74.与地瓜、阿里云的访谈：机器人爆发前夜，工程师成长，与 AI 的第三朵云

摘要

• 秦玉森给出的具身爆发时间表是“三十六个月”：硬件本身有 12—18 个月制造周期，“两个十八个月，让产品迭代两代，三年后一定会出现大规模爆发”。 底层逻辑是过饱和投入压缩试错周期——过去一家公司要独自试错五轮，“今天是十家，总有一两家在两轮之后就已经猜对了”；他同时判断“最终能留在牌桌上的、具有一定体量的企业都已经出现了”，但垂类小众市场“在更深的水下发育着，我们现在还看不见”。
• 拐点的最硬信号是人才流向：去年更多新毕业生进具身而非自动驾驶，而这是一场历史轮回。 2018 年前后，自动驾驶以一到两倍薪酬挖机器人的人，SLAM、运动控制、规划、地图、感知等方向的毕业薪水可能上涨 50% 以上；今天回流，是因为“具身智能商业闭环的一个大预期雏形已经展现”。秦对泡沫的功能主义辩护值得记住——“泡沫就是预期和现实的差……资本泡沫可以让这个行业快速地试错、试对”，2025 年“每个月的技术进步、整个行业的技术进步，都快于之前的每一年”。
• 地瓜机器人的生态位是机器人行业的“母生态”，并试图补足英伟达生态的整合空缺：“天下苦英伟达久矣”。 秦认为英伟达站在上游和“上帝视角”，做到 60 分、觉得能用就推出；仿真软件版本多次变化且通常不向前兼容，导致全行业重复整合，地瓜则可能把 60 分的东西做到 80 分、90 分。营收上，他说自动驾驶和机器人原来都归入最小的 Others，可能合计占 1% 多；今天自动驾驶多了一点、可能占 3%，具身机器人“可能原先也是 3%”。此外，“太多新的、快的客户在中国，英伟达离中国太远了”。
• 张献涛把终端智能计算定位为阿里云在数据中心之外的第二个算力市场，Token 是这朵新云的重要计价和消耗单位：“Token 的输送已经和家庭使用水电没有什么区别了。” 阿里上月成立 Token Hub，把集团内与 AI 相关的组织放在一起；这“可能是大厂里第一个提出把 Token 放到这样重要位置的组织”。从芯片、AI Infrastructure 到模型推理效率，“都和 Token 在一条线上”。
• 云+端结合后，开发者门槛断崖式下降，是最可量化的一组数据：一场仿真比赛约有两个微信群、190 支团队，约 60 支使用无影云，“人均几百块钱就可以把一个比赛跑完”；环境配置从四五个小时变成开箱四五分钟。 秦的总结是：“五个小时可以劝退很多人，但五分钟可以激励更多的人。”大模型也显著降低了机器人工程师跨机械、机电、嵌入式、软件、算法和云等领域的学习门槛——“五十篇论文一下午就读完”，卫诗婕称之为“知识平权和经验平权”。
• 判断周期位置的妙喻：移动互联网爆发的信号是“做 iOS 入职送 iPhone”，今天的对应物是“入职这里 Token 无限，或者给你顶配的 Coding Plan 套餐”。 张献涛佐证——前两年 AI 人才问“有多少 GPU 卡”，今年问“Token 是不是管够”；他觉得 2026 年“有这种感觉”，今年至少是 Agent 的“起爆点”。秦补充断代：等 Token 和 Coding Plan 变成默认配置、不再是福利，爆发期就过去了。
• 对三大创业派别的中期风险提示：自动驾驶派带场景进场、“毕其功于一役”，短期数量和增速最多，但“可能做成类似快消品的逻辑，来得快，来得大，但去得也更快”。 行业重复造轮子严重，人人自研电机，检测机构也“赚得盆满钵满”。秦的判断是：“当一个人觉得自己什么都能做且什么都想做的时候，大概率是他不知道自己真正的使命和愿景。”宇树的答案则是在运控上找到“唯一”，而不是停留在“我可以”。
• 三年后的具体预测：张献涛判断工业与商用场景会大规模应用，家用可能更晚；Agent 的“灵魂”融入具身本体，未来一到两年可能爆发；本体成本三年后应该比现在便宜至少 50% 以上。 秦盼机器人实现在线强化学习式自进化——“真的是做个梦就会变得更好”；而弱智能“搭把手”的场景，如冲奶、递衣服、关洗衣机门，叠加极细分需求，可能成为小型开发者的爆发窗口。

