机器人淘金热的卖铲人：Maxinsights的250倍增长、Ego数据狂潮与散布八国的丰田式数据工厂

基于硅谷101视频播客「对话Maxinsights：具身『卖铲人』的250倍增长、机器人Ego数据狂潮、Doordash与丰田模式，与『自由的鸟』」完整转写整理（音频5536秒，约92.3分钟，47个时间段全文覆盖；本期以中文为主，中段约两分钟嘉宾与主持人切换为英文对话，附录中该段已附中文译文）。嘉宾袁宇光（Yuguang Yuan）为Maxinsights创始人——经公开资料核实（LinkedIn：Yuguang Yuan - Maxinsights，自述serial founder、早年在华联合创办机器人公司、UC系教育），与访谈中自述的交大毕业、伊顿（Eaton）任职、2014年回国创办机器人公司、后赴UC Berkeley读MBA的履历吻合；公司官方拼写为Maxinsights（转写中作Max Insights/Maxine Cites等）。主持人按转写泛称（片尾自报名字转写作「陈茜」，存疑），不另行推断。除特别标注外，以下事实与判断均为节目口径（嘉宾观点或主持人转述），未经独立核实；本博客与本期直接相关的前作：Dyna创始人Lindon Gao访谈、Dyna机器人Scaling Law、具身季报26Q3、帕西尼触觉与数据工厂、灵巧手量产战争。

先说结论：这期访谈讲的是一个「不生产机器人的机器人公司」的故事——Maxinsights把「让普通人戴上头戴相机录做饭、叠衣、打扫」的第一视角视频，加工成机器人可以直接训练的数据，做成了年化收入（ARR）约2.5亿美元的生意，而去年这个数字只有约100万美元，一年250倍（均为嘉宾口径）。它手里有近200万小时egocentric（第一视角）数据、覆盖八国约4000名自营采集员，而管理这张网络的运营全职员工不到十人。主持人把它类比成「机器人淘金热中卖铲子的人」，但听完会发现它更像一家数据制造业公司：设备自研、产线自建、以丰田生产体系管控质量，用DoorDash式的直接管理组织全球分布式「工厂」，中间再垫一层「AI agent in the loop」当监工。对读者真正有价值的不是增长数字，而是三条链条：其一，机器人数据路线之争（遥操作、仿真、第一视角）正在以「可扩展性」为唯一标准快速收敛，ego数据胜出的机制是什么；其二，数据这门生意的护城河不在「有数据」，而在垂直整合的产线、专有处理模型与全球运营能力，这解释了为什么世界模型公司、外包网络都难以复制；其三，数据公司正在从「vendor」走向「行业标准」——当30多家客户用同一套被反复验证过的数据集训练，数据本身就变成了行业的公共基础设施。也要保持警惕：本期几乎全部数字与判断来自单一卖方视角，且Maxinsights恰恰重注在「physical AI远大于digital AI」这个正在被质疑的叙事上（对照具身季报26Q3里估值叙事坍塌的讨论），它的乐观本身就是这个行业最需要被交叉验证的声音。

一、两百小时的首单：三条数据路线的取舍，ego为什么赢了

先把时间线摆出来。袁宇光2022年有了再创业的想法，2023年看到机器人叠衣服的演示后决定入场，Maxinsights的第一个订单只有200小时数据（2025年初，客户是美国的头部大模型公司）——而且一开始双方探索的是全部数据类型：遥操作（teleoperation）、仿真（simulation）、第一视角（ego）、甚至手套采集。最后的结论很干脆：除ego以外，**遥操作「永远会有一个cap（上限）」，仿真落地时必然有sim-to-real的gap——这个结论不是推演出来的，是踩出来的：Maxinsights最早就是在合伙人家的车库里摆设备做遥操作接单，设备可靠性差到要请technician驻场维修，而运营效率有个残酷的硬上限——越简单的任务越低，因为简单的pick and place每做一次就要resetting一次，重置时间与作业时间相当，时间利用率最高只有50%，「一天就这么点儿」（嘉宾口径）。只有第一视角的人类数据既有用、又能快速规模化，还能「把人类的隐藏技能变成机器人的新技能」。他举的例子是叠衣服：全球有成千上百种叠衣方式，把它们合并在一起，机器人就能用各种人类的方法迭代同一件简单的事——更有效、更可靠、见什么叠什么，泛化性就是这么来的。

数据量的爬坡是三级跳：200小时（2025年初首单）→累计2万小时（2025年中下半年）→20万小时（2026年初）→如今接近200万小时，单月产能峰值可达45万小时（均为嘉宾口径）。伴随量级变化，行业的痛点也换了词：从「缺数据」变成「缺高质量数据」。主持人补了一个从业者视角：很多公司号称有几十万小时数据，客户拿到手一训练发现质量极低、根本没法用。Maxinsights对「高质量」的定义是一套组合：毫米级的tracking（手部与姿态追踪）精度、足够的任务多样性与数据量、语言标注（language annotation）、以及「有意义的任务输出」——采集员玩手机、走路、互相聊天、手出镜，都算无效数据。毛坯视频要经过「非常漫长和复杂」的管线才能变成training-ready数据集：手部标注、语言标注、视频理解、索引归类、QC，再用human in the loop复核；低置信度数据不给客户，回流产线帮助诊断模型问题。袁宇光说这条管线已经迭代了六七遍，「这是整个行业里面最重要的核心部分」。

技术口径上有两个值得留存的区分。其一，ego数据是裸手采集，UMI数据则是人手握着夹爪（gripper）、形态可直接retargeting到机器人夹爪——对应模型训练的新三段论：pretraining（预训练）、middle training（中训练，嘉宾多次使用的新词）、post training（后训练），夹爪类任务在中训练和后训练用UMI更有效，灵巧手则从裸手ego数据直接映射更好。这也回应了灵巧手量产战争里「从夹爪切到灵巧手」的客户迁移：数据形态是跟着末端执行器走的。其二，成本排序：遥操作最贵、仿真最便宜、ego居中，嘉宾估计ego比遥操便宜约一半；而仿真数据在他看来根本不是门生意——那是英伟达主推的路线，「看上去非常sexy、非常scalable，但对销售来说非常困难」，客户知道自己能无限生成，数据公司卖不动，仿真公司该做的是环境和数据资产。

这一段的机制链：数据路线以「可扩展性」为标准收敛 → 第一视角人类数据成为最大公约数（Dyna在百万小时ego数据上声称看到scaling law，见本博客Dyna篇，主持人称其中大部分数据购自Maxinsights）→ 数据需求从「有没有」转向「好不好」，质量管线与专有处理模型成为卖方核心资产 → 启发：评估任何「机器人数据」故事，先问三个问题——tracking精度是多少、无效任务怎么剔除、低质量数据流向哪里（是卖给了不知情的客户，还是回流迭代）。

二、DoorDash、丰田与AI监工：散布八国的分布式数据工厂

如果说第一段讲的是「卖什么」，这一段讲的是「怎么造」。采集硬件是自研的头戴设备：上一代六个摄像头、270度视野，新一代砍到四个——270度的know-how来自早期用GoPro的教训：真实生活里采集员头会晃、手会出镜，超广角保证手始终入镜，中间四个摄像头专门拍手部与身体（pose tracking、hand tracking）；砍摄像头则是在信息量够用的前提下做成本优化。这个细节本身就是「数据制造业」的注脚：设备是被当成产线资产来设计的。

真正的方法论在运营侧。袁宇光明确反对行业里流行的外包采集网络——那更像Scale AI式的众包，「发动身边的人，supplement一下收入」；Maxinsights的模式更像DoorDash或美团：需要大量、高质量、多样性的数据，就必须对采集团队有直接管控。他给了一个失败案例：2026年1月给外部供应商下指标「采10万小时，低于2万小时就别干了」，结果对方只交出1.8万小时，公司随即在2月进入调整期，确立「以设备为中心」的原则——设备是唯一资源，第一要准、第二效率要高、第三要被正确使用，其余资源围着设备转。现在Maxinsights宣称设备使用率是全行业最高的（嘉宾口径）。这张网络如今有约4000名operator，分布在美国（洛杉矶）、墨西哥、印尼、越南、泰国、中国、土耳其、南非八个国家，在印尼设有办公室；分散的理由不是成本，而是数据多样性——不同国家生活方式不同：菜系不同、叠的衣服不同、东南亚多长袖戴帽子而洛杉矶都是短袖，这些差异合并起来才构成模型需要的「intelligence」。而管理这4000人的数据采集运营团队，全职员工不到十个人——靠的是中间一层「AI agent in the loop」的平台：它管理设备、管理人、实时反馈质量与产量，设备没戴好，agent会直接提醒采集员。嘉宾称之为「小监工」，不好意思地补了一句：「我们叫小助手，小助手这个名字听起来好听一点。」

这套管理哲学直接来自他在伊顿（Eaton）的四年级日本经历。袁宇光交大毕业后拿过多家offer（包括咨询公司Booz Allen Hamilton），因为「想做事情、能动手」选择了工业自动化方向的伊顿，做过产品经理、供应链、市场、销售，「几乎所有非tech角色都做了」；对他影响最大的是日本流行的丰田生产体系——「怎么样在上量的同时控制质量」，上量必然带来质量妥协，就把量压下去、稳住质量再上量、再压、再上（他举例汽车行业的PPAP生产件批准流程；嘉宾口述该体系为「TMS / Total Manufacturing System」，通行缩写实为TPS丰田生产体系，保留口述并注明）。他的平移很直白：**「你就把operation看成一个工厂，只是这些工厂不在一个地方，是在全球各地。」**下压过程中的具体坑也讲得很实：大量无意义任务（玩手机、走路、聊天、手出镜）、摄像头戴歪了拍天花板、遮挡与多手同框的edge cases，以及「一个房间四个角各放一张桌子、四个人同时采集，衣服叠完再放、放完再叠」的高效假象——对管理和客户泛化性都不利，都被逐个去掉。「这些小的nuance，客户是不知道的。」

这一段的机制链：高质量数据=可管控的采集过程 → 众包外包在质量与响应速度上失灵（1.8万/10万小时的失败实验）→ 用「自营+直接管控+以设备为中心」重造采集网络，DoorDash式调度解决规模与多样性，丰田生产体系解决上量与质量的平衡，AI监工把管理成本压到个位数全职 → 二阶影响：数据工厂从「中国式集中数采中心」（对照具身的金钱游戏里地方政府数采中心模式）演化出「硅谷式分布式工厂」路线，前者靠基建与政策，后者靠运营体系与软件 → 启发：判断数据供应商的真实能力，不看宣传的时长，看它敢不敢讲失败案例、有没有设备资产与质量管线的细节。

三、像SaaS一样卖数据：复用、纯度与「成为行业标准」的野心

商业模式是本期商业含金量最高的部分。Maxinsights的客户有30多家（「整个行业里面拥有客户数量最多的公司之一」），分两类：大模型公司（嘉宾举例时提到「你天天用的这些AI、Anthropic」，随即强调不能说具体名字）和robotics intelligence公司；大模型客户买数据也是为了训robotics——主持人接话点出题眼：「为什么我们看到Astra出来」（GPT-6 Astra，转写作astral/Astro Six，与具身季报26Q3和GPT-6 Astra篇互证），嘉宾的形容是「整个机器人界都炸了，crush the whole industry」。数据的卖法是license授权、数据集每天滚动扩大——主持人用SaaS类比：同一套软件能卖给上千客户，数据是否同理？嘉宾的答案是肯定的：一套数据集被一个客户verify过，很容易对其他客户产生相同甚至更高的价值。最直接的案例就是Dyna：Dyna 2用100万小时human centric数据声称验证了scaling law（见Dyna Scaling Law篇），主持人称其中大部分数据购自Maxinsights、同批七八十万小时也卖给了其他客户——那差异化在哪？嘉宾认为差异在数据之外的recipe：每家模型架构与训练方法不同（「Dyna Genesis、OpenAI，各家都有自己的训练方法」），后训练与RL更是客户自留地；节目引用从业者说法「99%只是一个起点」——后训练补的正是那1%的落地差距。

往后看，袁宇光给出明年的两个趋势判断：一是量继续十倍级扩增，「每家客户基本上会需要一百万小时左右作为保底地板线，往上不设上限」；二是客户进入后训练阶段，极度依赖具体环境——这正是运营网络的价值外溢：帮客户在不同国家快速搭建养老院、医院这类场景做测试评估，「99%怎么提高到99.99%才是我们给客户提供的价值」，从数据供应商延伸为「模型反馈的供应商」。被问到1000万小时什么时候能凑齐，他的回答是「可能都不需要一年」，代价是operator再扩三到五倍（1.5万到2万人）。终局想象更大：沃尔玛、Costco真用人形机器人时需要full stack支持，把数据产线、operation、deploy与eval打包，「就像今天的工业机器人ABB和库卡一样」——嘉宾把公司的能力归纳为三位一体：数据（深）、运营（广）、与客户一起迭代的「握手能力」。

