對話逐際動力張巍：造機器人很容易，關鍵是用起來

李根 衡宇 發自 凹非寺

量子位 | 公眾號 QbitAI

“讓天下沒有難落地的機器人。”

在這樣解釋定位和使命后，量子位大概感受到了逐際動力被投資的原因——

至少是成為阿里第一個具身智能投資項目的原因。

實際上，之前更多的時候，逐際動力創始人張巍更傾向于用“英偉達”來類比，因為英偉達提供了一個底層平臺，可以讓游戲、汽車、機器人等等不同領域的創新，成為可能。

逐際動力的創辦和發展，也希望成為這樣的平臺——提供機器人平臺，然后各個領域的開發者可以進一步打造應用方案和產品。

張巍說，“人形機器人的本體硬件制造非常容易，比造飛機、造汽車都要容易。”

真正阻礙機器人落地的是——大腦，而如何讓機器人控得很好 ——是小腦AI化的能力。

這也是逐際動力之前一直押注和突破的方向，而現在，向來低調的教授張巍，覺得如果要在“百具大戰”中讓更多人更清晰認知逐際動力，那是時候高調又明確地自我介紹：

逐際動力，小腦能力全球領先。

接下來的路線和目標也已經被明確：

• 先把雙足人形做到好用，功能豐富、運動流暢；
• 再讓它易編程，用自然語言就能調用動作；
• 最終長出生態，形成具身智能的Agentic OS，也相當于人形機器人的Windows。

而終點就是“讓天下沒有難落地的機器人”。

在與量子位的訪談中，張巍從頭說起，共識的和非共識的、逐際動力的或者是具身智能行業的……這次都幾乎“講完了”。

如果你想知道一個從2017年就開始研究機器人的學者、一家比馬斯克還要早押注人形機器人的團隊、一個想要給機器人做Windows操作系統的創始人，究竟是怎么樣在看當下的具身智能格局，以及未來人形機器人的發展……

或許能從這場長對話中，一定程度上得到答案。

對話逐際動力張巍

“機器人的創新不在學術界”

量子位：你們要以一家創業公司的方式來做具身智能是在2022年，對吧？而且團隊開始做具身，應該比馬斯克在特斯拉做Optimus更早。

張巍：早多了！我跟你從頭捋一下，哈哈哈。

2009年，我博士畢業去了UC伯克利擔任博士后研究員。我們組在機器人上很有傳承——李澤湘也是從這出來的——那時候對機器人的研究還在原理創新階段，不需要太多實踐，都是理論研究。

2017年對我來說是個重要的時間節點，我開始全心投入做足式相關的人形機器人。2018年，我的第一篇paper就用強化學習控制人形機器人，這都已經7年了。

2021年，我們第一次用端到端的強化學習新方案讓全尺寸人形在室外穩定行走。當時馬斯克好像還沒開始交出Optimus，我們就已跑通了技術路線。

量子位：你2018、2019年左右怎么就回國了？回國怎么就創業了？

張巍：因為覺得做硬件在美國不行，國內硬件迭代快。而且我不想在美國待一輩子，就這么簡單。

2019年5月，我拿到了南方科技大學的終身教職。

一開始沒打算開公司，只是一步步做下去。回國后，我先做了個MIT的Mini Cheetah類似的四足機器狗，當時還沒啥經驗。后來開始用宇樹的狗做算法研究，在2020年就能做到基于感知上樓梯，在國內算比較早做成大小腦閉環的。

2022年，我開始覺得這個行業的創新不在學術界，得用公司的形態去做創新的事情。

AI領域早就發生了類似的事，像AlphaGo、AI大模型，最好的創新都是公司做出來的，不是高校。因為現在所需的工程能力在一個創新中占比太大，學術形式效率較低，所以必須要有公司來支撐。

