Podcast Interview · 逐期深读

姚颂谈三次创业:从深鉴、东方空间到物理 AI 的系统工程

本期背景与内容导览

姚颂从清华求学和深鉴科技创立讲起,说明自己为何从高强度学习转向创业,并在融资受挫、选择战略投资人和砍掉无人机业务中学习取舍。卖掉深鉴后,他并未把退出简单视为成功,而是经历了短暂兴奋后的迷茫与重新定位。随后节目进入东方空间:为什么选择“好多快省”而非通常的“多快好省”,以可靠性和运力优先承接卫星组网需求,再逐步追求成本与复用。第三次创业转向物理 AI,他强调这不是一两个小天才或单一算法能解决的问题,需要数据、算力、人才和真实场景长期配合;通过产业伙伴取得场景与数据,在技术里程碑上寻找商业落地,同时保留通用模型主线。后半段讨论全栈与分工、轮式双臂、端侧实时性和隐空间表征。本文保留其连续创业经验,同时把历史选择、当前战略和本文对商业化、组织绑定与技术边界的分析分开。

晚点聊 LateTalk · #173 · 2026-07-22 · 2:55:18

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。

00:00:04–00:30:09连续对话 1

00:00:04–00:03:43开场:从“具身智能”到“物理智能”

  • 如果以“我是”开头,你会怎么说姚颂是谁?
  • 可以讲讲你最近这一次创业的情况吗?
  • 物理智能和具身智能的区别是什么?

节目以一段精彩观点混剪开场,随后主持人程曼祺介绍本期嘉宾姚颂,一位92年出生的连续创业者。她简要回顾了姚颂的创业历程:从十年前创立AI芯片公司深鉴科技,到2020年前后创立商业航天公司东方空间,再到近期成立探索物理AI的新公司Striding AI(正行创新)。

主持人首先请姚颂自我介绍,他将自己定义为“一名创业者”。接着,主持人追问其第三次创业的具体情况。姚颂介绍,新公司Striding AI是一家“物理智能公司”,旨在提供“物理智能的能力”。他解释,这一定位并非单纯的模型或机器人本体公司,而是希望将数据、算力、模型,以及算法、软件、硬件、解决方案和应用场景整合起来,从系统视角考量问题。

主持人注意到姚颂未使用更热门的“具身智能”一词,并询问二者区别。姚颂阐述了他的观点:

1. 具身智能 (Embodied Intelligence):他认为这主要指机器人“体内”的智能能力,使其能处理任务。但他判断,仅有具身智能无法为人类提供完整的服务。

2. 物理智能 (Physical AI):这是一个更宏大的系统概念。姚颂以一栋楼需要10台机器人协作为例,指出除了机器人本体的智能,还需要对整个空间有智能感知,以便机器人提前规划路径。此外,还需要一个类似Robotaxi远程遥控中心那样的系统,用于实时监控机器人状态(电量、位置等)并在出现问题时进行远程干预。他认为,未来十年具身智能可能都需要这样的远程兜底系统。因此,他将“空间和本体、运动和操作”等所有要素的融合称为“物理智能”。

物理智能 (Physical AI)在本对话中,姚颂将其定义为一个超越“具身智能”的系统级概念。它不仅包括机器人本体的智能(输入:传感器数据;输出:动作指令),还整合了对外部环境的智能感知(如空间建模)、多智能体协同调度以及远程监控与干预系统。其目标是提供一个完整的、能够与物理世界交互并提供可靠服务的智能解决方案。
具身智能 (Embodied Intelligence)在本对话中,姚颂将其理解为更侧重于单个机器人“体内”的智能能力。输入是机器人自身的传感器数据,输出是其自身的决策和动作,使其能够在物理环境中执行任务。姚颂认为这只是“物理智能”系统中的一个组成部分。
科创在清华大学的语境下,指学生利用相对简单的技术和代码,制作出看得见、摸得着的应用或设备。其成果通常用于参加“挑战杯”等学生科技创新竞赛,强调动手实践和成果展示。
科研在清华大学的语境下,指学生进入实验室,在导师指导下进行更系统、更深入的研究工作。其产出根据实验室方向不同,可能是学术论文(如SCI),也可能是更复杂的软件系统(如EDA软件)或硬件原型。

话题推进:在解释完“物理智能”的系统概念后,主持人将话题引向姚颂三次跨度巨大的创业经历,询问这些经历背后是否存在一条贯穿始终的主线。

00:03:44–00:07:11三次创业背后的两条主线:拓展人类边界与个人成就感

  • 这三件事其实一般人会觉得跨度很大,它有一个贯穿的线吗?
  • 这个圆扩大的意思,就是星际文明的意思吗?
  • 第二条线是什么?

主持人指出,姚颂的三次创业(AI芯片、商业航天、物理AI)跨度很大,询问背后是否有贯穿的主线。姚颂认为有两条线索。

第一条线索是“解决对人类非常重要的问题”。他坦言,在创办深鉴科技时并未想清楚这一点,当时更多是执行导师汪玉教授定下的大方向。但随着创业的深入,他逐渐形成了自己的世界观,希望解决三类核心问题:

1. 拓展人类生存空间:他用一个“圆”来比喻人类的生存空间,认为必须不断扩大这个圆。实现手段包括解决能源问题(如核聚变)和发展航天技术,使人类能殖民月球、火星,成为多行星物种。

2. 关怀个体生存福祉:圆内的无数个“点”代表每个个体。解决个体的生存、健康、幸福问题是第二类重要问题。

3. 提升社会效率与公平:点与圆之间的关系构成了“社会”。如何通过不同的组织形式(如国家)提升社会运作的效率和公平,是第三个重要方向。

他认为自己的创业项目都落在这三大命题之内:航天拓展人类边界,而AI芯片和机器人则旨在提高社会效率,并支撑人类生存。

第二条线索源于个人内心的驱动力,即“成就感的来源”。姚颂表示,他最大的成就感来自于看到一个简单的算法或技术原点,一步步被打造成产品,最终影响和被许多人使用与称赞。主持人将其总结为一条向外求索的线(解决外部问题)和一条向内求索的线(满足内心驱动),姚颂对此表示认同。

话题推进:在阐明了驱动自己连续创业的两条主线后,主持人准备深入探讨姚颂的第一次创业经历,将时间拉回到他进入清华大学的本科时代。

00:07:12–00:15:21清华求学:从掐表学习11小时到投身科创

  • 本科时候有发生什么事,让你慢慢有了创业这么一个想法吗?
  • 你当时选择的是?
  • 你其实是在告诉大家学这个事的必要性。
  • 你做这件事,你(给师弟师妹讲课)的这个背后的动力是什么样?
  • 你当时大一下说你在看的这种路径里面,你提到了科研和科创,这两件事的区别是什么?

主持人询问姚颂本科期间是否有特定事件引导他走向创业。姚颂回忆,这一切始于大一入学时的巨大压力。他以2011级电子系同学韩演俊为例,形容清华园内“牛人”众多,既聪明又用功,让他感到焦虑。为了追赶,他大一上学期过着极其自律的生活:每天用电子表计时,确保除了吃饭、休息、上厕所外,纯学习时间必须达到11小时。他提到,这种“不努力工作就有负罪感”的心态,在许多清华学生中普遍存在。

然而,这种紧绷的状态让他在大一寒假时感到濒临崩溃。大一下学期,他开始反思大学的意义,意识到除了学习成绩,还有社工、科研、科创、出国、创业等多种发展路径。他决定探索自己真正热爱和擅长的方向,最终选择加入电子系科协,投身“科研”和“科创”。他发现自己对动手实践(如让小车动起来、让程序跑起来)比纯理论计算更有成就感。

为了将理论与实践结合,姚颂在大一暑假就进入了汪玉老师的实验室。这段经历让他找到了学习的真正动力。他以线性代数为例,坦言自己初学时并不理解,但在科研中看到其在3D图像处理、电路计算等领域的实际应用后,才激发了学习热情。他因此给线性代数老师写邮件,建议向新生们展示知识的实际用途。老师的回应是,让他直接在新学期的第一堂课上为师弟师妹们分享,姚颂也因此为比他低一级的电子系同学讲了第一堂线性代数课。

主持人追问“科研”与“科创”的区别。姚颂解释:

* 科创:更侧重于应用,用相对简单的技术做出看得见、摸得着的东西,成果常用于“挑战杯”等学生科创项目。

* 科研:指进入实验室跟随老师做研究,产出形式多样,可能是理论论文,也可能是他当时参与的EDA软件或后来能运行神经网络的硬件板卡。

话题推进:在解释了自己从理论学习转向动手实践的历程后,话题自然地转向了他最终放弃出国读博、选择直接创业的决定。

00:15:22–00:19:32人生抉择:在Boring与Suffering之间选择后者

  • 你后来其实本科毕业是拿到了CMU博士的offer的,但是你没有去。可以讲讲当时大三大四这是一个什么样的心情,后面又放弃,然后又决定创业的过程吗?
  • 你随大流的这种想法是因为什么原因变的?是发生了什么事吗?
  • 这和你一天要工作11小时的人生观产生了冲突是吧?
  • 那为什么后来还是去申请了一些美国的博士的学校?
  • 你当时那个时间点本科毕业就来创业,在同学里面是一种什么类型的选择?

主持人询问姚颂为何放弃CMU的全奖博士录取而选择创业。姚颂坦言,自己最初也和大多数同学一样“随大流”,认为去美国顶尖学府读博是最好的出路。在当时,清华电子系出国深造的比例非常高,他那一届达到了45%。

转变发生在大三。当他第一次去美国开会时,接触了许多在硅谷工作的清华师兄。他观察到,师兄们的生活虽然清闲、收入高,但职业成长缓慢,生活显得有些“无聊”(boring)。他们谈论的话题常常是去过多少个州旅行。姚颂引用一位老师的话总结了他当时的心态:“人生就两种状态,boring和suffering”,而他更无法忍受boring。他渴望经历更丰富的人生,而不仅仅是安逸的工作和休闲。

尽管有了这种想法,他还是按部就班地在大三申请了博士项目,并于大三暑假前往斯坦福大学进行暑期科研。他解释,当时他和导师汪玉教授尚未下定决心创业。直到大四上学期,拿到录取通知前后,创业的想法才逐渐明确,并开始着手准备。

主持人追问,在当时本科毕业就创业是怎样的选择。姚颂回答,这在同学中是“非常极端”,且“不太被认可和理解的”。

话题推进:在谈到本科毕业创业在当时是不被理解的选择后,主持人进一步追问,十年前清华校园里的精英学生们,他们之间推崇和较量的是什么,以此来反衬姚颂选择的独特性。

00:19:33–00:24:16清华“众神”:科研主线与创业萌芽

  • 可以先稍微聊一下,就在十年前的清华园里面,那批年轻人相互之间较量的是什么?
  • 当时像杨植麟、高继扬、陈建宇、许华哲,其实都是你们前后级的。他们是神吗?在学校里。
  • 但他们创业的时间都比你晚。你那会那么早创业,那是不是就有点背离了科研这条路线了?