这段里还有一个反直觉的技术判断值得单独记：**数据会不会像互联网语料一样被「穷尽」？**袁宇光的答案分类型：遥操作数据上限较低，够量就停；ego数据上限更高，但在模型架构不变的前提下，边际成功率递减，会进入平缓期——平缓期之后，普通的「谁都行」的采集员网络会升级为「专家式网络」（专业护士、专业厨师式的采集），用更专业的数据把99%推向99.9%。这与本博客帕西尼篇的「数据工厂」、Dyna篇「从高质量转向海量再回头提纯」的路线形成了三方互证：行业共识正在从「堆量」转向「量+质分层」——Maxinsights已经在按此设计tier pricing（分层定价）：从手部数据到上半身（upper body）、全身（whole body）、再到内置bending sensor的触觉手套（采集tactile力数据，嘉宾现场展示），新数据形态决定新价格，「量上去了，average price没准还上升了」。

英文问答段（约两分钟）里藏着一个行业暗面：主持人问到数据行业的灰色地带——data brokers（数据中介）：自己没有采集能力，买别人的数据打包，以「量大」的名义高价转卖。袁宇光的回应给出了这家公司的核心资产观：「这个行业没有代理商」，复制数据做更多销售对整个数据生态有很坏的影响；他们有个内部概念叫data purity（数据纯度）——数据越纯、拥有度越高，Maxinsights的数据100%自采自持。顺带回应了竞争：世界模型与视频生成公司纷纷转型「机器人数据公司」（「很多也是我们的客户」——它们需要真实数据做生成底料，生成结果再由Maxinsights的标注产线加工成可用数据，生态位相互依存而非竞争）；想自建产线的公司即便今天进场，「做的也只是我们2023年、2024年做的事情」，两到三年的gap来自专有的ground truth数据、处理模型与物理世界的采集过程——这些都没法凭空生成。成本结构也顺理成章：一小时数据的成本大头是operation、其次是云，人力G&A与研发摊销占比很小，所以东南亚廉价人力并不是护城河的对手；真正的变量是地缘——「作为美国公司，跟美国客户走得更近」，这也是Maxinsights在硅谷（前沿技术与管线模型）、苏州（工具开发）、印尼（运营）三地设办公室、并计划进欧洲的原因。

这一段的机制链：数据license+滚动扩容 → 天然SaaS式复用，一套被验证的数据集同时服务大模型与机器人客户 → 但复用也意味着「数据无差异」，竞争焦点转向recipe配套（评估、环境、后训练支持）与数据形态分层（手→全身→触觉）→ 二阶影响：若某家数据集真的成为30多家客户的公共底座，「数据服务」就升级为「数据产品」——嘉宾明说「当一份数据对整个行业形成标准的时候，这个标准就变成了数据的标准形态」，这是比卖铲子更大的位置 → 启发：给「数据公司」估值时，区分三种资产——原始数据（会贬值）、处理管线与专有模型（会复利）、客户验证网络（会锁仓）；Maxinsights自认的全部壁垒在后两者。

四、从「自由的鸟」到卖铲人：两代机器人创业之间隔着什么

最后三分之一是袁宇光的来时路，也是本期标题「自由的鸟」的出处。2014年前后他离开伊顿创业，动机的原话很完整：「我在伊顿像一只笼子里的鸟，喂得挺胖挺好，别人给我食吃，但永远在那个笼子里，不自由；当你飞出来的时候，你会发现这个世界好大，你很好奇，但确实有时候找不到食吃。」第一次创业（转写作Mega Gear Robotics，公司名待考）做低成本工业机器人，背景是当时中国工业机器人市场被「四大家族」——ABB、库卡、安川（Yaskawa）、发那科（Fanuc）——占去90%以上份额、价格是现在的两到三倍。产品最初连外壳都没有，「想扔了当废铁」，转机是拿「开源」打动了一位有预算的大学老师（2014年「开源」这个词还让人愣两秒），做成了面向高校和职业院校的开源教育机器人，单台近20万人民币、比同负载的ABB/库卡便宜20%–40%。但这段创业的结论是苦涩的：教育市场太小、机器人认知不ready、行业还没有「具身」概念只有「工业4.0」，公司转型六七次——做过工业互联网、IoT机器人监控平台，铺了几家工厂、接了几百台机器人，最终因为「收不上来钱」放弃。

他把教训提炼成一个每个创业者都该抄走的框架：痛点与痒点的区别。「痒点他是不愿意付费的，挠一挠就行了；痛点才会真正在没有你的时候还继续付费。」判断标准只有一条：「当你的产品不完善、几乎不能用、只有核心功能的时候，客户还愿意付费给你，那才叫真正的痛点。」他当年的错误是关起门来假设需求——问了两个朋友「有没有需求」，朋友第一句话其实是「这事儿要不要收钱」，他说不收钱，对方说那试试；上了量才发现付费意愿极低，而且被问的人根本不是decision maker。卖掉那家公司时他还总结了founder的三种出路（上市、卖公司、做到非常盈利），并把它倒转成方法论：「以终为始」——先想清楚终点，再回来决定今天怎么做，而不是像当年那样「从始为终」，在黑森林里看不到方向。这套反思直接塑造了第二次创业的方法：2022年酝酿想法，2023年被「机器人叠衣服」触发（叠衣需要全新柔软交互，与工厂大机械臂完全不同），随后在UC Berkeley（他当时在读MBA）向机器人圈群发cold email，咨询了近200人，回复率从10%打磨到40%（转写作「百分之四」，按上下文疑为40%），每周约谈两个——「这些人一部分今天成为了我的客户，一部分成为我的竞争对手，生活就是这么有意思。」他还给出笃定方向的两个认知框架：同类对比（physical AI有无人驾驶和digital AI两个先行者，都离不开数据，取数方法可以参照）以及「真正的decision maker是researchers」——研究者的话一顶一地重要，因为是他们带动行业frontier的发展。

对照无人驾驶，他对机器人落地的判断与流行悲观论不同：无人驾驶难在corner case与安全（「早期Uber自动驾驶出了问题，后来把整个部门卖掉了，现在又开始重新做」），而physical AI是「细分场景、细分任务」的问题——Dyna可以只在一家酒店里24小时重复叠衣服，把这一个场景做到99.9%就成立，然后再去解决下一个问题；泛化层面的难题则正被GPT-6 Astra这类通用模型快速消化（「2026年出现了五种六种新名词，world model、VLA、world action model……Dyna 2就是based on world action model」，与本博客世界动作模型与具身季报的VLA/WAM之争互证）。被问到「卖铲子没有做机器人sexy，你OK吗」，他的回答把两代创业串了起来：「你让我真的去做AI的deep research，我做不了；我能做的是让整个行业的foundation变厚，帮客户快速scale up。」——所有经验都指向scale：日本的operation训练、伊顿的供应链、上一代公司里花大力气找deployment机会，最后全部叠在Maxinsights的运营网络上。

这一段的机制链：第一代机器人创业死于「痒点假痛点+市场早熟」→ 十年后的差别不是技术，而是需求验证方法（200人cold email、researchers作为decision maker、以终为始想清退出）与入场时机（叠衣服演示=软体操作可行性信号）→ 二阶影响：具身数据这门生意本身是2014年那代「做本体」梦想的变现替身——做不了机器人本体的人，把产业链里最先规模化的环节（数据）做成了公司 → 启发：行业早期，「卖水人」的位置往往比「淘金者」更早盈利，但前提是能识别哪个环节最先规模化；袁宇光的识别方法（对标无人驾驶与digital AI的数据先行史）是可迁移的分析框架。

边界与观察清单：确定的是方向，不确定的几乎全部

收尾前必须把本期的不确定性摆清楚。这是一个单一卖方讲述自身生意的故事：250倍增长、200万小时、行业最高设备使用率、30多家客户「几乎涵盖所有logo」、竞对「落后两三年」——全部来自创始人口径，无任何第三方验证；Dyna「百万小时数据大部分购自Maxinsights」也只是主持人转述的推测。更结构性的风险在于，Maxinsights的整个赌注押在「physical AI的上限远大于digital AI」上（嘉宾原话：「我们是笃定在physical AI要完全远大于digital AI的上限上，这是我们真正要bet的一个现实和未来」），而两个月前具身季报26Q3里行业投资人正在讨论这个叙事被GPT-6 Astra动摇后的估值坍塌——同一场范式变化，在数据卖方嘴里是「crush the whole industry」的利好（通用模型也要买robotics数据），在具身模型公司投资人嘴里是估值逻辑的威胁。两种解读并不必然矛盾（都可能是真的：通用模型公司既是数据买家又是能力竞争者），但读者应当把本期的乐观放进这个坐标系里读。

可操作的观察清单有五条：其一，1000万小时ego数据是否如嘉宾所说「不需要一年」就能凑齐，Dyna的scaling law在十倍数据量上是否仍然成立；其二，「每家客户100万小时地板线」的明年采购是否真实发生——这是对数据SaaS复用模式最硬的验证；其三，tier pricing里触觉手套、whole body等新形态数据的实际定价与放量，对应帕西尼与灵巧手产业链的数据需求；其四，data brokers灰色地带是否随着世界模型公司转型「数据公司」而扩大，「数据纯度」会不会从卖方营销语变成行业采购标准；其五，地缘变量——美国客户「理论上」更倾向采购美国数据公司，这条软约束会不会硬化成政策。主持人收尾的判断大致概括了这期的行业含义：当越来越多机器人公司用百万小时级第一人称数据训练模型，scaling law在机器人领域初步得到验证，行业正从「寻找正确技术路线」转向「规模化获取数据与商业化落地」。换成本文的语言：淘金热是真的，铲子也真的在卖钱——但历史上卖铲人生意最怕的从来不是竞争者，而是金矿本身成色的争论。这只飞出笼子的鸟赌的是，这次矿里的金子，比2014年那次多得多。

ASR 转写校正表

以下校正项已同步应用于文末附录《转写原文（修正版）》。按技能规则分两类：已确认替换（结合上下文与公开资料可判定）与存疑保留（无法确认，附录保留转写原文，仅在此登记）。

已确认替换（附录已应用）：

存疑保留（附录保留原文）：

语言构成与附录处理： 本音频为中文访谈（硅谷101中文节目），仅中段 [4680s - 4800s] 约2分钟为嘉宾与主持人双方切换英文的对话（段内夹中文「代理商」，为真实语码转换，非转写幻觉；该段英文上下文与前后中文完全连贯）。按附录翻译规则：中文段保留原文；英文段在修正版原文后附【中文翻译】。

转写原文（修正版）

以下为完整转写稿（47个时间段，覆盖0s-5536s全音频），已按上方「已确认替换」清单机械修正；存疑处保留原文。段格式为 [起 - 止]，每段一行。英文对话段已附【中文翻译】。

[0s - 120s] 这一期视频播客，我们来聊一个一年二百五十倍增长的故事，这发生在硅谷的机器人数据领域。过去两年，在采访机器人公司的时候呢，我们听到最多的一句话就是太缺数据了。当机器人公司们还在探索模型、算法、数据和部署的时候，一家并不生产机器人的硅谷公司呢，把机器人数据做成了一门年化收入数亿美元的生意。这家公司叫 Maxinsightss，他们成为了机器人淘金热中卖铲子的人。我们的 AI 差不多可以达到两百五十个million左右，我们去年一年其实才差不多一个million。客户是谁？可以披露一下吗？一类是大模型的客户，另外一类客户都是这种做 robotics 的这种 intelligence 的客户。从一百万美元到二点五亿美元，二百五十倍增长发生在短短一年。这家数据公司让普通人带上摄像头，记录做饭、叠衣服、打扫卫生这些日常动作，再把这些视频转化为机器人可以学习的训练数据。如今，他们已经积累了两百万小时的人类第一视角数据，并且建立起了一张覆盖全球四千名数据采集人员的网络。而这家公司的数据采集运营团队全职员工不到十个人。美国、墨西哥，然后东南亚我们有印尼、越南和泰国，中国、土耳其以及最远到南非。我们全球一共有接近四千人的运营团队，它依靠的是中间这一层，我们叫 AI agent in the loop，一个 platform，相当于是一个小监工。我们叫小助手，挺难的，管理 operation 是一件特别难的事情。我们在最近的一期视频播客采访 Dyna Robotics 的时候，这家硅谷机器人公司啊，号称通过一百万小时的人类第一视角数据呢，找到了机器人的 scaling law。之后呢，一千万小时的数据是下一步。当机器人行业开始验证自己的数据 scaling law，这是否意味着我们正在见证机器人领域的下一个 scale AI 的诞生？如果你们能产出一千万小时的数据。

[120s - 240s] 需要多少人？我估计在现在的基础上，能够再有三倍到五倍的人。世界模型的公司做 video generation 的公司，现在都变成了机器人数据公司。其实有很多也是我们的客户了。他们是没有数据产线的。对，如果有一天他们有了数据产线，即使他们今天做，也只是做了我们二零二三年、二零二四年做的事情。那这一期硅谷101视频播客呢，我们对谈了 Maxinsights 创始人袁宇光，从他经历的两代机器人创业潮说起，到当前机器人数据的商业模式、全球采集管理以及数据技术，聊聊这场刚刚开始的机器人数据热潮。宇光，欢迎你做客硅谷101。哎，你好，静姐。我听说你们现在是机器人行业里面数据上面收入最高的公司之一，你们主要的业务构成是什么样子的？我们主要是做这种人类的方面的数据，并且是把人类的数据变成机器人可用的数据，来帮助这些机器人头部的公司训练他们自己的模型。现在具体的体量有多少？能给我们透露一下吗？也就是硅谷现在我们说的 A R R。我们的 A R R 差不多可以达到两百五十个 million 左右。OK，两点五亿美金。是的。那今年增长应该是非常快了。是的，我们去年一年其实才差不多一个 million，到今年为止我们就增长了非常快的速度。我们认为其实也跟这个行业发展有关。就现在这个行业，你会看到有很多我们的客户侧已经通过使用更多的高质量数据，来帮助他们的模型进行训练，并且得到了一些基本的认知。然后，它这些模型不仅具备了一些新的、更好的表现，并且使用了大量至少是一百万小时的数据。所以目前你可以看到说 data scaling law 在 physical AI 里面已经实现了。嗯，过去两年我一直都在听到说机器人行业缺数据，缺数据是不是？二零二五年大家说缺数据，还缺的是遥操数据。但是起码在。

