109. 机器人遭遇数据荒？与谢晨聊：仿真与合成数据、Meta天价收购和Alexandr Wang

摘要

• 谢晨把Meta对Scale AI约150亿美元的实际支付解读为“未来十万亿美元公司的入场券一定要掌握AI数据的能力”。 在他看来，这更像按约300亿美元估值进行的acqui-hire：买的是Alexandr Wang的数据认知、人才网络与组织能力。其“十年后大概率接班扎克伯格”的判断非常激进，依据是Wang可能放弃Scale三五年十倍的上行，转而追求更大的个人impact。

• 具身智能的数据经济与自动驾驶完全倒置：前者必须以合成数据为主，后者则有量产车队持续采集真实数据。 Cruise当年整体约30%使用合成数据；对单个长尾场景，每个可能需要配1,000—10,000条合成数据。谢晨还称，常规场景的合成数据比例超过1:99或1:100的水平。机器人没有百万级存量平台，若主要依赖遥操，商业模式必须先形成正向闭环；谢晨的结论是，“合成数据为主”的路线更可能跑通。

• 仿真的核心指标不是画面逼真，而是增加数据后模型是否提升、训练结果能否真正sim-to-real。 谢晨在Cruise先建评价系统，再用约六个月定位并改进分布、传感器噪声等问题，形成有效方案；他把高效用数据比作“浓咖啡”，强调更少数据也应提供更高信息增量。今天大量仿真则像“喝了会拉肚子的水”，可生成但不可训练、不可部署。

• 具身仿真比自动驾驶更难，瓶颈集中在cross-embodiment、物理交互和视觉在环RL。 汽车本体与地面交互相对单一，机器人却要处理开冰箱、拿吸管、敲键盘等多样交互；真实手能拿1—2公斤，错误的仿真模型可能只能拿0.1公斤。闭环RL还要求单卡并行大量有感知环境，因此准确度、total FPS和反馈回环必须同时成立。

• 谢晨预计具身产业会拆成硬件、foundation model、垂域软硬结合和仿真优先四层。 基础模型层最终可能需要10万张以上的卡、海量数据和全球顶尖人才，大厂最有优势；Figure等垂域公司则以fine-tune和部署兑现价值。中美付费结构会进一步塑造公司边界：美国更适合专业化分工，中国因软件付费弱，可能更多走“大而全”和硬件变现。

• 表面分歧很大的真实数据派与仿真派，正在收敛到Data Pyramid：互联网数据打底、合成数据居中、少量真实数据封顶。 谢晨称，真实与合成数据co-training通常优于单一路线，差别主要落在比例、架构和RL权重上。“好的数据是两个事儿的乘积”：多样性的场景乘以高质量人的示范，而最好的老师最终不是重复示范，而是“出题”让模型用RL攻破。

• 英伟达把仿真视为与数据中心、端侧物理AI并列的第三台计算机，谢晨据此判断其市场可能达到“万亿到十万亿美元级”。 “NVIDIA is a simulation company”延续了从游戏图形到物理AI的底层逻辑；Isaac Sim与MuJoCo的路线又可能通过MuJoCo Warp和Newton逐步汇流。终局模型则不只cross-embodiment，还要“cross-universe”：游戏数据可能成为训练跨世界泛化能力的预训练原料。

• 具身智能仍处于“GPT-1阶段”，尚未找到稳定Scaling Law，但谢晨乐观押注一两年内可能出现突破。 他的依据是人才密度、资本关注和从GPT获得的Transformer、数据与算力扩张经验，都远强于早期自动驾驶。真正需要警惕的不是“早期”本身，而是融资和demo变成团队的“reward model”，让估值替代客户收入与技术progress。

精读

1. 数据荒把仿真推成具身智能的基础设施

• 谢晨把sim-to-real定义为：在仿真中训练的机器人算法落到真实本体和场景时，会遭遇不可避免的gap；合成数据则是通过仿真、算法或两者结合，以程序化方式生成数据。

