Podcast Interview · 逐期深读

王新宇的十一年科技投资:热爱、平台判断与专用化的条件

本期背景与内容导览

本期对话围绕两个相互关联的问题展开:王新宇怎样在十一年科技投资中形成自己的判断方法,以及这套方法如何落到美团龙珠的大模型、具身智能、半导体和下一代终端布局。节目先以“热爱和专注会成为中国更多创业的起点”作预告,再从他的个人经历往回追:童年编程、高中机器人实验室、复旦5023宿舍的无功利创造,GGV学徒期建立创始人样本,昆仑时期为了验证个人全链条投资能力,在2018年AI低谷研究并投下小马智行、延伸到半导体,2021年则因理想汽车投资案例和合伙人长期价值观加入龙珠。每一步都保留他对个人作用、平台品牌和时代beta的区分,而不是把今天的成绩倒推成当年的必然。 进入投资组合后,对话先拆解“三纵三横”:AI、半导体、能源三种底层技术,对应广义电动载具、机器人、下一代终端三种场景。月之暗面案例说明,在2023年团队尚无模型、市场充满质疑时,他如何根据杨植麟的技术愿景、组织与人才理解推动投资;宇树案例则说明,他从2016年认识王兴兴却多年没看懂,到2023年底看见海外实验室使用及采购意愿后,把宇树重估为可能的研究平台,并于2024年上半年由龙珠投资。前者主要是一套人与组织的判断,后者是平台采用与产业分工的假设,两者都不只是“喜欢创始人”。 在具身部分,他把移动/全身控制与操作分开:前者集中投宇树,后者因路线未收敛而布局不同团队;又从本体、算法延伸到算力与核心部件。他坚持中国对该领域投入不是太多而是太少,但主持人对其旧融资论据提出挑战,迫使其改用巨头研发和生态投入补充。嘉宾预测机器人一到两年会迎来大众感到“能用”的GPT-3.5时刻,依据是通用操作、数据、原速丝滑演示及另一位投资人的育儿比较;这些都不是广泛部署已实现的证据。 后半段还覆盖具身市场是否赢家通吃、专用设备与通用机器人的关系、热爱与攒局创业、基金期限、芯片架构及组织使用AI。芯片部分的关键条件是:模型和工作负载相对收敛后,专用ASIC/DSA才可能在算力、功耗和成本上优于通用GPU,推理也不必固定用GPU。团队内部则尝试用AI做资料分析、模拟投委、交易沟通和个人时间复盘,90%以上匹配仅是嘉宾对人工与AI日历统计的主观比较。最后,他以“即使AI停止进步,现有能力仍可扩散”说明部署空间,并预测未来三年半的普通人感知会加速。全文数字和判断按节目口径保留,本文不把嘉宾复盘、后续融资或个人预测写成确定因果。

晚点聊 LateTalk · #168 · 2026-06-11 · 2:07:27

原对话:沿提问、回答和转折完整展开

下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。

00:00:00–00:30:41连续对话 1

00:00:00–00:02:53开场:由热爱驱动的创业范式

  • 2016年7月见到王兴兴时,他是什么状态?
  • (王兴兴的)底层是什么?

节目先用后半段的访谈作预告:王新宇引用一位投资人的观点——VC的工作不是判断公司好坏,而是判断一个好公司到底有多好。主持人程曼祺随即问,2016年7月见到王兴兴时,他是什么状态、什么底层特质延续至今。王新宇的回答是热爱与专注:当时大家并不清楚机器狗能做什么,但王兴兴真心喜欢,而且把它做得很好。王新宇由此提出,这种不以短期商业机会为唯一起点、愿意把一件事做到世界前列的创业范式,会在中国更多行业出现。这是他对未来投资机会的判断,不是由宇树一个成功案例推出的确定因果。

正式开场后,主持人交代采访背景:宇树在节目所称的“上周”过会;按官方简介,美团战投和美团龙珠合计投资超过4亿元、合计持股约9.65%,分别为7.61%和2.04%。这些是节目与简介给出的口径,本轮未另查股权文件。主持人还列举王新宇在龙珠主导投资的具身智能公司,并指出龙珠在大模型创业公司中只投了月之暗面。王新宇随后自述,他在复旦电子工程系读本硕,硕士研究计算机视觉;职业经历依次是GGV、2018年加入昆仑万维投资部、2021年加入美团龙珠,一直围绕科技投资。开场由此从“热爱”这一投资审美,转入他的个人经历怎样形成这套判断。

VC与职业验证VC即风险投资。嘉宾特别关心其长反馈周期:从研究、投资到公司经营、上市或退出可能多年,因此早期项目结果很难单独证明投资人的个人能力。
Vintage在本期不是简单指年龄,而是一个人成长、求学和开始工作的时代环境,包括当时能看到什么技术、信息和创业机会。嘉宾用它解释自己本科时未创业,以及不同代际创始人选择的问题。
PMFProduct-Market Fit,产品与市场需求的匹配。嘉宾以Insta360从早期VR拍摄到之后运动等应用为例,说明产品能力可在探索中找到更合适的使用场景;不是产品存在就自动完成匹配。
算力、算法、数据嘉宾2019年用于检查AI投资的三个要素:算法决定怎样从数据学习,数据提供学习材料,算力承担训练与推理计算。他由算法项目延伸到半导体,是投资地图扩展,不是技术因果已被证明。

话题推进:在介绍完嘉宾背景和本期主题后,主持人引导王新宇从他个人职业生涯的起点开始聊起。

00:02:53–00:09:29职业起点:从机器人竞赛保送生到VC行业

  • 你当时最开始投科技,15年的时候,科技不见得是其中最主流的创业方向,当时投科技是一个什么情况?
  • 你八九岁的时候是2000年前后是吗?
  • 你本来毕业想干嘛呢?你在复旦学计算机视觉。
  • 你们当时那个宿舍是5023对吧?像央视、上海本地的《文汇报》这些都报道过。
  • (你们的视频)有点像何同学(的感觉)?
  • 那你们没有想过一起创业?而且你们毕业那会儿,14、15年刚好是创业风潮很盛的时候。

主持人问,2015年科技创业并不如今天这样成为主流,王新宇为什么选择科技投资。他把原点落在兴趣,而非预先设计好的职业公式:1989年出生,八九岁开始学编程,小学参加信息类竞赛,高中在机器人实验室同时接触软件与硬件,并因比赛保送复旦。进入GGV前,他甚至不知道VC具体做什么,所谓“阴错阳差”是对个人经历的如实描述,不应包装成少年时期就确定要走投资道路。

2008年到上海后,复旦的通识教育和不同专业室友让他接触技术之外的学科与人群,也逐渐对金融产生兴趣。主持人以“5023宿舍”及公开报道为线索,追问四个保送生为何没有创业。王新宇回忆,他们做过背单词软件,拍摄电容实验等视频,自行拍摄剪辑两季、每季约十集,单集最高约百万播放;还做自动关灯、自行车防盗、衣服里的小风扇和遥控摄像小车。这些项目没有明确商业目标,主要为了解决日常问题和满足好奇心。危险实验被保留为当时经历,不构成操作建议。

他2012年本科毕业,读研后室友已各有方向。尽管大二大三时有人提过创业,当时他们缺少对创业的概念和相关信息。他说若晚生五到十年,也许适合做创业探索,但随即强调创业第一天做什么并不一定决定终局。“vintage”在这里指人所处的时代环境,影响其可见的问题、信息和机会。这个反事实只表达他对时代条件的理解,不能证明换个年代就必然创业成功。主持人最后把问题落到:这些经历怎样影响他识别创始人,为下一段“热爱是否可泛化为识人标准”作铺垫。

话题推进:主持人追问这段早期经历对王新宇后来做投资的影响。

00:09:29–00:15:26GGV学徒期:并非只看自动驾驶,也未押注CV四小龙

  • 你当时那段经历对你后面去看创始人和投科技有什么影响,有什么启发?
  • 你投的一些公司,这些创始人,包括像宇树、王兴兴,你投了很多具身的公司,我们后面可以展开说。我们先往回,就说早一点的经历。我发现你第一段投资经历有一个比较有意思的事实,就是你在复旦硕士的时候,你研究计算机视觉方向,但是在GGV你投的这些科技领域,它都是偏自动驾驶的,反而没有投计算机视觉。而CV当时是那个时代最火的AI公司。
  • (AR/VR)哇,这十年前就是投资主题之一了。

主持人先问本科生活对后来看人的启发。王新宇没有把它归结为“只投竞赛生”或某种学历模板,而是说,纯粹喜欢一件事会激发年轻时不带功利目的的创造力,这与创业为他人解决问题的底层动力相通。共同的竞赛和实验室经历有助于理解创业者、拉近距离,却不是投资判断的本质。这一限定很重要:他后文虽反复强调热爱,也明确不愿只寻找某一类出身的人。

随后主持人提出一个反例:既然他硕士研究计算机视觉,为什么GGV时期参与的项目更多是小鹏、Momenta、工业自动化,而没有投当时最火的CV“四小龙”?王新宇先把时间放回职业早期:2015—2018年在GGV主要是学徒,在项目组里跟随合伙人看项目,后期才主导部分投资,不能把机构全部项目选择都算作他个人独立判断。三年里他见到经过平台筛选的优秀创始人,建立了早期观察样本;这能解释平台训练的价值,也同时带来后文所说的归因难题。

他补充自己并非完全没做CV:一家转录作“ClawBotics/阔博智能”的公司,第一轮时用视觉做风车叶片检测和零售场景;2015、2016年又系统研究AR/VR,涉及光学、空间成像与360度拍摄。Magic Leap、已非当今Meta的同名眼镜公司,以及若干光学公司名存在转录疑点,不在正文猜改。Insta360是他2017年CES看产品的例子:从早期VR拍摄、视频拼接,到之后在所称的运动等领域找到PMF。他用“高估两三年、低估十年”概括技术成熟节奏,这也是个人经验总结,不是精确预测定律。

话题推进:主持人继续追问他在GGV的核心收获,以及为何后来离开GGV加入昆仑万维。

00:15:26–00:23:43昆仑历练:在AI低谷期寻找方向

  • 你在GGV的核心的学习是什么呀?这三年的时间。
  • 那你当时想去昆仑,是你想自己去更多地主导你想投什么吗?
  • 2018年投AI是想投具体AI的什么方向吗?因为其实15、16年的时候,因为AlphaGo这件事情在中国是有一个AI热潮的,有像四小龙这种做CV的公司,也有一批自动驾驶的公司出现。然后到18年,我如果记忆没错的话,应该是第一个AI相对低谷吧。
  • (追觅)现在也可以说是AI,他们也在做AI。
  • 你们当时在18、19年的时候,有注意到大模型这个趋势吗?那个时候应该是Transformer已经发了。
  • 20年夏天是GPT-3,早一点,19年还是GPT-2?
  • 当时看到这个新的方向之后,就是大模型这个方向,或者说预训练这种方法吧,在中国有当时的投资的机会吗?
  • 其实这一轮公司里倒是有两家是在那之前成立的,就是智谱和MiniMax,就是像这些是不是在当时挺难发现的?