精读

1. 秦玉森的底色：五个硕士、二十多年机器人路

• 履历线：欧洲三所学校两年半修出五个硕士学位，回国短暂加入无人机公司零零，再到九号六年半、一路做到 AI 机器人研究院院长，2022 年离开九号，之后加入地瓜机器人负责整个机器人领域的基础设施研发。
• 起点在 2000 年前后的高中竞赛：“先会编程再去碰机器人”，第一台机器人是两个轮子加一块板子，只有简单超声波、简单 IMU 和当时的激光测距设备——“二零零零年的时候摄像头还是个稀罕货”。
• 初心样本至今未变：《铁臂阿童木》与哆啦 A 梦，一个是英雄主义，一个是陪伴挚友，“男性嘛，至死是少年”。

2. Segway Robotics：世界第一款平衡车陪伴机器人，死于时机

• 2015 年前后随学长普利博士做“平衡车身体上加一个脑袋”的陪伴机器人，用 Intel 第一代移动处理器与第一代 RealSense；RealSense 的校准、校正代码有不少由他们测试、编写。微软、Intel、苹果都曾是客户，也被美国顶尖高校买作教学和实验平台，最终因九号转向送物、送餐商用机器人而 EOL 停产。
• 秦的复盘不谈可惜：“一定要尊重技术发展的客观规律”——算力和传感器不成熟、消费时点未到；真正的遗产是“培养的这批人后来成为了九号的顶梁柱和技术负责人”。

3. To Lab 到 To C 是信息化的固定剧本

• 秦用 PC 史类比今天具身公司的转型焦虑：互联网最初给实验室用，“电脑第一批用户是开发者，而不是使用者”，直到 Macintosh 把 GUI 带给个人，才从 To Developer 变成 To User——今天头部具身公司从 To Lab 转向 To B、To C，走的是相似的历史曲线。

4. “限制技术的不是技术本身”——黄金年代的工程师认知

• 全片核心命题：“限制住你技术能力的有团队管理能力、公司的财务、经营、运营情况，有市场，有上下游供应链，有商业本身的洞察……”管理、商业、产品是放大技术的杠杆，但“很多人找不到支点，发现自己用蛮力”。
• 环境论：慢行业会陷入“技术自嗨”，快行业里技术很快不再是约束，“约束出现在方方面面”——只有这种环境催生工程师的真成长。
• 成长观引自达里奥《原则》：“个人的成长不是一条条延长线，而是成长、衰退、反思、再成长这样的一个循环。”

5. 从工程师到架构师：人月神话与“恰如其分的设计”

• 人月神话的原版讲法保留：“一个女性可以花十个月孕育一个孩子，但是不可以让十个女性花一个月孕育一个孩子”——资源给足不等于技术必然产出；但过早准备又会过度设计、浪费前置资源。
• 架构师的解法是把无限游戏拆成 Stage One、Stage Two 的楼梯：“在正确的时间交付正确的东西，且在你交付下一个正确的东西之前，它可以一直存续”；认知随之从线性（技术和更好的技术）变立体——技术、人员、时间、协作乃至“面对时间复杂度的架构拆解”。

6. 九号七年：SLAM 导航时代；今天感知从辅助变主导

• 2015—2022 正是导航机器人萌生期：物流仓储、扫地机、大疆式无人机导航都在此阶段兴起——今天机器人商业领域最赚钱的一些场景和产品“基本都在那个阶段”出现。
• 范式迁移：彼时是运动能力为主、感知为辅，今天是“感知和强规划为主导”；底层原因很朴素——“传感器成熟了，算力也更强大了。把手机退回到十年前，今天其实已经跑不起来任何应用了”。