• 光轮智能采用hybrid路线，重点生成三维、带机器人轨迹乃至人在环的数据，而不只是早期CV中的二维标注图像。

• 公司2023年成立，目前处于Series A，估值未披露；谢晨称公司仍亏损，但“极其接近盈利”。节目把数据视为具身智能训练与规模化中的关键卡点，谢晨也对合成数据有很强信念。

2. Cruise的Matrix证明“看起来像真”不等于可训练

• 谢晨2018年进入Cruise，最初负责高精地图；他称自己用约三个月重做了更新、制作、扩增与质量管线，因此被调去接手直接承受CEO压力的仿真部门。

• Cruise早期找来游戏工程师，基于Unreal等技术复刻旧金山，并把系统命名为Matrix。问题是这些数据无法直接交给感知团队，“更多的是一个看起来很棒的玩具而已”。

• 根本错位在目标函数：游戏团队追求炫和exciting，机器学习团队需要的却是“生成出来喂给模型以后，模型是否有一个有效的提升”。

3. 六个月的破局从评价系统而非生成器开始

• 接手后，谢晨的第一件事不是提高画质或增加数据，而是建立评价系统；有了可测标准，团队才知道sim-to-real gap究竟来自视觉、分布、传感器还是噪声。

• 第一类标准是绝对真实性：将合成与真实数据对标，检查光照、色彩、传感器噪声和标注精度。

• 第二类标准是效用性：数据进入训练后能否提高模型。“你可以买一杯浓咖啡，也可以买一杯兑了很多水的冰咖啡”，未来数据竞争会更看重单位样本的信息密度。

• 团队还用当时较早期的GAN把合成数据迁移到真实风格，例如让天空更灰、传感器噪声更大；约六个月后，这套方案形成了能够提升Cruise感知模型的有效合成数据方案。

4. 一条可用的数据管线必须闭合到质检

• 管线的input包括人工定义或真实观察到的场景，再通过统计、人工和AI手段泛化；自行车、车辆、道路、树木等静态资产与动态行为共同组成世界。

• 传感器仿真把世界转换成从车辆视角观察到的数据，随后自动生成二维、三维乃至四维标注，以及对象语义等信息。

• 谢晨特别强调末端质检：只有自动化检查与人在环检查共同验证输出，数据才能真正支持训练，而不是在生产完成后默认其有效。

5. 长尾场景把一次真实事故扩成一万次实验

• 旧金山的流浪者突然窜出、陡坡和浓雾都很关键，却在真实分布中稀少；缺少样本既无法训练，也难以发现系统级安全问题。

• 对一次行人窜入，仿真可更换年龄、衣着、姿态、车道、交通、天气和光照，把一个样本泛化成成千上万种问题，再让算法在其中运行一万遍。

• 找出失败后，系统利用精确标注把样本喂回感知或预测模型，形成“发现问题—扩增问题—修复模型—再次验证”的迭代回环。

6. 自动驾驶的30%到了具身智能里会反过来

• Cruise当年整体使用的合成数据约占30%；但对一年也难遇几次的corner case，谢晨认为每个长尾场景理想上要配1,000—10,000条合成数据。

• 对常规场景，他还称合成数据比例超过王鹤所说的1:99或1:100水平；这一表述与长尾场景的单场景配比不同。

• 自动驾驶有被发明百年的汽车平台，特斯拉、理想、小米等量产车可持续回传数据；车主承担驾驶，车企主要支付计算与带宽，因此L2+的大盘仍会以真实数据为主。

• 具身机器人没有百万、千万级存量本体在世界中自由运行。谢晨由此判断，产业必须先依赖大量合成数据和少量真实数据，“否则这件事儿的商业模式就不可能成功”。

7. 遥操路线必须先过ROI、地域和组织三关

• 张小珺追问：会不会产业成功本来就要求大量真实数据，而非因为想成功才倒推出合成数据？谢晨承认小场景遥操可能成立，但前提是机器人产生的价值必须形成正向商业闭环。

• 国内主机厂已高度自动化；海外工厂又可能涉及跨州遥操限制、工会与内部politics。外部机器人公司替主机厂部署遥操，并不天然形成正向商业回环。

• 酒店和零售的遥操价值相对成本也未必足够高。谢晨只给特斯拉保留了较大可能性，因为它或可在自己的工厂内部优化流程；全行业以真实遥操为主并跑赢合成数据，他认为“不太可能”。

