泉源：台湾网红馆长撞脸三星堆青铜器作者： 骆武绿：

独家｜9名清华博士开办
，，，，0数据让机械人靠“本能”干活

2018 年从哈佛回国时
，，，，橡木果机械人的提倡人姜峣有了一个判断：语言和操作
，，，，是两种完全差别的智能。。
。。

这个判断并非来自他博士时期在清华机械工程系的研究
，，，，而是源于他在哈佛认知实验室的博士后履历。。
。。在那里
，，，，他最先研究视觉与触觉感知能力怎样影响人的操作行为。。
。。在一次次的实验视察中
，，，，他发明语言和操作有着实质上的差别：

语言没有先天本能。。
。。一个孩子出生后若不接触人类社会
，，，，一辈子都不会语言
，，，，且情形教什么语言就说什么语言。。
。。但操作恰恰相反：全球所有人抓取物体的方式高度一致
，，，，无论跨越怎样的年岁、文化与情形。。
。。从未有人教过我们该怎样去“抓”
，，，，我们却都能无师自通。。
。。他将这种潜藏在操作行为背后的先天机制
，，，，明确为“本能”。。
。。

已往几年
，，，，随着大模子兴起
，，，，机械人行业逐渐形成了一条主流蹊径：将视觉、语言和行动交由统一个大模子处理
，，，，试图用端到端的方式直接输出行动。。
。。从 VLA 到天下模子
，，，，大大都探索都建设在这种“大一统”的逻辑之上。。
。。

但姜峣以为
，，，，这条路在操作层是走欠亨的。。
。。语言智能处理的是符号
，，，，操作智能面临的是物理天下；
；；；使命明确可以依赖知识
，，，，行动执行却必需顺应详细的硬件本体。。
。。与其用海量数据去拟合无尽的物理差别
，，，，不如先赋予机械人一套类似人类“本能”的底层机制
，，，，再让肌肉影象和手艺从交互中自然生长。。
。。

从实验室到创业公司
，，，，这支团队的焦点手艺成员一共 9 人
，，，，均为清华大学博士
，，，，并且相互年岁各差一岁。。
。。围绕这个想法研究了近八年后
，，，，他们进一步提出：机械人操作应该被拆分为使命妄想与操作执行两个条理
，，，，前者指向“大脑”的思索能力
，，，，后者则指向他们研究的“本能”。。
。。这是一条完全差别于主流的蹊径。。
。。

去年 VLA 、天下模子如日中天时
，，，，他们没有急着站出来阻挡。。
。。但以后一年行业的生长
，，，，似乎在一直验证着他们最初的判断。。
。。

“语言可以自上而下
，，，，但操作一定要自下而上。。
。。”姜峣以为目今具身智能遭遇的瓶颈
，，，，泉源在于行业从一最先就把明确和执行混在了一起。。
。。并且若是一个偏向需要无限堆数据、堆算力
，，，，最后才华委屈往前推进
，，，，那它究竟是不是一条康健的、行得通的路径？？？？？？

这是他们的质疑
，，，，也是他们决议今天第一次果真讲述自己手艺蹊径的原因。。
。。

以下是凯时AG对话：

一段“阴差阳错”的最先

DeepTech：你在博士阶段在清华读的是机械工程
，，，，之后去哈佛做博士后
，，，，偏向却是神经科学。。
。。这两个领域跨度很大
，，，，其时是已经带着“具身智能”的问题去找理论
，，，，照旧到了哈佛之后才逐渐意识到这两件事可以连系？？？？？？

姜峣：着实都不完全是。。
。。我 2016 年之前一直做的是古板机械人的力学与操作研究。。
。。邻近结业时
，，，，我以为谁人偏向已经相对成熟
，，，，继续做下去没有太强的兴奋感。。
。。其时面临两个选择：直接创业
，，，，或者出国拓展视野。。
。。我选择了后者
，，，，想法很简朴
，，，，就是想去接触前沿 AI 相关的工具。。
。。

较量阴差阳错的是
，，，，我申请哈佛谁人实验室时
，，，，看到主页上写着很大的“motor learning”
，，，，旁边尚有一张人和机械人交互的图。。
。。我其时明确的“motor”照旧电机、驱动器谁人意思
，，，，以为是偏机械人控制偏向
，，，，就选择了这个 offer 。。
。。效果到了以后才发明完全不是一回事。。
。。他们研究的是人的运动控制（motor control）和运动学习
，，，，实质上属于神经科学。。
。。

