摘要

群核最硬的资产是一座“无心插柳”的物理世界数据金矿：2018年开源的InteriorNet数据集，在疫情阻断线下采集后被硅谷大厂主动找上门，如今公司已成为具身智能“大脑”公司和多模态大厂的重要数据提供商。黄晓煌坦言当年“我直觉觉得它有用，但当时还不知道它有什么用”，受ImageNet启发才开源；商业验证的信号是客户“会不会持续采购更多的数据”，目前复购“还可以”。
战略选择的核心逻辑是中国算力约束下的赛道选择：大语言模型证明“数据越多越智能”，但在中国算力受到限制，群核便转向“数据没有那么受限制、但数据稀缺、算力要求也没有那么夸张”的物理AI。且新模型必须同时赋能老业务——用大模型推测图片中物体的物理参数，替代人工处理，“老业务是我们的现金奶牛”，这是不做二次创业式转型的底线。
公司刻意避开红海：“我被巨头打过呀，逃都来不及，你要去找一个巨头聚集的市场，那不找死吗？” 各大厂的物理AI仍是“很小的团队在探索，不像大语言模型那是倾全公司之力在做”，群核以三维数据切入，结合3D和视频模型，作为视频大模型的补充；黄晓煌对Meta的V-JEPA 2表示“没有认真研究”，而群核强调的差异化是空间一致性。
商业模式随AI重构：2023年看到OpenAI按token收费后，群核第一件事就是调整SaaS包年包月模式，因为原模式下“别人一用我就亏钱”，视频生成等重算力功能被CFO压着不许上线。 SaaS的价值衡量也从“用户乘以每天花的时间”反转为“我占用你越少时间创造了越大的价值”。
复盘最险一刻：2021年上半年“一切都是超预期的”，疯狂招聘至近三千人，年底房地产、疫情、资本市场叠加急转弯——“当时要是再浪一点，估计就挂了”。此后定下铁律：底线盈亏平衡、永远不打光弹药，即便现在非常看好具身智能“我也不会乱烧钱”，投资人催增速也“稳健增长，我不烧”。
组织上区分“流程式部队”与“创新部队”（后者占十分之一）：判据不是业务成熟度，而是“如果KPI制定不出来，就得用创新式的团队”。 对股东同理直白：“股东他只是要钱又不要你命的”，不志同道合的股东“不要拖，尽量想办法，不管付出多大的代价，把人买出去，越快越好——现在再大的代价，对于未来来说也是最小的代价”。
六小龙效应实质性改变了人才供给：今年C9院校简历增长约九倍、海归简历是去年二十倍，而此前受房产大势拖累“你给我的工资我都不太敢要”，很多想做的事被无限延后。黄晓煌把招聘定为自己的第一优先级，面试方式是扔一篇论文加开放式题目，有候选人从早九点做到凌晨一两点，“我也陪着他”。
方法论一以贯之：“拿着锤子找钉子”，且商业节奏跟随学术界——公众视野里的热点“都是落后两三年、三四年以上的”，机器人在学术界热于2022—23年，产业界2024—25年才推。 “连学者都没搞定的事情，你自己就别瞎折腾了”；群核的巨大成功场景则是“技术能够用在所有行业，正好遇到一两个超级爆发的行业”，目前最看好机器人。

精读

1. 六小龙争议与十五年的技术底色

主持人开场直问“群核是被塞进去的一条小龙”的说法，黄晓煌不回避运气成分：“杭州其实有非常多优秀的科技公司，可能你说有60家都数得过来，最终被选为六小龙肯定是有运气的成分在。”
但他强调公司从成立就是科技主导：在GPU还没热之前发现GPU集群可加速物理渲染，“拿着锤子找钉子，到处找应用”，“即使拿到十年后的现在，当时那个技术依然是非常领先的”，只是那个年代“大家看不太懂”。

2. InteriorNet：无心插柳的数据金矿

起源纯粹是好奇心：科研小团队“做着玩，反正也没有什么业务压力”，受李飞飞ImageNet启发，2018年开源——“我直觉觉得它有用，但当时还不知道它有什么用”，“我们自己不知道怎么训练，要不开源出来让别人训一训看。”
疫情成了奇妙的转折：线下采集机器人和AI设备训练数据的路径被阻断，硅谷大公司科研人员到处搜解决方案时找上了门。开源初期“发论文有效果，做业务没什么效果”，2020—21年才发现它不光用于机器人，也可用于各种设备的训练。

