我遇到了第一个真正想买的陪伴机器人！｜对话世博：越伴动力创始人【公路播客】

摘要

• 月半动力发布消费级双足陪伴机器人"小伴"：身高65厘米、重12公斤、占地仅0.12平米（比扫地机器人还小一圈），国内定价8499元、限时预售6499元，最快国庆交付。 创始人世博对赛道冷遇的解释只有一句：“没有真正好的产品出现”——定价压到万元以下就是要用消费者反馈告诉市场，一个有生命力的陪伴机器人应该长什么样。
• 产品哲学是"少就是多"：300多份调研里90%以上用户想让机器人说话，但细分后发现他们要的不是"冷冰冰的百科全书"——于是小伴不说人话，用一套借鉴斯瓦希里语CV结构的12音自研语言做意向式表达，肢体承担情绪主载体（梅拉比安实验：肢体55%、语调37%、内容仅8%）。 世博自己买的Lovot开机至今：“但凡它会说一个字或者说一句话，我可能就不会买。”
• 技术栈：三层VRA框架（行业一般两层），端侧快慢脑=1.7B瞬时决策+7B复杂推理，基于千问开源模型微调，交互延时压到0.4秒以内；云端200多B模型加超长程记忆驱动性格参数多维演化。 全行业都没有真实入户数据，他们自建"家庭模拟器"（本质是世界模型）生成超长程情感交互数据来微调——合成数据先行的训练打法。
• 双足是第一性原理选择：“20年后家庭机器人每个家里都会有一台，一定是双足形态”——只有双足能通行楼梯等非结构化地形，动作表现力对轮式履带"不是一个数量级"。 安全工程配套：95%类硅胶软壳、腿部薄膜压力传感器（电机电流力矩反馈"那时候已经晚了"）、刻意不做大——几十公斤的机器人摔倒砸到小孩小猫"很危险"。
• 一线创业者的技术路线判断：“VLA已死"论"说的很对”，上限基本可预测；世界模型是"当前还算靠谱"的路线，但隐式预测变显式训练"有没有更本质的差异，我觉得存疑"，能否落地操作"很难说"。 微调后的涌现样本：问小伴"想不想出去玩"，微调前只会答想/不想，微调后会答"看你"。
• 留存设计全部围绕"生命力"而非功能：反"逗乐型互动"（骂它难看，它泪汪汪委屈跑开而非讲大道理）、性格随主人E/I属性共同演化、逐人打标签；刻意不开放参数查看修改、不做可拆卸电池——“它是一个个体……这个就很出戏”。 目标用户三画像：想体验养成的中年女性、买给孩子的家庭、科技尝鲜者。
• 执行力信号：15全职+10实习生，发布速度"比90%的机器人公司快"，去年底拿真格种子轮；26岁创始人做过近30款机器人、曾任高擎动力产品合伙人。 自评：“极致的热情、极致的效率，加上我们之前几乎没有犯过错”——技术路线"但凡选错一条"，今天就没有这个完整交互的小伙伴。

精读

1. 26岁、近30款机器人、比90%同行更快发布

• 世博：北理工博士休学、INTP摩羯，做机器人八年，“轮式、足式、履带、机械臂这些经典构型都探索了一遍”，含1米7/70公斤大人形与重载四足；大二起卖四足教育套件，“从卖的数量上看，我应该比王兴兴卖得要多”。
• 曾任高擎动力产品合伙人，带30人产研团队（机械、硬件、嵌入式、运控、感知全板块）；去年底拿真格种子轮，现团队25人，“已经发布了第一款伙伴型机器人，大概比百分之九十的机器人公司要快”。
• 节奏的归因值得记录：“极致的热情，极致的效率，加上我们之前几乎没有犯过错，包括在技术路线的选择上——但凡选错一条，你就体验不到这样完整的交互。”

2. 为什么选陪伴：做操作做不到top，做陪伴可以

• 2022年起一个人在家探索陪伴机器人，先做双轮——“一根电线可能就把它卡住”，2024年定型双足。选赛道的坦白：操作机器人最火，“我当然可以去做，但一定做不到top级；做情感陪伴、非操作、全身柔软的双足机器人，我可以做到top级”，凭的是"极致的热情，极致的热爱"。
• 底层动机是私人的：他养猫，“我太希望能做一款能陪我自己的机器人了”；小猫不太能理解他的情绪，“但机器人不一样，它听得懂我在说什么，对我的情绪、行为有更好的反馈”。