刚去的时间挺痛苦的
，，，，由于完全跨领域以是前三个月险些完全跟不上。。
。。但逐步做下来之后
，，，，发明这个偏向很是有意思。。
。。我们实验室研究的焦点是“人的行为”
，，，，大致分三类：肢体运动行为、步态行为
，，，，以及手部操作行为。。
。。我做的是第三个偏向
，，，，研究视觉、触觉等感知能力对操作行为的影响。。
。。

DeepTech：你有一个焦点看法
，，，，以为“语言不保存本能
，，，，但操作保存本能”。。
。。这个判断是在哈佛的时间形成的吗？？？？？？

姜峣：基本是在那时间逐渐形成的。。
。。去哈佛之前
，，，，我对机械人操作的明确更像是一个重大的工程问题：一直调参数、做 case-by-case 的适配。。
。。到了哈佛之后
，，，，我才最先真正研究人类行为背后的机制。。
。。

实验室会设计许多有意思的实验。。
。。好比屏障人的视觉
，，，，或者滋扰触觉
，，，，人为制造感知误差
，，，，然后视察操作行为的转变。。
。。2017 年底最先
，，，，我们做了大宗实验和数据剖析。。
。。厥后我逐步意识到
，，，，有些行为会随着感知条件转变而改变
，，，，但尚有一些行为
，，，，无论你怎么滋扰
，，，，它都不会变。。
。。

这件事特殊有意思。。
。。“本能”有两个焦点界说：第一
，，，，先天保存；
；；；第二
，，，，不受外部情形影响。。
。。好比强光照到眼睛本能会想要闭眼
，，，，手遇到尖锐物体会想要缩回
，，，，这些很好明确。。
。。但"操作保存本能"就没那么直观了。。
。。

语言为什么不是本能？？？？？？由于若是一个孩子从小没有语言情形
，，，，他不会自然学会语言。。
。。放在中文情形说中文
，，，，放在英文情形说英文
，，，，语言高度依赖后天数据。。
。。但操作纷歧样。。
。。没有人专门教小孩怎么抓工具
，，，，可人类的抓取行为却高度一致。。
。。差别年岁、差别文化配景的人
，，，，在许多基本操作行动上泛起出惊人的相似性。。
。。若是没有某种先天机制
，，，，这种一致性很难泛起。。
。。

以是厥后我会以为
，，，，语言更像一种“自上而下”的能力
，，，，依赖知识、符号和后天训练；
；；；而操作更像一种“自下而上”的能力
，，，，背后保存很是深的先天结构。。
。。

DeepTech：从 2018 年哈佛结业到 2024 年公司正式建设
，，，，中心尚有六年。。
。。这六年你主要在做什么？？？？？？

姜峣：2018 年从哈佛回来之后
，，，，我就最先系统性地思索机械人操作这件事。。
。。以是这六年间
，，，，我一直在清华的实验室里做统一件事：从"本能"出发研究具身操作。。
。。

2018 年到 2020 年更多是前沿研究
，，，，那时我们一直追问几个问题：机械人究竟有没有“本能”？？？？？？若是有
，，，，它应该以什么形式保存？？？？？？我们怎样把这种能力赋予机械人？？？？？？厥后我们发明
，，，，许多本能是由触觉驱动的
，，，，好比疼痛会触发回缩反射
，，，，人手遇到尖锐物体会连忙退却
，，，，这实质上是一种触觉刺激的行为反射。。
。。因此
，，，，我们选择触觉能力作为切入点。。
。。

至于为什么最后决议创业
，，，，我对这件事纠结了很长时间。。
。。高校很适合做恒久的研究
，，，，但谁人阶段
，，，，行业已经显着在加速了。。
。。我们已经把许多底层问题研究得较量透
，，，，接下来就需要用商业化的模式
，，，，把理论、手艺、产品和应用快速毗连起来。。
。。

并且创业对我来说并不料味着放弃学术。。
。。我一直跟团队说
，，，，我们既要做最好的研究
，，，，也要做最好的产品。。
。。这两件事是相辅相成的。。
。。

操作和语言
，，，，是两种差别的智能

DeepTech：听下来
，，，，“本能”是你们整个手艺蹊径的焦点看法。。
。。在行业普遍实验用数据驱动（好比 VLA 蹊径）去直接笼罩行动的今天
，，，，你们为什么以为必需从“本能”最先构建？？？？？？