7. 2022 年离开九号：当等待变成信仰，而 GPT 改写了故事

• 上市让他看到 EBIT 以及其他财务情况：“过度的预研和对机器人技术的等待，变成了一个信仰而非商业”，加上“我们要向股东负责”成为常态语。
• 更关键是他回忆 2022 年六七月时，应该是 GPT-2.5 出来：本科做 NLP 的他意识到“所有的故事变了”——从做填空题到 Next Token，“这个范式变了”；“你永远等不到一个时代的浪潮，你需要去追寻”。

8. 八个月清空大脑：把考研当禅修，读《战略节奏》

• ChatGPT 问世时他已在做 Agent：以记忆为主、今天叫 RAG 的东西，比知识库检索多一层推测和控制——“让它在有限的幻觉里面去幻觉对的事情，就是所谓的灵感”。
• 管理者做久了“脑子里充斥着多线程的各种噪音”，无法进入高质量思考——他的解法是报考清华经管首届产业创新 MBA，每天四到五个小时重拾高中、大学课本备考，八个月后“噪声也逐渐被去掉了，才陷入到高质量的思考”。
• 战略课题的转换：从“有限条件下做最优化”变成无限条件下“选择不做什么，选择做什么”，并从被动接收 timing 变成主动选择 timing——契机是导师朱海源老师的《战略节奏》。

9. 拐点已到：结构洞、春晚与“训练的电脑肯定不是自己造的”

• 用“结构洞”框架解释：需求大量不被满足、供应能力开始溢出，必然催生新行业；从去年到今年春晚，“肯定不是每个电机都是各家自研……我不客气地说，大家训练用的电脑肯定不是自己造的”——成熟上游让这波工程师的聪明才智被看见。
• 一年之内的态度反转，原话保留：“我记得去年我还说具身行业是要做冷板凳的，但今年板凳太烫了，甚至可能都是沙发，坐起来更舒服。”另一个判断：拐点永远在产生社会效应之前——“PC 的黄金时代根本不是 1990 年之后那一波，而是 Macintosh 在 1980 年代就已经有了”。

10. 人才流向是拐点信号：具身与自动驾驶的历史轮回

• 秦定义的拐点标志出现在去年：“年轻的从业者、新毕业的同学，更多进到具身领域，而不是自动驾驶。”
• 卫诗婕点出的轮回被秦确认：看似这波具身抢了自动驾驶的人，其实 2018 年前后是自动驾驶以一到两倍薪酬挖机器人的人，SLAM、运动控制、规划、地图、感知方向的毕业薪水可能上涨 50% 以上；今天回流，是因为“具身智能商业闭环的一个大预期雏形已经展现了，大家为了那个更大的商业闭环愿景……继续在更新、更大的故事里面做自己的事情”。

11. 为什么大宗融资发生在现在：泡沫的功能主义辩护

• 两个原因：“趋势一旦形成，大家只会去追”，加上今年春晚让大众认知快速破圈、形成更高预期——去年的扭秧歌“站在今年看完春晚之后的观感，还挺原始的”。
• 对泡沫的辩护值得整段保留：“泡沫就是预期和现实的差……资本泡沫可以让这个行业快速地试错、试对”——市面上每家公司选一条不同的路，“试错了，对的地方会汇聚更多力量；试对了，别人会更加加注进来”，共识快速形成，学费不再由单一公司独自支付。
• 时间轴：2022 年转型期、2023—2024 年快速形成共识并推进、2025 年“每个月的技术进步、整个行业的技术进步，都快于之前的每一年”——“十倍的资源甚至可能带来百倍的进步”。

