以打穿。

我可以先講具體應(yīng)用場(chǎng)景，倒推分享更抽象的算法挑戰(zhàn)。

應(yīng)用來說，比如有一個(gè)場(chǎng)景是汽車生產(chǎn)制造中工廠中的柔性操作場(chǎng)景，目前具身智能整體干得還不好，沒有方法論，或者局限在一個(gè)很小的場(chǎng)景。所以只有把柔性物體操作做得很好，才能真正實(shí)現(xiàn)產(chǎn)線級(jí)生產(chǎn)力，真正實(shí)現(xiàn)工廠各個(gè)角落的自動(dòng)化。

柔性物體的問題為什么難？主要還是你一碰這個(gè)線，它會(huì)隨著你的運(yùn)動(dòng)而形變。不像你碰剛性物體如電腦，只是把它移動(dòng)到其他位置。柔性物體比如這張餐巾紙，你一碰它它就形變，你的動(dòng)作其實(shí)影響了整個(gè)環(huán)境，所以面對(duì)柔性物體的操作，本質(zhì)就是不僅要知道自己怎么動(dòng)，還要知道動(dòng)了之后環(huán)境世界會(huì)怎么演化，需要對(duì)變化做變化。

自動(dòng)駕駛里也有類似的問題，擁堵場(chǎng)景下你加塞，你動(dòng)別人也會(huì)動(dòng)，原本你旁邊是沒有空間的，但你強(qiáng)行擠出了一個(gè)空間，這個(gè)過程就是改變了原來的世界，還要對(duì)這個(gè)改變做預(yù)測(cè)和規(guī)劃。

所以這背后牽扯到了我們認(rèn)為最關(guān)鍵的技術(shù)核心，我們把它稱作：AI World Engine。

AI世界引擎主要預(yù)測(cè)兩個(gè)關(guān)鍵因素，第一是看到這個(gè)場(chǎng)景后采取什么樣的行動(dòng)，第二是建立一個(gè)模型，模擬行動(dòng)后世界會(huì)如何變化。

目前這樣的模型極為稀缺。因?yàn)楹茈y，首先需要模型架構(gòu)上的創(chuàng)新，其次數(shù)據(jù)能力上也需要?jiǎng)?chuàng)新。訓(xùn)練這種模型不是少量數(shù)據(jù)可以實(shí)現(xiàn)的，我們按照第一性原理來推，我需要“精確知道我做了什么動(dòng)作”的數(shù)據(jù)，這樣的數(shù)據(jù)反映我做了什么，還反映客觀環(huán)境怎樣變化。

動(dòng)作本身的數(shù)據(jù)并不難采集，但環(huán)境變化的數(shù)據(jù)很難。你可以用攝像頭捕捉一些間接的觀測(cè)，但客觀世界里物理規(guī)律在3D空間的變化，很難捕捉和預(yù)測(cè)。

而只有大量的這樣的數(shù)據(jù)，才能支撐訓(xùn)練AI世界引擎。

量子位：所以關(guān)鍵依然是如何獲得你們想要的數(shù)據(jù)？

丁文超：按照第一性原理，你想要達(dá)到人類水平的具身智能，要獲得人類水平的認(rèn)知世界或行動(dòng)能力，相應(yīng)的數(shù)據(jù)也需要從人類身上來，從人身上找答案。這會(huì)是我們區(qū)別于業(yè)內(nèi)其他公司的地方。

現(xiàn)在怎么采集數(shù)據(jù)？帶著XR眼鏡或者手柄遙控，人動(dòng)，機(jī)器人跟著動(dòng)，但這些數(shù)據(jù)采集方式都是?“以Robot為中心”的。我不認(rèn)為這是通向具身智能的正確道路。

智能汽車可以類似啟動(dòng)，因?yàn)?strong>沒有智能的汽車也可以銷售靠影子模式構(gòu)建數(shù)據(jù)飛輪，但沒有智能能力的機(jī)器人不會(huì)有人買單，所以如果靠要人類遙控操作產(chǎn)生數(shù)據(jù)去訓(xùn)練機(jī)器人，甚至遙控操作出來的數(shù)據(jù)還不如人類水平，相當(dāng)于把人套在機(jī)器軀殼上，實(shí)現(xiàn)的技術(shù)肯定是降級(jí)的。

所以我們的思路是以人為本源，才能達(dá)到人類水平的具身智能。

量子位：強(qiáng)化學(xué)習(xí)在其中是什么作用？

丁文超：單純靠端到端是達(dá)不到可信賴的，單純依靠模仿人類遠(yuǎn)遠(yuǎn)不夠，不僅要模仿人的動(dòng)作，還要學(xué)會(huì)應(yīng)對(duì)環(huán)境變化，環(huán)境變化之后的動(dòng)作變化，結(jié)合強(qiáng)化學(xué)習(xí)，你才能最終實(shí)現(xiàn)可信賴的具身智能AI。

“AWE是具身版GPT”

