正是這樣一位天才，也要對具身智能的研發(fā)說一句“沒有不苦的”。對他而言，人工智能的研發(fā)如同“煉丹”，需要7×24小時待命的極致投入。在與網(wǎng)易科技《態(tài)度》欄目的對話中，他提到了“三個九理論”：他認(rèn)為具身智能的本質(zhì)仍是機器學(xué)習(xí)，要達到99.9% 的準(zhǔn)確率，第一個“九”來自數(shù)據(jù)質(zhì)量，第二個“九”來自算法設(shè)計，第三個“九”則來自系統(tǒng)工程與實現(xiàn)細節(jié)。
在公司里，范浩強鼓勵員工們使用AI，甚至?xí)o員工報銷使用AI的費用。他自己也在堅持“手搓”數(shù)年后被AI編程的效率折服。對于大眾關(guān)注的AI替代人焦慮，他認(rèn)為機器人會優(yōu)先接手臟活累活和高價值場景，而未來的勞動形態(tài)將演變?yōu)槿祟愗撠?zé)督促和糾正機器人群體的錯誤，人就像是趕羊群的牧羊犬。雖然單位時間創(chuàng)造的價值大幅提升，但人類可能依然忙碌。
在VLA和World Model的路徑之爭沸沸揚揚的時候，原力靈機則選擇了另一條道路——具身原生模型。范浩強強調(diào)，模型必須從訓(xùn)練的第一天起就為“具身”考量，并推出Realtime-VLA系列技術(shù)成果，在基礎(chǔ)模型階段就引入大量具身數(shù)據(jù)，而非直接后期過擬合。面對AI行業(yè)的數(shù)據(jù)難題，原力靈機制定了兩步走戰(zhàn)略：早期依靠幾十萬小時的自有采集跨越門檻，后期則需通過規(guī)模化部署，在真實業(yè)務(wù)場景中啟動數(shù)千萬小時級的“數(shù)據(jù)飛輪”。
談及行業(yè)競爭，范浩強直言“不存在AI泡沫，但存在 OpenAI 泡沫”。盡管部分公司融資迅速、估值飛漲，但行業(yè)整體確實進展飛速。范浩強認(rèn)為，終極勝負手在于三點：資本估值、大模型與大規(guī)模部署落地。從歷史經(jīng)驗看，淘汰率往往在十倍左右，最終能跑到終點的極少。
目前，原力靈機已發(fā)布具身原生模型 DM0，并計劃在今年年中和年底分別推出 DM0.5和 DM1版本，核心目標(biāo)是攻克“多任務(wù)泛化”難題，讓具身智能真正實現(xiàn)從實驗室到“拿來即用”的跨越 。
以下是網(wǎng)易科技《態(tài)度》欄目和原力靈機聯(lián)創(chuàng)范浩強的對話，為方便閱讀，我們進行了不改變原意的編輯：
技術(shù)路線：“具身原生模型”不是后期拼接，預(yù)計今年底跨越數(shù)據(jù)門檻
網(wǎng)易科技：近期具身模型非常熱鬧，原力靈機提出了“具身原生模型”，這一模型和別的模型有什么區(qū)別？
范浩強：具身原生模型和所謂的“拼接式模型”是不同的。模型必須從被訓(xùn)練的第一天起，在每一個訓(xùn)練階段，都為“具身”這個命題去考量。在基礎(chǔ)模型（Base Model）階段，視覺語言模型（VLM）在訓(xùn)練初期就必須引入大量的具身數(shù)據(jù)，而非等到后訓(xùn)練階段才進行過擬合。這種“原生認(rèn)識”能極大提升模型的泛化能力。
不僅體現(xiàn)在預(yù)訓(xùn)練上，“具身原生”在測評方式、工程基建等各個環(huán)節(jié)都和大語言模型（LLM）有本質(zhì)區(qū)別。大語言模型處理的數(shù)據(jù)可能1-2TB，但具身模型需要處理PB級別的視頻數(shù)據(jù)；在測評端，大語言模型可通過標(biāo)準(zhǔn)化基準(zhǔn)測試（Benchmark）量化性能，但具身模型需控制物理實體，目前無完全線上化的評測方案，我們專門搭建了RoboChallenge等平臺量身定制測評方法。所有環(huán)節(jié)圍繞具身需求設(shè)計，最終形成的模型才被稱為“具身原生模型”。
