一個極度樂觀主義者心目中具身智能的模樣。

文丨申遠(yuǎn)

編輯丨宋瑋

見過李銀川的人都說他是一個天才。學(xué)生時代他直接保送北理工校長的博士，在讀期間就參與了大賣的雷達(dá)產(chǎn)品研發(fā)。留學(xué)美國期間，李銀川做了一個量化交易的軟件，賣給了華爾街?！皩W(xué)生來說是很大一筆錢?！?/p>

在華為諾亞實(shí)驗(yàn)室待了五年，李銀川 “拿遍了公司主流大獎”，即使以華為的標(biāo)準(zhǔn)看，他也是一個全力以赴的卷王。

但李銀川真正想做的是創(chuàng)業(yè)，他給自己設(shè)定了一個時間節(jié)點(diǎn)： 30 歲，方向也很早就清晰，To c 硬件產(chǎn)品。疊加他的 AI 技術(shù)背景，這一切自然指向了機(jī)器人。

2025 年，30 歲的李銀川從華為離職創(chuàng)辦了諾因智能。一個主打家用智能機(jī)器人的具身智能品牌，選擇的技術(shù)路線也略顯小眾，合成數(shù)據(jù)。

諾因成立半年就完成了 3 輪融資，估值超過 20 億人民幣。許多人沖著他堅實(shí)的學(xué)術(shù)背景而來。

坦率地說，已經(jīng)十分擁擠的具身智能賽道并不缺少天才，也不缺少技術(shù)路線，缺的是落地能力，至少是落地的可能性。

李銀川需要以一種和學(xué)術(shù)完全不同的方式證明自己是對的，但他非但不焦慮，反倒信心爆棚，用他的原話說，被 200 個人質(zhì)疑拒絕，他也不會感到受挫。

下面呈現(xiàn)的，是一個極度樂觀主義者心中具身智能的模樣。

諾因版 L1 - L5 家庭機(jī)器人能力等級

這是李銀川第一次接受媒體訪問，為此他專程從深圳飛到北京。深冬的北京和深圳的溫差達(dá)到 20 多度，誘發(fā)了他的鼻炎，這讓他慢條斯理的說話言語中帶著一些鼻音。李銀川是安徽人，盡管之前曾在北京求學(xué)和工作過數(shù)年，但顯然，溫暖潮濕更適合他。采訪前一天他六點(diǎn)才睡，這似乎也是天才的一個普遍特征：晚睡晚起，作息并不規(guī)律。

晚點(diǎn)：網(wǎng)上關(guān)于你的個人資料很少，但論文超級多，乍看上去涉及很多主題，你怎么總結(jié)你這種復(fù)雜的學(xué)術(shù)背景？它們都和 AI 或具身智能相關(guān)嗎？

李銀川：論文也沒有超級多啦，其實(shí)我的研究都可以歸類為決策推理。從最早的信號處理開始，然后到強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)，再到流模型、生成式方法，包括生成流網(wǎng)絡(luò)，它們都是決策推理大方向上的不同分支，本質(zhì)都是在研究如何學(xué)習(xí)高維概率分布，在約束下高效采樣、組合 / 優(yōu)化出新的可行解，在具身領(lǐng)域就是把生成與推理能力落到動作策略上。

2017 年 Transformer 出來那會兒我還在研究強(qiáng)化學(xué)習(xí)，當(dāng)時它和 NLP 大模型幾乎是兩條平行線。2020 年做聯(lián)邦學(xué)習(xí)和分布式訓(xùn)練研究的時候，我開始嘗試訓(xùn)練一些大模型。

晚點(diǎn)：轉(zhuǎn)向訓(xùn)練大模型的過程困難嗎？或者說，這對你來說是一種研究主題的轉(zhuǎn)變嗎？

李銀川：我覺得更像是工具和范式升級，其實(shí)從早期做信號處理的時候就開始用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)了，所以你能看到早期很多做 AI 的人都是信號處理轉(zhuǎn)過去的，它們之間的理論是相通的。

Transformer 的出現(xiàn)改進(jìn)了傳統(tǒng)深度學(xué)習(xí)架構(gòu)的缺點(diǎn)，讓基于文本和圖像訓(xùn)練非常大的模型變得可能，但決策推理領(lǐng)域在 2020 年的時候并沒有這樣一種架構(gòu)范式。

晚點(diǎn)：在決策推理領(lǐng)域，事情朝著什么方向發(fā)展了？

李銀川：當(dāng)時決策推理有一個重要技術(shù)流派是強(qiáng)化學(xué)習(xí)，但人們逐漸從理論和應(yīng)用上都發(fā)現(xiàn)它有一些局限性，在求解非常大規(guī)模問題的時候，它的探索復(fù)雜度太高了。

除了強(qiáng)化學(xué)習(xí)，別的流派還包括模仿學(xué)習(xí)以及流網(wǎng)絡(luò)，但逐漸地有個趨勢變得越來越明顯，大家的研究目標(biāo)不約而同開始朝著構(gòu)建一個生成式?jīng)Q策大模型發(fā)展，一個好的決策模型應(yīng)該把策略知識都學(xué)進(jìn)去，就像語言模型能夠生成新的內(nèi)容那樣，決策模型生成新的動作。

