每晚 10 點，城市漸入靜謐，英諾天使基金 ED 王建明的 “專屬寫作時間” 才剛剛開啟；周末的時光，也早已被她固定分配給了采訪與寫作。

這份堅持，源于一直在堅持做的 “石麻筆記”，最初她只是想隨手記錄工作中接觸的技術(shù)信息，未曾想，石麻筆記受到了越來越多業(yè)內(nèi)人士的關(guān)注，也在潛移默化中改變著她對機器人行業(yè)的認知。

早在具身智能成為資本熱詞之前，英諾王建明就已經(jīng)踏入機器人賽道。據(jù)科技產(chǎn)業(yè)投資平臺華芯資本統(tǒng)計，在一級市場，2025 年前七個月，具身智能行業(yè)總?cè)谫Y金額超過 300 億元，在 2024 年上半年，這個數(shù)字還只是 75 億元。資本狂歡的背后，卻難掩數(shù)據(jù)困境。

從 2017 年到現(xiàn)在的 2025 年，她幾乎見證了這個行業(yè)從默默無聞到名揚世界，也比任何人都清楚，若數(shù)據(jù)難題不解決，再高的融資額也難以支撐行業(yè)走得長遠。

英諾王建明坦言：“機器人的數(shù)據(jù)問題如果不被解決的話，具身行業(yè)用現(xiàn)在的范式不一定做得通?！?/p>

以下是 AI 科技評論與王建明的對話，AI 科技評論對其進行了不改原意的編輯：

01 只是想要記錄而已

AI科技評論：最開始做石麻筆記有遇到困難嗎？怎么解決的？

王建明：沒遇到什么困難，因為非常隨性，叫“筆記”其實就是因為這只是工作或?qū)W習(xí)過程的記錄，沒有什么期待，所以沒有什么困難。

AI科技評論：有給自己規(guī)定訪談or寫作計劃嗎?

王建明：沒有，完全是隨性隨機的，我自己有空并且是感興趣的話題就會想一下，寫一下。

AI科技評論：石麻筆記的文章既有專業(yè)深度又能讓技術(shù)小白看懂，您是怎么把握這個平衡的？

王建明：我會從我看論文所產(chǎn)生的問題去發(fā)問，因為我自己也不是學(xué)術(shù)背景，也不會問非常專業(yè)的問題，而是從比較容易理解這個工作的點來問的，所以問題比較通俗，受訪者的回答也會比較照顧我，會簡單的解釋一些專業(yè)問題，因此寫出來的內(nèi)容對于非技術(shù)背景也比較容易消化。

AI科技評論：為什么從投資人來做石麻日記呢？這其中的心路歷程是怎么樣的？

王建明：其實我在關(guān)注具身智能之前就已經(jīng)在寫石麻筆記了，我一直會對自己看的方向進行梳理，比如看SAAS的時候就會有一些技術(shù)向的東西也會記錄下來，所以機器人的核心點也會梳理，比如具身智能的脈絡(luò)、機器人創(chuàng)業(yè)者的聚集地、還比如很多打過機器人比賽的創(chuàng)業(yè)者，誰先把工作做出來，這個也需要梳理。

具身是一個比較前沿的技術(shù)，技術(shù)的擁有者大部分都在學(xué)術(shù)圈。而且技術(shù)一般都有多個技術(shù)路徑，每個技術(shù)路徑上都有一些階段性的突破，在梳理的過程中也會比較關(guān)注當(dāng)下的技術(shù)突破，對一些有影響力的論文去做一些科普采訪。

我不是學(xué)術(shù)背景，同時對具身又很感興趣，很好奇落地邊界在哪里？離落地的距離有多遠？技術(shù)所創(chuàng)造的價值是什么？從這個角度去跟有影響力的老師做一些訪談，將論文以通俗的方式解釋出來、科普出來。而且也能跟作者建立一些聯(lián)系，很多技術(shù)創(chuàng)新的創(chuàng)業(yè)者都是來自學(xué)術(shù)圈，建立了這些聯(lián)系，也方便后續(xù)去跟進他們的創(chuàng)業(yè)項目。