網(wǎng)易科技：海外如 Pi、Generalist 等公司也在做具身原生的概念，并在模型上取得了突破。您覺得原力靈機與這些海外同行有什么異同？
范浩強：我們與國外同行在核心理念上產(chǎn)生了強烈的共鳴。外界常問我們更傾向于 VLA 路線還是世界模型（World Model）路線，我們的答案是不拘泥于單一架構(gòu)。我們?nèi)诤隙喾N訓(xùn)練手法和數(shù)據(jù)源，既借鑒VLA的思想，也融入世界模型的技術(shù)。隨著算力和數(shù)據(jù)的增長，每個階段最優(yōu)的模型架構(gòu)都在動態(tài)變化，因此我們統(tǒng)稱為“具身原生模型”。
網(wǎng)易科技：數(shù)據(jù)在任何模型訓(xùn)練當(dāng)中都非常重要。原力靈機目前主要通過什么手段來跨越這個早期的“數(shù)據(jù)墻”？具身智能真正的數(shù)據(jù)飛輪大概會在什么時間點、什么場景下進行自我進化和加速？
范浩強：解決數(shù)據(jù)問題分為兩個階段：
第一階段是跨越門檻，主要依靠自有數(shù)據(jù)采集（如遙操作、第一人稱視頻采集）。這一階段的數(shù)據(jù)量級在幾十萬到幾百萬小時之間，旨在讓機器人從零具備初步的執(zhí)行能力。
第二階段是啟動數(shù)據(jù)飛輪，這必須在機器人實際進入業(yè)務(wù)場景后才能實現(xiàn)。未來如果能并行部署上千臺機器人，每年將回流數(shù)百萬甚至千萬小時的業(yè)務(wù)數(shù)據(jù)，從而在應(yīng)用中實現(xiàn)持續(xù)進化。
預(yù)計到今年年底，行業(yè)內(nèi)有能力掌握百萬小時左右的訓(xùn)練規(guī)模，屆時模型將具備在特定條件下進入實際場景的能力。當(dāng)然，機器人的規(guī)模化部署不僅依賴模型，還需要漫長的硬件迭代及周邊配套系統(tǒng)的建設(shè)。
網(wǎng)易科技：目前制約具身智能的瓶頸，到底是模型、數(shù)據(jù)還是硬件？
范浩強： 依然是模型。現(xiàn)在一條9999元的輕型機械臂早就進入大眾消費區(qū)間了，但沒人買。因為最大的問題是它“不能動”——缺少控制它的腦子。就像大模型突破前，個人助手的需求不存在一樣；只有模型跨過能力奇點，真實的應(yīng)用需求才會真正爆發(fā)。
網(wǎng)易科技：原力靈機發(fā)布具身原生模型 DM0 后，接下來的發(fā)布節(jié)奏和新目標(biāo)是什么？
范浩強：我們預(yù)計在今年年中推出 DM0.5版本，并在年底或更早推出 DM 1版本。
DM0.5的核心目標(biāo)是解決“多任務(wù)泛化”問題。目前的 DM0仍以單任務(wù)微調(diào)為主，真實場景中存在預(yù)設(shè)限制。下個版本將重點優(yōu)化多任務(wù)和少樣本學(xué)習(xí)能力，實現(xiàn)用戶“拿來即用”的具身智能設(shè)想。
網(wǎng)易科技：具身智能與自動駕駛均涉及物理世界交互，后者更信奉World Model（如特斯拉路線），您如何看待這兩種路線的相通之處？