主持人询问十年前清华园的“风云人物”标准。姚颂确认,清华的主流价值观始终是学习与科研。大家最羡慕的是那些被称为“神”的同学,他们通常学习成绩优异,并在某些学科展现出极高的天赋。他举了韩演俊(“韩神”)和张帆(“帆神”)的例子。

主持人提及杨植麟、高继扬、许华哲等如今的明星创业者,询问他们当年是否也属于“神”的行列。姚颂表示,他们大部分可以算,并解释了这些跨院系的优秀学生是如何聚集在一起的。他提到了几个精英培养计划:

1. 思源计划:一个历史悠久的计划,旨在培养学生的社会责任感。

2. 星火计划(科技创新星火燎原计划):一个专注于科创的培养计划,姚颂、韩松(深鉴联合创始人)、许华哲(循环智能创始人)等人都是成员,杨植麟(月之暗面创始人)可能也在其中。

3. UGVR(斯坦福本科生访问研究计划):一个由华人捐赠支持的项目,每年选送约20-30名中国顶尖本科生去斯坦福进行暑期科研,包揽所有费用。姚颂和高继扬(智谱AI联合创始人)都曾是该计划的成员。

主持人指出,这些同学大多在完成博士学业后才创业,而姚颂本科毕业即创业,似乎“背离”了科研深造的主流路线。姚颂认为,同学们的路径是“正常积累的创业”,即通过博士阶段积累深厚的技术思想,再结合工作经验发现商业问题后创业。而他自己则因为从大一暑假就开始做科研,本科期间就发表了多篇论文,并开始承担管理科研项目和带新生的职责,相当于“更短周期地”完成了从科研到技术成果转化的路径。当大四时,他和同学们基于毕业设计拼出了一个完整的AI芯片Demo,感觉离创业更近了,于是便直接迈出了这一步。

话题推进:在解释了自己为何比同辈人更早创业后,主持人请他具体讲述深鉴科技的创立过程。

00:24:17–00:30:09深鉴科技的诞生:一个毕设项目、两位导师与三方合力

  • 深鉴具体是怎么开始的呀?
  • 当时汪玉老师和韩松都是多大的年纪啊?
  • 他的意思是说这件事和创业同时进行,还是说创业(不成功再回去读书)?

主持人询问深鉴科技的具体创立过程。姚颂回忆,这源于一个由多位2011级(“一字班”)同学在汪玉老师实验室共同完成的毕业设计项目。当时,周而进(后为旷视研究院成员、原力主理联合创始人)负责算法,其他同学分别负责架构、软件、编译器等不同部分。姚颂本人虽然毕设题目不同,但担任了该项目的PM,负责组织协调和论文撰写。

创业的念头始于2014年下半年。他们看到商汤科技于当年9月在清华科技园成立,这让他们意识到深度学习正从科研走向商业应用,预示着市场需要新的算力平台来支撑,而这正是他们项目的方向。商汤成立后不久,其联合创始人徐冰就为了在清华招募实习生而联系时任电子系科协主席的姚颂,这更让他们感受到了市场的脉搏。

2014年底,正在斯坦福读博的韩松师兄回到清华,与他们交流。韩松的研究方向是模型压缩(稀疏化和量化),这与他们的硬件加速方向天然互补。韩松本人也有创业意向,双方一拍即合,互相“壮胆”,坚定了创业的决心。随后,姚颂开始组建团队,他招募的第一个员工是他在电子系科协带的师弟隋翎志。

最终下定决心,汪玉老师的鼓励起到了关键作用。针对姚颂手握CMU全奖博士offer的顾虑,汪玉老师给出了两点建议:

1. 机会成本最低:年轻人是创业机会成本最低的时期,很多人到了30多岁因为家庭、房贷等负担反而不敢创业。

2. 提供退路:如果创业不成功,他有能力推荐姚颂去CMU或斯坦福读硕士,仍然可以走上“去美国读书、进大公司工作”的体面路径。

这番话打消了姚颂的后顾之忧。结合对深度学习算力机会的判断,以及自己内心不想走传统道路的想法,他最终决定与汪玉老师、韩松一起创办深鉴科技。不过,他也提到,这个决定遭到了父母的坚决反对。

话题推进:在讲述了创业初期的团队组建和个人抉择后,对话将转向深鉴科技在创立后面临的实际挑战,特别是融资的困难。

00:30:09–01:00:47连续对话 2

00:30:09–00:32:22创业不应堵死退路:追求成功与防止失败是两回事

  • 你当时其实是有退路的。这在有些人看来会导致你心态上也许不够 all in?
  • 你觉得失败成本太大的问题是什么?是动作会变形吗?

主持人程曼祺提到,姚颂在首次创业时并未完全堵死退路(比如放弃出国留学的机会),这可能会被一些人视为不够“all in”。

姚颂对此明确表示反对,并引用了他导师汪玉老师转发的一位连续创业者的话:“我从来不鼓励你 all in”。他解释说,如果创业者抵押房产来创业,失败的成本就太高了。他用一个赌徒的例子来类比:即使赢输概率是50/50,赌徒的本金也可能在某一次波动中归零,一旦归零就再无翻本机会。因此,他认为创业者应该全身心投入时间、精力、注意力和资源,但不应该封死自己的退路。

主持人追问失败成本过高的具体问题。姚颂回答,这会导致“动作变形”。他区分了两种心态:“追求成功”和“防止失败”。追求成功需要冒险,比如制定一个超出当前现金流支撑能力的三年规划,并依赖后续融资。而防止失败则会变得极为保守,比如要求每一分投入都必须看到两分产出,或者为了延长公司生存时间而裁员降本,这会严重打乱公司的发展节奏。

FPGAField-Programmable Gate Array,即现场可编程门阵列。在本段中,它指一种半定制电路,用户可以根据需要对其进行编程,以实现特定的硬件功能。深鉴科技早期利用FPGA来验证和展示其AI加速器架构的性能(如能效比GOPS/watt),作为最终生产专用芯片(ASIC)前的一个原型和技术展示平台。
Term Sheet投资意向书。在本段中,它指投资机构(金沙江创投)在决定投资后,向创业公司(深鉴科技)出具的一份文件,其中概述了投资的主要条款和条件,是正式投资协议达成前的一个关键步骤。
技术尽调技术尽职调查(Technical Due Diligence)。在本段中,它指投资方(如闪迪、三星等产业公司)在投资前,对深鉴科技的技术能力、技术路线、知识产权和团队实力等进行深入的评估和审查。姚颂提到,这些公司在投资前进行了多达七到九轮的技术尽调,表明了它们对技术细节的重视程度。

话题推进:在讨论完创业心态后,主持人将话题转向深鉴科技早期融资的艰难经历。

00:32:23–00:40:04从技术叙事到市场叙事:深鉴科技的早期融资困境与突破

  • 当你们做了一系列这种互相壮胆的工作之后,正式开始筹备创业,见了50家投资机构,没有一个人愿意投。在当时去做这样一个硬科技的创业,你可以讲讲早期是怎么起步的,环境是怎样的?
  • 你们当时对深鉴要做什么事是怎么来描述的?
  • 可以说这不是一个被包装得很好的故事,可以这么讲吗?
  • 后来你们实际上是怎么拿到第一笔融资的?
  • 所以这个投资人的情况是,他本身就看到了你们在做的这个方向和趋势。
  • 具体这一轮是16年年初9月份敲定的?
  • 我想知道,这是在AlphaGo战胜李世石之前还是之后?
  • 那件事改变了你们的处境吗?

主持人提到深鉴科技在2015年下半年筹备期曾被50家投资机构拒绝,并询问当时的创业环境。姚颂确认,大约十年前的硬科技创业环境非常差,原因有三:

1. 缺乏成功先例:当时投资圈在中国科技行业(尤其是芯片领域)几乎没有赚钱的案例,除了展讯等少数例外。

2. 罕见的创业模式:教授和学生一同创业的模式在当时非常少见,商汤科技是他们当时能援引的少数例子之一。

3. 投资人背景不匹配:由于可投的技术项目少,当时的投资人大多是看消费、文娱和互联网出身,缺乏技术知识体系,无法判断技术项目的优劣。

在融资初期,深鉴团队的叙事方式非常学术化。他们会介绍自己领先的芯片方案,在FPGA上能实现多高的能效(GOPS/watt),并展望未来AI时代对算力的巨大需求将超越GPU。这种从技术出发的叙事方式,在当时并不被主流投资人理解。姚颂提到,他们请教了多位清华师兄,如高榕资本的兴旺、北极光创投的邓峰等。邓峰直言不讳地指出,他们的PPT是纯技术人员的讲法,只讲技术的可能性;而商业投资人想听的是“市场倒推”的逻辑:先描述一个万亿级市场,分析其中需要怎样的产品,最后证明自己的技术恰好能实现这个产品,并展示相关demo。

深鉴科技的第一笔融资(天使轮)充满机缘巧合。领投方是金沙江创投的合伙人张予彤,她毕业于清华电子系,能理解深鉴的技术基础。而促成这笔投资的关键人物是金沙江在硅谷的合伙人林仁俊(Richard Lin),他有几十年半导体投资经验,判断行业正从通用处理器转向专用处理器,因此大力支持。姚颂回忆,金沙江出具投资意向书(term sheet)后,当场就让他们签了字。这笔投资敲定于2016年2月底或3月初,在AlphaGo战胜李世石之前。高榕资本在金沙江领投后也迅速跟投。

AlphaGo事件并未立刻改变深鉴的融资处境。由于团队年轻,资历尚浅,他们很难向不具备技术背景的投资人清晰地证明其技术的领先性。于是,团队转变思路,既然客户和合作伙伴认可技术价值,为何不让他们成为投资方?因此,深鉴的A轮融资由战略投资方领投,包括闪迪(SanDisk)、三星、联发科等。这些公司在投资前都进行了多达七到九轮的技术尽职调查。

话题推进:在谈完成功融资后,主持人进一步询问姚颂在融资过程中的战略选择,特别是为何拒绝了一些巨头的投资。

00:40:04–00:51:21CEO的战略思考:从公司终局倒推,在取舍中成长

  • 为什么你当时拒绝了英伟达、英特尔,选了SanDisk?
  • 这些融资上的选择和战略判断,主要是你在深鉴负责的吗?
  • 你在深鉴的整个角色是什么?你职位上是CEO?
  • 那韩松和单易,因为你们是四个合伙人嘛,他们的团队职责是什么?
  • 其实你们这个组合里面,它缺少一个有商业经验和产业思维的人。你是自己成长成了这个角色是吗?
  • 你们是直接做了一个完整的无人机?
  • 你为什么觉得哪怕之前已经投入了一年,还是得砍掉?
  • 无人机市场的问题是?
  • 你前面在描述你刚才做的战略推演,就这个公司会走向什么结局。你用的是得意两个字。所以在你深鉴的这个角色里面,其实你是做了很多就是战略的、商业的这些事。你花在比如说研发具体的时间肯定是变少的嘛。你是满意这种转变的是吗?
  • 那你内心希望有这个转型吗?你自己怎么接受这个转型?
  • 那听起来都是痛苦啊。有什么好了?你为什么喜欢了?
  • 因为你刚才也说,就是大家期待你转型成类似于张予彤的角色,你是不得不做这个转型。这里面也是会有一些环境的被动的成分。如果让你再选自己的发展路径的话,因为你也可以变成一个就是更技术背景的创始人。这会是你想要的路径吗?你觉得现在会有什么不一样?

