具身智能迎來“安卓時(shí)刻”，一位清華博士決定給機(jī)器人換腦｜甲子光年

“缸中之腦”的思想假設(shè)，正被千訣科技在各種形態(tài)的機(jī)器人上逐一落實(shí)。

作者｜劉楊楠

編輯｜王博

1981年，美國(guó)哲學(xué)家希拉里·普特南在《理性，真理與歷史》一書中，提出了一個(gè)至今仍讓人脊背發(fā)涼的思想實(shí)驗(yàn)。

想象一個(gè)瘋狂科學(xué)家將你的大腦取出，放入盛有營(yíng)養(yǎng)液的缸中。超級(jí)計(jì)算機(jī)通過神經(jīng)末梢向你的大腦傳送信號(hào)，讓你“看見”天空、“感受”微風(fēng)、“聽見”人聲。你以為自己正走在街上，但這一切不過是精心設(shè)計(jì)的電信號(hào)。

這個(gè)思想實(shí)驗(yàn)的內(nèi)核關(guān)系到人之所以為人的根本。它提供了一種可能——在技術(shù)足夠發(fā)達(dá)的未來，人類的意識(shí)能否脫離肉體獨(dú)立存在，人類的大腦能否成為可以被“安裝”到任何載體上的操作系統(tǒng)？

四十年多后，這個(gè)問題不再只屬于哲學(xué)系課堂。

近期，千訣科技CEO高海川向「甲子光年」完整講述了其打造的具身智能系統(tǒng)：它可以脫離特定的硬件載體，被安裝到不同形態(tài)的機(jī)器人身上。即使本體形態(tài)變換，這套系統(tǒng)也能隨本體和場(chǎng)景需求增減功能。

千訣科技CEO高海川

高海川在機(jī)器人操作領(lǐng)域深耕多年。他博士畢業(yè)于清華大學(xué)自動(dòng)化系。2018年，他作為組長(zhǎng)帶領(lǐng)清華類腦中心雙臂機(jī)器人課題組，從0到1設(shè)計(jì)并開發(fā)了多款雙臂自主決策機(jī)器人。

2023年，高海川牽頭成立千訣科技。公司團(tuán)隊(duì)來自清華大學(xué)自動(dòng)化系下屬的腦與認(rèn)知科學(xué)研究所，具備跨學(xué)科（自動(dòng)化、機(jī)械、生物計(jì)算、AI）的交叉背景。

2026年2月，千訣科技宣布完成Pre-A++擴(kuò)展輪融資，由祥峰資本、智路資本、英諾天使等七家機(jī)構(gòu)聯(lián)合投資。加上此前兩月內(nèi)完成的Pre-A++輪融資，這家成立不到三年的公司已在資本市場(chǎng)連續(xù)斬獲數(shù)億元資金支持。

“缸中之腦”的思想假設(shè)，正被千訣科技在各種形態(tài)的機(jī)器人上逐一落實(shí)。

1.類腦智能：一條少有人走的路

談及類腦智能，很容易讓人聯(lián)想到科幻小說中的虛擬概念。高海川擇用一個(gè)如今已成為行業(yè)共識(shí)的技術(shù)坐標(biāo)，將類腦智能拉回現(xiàn)實(shí)——這個(gè)坐標(biāo)就是VLA。

當(dāng)下的具身智能領(lǐng)域，VLA已經(jīng)成為一個(gè)率先引起關(guān)注的技術(shù)范式。但在高海川看來，VLA是一個(gè)太過宏觀的概念，就像“數(shù)學(xué)”一樣，可以劃分出幾百個(gè)細(xì)分領(lǐng)域。在這上百種分法里，有兩個(gè)最關(guān)鍵的維度。

第一，生成式vs預(yù)測(cè)式。

生成式是當(dāng)下最熱門的路線，像GPT做文本生成一樣，機(jī)器人通過“生成下一個(gè)token”來生成動(dòng)作。高海川將其描述為一種連續(xù)滾動(dòng)的滑動(dòng)窗口學(xué)習(xí)，模型把自己輸出的東西作為新的輸入，不斷迭代，做內(nèi)容生成。