范浩強：特斯拉的技術(shù)路線其實也經(jīng)歷了多次迭代（從BEV、端到端到OCC，再到World Model），這正是我們提出“原生”概念的原因：表象的技術(shù)架構(gòu)在變，但背后“通過不斷增長數(shù)據(jù)來釋放模型推理能力”的核心主線始終未變。具身智能的發(fā)展也將遵循相同的底層邏輯。
但目前“具身原生”在行業(yè)內(nèi)似乎還不完全是共識，部分企業(yè)為了在垂直場景盡早落地可能會采用更前置、妥協(xié)的技術(shù)方案。但我們堅信具身模型最終的目標(biāo)是走向千家萬戶，必須優(yōu)先徹底解決核心的智能問題。
網(wǎng)易科技：模型的突破，需要依賴基礎(chǔ)科學(xué)原理的躍遷嗎？
范浩強： 把模型訓(xùn)到“能用”，方法論是已知的，比如大力出奇跡（Scale Up）。但也有大量未知，比如機器如何像動物一樣，在與物理世界的互動中快速產(chǎn)生智能？這背后的機理還是未知。
我認(rèn)為最大的突破一定在哲學(xué)和數(shù)學(xué)層面。深度學(xué)習(xí)能改變世界，是因為底層的數(shù)學(xué)機制變了。如果我們追求下一階段的智能，背后一定需要新的數(shù)學(xué)機制。現(xiàn)在還沒出現(xiàn)，所以我們要靠工程師不停去試錯，去逼近那個臨界點。
網(wǎng)易科技：未來要實現(xiàn)跨機型的泛化，必然涉及軟硬件的結(jié)合。你們是計劃適配市面上所有的異構(gòu)硬件，還是深度綁定標(biāo)準(zhǔn)硬件？
范浩強： 我們采取軟硬并行的策略：首先，我們一定會研發(fā)自有硬件，追求軟硬一體化的最終形態(tài)，在自有體系內(nèi)將模型優(yōu)化到極致。
其次，我們不認(rèn)為單一硬件能通吃所有場景，真實應(yīng)用中的末端執(zhí)行器和身體結(jié)構(gòu)必然需要定制。因此，我們既不會做一個試圖適配天下所有機器人的純軟系統(tǒng)，也不會局限于單一硬件。我們會在選定的場景中，圍繞最適合的硬件打磨模型的泛化能力，致力于為終端用戶提供端到端的軟硬件整體解決方案。
Realtime-VLA：特斯拉路線雖好，多數(shù)國內(nèi)企業(yè)其實難以復(fù)刻
網(wǎng)易科技：行業(yè)內(nèi)許多團隊都在關(guān)注 Realtime-VLA，原力靈機為何要聚焦這一方向？其最大難點在哪？
范浩強： 傳統(tǒng)的機器人運動控制多依賴稀疏的輸入點和軌跡優(yōu)化。而 VLA 模型直接輸出稠密的軌跡，這對機器人的控制系統(tǒng)提出了極高的實時追蹤要求。同時，模型輸出存在不確定性，需要過濾物理上不可實現(xiàn)的動作。VLA 不能只停留在仿真環(huán)境里刷榜，它在物理世界的運動必須流暢、絲滑、自然。
去年我們率先解決了計算延遲的問題，證明了數(shù)十億參數(shù)的 VLM 完全能實現(xiàn)30 FPS 的推理，跟上攝像頭的速度。今年，我們推出了 Robotic Flow，進一步攻克了軌跡優(yōu)化、機器人標(biāo)定以及運動過程調(diào)制等難題。目前在多項任務(wù)中，機器人的運動效率已媲美部分人類。我們認(rèn)為實時性和高響應(yīng)速度是具身模型走入千家萬戶的基礎(chǔ)前提。
網(wǎng)易科技：可以把 Realtime-VLA 理解為大模型當(dāng)中的 Skill（技能包）嗎？
范浩強： 相比于技能包，它更像是一個“Harness”（安全帶/保護設(shè)施）或基礎(chǔ)設(shè)施。它為模型提供保護，處理高頻的實時力反饋等模型自身難以直接應(yīng)對的情況。在內(nèi)部，我們提出了“System 0”的概念：在 VLA 進行推理計算后，由另一個計算系統(tǒng)對輸出進行二次處理與分析。兩者結(jié)合，才最終形成一個端到端的機器人智能控制器。
