摘要

陈一轮押注的不是“又一家机器人公司”，而是机器人从碎片化工具收敛为通用平台。 他称 2022 年已有迹象，2025 年 2 月 5 日与合伙人创办公司，目标是让具身智能成为比自动驾驶“大一个数量级”的赛道；但目前资金、人才虽不断涌入，商业“出口”仍比较窄。
具身基础模型所需的数据规模可能是一千万小时，而非更漂亮的网络结构。 自动驾驶达到产品级 release 约需一百万小时精炼数据，复杂度高十倍的机器人据此至少再上一个数量级；遥操作虽真实有效，却因采集效率、成本和场景渗透率只能更适合训练垂直小模型，作为通往具身大模型的数据获取方式是一条“死胡同”。
端到端与全栈的目的都是缩短 AI 闭环，而不是把所有零件包揽下来。 团队自研数据采集、核心执行，并努力缩小采集与执行之间的 gap，同时外购 camera、芯片、电机和 gear；组织原则是“数据才是源代码，模型只是编译出来的结果”，因此采集、训练、部署和问题回流必须紧耦合。
人类数据不会把机器人永久锁在人类能力上限。 模仿学习先让“老师”提供解题步骤，强化学习再把老师变成只判断对错的裁判，学生由此可能超过老师；最有价值的示范甚至不是标准动作，而是贴边、试探、重试等“最不经意的小动作”。
视觉和触觉是陈一轮认定的两种必要模态，触觉决定任务能否越过最后一厘米。 自动驾驶是非接触系统，机器人却是接触系统，失败往往发生在最后一个厘米；可用传感器必须“丰富且准确”，当前重点是指尖或掌尖触觉传感器。
线束不是展示效果最强的场景，却是团队选定的首个 million-scale application。 柔软、精密的操作能产生大量真实数据，也同时接受节拍、可靠性和质量的工业检验；团队已做了约 14 个月，截至当时已开始小批量产业化，陈一轮判断再给约 14 个月可“彻底解决”。
陈一轮判断中国会赢得具身智能竞争，核心不是单项模型领先，而是拥有更完整的数据—场景—硬件—AI 链路。 美国强在算力、AI 人才和创业环境，却缺少部分工业场景及采集系统；美国团队可能寄希望于 YouTube 数据，但启动飞轮的捷径仍是“真实有效的数据”。
关于 AGI，陈一轮认为 Physical AI 要改变现实世界，就必须通过 sensing 和 action 与世界交互；没有身体便无法获得这种交互。 coding 率先跃迁，是因为 sandbox 允许交互、验证和海量试错。主持人据此将 AGI 总结为可能一定要靠 action、拥有身体，而陈一轮的终局表达是：“Action Is All You Need。”

精读

1. 机器人必须从碎片化收敛为通用平台，才会成为大赛道

陈一轮从十年自动驾驶赛道回到清华任教两年，再重新创业。这段停顿要回答的不是模型是否进步，而是机器人究竟仍是大量专用设备，还是已经出现通用化的技术与商业路径。
他的判断在 2022 年出现迹象，创业条件随后逐渐清晰。2025 年 2 月 5 日，他与合伙人创办公司，希望把具身智能带入日常工作和生活，并使其成为比自动驾驶“大一个数量级”的赛道。
这段经历也改变了他对创新的理解：不是先憋出“特别了不起的方法”才得到结果，而是足够重要的结果倒逼团队不断寻找引理、修正路径。“它是一个探索的过程”，需要“以终为始”，而非押注一次技术大招。

2. 数据分布决定模型架构，泡沫来自“方法热、出口冷”

陈一轮对产业界与学校的对照很直接：企业里，数据规模和分布的断档会造成产品“断代式的领先”，同一代数据下网络结构差异未必重要；学校则倾向拉齐数据，用统一基准比较方法差异。“数据的分布、数据的类型决定了网络的架构。”
他没有否认具身智能存在泡沫，但把原因归于目标缺失：资源集中在方法、供给和技术，却较少追问“解决什么问题、创造什么价值”。行业水平线每年都明显抬升，甚至一年进步超过此前总和，但人才与资金不断涌入，真实商业出口仍窄。