姜峣：这着实取决于我们对整个机械人操作问题的明确。。
。。这也是我们今天最想给行业带来攻击的一个认知。。
。。

已往几年
，，，，行业主流思绪基本是从语言模子延伸过来的：自然语言大模子乐成了
，，，，各人就以为能用同样的方式把视觉、语言、行动统一到一个大模子里
，，，，用海量数据去“自上而下”地逊有的事。。
。。

但我们一直以为
，，，，这条路在“操作”上是走欠亨的。。
。。由于操作和语言是完全差别的两件事。。
。。语言实质上是符号系统
，，，，但操作不但需要视觉明确情形
，，，，还需要触觉去感知接触状态
，，，，最后还要通过硬件本体去输出真实的物理行动。。
。。

更要害的是
，，，，操作执行高度依赖硬件本体。。
。。我们在实验室做过比照：好比两只机械手
，，，，形状完全一样
，，，，尺寸也一样
，，，，唯一的区别只是其中一只枢纽稍微紧一点
，，，，另一只稍微松一点。。
。。你会发明
，，，，用同样的数据划分训练出来的两个模子
，，，，虽然都能完成使命
，，，，但它们内部参数会差许多。。
。。而若是直接把其中一个模子迁徙到另一只手上
，，，，性能会连忙崩掉。。
。。

这就像打乒乓球
，，，，角逐规则（使命明确）全人类都一样
，，，，但邓亚萍和王励勤的身体条件纷歧样
，，，，最后形成的打法也完全差别。。
。。若是你试图用一个通用的 VLA 大模子
，，，，把“使命妄想”和“硬件执行”耦合在一起硬练
，，，，效果就是需要极其重大的数据量
，，，，并且稍微换个硬件
，，，，模子就连忙失效。。
。。

以是我们得出一个谜底：必需把这两层拆开。。
。。使命层偏知识
，，，，可以“自上而下”学习；
；；；但执行层必需顺应自己的硬件本体
，，，，这就要求它必需拥有“本能”
，，，，去“自下而上”地长出能力。。
。。

（泉源：橡木果）

以前各人有一个认知误差
，，，，以为操作是由视觉引发的。。
。。但研究发明
，，，，若是把人的触觉反馈完全屏障掉
，，，，视觉的映射就会蜕化
，，，，操作会一塌糊涂。。
。。这批注
，，，，操作的最底层一定是由“触觉刺激”来驱动行动的。。
。。这就是我们需要赋予机械人的工具。。
。。一套底层的本能反映机制。。
。。

DeepTech：既然它是一套底层反映机制
，，，，那“本能”在执行层里详细是什么？？？？？？是一组写好的代码规则
，，，，照旧某种可以涌现行为的底层机制？？？？？？

姜峣：本能既不是规则
，，，，也不是古板意义上的数据学习。。
。。若是完全依赖数据训练
，，，，那它就不可能是“先天”的；
；；；但若是明确成牢靠规则
，，，，它又诠释不了真实天下里那种极其富厚的操作行为。。
。。

本能更像是一种“纪律”
，，，，而不是详细行动自己。。
。。就像牛顿的万有引力
，，，，引力自己并不直接划定“星体轨迹是什么样的”
，，，，它只提供底层约束。。
。。但只要纪律保存
，，，，行为就会自然涌现。。
。。我们明确的“本能”靠近这种工具。。
。。

举个例子
，，，，人为什么能稳固捉住水杯？？？？？？用古板规则系统做
，，，，要建很是重大的物理模子去算抓取力；
；；；用纯数据驱动
，，，，需要海量差别材质、重量的数据去笼罩。。
。。但人不是这么事情的。。
。。人类手里保存一种很是底层的“滑移调控（slip regulation）”机制。。
。。当物体泛起滑落趋势时
，，，，手会自动增添抓力；
；；；压力过大又会自动放松。。
。。人并不实时盘算抓取力
，，，，但这个本能会让抓取自然稳固下来。。
。。

我们在机械人的端侧模子里做了类似机制。。
。。好比机械人第一次抓气球
，，，，它历来没见过气球
，，，，也没有训练数据
，，，，但它依然能逐步调解力度
，，，，不把气球捏爆
，，，，也不让它滑走。。
。。由于它依赖的不是“气球”这个种别数据
，，，，而是更底层的接触纪律。。
。。

