杨硕：妙动科技，特斯拉Optimus，CMU大疆，无人机，人形机器人 ｜ WhynotTV Podcast #1

摘要

• 杨硕把当下机器人定位在“19世纪80年代的汽车阶段”：未来一两年可能出现有实际应用价值的产品，三五年会有能做若干家务的人类尺寸方案，但“吃完火锅收桌子”这类任意任务五到十年内仍解决不了。 商业化不会等来一次通用智能跃迁，而是从搬箱子、捡地面物品等任务逐级扩展；“产品A、产品B、产品C”会在机械、硬件与算法革新中轮番推进。

• 真正难复制的不是一次机器人演示，而是从技术、量产到售后、返修的完整闭环；杨硕因此认为Tesla目前最接近“波音level”的可靠性体系。 若Optimus年内真能制造5,000台，Tesla已有的汽车部署、测试和故障分析基础设施便可承接数据；妙动科技也把百万分之一可靠性作为目标，因为“做这件事情有风险，也可能失败，但总比不做要好”。

• 妙动科技选择偏To C的产品路线，以深圳供应链和硅谷创新文化组成双城团队，优先验证硬件量产、售后与返修，同时以更开放的生态策略拓展智能。 杨硕判断，VLA与硬件各自都可能消耗一整家公司的资源，很少有纯粹依靠财务投资的公司能同时把两件事做好；产业分工和协作比内部包办更可持续。

• 人形机器人不会统一所有场景，它只是功能强大的“瑞士军刀”，家庭最终可能同时容纳轮式、人形和固定机械臂。 厨房可由轮式机器人做菜，人形机器人负责上下楼搬运，洗衣间则用吊在天花板上的机械臂；投资与产品判断应从用户问题反推形态，而不是“拿着一个锤子去找钉子”。

• 杨硕预计技术成熟后，机器人市场会像汽车业一样容纳10至15家大型公司，并达到“千亿、万亿”的规模，其中可能诞生Apple或Nvidia体量的企业。 竞争已覆盖资本、招聘、供应商和模型技术，但技术趋同并不消灭差异：真正的护城河是训练、部署、软硬件和人机交互细节的长期堆积，“这些细节堆积起来就会产生巨大的差异以及护城河”。

• 短期推进既涉及神经网络中的物体表达，也包括电机过热、材料与散热等不够性感却决定工况的基础技术。 杨硕甚至设想五到十年后，室外工作的机器人会“端起水来喝”，以蒸发方式给电机散热；他也承认当年没有早点研究强化学习是遗憾，认为MPC和控制理论仍会通过仿真和优化等方式应用于强化学习。

• 杨硕把机器人视为人类工具进化的延续，长期关键词不是取代，而是“共生”与“死亡”。 在他的推演中，可复制记忆和weights的数字生命或许需要主动设置50年、80年的终点，因为“死亡其实是创造力的一个来源”；落回当下，他的人生reward function只保留家人孩子的幸福，以及把妙动的产品做好。

精读

1. 双城创业是把硅谷的冒险精神接到深圳供应链上

• 杨硕从2013年研究生阶段便参与大疆底层飞控，重构早期算法与软件系统；2015至2018年全职参与产品项目，并负责过RoboMaster。

• 2018年赴CMU读机器人学博士、2023年加入Tesla Optimus一年半后创业；这段跨中美经历让他认为两地工程师与产业各有优势，组建双城团队有其必要性。

• 他的取舍是：硅谷仍鼓励失败、创新和人才流动，国内则拥有显著供应链优势；妙动要把“不同背景、不同想法的人融合成一个团队”。

2. 无人机用了多年才从“会飞”走到百万级可靠性

• 何泰然提起大疆2016年的白板：竞争对手中最大的名字是波音，其故障率约五百万分之一，而Phantom 4约两百万分之一。

• 杨硕用《三傻大闹宝莱坞》的2009年四旋翼场景说明，2009年之前无人机已经发展近十年；2013年Phantom 1上市并形成较大销售规模，又经历数年大规模使用，可靠性才成为核心指标。