量子位：當時身處行業之中，是感受到在AI或者硬件方面，隱隱有哪些因素已經成熟了嗎？

張巍：我單純是從技術突破和工程落地的角度來講，需要有個公司，不是“以終為始”的宏大商業邏輯。

它一定是有價值的。但這公司到底能長多大，我都沒有去設計或考慮。我不是成熟的創業者——至少當時不是。如果一個產業大佬出來創業，他會考慮這些事情。

我在學界就是做這個行業的，行業火不火，我都干這個；行業成不成熟，我也干這個。

如果沒成熟，我就給它干成熟。

你想，我2017年開始全身心投入的時候，行業更不成熟。越來越成熟挺有意思的，而且讓這件事更成熟是我的發心。

量子位：創業的時候有明確的商業化目標嗎？

張巍：說實話，沒有那么明確。

每個人做企業是不太一樣的。我創立公司不是沖著上市或者融資去的，是因為要做的事情需要公司這樣一個形態。

當時沒有什么產業潮，甚至現在回過頭看，時間上如果等一等可能會更好。但做的事需要有公司，就創業了。做著做著，你發現做成這件事光有idea不行了，要考慮更多商業化了，才會逐步考慮資源、融資和商業化。

是一個漸進式的發展過程。

AI化的小腦是做出人形機器人的關鍵

量子位：做具身智能，會有一個確定的形態嗎？比如一定是人形。

張巍：在推出Optimus前，馬斯克都沒有太認可人形機器人的價值，我就在一次辯論中說過，“人形是機器人的iPhone”。

短期內，它不會是最優解，但長期價值很大。

我看待所有事情都不喜歡標簽化或對立化，所以我覺得這個事沒什么“終極”。整個機器人的發展，就從我的角度來看，是不斷從“專用”到“通用”的過程。

通用本質上就是一個能最極致優化可覆蓋任務種類的的架構，它一定不是個機床，肯定也不是機械臂。

但為什么從機床到了機械臂？因為機床是專機，效率快，但建設投入成本太高，柔性化不夠。從機床到機械臂、到工業機器人，就是個專用到通用的過程，想要解決的是垂直領域批量極大、效率要求極高的專機解決不了的事情。

在我看來，未來相對通用的機器人，除了機床外，一共就四類：

• 機器臂：機械臂、協作臂、工業臂等；
• 上半身人形機器人：人形雙臂輪式機器人等；
• 機器腿：兩足、四足、六足等；
• 人形機器人。

一類是只有胳膊，一類是只有腿，一類是坐輪椅的“人”，還有一類是“真人”——功能主要是靠四肢實現，那就把四肢和上下半身組合分工一下。

這四類我認為未來都會存在，不會說誰把誰干掉了。

量子位：機器人的本體硬件難做嗎？

張巍：機器人的本體硬件是非常容易做的一個東西，我就經常說比汽車容易，也比飛機容易多了。

之所以做不出來人形機器人，是大家做出來以后不知道怎么控制它。這才是機器人本體的難點。

以前做不出來的原因是控制沒收斂，大家不知道咋做。上一代模型不太適合控制腿，復雜度太高了。

但現在運動控制的小腦AI化了。

量子位：這是新發生的事情。

張巍：也就最近一兩年才逐漸成熟。

以前運控小腦不是AI而是由一個模型驅動的，那就比較難。AI進步了，AI化的小腦是人形機器人可以做出來的原因。

人形機器人和帶腿的機器人的運控是需要小腦AI化的。機械臂和輪式雙臂所有的控制器都不是新的東西，還和傳統控制器一樣，基本的運動學、動力學就足以解決，都不需要AI化一下就是成熟的東西。