晚點(diǎn)：聽上去就是 VLA 了。

李銀川：可以這么理解，但我更愿意叫它 “生成式?jīng)Q策大模型”，它的概念范圍比 VLA 更廣。

當(dāng)時構(gòu)建這種模型有很多思路，其中一種是把流網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)相結(jié)合，也就是生成流網(wǎng)絡(luò)。它不像傳統(tǒng)強(qiáng)化學(xué)習(xí)那樣只追求一個最優(yōu)動作，而是通過學(xué)習(xí)完整策略分布，采樣出多種可行的方案，探索效率能夠提升很多倍。

還有一種是模仿學(xué)習(xí)結(jié)合擴(kuò)散策略（diffusion policy），這部分技術(shù)一定程度上促進(jìn)了早期具身 VLA 架構(gòu)的誕生。

晚點(diǎn)：當(dāng)時這種架構(gòu)最大的缺點(diǎn)是什么？

李銀川：很多早期 VLA 模型實(shí)際上還是依賴擴(kuò)散策略的模仿學(xué)習(xí)能力，本質(zhì)上是把人的操作軌跡給背會。數(shù)據(jù)覆蓋足夠的時候會表現(xiàn)很好，但數(shù)據(jù)不足的時候就容易變得不穩(wěn)定，一旦遇到訓(xùn)練分布之外的組合、長鏈條任務(wù)里的意外分支它就比較吃力，它更擅長 “復(fù)現(xiàn)做過的動作”，因此泛化到復(fù)雜場景比較吃力，不是一個能涌現(xiàn)能力的架構(gòu)。

我們一直在做的，就是把更多生成式?jīng)Q策思想引入 VLA 架構(gòu)，讓模型不僅學(xué)會模仿，還要學(xué)會在約束獎勵下建模和采樣動作分布，把動作片段做可組合的表征，再通過后訓(xùn)練把多種能力進(jìn)行對齊，逐步逼近具身決策大模型應(yīng)有的能力形態(tài)，也就是在復(fù)雜場景下執(zhí)行長鏈條任務(wù)的泛化能力。

晚點(diǎn)：我看到了一個你們內(nèi)部的材料，劃分了具身智能 L1 到 L5 能力范疇，這是你寫的嗎？

李銀川：是我自己做的，因?yàn)楝F(xiàn)在行業(yè)內(nèi)還沒有一個對具身智能標(biāo)準(zhǔn)的公認(rèn)的劃分方法。不過這個也算不上是原創(chuàng)，主要對標(biāo)了自動駕駛領(lǐng)域的劃分方法。

具體來說：

L1 （輔助操作）：以遙控操作為主，能在遙操作機(jī)器人時提供基礎(chǔ)輔助，這也是當(dāng)前行業(yè)內(nèi)用動捕、手柄等技術(shù)遙操作機(jī)器人的主流形態(tài)；

L2 （簡單能力、隨時接管）：這個階段的機(jī)器人可以模仿人類完成特定動作，能實(shí)現(xiàn)一些看似酷炫的功能，但需要人一直守著；

L3 （長鏈條執(zhí)行、待命接管）：最具商業(yè)價值，此階段人只是待命接管，而不是隨時接管的狀態(tài)，機(jī)器人可以自主、長鏈條的去完成一些任務(wù)；

L4 （系統(tǒng)運(yùn)行、無需接管）：機(jī)器人可以完成限定場景內(nèi)的各種各樣的復(fù)雜任務(wù)，是無需接管的；

L5 （完全智能）：是無需任何干預(yù)，機(jī)器人可完成任意場景下的各類任務(wù)，真的和真人一樣。

晚點(diǎn)：諾因的技術(shù)現(xiàn)在處于哪個階段？L3 嗎？

李銀川：按照我們的技術(shù)路線，可以到 L3，現(xiàn)在是從 L2 到 L3 跨越的關(guān)鍵階段?，F(xiàn)階段機(jī)器人已經(jīng)可以在特定場景和任務(wù)下，實(shí)現(xiàn)閉環(huán)執(zhí)行，人只需要待命接管。

晚點(diǎn)：這意味著模型一定要有泛化能力。

李銀川：在我們的定義下肯定是這樣。沒有泛化能力，根本無法實(shí)現(xiàn)長鏈條任務(wù)的自主閉環(huán)和執(zhí)行嘛。

晚點(diǎn)：這條技術(shù)路線，長遠(yuǎn)看會通向 L5 嗎？

李銀川：我覺得這更像一個偽命題。L5 會不會出現(xiàn)，不僅要看技術(shù)能力，還要看它的商業(yè)價值，如果沒有商業(yè)價值了，盡管技術(shù)上能實(shí)現(xiàn)，它也永遠(yuǎn)不會真正走向市場。比如 L5 的自動駕駛真的會出現(xiàn)嗎？不一定吧。

晚點(diǎn)：為什么不一定？

李銀川：越往后遇到的是越極端的長尾場景，投入會越來越大，但帶來的用戶價值增量未必成比例，當(dāng)消費(fèi)者不會為它買單的時候，它就不會到來了，比如停在 L4 階段，或者后面的進(jìn)步非常緩慢。

晚點(diǎn)：你是說邊際效率遞減對么？

李銀川：對，當(dāng)然在具身上這個問題并不是絕對的，我只是說 L5 也有可能不會到來。至少目前來看，沒有哪家公司會把研發(fā) L5 級別的具身智能作為目標(biāo)，這就有點(diǎn)不著邊際了。

