摘要

许华哲认为科学家创业已进入主流，AI 时代最重要的是技术信仰和远见。 他以 Ilya、Hassabis、Hinton、LeCun 和 OpenAI、DeepMind 为例，强调真正改变世界的判断往往来自对远期目标的坚持；但破壳的目标不是成为大公司的研究部门，而是做一个长期独立、面向消费者的机器人品牌。
破壳希望定义家庭机器人这一新品类。 苹果代表定义新品类，小米代表与用户共同参与、寻找最大公约数。第一阶段要做自己的硬件、自己的 AI 模型和产品定义，计划从轮式双臂切入，足式方案可能同期推进，目标续航约两小时，并面向全球家庭。
他的 AI native 路线反对逐任务解决传统机器人问题、封闭环境数据闭环和小模型拼装。 AI 是归纳器，数据的类型和多样性比封闭环境里的同质数量更重要；破壳希望通过统一模型、规模化后训练和强化学习，让机器人探索、评估并利用数据，同时保持多任务泛化。
早期产品会通过明确边界控制风险。 轮式机器人不能真正爬楼，重量、电池、搬运、回充和出海等问题仍需解决；首代产品不做直接接触人体的服务，喂饭、抱婴儿、翻身、按摩等高风险任务会放到较晚阶段。
许华哲相信生态，资源主要集中在 AI 和产品，而不是把所有零部件都内部完成。 以现有数据量估计，模型预训练和后训练一年可能需要 1 亿到 2 亿元人民币，数据规模扩大后投入会接近大模型。真正的家庭机器人，他希望约两年后已有用户在家中使用，时间点对应 2028 年初。
他认为中国尚未错过通用智能窗口，但行业不应被短期出货和表演牵着走。 他警告把数据卖给美国竞争者、无脑量产却不披露机器人日活，以及继续单纯卷跳舞；最关注 PI、Generalist、Sunday 和 Figure 的智能能力，并粗略判断完全达到 human-level 的通用智能可能还有约五年。
机器人对他不是爱好，而是爱和使命。 他选择机器人，是因为它比游戏 AI 更难、影响更大；创业成功率可能很低，但只要尽全力、创造有价值的东西，并朝帮助更多人的方向使用技术，他愿意付出“所有的代价”。

精读

9. 科学家创业与消费者品牌目标

许华哲认为，几年前市场担心科学家创业者只重视技术、不重视商业，也担心技术人员随时可以回学校或做工程师，因此不够 all in。但按 AI 的时间尺度，这已经是“上古时期”的观点。
他以 Ilya、Hassabis、Hinton、LeCun 等人为例，认为 AI 时代尤其需要科学家的视野和 vision。OpenAI 早期坚持堆数据，直到 GPT、尤其 ChatGPT 出现后才被更多人理解；在他看来，改变世界的关键来自这种科学家的信仰和判断。
DeepMind 2010 年左右开始得太早，在 ImageNet 出现前能够活下来已经很不容易。被谷歌收购后，它仍保持相对独立的运营，并成为谷歌 AI 的重要部分。
但许华哲并不把自己完全定位成科学家，也不把被大公司收购作为破壳的目标。他更希望做一个有品牌效应、面向消费者的长期公司。

10. 破壳要做苹果式新品类，也要保留小米式参与感

苹果是许华哲首先想到的榜样，因为 iPhone 定义了智能手机这一新品类；在他看来，iPhone 之后手机大多收敛为黑色的大屏幕，而家庭机器人目前还没有形成统一的产品定义。他希望这个框架能从破壳发生改变。
小米提供的是另一种参考。许华哲从《参与感》中看到理想 To C 企业的样子：早期与用户亲近、重视用户和员工，并让用户参与产品设计。机器人会影响未来生活方式，不应完全由一家公司闭门定义，而应尽量取得“全世界人类的最大公约数”。
程曼祺提到乔布斯“背对用户做设计”的理念。许华哲的判断是，产品出现以前，用户访谈容易产生高矮、长短等互相冲突的具体要求，因此公司必须先给出一个框；但如果产品进入家庭后普遍不好用，就不能坚持原来的思路。