AI化的小腦還沒有技術收斂出可以做穩定的產品的系統能力。

量子位：具身智能之所以火，不是大家看到本體有什么質的突破，是看到了AI的發展。

張巍：AI是個變量。現在機器人大腦的技術方案都沒有收斂，但大家都看到了機器人是個機會。

一旦大腦成熟，那用它撬動的最大價值的載體，我覺得是人形（機器人）。

你想，好不容易練出來一個“好腦袋”，你是放在獨臂上還是輪椅上？肯定放在人形上更好，最大發揮它的價值。

現在大家還是覺得人形機器人沒用，我覺得原因是大家用不好它，因為它太難了。人們對它的潛意識是“做好人形機器人太難了”，做不到想象中的那個樣子，所以才覺得沒用。

沒有ChatGPT之前，什么Siri啊，我都覺得這有啥用啊？ChatGPT顛覆了對話機器人，我們才發現，哦原來還可以這樣。

量子位：人形能做出來，就是超越了固有技術的局限性。

張巍：對。如果現在問你，你覺得一個跟你一模一樣的機器人有沒有用？都會說有用。

只是大家思維局限了，可能覺得腿太難了，做不好。我覺得腿走路這件事是簡單的，技術已經收斂了。

反而大腦操作的進展是難的，比如伸胳膊抓東西，雖然技術本質上是有變化的，但是外表上看不出什么區別，今年WRC的操作任務和去年的操作都差不多。

量子位：公司資源就這么些資源，所以如果要排的話，逐際動力的投入是“小腦>大腦>硬件本體”這個順序嗎？

張巍：我們要把資源投在創造最大機會和變量的地方。

都要投資源，但投的方式是不一樣的。大腦模型，我們認為它的技術還在探索，我管它叫“找開關”，是不需要很多人集團作戰的。這是技術發現到技術落地的過程。

一個公司是不會完全投入在“找開關”這件事上，這應當屬于學術探索。

公司主要做的事是找到開關后如何干活，是落地執行產品化、商業化。兩者都要投入，但投入的量不一樣。從投入人數來講，肯定是面向產品研發的同事人數更多。

需要和用好“足夠多”的數據

量子位：外界很多時候會用標簽來加深對一家公司的印象。大家會覺得你們是更重運動、小腦能力更出色的一家機器人公司。

張巍：我們的小腦行業領先。

量子位：大家會在運控能力上把你們和宇樹放在一起比較。

張巍：我們在AI的能力上是行業頭部的，只不過我們自己沒有去標簽化這件事。

畢竟現在也不到產業化的階段。

量子位：你怎么看待大腦和小腦的關系？

張巍：大腦小腦的關系，每個人的定義有點不同。

你說大小腦會不會融合？可以看看最簡單的機器人——智能駕駛汽車。它里面有很多端到端，但取決于端到端的定義。

對于機器人來說，大腦是從感知到決策，小腦是將決策轉成電機實時控制。

端到端中“哪端到哪端”是最關鍵的。端到端可以很長，也可以切得很短，本質取決于數據量和抽象層次。機器人有本體，相當于一個介質，是讓信息和物理兩者連接或打通的一個介質。