8. 英伟达让谢晨看见中国量产自动驾驶的机会

• 谢晨从Cruise转到英伟达，是想从单一L4公司扩展到服务量产L2客户，也因为他当时已把英伟达视为“全球最强的硬科技公司”，而非游戏显卡企业。

• 入职前，他以为Orin最大的客户会是Waymo和Cruise；进去后看到前三是“蔚小理”，才意识到几百、上千辆L4车无法匹敌中国量产车。节目中还提到当时一辆车可能配四块Orin，理想配两块。

• 德国、日本车企在高算力芯片上更保守，特斯拉则自研车载芯片，但数据中心仍大量采购英伟达卡。谢晨因此判断中国L2+“遥遥领先”，同时承认特斯拉是最强的特例。

9. L4与L2仿真分别服务强化学习和模仿学习

• L4要在极端情境达到或超过人类水平，较早需要强化学习，因此强调闭环仿真、智能体和闭环效率；L2主要追求拟人驾驶，底层学习逻辑更多是模仿学习，并使用真实日志的大规模回放验证。

• 具身智能也会从模仿学习逐渐转向更多RL，但其RL需求和物理交互需求都远高于自动驾驶，因此不能简单复制车端管线。

• 谢晨还认为自动驾驶团队可能过度扩张；他以特斯拉约240人的团队为例，认为规模过大可能使核心基础算法突破不足，团队陷入模块级优化。

10. 蔚来是创业前的落地站，机器人始终是终点

• 谢晨在蔚来工作约一年半；他入职时已向李斌说明最终会创业，双方预期是先解决问题，再完成交接。

• 约一年后，团队已用大规模仿真评测支持ET7等二代车型；随后半年，他完成transition，并邀请一位原百度仿真负责人接替自己。

• 他最早的创业PPT标题就是“Simulation for Robotics”，甚至早于“具身智能”成为热词。只是当时投资人会问，机器人究竟是扫地机、产线机械臂，还是尚无多少公司在做的人形机器人。

11. 自动驾驶业务为具身转型提供了质量体系

• 光轮先服务量产自动驾驶，用合成数据补充边角需求；谢晨列出的客户包括NVIDIA、Wayve，以及长安、吉利、比亚迪等国内车企。

• 当具身行业从讲故事进入serious development，光轮的首个海外具身客户是Figure，随后包括英伟达Isaac团队、Google DeepMind、国际高校，以及国内的智源、银河通用等。