預(yù)測(cè)式則完全不同，其模型輸出是從所習(xí)得動(dòng)作分布采樣得到。高海川解釋道：“它有動(dòng)作空間的概念，每個(gè)動(dòng)作的信息含量是大致相等的。它是基于不同的輸入，從相同的動(dòng)作分布采樣動(dòng)作。”在數(shù)學(xué)本質(zhì)上，生成式是一個(gè)序列生成問題，而預(yù)測(cè)式是一個(gè)因果推理的問題。

第二，一段式vs兩段式。

一段式是從感知信號(hào)到動(dòng)作輸出用一個(gè)網(wǎng)絡(luò)全部做完，可以端到端求梯度、更新參數(shù)。這也是目前大多VLA選擇的路徑，端到端VLA路線已經(jīng)在自動(dòng)駕駛領(lǐng)域得到了充分驗(yàn)證。兩段式則是分成兩個(gè)獨(dú)立訓(xùn)練的部分，只在推理時(shí)才接在一起。

“從學(xué)術(shù)上來講，走model-based控制的論文數(shù)量，甚至要比一段式VLA的數(shù)量還多。但一段式和兩段式在產(chǎn)業(yè)里走得時(shí)間更長(zhǎng)，自動(dòng)駕駛已經(jīng)把很多坑都踩過了，工程上有很多創(chuàng)新。”高海川解釋道。

然而，無論是一段式還是兩段式，端到端VLA路線都面臨一個(gè)共同的困境——它是一個(gè)“數(shù)據(jù)怪獸”。

高海川用三個(gè)指標(biāo)來衡量模型能力，分別是最優(yōu)性、樣本效率和計(jì)算效率。

• 最優(yōu)性：數(shù)據(jù)無窮多時(shí)能到達(dá)的上限

• 樣本效率：用多少數(shù)據(jù)能達(dá)到及格線

• 計(jì)算效率：推理時(shí)消耗多少算力

生成式端到端模型雖然在數(shù)據(jù)量無窮大時(shí)性能上限最高，但樣本效率卻是最差的，需要海量數(shù)據(jù)才能達(dá)到及格線。而在數(shù)據(jù)匱乏的具身智能領(lǐng)域，這恰恰是致命短板。

更關(guān)鍵的是，端到端模型難以實(shí)現(xiàn)真正的跨本體泛化。

“端到端路線會(huì)要求本體廠完全放棄自己的軟件，這是不現(xiàn)實(shí)的，”高海川表示。如果強(qiáng)行適配不同形態(tài)的機(jī)器人，端到端網(wǎng)絡(luò)往往需要推倒重來，因?yàn)樗且粋€(gè)“乘法關(guān)系”的緊耦合系統(tǒng)，數(shù)據(jù)需求量是各個(gè)部分相乘的結(jié)果。

基于以上洞察，千訣科技跳出端到端VLA的束縛，選擇了一條截然不同的路徑——分區(qū)預(yù)測(cè)式世界模型。

通俗來講，這種路線將大腦按功能區(qū)和控制層級(jí)進(jìn)行切分，把難以泛化的部分直接刪掉，可以泛化的部分能夠跨本體復(fù)用。用高海川的話說，“類腦網(wǎng)絡(luò)是一個(gè)純加法運(yùn)算”，各部分的數(shù)據(jù)需求是加法關(guān)系而非乘法關(guān)系。因此，在數(shù)據(jù)匱乏的階段，這種解耦式路線反而能率先跑通數(shù)據(jù)飛輪。

這個(gè)邏輯在自動(dòng)駕駛行業(yè)已經(jīng)被驗(yàn)證過。“做L2智駕大腦的公司因?yàn)閾碛泻Ａ繎?yīng)用數(shù)據(jù)而掌握了進(jìn)入L4賽道的門票；相反，許多早期直接沖向L4的公司，因數(shù)據(jù)與工程難度問題未能持續(xù)推進(jìn)。”高海川補(bǔ)充道。