主持人询问为何在A轮融资中拒绝了英伟达和英特尔。姚颂表示,他个人在深鉴最得意的一件事,就是在2016年3月拿到天使轮投资后,就开始推演公司的最终结局(ending),包括上市或被收购。他分析了不同退出路径的可能性,并意识到公司必须在某件事上做到世界第一,且对潜在收购方的战略至关重要,才可能被高价收购。这成为他战略思想的启蒙。

基于这种思考,他分析了同时接受多家巨头(如英特尔、英伟达、赛灵思)投资的利弊。短期看,这能极大提升公司品牌,但长期可能带来问题:

1. 信息泄露风险:深鉴的嵌入式业务与英伟达存在竞争,让其成为股东可能会泄露产品布局。

2. 收购障碍:当走向收购时,股东中的竞争对手可能会出于竞价或捣乱的目的,阻碍交易。

3. 业务合作困难:由于各投资方之间存在竞争,他们都担心自己的资源投入会间接帮助竞争对手,最终可能谁都不会真正帮忙。

因此,团队放弃了短期的品牌提升,选择了对中长期业务最有帮助的赛灵思(Xilinx)作为投资方。

姚颂确认,这些战略判断主要由他负责。他在深鉴担任CEO,与担任“政委”角色的汪玉老师搭档。汪老师制定大方针、在关键时刻拍板或“收场”,而姚颂负责一线业务指挥。其他两位联合创始人中,单易是CTO,负责整体研发;韩松是首席科学家,负责前瞻算法研究。姚颂承认团队早期缺少有商业经验的人,他是在实践中成长为这个角色的,同时一位有外企市场经验的师兄刘敬秀也在日常工作中提供了很大帮助。

姚颂举了一个他作为CEO做艰难决策的例子:砍掉无人机业务。2017年1月,深鉴与零度智控合作的智能无人机解决方案刚在CES上发布,姚颂却决定砍掉该业务,转向智能安防和辅助驾驶。原因是无人机市场70%被大疆占据,而大疆不与小公司合作,服务其他所有公司的市场总量也有限。这个决定在内部引起巨大波动,因为技术团队一年的心血付诸东流。最终还是需要汪老师出面协调。

姚颂表示,他接受从技术到战略和商业的角色转变,这是公司发展的必需。他认为CEO永远面对的是最难、最棘手的问题,因为只有当一个决策的选项是“差”和“更差”时,团队才会求助于CEO。他享受这种痛苦带来的成长,并认为早期被50家机构拒绝的经历锻炼了他的心性,让他心态平和。对于个人发展路径,他表示从不后悔,也无法假设另一条路会怎样,对现状很知足。

话题推进:在讨论完姚颂在深鉴的角色和成长后,话题自然转向了深鉴科技最终被收购的决策过程和姚颂当时的心态。

00:51:22–01:00:47开心两分钟后陷入灰暗:26岁卖掉公司后的迷茫

  • 2018年年中,深鉴其实是在成立两年多之后,就快速的以3亿多美元的价格是被收购了。这应该也算是那批AI公司里面很快然后很成功的 一个退出。为什么比较快就选择了被收购这样一个方案?
  • 你后来看到寒武纪的发展,你会有些惋惜吗?
  • 对你来说那(财富不再属于自己的)线是什么?
  • 你当时26岁左右,然后成功的卖掉公司,也见到了你说之前没有见到过的那么多的钱。是一个什么状态?你飘了吗?
  • 为什么用灰暗这个词?
  • 所以纯粹的高兴就两分钟。
  • 你后面是怎么走出这个过程的?其实到你下一次创业中间是隔了好几年。
  • 实际上你从18年卖掉深鉴这个公司,到后面21年第二次创业来做商业航天,你看到了哪些方向?

主持人问及深鉴科技为何在成立两年多后就选择以3亿多美元被赛灵思(Xilinx)收购。姚颂解释这是一个多重复杂因素共同作用的结果。

直接原因是,2018年1月赛灵思新任CEO上任,提出公司要从“器件公司”转型为“平台公司”,因此迫切需要深鉴这样具备强大软件、算法和解决方案能力的团队,并给出了一个极具吸引力的收购报价。

在收到offer后,团队内部进行了深入讨论,姚颂坦言,决策过程综合了正面和负面的考量:

1. 财务回报:对于一个刚毕业三年的工薪家庭出身的年轻人来说,这个价格无疑具有巨大的诱惑力。

2. 风险评估:这次收购让他第一次开始系统地从负面思考公司的发展风险。他意识到,之前反复宣讲BP已经让他自我强化,忽略了潜在问题。例如,当时国内上市要求连续三年盈利,这对深鉴来说是长达五六年的挑战,充满不确定性。

3. 团队状态:随着公司发展,团队平均年龄从26.7岁上升到31岁,许多核心成员成家立业,无法再承受早期996的高强度工作。有技术核心向他抱怨,因为加班已经连续两周没和孩子说过话。团队对家庭的责任感增强,拼搏状态难以为继。

综合这些因素,团队最终接受了收购。姚颂表示,他并不为错过寒武纪后来的发展而惋惜。他认为每个人的追求不同,财富超过一定阈值(如五亿、十亿)后就应属于社会。他引用第一性原理,认为生命等于时间,把时间花在让自己激动和高兴的事情上最重要。卖掉公司让他有机会在之后五年去做商业航天,他对此感到非常高兴。

当被问及26岁卖掉公司后的状态时,姚颂说自己并没有“飘”,反而是在短暂高兴后“陷入了灰暗”。他回忆,在签完并购协议后,他高兴地踱步了两分钟,之后人生就陷入了灰暗。他解释“灰暗”并非纠结,而是一种“混沌”状态,像面前一团迷雾,完全看不清未来的路。原因在于:

* 个人性格:他追求持续挑战,不适合在大企业按部就班地工作,也自认不善于向上管理。

* 路径依赖:他的第一次创业方向(AI加速器)是由导师汪玉确定的,是沿着本科科研路径自然发生的。而现在,他需要自己独立寻找下一个方向,但他的人生经验局限于此,不知道除了AI加速器还能做什么。

这种失去方向的无所适从感,让他感到痛苦和迷茫。为了走出这种状态,获取足够的信息来做决策,他在2018年底开始密集地与投资圈人士交流,为寻找新方向做准备。

话题推进:本段以姚颂为了寻找新方向而开始密集获取信息结尾,为下一段讲述他如何进入商业航天领域做了铺垫。

01:00:47–01:31:03连续对话 3

01:00:47–01:13:24寻找新方向:在经纬创投的探索与排除

  • 所以专业的投资人曾经是你长期的选项吗?
  • 激光雷达被你排除了。后面还有哪些方向?
  • 19年到20年的时候,你看到了国产GPU的那个创业的机会吗?
  • 我知道你还考虑过可控核聚变。
  • 所以你当时想找的,你认为你能发挥你的长处的是,从相对前沿的技术,然后到它可以规模化、工程化的这个阶段的领域。
  • 从18年卖到深鉴,到21年东方空间,这中间三年多的时间,其实你一直就想创业嘛。你踱步两分钟之后,你可能就在想新的方向了。这三年对你来说是会比较难熬吗?
  • 这是一种刺痛感,还是一种一直这样被文火烧着的感觉?
  • 你不是说你有一些爱好吗?那你尝试去玩过一些爱好吗?
  • 但是这些事你觉得都没有创业来劲。
  • 其实之前我们聊过,就是你说你当了一段时间富贵闲人嘛。可能当了几个月之后就受不了了。我想请你描述一下,因为我觉得这是很多人好奇,可能又没体会过的。当富贵闲人,当了六个月之后到底什么感觉?

在卖掉深鉴科技后,姚颂感到人生迷茫,不知未来方向。他咨询了多位朋友,包括经纬创投的合伙人华东。华东建议他多看看其他人在做什么,寻找可能性。恰逢经纬缺少纯技术背景的合伙人,便邀请姚颂担任兼职Venture Partner(风险合伙人)。

姚颂接受了邀请。他回忆,经纬的张颖(David)看得很明白,说他当时最需要的不是现金,而是足够多的信息,并给予他特权,可以参与经纬的任何会议。姚颂表示,自己无法成为专业投资人,因为在一线做过决策,看到创业者“往火坑里跳”时会忍不住想去拉住对方。在经纬期间,他接触了大量硬科技方向,并用自己总结的“人类三大问题”框架(在节目更早的部分提及)去评估这些机会。

他系统性地考察了多个领域,并逐一排除了它们成为自己下一个创业方向的可能性:

1. 激光雷达:2019年上半年,固态激光雷达概念兴起,涌现出许多新团队。姚颂为此请教了禾赛科技的创始人李一帆。李一帆判断,激光雷达领域的核心壁垒不是某种具体技术路线,而是工程化能力——即将原型产品(prototype)转化为可大规模交付的产品的能力,这需要三到五年时间。姚颂认为此判断已被印证,因此放弃了激光雷达方向。

2. 脑机接口:在Neuralink出现前,姚颂就系统性看过该领域,并孵化投资了一家公司。但他判断,在中国做侵入式脑机接口,从动物实验到临床审批的周期会非常长,可能需要近十年。他认为自己的能力在纯研究和过审阶段无法很好发挥,更擅长产品和商业化阶段,因此没有亲自下场。

3. 国产GPU:主持人提到,2019-2020年,壁刃、摩尔线程等公司成立,正值国产GPU创业潮。姚颂承认这与他深鉴的背景契合,但他排除了这个选项。原因有二:首先,他在被收购时承诺了五年内不做类似创业,他要遵守诚信;其次,在当时(大模型爆发前),他无法预见到GPU算力会有如此急剧增长的需求,因此觉得机会不够大。

4. 可控核聚变与量子计算:姚颂认为,在当时这两个领域都还处于纯粹的实验室阶段,离实现有能量净输出的商业化产品遥遥无期。他举例,核聚变装置的材料损耗和更换成本巨大,即便技术实现,其发电成本也未必比现有能源便宜。他希望寻找的是未来三五年内能清晰看到工程化和商业价值的方向。

在寻找方向的三年里,姚颂坦言心理上很难熬,处于一种“被文火烧着”的无聊状态,对什么都提不起兴趣。虽然也通过玩音乐(打鼓、弹键盘)、追星(看音乐节、与喜欢的乐队和Rapper见面)等爱好来调剂,但这些满足感都无法与创业相比。他将这段“富贵闲人”的经历总结为一个词:“boring”(无聊)。

Venture Partner (VP)风险合伙人。在这里指姚颂在经纬创投担任的一个兼职角色。与全职合伙人不同,VP通常是外部有成功经验的创业者或行业专家,他们利用自己的专业知识和人脉为VC机构提供项目源、尽职调查支持和投后管理建议,同时自己也在寻找新的机会。输入是姚颂的行业经验和判断力,输出是对投资项目的参谋意见。
固体捆绑固体一种火箭构型。指火箭的芯一级发动机和捆绑在周围的助推器都使用固体燃料发动机。姚颂提到,这种构型比较少见,通常的构型是“液体捆绑固体”(芯级为液体,助推器为固体)。其技术难点在于,多个固体发动机在燃烧末期的推力可能不均衡,需要复杂的工程创新来确保飞行姿态的稳定和控制。
好多快省姚颂为东方空间制定的战略发展优先级。这是一个对传统口号“多快好省”的重排序,具体指:1. 好(高成功率);2. 多(大运载能力);3. 快(抢占市场先机);4. 省(成本控制)。这个顺序反映了在特定市场窗口期(卫星互联网需求爆发初期),对可靠性和运力的追求优先于成本。

话题推进:在排除了多个选项后,姚颂最终选择了商业航天作为第二次创业的方向。主持人由此引出关于东方空间的话题。

01:13:24–01:20:39创立东方空间:基于“好多快省”战略的商业航天布局

  • 你刚说为国家服务,这个和商业它怎么结合了?因为商业肯定是要有一个市场化的客户。
  • 所以卫星互联网就是火箭公司这个行业一个很大的市场化的客户。
  • 好多快省。
  • 你这里的我们指的是谁啊?