• 谢晨把自动驾驶视为团队的训练场：它建立了规模化生产、质量管控和高压交付文化，但这些“低位问题”的成功经验不能直接指导更高位的具身问题。

12. Cross-embodiment是具身仿真的第一道墙

• 自动驾驶本体差异较小：车辆基本都有四个轮子，车型变化不改写交互范式；具身模型却理想上要跨不同人形机器人、机械臂等本体。

• 因此，同一任务必须面对不同关节结构、动力学、手形和控制接口。谢晨把目标概括为cross-embodiment，而仿真需要为这些差异提供准确的数据。

• 第二道墙是物理交互：车主要与地面接触，并极力避免碰撞；机器人却必须主动拿咖啡、取吸管、开冰箱、敲键盘，交互类型“千变万化”。

13. 一个冰箱门足以暴露物理Real-to-Sim的难度

• Real-to-sim不是只把真实外观重建为三维模型，而是把真实场景、资产及其物理属性映射到仿真；前提是物理仿真器足够好，且每项资产都带正确参数。

• 仿真中的冰箱可能只是看起来像冰箱，甚至无法开门；即使能开，铰链、力学信息、重量和打开冰箱门所需的力也可能不准确。

• 即便这些信息都有，也可能只有一个单一品种的冰箱，缺少足够多且符合真实分布的资产。因此，团队必须采集真实物理信息并把它放进仿真，而不能只依赖视觉重建。

14. 视觉在环RL把准确度与吞吐量绑在一起

• 模仿学习只需采集开环轨迹：例如人打开一种高瓶子的瓶盖，机器人可模仿该动作，但换成矮瓶或不同旋转方式时，泛化能力可能迅速下降。

• 早期机器人RL偏locomotion，如今则要覆盖全身、尤其是手，并让机器人在视觉在环的环境里观察、试错。

• 谢晨把路线类比为大模型：先有基础模型，再用RL fine-tune。仿真必须闭环、可大规模并行，且单卡能承载足够多有感知环境，否则total FPS不足以完成训练。

15. 好仿真必须像打开水龙头就能喝的水

• 成功仿真的首要标准是支持sim-to-real：仿真训练出的算法能落到真实机器人。为此，资产、场景、solver、API、metadata和训练工具链必须同时正确。

• 现实中的仿真冰箱经常连门都打不开；即使能开，铰链、重量、拉力或品种分布也可能错误。一个视觉漂亮的单品资产仍不足以训练可泛化模型。

• 机器人模型本身也会失真：真实机器人或机械手能拿1—2公斤，进入仿真后可能只能拿0.1公斤；有客户调试超过六个月仍未对齐。

• 谢晨的vision是让高质量仿真“像饮用水一样”人人可得。当前行业虽能大规模产水，但“这些水其实喝了是会拉肚子的”。

16. 光轮把护城河拆成物理重建、solver与落地回环

• 在real-to-sim环节，光轮用AI处理物理采集设备和机器人交互返回的信息，自动估计核心物理参数，再按分布泛化到大量资产与场景。

• 谢晨声称，全球最好的机构所使用的基础仿真原料都由光轮产生，而且光轮是其“唯一的仿真供应商”；这是嘉宾对公司竞争位置的直接表述。

• 在simulation层，光轮利用MuJoCo、Isaac Sim等生态，并基于Warp自研底层solver；Google和NVIDIA既是客户，也是合作伙伴。

• 在sim-to-real层，公司把平台定位成算法工程师的“playground”，持续在G1、H1、Franka和轮式本体上训练、部署，再把真实反馈送回仿真管线。

17. 全栈仿真不是模型公司能够顺手内建的模块

• 谢晨认为仿真需要critical mass。即使Physical Intelligence拥有顶尖具身算法人才，也花了很长时间寻找仿真负责人；他给出的原因是公司对外淡化仿真、内部又强烈需要仿真，人才难以认同这种定位。

• 全栈能力是四项工作的结合：仿真技术、规模化工程、real-to-sim与sim-to-real算法，以及科研团队通常不愿碰的大规模运营。

• 物理信息采集要有人参与，质量验证也无法完全自动化。“人是真正提升数据质量的核心标准”，这也是他解释Scale数据为何越卖越贵的逻辑。

18. Meta买Scale被解读为购买AI时代的原料能力

• 谢晨称Scale交易对应约300亿美元估值，Meta实际支付约150亿美元；他认为这更像acqui-hire，重点是核心人才，而非完整团队本身。

• 他的类比是：若十年前微软CEO知道今天AI的发展，最想买的会是NVIDIA，因为算力是大模型的关键能力；向后看十年，Meta缺的基础原料则是数据。

• 因而他的核心判断是：“未来十万亿美元公司的入场券，一定要掌握AI数据的能力。”Alexandr Wang带来的不只是数据生产，还包括认知、人才组织与客户关系。

19. Alexandr Wang接班论建立在“放弃十倍上行”的假设上

• 谢晨进一步推测，若扎克伯格十年后退休，“大概率会是Alexandr Wang”接班。张小珺当场追问“真的吗”，谢晨明确承认这是基于自己2018年以来对Wang的观察。