核心原因是，L2場(chǎng)景下的數(shù)據(jù)能夠持續(xù)回流、反哺模型，而那些直奔L4的端到端方案，恰恰因?yàn)閿?shù)據(jù)量達(dá)到及格線的門檻太高，在起步階段就耗盡了彈藥。

但解耦式的技術(shù)難點(diǎn)在于，如何分區(qū)？

如果模型的功能分區(qū)不科學(xué)，往往會(huì)帶來最優(yōu)性的嚴(yán)重?fù)p失。類腦路線的學(xué)術(shù)史上走過不少彎路，很多人從計(jì)算機(jī)理論角度出發(fā)，拆出各種方案做實(shí)驗(yàn)驗(yàn)證，卻發(fā)現(xiàn)驗(yàn)證數(shù)據(jù)集與真實(shí)應(yīng)用場(chǎng)景之間存在難以彌合的gap，而且這種問題極難被快速修正。

正因如此，千訣科技選擇有生物依據(jù)的類腦分區(qū)方法——通過對(duì)生物腦的觀測(cè)并經(jīng)過機(jī)器學(xué)習(xí)理論的嚴(yán)格驗(yàn)證，保證解耦后整個(gè)系統(tǒng)的性能上限不會(huì)比理論值損失太多。這是一種可控的性能損失。

更進(jìn)一步，高海川認(rèn)為，類腦網(wǎng)絡(luò)真正的價(jià)值，在于因果推理。

“現(xiàn)在的Transformer底層是注意力機(jī)制，在數(shù)學(xué)上是相關(guān)性推理。你覺得兩件事很相關(guān)，但它們之間的具體關(guān)系是什么，無法被網(wǎng)絡(luò)內(nèi)部推理出來。”他說，“但類腦的脈沖神經(jīng)網(wǎng)絡(luò)可以用神經(jīng)元表達(dá)因果關(guān)系。”

如果神經(jīng)網(wǎng)絡(luò)能在神經(jīng)元級(jí)別表達(dá)因果，就能從理論上消除AI幻覺，模型的泛化性也可極大提升。

“人類推理有三個(gè)層級(jí)：相關(guān)性推理、因果推理、反事實(shí)推理。現(xiàn)在的生成式大模型還在第一個(gè)層級(jí)。”高海川說，“如果產(chǎn)生因果性網(wǎng)絡(luò)，再做反事實(shí)推理，AI就會(huì)真正擁有創(chuàng)造力。”

因?yàn)橐蚬评肀旧砭褪菑?qiáng)泛化的。相關(guān)性是純數(shù)據(jù)驅(qū)動(dòng)，而因果推理可以用少量數(shù)據(jù)學(xué)出結(jié)構(gòu)，之后靠結(jié)構(gòu)泛化，樣本效率自然更高。

當(dāng)下的千訣選擇兩條腿走路：短期在Transformer基礎(chǔ)上做功能分區(qū)，先讓產(chǎn)品走進(jìn)真實(shí)場(chǎng)景、積累數(shù)據(jù)飛輪；同時(shí)拿出部分精力與資源，探索以脈沖神經(jīng)網(wǎng)絡(luò)為核心的下一代神經(jīng)網(wǎng)絡(luò)。

在高海川看來，商業(yè)化是當(dāng)前更緊迫的問題。畢竟，算法可以改，算力可以買，唯有數(shù)據(jù)壁壘需要時(shí)間沉淀。

2.尋找機(jī)器人中的“安卓機(jī)”

在商業(yè)思考上，千訣內(nèi)部曾經(jīng)歷過一次從封閉到開放的關(guān)鍵轉(zhuǎn)變。

時(shí)間拉回到2017年。彼時(shí)，千訣科技的早期團(tuán)隊(duì)骨干成員在聚焦于使用課題組自研二代類腦芯片，搭載基于脈沖卷積網(wǎng)絡(luò)的預(yù)測(cè)式世界模型，剛拿下國(guó)際3D世界模型比賽IEEE VIZDoom的季軍。