DeepTech：听上去
，，，，“本能”似乎更像是一种完成使命的倾向。。
。。它并不是划定行动自己
，，，，而是让系统朝某个偏向自然收敛？？？？？？

姜峣：对
，，，，我以为这个诠释着实特殊到位
，，，，我们厥后内部也经；
；；；嵴饷疵魅。。
。。本能更像是一种“势能场”或者“趋势场”。。
。。它不是告诉你详细该怎么做
，，，，而是无论你从什么状态出发
，，，，最后都会被指导到某种目的倾向上。。
。。它并不形貌行为自己
，，，，而是在底层驱动行为往谁人偏向生长。。
。。

就像适才说的抓取
，，，，你不需要提前划定每根手指究竟该怎么运动
，，，，只要有这个“本能势能场”保存
，，，，系统就会在交互中自然朝“稳固捉住物体”这个偏向去收敛。。
。。只要底层的本能纪律建设
，，，，重大的行为自然就会长出来。。
。。

DeepTech：基于这几年的研究
，，，，你们推出了自己的端侧自主决议模子。。
。。它的焦点似乎不是让机械人学习大宗详细行动
，，，，而是建设一套“本能系统”。。
。。能不可详细先容一下这个模子？？？？？？在你们看来
，，，，机械人可以拥有哪些类型的本能？？？？？？

姜峣：凯时AG模子 Natus 是一个完全嵌在最后执行器（好比灵巧手）里的底层模子。。
。。选择放在端侧
，，，，是由于它需要毫秒级的极速响应
，，，，并且必需与硬件本体做到最佳适配。。
。。

Natus 的焦点
，，，，就是依赖本能反射去构建“触觉感知”与“肌肉行动”之间的直接映射。。
。。我们从大宗行为视察里提炼
，，，，以为焦点本能只有三类。。
。。

第一类叫“定向本能”。。
。。特殊像人类最基础的注重力机制。。
。。你拿一支笔在小孩眼前移动
，，，，他的眼睛和头会自然随着转。。
。。往杯子里倒水时
，，，，视线会一直随着水流走。。
。。这个历程不需要思索
，，，，是自然的目的锁定。。
。；
；；；等嗽诓僮髦
，，，，首先要明确“我要作用于谁”。。
。。

第二类叫“探索本能”。。
。。定向之后真正接触到物体了
，，，，但还不知道怎么完成使命
，，，，以是会最先试探。。
。。好比人在漆黑里摸工具
，，，，会沿着物体外貌一直滑动；
；；；装配时一边接触、一边微调角度。。
。。探索的实质
，，，，是让系统逐渐找到“可执行条件”。。
。。

第三类是“执行本能”。。
。。抓握时的滑移调控、装配时的力控制、插接时的稳固推进
，，，，都属于执行阶段。。
。。它认真把使命完成。。
。。

图 | Natus 模子架构 (泉源:橡木果)

在橡木果的测试中
，，，，团队发明
，，，，机械人面临从未见过的州不规则形态的物体
，，，，会沿其外貌自主探索
，，，，实时调解抓取战略
，，，，直到建设稳固的接触构型后乐成抓起。。
。。

在交互本能的测试中
，，，，机械人未经由任何数据预训练。。
。。在抓取易碎的豆腐、水量一直转变的塑料杯、受外界动态扰动的极薄铁皮卷
，，，，抓取力都能够实时调解
，，，，确保抓取稳固且可靠。。
。。

在装配从未见过的线缆插头
，，，，纵然保存较大的初始误差
，，，，机械人会自主调解推选行动
，，，，直至鲁棒地完成接插使命。。
。。

这种基于本能的端侧模子
，，，，最大的特点就是“0数据冷启动”。。
。。它不需要提前见过这个物体
，，，，就能顺应差别工况
，，，，一上来就会操作。。
。。好比有一次让我们感应震惊的是
，，，，机械手面临一张很薄的身份证时
，，，，由于结构自由度有限
，，，，我们原本以为它无法抓取。。
。。但厥后它自己探索出了一种完全出乎意料的要领：先把卡片一端顶起来
，，，，再顺势完成抓取。。
。。谁人行为不是我们写进去的
，，，，也不是训练出来的
，，，，而是本能机制驱动下自然涌现的行为。。
。。