主持人继续问GGV的核心学习与离开原因。王新宇说,平台提供了高质量创始人样本和项目组训练;他自己则按半年设目标,例如白天跑项目,晚饭后约6点到12点研究AR/VR,持续半年写出上下两集、100多页英文报告。这些是他亲历的学习方法。去昆仑并非因为自认已经“出师”,而是因为VC验证周期太长:年轻人很难区分成功来自个人、合伙人还是平台品牌,他希望加速验证自己能否独立完成投资全链条、能否长期吃这碗饭。这里的“验证”是职业判断,不等于后来结果已经证明全部能力都可脱离平台复制。

2018年周亚辉邀请他到昆仑万维投AI,他负责建团队、定科技投资方向。在当时被他称为AI低谷的环境里,他先花约半年研究“AI要加什么”,最后选择交通,2019年初投小马智行;同期还有追觅和一家以色列相关公司的投资,但追觅当时不是按AI逻辑投的,公司名也不凭转录猜改。随后他按算力、算法、数据三要素检查版图:算法已有布局、数据当时难投,于是在2019年一季度后转向算力和半导体。他强调自己偏软件和视觉,不是半导体科班,需要重新学习。部分项目后来上市并有不错回报;他也承认科创板开闸是时代性的beta,不应把回报全归为个人选股。

主持人追问Transformer、GPT-2/3早已出现时,是否看到大模型投资机会。王新宇承认2018、2019年没有,约2020年昆仑内部开始关注,但具体先后顺序已记不准;他认为真正改变投资环境的是2022年11月ChatGPT。对于智谱和MiniMax此前成立一事,他只说当时机构看的方向可能与后来不同,这是他的猜测。这样的回忆既保留错过与不确定,也避免用今天的大模型叙事重写2019年的认知。

话题推进:话题自然转向王新宇职业生涯的第三站——加入美团龙珠。

00:23:43–00:30:41加入龙珠:一个无法立刻拒绝的名字

  • 21年后来加入美团龙珠是一个什么过程?
  • 就是对方来挖你的,龙珠来挖你的。
  • 你在昆仑的什么阶段,你觉得你大概验证了说你是可以长期做投资的?就是投到哪个项目,还是说你到了一种状态之后?
  • 你可以讲讲(这种状态)。
  • 当时你怎么去评判这个好的结果?因为如果说你用最硬的指标,就是用退出来算的话,其实当时Dreame和Pony肯定都没有到退出的状态。
  • 可以说说就你最新这一段,就是加入美团龙珠的这个过程。
  • 你们聊了两个小时,还没聊具体的机会。
  • 他前面两个小时可能还是在观察你,我觉得,通过聊天。
  • 为什么(龙珠是唯一一个你没法立刻拒绝的名字)?
  • 可以分享一下当时就聊了一些什么,然后让你对龙珠它是一个什么样的机构的一些新的认识,或者说验证的一些东西是什么?

话题转到2021年加入龙珠。王新宇先解释“为何此时敢换平台”:在昆仑,他已在追觅所代表的消费电子、小马智行所代表的交通/自动驾驶,以及半导体等不同方向取得自认为不错的结果,由此感到学习范式可以迁移,能够接触新圈子、建立知识并抓住下一批机会。主持人及时指出,当时追觅和小马智行并未退出,不能用最终现金回报验证。王新宇承认判断依据还包括对公司核心价值与未来发展的主观评估,以及部分半导体公司上市;这不是已经清算的业绩证明。他还补充,科创板是时代beta,有核心价值也不保证单次创业成功,并购、失败或重新出发都属常态。

加入过程本身同样不是主动谋求跳槽。他多次拒绝猎头,直到猎头公司创始人来上海,与他吃饭、散步两个多小时后才说出龙珠。他称这是当时唯一无法立刻拒绝的名字,因为知道其合伙人及其追求,也好奇一家以消费投资知名的机构为何早已关注科技。交流中他得知龙珠2019年已投理想汽车,而当时自己尚未加入;这笔投资及后续持续投入,是他对机构科技判断产生兴趣的重要信号。

这段经历要区分三层:昆仑多赛道结果是他对个人能力的后验评价;机构品牌和科创板等外部条件仍在其中;“去龙珠和谁一起做更长远的事”则是他当时的新职业选择。不能把“心里觉得公司会好”写成已被退出数据证明的投资方法。

话题推进:本段结束时,王新宇提到了龙珠投资理想汽车的案例,这自然引出了下一段关于龙珠科技投资布局的深入讨论。

00:30:41–01:00:47连续对话 2

00:30:41–00:33:27“值得写进投资史”:王兴的好奇心与龙珠的吸引力

本段延续加入龙珠前的机构考察,没有新的主持问题。王新宇认为龙珠2019年投理想、后续持续投资,是值得写入投资史的案例;主持人补充理想此前融资相对较少。这里的“传奇”“可以写进书里”都是嘉宾的评价,不是本期独立验证的行业排名。他特别说明自己当时不在龙珠,甚至觉得身在其中再这样称赞略显不合适,进一步说明这是加入前的观察。

更深入的交流让他看到两层组织特征。第一,合伙人内部在“耐心资本”一词流行前就强调“长期有耐心”,也重视分析问题的共同方法。第二,他与王兴讨论火箭、卫星、新能源车、半导体、无人驾驶、机器人和AR/VR等约十个领域,感受到的不只是广泛好奇,而是“求甚解”:在王新宇看来,科技只是王兴工作的一小部分,但有些问题的理解甚至超过全职看科技的自己。这些描述是嘉宾对合伙人的亲历印象,不代表对王兴能力的独立测评。

因此,他从“能否吃这碗饭”转向“怎样长期吃、与谁一起吃”:机构过去的关键决策、长期价值观、合伙人的认知深度,共同构成加入理由。主持人随即把宏观的“跟谁做”落到“具体按什么框架做”,引出三纵三横。

IC与平等合伙制IC即投资委员会。按嘉宾自述,龙珠以投票和强度打分表达支持或反对,无人有超级票或1.5、2票;具体通过门槛没有披露。
tech vision技术愿景。月之暗面案例中不仅是选择某条模型路线,还包括怎样组织高密度人才、怎样协作、用什么阶段成功留住人才,以及最终想做什么产品。
token与ARRtoken是模型处理信息的计量单位,调用量可反映使用强度但也对应成本;ARR通常指年度经常性收入,用来观察可持续收入,而非一次性流水。二者都不能单独证明产品价值或利润。
年轻的大哥嘉宾对两类创业者的称呼:年龄不大但已在某领域深耕多年,或年龄较大却保持开放学习心态。它是经验总结,不是年龄筛选规则。

话题推进:在阐述了加入龙珠的契机后,主持人追问,在2021年他加入时,团队对科技发展的具体判断是什么,引出了关于龙珠科技投资框架的讨论。

00:33:28–00:37:06“三纵三横”:龙珠科技投资的底层框架

  • 你们当时就21年的时候,对科技接下来怎么发展是怎么判断的?
  • 所以从那个时候到今天,这个大的框架是没有变的。
  • 比如说像大模型,它在这个格子里面的什么位置?

主持人问2021年的科技判断,王新宇给出“三纵三横”地图:纵向三类技术是AI、半导体、能源;横向三类场景是电动载具、机器人和下一代终端。EV在此不是只指新能源乘用车,而包括他所说的电力驱动载具,例如无人机;“下一代终端”当年尚未知道具体会是眼镜、耳机还是其他形态,今天更接近AI Native硬件和消费科技硬件。地图用于建团队、分配研究精力和逐步填项目,而非预言九格都会同时成熟。

大模型不能被塞进单一格子。按他的说法,它在AI纵向中更具基础性,能影响EV、机器人、终端三种场景,也能改变半导体需求与能源供给,因此可以“涂满”多个格子。主持人以端到端自动驾驶和机器人补充这一关系。嘉宾同时提醒,2021年时这些联系还没有今天清晰;这是认知随技术演化的过程,不应倒写成当时已经完整预见ChatGPT后的产业结构。

框架的输出不是机械的项目标签,而是共同研究习惯和不同年份的重点选择。他也承认很多项目处在交叉点,并明确“不是用固定的框套所有东西”。因此,后文评价这套方法时,应看它是否帮助团队形成可更新的技术—场景联系,而不能把格子本身当作投资正确性的证据。

话题推进:在解释完美团龙珠的投资框架后,主持人进一步询问,王兴作为美团创始人和龙珠合伙人这一特殊身份,对龙珠的投资决策有何影响。

00:37:07–00:44:11投资月之暗面:在充满质疑时做出决策

  • 王兴是龙珠的合伙人……这个对你们比如做一些判断,会有什么影响啊?
  • 有什么项目是你特别支持的吗?你特别支持,然后其实你是花了一些功夫去说服其他合-伙人。
  • 你们当时知道他想重新创业吗?
  • 为什么这件事你需要说服其他合伙人?
  • 你对杨植麟的判断和印象是什么?你为什么觉得他值得投?