AI科技評論：做石麻筆記的過程中，有沒有哪些具身的行業(yè)觀點或認知，是通過訪談和寫作后發(fā)生顛覆式改變的？

王建明：石麻筆記我一直是業(yè)余時間做的，一般是晚上 10 點之后和周末的時間點來整理或者采訪。

之所以一直持續(xù)去做的原因就在于，它在持續(xù)地改變我對于這個行業(yè)的一些認知，這個改變是潛移默化的，不是說我采訪了某一篇工作直接就對整個行業(yè)的認知就改變了，而是每一次的采訪、每一篇文章的梳理都會慢慢改變我對這個行業(yè)的一些認知，尤其是對前沿方向的判斷。

AI科技評論：有沒有什么投的項目體現(xiàn)出來了慢慢改變的認知呢？

王建明：現(xiàn)階段的一些交流不一定能夠通過投資體現(xiàn)出來這個認知的價值，但通過時間的慢慢積累我相信是可以體現(xiàn)出來的，因為投資本身就是一個長周期的閉環(huán)驗證，而且現(xiàn)在具身智能處于一個泡沫之中，不管是什么樣的項目都可以有一個比較好的融資，這意味著我通過自己的訪談過程中積累出來的對技術(shù)路徑或商業(yè)模式的認知判斷，可以篩選出我自己愿意推進的項目和不愿意推進的項目。

雖然可能不愿意推進的項目也會有一個好的表現(xiàn)，但這個事情可以拉長到終局來看，現(xiàn)在付出的努力和時間是不會白費的。其實我跟很多行業(yè)人士交流的時候，大家都有有一些小范圍的共識，這些共識不見得每一個投資人都有，這就是在交流過程中的認知差異，所以這些訪談對我的幫助是非常大的。

AI科技評論：您覺得作為投資人和作為采訪者這兩個身份面對交談的對象的側(cè)重點有什么不同嗎？

王建明：作為采訪者，主要的側(cè)重點其實是針對于論文本身，我會想為什么會往這個方向去做，這個方向肯定有自己的一些局限性或者過往工作沒有解決好的問題，相當(dāng)于這個工作的起因。還會側(cè)重于工作中會用到的一些方法，在方法上有一些比較大的創(chuàng)新，或者另一些工作會沿用核心的思想和方法，比如石麻筆記的 Human Data 系列，很多都是在 DeepMimic 這一套思想的基礎(chǔ)上進行微創(chuàng)新。

另外是這個方法能解決什么現(xiàn)實問題，比如去年采訪的 UMI 的工作，它從硬件的結(jié)構(gòu)去做相對應(yīng)的方法，雖然沒那么難，但提出了一個很好的解決數(shù)據(jù)采集的方法，可以真的解決行業(yè)內(nèi)的某個問題，雖然可能早一點、晚一點都會被人提出來，但他們就是第一個提出來的，利用手持夾爪的末端軌跡來訓(xùn)練機器人，既可以很方便的解決真機末端執(zhí)行器的數(shù)據(jù)稀缺問題，又在最終應(yīng)用角度對行業(yè)有巨大貢獻。

而投資人訪談，我所在的投資機構(gòu)英諾天使基金主要是投早期，所以我們的訪談核心是圍繞著人的背景，創(chuàng)始人對創(chuàng)業(yè)這件事的理解，他為什么想現(xiàn)在這個時間點創(chuàng)業(yè)以及他看到的機會是什么等等這些方面去了解。

