杨硕:妙动科技,特斯拉Optimus,CMU,大疆,无人机,人形机器人|WhynotTV Podcast #1
说明
本文由视频画面中的硬字幕逐条提取,按说话人合并成段,保留口语原貌与字幕自带的括号释义,仅补充标点、区分说话人,未作改写。时间戳为该段发言开始的时间;同一人连续发言拆成多段时,续段不重复姓名和时间。
- 主持人: 泰然(WhynotTV Podcast 主播)
- 嘉宾: 杨硕
- 视频时长: 01:29:41
- 来源: https://www.bilibili.com/video/BV1em3XznEFx
开场 [00:00:00]
↓ 以下
[00:00:00]~[00:01:07]是片头预告片段,与正片内容重复,非正片对话。
[00:00:00] 杨硕: 实际上,人类的发展就是在把自己的肉体不断地消灭的一个过程。十年以后,我会毫不惊奇的看到一个人形机器人在室外工作的时候,他会端起水来喝。当我们一起把技术都突破了以后,它一定是个千亿、万亿的一个规模的市场。
[00:00:20] 泰然: 这样的机器人一定要是人形机器人吗?
[00:00:24] 杨硕: 不一定。
[00:00:27] 泰然: 以下内容是我和杨硕的对话。杨硕本科和硕士毕业于香港科技大学。在港科大以及毕业后的5年期间,杨硕参与并主导了大疆飞控系统的研发。大疆之后,杨硕于2018年前往CMU攻读机器人学博士。杨硕于2023年博士毕业后加入了特斯拉Optimus人形机器人团队。一年半以后,杨硕离职,特斯拉官宣创立妙动科技,专注研发消费级机器人产品。
过去十年,杨硕在知乎上分享了大量技术见解以及一线科研生活,他的文章至今仍鼓励着年轻一辈机器人学生继续前进。杨硕是我们这个时代最杰出的机器人学家与机器人工程师之一。这里是WhynotTV Podcast,现在请与我一起进入和杨硕的对话。今天我们很高兴邀请到了硕哥杨硕,一个月以前(2025年4月)刚刚发布了自己的startup(创业公司)的公告。
对,差不多一个月以前(2025年4月),我在你准备做startup(创业)的那个帖子里面注意到你开设了两个office,一个在硅谷。嗯,我觉得特别是在现在这个时间节点,你会看到这样的组织形式,一个在中国,一个在美国,有什么挑战以及有什么机会?为什么会做这样的选择?
硅谷 [00:01:07]
[00:01:33] 杨硕: 因为我自己的经历来说,我对两边的工程师还有产业的发展都有一个相对来说比其他人更全面点的认识。就我觉得各地都是有他们的优势的。硅谷呢,我感觉在过去很长一段时间里面,直到现在,他的文化还是不怕失败,鼓励创新,鼓励人员流动。然后大家的从业人员呢,就是很多人思路会比较活跃,对于新技术的应用、新技术的探索都是比较活跃的。
然后国内呢,就是我觉得他在很多方面有自己的一些优势。这两年呢,国家也还是在更多的鼓励创新啊,一些这种技术的突破。但我觉得很多方面呢,就是他还是缺少一点硅谷的精神。但我觉得这没有什么问题,因为国内的行业呢,它也发展出了自己比硅谷很大的优势,特别是供应链。所以我觉得两地都有自己的优势,都有自己的劣势。
所以呢,去同时去创建团队,然后把不同地方的人、不同背景、不同想法的人融合成一个团队,我觉得是非常有必要的,在现在这个时代。
[00:02:58] 泰然: by the way,我们现在就坐在硅谷的办公室里面,希望这是一个很好的时间节点来记录这个旅程的开始。谢谢。谢谢。
[00:03:08] 杨硕: 是这个办公室刚刚搭建起来。
[00:03:11] 泰然: 其实你的履历要从08年开始,08年到15年在港科大完成了本科和硕士的学习经历之后,在大疆待了3年。
[00:03:21] 杨硕: 其实在大疆就是算13年就开始了,13年因为研究生期间,因为我的导师是李泽湘教授嘛,很多学生其实就跟大疆有比较多的合作,蛮多李老师学生就都是研究生期间就去大疆,所以我算是13年就开始都在做,像就是基础的飞控,就是到15年就是毕业前已经参与了蛮多大疆飞控的开发,就是很底层的一些算法还有软件的系统,都相当于说在大疆最早的飞控的基础上重构了一遍。