量子位：所以它石的具身技術(shù)模型究竟是什么？

丁文超：我們的核心技術(shù)引擎就是AWE——AI World Engine世界模型 ，可以說AWE就是具身版的GPT模型。

量子位：相比于GPT，AWE的打造最大挑戰(zhàn)是什么？

丁文超：首先是數(shù)據(jù)。GPT的互聯(lián)網(wǎng)語料數(shù)據(jù)相對(duì)容易獲得，但具身的數(shù)據(jù)很難獲取，不光是簡(jiǎn)單的圖像和視頻，還需要操作中的動(dòng)作，動(dòng)作類數(shù)據(jù)很稀缺。

其次跟GPT相比，AWE需要有很強(qiáng)的空間感知能力，因?yàn)榫呱碇悄軝C(jī)器人需要執(zhí)行真實(shí)世界的具體任務(wù)，缺乏空間感知能力一定不work。物理 AI自然需要被定義在物理空間內(nèi)，所以空間的概念是非常重要的。

語言不需要空間感知能力，你跟ChatGPT對(duì)話，它缺乏空間感知弄錯(cuò)一些數(shù)據(jù)問題不大，但具身智能不行，從一開始就需要有很強(qiáng)的空間感知能力，這也是業(yè)內(nèi)沒有被很好突破的難點(diǎn)。

有些具身大模型簡(jiǎn)單粗暴套LLM的邏輯，把圖像變成語言一樣的token，然后讓大模型輸出動(dòng)作……這其中缺失很多東西，缺少空間感知相關(guān)的能力，導(dǎo)致目前也沒有真正好用、可信賴的具身大模型出來。

量子位：做好具身大模型就需要強(qiáng)空間感知能力，空間感知能力依賴于數(shù)據(jù)……

丁文超：是，所以我們致力于打造一家成功的具身智能公司時(shí)，就明確了一定要有自主可控的數(shù)據(jù)閉環(huán)。這個(gè)邏輯和自動(dòng)駕駛一樣，幾乎沒有成功的自動(dòng)駕駛公司靠外部采集數(shù)據(jù)而獲得成功，一定是需要數(shù)據(jù)閉環(huán)機(jī)制。如何打造一個(gè)完整的數(shù)據(jù)閉環(huán)，這個(gè)方面，我們有非常強(qiáng)的經(jīng)驗(yàn)。

之前做自動(dòng)駕駛產(chǎn)品落地的時(shí)候，每天接觸最多的就是數(shù)據(jù)閉環(huán)的問題，如何在數(shù)據(jù)雪球開始后，根據(jù)信號(hào)迭代模型和網(wǎng)絡(luò)，再進(jìn)一步迭代數(shù)據(jù)。

量子位：有了數(shù)據(jù)如何訓(xùn)練好空間感知能力？

丁文超：這是我們團(tuán)隊(duì)核心技術(shù)能力之一。為什么空間感知能力之前沒有很好的模型，我認(rèn)為是大家建模的時(shí)候太粗暴，比如認(rèn)為基于過去的圖像和視頻，就能預(yù)測(cè)未來，就認(rèn)為模型具備空間感知能力了。但實(shí)際不是，視頻預(yù)測(cè)模型學(xué)會(huì)的空間感知能力，可能很間接。

比如大家現(xiàn)在可能會(huì)刷到AI生成的短視頻，看起來逼真，但很多小細(xì)節(jié)可能在違反物理定律。或者前后一致性的問題。

我們的解決思路是4D空間對(duì)齊，在具身智能領(lǐng)域，3D空間操作之外，加入時(shí)間的維度，引導(dǎo)AWE預(yù)測(cè)整個(gè)4D空間的變化。這實(shí)際上展示了模型學(xué)習(xí)和理解空間感知的能力。

為什么其他人無法做到這一點(diǎn)？首先可能是尚未意識(shí)到重要性。其次是訓(xùn)練這樣的模型，必須要有強(qiáng)大的自動(dòng)化標(biāo)注能力作為支撐，以及有對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)資料。

空間感知能力需要模型學(xué)會(huì)，它不會(huì)靈光一現(xiàn)涌現(xiàn)，需要你教小孩子一樣，先有監(jiān)督學(xué)習(xí)，只不過這個(gè)監(jiān)督學(xué)習(xí)主要是數(shù)據(jù)自動(dòng)化標(biāo)注獲得。數(shù)據(jù)自動(dòng)化標(biāo)注的能力、場(chǎng)景重建的能力實(shí)際非常有門檻，做好了這個(gè)才能設(shè)計(jì)好整個(gè)模型架構(gòu)，設(shè)計(jì)模型學(xué)習(xí)的任務(wù)，而這條路我們?cè)谧詣?dòng)駕駛工程項(xiàng)目中獲得了經(jīng)驗(yàn)。

量子位：怎么理解數(shù)據(jù)的自主可控？

丁文超：具身智能的數(shù)據(jù)來源大概有這樣幾種，一是買數(shù)據(jù)，但供應(yīng)商的數(shù)據(jù)參差不齊、有些噪聲還很大，或者動(dòng)作和圖像同步?jīng)]做好，最后會(huì)限制模型的能力。