• 人形机器人在他看来甚至尚未到无人机的2009年，许多基础技术仍偏科研；但借助既有机电系统经验，两年内“应该会出现”一些商业化消费机器人。

• 妙动仍把百万分之一作为方向。杨硕承认瞄准量产会有风险、也可能失败，但若没人逐项抠细节，“那个能够量产、能够稳定的未来肯定不会到”。

3. Tesla的领先不只在Optimus本体，而在汽车业务留下的基础设施

• 被问哪家公司最接近波音级可靠性时，杨硕选择Tesla：机器人部署、硬件、数据收集和测试都能继承汽车业务已经建立的体系。

• 他的条件句值得保留：如果Tesla年内真造出5,000台Optimus，无论部署在哪里，故障收集和分析都有现成流程承接；多数创业公司尚未经历这种规模。

• 技术扎实只是第一步，其后还有量产、售后和返修：性能下降后是送回某个维修中心，还是寄到公司的返修工作点，这些“很细碎的问题”共同决定硬件产品能否成立。

4. 好产品从用户问题选择形态，而不是替人形寻找任务

• 对大疆是否会做人形机器人，杨硕坦言离开多年、不了解其战略；他只能从产品逻辑推测，大疆会先研究怎样继续解放影像用户的生产力与创造力。

• 若用户需要有人拿着Osmo跟拍，答案可能是人形机器人，也可能是小车、下半身平台或类似Ronin的穿戴式稳定设备；只要最终体验相同，这些solution没有先验高下。

• 人形在他眼中是功能很强的锤子，甚至是“瑞士军刀”，但大量场景只需要普通锤子。这并不意味着泡沫必破，只说明硬件昂贵、软件不够聪明，通用工具也不会消灭专用工具。

5. 这一轮人形热潮会更大，但仍逃不过产业周期

• 杨硕回看过去五十年：八十年代日本方案、2000年的ASIMO，以及随后未成功的小型消费人形机器人，都显示行业一直“一波一波”。

• 他确信当前技术比上一代进步，本轮至少能做得更大，却不相信它已足够覆盖想象中的全部家庭场景：“我们能比他们做得更好一点，但是离自己的那个梦想还很远。”

• 进步不会以一个突然强过人类的系统出现，而会沿产品A、B、C逐代累积；今天是机械革新，明天可能是硬件，后天才轮到算法。

6. 机器人“喝水”揭示了被演示视频遮住的材料瓶颈

• 现有电机无法在所有工况稳定工作；无论宇树还是Tesla机器人，在炎热室外连续作业都会面临过热，这直接限制应用边界。

• 杨硕设想新导线材料、新电机设计，或机器人自带水箱，将水运到电机上，以类似出汗和蒸发的方式散热。

• 他因此说，五年或十年后看到室外机器人“端起水来喝”，自己不会惊讶。汽车需要冷却液，机器人也无法绕过发热这一物理规律。

• 产品迭代的任务，就是先找到能工作的场景，再用新材料、硬件与算法拓展工况，而不是等待一个万能技术包一次到位。

7. 杨硕收回了“不要再研究四旋翼”的早年判断

• 2018年建议学生别研究四旋翼，是杨硕如今明确承认的错误：他当时以工程是否做透，误判一个平台是否仍有科研价值。

• 四旋翼硬件和底层控制越成熟，研究者越能把精力放在导航、路径规划等问题上；尺寸小、速度快、运动灵活，反而使它成为理想验证平台。

• 借用冯·卡门的区分，他把scientist理解为“解释已有的东西”，engineer则“创造不存在的东西”。机器人PhD往往必须先造平台，再解释为何方法A不如方法B，以及网络结构、训练方式究竟贡献了什么。