如果從這個角度來講，大腦和小腦不會融合，始終會分別存在，之間的介質會動態演繹。

量子位：逐際動力對數據的運用好像特別好……數據該怎么用？

張巍：我覺得大家對數據的運用不夠正確，或者說沒有理解數據該怎么運用。

所有的理論原理的本質都是對數據做壓縮和處理。牛頓定律就是對物理界運動的壓縮，幾個符號一個公式就能預測整個世界的運動規律。

從原理抽象上來看，大語言模型和牛頓定律是沒有區別的。

但語言這類數據有獨特之處，和其它數據不一樣。所以大家壓縮它的方式是用Transformer，并且它沒有絕對的對應關系，有隨機性在里面。

既然都是對數據進行壓縮，那只要數據足夠多，所有事都能干了。比如我要去拿桌上的啤酒瓶，那就收集足夠多的數據，就能穩定地做好這件事。

量子位：什么叫足夠多？

張巍：所謂的“足夠多”不是單純追求數據量的多或少，而是看能否用合理成本獲得足夠支持模型泛化和任務完成的數據量。

不是絕對意義上的多和少的問題，是成本的問題。

高效獲取才是關鍵。做AI的本質，就是不斷降低數據需求或更高效地產生數據，比如通過后訓練、強化學習等方式，讓數據獲取更省成本，同時保持質量。

量子位：怎么能讓數據足夠多？

張巍：數據的本質是要找到里邊的信息，關鍵是提取對操作有價值的信息。

逐際動力強調Data Recipe（多元數據配方），真機、仿真、視頻數據都要會用。

機器人難就難在沒有歷史數據，你幾乎可以認為scale上是0。沒有真機歷史數據，也沒有仿真歷史數據，都得是新采集的，對吧？只有一些互聯網視頻數據，你又不知道咋用。

所有的數據類型中，真機數據用起來最直觀、最簡單，但采集真機數據貴，太貴了。所以我們不覺得它是最大的技術變量。

如果足夠多必須靠堆真機數據才能達成，那這個方式是落后的生產方式。

所以三類數據里面的兩個變量，一個是仿真數據，一個是互聯網的視頻數據——這是具身智能能夠大量挖掘歷史數據的一類。

但我們做的方式也不是堆算力尋求scale的方式。還是那句話，在找開關，還沒開始干活呢！燈都沒亮，擱那兒瞎擺上，等燈亮了看都擺錯了，到時候還得拆了重擺。

讓天下沒有難落地的機器人

量子位：逐際動力最終要服務的客戶是誰？

張巍：從技術創新到最終產業落地的過程中，我覺得可以分成三波人，我叫它IDS。

分別是創新者（Innovators）、開發者（Developers）與系統集成商（System Integrators）。

他們的使命是不一樣的：創新者的使命是發明新的算法，開創新的技術；開發者根據已有的技術開發功能；系統集成商根據已有功能集成方案。

很多公司從技術一干到底，核心是要把技術領先優勢變成對整個行業Know-how的理解。選擇沒有對錯，只是逐際動力沒有這樣選擇。

我們不覺得我們對某一行業的所有流程和商業模式有高于平均水平的理解。如果做不到全球前幾名，我覺得也沒必要做。

但是在創新的鏈條中，集成商對行業理解很深刻，他們只是缺技術。

所以我們定位成一個技術平臺型的公司，提供底層的本體和運控能力，提供所有開發工具，提供所有API。你可以在我的平臺上去做業務開發，甚至多開發一些功能來服務你的客戶。

就像在支線運輸，我們不跑最后的50米或100米。

量子位：所以逐際動力的觀點是行業發展起來，越來越多人感興趣，同時也就會出現重復造輪子的事情。不如用技術把開發者的門檻盡可能降低？

張巍：經常有人問我說，張老師，你覺得具身智能在哪個行業能最先起量？我當然也非常在乎這個事，但我不能夸大自己選對具體行業的能力。

馬云在20年前看到的機會不是賣襪子還是賣鞋哪個能先做到100億，而是賣東西的方式變革了。

阿里賦能全球的大小商戶，讓全天下沒有難做的生意，我們是想讓天下沒有難落地的機器人。

量子位：你們怎么降低開發門檻？

張巍：有兩方面：一是硬件成本，價格壓到開發者買得起的水平；二是軟件工具，我們提供API和SDK，讓開發者不需要懂底層控制，也能快速調起機器人動作。這樣他們可以專注在業務邏輯上，而不是琢磨怎么讓機器人走路。

量子位：你們的API開放到什么程度？

張巍：我們會開放控制接口、傳感器數據接口，甚至仿真環境，讓開發者在虛擬環境里先調試好，再上真機。

這不僅省成本，還能大大減少出錯概率。

量子位：這個定位是從一開始就想好了的嗎？

張巍：這不是一開始就設計好的，是逐漸演繹到這一步的。

首先要看這個行業的未來格局和發展，你對這個行業的理解、對技術的理解、對商業的理解是什么樣？然后什么是適合你去做的？

有些時候的確有好的機會，但它不屬于你。這件事很重要。

量子位：所以你們的定位有過一個類比“具身智能行業的英偉達”。

張巍：我們在服務創新，服務探索者，英偉達也在服務科技創新，都是讓創新者去落地。

這個屬性確定過后，跟我到底要把產品賣給誰其實關系不大，每一個產品都有能力去服務某一類人進行創新或者探索。

到底先選哪一類人服務？我覺得是按照我們公司的價值觀來的。

我們公司價值觀第一條就是本分。你決定選啥的前提是你要知道自己能力的邊界，本分的本質是不掙自己能力以外的錢。

量子位：這是段永平的理念……

張巍：對，我受他影響比較大。

逐際動力機器人形態進化

量子位：逐際動力是先推出了多形態雙足機器人，然后才開始做人形。

張巍：坦白講，我們最開始的優勢就是腿部能力更強。

最開始我們做過四輪足，做得還挺好，但因為工程化上離落地還有點差距。而且太多人做了，像宇樹已經做了七、八年，在行業已經領先挺長時間了。再去做同樣的事，我覺得上限不高。所以從硬件層面來講，就沒有再往哪方面深入仔細去做。

不過全地形的移動能力屬于運控范疇，技術已經收斂，已經潛在起量了，可以做。

我的世界里始終沒有非黑即白的東西，很多事情都是要共存的。既然四輪足已經有很多人做得不錯，我不去卷這件事。但我要把雙輪足做到全球第一是完全有可能的，那我在這方面做好就可以了。