另一種是自己采集，比如在空間里設(shè)置場(chǎng)景，然后工程師通過搖桿操作，人動(dòng)、機(jī)器人跟著動(dòng)，學(xué)習(xí)一些任務(wù)。但這樣的場(chǎng)景采集的數(shù)據(jù)是自主可控的嗎？我覺得不是，多樣性太弱了，你很難相信這樣環(huán)境訓(xùn)練出來的模型能夠泛化到家庭場(chǎng)景…

我認(rèn)為數(shù)據(jù)的自主可控，核心還是你自己去架構(gòu)整個(gè)數(shù)據(jù)采集的機(jī)制和流程，保證可擴(kuò)展性。這個(gè)數(shù)據(jù)采集機(jī)制能夠到每個(gè)人身上，不受限于機(jī)器人本體，可以忠實(shí)地記錄真實(shí)世界，記錄人的方方面面，記錄人干的各種各樣的事情，以及作用于周圍環(huán)境后引發(fā)的變化。

量子位：比如說咱們所處的這個(gè)房間空間，把里面的一切都記錄下來成為數(shù)據(jù)？

丁文超：不是，我認(rèn)為數(shù)據(jù)的問題不是在于對(duì)房間建模是否精細(xì)，核心還是場(chǎng)景，真正的智能涌現(xiàn)不會(huì)來自一兩個(gè)這樣場(chǎng)景里的數(shù)據(jù)，你只會(huì)容易過擬合，你想讓具身智能機(jī)器人學(xué)會(huì)操作水瓶，不能局限于這個(gè)桌子上，得讓它見過各種場(chǎng)景、角度、形狀得水瓶。

這聽起來是一個(gè)簡(jiǎn)單的任務(wù)，但你沒辦法在一個(gè)房間里把所有的排列組合都搭建出來，成本很高，效率很低……我認(rèn)為正確的數(shù)據(jù)獲取方式，應(yīng)該是和人綁定。

量子位：所以你認(rèn)為具身智能大的路徑是有共識(shí)的，但具體實(shí)現(xiàn)上，算法、模型和架構(gòu)的質(zhì)量，大家還是會(huì)有差距的？

丁文超：或者這么去理解，大趨勢(shì)都在逐漸收斂成共識(shí)，大家現(xiàn)在都意識(shí)到要用端到端大模型的方法去支撐具身智能，已經(jīng)沒人再做小模型或模塊化了，但即便如此，認(rèn)知水平的差距、工程化實(shí)操水平的差距、數(shù)據(jù)迭代的差距，最后都會(huì)造成結(jié)果上的差距。

自動(dòng)駕駛現(xiàn)在的方法論很透明了，端到端網(wǎng)絡(luò)、Transformer架構(gòu)、車的數(shù)據(jù)也很直接……但真正能夠成功實(shí)現(xiàn)端到端自動(dòng)駕駛的玩家并不多，對(duì)吧？

量子位：想到還要能做到……

丁文超：所以我認(rèn)為現(xiàn)階段時(shí)代是在呼喚一個(gè)具身智能團(tuán)隊(duì)的，這個(gè)團(tuán)隊(duì)既能把新技術(shù)用起來，還能夠做好工程化。

之前可能有團(tuán)隊(duì)做研究做得很好，發(fā)很多論文，展出各種小的demo，但真正拿出可靠的產(chǎn)品化方案，可能還沒有，要么可能是對(duì)前沿技術(shù)follow不足，要么是工程化能力不夠。

所以某種意義上，我認(rèn)為時(shí)代在呼喚能夠兼顧前沿技術(shù)和工程化能力的團(tuán)隊(duì)，就像早期自動(dòng)駕駛落地一樣，這是我們現(xiàn)在出發(fā)的原因。

“時(shí)代在呼喚一個(gè)技術(shù)創(chuàng)新與工程化并重，軟硬一體的團(tuán)隊(duì)”

量子位：我一直有個(gè)疑問，你們感知到了時(shí)代的召喚，但具身智能實(shí)際是阿蘭·圖靈時(shí)代就提出的概念，是什么原因讓現(xiàn)在可行了？

丁文超：我覺得之前已經(jīng)有了很多的鋪墊。首先就是自動(dòng)駕駛被解決得很好，如果大家還都陷在自動(dòng)駕駛苦海，還在一個(gè)個(gè)寫規(guī)則代碼，那是不敢碰具身智能的。所以自動(dòng)駕駛是一個(gè)明確的信號(hào)，你可以依靠數(shù)據(jù)驅(qū)動(dòng)，端到端網(wǎng)絡(luò)，實(shí)現(xiàn)可靠的自動(dòng)駕駛落地應(yīng)用。

第二是大語言模型的成功，讓大家意識(shí)到智能的上限可以這么高。原先自動(dòng)駕駛是很垂直場(chǎng)景的AI落地，但大語言模型的成功，讓大家相信通用智能的存在，并且ChatGPT、豆包、DeepSeek這樣的應(yīng)用，每一個(gè)人日常都能感知到它的能力了。自動(dòng)駕駛也是，都開始標(biāo)配了。

我們公司“它石”也可以從它山之石來理解，就是具身智能浪潮本源來說，很多進(jìn)展和資源都堆積到這里了，物理世界的AI化大勢(shì)所趨，開始要替代信息世界的AI成為主旋律了。

