加速进化程昊：具身模型要做，但“先烈”不能当
值得关注的约 24 分钟文｜小燕
编辑｜徐青阳
在具身智能行业，加速进化创始人、CEO程昊是一位有些“反共识”的创业者。
当行业高喊“通用场景”时，他在机器人踢足球这个单一场景上停留了足足三年；当具身大模型成为人人追逐的焦点时，程昊却认为，这是巨头的生意。加速进化选择从具体场景切入，先“挣个100亿”，把自己做成巨头，来打赢这场战争。
这些看似“慢半拍”的选择，背后是一套清晰的生存逻辑：“不做先烈”，先让公司“活下去”。
因此，在热闹而快速的机器人赛道里，程昊显得克制而安静。
在他身上，还有一种和“前沿”相反的“古老”气息——他身处最前沿的机器人赛道，却习惯回望上世纪的信息革命，从计算机和微软的发展中寻找参照，判断今天的机器人行业究竟走到了哪一步。熟悉程昊的人，对他的评价颇为一致：喜欢讲历史，尤其喜欢谈计算机和微软。在和腾讯科技的整场对话中，程昊四次提到微软，九次提到计算机，若干次提到“dos系统”，还回顾了小时候家里要通过“插电话线”来上网。
我们很好奇，在这位创业者身上，究竟发生过什么，让他如此安静地“反共识”。程昊喜欢将机器人类比为PC时代初期的计算机，如果将人类也比作计算机，程昊底层的“操作系统”是什么、又是如何运转的，他在人形机器人的“快时代”里，有哪些“慢思考”？
在进入正式对话之前，先简单介绍程昊和他的加速进化。
了解程昊，要从大学时代的机器人冠军梦说起。
2006年，他进入清华大学自动化系，加入机器人足球队“火神队”，后来成为第三任队长，并带队获得RoboCup（机器人世界杯）TeenSize季军。那时，参赛机器人从零部件到整机均由清华师生自主研发，但他始终与冠军差了一步。
2013年硕士毕业后，程昊离开机器人行业，先后进入亚马逊、创办“朝夕日历”，公司被字节跳动收购后，又担任飞书产品副总裁，管理千人团队。这十年间，他经历了大厂、创业、收购和团队管理，也逐渐意识到：技术做得太早，公司可能撑不到它成熟那一天。
直到2022年底，ChatGPT掀起生成式AI浪潮，程昊判断机器人新周期已经到来，并于2023年6月创立加速进化。此后，公司陆续推出Booster T1、K1和T2：前两款延续RoboCup TeenSize和KidSize的尺寸逻辑，将他重新带回机器人足球赛场；2026年7月发布的1.4米高T2，则将场景进一步拓展至物流配送和家庭服务。
WAIC 现场。左侧：加速进化创始人、CEO程昊
01
机器人踢足球，已经到什么程度了
Q：在2026年WAIC上，加速进化的机器人完成了多次高质量的足球对抗和射门动作。它是怎么学会踢球的？
程昊：对机器人而言，踢足球构成了一个完整的任务闭环：既需要通过运动控制完成跑动和踢球，也需要依靠路径规划移动至合适位置，还需要进行上层决策，判断传球或射门、进攻或防守，以及自身与队友如何跑位。只有这些能力协同运行，机器人才有可能赢得比赛。我们将这套综合能力定义为一个Agent。
近两年，机器人足球技术进步显著。以正在训练的“大力射门”为例，我们将视觉信号端到端输入“小脑模型”，再通过强化学习，使机器人在仿真环境中持续训练。这一过程类似于修仙小说中的“异世界”：现实世界仅过去一小时，机器人却可能已在虚拟环境中训练十年，专门学习在足球与球门处于不同位置时如何完成射门。
从人类学习机制来看，这相当于通过反复训练形成“肌肉记忆”，将原本需要思考的动作转化为快速反应。这套方法同样适用于家务、物流和配送等场景，其本质都是通过高频训练形成稳定能力，使慢思考逐步转化为快思考。