[240s - 360s] 硅谷这边，我看到最近大家是啊，把这个压住压在了 human centric，也就是第一视角数据的这个方向上。二零二五年和二零二六年确实发生了一些变化。二零二五年早期的时候，我们的客户当时和我们一起去开发新的能够帮助 physical AI 能够落地的更加啊 scalable 的方式。当时呢，我们探索了很多种数据类型，包括 teleoperation，包括了 simulation，然后包括了当然有 ego 的 data，甚至还有那时候我们去做手套的数据。那个时候我们就发现，除了 ego data 以外的大部分数据，要么就是 not scalable，那 teleoperation 永远会有一个 cap，要不呢就是它落地的时候会有很多的 gap，比如说 sim to real，大家都知道这个 gap。所以那个时候呢，当我们去 scale 的时候，我们会发现说，当人类的数据，如果我们想象一下，把每个人身上的这种特殊的技能，把它变成机器人的技能，它的想象空间就变大了。所以二零二五年那个时候，我们的是作为这个行业里面应该是最领先的人，我们第一个订单是两百小时，那个时候两百小时对我们来说没有概念。是遥操数据吗？不是，是 ego 数据。ego 数据。客户是谁？可以披露一下吗？我们客户是美国的头部的这个大模型的公司。他们当时也在探索。对，当时他们也在探索。我们和他们去做了很多这种探索，包括刚才说的各种数据类型，最后定在了这个人类的第一人称视角数据上，主要也是因为说第一个有用，第二个可以啊快速的 scalable，第三个它可以把人类的一些隐藏的技能变成机器人本身的一些新的知识和新的技能，把它们串起来之后，你会发现说机器人想要实现真正的将来的 AGI，是可以把人的想法变成机器人的想法，并且是足以实现的。人类隐藏的技能是什么？咱们就说现在很火的这个叠衣服吧，你可以想象全球有成千上百种的叠衣服方式，把它。

[360s - 480s] 如果合并在一起，你就可以让机器人用各种人类的方法来去迭代叠一件非常简单的衣服。而这样的好处是，第一个，你可以叠衣服可能会叠的更有效；然后第二个，会叠的非常的可靠；第三个是你见到什么样的东西都可以叠。所以这是我觉得给机器人本身增加了很多基础的智能，相当于它的泛化性，对，其实通过这个数据的方式是达到了。是的，去年其实我们已经发现了这个数据本身能够增加模型的一些简单的泛化性。所以我们从最早的这个两百小时到去年年中下半年加起来一共我们有两万小时，所以相当于是一百倍的提升。到今年年初的时候，两万小时变成了二十万小时，所以是三步。我们作为整个行业的一个先驱者，走了三步。然后在这个方向里面，我发现其实这个痛点发生了一些简单的变化，从缺数据到变成了缺高质量的数据。现在很多人还说我有很多的数据，但是今天为止，其实很多人看到的是你的数据本身质量到底有多好，才能真正的在这个行业里面站住脚。对我们先跟大家划清一下这个category，你们采集的所有的数据都是human centric，第一人称的视频数据。是。这个数据是怎么采集的？能不能给我们解释一下？这种数据是来源于人们日常的生活。那我们去通过头部的这种设备，这是我们其中一个设备。所以这两个都是你们的素材设备是吗？对，这是我们上一代产品，这还是我们最新的产品。戴在头上可以记录整个手部的内容，这种手部的内容会成为我们的毛坯数据，然后通过我们的高质量处理管线会变成我们高质量数据。我看这里面是有六个摄像头，这是你们上一代的，对，这种上面有六个摄像头，所以它可以有一百八十度左右的一个视野吗？二百七十度，二百七十更宽。OK，但是它是一个，比如说一个视频。

[480s - 600s] 融出来的，对，那视频它其实是有一点squeeze，有点鱼眼的这种感觉在里面，是吗？对，嗯，这其实也为什么要二百七十度啊？其实这也是我们最先开始的一些know how。我们刚开始用的是GoPro，很小的一个摄像机。那个时候呢，因为我们收集的数据非常的叫wild，就是非常真实生活中，所以你会头会来晃来晃去，你的手会出镜。所以我们用了这种二百七十度的大范围视角，可以保证手至少是入镜的。其次，是它可以捕捉更多的、更丰富的信息给到模型。周围环境的信息？对，是的，嗯。所以你看到这边有四个，对，然后这两边各有一个。这为为什么这中间有四个？中间四个主要是能够拍到手以及拍到身体的一些部位，这些身体部位可以给到模型提供更多的信息。现在我们只说human centric，不只是手，human centric还有很多身体的位置，所以我们叫pose tracking和hand tracking。这一部分将来这个基础的设备会提供更丰富的信息给到模型，来去进行全全方位的tracking给到模型。所以如果要采集的话，就是需要一个采集员，他戴着这个头盔，然后一天采多少个小时？我们的这个采集时间其实相对比较长的，我们采用的都是这种相对专业的采集员和相对专业的采集团队，这也是跟行业里面不太一样的一个地方。你会看到今天有很多的公司会有他自己的外包采集网络，这个呢其实很像当时的这个Scale AI。那我们发动身边的人，那它可以有一些supplement这个income。那对我们来说，我们认为这个世这个世界在去采集的时候，还更像是一种DoorDash或者是国内这种美团的这种模式。当你采集的时候，你需要大量，你需要高质量，并且你需要多样性，所以你需要是对你的采集团队有直接的管控，而这种直接的管控来帮助采集团队获得更高质量和更高的输出，你这样才。

[600s - 720s] 才能在这个行业里面得到更多的，呃，更更好的位置吧。这一块其实特别重要哈，对于整个素材团队的管理，我们待会儿可以详聊。我们先来继续说一下这个素材的设备。然后这个是你们上一代的，对。然后你们新一代的有什么样的区别跟升级吗？它更轻了，它的这个电池可以维持时间更长，感觉要小巧一些，甚至。对，新的产品会更能快速的 calibration，就相对它得到的信息和结果会更准确。嗯，我看它只有四个摄像头。对，嗯，四个就够了，我们感觉。那为什么之前要六个，然后现在只要四个？其实也是迭代的过程。你有更多的摄像头，我们就觉得会有更好的输出，但实际上我们也会考虑将来这个行业需要往成本优化的方式走，所以我们在去考虑得到更相同信息的前提下，要考虑更优化的成本结构。嗯，这两代摄像头它的像素都是一样的吗？对，类似。成本呢？它减到四个，成本肯定是降低了。对，那肯定这个更低。那就是穿戴的那个体验呢？你们有没有？这个是很轻的，而且它在戴上的时候，它会。就是戴在额头上是吗？对，戴到额头上，像帽子一样。哦哦，像帽子一样。对，然后你手机上会有一个 A P P，直接打开它连上就可以。所以就是我看上看下看左看右，它就随着我的视线摆动。是的，而且不管你怎么动，手部是不会出镜的。所以我们也是希望能够通过设计一种硬件，让这种收集和收集方式变得更 scalable。特别有意思。那你们现在的体量是可以收集多少万小时的数据了？我们一个月可以收集到我们最高的 capacity 可以到四十五万小时，就是四百五十 K 小时每个月。所以你们现在手里面是有多少个小时的数据？我们接近差不多两百万小时。那现在已经是一个什么样的量级了？在同行业里面可以说是最多的。对，最多的，而且是相对高质量的 egocentric data sets。我刚才一直听你说高质量哈，就是怎么？

[720s - 840s] 评判什么样叫高质量的？因为我也有听到机器人公司的研究员跟我说，就很多人公司跟他们说他们有很多万小时的数据，结果拿到之后一training发现质量非常的低，根本没法用。那怎么去评判这个质量的高低？是的，就是质量本身其实也是迭代的过程。从我们刚开始二零二五年那个时候完全没有质量的感受，到今天我们有非常严格的质量管线，它其实会包含几个主要内容。第一个就是你首先要提供的是你tracking，就是你的你的跟踪信息，所以你的tracking的准确度要高，而这些都是要到毫米级的。第二个是要本身数据要具备足够的多样性，你要提供更多的这种data diversity给到你的模型。第三个是你本身数据需要有一定的量，你每天一小时，你客户肯定不够用，对吧？所以这三个叠加在一起，其实是会变成一种呃数据的package。除了tracking accuracy里面会有更多的这种语言标注的信息，叫language annotation，然后还会有视频本身能不能代表的一种叫有意义的任务输出。比如说你一直在那玩手机，或者是这个挠挠这挠挠那儿，这些都属于非有效的输出。所以有效的事件，再加上准确的tracking，再加上准确的annotation，并且把它变成一个package，这叫一个有效的并且高质量的数据。你们收集到大家戴着这个头盔，然后在做各种各样的任务，然后收集到这样的一个视频数据之后，你们再做什么样的处理，然后再给到客户，算是一个数据的完成呢？现在我们在收集完所有的这种毛坯数据之后，需要经过一个非常漫长的数据管线，然后非常复杂的数据管线，最后你才能给到客户，然后让客户进行使用。这一套管线出来的结果叫training ready datasets或者叫high quality datasets，它可以拿。

[840s - 960s] 拿来直接去训练了，而中间的这一套过程里面需要有对手进行标注，然后需要对语言进行标注，视频需要理解，然后进行语言标注，以及对整个的视频进行index，就是去进行归类，它到底是什么，并且最后有一步还需要QC，我们同时会有一些human in the loop方式来去verify这个数据的质量，这是我们目前现在的管线。中间的淘汰率或者是筛选率是多少？说实话，这种数字很难评判，因为很多我们筛选率筛出来的，比如human in the loop方式，我们会把它作为一种继续的recipe，把它继续回到我的管线里面再重新的过，我会把整个数据的叫confidence这个level，就是叫置信度，会分成不同的等级，然后让它去对应不同客户的要求，啊，这样其实我对于整个data set会有我不同的分级。就有些客户他需要非常高的要求，非常高质量的数据，有些客户就觉得啊这些低一点的质量其实也OK，我也收。理论上其实客户都需要高质量的数据，低质量的数据给谁呢？只是他对于要求会不一样啊，然后我们比如说低质量的，其实更多的我们就是叫general data sets，这种general data它会回到我们的管线里面会重新做，我们是不会给客户低质量数据的，低质量数据会让我们重新去认知我们的模型，在去标注的过程中到底问题出现在哪儿，帮助我们去重新认知整个data pipeline怎么样去迭代。到今天为止，我们的data data pipeline已经过了差不多六遍或者七遍了，这种其实是整个行业里面最重要的核心部分。我们刚才说到啊，就是数据分三类啊，一个是遥操数据，一个是egocentric，然后是合成数据嘛。egocentric跟umi的区别是什么？umi data或者有很多人也叫umi data，它其实是人手会拿着一个这种grapper，把grapper的形态和机器人本身的那grapper形态会进行，它直接

[960s - 1080s] 可以去做 retargeting，然后 UMI data 本身上面还会带一个 egocentric data，现在比较流行的是这种一套的方式。然后对于 egocentric 呢，本身它是直接裸手的，它没有任何的 gripper。对，所以它唯一的区分就在这儿。那为什么要有 gripper？这个就要看到整个模型训练的三个阶段，其中有叫 pretraining 预训练，大家都知道；然后 post training 后训练，大家也知道。那现在呢，其实会有一个 middle training，这个 middle training 会用更多的用这个 UMI 或者 UMI 来去做，甚至可以在 post training 里面用 UMI 来去做。因为对于机器人来说，现在更加或者相对 reliable 的方式，其实 gripper 是更流行一些。当然有很多的这种灵巧手，我们也会设计。所以我们的这个 egocentric data 不仅能够对应这个 gripper，也能对应手啊。但 UMI 本身能够直接 target 到这个是这个 gripper 上面会更快更有效。就是说它是更适配那种夹爪的机器人。那本来如果我的机器人是一个纯 humanoid 的，我就是灵巧手有五只手的，其实就没有必要去用 gripper 的那个 UMI 数据了。然后就是刚才你说到了，现在是 UMI 加 UMI 的一个结合，为什么要有这个结合在呢？就是说我的机器人公司 train 出来的是又可以去操作他们的灵巧手，又可以去操作 gripper 是吗？嗯，这其实还是要看客户不同的形态，因为有一些客户他的形态更偏型 gripper，所以他就会更 rely on 更依靠这种呃 UMI 的或者 UMI 的形态。有些客户大部分都是灵巧手，那他就直接会从灵巧手本身的这种形态会直接 target 过去更好，因为更像手嘛。那成本上有区别吗？采集的时候，嗯，我们认为采集上面的成本相差不大，但主要是中间的 data pipeline 处理的成本。就对于人手的这种处理，UMI 或者 UMI data 它在采集的时候，它的效率会比人手会低很多。但是呢，因为你是要操控一个东西去，要去做任务的，那肯定不如人。