12. 大模型压低门槛：机器人工程师的多年积累被显著压缩

• 传统路径是机械、机电、嵌入式、软件、算法、云一路学下来，“每一个领域只是浅尝辄止，做一个项目做一年，全部做下来也要八年”；今天大模型让你定向获取知识，“扔过去五十篇论文一个下午就读完”——卫诗婕总结为“知识平权和经验平权”。
• 年轻人为何可能成为 Game Changer：“成就你的必将毁灭你”——老工程师还在想量产要过一二三四五几个验证、看 A、B、D、E 四个关键点时，大模型已经告诉你一二三四五里只有四个关键点，“你看四就好了”；年轻人“脑子的噪音更少，限制你的经验更少……没有那么多的框框，自然就跑得更快”。
• 智力框架：晶体智力与流体智力以 35 岁为界，“做更新、更先进、更好的东西，25 岁到 35 岁是黄金年纪”——这也呼应了他自己“在黄金工程师的年代碰到高速发展的公司”的幸运。

13. 拒绝重复创业、选择基建：“只有淋过雨的人才知道给他人撑伞”

• 被主持人问及是否有顶流具身公司找过他时，他的回答是：“我想看到的东西都看见过了……没必要再对自己的认知和领悟做一遍复读机。”过去的痛在于没有称手工具——“每一次想写代码的时候，你恨不得从装电脑开始”“调代码三分钟，修电脑、修机器人花三天”。
• 问题意识是“什么是机器人领域的 OTA”：从写第一行代码到看到机器人发生第一个变化，“反馈周期越短，人的进步越快”；他的社招面试中经常考显卡驱动崩了如何不重装系统装好，考的是“真的亲自动手做过”，因为“机器人需要实干家”，读了很多 Paper 但一上手就“麻爪”的理论派，可能无法解决实际问题。
• 对学者创业被抨击的辩护保留：“大可不必，每个人的工作模式、工作范式不一样……学者也在探索人类未知的边界。”

14. 与王丛的结缘：一条朋友圈点赞，三四个月定局

• 早年因九号出海产品选型地平线 X3、更早用过 Matrix Two 平台结识王丛（时任地平线 AIoT 事业部总经理，名片他至今留着）；2023 年 10 月或 11 月，王丛在他朋友圈点赞后两人快速同步，前后碰了三四个月——“他说想做这个时代的基础设施，推动这个时代快速到来。我说这事可以，我干了”，时间在他 MBA 入学考试前一个月确定。

15. 三大创业派别：学院派开路，自动驾驶派带场景进场

• 为什么早期必须是学术派：“本身它就是一个未曾在人类商业社会中出现的东西，只有那些探索边界、不以当前条件为约束的学者，才能看得到”——甚至行业内的人反而“将信将疑，后知后觉”。
• 派别的切入方式截然不同：工程派是“修修补补又三年”，做出不完美但能被市场验证的东西，陪市场迭代；自动驾驶派“毕其功于一役”，带着场景而非技术进来，“锚定一个场景和某一个产品，一次性把它做好”，是终局产品竞争视角。
• 秦的中期风险判断：自动驾驶派短期数量与增速都最多，“但这种快可能在中期会呈现疲态”——场景一直摆在那里，更新的技术“不一定更好，但一定存在维度上升”，可能形成降维打击；“如果只是在某个场景中做某个产品，可能会做成类似快消品的逻辑：来得快、来得大，但去得也更快。”从第二阶段迈向第三阶段“很难”：下个产品是什么、下个场景在哪里，“聚焦本身在这一刻就会突然失效”。

16. 机器人美在笨

• 被问机器人美在哪，秦的回答出人意料：“美在它笨，美在它不成熟……它越聪明，你的改造成就感就越弱。”他以小龙虾为例：早期从很笨变聪明一点点的反馈才是快感来源。
• 机器人恰恰长期又笨又慢，“只要你找到一个技术点，就会发现它发生了质和量的蜕变”，这种成就感很大——卫诗婕笑称“兴趣是来源于人类的虚荣心”，秦更正：“或者说来自成就的反馈。”