3. 自动驾驶可以逐步转向 AI，通用机器人必须生而 AI-native

陈一轮认为，两者从 AI 视角看“一模一样”，差别在于自动驾驶曾可用非 AI 方式推进：问题可以在相对封闭的人、车、路、灯世界中建模；真正迫使它转向 AI 的，是人车混行带来的动态、不确定和相互影响。
主持人的追问是，机器人环境更开放、更复杂，是否只是自动驾驶的延伸。陈一轮的回答更强：通用机器人没有“AI 没有 ready 也可以先上”的 blessing，因此不能重走 rule-based 到 AI 的渐进路线，起点就必须采用 AI-native 的方法。
这也意味着过去 perception、planning、action 各自分部的组织不会简单重现。问题需要端到端定义，再由数据滋养、部署反馈和失败样本持续闭环。

4. 一千万小时是基础模型门槛，遥操作只能喂垂直小模型

陈一轮用自动驾驶反推数据量：一套系统达到产品级 release，约需一百万小时经过精心压缩的优质数据；若具身模型能力复杂至少十倍，基础模型就可能需要一千万小时精华数据。主持人提醒，当前头部公司也大多只有几十万小时。
他仍认为一千万小时“可能是够的”：从一千万增加到一亿仍会提升，但边际效应开始递减，最大 scaling 因素会转入“第二重 scaling 曲线”，而不再只是堆数据。
遥操作的优点是数据真实、能够 work，缺点则是采集慢、成本高，且无法渗透足够多场景。陈一轮因此把它定位为垂直任务的小模型方案；若目标是真正的具身大模型，这种数据获取方式“永远没有办法发生”，是一条“死胡同”。
可扩展路径是记录人类原本就在进行的工作与生活：如同互联网天然积累文本、人类每天开车天然产生驾驶数据，机器人也应做到“你工作、你生活，我记录你”，前提是采集系统足够友好。

5. 人类示范给先验，action 才是物理世界的预测对象

对“人类数据会否锁死机器人上限”的质疑，陈一轮区分了两个阶段：模仿学习要求学生照抄老师的解题步骤，先迅速缩短能力差距；强化学习则把老师降为判断对错和边界的裁判，此时学生“完全有希望超过老师”。
他把当前机器人类比为早期大语言模型：“还没有形成一个物种”，但已经显示强学习能力。AI 的成长也并非先通识后专业，而是先在单点迅速专业化，再扩展为多点专业化，最后抬高共同水平面，让能力彼此连接。
机器人领域的“next token”不必是离散 token。语言模型把 context 和文本视作状态，通过 next-token prediction 推演下一状态，再以编译或 test 作为 reward；Physical AI 的数据虽是连续的 sensor/action，本质仍是 state—action—reward，即“世界怎样被 action 改变”。
World Model 在他看来是中立且古老的词，关键在于里面装了什么。团队创业前曾把公司起名为 AI World Engine，因为预判两年后 World Model 会“被用烂”；方法是用来解决问题的，最终都会变成 baseline。

6. “最不经意的小动作”浓缩了人类已经练熟的技巧

陈一轮举钥匙插孔为例：人不会像传统机器人那样精确对准后直线插入，而是随手放过去、贴边寻找，不行再试。这些试探动作能显著提升最终任务的鲁棒性，也具有很高的学习价值。
他的解释是“小脑反应”：动作刚学时并不存在，足够熟练后才形成大量微小、无意识的调整；采集这些动作，相当于蒸馏人类已经消化过的技巧。“我们最不经意的小动作是最宝贵的。”

7. 全栈的边界不是全部自研，而是控制 AI 闭环

陈一轮把行业早期最重要的能力定义为高速迭代。数据采集、传感、训练、执行和反馈像一串被 AI 环线穿起的珠子；关键珠子若在外部，迭代中就会不断遇到阻力，而尚未标准化的部分通常也正是价值所在。
团队因此掌握数据采集方式、手套等 AI 输入端，以及最核心的执行端，以缩小采集动作与机器人执行间的 gap；但 camera、芯片、结构件、电机和 gear 不自制，关节则由团队设计。标准化环节仍可交给产业合作伙伴。
陈一轮用软件工程作类比：“数据才是源代码，模型只是编译出来的结果。”AI 工程师首先应操心数据，整个团队建设的其实是一套大型“编译系统”，而非把模型训练当成一个孤立部门。
他回忆自己管理过约 1,500 人的自动驾驶团队，其中 perception 约 200 人、planning 约 300 人。传统软件靠人与组织传递、拆分问题，人数增长后会触及上限；AI 则是“自动化的问题传播和消减机制”，让小团队有机会完成大系统。