Q：你描述的训练过程，很像“天上一天，地上一年”。
程昊：是这个意思。
Q：从单一场景来看，机器人踢足球这套能力目前已经训练得相对成熟了？
程昊：实际上，机器人踢足球距离成熟仍然很远。我们的最终目标，是让机器人足球队战胜人类世界杯冠军，但目前与这一目标仍有很大差距。
RoboCup曾提出一项愿景：到2050年，机器人足球队能够战胜人类世界杯冠军。按照目前的技术进步速度，如果这一趋势得以延续，我们判断，这一目标有望提前实现。近两年，机器人足球的发展明显提速，其进步幅度可能已经超过此前二十年的总和。
Q：为什么机器人踢了二十多年足球，最近两年却突然进步这么快？
程昊：主要有三个原因。
第一，硬件日趋成熟和标准化，性能持续提升，仿真与真机之间的差距不断缩小。以刚发布的T2为例，其身高仅1.4米，并非全尺寸机器人，但射门速度已接近人类上限。
第二，“小脑”运动控制能力进步显著。自2019年至2020年前后，强化学习开始应用于足式机器人，机器人的运动能力迅速逼近人类，已能完成腾空翻、后空翻等高难度动作。
第三，下一阶段最大的挑战在于“大脑”，尤其是Multi-Agent协作，即多台机器人如何配合。不过，要真正战胜人类世界杯冠军，硬件仍需更加灵活，“小脑”也要掌握马赛回旋、蝎子摆尾等复杂动作。只有硬件和“小脑”等底层能力足够成熟，才有条件训练出更强的“大脑”。
02
机器人不仅仅只能踢足球
Q：如果把机器人进入不同场景比作便利店货架里的商品，那么你们上的第一个品类是踢足球，接下来两个品类就是配送和家庭？
程昊：准确地说，未来可能不只是这两个场景。T系列面向的场景还包括前台、安保等，它们的共同特点是不依赖灵巧操作。K系列除了赛事和教育，未来也可能用于陪伴，比如陪孩子、讲故事，或者陪老人聊天、提醒吃药。这些任务同样不需要机器人真正干活，也不依赖复杂操作。
我们认为，这些场景都有机会，但最终哪个场景能够率先突破甚至引爆市场，还需要不断尝试，并花时间验证。
Q：你此前一直强调，机器人应该先找到“可落地场景的最小集”，再逐步向外迭代。但目前机器人踢足球的能力距离成熟仍有差距，为什么现在已经开始拓展家务、物流和配送等新场景？
程昊：机器人踢足球的能力距离成熟仍有很长的路，但不必等到这一能力完全成熟后，再拓展其他场景。经过多年训练，机器人的硬件和“小脑”运动控制能力已进入新阶段，上层策略和“大脑”算法也有了更大的发挥空间。
更重要的是，足球场景已经验证了这套技术路线的可行性。部分硬件能力、运动控制方法和开发框架可以迁移到其他任务。因此，机器人已经开始进入家务、物流和配送等场景，尽管现阶段能够完成的任务仍然有限。
我们常将当前人形机器人的发展阶段类比为20世纪80年代的个人计算机。当时的Apple II和早期DOS计算机，以今天的标准看功能十分有限，没有Word、互联网，游戏也很简单，但正是在这一阶段，个人计算机开始进入家庭，并逐步应用于学校和科研机构。
当前的人形机器人也处于类似阶段：已经能够进入真实场景并解决部分问题，但整体能力仍在提升。现阶段的用户可能是早期尝鲜者、探索新应用的人群，或有专业研究需求的机构和个人。只要有人愿意购买和使用，就意味着市场已经开始形成。
Q：面向新场景，你们推出了Booster T2。它比T1、K1更修长、更仿人，为什么要做这样的形体变化？
程昊：T1主要用于验证硬件和运动控制能力。到了T2阶段，我们对硬件和“小脑”能力的边界已有更清晰的认识，因此开始考虑让机器人承担更复杂、商业空间更大的任务。