[1080s - 1200s] 自己去操纵呀？对你做饭也不会用两个 gripper 做饭嘛？是对吧？那用 UMI 去做的时候，它的效率会低一些。但是呢，它过于 pipeline 的时候，它 pipeline 会简单，相对简单一点。但人手呢，你很 wild，它会有非常多的 edge cases，所以你在过 pipeline 的时候，你需要对这些 edge cases 进行处理。举个例子，比如说你的手会经常有遮挡，你这样子，你就是你 ego 的时候，你可以这样，这样其实很难处理的。嗯。啊，你你手看不到嘛？对。你会这样子，或者我们多只手在同一个镜头下，我们握手都很难找到这只手的稳定输出。所以 pipeline 也非常强大，你才能提供这些高质量的数据。那你觉得现在客户们都在买什么样的数据？你觉得今年客户们都在买 human centric 的数据？我觉得客户本身他对于数据的 recipe 的需求，其实公允的讲，它有 teleoperation 的需求，然后也有 human centric 的需求，就是 ego 的需求，有 UMI 的需求。目前在我们的观察来看，对于 ego centric 就人手的需求是量最大的。嗯。那它可以直接，我们可以想象一下，它不需要中间形态变成 gripper，它直接说我们把人手变成机器的这种灵巧手，直接就可以下地干活了，像人一样。那这样多具备想象空间呢？如果我们从成本方面来看的话，啊，遥操数据是最贵的，那仿真的数据、合成的数据是最便宜的。然后 ego 是放在中间那一档的是吗？理论上是的，但说实话，我觉得现在仿真数据在二零二四年的时候，我们就开始研究，就研究过。因为仿真数据本身其实是，嗯，不不是一个销售的产品，因为客户本身知道它非常便宜，你可能可以产生很多。那我客户自己，我就可以去做这个仿真的事情。所以仿真数据其实不是一个数据公司的一个主要的方向，但是仿真也有一些可以做。

[1200s - 1320s] 事情，比如说，你可以做一个 environment，你可以做数据资产，这些其实是仿真公司应该真正 focused 的。但数据本身，我们认为最主要的现在两个来源，从 vendor 来的，一个是 teleops，一个就是 human centric。 Human centric 比 teleops 要便宜多少？嗯，我觉得不同的客户会有不同的要求。其实我们如果看整个行业发展来看的话，其实我认为可能要便宜一半儿吧。我今年看到还有一个趋势啊，就是很多世界模型的公司，之前做 video generation 的公司，现在都变成了机器人数据公司，然后卖数据给机器人公司。他们在这个环里面的位置是在哪里啊？我们认为这些世界模型的公司，其实有很多也是我们的客户了。它其实需要相当多的真实数据来去产生它所谓的 data generation。所以这些数据本身，视频生成这些公司，它其实想要跟我们这样的公司合作，才能得到更高质量的数据。这一类的公司跟我们其实是生态位是相互依存的，所以反而对我们来说，在整个行业里面是一个提升。他们需要你们的数据？他们需要我们的真实数据来去。所以他们也是你们的客户？他也是我们的客户，其实。但他们是吸收了你们的数据之后，反而又在卖给机器人公司。那他们会不会在某种程度上会跟你们有竞对的关系啊？是这样，我们认为在整个的世界模型体系里面，它其实会基依照于现在的我们做的一些简单的任务来去做不一样的泛化型的数据处理，然后最后再提供给整个的这个数据的闭环。所以在某些程度上，我们认为它跟我们其实是相对于依存关系。我们给它的更多的是 raw data。那它进行 raw data 的产生，那我们可以再帮助这些 raw data 产生的 video 生成出来的视频进行标注。

[1320s - 1440s] 用我们的高质量的标注产线帮能标注成最后的数据，叫 process data，变成我们最后客户可以使用的数据。他们是没有数据产线的，对他们是没有数据。如果有一天他们有了数据产线，数据产线这个事情，其实如果今天要做，假设这些公司，呃，有很多的这个 cash reserve，他要做，其实做的是我们二零二三年做的事情。做一条产线，刚才说了，我们大部分的产线是要依靠于模型的，所以这些模型本身的制作来源其实是叫 ground truth data。我们有很多我们自己去开发和研究的这种 ground truth data 的 pipeline，而这一部分是属于我们真正自己的 property data。这种 property data 是任何人都没有的，所以即使他们今天做，也只是做了我们二零二三年、二零二四年做的事情，有两到三年的一个 gap 在。对，所以我们认为现在做的公司，大部分想要去做数据的公司，其实已经入局晚了，头部已经产生了。那这个速度是不可能以任何的方式是赶超上来的，因为这个数据产线就是你们过去两到三年的一个资产，一个 moat 护城河。对，这个是我认为作为数据公司一个重要的护城河，它产生的结果叫高质量的数据，而它的过程是属于不同模型去产生的这个高质量的数据，而这些模型本身也是基于之前我们攒的这些 property data，而这种 property data 的规模，我们今天已经达到了整个行业里面相对比较领先的位置，而这些公司想要再去积攒这个，还需要相当长的时间。这些都属于物理过程，而不是说直接是可以生成的这种数据过程。包括数据的收集，包括数据收集的管理这件事情也是护城河，是吗？是的，数据收集以及数据收集的管理都是护城河。首先，一个数据公司，它其实需要一个非常强的，我们叫 vertically integrated

[1440s - 1560s] graded产线，从硬件开始开发到运营（operation），再到数据管线，再到最后的输出，这上面是需要整个链条连在一起的。所以，对于任何一个想要卖数据的公司，都离不开这些。就刚才你说到的Vidu站公司，他们没有operation，也没有硬件。对于一个纯的数据收集公司，它没有数据产线，它没有那些preparatory data。那只有把这些整个连在一起的，才能整个去输出最高质量的、最大量的以及这种多样性的数据。你们现在是有两百，大概两百万小时的human-centric数据，然后这个数据是多少人采出来的？我们现在在世界上一共有接近四千人的operation的团队，这种operation fleet，而且这些operation fleet都是我们直接管理的。然后这些operator很像当时的这种DoorDash的模式，所以帮助我们去能够快速的scale up，快速的找到新的场景，并且能快速的收集到更高质量的数据。能不能解释一下这个DoorDash模式？这种operation其实挺有意思的。你会看到今天包括Figure在内，其他的公司也在做这种呃外包网络。对，其实外包网络我们在二零二五年的时候就试过。这种试的同时，我们觉得会有几个大的问题。第一个是它的质量会很低，第二个是它的输出会很会很慢，会很低。就是我们的理念里面是operation本来就像一个工厂一样，这个工厂只是你不是集中在一个地方的这种数据工厂，而是把这些人散到各地的工厂。而这个更偏向于这种DoorDash的这种直接管理模式。DoorDash当它早期的时候，它其实对于整个的前面的骑手是有更多的管理，它需要去哪儿，怎么去做，然后系统会给他直接的指示。所以对于我们的这种operation fleet，我们所有的operation都是自建的，我们不太会用外面的供应商，供应商。

[1560s - 1680s] 给我们的value是做一些比较罕见的和一些比较不常见的场景，但是我们这么多的这种自建团队的这种operation能帮助我们能够下到更多的我们想要的场景中。举个例子，比如说明天我们现在要收集呃医院的场景，或者说我们要收集一些养老院的场景，我们其实可以直接下达这种任务给到我们的operator，然后让他去散到这些场景里面，然后让这些场景里面能够再快速的反馈回来。如果你要用一个你的供应商，你会找到供应商，然后供应商说我要再做什么，这种feedback路会非常慢。这是一个快速迭代的行业，你需要让这些operation能够快速的迭代你的要求，并且反馈给你更高质量的这个反馈。那如果要去管理这种自营的团队，他需要什么呢？需要什么样的管理经验呢？因为它听起来是一个还挺重的模式，挺难的。嗯，管理operation是一件特别难的事情。我们就是从构建刚开始的operation网络走了很多的弯路。刚开始我们也用很多的这种呃，就是这种外部的供应商，我们甚至直接给一个目标说，哎，你帮我去采个几万小时。我们在一月份的时候，今年二零二六年一月份，我们的产能当时说你帮我们采十万小时，然后如果低于两万你就别干了。结果最后的成绩是一万八，今年一月份的一万八千小时每个月。所以在二月份的时候我们进入调整期，我们认为这种方式不行，所以当时我带着团队一点一点去看到底怎么样才能输出更高质量和更更大量的数据。那时候我们就发现一个关键点，就是需要以设备为中心，因为设备是你唯一的资源，设备为中心来调整这些周围的资源围着它转。第一个设备需要准，第二个设备有效率要提升，第三个是设备需要要使用的正确。所以我们做的所有的部分。

[1680s - 1800s] 全都是围绕设备本身来进行拓展的，所以我们的设备刚才提到一个问题，就是我们一天能够收集多少数据，这些其实我们在整个行业里面应该是最高的，这种设备的使用率是最高的，所以这样才能帮助我们去产生更多的高质量的大量数据来回到我们的产产线中，才能继续使用。听起来就是你们自己的硬件首先要好，然后呃所谓的教育education培训这个东西要到位，嗯，然后管理要到位。同时你还有科技加持，科技加持的部分是你需要一个平台，我们全球一共有接近四千人的呃运营团队叫operator，我们的数据采集运营团队实际full-time employee小于十个人，嗯哇哦，呃管理这四千个人在一起是一个非常非常高效的管理模式，它依靠的是中间这一层，我们叫AI agent in the loop一个platform，这platform不仅能管理设备，还能管理人，还能帮助这些人提高他们的质量，帮助他们提高他们的产量和数据。这种方式其实也是依靠于我们大量的数据在后端来去做的一个模型，来去给他们直接的反馈，甚至我们说这个设备如果没带好，我们会提醒他说这个设备没有带好，是agent提醒他们没有带好，对是的，agent就是相当于是一个小监工，嗯然后盯着他们干活，对，然后随时的反馈。我们叫小助手啊小助手这个名字听起来好听一点，嗯，这四千个operator都分散在哪里啊？我们分散在八个国家，嗯，此时此刻在美国的洛杉矶我们也有，美国呃呃墨西哥，然后东南亚我们有印尼呃越南和泰国，呃中国土耳其以及最远到南非，我们在专门为了管理这个事儿，我们还在印尼设置了我们自己的办公室。为什么需要散布在这么多国家？因为比如说四千人为什么不就是聚集在一个国家，比如说印尼或者是巴西，为什么？

[1800s - 1920s] 要散布在这么多国家呢？因为四千人听上去也就还好的一个规模。这其实和整个的数据需求有关。数据需求在模型侧其实是需要更多样性的数据，来帮助模型理解从各个地方出来的数据的类型。所以这个时候，其实，在不同的国家会有不同的生活方式，而这些不同的生活方式，我们会把它合并在一起，变成最后的这个 intelligence。所以这才是为什么要在各个国家去采集，他们每个人生活方式不一样。比如做的菜是不一样的，有法式的，有中餐，对吧？然后叠的衣服啊，然后生活方式、环境也是不一样的。比如说在东南亚那边，大部分见到的都是长袖，啊，长袖和戴帽子的；在洛杉矶那边都是短袖。对，哇，我觉得十个人，然后通过 agent 去管理这四千个人，这个模式还是挺有意思的。可以透露一下你们现在的客户都有谁吗？我们客户分为两类哈，一类是大模型的客户，就是你天天用的这些呃 AI，啊，然后 anthropic，呃，我们基于基于一些我们不能不能说具体的名字，但是我们一类客户都是大模型的客户，另外一类客户都是这种做 robotics 的这种 intelligence 的客户。大模型的客户用你们的数据，也是想要 train robotics 那边吗？还是想要 train 他们的 visual reasoning 的那条线？是 robotics。所以为什么我们看到 Astra 出来，就是他们肯定也是用了非常多 robotics 的数据。嗯， Astra 是一个特别呃特别 amazing 的这个这个 approach。对我觉得它出来之后，整个机器人界都炸了，crush the whole industry。啊，我们也很兴奋看到这种结果，包括大模型里面你会看到很多新的这种输出，它用了很多这种机构数据和机器人数据来帮助机器人结合它的大模型，能产生更多的泛化性，而我们。