DeepTech：但系统还需要具备进化能力
，，，，好比能不可越做越熟练
，，，，甚至举一反三？？？？？？这部分你们是怎么妄想的？？？？？？

姜峣：这是我们整个手艺架构里最焦点的壁垒
，，，，也就是从“本能”走向“手艺”。。
。。Natus 赋予了机械人自主探索的能力。。
。。在这个历程中
，，，，它会一直调解行动
，，，，形成自己的“肌肉影象”
，，，，从而在简单使命上实现越做越熟练。。
。。但更主要的是
，，，，这种探索会爆发大宗的真实交互数据。。
。。

现在行业里主流的视觉方案有一个问题：视觉只能看
，，，，没有资格给操作效果“打标”
，，，，它不知道究竟抓紧没有、发力对差池。。
。。而凯时AG“本能系统”由于有了触觉
，，，，可以对这些探索行为数据举行完善的“自打标”
，，，，给视觉数据加上极强的触觉语义增强。。
。。

有了这些源源一直的高质量增强数据
，，，，我们就有了训练通用操作手艺模子的基础。。
。。一旦手艺模子训练出来
，，，，机械人就不再探索着完成使命了
，，，，而是具备了跨本体、跨使命的泛化能力。。
。。

DeepTech：回到最先你们关于“智能分层”的判断
，，，，若是操作执行层交给“本能”
，，，，那你们需要的使命妄想模子是什么样的？？？？？？你们为什么强调要把使命智能和执行智能脱离？？？？？？

姜峣：在我们看来
，，，，使命妄想的职责并不是天生详细行动
，，，，而是明确目的、意图和约束。。
。。好比递一杯水
，，，，真正主要的是知道杯子要送到那里、历程中不可洒出来
，，，，而不是盘算每个枢纽该怎么运动。。
。。

以是在凯时AG系统里
，，，，使命层输出的是目的状态、要害视觉信息和使命约束；
；；；至于怎么抓、怎么发力、怎么凭证接触情形实时调解
，，，，则由底层执行系统完成。。
。。我们一直在实验把使命智能和执行智能解耦。。
。。由于使命明确和行动执行原来就是两类差别的问题。。
。。

并且我以为上层使命模子很是主要
，，，，它的难度可能被许多人低估了。。
。。现在许多机械人系统的问题在于
，，，，它们虽然学会了行动
，，，，但并不真正明确使命。。
。。你会看到一些机械人一直在移动物体
，，，，却不知道什么叫“整理好桌面”。。
。。它能模拟行为
，，，，却纷歧定明确行为背后的意图。。
。。

与此同时
，，，，我们一直在强调一件事：不是所有工具都应该放进一个统一模子里解决。。
。。

模子需要同时处理目的明确、情形感知和实时控制
，，，，负；
；；；嵩嚼丛街。。
。。以是凯时AG思绪是
，，，，高层认真明确使命
，，，，底层认真完成操作
，，，，两者通过笼统的语义信息交互。。
。。这样不但更容易适配差别机械人本体
，，，，也更切合操作智能自己的纪律。。
。。

DeepTech：但若是上层的模子一直没有真正突破
，，，，你们下面这一层纵然做得很好
，，，，整体能力会不会受限？？？？？？

姜峣：这是一个特殊好的问题。。
。。具身智能实质上是闭环
，，，，若是只解决底层的操作问题
，，，，最终一定会被上层环节限制。。
。。

但这里有一个要害因素：场景。。
。。若是一最先就做家庭机械人
，，，，上层使命明确确实会成为重大瓶颈。。
。。家庭情形太重大了
，，，，一句"帮我整理桌子"背后包括大宗知识和判断。。
。。

但在许多 To B 场景里纷歧样。。
。。工业情形自然更结构化
，，，，流程、目的和工位都是明确的。。
。。企业真正缺的
，，，，往往不是明确能力
，，，，而是稳固、无邪的操作能力。。
。。尤其在快消、3C 和柔性制造领域
，，，，包装规格变了、摆放位置变了、材质变了
，，，，古板自动化就需要重新调试。。
。。而这种转变恰恰是我们最关注的问题。。
。。凯时AG焦点能力就是让机械人具备顺应和探索能力
，，，，在转变中一连完成使命。。
。。