• 他的论证是：Scale原本可能上市，按谢晨的个人预测，三五年内从300亿美元升至3,000亿美元并非没有可能；Wang却接受接近当前估值的交易，不像为了退休或套现。

• 若Wang把Scale从300亿推到3,000亿美元，增量约2,700亿美元；若作为Chief AI Officer把Meta从一两万亿美元推向十万亿美元，潜在impact则是八九万亿美元。

• 谢晨形容Wang“极其aggressive、极其push”。这项接班判断并非既成事实，而是从其野心、个人价值追求和Meta职位安排推导出的高强度猜测。

20. Meta的数据与人才问题解释了它为何需要外来组织者

• 谢晨称Meta并非Scale最top three的客户；Scale会把最核心的数据生产人员锁给付费最高的客户，因此Meta拿不到最好的数据，也难训练出最好的模型。

• 他同时推测Meta内部AI组织存在“不够卷”和效率问题，需要外部领导者重新组织人才。

• AI人才获取依赖relationship。Wang长期服务OpenAI、DeepMind、Meta等客户，知道最关键的人是谁，也能利用既有信任招募；谢晨认为，他加入后迅速挖人就是价值开始兑现的表现。

21. Sim-to-Real gap不会消失，只能被持续测量和压缩

• 谢晨承认，从第一性原理看，合成与真实之间“一定会存在一个gap”；关键不是宣称消灭差距，而是知道差到什么量级时数据已经有用。

• 合成数据公司若只交付数据、把训练留给客户，就无法知道缺口在哪里。它必须自己做算法落地，随时把仿真训练结果部署到真实机器人上。

• 改进也必须分层：real-to-sim提高参数多样性与准确度，simulation增强solver，sim-to-real提高泛化和有效性，再由真实部署反馈继续迭代。

22. 具身产业会拆成四层，而非由一家公司通吃

• 谢晨把具身形容为同时发明“下一代汽车平台”和其上的L4、L5算法；两件事都极难，因此一家公司全栈完成的概率有限。

• 第一层是机器人、灵巧手和数据采集设备等硬件；第二层是foundation model；第三层是在具体垂域进行软硬结合与部署；第四层是以仿真为中心的端到端基础设施。

• 这四层并非严格隔离，但各自承担不同职责：硬件提供本体，模型提供“大脑”，垂域公司负责软硬结合与落地，仿真公司负责real-to-sim、simulation和sim-to-real。

23. 宇树借学术生态把本体变成事实标准

• 谢晨把宇树视为硬件层最有代表性的公司：它先向全球学术和研究机构提供机器人，让顶尖实验室基于其本体发表论文。

• 这些实验室的毕业生进入产业界后，会把既有工具、认知和使用习惯带进去，于是学术渗透逐渐沉淀为产业标准。

• 除整机外，灵巧手和数据采集硬件也属于这一层；核心竞争并非只卖出设备，而是让设备成为算法研究默认使用的平台。

24. Foundation model层最终拼十万张卡、数据和顶尖人才

• 谢晨列出的独立模型公司包括Physical Intelligence与Skild AI；前者公开呈现为以真实数据为主，但谢晨强调其内部也希望使用仿真；后者更强调仿真，两家在公开方法上存在明显差异。