具身智能這個(gè)概念我覺得相對(duì)拗口難解釋，實(shí)際上我更喜歡物理AI，更加直觀。

最后，很多供應(yīng)鏈和工具生態(tài)都相對(duì)成熟，可以支撐推動(dòng)時(shí)代浪潮。進(jìn)展也是顯而易見的，特斯拉的機(jī)器人第一年還是概念不能走，第二年再出現(xiàn)就能夠獨(dú)立行走可以抓球拋球……說明技術(shù)和資源都在加速發(fā)展。

量子位：語言智能之前被稱為AI皇冠上的明珠，自動(dòng)駕駛也被稱為AI皇冠上的明珠，現(xiàn)在兩顆明珠合而為一了。

丁文超：確實(shí)。兩股能量匯集也需要有出口。

量子位：剛才談?wù)摿藬?shù)據(jù)的重要性，也有觀點(diǎn)會(huì)強(qiáng)調(diào)仿真和合成數(shù)據(jù)，你怎么看？

丁文超：我認(rèn)為對(duì)仿真數(shù)據(jù)的依賴是一個(gè)行業(yè)早期不可避免的過程，但問題是為什么需要仿真數(shù)據(jù)？可能還是沒有自主可控的數(shù)據(jù)流程。如果可控、可泛化、可擴(kuò)展的真實(shí)數(shù)據(jù)不可得，就會(huì)寄希望于仿真。

但我們的基本判斷是真實(shí)數(shù)據(jù)的優(yōu)先級(jí)永遠(yuǎn)高于仿真。

如果能確保海量真實(shí)數(shù)據(jù)的時(shí)候，仿真的優(yōu)先級(jí)相對(duì)較低。仿真數(shù)據(jù)更適合項(xiàng)目的早期階段，模型冷啟動(dòng)，但在后期的作用非常有限。

你只要做過仿真器，就知道里面有超級(jí)多的魔鬼數(shù)字，本質(zhì)是你在用代碼重構(gòu)真實(shí)世界，這是很難的事情，而真正能夠重構(gòu)世界的是AI大模型，所以我們叫AI World Engine，如果能夠?qū)W習(xí)到動(dòng)作和環(huán)境變化，AWE可以扮演仿真器的決策，

而事實(shí)上AWE遠(yuǎn)遠(yuǎn)超越了仿真器的概念，我們是靠AI方法去學(xué)會(huì)的，而不是編程實(shí)現(xiàn)的。

量子位：那基于真實(shí)數(shù)據(jù)去構(gòu)建AWE，參數(shù)的量級(jí)是一個(gè)怎樣的問題？

丁文超：這也是一個(gè)波動(dòng)的過程，具身這個(gè)領(lǐng)域此前也有行業(yè)案例證明不是必須使用如此大的模型才能達(dá)到它展現(xiàn)的水平。我認(rèn)為具身界的DeepSeek也會(huì)很快出來。好的數(shù)據(jù)不挑網(wǎng)絡(luò)，核心可能還是沒搞清楚數(shù)據(jù)。

“行業(yè)首創(chuàng) Human-Centric，對(duì)于 Scaling Law 至關(guān)重要”

量子位：?jiǎn)栴}是比如GPT可能干到了很大參數(shù)發(fā)現(xiàn)了智能涌現(xiàn)，然后DeepSeek才能用更小的參數(shù)實(shí)現(xiàn)這樣的能力。但具身智能如果沒有這個(gè)過程…

丁文超：具身智能確實(shí)一口吃不成胖子，模型規(guī)模和智能能力是相輔相成的。但語言模型的特點(diǎn)是天然數(shù)據(jù)量很大，足夠飽和，所以你早期增加模型規(guī)模可以展現(xiàn) …

但Scaling Law我認(rèn)為有三個(gè)維度：

• 第一是數(shù)據(jù)維度的Scaling Law；
• 第二是參數(shù)規(guī)模的Scaling Law；
• 第三是推理時(shí)上的Scaling Law。

因?yàn)檎Z言模型天然可以通過爬蟲獲取數(shù)據(jù)，所以跳過了第一個(gè)維度的Scaling Law，直接被看到的就是參數(shù)規(guī)模和現(xiàn)在的推理時(shí)間上的Scaling Law。

具身的問題是被卡在了數(shù)據(jù)的Scaling Law，然后就沒辦法談模型規(guī)模上的Scaling Law，比如目前看到有些行業(yè)具身智能機(jī)器人展現(xiàn)的是在房間里抓抓取取，這些很顯然并不需要多么龐大的模型參數(shù)。

那具身的話，我認(rèn)為首先是啟動(dòng)數(shù)據(jù)的Scaling Law，然后會(huì)看到模型規(guī)模上的，接著強(qiáng)化學(xué)習(xí)。

所以我認(rèn)為，具身一開始可能不是一個(gè)很大的模型，比如7B或者30B就能很強(qiáng)了，等數(shù)據(jù)飽和到一定程度，再擴(kuò)大模型參數(shù)，再進(jìn)一步變強(qiáng)，然后再接著做強(qiáng)化學(xué)習(xí)達(dá)到next level……這三個(gè)Scaling Law都探索完成，真的有可能達(dá)到AGI。