以是凯时AG思绪是
，，，，先把执行层跑起来
，，，，先解决工业场景里那些真实保存、但一直没被很好解决的操作问题。。
。。这方面我们已经和一些头部厂家举行了恒久的相助验证。。
。。

VLA 训练十万次
，，，，换个场景就不可了

DeepTech：你们以为 VLA 蹊径不是一条“完全准确”的蹊径
，，，，那你们和 VLA 蹊径做过直接比照吗？？？？？？

姜峣：我们做过较量直接的比照。。
。。好比装配使命
，，，，我们用典范 VLA 或模拟学习那套逻辑
，，，，在仿真情形里或许训练了十万次
，，，，然后迁徙到真真相形。。
。。

在工况转变不大的情形下
，，，，它体现并不差
，，，，甚至在某些牢靠场景里效率可能比我们"本能驱动"的方案高一点。。
。。这个我以为是客观效果
，，，，由于它事实已经被大宗数据训练过了。。
。。

但问题在于泛化能力很是懦弱。。
。。我们厥后只是稍微改了一下条件
，，，，例如把孔径变小一点、换一批零件或者改变一点装配误差
，，，，整个系统马上就不稳固了。。
。。有时间需要重新训练
，，，，有时间甚至直接卡死。。
。。

这特殊能说明一个问题：若是操作执行完全依赖数据学习
，，，，它的"笼罩规模"会变得极其重大。。
。。操作里的可能性太多了
，，，，险些不可能把所有情形提前采满。。
。。并且这里有一个主要区别：我们是冷启动。。
。。在对方已经训练了十万次的情形下
，，，，我们一最先没有任何数据积累
，，，，但系统依然能通过探索把使命完成。。
。。

DeepTech：若是你们的判断是对的
，，，，为什么今天行业大大都公司依然在坚持 VLA 蹊径？？？？？？

姜峣：最主要的原因照旧大语言模子已往几年取得了重大乐成。。
。。VLA 延续的是整个 AI 行业最熟悉的逻辑：更大都据、更大模子、更强算力。。
。。这个范式已经被验证过一次
，，，，各人自然希望复制到机械人领域
，，，，但忽略了 AI 和 Embodied AI 之间差了一个硬件会带来重大的差别。。
。。

但照旧这个看法
，，，，语言智能和操作智能可能是两类差别的问题。。
。。语言处理的是符号
，，，，操作面临的是一连的物理天下。。
。。操作不但涉及视觉
，，，，还涉及接触、力反馈、情形转变和实时控制。。
。。许多问题未必能通过纯粹增添数据和算力解决。。
。。

虽然
，，，，这不料味着数据没有价值
，，，，我们始终以为数据是极为主要的。。
。。只是从实践来看
，，，，机械人可能需要一套更切合操作实质的架构：先建设基本的操作能力
，，，，再通过真实天下里的一连交互
，，，，在交互中获取大宗真实数据一连学习
，，，，把履历逐步沉淀成手艺。。
。。

DeepTech：听说你们之前只用了两个月
，，，，就在一家化妆品工厂做出了 POC（Proof of Concept
，，，，看法验证）。。
。。能睁开讲讲吗？？？？？？

姜峣：是的
，，，，真正开发的时间只有一个多月。。
。。其时我们有一个很明确的想法：必需尽快把实验室里的能力放到真实场景里验证。。
。。

一最先也看过一些古板自动化场景
，，，，但发明不太适合。。
。。许多标准化产线已经被优化得很是成熟
，，，，替换空间有限。。
。。厥后发明柔性制造才是真正需要凯时AG地方。。
。；
；；；逼沸幸凳堑浞独。。
。。产品规格、包装形式、摆放状态经常转变
，，，，古板自动化一旦转变就需要重新调试。。
。。

那家客户之前接触过不少自动化团队和具身智能公司
，，，，效果都不睬想。。
。。厥后找到我们
，，，，是由于他们意识到问题的焦点不在"大脑"
，，，，而在执行层。。
。。项目推进得非？？？？？？欤汗昵┰
，，，，三月份最先实验
，，，，四月份完成 POC 验证
，，，，现在已经进入产品化阶段并获得订单。。
。。

对我们来说
，，，，主要的事不是做一个演示效果很好的机械人
，，，，而是让产品真正进入工厂一连运行。。
。。由于每一次真实操作都在爆发数据
，，，，每一次数据积累都在提升系统能力。。
。。这才是我们最看重的飞轮。。
。。