• 大厂内部的英伟达Isaac团队和Google DeepMind具身部门也属于这一层，相当于机器人的“大脑”。

• 他判断基础模型最终“肯定会用到十万张以上的卡”，同时需要海量数据和全球最好的人才；三项条件结合，使大厂在模型层具有显著优势。

25. Physical Intelligence的矛盾暴露了真实数据路线的规模瓶颈

• 谢晨认为PI更像由两位教授打造的顶尖实验室，主要目标是寻找具身算法与数据的配方，而不是立即完成硬件、大规模部署和商业落地。

• 因为仿真更直接服务规模化，它在创始层的优先级不高；但内部研究者知道仿真重要，持续要求补齐能力，形成“对外不信、对内招人”的张力。

• 谢晨形容PI通过Airbnb租用旧金山的公寓，让人在真实家庭场景采数据；即便如此，公寓数量和场景分布仍远远不够，继续扩张会产生高昂租金与运营成本。

26. 好数据是场景多样性与高质量示范的乘积

• 谢晨的公式是：“好的数据是两个事儿的乘积。”第一项是数学、编程、法律、医学等多样场景，第二项是高质量人的示范。

• 他把模仿学习阶段比作普通老师做示范；更高阶的RL阶段则像最好的老师“出题”，让模型反复尝试并攻破任务。

• 现实遥操场常停留在tabletop：桌上摆苹果、瓶子和水壶，或搭一个宜家式样板间。数据量可以很大，但场景单一，泛化能力有限。

• 合成数据也要支付场景建设成本，但其“租金”主要是算力；同一批场景可以并行生成大量数据，这是规模化扩充分布的核心优势。

27. Figure与特斯拉代表垂域软硬结合的高估值路线

• 谢晨把Figure定义为垂域落地公司：先进入主机厂，未来可能拓展到Amazon式fulfillment center；家庭叙事在他看来“可能有很多宣传成分”。

• Figure可能基于foundation model进行fine-tune，再以自研硬件完成sim-to-real。节目中称其上一轮估值约300亿美元。

• 谢晨把特斯拉的Omniverse也归入这类垂域软硬结合公司，并推测它可能使用xAI的基础模型，而不是特斯拉自己的基础模型。

• 他还提到The Bot Company及Dyna Robotics：前者瞄准家庭，后者从机械臂在餐馆叠餐巾等单一task切入。

28. 中美付费结构会决定公司边界

• 张小珺追问软硬结合是否更该搬到中国。谢晨认为美国仍有窗口：部分公司可以利用中国产业链，Figure、特斯拉则可能因国家制造需求保留少数全栈自研机会。

• 美国用户愿为AI和自动驾驶支付较高价格；他举例称GPT Premium版本可达每月200美元，从旧金山打车到硅谷也可能超过100美元，因此美国更容易形成专业化分工。

• 国内大模型往往免费，软件付费能力较弱，企业更可能通过硬件收费，于是公司形态集中在机器人硬件和围绕硬件的“大而全”软硬结合。

• 国内“大脑”仍可能来自银河通用、字节、小米、理想等团队，也可能采用海外基础模型，再用垂域真实与合成数据fine-tune并部署到自身硬件。

29. Data Pyramid正在让真实派与仿真派殊途同归

• 一条公开路线以遥操真实数据和模仿学习为主，最后加入少量RL；另一条以仿真为中心。但谢晨观察到，头部团队内部越来越多遵循Data Pyramid。

• 这座金字塔底部是最大量的互联网数据，中部是合成与仿真数据，顶部是最少量的真实机器人数据；概念由朱玉可提出。

• 谢晨称，一些公开表示“合成数据有毒”的客户实际上也在使用合成数据；真实与合成进行co-training后，通常会得到更好的落地效果。

• 真正尚未收敛的是比例、算法架构和RL权重：多数团队仍以模仿学习做demo，少数领先机构已尝试用RL fine-tune VLA。

30. 英伟达的第三台计算机把仿真抬到战略层

• 谢晨回忆黄仁勋在内部说过：“NVIDIA is a simulation company。”游戏图形本身就是服务人的仿真，物理AI只是把目标从炫和有趣改成准确与可落地。

• 黄仁勋提出的“three-computer problem”包括数据中心计算机、车与机器人等端侧物理AI计算机，以及simulation计算机。

• 谢晨由三者并列推断，英伟达认为仿真市场可能与前两者相当，达到“万亿到十万亿美元级”；这是他的市场判断，而非节目给出的行业统计。

• 一个完整仿真栈包含physics solver、rendering、sim-ready assets与场景，以及API、framework和工具链，“仿真不等于仿真器”。