3. 2021年的关键认知：缺的不是数据团队，是顶级算法

2021年群核把数据集团队扩到二三十人，原本想做成正式业务，结果发现客户要的是“帮我调一调算法”，而“这一块需要的是顶级的算法工程师，普通的工程师并不解决问题”——当时群核做不了，客户自己也没有这种能力。
解法是拉回老同学周子涵回国组建AI实验室。配齐的逻辑很清晰：周做3D视觉在高校苦于数据有限，而群核“正好是属于有GPU也有数据的，缺算法正好配齐了”。黄晓煌自述当时“也没想那么多，就觉得这挺有意思的一个全新的领域”。

4. GPU认知革命与“创新部队”组织学

做CUDA出身的黄晓煌坦白认知盲区：“你说你训练一个东西要一千颗GPU，公司里谁跑过来申请要被骂死的……我做GPU那么多年，以前从来没认识到有这么一回事”——数据越多效果越好的认知有，但从没想过把GPU集群做那么大。
转型不叫换血叫升级：老业务稳健提供现金流，但迎接新时代“必须有一批新的人才、新的组织形态”。划分标准值得记录：“如果你目标过程的操作能够制定得很清楚的话，适合流程式的；要怎么做也不清楚，KPI制定不出来，就得用创新式的团队。”创新式约占十分之一，人贵，“但比起机会成本，人的成本其实还好”。

5. 股东观：要钱可以谈，别来要命

战略调整时总会跳出一两个股东反对（如“不要在中国搞研发，去硅谷搞”），黄的原则是“不要为了股东的意见而调整自己认为对的战略方向，毕竟股东他只是要钱又不要你命的”。
对不志同道合的股东态度极为果断：“你也别拖，不管付出再大的代价，把人买出去，越快越好。现在再大的代价，对于未来来说也是最小的代价。”

6. 蹭热点方法论：哪里有热点，哪里就有英伟达

直接反转主流叙事：“蹭热点不可耻，你看英伟达也在蹭热点啊”——虽然英伟达蹭挖矿赛道他“很不认可”，主持人进一步认为英伟达在那一波赚到的钱让其“有实力、有底气”加大AI投入。黄晓煌的原则是“热点应该蹭，但不能瞎蹭，你至少给这个热点创造一些价值”；且“当你公司小的时候，你是必须蹭热点的”，公司够大才有选择权、可以自己制造热点。
ROI逻辑说得赤裸：“有热点的随便一发几十万的阅读，没热点的几十个阅读……非得找一个冷门的行业推，那我也很痛苦啊。”筛选标准是价值观：重来一次挖矿依然不去，元宇宙可以试（“很酷的idea，没做起来也没办法”），Web3没参与——“我还是希望做一些实实在在创造价值的东西。”
更深一层的洞察：“不会有平白无故出现的热点，要么有公司在推，要么有国家在推，这些公司也好政府也好，也需要你助力，所以顺势而为就是这样。”

7. 被浪打入水：巨头搅局与说服不了的员工

主持人追问有没有被浪打趴下的经历，黄的措辞是“不能叫趴下，是入水”——酷家乐1.0时代“做了半天本身业务很好了，巨头突然进来搅局”，很多同事觉得“你这么小的公司怎么可能跟巨头竞争”就离开了。“大风大浪见多了，所有风浪都是生活的一部分。”
员工信心是他自认比调整自己精神状态更难的事：2023年做空间智能时有员工觉得“老板怎么又开始蹭热点了？AI跟你啥关系？”甚至有员工跑到办公室说“你搞一些虚头巴脑的，你好好搞搞供应链不行吗？”他的应对是积极倾听但不说服：“很多事情不是讲道理就解释清楚……人家信你就行，不信你就不行嘛。”
引马云的话自嘲式收尾：“你连自己都改变不了，还去改变别人。”再刺耳的声音都努力听，“但不会因为这些声音改变”。三位创始人因教育与工作背景一致，“这么多年没发生过方向性的不一致”。

8. 2023商业模式重构：从包年包月到token收费

ChatGPT给黄晓煌的第一眼启发不是AGI，而是商业模式：OpenAI按算力、按token收费，而群核SaaS包年包月导致“很多非常好用但非常消耗算力的能力没办法上线，别人一用我就亏钱”——视频生成能力很早做出来，“一看我靠，一个视频要好几颗GPU算一个小时，CFO说不许推，一推我就亏了，财报没法看”。
理念随之整体反转：原来SaaS衡量标准是“用户乘以每天花的时间”，恨不得用户一天十二小时打开软件；“未来可能是我占用你越少时间创造了越大的价值”。新业务已按token计费，老业务“船大掉头”仍在调整中。

