*本文為「三聯生活週刊」原創內容
作為在國內第一波具身智慧熱潮中創立的公司，星海圖四個創始人，少見地全是“90後”，都有海外學習或工作經驗。2023年，他們合力開啟學生時期就想做的機器人事業，並把這當作可以“做一輩子的事”。儘管當下，通用人形機器人的技術路線還未聚合，距離終點有多久還很不明朗。但我們想記錄下，在對技術的信仰下，人類通往機器人之夢的一個側面。
記者｜李曉潔
圖｜黃宇
3月中旬的一天傍晚，接近7點，北京市海淀區東昇大廈6樓，星海圖人工智慧科技有限公司（簡稱“星海圖”）裡的燈還全亮著。公司最左側搭建了一個廚房場景，兩個灰黑色的人形機器人靜靜站在飲水機和櫥櫃前。右側辦公區，三四個員工坐在電腦前打字，還有幾個人站在一塊白板後的窗邊閒聊。他們看起來都很年輕，讓人分不清是剛畢業工作，還是在校實習生。
“看起來大家都下班了，只有幾個人在加班。”帶著這樣的想法，我走進會議室見到了我的第一位採訪物件，星海圖聯合創始人許華哲。兩個小時後，臨近晚上9點，我從會議室出來，燈依然全亮著，但幾乎每臺電腦前都坐著人，盯著滿是程式碼的螢幕，空氣似乎都變稠了一些。左側一個數據採集室裡，年輕的員工把手放在類似遊戲手柄的裝置上，遙控操縱著前方一米外的機器人手臂，帶著夾爪的機械臂跟著他的動作向前伸出一道弧線，然後落下，瞄準目標方塊後抓取、放到另一個指定位置，如此不斷重複——原來機器人和人類都在加班，傍晚只是中場休息。
這種加班場景，在創業公司十分常見。聯合創始人許華哲也經常在辦公室待到晚上11點多。許華哲今年32歲，微胖，嘴角總帶著笑意。他正被北京春天的圓柏花粉過敏折磨，大部分時間戴著口罩。他告訴我，公司員工、包括四位創始人在內，基本都是“90後”，這是一家以年輕人為主的創業公司。但早在10年前，幾位創始人就有了機器人、人工智慧相關的海外學習、工作經驗。
以CEO高繼揚為例，他2015年在清華大學電子工程系本科畢業後，用了三年半時間，獲得美國南加州大學計算機視覺博士學位，之後在Waymo和國內Momenta兩家行業領先的自動駕駛公司工作。另外兩位聯合創始人趙行、李天威分別是高繼揚在兩家智駕公司時的同事。其中趙行離職Waymo後，進入清華大學交叉資訊研究院擔任助理教授，之後與加州大學伯克利分校博士畢業、回清華任教的許華哲成為同事。四人因為工作，在不同階段結識，有相似的創業目標，又有各自擅長的技術方向，因此在2023年初，高繼揚提出創業後，幾人陸續加入，當年9月註冊了星海圖。
如今，這家成立一年半的公司，釋出了自研的三款機械臂，兩款仿人形機器人R1、R1pro，融資總額接近10億人民幣，成為當下這波具身智慧（Embodied Intelligence）創業熱潮中，融資排名靠前的一員。日常，許華哲和趙行除了在清華教課、做科研和實驗，其餘時間就在北京海淀區的辦公室，負責機器人的演算法、軟體類研究。CEO高繼揚和李天威在蘇州總部，負責機器人供應鏈、本體交付的硬體工作。
許華哲記得，就在三年前，他剛回國任教不久，具身智慧還不是一個被廣泛接受的詞。他寫論文用中文提到“具身智慧”概念時，還有人認為這是硬造詞。如同1956年，“人工智慧（Artificial Intelligence，AI）”這個概念第一次被約翰·麥卡錫提出時的質疑一樣——“當時沒人真正喜歡這個名字，畢竟我們的目標是‘真正的’智慧，而非‘人工的’智慧，但是我必須給它起個名字，所以我稱之為‘人工智慧’。”麥卡錫在傳記中回憶。