31. Isaac Sim与MuJoCo可能汇入Newton开源生态

• Isaac Sim基于PhysX物理引擎和Omniverse渲染管线，物理与视觉结合是其优势；MuJoCo则有solver和API，渲染相对较弱。

• 谢晨认为PhysX存在年久失修的问题：它原本服务游戏，代码基于CUDA，面向具身优化和维护都比较困难。

• MuJoCo原本运行于CPU，团队曾用JAX重写GPU版本MJX；但他称不少开发者不喜欢JAX，维护生态受到限制。

• 下一步可能是双方以Warp重写MuJoCo solver，形成MuJoCo Warp并进入NVIDIA Newton。Newton将完全开源，光轮也能从自研Warp模块向两边贡献代码。

32. 游戏数据把模型目标推向跨宇宙泛化

• 谢晨称，自然语言大模型已经基本穷尽互联网数据，“GPT-5最大的这个数据量一定是合成数据”；他也把GPT本身视为持续生成自然语言的合成数据机器。

• 具身VLA需要的则是三维、机器人视角、多传感器并带动作轨迹的数据，结构远比纯文本复杂。

• 游戏数据质量未必足够高，但世界和任务高度多样，适合预训练。DeepMind等机构可让agent在不同游戏中产生第一视角数据，再用于提升模型泛化。

• 不热门、商业价值低的游戏也可能成为训练资产。谢晨把终局概括为“cross-universe, cross-embodiment”——模型不仅跨本体，还要跨世界。

33. 具身仍在GPT-1阶段，但一两年出现Scaling Law并非不可能

• 谢晨判断行业仍处于“GPT-1阶段”，尚未找到稳定Scaling Law：继续增加数据与算力，还不能保证模型表现持续提升。

• 他以特斯拉FSD为例：早期增加数据曾遇到瓶颈，端到端架构打通后，数据扩张才转化为稳定提升，这才是关键的“Scaling Law moment”。

• 自动驾驶从成立到FSD可能用了约十年，但他认为具身不必再等五年或十年，因为PI、英伟达Isaac团队、DeepMind等创始团队一开始就拥有接近Andrej Karpathy级别的人才。

• 张小珺提醒多模态Scaling Law仍未完全解决；谢晨以端到端自动驾驶的视觉能力回应，并给出带条件的乐观判断：“如果乐观来讲”，一两年找到具身Scaling Law“完全没有问题”。

34. 真正的泡沫风险是融资成为团队的Reward Model

• 谢晨不认为“早期”就等于泡沫，因为人才、资本和从GPT获得的Transformer、数据及算力扩张经验，都可能显著缩短探索周期。

• 他担心的是团队过度关注融资额和估值：若奖励来自演讲、demo和吸引投资人，这些行为就会成为组织的“reward model”，技术progress反而退居其次。

• 他更相信公司从第一天就应“服务someone else”，让客户付费成为价值反馈，再由真实交付驱动团队继续进步。

• 谢晨称光轮的投资人基本都是主动接触，包括辰韬资本、陆奇、无限基金的王玉和华东；但公司希望把融资放在progress之后，而非作为主叙事。

35. 第一个付费客户迫使团队放下经验并重新学习

• 光轮于2023年1月创业，约到当年9月或10月才获得首个付费客户；前六个月最难的是打通外部接口、取得反馈，并让客户持续复购。

• 谢晨与高中同学共同创业，Cruise CEO曾称他为“execution machine”。他的信念是“自己先跑起来，跑得足够快，才能把周围的人带起来”。

• 转向具身时，他一度相信自动驾驶经验足以定义问题，后来发现认知与真实需求完全不同，于是以“小白”心态从本科生、博士生、教授一路访谈，累计交流大几十人并重读大量论文。

• 光轮最终希望成为全球具身仿真的标准，而不只是一家供应商：仿真既要成功实现sim-to-real，也要accessible。“仿真一定会成为整个具身落地最核心的关键点”，是谢晨所谓的full conviction。