姚颂讲述了他选择商业航天作为第二次创业方向的思考过程。他认为,要在中国做成一家优秀的商业航天企业,必须理解“中国、商业、航天”这三个关键词。

1. 航天:技术上必须能造出火箭,并持续向可回收方向创新。

2. 商业:不能不计成本,要考虑融资、现金流、地方合作等商业要素。

3. 中国:必须适应中国的系统,将公司定位为“为国家服务”。

主持人追问“为国家服务”如何与“商业化”结合。姚颂解释,他的一个关键判断是,国家任务也可以被市场化地释放出来。在2019年,他预见到未来两三年国家可能会推出类似Starlink的卫星互联网计划。他从通信专业背景出发,认为6G的发展方向应该是“往天上走”,通过卫星实现更广的覆盖,而非单纯提升地面基站的速度。因此,卫星互联网将为火箭公司带来巨大的市场化客户和需求。

基于这个判断,姚颂为火箭公司的发展路径设定了“好多快省”的优先级顺序:

* 好(高成功率):这是第一位的。低成功率的发射无法满足卫星互联网组网的需求。

* 多(大运载能力):其次是运力。他估算,要承接卫星互联网发射任务,火箭的近地轨道运载能力至少要达到5-6吨。

* 快(抢占先机):在市场需求刚出现、供给不足时快速入场,抢占市场。如果等三四年,市场会变成红海。

* 省(成本控制):在满足前三者的基础上,成本的重要性相对靠后。在早期,保障任务、快速发射的优先级高于节省单次发射成本。

根据“好多快省”的战略,姚颂和东方空间的创始团队制定了技术路线:先从技术成熟、可靠性高的固体火箭起步(实现“好”和“快”),并做到足够大的运力(实现“多”),再逐步过渡到液体可回收火箭(未来实现“省”)。

关于公司的创立,姚颂表示,他首先看到了市场契机,并认为当时已有的火箭公司尚未瞄准这一新需求。机缘巧合下,他通过同学认识了一个刚从体制内出来、正在构思创业的火箭工程师团队。姚颂发现双方能力高度互补:对方懂技术、懂体制内流程;而他懂战略、懂资本、懂市场。于是,他们一拍即合,共同创立了东方空间。

话题推进:在阐述了创立东方空间的战略思考后,主持人开始询问姚颂在这段近五年的经历中,最开心和最难受的时刻是什么。

01:20:39–01:31:03东方空间的五年:从首飞直播到“好聚好散”

  • 你在东方空间将近五年的时间,你最开心的时刻是什么?
  • 当时这是第一次民营航天发射直播。这个点子是你想到吗?
  • 为什么你们敢直播了?
  • 你这里(01号)的一些新的东西是什么?
  • 你之前跟王鹤东聊,他提到……你们当时实际上做了一些这方面的改进吗?
  • 在东方空间难受的时刻是什么?
  • 那你失了什么马?
  • 你核心的几个成长是什么?
  • 你个人经过这一段,你心理上的成长和变化是什么?
  • 你看到外界的一些纷扰,社交媒体上的一些说法,你是什么心情?
  • 你有什么在商业航天想实现、没有实现的遗憾吗?
  • 去年夏天你离开东方空间是一个怎么样的过程?
  • 那随着你的退出的话,就是他们(投资人)的这一部分,你说认可也好,还是说期待利益也好,怎么来安排了?

姚颂回顾了在东方空间的经历。他表示,最开心的时刻是2024年初“引力一号”火箭首飞成功。这次发射是首次由民营航天公司进行直播,这个“初生牛犊不怕虎”的点子正是他提出的。他解释,自己接受直播可能失败的风险,因为他有一个执念:航天不应与普通人遥远,他希望把发射办成一场人人都能参与的“音乐节”。为此,他还邀请了水木年华现场演出,并为火箭冠名“海澜之家号”。

主持人质疑直播的底气是否来自技术路线成熟。姚颂澄清,“引力一号”的技术难度很高。它采用了罕见的“固体捆绑固体”(芯级和助推器均为固体发动机)构型,这带来了燃烧末期推力不均衡等工程难题,技术团队为此做了大量创新。此外,海上发射本身也涉及火焰导流、船体防烧灼等复杂问题。姚颂还提到,他曾受芯片行业EDA仿真验证流程的启发,希望在火箭研发中引入更多仿真技术,以缩短周期、降低测试成本,并已与北大、北航的老师展开探讨,但出于“好”字当头的谨慎原则,并未完全采用这些创新技术。

当被问及难受的时刻,姚颂并未直接描述具体事件,而是以“塞翁失马,焉知非福”和“痛苦就是成长”来回应。他暗示,随着公司进入不同发展阶段,创始团队间的想法出现分歧,最终他选择离开,去追求自己更适合的前沿技术突破。他认为这段经历让他成长巨大:首先,战略思维更完整,学会了更有逻辑地思考长远问题;其次,积累了在中国推动重大项目的实干能力。

在心理层面,姚颂变得更加成熟和坚韧。他回忆,第一次创业时曾因校友在投资人背调时给出负面评价而受挫,认识到“没有那么多人希望你变得更好”。而在东方空间后期面对外界纷扰时,他已能做到“没什么心情”,不受影响,因为他相信“事已密成”,核心战略不应外露。他唯一的遗憾是时间不够长,未能亲眼见证公司可回收火箭的发射。

关于离开的过程,姚颂形容为“好聚好散”。他离开时,公司业务已进入平稳发展阶段,签有十几亿合同。对于因认可他而投资的股东,他做了两方面安排:一是帮助希望退出的投资人寻找接手方;二是在自己的新公司(正行创新)里,给予这些老股东一定的股权补偿,作为歉意。他补充道,随着商业航天热潮,东方空间的估值在他离开后又增长了数倍,投资人们都获得了可观的回报。

话题推进:在解释完第二次创业的始末与个人成长后,对话自然地转向了姚颂的第三次创业——正行创新,以及他所选择的物理AI方向。

01:31:04–02:00:18连续对话 4

01:31:04–01:41:50第三次创业:物理AI的天时、地利、人和

  • 你去年离开东方空间后很快开启了Striding AI,这是怎么开始的?怎么定位到这个方向的?
  • 这次有灰暗的感觉吗?
  • 去年你做物理AI的天时、地利、人和是什么?
  • 这个方向是你提的吗?
  • 正大和华擎具体提供的场景是哪些?
  • 正大在全球有多少零售店面?
  • 天时还站在你这边吗?因为23年下半年做具身智能的公司已经很多了。
  • 有什么是现在别人没有而你有的?
  • 为什么你觉得你能做到国际化,而别人做不到?

主持人程曼祺首先提问,嘉宾姚颂在离开东方空间后,为何能如此迅速地开启第三次创业“正行创新”(Striding AI),并如何选定了物理AI这一方向。

姚颂回应,方向的确定实际花了一年多的时间。他承认这次创业初期也曾感到“灰暗”,但作为第三次创业,他拥有的信息和资源已大不相同。作为一名早期投资基金的创始合伙人,他能持续接触到市场上的新项目信息。他将创业成功比作足球运动员因扎吉的“门前捡漏”式进球:并非刻意苦寻,而是当各种资源(即“天时、地利、人和”)汇聚到一点时,创业者恰好在那个位置,顺势一推即可。他认为,只有当看到一条清晰的成功路径时,才是一个好的创业机会。

程曼祺追问,姚颂在2023年遇到的“天时、地利、人和”具体是什么。姚颂将其归结为几个关键因素:

1. 地利:关键的合作伙伴与应用场景。 他遇到了泰国正大集团(Charoen Pokphand Group)和国内的华勤技术(Huaqin)这两个重要的合作伙伴,它们也成为了公司除创始团队外的两大股东。姚颂解释,正大是全球500强企业,业务覆盖从农业到零售的完整产业链;华勤则是全球最大的手机、笔记本电脑ODM(原始设计制造商)之一。这两个伙伴不仅有投资意愿,更重要的是能提供物理AI所必需的真实应用场景,形成“算法-模型-应用-数据”的闭环。姚颂提出方向后,发现这恰好是对方愿意进行前瞻性投入的领域。具体而言,正行创新将与华勤在3C电子制造领域合作,与正大在消费零售场景(如7-Eleven便利店、卜蜂莲花超市)合作。这些场景为模型迭代提供了持续的数据飞轮。

2. 人和:技术团队的传承与互信。 他与第一次创业(深鉴科技)时的导师、清华大学的汪玉老师再次合作。汪玉的团队在过去五六年间有数十名学生投入具身智能相关研究,覆盖了强化学习、世界模型、基础设施(Infra)等方向。当时团队内部也在讨论是否独立创业。基于姚颂与团队成员(很多是他的学弟,如团队里的青年教师于欣成是他在清华电子系科协的继任者)之间深厚的互信,双方得以顺利合作。

3. 天时:技术路线的演进。 姚颂在2023年七八月通过阅读论文和观察业界动态,判断出当时主流的VLA(Vision-Language-Action)模型已接近瓶颈。他发现,增加训练数据反而可能导致模型性能下降,且一些公司已开始从VLA转向强化学习。这让他意识到,世界模型、强化学习等新方向带来了新一波机会。

程曼祺质疑,2023年下半年入局是否太晚,因为当时市场上已有宇树科技、智元机器人等头部公司。姚颂承认,后发确实在融资和部分业务资源上存在劣势,但他认为自己的连续创业经历可以抵消这些不足。例如,他能凭借过往积累,快速与大型上市公司建立深入的战略合作。在人才吸引方面,虽然早期公司有先发优势,但随着行业热度提升,更多人才涌入,也为新公司创造了机会。

在被问及有何独特优势时,姚颂强调了公司的国际化布局。他认为,许多中国公司难以做到这一点,根源在于初创时的股权结构和资源禀赋。正行创新从第一天起就定位为“立足中国,面向国际”。这得益于其独特的股东结构,特别是引入了像正大集团这样的全球性企业,使其拥有了一个覆盖全球的商业网络,避免了地缘政治可能带来的限制,也解决了初创企业开拓海外市场时资源匮乏的问题。

物理AI (Physical AI)在本段对话中,物理AI与“具身智能”(Embodied AI)基本同义,指的是能与物理世界进行交互、感知并执行任务的人工智能系统。其核心在于将AI算法模型与机器人等物理实体结合,输入是来自真实世界的传感器数据(如视觉、力觉),输出是机器人在物理世界中的具体动作,目标是完成特定任务(如工业生产、零售服务)。
VLA (Vision-Language-Action) 模型一种多模态模型,它将视觉(Vision)信息和语言(Language)指令作为输入,经过模型处理后,直接输出一系列在物理世界中执行的动作(Action)。这种模型试图建立从高层指令到低层控制的端到端映射,是具身智能领域的一种技术路径。姚颂在本段中指出,他认为该技术路线在2023年已遇到瓶颈。
世界模型 (World Model)一种能够学习并模拟世界运行规律的生成模型。在具身智能中,它通过观察(如视频数据)来构建一个关于物理世界的内部表征或“心智模拟器”。输入是大量的观测数据,输出是对世界未来状态的预测。机器人可以利用这个内部模型在“想象”中进行规划和学习,从而提高在真实世界中决策和行动的效率与安全性。
ODM (Original Design Manufacturer)原始设计制造商。指一家公司根据另一家公司的规格和要求,设计和生产一个产品。在本对话中,华勤技术作为ODM,为各大品牌设计和生产手机、笔记本电脑等电子产品。这代表其拥有深厚的制造业经验和场景。

话题推进:在讨论完“天时地利人和”后,话题自然转向了正行创新在物理AI领域的独特思路和核心竞争力,特别是与业界其他公司的差异。

01:41:50–01:55:08系统性思维:为何一两个“小天才”无法解决物理AI的难题

  • 你和正大集团的掌舵人谢国民是怎么谈定合作的?如何说服这位80多岁的企业家支持你?
  • 除了国际化布局,你们还有什么独特的思路?
  • 你提到大家关注“小天才”,具体指什么?为什么说他们不能解决问题?
  • 如果靠一两个小天才不行,需要靠什么来补充?