11. 没上过班带来自由，也留下标准化经验的短板

许华哲没有在传统产业界工作过，经历主要包括清华交叉信息研究院的科研与教学，以及星海图两年多的创业经历。他承认自己对部分标准化流程不熟悉，但这些可以学习和吸收。
他认为没上过班的好处是没有太多限定，可以重新想象工作流、组织形态和评价方式。他举例说，过去用 AI 写作业可能被视为 plagiarism，但现在如果学生没有手写一行代码、完成度达到 80 分，他可以按新的工作方式给到 100 分。
破壳的新办公室希望像一个家：客厅可以开会、训练机器人和录播客，也应有厨房等真实生活场景。团队目前仍很小，像一个“机器人兴趣小组”，由软硬件人员、实验室成员和同学组成，正在造第一款产品。
之后团队会扩张，但希望招到各领域真正能把事情做到极致的人。重点招聘对象包括做过 To C 产品的硬件工程师、一流的 AI 研究者，以及能够参与定义产品和未来生活方式的人。

12. 相信生态，只把注意力压在 AI 和产品

许华哲与 Eric Zhang 交流时形成的一个重要共识，是机器人公司不必把所有事情都放在内部完成。例如摄像头帧率能否更高、电机线圈怎样缠，并不一定需要自己研究。
他把“极致”放在公司文化的第一位，因为个人和组织的注意力都有限。当注意力集中在 A 上，B 就会相对平庸；如果希望公司不平庸，就不能面面俱到。
破壳最重要的两件事是 AI 和产品，也就是智能能力以及本体配上 AI 后能否真正服务用户、让用户愿意持续使用。世界模型、VLM 等环节可以借助生态，不必全部从头做。

13. AI native 的第一层含义，是 not robotics

许华哲反对传统机器人学逐个解决极难、极酷、却只对应一个任务的问题。这些系统可以使用 rule-based 方法，也可以使用针对单一任务的小型 deep learning 模型，但任务本身被预先枚举，难以外推到下一件事。
他列举的典型包括翻跟头、武术、三个陀螺叠在棍上保持平衡、多个机械臂高速倒酒，以及库卡机械臂组成乐队。这些演示可能非常酷，也可能需要精妙的数学和控制，但“肯定不是通用 Physical AGI 的那条路”。
他的重点不是否定这些技术的难度，而是区分目标：被编程好弹贝斯的机械臂可以很厉害，但它解决的仍是一个预先定义的问题。

14. AI native 的第二层含义，是 not autonomous driving

自动驾驶的一种常见思路，是把数据闭环做在局部场景中：先把五道口采集充分，再扩展到中关村和海淀区。许华哲担心具身智能沿用“先解决一个小任务、再用这个任务的数据解决下一个任务”的路径。
他的核心观点是“AI 本质上是一个归纳器”。如果它只看到人使用水杯，就可能归纳出“人都要用水杯”；看到婴儿一直喝奶、从未用过水杯后，才会知道人可能用、也可能不用。
因此数据的类型和多样性非常重要。模型一旦形成过于强的归纳，后续再补充反例会带来巨大痛苦；更好的方式是从一开始就把多样的案例放在一起。

15. AI native 的第三层含义，是拒绝“史前深度学习”的小模型拼装

“Not caveman deep learning”指的是，不要期待一个小模型叠一个小模型，叠到一百个后就等于一个大模型。如果任务只是每天搬同一种砖，小模型可以有效；如果目标是通用智能，从小模型体系出发就走错了。
许华哲认为，行业分歧的一部分原因是有人并不真正相信 Physical AGI 会出现，把人形机器人理解成外形像人的机械臂；另一部分人虽然相信 scaling law，却把 scaling 简化成在固定、封闭环境里采集更多同类数据。
他还提到一位做传统机器人优化的朋友，过去认为 deep learning 是“炼丹”，但在使用 transcript 中所称的“open cloud”或“cloud code”后开始动摇，认为即使是炼丹师能做到这种程度，也已经足够强大。这里的具体工具名称在对话中并未明确。

16. 锯齿型智能要靠经验与产品边界共同控制风险

面对大模型在难题上表现很好、在简单任务上却可能掉链子的“锯齿型智能”，许华哲承认这会是问题，但认为最终要让经验来说话。他引用何恺明关于老司机的类比：老司机也不能保证绝不撞车，但长期没有重大事故会让人形成信任。
数据驱动的具身模型会有窟窿，这些问题只能在运行过程中逐渐补上。与此同时，产品设计应明确“不做什么”，不要让低级错误演变成巨大事故。
破壳初期不做直接接触人体的服务，包括给老人擦身体、翻身、抱起，抱婴儿、按摩等。喂饭虽然可能有真实需求，但涉及准确性、力控、政策和用户心理，会被放到很晚。
他把产品边界比作照看小朋友：小朋友也会犯低级错误，但只要不让他碰火柴、煤气罐和尖锐物，最坏可能只是摔坏遥控器。