15年后来到18年算是正式全职工作,也是参与了不少产品项目,还有后来呢就负责RoboMaster这个机器人比赛的项目。
大疆经历-无人机 [00:04:10]
[00:04:14] 泰然: 你以前写过一篇知乎上的文章,你说16年在大疆的时候,大疆当时你们内部有个会议,在一个白板上列了竞争对手,列了一些当时做无人机的竞争对手,但其实最大的名字叫波音,因为当时你们说波音的故障率可以做到500万分之一,而当时Phantom 4(大疆无人机)的故障率是200万分之一,所以大疆在16年的时候就已经有着要和波音比肩的这种就对自己产品的这种要求。
但其实现在这种要求我们好像在机器人尤其是人形机器人上很难看到,我们不说两百万分之一,好像两百分之一,两千分之一都很难做到,为什么这么难?
[00:04:59] 杨硕: 我觉得也是可以从就是说事物发展的客观规律这件事来分析,就是无人机这个东西,就是我第一次看到它应该是当时09年有个电影,印度电影《三傻大闹宝莱坞》,里面有个就场景,那个场景其实蛮就是让我印象很深刻,就是说有一个学生天天不务正业搞自己的小发明,他发明了什么?
就是他搞了个四旋翼无人机,然后但是因为他搞这个东西呢,他自己的成绩就不好,老师就威胁要把他退学,最后他终于这个这个受不了了,然后就自杀了,然后自杀的时候呢,我们这个故事的电影的主人公就他就帮这个学生把那个飞机调好了,还做了图传遥控图传,然后他就开着这个飞机上去想给那个学生一个惊喜,他已经在自己的宿舍里面上吊了,通过无人机的视角。
这是09年,那实际上就是说09年之前无人机这件事情已经发展的也有个小十年的一个过程,所以像在09年那个时间点,就是一个遥控飞机图传这个概念虽然挺新,但是像在电影里面都已经能把它呈现出来啊,大家也都会看到觉得啊这个东西有用挺有价值。
但是大疆真正开始说我们要把波音当做竞争对手已经是到了2014年、2015年,那个时候呢大疆其实就是Phantom 1在2013年初的时候上市,形成了比较大的一个销售规模,然后呢就开始出现说我大量的这个用户用了以后出事故,我们要减少故障率,所以我们就要把无人机系统向航天航空的这种系统去看齐,所以当时才提出了那么一个就是说可靠性的目标。
因为你如果想像这个飞行器当你卖出100万个甚至200万个在天上到处飞,那200万分之一的故障率其实都会蛮多的,所以才会有这样的一个要求或者说自己的一个目标。但是他呢已经从对吧就是从09年无人机这个东西技术成熟,再到13年大疆把会飞的相机这个应用场景找到,这中间过去了四年,然后再从大家开始做,再到发现大量的销售以后你需要对产品有可靠性的要求,又过了一些年。
嗯,所以我们人形机器人现在是2009年的无人机吗?我觉得其实可能都不是,就可能还要再早一点,因为现在很多一些基础的技术实际上还没有被研究的很清晰,那么在这个时间点呢,就是很多东西是偏科研性质的。
当然呢,因为我们有之前很多这些其他的机电系统尤其是无人机的经验,所以我们能够大概预见到就是两年以内一些这种商业化的消费品类的那种机器人应该会出现,那么它一定会有类似无人机的这种可靠性的要求啦,然后这种量产啦、质量各方面这种要求,所以我们可以做一点预估。但是现在这个时间点它是不是一个完全成熟的东西,在我看来还不是。
不过呢,很可能它差的东西就是有那么一些商业公司然后去瞄着以大规模量产为目标去抠里面的各种细节,那如果我们不做这件事情的话,那个能够量产能够稳定的未来肯定不会到。你做呢也是有风险失败的,但是总比不做要好。
[00:09:08] 泰然: 所以妙动科技会以这个为目标吗?肯定是。嗯,OK,你觉得我们现在的这一波机器人公司、人形机器人公司也好,做通用机器人的这种公司,最接近波音level可靠性的是哪一家?