主持人程曼祺询问姚颂是如何与正大集团的资深董事长谢国民建立合作的。姚颂分享了与这位他非常尊敬的长辈结识并获得其“无条件支持”的经历。

2022年冬天,通过清华校友的引荐,姚颂受邀向来访北京的谢国民介绍中国前沿科技。姚颂不仅自己作了汇报,还邀请了戴文渊(第四范式创始人)、刘畅(银河航天联合创始人)等朋友一同交流。姚颂回忆,当时已80多岁的谢国民在长达三小时的会议中全程正襟危坐,认真倾听、提问,不喝水、不看手机、不去洗手间,展现出极强的学习欲和对年轻人的尊重。会后,谢国民坚持要亲自起身、弯腰逐一添加参会者的微信,并称他们为“老师”。这次会面给姚颂留下了深刻印象,也让谢国民对他青睐有加。此后,谢国民每次来北京都会约姚颂,并让他带上其他科技领域的创业者朋友(如并行科技的陈健、应奇(小马智行创始人)、王鹤(羲和未来创始人)、许华哲(in-situ创始人)等)一起交流。在姚颂离开火箭公司后,谢国民便提出合作,并承诺“无条件支持”,双方在商业上正常沟通,但在具身智能领域与姚颂独家合作。

接着,程曼祺追问正行创新除了国际化之外还有何独特思路。姚颂强调,公司采用的是一种“系统化”的思路,这与业界一些专注于单一算法的思维不同。他认为,当前资本和媒体高度关注由一两个“小天才”(通常指年轻的明星学者或研究员)创立的、以世界模型(World Model)等新概念为卖点的公司,但这并不能真正解决问题。

姚颂引用了十年前与Momenta创始人曹旭东的一次对话来说明。当时曹旭东认为,一个优秀算法的竞争力构成是:50%数据,30%算力,20%人的经验和灵感,且经验比灵感更重要。姚颂认为这个观点在今天依然适用。他指出,当前中国最顶尖的四家大模型公司,没有一家是“小天才”或年轻教授单独创业成功的。这说明做好算法需要系统性的支撑,即数据、算力和人才资源池三者的结合。

他进一步解释这个系统性思维:

1. 数据: 物理AI需要大量第一视角视频数据。如果纯靠外部采购,成本极高(市价约300-600元/小时),训练一个百万小时数据的模型可能耗资数亿元。这样的成本将使最终产品毫无价格竞争力。因此,必须找到高质量、封闭、海量的自有数据来源。正行创新通过与正大、华勤等深度绑定,能以远低于市场价的成本获取独家、保密的工业和商业场景数据。

2. 算力: 拥有足够多的算力(GPU卡)是基础,但更关键的是算力效率。姚颂自信其团队凭借在基础设施(Infra)上的深度优化能力,可以用256张卡达到其他公司1000张卡才能实现的效果。

3. 人才: 没有任何一个个人或小团队能永远在技术上保持领先。姚颂以深度学习CNN的发展史为例,从AlexNet、VGGNet、GoogLeNet到ResNet,再到物体检测领域的R-CNN、Fast R-CNN、Faster R-CNN、RFCN,技术突破由不同团队交替完成。这证明了技术创新的接力性质。因此,公司必须建立一个庞大的人才资源池,才能持续保持竞争力。他认为,一个公司或许无法永远领先,但拥有一个多样化的人才库是保持业界领先地位的关键。

话题推进:在论证了人才池的重要性后,话题自然延伸到如何构建这样的人才池,并进一步探讨了另一个核心竞争力:缩短从前沿算法到商业价值的转化链路。

01:55:08–02:00:18缩短价值链路:从算法到商业的管道与组织能力

  • 如果一个研究团队无法一直保持世界领先,一个公司能做到吗?
  • 你们怎么建立一个足够大的人才池?
  • 你刚才说还有一个重要的事,就是缩短从前沿算法到商业价值的转换链路,这具体指什么?
  • 如果公司无法保证算法一直领先,那从商业角度是否应该找一个别的壁垒?

主持人程曼祺提出,既然单个研究团队无法持续领先,那么一个公司能否通过吸纳足够多的团队来做到这一点。姚颂认为这本身就极难实现,并以智谱AI、DeepSeek、月之暗面(Kimi)等国内大模型公司的崛起为例,称它们的表现是“国运级”的、极为罕见的成就,且它们之间也处于交替领先的状态,正如美国的OpenAI和Anthropic一样。

在如何构建人才池的问题上,姚颂分析了几家顶尖公司的策略:

* 月之暗面(杨植麟): 依靠创始人的技术形象和感召力,并以清华校友圈为基础,再通过信息学竞赛等渠道吸引年轻天才。

* 智谱AI(唐杰): 依托清华大学KEG实验室,唐杰老师能源源不断地将自己的优秀学生和学术成果输入公司。

* DeepSeek: 提供优厚的薪资待遇,并借助技术负责人梁文锋的个人感召力吸引人才。

姚颂表示,正行创新希望“多管齐下”:一方面,通过与汪玉老师团队的深入合作,让学生在实习阶段就参与进来,成为未来的人才储备;另一方面,也依靠他个人的行业积累和号召力,吸引顶尖技术核心加入,例如公司现任算法负责人高峰,就被多位老师评价为“博士期间一人能顶十个人”。

随后,程曼祺将话题引向姚颂提到的另一个关键点:如何缩短从前沿算法到商业价值的转化链路。姚颂解释,他从一些曾在商汤、旷视等AI公司工作的朋友那里了解到,他们感到遗憾的一点是,公司内部从研究(research)到工程落地,再到产生商业价值的“管道”(pipeline)过长。他们认为,公司沉淀下来的核心价值,正应该是这个高效的转化管道。因为即使是顶尖的AI公司也无法保证在所有技术浪潮中都保持算法领先,例如在这次大模型时代,一些传统AI巨头就相对落后了。

程曼祺提出,如果技术本身无法成为永久壁垒,公司是否应寻找其他壁垒,例如英伟达的CUDA生态。姚颂同意这个方向,并指出,他朋友们后悔的正是没有把研究、工程和产品更紧密地结合,以缩短价值转化链路。他认为,大模型领域的成功恰恰验证了这一点:大模型本身(model)几乎就是产品(product),训练完成后稍作调整即可交付,且客户切换API的成本相对较低,这使得从技术突破到商业价值的路径变得极短。

程曼祺观察到,这种“缩短链路”的竞争模式导致了永无止境的缠斗,例如OpenAI和Anthropic在不同方向上交替领先、激烈反扑。姚颂补充说,在这种高速竞争中,像xAI等一些公司就被甩在了后面。他总结道,这一切竞争的本质,最终都归结为“组织能力”——如何将背景、偏好各不相同的优秀人才紧密地组织在一起,高效协同,共同实现目标。

话题推进:在将竞争核心归结为“组织能力”后,对话将进一步探讨在物理AI领域,什么样的商业落地策略是可行的,特别是“智能优先”路线是否适用于所有玩家。

02:00:19–02:29:18连续对话 5

02:00:19–02:02:27技术路径选择:全栈自研与轮式双臂优先

  • 你们是怎么解决(缩短算法到价值链路)这个问题的?
  • 你们现在的产品,它在本体形态上是怎么选择、怎么设计的?

承接上一段缩短“从前沿算法到商业价值”链路的话题,主持人程曼祺追问姚颂公司的具体解决方案。姚颂回应,他们采取的是“全栈自研”的强垂直整合模式。他详细列举了自研的范围:

1. 算法:与清华大学合作,同时拥有自己的算法团队。

2. 软件:机器人端侧软件、云端遥操作平台和云服务平台全部自研。

3. 硬件:本体的结构设计和硬件设计自研,但不自己生产硬件。

4. 解决方案:最终的方案提供和现场实施也由自己完成。

姚颂判断,这种垂直整合模式将是未来三到五年具身智能发展的主流方向,即使目前尚未采用该模式的公司,最终也会朝此方向演进。

在产品形态上,姚颂认为,要实现场景落地交付,当前最合适的构型是“轮式双臂机器人”。他解释了不优先选择双足人形的原因:

* 成本问题:双足机器人为了支撑身体,其部分关节需要使用更高价值的组件,导致整体成本高于轮式机器人,这在需要计算商业回报时会成为一个问题。

* 稳定性问题:双足机器人必须将电池置于胸腔,导致重心偏高,运动时不够稳定。而轮式机器人可以将电池放在底盘上,重心更稳,身体晃动小,这更有利于算法的稳定执行。

尽管如此,姚颂强调,公司在以轮式双臂机器人作为初期落地形态的同时,也在同步探索双足人形技术。他重申公司的目标是探索“通用物理智能”,希望在通往最终目标的路途上,每一步都能开花结果,实现阶段性的商业价值。

全栈自研在本段中,指一家公司为了实现软硬件的深度协同和快速迭代,自主研发从底层算法、软件系统、硬件设计到上层解决方案的全部核心技术环节,而不是依赖外部供应商或开源生态。输入是市场需求和技术构想,输出是高度整合、可控的完整产品或服务。
轮式双臂机器人一种机器人形态,其移动部分采用轮子(通常在底盘上),上身则配备两条可执行操作任务的手臂。在本段中,它被视为相比双足人形机器人,在当前阶段更具成本效益和稳定性的商业落地形态。
自由度 (Degrees of Freedom, DoF)在机器人学中,指一个物体在空间中可以独立运动的变量数量。例如,一个刚体在三维空间中有6个自由度(3个平移和3个旋转)。机器人的关节越多,其整体自由度越高,控制的复杂性也随之指数级增长。
GPT-3.5时刻借用大语言模型发展史中的一个里程碑,指某项AI技术发展到一个关键转折点,其通用能力(Generalization)和性能表现出现质的飞跃,足以引发行业范式转移。在本段中,姚颂将其在物理AI领域的标准定义为:模型能在任意机器人和任务上,以零样本(zero-shot)方式达到95%以上的成功率。

话题推进:主持人指出姚颂的垂直整合观点与另一位创业者许华哲的生态分工观点相反,引出关于行业发展模式的讨论。

02:02:28–02:06:25分工还是整合:借鉴PC产业历史,现阶段选择垂直整合

  • 你觉得现在物理AI还是在一个垂直整合的状态是吗?
  • 灵巧手你会自己做吗?
  • 不考虑是说不考虑自己做,还是说你们的产品形态上其实短期不需要灵巧手?
  • 你认为现阶段就要开始做一些交付是重要的。那这也涉及到这个行业,我觉得一个一直在讨论的问题,到底是智能能力优先,还是智能和落地我两条腿一起走。你会站在哪一边?