當(dāng)時(shí)，他們嘗試讓模型只適配自家芯片，做成封閉生態(tài)。專用算法驅(qū)動(dòng)專用芯片，功耗和性價(jià)比確實(shí)都做到了極致。“主要給使用者，而開發(fā)者生態(tài)還未完善。”高海川回憶道，“這導(dǎo)致做出來的東西只有少數(shù)專有場(chǎng)景能用，沒能迅速打開市場(chǎng)。”

這次經(jīng)歷讓團(tuán)隊(duì)重新審視了技術(shù)路線的選擇。以史為鑒，封閉方案雖然能在特定指標(biāo)上做到極致，但真正決定長(zhǎng)期競(jìng)爭(zhēng)力的往往是生態(tài)的開放性。

于是，千訣科技調(diào)整方向，將原本封閉的專用方案改為兩套并行的架構(gòu)：一套保留脈沖神經(jīng)網(wǎng)絡(luò)與類腦芯片適配的效能優(yōu)勢(shì)，另一套則兼容主流通用芯片，讓模型可以根據(jù)不同硬件平臺(tái)靈活部署。

“我們現(xiàn)在相當(dāng)于用開放的生態(tài)去推動(dòng)行業(yè)發(fā)展。”高海川說，“否則各家都在重復(fù)造輪子。”

2024年8月，千訣第二代模型剛完成預(yù)訓(xùn)練，團(tuán)隊(duì)開始主動(dòng)接觸市場(chǎng)上的本體廠商，嘗試將類腦模型適配到不同形態(tài)的機(jī)器人上。從那時(shí)起，幾乎每個(gè)月都能拓展數(shù)款新設(shè)備，合作品牌的名單迅速拉長(zhǎng)。

截至目前，千訣已與7大品類、30多個(gè)子品牌的機(jī)器人本體完成結(jié)合，覆蓋人形、輪式雙臂、四足、掃地機(jī)器人、無人機(jī)等多種形態(tài)。

具體到交付環(huán)節(jié)，千訣延續(xù)了多分布預(yù)測(cè)式世界模型的思路，將大腦按功能拆分成不同模塊，客戶可以根據(jù)自身需求自由選配。每個(gè)品牌、每種形態(tài)的機(jī)器人需要的大腦能力各不相同：人形機(jī)器人的腦區(qū)最完整，輪式雙臂少一些，四足機(jī)器狗可能又少一塊。

不難發(fā)現(xiàn)，千訣科技的思路似曾相識(shí)。

高海川直言，千訣的目標(biāo)是打造“機(jī)器人領(lǐng)域的安卓系統(tǒng)”——一個(gè)模塊化、可替換、接口開放的操作系統(tǒng)。

但他同時(shí)強(qiáng)調(diào)，這種開放并不意味著要求合作方完全放棄自己的軟件積累，那是既不現(xiàn)實(shí)也不必要的，“分區(qū)的好處就是，有些區(qū)本來就不需要跨本體復(fù)用，我們就把它刪掉。客戶可以按照自己的需要選配，要哪些區(qū)、不要哪些區(qū)。”

總結(jié)來看，千訣的生態(tài)模式可以用三句話概括：不推出自家本體品牌，避免與客戶競(jìng)爭(zhēng)；解耦架構(gòu)，讓不同形態(tài)的機(jī)器人按需裝配大腦模塊；開放接口，既兼容第三方方案，也允許客戶保留自有能力。

與其在軟硬一體的窄路上與少數(shù)頭部公司貼身肉搏，不如成為更多本體廠商的共同選擇，用廣度換深度，用生態(tài)建壁壘。

3.家庭場(chǎng)景比工業(yè)場(chǎng)景更容易落地

對(duì)于落地場(chǎng)景的選擇，高海川有一個(gè)反直覺的判斷：家庭場(chǎng)景比工業(yè)場(chǎng)景更容易落地。

“大家主觀上覺得工業(yè)更高科技，家庭沒那么高科技。掌握資源的人大多也是外行居多，不是很懂技術(shù)。”他直言，“但實(shí)際做起來，家庭是最好做的，服務(wù)次之，工業(yè)是最難做的。”