[1920s - 2040s] 看到这种机器人的公司在看到这种变化之后，他们也做了一些小的一些变化，包括他们也在去说，哎，我们是不是真的要去做到落地，是要去做 vertical application，我到底将来我们的公司方向在哪儿？所以我们帮助这两类客户都能得到他们想要的不同的基础设施，其中是数据，然后当然也有评估和后面的落地，整个结合在一起是一个叫 full stack 给到两边。那你们卖的都是同一套数据给他们吗？Well，数据本身我们的 data set 是可以被，就是我们一直是 license 我们的 data sets，而这种 data sets 其实是在不断的、不断每天扩大的，所以这种 data sets 你可以说是每天都会不一样。那我知道最近有个案例哈，就是 Dyna Robotics 这家公司，我们前几天也刚好去采访了他们。我知道呢，他们 Dyna Two 最近的一个 release 的一个非常重要的结论就是，他们用了一百万小时的 human centric 的数据，然后找到了他们所谓 scaling law。那我也知道一百万个小时当中，可能大部分数据都是从你们这边买的，那你们其实也把可能这七八十万小时的数据卖给了可能其他的客户。对我问这个问题其实是从一个商业的角度去问的，嗯，我是在想说，就是现在的机器人数据这个模式，它会不会有一点像 SaaS 的模式，就是同一套软件，SaaS 的为什么这么厉害，就是因为它同一套软件可以卖给上千的客户嘛。如果 human centric 的 data 目前就是只有这么多，一百万个小时、两百万个小时，这些东西也是可以卖给所有的大模型公司，卖给所有的机器人公司。是对客户来说它是可以复用的，而且可以给它产生，就是如果这一套数据集它其实被一个客户 verify 过，它其实很容易对其他的客户产生相同的价值或者更高的价值，所以这是为什么我们也对自己的要求要不断提升的原因。那如果大家能够买到的数据集都是同一套的数据集的话，那数据上他们就没有差异性了，对于他们去模型来说。他们的 recipe 会不一样，那很。

[2040s - 2160s] 很多人他的模型架构和他模型使用的方式都不一样。呃，我想 Dyna Genesis，然后 OpenAI 其他的这些所有的就大的罗布他们自己都有一套自己的训练方法。这个其实是在数据之外，他自己的 recipe。所以就是他们自己的模型能不能把这个数据最更好的适配出来，可能是他们最后出效果的一个差异的点。还有就是说后训练是不是也是一个差异点？因为我知道 Dyna 他们自己会内部的去 train 一些，比如说遥测的数据也好，他们可能用在他们的后训练或者是 RL 上面，这一部分可能也是他们自己 in house 需要去做的事情。我们认为是这样，就是对于预训练和后训练和中训练，它其实会变成一个一个这种反馈的机制，然后来让这个机器人落地能够落地的更好。我看到一个说法，就是叫百分之九十九只是一个起点，因为百分之九十九还差百分之一，所以做的后训练就是差那百分之一来实际的去做 deploy。所以我认为在整个过程里面，对于后面的这 post training，作为一个 data partner，能给他们更多不同的价值。而这种不同价值确实需要跟客户走的更近，来了解客户的价值，来帮助他们落地，这样才行。对，所以你客户大部分用你们的数据还是做预训练比较多，是吗？现在来说是的，嗯，但是我们认为在明天可能就不一定了。为什么？怎么不一样？我们认为现在在整个行业的变化其实很大。今天我会看到很多的预训练数据，然后这种预训练的这种呃感受，你会看到新的 Astra 出来以后，它的基本泛化性的问题就解决了，基本上解决了。但还有一些长程任务和一些更难的一些任务可能解决不了，当然还在不断提升。对于这部分之外，我们认为后面整个行业会进入到下一个阶段。明年有两个大的一个 trend，第一个 trend 是整个数据量会进行继续的扩增。

[2160s - 2280s] 我认为每家客户，我们自己的观点是每家客户基本上会需要一百万小时左右，作为一个保底的这个地板线啊，往上不设上限。我们看到不同的客户有不同的需求，但基本上都是十倍的增加。在这个基础之上，会有一些我们的客户进入到后面的后训练过程，而这种后训练过程会非常依靠于在某一个环境。而我们刚才提到的这种 operation 和整个运营的体系，能够帮助客户快速的提供不同的环境和不同的场景，快速去测试和评估他们现在的硬件。这种不仅包括模型，还包括整个硬件本身的可靠性。这种其实是包括我们跟客户走的越来越近的原因，不仅是数据的供应商，后面还会包括整个的你的模型的反馈的供应商。我跟 Dyna 聊的时候，他就说他们其实现在 Dyna Q 是完成了一百万个小时，那么接下来他们想要验证一千万个小时的量级，这个 scaling law 还是不是继续立得住？如果立得住的话，可能这条路线就是对的。那么我们的机器人行业在往一千万个小时的 human centered data 埋入的时候，肯定对你们是非常好的机会了。但你觉得这个市场里面肯定会有更多的竞争进来？但是我们什么时候能够达到能够到一千万小时的一个训练集呢？这个需要多长时间？一年能够搞定吗？我觉得可能都不需要一年。哦。就根据现在整个的 operation 上面，为什么要建立一个足够的灵活的，而且能够产生高质量的 operation fleet，就是因为这个原因。你从一百万到一千万的时候，它十倍的提升是对你整个 operation 最大的考验。那一个人像外包网络，一个人可能一天也产生一两一两个小时的数据，你这满足不了一千万呢？对。你要多少人你才能满足到一千万？所以一千万需要多少人？一千万，你说我们吗？如果你们能。

[2280s - 2400s] 产出一千万小时的数据需要多少人？我估计在现在的基础上能够再有五倍的人吧，三倍到五倍的人。你们现在是四千个operator，可能就是两万，差不多在一万五左右到两万。那对公司的挑战来说是什么？对我们来说，其实我们永远看的是怎么样scale，快速的scale，这对于一个公司成长来说是非常关键的。所以对我们的最大挑战是第一个，我们能不能继续保持我们的数据质量，而且保持数据质量的同时，能不能去增加我们的这个数量，同时还能保证我们的多样性。合并起来以后，你看到我们从另外一个角度，你会看到说我们的数据管线够不够robust，对吧？嗯。那天天只能产生一两个小时，就是我觉得这是不能满足行业需求的。第二个是operation在这么多行业里面和这么多这个国家的运营情况下，你能不能快速的转换？然后第三个点是说，在这两个基础之上，你能不能能够明白客户一千万小时里面的具体细分要求是什么？而这种细分要求其实可能还不只是一个要求，它可能会根据自己不断的要求会进行迭代。你这样怎么样跟客户integrated？对。所以这样其实从我们来说，我们到目前为止，我们整个的公司我一共有三十多个客户，这三十多个客户里面，我们跟不同的客户来去沟通他的数据需求的时候，每个人都有不一样的想法。其实我们也会反过来建议客户说，我们的数据应该怎么去做，这个数据应该怎么样往后面走？那从一百万到一千万的时候，我们也需要跟客户去不断的去沟通这种数据迭代的过程。所以我们非常愿意作为这个行业里面的一个part，那来帮助整个行业里面像一个飞轮一样飞转。我们类比一下机器人数据行业跟大模型数据行业，比如说之前的Scale AI，如果就最

[2400s - 2520s] 开始的采集数据成本是没有那么贵的，但是他们后来随着模型的能力越来越高，他们其实需要越来越多高质量的数据。那现在可能他们需要去雇一些啊硕士生、博士生去标注那种最高质量的科学性的去做研究的数据，那那个成本就会非常高了。那我很好奇，在机器人的数据里面，那是不是比如说一些 generic 比较一般的泛化性比较强一点的这种场景是比较便宜的？但如果你去一些比较垂直的专业的场景里面，它的成本其实是会非常高的。对，我们也发现，就是我认为 physical AI 其实会跟 digital AI 走一样的路线。今天 scale AI、core 啊 search 都在提供一种还还需要更多的这个数据来给到 LM。physical AI 在将来也一样会走一样的路线。首先，我们如果看到二零二五年这两百小时其实是不设限，任何要求都可以。那在二零二五年下半年的时候，我们采这几万小时的时候，这几万小时本身它对于这个任务的要求就是很简单的，你就是去做一些简单的事情，然后去把它变一些东西就行。那到今天为止，我们认为数据本身的要求确实变得越来越难了。它不再需要这种数据工厂本身这种 mock up 的这种场景的数据，也不再需要这种简单的擦擦擦这种我们叫擦擦擦啊。什么叫擦擦擦？擦叫擦桌子。OK。啊，擦擦玻璃啊，这种叫擦擦擦。嗯。然后呢，也不再需要这种简单的这种摆来摆去的这种工作。那我们认为现在数据将来也会走到跟 digital AI 一样的一个方向，它会需要越来越难的数据。而越来越难的数据之后是什么？这种越来越难数据之后，它一定会帮助它用我刚才说有两类嘛，一类是越来越难帮助大模型来去增长，另外一类是这种落地型的客户，那他一定说我要去解决落地的问题了。对。对吧？

[2520s - 2640s] 我不需要解决。如果我要去养老院，我就一定不会去医院。但是如果我要去养老院，我希望能够有全球这么多地方的养老院一起帮我去做测试，百分之九十九怎么样能提高到百分之九十九点九九？那才是我们给客户提高的价值。我们的客户差不多三十多个客户，到目前为止，我们认为是整个行业里面拥有客户数量最多的公司之一。同时，我们的ARR差不多能达到两百五十个million。我们认为整个行业的扩增速度也确实为我们带来了很多欣喜，但同时也带来很多困扰。困扰是什么？困扰我们认为是到底怎么样scale the data quality？嗯。Just as fast as possible。因为你量从两百小时到两百万小时，甚至将来到可能一千万小时的时候，你需要的基础设施去support是不一样。我跟你说几个例子。第一个，你上传网络怎么去设置，更省钱。第二个是怎么样去帮助他更好的这个标注。现在我们还看到有很多的行业内的人士去用这种大模型的方式来去标注，太贵了，太贵了，会花非常多的钱来去做这种文字的标注。所以我们做了自己的模型去做标注，为了省钱，但是也为了提高质量。另外一部分其实我们认为怎么样能够快速的把人的这种activity interconnecting起来，让他们互相之间能够有一定的网络，而这种网络要保持大量和高质量，这事儿是很难的。所以这是我们在想的下一步的事情。啊，我们知道现在就是大语言模型已经穷尽了互联网上面的啊人类的语料还有数据，那机器人的数据会穷尽吗？机器人的数据它其实不存在互联网上面，它其实都是我们采出来的百万个小时，接下来一千万个小时，那它的上限在哪里？我认为整个你会看到整个的机器人数据会，这就要看不同类型的机器人数据了。

[2640s - 2760s] 当我们看到 teleops，它的上限其实是相对比较低的，它达到一定的程度，这种方式它其实需要的这种上量其实就够了。那 ego data 上升的时候，它会比 teleops 会更高，但同时到达一定程度之后，它确实也会进入到平缓期。为什么会进入平缓期？平缓期是它在模型架构相同模模型架构的前提下，这些数据给它增加的点数，就是增加的这种呃叫成功率，已经非常有限了，所以它叫相对平缓期。在下一步，其实这就是真正的你要去用这个模型怎么去做的这个目的了。如果你真的就觉得百分之九十九可以了，那这工作其实你可以说我要做更难的东西。对，更难的东西它的上涨率是很慢的。另外一个就是你真的要到百分之九十九到百分之九十九的时候，我需要再继续增长，那部分还需要更多的更专业的这个数据。所以我们认为将来整个 operation 网络从了从现在发展到将来，会是从普通的这种啊谁都带这个都可以，到变成这种专家式的这种专家网络。而这种专家网络会能够帮助客户从百分之九十九的平缓期到百分之九十九点九，会变得更快，然后更快能落地。将来，人形机器人是需要被商业化的。那商业化我要找找落地的时候，我更快的能够执行某一个应用，更快的落地，你才能更快收回成本啊。那个时候你谁能帮他更快的落地，那谁就能去赢得整个客户的信任和订单。对，就像你说的 ego-centric，它可能到了一个数量之后，它能够对模型带来的数据上面的提升是就会是有限，或者它的那个曲线会变得平滑起来。那那个时候像你们这样的机器人数据公司的价值还在哪里呢？我刚才提到就是数据公司其实它只是以数据作为切入点，我认为后面整个落地的时候会有它的。

[2760s - 2880s] 评估会有特有的这种 deploy，这种评估和 deploy 在digital AI 时代里面是没有的，那你需要跟实际的生活中进行物理尝试。举个例子哈，比如说我们有一套的这个 model，这个模型已经好了，那最近不是 Physical Intelligence 发了这 API 嘛？对。那他发 API 的时候，你要去测，你要去测到底在哪些地方上，到底哪些场景和哪些情况下它会失败，这是第一个。第二个是失败了以后，你能不能帮他 recover？你帮他 recover 的时候，这就变成了更宝贵的数据，帮助他迭代整个模型的泛化和模型的这个成功率。那这一部分其实是数据公司去做的。那再往后走，就是真正你要去做这一套机器人，你要真正的想象一下，比如说沃尔玛、 Costco，他去用人形机器人的时候，他需要整个叫 full stack support，这种是不仅包括落地，还会包括整个数据，包括整个部分。其数据的 partner 在那个时候也是颇具想象力的。你可以把你的数据生产产线，加上你的 operation，再加上你后面去做的整个 deploy 和 eval，我们做的这个平台，然后把它 combine 在一块儿给到客户，然后这个时候你你这种 Costco 和沃尔玛，你直接可以去用这套产品，可以直接落地了。就像今天的工业机器人 APP 和库卡一样。嗯，所以你的最终的 vision 是想做一个 full stack 的服务商？是的，我们其实也是在这个方向发展的，就是从数据本身，你提高的是一种能力，这种能力是数据的高质量的大量数据高质量的处理能力。在第二个，其实是你属于这种运营的 operation 的能力，这种是属于广的能力。机器人刚才说数据属于深的能力，这两个能力叠加在一起，跟客户一起迭代，这个叫客户的这种握手能力。这种三个能力放在一起，会变成三位一体。嗯。