9. 空间智能四件套与“开灯关灯”问题

群核在李飞飞三分法（理解、推理、行为）上加了“生成”，共四部分：空间的理解、推理、生成、行为。核心问题用一个例子讲透：现在很多机器人技术还是图像技术，“你把灯关掉，它都会觉得在一个不同的地方”——几个机器人对同一房间的认知不一致，就没法一起工作。“我们得构建出一套系统，能够让机器人有这个记忆跟这个理解力。”
所谓泛化性也由此定义：“没有泛化性就是开个灯就不认识；产生泛化性就是不管开灯关灯，在各种情况下都能认识成同一个东西。”李飞飞《Thinking in Space》等论文对梳理方向“肯定是有帮助的”。

10. 穷则思变：2022年的艰难与ChatGPT开的门

时间线很诚实：2021年老赛道如日中天，“不会想着变革的，只有穷则思变”；2020—21年资本市场太好，准备去美股IPO并疯狂招人，之后市场格局、资本格局及各种大事件叠加被迫调整，AI的出现“给我们对于未来调整方向一个很好的曙光”。
主持人问是否感谢ChatGPT，黄的回答保留了硬气：“感谢倒谈不上，它突然给我们开启了一些新的大门……总归会有浪的，只不过你要做选择，有的时候是浪花，有的时候是滔天大浪。”大模型这波“已经持续了三年了，不像元宇宙一年就哑火了”。

11. 创始人分歧的解法：把情感问题变成数学问题

三位创始人有异议但没争吵，议题很具体：投入多少资源、应届生行不行、GPU量大管饱还是够用就好。应届生的结论是“肯定行——有经验的都被字节、阿里抢完了，也轮不到你。牌桌上有什么牌你就打好了，别怨天尤人，没有那么好的运气的。”
GPU在CFO强压下选了“够用就好”，如今复盘有悔意：“其实可以多买一些的……有限的GPU肯定限制了想象力，有些模型本来可以训练得更大的。”但决策方法论保留：看GPU利用率是持续提升还是降低，“把讨论变成一个数学问题，因为数学问题是有答案的，情感问题是没有答案的”。

12. 为什么押物理AI：算力受限下的数据赛道

战略推演完整呈现：大语言模型开启的大门是“数据越多越智能”，但在中国“算力受到限制了，所以我们内部就没去做大的模型”，转向“数据没有那么受限制、但数据稀缺、算力要求也没有那么夸张”的赛道——物理AI数据更难获取、算力要求反而没那么夸张，“所以我们当时战略上调整到这个方向”。
另一条硬约束是不做无关的二次创业：新模型“不仅可以拓展新业务，还可以赋能老业务”——老业务所有物理参数、材质信息原来都要人工做，“现在训练大模型就可以猜出来照片里这些东西的物理参数，对老业务的效率提升是非常巨大的”。
场景在2023年就锁定三个：机器人（当时叫“设备的智能化”，人形与否不确定）、电商、工业4.0；影视、游戏、广告等“很多赛道都用得上”。

13. 学术界领先两三年：黄仁勋不是造未来，是跟风口

对黄仁勋“画未来”的祛魅值得单独记录：“我觉得不是造……他的那些东西学术界已经提出来了。学术界提到的你看不见，商业公司提到的你才看得见。”机器人学术界热的是2022—23年，产业界2024—25年才推——“你如果不看论文的话，只能看到公众视野的东西，那都是落后两三年、三四年以上的。”
他把这条变成了自己的商业决策纪律。主持人还提到一则“ Hinton带学生写信向黄仁勋要芯片、据说被拒”的轶事；黄晓煌对此只说“我估计是这样”，并总结：“连学者都没搞定的事情，你自己就别瞎折腾了。”