起量以后，沒準雙輪足的市場比四輪足大，而且因為少兩條腿，成本會比雙輪足便宜一半。

另外，我覺得要做創新的、有差異化的東西。這一點上我還是比較堅持的。

量子位：從技術角度上來說，機器人形態上有什么必須排先后順序的因素嗎？

張巍：去年人形機器人還沒有像現在這么火，今年它有點像被諸多因素托起來的，而不是自然需求下火成現在這樣的。沒人預料到它一下這么火。

量子位：如果你們是一家2024年年底或更往后成立的公司，面對今年人形機器人跳舞、翻跟頭這波熱鬧，可能一上來就會做人形？

張巍：我們一直專注全尺寸人形。

我可以用研究和技術的方式做人形，并且一直在做。我們現在也用產品化的方式來做人形機器人。但背后的選擇是不一樣的。我們是從做事成立公司，不是2VC、不是從講故事來做公司。

不過復盤來說，今年這波人形表演熱度我們沒有完全抓到。反而一上來就做小人形的，可能因為這波起來得比我們更快。

從這個結果上來說，我們是有點失誤的。

但我們立馬做了調整，比原計劃更快地推出了全尺寸人形。

量子位：你接受或者在意這個失誤嗎？

張巍：我重視它，但我不擰巴。

量子位：它會給你造成什么樣的影響？

張巍：就是你沒踩到這個機會，但別人踩中了。

成功是長期的東西，但遇到這種情況也要反思戰略。我們立刻調整了戰略，主動加快了人形機器人的推出。

我可以負責任地說，現在全世界還沒有一款（面向開發者的）好用的人形機器人，只有能做demo的機器人。我不覺得我們已經好用了，這需要經歷大家一起去創造的過程。

給機器人做“Windows”操作系統

量子位：好用的標準是什么？

張巍：把“容易開發”做到極致。

上個世紀70年代末的電腦，很占地方，也沒有操作系統，需要用匯編語言才能編程。有的人覺得商超市場想象空間很大，所以拿它開發商超市場需要的電腦系統。

但對逐際動力來說，我們覺得這樣的電腦還不好用，開發它的門檻高，還貴。那要做的就兩件事，讓它更便宜，更多人可以用；再一個是系統要好。

你們可以做商超類的專業電腦，但我要做Windows——這是我的核心和本質。

你費了十年力氣做了個商超系統，等我的Windows出來過后半年就做完了。

量子位：什么時候能做出來這個Windows？

張巍：我覺得未來一兩年人形機器人的Windows會出現。希望是我們做的（笑）。

量子位：自動駕駛領域也想過做類似的通用平臺，可以做掃地機器人、無人礦卡、Robotaxi等等，但一直沒有實現。自動駕駛的門檻一直沒有降下來過。你覺得人形機器人可能出現Windows這樣的操作系統，是因為看到AI在降解它的開發方式？

張巍：開發門檻會急劇下降，這是我能看到的一個變量。現在已經出現苗頭了。

自動駕駛的技術那時候太不成熟了，而且機器人這個行業和車不太一樣，機器人的需求一致性非常非常低。

我們想做的就是讓機器人落地變簡單，具體你想做個啥樣的機器人，你就自己決定。以前只有特別牛的學術技術人才能干這事，以后要老百姓也能干。

量子位：你們會自己做應用商店嗎？

張巍：會的，這是生態的重要部分。

我們希望未來用戶買了機器人，就能直接在我們的平臺上下載和安裝各種應用，比如倉儲搬運、安防巡邏、教學演示等，一鍵部署到機器人上。

大人形機器人里最有競爭力的價格

量子位：你們最新的人形機器人LimX Oli，定價15.8萬元。這個價格怎么定下的？

張巍：你是覺得它太便宜了嗎？

量子位：對。馬斯克覺得人形機器人大規模量產過后單價在2-3萬美元左右，LimX Oli現在的價格遠低于馬斯克的估價。

張巍：首先我們區分一下機器人里的大人形和小人形。

國際標準里，1.5米以上的才叫全尺寸人形機器人，1.5米以下的只是起到陪伴、娛樂作用，因為它身高不夠，很多人類日常場景的開發和應用都做不了。

小人形現在已經有很便宜的了，有的人覺得我們15.8萬還很貴，其實Oli是一款全尺寸人形機器人，在尺寸和自由度下已經是最有競爭力的了。

量子位：你們肯定希望有足夠多的人買逐際動力的產品回去做開發，理論上是不是定價越便宜越好？哪怕每臺都虧一點點？

張巍：得符合商業邏輯。你不能賣得越多倒閉的風險越大，那到底應該期待它賣得多還是賣得少呢？

我需要保證能夠長期提供（機器人開發平臺）這個價值。

現在硬件部分成本最貴的還是關節、電機、減速器，我是希望和所有供應鏈生態合作，但現在因為我追求極致低的成本，沒有供應鏈來支持我做，我不得不自研，才能把成本降下去。工程化和制造能力上我們都在提升，做得很不錯。