因?yàn)榫呱砘蛘哒f物理AI和語言——信息AI是互補(bǔ)的，這二者最后匯集起來真的可能會(huì)導(dǎo)向我們說的AGI。

所以我認(rèn)為模型規(guī)模大小，現(xiàn)在還不是最關(guān)鍵的因素，不是瓶頸。

量子位：你提出的Human-Centric對(duì)于Scaling Law的意義是什么？

丁文超：我們?cè)谛袠I(yè)開創(chuàng)了Human-Centric 具身數(shù)據(jù)引擎，這是一個(gè)全新的技術(shù)范式，對(duì)于Scaling Law至關(guān)重要。它可以實(shí)現(xiàn)真實(shí)世界具身數(shù)據(jù)獲取能力的跨越式突破，我相信這將為物理世界 AI的持續(xù)發(fā)展注入強(qiáng)勁驅(qū)動(dòng)力。

量子位：我們談到了AGI，在信息領(lǐng)域，目前大概的共識(shí)是每一個(gè)領(lǐng)域都達(dá)到人類博士的水平，那在具身智能領(lǐng)域，如何定義AGI？

丁文超：需要有場(chǎng)景。

量子位：那為什么不先在某個(gè)場(chǎng)景，比如工廠中的工作場(chǎng)景打造一個(gè)行業(yè)模型，而是一開始就打造一個(gè)通用的AWE世界模型？

丁文超：這是一個(gè)選擇問題，我一直認(rèn)為人做事情，往往是求上得中，求中得下，求下而不得。如果一開始就做一個(gè)工廠中工作場(chǎng)景下的事情，能做成也能做得很好，但人終究是有局限的，你很容易過擬合。

后面從工廠場(chǎng)景切換到生活場(chǎng)景，有些GAP你就可能跨越不了了。

所以從出發(fā)點(diǎn)來說，我們肯定是要用通用的方法來做具身智能，不管開始落地的場(chǎng)景是一個(gè)還是兩個(gè)，但方法一定是要通用的，適用于所有的場(chǎng)景，只不過可能剛開始會(huì)有數(shù)據(jù)分布上的調(diào)整，哪個(gè)場(chǎng)景多一些，哪個(gè)場(chǎng)景先不那么多，只是為了讓性能在具體場(chǎng)景下更好。當(dāng)我開始不同場(chǎng)景遷移的時(shí)候，不需要重新寫代碼或者調(diào)整架構(gòu)。

量子位：GPT展現(xiàn)的能力涌現(xiàn)，經(jīng)歷了1.0、2.0、3.0…你們的具身大模型，也需要經(jīng)歷這樣的過程嗎？

丁文超：我們構(gòu)建第一個(gè)AWE模型，可能版號(hào)就是3.0。我們希望直接對(duì)標(biāo)的就是GPT-3展現(xiàn)的能力，GPT-1和2的時(shí)候展現(xiàn)了一些智能信號(hào)，但不是很work，等到GPT-3的時(shí)候或者說3.5的時(shí)候真正把數(shù)據(jù)和規(guī)模達(dá)到了一定程度，也很系統(tǒng)地研究了Scaling Law，打造了垂直的ChatGPT應(yīng)用，真正展現(xiàn)可用了。

我們也是類似邏輯，先打造AWE3.0，把數(shù)據(jù)和工程化做好，后面針對(duì)垂直場(chǎng)景做優(yōu)化，就推3.5版本，再后面推強(qiáng)化學(xué)習(xí)，可能也對(duì)應(yīng)以o命名…目前規(guī)劃了這三個(gè)版本。

量子位：這三個(gè)模型版本，機(jī)器人本體都是一樣的嗎？

丁文超：我們準(zhǔn)備設(shè)計(jì)一個(gè)模塊化的本體形態(tài)，核心判斷是本體形態(tài)會(huì)在很快的范圍內(nèi)收斂形成共識(shí)，唯一不確定的是靈巧手形態(tài)。

但大的變化可能不會(huì)那么大了，雖然我們一開始還是會(huì)在本體設(shè)計(jì)上追求全棧，自己組裝，但后面會(huì)不斷收斂，利用產(chǎn)業(yè)分工和供應(yīng)鏈能力。

量子位：有些玩家可能更加專注于“大腦”打造，本體有共識(shí)了放進(jìn)來…

丁文超：我們對(duì)本體從一開始自研，核心還是希望真正了解和定義每一個(gè)硬件模塊需要的算力、傳感器方案，目前行業(yè)也有做得不錯(cuò)的硬件玩家，但這類機(jī)器人不一定為我們的需求和場(chǎng)景而生，我們需要自己做一做，才知道如何做整體的設(shè)計(jì)和調(diào)整。

“自動(dòng)駕駛分級(jí)標(biāo)準(zhǔn)不適合具身智能，但有兩大維度參考”

量子位：你們團(tuán)隊(duì)都有自動(dòng)駕駛落地背景，自動(dòng)駕駛按照技術(shù)能力有L0-L5的分級(jí)，一定程度上指導(dǎo)了落地，你覺得具身智能領(lǐng)域需要這樣的分級(jí)嗎？