AI科技評論：您是屬于比較早期就深耕在具身智能賽道的投資人了，對吧？

王建明：我看機器人時間比較久了，2017 年就在看機器人這個方向了。

AI科技評論：那您這么多年看下來感覺有什么變化嗎？或者是您自己心態(tài)有什么變化嗎？

王建明：我自己對于機器人的理解是有基于前一波的機器人的投資和觀察的，這個經(jīng)驗對于現(xiàn)在去看機器人也會有一些指導(dǎo)。

現(xiàn)在的具身智能，也需要借助機器人的外殼去實現(xiàn)它的 AI 能力，再從最終交付的產(chǎn)品上來說，也無外乎是一個機器人的產(chǎn)品。

AI科技評論：軟硬解耦可行嗎？

王建明：我其實不那么相信只需要做機器人的系統(tǒng)和軟件，我覺得能夠真正的把機器人做好的，一定是同時具備硬件的能力、系統(tǒng)的能力、軟件的能力以及算法的能力的公司。

如果是從最終應(yīng)用的角度來說，現(xiàn)階段需要去考慮的是解決行業(yè)痛點，其中硬件就是一個很大的卡點。硬件涉及到本體和上游的零部件，那上游的零部件從終局的角度來說，它真正的核心的價值點又在哪里？其實也不僅僅限于在關(guān)節(jié)模組本身，那可能是更上游的一些零部件的真正突破。

另外在系統(tǒng)層面，更多的是嫁接軟件和硬件，現(xiàn)在有很多單純做算法的一些團隊，但我個人不會覺得單純做算法能夠把整個機器人系統(tǒng)做好，因為它離硬件和最終的產(chǎn)品距離有點遠。機器人系統(tǒng)其實就是鏈接軟件和硬件的，必須要有很好的對硬件的理解、硬件的適配，以及很好的算法能力，互相需要密集的互動，最終才能夠把整個機器人系統(tǒng)做到完美。所以我對于軟硬解耦這件事情沒那么相信，尤其是一些單純做算法的公司。

AI科技評論：您目前有在看什么具身項目嗎？

王建明：今年其實是投了不少項目，我一般會階段性的去找側(cè)重的方向看，比如 23 年就會重點看一些擁有好的學(xué)術(shù)背景的人，以及用 Robot learning 的方式來做機器人控制，尤其是能夠做機器人基座模型的那類公司，23年我當(dāng)時聊了很多第一輪的公司現(xiàn)在漲得都非常好。

到了 24 年就會側(cè)重去看有應(yīng)用能力的公司；到了今年關(guān)注點則回到了雙足人形的一些工作，可以看到我今年一整年的工作都是跟雙足人形相關(guān)的。

雖然存在著一些隨機性，但我認為最核心的點是因為具身行業(yè)的數(shù)據(jù)問題越來越嚴重，怎么去解決數(shù)據(jù)問題變得異常的迫切。所以我現(xiàn)在比較關(guān)注怎么利用現(xiàn)成的數(shù)據(jù)也就是人的數(shù)據(jù) Human Data 去解決這個問題，過程中遇到的鴻溝能否用什么數(shù)據(jù)或方法去彌合。

AI科技評論：您主要關(guān)注具身創(chuàng)始團隊的哪些方面？

王建明：像我們做早期，維度首先主要是看這個人本身，他作為創(chuàng)業(yè)者的一些素質(zhì)和他自己內(nèi)心深處的關(guān)于創(chuàng)業(yè)這件事情的一些想法。第二點是他現(xiàn)在選的這個方向，通過跟他溝通為什么要做這個方向，來去了解他自己思考問題的過程。第三點是創(chuàng)始人他過往的背景，現(xiàn)在想做的這個事情有沒有足夠的支撐。最后是他想做的這個事情他怎么去做，是不是和我的認知有共鳴，或者我能不能被他說服。

AI科技評論：在具身智能領(lǐng)域，您是怎么判斷哪些是好的項目？

王建明：具身智能現(xiàn)在還太早期了，太技術(shù)向了，對于很多標的篩選是需要有一些技術(shù)方向的預(yù)判，不太像單純做一個很成熟的技術(shù)路徑下的產(chǎn)品創(chuàng)新的項目，這個就更多看執(zhí)行力。而具身智能需要有一些你對于技術(shù)路徑的預(yù)判，然后去篩選你認為可能對這個行業(yè)的發(fā)展有核心推動力的一些項目，大家把這些問題都逐步解決的過程中，才有落地的可能性。