17. 第一款产品从轮式双臂切入，面向全球家庭

破壳仍想做通用、具有人形状态的机器人，第一阶段可能从轮式双臂切入，足式方案也可能同期开展。轮式有现实优势，但如果家庭里有楼梯，轮式机器人恐怕只能一层放一台，不能真正意义上爬楼。
续航还没有最终确定，许华哲目前想象中至少约两小时。家庭通常不会连续两小时都有工作，机器人可以回充后再继续工作。
目标市场是全球家庭。他希望家庭模型能够像多语言模型一样，在一种数据分布上获得能力后，用相对少的其他语言或其他家庭数据适应新的环境。
但本体仍要处理具体场景：轻量化、能否搬运、电池能否进家、出海时大电池的限制、机器人重量，以及宕机后用户能否把它送回基站。

18. 强化学习的价值在探索、评估和利用数据

破壳在模型上的设想可以概括为三步：让机器人获得探索能力，与世界交互并产生数据；让它对数据进行评估；再设法使用好这些数据。
许华哲认为，行业可能低估了强化学习，尤其低估了评估环节。数据有优质、次优和失败之分，如果不加区分地全部用于训练，坏数据比例较高时可能使策略劣化。
次优数据不一定完全没用，失败数据也可能可以利用。机器人应当自己与世界交互，并对不同数据和行为进行判断，这是破壳可能与其他路线不同的地方。

19. 动作模型必须统一，后训练也要保持泛化

软件系统的顶层 VLM 也许可以分层，但与动作、行为和干活直接相关的部分，许华哲坚持采用统一模型。不同数据放在一起训练，才能期待从多种任务中形成泛化，而不是一个任务一个任务地无限增加。
他观察到，行业预训练阶段通常是统一的端到端大模型，但后训练往往针对一个任务做完就结束，结果是预训练模型的宽泛能力在后训练后收缩到具体任务。
破壳希望做规模化后训练，在提升效率和成功率的同时保持泛化性。早期可能出现所有任务都比较平庸的状态，但他更愿意接受“共同平庸”，期待所有任务逐渐变好，而不是一项极强、其他任务都不会。
他提到“再过一年”时明确说明只是随口举例，真正需要多久不好预测。

20. 通用路线需要耐心资本，也需要展示进展

公司运营后，团队、投资人和市场都会希望看到一步一个脚印的反馈。技术上合理的“多任务共同变好”，在组织和资源协调上却更难解释。
许华哲把这称作“双向筛选”：早期 OpenAI 坚持 scaling 和堆数据时，多数人可能不相信，但仍会有相信这条路线的人愿意同行。破壳会寻找这样的伙伴，同时也不会完全不展示进展，已经规划了中间节点。
他提到一批投资人的反馈：他们不一定最在乎三个月或六个月能否拿出一个短期成果，而更在乎最后做出的东西是不是“最大的那个东西”。不过破壳仍会拿出进展和中间成果。
目标节奏是约一年后在家庭化办公室里让机器人具备一些能力，约两年后希望已有用户在家中使用机器人。程曼祺也约定届时可以回来追问是否做到。

21. 当前模型预算为每年 1 亿到 2 亿元

按现有数据量，许华哲认为具身智能预训练和后训练每年投入 1 亿到 2 亿元人民币比较合理。这一估计取决于数据量，不是固定不变的总成本。
数据量起来后，他认为投入规模会接近大模型。路径逐渐收敛后，资源规模可能变得更重要。
更大的公司目前很难完全离开主营业务，只能先设立小哨兵或实验室；当家庭机器人被证明可以成为主营业务时，它们会进入这一领域。

22. 确定的是数据和模型会变大，不确定的是模型路径和本体

许华哲认为，未来相对确定的变化包括：数据会更多地走向视频，数据量变大并变得更加平权；模型会随数据增加而变大；用户也会逐渐接受机器人作为类似智能手机的生活终端。
真正不确定的是怎样的模型能够把数据吃进去，以及怎样的本体最能被用户接受。硬件也是卡点，但属于可以攻克的卡点：缺一个电机，大概率可以造出来或找到，只是需要时间和工程投入。
机器人需要的不只是语义先验，还需要物理先验，例如物体掉落后会弹起还是直接落地。机器人预训练可以进一步形成动作和交互先验，后训练则学习怎样把事情做得更好。
世界模型可以作为骨干网络、生成器或数据生成器，也可以预测下一帧后再求逆解得到动作。许华哲表示这部分仍在探索，破壳目前倾向于把世界模型作为骨干，也没有必要从头做世界模型或 VLM。