14. SpatialLM的底模选择：向梁文锋要小模型未果

SpatialLM训了两个版本——通义和Llama。不用DeepSeek的原因是端侧算力：“底模太大带不起来，它最小的模型也有好几十B，给机器人用太大了。”黄晓煌直接跟梁文锋提过希望发小模型，得到的判断是DeepSeek“肩负的任务更多的是突破前沿，小模型更多的是做生态”。据周子涵所说，通义在小参数规模里跑得最好；黄晓煌也认可Llama的海外生态优势——“我们生成的数据得让其他模型再去理解”。
开源本身就是群核能做这件事的前提：“大语言模型出来之前我们就尝试做，输出脚本这事情我们就没解决……你说我为了训练这么一个小东西，我得训练一个大语言模型，我疯了我。”所以“我们也是开源的受益者，应该积极拥抱开源”。主持人称SpatialLM开源后很快登顶Hugging Face第三名，仅次于通义和DeepSeek；黄晓煌表示“直接商业收益肯定暂时没有”。

15. 世界模型竞争地图：视频派、三维派与学术派

路线区分是这段的干货：谷歌Genie 3“ 大部分是基于视频来训练”，群核“以三维方式切入，三维加视频模型”，“我们的模型大小肯定跟他们没办法比，只是做一个视频大模型的一些补充”。主持人提到英伟达Cosmos所称的“9千万亿个token、2,000万小时真人互动数据”；黄晓煌认为Cosmos“做得非常不错”，更多是提供引擎和基础设施、“卖更多的显卡”，群核与英伟达也在合作。
对李飞飞World Labs的评价带着礼貌的怀疑：“更接近于实验室的学术成果……我也没看出有什么商业化前景，那可能是我认知有限啊。”腾讯混元3D主要是游戏数据、游戏风格；而群核Tech Day的demo用真实待拆照相馆一张图生成逼真房间，“我们更希望做有技术前瞻性、但又能服务现实生活的”。
三个概念的辨析：黄仁勋的物理AI强调与物理世界的连接，李飞飞的空间智能更多在数字世界对空间的理解，世界模型侧重视频模型符合物理规律——“实际上都指向了同一个问题：现在的大模型对世界的理解跟我们完全不太一样。”

16. 蓝海是被巨头打出来的选择

主持人指出各大厂都在做空间智能，黄的纠正构成关键判断：“目前各个大厂还是很小的团队在探索为主，不像大语言模型那是倾全公司之力去做的。”主持人将其概括为蓝海而非红海。
选蓝海是伤疤教出来的：“我被巨头打过呀，逃都来不及，你要去找一个巨头聚集的市场，那不找死吗？”筛选标准：“在你的视野范围内找一个巨头做了没什么太大意义、又适合你做的东西——图像生成模型我们也能做啊，但巨头肯定做的我就不做了。”

17. 飞轮：工具产数据、数据训模型、模型反哺工具

群核的空间智能体系由工具、数据、大模型组成，“缺一不可，它是一个飞轮”：训练数据“没有办法从互联网上直接扒出来”，得由工具产生——酷家乐、棚拍都是工具；数据训大模型，大模型再让工具更高效。
数据金矿的来历是既有业务流程的反转：群核在全屋定制、工业4.0等业务中积累了带物理参数的数据；做工业4.0时为确保生产结果与设计一致，本就建了仿真系统。开源InteriorNet时的问题意识是“工业4.0是把数字的东西变回物理的东西，那看到一个物理的东西，能不能用AI把它推成数字的东西？”2021年初步验证可行，2023年有了scaling law的认知后“训练得更智能，泛化性更强，这是原来没想到的”。
摆脱存量数据依赖也在推进：SpatialGen（上传一张图自动生成空间，如一张夏威夷图片替代三维建模）本身就是生成数据的工具，已开源；更远的方向是让智能体自己探索、自己产生数据。

18. SpatialVerse的商业化现实：NDA、复购与sim-to-real

SpatialVerse一句话定位：“为空间智能领域提供合成数据”，原本服务内部模型团队，需求多了才独立成为与酷家乐平行的业务线，客户包括具身智能相关公司、AIGC（快手可灵、Pika一类）和VR/AR。主持人称听说几乎所有具身智能“大脑”公司都有合作；黄晓煌则说有的公司会反馈、有的不会。“Google公开了我们就说一下，其他签了NDA就别说了。”早年判断数据有用的方式很直接：产品发布后“有一些产品就是用我们提供的合成数据做出来的，一眼就能看出来”。
收入坦白得可爱：“做机器人的公司收入都比较一般吧。能够从这些公司身上获得一些收入，覆盖我们的投入，已经很好了。”效果判断看“会不会持续采购更多的数据”，复购“还可以”；老业务服务近五万客户，而“现在任何一个行业有一千个客户都不错”，所以希望技术更通用。
技术上的诚实：sim-to-real一定有gap，“你肯定不能只用一种来源的数据，得混入真实数据一起训练，机器人才有泛化性。有些人虚拟训练的模型现实里没法用，是因为数据集里根本就没有现实世界的数据。”VLA暂不做，因为“跟硬件绑定比较大，甚至不同的人形机器人都不能跑同一个VLA，那我训练来干嘛呢？”