其實現(xiàn)在具身智能的創(chuàng)業(yè)者都是有很好的背景，我們常常會篩選的眼花繚亂，至少我自己在內(nèi)部推進項目的一個核心點就是，他在這個階段或者未來兩三年之內(nèi)會不會成為這個行業(yè)的突破圈，或者是進一步往前去推動的一個核心價值貢獻者。

如果是的話，我會比較愿意去推動，如果不是的話，可能相對來說就沒有那么愿意推動。每一個人去篩選哪些項目要去推動都有自己的標準，可能其他的人會有另外的一些思考，尤其現(xiàn)在有很多很好背景的人去做具身的創(chuàng)業(yè)，如果沒有自己的一個標準的話，很容易篩選的眼花繚亂。

AI科技評論：現(xiàn)在具身智能很多家企業(yè)都宣布自己有落地場景，就您個人觀察而言，現(xiàn)在具身智能的落地的實際情況究竟是怎么樣的呢？

王建明：落地的實際情況是應(yīng)該還沒有什么落地。如果落地是說機器人可以做一些演出之類的，它是有落地的。但如果是從我們生活中問題的解決來看，其實現(xiàn)在的機器人并沒有解決，至少我們在生活中沒有看到任何的具身智能機器人。

像公司樓下半身倒咖啡的機器人，它也不是具身智能機器人，只是用傳統(tǒng)的控制方式來去做的機器人。那個很早就有了，我們之前投過的鎂伽機器人，他們就有這個產(chǎn)品。

02 資本寒冬或許還沒那么快

AI科技評論：今年具身智能領(lǐng)域它的投融額遠遠超于去年，這背后的原因是什么呢？

王建明：首先是因為 23 年成立的第一波公司，已經(jīng)到了相當(dāng)高的一個估值，所以資金量的需求就會大很多。其次是因為市面上又出現(xiàn)了很多新公司。

很多人沒有想到，這個賽道的火熱從 2023 年上半年開始一直延續(xù)到了今年下半年，持續(xù)了三年的時間。每到年末，大家就開始覺得這個賽道會變，比如今年很多人就說，明年年初或者明年上半年這個賽道可能會變。

這個賽道有很多刺激因素，比如我們階段性地看到了很多海外公司很厲害的突破或進展，或者一些政策性的刺激，也能看到聽到 Elon Musk 之類的大佬他們對這個賽道的一些預(yù)判，這些都會形成刺激，而且這些刺激是一波一波的來，每一次刺激都比上一次來來得更強烈一些。刺激因素一直在的話，大家就一直會敢投，而且今年也確實看到了一些進展。

AI科技評論：今年具身方面的投資特別火熱，經(jīng)常出現(xiàn)搶項目高估值的情況，這種情況會不會給你們判斷投資帶來困難？

王建明：肯定是會的，核心的點就在于，在投資的時候會面臨一些泡沫，本來這個項目不用那么貴，但因為有人爭搶，所以估值就會高一點。

今年我有一個普遍的感覺，本來 2023 年當(dāng)時的很多項目的第一輪是在兩個億人民幣左右，今年好一點的具身智能公司，第一輪基本上都是 5 個億人民幣了。其實這些項目回到 23 年，估計可能也是兩個億人民幣，能感覺到估值的溢價。

AI科技評論：好多人都說明年具身智能就會遭遇資本寒冬了。

王建明：好像去年就有聽到，到了 25 年，可能具身智能賽道就會轉(zhuǎn)冷，但實際上今年又上了一個高度。投資行業(yè)是一波一波的熱潮，如果按照一個正常的行業(yè)來看，會有一個周期，大概到了一個時間點的頭部形成，整個賽道就相對來說降溫了。