17. 地瓜＝母生态：空气、土壤和水

• 名字解读：不是玩笑说的“地平线上的瓜”，而是“在地面下默默生长，有顽强的生命力，又在大家贫瘠的时候可以贡献救命食物、哺育更多生命”的意象；他同时强调真正的地基是芯片，以及高校教育体制为行业输送人才的体系，地瓜做的是“把能力外显、把门槛降低”。
• 商业模式上 To B 加 To C，但产品里“只有 To D，也就是 To Developer”：最大的 Developer 是 CTO 和 CEO，中间是算法、软件、整机的技术负责人，小的是初创创始人、高校创客、大 B 企业里的工程师——取各层需求的公约数，“目的是防止它重复造轮子”。
• 开发板的比喻：一台不装系统的电脑给到你也用不起来，地瓜在板子之上构建系统层工具，让人不再“从装机、装系统、写软件、用软件，再迭代软件，慢慢往前走”——已经能“通过一个小时的培训，让一个大三、大二，甚至大一的学生，在一个小时内学会算法工程师三到五年做的事情”。

18. infra 为什么稀缺：只有高速行业才为“快”买单

• 逻辑链完整保留：行业慢时算法团队自己搭脚手架，“上半年做产出，下半年做产能”，公司按 TCO（全生命周期费用）最低选择；“只有做得快、有直接竞争价值的时候，才会有人为了快而服务、买单。”汽车行业实际闭环和大模型集群训练的两次 infra 窗口都很短，人才隐性知识多，市场供给出现巨大空缺——地瓜的答案是“把这一部分脏活、苦活、累活封装起来，我们做一次就好，服务于全行业”。
• 对具身边界的诚实：前沿技术“并没有收敛，我们也不太确定”最终形态；具身是天花板突破的一种状态，能力溢出会回填未被满足的需求——如同大模型溢出满足了中低质量同传，“只写功能性代码的人已经被大模型高速替代掉了，但架构师被替代的并不多”。

19. 从传统客户到新极客：“已有的认知这个存货失效了”

• 战略切换：去年锚定传统机器人智能化升级（团队刚建，“最好是挑战只比自己能力多一点点的东西”），今年锚定新兴市场与创新极客群体，推出 RoboGo——“让一个人快速拥有一个团队一样的综合能力”的一站式开发平台，覆盖算法、数据、仿真、训练、模型与开发板管理。
• 失效的具体例子最有力：满脑子端到端的人根本看不见“靠遥控也可以让这个机器人走得很好”——过去一年很多商业展演背后就是有人遥控；“那些想着技术完美之后才能进入市场的人，就一定吃不到、看不见这个市场，也吃不到技术红利”，这也解释了自动驾驶人为何第三波才冲进来：“他脑子里已经是端到端、L4 的形态了，而今天很大一部分的机器人还在 L2 和 L3 之间纠结。”
• 对不愿改变的客户，秦的措辞冷静得扎人：“我们就尊重每个客户的命运”——组织惯性与“习得性路径依赖”对企业同样既是加速也是约束。

20. 重复造轮子与“唯一”论

• 行业重复造轮子“还蛮多”：人人自研电机——“电机就是三件事：缠线、线圈、写电控，再把它弄个壳子过验证”——结果电机代工厂和 CE、FCC 检测机构“赚得盆满钵满”；本质不是 for 资本，而是工程师追求极致，但秦的判词更狠：“当一个人觉得自己什么都能做且什么都想做的时候，大概率是他不知道自己真正的使命和愿景。”
• 核心竞争力＝找到“唯一”而不是“我可以”：宇树“在运控上就是独一号”，其他很多是 Me Too；至于自研壁垒论——“它自研是因为它没得用，但今天大家还是有得用”，否则每家做具身大脑的公司都该从芯片做起。卫诗婕补充，宇树不仅找到了，还证明了；秦回得妙：“或者是时代让它成为了那个被证明的答案。”
• 理想伙伴画像是“双向奔赴”：与国内自主可控引擎公司摩仙飞互相赋能——“上游如果不形成合力，下游就要做很多整合性的努力；我们两个整合一次，所有客户就少一次整合的代价。”