這背后，是高海川更為反直覺的思考。“難的場(chǎng)景不一定難做進(jìn)去，好做的場(chǎng)景不一定好做進(jìn)去。”他總結(jié)道，“工業(yè)場(chǎng)景要求太高了，既要節(jié)拍又要精度，你用模型做最后會(huì)發(fā)現(xiàn)效率和精度都不達(dá)標(biāo)，要么就得退回去用上一代技術(shù)。”

原因首先在于容錯(cuò)率。

工業(yè)場(chǎng)景對(duì)生產(chǎn)節(jié)拍和操作精度有著嚴(yán)苛要求，一個(gè)插裝動(dòng)作差了幾毫米，整條產(chǎn)線可能就要停擺。這種高精度操作恰恰是當(dāng)前具身智能的技術(shù)短板，它需要海量的觸覺數(shù)據(jù)和高精度控制能力，而這兩樣現(xiàn)階段都相當(dāng)匱乏。

家庭場(chǎng)景則完全不同。“垃圾沒撿起來，就再撿一次，沒關(guān)系。”高海川說，“我們?cè)趶?fù)雜場(chǎng)景中做半精細(xì)化簡(jiǎn)單操作，他們是在封閉場(chǎng)景中做精細(xì)化操作。”換言之，家庭場(chǎng)景雖然環(huán)境更動(dòng)態(tài)、更不可控，但對(duì)操作精度的容錯(cuò)率反而更高。

事實(shí)上，家庭場(chǎng)景和工業(yè)場(chǎng)景的選擇背后，或許還有一個(gè)更隱晦的能力區(qū)分。因?yàn)閮深悎?chǎng)景的游戲規(guī)則截然不同。

工業(yè)場(chǎng)景的客戶決策鏈條更長(zhǎng)，涉及的考量維度也更復(fù)雜，對(duì)創(chuàng)業(yè)公司的組織能力和行業(yè)經(jīng)驗(yàn)都有更高要求。相比之下，家庭和服務(wù)場(chǎng)景的反饋回路要短得多，產(chǎn)品好壞與否，消費(fèi)者都會(huì)用各自的錢包投票。

對(duì)于一支從清華實(shí)驗(yàn)室實(shí)驗(yàn)室孵化出來的初創(chuàng)團(tuán)隊(duì)而言，后者的規(guī)則或許更靠近自身的能力半徑。把產(chǎn)品打磨到極致，讓用戶體驗(yàn)說話，確實(shí)是一種基于稟賦的理性選擇。

在這個(gè)思路下，千訣瞄準(zhǔn)了半服務(wù)半家庭的方向，并最先在面向家庭場(chǎng)景的機(jī)器人品類上找到了突破口。

“這類機(jī)器人接口本身就不對(duì)外開放，各種保密要求很嚴(yán)格。以前這個(gè)行業(yè)都是軟硬一體的，很難接受第三方方案。”高海川回憶道。千訣團(tuán)隊(duì)花了大量精力啃下這塊硬骨頭，回報(bào)也是顯著的。“它的量大，我們把這個(gè)啃下來之后，產(chǎn)品一下就成熟了。因?yàn)槊刻於荚诿鎸?duì)消費(fèi)者的反饋、消費(fèi)者的投訴，很快就打磨好了。”

沿著這個(gè)邏輯外推，千訣的商業(yè)模式逐漸成型：接入的本體越多，回流的數(shù)據(jù)越豐富；數(shù)據(jù)越豐富，模型能力越強(qiáng)；模型越強(qiáng)，適配新本體的速度就越快。