但是具身智能這個方向，它的技術(shù)創(chuàng)新性持續(xù)的出現(xiàn)，而且本身技術(shù)難度很大，很多個環(huán)節(jié)是需要有突破的，終極的想象空間又是巨大的，所以整個賽道的厚度和大家對它的期望值是極限的高，泡沫的生命周期也是意料之外的長。

AI科技評論：也就是說您認為明年或者未來兩三年，應(yīng)該還不至于說陷入寒冬？

王建明：我不太會做這種預(yù)測，但是從今年的觀察來說，依然有大量的非常優(yōu)秀的人，持續(xù)跳到這個行業(yè)里面來創(chuàng)業(yè)，我們是看早期的第一輪，所以能夠發(fā)現(xiàn)持續(xù)有很多項目出來，而且感覺今年好像比往年都多。

AI科技評論：目前進入具身賽道還有機會嗎？

王建明：任何時間都不晚，但確實從融資的角度或者從生態(tài)位的角度來說，要面臨一個問題：如果要卡一個比較好的生態(tài)位，這個時間點出來感覺是會有點晚。但是依然可以做一些事情，比如能不能推動整個行業(yè)的核心價值貢獻？例如數(shù)據(jù)問題。另外，這個時間點其實有很多做細分應(yīng)用的公司出來的。

AI科技評論：現(xiàn)在有好多投資人都說現(xiàn)在具身里面有很太多泡沫了都不敢投，那您覺得現(xiàn)在還適合投嗎？

王建明：這個見仁見智，還是得回到篩選項目的標準是什么？如果現(xiàn)階段是能夠解決這個行業(yè)價值卡點的一個事情，那就有意義做。

AI科技評論：現(xiàn)在投資具身智能面臨的最大的風(fēng)險是什么呢？

王建明：風(fēng)險和收益是并存的，對個人來說最大的風(fēng)險是你投中的公司最終都沒有跑出來，而跑出來的公司你都沒有投中。

整個行業(yè)的風(fēng)險是，現(xiàn)在很多成立兩三年的公司也在資本化，從投資人的角度來說，只要他在二級市場上市了，至少階段性的流動性就能夠被滿足。只要行業(yè)沒有一下子垮掉，從收益的角度還是可以保證的。所以這也是為什么 23 年出手早、出手猛的投資人其實是可以賺到第一波收益的。

當(dāng)下確實太多的公司在這個行業(yè)里面了，未來不管是從業(yè)務(wù)落地，還是從融資，還是從生態(tài)位各方面來說，都會有很多挑戰(zhàn)的，這個時間不會是短期的，可能得等這個賽道的融資遇冷之后，才會暴露出來問題。

如果拉長周期來看，現(xiàn)在的創(chuàng)業(yè)公司可能最終的成功率是百分之個位數(shù)的，意味著大多數(shù)公司后面會掛掉。這就是任何一個行業(yè)的規(guī)律。百分之個位數(shù)的數(shù)字，主要是因為基數(shù)比較大，現(xiàn)在跟具身智能這個標簽相關(guān)的公司，應(yīng)該有幾千家了，而且還會持續(xù)有新的公司出來。

我們現(xiàn)在相對還處于比較早期，屬于風(fēng)險點還沒有被暴露出來的時間。

AI科技評論：機器人未來的行業(yè)格局可能是怎么樣子的呢？

王建明：行業(yè)格局這個挺難判斷的，可能會有很多個應(yīng)用場景，每一個應(yīng)用場景可能會有一些做的比較好的公司。

值得推敲的是為什么在過往的自動駕駛行業(yè)和大語言模型行業(yè)，中國沒有培養(yǎng)出來相應(yīng)的數(shù)據(jù)公司，可能是因為中國大廠太強了。但是機器人它暫時還沒有一個很明確的終極應(yīng)用場景，誰可以做成比較強的大廠，我們現(xiàn)在還不知道。