在讨论项目前,主持人先问美团创始人的合伙人身份是否影响决策。王新宇把龙珠描述为独立财务投资机构中的平等合伙关系:投委会并非简单数票,还会以打分或投票强度表达支持、反对程度,但无人拥有超级投票权或双倍票。他说“没人是警长”是口语比喻,原稿误写成一票否决权,需撤回;原文只明确无人有特殊票权,具体门槛并未披露。

他以月之暗面说明自己如何推动高难度项目。团队在2022年底就试图联系杨植麟,甚至希望支持其创业;到2023年四五月才首次见面,期间写“小作文”、介绍人,6月内部讨论,7月2日过IC。当时MiniMax、智谱更早且按嘉宾记忆约15亿美元估值,月之暗面团队刚具雏形、尚无模型,市场对大模型商业模式和创业公司空间也有质疑。这些是当时约束,不是用后来Kimi的表现反过来消除早期风险。

王新宇见面前担心对方骄傲、只懂技术、不懂组织与战略,首次约两小时交流后大部分疑虑被打消。他所谓的tech vision不只是某个模型点子,而是知道技术该怎样推进、需要何种人才密度和合作方式、以什么成功吸引并留住天才,以及从第一天就讨论super app。早年与智源、华为合作也是他提到的观察线索,未在本期独立核验。主持人问“他是否不骄傲、懂经营”时,嘉宾给的是投资者基于接触与履历的判断,不是对人格和经营结果的终局证明。

话题推进:在分享了投资月之暗面的决策过程后,主持人引用了其他创始人的评价,引出对王新宇个人投资风格和判断力来源的探讨。

00:44:12–00:51:34“人教人教不会,事教人一次就会”:从DeepSeek冲击到AGI实现

  • 我之前跟你就是投的其他的一些创始人聊……说你有一个特点就是,如果你认定了……你后面是不太会摇摆的,但我觉得这需要你很快的对这个人建立一个直觉。我想知道你对人的判断是怎么来的。
  • 所以你投完之后你不是那种特别会push或者说特别平时就想知道这公司到底怎么样啊,进展如何,你不是这种投资人。
  • 你过程中间给月之暗面有过什么建议吗?
  • 25年R1,就DeepSeek R1爆火这件事对你的冲击是什么?
  • 你用什么指标判断你觉得AGI已经实现了?

主持人引用其他创始人的说法,追问“认准后不动摇”是否只靠第一印象。王新宇把直觉解释为长期训练形成的肌肉记忆:初见卷卷时,他两小时没完全听懂白板上的技术内容,却从思考方式、表达和坚决程度感到可投。但直觉只是起点,之后至少半年、每月甚至更高频接触,才形成出手时的坚定。这与他后来说“人比事或事比人不能一概而论”相呼应,也说明不应把投资方法简化成两分钟识人。

投后阶段,他把自己定位为“帮忙不添乱”的副驾驶:融资规划可以多给经验,技术产品应由更懂的创始人主导;看见危险可以建议,但建议不等于强推。月之暗面案例中,他提到两次具体介入:支持公司首次接受阿里较大投资,并主动从董事会退下,称之为必要而非充分条件;2024年三季度公司投放获客较多时,他建议更专注模型能力,因为离其设想仍有长路。这里保留原文的2024 Q3,不能改成2023年。

主持人随后问2025年DeepSeek R1冲击。双方都确认1月20日,嘉宾认为它再次提醒行业模型能力的重要,并说“人教人教不会,事教人一次就会”;他评价月之暗面同日发布推理模型、随后K2等进展,是公司的后续变化,但不能据此证明 DeepSeek 单独造成了全部转向。谈到“AGI已经实现”,他的标准是AI知识量和聪明程度超过全球或中国人口受教育水平、智商的平均值。这只是一个非常个人化、缺少任务与测量口径的定义;平均值超过也不自动等于各领域可靠通用智能。后文需保留其强判断,同时不能把它写成行业共识。

话题推进:在判断AGI已经实现后,主持人自然地将话题转向大模型之上的AI应用层,询问龙珠在这一领域的投资布局。

00:51:35–01:00:47“年轻的大哥”:AI应用创始人的代际特征与投资逻辑

  • 你们投了模型层之后,然后在AI应用这一层,你们的一些出手和布局是什么?
  • 为什么很多没有披露?是因为大家现在都流行水下吗?
  • 关于场景的划分……没有提效率,是因为你默认效率是几模公司来做吗?
  • 你来看这种公司的这种创业的时候,你有什么思维方式上需要变化的地方吗?

话题从模型转到应用。王新宇说,2024年中团队开始系统看AI应用,一条偏3D、视频等技术驱动,一条偏社交、互动、内容、游戏等场景;2025年约投十家,多数是第一、二轮,因此未披露较多。他并未与创始人讨论为何不公开,只是尊重选择;“产品仍需水下探索”主要是主持人的解释,嘉宾认为可能合理,不能写成所有公司的真实动机。除上述方向,他还提到AI销售、编程相关、浏览器等效率工具,说明没提效率并非放弃效率,而是团队资源有限。

他给出的新指标判断是:ARR或DAU都可能出现,但DAU在他心中已排不到AI产品前三,token调用和某种意义上的ARR更重要。ARR通常指年度经常性收入,token是模型处理文本等信息的计量单位;不过消耗多不自动意味着用户价值、留存或利润,订阅收入也要看持续性与交付成本。本期没有给统一适用于社交、娱乐、工具的评估公式。

人物观察来自他前一年看过上百家应用公司的经验:创始人出生年份约在1996—1998年集中,1997年是最高点,他用“正态分布”“3 sigma”作形象概括,并未给出样本表或统计检验,不应写成严格统计定律。以一位1996年出生、2018年进入抖音的创始人为例,他说明年轻者也可能已积累多年产品经验。其进一步解释是:这些人在移动互联网与中国经济上行期成长,更自信、敢想敢做、迭代快。该宏观归因是嘉宾判断,不是时代对个人的确定塑造。

“年轻的大哥”有两类:生理年龄小但已深耕多年,如杨植麟、王兴兴;年龄较大但仍保持开放心态。它们连接了他反复说的热爱、专注和学习能力。最后他承认从偏2B硬科技到2C应用需要重新学习,不懂旧互联网指标既是缺口,也可能减少包袱;能否看好仍未被证明,理解年轻人和快速迭代只是他当前重视的线索。

话题推进:在详细阐述了对“年轻的大哥”这一创业者群体的观察后,对话自然地转向了另一位符合此定义的典型人物——宇树科技的王兴兴,从而进入下一个关于具身智能的话题。

01:00:47–01:29:01连续对话 3

01:00:47–01:04:31从看不懂到决定投资:美团龙珠对宇树科技的认知转变

  • 你们25年以来新的集中重投的方向就是具身智能,……你可以讲讲这个方向是怎么就是重点迁移到这来的吗?

主持人列出2024年投宇树、2025年继续投多家机器人公司的结果,问重点为何迁到具身。王新宇先把研究起点往前拨:2023年团队已把具身作为重要方向,看过上百家公司,他本人见约20家,许多后来所投公司的第一轮也见过,但当时没看懂。他特别说明“100家”有虚数性质,不是精确审计样本。这里的“错过自变量、星海图早期轮次”是事后复盘,不应写成当时已证明是错误决策。

转变发生在2023年底。他参加转录作“Neuronips”的会议并走访Stanford、Berkeley、Harvard、MIT的机器人实验室,看到实验室已有宇树机器狗,更重要的是它们想购买宇树刚做出、正在沟通预售的人形机器人。此前他看不懂机器狗用途,也怀疑宇树自身AI能力;这次观察让他把宇树重新理解成研究平台,而不只是一家卖硬件的公司。

他的类比是黄仁勋早期把游戏显卡给实验室做AI训练:如果优秀博士生基于宇树硬件开发,算法、数据和研究者反馈可能围绕平台聚集,宇树的AI短板不必只靠自己封闭补齐。这是他解释投资转变的投资假设,并非“顶尖实验室采购就必然形成生态”的事实。美团战投更早于2023年投宇树,龙珠则是在他2023年底形成新判断后,于2024年上半年投资,两个主体和时间要分开。官方简介给出的合计持股也属美团系整体,不能全写成王新宇个人成绩。

locomotion/whole body control前者指移动、平衡等运动能力,后者强调全身关节与姿态协调。嘉宾用它们说明宇树所在能力层,但实际系统仍涉及感知、控制与硬件协同。
manipulation机器人与物体进行抓取、放置、使用工具等交互的操作能力。嘉宾认为该路线尚未收敛,因此需要比较不同数据、算法、场景与真实任务结果。
GPT-3.5时刻嘉宾借用的主观感知拐点:技术从多数人觉得不好用变成“这次能用”。机器人侧以原速视频丝滑为直观信号,不等于开放环境可靠性或商业规模化。
链主产业链中具有关键议价与价值捕获能力的公司。嘉宾用它追问整机之外,核心零部件或算力供应商是否也可能成为不可替代的一层。

话题推进:在解释了投资宇树的逻辑后,主持人追问,这一转变如何扩展到对整个具身智能领域的看法,特别是从2023年的“看不懂”到后来的积极布局。

01:04:31–01:09:28投资策略分野:全身控制聚焦宇树,操作能力多点布局

  • 这是对宇树转变的trigger,那对就整个更广泛的具身领域了。你说23年的时候你们也接触了,你当时觉得看不懂,你可以讲讲,比如你当时你觉得看不懂的点是什么?
  • 到后面24、25年又觉得是可以投了,这个变化是怎么发生的?
  • 所以你刚刚是在说就是因为操作这个事,其实你们觉得没有那么收敛,你们投的公司会相对多一点。