[00:09:27] 杨硕: 我觉得还是Tesla特斯拉,因为就Tesla特斯拉呢,我觉得是因为这是这是公开,这是公开渠道大家讲过的点,就是因为现在机器人呢,很多从部署再到硬件再到数据收集、嗯、测试等等,它体系都还是继承特斯拉汽车这整套业务线已经建立起来那个基础设施,所以呢就是说我可以就是很,如果真的特斯拉的机器人今年年内造出5,000台,然后这些机器人不管部署在哪里,嗯,对于它的一些故障的收集、故障的分析,特斯拉呢都是有非常完善的一个已有的一个体系和流程去思考它。
那一般的创业公司肯定很多人没有做过这种事情,就是现在可能大家都还在想就说我怎么把技术做扎实,这做技术做扎实这是第一步,第二步是你怎么能够量产,量产其实也不是问题的全貌,还有一部分就是售后啊,用户拿到了以后会不会频繁出问题,然后在之后还有一个部分叫返修,就是用户把这个东西用坏了或者他用了一段时间整个系统的性能下降,我是不是要拿回某一个这种维修中心去重新维护,还是说他寄到公司的什么返修的这种业务的这个工作点,其实中间有很长的一些点大家可能嗯都没有太关注的到。
[00:11:11] 泰然: 所以大疆在你当时离开的时候,18年其实飞控已经非常完善了,至少造无人机飞的可靠这个事已经没有问题了。嗯,你觉得大疆现在还是一家无人机或者机器人公司吗?因为给我的感受是越来越像一家影像公司、一家相机公司。现在你觉得大疆是一家什么样的公司?它如果说它如果有一天要下场做人形机器人,你觉得它有什么独特的优势?或者说你觉得它会对机器人感兴趣吗?
[00:11:46] 杨硕: 我离开大疆比较久了对吧,所以其实对于这个公司它的战略啊或者想法,说实话我也不是很了解。
那只能说我作为一个这个很早的员工以及现在这个一般消费者,我的看法我觉得是说其实技术这个东西他不是说啊我一定要创办公司一定是要实现什么特别特别领先的技术,我觉得很多时候呢更多的是分析用户的需求,然后去组合不同的技术去实现很好的用户的体验,还有创造新的生产力、解放用户的想象力,这些工作我觉得大疆呢持续是在做这些方面的工作的。然后至于你说解放生产力就是
[00:12:42] 泰然: 他会下场做机器人吗?
[00:12:45] 杨硕: 我觉得这个可能就是他们自己就说在已有的这个用户群里面,已有的这些事情里面去解放大家的生产力和创造力。那么他一定会通过用户为出发去找用户需要什么。也许用户会说:“哦,我需要一个,我不仅需要OSMO,我需要一个能帮助我拿着OSMO跟着我走的一个解决方案。”那我们现在可能从大家都作为机器人的这种研究者、从业者,你可能想:“哦,那我做一个人形机器人帮你拿相机。”
听起来是一个非常好的解决方案,但它是不是一个用户体验最好的东西?有可能你做一个车,或者说只做一个下半身,或者是做一个就是还是像Ronin那种,就是说在人身上再额外再接一个这种防抖的东西。我觉得他可能从大疆角度,这些solution都是一样的,因为他们给用户提供影像拍摄这件事情提供的体验可能最后都一样。
所以我觉得就有点Echo(回应)我们最开始说那个问题,就是人形机器人一定是在解决一个特定用户需求时的一种工具之一。这个工具呢,有它的优势,也有它的劣势。很多时候你不能把它单一的说我一定要用到它,而是说我怎么去把那个问题解决好。就有点像大家常讲的就说你是拿着一个锤子去找钉子,还是你看到钉子以后再去选合适的锤子?
