77.有关智元、觅蜂的愿景与野心，和具身智能的竞速之旅｜与姚卯青的对谈

摘要

• 姚卯青给具身智能的进度定位是“连GPT-1都没到”——今天全行业真机数据的量级，比真正基模所需差四到五个数量级。 大部分惊艳Demo靠后训练即可做出、与基模无关；他判断真正的涌现需要一亿小时数据，“等到我们有一亿小时数据的时候，我认为这个前夜就来临了”。按路线图，十亿小时级别数据预计在2027—2028年达到；主持人判断明年达到一亿小时有希望。
• 智元的营收曲线是“每次都是加两个零”：2023年只卖一台样机约30万，2024年6000万，2025年已超10亿。 对应量产元年、商用元年、2026部署元年，支撑邓总“三五八战略”（三/五/八年对应十亿/百亿/千亿营收）。精灵系列被确认是现金奶牛、较快实现ROI的产品，但新品先发护城河只有“一年左右”。
• 蜜蜂的剥离源于与红杉的一顿饭：对标Scale AI，但具身数据需要进入物理场景、管人、投设备，门槛和复杂度更高。 2026年规划千万小时产能，等效约一万人按正常工作强度干一年；若达成，姚称其“绝对领先”。真机数据价格约500—1000元/小时，百万小时约10亿元人民币。
• 数据军备竞赛的本质“不是谁拥有多少量，而是谁在多快的速度内拥有多少量”。 年初AgiBot World的百万条、三千多小时数据已是最大规模真机数据集；到2025年底，Generalist称拥有20万小时数据，但姚判断应主要是无本体数据。英伟达GR00T N1的技术报告显示，其使用的真机数据中80%来自AgiBot World。他转述Generalist与Google DeepMind技术人员的共识：若数据是唯一决胜变量，中国公司现在就可以宣布自己一定是赢家。
• 反共识判断：车不是“最简单的机器人”，把车归为具身智能“有点牵强”。 车永远安全第一，高速场景下100—200毫秒级反应和大模型的推理速度、概率性错误都构成限制；机器人低速、可人工兜底，反而有机会部署VLA、世界模型等前沿模型。但要落地成功，“没有人比做过自动驾驶的人更有机会”：量产硬件、数据闭环、供应链和质量体系都是智驾从业者的优势。
• 商业化认知的一年之变：机器人抢场景要“沉下心、撸起袖子，甚至跪得下来”，因为“工业不相信故事，也不相信眼泪，相信的就是ROI”。 智元称已在龙旗南昌工厂3C主产线稳定运行一个月后进行全天直播，完成2300多次任务、100%成功、0失误；姚称特斯拉和Figure尚未做过类似活动。
• 融资与竞争哲学：邓总说“我们想要钱随时都可以融，但没必要”，智元给投资人的股权可能还不到一半，强调克制稀释、把股权留给团队。 姚引用余凯的护城河观：不是绝顶聪明的算法，而是工程问题日积月累形成完整体系；“聪明可能只占10%，剩下90%是完整体系的能力”，“大家可以去做聪明人，我们来做好老实人”。
• 技术路线判断：VLA和世界模型“终局来看可能都不是最终形态”，未来更可能是上下游分层配合。 语言高度压缩但有损，世界模型更能捕捉液体流动、玻璃破碎等物理规律；两三年后，机器人真实场景回流数据可能成为主要增量来源，推算依据是GPT-3时代的历史类比以及对scaling law普适性的判断。

精读

1. 开场定调：具身智能连GPT-1都没到，缺的是一亿小时燃料

• 全片最尖锐的进度校准来自姚卯青对投资人期待的直接拆台：诗婕转述“投资人很关心，希望你们已经到二了，求求你们了，最好到三吧”，姚的回答是“其实一都没到呢，我认为一都没到”——他认为具身智能还没到GPT-1，真正的决定性时刻可能要到GPT-3。
• 瓶颈不在算法：“我不认为算法会成为绝对瓶颈或限制条件，但数据一定是最大问题。”今天的具身“远未到涌现，所有的都是在做从视觉到动作的肌肉映射”，还没有“智能似乎有觉醒”的感觉。
• 时间表：“前夜的前夜，等到我们有一亿小时数据的时候，我认为这个前夜就来临了”——这句被剪进片头，是整期的核心命题。这里的一亿小时是他认为涌现前夜可能到来的门槛；路线图中十亿小时级别数据则预计在2027—2028年达到。

2. 姚卯青自画像：“儒雅”之外要有狼性，本质是顺势而为的人间清醒

• 被问性格，姚先解构了“儒雅”这个标签：作为创业公司的经营管理者，儒雅是一方面，同时还需要很多狼性的地方。
• 自我定义是“人间清醒”：做规划、看技术与商业方向“不会盲目跟随热点，更多还是会去看其中的商业本质”；职业轨迹（Waymo→蔚来→智元）不是规划出来的——“伟大不可被规划”，是“顺着技术的浪潮去不断让自己成为浪潮的相关者”。

3. 清华电子系：具身创业的隐形母校与“明星天团”

• 清华的烙印是校训“行胜于言”——务实低调、默默耕耘。姚认为清华电子系应该也差不多是入学门槛最高的专业；他高考成绩不错，但在清华属于第二梯队，第一梯队是保送生，奥赛金牌生很多。
• 电子系课业重、涉猎广（模拟/数字电路、集成电路、编程、通信、信号处理、机器视觉、光学、微波），“锻炼的是一种系统能力”，也练出扛压能力——“魔鬼式的大三”。
• 一场上海电子系专委会年会成了具身群英谱：陈一伦（智航）、王潜（自变量）、丁文博（清华深研院），未到场的还有王鹤（银河通用）、高继扬（星海图）、“雪花酒哥”、江哲源（松延动力）、申宇君等。校友关系好，但“处于一个竞争非常激烈的行业，公司和公司之间肯定也在充分竞争”，“赛场上见”。

