群核科技董事長(zhǎng)黃曉煌

2025年，同Agent一樣火的概念是“空間智能”。AI教母李飛飛稱(chēng)，空間智能是AI的下一個(gè)前沿。國(guó)內(nèi)群核科技，一直在空間智能領(lǐng)域有很大投入。

12月9日，群核科技2025酷+大會(huì)結(jié)束后，CEO陳航和董事長(zhǎng)黃曉煌以及負(fù)責(zé)AI產(chǎn)品的龍?zhí)鞚?/strong>，三人一起接受媒體群訪。

因?yàn)橐恢痹谌S世界深耕底層能力，如渲染引擎、GPU超級(jí)計(jì)算，基于底層能力上的軟件產(chǎn)品也大多服務(wù)B端客戶，以至于讓群核科技不被外界熟知。實(shí)際上，群核科技同深度求索（DeepSeek）、宇樹(shù)科技等公司并稱(chēng)為杭州六小龍，成立10余年來(lái)已獲得十幾輪融資。

陳航和黃曉煌是浙大竺可楨學(xué)院同寢室的舍友，兩人畢業(yè)后均赴美留學(xué)，黃曉煌還短暫在英偉達(dá)任職過(guò)。2011年兩人回國(guó)創(chuàng)立群核科技，黃曉煌擔(dān)任董事長(zhǎng)，陳航出任CEO。

在這次大會(huì)上，陳航提出一個(gè)觀念，當(dāng)AI開(kāi)始邁向三維世界，需要空間智能的“賣(mài)水人”，而群核科技開(kāi)放底層能力，要成為空間智能的“賣(mài)水人”。

從二維世界進(jìn)入到三維世界，AI進(jìn)化的最大問(wèn)題是缺失高質(zhì)量、結(jié)構(gòu)化的物理世界數(shù)據(jù)。我們了解到，過(guò)去十余年，群核科技3D空間的數(shù)據(jù)呈現(xiàn)出指數(shù)級(jí)的增長(zhǎng)，目前已經(jīng)有超過(guò)5億個(gè)3D場(chǎng)景。這個(gè)龐大數(shù)據(jù)集，對(duì)訓(xùn)練垂類(lèi)模型優(yōu)勢(shì)很大，但對(duì)通用空間大模型的訓(xùn)練而言，還只能算是毛毛雨。

“空間智能，如果以ChatGPT的發(fā)展演變比較的話，還相當(dāng)于GPT2.0 或者2.5的時(shí)代，這其中最關(guān)鍵的還是數(shù)據(jù)問(wèn)題?！比汉丝萍嫉氖紫茖W(xué)家周子寒告訴我們，和大語(yǔ)言模型不同，網(wǎng)絡(luò)上現(xiàn)成的數(shù)據(jù)很多，而空間智能適用的存量數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠。

從GPT2.0到GPT3.0，大模型參數(shù)量從15億漲到上千億，有百倍的增長(zhǎng)。而對(duì)于更前沿的三維數(shù)據(jù)，想要實(shí)現(xiàn)模型拐點(diǎn)，需要多少數(shù)據(jù)集完全是未知。

群核科技的路線演變，朝著一個(gè)更有野心的方向。借助Aholo平臺(tái)，把更多的底層技術(shù)能力開(kāi)放給生態(tài)伙伴，匯集更多的3D數(shù)據(jù)，反哺給空間大模型，不斷提升性能，從而形成一個(gè)閉環(huán)或者數(shù)據(jù)飛輪。

相比以往，群核科技還有一個(gè)新的變化，將業(yè)務(wù)從面向B端客戶的SAAS軟件，延伸到C端。比如此次發(fā)布的LuxReal視頻生成工具，和當(dāng)前市場(chǎng)上的視頻生成工具不同，它們依托底層物理空間的技術(shù)能力，實(shí)現(xiàn)3D建模，相當(dāng)于為視頻里的主體一致性多構(gòu)建了一道防護(hù)墻。