19. 与视频生成公司：互补还是直接竞争

群核的差异化是空间一致性：“现在视频生成公司有时候换个角度，房间都变了，不符合物理规律。我们是能够保证房间是稳定的。”主持人点破：“这个不叫互补，这叫你能做到他们暂时还不能做到的事情。”黄承认，但坚持“未来应该不是竞争关系而是合作关系”——天马行空的动漫故事用视频模型效率更高、算力成本更低，群核自己也会调用可灵、混元等模型，“爱用啥用啥，各自数据不一样，训练出来的能力也不一样”。
棚拍是落地样本：电商商品不换实景换背景，Tech Day上“模拟黄昏的光线”“平面广告的追光”的demo引发全场鼓掌，目前电商行业反馈最好。底层哲学一句话：“真实世界是不可计算的，你只有把它变到虚拟世界里面去，才有办法处理它、优化它。”

20. 人才：九倍简历、面试到凌晨与应届生Leader

六小龙效应的实际红利：今年C9院校简历约增长九倍、海归简历是去年二十倍，而前几年受房产大势影响“你给我的工资我都不太敢要”，很多想做的事因“专家不够分”被无限延后——今年这些新方向的成果“都是新人做的”。黄把最多时间投在招聘而非见客户：“每次最终留下来的，最终都是人创造的。”
面试法自成一派：不看简历，“扔一篇论文给他读一读，讲完给他出道题现场实现”，开放式不限时，有候选人从早九点干到凌晨一两点，“我也陪着他”，态度可以加分。AI时代的人才两极分化判断：“非常有经验的人还是很吃香，经验用DeepSeek搜一下又能搜出来的这种影响比较大，中间模模糊糊状态的比较尴尬。”
从英伟达学的用人体系：当年CUDA团队负责人可能是Stanford应届毕业生，团队“三分之一甚至一半”可能毕业于Stanford——“你会用一个应届毕业生做一个新业务的头吗？很难想象的。”群核如今“努力让毕业没几年的人做比较重要项目的leader”，已经开始尝试。

21. 最险的一年：2021与“永远不打光弹药”

巨大失败曾经很近：“二一年上半年觉得一切都是超预期的，疯狂招聘（一度近三千人），增长也很快，然后突然一下子发生了变化”——房地产、疫情、资本市场全部叠加。“我在想当时要是再浪一点，估计就挂了。”此后定规则：底线盈亏平衡，“我再烧钱，我也是不想亏钱”；有朋友的公司“打光弹药，进入万劫不复，没熬过去”。
教训延伸到当下纪律：即便非常看好具身智能“我也不会乱烧钱”，投资人催“烧点钱增速快一些”，他答“我稳健增长，我不烧”，每个岗位亲自把关“坚决不放水”——因为2020年招聘下放“后悔莫及”，招错人对双方都是伤害：“人家一心想把业务做好，进来两三年了你说不合适，那不是很荒唐吗？”

22. INTJ、死磕的缺陷与草台班子的安慰

自我画像：INTJ，座右铭“Life is tough, but we are tougher”，年轻时欣赏Bill Gates，“现在觉得Jensen Huang比较牛逼”——英伟达的底层判断（如GPU会替代CPU）多年不变，但应用的行业一直在变化；“一开始我还半信半疑，见到他一路起来之后，我觉得这个方法好”。
罕见的自我批判：tough性格“容易死磕”，与顺势而为相悖——房地产业务线国家调整后“还在那边死磕，后面才发现你把精力花在不对的事情上，天天在ROI很低的事情上一直做，意义没那么大”。他让合伙人发现自己死磕时“一定要提醒一下：不是你努力就一定能做好的”。
荐书《Breaking Twitter》，取的是旁观者视角对领袖的祛魅：“即使世界上最牛的leader，都是有搞砸的时候……不用怕各种草台班子的行为，行动永远比不行动好。”被问群核值多少亿时，黄只答“应该有吧”，主持人接“不少哦”——一句留白收尾。

Givaudan：魔法原料 - [Business Breakdowns，EP.242]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