4. USC与硅谷：学界必须和工业界链接

• USC给他的最大冲击是实践导向——很多老师从工业界引入，而不是长期在学校教书；他提到包括李飞飞在内的观点：学校资源太有限，跟工业界没法比，AI时代又是拼算力、拼资源的时代。
• 他也看到了美国学术生态和顶尖学者的号召力。南加大最有名的专业是电影学院，学校整体财力较强，在基础设施和师资上较靠前。
• 毕业去硅谷是就业的自然选择；有趣的自嘲是“用现在的话说，我们这批人已经算‘中登’了”——2014年毕业时深度学习刚兴起，他博士读的还是偏半导体物理。

5. Google广告组：2017年Transformer诞生当年就上了广告业务

• 在Google广告团队第一次接触AI应用：Display Ads的推送匹配用上了ResNet、GoogLeNet等当时刚出现的视觉算法。
• 关键细节：Transformer于2017年在Google诞生，论文是《Attention Is All You Need》；同年他们就在广告语自动生成中用上了基于Transformer、当时仍被称为机器翻译的一套框架，做广告标题生成。大规模投放不可能靠人海天天写广告词。
• 转向的动机很直接：只把技术用在广告上“好像还不够硬核”，他在内部寻找既使用前沿AI、又真正研究底层技术的团队。2017—2018年自动驾驶是最火的AI赛道，像今天的具身智能一样，TaaS（Transportation as a Service）带来了很大想象空间。

6. Waymo三年：全球最难进的团队，见证从Demo到rider-only

• 进Waymo比进Google难得多：彼时Waymo已从Google X独立为Alphabet旗下、与Google平级的姊妹公司，“大概要经历七八轮面试”，一上来就是三轮现场LeetCode最难题，即使Google内部转岗也要严格筛选。
• 清华的隐性优势：他想进的Perception感知团队里，几位主要负责人都是清华师姐，其中两位比他大四届、都是斯坦福博士。“校友和校友之间多了一层信任，也多了一层亲切感。”
• 三年多见证了Waymo从技术Demo到rider-only商业化：前排没有安全员，车内只有乘客；但当时仅限于亚利桑那州菲尼克斯下属的钱德勒区域，类似于在上海的嘉定、青浦做运营。

7. 回国与转向L2：L4的重运营，连红绿灯都要人肉标注

• 回国是家庭与时代叠加的选择：他和爱人都是江浙沪独生子女；2021年底到2022年初，国内新能源产业“如日中天”，自动驾驶是新能源车与燃油车、传统合资品牌做区分的硬核标签。
• 他给L4之慢的最生动注脚是高精地图：每个红绿灯有几个灯泡、颜色、横竖方向、圆形还是左转/右转/掉头箭头，以及三维位置，都要精确标注。美国基础设施变化相对少，而中国随时可能修路、换灯，需要派人实时扫图，重资产车队和建图运营使L4拓城很慢。
• 对比之下，L2“只要车卖出去了就可以拓展客户”，是更快进入商业化的产品形态——这是他从纯L4 Robotaxi转向乘用车L2/L3研发的核心逻辑。

8. 为什么是蔚来：一个平台全系标配，和李斌拍板的“额头”

• 打动他的是产品定义的体系化：蔚来当时强调只做NT 2.0一个平台，激光雷达、4K摄像头、四颗Orin等硬件全系标配。“就像买iPhone”，不同尺寸不意味着系统和App被适配、阉割；对技术团队而言，多平台适配会让每个平台都难以做到极致。
• 李斌为激光雷达“额头”造型拍板的话被他复述至今：“你们过去设计了那么多款车，真的有人记住过你们的设计吗？今天做成这样，也许流芳百世，也许遗臭万年，但肯定有人记住你了。”如今行业普遍开始采用车顶激光雷达，甚至有人给低配车粘假雷达——“你要去做第一个人，去做引领者。”

9. 在蔚来做成的事：BEV、通用障碍物检测、较早上车的端到端AEB

• 蔚来是全球较早、姚称“第一个”把激光雷达量产上车的公司，采用图达通激光雷达；这延续了他在Waymo的激光雷达主导路线——L4对安全冗余要求高，纯视觉达不到要求。
• 落地清单包括激光雷达感知系统、视觉与激光雷达融合、2021—2022年后流行的BEV算法，以及基于激光雷达和Occupancy Network的通用障碍物检测。基于端到端神经网络的AEB也是他们在2023年较早实现全行业上车应用的功能，上车后AEB体验提升了很多。
• 量产带来的认知升级是数据飞轮的规模差：Waymo几百辆车已是当时最大的车队，但NT2.0、NT3.0平台保有量超过100万辆，车辆每天遇到的corner case“是原来Robotaxi车队无法想象的”。研发可向全量车辆下发触发器，遇到特定场景自动切片回传。

10. 量产的本质：交付导向、多分支版本管控，Google的trunk模式学不来

• Robotaxi公司更偏研发导向，“通俗讲就是没有明确的deadline”；量产必须交付导向：需求收集、评审锁定、方案锁定、系统研发，再经过仿真、场地、公开道路和影子模式测试，节奏还必须跟整车软件发版，最多因安全Bug放宽一周或上线hotfix。
• 多版本并线研发的分支管理是一套复杂体系：代码有主线和分支，多个版本并行时要处理共性功能、Bug修复及分支合并。
• 对比Google“全公司十几万人只有一个版本、一个代码库”的trunk模式——那依赖强大的基础设施和测试门禁系统，背后有几万人做基础设施。实际落地节奏快的团队一定会面临多分支、多版本管理。
• 迁移到机器人：机器人生命周期可能比车更长，OTA让它“越用越聪明”——数据飞轮回流后不断升级，这套全产品生命周期管理能力“还是蛮稀缺的”。