而當下，具身智慧越來越熱，尤其是今年全國兩會期間，具身智慧首次被寫入《政府工作報告》，與量子科技、生物製造、6G等產業一同列入未來重要的產業方向。近兩年，與星海圖相似的初創具身智慧公司大量出現，被稱為第一波具身智慧創業熱潮。根據科技智庫“甲子光年”的統計報告，截至2024年底，國內有超100傢俱身智慧相關企業，融資總額超過百億元。
“我覺得現在提起具身智慧，大家都興高采烈。”許華哲說，他看到幾乎所有以前做AI的，包括演算法模型和自動駕駛車廠的人都想要加入進來，人才密度特別高。2025年剛過去三個月，又有一撥公司成立，“比想象中要擁擠”。這讓他想起自動駕駛出現後的2016年、2017年，當時他剛去加州大學伯克利分校讀博不久，自動駕駛是學界、業界一個熱門方向。也在那幾年前後，他和星海圖其他幾位聯合創始人，慢慢明確各自的創業想法。
如果你讀過美國作家艾薩克·阿西莫夫的科幻小說，一定有印象，他的小說裡，機器人會以動物、汽車或人形等各種形態的高智慧體出現，跟人類的關係密切而微妙。許華哲第一次對智慧機器人產生興趣，就是高中時接觸阿西莫夫的小說。“我覺得如果能做一個書裡那樣的智慧機器人出來會非常有趣，但當時我根本不認為自己有生之年能看到這樣的智慧機器人，我以為要等100年。”
第二次接近智慧機器人，是他2015年在清華大學電子工程系讀大三，有機會去多倫多大學交換一學期。當時他的導師剛從麻省理工學院（Massachusetts Institute of Technology，MIT）畢業，年輕的女老師帶他做專案，比如拍一張照片，讓計算機去數照片中的大樓有多少扇窗；比如用計算機做“汽車品位的排序”，透過人工智慧演算法，給不同特點使用者推薦不同顏色和外形的汽車。這些專案讓許華哲意識到計算機神經網路的強大，它有能力做出判斷、選擇。那是不是說明，機器也可以透過訓練，做出智慧的決策？
那次交換的經歷，開闊了許華哲的視野，影響了他之後的選擇。他從那些技術反饋中，感受到一種興奮和模糊的未來。“原來程式碼不僅能寫什麼圖書館管理系統，不只是無聊排序，竟然還能在圖片、影片上有這麼生動的呈現。”許華哲說，那是他除了刷題得高分外，第一次在技術應用上感到如此直接的快樂。他決定去國外讀博，研究人工智慧。
2016年，許華哲到了加州大學伯克利分校。加州大學伯克利分校是研究人工智慧、機器人學習的重地，當年剛好成立了人工智慧研究實驗室（Berkeley Artificial Intelligence Research，BAIR）。許華哲的導師特雷弗·達雷爾（Trevor Darrell）就是BAIR的發起人之一，主要研究方向是計算機視覺語言。博士一年級時，特雷弗鼓勵許華哲開闢新的方向，研究自動駕駛。幾個月後，許華哲作為第一作者，寫了一篇如何從視覺角度，透過深度學習實現自動駕駛的論文，被錄取為2017年計算機視覺領域的最高級別會議之一IEEE國際計算機視覺與模式識別會議（IEEE Conference on Computer Vision and Pattern Recognition，CVPR）的Oral論文（最高級別論文）。
2016年是自動駕駛熱度最旺的時期，國際上各大車企都在做自動駕駛技術研發。包括網約車平臺，Uber與老牌的戴姆勒汽車集團共同開發無人駕駛汽車；國內的滴滴出行也開始組建自動駕駛公司。在學術界，各個高校實驗室也積極投入研究，認為自動駕駛是當年人工智慧起來後，最重大的可落地智慧應用。不少人把自動駕駛，當作四個輪子的路面機器人，因為它可以藉助視覺、感測器等技術理解路面環境智慧移動，有很大的產業空間——如同今天的具身智慧熱潮。