充满质疑的阶段
，，，，反而是时机

DeepTech：着实今年具身智能整个行业都特殊热
，，，，但舆论和投资热度之间是有反差的。。
。。许多人会以为还没有在具身智能上看到和热度相当的效果。。
。。你对自己的手艺蹊径有信心吗？？？？？？它是否有时机带来下一阶段的突破？？？？？？

姜峣：我着实反而以为
，，，，现在这个充满质疑的阶段对我们来说是一个时机。。
。。

由于已往几年
，，，，行业里泛起了许多演示效果很惊艳的机械人视频
，，，，但各人也逐渐意识到
，，，，视频不即是真实能力。。
。。真正进入工厂之后
，，，，客户体贴的问题着实很简朴：你究竟能不可稳固地把活干完。。
。。

不过从另一个角度看
，，，，这些展示也完成了一部分市场教育。。
。。越来越多企业最先接受这样一个事实：机械人未来不但仅是牢靠程序执行工具
，，，，它应该具备顺应转变和自主操作的能力。。
。。以是现在行业正在从“看视频”走向“看交付”。。
。。而我们一直相信
，，，，通用操作智能不会一夜之间泛起。。
。。它一定是从一个个详细能力最先
，，，，逐步积累起来的。。
。。

因此凯时AG战略一直很明确：不追求一最先解决所有问题
，，，，而是先把一个能力
，，，，好比最为基础的抓取能力
，，，，做到靠近甚至逾越人类的能力
，，，，再做到真正可用、可靠
，，，，实现商业价值。。
。。由于关于客户来说
，，，，决议是否采购的要害历来不是机械人能不可无意完成一次精彩演示
，，，，而是能不可恒久稳固运行
，，，，并且比人工更有性价比。。
。。

许多手艺蹊径还在一直转变
，，，，但我们更希望把一个真实能力一连做深、做透。。
。。只要有一个手艺能够靠近人的水平
，，，，并且本钱和安排效率优于人工
，，，，它就足以创立重大的价值。。
。。

DeepTech：那你以为
，，，，现阶段整个具身智能行业最要害的瓶颈是什么？？？？？？

姜峣：我以为最大的瓶颈
，，，，着实是行业到现在还没有泛起一条真正被验证、能够一连往前推进的手艺路径。。
。。现在许多偏向各人都讲过
，，，，也都能讲出很弘大的故事
，，，，但问题在于
，，，，你最后究竟能不可真正拿出一个稳固事情的工具。。
。。由于行业走到今天
，，，，各人已经不像前几年那样
，，，，只要看个 Demo 视频就会兴奋了。。
。。

DeepTech：某种意义上
，，，，各人已经有点听厌“童话故事”了。。
。。

姜峣：对
，，，，行业现在已经最先从“讲故事”重新回到“商业应用”自己了。。
。。已往三年
，，，，着实许多公司都拿了很是多融资
，，，，但真正实现大规模商业闭环的案例并未几。。
。。以是我以为现在最要害的问题已经不是“愿景够不敷大”
，，，，而是你究竟怎么兑现这些期待。。
。。

你不可一直告诉别人“未来会很好”
，，，，但最后拿不出真正落地的产品。。
。。

DeepTech：你们在三月才刚刚完成了近亿元的种子轮融资。。
。。关于一家建设近 8 年的公司
，，，，这个节奏似乎有些不算快。。
。。背后的原因是什么？？？？？？投资人又是怎么看待你们这条蹊径的？？？？？？

姜峣：着实去年六七月份之前
，，，，我一直非？？？？？？咕苋谧。。
。。这可能跟我的学术配景有关
，，，，会对资源市场有距离感。。
。。很长一段时间里
，，，，我们更想靠产品和应用自己逐步往前走。。
。。

但我现在以为
，，，，这个行业不是一个可以"逐步悠悠"做起来的行业。。
。。别人若是能一年投一个亿、十个亿去推进
，，，，你究竟跟不跟？？？？？？情怀归情怀
，，，，但若是真想把事做成
，，，，就必需融入工业。。
。。

以是从去年最先
，，，，我们才真正最先系统融资。。
。。第一轮融资的时间
，，，，我们着实还没有正式讲“本能驱动”这套逻辑
，，，，其时更多是在讲触觉、传感器和操作能力。。
。。那一轮拿到了行业里触觉偏向最大的一笔融资之一。。
。。但这一轮纷歧样。。
。。我们最先正式对外讲“本能驱动”
，，，，不是为了融资
，，，，而是由于我以为时间点到了。。
。。