21. 对标英伟达：“天下苦英伟达久矣”

• 从业者的怨言直接引用：“它把每件事情都做了，又做得没那么充分……站在极高的上游视角，做到六十分觉得可以用就扔出去了。”例证是仿真软件版本号几经变化、“为数不多不做向前兼容的软件”，每次升级全行业重做一遍——地瓜的活儿是把六十分的东西可能做到八九十分，减少二次整合，让版本更新更丝滑。
• 结构性空间的数字：秦说自动驾驶和机器人原来都归为最小的 Others，可能一共占 1% 多；今天自动驾驶多了一点，可能占 3%；具身机器人“可能原先也是 3%”。此外，“太多新的、快的客户在中国，英伟达离中国太远了”，也会造成内部资源协调与服务上的空缺。姿态差异一句话收束：“英伟达站在上帝视角看事情，我们还是愿意作为这个行业中的一员，推动这个行业再往前走——那为什么不是地瓜呢？”

22. 爆发时点：三十六个月，因为十家在并行试错

• 时间表的推导：远景受限于硬件本身 12—18 个月的制造周期加上大众接受周期，“两个十八个月，让一个产品迭代两代，就是三年后一定会出现大规模爆发”；对王兴兴口风从“五到十年”变短的呼应——过饱和式投入下路线快速趋同，“以前一家公司在 36 个月之后只试错了两轮，但它一共需要试错五轮；今天是十家，总有一两家在两轮之后就已经猜对了”。
• 牌桌判断呼应投资人陈玉的自动驾驶窗口论：“最终能留在牌桌上的、具有一定体量的企业都已经出现了”，但细分小众领域“技术还没有外溢到它们那里，还在萌芽中”——类比大模型时代笔记类、个人知识库与企业知识库公司的后发爆发；且正因基模高速发展，“大家又不敢去做，担心做了半天被它吃掉”，所以“垂类小众市场应该在更深的水下发育着，我们现在还看不见”。

23. 中国优势＝最大工程师群体＋敢想的自信

• 供应链优势的核心是人才组织：“中国有着全世界最大的工程师技术群体，这些人最大的需求，是被组织起来，需要被愿景和远景吸引，形成合力”——从 DeepSeek 到王兴兴，再到几家大模型领头人，共同点是“相信自己能做出最好的东西，而不再相信只是做一个 Me Too 的东西”；“今天美国出现 Copy from China 的时候，大家其实就应该相信，我们就是最好的一批工程师。”

24. 张献涛登场：从弹性计算到终端智能计算的十二年

• 履历与押注：2014 年加入阿里云，下个月满十二年，前十年做弹性计算这一云计算基础性产品，2024 年起负责终端智能计算；他把算力分成数据中心与终端两个市场，2019 年看到终端机会——“如果能够把云计算成千上万核的算力赋能到一个终端上来”，打破本地“四核八 G、八核十六 G”的固定限制，由此在 2020 年发布无影云电脑。
• 今年年初无影事业部更名为终端智能计算事业部：因为汽车、具身这些终端“算力相对更弱一些”，把大模型能力融合进终端算力，“带来的变化应该会更大”。

25. 阿里云的客户断代史：从中小站长到百模大战

• 阶段线清晰：2014 年前服务中小站长和企业站点托管→2013、2014 年之后移动互联网发展，电商、游戏、互联网金融短时间内可能需要数万核、数十万核→2016、2017 年之后上一波 AI 的训练推理上云→2023 年“百模大战的公司几乎都在阿里云上”——“从互联网到移动互联网，再到 AI 互联网，不同的阶段所需要的算力模式也不太一样。”
• 端侧上云为何到 2019 年才成立：数据中心是几个运维人员通过 Terminal 登录配置，云电脑却要求“和使用一台本地电脑的体验保持一致”——不是算力一致，而是延迟与响应一致；靠网络升级，加上 2016 年开始攻坚、2019 年初步成熟的云端传输协议，那一年才成为终端云计算的“开端或者元年”。