T2的身高由T1的约1.2米提升至约1.4米，最直接的原因是，这一高度能够覆盖桌面操作范围，使机器人具备执行操作类任务的基础。与此同时，我们并未一味追求更高、更重。现阶段，双足机器人距离在工业场景中大规模应用仍有较大差距，在研发过程中也需要频繁搬运和调试，重量过大会显著降低研发效率。
因此，T2最终采用约1.4米的身高，并将重量控制在40公斤以内，以兼顾操作能力和研发效率。
Q：你们为什么会优先选择配送和家庭这两个场景？
程昊：因为它们不依赖于灵巧操作。比如现阶段的家庭机器人，还无法真正承担家务，但如果主要提供陪伴，并发挥大语言模型的交互能力，就有机会率先落地。
Q：你们内部是否梳理过一份不依赖灵巧操作的场景清单？
程昊：其实，不依赖高度灵巧操作的任务还有很多。我经常和团队举一个例子：东北有一种手套，只有大拇指可以独立活动，其余四根手指连在一起。能够戴着这种手套完成的工作，可能就是现阶段机器人可以尝试的任务。
例如工业场景中的上下料，机器人已经具备一定能力。但工业环境通常经过专门设计，如今很多工厂也在进行自动化改造，因此双足人形机器人在这些场景中未必具备明显优势。
相比之下，餐厅收拾碗筷、家庭叠衣服等任务更复杂。戴着这种手套并非完全无法完成，但操作难度更高，效率也会受到限制。
Q：加速进化踢足球的这三年里，投资人或团队有没有质疑过：别人都在做通用，你们为什么还在踢球？
程昊：这和行业本身的复杂性有关。在我们看来，具身模型与机器人的关系，类似互联网与计算机。如果不带着今天的认知回到上世纪80年代，很难判断计算机最终会发展成什么样。具身智能同样存在大量未知，例如世界模型的发展方向，即使顶级科学家之间也仍存在分歧。
因此，VC很难完全理解所有技术问题，很多时候只能通过创业者的叙事形成判断。谁能把未来讲得更清晰，融资时可能就更有优势。但我经历过上一轮移动互联网创业，最终决定公司能否做大的，仍然是技术、产品和商业模式。我们做人形机器人是长期投入，不会轻易讲尚未准备好的故事。
Q：踢了三年球，现在终于不仅仅只踢球了。
程昊：我一直认为自己做的是通用机器人，只是现阶段能够实现通用的，首先是本体、运动能力、操作系统和开发工具。例如，双足人形本体可以适配不同任务，通用运动控制器可以支持多种动作，同一套操作系统既能运行踢球、跳舞，也能支持配送、陪伴等应用。
真正实现应用层面的通用，最终仍需要足够强的具身大模型，让机器人做到“样样通、样样精”。但以当前技术水平来看，这还需要较长时间。在此之前，机器人应用依然可以先发展。就像大语言模型出现前，微信、头条、抖音等应用已经形成规模，许多需求也可以通过NLP、机器学习等技术实现。
因此，未来五到十年，机器人可能会经历一个较长的专用Agent阶段。踢球、讲故事、配送，都可以对应不同的Agent，并成为机器人落地的重要路径。
Q：这些Agent就像一个个App，运行在加速进化的机器人本体上。
程昊：这些Agent未来不只会运行在加速进化自己的机器人上。依托BoosterOS和Booster Studio，我们也计划兼容其他品牌的机器人。
这类似于微软既提供Windows，也开发硬件、Office和浏览器。对于技术复杂度较高、与系统耦合较深，同时具备入口价值和较大商业潜力的Agent，由平台自主开发，更有可能保证体验和完成度。但从长期看，平台上的大多数Agent仍将由第三方开发者提供。
Q：在具身智能赛道里，和其它激进的公司相比，你们的路线算保守的？
程昊：我们并不保守。面对资本市场，我们确实更克制，只讲能够落地和交付的事情；但在实际推进上，我们并不慢。2023年行业里很多公司还停留在Demo阶段时，我们已经要求硬件、系统和Agent能够交付，让用户拿到产品后真正开发和使用。