晚點(diǎn)：在具身領(lǐng)域，大家對什么是端到端莫衷一是，說什么的都有，你怎么看這個問題？

李銀川：因?yàn)槿狈?biāo)準(zhǔn)定義。端到端這三個字，你可以指訓(xùn)練端到端，也可以說模型架構(gòu)端到端，但在模型架構(gòu)上，除非你只用一個 Transformer 結(jié)構(gòu)解決所有問題，不然你很難說任何 VLA 模型是純粹的端到端。

晚點(diǎn)：總結(jié)起來，諾因機(jī)器人上應(yīng)用的會是一個端到端的具有泛化能力的生成式?jīng)Q策大模型，而不是分層模型，對么？

李銀川：非要這么劃分的話，是的我們會偏端到端。因?yàn)槠鋵?shí)現(xiàn)在很難說還有純粹分層的架構(gòu)了，打個比方，即使是分層的架構(gòu)，在工業(yè)落地的時候大家還是會做一系列后訓(xùn)練，那么它就還是一個端到端訓(xùn)練的模型。

“你沒法證明你的直覺是對的?！?/strong>

晚點(diǎn)：什么時候下定決心出來創(chuàng)業(yè)？

李銀川：GPT-4o 發(fā)布。

晚點(diǎn)：當(dāng)時你還在華為。

李銀川：對，創(chuàng)業(yè)想法我其實(shí)很早就有了，但博士畢業(yè)后我還是想在 AI 領(lǐng)域積累更多經(jīng)驗(yàn)，在當(dāng)時諾亞研究院是國內(nèi)公認(rèn)的最好的 AI 研究院之一，我就加入了諾亞，一直工作了 5 年。

晚點(diǎn)：在華為的時候你主要負(fù)責(zé)什么？

李銀川：我加入的是決策推理實(shí)驗(yàn)室，規(guī)模相當(dāng)大，這和其他公司不太一樣，因?yàn)槿A為有很多業(yè)務(wù)都和決策推理、強(qiáng)化學(xué)習(xí)等技術(shù)高度相關(guān)。

晚點(diǎn)：聽說你在華為內(nèi)部拿遍了員工能得的主流獎項(xiàng)。

李銀川：我做事追求全力以赴，在華為績效一直都挺好，確實(shí)也拿了很多獎。 ChatGPT 大火那一年，公司讓我成立了新項(xiàng)目組，開始專注做生成模型相關(guān)研究，所以也可以算是吃到大模型爆火的一波紅利吧。

晚點(diǎn)：你的項(xiàng)目組主要做什么？

李銀川：這個項(xiàng)目組叫生成模型理論項(xiàng)目組，方向之一是 AIGA，最后一個 A 就是 action，所以我們重點(diǎn)關(guān)注如何基于生成式學(xué)習(xí)來生成動作，它的應(yīng)用范圍很廣，包括自動駕駛、具身智能等多個領(lǐng)域。

其實(shí)在 23 年早期我就提出過類似后來 OpenAI o1 推理架構(gòu)的想法，因?yàn)楫?dāng)時我在尋找 AIGA 在大模型訓(xùn)練上的應(yīng)用方向。

晚點(diǎn)：但這個方向最后沒有推進(jìn)下去。

李銀川：有很多原因吧，具體就不展開了。歸根結(jié)底很多時候你沒法證明你的直覺是對的，對吧？

晚點(diǎn)：你認(rèn)為你有一種準(zhǔn)確地技術(shù)直覺。

李銀川：對，因?yàn)槲乙恢痹谶@個方向上做研究，對行業(yè)的技術(shù)發(fā)展趨勢有自己的判斷和積累。其實(shí)最拼的那段時間就是 23 年，當(dāng)時經(jīng)常處于一種特別興奮的狀態(tài)，很長一段時間每天只能睡 3 個小時，看各種論文，有點(diǎn)像追漫畫，論文一更新，我就拿來讀，讀得多了之后，一篇新論文只需要幾分鐘我就能抓到重點(diǎn)了。

晚點(diǎn)：說回來，為什么 GPT-4o 讓你覺得可以出來創(chuàng)業(yè)了？

李銀川：因?yàn)樗鉀Q了一直困擾我的問題，那就是具身的數(shù)據(jù)來源。很多人覺得合成數(shù)據(jù)就是生成逼真的畫面，但機(jī)器人需要的不是好看的圖片，而是能學(xué)到動作的數(shù)據(jù)。

GPT-4o 模型已經(jīng)能夠理解和生成具有物理結(jié)構(gòu)的內(nèi)容，指令遵從性也非常高，只要在具身場景下做進(jìn)一步提升，從中提取動作相關(guān)的信息是可行的，這讓我覺得用合成數(shù)據(jù)做具身這條路可以走通了。

當(dāng)時 GPT-4o 的吉卜力風(fēng)格特別出圈，說實(shí)話我還挺驚訝的。

晚點(diǎn)：連你也沒預(yù)料到進(jìn)步會這么快？

李銀川：對，當(dāng)時確實(shí)沒有料到。我們當(dāng)時還聚焦在研究大語言模型上，突然發(fā)現(xiàn)多模態(tài)能力都已經(jīng)開始快速涌現(xiàn)了。

