160: 群核IPO后与黄晓煌聊这15年：被嫌弃的GPU、冠军酷家乐、空间智能、六小龙
摘要
群核上市讲的不是“十五年押中一个风口”，而是沿着同一技术主线连续换场景、换商业模式，并活过每轮周期。 黄晓煌从2011年把GPU搬上云出发，先讲O2O、再卖SaaS、做工业软件和出海，如今转向空间智能；他的底层判断是中国赛道约三到五年就可能翻转，“活得久比活得亮眼更重要”。
早期SaaS表面上收月费、年费，底层GPU却按次产生真实成本，使群核提前遭遇今天AI的token经济学。 当时一次操作可能消耗约1元算力，广告主却只肯为曝光付几分钱，数千万元广告收入仍然亏损；群核只能限制图片尺寸、把重计算排到夜间，直到市场接受按量付费，黄晓煌才觉得“很难解开的枷锁终于被打开了”。
大厂竞争让黄晓煌把“核心算法就是壁垒”的判断，改写成算法、数据、网络效应和客户服务的组合。 群核渲染引擎团队除主管外一度几乎被整体挖走，技术也被照着复制，他因此认为纯算法像“一层窗户纸”；但随后又因轻视算法而错过积累，最终修正为“算法是发动机，数据是燃料，你都得有”。
2023年以来，群核正以传统SaaS业务的收入和组织为基础，投入一套以空间模型为核心的新底座。 做算法和模型的团队从2023年不到10人扩至约60人，算力一年投入数千万元；同时用AI压缩传统前后端成本，把定价从包年包月推向卖token、渲染量和计算量，过程遭遇客户、业务团队和股东的共同阻力。
空间智能押注的关键不是机器人热度，而是3D重建与生成能否成为大模型理解物理世界的通用层。 群核选择可测量、可交互、能表达距离与遮挡关系的3D路线，而Google、Veo 3、Seedance 2.0等所代表的视频路线更灵活精美；黄晓煌承认两项核心不确定性：“模型能做多好”，以及视频路线会不会最终替代3D路线。
新业务已有算力增购约占收入5%，但黄晓煌给出的商业化目标仍很克制：三年内让算力型收入与月费、年费SaaS收入达到1:1。 机器人“大脑”仍像十年前的自动驾驶，未来方向明确、落地时间不明；群核因此把同一能力同时卖给具身智能、工厂规划、AGV、影视、电商等场景，因为“屠龙之锤”不能只对应少数小钉子，而且公司已经过了纯烧钱阶段，“你得有利润”。
“杭州六小龙”对群核最现实的作用，不是立即带来收入，而是同时改善人才供给和组织许可。 2025年收到的简历较2024年约增9倍，海外简历约增20倍，黄晓煌本人几乎放下业务、全年招聘；此前质疑“自己训练模型，不看看自己几斤两”的股东和业务同事也降低了阻力，而他的阶段性使命是让空间智能最终贡献公司一半收入。
精读
1. CUDA尚无人问津时，他看好通用计算，后来又把GPU上云作为创业切口
黄晓煌在UIUC读博期间就参加创业比赛，做过防止司机打瞌睡的设备；2009至2010年进入英伟达开发CUDA语言后，他看到内部应用可把CPU计算加速几十乃至上百倍，判断这会“改变世界”，但当时几乎没人使用。
那时英伟达一年亏损约3亿美元，GPU业务被认为触及天花板，通用计算转型尚不顺利。黄晓煌提出GPU云化，却被担心十个人共享一块云端卡会损害硬件收入；他后来直言，自己当时级别低，团队认为“不太靠谱”，事情便停了。
原型最早在美国完成，也尝试过融资，但没有绿卡带来现实阻碍。2011年前后硅谷最热的是cloud computing，而GPU基本没有上云，他便抱着“把GPU做到云上”这一简单想法回国创业。
2. 第一笔钱不是押中GPU，而是熟人给了技术团队一次试错机会