Q：这是一种“慢就是快”的决策。
程昊：对，因为我也创过一次业，知道所有讲出去的故事，最后都要实现；如果实现不了，大家就会觉得你是在骗人。
Q：T1已经升级到了T2。未来，K1也会继续迭代升级吗？T1还会担任其它角色吗？
程昊：K系列和T系列都会保持稳定的迭代节奏，未来可能还会越来越快。就像现在的iPhone基本每年更新一代，我觉得机器人最终也可能形成类似的节奏。
在产品定义上，我们按照尺寸分为三个系列：KidSize、TeenSize 和全尺寸产品。
KidSize现阶段能够落地的场景主要是赛事和教育，但我们认为它的终局是进入家庭，陪伴孩子和老人，就像家里多了一个“硅基孩子”。TeenSize目前主要面向科研，未来也可能进入家庭，承担收拾房间等家务。
全尺寸产品，我们也很早就开始研发，但没有急于商业化，因为目前还没有看到真正形成闭环的落地场景。
Q：这三个尺寸的分类，和RoboCup采用的组别划分是一致的。
程昊：非常一致。我们一推出这套产品命名，所有参加过RoboCup的人几乎立刻就能理解。K1、T1、A1分别对应不同尺寸，不需要额外解释，大家一看就知道是什么意思。
Q：你们现在出货量怎么样？
程昊：去年我们的订单量约为1000台，营收超过1亿元。今年上半年，无论订单还是营收，都已经超过去年同期。
不过，我们的业务有比较明显的季节性。去年上半年只占全年业务的20%多，主要订单集中在下半年，尤其是第四季度。因为客户主要来自科研和教育领域，采购更多依赖年度预算，通常会在年底前集中执行。整体来看，今年上半年的出货量同比增长了700%以上，接近800%。
03
什么时候才去讲具身大模型的故事？
Q：聊了这么长时间，你多次强调本体的运动控制功能。但在具身智能最热的话题已经转向模型的当下，你们依然没有单独去讲模型。这种节奏是不是有一点“慢”？
程昊：我们判断，具身智能与机器人行业大致会经历三个阶段：本体时代、Agent时代和模型时代。
当前处于本体时代后期，本体能力逐步成熟；下一阶段将进入Agent时代，围绕儿童陪伴、物流配送等具体场景，出现大量应用，就像智能手机早期，一个记事本或闹钟功能也会衍生出众多产品。
因此，企业现阶段既要跑通本体商业模式，也要为Agent时代做好工程准备。但从长期看，真正决定行业格局的将是模型时代。我们认为，具身模型会成为这一轮AI革命的重要能力，最终胜出的公司可能成为时代赢家。
不过，重视具身模型，关键不在于谁先提出概念，而在于谁最终将其做出来。云计算在上世纪90年代已被广泛讨论，但真正推动其产业化的是Amazon和AWS，此后也主要由科技巨头持续投入。
具身模型可能遵循类似逻辑。当前算法路线仍不明确，未来每年可能需要上百亿元投入，并依赖长期的资金、算力和顶级人才支持。即使初创公司率先实现领先模型，也可能面临巨头高薪挖人、开源模型等竞争。
因此，我们已经投入人才研发具身模型，但现阶段更重要的是，在模型真正爆发前，先形成足够的公司规模和资源能力。真正把模型做出来，比提前讲出来更重要；即使提前判断出最终算法，也未必能成为最后的赢家。
Q：在具身模型爆发前，你们要先成为一家巨头？一家机器人公司达到哪些标准，才算真正成为了巨头？
程昊：最典型的标准，是一家机器人公司每年能够产生数百亿元利润。只有形成足够强的盈利能力，才能将利润以及二级市场融资持续投入具身模型研发。