晚點(diǎn)：你沒有想探究一下它能力提升的原因嗎？

李銀川：原理我是大概知道的。GPT-4o 能做到這么出色，不是因?yàn)槟骋黄撐奶岢隽艘粋€劃時代的技術(shù)，而是依靠背后龐大工程團(tuán)隊的技術(shù)整合能力和工程落地能力，把各類前沿技術(shù)進(jìn)行了高效融合和落地。

晚點(diǎn)：總結(jié)起來邏輯就是多模態(tài)模型可以生成高質(zhì)量合成數(shù)據(jù)，它們能被用來訓(xùn)練具身模型。

李銀川：對，要用模型生成具身數(shù)據(jù)，而不是人采集具身數(shù)據(jù)。這是我們基于這代多模態(tài)大模型摸索出的全新技術(shù)和數(shù)據(jù)路線，目前行業(yè)內(nèi)還沒有形成廣泛共識。和大部分具身公司基于自動駕駛的技術(shù)體系不一樣，而我們是完全圍繞多模態(tài)大模型和家庭具身場景，打造的專屬體系。

晚點(diǎn)：為什么人采集具身數(shù)據(jù)不行？

李銀川：這和我們的創(chuàng)業(yè)方向有關(guān)，諾因是一家專注 To C 的具身智能公司，機(jī)器人會進(jìn)入家庭。你很難想象讓機(jī)器人走進(jìn) 1 萬個家庭采集遙控操作的數(shù)據(jù)吧？仿真數(shù)據(jù)也是，它需要很精細(xì)的物理建模，還要投入大量的人力去標(biāo)定仿真數(shù)據(jù)，這在復(fù)雜的家庭環(huán)境下實(shí)現(xiàn)成本太高了。

晚點(diǎn)：成本高不意味著不可行，如果模型最終出現(xiàn)了很好的泛化能力，成本高一點(diǎn)也是可以接受的？

李銀川：首先，我們做的是 To C 產(chǎn)品，這些成本最終都會疊加到產(chǎn)品的售價上。其次，模型的泛化能力并不是憑空出現(xiàn)的，一定是數(shù)據(jù)足夠多，質(zhì)量足夠高才可以。

好的數(shù)據(jù)就像好的模型架構(gòu)一樣，必須簡單、可擴(kuò)展，合成數(shù)據(jù)恰好有這樣的特點(diǎn)，同時成本更低。這會讓其它的數(shù)據(jù)采集路線雖然理論上可行，但最終會失去商業(yè)價值。

晚點(diǎn)：訓(xùn)練數(shù)據(jù)都采用生成方式，不會容易出現(xiàn)過擬合的問題么，出來的數(shù)據(jù)都太類似。

李銀川：為什么你覺得真人采集的數(shù)據(jù)就不會過擬合呢？其實(shí)在實(shí)踐中你會發(fā)現(xiàn)，你很難教會一個人什么叫采集 “非同質(zhì)化” 數(shù)據(jù)，比如倒水這個動作，真人采集 1000 條數(shù)據(jù)，最終 90% 對模型來說可能都是類似的，因?yàn)樗茈y每次都做出非常不一樣的動作、產(chǎn)生很大不同的變化。

但合成數(shù)據(jù)可以做到，只要工程能力足夠強(qiáng)、生成質(zhì)量足夠高，就能把數(shù)據(jù)差異化做得很大。另外這里還有一個對模型能力的理解問題，不是隨便變就叫多樣性，有些維度上的變化對模型泛化幫助很大，但大部分的變化都是有害的，我們花了不少時間去找到這條邊界。

晚點(diǎn)：諾因生成數(shù)據(jù)的模型是怎么做的？

李銀川：現(xiàn)在沒有一個拿來就能生成高質(zhì)量家務(wù)操作的模型，所以我們在針對具身任務(wù)微調(diào)開源模型。

晚點(diǎn)：這個東西聽上去沒有很難。

李銀川：聽起來就是正常訓(xùn)練大模型的那些技巧，對我們做過的人來說可能不難。當(dāng)然我們現(xiàn)在敢出來講，肯定這里面還是有非常非常多 know-how 的，核心難點(diǎn)不在于訓(xùn)練模型，而在于定義什么是好的合成數(shù)據(jù)。

模型生成的是像素，但機(jī)器人從中學(xué)的是動作策略，這兩者之間的橋怎么搭，目前沒有現(xiàn)成答案。我們的合成數(shù)據(jù)針對的是我們自研的具身決策大模型架構(gòu)，它們結(jié)合起來門檻就非常高了，我們走了非常多彎路。

晚點(diǎn)：你們不是才成立了半年多時間嗎？

李銀川：大模型時代每個月都能算是一個技術(shù)新周期了。你會不會覺得 GPT-5 已經(jīng)到來很長一段時間了？其實(shí)也才半年多。

晚點(diǎn)：你提到了好幾次技術(shù)和成本效率之間的關(guān)系，你是不是很早就想好了要創(chuàng)業(yè)？

李銀川：我 20 歲就開始準(zhǔn)備創(chuàng)業(yè)了，而且明確定的就是 30 歲下場。

晚點(diǎn)：那要是 30 歲等不到風(fēng)口怎么辦？

李銀川：其實(shí)風(fēng)口來的更早啊，如果是做大模型的話 23 年就是很好的時機(jī)了。當(dāng)時沒做，一來是因?yàn)榇竽Ｐ筒⒉皇俏易钌瞄L的方向，二來我覺得做大模型很難跟大廠競爭。