高海川透露，適配速度存在一個(gè)明顯的收斂拐點(diǎn)。“大概每個(gè)形態(tài)摸到第二、第三種子品牌的時(shí)候，就開始找到規(guī)律了。到摸完差不多第20款的時(shí)候，從第20款到第30款就非常快。現(xiàn)在國(guó)內(nèi)幾乎不存在我們沒碰過的機(jī)器人了，可能有些下一代產(chǎn)品還沒摸，但接口跟上一代不會(huì)差太多。”

不過，這種模式也存在潛在風(fēng)險(xiǎn)。

千訣的數(shù)據(jù)反饋需要經(jīng)由本體合作伙伴，再回流至千訣內(nèi)部，鏈條越長(zhǎng)，信息損失的風(fēng)險(xiǎn)就越大。更不用說，部分本體廠商出于數(shù)據(jù)安全和商業(yè)競(jìng)爭(zhēng)的考量，并不放心將全部數(shù)據(jù)開放給第三方大腦。

事實(shí)上，這也是當(dāng)前許多具身智能企業(yè)選擇“軟硬一體”路線的核心原因，將客戶數(shù)據(jù)直接反饋至自家模型，驅(qū)動(dòng)本體迭代，閉環(huán)更短、效率更高。

但高海川對(duì)此并不擔(dān)心，千訣的思路，是以廣度彌補(bǔ)深度，通過跨品牌數(shù)據(jù)形成更完整的行業(yè)視角。

“雖然每個(gè)品牌單獨(dú)的數(shù)據(jù)量比不上軟硬件一體的公司，但我們30多個(gè)品牌加在一起，幾乎能拼出一幅完整的行業(yè)地圖。”他說，“我在這一塊看看、那一塊看看，推理一下，總能把真相還原出來，而且還原得可能比人家軟硬一體的更真實(shí)、更全面。”

目前，千訣對(duì)外提供兩類產(chǎn)品：科研版和商業(yè)版。科研版標(biāo)準(zhǔn)化程度更高，主要面向高校和開發(fā)者社區(qū)，提供API接口供二次開發(fā)使用。商業(yè)版則多為半標(biāo)準(zhǔn)模型半系統(tǒng)工程訂單，需要根據(jù)不同客戶的傳感器配置、功能需求和部署方式逐一適配。

某種程度上，非標(biāo)的定制化交付是當(dāng)下具身智能行業(yè)的普遍現(xiàn)狀。

“每家公司需求不同，預(yù)算不同，愿意購買服務(wù)的程度也不同，部署方式也不一樣。”高海川坦言，行業(yè)尚未形成標(biāo)準(zhǔn)化的交付體系，定價(jià)也相對(duì)混亂。但他同時(shí)指出，當(dāng)接觸的客戶足夠多之后，哪些是高頻需求、哪些是個(gè)性化需求，規(guī)律會(huì)自然浮現(xiàn)。

4.真正的壁壘，來自于對(duì)用戶場(chǎng)景的理解

在端到端VLA路線逼近性能瓶頸的當(dāng)下，行業(yè)內(nèi)部正在倒逼出更多技術(shù)選擇。當(dāng)前備受關(guān)注的世界模型，正逐漸成為VLA之外的第二條路徑。

與此同時(shí)，競(jìng)爭(zhēng)格局也在發(fā)生變化。高海川發(fā)現(xiàn)，市場(chǎng)上已經(jīng)出現(xiàn)一些水下項(xiàng)目，追隨千訣的路徑開始創(chuàng)業(yè)。面對(duì)逐漸擁擠的賽道，千訣如何在開放生態(tài)的前提下，保持先發(fā)優(yōu)勢(shì)？

在這個(gè)問題上，高海川的認(rèn)知很清晰。“隨著基礎(chǔ)設(shè)施的發(fā)展，算力的獲取門檻在降低，而算法能力也在逐漸趨同，數(shù)據(jù)，尤其是來自真實(shí)場(chǎng)景的數(shù)據(jù)，正在成為決定模型表現(xiàn)的關(guān)鍵因素。”他說，“算法大家都可以改，算法路徑的切換和模仿相對(duì)快速，但數(shù)據(jù)必須要有時(shí)間積累。”