丁文超：很多人拿這個(gè)來比較，但我認(rèn)為套用自動(dòng)駕駛的分級(jí)來指導(dǎo)具身智能是不合適的。因?yàn)樽詣?dòng)駕駛的分級(jí)本質(zhì)是劃分權(quán)責(zé)，L3以下是人類司機(jī)責(zé)任，L3、L4又是限定區(qū)域ODD擴(kuò)展……L3允許接管，L4不允許接管。

但對(duì)機(jī)器人來說，它從第一天開始就需要具備一定的自主性，比如你買了一個(gè)機(jī)器人在工廠應(yīng)用，它如果出錯(cuò)了，這個(gè)機(jī)器人就需要負(fù)責(zé)任。直接跳過了自動(dòng)駕駛L3之前需要人類司機(jī)負(fù)責(zé)任的階段。

至于具身智能怎么劃分，我更傾向于技術(shù)拆解出來的兩個(gè)維度。一個(gè)是自動(dòng)化維度的宕機(jī)率，多長(zhǎng)時(shí)間宕機(jī)一次，或者可能類似自動(dòng)駕駛里的MPI——走多長(zhǎng)公里不會(huì)跌倒。

另一個(gè)是智能化維度，按照掌握的技術(shù)數(shù)來衡量。

我們的目標(biāo)是打造一個(gè)基本不會(huì)宕機(jī)的機(jī)器人，然后今年、明年推出的初代產(chǎn)品，可以在一些柔性技術(shù)能做得很好，可以支撐商業(yè)化場(chǎng)景落地。

量子位：這兩個(gè)維度，也有人會(huì)用大腦、小腦來類比，專門打造兩個(gè)模型。

丁文超：是的，但可能越往后越會(huì)發(fā)現(xiàn)大小腦之間沒辦法分的那么開。比如行業(yè)有能做回旋踢的機(jī)器人，我覺得非常好，證明小腦代表的運(yùn)動(dòng)能力非常強(qiáng)了，但有個(gè)問題是那個(gè)機(jī)器人眼睛里到底有沒有那根棍子？是看見了棍子去踢，還是它按照一個(gè)模式做出了720°回旋踢，然后有人在合適的時(shí)間把棍子放到合適的地方配合著讓機(jī)器人踢走？

更進(jìn)一步的問題是這反映的是大腦能力還是小腦能力不足？其實(shí)這恰恰是大小腦完全分離導(dǎo)致的。

量子位：所以從一開始你們就不會(huì)把大小腦分開訓(xùn)練或者做這種劃分？

丁文超：可能剛起步階段，為了研發(fā)進(jìn)度，可能會(huì)稍微區(qū)分，但終極上肯定還是要融合統(tǒng)一的，統(tǒng)一的一個(gè)架構(gòu)。

量子位：我默認(rèn)你們就是在打造人形形態(tài)的機(jī)器人，你們確實(shí)是嗎？

丁文超：形態(tài)的問題，我覺得馬上就不會(huì)再被討論了。之前討論形態(tài)，主要還是人形形態(tài)能力，一直沒有深入人心。

但這個(gè)過程展現(xiàn)了形態(tài)的本體的成熟度。但具體到是不是一定要有兩個(gè)腳掌，可能不一定，人也不是時(shí)刻需要兩個(gè)腳掌，比如騎電瓶車的時(shí)候。下肢可能匹配使用的工具，配合底盤使用。

上肢的話是不是人形這種操作能力更加能夠達(dá)到人類水平，我覺得從第一性原理來說，有很有可能是的。

量子位：人形形態(tài)是因?yàn)閷?duì)萬物之靈人類的模擬，還是說做好人形就能做好其他形態(tài)，像你剛才說的求上得中…

丁文超：我傾向于后者，具身形態(tài)以后的定義可能還是在擬人形，?“擬”?這個(gè)字也挺微妙，放開了下肢自由度，但沒有放開上肢。

反向思考的話，如果你的目標(biāo)場(chǎng)景需要Scale數(shù)據(jù)、Scale模型…你需要什么樣的本體才能匹配得上需要的AI能力skill？就會(huì)發(fā)現(xiàn)垂類、特別專一的設(shè)計(jì)沒辦法匹配，在某個(gè)時(shí)間點(diǎn)就需要重構(gòu)本體甚至扔掉換更好的，最終這樣的過程后，迭代到的可能就是一個(gè)擬人形的樣子。

量子位：所以為了這個(gè)大腦，具身機(jī)器人也需要有這么一個(gè)身體？

丁文超：是的，我認(rèn)為這就是具身的含義，你需要有一個(gè)軀體去承載聰明的AI大腦。軀體長(zhǎng)什么樣，會(huì)跟自然進(jìn)化一樣，某種程度是重演進(jìn)化史。垂類也會(huì)進(jìn)化出垂類的形態(tài)，占據(jù)垂類市場(chǎng)，但通用的會(huì)占據(jù)最大的市場(chǎng)。