晚點(diǎn)：大模型很難跟大廠競爭，機(jī)器人呢？

李銀川：To C 機(jī)器人完全可以呀，它屬于消費(fèi)電子賽道，商業(yè)模式和大模型完全不一樣。消費(fèi)電子是做出一個好產(chǎn)品賣出去就能賺錢，這個賽道不存在壟斷。不管是初創(chuàng)公司還是大廠，消費(fèi)電子想做好還是要聚焦產(chǎn)品，所以從第一性原理上來講我們并沒有什么劣勢。

晚點(diǎn)：你從什么時候起想要做機(jī)器人的？

李銀川：我從小就對機(jī)器人比較感興趣，本科讀的就是電子工程，對硬件和算法都有一定的了解和積累。整個 AI 學(xué)科，如果非要我選一個最擅長的領(lǐng)域，那確實(shí)就是具身。我以前挺喜歡搗鼓電路板這些東西的，讀博時我還參與過一個雷達(dá)產(chǎn)品的研發(fā)。

不過讀博參與項(xiàng)目對我沖擊更大的還是周圍的同學(xué)，當(dāng)你親眼看到一幫通過自己努力成功創(chuàng)業(yè)的人之后，你會意識到成立一家公司并不是遙不可及的。

晚點(diǎn)：但是據(jù)我所知你在美國曾有一次創(chuàng)業(yè)經(jīng)歷，和機(jī)器人沒什么關(guān)系。

李銀川：一個基于強(qiáng)化學(xué)習(xí)的量化軟件，最后賣給了一家投資公司。

晚點(diǎn)：為什么沒有延續(xù)這個創(chuàng)業(yè)路線？

李銀川：純粹做技術(shù)研發(fā)，如果要給更多人提供價值，那賣掉是正確的選擇。第一次創(chuàng)業(yè)我就發(fā)現(xiàn)了這一點(diǎn)，做個技術(shù)把它賣掉，確實(shí)能賺一些錢，但似乎對這個世界沒什么改變？我還是想做一個真正能改變世界的偉大公司，這需要足夠大的市場規(guī)模，也就是 To C 市場。

晚點(diǎn)：大家都在說機(jī)器人進(jìn)工廠，基本做的都是 To B 生意。

李銀川：我認(rèn)可工業(yè)場景先落地，這點(diǎn)沒有問題。但真的很少有公司能同時把 B 端和 C 端業(yè)務(wù)都做好，華為是很少數(shù)的個例。我還是更愿意做規(guī)模更大的市場。

晚點(diǎn)：后面的事就是在等風(fēng)口了。

李銀川：對，我之前一直沒有想清楚 To C 到底要怎么做，比如訓(xùn)練數(shù)據(jù)怎么收集？就像前面說的，雇很多人走進(jìn)家庭去采集數(shù)據(jù)我覺得肯定不行。等到 GPT-4o 出來，數(shù)據(jù)的事情比較清晰之后，創(chuàng)業(yè)的決心就比較堅定了。

不像人的家務(wù)機(jī)器人

諾因機(jī)器人原型機(jī)，來源：諾因。

晚點(diǎn)：考慮到你的背景，To C 市場你之前的經(jīng)驗(yàn)并不多，對吧？

李銀川：人要追求進(jìn)步，要學(xué)習(xí)嘛。

晚點(diǎn)：就你個人來說，你覺得最需要進(jìn)步的是什么？

李銀川：需要去學(xué)習(xí)很多 To C 產(chǎn)品定義相關(guān)的事，不然很多時候會想當(dāng)然。比如，你覺得機(jī)器人價格多少是合理的？如果一個家務(wù)機(jī)器人賣 10 萬塊，你愿意買嗎？

晚點(diǎn)：當(dāng)然不買啊。

李銀川：所以你看，真的不能想當(dāng)然，不同人的想法真的差異挺大的。

晚點(diǎn)：你難道覺得 10 萬塊這個價格合理？

李銀川：沒有到十萬，但最開始我確實(shí)覺得大家愿意花更多的錢買一個家務(wù)機(jī)器人。汽車十幾萬、幾十萬的都有人買，那如果一個足夠強(qiáng)的家務(wù)機(jī)器人，能給你做好多個領(lǐng)域的家務(wù)，每天都能用到，對標(biāo)保姆的話，貴一點(diǎn)應(yīng)該也是有人買的。

晚點(diǎn)：什么讓你改變了這個想法？

李銀川：這就是產(chǎn)品定義我需要補(bǔ)課的一部分。消費(fèi)電子產(chǎn)品定價不能簡單根據(jù)已有功能的強(qiáng)弱定價。

晚點(diǎn)：那應(yīng)該怎么定價？

李銀川：跟成本掛鉤。如果售價比成本高出太多，那一定會出現(xiàn)一家公司賣的比你便宜，然后你就失敗了，盡管對方功能可能并沒有你好，但它足夠便宜。

晚點(diǎn)：怎么定義 To C 家庭機(jī)器人的功能好？

李銀川：至少有一個功能，讓用戶每天，或者至少每周能用個幾次，而不是放在那里吃灰，這就是好。

家庭是機(jī)器人最大和最難的場景。我比較擅長算法，肯定要做最難的事才能發(fā)揮自己的優(yōu)勢。諾因正在關(guān)注的家庭高頻場景大部分是清潔相關(guān)，比如案面清潔、洗衣服等，此外還有像老人孩子的照顧，寵物照顧清潔這些同樣比較高頻的需求。