11. 自动驾驶派的优势：采购不是上淘宝买件

• 机器人不像3C消费电子，更像车这一类强电系统：涉及传感器、动力、能源、智能化和控制，底层软硬件工程体系相通，供应链和生产制造体系也高度复用，很多机器人零部件来自新能源车供应链。
• 主持人提到的美国同行名称在原文中带有“应该是Sunday”的不确定性。姚描述的教训是：有团队最初以为在淘宝或亚马逊买摄像头、电线就能组装量产，后来才发现“有一个概念叫采购”。采购要经历SOR提指标、审厂、质量与技术能力评估、多家比价，以及A供、B供、必要时C供保供。
• 美国媒体所称的第一批车库机器人创业公司倒闭，姚归因于它们缺乏量产概念。“我们更多是day one就做好了打硬仗的准备”——过去几个月最难的就是拉供应链。

12. 反共识：车不是“最简单的机器人”，机器人有机会部署大模型

• 姚的原话是：“自动驾驶和车厂的人会说车也是一种具身智能，我觉得这个有点牵强。”分野在场景要求：车安全永远第一，“任何万分之一的闪失都是无法挽回的生命之痛”；端侧大模型推理速度有限，深度学习算法又具有概率性，都会出现判断错误。因此，BEV、世界模型和各种自动驾驶大模型不可能代表车上完整运行的全部系统，底层仍需要规则、小模型和高速实时系统。
• 机器人的容错空间不同：工厂任务失败造成经济损失，可以通过人工接管兜底；“但车不能说发生事故之后让时光倒流，然后人在那个时候踩刹车”。
• 速度维度也不同：高速上一百多公里每小时，人的反应极限可能在100—200毫秒；机器人多在低速抓放场景，不会因一瞬间出错就造成不可挽回的后果。这支撑了机器人部署VLA、世界模型等前沿模型的可能性，但它们不能直接作为自动驾驶整车系统。
• 对小米访谈中“车教机器人、机器人教车”的架构打通趋势，他态度保留：“没有那么深度的融合”。定位、导航、PNC等成熟技术可直接复用，但电子电气架构、操作系统、中间件和数据链路之上的具体算法仍很不一样：机器人今天以端到端模型为主，自动驾驶则一定不是纯端到端。

13. “基模”是伪概念：Demo靠后训练，真机数据差四到五个数量级

• 他先拆穿行业话术：基模含金量高，投资人听到会兴奋，于是很多具身公司给自己贴“具身智能基模”标签。但“我的基模很好，所以今天我的Demo很好”是偷换概念；大部分Demo通过后训练即可做出，即使没有基模，从零为某个Demo采集数据、做后训练，也能做得很好。
• 量级判断被诗婕追问校准：不是差四分之一，而是“差四到五个零”，即万分之一到十万分之一。类比是2017年Transformer刚出现、2018年BERT参数刚过亿时就谈基模，大家不会理解；等到万亿参数、百万亿规模训练语料时，基模概念才更成立，因为基模伴随涌现。
• 数据问题也不只是量：连“一个成年人，甚至四岁小朋友在真实世界里的自主能力需要哪些信息”都没有完全确定。他反驳“视觉就够了”的看法：即使短暂失去听觉一天，很多事情也做不好，更不用说触觉、温度感知和力觉反馈。信息维度、数据量和场景种类，才是从肌肉映射走向智能觉醒的核心燃料。

14. 学术派与工程派：一个想终局，一个把Paper变成产品

• 学术派的使命是做工业界还没有想到的事情。如果已有明确Benchmark可刷榜，学术界的价值就不在于用奇技淫巧争夺毫厘差异，而在于从0到1的原创和架构突破。
• 他认为今天的架构还不能支撑机器人像人一样工作。人可能不止双系统或快慢系统，机器人也可能需要多层架构：底层是面向电机、最高达到1000Hz的通信控制；中间是10—20Hz的VLA系统，负责路径和轨迹规划；再往上是1—2Hz的世界模型或视觉动作模型，做阶段性目标规划；更上层还需要类似“OpenClaw”的大脑，进行长程、动态环境中的推理和规划。
• 别小看进家庭：“保姆每天动脑子可能比动手更费力”。按下电梯按钮后判断哪部电梯会先来，本身就是复杂推理。
• 工程派的价值是把想法做成产品级：性能指标、资源分配、功能安全，以及现实部署中的各种琐碎痛点和Bug，而不是发一篇Paper、做几个Demo、挂到GitHub上就结束。

15. 最稀缺的人才：修过Bug、跟人吵过架的人

• 他引用OpenAI基础设施工程师温家怡的观点：“培养一个工程师做学术比较容易，但培养一个纯做研究的人做工程师，要经历的门槛和历练更多。”
• 落到判断标准：真正稀缺的人才不是发了多少顶会论文、刷了多少Benchmark的人，而是把东西应用落地时自己上手过、修过很多Bug、跟团队吵过很多架的人。智元内部刷榜、发论文的工程师，也都经历过和硬件、软件及其他团队一起修完整链路的过程。
• 他描述一些DeepMind、PI团队早期可能存在的假设：有最好的算法，再接上一台完美机器人，就能出现智能机器人。“其实不存在。”基础设施、硬件、软件、算法必须一起打磨，这也是他认为自动驾驶派机会较大的原因。

16. 加入智元：一段被中止的端到端创业，和红杉的牵线

• 2023—2024年他曾尝试做端到端智驾创业，得到老东家、红杉等投资人的支持；但复盘时点很清醒：智驾从2016年前后发展到当时已七八年，什么商业模式能跑通、什么技术能落地，投资人已经看得七七八八，惨痛教训也很多，大家没有那么FOMO和兴奋。
• 与此同时，具身第一批公司刚成立，很多投资人劝他去看看。红杉当时在为智元引进人才，直接联系到了他。
• 打动他的是人与人之间的chemistry以及资源决断：邓总“非常想清楚要all in做AI”，把智元定位成AI公司，而不是单纯的人形机器人公司；人形机器人是把AI带进物理世界所需的载体。聊了没多久，邓总就果断给出了启动资源，姚认为这在2024年早期的具身行业已经是很大的投入。