這里所說的“積累”，不止關(guān)乎數(shù)據(jù)量的多寡。更重要的是，不同技術(shù)路線所積累的數(shù)據(jù)分布，天然存在差異。“由于各家公司定位不同，在不同技術(shù)路線上走得越久，積累的數(shù)據(jù)會(huì)越多，差異也會(huì)越大。這些數(shù)據(jù)本身，就代表了未來的落地場(chǎng)景方向。”

數(shù)據(jù)是結(jié)果，但數(shù)據(jù)帶來的真正價(jià)值，在于對(duì)用戶場(chǎng)景的深度理解。這也是各家公司當(dāng)前爭(zhēng)奪客戶的核心原因。“我們更懂用戶，知道模型該怎么改，”高海川說，“很多論文之外的東西，是需要自己做出來的。”

但長(zhǎng)期來看，追求類人泛化能力的通用機(jī)器人，無疑是整個(gè)行業(yè)的終極目標(biāo)。而在通往這個(gè)目標(biāo)的路上，一個(gè)關(guān)鍵卡點(diǎn)正在浮出水面——觸覺數(shù)據(jù)。

高海川曾不止一次在公開場(chǎng)合強(qiáng)調(diào)，觸覺數(shù)據(jù)的缺失，已經(jīng)成為限制機(jī)器人能力提升的硬約束。“雖然大家都在疊衣服，但世界上最好的疊衣服效果泛化起來也就在94%左右徘徊，落地其實(shí)還很遠(yuǎn)，而且提不上去了。”他解釋道，“視覺本身的信息只是一個(gè)部分。缺失了觸覺信息，就存在信息缺失的問題。這是問題本身的天花板，不是模型和數(shù)據(jù)不夠。”

觸覺的技術(shù)形態(tài)決定了其發(fā)展需要軟硬件復(fù)合能力，迭代周期遠(yuǎn)長(zhǎng)于純軟件。“以硬件迭代的周期來看，至少還得三四年。”高海川判斷，“還是要靠整個(gè)行業(yè)的共同努力。”

千訣在觸覺領(lǐng)域也有相應(yīng)布局。目前團(tuán)隊(duì)已與瞬恒智能、靈心巧手等靈巧手廠商保持合作，但整體投入仍以預(yù)研性質(zhì)為主。

觸覺硬件的限制也意味著，未來三到五年內(nèi)，精細(xì)操作類任務(wù)的大規(guī)模落地仍將受限。因此，千訣的策略非常務(wù)實(shí)：先把能做的場(chǎng)景做好，等待觸覺傳感器成熟。

對(duì)于2026年，千訣有清晰的規(guī)劃。

首先是把愿意接受第三方大腦的設(shè)備盡可能全部接入，基于客戶真實(shí)反饋和應(yīng)用回流的數(shù)據(jù)，形成第五代模型。這一代的核心特點(diǎn)是“個(gè)性化”，針對(duì)家庭和服務(wù)場(chǎng)景做定向優(yōu)化。

“數(shù)據(jù)本身就有傾向性，有高頻使用的，有低頻使用的，有不同場(chǎng)景的區(qū)分。”高海川說，“到時(shí)候我們?cè)诩彝ズ头?wù)場(chǎng)景的能力，會(huì)比那些做通用泛化訓(xùn)練的模型強(qiáng)很多。”

在他看來，當(dāng)前機(jī)器人大腦賽道雖然火熱，但真正決定勝負(fù)的是場(chǎng)景卡位。各家競(jìng)爭(zhēng)的核心，更多還是要進(jìn)入各個(gè)場(chǎng)景做落地應(yīng)用的競(jìng)爭(zhēng)。在這個(gè)過程中，“技術(shù)是重要的要素，但不是最主要的”，高海川坦言。

5.“無論有沒有ChatGPT，我們都要做”