網(wǎng)易科技：面對特斯拉Optimus的數(shù)據(jù)規(guī)模優(yōu)勢，以及國內(nèi)宇樹、智元等硬件廠商的快速迭代，原力靈機的“大腦”如何保持不可替代性？
范浩強：國內(nèi)具身智能市場空間是大語言模型的十倍甚至百倍，行業(yè)處于共同探索階段，競爭大于合作。我們的核心優(yōu)勢在于全鏈路整合能力——國內(nèi)少有企業(yè)能同時打通“大語言模型預(yù)訓(xùn)練+機器人本體硬件+數(shù)據(jù)迭代優(yōu)化”的完整Pipeline，多數(shù)企業(yè)僅聚焦硬件或純算法單一環(huán)節(jié)。原力靈機是少數(shù)能將軟件、硬件、場景三要素深度融合的公司。
網(wǎng)易科技：有投資人認(rèn)為國內(nèi)很多廠商在等特斯拉開源方案然后“一抄了之”，您怎么看？
范浩強： 多數(shù)企業(yè)“復(fù)刻不起”。特斯拉的硬件（如靈巧手）成本之所以能壓低，是建立在百萬級預(yù)期產(chǎn)能基礎(chǔ)上的。國內(nèi)廠商即使拿到圖紙，也沒有財力承擔(dān)相應(yīng)的制造成本。國外一線大廠在算力和資本上的投入是極其龐大的。
但我們相信工程優(yōu)化的力量。正如大模型領(lǐng)域的演進證明，通過正確的架構(gòu)和方法創(chuàng)新，用較少的算力依然能取得卓越成果。只要在研發(fā)過程的每一環(huán)做出正確選擇，我們完全有能力在同一起跑線上與國際大廠展開競爭。
網(wǎng)易科技：國內(nèi)公司往往面臨較大的短期商業(yè)化壓力，而特斯拉可以“以終為始”，行業(yè)內(nèi)存在這種路徑焦慮嗎？
范浩強： 國內(nèi)人太多了。美國的機器人公司還能數(shù)得過來，但國內(nèi)至少有幾十上百家，競爭激烈，確實有很大的動力去尋找垂直場景快速落地。但“以終為始”正是我們最大的差異化所在。我們以建設(shè)最終的人工智能為目標(biāo)，要求在硬件、場景、模型和數(shù)據(jù)各個環(huán)節(jié)都做到極致。
在商業(yè)化節(jié)奏上，我們在 AI 1.0時代吸取過深刻教訓(xùn)：在模型能力不足時過早進行商業(yè)化，會陷入交付泥潭，成為虧損的“AI 慈善企業(yè)”。所以我們現(xiàn)階段十分克制，每年只做個位數(shù)的重點項目，接觸場景是為了獲取真實問題和反饋數(shù)據(jù)。只有當(dāng)模型能力達到可高效、低成本閉環(huán)時，我們才會開啟規(guī)模化商業(yè)化。
網(wǎng)易科技：模型訓(xùn)練過程是否順利？苦不苦？
范浩強：搞人工智能可以說就沒有不苦的時候。尤其是調(diào)機器人，最終可能只能看到一個分檔的結(jié)果：機器人到底動了沒，任務(wù)成沒成功。可一旦任務(wù)失敗，問題到底出在硬件、通信、控制、模型、數(shù)據(jù)，還是訓(xùn)練過程中？很多時候這就是個黑盒，需要花大量時間去手動排查。
搞過大規(guī)模訓(xùn)練的人都知道，這是7×24小時待命的活。隨時哪臺服務(wù)器掛了，訓(xùn)練進入未定義狀態(tài)，你就得凌晨從床上爬起來，看看炸成什么樣了，琢磨怎么修下去。我們經(jīng)常說這就像煉丹，你得守著丹爐，隨時看火候發(fā)展到什么樣了。這的確是個很消耗身心能量的事情。
不過我覺得這可能也正是工作的樂趣和成就感所在。