晚點(diǎn)：洗衣服包含大家喜聞樂見、最愛展示的折疊衣物環(huán)節(jié)對嗎？

李銀川：我們想的是從拿衣服開始，到把它放到洗衣機(jī)里，洗完然后晾曬，一個完整流程。

晚點(diǎn)：上面你提到的這些需求，每一個聽上去都很難。

李銀川：是的，實(shí)際做起來也不容易。

晚點(diǎn)：你答應(yīng)的蠻干脆的，這些 L3 級別的任務(wù)諾因目前完成到什么程度了呢？

李銀川：我們認(rèn)為技術(shù)路線是收斂的，也就是說這些事情是可以做到的，只是還需要一些時間把它做好。

晚點(diǎn)：這個技術(shù)路線收斂的判斷是你做的嗎？

李銀川：我做的判斷，然后大家也會有共識。其實(shí)去年注冊公司的時候我就做了這個判斷了，大概在 7-8 月份，這半年技術(shù)上的進(jìn)展和我們的預(yù)期是相符的。

采訪時李銀川給我們展示了兩段視頻。一段是機(jī)器人在一個橫向放置宛如桌子的電視屏幕上疊衣服，電視同時在播放著五光十色的視頻片段，而機(jī)器人旁邊還有包括迪斯科燈球在內(nèi)的各種復(fù)雜光源。機(jī)器人依舊可以順利折疊任意形態(tài)的衣服。另一段視頻里，機(jī)器人在調(diào)節(jié)洗衣機(jī)的旋鈕，李銀川說，諾因的機(jī)器人已經(jīng)可以做到精準(zhǔn)控制洗衣機(jī)操作旋鈕的角度。任意形態(tài)、任意背景、任意光照條件下的泛化，這種能力，根據(jù)李銀川的說法，完全來自使用足夠多的合成數(shù)據(jù)。

晚點(diǎn)：聊了這么久，還沒說你們的產(chǎn)品形態(tài)。第一款產(chǎn)品是什么樣子的？大概多久會上市？

李銀川：第一款是基于輪式底盤，沒有上靈巧手，預(yù)計明年開始發(fā)布，然后用大概半年時間量產(chǎn)交貨。Sunday Robotics 之前的視頻挺火的，給大家?guī)砹艘恍┫胂?，我們已?jīng)有一些類似但不一樣的設(shè)計概念了。

晚點(diǎn)：一個老生常談但又不得不問的問題，為什么是輪式？

李銀川：家庭一定是輪式的，雙足太容易摔倒了，而且續(xù)航、噪音也是問題，輪式可以放更大的電池，也更安靜。

晚點(diǎn)：除了產(chǎn)品價格，還有什么產(chǎn)品定義上和你之前想得不一樣的地方嗎？

李銀川：有一個思路上的不同，就是應(yīng)該用做加法的方式做產(chǎn)品，也就是說當(dāng)你為了達(dá)到某種能力必須加?xùn)|西的時候再給你的產(chǎn)品加，除此之外，你應(yīng)該努力還原家庭機(jī)器人最極簡形態(tài)，這也方便我們?nèi)珬Ｗ匝?，整合硬件與供應(yīng)鏈系統(tǒng)。

晚點(diǎn)：舉個例子？

李銀川：比如在操作感知上我們是純視覺方案，沒有結(jié)構(gòu)光或激光雷達(dá)。不是說它們完全沒用，而是價格確實(shí)很貴，我們在算法上做了很多額外工作試圖彌補(bǔ)沒有結(jié)構(gòu)光和激光雷達(dá)造成的問題，最后發(fā)現(xiàn)這條路是可行的。

當(dāng)然，這和我們的技術(shù)路線也有關(guān)系，我們本來用的就是純視覺的合成數(shù)據(jù)，從第一性原理來講視覺信息就是足夠的。

晚點(diǎn)：我知道你們有一位聯(lián)創(chuàng)來自大疆，這種做加法的理論算是大疆的方法論嗎？

李銀川：這確實(shí)是他給我講的，我想應(yīng)該算是吧（笑）。第一款機(jī)器人不上靈巧手也是這個原因，現(xiàn)階段夾爪就能把家務(wù)做得很好，所以暫時不需要靈巧手。

晚點(diǎn)：大疆方法論還有什么讓你印象深刻的地方？

李銀川：我是和他們聊才知道，產(chǎn)品的外觀設(shè)計是一套可以在白板上寫公式的方法論，我第一次看的時候特別震撼。哪些設(shè)計必須有，哪些是附帶的，加上之后會對整個外觀的函數(shù)造成什么影響，這是可以算出來的。產(chǎn)品設(shè)計最終是需要找到一種平衡，而不是拍腦袋覺得某個東西好看或者不好看。

晚點(diǎn)：那有什么功能或者產(chǎn)品設(shè)計讓你印象比較深刻？

李銀川：現(xiàn)在還在比較早期階段，我可以貢獻(xiàn)一個已經(jīng)被否了的產(chǎn)品設(shè)計。我聽音樂的時候比較在意音質(zhì)，所以一開始我想這個機(jī)器人是不是可以放個高品質(zhì)音響在里面，我看電影的時候在旁邊放音樂。