主持人程曼祺提到,她采访过的另一位创业者许华哲(姚颂的投资方也投了其新公司)认为,具身智能公司不必所有事都自己做,应将部分环节交给生态。姚颂对此回应,两种路径都有可能,但他更倾向于从历史中寻找答案。

他以个人电脑(PC)产业的发展类比:

1. 早期(70-80年代初):领先的电脑公司如Apple和IBM都是全栈自研,从芯片、生产到操作系统和应用软件,全部自己做。

2. 中期(80年代末起):随着标准化接口和供应商(如英特尔的CPU、微软的Windows)的出现,行业开始走向分工与合作。

3. 现在:Apple凭借其闭源生态,没有历史包袱,再次显示出其独特的竞争优势,是安卓等其他系统无法逾越的。

姚颂基于此判断,当前的物理AI行业与PC产业早期类似,尚未形成标准化的接口、物料尺寸和成熟的供应商体系。因此,现阶段必须进行垂直整合才能快速发展。具体到实践中,他们不会自己做关节、结构件等已有成熟供应链的部件,但上层的软件、大脑系统等核心部分则必须自研。

关于灵巧手,姚颂明确表示短期内既不考虑自研,产品形态上也不需要。他提出了一个核心观点:机器人的自由度不应由硬件决定,而应由算法的控制能力决定。他用自动驾驶类比,汽车只有前后左右等有限的控制维度,但实现L4级别的自动驾驶已极其困难。具身智能的复杂性远超自动驾驶,体现在三个方面:

1. 交互性:机器人需要主动与环境交互、改变物体状态,而车通常是避障。

2. 环境结构:道路环境有明确的规则(如交通灯、车道线),而通用物理世界只有物理定律,是非结构化的。

3. 控制自由度:一个仿人臂就有7个自由度,双手14个,再加上腿部、髋部甚至灵巧手(6到20多个自由度),控制的复杂性呈指数级增长。

因此,姚颂认为,在现有算法能力下,稳定操控高自由度的灵巧手以实现可靠交付是不现实的。这引出了关于发展节奏的讨论:是优先追求智能能力,还是兼顾商业落地。

话题推进:姚颂明确表达了自己“两条腿走路”的立场,主持人随即追问其背后的原因和具体策略。

02:06:25–02:11:38发展节奏之辩:在每个技术里程碑寻求商业落地

  • 为什么(要选择在每个milestone都有商业化落地)?
  • 有一些观点会认为2026年到2027年的竞争焦点还是在谁能先突破到类似于GPT-3或GPT-3.5的状态,之后再考虑落地,你怎么看?
  • 如果更直接描述这个GPT-3.5时刻在物理AI里面是指做到什么?
  • 这是你说的第一个时刻,(那第二个和第三个呢)?

在“智能优先”还是“落地并行”的路线选择上,姚颂明确表示,他主张在智能发展的过程中,每一个技术里程碑(milestone)都必须有商业化落地。他解释了原因:

1. 规避风险:回顾过去十年的自动驾驶行业,专攻L4的独立企业死亡率很高。如果只追求技术理想而无商业落地,就需要持续依赖认可技术信仰的投资人不断输血,这条路非常艰辛,如同曾经的Boston Dynamics。

2. 增强说服力:拿出商业成果比展示惊艳的技术演示(demo)更能说服所有人,证明技术路径的可行性。

主持人程曼祺提出,有观点认为行业近两年的竞争焦点应是率先达到类似大模型“GPT-3.5时刻”的通用能力突破。姚颂认为这与他的观点并不矛盾。他设想的理想状态是,通过统一的软硬件平台,将前沿研究和商业化落地的流程(pipeline)打通。当一个新算法出现时,只需更换底层的基座模型,就能迅速应用到交付中。

姚颂进一步提出了他眼中一个行业发展的三个关键时刻,并希望他的公司能同时参与和见证:

1. 技术可行性验证时刻(“GPT-3.5时刻”):他将物理AI的“GPT-3.5时刻”定义为,出现一个模型,在任意机器人、任意任务上,能做到95%以上的零样本(zero-shot)成功率。他判断当前行业远未达到此阶段,可能连“GPT-1时刻”都不到,算法难度比自动驾驶高2-3个数量级。

2. 大众认知破圈时刻:技术突破后,需要让大众真正认知到变革的发生并体验到其价值。他以大模型领域为例,认为DeepSeek在2024年初的开源和免费版上线,让数千万中国人体验到AI的实用性,是行业的破圈时刻。

3. 商业价值确立时刻:技术被充分验证其商业价值。他举例,2025年第一季度,Anthropic实现高额年化收入(ARR)并接近盈利,以及智谱AI因其在编程(coding)场景的商业潜力而估值上涨,都标志着大模型商业价值的确立。

姚颂总结,他的策略是希望同时参与这三个阶段,从技术验证到商业落地,步步为营。

话题推进:主持人插入一个题外话,询问姚颂在2022年底看到ChatGPT时的心态,引出一段关于个人心态调整的经历。

02:11:38–02:16:36心态与现实:不羡慕他人,物理AI可先于技术突破实现商业价值

  • 在22年底看到ChatGPT的时候,因为你当时已经投入到商业航天这个行业了,你看到这么大一个技术变革,对你会有冲击吗?
  • 回到你刚说的物理AI的这三个时刻,现在其实第一个时刻都还没到。
  • 其实在数字世界也实现了小规模的商业价值,比如说Jasper。
  • 他也是加了些工程化的方式。

主持人程曼祺询问,2022年底ChatGPT发布时,已投身商业航天的姚颂是否感到冲击。姚颂表示心态还好,因为他信守承诺,当时承诺了就要把航天事业做大。他分享了一段个人经历来说明“不要羡慕别人”的心态:2017年上半年,一位朋友因早期投资以太坊获得了1500倍甚至1800倍的回报,这曾让他备受冲击,感觉自己辛苦创业不如对方运气好。但他在一两周内迅速调整了心态,意识到自己作为深鉴科技的创始人,运气已是“万里无一”,不应奢求更多,而应把握当下已有的运气,做好手头的事。这种心态也延续到了他做航天和现在创业的时期。

回到物理AI的三个发展时刻,主持人指出当前连第一个技术突破时刻都未到来。姚颂同意,但他认为物理AI与大模型有一点巨大不同:物理AI有可能在通用技术实现突破前,就取得商业成果。

他再次以自动驾驶为例,除了追求L4的公司,也涌现出做L2辅助驾驶(如地平线)和特定场景自动驾驶(如矿山、港口、低速物流车)并成功商业化的公司。这些公司的逻辑是,在短期无法实现通用L4的情况下,通过对任务和环境进行限制,在封闭场景内实现类似L4的效果。

姚颂强调,他的公司与这些场景自动驾驶公司的巨大不同在于,他不会为了单一场景去做一个完全工程化的技术栈,而是坚持基于通用的模型和技术栈,只在最终的解决方案层面增加一些工程手段来辅助落地。因此,他得出结论:在数字世界,技术未达到“GPT-3.5时刻”就很难实现大的商业价值(主持人补充了Jasper这类基于GPT-3做小规模商业化后被模型厂商覆盖的例子);但在物理世界,由于每个场景都足够大,是有可能提前实现巨大商业价值的。

话题推进:主持人追问,既然物理AI可以提前商业化,那它是否也会像数字应用一样,被少数几个核心厂商覆盖掉?

02:16:37–02:23:31物理世界不存在垄断:模型规模、实时性与端侧部署的挑战

  • Physical AI不会出现说被一个巨无霸,或者说被少数几个领先的核心厂商给覆盖掉的情况吗?
  • 你怎么看‘语言歧世界’这句话?
  • 那它如果这么大的话,它也怎么推?
  • OpenAI有可能是跟你相反的路径做成,你觉得有可能吗?
  • 你觉得没有OpenAI的命,得了OpenAI的病的情况在中国这个行业里多吗?

主持人程曼祺提问,物理AI领域是否会像数字应用一样,最终被少数巨头覆盖。姚颂认为不太可能,并用汽车行业举例,全球存在众多汽车品牌,说明物理世界很难形成垄断。他判断,一个完全通用的物理世界模型在十年内都很难出现。

他从第一性原理出发,论证了物理世界模型的复杂性远超数字世界:

1. 信息维度:数字世界的语义是清晰的逻辑结构,而物理世界是模拟的、连续的。例如,“你”和“我”在语义空间是两个概念,但在物理世界中,两者的关系(如距离、相对位置)有无限多的可能性,无法用离散的语言精确描述。

2. 模型规模:既然物理世界比数字世界复杂得多,而当前最前沿的数字大模型参数已达5-10万亿(5-10T),未来可能达到100万亿。那么,一个能包罗万象、模拟所有物理细节的世界模型,其参数量将大到不可想象。

基于此,姚颂不认同“语言模型涌现世界模型”的观点,因为语言是数字化的,而物理世界是模拟的,两者存在根本差异。

这种巨大的模型规模带来了物理AI区别于大语言模型的最重要挑战之一:实时性与端侧部署。物理AI的决策和控制必须达到实时(如30帧/秒),且很多场景下网络延迟不可接受,模型必须部署在端侧芯片上。这就要求模型本身不能太大。

因此,姚颂认为,只追求模型能力(如VLA、WAM)而忽视大小和速度的路径,虽然也是一种选择,但更适合像OpenAI这样拥有雄厚资源、能承受长期不盈利的公司。他判断,这种“智能优先”的路径至少需要募集百亿美元级别的资金。对于大多数创业公司,如果模仿OpenAI的路径(“得了OpenAI的病,没有OpenAI的命”),未来在融资上会遇到巨大困难。而OpenAI的探索,对中国所有做“大脑”的公司是利好,因为可以借鉴其思路快速跟进。

话题推进:主持人顺着模型大小和部署的挑战,追问姚颂团队在模型架构上的具体思考和选择。

02:23:32–02:29:18模型架构选择:基于“隐空间”思路,保留主干、舍弃小量

  • 如果像VLA、WAM这些,我现在只是在这种架构上去一味的追求高性能,你觉得之后部署会出现问题。那比如说具体到你们自己的实践,你们在模型上,在智能的这个系统上你们是怎么思考?
  • 你能不能透露你们的foundation model大概是什么架构,是用什么思路来做吗?
  • 你觉得你这个取向和以前搞过物理竞赛有关吗?
  • 你对现在非常火热的WAM这个方向,它其实就是一个像素生成的逻辑,你怎么看这个方向的发展?
  • 你说的都是幸存下来的公司。

主持人程曼祺追问,既然姚颂认为单纯追求高性能的VLA/WAM架构会在部署时遇到问题,那么他自己的团队是如何思考模型架构的。姚颂回答,他们总体采用“隐空间”(latent space)的思路。他解释,这是基于第一性原理的思考:如果模型的目标是精准预测和生成所有像素信息,那么模型会过大,无法满足实时性要求。

因此,他认为模型的核心任务不是还原视觉细节,而是学习物理世界的规律。这包括两方面:

1. 物理学定律:如弹性碰撞、动量守恒、牛顿三定律等。

2. 物理学常识:如感知到纸杯是轻的、软的,铝块比金块轻等。

模型只需要学到这两点就足够了。至于物体表面的文字、衣服的颜色等细节,在机器人执行操作时是无关紧要的。因此,他们希望模型在“隐空间”或“物理规则空间”中去理解和推理,而不是在像素空间。姚颂将这种思路称为“保留主干,舍弃小量”,这与他过去参与物理竞赛时形成的思维习惯有关——物理研究需要果断舍弃对结果影响微乎其微的次要变量(小量),专注于主要矛盾。