商業(yè)化：不存在AI泡沫，但存在OpenAI 泡沫
網(wǎng)易科技：您在與投資人接觸時，他們最看重原力靈機哪些特點？
范浩強： 這段時間肯定都在問我 VLA 和 World Model 有什么區(qū)別，之前也會有一些關(guān)于商業(yè)化的靈魂拷問。
投資人重點關(guān)注“當(dāng)前商業(yè)化與早期AI 1.0時代商業(yè)化的本質(zhì)差異”，我們強調(diào)“以模型能力為核心，試點項目服務(wù)于技術(shù)驗證而非收入”的策略，獲得懂行投資人的認(rèn)可。
網(wǎng)易科技：原力靈機的商業(yè)化營收計劃是什么？
范浩強：我們公司成立之初并不是白手起家，團隊自帶了一些過往的行業(yè)積累，所以手里是有一些重點客戶的。就像剛才提到的，我們在現(xiàn)階段不會盲目鋪開太多項目。但對于那些高價值、且未來具備良好可復(fù)制性的項目，我們會去跑試點，這自然會帶來一部分方案采購的收入。
另一方面，我們這兩年也在做一些開發(fā)者業(yè)務(wù)。也就是把我們的硬件系統(tǒng)和配套的優(yōu)質(zhì)軟件，提供給高校實驗室等科研群體使用，這塊也會產(chǎn)生一定的營收。但現(xiàn)階段營收不是我們核心目標(biāo)，重點是通過商業(yè)化接觸保持產(chǎn)業(yè)感知。
網(wǎng)易科技：如何看待春晚機器人跳舞等娛樂性場景？原力靈機會有這方面布局嗎？
范浩強：唱歌跳舞的確是機器人的第一波應(yīng)用。但其實我們公司剛成立就想明白了：我們這群“理工直男”缺乏做大眾娛樂的基因，這事兒真干不來。我們最擅長的還是“創(chuàng)造價值”，所以現(xiàn)在主打生產(chǎn)力，希望機器人通過實質(zhì)性勞動去產(chǎn)生價值。
當(dāng)然，早期的勞動場景里情緒價值也很重要。比如現(xiàn)在喝一杯機器人磨的咖啡，可能70%是圖新鮮。但行業(yè)的終局，一定是機器人躲在幕后實打?qū)崉?chuàng)造的生產(chǎn)價值。
目前從付費意愿看，只有大企業(yè)有動力做早期的技術(shù)驗證，那我們就先圍繞他們好好服務(wù)。等未來成本降到幾萬塊，小門店買得起了，甚至有一天5999元就能帶回家時，我們順理成章就會變成一家 To C 企業(yè)。就像大疆，在消費級無人機爆發(fā)前干了十年純 To B 的飛控模塊定制，筑起了極高的技術(shù)壁壘。我們也希望走這條路：早期圍繞 To B 客戶把技術(shù)打磨透，等歷史車輪真正走到爆發(fā)點時，一把抓住最大的機遇。
網(wǎng)易科技：這波具身智能浪潮的本質(zhì)是什么？目前行業(yè)存在泡沫嗎？
范浩強： 具身智能的本質(zhì)是“智能”，核心邏輯仍是機器學(xué)習(xí)的基礎(chǔ)原理。我把它叫做“三個九理論”：99.9%的準(zhǔn)確率，第一個“九”來自數(shù)據(jù)質(zhì)量，第二個“九”來自算法設(shè)計，第三個“九”來自系統(tǒng)工程與實現(xiàn)細節(jié)。這一規(guī)律在具身時代仍未改變。
至于你說行業(yè)里有沒有很大的泡沫？我特別想引用一句話：“不存在 AI 泡沫，但存在 OpenAI 泡沫。”單獨看某個公司可能會被估值震驚到，但放眼整個行業(yè)，技術(shù)進展是極其扎實的。過去兩年大家還在質(zhì)疑機器人 Demo 的真實性，現(xiàn)在大家已經(jīng)默認(rèn)了這是由模型驅(qū)動的連續(xù)成功能力。客觀來看，行業(yè)的發(fā)展速度非常驚人。