17. 邓总画像：低调、克制融资、股权留给团队

• 邓总的风格与行业惯例相反：很多AI创业者喜欢站在台前向媒体和投资人表达观点，邓总更低调，把精力放在公司内部规划和管理。
• 智元很长时间没有公布新融资规模，是因为“融资不是创业的最终目的”，只是实现目标所需的里程碑或工具。姚称，给到投资人的股权可能还不到一半，这体现了克制的融资节奏，希望更多股权留给团队和员工。
• 被问是否是华为风格，他回答“应该可能是”，并概括为全员分享价值创造。
• 邓总在生态伙伴大会上的名场面是：“我们想要钱随时都可以融，但没必要。”姚补充，智元有时会委婉回避投资人的投资需求，避免在不必要的阶段过多稀释股份。

18. 资本热潮的另一面：全行业通货膨胀，硅谷房价的类比

• 作为较早创业、跑得较快的公司，热潮反而带来挑战：人才、供应链、产品定价、客户和市场资源的溢价都上升，短期内大量玩家涌入。即使员工选择智元，也可能拿到其他公司的高额Offer，智元必须做出相应动作。
• 他的类比是：硅谷房价、物价上涨，与美国股市泡沫和高薪人群集中有关；同理，机器人行业越火，人才和物料竞争越激烈，本质上形成行业通胀。
• 全员股权激励的提前布局，成为抵御市场攻势、留住员工的因素。
• 对百亿俱乐部扩容的评价较克制：这一波估值涨得特别快，并不是所有百亿公司都处于同一水平线；但他相信这些公司都是优秀团队，未来可以在细分赛道发展。

19. 怎么评估一家具身公司：投入、管理、供应链质量体系

• 第一看硬核投入：“团队、算力、算法、数据，这几个是绕不过的。”如果融了很多钱却把钱放在账上理财，“就差点意思”。
• 第二看管理成熟度：组织架构是否清晰，研发、产品和交付如何协同，目标设立、绩效管理和绩效牵引是否形成机制。
• 第三看供应链、生产制造和质量体系。具身智能首先是复杂、高价值的硬件产品，必须安全、稳定并具备一致性；否则只能做几台实验室样机。
• 姚提到，过去参与数据采集场、训练场建设时，很多客户反馈买了多家硬件，最后真正能用起来的只有智元一家，有些设备从开机就没调通，但原文只表述为部分客户反馈，并未概括成普遍现象。
• 金句收束：“具身智能，首先得‘具身’。没有具身，智能只能存在于论文里。”

20. 具身不会重走自动驾驶十年：两三年压缩完，靠聚焦场景

• 判断已经修正：过去他认为具身要像新能源和自动驾驶一样经历至少五六年、长则八九年；现在看，可能两三年就会走完那些行业经历的长周期。原因包括大模型带来的技术加速、跨行业老兵少走弯路、更大的产业空间，以及国家战略布局带来的资本和人才涌入。
• 自动驾驶的教训是先在细分领域闭环，如物流配送小车、L2/L3辅助驾驶；全域L4不存在。机器人也不能没有明确ODD就喊长期很难实现的家庭等场景，否则很快会被证伪。
• 工厂是循序渐进的起点：“你可以说进工厂不是最难的，但至少先得证明你能做出A，再从A点1、A点2、A点3慢慢走到B。”没有技术会突然从天外飞来，一夜之间把人带到另一个阶段。

21. 智元三大业务：干活、硅基明星、前沿探索，“情绪价值也是一种生产力”

• 分工明确：姚的具身业务部主打轮式机器人，包括精灵G1、G2，以及将发布的G2 Air轻量款和G2 Max重载款，核心是“干活”、作业智能（manipulation）；王闯的通用业务部做全尺寸双足人形机器人，刚发布A3，定位“硅基明星”，用于讲解、接待、文娱表演和商业代言；志辉负责灵犀系列和X Lab创新组织，X2以及韦伯斯特空翻属于运动智能。
• 为什么需要台前工作？姚回答：“情绪价值也是一种生产力，这也是一个很大的市场。”
• 三种智能——交互、运动、作业——目前分别发展，最终要达到人的智能程度，三者还会充分融合。创新不局限于单一部门，每个业务部和产品线内部也有面向下一代技术的团队。

22. 群英汇聚会打架吗：BU制、自造血与加权系数

• 对“强人共存”的猜测，姚直接祛魅：大家喜欢八卦和脑补剧情，但只要分工和合作机制明确，每个人每天都忙不过来，就不会有想象中围绕利益的持续冲突。
• 三人每周有很多会议，彼此也会互相支持；广州地铁的安检引导、巡逻和咨询机器人，就会使用其他部门的交互技术和产品。管理秘诀是抓开头：管理层定期战略研讨，员工有OKR，先把目标和路径想清楚。
• 邓总推行BU制，每个BU都有产品、技术和商业化目标，预算按目标规模和挑战性分配，而不是只看收入。轮式机器人进入难度更高的工业场景，商业化成果会有加权系数。
• 精细化管理应该在顺利时做，因为那时成本和代价更低；这只是姚转述的一个管理判断，原文没有将其归于特定人物。

23. 智元系孵化潮：不是内斗，是市场化竞合

• 对“内部不和才独立”的传闻，姚回答“不至于”：智元资源不会成为瓶颈，只要目标清晰、事情有价值，就能获得相应资源。
• 子公司独立，一是为了更好服务全行业，二才是成为单一领域龙头。蜜蜂对智元也会正常做生意；如果其他客户更早提出需求，产能排队时按先来后到的市场化方式运作。
• 竞对会不会使用智元系服务？他的观察是，很多具身公司仍认可智元数据：有人参加比赛、使用开源数据，也会在数据服务推出后主动联系。原因一是行业关系尚可，二是各公司重复投入重资产采集过于吃力。
• 行业远未到零和博弈，竞合普遍存在。姚预计一两年或两三年后，头部团队都会需要上千万、上亿小时数据，到时只要能稳定提供高质量数据，就会照单全收。