晚點(diǎn)：因?yàn)椴环霞臃ǚ椒ㄕ摱环窳?，是么?/strong>

李銀川：在家里看電影用專門的外置音箱可能還是一個小眾需求。

晚點(diǎn)：創(chuàng)業(yè)之后你有沒有發(fā)現(xiàn)自己的產(chǎn)品 sense 相比技術(shù)直覺差很多嗎？

李銀川：我在進(jìn)步（笑）。我確實(shí)之前沒做過 To C 產(chǎn)品，但從我這半年的進(jìn)步來看，我覺得我學(xué)習(xí)能力還是可以的，而且我的產(chǎn)品團(tuán)隊非常強(qiáng)。

晚點(diǎn)：明年機(jī)器人發(fā)布，會解決剛才我們提到的那些任務(wù)，主要圍繞清潔相關(guān)家務(wù)展開，當(dāng)然也包括洗衣服對么？

李銀川：我們在往這個方向努力，目前看應(yīng)該可以。

晚點(diǎn)：換句話說，明年就是你們預(yù)計技術(shù)上可以攻克，產(chǎn)品上完全準(zhǔn)備好的時間節(jié)點(diǎn)。

李銀川：對，我們預(yù)計是一年多的時間。

晚點(diǎn)：最終，諾因的機(jī)器人在家庭中會是一個什么樣的存在？

李銀川：第一款產(chǎn)品我不希望大家把它當(dāng)做一個家庭成員看待。如果是家庭成員的話，那意味著存在感很強(qiáng)，也不匹配現(xiàn)階段具身的能力，現(xiàn)階段它只是一個做家務(wù)的機(jī)器人，不是保姆。所以我們希望它存在感盡量低一點(diǎn)，該工作的時候工作，大部分時間休息。它升起來大概一米六左右，降下去一米二三的樣子，尺寸也比較適合中國家庭，因?yàn)榇蠹业姆孔悠毡檫€沒有那么大。

晚點(diǎn)：你更希望大家把它看做一個工具產(chǎn)品，而不是機(jī)器人？

李銀川：我希望大家把它當(dāng)做一個聰明的，能為你做事的產(chǎn)品，主打家務(wù)功能，附贈情緒價值。

被 200 個人拒絕的極度樂觀主義者

晚點(diǎn)：你們?nèi)谫Y速度非常快，成立第一個月就融資了，第二輪估值就翻倍，但即使現(xiàn)在，合成數(shù)據(jù)都不能說是個主流的方向，你怎么去說服投資人？

李銀川：最早的時候大家可能覺得我在吹牛，但我們進(jìn)展真的非?？?，非常迅速，大家一看演示就知道，很多人被我們的速度震驚到，所以我們?nèi)谫Y上確實(shí)沒怎么費(fèi)力，反而因?yàn)楣乐禎q的比較快還被抱怨過。

晚點(diǎn)：這算是凡爾賽吧 … 成立時間這么晚，你怎么跟投資人解釋諾因和其他公司不一樣的地方？

李銀川：我們極度聚焦在技術(shù)和產(chǎn)品本身，從最開始十幾個人到現(xiàn)在 100 人的規(guī)模，我們都很像蘋果早期 Mac 開發(fā)團(tuán)隊，組織架構(gòu)圍繞著產(chǎn)品在快速迭代，非常扁平。

晚點(diǎn)：你個人覺得有什么短板需要補(bǔ)嗎？

李銀川：最大的問題可能是時間不夠用，除此之外，我覺得只要一直保持學(xué)習(xí)，所謂短板都是可以補(bǔ)上的。

晚點(diǎn)：感覺你創(chuàng)業(yè)之后好像更快樂了？

李銀川：因?yàn)槊刻於加姓答?，很多時候都興奮地睡不著覺。我從小就不太喜歡按部就班死記硬背，所以我偏科很厲害，學(xué)生時代最快樂時間段是讀博之后，因?yàn)橛泻芏嘧晕姨剿鞯臅r間，再有就是現(xiàn)在創(chuàng)業(yè)。

晚點(diǎn)：除了快樂，感覺你也不焦慮，盡管具身智能是一個競爭這么激烈的賽道。

李銀川：因?yàn)槲以谧稣_的事情，這方面我極度樂觀。舉個例子，如果你去創(chuàng)業(yè)的話，聊 100 個人，99 個人都在質(zhì)疑你，你會受挫嗎？

晚點(diǎn)：正常人都會吧。

李銀川：我完全不會。我們早期招人的時候，很多人都不認(rèn)可我的技術(shù)路線，會遇到非常果斷的拒絕，但這完全不影響我第二天依舊能量滿滿的繼續(xù)和人聊。最后，聊多了你就發(fā)現(xiàn)，這個行業(yè)里真正頂級的，技術(shù)非常強(qiáng)的人我們是會聊得來的，會認(rèn)可我的。