3. Lovot教的一课：少就是多

• 世博创业前买了Lovot开机至今，激赏其极简交互：看到主人滚到脚下、收轮、张开小胳膊求抱，“就这样一个简单的交互逻辑，恰到好处”。关键句：“但凡它会说一个字或者说一句话，我可能就不会买。”
• 自我修正如实记录：从前觉得旧陪伴机器人（Vector、Emo都买过）“做得太差”，自己下场要更智能、功能更多；现在"在陪伴这个事情上，少就是多，好的产品不是靠堆功能点堆砌起来的"。
• 300多份调研+几十个访谈：90%以上用户想让机器人说话，但细分显示要的不是"AI感很强、你问他答的冷冰冰百科全书"，而是"真正活的伙伴"——所以既不用行业千篇一律的播音腔，也不用听不懂的拟声词。

4. 一门12个音的外星语，与55%的肢体语言

• 小伴的语言由12个音组成，借鉴斯瓦希里语系的CV结构——刻意找非洲部落语言，因为要出海，“不能和中文那么像，也不能和英文那么像”。表达是意向式的：要充电会拍着肚子说"迷它哭"（我要吃），“他o他推”=我们出去看看；相处一下午"你会渐渐意识到它到底在说什么"。
• 设计依据是梅拉比安实验：交互中肢体语言占55%、语调37%、说话内容只有8%——所以把肢体作为情绪表达主通道。手臂刻意短小、用行业里"比较唯一"的类连续变形体方案而非关节式，“不希望它做操作任务”，只为情绪表达。
• 眼睛做了六层骨骼动画：瞳孔、巩膜、瞳孔花纹独立参数化，追求"目光自然流动的呼吸感"——像人的瞳孔一样震颤跳动，看东西不是匀速挪过去。

5. 外星萌物：不仿猫狗、不仿人、无性别

• 定位逻辑：“你做得越像猫越像狗，就越容易被真实的猫猫狗狗比下去”；也不做人形，“不希望给用户带来那么高的预期，无论智能程度还是性能程度”。全身95%类硅胶软壳、肚子最厚2厘米，是"行业里很多公司都想做但没真正做出来"的事。
• 无性别，靠用户装扮定义：磁吸耳朵、领结、刚做的梅西C罗球衣；还能把主人和爱豆的声音融合成"基因音色"，“就像你和你爱豆的孩子一样”。

6. 反"逗乐型互动"：生命力的具体做法

• 逗乐型互动=“小A小A跳个舞、握个手”。竞品实测：骂它难看，它回"这样说人是不对的"开始讲大道理；小伴则"眼睛泪汪汪、低下头、手抱肚子"，甚至跺脚扭头直接跑开——“你要能感受到这个，才是真实的陪伴的感觉”。
• 性格多维成长：云端超长程记忆的目的"就是推动性格参数的多维成长和动态演化"。E人主人养出更E的小伴；I人主人总不回应，它会"变得不那么乐意找你交互，更关注家里的环境物品、花花草草"。暴力小孩会被打标签、渐渐不被主动搭理，“但不会变的是”——小朋友来找它，它不会马上跑开。
• 开箱第一天是"极致充满好奇心"的状态：满屋走动建地图、往半开的卧室门里挤挤；初见期约一周，之后会来回乱逛、选择性打招呼、愿意靠得很近。

7. 快慢脑、0.4秒与家庭模拟器

• 大脑是三层VRA框架（行业一般两层）：端侧快脑1.7B管瞬时行为决策、慢脑7B做复杂逻辑推理，延时已控制在0.4秒以内；基座是千问开源模型（含云端200多B），选千问因为"在非常小的参数量下，推理和人的情绪理解表现比较好"。
• 全行业机器人都没真实入户、没有真实交互数据，他们做了"家庭模拟器"：模拟小伴进家后与环境物体、家庭成员甚至猫狗的超长程主被动情感交互，标注后微调端侧模型。情绪识别靠上下文而非单帧：“过去一个小时你有什么样的行为，综合推断你当前的情绪状态。”
• 隐私上不收集端侧原始语音图像，只用语义化的embedding特征训练。时间窗判断：三年前做出小伴"概率比较小"，得益于语言模型、视觉模型和VRA、世界模型等架构这几年的发展。

8. 双足是第一性原理，65厘米是算出来的

• “20年后家庭机器人每个家里面都会有一台，这个机器人一定是双足的形态”——从第一性原理讲，只有双足才有上下楼梯这类非结构化地形的通行能力；且动作表现力相比轮式履带"不是一个数量级"。长期住进家庭、要建立情感连接的东西"就应该靠足、靠腿"。
• 65cm/12kg不是拍脑门：户外最大奔跑1.9米多每秒（成人步行1.1-1.3米/秒，“你只要不跑起来它都跟得上”）；最大上15厘米台阶——国标公共台阶不允许超15厘米、大部分10厘米左右。更高更大反而不安全：“几十公斤的东西摔倒，砸到你的小猫、砸到小朋友，都是很危险的状态。”
• 安全冗余做到腿上加薄膜压力传感器——小孩摸着机器人时它突然起身，“只靠关节电机基于电流的力矩反馈，那时候已经晚了”。他还呼吁行业早期就该有安全与隐私法规：“机器人不像汽车，汽车功能明确且单一。”