8. 从论文到产品的鸿沟主要是系统工程，不是再多一个算法

• 科研成果进入产品后，必须同时fit技术实现、量产、售后和返修；其中任何环节都可能出现技术或科学问题，更依赖持续收集故障数据和解决细小问题。

• 因为机器人整体尚未成熟，研究与工程会在短时间尺度上交替发生；但“造出来”和“解释清楚”仍是两种不同工作，不能拿一次demo代替产品验证。

9. 错过强化学习令他后悔，但MPC并没有变成无效积累

• 回看当年在CMU与Berkeley之间的选择，杨硕直言“肯定是不对的”：若重来，他可能会更早直接研究强化学习，也承认自己对模型训练细节掌握得不够深入。

• 但基于模型的方法，特别是MPC和优化思想，仍会活在强化学习里。南科大张巍给他的启发是：传统控制积累没有浪费，只是换了一层呈现方式。

• GPU上的物理仿真本身就是“极端model based”的优化系统，仍要处理运动学、数值积分、estimation和contact constraint；人的模型理解被隐含在仿真器中，再由神经网络implicitly学进去。

10. 下一代研究者仍要学信号系统，但不必重复所有经典推导

• 杨硕不建议抛弃基础知识，却认为没必要掌握Kalman filter的四种推导；更重要的是理解它与基础数学、信号处理和频率叠加之间的连接。

• 面向“能叠一件红衣服、不能叠所有衣服”的瓶颈，最值得投入的是物体表达：从传感器、图像和机器人数据中抽象低维结构，让这些结构真正帮助任务执行。

11. Musk在Optimus上施压，但对前沿不确定性保有耐心

• 杨硕描述工作场景中的Elon Musk“非常professional”：认真看演讲者和slide，不开小差，也很少问低效问题。

• 一场约一个半小时的会议可听二三十名一线工程师各讲几分钟；Musk直接收集技术与业务进展，再从宏观层面要求项目负责人调整方向。

• Optimus团队没有出现杨硕亲历的“汇报中被开除”。他听说其他生死关头的项目可能发生，但在人形机器人上，Musk知道每个细节都前沿且确定性不高。

12. 使命感把新技术变成新品类，而硬件雕刻已初见轮廓

• 杨硕认为大疆与Tesla的共同点，是坚持创造新品类，并让接近成熟的技术以全新体验呈现；他也直接认同，这种使命感促成了两家公司的成功。

• 借何泰然重提的米开朗基罗比喻，杨硕认为人类尺寸机器人的硬件系统“好像已经把金属雕出了一个能用的硬件系统”：基本行走、遥操作叠衣服和自动捡物体都出现过迹象。

• 他预计三五年内会有能完成一些有用家务的完整方案；但从一件事扩展到50件、100件，可能还需五年、十年，前提始终是某个场景中的智能已“足够有用”。

13. 家庭机器人更可能是一支分工团队，而非单一通用仆人

• 人形、轮式、无人机和吊顶机械臂最终都会成为工具箱中的普通选项；人形目前最酷，却不会永久拥有特殊地位。

• 杨硕描绘的家庭里，厨房轮式机器人负责做菜，人形机器人搬东西上楼，洗衣间的吊顶机械臂把东西放进洗衣机、取出后叠好，甚至无需在房间外移动。

• 人类已经把保姆、钟点工和厨师分工，厨房也同时容纳微波炉与洗碗机；机器人公司真正要做的是“把不同的工具组合在一起解决人们的问题”。

14. 商业化会从搬箱子和捡地面物品开始，而不是先收拾火锅残局

• 抓饮料瓶和抓乐高难度不同；杨硕提到Agility已有机器人连续六七小时搬运盒子、没有失败的演示，这类规则物流任务已接近商业应用。

• 何泰然的反驳是：把汽车零件换成亚马逊包裹，仍像几十年前的流水线抓取，用户真正期待的是一句“我刚吃了顿火锅，你把桌子收了”。杨硕回答：“我觉得不是”，五到十年内也不会一步解决。

• 更现实的产品是给扫地机器人加机械臂，在可触范围内把地面物品收进固定盒子，并通过商业取舍只收取一千至两千元；它不sexy，却可能打开真实付费。

• 杨硕把今天类比为19世纪80年代的汽车早期：汽车在19世纪80年代已经出现，此前还经历了四五十年的设计迭代。机器人不必再等一百年，但仍处在客观规律中的早期。

15. 妙动押注To C闭环，智能能力则倾向开放协作

• 硬件与foundation model都已看到曙光，但像Tesla那样由同一家公司同时推进，需要极大资金、人力和时间；其他团队分别探索并共享资源也同样必要。

• 妙动更偏To C，优先测试硬件量产、售后和返修能力，同时拓展智能；杨硕希望采用更开放、生态化的策略，而非所有模型能力内部自建。

• 他的资源判断很直接：VLA的投入量可能与整套硬件相当，很少有纯粹从财务投资角度获得资金的公司能同时把两件事做好，容易“两个事情都做到百分之六十”，不如由不同公司形成产业协作。