24. 从闭源到开源：行业不够快，先把聪明脑袋请进来

• 诗婕提出矛盾：姚去年曾讲智元要走苹果式软硬件一体的闭源路线，如今却开源数据集、共建生态。姚解释：“资本很快，但技术和产品还不够快”，需要让更多聪明人加入，并提供好用的本体、数据和Benchmark。
• 对技术竞争的态度近乎宣言：“如果一家公司害怕技术竞争，那就先投降算了。”他相信自己会成为关键技术变革的核心参与者。
• 对“是不是因为别家也进百亿俱乐部、闭源不再work”的猜测，他否认：融资与企业真正成功没有必然关系，很多融资很多的公司也可能技术和产品迭代不匹配。
• 配套动作包括投入几个亿做产业生态基金，发展高校、应用开发和交付伙伴；比赛提供Baseline、平台和数据，最终有很多参赛者超过Baseline，其中一些明显优于智元，这些人是智元希望结交的对象。

25. “微波炉模式”：两个月量产一款机器人的奇迹

• 加入后很快进入“微波炉模式”、开始“红温”：2024年上半年，能把VLA真正部署到机器人并现场展示给投资人，行业内仍很少，智元用约一两个月做到了。
• 精灵一代从8月底萌生想法，到9月方案设计、供应链和代工定点、产线搭建、试制和批量生产，“真的只有两个多月”；行业正常至少九个月。他也承认其中有运气。
• 提速的两个抓手：选择成熟代工供应链，使人员可动态调配，并借用3C行业的质量、工艺、员工治理和信息安全体系；以及小团队的founder mode——二三十名软硬件、系统成员一起驻扎工厂，最终把第一批机器人做下线。
• 这种方式只适合0到1阶段。精灵T2从定义到生产爬坡经历了近九个月，到了上万台规模，必须靠完整项目管理和质量体系。

26. 找灵猴代工：供应商不相信故事，只相信ROI

• 2024年找供应商的现实是：投资人可以相信机器人长期故事，但供应商首先要解决订单和生存问题，不会因为“未来年产十万台”的大饼就提前投入。执行器、电机、减速器、电子件、相机、雷达和电池供应商都要看ROI。
• 到2025年下半年及2026年，情况发生变化，汽车和新能源供应链开始主动联系。
• 最终选定苏州灵猴机器人。姚提到其估值最近据说已达到50亿元；评估重点一是能力体系，二是是否真正相信智元会变得更好、愿意强力协作。灵猴在3C领域有服务头部客户的经验，质量、安全、信息和动态产能能力已有验证。
• 机器人订单峰谷效应比车更强：在某些时刻会把代工厂“拉爆”，十一、五一等时期需要加班、加人、加产线。因为To B市场不像乘用车那样稳定可预测，找对场景和客户后，需求可能突然出现。

27. 供不应求的现状：没有任何安全库存

• 当下状态是供应链仍受限制：“工厂生产完直接拉走，没有任何安全库存。”理想状态是月销一万台、保留两三千台库存应对动态需求，但目前做不到。
• 上游被拉得很痛：质量管理、培训赋能和产能都承受压力，甚至有供应商做到一半因过于疲惫而放弃。

28. 精灵为何火：工业级标杆、用工痛点，与只有一年的护城河

• 投资人对精灵系列评价很高，姚的解释是：它是行业里第一个工业级具身智能标杆作业平台，传感器、执行器和算力配置都达到较高水平。烦恼随之而来：友商开始做许多相似产品。
• 护城河量化得很诚实：“一年左右。”智元全职员工加共创员工接近2000人，完整走完IPD流程仍需九个月；其他团队如果同样按严格标准做，没有一年很难完成。
• 需求侧的底层逻辑是用工：中国招工越来越难，人口红利消退，年轻人不愿长期进入工厂。调研发现，许多工业岗位把人放在严格节拍和统一节奏中工作，像机器人一样运行；人口结构变化会让用工挑战继续加大。

29. 现金奶牛与价格战：B端定价逻辑与分级渠道体系

• 精灵被主持人称为现金奶牛、最快实现ROI的产品，姚回答“可以这么说”。定价逻辑清晰，因为它主要面向B端：进入工厂后与等效人员的薪资成本比较，只要在全生命周期内覆盖这部分成本，就能形成相应售价。
• 价格战方面，精灵基本没有参与，但其他细分赛道会局部受到影响，完全不受影响也不现实。
• 智元设置终端客户目录价、MSRP市场指导价，以及精英渠道、VIP渠道等分级价格体系；没有价格体系，市场容易失序。

30. 三五八战略：每年加两个零的野心是怎么算出来的

• 数字链条是：2023年只卖一台样机，可能30万元；2024年6000万元营收；2025年超过10亿元。量产元年对应几百台和几千万元，商用元年扩大到十亿级，2026年则定义为部署元年。姚概括为“每次都是加两个零”。
• 对初创公司提出三年10亿元营收、10万台出货的激进目标，他承认“敢想”，但认为目标来自对连续增长的复盘。核心变量是打开真实应用市场、进入场景并为客户产生闭环价值。
• 路径必须聚焦：在有限资源下，把资源ROI做到极致，瞄准与当前技术匹配、最愿意共创、最有规模化复制潜力的场景并打穿。
• “智元是最有野心的公司吗？”姚回答“可以称得上”：“要做就做最好，要做开拓者，而不是跟随者。”他认为机器人可能成为继手机、汽车之后的海量工业终端，也是物理AI和生产力入口。

31. Demo满天飞的时代：怎么判断真假

• 姚的自我告诫是：机器人是硬件，可以每天做Demo；但从业者要看清Demo是否解决了本质技术难点，还是仅为展示临时做出效果。
• 对叙事的警惕很直接：“不能像投资人一样相信那么多故事。”叙事者讲出来的往往是希望听众听到的内容，例如宣称发现scaling law、已经出现涌现，再配合Demo制造似是而非的印象。
• 可操作的检验法是“以终为始”：如果技术真的好到足以解决问题，一定有人愿意使用，甚至愿意付费。调研客户是否下单、效果离实用有多远，基本可以判断Demo的含金量。
• 但从Demo到量产至少需要九到十二个月，最终验证可能要等一年。