因此，LuxReal生成視頻里的主體在360度旋轉(zhuǎn)，或者做一些復(fù)雜動(dòng)作時(shí)，肉眼察覺(jué)不出主體有任何變形。從最早推出家裝設(shè)計(jì)類(lèi)工具酷家樂(lè)（海外版COOHOM），到現(xiàn)在的LuxReal，群核已經(jīng)有4、5個(gè)主要產(chǎn)品。黃曉煌說(shuō)，無(wú)論哪個(gè)產(chǎn)品增長(zhǎng)更快，對(duì)平臺(tái)和底層能力的需求，都會(huì)引發(fā)快速增長(zhǎng)。

以下是包括白鯨實(shí)驗(yàn)室在內(nèi)的多家媒體與群核科技的對(duì)話，為了方便閱讀，內(nèi)容做了精簡(jiǎn)處理。

01

空間大模型是世界大模型的解法

問(wèn)：現(xiàn)在空間智能是大家非常關(guān)注的話題，你們?nèi)绾味x空間大模型？它和世界大模型的區(qū)別是什么？

龍?zhí)鞚桑?/strong>現(xiàn)在討論比較多的一個(gè)是世界模型，一個(gè)是空間大模型，兩者有很多的共通之處，像世界模型，大家有各種不同的解法，我覺(jué)得空間大模型是世界模型的一種解法。有一種流派的做法是，用前面幾幀的圖片來(lái)推測(cè)下一幀的圖片，這里面還沒(méi)有太多空間的概念，而是靠一個(gè)物理世界運(yùn)作的邏輯。

這或許有點(diǎn)抽象。人類(lèi)對(duì)于世界的理解，不是基于眼睛看到的東西去做推測(cè)，比如說(shuō)人看到一個(gè)水瓶被扔了出去，可以精確預(yù)測(cè)到它被拋出去后的軌跡，這是依靠大腦直接推理出來(lái)的。

另外一個(gè)流派就像我們做的，先把三維重建起來(lái)，把各種物理模型模擬出來(lái)，恢復(fù)水平的物理信息，然后它被扔向空中后，怎么自由落體，都是根據(jù)物理規(guī)則算出來(lái)的。

這兩個(gè)流派的做法不太一樣，但都屬于世界模型的一種。到底人類(lèi)是怎么理解物理世界的，這也是學(xué)術(shù)界和工業(yè)界都在探索的方向。人類(lèi)理解世界，肯定不是數(shù)學(xué)公式算出來(lái)的，最終機(jī)器人用哪一種方法，其實(shí)兩個(gè)流派都在摸索。

問(wèn)：你們一直強(qiáng)調(diào)物理世界正確，擔(dān)不擔(dān)心未來(lái)通用大模型，通過(guò)暴力學(xué)習(xí)把物理世界學(xué)會(huì)了？

黃曉煌：這是個(gè)很好的問(wèn)題，我不排除這種暴力方法能學(xué)會(huì)物理的一致性。之前也一直說(shuō)，我們更多是生態(tài)的一份子，大家都在推動(dòng)解決這個(gè)問(wèn)題，就像我們內(nèi)部也會(huì)調(diào)用視頻生成的大模型一起解決問(wèn)題。

如果突然有人發(fā)現(xiàn)某個(gè)方法可以解決一致性問(wèn)題，同時(shí)又能解決生存問(wèn)題，高效訓(xùn)練的話，大家都用那個(gè)方法做就好了。我們創(chuàng)業(yè)挺多年，方法一直迭代，之前認(rèn)為不可能的事情也逐漸變得可能，其實(shí)非常樂(lè)于見(jiàn)到類(lèi)似像Sora（OpenAI）這類(lèi)公司，用暴力方法解決所有問(wèn)題，我們直接調(diào)用就行。

龍?zhí)鞚桑?/strong>之前我們內(nèi)部一直在討論這個(gè)問(wèn)題，答案是像Sora這樣的視頻模型，一定是會(huì)越來(lái)越接近物理真實(shí)的。但這里面涉及到第一性原理問(wèn)題，我們不認(rèn)為這種視頻模型能從二維中學(xué)到三維的東西。