網(wǎng)易科技：具身智能賽道已有15家估值超百億，您認(rèn)為未來競爭格局如何？“勝負手”是什么？
范浩強：我覺得會有三輪篩選。
第一道門檻是資本和估值。現(xiàn)在門檻一低，可能一下子涌入幾十家公司。
第二道是關(guān)鍵的能力門檻，也就是模型。現(xiàn)在很多Demo基于開源模型，但海外巨頭現(xiàn)在都選擇不開源。能不能獨立研發(fā)出可用的模型，會讓一批公司掉隊。實在不行，他們還能回去搞分揀自動化或唱歌跳舞，但這也意味著退出了核心賽道的競爭。
第三道是大規(guī)模落地部署，考驗場景理解和硬件生產(chǎn)能力。過了模型關(guān)，還得過“代體”篩選。從歷史經(jīng)驗看，淘汰率往往在十倍左右，最終能跑到終點的極少。就像當(dāng)年的CV熱潮，最后跑通的還是頭部那幾家，但過程中會產(chǎn)生很多單點技術(shù)的“副產(chǎn)物”。
網(wǎng)易科技：您覺得技術(shù)路線會收斂嗎？最終會歸于一兩家巨頭嗎？
范浩強：有句話叫“從山腳分手，在山頂匯合”。技術(shù)的實質(zhì)其實大家都一樣，大概率是頭部幾家你追我趕。上一波AI浪潮就這樣，今天你發(fā)個Net，明天他又追上來。現(xiàn)在大模型疊加了算力和數(shù)據(jù)，壁壘看似更明確，但最后很可能變成“你中有我，我中有你”。
其實OpenAI早期訓(xùn)練技術(shù)也大量借鑒了DeepMind。最近還有個“反向證明”：以前是國內(nèi)模型學(xué)國外，現(xiàn)在跟最新AI聊天，會發(fā)現(xiàn)它們滿屏都是“DeepSeek味”——這也算一種技術(shù)出海吧。最終，一定是大家相互借鑒、一起往前走的生態(tài)。
網(wǎng)易科技：榮耀團隊在馬拉松賽事中“團滅”對手，大家對當(dāng)前機器人的真實水平到底有沒有底？
范浩強：大家可能低估了榮耀的技術(shù)積累。比如他們展示的液冷技術(shù)，早年就做過大量研發(fā)，如今用到機器人上立刻形成了“降維打擊”。外行看是憑空冒出的黑科技，業(yè)內(nèi)看則是長年積累后注定發(fā)生的事。
機器人其他進展也一樣。幕后的工作是日常一點一滴去攻克問題，只有最后“Put everything together（整合在一起）”時才會讓人驚艷，這本來就是個循序漸進的過程。
網(wǎng)易科技：原力靈機會拓展海外市場嗎？
范浩強：其實我們上個創(chuàng)業(yè)周期做物流時，海外占比就很高了。國際市場的消費意愿和利潤空間絕對不能放棄。但國內(nèi)市場對技術(shù)的要求最高。以前做倉儲物流，國內(nèi)客戶會要求機器人直接對標(biāo)中國工人極高的人效。一旦這套技術(shù)在國內(nèi)打磨成熟，拿到國際市場就是降維應(yīng)用。所以，“在國內(nèi)打磨技術(shù)，在海外做規(guī)模化商業(yè)化”，這條路我們走得很堅定。
網(wǎng)易科技：很多人擔(dān)憂 AI 和機器人是來替代人類工作的，您怎么看這種焦慮？
范浩強： 程序員常自嘲最成功的事是“把自己替代掉”。大家開玩笑說以后去送外賣，但隨著自動駕駛和機器人發(fā)展，送外賣早晚也不是鐵飯碗，這是不可阻擋的趨勢。
大家往往容易高估技術(shù)的短期爆發(fā)力，又低估了它的長期影響。 AI 1.0時代，大家覺得工作瞬間會被取代。但實際上，像計算機視覺成熟后其實是把整個市場的體量做大了。
大模型剛出來時有個段子：我們本以為人工智能是來幫我們洗衣做飯的，結(jié)果發(fā)現(xiàn)是機器人在那唱歌寫詩，人還得苦哈哈地做家務(wù)。所以，機器人第一批進入的一定是高價值或者臟活累活的場景，而不是立刻取代普通人的日常工作。
