黄晓煌

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。

🔗 原始收听与视频来源： 70.杭州六小龙第一股，与群核黄晓煌的访谈：一家硬科技公司的15年进化史

群核上市讲的不是“十五年押中一个风口”，而是沿着同一技术主线连续换场景、换商业模式，并活过每轮周期。 黄晓煌从2011年把GPU搬上云出发，先讲O2O、再卖SaaS、做工业软件和出海，如今转向空间智能；他的底层判断是中国赛道约三到五年就可能翻转，“活得久比活得亮眼更重要”。

早期SaaS表面上收月费、年费，底层GPU却按次产生真实成本，使群核提前遭遇今天AI的token经济学。 当时一次操作可能消耗约1元算力，广告主却只肯为曝光付几分钱，数千万元广告收入仍然亏损；群核只能限制图片尺寸、把重计算排到夜间，直到市场接受按量付费，黄晓煌才觉得“很难解开的枷锁终于被打开了”。

大厂竞争让黄晓煌把“核心算法就是壁垒”的判断，改写成算法、数据、网络效应和客户服务的组合。 群核渲染引擎团队除主管外一度几乎被整体挖走，技术也被照着复制，他因此认为纯算法像“一层窗户纸”；但随后又因轻视算法而错过积累，最终修正为“算法是发动机，数据是燃料，你都得有”。

2023年以来，群核正以传统SaaS业务的收入和组织为基础，投入一套以空间模型为核心的新底座。 做算法和模型的团队从2023年不到10人扩至约60人，算力一年投入数千万元；同时用AI压缩传统前后端成本，把定价从包年包月推向卖token、渲染量和计算量，过程遭遇客户、业务团队和股东的共同阻力。

空间智能押注的关键不是机器人热度，而是3D重建与生成能否成为大模型理解物理世界的通用层。 群核选择可测量、可交互、能表达距离与遮挡关系的3D路线，而Google、Veo 3、Seedance 2.0等所代表的视频路线更灵活精美；黄晓煌承认两项核心不确定性：“模型能做多好”，以及视频路线会不会最终替代3D路线。

新业务已有算力增购约占收入5%，但黄晓煌给出的商业化目标仍很克制：三年内让算力型收入与月费、年费SaaS收入达到1:1。 机器人“大脑”仍像十年前的自动驾驶，未来方向明确、落地时间不明；群核因此把同一能力同时卖给具身智能、工厂规划、AGV、影视、电商等场景，因为“屠龙之锤”不能只对应少数小钉子，而且公司已经过了纯烧钱阶段，“你得有利润”。

“杭州六小龙”对群核最现实的作用，不是立即带来收入，而是同时改善人才供给和组织许可。 2025年收到的简历较2024年约增9倍，海外简历约增20倍，黄晓煌本人几乎放下业务、全年招聘；此前质疑“自己训练模型，不看看自己几斤两”的股东和业务同事也降低了阻力，而他的阶段性使命是让空间智能最终贡献公司一半收入。

🔗 原始收听与视频来源： 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

核心判断：AI消灭了SaaS的know-how壁垒。 黄晓煌的原话：“原来做软件很重要的壁垒是把行业know-how写成代码……这一波AI出来之后，这些know-how直接能够被计算机理解，还能直接生成代码，这些活没必要人再做了。“群核2023年起把战略从建筑/家居信息化SaaS整体转向智能化世界的基础设施——合成数据训练、数字孪生建模、机器人管理；流程式管理软件很难，建筑工地管理等流程式项目"肯定没有前途”。

“GPU超过CPU，这是物理规律”，为期二三十年——读书时被黄仁勋和David Kirk"天天洗脑"后从未怀疑：CPU主频2-5GHz二十年不动，摩尔定律只能靠几千上万核横向延续。 对照物是风口：“今天这风口明天那风口，一年一个变，追这个没什么意义。“同一逻辑的推论：算力提升必有新应用涌现，“跟基因突变一样，你永远不知道，但你的算力得有”。

“机器人行业肯定不是泡沫”，人形机器人是"制高点”（类比自动驾驶的L4），但"短期行不行我不确定”；确定的是所有机器与设备的智能化，从指令式变任务式。 合成数据从被机器人公司普遍质疑（“你合成的东西是假的怎么训练”）到逐渐被接受，转折点是疫情期间硅谷巨头看到论文和开源训练集InteriorNet后主动付钱上门，“手把手教我们怎么训练”。

开源是地缘对冲工具。 SpatialLM开源的一个动机是DeepSeek带来的启发（“全人类的智慧还是比你一家公司来得关键”），另一个动机是封锁预案：“万一中国被封锁了AI，我通过海外分公司训练模型，开源出来国内继续用——完美的绕过了小院高墙。“开源模型不考虑商业模式；老业务从卖账号向卖算力过渡，机器人合作按合成三维场景数量收费。

AI生态判断：卷基模没意义，做应用的太少。” 大量公司在卷基础模型，钱都没赚到，这不是一个健康的生态”——如同移动互联网时代所有人卷应用商店没人开发应用。能成的应用是Cursor式"解决原来解决不了的问题、把高成本任务做得很低很快”，靠流程know-how的管理类应用会被AI生成代码轻松替代。

创业筛选器只有两条：真的有社会价值且自己认可，加自己真的喜欢。 据此拒绝了装修贷款和供应链等赛道（“让我雇个人蹲在人家门口催债，这我做不出来”），躲过了不少互联网金融等赛道的坑；也承认做不了内容社区：“做不了小红书”，内容质量无法量化，“像在管理一群语言不通的人”。

人才观：聪明+动手快，“一个顶十个”。 面试现场甩一篇论文当场改进，不要求经验，“本科辍学我都能接受”；DeepSeek成了励志故事——“以前他们说你钱投的不够多，现在是你人不行，聪明人比卡更多更管用。“与DeepSeek团队平时有交流，最好的轶事是：“以前一直以为他们是炒股的，他们以前一直以为我们是做装修的”。

财务底盘撑住了转型：2016年现金流打平，2017年约四五千万现金流，买卡是人工外最大开支但由经营现金流cover。 转型代价是与股东死磕估值——“智能化系统两倍PS还是二十倍PS，我哪知道”——最终部分靠利益解决：“你能用利益解决的问题都是小问题。”

🔗 原始收听与视频来源： Vol.172 专访群核科技黄晓煌：一个技术创业者的14年