晚點(diǎn)：但還是拒絕了你。

李銀川：哈哈哈哈對，各種各樣原因拒絕的都有，我早期可能聊了 200 個人都被拒絕了。

晚點(diǎn)：你就沒有一個心理調(diào)適的過程？這是自信還是你非常確定你就是對的？

李銀川：因?yàn)橹雷约菏菍Φ模员痪芙^或不認(rèn)可真的不困擾我。這實(shí)際上還形成了一個雙向篩選，真正有技術(shù)判斷力、最頂級的人最后反倒是被我們的愿景和技術(shù)路線打動加入我們了，因?yàn)榇蠹覍夹g(shù)的理解真能聊到一起去，所以諾因現(xiàn)在團(tuán)隊的人才密度和技術(shù)水平說實(shí)話超出了我最初預(yù)期。

晚點(diǎn)：基于你非常自信的這個視角，你怎么看 2026 年具身智能的競爭格局？

李銀川：我覺得 2026 年不聚焦落地或者沒有落地能力的公司就不太會被關(guān)注了。合成數(shù)據(jù)這個方向會有更多的玩家出現(xiàn)。

我算比較早出來融資講具身智能 To C 可以做以及怎么落地的人，所以可以說諾因確實(shí)在 To C 上有先發(fā)優(yōu)勢。

晚點(diǎn)：這個先發(fā)優(yōu)勢能維持多久？

李銀川：就像之前說的，首先，這里面積累了很多 know-how，就算競爭對手完全知道了技術(shù)路線的細(xì)節(jié)，那也要花半年到一年的時間才能追上來。其次，前面也說過，合成數(shù)據(jù)并不適配所有技術(shù)路線，這是和我們生成式?jīng)Q策的架構(gòu)高度綁定的，這方面的門檻很高。

晚點(diǎn)：你該不會要給我說，其實(shí)你心目中諾因的競爭對手只有自己吧？

李銀川：我們真的不跟外界比，因?yàn)檎娴暮芫劢巩a(chǎn)品本身，它是一個世界上還沒有的產(chǎn)品，所以你也沒法從別人身上學(xué)到現(xiàn)成的答案?，F(xiàn)在最大的問題是如何讓團(tuán)隊里來自不同背景的人充分協(xié)調(diào)配合，發(fā)揮最大創(chuàng)造力，只要你做到最好了，其實(shí)也就不用太關(guān)心外界了對不對？外界最多也就是和你持平。

晚點(diǎn)：諾因現(xiàn)在規(guī)劃中的機(jī)器人產(chǎn)品是從 L2 到 L3 的過渡，那再往前一步的技術(shù)會是什么樣的？需要新的范式轉(zhuǎn)變嗎？

李銀川：我其實(shí)已經(jīng)想好技術(shù)的轉(zhuǎn)變會在什么時候發(fā)生了，我面試許多候選人的時候也會深入聊這些細(xì)節(jié)。但是大模型技術(shù)進(jìn)步太快了，現(xiàn)在我們預(yù)料兩年后該做什么，那它大概率不會發(fā)生，或者到時候已經(jīng)不是最優(yōu)解了。

晚點(diǎn)：還是可以大概說一下吧，讀者也會好奇的。

李銀川：這就純猜了哈，比如我們最終產(chǎn)品賣出很多臺后，收集了大量真實(shí)數(shù)據(jù)，屆時我們會有一種更涌現(xiàn)的架構(gòu)，把所有的家務(wù)技能重組編排，然后訓(xùn)到基座模型里面。

晚點(diǎn)：它和現(xiàn)在的技術(shù)路線區(qū)別在于一個是合成數(shù)據(jù)一個是真實(shí)數(shù)據(jù)？

李銀川：在于泛化能力不同，現(xiàn)在的模型已經(jīng)可以精確操控洗衣機(jī)了，但如果你讓它炒個菜它還是不行的。最終具身大模型會從生成新動作轉(zhuǎn)向涌現(xiàn)新技能，因?yàn)槿耸强梢杂|類旁通生成新技能的。

晚點(diǎn)：現(xiàn)在的模型依舊圍繞在特定場景執(zhí)行特定任務(wù)。

李銀川：圍繞特定難度的任務(wù)。像炒菜這種非常復(fù)雜、對安全性要求很高的任務(wù)我覺得目前還是泛化不了，現(xiàn)在能夠?qū)崿F(xiàn)一定泛化的任務(wù)難度還是可控的。

晚點(diǎn)：因?yàn)楹铣蓴?shù)據(jù)的原因，你們對模型架構(gòu)做了一些調(diào)整，但未來總的來說還是以 Transformer 架構(gòu)為主導(dǎo)。

李銀川：是這樣的，其實(shí)現(xiàn)在大家也都在這樣做。

晚點(diǎn)：具身智能領(lǐng)域同樣也會遵循 Scaling Law （縮放定律）對么，會突然涌現(xiàn)么？

李銀川：我們內(nèi)部的 Scaling Law 曲線已經(jīng)繪制半年了，每月都會更新進(jìn)展，但它和涌現(xiàn)不太一樣。這條曲線讓我們可以預(yù)判，再投入多少數(shù)據(jù)、在什么任務(wù)上能獲得多少能力提升，這也是我們敢說技術(shù)路線收斂的依據(jù)。Scaling Law 是說數(shù)據(jù)量和模型能力以及準(zhǔn)確度之間的關(guān)系，涌現(xiàn)是說模型出現(xiàn)了意料之外的泛化，比如模型本來是做清潔任務(wù)，突然就會做菜了，這種現(xiàn)在的技術(shù)還看不太到。

題圖來源：諾因智能