另外，不管是 AI 1.0，還是自動駕駛，還是大模型，其實中國都是跟隨者，但是具身智能這個賽道有可能成為引領(lǐng)者，比如數(shù)據(jù)范式被引領(lǐng)者嘗試出來之后，后來者有一個成功的路徑可以去參考。所以在具身智能這個行業(yè)作為引領(lǐng)者是需要在數(shù)據(jù)上做一些引領(lǐng)的。在中游會有像數(shù)據(jù)公司存在的，也可能會有一些基礎(chǔ)設(shè)施的公司存在，上游的話可能有很多的硬件的零部件公司。

03 數(shù)據(jù)是目前機器人領(lǐng)域的核心問題

AI科技評論：現(xiàn)在有一批自動駕駛的團隊過來做具身智能，您覺得最后能做成的人會是他們嗎？

王建明：他們是最接近具身智能的一個形態(tài)，也是一個物理 AI，也有一個現(xiàn)實的載體，所以他們過往的一些經(jīng)驗確實是很值得參考，但是我倒覺得最終能做成功機器人的還是機器人行業(yè)內(nèi)的人。

AI科技評論：為什么？

王建明：自動駕駛其實是車廠的生意，終端的形態(tài)是極其之固定的，就是一輛汽車。在終端場景上的電動汽車，其實是產(chǎn)品上的創(chuàng)新，這個東西跟算法沒關(guān)系，是主機廠的生意。

回到機器人的形態(tài)，能想象到終極的機器人形態(tài)是什么嗎？其實想象不到的。所以這個過程中需要一個非常有產(chǎn)品、硬件、結(jié)構(gòu)設(shè)計天賦的團隊去突破它最終能夠進入生活中的形態(tài)的問題。

這有點像當(dāng)年蘋果手機研發(fā)，如果當(dāng)時沒有蘋果手機無按鍵的形式，那可能我們現(xiàn)在還在用按鍵手機。其實機器人現(xiàn)在也是差在這個環(huán)節(jié)，機器人的產(chǎn)品形態(tài)其實跟自動駕駛沒什么關(guān)系，還是需要一個有著極致產(chǎn)品和結(jié)構(gòu)天賦的人去推動。

自動駕駛行業(yè)他們有過往的一些經(jīng)驗，可以告訴具身行業(yè)里面的人要避開的坑是什么？自動駕駛對可靠性和安全性的要求是比較高的。但是實際上機器人進到家庭里面，不管是產(chǎn)品的復(fù)雜度，還是動作的維度，還是指令的復(fù)雜度，它對于安全的需求都是遠遠高于自動駕駛的。

AI科技評論：目前機器人這個領(lǐng)域還沒有出現(xiàn)像您剛剛說的那種人嗎？

王建明：我覺得可能有，但是至少從產(chǎn)品層面還沒看到。

AI科技評論：您認為現(xiàn)在機器人的進程類比到自動駕駛，處于自動駕駛的哪個階段？

王建明：我其實沒怎么系統(tǒng)地看過自動駕駛，如果要類比的話，其實很多都是固定程序編程，把道路上的很多情況都模擬出來，然后手工的編一些規(guī)則，讓它去遵循這些規(guī)則。

這就跟傳統(tǒng)機器人差不多。像現(xiàn)在的割草機、泳池、清洗機器人，甚至掃地機，它的智能化程度也是夠的，那我覺得這些機器人是不是可以說成是自動駕駛的 L1 和 L2？

現(xiàn)在通用機器人的技術(shù)，其實在處理剛才說的場景上，可能還趕不上過往的技術(shù)。大家都喜歡去對標現(xiàn)在是 Chatgpt.幾的時間或者自動駕駛 L 幾的時間，我覺得不太能夠去類比，核心還是回到機器人本身的技術(shù)棧上面，它現(xiàn)在的問題是什么？問題被解決的可能性是什么？