早期投资人并不认可三位创始人的工作履历：另一位联合创始人的亚马逊经历尚可，陈航只有实习，英伟达则被一些人视作接近传统制造业。某知名基金甚至建议他们先去Google或Facebook工作一两年，再回来创业。
更大的错位来自时代：基础设施研发慢、投入重，市场主旋律却是O2O。黄晓煌说，向多数投资人讲GPU“百分之八十都不知道啥是GPU”，团队后来学会编O2O故事，但实际仍在用GPU渲染技术寻找应用。
校友王淮在其他合伙人拒绝后，以个人天使身份投了约50万元人民币。拿到IDG投资前，群核做过大量To B项目和外包；IDG的毛丞宇更看重家装市场及未来卖家具的可能。
3. 酷家乐不是规划出来的钉子，而是被用户自然选择出来的
群核最初把同一技术做成影视、家居建筑、仿真等不同demo，“最后哪家肯掏钱就找哪家”。黄晓煌把这看作典型的“拿着锤子找钉子”，也沿用了英伟达推广CUDA时逐个做demo、找用户验证的方法。
酷家乐产品在2013年底上线，2014年开始爆发，2015年开始赚钱。初期产品面向业主，但业主使用后可能在半年内流失，真正沉淀下来的是设计师和装修公司；专业用户定位不是一次战略会议决定，而是留存结果。
团队最初仍讲业主流量、O2O和卖家具，也提到过美国一家叫House的公司；但家具交易尚未真正迈出，O2O叙事已经崩塌。黄晓煌本来也更喜欢卖软件，因此顺势转向设计师订阅。
4. GPU把订阅软件变成了一个先天别扭的生意
2015年股灾后，亏损公司融资变难，群核赶紧采用SaaS收费，至当年年底做到现金流打平。这次转型后来成为主要收入来源，却暴露出SaaS定价与GPU成本之间的结构性冲突。
黄晓煌的解释是：CPU产品用户增加后，边际成本可显著摊薄，GPU计算却很难做数倍优化，底层架构最多带来百分之几十的改善。群核只得限制渲染图片尺寸，并把高计算量任务排到半夜，让用户等一晚。
因此他把今天AI普遍按token、按量收费视为一种定价变化：ChatGPT每次计算都有较高成本，不能像Google或Facebook那样让用户无限使用。AI爆发后，市场接受token或按量付费，“一个很难解开的枷锁终于被打开了”。
5. 数千万元广告收入仍然亏损，因为每次互动都在烧算力
群核曾让家居品牌为设计图中的橱柜、冰箱等曝光付费，广告收入做到数千万元，却最终砍掉业务。原因不是没有广告主，而是设计工具每次操作可能产生约1元算力成本，一次曝光只能收几分钱。
网页广告的新增展示成本几乎为零，3D设计广告却必须先免费提供昂贵计算，再等待曝光或交易变现。黄晓煌由此确认，广告、电商、SaaS虽是常见变现方式，却不是每种底层成本结构都能适配。
群核增长最快的阶段约为2015至2018年；当时最赚钱的一类客户是O2O平台，每年为软件和算力支付上百万元。随后互联网金融暴雷拖垮相关平台，前十大客户中有八家倒闭，增长开始承压。
6. 面对大厂，群核先设计“全部丢失”后的生存方案
2018年前后，大厂进入家装赛道，竞争最直接的伤害不是产品，而是成批挖人：有的团队一夜之间集体离开、不做交接，客户甚至找不到继续服务的人，部分业务线因此停摆。
群核没有在原赛道打价格战，而是把2016年立项、2018年差不多做出来、2020年落地的工业软件推到前台。黄晓煌判断工业软件是需要长期打磨的“脏活累活”，与电商关系不大，大厂缺少耐心。
战略同时建立两条底线：假设线上业务全部丢失，仍有工业4.0和柔性生产制造；假设中国业务全部丢失，仍有海外业务。黄晓煌称之为“任何情况下都要做底线的思考”。