23. 最关注全球同行的智能能力，也对 Figure 保持怀疑

许华哲关注 PI、Generalist、Sunday 和 Figure 的智能进展。他认为除 Figure 外的另外三家公司，其基因在某种意义上决定了做出的东西会是真的，智能能力也很好。
Figure 的视频同时给他“很厉害”和“有点营销”的感觉。看到整理客厅的顺滑演示后，他希望能到现场亲自挪动物品，验证实际效果，并联想到特斯拉那次后来被解释为遥操作人员摘下头显的画面。
产品设计上，他喜欢 1X，也喜欢傅利叶 GR-3 的白色家庭感、FAUNA 的扁头设计和小鹏的机器人。这里的产品审美评价与智能能力排名是两件事。

24. 中国尚未错过智能窗口，战略定力仍需加强

程曼祺提到许华哲曾因相信“东升西落”而回国，并指出他目前关注的智能领先者大多不是中国公司。许华哲对此的回答是，美国创业者的战略定力可能更强。
他以 PI 为例：公司从第一天就把目标写进名字，持续沿着同一 vision 推进，几个月发布一次进展，也没有明确的短期商业化预期。
他认为资金更多会带来更大的容错空间，行业氛围也会产生同辈压力。课堂上如果奖励坐得直，大家都会坐直；如果奖励发言，大家就会争相发言。许华哲愿意公开分享判断，希望把行业氛围推向更重视本质的方向。
他担心中国具身智能错过“最大的西瓜”：如果不做通用智能，未来铁架子里的大脑就可能不由自己控制，也就失去定义未来的权利。但他明确表示，目前“肯定没有错过这个窗口”。

25. 奇点到来后可能“游戏结束”

许华哲把一个重要的未来边界称作 singularity：大模型自己写、改进大模型，机器人自己拧机器人、制造机器人。当智能达到这个点，游戏可能结束。
在此之前，竞争仍然存在。对于完全达到 human-level 的通用智能何时到来，他给出的只是个人粗略判断：可能还有约五年，并非确定日期。
在太空、量子、具身智能和可控核聚变等可能改变人类社会的方向中，他认为具身智能虽然很远，但确定性相对最高；他也承认自己并不了解其他几个领域。

26. 数据不能轻易卖给竞争对手，也不能只看出货量

许华哲认为，数据是弹药。由于英伟达和其他公司没有能力自行采集数据、人工运营成本又高，它们可能从拥有大量运营能力的公司购买数据。为了融资或让账面更好看而把数据卖给竞争对手，在他看来很危险。
他区分了国内流转和卖到美国的风险，认为在国内自己倒腾、赚取收入可以理解，但卖到美国是危险的事情，破壳至少“可能不会干”。
第二个问题是无脑量产。他最想看到的指标是机器人日活：卖出 5,000 台后，到底有 10 台、100 台、1,000 台还是 5,000 台真正活跃。机器人是实体和固定资产，出货量容易统计，日活却很难获得。
他举例说，如果卖出 1,000 台，只有 20% 被真实用户使用，而其中又只有 20% 被日常使用，就会令人遗憾。跳舞作为表演已经相当成熟，继续单纯提高跳跃高度或旋转圈数与智能关系不大；但如果服务于翻山越岭等具体极端场景，运动能力仍有意义。

27. 从神经网络、游戏 AI 到机器人，选择标准一直是更难且影响更大

许华哲高中时期约为 2009—2012 年，曾和计算机竞赛同学在机房里讨论神经网络和 AI，后来本人参加了物理竞赛。大学第一次尝试用神经网络写小游戏 AI 失败，最终改用传统搜索和 A* 算法，名次也并不理想。
博士期间他做过许多游戏 AI，包括 Atari、《超级马里奥》、《星际争霸》和 Generals.io；他还曾花约 6 到 9 个月全职写《星际争霸》AI。对于麻将、德州扑克、即时战略和卡牌等游戏，他认为强化学习只要持续投入，最终也能做出来。
他后来发现强化学习太擅长游戏，游戏的挑战和影响都有限；机器人面对真实物理世界，挑战更大，也可能服务所有人。因此在博士三四年级、约 2018—2019 年，他的主线逐渐收敛为机器人。