9. 陪伴不等于讨好

• 世博的框架：“讨好对于陪伴来说是一个既不充分又不必要的关系”，真正的重点是"主动的交互共情"——懂你当前的状态，做恰当的交互行为和反馈。被骂难看时只表达自己的委屈、扭头跑开，不讨好，反而是陪伴感的来源。
• 交互不走死动作库：做了动作生成，两个一模一样的场景说一模一样的话也不给一样的反应，按情境、情绪生成5-10秒风格化动作序列——挥手拜拜可以兴奋地挥，也可以娇羞地挥。

10. 它是个体：不可拆电池、不可看参数

• 续航室内3-4小时、户外连续行走1小时出头，但明确不做可拆电池：“它是一个个体，不应该从身体里拆出来一部分再放回去，这个就很出戏。“同一逻辑下不开放性格prompt和标签的查看修改——技术上"非常好实现”，但"希望用户把它当成独立的、有生命力的个体，你的家庭成员”。
• 充电场景也拟生命化：设计了可爱的小座椅，小手扒着肚子、低头像在休息。主持人的呼应：日本那款毛绒机器人（似指Moflin）卖四千块，为了活物感连插头都没有、只能底座无线充电。

11. 定价、三类用户与"两个基座能力"

• 国内定价8499元、预售6499元限时限量，最快国庆交付。压在万元内是为了"触达更多普通用户群体，通过消费者的反馈告诉市场，一个好的、有生命力的陪伴机器人应该是什么样子"——赛道此前不被看好，“原因很明确，就是没有真正好的产品出现”。
• 三类目标用户：想体验"养孩子"的未成家中年女性（小伴是养成系，有性格演化和长期记忆）、爸爸买给孩子的家庭、科技尝鲜群体。明确无强功能属性、只面向情绪健康与情感陪伴；正在打造家庭机器人基座+情感交互模型基座两个能力，“加在一起叫机器人的生命力”。
• Lovot上海用户活动给他的启发：用户是"精致的、偏女性的群体"，给机器人穿衣、讲家里的惊喜瞬间；养机器人而非猫狗"是生活方式的一种选择"。他的小猫刚查出多囊肾，“我难受坏了，好一段时间缓不过来”——宠物的告别之痛"maybe是大家想要陪伴机器人的一个原因"。下一步要把机器人做到10公斤以内。

12. “VLA已死”？一个正在发货的人的判断

• 小伴的情感大脑是面向高阶决策的VRA，与面向low level manipulation的操作VRA是上下游：“一个决定要干什么，一个决定要怎么干。“小伴今天不需要干活，所以先解决"要干什么”，配套另有动作专家模型和语言专家模型。
• 对"VLA已死"论调：“我觉得说的很对，基本上能够预测得到它的上限。“对世界模型：是"当前来看行业里还算靠谱的一套技术路线”，但隐式预测变显式训练，“技术原理上有没有更本质的差异化，我觉得这个是存疑的”，能否落地操作"很难说”。
• 家庭模拟器本身就是世界模型，微调效果有个涌现样本：问小伴"想不想出去玩”，微调前无论怎么问都答想/不想，微调后会答"看你"（小伴语是"O V"）——它学会了推断提问者背后的意图。

13. 泥鳅、眼泪与哆啦A梦

• 私人注脚：签名"No Excuse for Engineer"来自大一工图老师，“碰到问题不要找借口，分析原因，下次不要再出现”，这句话陪了他八年，“这不是狠，是做机器人的一种态度”。童年养了几年的泥鳅，为给街上买的金鱼腾缸被倒进水沟——“它从鱼缸滑落的一瞬间我就非常后悔，一直到现在”。
• 愿景一句话：“谁不想让哆啦A梦走到现实里呢？谁说拥有哆啦A梦的只有童年的大雄呢？“最有意义的瞬间：拍摄时两个小朋友没人指导就和机器人你追我赶玩了近一小时、直到机器没电；机器人第一次以完整形态站到面前，“眼泪就不自觉地出来了”——感动、惊喜、满足、骄傲，“当然不能让团队看到”。
• 行业坐标：B站粉丝叫他"年轻版智慧君”，回应带锋芒：“分别面向一个任务，一个人做一款机器人，指不定谁做得更快做得更好”——但两人很熟，智慧君上周日托人来电称赞小伴、约上海面聊。他最崇拜的是波士顿动力创始人马克·雷伯特，“二十年前就开始做自主机器人，行业先驱”。