能做到不賠錢又很有競爭力，這就是我們實力的體現。

這東西賣太貴了它不合理，你憑啥賣六七十萬？所以說價格的定位是符合用戶價值的預期和我們自己能力的綜合考量。

融資目的是完成商業化里程碑

量子位：逐際動力連續完成了好幾輪融資，我不知道說是現階段就需要這些錢呢，還是害怕寒冬將至，所以先儲存些糧食？

張巍：我們融錢算是具身智能領域里面比較謹慎的，沒有融太多，比我們貴的公司還蠻多的。

我們沒有突飛猛進地去融錢，但我覺得我們還挺扎實的。

量子位：如果技術很好但估值比沖在最前面的要低一些，你會覺得委屈嗎？

張巍：我不委屈，還行。

我覺得估值太高也沒有意義，那會過早透支你的一些東西。你最終的價值和你創造的價值是一樣的，這是早晚的事，過早地透支就是你對未來沒信心。

量子位：現在熱度這么高，領域里很多公司的估值也推很高，如果明年沒錢進來了，但你們又需要資金的話，現在不多融一點，會不會成為一個潛在的風險？

張巍：東西沒底心里才會沒底，我們現在就有底——現在就有收入，在創造一些價值。

我們融錢的目的有兩個，一個是確保有足夠的資金達成我們重要的商業化milestone。注意，不是技術上的milestone，如果融錢的目的是達到某個技術的milestone是沒有意義的，你都不知道啥時候能商業化，就不知道融多少錢是夠的，這是很可怕的無底洞。

另一個是要有足夠多的錢完成基本的商業驗證需要多長時間？判斷這個時間段里需要多少資源。

這會比純發散型的技術演繹的方式去預估需要多少融資額更有預測性。你現在回到2015年，問OpenAI需要多少錢，絕對是算不出來的。

所以我們融錢就是保證至少兩、三年內能比較正常地快速發展，然后再多留出一點預期。

量子位：你們好像是阿里投的第一家具身智能公司，是他們主動找過來的嗎？

張巍：他們是當時就想找一家做人形機器人的標的公司，我覺得這個定位還是比較清楚的。然后我們是他們排下來的第一。

我覺得就這倆原因，但也不一定是所有人的共識。

一個公司的成功，最重要的還是商業的成功

量子位：你們現在好像沒有太頻繁地發paper？

張巍：公司怎么能發很多paper呢？那不浪費投資人錢呢嘛！

可以有一些，但不用太多。在公司里面，paper的唯一屬性是市場屬性，如果有更好的方式做市場就不需要paper。

公司里真正賺錢的東西你恨不得都不告訴別人，天天發東西，那那些東西一定是沒有用的，是賺吆喝的事，頂多背后是這么個邏輯。真正商業的東西不都保密的嘛？誰發呀？自己立刻就拿這開始賺錢，你怎么會發呢？完了還開源，這個行為就不合理嘛。

學校里當然是要寫paper的，但一個公司的成功，最重要的還是商業的成功。

在具身這個賽道里，技術的成功占了商業成功里比較重要的比例，尤其是在當下或者更早期，技術占比比較重要。

把商業化做好，要有對技術的判斷，以及把技術實現的能力，但最終還是回歸商業本質，把技術的領先性轉化成商業價值。這個里邊考慮的維度是非常多的，它不是個技術本身這么一點事兒。

量子位：LimX Oli開始賣，是不是意味著你們的商業閉環基本要開始轉起來了？

張巍：我覺得產品閉環、商業閉環有了，但你說規模化的什么，還要看生態的狀態，還需要探索。

量子位：有些公司把賣出1000臺作為一個里程碑，你會這么看嗎？

張巍：不會。具體出售的數量只是用戶價值驗證的結果。

KPI、出貨量……任何的indicator應該能反映出一些真實的情況，每個指標反映出來的是啥，這個才是更重要的。這些指標有沒有驗證你的用戶價值？你的產品有沒有被用起來？用的時長是多久？API還有哪些地方需要優化？還有哪些挑戰？這是我們看重的事。