对于当前火热的、以视频生成为骨干的世界动作模型(WAM)浪潮,姚颂认为这很正常。他将其类比为两个历史趋势的叠加:

1. 技术潜力驱动:如同深度学习早期,大家看到一个新范式能轻易超越传统算法,展现出极高上限,从而引发投资热潮。WAM展现了推动物理智能算法前进的巨大潜力。

2. 成功案例驱动:如同壁仞、摩尔线程等GPU公司的出现,是看到了地平线、寒武纪等先行者的成功。WAM领域的创业热潮也是看到了已有公司取得的进展。

姚颂不认为这是纯粹的泡沫。他以地平线为例,该公司在2018年收入仅1亿人民币,估值却高达30多亿美元,看似泡沫巨大。但几年后,地平线成功上市,市值远超当年估值。他认为,对于那些追求终极通用模型的L4式公司,中途可能会有很多失败者;但如果能存活到技术成熟、产生商业价值的那一天,那么早期的“高估值”就不再是泡沫。关键在于能否“活下来”。

话题推进:本段结束,后续内容未包含在提供的转录中。

02:29:18–02:55:16连续对话 6

02:29:18–02:40:52物理AI行业展望:生存策略、大厂入局与行业乱象

  • 行业里有多少家做通用机器人、具身智能、物理AI的公司?你觉得哪些能活下来?
  • 往后几年会发生什么?大厂的威胁何时落地?哪类大公司冲击最大?
  • 你认为具身智能会成为像大语言模型一样重要的战略级投入吗?
  • 你对行业未来的推演,是否建立在实体经济仍是生活主线的前提上?有没有可能走向《黑客帝国》那样的虚拟世界?
  • 现在这个行业里有什么乱象?
  • 为了获取资源,在demo上做一些夸大,你觉得可以接受吗?
  • 你觉得发生什么事可能导致这个行业遭受灭顶之灾?

主持人程曼祺首先询问物理AI/具身智能行业的公司数量和生存前景。嘉宾姚颂估计,仅年轻教授出来创业做通用模型的就有四五十家,如果算上做机器人硬件的公司,总数可能上百家。他认为,生存下来的公司分两种:一种是纯粹追求技术理想和通用性,这类公司需要极强的融资能力,甚至要为此多做媒体曝光;另一种是他更认可的路径,即有实际业务作为基础,通过产品迭代来持续发展算法,类似地平线、Momenta以及华为在自动驾驶领域从L2到L4的渐进式发展路径,他认为这种方式成功率更高。

接着,程曼祺追问未来几年行业格局的演变,特别是大厂的威胁。姚颂判断,中国所有的制造业巨头和互联网巨头最终都会战略性地投身物理AI浪潮。互联网公司会像现在投身大语言模型一样投入做模型,以求从线上渗透到线下实体经济。而所有主流制造业企业,尤其是汽车厂商(如蔚来、理想、小米、华为、比亚迪等)、手机厂商(如OPPO、vivo、荣耀等)及其产业链公司,以及重型机械公司(如三一重工、中联重科)也都会入局。他解释,这是因为具身智能/机器人行业被普遍认为在10到20年内产值会超过汽车行业,成为新的经济支柱,因为它将渗透所有第二、三产业乃至部分第一产业。

程曼祺由此引申出一个科幻设想:人类文明是否会走向《黑客帝国》那样的虚拟世界。姚颂坚决否定了这种可能性。他解释,基于自己对脑科学的研究,人类对意识(consciousness)的产生、记忆的存储等底层机制几乎一无所知,因此将意识上传到虚拟世界是不可能的。他认为,人们可能会像《头号玩家》那样戴着VR眼镜深度参与虚拟世界,但肉体和现实世界依然是基础。

回到行业现状,程曼祺询问是否存在“乱象”。姚颂确认存在,并指出一个普遍现象:许多公司用遥控操作(遥操)的视频冒充机器人自主操作的demo来夸大技术能力。他因此养成了审视demo视频的习惯,会检查是否标注了播放速度(很多视频会加速5-10倍)以及是否明确标注“全自主”。他强调自己的公司会明确标注这些信息。程曼祺追问,为了融资等战略目标,这种“Fake it till you make it”的做法是否可以接受。姚颂表示自己绝不接受,这既是出于个人较高的道德标准(“有些话可以不说,但说出来的一定是真话”),也是从功利角度考虑,认为这种做法风险极高,纸包不住火,最终可能反噬自身,带来“灭顶之灾”。他承认,这种坚持可能会让公司在面对擅长包装的竞争对手时,在融资上处于不利位置,因为投资人可能会被各种时髦的技术名词迷惑。

最后,程曼祺问行业是否存在“灭顶之灾”的可能性。姚颂认为已经没有了。他从宏观角度分析,AI正在引发第四次工业革命,首先颠覆的是第三次工业革命的成果——数字经济。而物理AI是对物理世界的渗透,虽然周期更长、更复杂,但趋势是必然的。从资本层面看,虽然有泡沫,但相比大模型领域,物理AI行业的估值泡沫是可控的。同时,像他们一样务实推动落地的公司,有望在两年左右让公众在真实场景中体验到智能机器人的服务。因此,他预测未来几年行业可能会有小幅、短暂的波动,但不会有毁灭性打击。

遥操即“遥控操作”(Teleoperation)的简称。在本段对话中,指由人类在后台远程控制机器人完成特定动作,并将记录下的视频伪装成机器人基于自身智能算法自主完成任务的演示(demo)。这是一种在行业内被用来夸大技术成熟度的手段。
八分进攻、两分防守嘉宾姚颂用来描述自己作为连续创业者心态的一种比喻。与首次创业者“十分进攻、零分防守”的纯粹追求成功不同,他会在积极进取、推动公司发展的同时,保留一部分精力用于风险控制和底线防守,例如确保合法合规、维护个人和公司的长期声誉,以实现更长期的、可持续的成功。

话题推进:在讨论完行业层面的趋势与风险后,主持人将话题转向姚颂个人,探讨他作为连续创业者的角色定位和心态变化。

02:40:52–02:55:16连续创业者的自我审视:在进攻与防守之间,寻找长期价值

  • 你如何定位自己现在的角色?是创业者还是更偏企业家?
  • 你要防守、要守的是什么?
  • 如果别人十分进攻,你只七八分进攻,输的概率会不会变大?
  • 你觉得80后、90后、00后的创始人心态和能力上平等吗?现在受到的关注和支持平等吗?
  • 你(早期创业者)和他们(近期创业者)的幸运与不幸分别是什么?
  • 你觉得前两次创业算成功吗?你想要的成功是什么?
  • 如果对你有一个灵魂拷问,会是什么问题?
  • 知足常乐和选择创业这种“suffering”的事情,这两者如何统一?
  • 第三次创业,里面疲惫和重复的部分会有吗?你现在还兴奋吗?
  • 未来12个月,你希望Striding AI做到什么?

主持人程曼祺将话题转向嘉宾姚颂的个人定位。姚颂重申自己是“创业者”,因为在物理AI这个全新领域,无论经验多少,所有年龄段的创业者(80后到00后)都站在同一起跑线上,需要重新学习。但他认为自己与许多首次创业者心态不同:首次创业者往往是“十分进攻、零分防守”,纯粹追求成功;而他作为连续创业者,会采取“八分进攻、两分防守”的策略。他解释,“防守”指的是守住底线,确保自己不会坐牢或破产,也不会因为一些原因被迫离开中国。他将自己的职业生涯视为一个长线经营的过程,因此不会为了短期利益而越界,比如在火箭公司时不与官员有利益往来,现在则坚持不夸大技术能力。

程曼祺质疑这种“防守”策略是否会在竞争中落败。姚颂认为,在前沿科技领域,成功机会很多,并非赢家通吃。短期看,采取稳健策略可能得分较低,但长期看(如五年后),持续的战斗力可能带来更高的成就。他认为,关键在于保持持续的战斗力,而不是短期内冲到最高估值。

在比较不同代际的创业者时,姚颂认为大家在智力上是平等的。年轻创业者学习新算法、试错能力更强,但可能在公司战略、组织建设和资源布局上有所欠缺,容易遇到瓶颈。而他这样的连续创业者,虽然吸收新知识的速度可能慢一些,但能用经验帮助公司少走弯路。谈及时代背景,姚颂认为,当前享受“推背感”的创业者需要清醒认识到,这种感觉主要来自国家层面的支持,而非个人能力。他引用“坐电梯”的比喻,警告创业者如果将时代红利归功于自己,并以此为据做决策,当时代风向转变时可能面临“灭顶之灾”。他认为自己的经验有时也可能成为“包袱”,一些基于过去经验的判断未来可能被证明是错误的。

程曼祺追问姚颂如何定义前两次创业的“成功”。姚颂认为都“还OK”。第一次创业(深鉴科技),他成功将实验室的技术落地到数百万台汽车上,并最终通过被收购验证了其商业价值,这是一个完整的“从技术到商业价值”的闭环。第二次创业(东方空间),他在一个全新领域(航天)锻炼了学习、战略思考和系统工程组织能力,并亲身参与了火箭的成功发射,这个里程碑本身就是巨大的奖赏。对于第三次创业,他的心态有所不同,不再仅仅满足于体验和经历,而是希望做成一家能够长期经营、走向上市的公司,完整参与并见证物理AI时代从技术突破、产品落地到大规模商业化的全过程。

在访谈的最后,姚颂解释了公司名“正行创新”(Striding AI)的含义。“Striding”意为“大步前行”,而中文名“正行”则体现了他“行得正”的价值观,以及公司正走在通往创新的道路上。他表示,第三次创业依然让他非常兴奋,看到团队成长、技术从demo到落地,这种喜悦与估值无关。他为公司设定的未来一年目标是:让产品在两个目标场景中初步落地并经过几轮打磨,开始为大众提供安全、便捷的服务,让人们真实感受到具身智能不再只是“跳跳舞”。

话题推进:节目结束。

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

在中国做商业航天,成功的战略优先级应是“好多快省”,而非传统的“多快好省”。

姚颂 · 01:13:24;01:17:22

1. 背景判断: 姚颂预判国家将推出类似Starlink的卫星互联网计划,这将为火箭公司带来巨大的、对可靠性要求极高的发射需求。2. 优先级重排: 基于此,他将战略要素重新排序:首先是“好”(高成功率),因为低成功率无法满足组网需求;其次是“多”(大运载能力),他估算近地轨道运力需达5-6吨才能有效承接任务;再次是“快”(抢占先机),在市场需求爆发初期快速入场;最后才是“省”(成本),在早期,保障任务和抢占市场的优先级高于极致的成本控制。3. 技术路线选择: 这个战略直接导出了东方空间的技术路线——先用技术成熟、可靠性高的固体火箭实现“好”和“快”,并做到足够大的运力(“多”),再逐步研发液体可回收火箭以在未来实现“省”。

成立条件:该论证成立的核心条件是:国家主导的卫星互联网计划确实会成为商业火箭公司的主要市场,并且该市场在初期是供给不足的蓝海,愿意为高可靠性和大运力的发射服务支付溢价。