[2880s - 3000s] 帮助你在 Physical AI 领域里面，将来会变得越来走得越来越远，这是我们在不断去打造自己能力的时候来去做的更长远的事情。如果你从这个数据的角度去看啊，你觉得什么样的机器人公司最后能够走出来呀？我们希望每一家客户都走出来，所以都来用你们的服务买你们的数据，对吧？我们真实的希望每一家客户走出来，我们是秉着这样的信念来去做的这几个事情。就是我是来自于传统的机器人领域，当我们看到工业机器人在下线的时候，它非常的 reliable，它而且很多人去做的就是具体编程的事情，你其实是为这台工业机器人在服务。所以当我们看到这个行业在不断发展的时候，我们是希望真正的大模型公司能提高提供更高泛化能力，真正看到说这些在整个行业具身行业的这些有名的公司，这些有名的 logo 们，当然他们也都跟我们有合作，这些有有名的 logo 们，嗯，真正的下线到每一个他们可以做的场景中，我们真的看到那一天的时候，我会非常欣喜。不管我们在这个行业里面到底是什么样的位置，那我们能看到这个行业的发展，我们为这个行业做了一份尽了一份力，这其实是我们真正想看到的未来。接下来想聊聊你之前的一些创业经验跟你的来时路哈，我觉得这样可能可以啊，帮大家更好的理解你为什么选机器人数据现在的这样的一个方向。所以你之前是毕业于交大啊，然后之后进入过机器人公司，然后创办过机器人公司。交大毕业之后，你是去了伊顿，嗯，为什么当时去伊顿？为什么想要做机器人？我当时其实有很多 offer，在很多很多年以前，很多很多年以前，那我是长得长得比较年轻哈，很多很多年以前，方便说多少年吗？

[3000s - 3120s] 很多很多年。好。呃，交大毕业以后，当时我其实正在这个 Accenture 和当时我不知道你有没有知不知道一家 consulting 公司叫 Booz Allen Hamilton，后来它拆分成 Booz 和 Hamilton，是全球除了麦肯锡、BCG 和贝恩的另外第四家最大的咨询咨询公司。我觉得在那里面，我就觉得做一些 presentation，呃，做一些 analysis，我不是特别喜欢，我还是希望能够做事情，然后能够动手，能够去尝试。所以后来我选择进入一家 automation 公司，这家公司当时说我们有 big plan，我们希望能够建一个新的 sector，会变成一个我们当时这个伊顿是一个五百强左右的企业，我们希望能够变到一个更加财富五百强，这个更加赚钱的企业。当时在这家公司里面，他们给予我一个很好的机会，我觉得是很好的。当时我去了几个国家，包括美国、墨西哥，包括日本，这些经验对于我现在的影响都非常非常的大。然后这些部分给了我一些全球的视野和全球的经验，让我觉得这个机会非常好。当时伊顿主要的 service 是什么？然后你在中间的职位是什么？伊顿其实做的比较有名的几个项目，其中一个是国内的 C919，这个 C919 里面的动力总成。OK。啊，它同时也是美国有点像西门子或者施耐德的这种最大的电力供应商，比如我们现在这个楼里面的这个电梯系统应该就是伊顿的。哦。对，所以我在里面主要的职位做过非常多的这个职位，有做过产品经理，然后有做过供应链，然后有做过市场经理，然后还做过销售，所以把几乎所有的非 tech 的行业的角色都做了。嗯。当然，对我影响最大的还是我在日本工作那段时间。我在日本工作了四年左右的时间，在那边接触了非常多的生产体系。那边当时最流行和最有名的叫丰田生产体系。丰田生产体系。

[3120s - 3240s] 是一种质量管控体系，在你怎么样上量的同时，能控制质量，能够两边同时balance。这个其实我就运用到现在的operation里面。所以丰田的体系是什么？丰田的体系它其实叫TMS，或者是有其他的这个日本的名字啊。这套体系里面其中的TMS对Total Manufacturing System。OK。嗯，然后这一套生产体系里面，它其实其中一点讲究，它其实分几种几种部分，其实大部分都是说的是质量，怎么样能在快速上量的同时保持质量？举个例子哈，比如说你生产车有一种process叫PPAP，你可以在上量的同时，质量必然会compromise。对。那你再压它的上量，再上去，再压，再上去，再压。其实我们在operation管理的时候，你就把它看成一个工厂，只是这些工厂不在一个地方，是在全球各地。而它的理念和它的这个这个其实另外一个词儿叫first principle。哈哈哈哈哈。从first principle这个。一性原理。一性原理是不变的，因为当上量的时候，它必然会有compromise，所以你这个时候要控制它的质量，要把它下压，下压到一定程度再控制，再下压，再控制下压，你这样才能在短期内不断的得到高质量的输出，并且是大量的输出。下压的这个过程中，会遇到什么样的挑战啊？好多挑战，在下压过程中，你要明白，其实不同的场景会有不同的要求。对于我只能说巨声的场景哈，巨声场景来说，在下压过程里面，我发现有大量的这种无意义的任务。无意义的任务包含了，比如说玩手机，那比如说走路，那比如手出镜，比如跟人聊天儿，这些都是无意义的。另外一部分呢，我们发现有大量的这种特殊的部分，比如说包括我们戴摄像头的时候戴的不对，啊，你虽然可以戴，但有的人喜欢这样戴，所以就就直接落到天花板上的镜头了。对，这样这样戴，所以。

[3240s - 3360s] 这些数据怎么处理？然后包括一些我们那时候非常碰到非常大的挑战，就是有非常多的 edge cases，你这些怎么处理？你是怎么样在 pipeline 里面进行 process？然后还有一些问题是你的场景到底是不是能够不断的多样性？我们那时候发现非常多，可能这一个房间里面你一个角放一个桌子，你就可以有四个人在采四四份数据，而且会看到这个衣服叠叠完了放，放完了再叠，叠完再放，你这样效率最高啊。那这样对我们的这个管理是不利的，对客户的泛化性也是不利的。所以我们经过很多种方法把这些所有的问题都去掉，然后最后输出的那才叫真正的高质量数据。这些小的 nuance，这客户是不知道的。对。但是我们花了大量的精力来去管理这些数量和质量。所以这些都是当年你在伊顿学到的一些。真的是当时在日本的时候，跟日本的生产体系学到了怎么样去生产。只是现在不是在一个地方生产，是在全球各个地方生产。有意思。那嗯，你在伊顿之后，二零一四年左右是出来创业了。当时为什么决定离开伊顿啊？哎呀，我觉得想做一个自由飞翔的鸟。嗯。我在二零一四年的时候，我出来以后最大的体验和感受就是，原来我像一个笼子里面的鸟，喂的挺胖挺好，别人给我食吃，但是永远是在那个笼子里，不自由。对，当你飞出来的时候，你会发现这个世界好大呀。你会有很多很有意思的感受，你又很好奇，但是确实有的时候找不到食吃，这也是那时候挺痛苦的地方。嗯，对，你创业了啊， Mega Gear Robotics。对。当时做什么的？做机器人的。嗯。那个时候我们想做一台自己的低成本的机器人。当时二零一四年。

[3360s - 3480s] 早在十二年前，哈，中国叫四大家族，现在还有叫ABB、库卡、安川（Yaskawa）和Fanuc，这四个品牌加在一起占百分之九十以上的市场份额，跟今天的市场份额完全截然相反。所以那时候我们觉得这是一个机会，那做一些自己的机器人，然后来去替代头部的这些机器人企业，就这么简单的想法。嗯，你当时觉得他们做的不好，还是觉得他们太贵了？我觉得做太贵了，那个时候的价格应该是现在几乎是两倍、两点五倍或者是三倍，一呃按技能的价格来看。但是当时机器人完全不是人形机器人，都是一些大型的机器机械臂、工业机器人。对，那个时候我们创业的时候还没有今天很多很熟知的品牌，包括节卡呀，包括这个艾利特啊等等这些叫协作型机器人，都还没有。所以最早批的那批机器人，当然我们刚开始做的也不好，呃，做了一台裸机，这个机器人外面的外壳都还没有装，线都躲在外面。我们想在做下一代产品的时候，想就扔了吧，这个这个当废铁。然后我想是这样不行了，所以后来我就碰到一个大学里面的老师，当时他说有一定的预算，但我就说，你这预算能不能用在我们身上呀？啊，然后这个老师就说，那你们有什么？那个时候我就看到一个新的词儿，叫二零一四年，那个叫开源，很早了啊。所以我们就说我这个是开源的，然后当时他愣了两秒，他说什么叫开源？我说开源就是你可以随便编啊。所以后来我说我们有一台机器人，把机器人放在你面前，然后他说，哎，这个挺好啊，因为大部分的这种工业机器人你只能编A到B，你没有办法编太底层的，对。所以我们给他以后可以编到底层的信息，然后几乎不免这个布满了当时大部分的大学的一些需求，包括当时一些技能学校的一些需求，我们都用这台机器来帮助他们提升他们的这种对机器人本身运动学的一些认知。所以当时你们是做了，现在基本上。

[3480s - 3600s] 教育的这个生意，对，嗯，就是提供了一个本体，然后让大家在上面去编程。对，是的，所以这一套当时变成了一个小的一个平台吧，这种开源平台，这是从我的角度，其实销售还不错，然后在销售的时候，我觉得还感觉挺好。你当时卖多少钱一台？当时得接近人民币，得接近二十万人民币吧，这么贵。啊，就是那个时候算便宜的，呃，ABB库卡那个时候要在相同的这种负载前提下，他们要高出来百分之二十到百分之四十。当时你为什么有自信说这四大家族已经垄断这么多的市场份额了，你就一定能做出来比他们好呢？哎，那时候没有自信，那个时候就是试试看，那不想做鸟吗？那飞出来以后先先吃，先找东西吃再说。所以那个时候其实也是在不断探索，就是说说实话是真的在探索，就是试过很多方向。那个时候从机器人做起，后来做到这一部分，然后整个行业其实对于真正的开源机器人，虽然你看到学校这么多，但是教育今天做到今今天是有它坚持到今天为止，可真的不是所有人都看好教育行业。所以后来我们又转型，从硬件转型转到这个模型，我们转到这个CV，然后用很多图片去做了一个小的模型，那个时候其实才真正走出来的。但你们当时的模型跟现在肯定是完全不一样。哎呦，完全不一样，那个时候，但是我觉得有一样的，有不一样的地方。不一样的就是模型很小啊，但难的地方就是取得数据很难，因为你要对一个我们当时做一个一个产品，这个产品要进行不断的照片，要取得这个照片，取得高质量的照片挺难的。你觉得拍照片很很容易，但是它这个产品本身它会有不同的特性。我们的目的是为了把用一种特别的方式，准确的把它夹起来，放在不同的位，放在一个相同的位置上，要非常准确的一个位姿，所以需要对这个产品本身的形态有非常多的了解，而

[3600s - 3720s] 而这种形态有上千种，所以这一种我们其实是挺难的。所以那个时候我觉得对数据有一些简单的认知了。对，然后后来你是把公司给卖掉了。是的，嗯，为什么？我觉得founder其中的一个好的出路就是这个吧。呃，所以我觉得作为founder来说，有三种出路，要么就是上市卖公司，或者让公司能够变得非常profitable。所以这是给了我今天或者今天做企业的时候一些感受。你总归要以终为始，你到底怎么样去做这件事儿，来回到今天你才能怎么去做。那个时候很多时候没有这个想法，那个时候去从始为终，我去看到这个方向，我怎么做再说。就像一个黑森林里面一样，你看不到任何东，你不知道往哪走。所以我觉得这其实是我觉得作为一个founder来说，给其他founder一些小的想法和建议吧。就是他在做一个企业的时候，你先想这个它的模式是什么，盈利是什么。别像我一样，先打开笼子，先飞出来，飞出来肯定饿，这个没有食吃肯定饿。所以你瘦了一圈以后，你才能挣扎的看到整个世界。那个时候其实挺痛苦的。嗯，当时是觉得整个市场其实也就那样了。就是如果你要做高效的教育市场的话，它其实挺小的。而且当时大家对机器人的认知，硬件也好，软件也好，都还没有特别ready。是的，是的。嗯，我认为在二零一四年甚至更早一点吧，二零一几年的时候，其实很一直很难在这个行业里面不断的。因为那个时候其实没有具身的概念，其实大部分都叫工业四点零，还记得这个词吗？工业四，还记得，嗯，工业四点零。后来我们又尝试了很多新的，就是我们大概转型转了六次七次，然后包括很多工业互联网，然后包括IOT，我们当时还把机器人整个串起来，做成这种上网的平台，或能监控。对，当时IOT这个概念。