具备这种盈利能力，通常也意味着公司已经拥有成熟的产品、渠道和平台能力。微软就是一个可参考的案例：它从一家小型创业公司起步，依靠操作系统、Word和浏览器逐步成长为巨头。虽然进入云计算较晚，但如今已成为仅次于AWS的第二大云服务商。
Q：加速进化要做巨头，首先要实现每年数百亿元的利润。
程昊：这是底线。
Q：你们现在的利润是多少？
程昊：目前公司距离每年数百亿元利润还很远，但这并不是现阶段的核心目标。现阶段我们更关注TPMF，即Technology-Product-Market Fit。
因为，当前技术尚不足以支撑大规模利润，更重要的是持续提升技术和产品能力，使产品逐步进入更大的市场。这个过程类似于字节跳动的产品从“内涵段子”走向“头条”，再从“头条”走向“抖音”。这也影响了我们对创业路径的判断。早期团队应先找到一个细分市场，并在其中建立领先优势。
这个市场要么与未来大市场所需的核心能力一致，能够帮助团队积累技术、产品和软件框架；要么本身具备成长为大市场的潜力。创业初期资源有限，直接进入巨头环伺的大市场并迅速胜出的概率很低。
Q：总结起来，你们的路径是先跑通场景，再卖个几百亿，成为巨头，再进入具身模型时代。
程昊：对，但仅靠单一场景，很难支撑公司成长为巨头，这也是我们选择做平台的原因。通过平台降低开发门槛，联合生态伙伴和开发者共同拓展更多市场，并在这一过程中逐步积累公司的技术、产品和商业能力。
Q：按照你的判断，加速进化大概需要多长时间，才能成长为这样的巨头？
程昊：微软成长为巨头用了二十多年。相比之下，这个时代的节奏会更快，我认为加速进化可能在五到十年内具备这样的机会。
Q：你会担心五到十年太晚吗？毕竟现在已经出现了不少具身模型公司，其中一些已成为独角兽。
程昊：要成为具身模型的最终赢家，很可能首先需要具备巨头级资源：要么依靠自身业务创造足够利润，要么通过大规模融资，获得不亚于巨头的投入能力。
OpenAI选择了后一条路径，通过与微软合作，在大模型这一单点上的投入达到巨头级别。如今不少模型公司也在借鉴这一模式，通过持续融资重注具身模型。
但我们的判断是，具身模型目前还没有到“OpenAI时刻”，甚至可能尚未到“Transformer时刻”。这意味着技术仍处于早期探索阶段，投入的时间和资金可能远高于大语言模型。大语言模型至少拥有互联网数十年积累的数据基础，核心问题是如何清洗和利用；而具身模型需要什么样的数据，目前仍没有明确答案。
过去一两年，行业曾普遍关注遥操作数据，Aloha出现后，许多公司沿着这一方向推进；如今重点又逐渐转向第一视角数据，也说明数据路线仍在持续演进。因此，现在是否适合投入巨额资金，在具身模型这一单点上持续下注，仍然难以判断。我经常提醒团队，要避免在诺基亚时代做抖音，也不要在拨号上网时代做云计算。入场时机非常重要，过早进入，可能成为先烈。
如果我们是一家研究机构，现在一定会全力研究具身模型。这个领域存在大量未知，也有大量“低垂的果实”等待探索，是难得的研究机会。Aloha就是一个典型案例：几年后回看，它的技术可能并不复杂，但在当时带来了重要突破。
但公司的目标不同。我们希望成为具身模型时代最终的赢家，而不是只取得阶段性技术突破，因此需要选择更合适的入场时机。
这是我的第二次创业。一级市场估值和资本环境很重要，会影响公司发展，但并非决定性因素。我们对当前路径有较强信心，认为沿着确定性更高的方向持续积累，才更有机会成为具身模型竞争中真正有实力的玩家。既然已经找到一条通向终局的路径，寻找更快的路径并不是当前最高优先级。
Q：现在你们的策略是，一边做本体和Agent，一边等待可以摘采的“果实”。