28. 博士阶段的迷茫，把好学生路线改写成 impact-driven 的使命

当科研成果、毕业要求和导师期待基本满足后，许华哲看到了一条清晰的线性道路：继续发论文、读博后、去 Google、Facebook、国内公司或高校。但他开始追问，自己这样做是否有意义。
他的答案很尖锐：“大多数科研没有价值”，只是人类进步道路上的噪音，只有少部分科研真正向前垫了一块砖。因此他希望做“不是噪音的科研”和不是噪音的事情，帮助更多人，并获得极致的人生体验。
选择更难的事是他长期的倾向。物理竞赛保送没有直接达到预期后，他可以稳妥去一所上海的高校，也可以再考清华、失败后回去高考；父母更倾向前者，但他几乎没有犹豫就选择了后者。
“Impact-driven”对他不是赚钱或出名，而是往好的方向影响更多人的生活。他用显微镜、火箭、抗生素和核能说明远期技术可能带来巨大影响，也承认这些技术可能有双面性；自己的选择是努力往善的方向使用技术。

29. 技术审美追求简单、一致，以及重复但不无聊

音乐、文学和理论在许华哲眼中都是对世界的精确描述。舒伯特 D.960 让他感到神性和天堂般的感觉，巴赫《恰空》让他联想到宇宙展开与折叠；这些表达也帮助他理解自己的痛苦和使命。
钢琴和网球满足他对重复的偏爱。同一段音乐反复练习、一次次挥拍，看似在原地打转，但节奏、角度和质量会发生细微变化。他把生活比作 spiral：从一个方向看是在重复，从另一个方向看却是在上升。
他认为智能的性能提升虽然看起来一日千里，但本质上仍是 Transformer 加数据，以及各个局部不断变好。围绕一个问题把每个部分做到极致，比不断换题更符合他的偏好。
他的技术美学首先是“用小方法解决大问题”：方法简单、问题复杂才美；方法复杂却只能解决一个很小的问题则很丑。其次是理念一致，不喜欢把彼此矛盾的路线拼在一起。至于有用与否，他认为它和美几乎是正交的两个维度。

30. 2025 年有许多推进，但还没有明确的“具身 Transformer”

许华哲认为，2025 年 π 的工作、Generalist 数据集的规模、各种 embodied VLM，以及强化学习带来的高成功率，都对具身智能有推动作用。它们分别让行业看到数据规模、语义理解和交互能力的空间。
他自己的强化学习工作 R1-00 针对 7 个任务分别训练，7 个任务都取得了很高的成功率，但没有把 7 个任务的数据直接放在一起训练；简单混合并不会立刻 work。
他认为目前还没有一项工作能够被明确指出是类似 2017 年 Transformer 的开创性成果。学术奖项也有局限，NeRF 并未获得当年的最佳论文，但后来成为重要工作；一篇论文最终是否重要，需要时间和实践检验。
他最喜欢的成果包括 RoboCook，即从擀面、做馅到包饺子的系统级任务；DP3，即把三维视觉和扩散模型结合；以及远程触觉实验。后者让北京的人感受到上海机械臂触摸物体时的软硬、形状和粗糙程度，也使用了乳腺癌模型进行远程触诊实验。
远程触觉目前仍只是实验，温度和质感还难以模拟。他们还做过 Nine Detect 触觉传感器，以及让人感受到机器触觉的 Tactile Display。许华哲希望未来甚至可以在地球上摸到机器人在火星上触碰的东西。

31. 创业让他找回少年时的主动性，也把代价推到最高

持续做播客和内容对许华哲既是放松，也是让信息更透明、更平等。他希望原本接触不到这些故事的人能够通过平台获得信息。
对 To C 产品而言，社交媒体上的评价也提供了难得的真实反馈。正如网球圈的说法，费德勒到了小红书上也可能变成 2.5，所有人都会被指出做得好或不好的地方。
他认为外向、幽默与喜欢独处、内观并不矛盾。读哈萨比斯传记时，他尤其共鸣于“尽力的人生”：像跑马拉松一样一直向前，过终点线时最好已经竭尽全力。
对创业成功率，他的判断是 100 家公司可能每家只有约 1% 甚至更低的概率，也可能 100 家全部失败。真正重要的是有没有尽全力、有没有创造东西，以及人类整体是否最终做成。
他愿意付出“所有的代价”，同时会自己学习和补充创业能力，也会由一位二级市场背景的联创提供补充。
创业让他找回小时候想过的两条路：创业，以及做老师。最近每天从早上 8 点半工作到晚上 12 点、拥有强烈 ownership 和 agency，让他重新感到快乐。
他希望下一次生日或年底时，孩子已经会说话，公司有一支不错的团队，造出一点东西，自己仍然乐在其中；从现在办公室的“一片荒芜”，逐渐走到机器人“破壳而出”。

Cerebras CEO 谈数据中心的未来、Token成本与内存｜美国公司是否应向中国销售 Pershing Square Challenge 2026 亚军团队谈 Baker Hughes $BKR