去年整个行业对 VLA 和大模子蹊径的热情还很是高
，，，，你现在突然跳出来说“操作智能和语言智能可能是两种差别的问题”
，，，，着实没人愿意听。。
。。但今年最先
，，，，越来越多人发明
，，，，无论是天下模子照旧 VLA
，，，，都还没有真正解决操作里的焦点问题。。
。。以是我以为
，，，，现在是重新讨论底层逻辑的时间。。
。。

投资人的反映着实也很有意思。。
。。有些人一下子就能明确；
；；；有些人听懂了
，，，，但不太敢接受；
；；；尚有一些人着实已经隐约意识到问题
，，，，只是之前重仓了数据驱动蹊径
，，，，很难彻底转过来。。
。。

我们真正想表达的
，，，，着实不是融资自己
，，，，而是这条手艺路径。。
。。由于从 2017 年到今天
，，，，我们越来越确信一件事：操作智能和语言智能可能原来就是两种差别的问题
，，，，语言可以自上而下
，，，，但操作执行一定要自下而上。。
。。最终这条路对差池
，，，，照旧要靠产品和效果来证实。。
。。

DeepTech：你们焦点手艺团队九个人
，，，，实验室已往每年只招一个人。。
。。你们筛选人的标准是什么？？？？？？

姜峣：这是我们公司一个很是特殊的地方。。
。。从 2016 年最先
，，，，这批人就一直在一起。。
。。现在团队成员基本都是 95 后到 00 后
，，，，每个人只差一岁。。
。。

这些人所有来自我们实验室的博士系统。。
。。筛选一直很是严酷
，，，，通常我会在学生大二时就最先接触
，，，，每年十几个学生进入实验室做科研训练。。
。。我们非？？？？？？粗乩砺勰芰
，，，，许多学生本科阶段就已经揭晓过论文。。
。。

但能力不是最要害的。。
。。更主要的是
，，，，我会花很长时间跟他们聊
，，，，看他们究竟想做什么。。
。。由于我们做的是周期很是长的事情
，，，，许多问题可能十年才会真正看到效果。。
。。最后留下来的人
，，，，往往都履历了至少一年以上的视察和磨合。。
。。并且实验室有一个特殊机制：新成员进组时
，，，，原来的博士生必需所有认可。。
。。由于各人未来是要恒久背靠背作战的。。
。。

现在这九个人
，，，，每个人都能自力认真一个偏向：触觉、驱动控制、结构硬件、算法和手艺模子。。
。。各人一起共事做过许多研究和项目
，，，，磨合得很是深。。
。。真正主要的不是招到了九个人
，，，，而是这九个人之间已经建设了恒久配合事情的信任感。。
。。这种工具很难复制。。
。。

DeepTech：最后再问一个轻松一点的问题
，，，，为什么公司会叫“橡木果”？？？？？？

姜峣：这个名字着实和凯时AG手艺理念很像。。
。。你看过《冰河世纪》吗？？？？？？内里有只一直追着橡果跑的小松鼠。。
。。其时给公司起名时
，，，，各人讨论过许多听起来更“科技”的名字
，，，，但最后照旧选了橡木果。。
。。由于我们一直以为
，，，，许多主要的转变
，，，，往往是从一个很小的、不起眼的工具最先的。。
。。

无论是触觉、本能
，，，，照旧操作能力
，，，，它们在今天看来可能都不是行业里最显眼、最热门的偏向。。
。。但我们相信
，，，，恰恰是这些基础能力
，，，，最终会决议机械人能不可真正进入现实天下。。
。。以是橡木果这个名字特殊切合凯时AG想法：它既是一颗种子
，，，，也是一粒果实
，，，，和我们“本能驱动”的蹊径一脉相承。。
。。而这颗种子的实力：看似细小
，，，，却能撼动全局。。
。。

虽然
，，，，也有人第一次听到会以为像家具公司（笑）。。
。。但我一直以为
，，，，名字自己没有那么主要
，，，，主要的是你最后把它酿成什么。。
。。就像“Apple”刚泛起的时间
，，，，各人可能也不以为它和科技有什么关系。。
。。

运营/排版：何晨龙

注：封面/首图由 AI 辅助天生