程昊：低垂的果实确实有价值，但也会分散精力。我们的目标始终是最上面的那个东西。
Q：从整个行业来看，你判断现在这批具身大模型公司中，会不会死掉一批非巨头企业？
程昊：这我就不知道了。（笑）
对初创公司来说，活下去的方式有很多，也可以通过转型延续发展。我们刚创业时，行业里有不少机器人公司，如今有的已经转向其他方向，有的被上市公司收购。这是否算“死掉”？我认为未必。
现在不少具身模型公司也是从自动驾驶转型而来。未来即使再次调整方向，也不能简单视为失败或退出，更准确地说，这是企业发展过程中的一种选择。
Q：回顾你的经历，你似乎一直在避免做与时代错配的事情，更强调对入场时机的精准判断。
程昊：其实我很愿意做这类超前的事情，只是做得太早，公司往往难以生存。第一次创业时，我想做智能助理。虽然当时已经有机器学习，也出现了Siri和Google Assistant，但现在回看，技术条件仍不成熟。
比较幸运的是，我们后来找到了可行的商业模式，公司得以继续发展。但受限于当时的技术，无论如何努力，也很难真正做出足够好的智能助理。
Q：很多所谓的时代红利，往往要在事后回顾时才能看清。真正身处其中、享受到红利的人，当时未必意识得到，很多时候也有偶然性。
程昊：是的。
Q：你更倾向于冷静判断时代机遇，尽量找准入场时机？但这种判断本身并不容易。
程昊：人不可能始终保持完全冷静，但在大的战略方向上，需要足够冷静和笃定；真正面对眼前机会时，有时也会“上头”。这本质上是一种权衡。
Q：比如有没有什么事情，是你明知道时代还没到，但还是会很“上头”？
程昊：做创新，长期方向上要足够冷静和笃定，但面对即将出现的机会，也要保持敏锐，并提前投入验证。可以同时尝试两三个方向，类似做AB Test。
例如，我们已经开始围绕机器人进入家庭和配送场景进行研发。现有技术距离真正落地仍有不少差距，但我们判断，未来一两年、两三年内可能出现突破。对于这样的近期机会，如果等到完全看清楚再行动，可能已经错过窗口。
而且，这类场景越接近落地，越依赖工程化积累。我们始终认为，工程化能够形成壁垒，虽然这种壁垒并非不可突破，但确实存在。算法很难长期保密，核心人才也可能被高薪挖走；工程体系则由数十万行代码和长期调试积累构成，即使拿到代码，也很难迅速理解和复现。
因此，对于未来一两年可能出现的机会，需要更积极地提前尝试。等到方向完全明确再进入，往往已经来不及。
Q：入场时机只能判断一个大致区间，很难精确到某个时点。这其实也解释了为什么你们在具身模型上的保持相对“慢”的节奏。
程昊：我们并不认为自己在模型上做得慢，只是相关进展尚未对外公布。我们目前训练具身大模型的思路，可能更接近正确方向，其中一个核心判断是坚定探索多模态。
人本身就是多模态的。当前许多模型仍主要依赖视觉，但如果一个人失去触觉和听觉，即使完成拿笔、拧瓶盖、拿水等简单动作，也会变得十分困难。相比只依赖视觉，同时具备听觉、触觉和更敏锐的力觉，完成任务的能力会完全不同。
因此，我们判断未来的具身大模型一定是多模态的。具体采用什么算法、如何实现落地，过程中可以结合 VLA、世界模型等方案，但多模态会是我们长期坚持的方向。
Q：那么，在具身大模型上，你们已经做了哪些事情？
程昊：我们成立了独立部门Booster Lab，由首席科学家赵明国老师全权负责。团队中不少成员来自清华火神机器人足球队所在的实验室。过去大家主要研究机器人足球，如今实验室的方向已转向Manipulation，尤其是全身操作和具身模型相关研究。我们对标DeepMind，它不需要背负盈利压力，专注最前沿的具身模型，攻坚算法和技术。