簡(jiǎn)單的物理場(chǎng)景下，算法會(huì)越來(lái)越能夠?qū)崿F(xiàn)一致性，所以有可能就不需要3D了。但群核的優(yōu)勢(shì)在于，現(xiàn)實(shí)世界一定不存在復(fù)雜的3D硬件和市場(chǎng)需求，而這些就是我們?nèi)M足的場(chǎng)景。

數(shù)據(jù)是有天花板的，文本模型現(xiàn)在已經(jīng)遇到數(shù)據(jù)天花板，視圖模型遲早也有這一天。而當(dāng)全世界所有的視頻都拿來(lái)訓(xùn)練一遍后，會(huì)發(fā)現(xiàn)它的物理規(guī)律很難再往上走一個(gè)臺(tái)階，這時(shí)候就是我們的優(yōu)勢(shì)。

問(wèn)：空間模型和語(yǔ)言模型，有人認(rèn)為語(yǔ)言才是攻克AGI的重要路徑，有人可能會(huì)覺(jué)得是空間才是最重要的。你們?cè)趺纯矗?/p>

龍?zhí)鞚桑豪铒w飛為什么會(huì)提出世界模型才是AI時(shí)代的下一個(gè)技術(shù)前沿？本質(zhì)上，她認(rèn)為這個(gè)世界的建模不是通過(guò)語(yǔ)言建模，而是通過(guò)三維空間去做的建模。這是第一性原理。

從技術(shù)上看，語(yǔ)言模型和空間大模型的技術(shù)并不沖突。大語(yǔ)言模型里的token在空間里變成提速信息，如果把訓(xùn)練數(shù)據(jù)換成提速信息，它就是一個(gè)新的空間大模型。其實(shí)在這里面算法可以遷移，只是訓(xùn)練數(shù)據(jù)會(huì)有不同。

02

未來(lái)可能10臺(tái)機(jī)器人服務(wù)一個(gè)人

問(wèn)：現(xiàn)在群核的客戶里有一些掃地機(jī)器人，想問(wèn)一下具身智能行業(yè)客戶情況怎樣？

黃曉煌：掃地機(jī)器人是我們客戶里很小一部分，因?yàn)閲?guó)內(nèi)掃地機(jī)器人公司也就幾家。我們很多的合作，大部分還是服務(wù)工業(yè)機(jī)器人，收入預(yù)期現(xiàn)在不能聊，屬于靜默期。但我們這方面的客戶目前非常多。

問(wèn)：一個(gè)中型具身智能的公司，會(huì)產(chǎn)生多大的需求？

黃曉煌：就這么說(shuō)，機(jī)器人要學(xué)會(huì)在房間里搬椅子，起碼要有10萬(wàn)個(gè)方案的訓(xùn)練，就干一件事情，你想想日常你要干多少事情？

問(wèn)：怎么理解這10萬(wàn)個(gè)方案？

黃曉煌：比如說(shuō)一個(gè)方案1000塊，10萬(wàn)個(gè)方案，光買(mǎi)這個(gè)方案就要花一個(gè)億。

問(wèn)：你們很多產(chǎn)品已經(jīng)在行業(yè)里得到了應(yīng)用，面臨的挑戰(zhàn)是什么？

黃曉煌：我們?nèi)匀惶幱谛袠I(yè)發(fā)展的初期，有各種各樣挑戰(zhàn)，有法規(guī)問(wèn)題、技術(shù)問(wèn)題，也有合作問(wèn)題。

如果具體一點(diǎn)，機(jī)器人行業(yè)的挑戰(zhàn)是算法沒(méi)有形成共識(shí)，中國(guó)團(tuán)隊(duì)可能更傾向于真實(shí)數(shù)據(jù)，歐美團(tuán)隊(duì)更傾向于大量的合成數(shù)據(jù)。我們也沒(méi)有辦法改變大家對(duì)于正確做法的認(rèn)知，也不確定誰(shuí)對(duì)誰(shuí)錯(cuò)。

但是我們能做的就是，讓技術(shù)更好地去滿足兩者的需求，比如服務(wù)中國(guó)的客戶，盡可能的采用重建技術(shù)，服務(wù)國(guó)外的客戶就用生成技術(shù)。這兩者用不同的方式去實(shí)現(xiàn)。