16. 技术趋同不可怕，押错共同路线才是行业真正的尾部风险

• 机器人创业的竞争已遍及融资、招聘、供应商和模型技术；杨硕把它视为好事，因为竞争会培养人才、推动零部件量产，并迫使团队持续快跑。

• 他预计家庭机器人不可或缺后，全球会有10至15家大型公司，市场达到“千亿、万亿”规模；不同汽车品类一样，不同机器人公司也会凭借各自长处服务不同客户，并可能诞生Apple、Nvidia体量的机器人公司。

• 何泰然担心硬件和VLA架构越来越像，若大家共同走错技能树，这一波可能“end up very badly”。杨硕承认存在这种可能，但指出流水线式突破会扩散，VLA、强化学习的知识和代码也高度共享。

• 在软硬件分工的生态中，软件团队可以换方向，硬件公司可以更换合作伙伴；他因此把能否跟进突破更多归结为组织管理，而非永远封闭的单项技术。

17. 护城河是无数细节的复利，投资则要允许长期技术先做短期生意

• 深度学习不断disrupt旧技术，学术共享又缩短复制时间；杨硕认为护城河只能来自模型训练、部署、软硬件和人机交互细节的持续打磨。

• 大疆做出精灵系列十二年后，飞控、相机和图传方案早已成熟，但其他厂商拼出的产品仍不如大疆；机器人电机更多、任务更杂，所需细节“只会不是一个数量级的”。

• 若转换为投资人，杨硕会关注五年内未必进入人形机器人的基础突破，例如电机材料、导线与蒸发散热，但允许团队先卖关节电机或其他已有电机品类建立收入。

• Foundation Model可能“一个亿一年就烧完了”，因此长期使命必须建立在造血能力上。妙动也据自身经验选择To C，以短期、长期和更长期计划分层证明商业闭环。

18. 人机共生最终会把“机器要不要死亡”变成社会问题

• 杨硕把工具史描述成生命进化：石片与木棍结合成斧头，再出现车轮、犁、钟表、打字机、汽车、飞机和机器人；人的能力提升，本就由机器能力提升来定义。

• 在更远的推演中，人类可能逐渐“去肉体化”，意识进入机械身体。他用浴缸里头发令人厌恶、电线却无所谓作比，称“实际上人类的发展就是在把自己的肉体不断地消灭”，但把这一幕放在数千年尺度。

• 他不担心终结者式取代：今天的人离不开机器，未来有意识的机器人也未必同意消灭人类，正如人类不会同意砸掉所有冰箱、彩电和洗衣机；核心关键词是“共生”。

• 真正尖锐的问题是数字生命能复制memory、data和weights，近乎永生，机器社会是否要设定50年或80年的期限并禁止备份。杨硕的理由是：“死亡其实是创造力的一个来源”，有限时间带来行动、怀念与新的情绪创造。

19. 宏大使命最终被压缩成家人与产品两件事

• 何泰然谈到实验结束时对H1产生情感，杨硕也承认离开Optimus后难受多日；机器人即使很笨，朝夕相处仍会让告别成为真实经验。

• 杨硕把自己的位置定义为：帮助机器人成长，帮助人类朋友理解怎样与机器人共生，再让未来机器人学会和人类共生；开公司或做研究只是使命在不同阶段的落点。

• 他的现阶段reward function非常克制：先照顾好孩子和家人的幸福，再把妙动的机器人产品做好。“同一个时间段，就只能做好那么两三件事。”

• 何泰然最后留下的启发是，2025年看似重要的方向和技能树十年后可能全被颠覆，但“觉得Robotics重要、愿意解决这个问题”的心不会被颠覆；杨硕认可这比追逐单一技术更持久。