BAT都曾表达投资意向，但群核不愿卷入互联网战争：百度协同性有限，阿里可能要求其进入电商方向，在杭州拿腾讯的钱又可能得罪阿里。投资人一度非常恐慌，直接建议：“要不你卖给阿里吧。”
7. “迎战过大厂”的成年礼，首先击碎了伪壁垒
大厂在客户、资金和人才上形成短期碾压，但复制产品后仍要解决商业化。对方业务负责人投入一两年仍无明显进展、最终被撤换后，群核才确认这轮竞争基本结束。
黄晓煌与陈航把这段经历称作独角兽的“成年礼”：竞争后才能看清哪些地方只是做大、哪些地方真正做强。“有些一竞争就垮的地方肯定是有问题的。”
最刺痛的案例是渲染引擎团队除主管外几乎全被挖走，产品也被“一模一样”复制。黄晓煌因此认为，在中国把纯算法当唯一护城河太危险：“算法就跟一层窗户纸，一捅就破。”
群核随后加强数据、网络效应和客户服务，但黄晓煌又一度矫枉过正，减少算法招聘。大模型突破让他重新修正：“算法是发动机，数据是燃料，你都得有，你少一个都不行。”
8. 三到五年的赛道翻转，塑造了“活下来优先”
创业初期，投资人天天教群核讲O2O；两年后，同一批人又要求“千万别提O2O，一个O都别讲”。黄晓煌据此形成判断：中国赛道平均三到五年就可能完成一次声誉和资本偏好的切换。
他的结论不是永远避开热门行业，而是“活得久比活得亮眼更重要”。群核内部把稳扎稳打称为“坚壁清野”——占下来的业务必须有积累，不能因一次舆论或假货事件被一锅端。
黄晓煌把工业软件视为周期性机会，因为真实、刚性的需求不会消失；O2O和元宇宙更像被概念吹起的浪潮，后者也可能因新突破重新出现。流程管理型SaaS被AI替代，则被他视为生产力革命，而非普通周期。
9. 2020至2021年的繁荣，让群核也承认自己“膨胀了”
当时融资容易、SaaS好卖、房地产客户付款夸张。黄晓煌回忆，几百万元甚至上千万元的地产合同有时甚至不用签，款已经打来；群核因此大量招聘，并扩展房地产、工装和工业4.0生产相关业务。
问题在于，许多流程管理只是核心3D能力的上下游，并非真正技术壁垒。黄晓煌估计，SaaS热潮中招入的人有约80%从事这类前后端和企业流程工作，而生成式AI恰好把这些岗位和产品变得更容易替代。
群核后来总结的调整方法是：先判断变化属于周期还是不可逆趋势；周期就熬，趋势则必须由一号位推动革命性变革，哪怕关闭过去赚钱、但不属于未来的板块。
10. “离物理世界越近越安全”是群核没有变过的长周期
黄晓煌说，创业第一天的具体算法早已被多轮技术颠覆，但连接数字世界与物理世界的方向可以按百年计算。物理世界不会消失，人也不会愿意永远戴着VR眼镜，因此群核一直在寻找连接两者的技术。
他进一步判断，离物理世界越近的软件越安全，纯虚拟、只封装信息流程的软件更容易被AI替代。群核从物理正确渲染走向空间理解、重建和机器人训练，被他视为能力升级，而非彻底换赛道。
2016年前后，装修贷款和互联网金融收入诱人，楼上或楼下相关公司的团队人数约为群核十分之一，收入却是群核好几倍；员工也建议拿闲置GPU挖矿。黄晓煌都否决了，因为它们既偏离核心技术，也不创造他认可的生产力价值。
他的项目筛选标准有三项：能用核心技术、产生社会价值、并能随数据或网络效应持续积累。复盘2018年，他认为当时更大的机会或许是“给算法配硬件”；今天纯软件在中国仍难，但群核以何种硬件形态布局仍是开放问题。
11. 技术探索可以先不算市场，业务扩张则必须先算