主持人继续问整个具身领域为什么从看不懂变为可投。王新宇说,2024年既复盘旧项目,也看大量新公司,并用一个简化分类说明组合策略:locomotion是移动、平衡等运动能力,向上延伸到whole body control即全身控制;manipulation是抓取、放置、使用工具等操作能力。这一“拦腰斩断”只是投资研究框架,不意味着真实机器人系统可以截然分成互不依赖的两半。

在运动/全身控制方向,他称投宇树后未再投同类公司;在操作方向,他认为到节目当时仍未收敛,因此可投不同“大脑”、数据、算法和场景路线的团队。分歧包括真机数据、仿真或合成数据及混合使用。这里不是“路线完全不重要”,而是不要在没有任务、成本与结果指标时,把路线名当成最终胜负。他用商业航天液氧煤油与液氧甲烷之争作类比:更重要的是飞到太空,不同任务可以采用不同方案;又举自动驾驶的Tesla与Waymo路线。后一个例子来自其十年投资观察,具体公司名的转录错误不在正文猜补。

主持人指出,投资机构可多点布局,创业者却必须选择路线。王新宇因此补了两层:行业需要不同团队坚定探索,避免所有人挤一条路径;个人也不能以“坚持”拒绝纠错,发现错误后快速switch可能才是核心竞争力。也就是说,多点组合是基金的风险配置,坚定执行与快速修正是企业经营,两者不能直接互相替代。最后他用“南坡北坡”比喻不同路线目标相近,反对长期以融资时的品类标签固定定义公司。

话题推进:在解释操作能力领域“未收敛”的判断后,主持人继续追问,既然未收敛,为何从2023年的难出手变成2024、2025年的能出手。

01:09:28–01:14:58投资逻辑演进:从本体到核心部件,并重申“投入太少”

  • 如果说操作这一块现在也没有收敛的话,为什么23年你们觉得是比较难出手的,但25年到现在就是能出手的项目就更多了,就确实有一些投资发生了。
  • 24年、25年之后是你们看到了什么信号和迹象,让你们觉得这个事大概率是可以解的。
  • 那你们投妙动、投SHARPA、投地瓜的逻辑可以讲讲……它和前面那几家……做软硬一体的……不太一样。
  • 作为看了这么多具身公司的投资人,你怎么看现在这个领域的估值的高企……

既然操作尚未收敛,为什么2023年难出手而后来能投?王新宇的回答不是某项技术已被证明收敛,而是团队 conviction 提升:他们更相信问题可解,也看到Google、转录作“Pi”的公司及家庭机器人demo等进展,开始认为落地未必按“厂—店—家”的固定顺序,家庭场景可能更早。转录中的“3D”在此处结合主持追问,是家庭机器人demo的指代,具体名称待回听,不应改写成“3D视觉公司”。他还提醒,市场看到的公司叙事与实验室真实探索可能不同,表明其投资依据含未公开观察,本期无法独立验证。

组合随后从本体、算法延伸到供应链。妙动投了了两轮,首轮时杨朔尚未加入,且投资时与现在已有变化;地瓜与转录作“SHARPA”的项目体现对算力和核心零部件的关注。他用宁德时代说明“链主”未必是整机厂,关键供应商也可能拥有产业议价能力。主持人补充的“利润比所有车企多”是主持人口径,未在本期核对;宁德类比只是思考起点,不证明机器人部件一定复制电池的利润结构。

谈到估值,主持人称中国估值过百亿元的相关公司可能约20家,嘉宾没有更新数字,只说2025 Q4到2026 Q1变化快,此前按2亿、3—5亿、10亿美元估值分档的表已非重点。主持人挑战其旧论据:中国公司合计融资已超过Figure。王新宇改为要求把Tesla研发、以及转录中“Scale”一家公司的140亿美元估值与14亿美元融资等生态投入也纳入比较。这正说明结论的比较口径在变化,数字和“Scale”全称均需核验,不能把原稿扩写为“一家融140亿美元”。

他的最终主张是,若目标从以20%成本做到别人50%—80%能力,转成与他国共同引领前沿,就应投入相近数量级的资源、追求120%的能力和创新。这是关于国家产业竞争和资本投入的价值判断,不直接回答具体公司估值是否合理、资金是否高效、投资能否退出。

话题推进:在本段结尾,王新宇对具身智能“泡沫”的看法引出了关于如何定义行业发展阶段的问题,为下一段讨论“GPT-3.5时刻”做了铺垫。

01:14:58–01:18:17从消费电子到新能源车:中国公司在全球竞争中的范式变迁

  • 你说的这个范式就是说因为热爱和专注,然后去做一个全世界都牛逼的事,而不是我去为了赚钱和商业机会去copy谁?

这一段从投入规模转向“什么样的中国创业范式正在出现”。王新宇说,不应只以更低成本复制别人50%—80%的能力,而要用相近数量级的资源做到120%甚至形成引领。他把2025年大众视野中的王兴兴、梁文锋,以及他近期从媒体看到的张雪机车,视作热爱、专注、追求世界第一的例子。“2025年出现”指进入大众视野,不是这些人在该年才开始工作或创业,原稿怀疑应改成2015年没有依据。

主持人将这种范式概括为因热爱和专注去做世界级的事,而非只因商业机会复制别人。王新宇以产业史解释其信心:掌握手机制造后,能力可向其他3C产品扩散;扫地机市场中,他认为竞争重心已转向中国公司。随后他类比日本消费电子从20世纪60年代模仿、70年代转型、80年代形成技术与品牌优势,预测中国消费电子未来5—10年会在更广品类取得类似位置。这是他选择的历史类比,不是必然重复的产业规律;“能做手机就能做所有3C”也是一种强调供应链能力外溢的压缩表述。

他还以近期海外来访者主动去门店体验、试驾中国新能源车为观察,说明外界兴趣上升。一位转录作“Hosai”的欧洲Crypto基金人士写过中国硬件强、软件弱的文章,王新宇与其有小范围交流,但不赞同这一软件判断,认为带有旧认知惯性。这是嘉宾对他人观点的回应,不是对中外软件实力的系统比较。主持人由此把话题拉回:长期乐观是否意味着短期没有泡沫和出清。

话题推进:在讨论了中国科技产业的宏观趋势和外界认知后,主持人将话题转回具身智能行业,询问其短期内是否存在泡沫和波折。

01:18:17–01:24:54定义具身智能的“GPT-3.5时刻”:从“能用”到“丝滑”

  • 如果说前途是光明的,你觉得具身行业现在这么多喧嚣,有这么多公司,这么多人涌进来,它短期会有泡沫和波折吗?
  • 你觉得接下来具体可能会发生什么?
  • 这个阶段的焦点就是在你刚刚说的到那个GPT-3或者GPT-3.5是焦点,而不是说我现在马上比如说卖了多少台?
  • 它那个具体的、那种感觉会是什么?就比如说智能机器人能做到什么时候,大家会感觉到它不一样?
  • 你认为就是对具身来说,GPT-3、GPT-3.5的时刻可能一到两年就会到来,这件事在现在的整个行业市场里面,你觉得这是相对多数人是怎么认为的,还是你是偏乐观和激进的?

主持人问具身是否会出现泡沫和波折。王新宇承认任何赛道都有问题与出清,接下来会“去伪存真”,优先看单点技术领先与可泛化通用能力,商业化相对次之。他把转录作“word model”的方向与数据称为当年近乎共识的两个原子能力,预期它们共同推动泛化,并判断所谓的GPT-3或GPT-3.5时刻会在未来一两年发生。销量并非无关紧要:如果出货带来的真实场景反馈和数据是实现能力跃迁的必要条件,销量就重要;所以这里不是“技术优先、商业无用”,而是看商业活动能否反哺技术目标。

他用个人第一次用ChatGPT解释“时刻”的含义:此前Siri、音箱、小冰等NLP产品长期存在,但大众不认为好用。他用“大象是什么—吃什么—狮子呢”之类连续问题观察上下文、逻辑与指令遵循,强调这不是严肃基准,却让持续使用者感到“这次不一样”。迁移到机器人,他的外显标准是视频不必2、4、8倍速,1倍速也丝滑,做的事开始像人能做的事。

关于速度,他引用的是另一位投资人的观察:对方觉得机器人学pick and place等精细操作已比自己一岁孩子更快;王新宇本人则观察女儿如何抓放、匹配形状。他据此推测,基础抓取一旦形成,再学筷子、毛笔等技能会更快。这是个人观察和类比,不能写成机器人整体学习速度已超过人类幼崽;任务范围、训练次数、泛化、仿真与真机差异都未给出。

主持人直接问这一预测是否偏乐观。王新宇承认自己性格乐观,但认为不是一两年也可能三年,不会拖到十年,并愿意让对话留痕、若错就认并快速迭代。这里的预测对象仍主要是“大众觉得能用”的感知拐点,不等于广泛可靠部署或商业成功在同期限完成。

话题推进:主持人注意到嘉宾对具身智能发展速度的乐观预测,并以自动驾驶为例,指出其大规模普及比预期晚了很多年,从而引出对两者发展路径的比较。

01:24:54–01:29:01复盘自动驾驶投资:2019年的关键判断与历史的“美妙对称”

  • 因为你当年也投过自动驾驶嘛,其实自动驾驶它实际上大规模铺开的时间还是比大家想象中要晚了很多年。你觉得具身会怎么不一样?
  • 那你19年当时看到了什么?
  • 老周对此有何想法?
  • 你对你认定的项目和创始人还是挺穷追不舍的。
  • 你怎么排优先级啊?因为你不可能对每一个创始人都这样,你肯定得重点去追几个创始人。