量子位：在自動(dòng)駕駛領(lǐng)域有升維迭代進(jìn)化的概念，從L2做到L4，但具身里好像不談?wù)撨@個(gè)，從一開始就是“L4”？

丁文超：核心還是具身智能里，從一開始就沒有人給機(jī)器人兜底。它work不work都是一瞬間的事情，人是很難接管的，機(jī)器人沒有駕駛艙，你也永遠(yuǎn)不可能讓它永遠(yuǎn)處在人類的監(jiān)督之下。

量子位：好像也不會(huì)在用不用激光雷達(dá)上吵來吵去？

丁文超：在自動(dòng)駕駛早期，核心還是AI能力不夠，算法對(duì)用激光雷達(dá)還是純視覺，對(duì)架構(gòu)和代碼改變是很大的，但今天都是神經(jīng)網(wǎng)絡(luò)端到端的方式，你接激光雷達(dá)數(shù)據(jù)還是圖像傳感器數(shù)據(jù)，都是前融合了，區(qū)別不大。

量子位：最后影響的核心是成本？畢竟激光雷達(dá)始終要貴一些。

丁文超：成本是一方面，另一個(gè)也有數(shù)據(jù)效率的原因，如果激光雷達(dá)可以把幾何掃得很好了，一定程度上也能減少你網(wǎng)絡(luò)學(xué)習(xí)的難度，但同時(shí)也會(huì)帶來數(shù)據(jù)多樣性的增加，或者說數(shù)據(jù)異構(gòu)性的增加。純視覺就同構(gòu)，加激光雷達(dá)就會(huì)多一點(diǎn)，所以有優(yōu)點(diǎn)也有挑戰(zhàn)，就看不同公司的取舍。

量子位：那芯片算力是一個(gè)問題嗎？

丁文超：算力不是問題，現(xiàn)在的自動(dòng)駕駛車載算力夠用。

量子位：是不是意味著以后也是云端大模型，終端放蒸餾小模型？

丁文超：這是以后實(shí)際部署的問題了，可能會(huì)有很多工程化的方法。云端是不是有模型，肯定有，邊端也會(huì)有，然后二者協(xié)同配合。當(dāng)你這個(gè)機(jī)器人沒有網(wǎng)絡(luò)，長(zhǎng)程思考就需要終端自己完成，有網(wǎng)絡(luò)就云端，可能會(huì)影響到思考速度的快慢。或者也類似現(xiàn)在快慢模型，有一個(gè)跑得快的模型做精細(xì)的閉環(huán)操作。

算力的分配會(huì)結(jié)合網(wǎng)絡(luò)場(chǎng)景來思考，最極端的場(chǎng)景，沒有網(wǎng)絡(luò)，機(jī)器人可能表現(xiàn)得沒那么聰明，但它也有一些基本的能力，這可能就是將來的一個(gè)趨勢(shì)。

“具身智能里的分歧和爭(zhēng)論，持續(xù)不了太久了”

量子位：所以當(dāng)前具身智能領(lǐng)域，你認(rèn)為存在技術(shù)路線分歧嗎？

丁文超：我覺得你剛才問的幾個(gè)問題，其實(shí)都是分歧。

第一，要真實(shí)數(shù)據(jù)還是仿真數(shù)據(jù)？

第二，靠大小腦合一還是分離式架構(gòu)？

第三，你數(shù)據(jù)到底長(zhǎng)什么樣子？本體什么形態(tài)？

第五，你落地場(chǎng)景到底怎么樣？應(yīng)該先做垂類還是通用。

這些都是分歧或者爭(zhēng)議的話題。

量子位：大家都想相互去證明？

丁文超：是的，但我覺得這些爭(zhēng)議不會(huì)持續(xù)太久。

量子位：會(huì)隨著什么而結(jié)束？

丁文超：隨著具身AI能力的提升而結(jié)束。因?yàn)檫@就是一個(gè)方法論，只要你是對(duì)的，提升就會(huì)很明顯。

就好像自動(dòng)駕駛早期都在各種爭(zhēng)論，預(yù)測(cè)和決策應(yīng)該是什么關(guān)系，感知和PnC之間什么關(guān)系…技術(shù)專家在吵，網(wǎng)友也在吵，包括到今天一段式好還是兩段式好也還在吵…

但最后你會(huì)發(fā)現(xiàn)，技術(shù)方向路子一旦對(duì)了，爭(zhēng)論慢慢就平息了，討論問題沒有意義，只想怎么更快縮短差距。

量子位：看療效了，看你最后交付的東西。

丁文超：對(duì)，是的，具身也一樣。比如有誰交出了最穩(wěn)定的自動(dòng)化程度，效果一出來，很快方法論就會(huì)被歸因出來。

量子位：現(xiàn)在業(yè)內(nèi)玩家也會(huì)不時(shí)放demo，或者展會(huì)上秀能力，你會(huì)重點(diǎn)關(guān)注什么？

丁文超：其實(shí)我不太會(huì)看展會(huì)秀的能力，因?yàn)樘菀资沁^擬合下的產(chǎn)物。我傾向于能在哪里看到機(jī)器人，這是我的金標(biāo)準(zhǔn)。