群核最早用扫地机器人行业验证空间模型训练数据的合成：市场本身太小，不能成为大业务，但足以证明技术成立。之后再把这把“锤子”迁移到具身智能、工厂和其他更大的钉子。
黄晓煌区分两类探索：技术产品探索首先验证能力，可以暂不考虑市场规模；纯市场探索则必须确认客户数量和收入空间。模型和核心算法投入巨大，最终仍要覆盖足够广的用户面。
内部鼓励自下而上做demo，再交评审委员会决定是否投入资源，但规则已经收紧。若只是套Gemini或OpenAI、自己没有核心算法和模型，黄晓煌明确说“这种产品就不要做了”。
12. 群核2018年看见AI机会，却被现实繁荣逼到怀疑自己
2018年，团队开始关注用空间图像识别墙体、柱子等论文，并发布包含户型、电器和家具数据的开源数据集；2021年又从美国引入教授，建立专门研究空间模型和大模型训练的实验室。
但大厂挖人使一组算法团队被挖空，有负责人告诉黄晓煌，“招人的速度还没挖人速度快”。模型最重要的投入除GPU外就是人才，群核当时既缺人，也无法确认算法突破会在五年、十年还是三十年后到来。
反面是2020至2021年的房地产与SaaS业务“天上撒钱”。房产、建筑相关团队投入数百人，AI只剩几个人；周围同事认为黄晓煌依据政策和新闻判断未来，是“看今日头条来指挥公司”，他也一度怀疑自己陷入技术自嗨。
13. 第一次IPO受阻后，房地产、疫情和国际化连续反转
群核原计划2021年7月15日上市，后来受到滴滴事件影响，房地产又开始调整、头部客户倒闭，情绪从高点迅速跌至谷底。黄晓煌对身处其中的描述是“极度懵”。
2022年，群核曾把各国员工招到上海组建国际化团队，结果上海的人全部离开。在ChatGPT和Midjourney爆发前，他每天先看新闻确认“又发生了什么事”；直到2023年AI火起来，兴奋感才重新出现。
14. Copilot让群核确认：流程SaaS不是周期下行，而是被重写
黄晓煌自己使用Copilot写代码后，认为ERP、CRM等流程式SaaS遭到的是“颠覆式的打击”：过去需要整个团队编码的企业流程，如今可能通过语言描述快速生成。群核因此要求做“引擎”，不再把UI套壳当核心。
2023年初，团队判断大语言模型和图像模型是大公司的兵家必争之地，群核没有正面机会，于是同时尝试两条路：训练自己的空间模型，以及围绕基础模型训练LoRA、做图像处理等配套能力。
两者的取舍很快显现：自研模型慢、烧钱，但能形成壁垒；配套业务必须抢速度，新模型一出，旧工作可能白做，优秀团队又容易跳到阿里、字节等平台方。模型尚不成熟时，群核先用人工修补合成数据，人工占比再随模型提升下降。
15. 2024年定战略，2025年靠“六小龙”补齐人才
到2024年，路线已经明确：自己掌握空间模型与算法，配套建设数据工程和GPU基础设施。执行瓶颈仍是人才和算法，黄晓煌形容自己为读论文“头发都掉了好多”。
筹备港股上市期间，群核一面用AI减少传统前后端成本，一面推动SaaS从包年包月转成卖token、渲染量和计算量；客户是否接受、业务是否受损，使内部普遍不愿主动调整，只能逐步强推。
2024年底至2025年初，“杭州六小龙”出圈后，公司制定“小龙计划”：不靠知名度赚钱，只用它吸引人才。黄晓煌2025年几乎放下全部业务，亲自看论文找人、设计AI难以直接解答的上机题，考察复现、优化和学习能力。
结果是简历量较2024年约增9倍，海外简历约增20倍；算法和模型团队从2023年不足10人扩至约60人，算力每年投入数千万元。黄晓煌认为，大公司误判的人才，是群核差异化招聘的主要来源。