問(wèn)：現(xiàn)在有種比較主流的說(shuō)法，具身智能的訓(xùn)練數(shù)據(jù)來(lái)自數(shù)字世界和真實(shí)世界占比是9:1。

黃曉煌：我們有的客戶是用9:1的配比，但這里面隨著技術(shù)的變化，配比也一直在變化。就像陳航（群核科技CEO）今天講的3D重建產(chǎn)品，不斷在縮短數(shù)字世界跟物理世界的信息差距，數(shù)字世界里的數(shù)據(jù)盡可能接近于完全真實(shí)的世界。

這也是我們努力的方向，我相信，數(shù)字世界里面的訓(xùn)練占比還會(huì)繼續(xù)提升。

問(wèn)：工業(yè)智能在全球AI界都非?；馃?，在可預(yù)見(jiàn)的未來(lái)，空間智能會(huì)長(zhǎng)成什么樣子？它會(huì)成為互聯(lián)網(wǎng)下一代的水電煤?jiǎn)幔?/p>

黃曉煌：我前段時(shí)間在烏鎮(zhèn)大會(huì)上也說(shuō)了，未來(lái)可能會(huì)由10臺(tái)機(jī)器人服務(wù)一個(gè)人。這時(shí)，機(jī)器人不僅需要理解物理世界，還要能在復(fù)雜的物理世界工作，空間智能會(huì)非常關(guān)鍵，變成類(lèi)似水電煤的基礎(chǔ)設(shè)施。

但多長(zhǎng)時(shí)間能夠完全落地，讓這些機(jī)器人能很好地服務(wù)一個(gè)人，這個(gè)時(shí)間不好預(yù)估。但我覺(jué)得未來(lái)肯定是往這方面發(fā)展的。

問(wèn)：群核獲得的數(shù)據(jù)更多是室內(nèi)的空間數(shù)據(jù)。相對(duì)來(lái)說(shuō)，室外的空間數(shù)據(jù)獲取相對(duì)簡(jiǎn)單一點(diǎn)，但是LuxReal生成視頻是全場(chǎng)景數(shù)據(jù)，這個(gè)問(wèn)題是怎么解決的？

龍?zhí)鞚桑哼@里其實(shí)有兩個(gè)角度，第一個(gè)角度是對(duì)比一下同行，目前同行的數(shù)據(jù)集我印象里都是小幾萬(wàn)，或者是小幾十萬(wàn)的級(jí)別。但我們第一版3D場(chǎng)景是104萬(wàn)，對(duì)外官方口徑是4.41億個(gè)3D模型（相當(dāng)于最小的物體單元），其中可訓(xùn)練的數(shù)據(jù)至少能有幾千萬(wàn)，所以第一版104萬(wàn)數(shù)據(jù)集，暫時(shí)沒(méi)遇到不同行業(yè)不同場(chǎng)景的分布問(wèn)題。

未來(lái)假設(shè)我們拓展到千萬(wàn)級(jí)別場(chǎng)景的數(shù)據(jù)，的確會(huì)遇到剛才說(shuō)的問(wèn)題，可能我們的數(shù)據(jù)更偏室內(nèi)，室外場(chǎng)景怎么解決。

第二個(gè)角度是，3D世界跟其他不同的是材質(zhì)表現(xiàn)。舉個(gè)例子，木紋在室內(nèi)是地板，在室外就是木頭，這對(duì)于3D而言，材質(zhì)其實(shí)是一個(gè)更基礎(chǔ)的訓(xùn)練信息，而模型訓(xùn)練使用的室內(nèi)數(shù)據(jù)，其實(shí)已經(jīng)包含了大量室外所需要具備的材質(zhì)信息。室外3D資產(chǎn)的材質(zhì)，我們室內(nèi)數(shù)據(jù)也是有的，只是分布會(huì)有一些不一樣。

從以上兩個(gè)角度看，我們本身龐大的數(shù)據(jù)池，可能是一個(gè)斷崖式領(lǐng)先的數(shù)據(jù)量。因?yàn)?D和材質(zhì)的這種屬性化差異，使得這種按行業(yè)或者場(chǎng)景劃分，并不一定是最科學(xué)的方法，反而不會(huì)成為我們的瓶頸。