32. 一年认知之变：“跪得下来”才能进真场景

• 这一年最大的认知更新是：机器人要竞争场景，必须沉下心、撸起袖子，甚至“跪得下来”；工业不相信故事和眼泪，只相信ROI。这个比喻来自汽车行业供应商面对甲方时的高响应、压成本和严付款条件。
• 公司转型最难的一跃，是从以产品为中心转向以客户为中心。以产品为中心，是拿钱做Demo再融资；真正实现商业闭环，必须解决客户需求、提供价值。
• 客户并不特别在意你是人形、猴型还是狗型机器人，关心的是服务是否稳定、经济、可靠、快速。过去一些机器人“走进工厂拍了个片又走出来”，智元要解决的是“待在工厂别出来”，否则就会被退货。

33. 龙旗南昌24小时直播：主产线、全天、100%成功的三重含金量

• 姚称，上周二智元在江西南昌龙旗工厂联合新华社做了人形机器人在主产线全天直播生产。第一重含金量是“主产线”：不是实验区，不能成为上下游卡点，而且3C主产线节拍很高。
• 第二是“全天”：不是直播几分钟，而是此前已经稳定运行一个月，才敢进行全天直播。
• 第三是“全球直播”：敢邀请新华社进行现场直播，体现了对稳定性的信心。姚称全天完成2300多次任务，100%成功、0失误。
• 与去年8小时、相对可解耦的搬料箱上下料相比，这次进入最高节拍的3C主产线，要和工人协同并完成精密操作。姚称特斯拉、Figure等美国头部企业尚未做过类似活动，但没有断言他们一定做不到。

34. 场景争夺战：搬箱子正面PK，其余靠“双向奔赴”的共创

• 搬料箱是泛工业广谱需求，大家相对都能做，竞争只能回到产品、价格和服务：谁又好又便宜、服务又好，谁胜出。
• 姚称在个别客户现场，智元曾是唯一达到技术要求、完成动作节拍并达到成功率要求的团队；料箱变化后，还能在两小时内完成适配、重新上线，并保持100%成功，最终通过盖章验收。
• 进入真实产线不能靠拍脑袋：要在现场待几天，观察工作流程和用工痛点，再集成工厂MES系统，完成通信、联调和验证。机器人目前还没有“插上电就能用”的通用性。
• 早期愿意共创的客户，往往是能在产业变革初期看到未来价值的企业，会提前引入技术、先行先试。姚认为海外科技巨头也在积极探索将具身智能引入供应链和生产制造体系。

35. 智元的独特性：聪明人很多，我们做好老实人

• 对“行业不缺你能做、我也能做的人，缺的是独特性”的判断，姚认同叙事正在趋同。智元的答案是：“现在不缺聪明人，大家可以去做聪明人，我们来做好老实人。”
• 量化版本是：“聪明可能只占10%，剩下90%是完整体系的能力。”智元要先把这90%构建好，在技术打通和场景渗透阶段保持准备状态。
• 他引用地平线创始人余凯的观点：真正的护城河不是“人无我有”的绝顶算法，而是每天解决琐碎工程问题，在体系里一点点积累，最终让每一块砖构成完整城墙。
• 智元的体系完整包括公司治理、量产体系、人才梯队和技术布局。

36. VLA与世界模型：谱系、局限，与“都不是终局”的判断

• 世界模型“像大姨妈一样，隔一段时间就会来”：自动驾驶火了会来，游戏火了会来，具身智能火了也会来。本质是对物理规律和状态转移规律进行数字化、神经网络化描述。
• VLA是语言模型、多模态语言模型向具身领域的延伸。姚提到2023年上半年Google的PaLM-E：PaLM加Embodiment，把语言模型用于机器人动作后训练。
• 世界模型最近一轮受到关注，来自2023年前后Wayve的GAIA-1、特斯拉等工作，以及视频生成技术的发展。世界模型可捕捉液体流动、玻璃破碎、软物体形变等时空连续的物理细节。
• VLA的局限在于语言与动作之间存在表征鸿沟：语言高度抽象、信息密度高，一本小说几KB，拍成电影可能需要几十GB；语言是高度压缩但有损的表达。
• 终局判断带有明确保留：VLA更多从语言发展而来，世界模型更多在2D视频、第三人称视角中发展，而机器人处在三维物理世界、第一人称视角，二者都不是最终完全形态，未来可能成为上下游分层配合的架构。
• VLA仍然必须存在，因为机器人要理解开放指令，把指令映射成规划，再映射成移动、操作和交互行为，这需要语言体系中的逻辑推理空间。

37. GO-2、榜单第一，与已经自动化的数据闭环

• 智元的价值观是“追求卓越，要做就做到行业领先”。姚称最近更新的GO-2模型引入动作思维链、异步执行等机制，在LIBERO-Plus、Genie Sim 3.0等榜单上达到第一名水平。
• 自动驾驶影子模式的触发器已经部署到机器人：龙旗工厂精密上下料若长时间无法成功放置，规则和监控模型会自动触发数据回流，再分析是软硬件问题，还是产线位置、光线等变化导致算法鲁棒性和泛化性不足，补充数据训练后以新软件版本下发。
• 研发迭代的抓手不是刷榜或Demo，而是围绕真实场景验证、打磨和迭代整套系统，让飞轮每一环都参与进来。具身业务部近500人覆盖硬件本体、质量测试、端上与云平台软件、算法和数据等工作。

38. 两三年质变的推算：GPT-3镜像与回流数据成为主流

• 数据来源有阶段性：当前是启动阶段，仿真、真机、人类穿戴式和以人为中心的数据都尽量吸收；进入真实部署增量阶段后，机器人回流数据会成为主要增量来源。姚判断可能在两三年之后。
• 推算逻辑是历史类比：如果今天相当于Transformer和BERT的早期阶段，发展到GPT-3大约需要三年。姚同时认为scaling law在其他AI范式下也应该适用。
• 诗婕指出其中的差异：语言模型到GPT-3才让外界看到方向成立，而具身智能尚未到GPT-1，行业已经开始扎堆进入。