同一時期，星海圖另外幾位聯合創始人，正充滿信心地投入自動駕駛研究。
比許華哲大兩歲的趙行告訴我，他2014年開始在MIT讀博，做計算機視覺和多模態研究，同時接觸了機器人和自動駕駛方向。2015年，趙行聯合導師開發了校內第一門自動駕駛課程，之後課程被推廣到其他十餘所高校。“我覺得自動駕駛是非常好的行業，雖然它後來發展起起伏伏，但從社會價值來看，無論是政府、學界還是產業界都認可這件事。一項技術驅動的產品，有商業價值，並且長期有社會價值，這就是我想做的事情。”因此，2019年博士畢業前，儘管有Facebook、OpenAI等機構邀請趙行，他還是決定投入產業，加入知名的自動駕駛公司Waymo做研究科學家，他在那裡認識了高繼揚。
至於創業這件事，幾位創始人都是在學生時期萌生的想法。高繼揚接受媒體採訪時曾說過，他在清華讀本科時，就“一直琢磨屬於我們這代人的機會到底是什麼”。當時（2011～2015年）是國內移動網際網路最風生水起的時候，“看著網際網路巨頭覺得很牛，但也明顯感覺到網際網路不是我這一代人的機會，直到大四接觸到AI深度學習，我很感興趣，覺得這能徹底改變世界，因為它跟網際網路不一樣，網際網路改變了生產關係，而AI讓生產力再次得到提高”。
“想要改變世界、實現個人價值”，類似的話，我也在許華哲和趙行口中聽過。這群來自中國頂尖高校的學生，似乎更自然地擁有這樣的熱情和衝動。尤其在2015年前後，國家出臺政策，鼓勵大眾創業、萬眾創新，鼓勵運用網際網路和開源技術，構建創新創業平臺，也引導機構投資科技型中小企業。清北校園裡，常有學生在大大小小、不同的領域創業。
稍有區別的是，星海圖這幾位聯合創始人更在意技術驅動的長期創業，而不是以產品是否有噱頭為先。趙行曾在讀博士的頭兩年，以首席科學家的身份與同學聯合創立一家人臉情緒識別的公司。用計算機視覺技術，判斷、蒐集人在觀看廣告時的反應，據此資料對廣告內容做評分，再把這個資料反饋賣給廣告公司。大約一年後，趙行離開了公司。“我覺得技術太薄了，我還是對硬科技有嚮往，希望能做長期規劃、技術支撐的事業。”之後，四人陸續回國，想在國內最大化實現個人價值。
最先感到創業時機來了的是高繼揚。1992年出生的他看起來沉穩老練，說話語速很快，左側頭髮常年有一縷自然白。高繼揚很早就在為創業做準備，他用極快的速度，三年半讀完博士，畢業後在Waymo和Momenta的兩段工作都有明確的目標——Waymo鍛鍊技術能力，後者學習量產交付和管理團隊的能力。隨後他也確實完成了目標，有自己的技術成果和管理百人團隊的經驗。
2022年底，高繼揚覺得做AI機器人的時機來了。這除了與他自身能力提升有關，也有大環境的因素。那一年，國際上先是有Figure AI這樣致力於通用人形機器人的公司成立，迅速獲得關注和融資，特斯拉也在9月釋出第一代人形機器人Optimus。而年底ChatGPT的爆火，讓世界看到大語言模型的成功，似乎只要資料量增大，模型的智慧程度就跟著增大，有無窮上限。而在國內，關鍵零部件供應鏈不斷成熟，價格優勢等，正在縮小中美差距。高繼揚決定，在Momenta做完最後一個產品交付後離職創業。