主持人以自动驾驶多年才逐步落地提出反例。两人先区分不同“拐点”:主持人把大众有感的时刻放在FSD V12;王新宇则把自己的投资人认知拐点放在2019年上半年投小马智行时。他当时认为下一代无需学开车,这不是对行业同年成熟的判断。将两种时间尺度混在一起,会让后面对具身一到两年的预测显得比原话更确定。

他的尽调包括在美国Fremont以及北京、上海、广州南沙等地,白天、夜晚、下雨等条件下乘坐数百公里测试车。他看到边界,再根据技术理解判断边界可被解决;这属于基于体验和技术判断形成信心,不等于已证明所有长尾安全问题解决。当时他以16亿美元估值投5000万美元,并回忆这是首次主导的重大项目之一。Waymo纸面估值和两家被收购公司的比较均为其自述,应保留“真金白银投资估值”这一限定,不把不同口径混成统一排名。

他带相关创业者见“老周”半小时,随后按老周建议去硅谷持续接触、证明懂方向且公司需要资金。这里的“老周”按前文指周亚辉,不是原稿误写的另一位企业家;参会人物及“James、教主”的具体指代仍有转录歧义,不扩写。约一年后,他称丰田投5亿美元、估值约25亿美元;2023年7月又以3000万美元投月之暗面,不到一年出现后续大额融资。后者融资方在机器稿中听不清,不能凭常识改名。后续高估值融资被他视为“美妙对称”,是资本层验证,不等于产品、收入或最终退出已成功。

被问如何分配追逐项目的精力,他说每年重点追一两个,但不是预设KPI,而是遇到“事和人都对”的项目才如此。这也为下一段“一事一议,而非被某个成功公式束缚”作过渡。

话题推进:本段结束时,嘉宾将话题从具体的投资案例,转向了更宏观的投资策略和个人风格。

01:29:01–01:57:54连续对话 4

01:29:01–01:33:09投资决策:在“人”与“事”之间保持开放

  • 在投资时,你是先判断事情的逻辑对,还是特别看重人?
  • 自动驾驶落地比预期晚,为什么你认为具身智能不会重蹈覆辙?
  • 美团龙珠的基金退出周期是多久?

主持人问“追项目”是否有年度指标,王新宇说没有配额,遇到内心认定的事和人才会重点追。人被进一步追问人与事谁更重要时,他不接受固定排序,强调case by case、一事一议:不能被成功经验绑住,也不能被失败教训吓倒;类比另一件事是否有帮助,要逐案判断。他同时保留一个乐观预期:最好的人往往最终会去做重要的事,二者会趋向匹配。这是他的选人判断,不是所有优秀创业者必然选择最大市场的证明。

主持人用张雪机车反问:摩托车市场没那么大,也算最重要的事吗?王新宇把评价尺度从市场规模转向个人生活:对张雪的人生而言,做喜欢且能做到世界很好的事本身就重要、幸福。他此前并不了解机车,仅从媒体看到这一案例;因此它只能说明他对创业范式的认同,不能作为他尽调过的投资案例。原文说的是2025年后这类现象会更多,原稿误写2015年,应改回。

话题再回到技术落地的时间差。这里的“它”承接前面的自动驾驶投资,是指2019年投小马智行,不是投理想汽车。王新宇说,直到2025年女儿出生后换家庭用车、购买转录作“理想I8”的车,才第一次以C端消费者身份使用相关产品,距2019年约六年。他认为三年或六年的等待对自己并非核心问题,但并未论证所有投资都能承受这种时间差。

主持人追问基金退出约束,他承认要对LP负责,美元基金通常十多年,不同基金和人民币周期不同,未给龙珠精确条款。他提到转录作“SFound”的工具,语境是基金份额接续或二级市场安排:老LP获得流动性,新资金继续持有公司。此工具名称与机制应回听确认,不能简单写成“基金周期完全不是瓶颈”,因为价格、买方、资产选择等条件本期未展开。

LP与基金周期LP是基金出资人。基金需要在约定周期内投资、管理和退出;嘉宾提到可用接续或二级市场工具为原LP提供流动性并延长资产持有,但具体安排仍受价格、买方与条款约束。
3D工作dull、dirty、dangerous,即单调、肮脏、危险的工作。嘉宾将替代这些工作视为具身智能的社会价值之一。
LUI/GUIGUI是图形用户界面,LUI在此指语言用户界面。嘉宾预测自然语言、云端智能和端侧能力结合会改变下一代终端,但不以完全替代手机为前提。
ASIC/DSA/TPU都用于讨论面向特定计算的芯片思路:ASIC是专用集成电路,DSA是领域专用架构,TPU是嘉宾用来类比某被投项目的一类张量计算架构。是否优于GPU要由工作负载、软件与总成本决定。

话题推进:在讨论完投资周期后,主持人将话题具体到嘉宾在美团龙珠投的第一个具身智能项目——宇树科技,询问他与创始人王兴兴的渊源和投资过程。

01:33:10–01:40:29复盘宇树投资:从“没看懂”到“开窍”的八年

  • 你是怎么追到宇树这个公司的?你很早就接触过王兴兴吧?
  • 2016年7月你见到王兴兴时,他是什么状态?
  • 从2017年到2024年,中间有机会投他吗?你为什么没投?
  • 你觉得像王兴兴这样的创业者好识别吗?

主持人把宇树投资往前追到2016年。王新宇澄清,2015年第一年更像全职实习,2016年7月才正式全职加入GGV;工作第一周去杭州,原本由同事约的项目,同事因故未到,他替同事见了王兴兴。日期约7月10日来自他后来翻微信的记忆。当时王兴兴刚创业,在拿第一笔个人投资时还把SPA发给他询问。他称两人像“职场发小”只是强调都在职业起点相遇,并没有把私人关系夸大为多年深度合作。

他回忆之后每年见王兴兴一两次,因此关于机器狗用途的具体讨论发生在第一次见面还是次年已记不清。可以确定的是,他很早看到机器狗,双方讨论过能否在公园带小孩转圈等用途;当时看不清应用,却看到王兴兴对技术和电机参数的热情。主持人补充自己2023年采访所得:王兴兴读硕士时写技术文章,海外高校学生来交流,由此建立自信。这是主持人转述另一段采访,不是本期嘉宾独立证明。

做人形机器人后,早期“狗站起来”的质疑与全身控制、电机等积累可迁移并存。美团战投在王兴兴刚开始做人形时更早重注,王新宇自己的龙珠投资较晚,不能混写。王新宇把王兴兴“用小机器人造更小、用大机器人造更大”的表述视作愿景或愿力,并与马斯克火星愿景类比;他说相信马斯克会把人送上火星、批评火箭不坠落说明不够前沿,都是强烈的个人信念,不是已经完成的事实或普遍工程标准。

主持人问2017—2024年是否有投资机会,他明确说“一直有,但我没看懂”,看不清机器狗商业化和AI能力,直到人形平台出现才改变。由此他反对以成败倒推所有未投机构都失职:即使今天,没投王兴兴仍是大概率正常事件,成功投资是小概率。VC应尽量支持这类探索,同时依靠创始人和投资人的多样性分担识别难题。这为他自己的错过保留诚实,也削弱了“热爱一眼可见、成功早已注定”的后见之明。

话题推进:在讨论完对创始人的判断后,主持人引出了另一种创业模式——“攒局式创业”,并询问嘉宾对此的看法。

01:40:30–01:43:53“攒局式创业”:动机比形式更重要

  • 你怎么看待“攒局式创业”?即团队因为某个方向火而临时组合起来。
  • 你觉得具身智能行业现在这种“攒局”现象多吗?对行业有什么影响?

主持人把问题从个人热爱转向“攒局式创业”:团队是否因赛道火热临时组合,甚至由机构撮合。王新宇不直接以组织来源判断好坏,而看组队时追求什么、要到哪里去。他认为若只是被短期喧嚣驱动、缺乏愿景,成功概率很低;但初始组合并不决定终局,后来形成共同目标也可能成功。这里“几乎一定不会成功”“论迹不论心”都是其强烈投资判断,不是可测量定律。

主持人进一步区分“组合”与带机会主义意味的“攒局”,以理想汽车为例:沈亚楠经商学院同学介绍加入、提供供应链经验,也有汽车之家时期伙伴;关键在于公司“车和家”的目标始终明确。王新宇接受这个区分,并举2016年前后新能源车领域一些动机不纯的公司作为反例。原转录多处将“攒局”误成“团聚/传”,还有“答案在体干里”等噪声,正文只恢复能从上下文明确理解的语义,不逐字修补。

谈到具身中的攒局,嘉宾认为一定会有,融资一笔或几笔甚至不算真正开始,后续拿资金做什么才重要。他预测未来一两年会有出清,一些团队可能不是输给竞争,而是被自身问题绊倒。主持人与其讨论的共同点是:不应只看团队是否原有长期关系,也不能以“热爱”替代对实际投入、产品与组织行为的观察。

话题推进:在讨论了创业团队的组建模式后,主持人转向对具身智能行业终局的探讨。

01:43:54–01:54:26推演具身智能终局:市场格局、产业链分工与场景演化

  • 你对具身智能的终局想象是什么?
  • 从市场集中度和产业链分工角度,你的核心假设是什么?
  • 你认为这个行业以后会有多少家公司?
  • 在未来的格局里,那些用成熟技术先做消费市场的机器人公司会扮演什么角色?