我们还计划与清华大学具身智能与机器人研究院成立联合实验室，由公司投入资金，结合清华的人才和科研力量，共同研发未来的具身模型。
现阶段，具身模型仍处于需要算法创新和技术突破的阶段，因此相关研究主要由Booster Lab承担。我们希望将其建设成类似DeepMind的研究实验室。虽然目前规模和成果与DeepMind相差很远，但目标和定位十分明确：Booster Lab不承担产品落地、盈利和商业模式验证，而是聚焦最前沿、最具挑战、未来价值最高的算法方向，对具身模型进行长期技术攻关。
Q：现在行业谈到具身大模型，通常会把瓶颈归结为两点：一是稀缺的高质量数据，二是模型架构。Booster Lab更侧重于先解决哪一项瓶颈？
程昊：模型架构本身就是算法，而算法和数据是相辅相成的。经常有人问，究竟是算法重要，还是数据重要？我觉得这就像问人到底是喝水重要，还是吃饭重要，本身没有太大意义。
现在的算法基本都是数据驱动的，既然是Data Driven，就一定需要大量数据。大语言模型出现之前，并不是没有数据。那时已经有互联网文本，也有大量代码数据，因为所有网站和 App 都是由代码写成的。真正缺少的是一套能够有效利用和清洗这些数据的算法。大语言模型出现之后，大家逐渐知道如何用好这些数据，才训练出了今天的大模型。
所以，算法和数据本身就是一体的，无法割裂，也没有哪个更重要。对于具身模型来说，无论是解决数据问题，还是探索模型架构，都有价值。这个过程一定是循序渐进的，需要不断取得阶段性成果，而每一个阶段都同时依赖算法和数据。
现在有时会出现一种情况：做数据的人强调数据更重要，做算法框架的人强调算法更重要。但从行业发展的角度看，两者其实缺一不可。
04
和王兴兴志同道合
Q：现在国内外的人形机器人公司里，你分别最欣赏哪一家？国内先说。
程昊：本体还是大脑？
Q：都可以。
程昊：我其实没想过这个问题，这个问题有点像小时候被问“你的偶像是谁”，但我好像一直没有这样的思考方式。我更倾向于看不同公司和团队分别为行业做出了什么贡献。
比如在本体和运动控制方面，波士顿动力依然是一家非常重要的公司。虽然它在商业上未必特别成功，也经历过多次转手，但它在人形机器人本体和运控方式上，确实为行业做出了巨大贡献。
在算法方面，像苏黎世联邦理工学院相关实验室，将强化学习应用到足式机器人上，也推动了行业发展。至于具身模型，目前还很难判断哪一种算法会成为真正关键的突破。但我认为，只要是在做原创性探索，都有可能为行业带来很大价值。
Q：你曾经说过，在国内的人形机器人公司中，无论是本体能力，还是产品和商业化水平，真正能和加速进化放在一起比较的，可能只有宇树。
程昊：从创业第一天起，几乎所有投资人都会问，我们最认可哪家公司的路径。我们的答案一直是宇树。
刚才没有提到宇树，是因为前面谈的是技术贡献。我们本身是技术出身，早年看到波士顿动力时，确实有一种“凡人见到神”的震撼。但如果从产品和商业角度看，我们认为宇树过去选择的路径是正确的：把更多精力放在本体上，扎实推进能够落地的场景，也扎实跑通商业模式。这与我们的做事思路高度契合。
当然，我们在产品路径上也有不同。比如，我们还会做操作系统和开发工具。公司成立之初，一半成员来自机器人领域，主要是清华的师兄弟；另一半成员则来自开发工具、软件和 SaaS 领域。我们判断，接下来操作系统、开发工具和生态建设会非常重要，这是我们与宇树不同的地方。
但从如何真正经营一家机器人公司、为行业创造价值，并最终成为一家有机会长期发展的企业来看，我们认为宇树走的是一条正确的路。