量子位：實(shí)際落地的場(chǎng)景？

丁文超：對(duì)，就是看機(jī)器人到底在哪里實(shí)際工作，這就是以后的新標(biāo)準(zhǔn)。比如現(xiàn)在有一些機(jī)器人，哪怕沒有什么大腦能力的展現(xiàn)，但運(yùn)動(dòng)能力很不錯(cuò)，大家可以買來用或者玩，挺成功的。

量子位：目前一些機(jī)器人有這樣的定位，本體做得很好，以后等一個(gè)DeepSeek或者安卓的大腦，一下子讓它獲得很強(qiáng)的大腦能力。

丁文超：那不就是我們要做的事情嗎？

量子位：但你們會(huì)軟硬件一起做。

丁文超：早期是這樣，但最終是不是也會(huì)有一個(gè)東西可以抽象出來？

我也在思考這個(gè)問題。最終是不是真會(huì)出現(xiàn)一個(gè)Robot OS，或者說物理AI OS，它有很多真實(shí)世界的接口，然后你抓取東西的能力就是一個(gè)API，和現(xiàn)在虛擬世界的操作系統(tǒng)API一樣……你通過補(bǔ)充數(shù)據(jù)就可以創(chuàng)造新使用，而不是再編碼……

如果可行，那這個(gè)東西的價(jià)值太大了?？梢钥焖俾涞馗鞣N場(chǎng)景和產(chǎn)品。

量子位：我還想問的是，假如你在幫VC做技術(shù)盡調(diào)，什么樣的具身智能項(xiàng)目拿不到你的投資推薦？

丁文超：我覺得如果這個(gè)節(jié)點(diǎn)還在講概念，沒有實(shí)際落地能力的人，我不認(rèn)為能拿到投資。這個(gè)階段已經(jīng)不像三年前，三年前可以靠理想夢(mèng)想，但現(xiàn)階段要靠實(shí)際效果或者產(chǎn)品說話了。

量子位：但你們現(xiàn)在剛?cè)刖郑矝]有產(chǎn)品，卻依然吸引了最大的首輪融資。

丁文超：我想核心還是我們這個(gè)團(tuán)隊(duì)做過成功的產(chǎn)品，起碼能證明我們有產(chǎn)品化經(jīng)驗(yàn)，有扎實(shí)的功底把東西做出來。而且我們對(duì)具身智能的理解和認(rèn)知，或許也是大家對(duì)我們的信心。

我相信投我們不僅僅是因?yàn)橐恍┟^光環(huán)，核心還是大家相信具身智能的工程化我們能搞定。我們這個(gè)團(tuán)隊(duì)的構(gòu)成，之前交付了中國(guó)最好的智能駕駛產(chǎn)品，交付了中國(guó)最好的Robotaxi產(chǎn)品。

所以可能大家需要這樣一家公司，它能夠在具身智能領(lǐng)域打造類似的產(chǎn)品，而我們打造過，可以被相信。

量子位：這也可以作為對(duì)潛在候選人的說服，為什么你們這艘船值得加入？

丁文超：我們中文名“它石”，對(duì)技術(shù)人才也是一個(gè)吸引的點(diǎn)吧，踏踏實(shí)實(shí)把事情做好，不要花里胡哨。然后融合很多技術(shù)要素，它山之石。

融匯自動(dòng)駕駛、大模型、前沿AI，然后把它們吸收到你工程化的寶貴經(jīng)驗(yàn)里。

如果你相信具身AGI的路徑已經(jīng)打開，那這絕對(duì)是一個(gè)起碼20年內(nèi)為之奮斗的事情，而這個(gè)過程中如果有一群比較靠譜的人在做，加入對(duì)你的個(gè)人認(rèn)知、技術(shù)能力成長(zhǎng)還有其他各種方面都有幫助，為什么不加入我們呢？

量子位：我在準(zhǔn)備的時(shí)候，有一個(gè)問題是具身智能這個(gè)領(lǐng)域的GPT時(shí)刻，但剛才你說AWE第一個(gè)版本就是3.0了……所以如果具身有這么個(gè)時(shí)刻，我們可以怎么檢驗(yàn)？

丁文超：該怎么定義具身智能的GPT時(shí)刻是一個(gè)好問題。我想或許標(biāo)志性事件就是具身智能機(jī)器人用一個(gè)比較AI的方法完成了現(xiàn)實(shí)世界里哪怕一到兩個(gè)任務(wù)，我覺得這就是具身智能的GPT時(shí)刻。

回過頭來，ChatGPT核心就是用一個(gè)很AI的方法，基于學(xué)習(xí)預(yù)測(cè)下一個(gè)token，很簡(jiǎn)潔很干凈，能回答問題了，它就干好了這一件事情。

量子位：所以可以理解為如果你們機(jī)器人能在工廠里把任務(wù)解決得很好，就可以說它是GPT時(shí)刻？

丁文超：對(duì)，是的，足夠具體具象了。

（另外，丁文超博士透露，他們的戰(zhàn)艦正在緊鑼密鼓招募技術(shù)人才，如果你希望擁抱最具挑戰(zhàn)和前景的AI創(chuàng)業(yè)，歡迎用簡(jiǎn)歷投票：hr@tars-ai.com）