主持人先问具身终局,王新宇以人人都可能需要司机、秘书、保姆、助理来说明潜在需求,只是今天负担不起。他提及“80亿人对应240亿个机器人”的说法时,自己也不确定是否马斯克所言,应视为愿景式数量级,不是市场测算。其应用分两类:面向个人的服务,以及替代3D工作——dull、dirty、dangerous,即单调、肮脏、危险工作。好用、便宜、一个机器人承担多任务,是其普及前提。

竞争格局上,他判断不会短期 winner-takes-all,也不会无限分散成“蚂蚁市场”。理由来自全球汽车和手机:燃油车百年整合后仍有十家以上较大车企;手机不能只看中国几家,还应看Samsung、Google、Nothing等。他明确说不保证机器人一定复制汽车,只是强调全球市场和需求细分会留下多个玩家。CR1/CR3指头部一家/三家集中度,这里用于否定“头部吃光所有市场”的想象,不是给出精确份额预测。

产业链分工则取决于外购是否比自制更好、更便宜。如果宇树持续提供高性价比本体,其他公司未必都需做硬件;即使宇树“大脑”不够强,也可能作为基础设施层具备价值。针对外界质疑其缺少AI领军人物,王新宇提出另一种组织路径:一号位自己学习,搭配年轻且学习能力强的优秀人才,而非必须高价聘请成名专家。美国高额人才费用、中国应届生薪酬均为其转述现象,不当作本期核验数字。

主持人继续问,先做成熟场景、自己造血的公司是否都要转通用。王新宇以泳池机器人星脉和协作机械臂“法奥”说明不必同质:后者据他记忆曾推出约2万元产品,2021年投资当年约售600台,“去年”过万且为中国出货第一,这些均是嘉宾口径,年份和排名未核。通用机器人可用吸尘器而非把拖把集成到身上,也可开车;但若车本身自动驾驶,就无需人形驾驶员。专用自动化、通用机器人和情感/IP产品可以共存,形态不应先验唯一。

话题推进:在深入探讨了具身智能之后,主持人询问美团龙珠在AI大模型和具身智能之外,还关注哪些科技投资方向。

01:54:27–01:57:54龙珠科技版图:聚焦AI Native硬件与新一代算力

  • 除了AI大模型和具身智能,龙珠科技投资还关注哪些重点?
  • 在半导体和能源这两个方向,你们接下来会有什么布局?

主持人把讨论从具身扩展到其他科技版图。王新宇仍以三纵三横组织,重点之一是AI Native硬件,即没有AI产品便不成立,而不是给传统硬件附加一个功能。他举了转录作“Luki”的项目和极壳,具体名称保留待回听。2021年写“下一代终端”时,团队并不知道会是眼镜、耳机还是项链;今天他仍不认为必须出现一个替代手机的大一统设备。TWS耳机、Apple Watch、Oura Ring说明新终端可以凭独立价值成功,台式机、笔记本和平板与手机共存也说明替代并非必要条件。

他的产品判断是:GUI未必始终同等重要,LUI即自然语言交互、云端智能与端侧能力结合,可能带来新的个人体验,手机参与其中但形态和重要性会变化。这属于方向预测,本期没有具体产品路线或用户数据。

能源与半导体方面,他透露近期两个半导体投资和一个能源投资,部分未公开,能源项目是转录作“可控火炬变”的一家公司,正文不擅自更正。芯片一项偏TPU架构,另一项是更新的算力架构。其核心判断是:大模型尚未收敛时,通用GPU灵活、能覆盖不断变化的训练需求;若模型和工作负载相对稳定,面向特定计算的ASIC/DSA可减少不必要的通用性,从而在算力、功耗和成本上更有优势,大量推理也未必需要GPU。这是架构专用化与工作负载稳定度之间的条件判断,不是“ASIC必然全面替代GPU”。

他随后把半导体创新拆成架构、生产制造和材料,并提到先进制程、封装、设备。主持人关于英伟达收购“Grok”、整合“LPU”的说法无法由转录确认,不能沿用原稿自行改成Groq并替其建立事实链;应保留待核。此段真正需要保留的是嘉宾对专用算力的投资逻辑,而不是主持人口误所暗示的已完成并购。

话题推进:本段是节目正文的结尾部分,嘉宾系统性地介绍了美团龙珠在AI相关领域的投资布局,从硬件终端延伸到上游的能源与半导体,并给出了对未来算力架构的判断。

01:57:54–02:07:26连续对话 5

01:57:54–02:01:33AI如何改变投资:从分析师到策略顾问

  • 美团龙珠的科技组有多少人?你们自己的组织是如何被AI改变的?
  • 你们是要优先用“龙猫”吗?还是你们想用什么?(工具名按转录,归属待回听)
  • (AI辅助谈判)是谈判策略之类的吗?
  • 有什么地方是如果你不让它分析,可能你自己没想到?
  • (AI给出的时间分配调整建议)可以分享一下是什么吗?

本段起点实际在01:54:27,覆盖AI Native硬件、能源和半导体,而不是从半导体结尾才开始。主持人随后问科技组规模与AI应用,王新宇说团队约十人,希望AI进入投资各环节,工具不限定被投产品。主持人提到的“龙猫”与其后“龙虾”均是机器转录名称,不能从名称直接认定为月之暗面产品或自建系统。

他描述四类用法:一是写报告、查资料等分析师工作;二是把公司资料和交流笔记输入AI,让它模拟IC member,提出风险和好恶判断;三是在交易沟通遇到挑战时询问建议;四是把团队一年看过的项目、负责人、评分与记录输入工具,分析自己的时间分配。前三类他只评价“有惊喜”,未给对照实验或真实投资回报,因此只能算使用体验,不能推出AI已经能独立做投资判断。

第四类有一个小核对:他在上海到北京的高铁上花四个半小时手动整理日历、按门类统计时间,与AI分析对照,自认为匹配度90%以上。这个90%是他对匹配程度的主观描述,不是有公开标注和精确公式的准确率;日历和项目笔记也未必覆盖所有隐性工作。AI还指出某些时期在某些方向投入过多或不足,他今年采纳了建议,但以涉及投资策略为由不披露具体改变。

由此他提出,数据化回顾能帮助人重新分配时间,甚至接近投资与人生策略,并期待AI更了解自己。这里真正可复用的不是“AI比人懂自己”这句强话,而是已有记录→分类统计→和人工复盘对照→发现偏差→调整时间→再检查结果的链条;最后一步实际成效本期尚未提供。

IC member(AI模拟)嘉宾把项目资料和交流笔记交给AI,请其模拟投资委员会成员提出风险与判断。它是一种辅助分析用途,不代表AI拥有真实表决权或已证明投资回报。
质子锁死嘉宾借科幻设定做思想实验:假设AI能力从当前起不再进步,现有技术是否仍会带来社会变化。它用于讨论技术部署与扩散空间,不是现实技术预测。
原子能力可复用、可组合成更复杂应用的基础能力。嘉宾把LLM、coding、agent等放在这一层,同时区分模型有多聪明和系统能完成多少任务。

话题推进:在谈完AI如何帮助自己复盘和优化策略后,王新宇感慨AI会比人更了解自己。主持人顺势提问,与十年前相比,AI如今的发展有哪些地方超出了他的预期。

02:01:33–02:07:26思想实验:如果AI今天被“质子锁死”

  • 十年前你刚毕业的时候,有想过AI在今天会发展到什么程度吗?哪些地方是超出你预期的?
  • 今天有什么地方是没有达到你十年前的想象或者预期的,或者说不一样的地方?
  • 因为你上中学的时候就做过机器人,可能你对这个难度会更有感受一些?
  • 你觉得接下来一年,比如说说到2026年底,在你关注的这个领域,会有什么比较确定的事情发生?

主持人问十年前是否想象过今天的AI。王新宇以2015年2月一条朋友圈作证:当时转发一篇从外文的AGI、ASI文章译来的知乎内容,并评论若十年内实现,会记得自己在Burger King阅读时的感受。这是他个人记忆和当初关注的证据,不等于当时已经给出今天大模型技术路径的准确预测。

真正超出预期的是具身。十年前他更多考虑数字世界的智能;物理世界不仅要“不碰撞”,还要接触并完成任务,且受一致性、稳定性、散热、功耗和更慢迭代约束。这与他高中做机器人经历相连,也说明为什么数字模型能力不能直接等同于物理世界能力。

谈到2026年底,他先提醒只剩不到八个月,再引用“未来已来,只是尚未均匀分布”。他称看过一个简单统计:全球80亿人中,真正为AI付过钱、以每月约20美元作为用过较先进AI的近似口径,不超过0.3%。这一说法把付费与先进AI使用近似等同,来源和分母未披露,不能当作已验证的渗透率。随后提出“质子锁死”思想实验:即使AI能力停在此刻,现有产品的扩散和流程改造仍可能产生移动互联网级影响。这是基于部署空间的投资想象,不是测量结果。

他回到“不是判断公司好坏,而是判断好公司有多好”,将LLM、coding、agent视作可组合的原子能力,并区分“有多聪明”和“能干多少事”:记忆、多模态、world model等仍可能推进。原文对“一年前没有这种公司、两年前完全没有这个东西”的指代不够明确,不扩写为某家公司出现时间。最后他预测未来三年半比过去三年半更快,尤其普通人会更多感受到AI;主持人总结其11年投资经历、2021年加入龙珠及对月之暗面和具身的观察,节目结束。

话题推进:本段为节目结尾部分,主持人总结全场对话后结束了本期播客。

以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。

主要论证:观点怎样由经历与例子支撑

他从GGV转向昆仑,核心不是已经证明自己能独立投资,而是希望更快检验个人能力能否形成全链条闭环。

王新宇 · 00:15:26–00:26:55

在GGV,他获得经过筛选的创始人样本、项目组训练和合伙人指导,也开始自己主导项目;但VC验证期长,一次结果很难区分个人、合伙人和平台品牌的贡献。2018年到昆仑后,他需要建团队、选方向,在AI低谷中研究后选择交通并投小马智行,再沿算力、算法、数据扩展至半导体。到2021年,他把多个领域出现的正向结果理解为学习范式可以迁移;同时承认科创板上市是时代beta,未退出项目的价值仍含主观判断。