26. 云+端补上的开发者之痛：五小时劝退，五分钟激励

• 秦细数学生开发机器人的痛点：笔记本装双系统来回切、高校给不起强 GPU（学生其实只需要实验课那 8—10 个小时）、命令行“第一次面对一个黑洞洞的窗口，只有光标在那里闪的恐惧感”；无影云桌面加预置镜像后开箱即用——“配置时间从最痛苦的环境配置四五个小时变成开箱后的四五分钟。五个小时可以劝退很多人，但五分钟可以激励更多的人。”
• 实证数据：一场仿真比赛约两个微信群、190 支团队，约 60 支使用无影云，“人均几百块钱就可以把一个比赛跑完”；培训实验课成本压在 200 元以内。张献涛的产品逻辑很朴素：“有这么多客户跟我们提这些需求，我没有理由不开发一个让他们好用的产品”——大概从前年开始做出可被集成进网页和 App、开箱即用的 AI 工作站。
• 云桌面的协作外溢被秦讲得具体：把研发现场保留在云端，异地同事登录即见现状并接续工作；给实习生非生产环境的探索权限；回家不带电脑、手机登录也能应急——三层结构（集群型 GPU、云桌面、较低体量的云电脑）“完整地补全了从大 B、中型开发团队到个人开发者的三角形支撑体系”。

27. Token 经济：AI 的水电与阿里巴巴 Token Hub

• 阿里上月成立 Token Hub，把集团内与 AI 相关的组织放在一起，例如通义实验室的千问基模团队、悟空事业部以及千问 C 端事业部；这“可能是大厂里第一个提出把 Token 放到这样重要位置的组织”。张的判断直白：“现在 Token 的输送已经和家庭使用水电没有什么区别了——Agent 拿着一个 API Key，有 Token 的驱动，它就可以让人或者智能体去做你希望它做的事情。”
• Token 经济的构成：“AI Infrastructure 的效率决定 Token 生产出来的效率和成本”，模型的推理效率同样关键——“从芯片到基础设施到模型，这些都和 Token 在一条线上”；Agent 的 high-level 架构＝Token＋云电脑，往里拆是模型工程、记忆工程、沙箱工程、提示词工程四大块。

28. 小龙虾与个人开发者的胜利

• 张对 OpenClaw 的解读：这是一个个人开发者开发的项目，“没有大厂的立场”、开源且中立，“可能是通向未来 AGI 的一个奠基性项目，它可能不是唯一的，但应该是奠基性的项目”；阿里近期发布 ClawCloud，让大众在手机 App 上就能“养虾”——“只有更多开发者参与进来，这个行业才可以更加繁荣。”
• 移动互联网的对照组：2013 年可能还有约 80% 的用户通过电脑参加双十一，2014 年这一数值下降，触发阿里 All in 无线——“有些企业可能就因为没有融入移动互联网，逐渐没落掉了”；开发者规模级涌现在 2014—2015 年，标志性需求来自手游——算力弹性、存储能力、网络每秒包处理量“都呈指数级上升”。

29. 从“入职送 iPhone”到“Token 管够”：2026 像 2014 吗

• 秦的周期判断法最可引用：移动互联网爆发的信号是“做 iOS 入职送 iPhone”——既是工作装备又是变相福利；今天的对应物是“入职这里 Token 无限，或者给你顶配的 Coding Plan 套餐”；等到 Token 和 Coding Plan 变成默认配置、不再是福利，“爆发期就过去了”。
• 张的佐证与判断：前两年 AI 人才入职问“你们有多少 GPU 卡、多少高质量数据”，今年问“Token 是不是管够”；他觉得 2026 年“有这种感觉”——去年是 Agent 元年，今年“应该算 Agent 爆发的一年”，至少是个起爆点。秦补充精确断代：其实是 2014、2015、2016 年（iPhone 6 普及、3G 到 4G 的节点），2016 年之后“入职送 iPhone 这件事就没人提了”，之后已是“移动互联网的后时代，叫短视频时代”。