[3720s - 3840s] 对，你知道为什么不做这个事儿了吗？后来就是很多转型，就是因为整个商业模式不对。就做IOT的时候收不上来钱。嗯。我们当时快速的铺了好几个工厂，能够监控差不多能够大几百台的机器人，但是客户不愿付费，不愿付费那就只能转型。不愿意付费是因为他们没有在中间看到价值。我认为还没有到那个付费习惯，就是在那个时候，痛点和痒点其实你很难区分的。当你看到客户其实告诉你我需要，很多时候是痒点，痒点他是不愿意付费的，挠一挠就行了，对对吧？那你痛点才会真正在没有你的时候还会继续付费。我觉得有一句话说的很好，就是当你的你的产品痛点是什么？是当你的产品不完善，几乎不能用，只有核心功能的时候，客户还愿意付费给你，那才叫真正的痛点。所以当时客户跟你说他们的痒点是什么，或者他们当时的痛点是什么？那个时候我都没有问那时候痛点是什么，我当时带着一个小的团队把大家关在一个屋子里面，然后这些人我当时就说咱们打电话给这些人装这些，他们肯定有需求。所以这个时候是就是真的是假设了他们，我假设他们有这需求，因为我问了两个朋友，他说有没有需求，他们说有，可以啊，试试啊。嗯。但主要是他们问的第一句话，我其实一直没有记在心里，但我觉得现在感觉有有有感受了。他问的第一句话是他们在跟我说这个事儿有没有需求之前说的是这事儿要不要收钱？啊，我说不收钱啊，啊先试试。他说好试试就试试挺好啊，但是上了量之后你会发现他们真正付费的意愿是比较低的。如果当时你说这件事情是要收钱的，他们有可能就不想试了。那他下一个问题可能。

[3840s - 3960s] 会问收多少钱，而且很多时候我问的人，他们不是最终的 decision maker，所以他们可能甚至说我真的想付钱，都不一定是真的。所以这其实给了我很多今的今天的感受。我在创业之前，其实我是咨询了大量的人。我在二零二二年的时候有基本上的这些想法，我还想再做一些事情。二零二三年的时候，我看到一个机器人在叠衣服，我觉得哇，这个行业要变化了，因为做叠衣服这件事儿跟之前的事情可完全不一样，完全需要是一个全新的柔软的一种体验。之前都是 A B A B 哎。对，就是大型的工厂的。对呀。对吧？车间的这种大型机器人。对。那在叠衣服的同时，再往下走，我说下面肯定会发生什么，但我不确定。所以那个时候我往 U C Berkeley 和我自己的网络发送了大量的 cold 邮件，我咨询了接近有两百人。当时所有。在 Berkeley 念书。对，在 Berkeley 念 M B A。OK。嗯。然后把之前的公司卖了之后，就来到 Berkeley 这边了。对，是的。然后在 U C Berkeley 那边去呃发这个邮件，我几乎往所有的 U C Berkeley 的 robotics 行业里面的同学都发了我当时邮件。当时刚开始这个 response rate 很低哈，只有百分之十。后来我又不断不断的提升自己发邮件的这个技巧，然后提升到百分之四。当时还没有 Chat GPT 帮你写邮件。哎呦，自己写。然后那个时候咨询的这些人，每周我能差不多 schedule 两个会，然后不断的问他们这些想法，然后这些人一部分今天成为了我的客户，一部分成为我的竞争对手。对。所以生活就是这么有意思。哎，伯克利是一个很神奇的地方。我觉得你毕业的那两个院校，其实，在这一轮 AI 的浪潮当中都非常的重要。交大就不用提多少。

[3960s - 4080s] 嗯，硅谷现在非常核心的研究员和创始人都是交大毕业的。然后 Berkeley 也是，就是光在机器人行业，如果你看一下 Chelsea Finn，啊 Sergey Levine，还有 Peter Abbue，都是机器人行业里面的教父级、教母级的人物啊，都是在 Berkeley 的。但是 Berkeley 里面的机器人这个行业的一个氛围是什么样子的？因为整个 UC Berkeley，或者我们说 Berkeley 也好，斯坦福也好，其实他们整个的学术氛围合作的非常紧密。对。然后整个湾区其实都作为一个整体。因为整个湾区的一种氛围，其实对于机器人是一种大家都是信仰者，就是我们相信 humanoids，我们相信整个的 AGI for robotics。对。所以是这种信仰把大家聚集在一起。我当时去跟他们去聊的时候，去跟他们去去想说能聊什么。然后我就想说，到底这种信仰是什么？就逐渐的你会把自己融入到这种氛围中，然后你在和他们去，相当于大家共频这种同频率的这种去交流。我觉得才有了今天的 Maxinsights。Maxinsights 所有的基础是基于那个时候所有的认知和很早期的认知。今天大家都知道 data is bottleneck，但是 back to 2023，我觉得是很少人的认知。所以从那个时候的这种非共识到今天的共识，我觉得我们做的确实有有地方是 bet，要放在桌子上，把所有的精力放在桌子上，变成我们真正的筹码。这个其实是跟整个行业和整个学术氛围离不开的。我们公司有很多学术的人才，然后学术和我们的 engineer 交织在一起，这些握手其实更有意思。你要不断发展 frontier technology，你还要帮助他们不断的 skill up，这才是这个行业将来的核心。对。

[4080s - 4200s] 你其实这一轮的创业是吸取了上一轮的经验，就是说你一定要找到一个非常痛的痛点。是的。然后确实你也找到了，数据确实是机器人行业的痛点。当时你创业的时候，你怎么就笃定这一定是个痛点呢？我觉得这件事儿本身有两个大的认知。第一个认知其实是你做同类对比，就是physical AI今天其实你有一个先行者叫无人驾驶。嗯，对。然后你还有digital AI，对。这些里面都离不开数据。那那个时候他怎么样获得数据，和今天获得数据的方法就非常的相关，可以参考那个。第二个其实是另外的维度，就是真正的decision maker是谁，可能真的就是researchers。我要去research整个行业，在带动整个行业的frontier technology的发展。而这些decision maker他们说的话可是真正的一顶一的重要。所以that’s why我当时聊一个人就很兴奋，聊一个人就很兴奋，天天聊每个人，我觉得不是很，就是真的不是很累，这个非常energetic。对。因为得到更多的知识，让告诉你这个行业怎么样发展。我觉得这个其实我们的工作也是。我觉得很多包括VC的公司其实其实也也是，我觉得这些都是我那个时候得到的一些基本认知。但是我那个时候其实是自发性的，就是只有我自己，我自己在发email。到今天为止，我的收件呃这个发件箱里面还保存那些邮件。然后我觉得从这些角两个角度交织在一起，我认为这个行业是有变化的。再加上这个result就是你叠衣服这件事儿在二零二三年，所以我发现这些东西合在一起成为了我再往后发展的动力。嗯，对。你其实现在是bet on机器人的scaling law这件事情。是。这件事情的上限也决定了，虽然你说之后要做full stack，但是也决定了你们公司目前卖数据的这个量能有多大。我认为是。

[4200s - 4320s] 这样就是行业的 boundary 不在于需要这个事情的上限，这个 boundary 是在于你的 physical AI 到底有多大，你到底真正 deploy 这些 humanoids 有多少机会？我们的客户可以去做 deploy，对吧？可以去做整个的 intelligence，但真正去 deploy 的时候，它需要非常广的输出和非常深的认知，所以这一部分是我们提供的价值。所以它其实不仅决定于整个数据的上限，它是决定于整个行业的边界，而我们是笃定在 physical AI 要完全远大于 digital AI 的上限上，这是我们真正要去去 bet 和整个要赌的一个现实和未来。其实你们在这一轮里面也是一个卖铲子的人，嗯，但是这件事情听起来好像没有做机器人本身这件事情那么 sexy，嗯，你 OK 吗？我们认为每个行业其实都有一个角色扮演者，我们的角色扮演者其实需要出发于自身的优势和自身的能力。我认为我们这个团队是基于工程化和 research 的结合，也包括我个人的一些经历。你让我真的去做 AI 的 deep research，我做不了啊。但是我能做的是什么？我能做的是整个行业的 foundation 到底怎么样变厚？我能做的事情是帮助这些我们的客户怎么样能快速的 scale up。我的所有经验告诉我都是怎么样 scale，在日本对吧？Operation，然后在这个后面工作过程中怎么样找到新的机会？我那个时候甚至我在上一家公司花了大部分的精力去找的就是 deployment 的机会哎。所以这些 deployment 再加上刚开始的 operation 结合在一起，就是我在这个行业里面提供的更高的价值。刚才我们也说了，数据公司的门槛在哪里哈？你是相当的有自信，但是呃。

[4320s - 4440s] 如果我们看一看其他国家的一些数据公司，那比如说一些中国的公司，一些在亚洲的东南亚的数据公司，他们可能成本是在你在美国做这件事情的几分之一或者更低。你对这种未来的数据之间的竞争是怎么看的？是这样，你要看一个数据本身自己一一小时数据里面的成本结构，这一小时数据里面的成本结构其中一大部分是依靠于operation的，所以这个其实是其中重重要的一部分。另外一部分呢是云，其他就是其他。所以你刚才说的这些成本，比如是人员，比如说这个G&A类似这种或者R&D这些成本摊销在每个小时数据里面其实占比非常小的。我们在全球有三个办公室，在硅谷，在苏州中国，然后在印尼。这三个办公室为我们提供不同的价值和整个为公司提供不同的贡献。我们的核心在硅谷来不断提升我们的frontier technology，来不断提升我们数据管线里面多个模型，在我们的外围实验呃外围的办公室来提供的是整个operation的管理能力。然后同时我们在美国也有我们的整个global管理哈，然后在中国那边我们更多的是工具开发能力。所以在整个三个里面看起来，你如果对比东南亚的公司、中国的公司也好，其实这都是相对地域型的这种公司。你就像五本，五本是全球要去运营的，我们的vision是这样，我们不会局限于一个地方，我们是以美国为基础发展到中国，同时发展到欧洲，这是才是我们整个客户的体系。那比如说在亚洲他们的公司也可以设置全球的这样的一个办公室，但是因为你们在硅谷，因为确实是我觉得可能要提一下地缘政治哈，有些时候是不是说就是嗯美国的机器人公司他们就更倾向于采购美国的数据公司的。

[4440s - 4560s] 数据，呃，理论上是的，就是我们作为一个美国公司，跟美国的客户走的更近，而且美国客户本身对美国的服务希望的也更，也能够提供的更紧密和更快的迭代。那将来我们还希望能够在欧洲建立我们的办公室，啊，这个办公室跟欧洲的客户呢不断替代。所以在这个情况下，其实我们对于客户本身的服务是需要来不断的加速他们的这种反馈机制的，而这种反馈机制帮助后面的评估和帮助后面的deploy也有帮助。这一次创业就是开始的冷启动，那个时候其实机器人数据还没有大爆发，可以说就是后面Centric数据之前，可能都是你们增长还没有那么快的时候。所以就是在cold start的时候，你有怀疑过这次的路线是否正确吗？我认为在整个行业发展过程中，你会有不断的去自省的这种机制和机会。其实不是怀疑，而是去确定这件事情做的到底是不是正确的方向。那个时候我认为数据大的方向是基本确定的，因为在整个行业发展过程中离不开三个要素，一个是模型的架构，一个是云，啊，然后另外一个就是数据本身。所以数据本身是我们在不断迭代和不断发展过程中的一个重要方向。而数据本身里面又分成不同的这种分层，那个时候还有很多人在讨论仿真数据。对对，然后仿真数据看上去非常的sexy，非常scalable，因为英伟达他们那边的主要路线，对吧？对，然后包括一些其他的公司也在用仿真数据。我们并不评估仿真数据到底是怎么样去有用，但我只是说仿真数据这件事情本身对于销售来说是非常困难的。刚才提到说仿真数据客户可以自己去generate的情况下，数据本身就会变得非常廉价。其次就是我们也在看整个teleoperation，我们刚开始。

[4560s - 4680s] 是也在讨论 teleoperation 在行业整个的方向和影响是什么。所以刚开始我们在我们真的是叫车库创业。我跟我的合伙人在他的他家的车库下面摆了一套设备，然后去做 teleops，然后当时去接订单，然后接完订单我们回来就是继续研究怎么去做。但是确实碰到了很多困难，设备可靠性很差，所以我们还要找 technician 来去做整个设备的维修。然后这 operation 的 efficiency 非常低，越简单的任务越低。你你可能反直觉，因为你做一个简单的 pick and place，你要 resetting 吗？Resetting 花的时间跟你去做事情一样的，所以你最高的有效率只有百分之五十，你超不过时间，所以你一天就这么点儿。所以这个它的输出很低，所以才说我们有了新的认知， teleoperation 确实很难 scalable，也不适合我们团队去做。所以那个时候才会转到说到底有有没有新的解决方案来去做这事儿。所以你在不断 review 这个过程中，你才能找到不断新的方向，怎么样去提高。单纯去增加数据本身这件事情，在我们的认知里面，在短期内其实是继续可行的，因为明年的基本客户基本盘差不多都要在十倍增长以上。对。同时，我认为还要往再往下一步走，除了数据本身，还要有 deploy，还有整个的 evaluation，这样才能跟客户走的更更紧密。还是以终为始，你会想到终一定是 humanoids 在某些场景里面去落地，而落地需要的部分一定是去评估它的模型，而需要更多的数据去做 post training 和 middle training，甚至还要去做更多的 pre training。如果从今天角度来看，这些 combine 在一起，就是我们今天要准备去做的事情。你觉得要做这些事情，现在最大的一些挑战是什么？我们最大的挑战其实还是 scale 的 data quality。 I see. 嗯嗯。以及 skill。