物理AI的成功不能仅靠一两个“小天才”或单一算法突破,而必须依赖数据、算力、人才池三位一体的系统性能力。

姚颂 · 01:47:20;01:53:29

1. 历史经验: 引用十年前Momenta创始人曹旭东的观点,一个优秀算法的竞争力构成是50%数据、30%算力、20%人的经验。并指出当前顶尖大模型公司也非“小天才”单枪匹马创立。2. 数据成本: 物理AI需要大量第一视角视频数据,市场采购成本极高(300-600元/小时),若无自有或深度绑定的数据源,商业上不可持续。3. 算力效率: 拥有GPU卡只是基础,更关键的是基础设施(Infra)的优化能力,能用更少的卡实现同等效果。4. 人才接力: 以CNN发展史(AlexNet到ResNet)为例,证明技术领先是交替出现的,没有任何个人或小团队能永远领先,因此必须建立庞大的人才资源池以维持长期竞争力。

成立条件:此论证成立的条件是物理AI的发展遵循与计算机视觉或大语言模型类似的规律,即技术进步由多个团队接力完成,且数据和算力是关键的规模化壁垒。如果出现一种颠覆性算法,能极大降低对数据和算力的依赖,则该论证的权重会下降。

物理AI创业公司不应模仿OpenAI走“智能优先”路线,而应在每个技术里程碑(milestone)上寻求商业落地。

姚颂 · 02:06:08;02:14:10;02:21:20

1. 风险规避: 回顾自动驾驶行业,纯粹追求L4通用智能而无商业落地的公司死亡率极高,持续依赖融资的路径非常脆弱。2. 物理世界特性: 与数字世界不同,物理世界可以在通用智能技术突破前,通过限定场景(如特定工厂、零售店)实现巨大的商业价值。这类似于L2辅助驾驶或特定场景自动驾驶的成功。3. 路径差异: 他的策略并非为单一场景做纯工程化方案,而是基于通用模型和技术栈,在解决方案层面增加工程手段辅助落地。这样既能获得商业回报和数据反馈,又不偏离通用智能的主线。4. 资源限制: “智能优先”路线需要百亿美金级别的长期投入,绝大多数创业公司不具备这样的条件,模仿是“得了OpenAI的病,没有OpenAI的命”。

成立条件:该论证成立的条件是:1. 资本市场对纯技术探索的耐心有限,无法长期支持没有商业回报的公司。2. 存在足够大的、可以通过“通用模型+少量工程化”解决的垂直场景,其产生的利润和数据能有效反哺通用模型的研发。

物理AI模型的核心是学习物理规律,应在“隐空间”中推理,而不是追求像素级完美的视频生成,因此模型尺寸和速度从一开始就至关重要。

姚颂 · 02:17:45;02:23:56

1. 第一性原理: 物理世界是模拟的、连续的,其复杂性远超数字世界。若要用模型精确模拟所有物理细节(如生成像素级完美的视频),模型参数量将大到不可想象,远超当前大语言模型。2. 部署约束: 物理AI的决策和控制必须满足实时性(如30帧/秒),且往往需要部署在端侧芯片上,无法接受高网络延迟。这就对模型的大小和推理速度提出了严格要求。3. 任务本质: 机器人执行任务时,需要理解的是物理规律(如动量守恒)和物理常识(如纸杯是软的),而无需关心物体表面的文字、颜色等视觉细节。4. 策略选择: 因此,模型应“保留主干,舍弃小量”,在能表征物理规则的“隐空间”(latent space)中进行学习和推理,而不是在像素空间。这决定了其技术路线从一开始就必须考虑模型效率。

成立条件:此论证成立的条件是:存在一个维度远低于像素空间的“隐空间”,它能够有效且足够精确地表征机器人与环境交互所需的物理规律。如果事实证明,精确的物理交互必须依赖对高保真视觉细节的理解和预测,那么这种“舍弃小量”的思路可能会遇到瓶颈。

机制与术语:对象、输入输出和中间过程

深鉴科技A轮融资的战略选择机制

该机制是姚颂作为CEO,在公司早期融资时基于“终局推演”思想做出的一种战略决策过程,旨在最大化公司的长期价值而非短期利益。

* 输入: 多个潜在战略投资方(如赛灵思、英特尔、英伟达)的投资意向。

* 过程:

1. 终局推演: 姚颂首先思考公司几年后的最终结局,主要是被收购或独立上市。他判断,被高价收购的前提是公司在某个细分领域做到世界第一,且对收购方有不可替代的战略价值。

2. 风险评估: 基于此,他分析了同时接受多家巨头投资的潜在风险:a) 信息泄露:股东中的竞争对手(如英伟达)可能通过股东身份获取深鉴的产品规划。b) 收购障碍:未来若被某家公司收购,股东中的其他竞争对手可能会出于自身利益阻碍交易。c) 合作掣肘:各方都担心自己的资源投入会间接帮助竞争对手,导致谁都不愿深度合作。

3. 价值排序: 对比短期利益(多家巨头背书带来的品牌效应)和长期风险(上述三点),姚颂判断长期风险远大于短期利益。

* 输出: 拒绝英特尔、英伟达等公司的投资,选择只与业务协同性最强且竞争关系最弱的赛灵思(Xilinx)进行深度绑定,接受其投资。

* 失败条件: 如果深鉴科技后续的发展路径并不依赖于被单一巨头收购,而是走向独立上市或与多家巨头保持松散的生态合作,那么早期拒绝多家巨头投资就可能错失了更广泛的资源和品牌背书。

对应节目:00:40:04;00:41:42

正行创新的“场景-数据-模型”闭环构建机制

该机制是正行创新为解决物理AI发展中数据成本高昂、质量不可控的核心问题而设计的商业和技术架构。它通过深度绑定产业伙伴,构建一个可持续、低成本的数据飞轮。

* 输入: 1. 拥有海量真实应用场景的战略合作伙伴(如拥有数万家零售店的正大集团,和大型3C制造商华勤技术)。2. 姚颂团队的物理AI算法、模型和解决方案能力。

* 过程:

1. 股权绑定: 让正大、华勤等场景方成为公司的股东,形成深度利益共同体,确保合作的长期性和排他性。

2. 场景切入: 正行创新将自己的AI解决方案部署到合作伙伴的真实场景中(如便利店的货品整理、工厂的产线操作)。

3. 数据获取: 在提供服务的过程中,机器人以第一视角持续采集独家的、高质量的、与任务相关的视频和交互数据。由于是在自有业务场景中采集,数据成本远低于市场采购价。

4. 模型迭代: 将采集到的海量数据用于训练和迭代底层的物理AI模型,提升模型的通用能力和在特定场景下的性能。

5. 价值闭环: 性能更强的模型反过来提升了在场景中提供的服务质量和效率,为合作伙伴创造更大价值,从而激励对方开放更多场景、产生更多数据,形成正向循环。

* 输出: 1. 一个不断迭代优化的物理AI基础模型。2. 在特定场景下可商业化落地的机器人解决方案。3. 公司可持续的商业模式和核心数据壁垒。

* 失败条件: 1. 场景方提供的场景过于零碎或非标,导致采集的数据“脏”且难以泛化,无法有效提升模型能力。2. 从场景中采集数据到模型迭代再到服务提升的链路过长、效率过低,无法形成快速的正向飞轮。3. 解决方案在实际场景中创造的商业价值不足以覆盖其部署和维护成本。

对应节目:01:34:11;01:49:53

独立判断:这些对话改变了什么理解

“八分进攻、两分防守”提供的是信誉与退出能力,但新技术窗口也要求足够明确的投入和验证,不能只靠稳健获得优势。

推理:深鉴被收购、东方空间交接说明不堵死退路可以保留长期关系与再创业机会。可物理 AI 需要高额数据、算力和场景投入,若只强调不夸大和不冒进,可能错过必要的研发规模。真正可取的是用真实里程碑证明价值,同时保留退出与转向空间,而不是把进攻或防守当固定人格。

竞争解释与边界:若耐心资本与产业伙伴愿意长期支持,稳健可以形成信任壁垒;若竞争窗口要求快速投入,过度保守会削弱数据、人才和技术积累。

物理 AI 的“L2式落地”要面对 B 端 ROI,不会自动复制辅助驾驶的商业化路径。

推理:限定场景可以提前创造价值并产生数据,但工厂、便利店等客户会比较设备、维护、人工和故障成本。每个里程碑应计算真实工作流的节省、成功率、接管与复制成本,而非只看演示。若能向大量相似门店复制,规模效应才可能出现;若每个点都需重做,通用模型主线也会变成项目制。

竞争解释与边界:若某场景先证明可靠回收并支持通用模型迭代,逐步落地是合理路径;若通用研究迟迟不能带来收益,商业压力也可能吞掉长期目标。

产业与学术强绑定解决冷启动,也需要防止数据、人才和路线被少数伙伴锁死。

推理:股东场景方能提供真实工作流、低成本数据与部署机会,清华等实验室能提供高密度人才,这是物理 AI 稀缺资源。但如果数据只来自少数环境,模型可能学到局部规律;团队长期依赖单一来源也会削弱多样性。应持续引入新场景、外部人才与独立评测,判断绑定是否转化为通用能力。

竞争解释与边界:早期深度合作可能是唯一可行方式,后期可逐步开放生态。是否开放不应先验判断,而要看新场景的适配成本与模型迁移表现。

尚未解决的问题与可检验的下一步

待解问题:正行创新的“隐空间”模型,在实际任务中对物理常识(如物体重量、材质)的表征能力究竟达到了什么水平?

下一步信息或小实验:用外观相似但重量、硬度、柔性不同的物体,比较隐空间模型与像素预测模型在试探、抓取和力控制上的表现,并记录真实延迟与硬件约束。

怎样的结果会改变判断:若隐空间能准确保留任务所需物理属性并提升实时性,舍弃部分视觉细节是合理压缩;若关键属性频繁丢失,需要增加感知与状态表示。

待解问题:姚颂的“八分进攻、两分防守”策略在面对激进融资和宣传的竞争对手时,实际的融资节奏和估值表现如何?

下一步信息或小实验:比较正行创新与激进宣传公司的融资节奏、资本类型、真实里程碑和研发资源,避免只用估值判断策略。

怎样的结果会改变判断:若稳健路线持续吸引耐心资本并支持研发,防守并未削弱竞争力;若资源长期不足,需重新评估投入与表达方式。

待解问题:“隐空间”保留主干、舍弃小量的具体信息取舍怎样验证?

下一步信息或小实验:在同一机器人任务上比较隐空间、原始视觉与混合表示,检查动作成功、跨场景迁移、推理延迟和失败类型。

怎样的结果会改变判断:若压缩后仍保留动作所需状态且跨场景更好,路线有效;若只在熟悉环境成功,应限定为局部表示而非通用物理常识。

影响理解的转录疑点

建议优先回听 01:31:04 - 02:29:18 这一长段。该段落集中阐述了姚颂对第三次创业(物理AI)的完整思考框架,信息密度极高。它不仅包括了选择赛道的“天时地利人和”分析,更重要的是系统性地输出了他对物理AI行业核心问题的判断和自己的解法,如:系统性思维 vs 小天才、务实落地 vs 智能优先、垂直整合 vs 生态分工、隐空间 vs 像素生成等。这些论证和选择构成了理解其当前事业的核心逻辑,也是本次访谈最具前瞻性和思辨性的部分。

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:173: 对话姚颂:深鉴、东方空间、再出发,「天才少年」十年后

本页使用的公开文字或字幕来源

返回顶部