16. 空间智能被拆成模型、能力服务和人机产品三层
底层由三类核心能力组成：原有的GPU物理正确渲染、负责空间理解与推理的Spatial LM、负责三维空间生成的Spatial Gen；中间层再输出空间理解、推理、重建、编辑和渲染等API。
顶层一边服务人类，包括酷家乐设计工具、电商棚拍和短剧制作产品LuxReal；另一边服务机器，包括面向机器人和工厂规划的Spatial Twin等。
17. 群核押注三维世界，而不是更漂亮的视频
黄晓煌把竞争路线分成两类：Google、Veo 3、Seedance 2.0等偏视频生成；李飞飞的Marble和群核则偏三维生成与重建。他坦承，“我们做视频肯定也干不过像Google这类公司”，所以只能押不同技术路径。
视频的优点是精美、灵活，三维内容则具有真实尺寸、可交互性、更好的记忆，以及距离、位置和遮挡关系。黄晓煌举例，视频里一个人看起来一米或五米高未必妨碍连续性，但对要在物理空间行动的系统差异巨大。
他的判断相当明确：视频模型追求视觉连续性，底层不是物理正确，真正接近物理世界的任务仍需要三维。但他同时保留两项不确定性——群核的模型最终能多智能，以及视频路线会不会发展到替代三维路线。
18. 机器人是确定的未来，却还不是足够大的当期客户群
黄晓煌把今天的机器人行业类比为十年前的自动驾驶：知道未来充满想象，也相信具身大脑最终会被攻克，但不知道何时规模落地。电池、续航和算力等问题也并非群核能够单独解决。
因此空间智能不能只服务人形机器人。群核还把能力用于工厂规划、AGV、传统自动化设备、影视和文旅；即使已有实际客户，每个细分群体仍偏小。主持人将这一困境概括为“有一把屠龙之锤，但钉子都很小”，黄晓煌表示认同。
目前算力增购约占公司收入5%；黄晓煌希望三年内，算力型产品收入与月费、年费SaaS收入达到1:1。投入可以大、利润可以少，但群核已过了纯烧钱阶段：“还是得有利润。”
19. 国内偏爱真机数据，欧美更愿意相信合成数据
群核服务客户后观察到，国内机器人公司普遍偏好真实、实景和真机数据，欧美企业更常使用仿真与合成数据。黄晓煌把国内偏好部分归因于自动驾驶团队的技术惯性，但强调“不可能去改变一个技术团队的信仰”。
群核因此两种都做：多角度图像、视频配合激光雷达可以重建接近真实的空间；摩擦系数、材质和交互反馈虽不能仅靠视觉复制，也可以进一步采集，再迁移到更多虚拟环境。对机器人而言，最终接收到的仍是数字信号。
实景扫描在海外还涉及隐私与法规，限制了数据使用。主持人问英伟达推崇合成数据是否为了卖芯片，黄晓煌否认，认为更重要的是美国生态和法规约束。
20. 黄晓煌认为机器人公司会远多于人形机器人公司
在他看来，当前一两百家相关公司远称不上多，“没到一万家都不叫多”。原因是智能机器人不会只有人形：吊集装箱的吊车不可能做人形，进入人体疏通血管的微型设备同样属于机器人。
曼祺的反问是：许多设备已经适应现有生产流程，未必需要更智能，而且智能会增加算力、耗电和能源成本。黄晓煌的回应是，所有设备都需要某种程度的智能，区别只在全自动、半自动，或让一个人同时操作更多设备。
对能源成本，他进一步认为自动化也会降低能源生产和安装成本，例如太阳能若从生产到安装都自动化，剩下的主要是矿产和土地。“效率的提升，从来就不是负面的”是他的结论。
21. Spatial LM想补上大语言模型缺失的“物理世界翻译层”