[4680s - 4800s] Data quality is a core, and this part behind actually has a lot of core elements, factors to support this matter. The core factors behind have the first one we call, uh, pipeline. How do you make the pipeline more flexible? Operation is flexible. Operation, I simply increase to, for example, 10,000 people. How do I control its production? Don’t every day my my demand if there is a change, then I these 1,000 people 10,000 people every day in this cash burn, this is not good. I need to be very flexible. Then another point is, how do I reuse my today’s data quality and my operation ability to combine them together to become a part that really creates value for customers? Now the data industry, because everyone sees this as a hot potato, and they all come in. I heard there are some gray areas, for example, there are data brokers. For example, I don’t have that much data collection ability. I buy other people’s, and then pack them together, like a large quantity, and then sell them at a high price to customers. What do you think of this phenomenon? Hey, we are very, uh, against such things. In our own perception, there is no代理商 in this industry. Because when you copy a data, you can do more sales. This actually has a very bad effect on the whole data. We actually have a word called data purity. The more pure the data is, the higher the ability to own the data is. We own all the data now. We own 100% of our data. Our data is self-collected. We own the data. All the data is ours. We heard some people in the industry start buying this kind of, uh, this kind of other subcontractors, this kind of outsourcing companies’ data. Then, uh, at the same time, we also heard some people in this industry, some people or companies, come to use other countries’ agents. We find it difficult to do

【中文翻译】数据质量是核心，而它背后其实有很多核心要素在支撑这件事。背后的核心因素，第一个我们叫管线（pipeline）——怎么让管线更灵活？运营（operation）也要灵活。运营这块，如果我简单扩到比如一万人，我怎么控制它的产出？不能说每天我的需求一变化，这一千人、一万人每天就在那里烧钱，这不行，我需要非常灵活。另一点是，怎么把今天的数据质量和运营能力复用、结合起来，真正变成给客户创造价值的一部分。现在数据行业，因为大家都看到这是块热门生意，全都进来了。我听到有一些灰色地带，比如存在数据中介（data brokers）——比如我自己没有那么多采集能力，我去买别人的数据，打包成很大的量，再以高价卖给客户。你怎么看这种现象？嘿，我们非常反对这种事情。在我们自己的认知里，这个行业没有代理商。因为当你复制一份数据就可以做更多销售时，这对整个数据其实有很坏的影响。我们其实有一个词，叫数据纯度（data purity）。数据越纯，拥有这份数据的能力就越强。我们现在拥有全部数据，我们100%拥有自己的数据，我们的数据是自采的，数据是我们的，所有数据都是我们的。我们听到行业里有些人开始去买分包商、外包公司的数据；同时我们也听到这个行业里有些人或公司，去用其他国家的代理。我们觉得这很难做（可持续）。

[4800s - 4920s] Sustainable,就是一个global的公司，你要有全球的视野。你真正笃定那个thesis到底是什么？就business model，我认为数据一定是要第一个要own整个叫vertically integrated，再合并起来。其次是你要在own的同时，能够怎么样快速转化成客户需要的要求和保持一定的标准，这是才是我们就真正叫scale data quality的那个那最终的那个results。你觉得未来一年整个的硅谷机器人会怎么去发展？我们认为未来一年发展的会更加快速。实话实说，对数据也是会非常的很快的去scale up，会上量。是的，就是因为我们看到了客户的需求，这是客户的需求情况下，你会反推我们现在要做的事情。当两个connect在一块儿，你就会发现说，下一步客户要做的这些事情会变得非常兴奋，让我们会非常兴奋。明年我们认为整个具身会进入到一个新的时代。这个新的时代不仅有数据的需求，还会有更多的这种落地和更多的这种vertical application。当你真身处这个行业的整个上游，你在行业的这个头部的时候，你在这个category看到的可不是一两个客户，你看到是一个整个行业的变化。我们的客户数量里面几乎涵盖了所有的客户的logo。我们跟这些客户一起迭代，我们也希望把最好的产品和客户一起迭代，能够送给能够拿拿到整个整个今天的这个市场上。嗯。你们如今的溢价全高吗？我觉得是产品的价格，其实在于你提供的价值，而这种价值，其实我们认为说跟客户要一起去迭代。

[4920s - 5040s] 所以，当一个我们的 partner 变成跟客户是一种叫 partnership，我们原来叫 data vendor，我们现在叫 data partner，把你们叫做 partner，以前叫 vendor，叫 vendor，现在叫 partner。那这种 partner 其实跟客户一起在迭代的时候，你会发现跟客户走的越来越近。其实议价权已经不重要了，议价权是在于说你的真正产品提供的价值是不是真正在价格里面有些体现。这其实是我们一直秉承我们自己的 quality，到底能不能带来真正的帮助你模型提升的价值，这才是我们要做的。嗯，议价权重要呀，议价权意味着利润，就像 GPU 一样，只是说这个市场上他们稀缺，所以你们有很高的议价权。如果在未来的一年，我们看到这个行业开始变得竞争非常多起来了，嗯，这个议价权就不得不往下降一点。明白。我们认为整个行业的价格其实是基本平稳的，没有特别多的变化，只有那些新的很小的供应商，他们才会以极低的价格来去进入，有点打那个价格战的意思。对，但是客户不买单，就是客户看到一个供应商跟你合作很长时间，然后又给你提供了大量的高质量数据的时候，你的结果是到底能不能帮客户提升他的更多的价值，来去弥补你现在去付出的这个成本？这个其实这个客户账是算过过来的。如果用了那些非常低价的，本身这质量不太好的数据，对于他花的 computing cost 可是更高啊。如果整个模型退化了，那你还要再重新 train 一遍，那就不是买数据的问题了。啊，所以这种 data partnership 会走的越来越紧的。对，当量上去了之后，整个的单个的单价成本是不是也可以下来一些？我们认为整个数据上去之后，数据其实会进行 tier pricing。嗯，这个怎么理解？tier pricing 里面会变成现在大部分比较流行的是只有手的数据。

[5040s - 5160s] 嘛，因为看到大部分人放的demo都是手，呃，后面会有整个上半身的upper body，然后还会有整个的whole body，然后还会有一些整个的手套啊，这是我们做的一个手套的。whole body是怎么做呢？就是从第三人称去拍机器人吗？有的是从第三人称，有的是直接ego就够了。但是我们有不同的这种生产的方式和生产的管线，所以材料为什么要用不同的设备来去生产这个数据才能有更有效嘛？啊，所以包括不同的模态，包括这个力控力力的这个感受，所以这是我们这个做的一个手套，你可以看一下这个，它表面是很多这种bending sensor。那表面就是一个普通的手套啊。对，就是弯曲可能用不太到哈，但是在一些比较冷的地方会看到很多，这个手套就可以做这样子。对，啊，嗯，这样子可以非常柔软，它的手心，然后手手掌，然后包括这个背部都有这种叫bending sensor来去做的这个叫力数据的收集。嗯，它采的是什么数据呢？叫力，这种叫tactile。它在我的手指这个地方都是遍布了那个对传感器啊，sensing，这个我跟我在国内看到那种呃触觉传感器还不太一样，他们可能在灵巧手上面直接做的，感觉他们那个可能要更复杂一些。对，那个和这个有的原理上是一样的，但是原理上也有一些区别吧。对于这一部分，其实最难的地方是skill，同时你保证它的可靠性，所以这一部分的数据其实也会成为刚才你问的问题里面的tier pricing的一部分。这些新的数据种类和新的数据形态，会决定了不同的数据定价。所以在这种情况下，数据量虽然上去了，但是你会看到整个average price，average price没准还上升了。明白。你刚才类比机器人行业跟自动驾驶、无人驾驶，它其实是一个比我们预想中落地要晚了很多年的技术，因为它的corner case，因为它的安全，它的regulation。

[5160s - 5280s] 机器人也会是这样的一个行业吗？它会是一个比我们想象中要晚很多年才能落地的行业吗？如果是的话，对你来说意味着什么？我们认为整个无人驾驶是基于车的基础上去做的很多智能的提升。它难的地方是有非常多的这种corner cases和这种safety issue。你真的在路上产生了交通事故，这个都很困难。你可以看早期的Uber做的自动驾驶出了一些问题，所以后来他把整个部门卖掉了。现在他又开始重新做哈。我觉得physical AI本身遇到的问题跟无人驾驶遇到的问题不一样。它可能会非常细分的针对于某一个场景的某一个任务去做非常细分的问题。比如说，如果我们真正的有一件呃任务，你就拿Dyna来说，它可以二十四小时的一直在叠衣服。这件事情在无人驾驶里面可能一个很小的范围内就实现了，但是它要在整个世界上跑哎。但是Dyna不需要，Dyna就在一个小的范围内，可能这一个酒店里面我就实现二十四小时重复叠衣服，叠的非常好，这件事儿可能就解决了。我在这件事情解决之后，我可能再到另外一件事情再继续解决下一个问题。所以这就是deployment遇到的问题。它其实希望能够解决的是在一个地方百分之九十九到百分之九十九点的九的提升，而这里面产生的问题和无人驾驶是遇到的问题不一样的。我们的预期是认为，在整个行业里面的泛化型的这种问题，由于 Astra 的提升，我们看到这个进程会飞速的加快。今年二零二六年就出现了接近有五种到六种的新的名词出来，什么world model，什么vla啊等等等等。vla已经上瘾了，现在是world action model。world action model。Dyna two就是based on world action model。是的，我们还听说有一些数据公司想做world model。对对对。但我觉得这种方式在下一轮的这个明年的过程里面，其实它还会不断

[5280s - 5400s] 不断的提升和加速整个迭代的过程，所以我认为这种形态，我们是真正作为整个行业的信仰者，我们觉得这个速度是比人们现在看到之前的速度要提升太多了。所以我认为这个行业会发展的越来越快。就是不管这个行业它是要持续多少年，对，都是需要你们的，对，都是需要数据的。是，我觉得不仅是数据吧，数据其实是作为整个，就是还是那刚才那句话，就数据本身它需要是不同能能力的叠加，数据for sure它要需要，因为数据不需要了，就说明整个模型的训练停止了，AI停止了。我觉得这个事情在现在看起来不太可能。对。那模型既然继续需要，数据继续需要，那要明白这个数据到底会变成什么样子，这样才重要。因为数据后面其实积攒的是真的是不同的能力的叠加，你才能真正把这个行业服务好。而这个服务型的行业，其实它真正数据不会变成数据服务，它其实会变成的数据产品。因为当你一份数据来对整个行业形成标准的时候，这个标准其实就变成了一种数据的标准形态。当你真的为一个客户说你要什么我帮你做，在一个客户要什么帮你做，这个叫服务。在今天为止，我们有大量的客户的基础，就是因为我们走的这种认知，就是要做大量的客户的提升，然后有了这些客户才能帮助我们形成这个标准。所以现在我们的数据潜在性的就成为整个行业的数据标准了，这是我们想要做的，达到的效果。嗯，以上就是我所有问题了，有没有什么问题我没有问到的？你还想补充的？我还是想分享一下我对整个行业未来的一些憧憬和看法。就作为整个Physical AI比较早期的这种early mover，进入到行业的时候，看着这个行业一点一点的变大，从刚开始我们说的两百小时到几万小时，到几十万小时，到明年的可能上千万小时，这种一路的走升，其实代表的是整个行业。

[5400s - 5520s] 对于整个技术的信仰的不断提升，我们认为它会发生，然后有越来越多的信仰者进入到这个行业。当然，我们会看到很多无人驾驶的朋友，然后会有很多这种传统机器人的朋友，和包括其他的这种控制的朋友都会走进过来。甚至我现在看到很多finance的朋友走到这个行业行业里面来。这个行业在不断变化的同时，我们认为大家相信的是什么？我们相信的一定是一个机器人。这种机器人不同于工业机器人的一种存在。现在有很多人是humanoids，有很多人说cross environment whatever这个机器人的形态是什么？真正落在不断的扩展的宽广的场景里面，真正的去起到一些作用，来帮助整个社会提升它的价值。它是需要不断迭代的。哎，这种不不断迭代，我们只是进入到的第一个循环。在明年之后，我们认为还会有不断新的循环会不断滚动下去。这样才是我们认为是最可能发生的未来。嗯，非常非常期待。好的，那谢谢余光。好，谢谢谢谢健健。嗯，好，那么以上呢就是这一期我与袁宇光的对话。聊完这期呢，我们会发现啊，整个硅谷机器人数据产业的背后，其实反映出这边机器人行业的一个重要趋势，那就是随着越来越多的机器人公司开始用百万小时级别的第一人称数据训练模型，scaling law在机器人领域的效果似乎正在得到初步的验证。那这也意味着机器人行业可能正在进入一个新的阶段，从过去寻找正确的技术路线，逐渐转向如何规模化的去获取数据训练模型，以及最终实现商业化落地。未来一年，我们很可能会看到第一人称数据量从一百万小时增长到一千万小时。而在这个过程当中呢，模型范式的探索，更多为数据包括触觉数据的加入，模型评估后训练，以及在真实场景中的部署经验，都会将这个行业往。

[5520s - 5536s] 前再继续推一步，我们也会在这个过程中持续的为大家关注。好，那以上呢就是本期硅谷101的视频播客，我是陈茜。你们的留言、点赞还有转发是支持我们做好深度科技和商业内容的最佳动力。那我们就下期再见啦，拜。