39. 蜜蜂缘起：一顿饭、Scale AI，和更高门槛的物理AI数据

• 起点来自投资人红杉：饭局上对标Scale AI。姚称Scale AI最后一轮融资估值可能已达200多亿美元，后来被Meta变相收编，Alex Wang也加入Meta。
• Scale AI主要做数字世界的数据标注：互联网视频、图片和自动驾驶数据较容易获得；标注员有电脑、经过一天培训即可开始工作，核心竞争力更多是人力运营。
• 具身数据则要进入物理场景，先解决超市、酒店、工厂能否进入的问题；还要雇人、管人，投入机器人、摄像头、夹爪和穿戴式设备等固定资产，并承担大规模视频存储、处理和算力成本。因此姚认为，具身数据的复杂度和门槛应该催生一家价值更高的平台。
• 底气来自存量：智元已经做了一年数据，AgiBot World在行业中有较强影响力。英伟达GR00T N1的Tech Report显示，其使用的真机数据中80%来自AgiBot World；发布时还只使用了其中一部分数据。论文通常会列出数据来源和占比，因此可以判断使用情况。

40. 中美数据市场对比：美国不卷，中国跑不出Scale AI

• 姚描述的市场结构是：美国很多行业通常只有老大、老二，老三可能不存在；中国一个产业火起来就会涌入上百家。中国数据标注业务量大，却没有跑出Scale AI式头部企业，原因在于竞争容易落到价格：上海做、西部做，成年人做、在校生和中专生做，持续压成本。
• 在技术门槛不高时，大家会认为“你能干，我为什么不能干”。具身数据所需的场景、人力、设备和算力门槛，可能改变这一格局。
• Scale AI的闭环是：在数据业务中积累数据，训练自己的模型，再用模型做预标注和自动化标注，提高数据服务效率。姚认为这具有参考意义。
• 对“明修栈道、暗度陈仓”的质疑，他承认这会带来竞争优势，但认为技术本身没有太多秘密，最终比拼的是数据管线、配比、质量以及全栈体系。行业最终可能需要公共性质的一站式数据服务平台，而不是每家公司重复投入。

41. 数据军备竞赛：比的是速度，不是存量

• 竞赛已开打：年初AgiBot World发布时，百万条数据、三千多小时已是最大规模真机数据集；2025年底，Generalist称拥有20万小时数据，姚判断其应主要是无本体数据；Sunday也被主持人提到过其数据布局，但原文对名称带有不确定性。
• 姚认为今年会进入数据军备竞赛年：大家会向百万、几百万、上千万小时开卷。不如亲自下场，否则可能落后。
• 核心公式是：“不是一个谁拥有多少量的问题，而是谁在多快的速度内拥有多少量的问题。”如果花两三年构建别人两三年前的数据规模，数据即使属于自己，也可能已经落后两个数量级。
• 客户的口径印证急迫性：“as many as possible, as soon as possible”。价格可能随着数据规模上升而下降，但对大厂而言，百万小时、约10亿元人民币的采购额仍不是特别大的数字。
• 姚转述Generalist与Google DeepMind技术人员的共识：如果数据是唯一决定胜负的变量，中国公司现在就可以宣布一定是赢家，因为中国有工业场景、相对较低的人力成本和成熟产业链。

42. 好数据的定义：真实、多样，和失败数据的平方关系

• 蜜蜂的优势有二：智元自己布局多种算法，清楚算法需要什么数据；同时具备数据运营体系，能让数据团队和研发、算法团队动态对齐需求，定制方案并验证数据有效性。
• 质量维度包括链路稳定性（时间同步、传感器到执行器的标定）、数据分布多样性（同一抓放任务在位置、光照、背景等方面变化），以及随模型阶段动态调整，定向采集当前仍会失败的setup。
• 对“脏数据”的澄清很关键：脏不等于低质量，而是包含多样性和失败样本。只见过成功案例会产生幸存者偏差；机器人也需要知道失败后如何回来。
• 姚称，在模仿学习中，如果只有成功经验，执行偏差会逐步放大，失败概率与执行时间成平方关系；强化学习则像小孩学走路，要通过摸爬滚打和成功、失败共同探索，知道什么稳定、什么不稳定。
• 底线仍是数据质量：“摄像头黑屏、轨迹差几厘米”不是需要的脏数据，仍属于低质量数据；“garbage in, garbage out”。

43. 仿真之辩：不执着流派，工厂只认四个九

• 对王鹤代表的仿真路线，姚先给足空间：有些任务、环境和作业对象，仿真能完成大量前期开发和验证；Genie Sim等技术可以高保真重建环境、改变元素并做泛化。人也不只从现实接触学习，还会通过课堂、书本、录像和电影学习。
• 但边界清楚：有些环境、任务和物体的物理交互规律非常精细，只有真实接触和交互才能获得贴合实际的数据分布，必须从真实世界获取。
• 实用主义收尾：仿真甚至真机做到80%或90%成功率，学术上已经不错，但工厂至少要求四个9。此时只能想尽办法达到标准，而不是执着于属于哪种技术流派。

44. 蜜蜂的名字与生意模型：具身数据界的滴滴

• 命名首先追求朗朗上口和亲和力，如滴滴、美团；其次是采蜜对应采集数据，蜜蜂也象征寻找和探索。
• 更深一层是分布式愿景：“未来数据获取一定是分布式、集群式的”，无数机器人分布在社会各处，每天回流数据，形成蜂群式社会协同，使命是“让全世界的数据为AI所用”。
• 与滴滴不同，具身数据不是To C市场，需求侧集中在KA和大B客户，需要先用To B方式占据客户心智，再发展上游产能。
• 主持人提到发布会强调样机数据48小时内完成、客户反馈24小时响应，姚明确确认“24小时内响应”；原文没有由姚单独确认48小时为统一行业标准。原因是现阶段定制化程度高，需要与一线研发、算法团队持续沟通。
• 2026年规划千万小时产能，姚称相当于一万人，或机器人按每天十几个小时的正常工作强度工作一年；若达成将“绝对领先”。当前机器人采集占比仍较多，但无本体、以人为中心的数据正在快速上量，预计人力规模会反超机器人。
• 已发布两款Migo产品，后续还会研发五指穿戴和全身设备，按照市场需求定义产品。