至于未來的勞動形態(tài)，總會以一種意想不到的方式演變。就像有了 AI 編程助手，天下打工人本以為是“我來指揮 AI”，結(jié)果變成了“老板指揮 AI，AI 再來催我進度”——原來能寫一個月的代碼現(xiàn)在要求一周干完，工作強度反而增加了。推演到機器人時代也是一樣，未來我們的工作可能就像“牧羊犬趕羊群”——你一個人負責(zé)督促和糾正一堆機器人的錯誤。到那時，人活得未必比現(xiàn)在輕松，但你單位時間創(chuàng)造的價值一定會大幅提升，這就是技術(shù)向前發(fā)展的客觀規(guī)律。
網(wǎng)易科技：在原力靈機內(nèi)部，AI Coding是強制要求的嗎？
范浩強：我做AI時間很長，有段時間被朋友笑“老古董”，我很長時間都堅持“手工編程”，總覺得AI寫得沒我好。直到朋友強行幫我裝上Copilot，用過一次就回不來了，AI確實比我有耐心、更細致。
我依然堅信，給我足夠時間，代碼質(zhì)量我能贏。但AI一秒能處理幾百個token，這“體力”我比不了。所以我們常說，AI Coding是把自然語言變成了新編程語言，門檻不降反增——用得好的人得寫大段規(guī)則和指令，讓AI能7×24小時干活。
在公司，我們?nèi)珕T報銷AI工具費用，鼓勵大家多用。雖然我們是機器人公司，線下硬件工作暫時還沒被替代，但我們的終極目標(biāo)，就是用機器人把這些活都替代掉。到時候，就是一群有物理實體的“小烏鴉”在上班，我們?nèi)ジ筛喔鄣氖隆?/p>
姚班天才：在清華我意識到了自己的“弱”
網(wǎng)易科技：您高二時就獲得國際信息學(xué)奧林匹克競賽金牌，并被保送清華大學(xué)姚班，畢業(yè)之后很年輕就成為曠視的技術(shù)總監(jiān)了。“天才少年”的經(jīng)歷對您后來的技術(shù)路線選擇和創(chuàng)業(yè)風(fēng)格有何影響？
范浩強： 在清華最深刻的觸動是讓我意識到自己的“弱”。身邊的同學(xué)個個身懷絕技，同寢室里有人做理論計算機極強，另一個室友鉆研量子，還有人做區(qū)塊鏈。這讓我產(chǎn)生了深深的敬畏感，明白“人外有人”。這種“空杯心態(tài)”讓我后來轉(zhuǎn)向 AI、半導(dǎo)體或機器人這種跨度極大的領(lǐng)域時，都能保持謙卑，踏實學(xué)習(xí)。
另一方面是培養(yǎng)了“合作心態(tài)”。當(dāng)年同學(xué)們在各自領(lǐng)域發(fā)光，互相啟發(fā)而非內(nèi)耗。回看行業(yè)也是如此，大浪淘沙后，合作遠大于競爭。現(xiàn)在很多同行老板也是我當(dāng)年的好友，我發(fā)自內(nèi)心希望大家都能成功。
網(wǎng)易科技：作為清華姚班同學(xué)的集體創(chuàng)業(yè)，您平常如何處理與唐文斌等頂尖同齡人之間的決策分配？
范浩強： 我們最推崇的詞是“簡單”——有話直說，絕不搞辦公室政治。因為我們都經(jīng)歷過高效的團隊，知道好的狀態(tài)是什么樣。一旦組織出現(xiàn)問題，大家都能第一時間達成共識并去糾正。
網(wǎng)易科技：為什么公司起名叫“原力靈機”？
范浩強： “原力”來自股東“原力聚合”。“靈機”最早叫 Dexterous（靈巧的動物）。后來注冊中文名時，提了近20個全被駁回，只剩“靈機”可用，看來是上天指定的。大家覺得挺符合調(diào)性，就沿用了下來。
北京
舉報
本文來源：態(tài)℃
責(zé)任編輯：
李佳_NBJS32032