30. 端云协同进化：机器人的“做梦系统”

• 张的分工框架：云上大模型（延迟高但更聪明、可多模态）做任务分解、规划、决策与环境感知，端上众多小模型像“肌肉记忆”做平衡、行走、关节力控的实时执行；秦的类比是学骑自行车——初学时大脑指挥“往左倒就往左打转向”，端侧模型足够好之后“往前看就好，你一定可以骑好这个自行车”。技术上两条主流链路：端侧蒸馏云端模型，加上云端反馈下的有监督学习。
• 落地案例密集：开源项目 URDF Studio 把机器人图纸变成统一描述文件放进仿真重建，GitHub 群“迅速膨胀到三四百人”，算法工程师“终于不用求机械工程师帮我干这个事了”；配合 AgentBay 调度端侧芯片，白天学技能，休息时由云端智能体监管、给控制信号和奖励函数沉淀知识——“这是机器人的‘大脑做梦系统’”，端云协同进化可能是今年后面开发给很多开发者的核心功能。
• 具体到感知：用千问的 VLM 让机器人对没见过的物体调用云端算力和 Token 识别一次，本地存图记住“这是个麦克风”，“明天它就不需要再去调云端的 Token 了”——Agent 负责“把一种智能翻译成另一种智能，让端侧高效吸收”（卫诗婕的总结）。

31. AI Ready：基建的用户是大模型，不再是人

• 被问“Agent 时代需要什么样的基建”，秦只用一句话：“基建的用户是大模型，而不再是人，仅此而已。”具体动作是给嵌入式、软件、算法、项目经理、硬件产品经理等多个 Agent 做“AI Ready 培训”——RAG 注入加上强化学习，“让它忘掉那些不该记住的能力”；Human in the Loop 持续提升专业度。灵魂拷问保留：“原来都是给人看的文档，你有没有考虑过 AI 的感受？”
• 张给出两个方向：一是把 Agent 造出来（AI Infra 更高效、模型更智能），二是“让数字世界和物理世界对 Agent 友好”——通过 MCP、CLI 把软件和数据能力开放给 Agent 去自进化；他观察到“自进化已经成为 Agent 的标配了”，装上这样的 Skill，“你养的龙虾越来越聪明”。

32. 利他生态、永远的 59%，与三年之后

• 好生态的答案是一个词：“利他。”地瓜的位置天然自洽——“先天就在上游，没有真正和谁竞争，机器人时代来得更早、更快、更猛，地瓜就会发展得更好，利他即利己”；张的视角是产业链够长，灵巧手、关节、本体、模型各擅其长，还没到零和阶段——但他也相信“真正做到最后，会像过去两三年汽车行业发生的事情一样，这是行业发展的必然”。
• 基建进度的西西弗斯答案：“每天都是从百分之五十九攀向百分之六十一……永远都在 59% 和 60% 之间，够用就行，然后赶紧往前跑”——基建永远比业务跑得慢，等大家探索完无限可能，再“归拢、求解出一个最大的公约数”。
• 三年预测收束全篇：秦盼“机器人真的能自进化——真的是做个梦就会变得更好”，在线强化学习让当天见过的东西第二次就做得更好；张判断三年内工业与商用场景大规模应用（家用可能更晚）、Agent 的“灵魂”融入具身本体这一能力未来一到两年可能爆发、本体成本三年后应该比现在便宜至少 50% 以上。秦最后补一笔弱智能“搭把手”的产品观：冲奶、把衣服从篮子里递上来、出门后帮忙关上洗衣机门——“只要成本降下来，弱智能也有发挥空间”；卫诗婕的收束即是节目题眼：弱智能加千姿百态的细分需求属于小型开发者，“我们会迎来一个开发者爆发的时代”。