03

當(dāng)前的視頻生成工具接近GPT3.5時(shí)刻

問(wèn)：跟Sora相比，你們新發(fā)布的視頻生成工具LuxReal的獨(dú)特競(jìng)爭(zhēng)優(yōu)勢(shì)是什么？

龍?zhí)鞚桑?/strong>我們開(kāi)拓新產(chǎn)品的起點(diǎn)有兩類(lèi)，一類(lèi)是從技術(shù)本身考慮，一類(lèi)是從商業(yè)角度考慮。LuxReal是基于技術(shù)第一性原理考慮的。舉個(gè)簡(jiǎn)單的例子，比如現(xiàn)在為什么會(huì)有transformer，是因?yàn)樯弦淮难h(huán)神經(jīng)網(wǎng)絡(luò)底層有根本缺陷，現(xiàn)在的視頻算法，其實(shí)像是在二維像素層面去模擬三維空間。

我們會(huì)認(rèn)為，如果現(xiàn)實(shí)世界有高保全需求還原的場(chǎng)景，3D重建一定是必不可少的一步。所以LuxReal的初心是，如何用三D重建模態(tài)提升視頻的一致性，比如像電商營(yíng)銷(xiāo)、短劇，我們這個(gè)技術(shù)出來(lái)了以后，去找市場(chǎng)上的垂直商業(yè)節(jié)點(diǎn)。

跟Sora的區(qū)別是，我們完成了真實(shí)的3D建模步驟，那意味著可以更好實(shí)現(xiàn)空間一致性，因?yàn)?D本身就是空間一致性的。而現(xiàn)有的一些產(chǎn)品主要靠視頻模型去控制，視頻模型的原理是在每一幀連續(xù)的運(yùn)行下去猜下一幀，才能保持空間一致性。從技術(shù)上看，一定是有了3D建模加持的視頻生成模型，才能在一致性上更具可控性。

舉個(gè)極端例子，Sora如果開(kāi)源了，我們馬上能把Sora的能力也調(diào)過(guò)來(lái)，基于我們的3D建模做出比Sora更棒的視頻。所以我們跟市場(chǎng)上友商的關(guān)系是，若他們?cè)敢獍袮PI或者跟底層的一些接口能力開(kāi)放出來(lái)，和我們的3D管線做嵌套對(duì)接，完全可以合作生成一致性更好的視頻。

問(wèn)：現(xiàn)在市面上的視頻生成工具生成時(shí)間比較短，從時(shí)長(zhǎng)上看挑戰(zhàn)是什么？

龍?zhí)鞚桑?/strong>目前生成時(shí)間其實(shí)取決于GPU的顯存，算法參數(shù)量的大小。當(dāng)下因?yàn)槲覀兙劢沟膱?chǎng)景，比如說(shuō)是某些短劇和營(yíng)銷(xiāo)視頻，單分鏡生成時(shí)間大概是5~6秒。我們是一個(gè)智能體，會(huì)基于一個(gè)需求先生成故事，然后生成不同的分鏡頭，最后拼在一起。

整個(gè)過(guò)程還能加入語(yǔ)音、音樂(lè)等，最后時(shí)長(zhǎng)可以自定義10秒、20秒、30秒，但單分鏡大概上限是6秒左右。

問(wèn)：LuxReal，如果對(duì)比現(xiàn)在的語(yǔ)言類(lèi)模型，它處于一個(gè)什么樣的階段？

龍?zhí)鞚桑?/strong>LuxReal是多種算法能力疊加在一起，所以如果按商業(yè)落地性來(lái)說(shuō)的話，相當(dāng)于達(dá)到GPT3.5，接近商業(yè)化可落地的拐點(diǎn)。在我看來(lái)，至少在某些垂直營(yíng)銷(xiāo)領(lǐng)域接近這個(gè)時(shí)刻，已經(jīng)可以從所謂的一個(gè)創(chuàng)業(yè)demo，變成一個(gè)真正可以端到端交付的營(yíng)銷(xiāo)視頻產(chǎn)出。