幾個月後的2023年，徹底解除疫情封控後不久，趙行和許華哲也有了迫切想要創業、時不我待的心情。許華哲記得，他在加州大學伯克利分校的導師經常說，“不要等待一艘已經離開的船”。意思是無論做研究還是創業，不要做別人已經做到頂點的事。而2023年，具身智慧的船可能剛開始搭建。許華哲回看2016年前後國內成立的自動駕駛公司，雖然也經過寒冬、淘汰了一批企業，但最終活到現在且活得不錯的幾家，還是最開局就進來的人。“他們做得早，積累了各種資料、客戶壁壘，寒冬一過可以迅速復活，具身智慧也是一樣，再等幾年，機會就少了。”所以當2023年中，高繼揚陸續找到互相認識的幾人討論創業後，幾乎沒什麼猶豫，四個“90後”創業團隊就成形了。
“從成立開始，我們就有共識，要以技術驅動為核心，做一家‘鏈主’企業。”許華哲向我解釋，“鏈主”意味著全產業鏈的主人，星海圖希望最終能自研本體的各個零部件、製造本體，同時研發出演算法模型，訓練機器人在物理世界做各項任務，有直接把整機產品交付給客戶的能力，不被產業鏈上任何環節鉗制。“就像汽車行業裡的比亞迪、特斯拉，而不僅是供應商。”
但剛開始創業，距離“鏈主”還有很長一段路，要先從哪兒開始？星海圖經歷了兩三個月的探索期。
作為CEO的高繼揚是四人中最有產業管理經驗的角色。他務實，非常在意商品的成本、收益，以及可落地性。他在不同場合對外提到過“失效成本”的概念。他常用Robotaxi（自動駕駛出租車，類似於國內的“蘿蔔快跑”）舉例，假設它失效一次，發生碰撞，大概要賠償幾萬到幾十萬美元不等，而ChatGPT失效一次，成本僅僅是浪費了使用者20秒時間，失效成本很低，收益才能為正。
而星海圖剛註冊時，具身智慧創業熱潮還未顯現，加上疫情後經濟大環境欠佳，高繼揚和夥伴們不確定市場是否看好具身智慧，所以選擇偏保守，決定先發揮自動駕駛背景優勢，在小區、園區內做一個有手臂的物流機器人，幫助使用者送餐、送貨上門，獲取收益，同時有資料反饋。做通這個場景之後，再擴大業務。
但很快，他們發現具身智慧“是一個比想象中更大的事業”。首先是融資市場反饋很好。2024年1月，星海圖完成天使輪第二輪投資，獲得IDG資本、BV百度風投等機構投資的幾千萬美元。另外，他們發現美國新成立了一家叫作Physical Intelligence的、致力於機器人大腦研究的公司。創始人中，加州大學伯克利分校教授謝爾蓋·萊文（Sergey Levine）、前谷歌AI研究員切爾西·芬恩（Chelsea Finn）都是他們當年在海外讀書時非常熟悉的師長級別人物，這給了他們更多開拓的信心。
星海圖迅速轉變。2024年初，他們決定不侷限於一個業務，同步研發機器人本體、演算法模型和擴大商業場景。同年3月，北京辦公室投入使用。“終局來看，我們想做出一個通用具身大模型VLA（Vision Language Action），類似於現在的ChatGPT，你輸入一個文字或圖片指令，機器人能直接做出反饋，不過是動作上的反饋。”趙行說。
“放可樂。”
“放雪碧。”
“拿最近的碗。”
“清掃垃圾。”
在一個廚房桌面前，工作人員直接跟機器人說話、下指令，機器人一邊語音回覆“好的”，一邊完成任務，在聽到“停止工作”的聲音後，垂下雙臂靜立。
這是星海圖今年3月下旬釋出的一則一鏡到底影片，影片中灰黑色的機器人R1，是去年初公司決定轉向後，花了半年左右做出來的完整本體，除了晶片外，90%以上全自主研發。R1不同於雙足人形機器人，下肢選用了輪式360度底盤。“我們現階段客戶所在的工廠、園區，絕大部分都是硬化路面，輪式可以走得更穩更快。而且目前對機器人上半身操作能力需求更大，這樣的輪式便宜、落地快，是現階段最理想的商品形態。”許華哲說。