成立条件:这是对职业能力的后验自我评估,不是剔除平台、市场窗口和退出周期后的因果实验。跨领域结果支持可迁移性假设,但不能证明每类投资都能复制同一套方法。

2023年投资月之暗面的关键,是在团队尚无模型时,对杨植麟的技术愿景、人才与组织理解形成判断。

王新宇 · 00:37:07–00:44:11

团队2022年底试图接触,2023年四五月首次见面,6月讨论、7月2日过IC。当时其他公司更早且估值更高,月之暗面团队初步成型、尚无模型,龙珠也未投过大模型。他此前担心杨植麟骄傲、只懂技术、不懂战略;约两小时交流及对其过往合作的回顾,使他把重点放在tech vision:知道技术怎样推进、怎样形成人才密度和合作方式、用什么成功留住人才,并已讨论super app。

成立条件:这是一位投资人在特定时点对创始人的判断,不是人格或经营结果的终局证明。技术愿景能否兑现仍取决于模型、产品、组织、融资和竞争;后续融资也不能单独证明最初每一项判断正确。

宇树投资的认知拐点不是王兴兴突然变了,而是他把宇树从看不懂的机器狗硬件,重新理解为研究者可使用的平台。

王新宇 · 01:01:16–01:04:31;01:33:10–01:40:30

2016年他初见王兴兴时已看到热爱和技术投入,但多年看不清机器狗应用与AI能力。2023年底,他走访美国高校实验室,看到宇树机器狗已被使用,且实验室希望购买新的人形机器人。由此联想到GPU进入AI实验室:如果研究者在同一硬件平台上开发,数据、算法与反馈可能在生态中聚集,宇树无需只依靠内部团队补足全部AI能力。美团战投更早投资,龙珠则在其转变后于2024年上半年投资。

成立条件:实验室采用只是平台形成的信号,仍需开发者持续使用、平台兼容、工具与数据回流、硬件可靠性及商业场景检验。平台价值成立也不意味着本体公司一定成为整个具身智能的唯一链主。

移动/全身控制与操作处于不同判断状态,因此可以采取不同组合策略。

王新宇 · 01:04:31–01:11:22

他把机器人研究简化为locomotion/whole body control和manipulation。前者在投宇树后不再多点布局;后者到节目时仍未收敛,不同团队在数据、算法、大脑和场景上有不同选择,因而可以投多条路径。他强调路线名称不应替代真实任务验收,以航天燃料与自动驾驶路线说明目标是把事做成;对单个创业者而言,坚定探索与发现错误后快速修正必须同时存在。

成立条件:分类是投资研究工具,真实系统的感知、规划与控制不会完全独立。基金可分散路线风险,单个公司仍需集中资源;多投并不自动证明每种路线有效,也不代替对技术、数据和商业结果的跟踪。

“具身投入不是太多而是太少”针对的是前沿引领所需资源,不是说任何估值都合理。

王新宇 · 01:12:55–01:18:17

主持人指出,他过去以Figure一家融资超过中国公司合计作论据,如今中国公司合计已超过Figure。王新宇于是把Tesla研发和转录中Scale公司的生态融资纳入比较,主张如果目标是用20%成本复制50%—80%能力转为共同引领前沿,就应使用相近数量级资源,争取做出120%的产品。他把这与中国消费电子、新能源车从能力积累走向全球竞争的判断相连。

成立条件:比较结果依赖投入的边界:创业融资、上市公司研发、数据生态资金是否同口径相加;140亿与14亿美元在转录中分别是估值与融资,不能混用。资本规模还需配置效率、人才、供应链、真实需求和退出回报配合,高投入不自动消除泡沫。

专用算力芯片的潜在优势以模型和工作负载相对收敛为条件,而不是无条件取代GPU。

王新宇 · 01:56:38–01:58:27

他认为,大模型未收敛时,通用GPU可以适应不断变化的训练需求;当模型结构和工作负载相对稳定后,ASIC/DSA可以削减不必要的通用性,把硬件面向特定计算,因此在算力、功耗和成本上更有优势。大量推理同样不必固定采用GPU。他近期两个半导体项目分别偏TPU架构和更新算力架构,能源项目也围绕AI展开;半导体更长线的创新还包括制造、材料、先进制程、封装和设备。

成立条件:实际优势取决于模型变化速度、利用率、内存与互连、软件生态、量产良率和总拥有成本,不能只看芯片类别。主持人关于收购“Grok”与“LPU”的说法待核,不能作为这一论证的事实依据。

机制与术语:对象、输入输出和中间过程

三纵三横:用技术—场景地图组织研究,而非给项目贴死标签

输入是不断出现的技术与应用,纵向先分AI、半导体、能源,横向再分广义EV、机器人和下一代终端;团队据此建设认知、配置研究时间,并在不同年份选择不同重点。大模型不局限在AI一格,它能向自动驾驶、机器人、终端延伸,也会改变芯片与能源需求。输出是一张可更新的研究地图,而不是保证投资正确的九宫格公式。嘉宾明确2021年对许多联系尚不清楚,且不少项目处在格子交叉点;因此地图有效性要看它是否帮助提出更好的问题,而不是所有新公司能否被塞进去。

对应节目:00:33:28–00:37:06

本文自拟示意,不是嘉宾实验

【本文自拟验证示意,不是嘉宾实验或公司业绩】具身项目既涉及AI模型,也涉及机器人场景、专用算力与关键零部件。研究时可分别问:操作能力需要什么数据和模型?本体能否成为标准平台?哪些部件外购比自制更好更便宜?这些问题可以落在不同格子,但最终仍需回到产品是否好用、便宜和可靠。

从直觉到出手:个人样本、持续接触与组织合议是三道不同环节

输入包括创始人的表达、技术思考、过往合作和反复接触。第一层直觉是长期看人的肌肉记忆,例如初见卷卷没完全听懂却觉得可投;第二层是至少半年、每月或更高频交流,把直觉变成更稳定的判断;第三层是带支持或反对强度的投票/打分,让合伙人在平等权利下合议。输出是投资项目与后续融资、沟通支持。投后仍区分建议与强推,融资经验可以多帮,技术产品则由更懂的创始人主导。直觉、尽调与组织决策不能互相替代,后续成功也不能回写成第一面已经全知。

对应节目:00:37:07–00:49:19

本文自拟示意,不是嘉宾实验

【本文自拟验证示意,不是嘉宾实验或公司业绩】月之暗面在2023年首次见面时还没有模型。王新宇先检查自己对杨植麟的负面预设,再把技术愿景拆成技术推进、人才密度、合作方式、留住天才的目标与super app愿景,最后在7月2日通过IC。这些是可说明的判断依据,但产品未出现意味着技术与市场证据仍然有限。

具身投资拆分:平台采用、操作泛化和产业分工分别验证

输入包括实验室是否使用、研究者是否愿意购买、不同团队的数据和算法选择、真实任务表现、零部件成本与可靠性。对宇树,嘉宾先由实验室采用推导研究平台假设;对操作,他承认路线未收敛,因而同时观察多种大脑、数据与场景;对产业链,他以宁德时代类比,追问关键供应商是否能凭更好、更便宜的产品获得议价能力。输出分别是平台投资、多路线组合和零部件布局。三类证据不能混用:高校采用不证明家庭通用,demo丝滑不证明可靠泛化,零部件出货也不证明其一定是链主。

对应节目:01:01:16–01:12:54;01:18:17–01:24:54;01:48:04–01:51:01

本文自拟示意,不是嘉宾实验

【本文自拟验证示意,不是嘉宾实验或公司业绩】机器人能原速完成一次抓取,只说明这项demo的表现。若要支持通用能力,还需更换物体、位置、光照与任务,记录成功率、人工接管、数据量、单任务训练成本和故障;若要证明本体平台价值,还需观察第三方是否持续基于它开发,而非只一次采购。

专用芯片:工作负载稳定度改变通用与专用架构的取舍

输入是模型结构、训练/推理任务、芯片架构与制造约束。模型还在快速变化时,GPU的通用可编程性更有价值;当某类计算相对稳定,ASIC/DSA可以把晶体管和数据通路更多用于特定运算,理论上减少通用控制开销,改善算力、功耗与成本。输出是针对特定训练或推理负载的芯片方案,而不是适用于所有AI任务的统一赢家。之后还要经过软件适配、内存与互连、编译工具、量产和真实利用率检验。原文并未提供这些实测,所以本段解释的是嘉宾判断的条件链,不是已实现收益。

对应节目:01:56:38–01:58:27

本文自拟示意,不是嘉宾实验

【本文自拟验证示意,不是嘉宾实验或公司业绩】如果同一推理算子长期高频运行,专用电路可以围绕它优化;若下个月模型结构、精度或上下文机制明显改变,固化功能可能降低利用率。判断一种芯片不能只说“专用所以更快”,还需在相同模型、精度、批量、时延目标下比较总成本。

AI辅助投资复盘:把记录变成时间分配反馈,而不是把判断外包给模型

输入是项目笔记、负责人、评分、交流记录和日历。AI先按方向与时间分类,再输出哪些地方投入过多或不足;王新宇把结果与自己四个半小时手工统计对照,主观认为90%以上匹配,随后采纳部分调整建议。输出是时间分配和沟通建议,不是自动完成投资。该流程的价值在于让隐性工作显性化,帮助复盘;90%没有公开计算公式,日历也不代表全部认知劳动,模拟IC提出“惊喜”观点更不等于经过回报验证。真正的下一步应是检查调整后的有效项目覆盖和决策质量。

对应节目:01:58:27–02:01:33

本文自拟示意,不是嘉宾实验

【本文自拟验证示意,不是嘉宾实验或公司业绩】若人工日历统计与AI都发现某方向占据大量会议,而新增高质量项目很少,可以先把这视为时间配置的警示,再核查是研究过深、流程重复还是方向选择有误。不能仅凭AI建议就断定该方向应停止。

