创新者
1 场深度对话收录
Lindon Gao
观点集合
Lindon Gao: Finding Clarity in the Fog of Robotics, Disagreements & Choices, and Wang Yangming
Dyna不再扩张已有十余客户的折叠业务：补料停机暴露任务完成不等于商业闭环，转而让research围绕完整工作流推进。百万小时级ego-centric预训练出现“非常强的scaling law”，酒店洗衣房成为B2B首站；Lindon称美国10万家酒店对应数十亿美元TAM，规模化产品价值仍需一到两年。
查看摘要（8段）
- Dyna创始人Lindon把公司定位为“Product Research”派，自称“全战派”。 他强调用产品闭环引导research方向：任务级落地不等于商业闭环，“机器人需要保姆这件事情是一个非常大的产品问题”。他去年决定不继续scale已有十余客户的折叠业务，转向“一个员工”战略——机器人24小时产出达到一个人8小时的产出；他说目前已经超出这一目标。
- 技术路线上Dyna押注ego-centric第一人称数据，称在100万小时级预训练集上发现了“非常强的scaling law”，并从重视高质量数据转向追求更广泛、多样的数据。 Lindon承认自己曾选择性听取LLM从业者的ablation结论来强化“all in high quality data”的判断，后来认为应先从更广泛的数据中找到可scale的部分；他认为押注teleop、UMI等形态，某种程度上是在押注机器人手不能work，而机器人手是工程问题，不是research问题。
- 商业判断的反共识：他认为B2B通用机器人的需求会大于B2C家庭机器人；家庭是机器人很难、很远的产品方向，不是当下的首战场。 他的论证是：美国失业率4.5%意味着企业雇用了95.5%的美国劳动力；按三人家庭估算，家用机器人可能只需约一亿台，而企业对产能的需求还会扩大。首个落地场景选酒店洗衣房——他称美国有10万家酒店、每家洗衣房需要2–5人，TAM有好几个billion；并把洗衣房称为通往home的“最小unit”。
- 对“大脑vs本体”的判断是“大脑是机器人的下限，本体是机器人上限”：大脑决定能不能做，硬件和运控决定做得多好。 他认为十年维度供应链可能更重要。Dyna在中国有四五十人的硬件研发和供应链团队，工作流机器人已进入百台级别的初步量产；上一代没有量产，因为他认为它本质上跑不通。
- 对自家产品和战略方向，他估计距离可规模化的产品价值还有一到两年；他认为未来一两年行业可能进一步收敛。 他用GPT-3（2020年6月，API形态）到ChatGPT（2022年11月，聊天产品形态）说明产品形态不可忽视，并预告明年会展示下一步产品；他认为机器人不必先达到physical AGI，产品定义和使用方式同样重要。
- 去年底团队经历了“做落地还是做research”的战略分歧，Lindon也困于“要做一个不犯错的CEO”的包袱。 他承认战略下一步没想清楚时曾跟着市场看别人做什么，做出不够符合第一性原则的技术选择。团队后来把目标放到工作流，让research和落地在同一个战略点上推进；他总结：“为了不犯错而做决策，本质上就不是一个好的决策。”
- 连续创业者底色：14岁卖游戏装备赚上万美金；上一家公司Capa做无人零售购物车，进YC后融资艰难，最终出售，Lindon随后在Instacart待了3年。 最困难时，他cold email一千多个天使投资人，只转化两个；四个创始人同住、月烧7000美元撑了两年半。他曾对团队说：“我们是蟑螂，我们死不了。”核心learning是产品必须回到ROI：“ROI不成立，就不是一个产品，也没有product-market fit。”
- 修心是贯穿访谈的一条线：他自述18、19岁确诊强直性脊柱炎，后来把病痛当作experiment，通过调整作息和饮食摸索规律；读《沉思录》、王阳明等也帮助他面对创业难关。 他的驱动力已从外界评价和自我证明转向“更好地活成真正的自己”；他把自己定义的失败称为“修行的失败”。