AI科技評論：那機器人現(xiàn)在最核心的問題是什么？

王建明：核心問題還是數(shù)據(jù)，數(shù)據(jù)問題被解決之后，可能又暴露出來其他的問題，比如說模型結(jié)構(gòu)、算法路徑。只是可能匹配到相應(yīng)的數(shù)據(jù)之后，算法路徑也會更清晰一點，在相應(yīng)能成的算法路徑上，判斷模型的框架要不要被修改，有了更合適的模型框架，最終回到解決到這個行業(yè)的問題，通用任務(wù)的完成度、可靠性。

去做落地的時候，可能有更多問題。所以整個環(huán)節(jié)問題有太多了，很難去對標到曾經(jīng)的 Chatgpt 級和 L 級，因為整個機器人系統(tǒng)的復(fù)雜度是遠遠高于大語言模型和自動駕駛的。

AI科技評論：您在機器人領(lǐng)域深耕了這么久，您能觀察目前相對比較確定的一個趨勢是什么嗎？

王建明：確定的趨勢是機器人的數(shù)據(jù)問題如果不被解決的話，具身行業(yè)用現(xiàn)在的范式不一定做得通。

AI科技評論：今年有很多創(chuàng)業(yè)者進入了機器人數(shù)據(jù)這個賽道，您是怎么看待這個現(xiàn)象的？這背后有什么原因呢？

王建明：大家是到了一個節(jié)點，認為這個行業(yè)進一步推動的卡點就在于數(shù)據(jù)，所以大家都是要先解決數(shù)據(jù)的這個問題，解決數(shù)據(jù)問題會有不同的角度和邏輯。

AI科技評論：如果是創(chuàng)業(yè)公司的話，它聚焦于這個機器人數(shù)據(jù)這個細分的賽道可行嗎？

王建明：要看他做的數(shù)據(jù)是什么類型的數(shù)據(jù)，以及他能夠給客戶提供的數(shù)據(jù)維度是什么。如果它本身提供的數(shù)據(jù)的采集難度很大，而且提供的價值鏈條不僅僅是采下來的數(shù)據(jù)，還涉及到一些算法，甚至涉及到模型層的一些東西，那這個東西的價值貢獻還蠻大的。

AI科技評論：中國好像沒怎么聽到數(shù)據(jù)公司。

王建明：從商業(yè)模式的角度來說，大家都會質(zhì)疑在中國會不會有數(shù)據(jù)的生意的模式存在，因為過往并沒有很成功的數(shù)據(jù)公司。但是如果不從這個維度思考，而是從具身智能本身行業(yè)的卡點來思考的話，那數(shù)據(jù)這個問題它值不值得被解決？并且解決這個問題的公司是不是有一個商業(yè)生態(tài)位？從這個角度去思考，答案是肯定的。

AI科技評論：數(shù)據(jù)的采集路徑有哪些？壁壘高嗎？

王建明：可以想象一下未來的機器人行業(yè)，它跟自動駕駛和現(xiàn)在的大模型都不一樣。自動駕駛它的數(shù)據(jù)生產(chǎn)的過程是可以強烈的依靠在本體上面的，這個也是為什么像去年 VLA 很火的時候，大家是用模仿學(xué)習(xí)，所以大家會覺得我反正有大量的本體，把本體布出去，通過本體來采數(shù)據(jù)。這個路徑就是典型的自動駕駛的思路，就是通過遙操設(shè)備去采集數(shù)據(jù)。

但現(xiàn)在大家發(fā)現(xiàn)這個方式采集數(shù)據(jù)的量、效率，包括質(zhì)量都是有問題的。像今年世界模型也比較火，那它核心點就是做了數(shù)據(jù)生成式的東西，想通過生成式的東西來解決數(shù)據(jù)問題。最后是人的數(shù)據(jù)，維度還挺多的，包括人的形態(tài)的數(shù)據(jù)、人的視角的數(shù)據(jù)等等。