嘉宾的Scaling表述:只有power law判断,没有完整Scaling Law证据

在谈AGI之后,王新宇说拓展智能仍有很长道路,并符合power law的发展进程;在具身处,他进一步预期基础操作形成后,上层技能学习会加速。若要把它写成严格的Scaling Law,需要明确输入规模(如训练算力、参数量、数据量或真实交互小时)与输出(如误差、任务成功率或泛化能力),并用多组规模点拟合关系、给出外推区间。本期没有这些定义、曲线和实验,因此不能推出“投入翻倍就必然带来能力翻倍”或“投入越多就一定领先”。这里保留的是嘉宾关于加速与非线性进步的预期,及后续需要检验的问题。

对应节目:00:50:16–00:51:34;01:19:01–01:24:54

本文自拟示意,不是嘉宾实验

【本文自拟验证示意,不是嘉宾实验或公司业绩】可以固定模型和任务,将真机操作数据分为多个规模,分别在新物体、新位置和新任务上测成功率,同时记录采集成本。如果新增数据只提高训练场景表现、不能提高新场景成功率,就不能把曲线直接外推成通用能力。

独立判断:这些对话改变了什么理解

“热爱”更适合作为持续投入的待验证信号,而不是事后解释成功的单一原因。

推理:王新宇自己的材料同时包含两种证据:5023宿舍的无功利项目说明热爱能促使人持续解决问题;宇树则说明他2016年看见热爱后仍多年没投,因为应用与AI能力不清楚。也就是说,热爱和可投性并不等价。他把后来的王兴兴、杨植麟、梁文锋等放在一起,容易让成功者的事后特质覆盖技术窗口、融资条件、团队与供应链。更好的读法是:热爱提出“为何愿意长期做”的假设,后续还要验证选择的问题是否重要、能否形成产品与组织,以及何时需要快速修正。

竞争解释与边界:在高不确定前沿领域,传统近期市场指标可能不足,长期投入确实更有筛选价值;嘉宾也明确不按固定出身筛人,并承认成功投资是小概率。不能用幸存者偏差否定热爱的作用,应检验同样热爱但结果不同的对照案例。

月之暗面与宇树展示的是两种不同的认知形成方式,不能用“重视创始人”一句抹平。

推理:月之暗面在没有模型时,证据主要是创始人的技术愿景、组织思考和反复交流;宇树的关键新增证据则是外部实验室采用与采购意愿,使投资人重估平台生态。前者更接近对人和组织的前瞻判断,后者是外部使用信号改变了对产品层的理解。两者都可能受到后验叙事影响:后续融资会被当成最初判断正确的证明,但融资本身并不等同模型能力、收入或退出。分清证据类型,才能知道下一笔投资该补哪类尽调。

竞争解释与边界:嘉宾对两者都进行了长期接触,也承认没有看懂和错过,并非纯凭第一印象。实验室采用若伴随持续开发、工具生态和数据回流,确有可能从弱信号变强;月之暗面的早期愿景也可能通过后续产品与组织表现得到更强验证。

“投入太少”回答的是国家与产业是否该承担前沿探索成本,不能直接回答某家公司是否值得高估值。

推理:嘉宾把竞争目标从低成本跟随改成前沿引领,并据此要求相近数量级资源,这一逻辑能解释为什么早期技术探索需要容忍失败和多样性。但主持人的追问暴露了口径移动:从Figure与中国创业公司融资比较,转向Tesla研发和Scale生态融资。口径扩大可以更接近真实竞赛成本,却也会让结论难以证伪。投资判断还需另外拆成三层:社会或产业是否值得投入,资本能否有效配置到关键瓶颈,特定估值下基金能否取得与风险匹配的回报。

竞争解释与边界:如果具身处于通用能力突破前夜,过低的早期投入可能使团队无法获得数据、硬件迭代和人才,单纯以短期收入衡量会错失窗口。反过来,若资金主要流向重复demo与同质本体,增加总额不会自动提升有效探索。

具身“GPT-3.5时刻”混合了大众感知、技术可用和商业部署三个时间点,需拆开验证。

推理:嘉宾用原速丝滑视频描述大众感知,又用操作泛化、world model与数据描述技术条件,再用销量能否反哺数据连接商业部署。三者可能先后发生:demo可以先破圈,受控任务随后稳定,开放环境规模化更晚。另一位投资人觉得机器人学抓取比一岁孩子快,只能作为局部观察;人类与机器的训练数据、先验、任务重复和评估环境不同。主持人以自动驾驶从投资信心到消费使用相隔六年追问,恰好说明投资人拐点与大众采用不是同一件事。

竞争解释与边界:嘉宾本人也承认三年可能、错误后要快速迭代,并说销量若能带来必要数据就重要,因此不是单纯鼓吹demo。不同场景的安全约束不同,家庭非安全关键任务可能比L4自动驾驶更快产生“可用”体验,但可靠性仍需单独测量。

芯片专用化与AI组织化都指向同一个约束:稳定性提高后,专用流程才可能产生净收益。

推理:芯片部分,模型与工作负载相对收敛,ASIC/DSA才更容易用专用性换取功耗与成本;组织部分,只有项目笔记、评分和日历被持续记录,AI才能稳定地分类和复盘,形成时间反馈。前者若模型频繁改变会受软件适配与利用率制约,后者若记录口径混乱或评价标准不明,会把历史偏差整理得更漂亮。两者都应先定义任务、对照与总成本,再谈专用工具替代通用流程。

竞争解释与边界:这是一种本文基于两段的联结,不是嘉宾原话。专用芯片也可能通过可编程设计适应变化,AI也可能帮助发现人工未记录的模式;但这些可能性需要产品和组织数据验证,不能直接当成已经实现的优势。

尚未解决的问题与可检验的下一步

待解问题:热爱与专注在早期项目中究竟提供多少独立判断价值?

下一步信息或小实验:在同一时期、相近赛道与阶段建立项目样本,记录初次交流时对长期投入、迭代速度、问题重要性和团队的具体评分,再跟踪产品里程碑、关键人员留任、融资与退出;尤其补看同样热爱但未达到目标的项目。

怎样的结果会改变判断:如果热爱评分只在成功项目回顾中突出、对后续坚持与迭代没有前瞻预测力,就应把它降为叙事线索;若它能预测持续投入和快速修正,并且不由学历、平台或赛道热度解释,才更接近可用的早期信号。

待解问题:宇树的实验室采用能否转化为持久平台与产业分工?

下一步信息或小实验:跟踪实验室采购后的活跃使用、第三方项目数量、软件工具与数据回流、跨硬件迁移成本,以及本体价格、可靠性和维护;同时比较宇树本体、其他本体与垂直一体化的真实任务总成本。

怎样的结果会改变判断:若采购主要是一次性硬件销售,开发者很快换平台或软件生态不由宇树受益,则平台假设需下修;若第三方持续开发且外购显著优于自制,则本体基础设施与分工假设增强。

待解问题:具身通用能力的“丝滑”怎样变成可复核、不过度依赖demo的标准?

下一步信息或小实验:在同一真机上公开原速、连续的任务过程,更换物体、位置、光照、指令与家庭环境,报告成功率、速度、接管率、故障和恢复,另列每项任务的训练数据、采集成本及是否仿真预训练。

怎样的结果会改变判断:如果原速表现只在已排练场景成立,换环境就频繁接管,则大众感知拐点不等于通用能力;若多场景都能稳定完成并能从反馈中改善,才支持一到三年内的技术与采用判断。

待解问题:“中国具身投入太少”能否用同口径、可配置效率的证据支持?

下一步信息或小实验:分开统计创业公司股权融资、大公司针对具身的研发、数据采集和制造投入,避免把估值当融资;再按本体、模型、零部件与场景分类,观察新增资金对应的有效团队、原速任务、实际出货与研发里程碑。

怎样的结果会改变判断:如果中美同口径投入已接近,而新增融资大量进入重复项目、没有带来差异化进展,就不宜继续用总量证明不足;如果关键瓶颈仍受资本约束,且资金能转为可验证的技术和数据积累,则增加投入更有依据。

待解问题:专用芯片与AI投资工作流能否证明总收益,而非只展示局部优势?

下一步信息或小实验:芯片在相同模型、精度、批量与时延下比较GPU和专用方案的利用率、功耗、软件迁移与总成本;投资AI则用固定人工复盘作对照,盲评其新增风险点、遗漏与后续时间调整的实际结果。

怎样的结果会改变判断:若专用芯片在模型变化或软件适配后总成本更高,或AI复盘只是复述既有日历分类、没有带来更好的覆盖和决策,就应缩小应用范围;反之才能从有条件优势走向稳定采用。

影响理解的转录疑点

若想理解投资判断怎样形成,优先听00:15:26–00:26:55(个人能力、平台与时代beta的归因)、00:37:07–00:49:19(月之暗面从第一印象到组织合议)和01:01:16–01:14:58(宇树的实验室平台假设、操作多路线及投入争论)。关注芯片与组织方法的读者,再听01:56:38–02:01:33:前者给出GPU与ASIC/DSA取舍的条件,后者提供AI辅助投资复盘的实际例子。上述内容均为嘉宾自述或判断,关键数字与技术预测仍需结合原始材料和后续证据。

证据边界与资料索引

本页依据整期机器转录、官方节目介绍与章节逐段重建,未宣称逐字人工听审。说话人、专名、数字和时间可能存在识别误差;原声仍是最终核对依据。嘉宾关于公司、市场、研究、个人经历与未来的说法按口述保留,不自动等于独立核验的事实。

原节目:168: 对话王新宇:美团龙珠怎么投科技?

本页使用的公开文字或字幕来源

返回顶部