賣出去1000臺，前提是這1000臺都在用。如果都放在那里，沒有被用起來，等于白驗證，只能增加無謂的負擔。做一些沒有意義的事，我敢講，這樣的話我們的工程師是會哭的。

如果只是奔著賣1000臺，相信銷售們的本事，找門道兒折騰1000臺銷量不難。

量子位：我通俗地理解一下，就是用戶粘性和使用時長，這幾個指標在你那兒的權重遠遠大于銷售數量。

張巍：對。甚至時長都不一定成為一個重要因素，也許用戶買回去用來解決他的問題，1天就達到他的目的，那產品就為用戶創造了價值。那我覺得夠了。

長時間使用當然為用戶創造了價值，用戶愿意用它，側面證明它達到了用戶的期許，那這件事就成為一個正常的商業閉環的產品，會期望后續產品或功能越來越多，越來越好。

最核心的還是把雙足人形做得好用

量子位：你怎么看待短期內機器人的應用方向？

張巍：短期還是會以B端應用為主，比如巡檢、搬運、安防、教育展示等。

這些場景可控性高，容錯成本低，適合機器人逐步落地。真正進入家庭、替代人類做復雜家務，至少還需要幾年。

量子位：機器人什么時候能進家？你們會關注這些家庭場景嗎？

張巍：我覺得大規模進入家庭可能要七到十年，但在一些特定家庭場景，比如陪伴、教育、娛樂、清潔，可能會更早出現試點。

但我們不會在早期就把重心放在家庭市場。

我們會先從B端應用切入，把平臺和技術成熟度提升上來，等時機成熟再進入家庭。

量子位：會擔心馬太效應嗎？

張巍：不會。我們積極融資和市場接觸也是有一點這樣的考量，但我沒有到擔心的地步。

我覺得一個公司是什么基因，它就能吸引什么樣的人。純技術型人才他不是純看錢，他選擇的地方不是這個地方本身帶來的光環，而是在哪里可以得到最快的成長？至少我喜歡的人是這樣的。

你的價值不是別人賦予你的，在哪里能最快地改變自己，哪里就是最適合你的地方。這是我選擇的原則，當然這個比較理想化。

這個公司能不能帶給我成長？公司文化是什么？技術是不是最好？工資待遇當然也是一個考量的重要因素，有錢也是成長的一部分，但不是絕對的。

機器人不像互聯網，不會一家通吃，因為需求太分散了，所以各個細分領域都有機會。關鍵是你解決的具體問題和技術優勢。

量子位：你怎么看待創業過程中個人和團隊的關系？

張巍：我覺得團隊是最重要的。一個人的能力再強，做機器人這種跨學科的大工程也不可能全都自己來。

我們團隊里有做機械的、有做控制的、有做AI算法的，每個人都在自己的位置上做到極致。這個行業不像互聯網，幾個月就能出一個爆款，機器人研發是長期的、持續的，需要能熬得住的人。

還有一點，我希望團隊成員是對機器人真的有興趣的，而不是只是為了找份工作。

我的角色更多是把方向定好，把資源配好，讓大家能高效協作。

量子位：下一階段的目標除了做“人形機器人的Windows”，還有什么？

張巍：我們最核心的還是把雙足人形做得好用——好用不光是功能更豐富，行動起來也不能像老太太走路，我們需要讓它有適合人類日常環境的形態和自由度，全自動控制也做到極致。

然后下一個階段就是要讓它易編程，用自然語言就能編程它，并且不光是動作編程，還要能跟VLA結合起來。

這樣開發者用的時候就能相對簡單地融合自己對具體場景應用的理解，這是我們希望看到的。

然后我希望能長出一些APP，長出一些生態來應用啊，最終形成一個具身的Agentic OS。

量子位：你們在雙輪足上的領先主要體現在哪些方面？

張巍：第一是穩定性。雙輪足機器人本質上是倒立擺，平衡控制難度很高，我們用AI小腦在各種地形上都能保持穩定，包括上下坡、凹凸路面。

第二是靈活性，雙輪足可以在很小的空間內原地轉向，移動效率高。

第三是通用性，雙輪足可以和不同的上半身搭配，形成差異化的產品形態。

量子位：你個人覺得，實現這個目標最大的挑戰是什么？

張巍：最大的挑戰是時間和節奏。技術成熟、生態成型、市場接受，這三者要同時發生才行。

如果節奏不對，比如技術沒成熟就急著推向市場，可能會適得其反。