45. 全球化与合规：day one出海，数据本地存储

• 发布会有英语、日语、阿拉伯语和韩语同声传译，注册申请参会者超过5000人，到场人数原文表述为1000多人、实际可能2000多人，受场地容量限制；这些都体现了蜜蜂“day one就要全球化”的定位。
• 蜜蜂生产源头不只在中国，在东南亚、美国、日韩和中东都已布局相应节点。Scale AI等存量公司也可能通过自营或合作，在东南亚等低成本地区布局产能。
• 数据生产和标注主要是重运营业务，最终要回到成本和效率。
• 合规仍在构建：国内数据出境未来会走正规、完整的体系；对有法律法规要求的地域，不把数据回流到国内等其他地区，而是在当地存储。

46. 数据孤岛与统一标准：末端执行器抽象，一年左右形成共识

• 当前硬件规格和数据需求仍未完全统一，更多是一个个标杆案例。姚判断未来一年左右，大家会对FOV、帧率、分辨率、相机布局和其他模态形成基本共识。
• 硬件不同不代表数据完全不可通用：不同机械臂、不同构型的人形机器人，动作空间可以用相同空间表示，最终可抽象为末端执行器，也就是手腕轨迹。
• 世界模型本质上可以是predict next frame，帧是二维像素矩阵，因此能够从不同机器人、人的数据中学习；模型也可能从不同机器人的操作过程中提取通用物理规律。
• 数据孤岛的切入点是盘活闲置产能：很多采集场、训练场没有被专业高效运营，加入蜜蜂体系后可以通过培训和需求分配提升效率。
• 数据商城既接收紧密按照蜜蜂标准运营的数据，也欢迎第三方上传自己的货架数据。张江3000平方米采集中心是AgiBot World的产地，更像样板间和司令部：负责设计流程、试采集、打磨方案，再下发到外地采集场规模化执行。

47. 开源与闭源的光谱：一切围绕“让更多人把机器人用起来”

• 取舍原则是让更多人把机器人用起来，并用于有价值的场景。开源数据是让更多团队体会高价值具身数据带来的模型能力。
• 极地Studio、灵星平台、零创平台等面向开发者：零创平台可以把舞蹈视频转换成机器人舞蹈，灵星平台允许定制机器人的角色和音色。
• 闭环设计依赖用户授权：在授权情况下，平台数据可以反哺底层模型，形成从商业成功到数据飞轮的链路，覆盖作业、运控和交互等模型基础。

48. 标准之争：G1—G5分级、政府牵头，与两三年后的准入门槛

• 姚在2024年提出过仿照自动驾驶的具身G1到G5技术演进路线。主持人称其已纳入上海具身智能智能化发展分级指南；姚确认相关标准由上海市人工智能行业协会牵头、智元共同参与制定。智元也是工信部人形机器人标准化技术委员会副主任委员单位。
• 蜜蜂希望推动两类行业共识：数据质量标准，以及价格、交易模式等商业化标准，避免质量参差不齐、早期就陷入价格战，把行业做坏。
• 政府标准短期未必立即显现，但伴随大规模商用，会逐步形成应用门槛；姚判断大约两三年后发生。
• 当前坐标是“G3到G4之间的中间态”：G3是在特定场景、特定任务下端到端自主执行，G4是跨场景、跨任务端到端执行。

49. 涌现的前夜的前夜：一亿小时与十亿小时路线图

• 一亿小时这个门槛来自与很多用户头脑风暴后的共识，可能对应GPT-2、GPT-3当年使用语料的时长规模；一亿小时以上的需求，目前还无法准确预测，先用一亿小时验证现有想法。
• 主持人概括“今年千万小时，明年全球到一亿小时有希望”；姚在被问到路线图中的十亿小时级别时，判断2027—2028年可以达到，仍是两三年。
• 涌现发生在哪？姚回答：“一定是发生在实验室里面的。”先从工厂和其他场景收集足够数据，再在实验室催生技术。
• 他最期待的画面是一个“啊哈”的moment：机器人似乎出现某种自主意识，能在复杂环境中自我规划、响应指令，而不是单纯从画面到执行的肌肉映射。
• 被问职业生涯是否经历过类似时刻，他说科技史上可能只有近几年大模型诞生后带来这种感受，自己目前还没有经历过，非常期待。

50. 收尾的几笔：估值、传闻与自我定位

• 蜜蜂当前被主持人提到约30亿元估值，姚回应最新一轮已经不止这个数字；按营收、利润和长期稀缺性判断，他不认为估值过高。
• 对“各家公司未来都自己采集数据”的质疑，他判断供给规模的增长赶不上需求增长。未来需要上亿小时甚至更高规模的数据，需要大量设备和人员进入真实世界，蜜蜂及产业链各参与者都有较高增长空间。
• 独立创业传闻，他明确否认：“这件事肯定不会发生。”他认为市场上真真假假的信息有时是烟雾弹，原文提到的是朋友和候选人在招聘过程中询问，并未特别提到猎头。
• 自我定位上，他不完全接受“商业操盘手”，更愿意定义为“积极推动机器人技术和商业应用的开拓者”。
• 对从零建立具身公司的建议是：从产品到量产、商用再到建生态，这些路必须走一遍。哪怕OpenAI、Anthropic，也需要靠代码模型、Token等方式盈利，不可能只凭“我是基模”就无限融资、长盛不衰。
• 数据与算力类似，但可能比算力更难获得：算力是成熟、标准化产品，有钱即可快速获取；数据从需求规划到有人承接、运营和交付，是漫长而系统的过程。