如果仔細看這則影片，會發現左上角備註“端到端VLA模型驅動”。這是星海圖的技術目標，希望研發出一個類似於大語言模型，但能讓機器人在物理世界執行任務的具身智慧大模型。換句話說，只要有了這個模型，未來智慧體可以是任意形態——人形、輪式、四足……
那麼，什麼是端到端的方法？許華哲以機器人伸手抓水瓶為例解釋，傳統的分層方法，可能是把這個行為分為四步：機器人先檢測水瓶在哪兒，再判斷位置，然後伸手到附近，最後抓取。每一步都需要寫一個規則，這很容易造成規則的堆疊，從而每一步都產生小的誤差。而端到端的方法，不去寫過多規則操縱機器人，而是讓它透過大量資料學習，最終直接執行抓瓶子的任務。雖然作為觀眾，我們看到這個動作都是一樣的，但端到端的上限更高，機器人可以自動校正誤差，有點類似ChatGPT與人聊天時，可以不斷校準自己的回答。
聽起來，端到端是一種萬能方法，但要實現這個結果，需要大量的資料和模型訓練。同樣以ChatGPT為例，訓練出如今大語言模型的網際網路文字資料在千億級，圖片和影片資料在百億級，而機器人這樣一個幾乎需要物理世界所有資料的平臺，目前僅有幾百萬個數據片段。所以，目前行業內公認的難題之一就是資料採集。趙行告訴我，現在大概有四種方式獲取資料，分別是真人遙控操作、VR操作、模擬器模擬學習、影片學習，其中資料最精準、成本也最高的是真人遙操，也是星海圖目前主要的資料採集方式。
“這裡容易有個誤解，並不是說大家都‘燒錢’找真人遙操採集資料，就一定能做到行業領先。如何採集高質量的、機器人能學會的資料？如何降低採集資料的成本？採集資料後如何訓練模型？這些問題都很重要。”趙行說，目前機器人依然在練習認識這個世界，它所依賴的除了資料，還有人的干預和解釋，這就進一步需要優秀的訓練模型——越好的模型，越能使用較少的資料，完成低錯誤率的任務。
2024年11月，許華哲帶領團隊釋出了具身基礎VLA模型Efm-1，這個模型僅需大約50條真人演示資料就能學習資料中的動作，成功率達85%。同時還能簡單地泛化，比如不僅能學習資料演示中的抓玻璃杯，還可以在完全沒訓練過的情況下，抓取跟玻璃杯大小、形狀相似的其他杯子。
趙行團隊也在同一時期發現一種擴充資料的方式。原本，訓練機器人的方式之一是在模擬器中建構出一個虛擬環境，然後在真實場景中部署。但這種方案往往因為虛擬和真實世界中的誤差，導致機器人學習效率很低。而趙行團隊藉助最新的可微分渲染演算法，用相機拍攝一條真實世界中的影片進行三維重建、渲染，再在模擬器中對這些真實資料做增廣，訓練機器人。能有效縮小虛擬和真實世界的鴻溝，還能把一條真實資料擴充成上千條，這成為星海圖訓練演算法模型的資料補充方式。
有了基礎的VLA模型和資料增廣方式後，星海圖更在意透過資料閉環來迭代模型。趙行告訴我，目前世界上最成功的資料閉環方式是特斯拉的。“他們把車賣給使用者前，就在車內裝上了自己的晶片和一套演算法，幾百萬個車主開車的時候，演算法就在後臺對比人與人之間的駕駛差異，便於之後最佳化自動駕駛演算法，特斯拉是第一家這樣做的，所以後來誰也趕不上它的速度。”而具身智慧領域，目前還沒有一套這樣公認的資料閉環方式。星海圖能做的，就是在把機器人交付給車企、物流園這樣的客戶後，依然擁有資料自主權，在後臺獲取機器人執行工業任務的所有資料，實現小型閉環。“有了資料反饋，我們再改進演算法，這就是資料驅動。”
許華哲經常用機器人做飯的例子，描述他心中理想的具身智慧大模型能達到的程度。