Q：你上一次和王兴兴见面是什么时候，大概聊过什么？
程昊：应该是工信部人形机器人相关标准的会议上。更多还是闲聊，也会讨论一些具体的硬件技术方案。比如，电机怎样才能做得更强？现在普遍采用的 QDD 关节，在我们看来已经逐渐遇到瓶颈。
接下来或许可以借鉴新能源汽车上的一些电机方案，但这样又可能带来成本的大幅上升。性能和成本之间如何平衡，我觉得是一个很有意思的话题。
05
一个爱用上个世纪故事类比机器人的“中登”
Q：机器人行业越来越热，创业者也越来越年轻，你会有年龄压力吗？
程昊：你指的是我们这批“老登”有没有压力，对吧？（笑）
Q：“老登”不至于，可能是“中登”。
程昊：我觉得还好，我们公司里确实有不少 85 后、90 后，但现在新入职的同学很多都是刚毕业，也非常年轻，已经成为主力。不同年龄和经历的人，为公司贡献的东西不一样。
有经验的同学，更多是帮助公司在战略上少走弯路。这个行业现在非常热，也非常激进，短期诱惑很多。经历过更多挫折、踩过更多坑的人，在判断上可能会更谨慎一些；年轻同学则往往更有冲劲。
我觉得一家好的公司，既要有人踩油门，也要有人踩刹车。前方是直道、风险不高时，油门就应该踩到底；但根据经验判断，接下来可能会翻车时，也要适当踩一踩刹车。没有哪场比赛能够一路把油门踩到底。
Q：我观察到一个细节。今天整个谈话里，你提到了很多次微软，也提到了好几次 DOS。你做的是最前沿的人形机器人，却总喜欢用上世纪互联网的发展来做类比。为什么这些故事到今天还会影响你的思考？你会不会担心，对于很多年轻人来说，它们已经有点“古早”了？
程昊：我其实不担心，只是一直想找一个更接近的类比。过去很多人把机器人比作自动驾驶、新能源车或智能手机，这些类比的出发点，是让非专业人士更容易理解，但我认为它们都不够准确。
比如，智能手机出现之前，手机已经存在。消费者购买智能手机时，至少知道它可以打电话、发短信，应用场景是明确的。但机器人不是这样。自动驾驶在我看来更像一个 Agent，如果拿它和机器人相比，就像拿一个 App 去类比整个信息革命，两者并不在同一个层级。
新能源车则更像一种专用机器人，它和通用机器人的关系，有点类似单反相机和智能手机：手机是通用设备，单反是专用设备。手机也可以拍照、录像，但并没有消灭单反，二者面向的是不同需求，也都有各自的市场。因此，很难通过单反的发展去推演智能手机，同样也很难通过新能源车或自动驾驶去推演机器人。
机器人与具身智能的机会太大了，我认为它更接近一次工业革命级别的变化。若要找一个距离今天最近、逻辑上也更匹配的类比，可能是信息革命的开端。
计算机刚出现时，人们也会质疑：它做的不就是计算器能做的事吗？为什么还要选择一个更贵、更重的设备？但计算机的关键在于它具有通用性，后来在其上出现了操作系统、软件和互联网，能力和应用不断生长。
所以，机器人真正值得期待的，不只是完成某一项具体任务，而是作为一种通用平台，未来可能长出操作系统、软件和完整生态。从这个角度看，它更像信息革命初期的计算机，而不是某一种已有产品的升级版。
Q：现在智能化发展得越来越快，会不会有一天担心没有历史可以对比了？
程昊：具身智能是真正没有历史可以直接对照的新事物。我们在做具体判断时，并不会照搬计算机发展初期的路径，那样无异于刻舟求剑。
之所以会拿信息革命初期来类比，只是因为在解释战略方向、说明为什么要这样做时，需要找到一种能让大家快速理解的表达方式。就现有经验而言，信息革命初期是逻辑上最接近的类比，但它并不是一套可以直接照搬的方法。
推荐阅读
| 一键关注,明天见 | 看完点个爱心点个赞 |