群核并不打算为某一款机器人包办整个系统。Spatial LM更聚焦于把物理世界翻译成脚本，让已经很强的大语言模型可以理解、推理，并更好地与物理世界交互；如果这层能力是通用的，就能被不同机器人和群核全部业务线复用。
黄晓煌用动物作类比：自然界动物都能在空间里跑动而不撞墙，“除了二哈之类的”。空间智能的第一步未必是复杂劳动，能在不同空间自由移动已经有价值；更成熟的状态才是“今天能扫地，明天能擦黑板”。
他相信空间智能一定会达到所设想的状态，只是不确定要多久。理由不是短期产品数据，而是人的基本能力无非沟通和在物理世界活动；既然生物系统能实现，他判断机器系统原则上也能实现。
22. 平台化不是突然改性，而是基础模型改变了横向能力成立的条件
大模型出现前，行业方法论是在一个垂直赛道做深做透。群核2017至2018年调研旷视、商汤等AI公司时，看到的主要是政府、大企业、人脸识别和安防项目，因此也认同垂直落地，而没有押技术平台。
今天的前提不同：大语言模型已经很强，但缺的是理解物理世界的共享层。黄晓煌因此把从酷家乐式垂直产品走向Spatial LM、API和多行业应用称为“顺势而为”，而不是抛弃原来的技术主线。
他最熟悉的参照仍是英伟达：从游戏显卡的细分市场走向通用计算和基础设施，CUDA生态建设接近十年才形成。其启示是“一个企业的转型是一个很漫长的过程，而且一部分靠运气，一部分靠耐力”，前提仍是现金流和生存。
23. “六小龙”让科技公司身份从自我定义变成组织共识
4月17日群核登陆港股，成为主持人口中杭州“六小龙”里第一家上市企业。黄晓煌说，自己从第一天就在做物理正确渲染和数字—物理桥梁，但外界、部分员工和股东长期只把群核看作房地产或家装相关公司。
“六小龙”出圈并未改变他的业务判断，却显著减少执行阻力。此前股东还质疑自研模型是“不看看自己几斤几两”，希望砍研发、多做利润；标签出现后，类似反对减少，业务同事也更能接受几年后才可能变现的投入。
群核内部原则是“不用名气牟利，但是可以多招人”。代价是参访和活动大量增加，黄晓煌担心活动占用做模型、做技术的精力，因为一次模型训练就可能花掉数百万元；与其他“小龙”创始人的交流，也常围绕哪些活动参加、谁又发布了新产品。
对研发回报期，他的一般标准是三年内应出现某种商业回报；超过三年就要重新衡量。但若机会足够大，可以先用几个人长期研究——空间智能从2018年开始、至今收入仍有限，就是他允许的例外。
24. 空间智能转型最终是组织与创始人角色的双重重写
2023年后，黄晓煌把商业和用户工作交给其他合伙人，自己更像连接科研与产品的科研leader。目前陈航主要负责To B业务，另一位联合创始人负责研发与PLG，黄晓煌负责空间智能转型；三位创始人在2015至2016年后已很少发生方向性争吵。
AI也在压缩产品组织：过去要经过需求、调研、立项、委员会和排期，如今先做模型，一两个人就能快速完成原型并投向市场验证。黄晓煌希望减少不必要的沟通协同，让核心能力先于流程。
最痛苦的是旧团队切换。面对长期员工离开，他承认自己下手慢，总想培训、等待改变，后来把相关团队交给合伙人处理，也接受对方说他是在“逃避”；《Breaking Twitter》中马斯克快速改造组织之所以触动他，恰因为那是自己最难做到的部分。
一位联合创始人曾在纽约自由女神像下算账，称多年创业收益不如留在亚马逊，黄晓煌却不按工资回报计算：钱只是撬动理想的工具，关键是做出有世界影响力的产品。“认知错了，一切都错了”，而他给当前阶段设定的完成标志，是空间智能贡献群核一半收入。