8. 触觉决定最后一厘米，视觉之外还必须有接触感知

陈一轮认定必要模态只有两个：视觉与触觉。他是“触觉的坚定拥护者”，理由是自动驾驶属于非接触系统，机器人却是接触系统；任务往往不是在远处失败，而是在最后一个厘米失败。
他用两个世界模型解释视触融合：一个是正常世界的世界模型，另一个是盲人依靠触觉形成的世界模型；盲人同样能判断物体是圆的还是尖锐的，两类表征最终汇聚到同一个额叶。
好传感器的标准是“丰富且准确”。他以毫米波雷达“稀疏且有噪声”作为反例，也承认触觉路线尚未达到理想状态；目前明确投入的是指尖或掌尖传感器，并称触觉传感器“本质上还是视觉传感器”。

9. 线束是百万级应用场景，苛刻工业指标是必经之路

陈一轮把 Physical AGI 比作哥德巴赫猜想：终点可以形成共识，真正拉开差距的是每家公司选择什么引理走到终点。团队不愿再服务零散需求，而要从具体但至少百万量级的“million-scale application”切入。
团队识别了约三个此类场景，其规模参照中国约两百万辆 Robotaxi 的市场；线束最适合作为“第一个开胃菜”，另两个场景尚未公开。它对普通观众不够 sexy，却是用户眼中长期头痛、困难且高价值的问题。
线束涉及大量柔软、精密操作，制造现场既能迅速产生大量数据，又提供相对 in-house 的环境；代价是必须同时满足严格节拍、可靠性和质量要求。陈一轮不把这些约束视为绕路，而称其为机器人走向真实应用的必经阶段。
团队从去年到今年已投入约 14 个月，并开始小批量产业化。陈一轮的明确判断是：“再给我大概 14 个月，这个问题就可以得到彻底解决。”前提是方法论正确。

10. 中国的胜负手是真实数据飞轮，AGI 的终局则是身体与 action

陈一轮认为中美处于错位竞争：美国在具身领域尚未产生可供中国跟随的标杆工作，因此国内呈现百花齐放；美国强在算力、AI 人才和宽容的创业环境，中国则在场景、传感采集、硬件和产业链各环节更活跃。
具身 AI 环路比语言模型更长，美国还存在部分工业场景与采集系统的“结构性缺失”。他因此判断“还是中国队会赢”：美国团队可能寄希望于 YouTube 数据或其他数据，但真正启动 AI 飞轮的捷径，往往仍是“真实有效的数据”。
主持人以可能在 2016 年形成的、对 2020 年自动驾驶的乐观预测，质疑 2030 年会否成为机器人的又一个“magic number”。陈一轮先反驳自动驾驶并非没有落地，再指出机器人若未满地跑，原因会在商业出口和问题是否真正解决，而非未来五年技术停止快速迭代。
对 AGI，陈一轮观察到 Dario、Ilya 更常谈 Super Intelligence 而非 General：AI 会先在高影响力单点超过人类，再连接成整体，像“a country of genius in data center”。但数字模型改变的是 text 或 token，Physical AI 要改变 world state，输入输出必然是 sensing/action。
coding 成为“开胃菜”，正因为 sandbox 允许交互、验证和大规模试错。陈一轮认为，现实智能也必须通过身体获得同类闭环；没有身体就无法获得世界交互，也无法在 AI 下半场持续产生数据。主持人据此总结 AGI 可能一定要靠 action、拥有身体，而陈一轮的终局表达是：“Action Is All You Need。”

SpaceX启动史上最大规模IPO｜OpenAI提交上市申请｜Uber裁撤23% HR 168: 对话王新宇：美团龙珠怎么投科技？