數(shù)據(jù)這個生意得要想得透，如果數(shù)據(jù)本身采集的壁壘很低的話，那很多做場景的公司依托自己的數(shù)據(jù)采集設(shè)備來搞就好了。如果數(shù)據(jù)采集的壁壘比較高的話，比如一套設(shè)備都幾百上千萬，還要很大的量，那這個肯定就是壁壘。做一個數(shù)據(jù)公司是不是就可以給行業(yè)帶來很多的貢獻？順著這個角度去分析，就會發(fā)現(xiàn)一定會有數(shù)據(jù)公司的生態(tài)位在的。

AI科技評論：具身領(lǐng)域中所提的世界模型究竟是什么？

王建明：世界模型的定義很廣，如果抽象出來它的一個定義，就是基于當(dāng)下的觀察，引入一個個影響因素，它去預(yù)測下一步的東西，下一步東西可能是下一幀的視頻生成，可以是下一幀機器人動作的預(yù)測。定義是很廣的，不同的人腦子里的世界模型也不一樣。

從事機器人的人腦子里的世界模型一定是有物理的，有三維的。現(xiàn)在很多創(chuàng)業(yè)公司的世界模型只是一個視頻生成的事情。

AI科技評論：感覺目前的世界模型還比較粗糙，它生成的數(shù)據(jù)真的能運用到機器人上嗎？

王建明：今年世界模型是比較火，我沒有做過很全面的關(guān)于世界模型的采訪。我首先強調(diào)一下，我也不是那么懂世界模型。但是我之前有采訪一些機器人領(lǐng)域?qū)W者，他們確實是世界模型的擁護者。

世界模型是一個比較終極的問題，這個問題短期內(nèi)它還有很多的問題沒有被解決，從落地的角度來說，它可能是一個更遙遠的技術(shù)路徑，需要在學(xué)術(shù)上面有很多的探索和突破，是一個需要嘗試的路線。

AI科技評論：您對于想要入局的一些創(chuàng)業(yè)者或者從業(yè)者有什么建議嗎？

王建明：對于年輕的創(chuàng)業(yè)者來說，我個人的建議是不著急。

可以先在大的創(chuàng)業(yè)公司里面，去把需要積累的資源給積累下來，比如人的資源、創(chuàng)業(yè)的小伙伴資源、投資人資源，包括整個行業(yè)里面合作伙伴的資源，同時積累對于創(chuàng)業(yè)這件事情的認知。

AI科技評論：為什么是創(chuàng)業(yè)公司？

王建明：因為在一個創(chuàng)業(yè)公司里面，是可以跟 1 號位比較接近的，可以側(cè)面觀察到創(chuàng)業(yè)的一些事情，把這個認知積累下來，同時再去加深一些對于這個行業(yè)的思考和觀察，然后等待你能夠把自己想要解決的問題給解決了的那個時間點的到來。

因為現(xiàn)在具身行業(yè)對于很多年輕的創(chuàng)業(yè)者來說需要去競爭，很多項目的創(chuàng)始人背景很好，可能要花大量的時間和力氣去跟他們?nèi)?PK，拿投資人的錢。與其花這個時間，還不如先積累資源，等待這個行業(yè)的下一個拐點。（雷峰網(wǎng)(公眾號：雷峰網(wǎng))）

04 GAIR 2025

2025年 12 月 12-13 日，由 GAIR 研究院與雷峰網(wǎng)聯(lián)合主辦的「第八屆 GAIR 全球人工智能與機器人大會」，將在深圳南山·博林天瑞喜來登酒店舉辦。

今年大會，將開設(shè)三個主題論壇，聚焦大模型、算力變革、世界模型等多個議題，描繪 AI 最前沿的探索群像，折射學(xué)界與產(chǎn)業(yè)界共建的智能未來。

英諾天使基金執(zhí)行董事、石麻筆記主理人王建明也將蒞臨 12 月 13 日的《世界模型》論壇，她是數(shù)據(jù)專場的主席，也是圓桌活動的主持人。歡迎點擊文末“閱讀原文”或識別海報二維碼，報名參會，相約 GAIR 2025 ~

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。