問(wèn)：你們已經(jīng)推出多個(gè)產(chǎn)品面向市場(chǎng)，為什么還要做一個(gè)Aholo開(kāi)放平臺(tái)？

黃曉煌：我們其實(shí)最核心的是空間智能的能力，包括渲染、空間的理解、生成這類(lèi)的算法，原來(lái)是放在內(nèi)部，這次把這些能力開(kāi)放出來(lái)，通過(guò)Aholo平臺(tái)，像酷家樂(lè)，或者今天發(fā)布的LuxReal等這類(lèi)產(chǎn)品，都是建立在我們的核心能力上面。

群核科技Aholo空間智能開(kāi)放平臺(tái)全景圖

這些產(chǎn)品哪一個(gè)成長(zhǎng)得更快，我們不確定，但對(duì)底層能力的需求以及增長(zhǎng)一定會(huì)很快。

問(wèn)：Aholo開(kāi)放平臺(tái)延伸為空間重建、生成、編輯和理解，這幾類(lèi)產(chǎn)品現(xiàn)在市場(chǎng)需求情況如何，主要壁壘在哪？

黃曉煌：目前我覺(jué)得壁壘體現(xiàn)在幾個(gè)方面，一是從技術(shù)難度上看，肯定是空間生成和空間理解，技術(shù)難度是高的，要說(shuō)誰(shuí)最高我也不確定。這兩個(gè)技術(shù)難度的天花板都非常高。

空間的重建，目前看需求大，技術(shù)壁壘暫時(shí)沒(méi)那么高。因?yàn)槲覀冊(cè)谛浦亟〞r(shí)，更多的是解決過(guò)去大家爭(zhēng)論的，真實(shí)世界和數(shù)字世界的數(shù)據(jù)之間有g(shù)ap。有了重建，這個(gè)gap就小了很多。

它的難點(diǎn)不在于算法本身，而是經(jīng)營(yíng)難題。你要能支持市面上各種各樣的硬件。因?yàn)楦骷覚C(jī)器人企業(yè)的硬件設(shè)備都不一樣，可能有成百上千種，每一種的數(shù)據(jù)格式和形態(tài)都不同。能不能把每一種形態(tài)都順利支持，建立一個(gè)數(shù)據(jù)互聯(lián)互通，這可能是另外一個(gè)難題，我們也在解決。

問(wèn)：你們自稱(chēng)是一個(gè)拿著錘子找釘子的商業(yè)模式，剛剛開(kāi)始去做酷家樂(lè)，一直到現(xiàn)在推出了一個(gè)工業(yè)AI孿生平臺(tái)，這種看起來(lái)成熟的打法，在你們內(nèi)部是怎么確定的？

黃曉煌：工業(yè)AI孿生平臺(tái)SpatialTwin這種產(chǎn)品，我們很多年前就想過(guò)要做，但有礙于技術(shù)或市場(chǎng)條件，一直沒(méi)推出來(lái)。很多時(shí)候都是外部環(huán)境變化了，憋了很多年的技術(shù)突然就可以上線了。

技術(shù)變化是可以提前被預(yù)見(jiàn)的，而市場(chǎng)變化則是無(wú)法預(yù)料的。就像去年發(fā)布會(huì)上，我絕對(duì)不知道今年的人形機(jī)器人、DeepSeek會(huì)這么火，社會(huì)變化太快了，至少我們還在牌桌上，也沒(méi)有miss時(shí)代的機(jī)遇。

我們一直兩條腿走路，一個(gè)前沿技術(shù)研究的團(tuán)隊(duì)在做技術(shù)探索，錘子始終在找釘子到來(lái)的機(jī)會(huì)。當(dāng)釘子因?yàn)榧夹g(shù)演變到了這個(gè)節(jié)點(diǎn)，我們就會(huì)快速跟上，這是中小廠的特點(diǎn)。它可以小步快跑，迅速迭代，可以先用市場(chǎng)來(lái)驗(yàn)證，再繼續(xù)往前去走。

撰寫(xiě)｜劉培

編輯｜吳尋

「白鯨實(shí)驗(yàn)室」原創(chuàng)文章

轉(zhuǎn)載、交流、合作請(qǐng)?zhí)砑游⑿牛簂iujiaquan2025