和高海川交流的過程中，「甲子光年」能清晰感受到千訣身上并存的兩種氣質(zhì)，一邊身處十分前沿的技術(shù)方向，另一邊又極為務(wù)實(shí)。

事實(shí)上，千訣在技術(shù)路線、商業(yè)模式、落地場(chǎng)景三個(gè)維度上的選擇，已經(jīng)構(gòu)成了一套能夠?qū)訉油茖?dǎo)的閉環(huán)邏輯。

類腦路線的高樣本效率，使他們能在數(shù)據(jù)匱乏的早期率先落地；家庭和服務(wù)場(chǎng)景的高容錯(cuò)率與短反饋回路，又天然契合這種技術(shù)特性；而快速鋪開的合作生態(tài)，則讓數(shù)據(jù)飛輪得以加速轉(zhuǎn)動(dòng)。

這個(gè)故事在千訣早期融資時(shí)并不容易被理解。

高海川估算，從2024年開始融資至今，見過的投資人至少上百家。雖然成功率不低，“基本上每次有里程碑，見幾家就可以close一輪了”，但溝通成本卻相當(dāng)高。

因?yàn)檫@套路線恰好落在四個(gè)領(lǐng)域的交叉點(diǎn)上：計(jì)算機(jī)專業(yè)的原始AI語言、生物計(jì)算的類腦研究范式、機(jī)械工程的本體視角，以及自動(dòng)化的控制理論傳統(tǒng)。投資人通常只深耕其中一兩個(gè)維度，要同時(shí)跨越四套話語體系，解釋門檻可想而知。

高海川本人出身清華自動(dòng)化系下屬的腦與認(rèn)知科學(xué)研究所，恰好處于這幾個(gè)領(lǐng)域的交匯地帶。這種交叉背景讓他能夠理解各方的難點(diǎn)，但對(duì)外溝通時(shí)，依然要反復(fù)充當(dāng)“翻譯”。

這也解釋了為什么千訣在2023年成立后，直到2024年中才開啟首輪對(duì)外融資。一旦跨過認(rèn)知門檻，投資人的決策往往很快。天使輪的領(lǐng)投英諾天使基金，當(dāng)天見面就簽了TS。

高海川回憶，不被投資人理解的時(shí)間里，基本都在靠自有資源做事。這背后自然離不開“清華系”的無形支撐。他坦言，從研究者轉(zhuǎn)向創(chuàng)業(yè)者的過程很順暢，從公司注冊(cè)、股權(quán)結(jié)構(gòu)設(shè)計(jì)到持股平臺(tái)命名，清華校友前輩都給了大量幫助。“一堆前輩大哥，跟他們學(xué)就好了，很多時(shí)候會(huì)直接微信問。”他笑道。

校友圈的支撐，也讓高海川有更多精力沉下來思考公司的技術(shù)和業(yè)務(wù)路線。

其實(shí)，公司雖然在2023年正式投入運(yùn)營(yíng)，但早在2019年他就萌生了將類腦技術(shù)產(chǎn)業(yè)化的念頭，但疫情的突然到來讓計(jì)劃擱置。

回看這段被迫慢下來的時(shí)光，他反而覺得是一種幸運(yùn)：“這段時(shí)間給了不少沉淀的機(jī)會(huì)，很多試錯(cuò)都在學(xué)校完成了，沒有拖到公司來踩坑。”期間，他們將模型骨架切換為Transformer架構(gòu)，做了大量模型分區(qū)的結(jié)構(gòu)試錯(cuò)，也完成了從封閉芯片方案轉(zhuǎn)向開放生態(tài)的關(guān)鍵調(diào)整。這些彎路都在實(shí)驗(yàn)室階段走完了，留給公司的是一套經(jīng)過反復(fù)驗(yàn)證的技術(shù)骨架。

當(dāng)被問及創(chuàng)業(yè)的初心時(shí)，高海川的回答沒有絲毫猶豫：“無論有沒有ChatGPT，有沒有Transformer，這件事我們都要做。”

（封面圖來源：AI生成，文中圖片來源：千訣科技）