“我最想讓機器人做的是一道松鼠鱖魚，為什麼？首先因為我很喜歡吃松鼠鱖魚，其次因為這足夠難。想象一下，魚是活的，能動、又滑又黏，還有顆粒狀的鱗片，外硬內軟。處理完活魚，還要會改刀、油炸、炒糖色、澆汁、擺盤等等，如果一個機器人能做完這些，一定程度上能證明它的智慧程度非常高。”許華哲說，他一度把這當成“一輩子的目標”。最近一年多資本、人才的不斷湧入，讓他稍微樂觀了一點，覺得也許十幾二十年就能吃到機器人做的魚。
但另一方面，目前關於通用具身智慧大模型這個被稱為機器人大腦的研究，在行業內還只是開始，星海圖的Efm-1模型還需要不斷進化。不久前，同在2023年成立的上海智元新創技術有限公司（簡稱“智元”）也釋出了自研的具身模型。“大家的目標沒有太多差別。”趙行告訴我，行業內不少公司也跟星海圖一樣在做大模型，同時研發機器人本體。只是現在還處於早期階段，沒有一個統一的標準評判誰的模型更好。連網際網路大廠也少有下場做機器人的，更多隻是投資。“大廠更適合做迭代速度快的軟體，而具身智慧目前整體技術路線還沒有收斂，在通往終點的路上，很難講我們現在走了多遠。”趙行說。
這樣一個長期的賽道，初創年輕公司要怎麼活下去？會不會又像自動駕駛行業一樣，融資跟不上的時候倒下一片？
長期關注具身智慧領域的藍馳創投投資人告訴我，他們看重兩類創業團隊：一類是既懂演算法資料，也有硬體能力，同時能商業落地的“六邊形戰士”，具有長期優勢和競爭門檻；另一類是有一技之長，在某些方面有明顯差異化優勢、特色的公司。“比如銀河通用公司的演算法能力非常強，也很受資本市場青睞。”高瓴創投的創始合夥人李良更關注具身智慧領域的大模型技術，先後投資了智元、星海圖、靈初智慧等多家公司。他更看好“技術極客與行業老兵”的組合，認為這樣才能深刻了解產業鏈，同時做出顛覆性的技術創新。他舉了智元的例子，認為智元不僅有技術極客團隊，另外，“智元的董事長兼CEO鄧泰華，曾是華為副總裁，計算產品線的總裁，有豐富的管理經驗、商業化資源積累以及產業整合經驗，加速智元從實驗室創新走向規模化應用。而且公司位於長三角的上海，供應商都集中在兩三百平方公里內，在產業鏈協同上非常高效”。
但一個共識是，路途遙遠，現在誰都無法說自己能安全到岸。雖然星海圖也擁有“六邊形戰士”團隊，自主研發的具身基礎模型也在迭代，10億人民幣左右的融資總額算得上行業前列。但在不斷有新公司湧入的背景下，幾位聯合創始人都能感受到融資上的競爭。高繼揚說，公司目前能做的是“沿途下蛋”，儘早盈利，要一直留在第一梯隊。
但當下，最基礎且必不可少的工作之一還是資料採集。三月底，星海圖蘇州和北京加起來有80名左右員工，其中大約20名在做資料採集工作，在行業內不算大規模。我見過這些年輕的資料採集員，他們大多本科剛畢業，有些還在試用期，看起來青澀、聽話。我想到兩年多前，我去黃土高原採訪一群做資料標註的“寶媽”。她們當時正在為大語言模型、人工智慧服務。那份工作無需太多技能，“寶媽”們基本是小學、中學學歷，只要學會使用電腦，然後整日坐在桌前，從數不完的文字、圖片和影片資料中，標註出“什麼是梨子、蘋果？”“什麼是憤怒情緒？”之類的問題。
這群年輕、成天加班的大學生做的工作，當然比資料標註難一個層級。但當他們拿掉VR眼鏡，眼眶上露出兩道紅印，以及傍晚6點半，接到電話，下樓去拿他們的“拼好飯”外賣時，又讓人感到一種相似。
排版：初初 / 稽核：雅婷
詳細崗位要求點選跳轉：《三聯生活週刊》招撰稿人
大家都在看