人形机器人呢,在我看来是一个可能功能比较强的锤子啊,甚至它还是个就是有点像个瑞士军刀啊。它一定能够做很多很多东西,但也许很多场景下你就需要一把简简单单普普通通的锤子。嗯,而在我看来呢,可能很多的用户场景他需要的都是一把简单的锤子,而不是一个复杂的瑞士军刀。
[00:14:48] 泰然: 听起来好像人形机器人这个泡沫不太乐观。
[00:14:52] 杨硕: 哦,我不这样认为。我觉得就是说它只是事物发展的必然阶段。人形机器人呢,就是它一定是所有东西都功能更完善、稳定性更好、自由度更多,它能解决的问题也更多。但现在就是我觉得simply就是硬件技术没有成熟,所以它的成本很高;软件技术没有成熟,他不够聪明。如果我们把这些东西都做到位了,他一定能够产生很大的价值。
但是呢,他不会消灭锤子,那锤子也不会把他导致他没有多少用武之地啊。我觉得就是说他们都作为工具的话,一定都会有大量存在的意义。
人形机器人 [00:15:33]
[00:15:38] 泰然: 那你当时在大疆经历了可能从13年到18年待了5年之后完整的产品的cycle(周期),然后飞控也成熟了,当时为什么会想到要去美国读个PHD?
[00:15:51] 杨硕: 我个人还是一直对就是人形机器人这个复杂工具感到非常嗯坚信它是有用的。18年的时候,就18年的时候,可能比那个时间更早,人形机器人它是一个科研上没有被解决好的问题。当然现在看就说确实科研、工程都有大量的问题需要去解决,所以我就想去研究它。当然呢,就是你那个时候成熟的人形的方案也不多,主要还都是机器狗为主。
我也不能说当时就预见到现在会有这样一个比较热的行业的状态,但是我是相信它是有用的。嗯,但是呢,就我也不是说会盲目乐观,他就像刚刚谈论的一年两年内就有多么广泛的应用,就他一定是个很长期持续的过程。因为单看人形机器人这件事情,实际上在过去 50年里面,我觉得他都是一波一波的。
可能80年代日本科学家们做了一些方案出来,然后到2000年这个Ashimo做出来,相当于是一个很惊叹世界的一个一个东西。然后在那之后呢,人们做了很多小的消费品类的人形机器人,但是都不太成功。嗯,然后我感觉我们这一波呢,嗯,保守点来说一定是比他们会做的再大一点,但是一定也会有一个起伏的过程。
因为我们今天有的这些技术,我们确信是比上一代人这些技术呢是有很多的进展。但是我也不相信他是一个能够解决所有我们想象的那些家庭场景能够够用的所有的技术。因此我觉得我们能比他们做的更好一点,但是离自己的那个梦想还很远。很可能呢,就是我们需要一波一波的通过产品去做探索。
[00:18:04] 泰然: 然后你觉得是差差在产品的迭代上?你觉得需要比如说研究的突破吗?
[00:18:11] 杨硕: 嗯,我觉得都有。那技术上呢,可能就是觉得材料方面还是有需要突破的空间的。就比如说现在电机呢,就是你再怎么去做,它还是不能保证所有的工况下面都能够保持一个很稳定的工作状态。如果机器人在室外很炎热的天气,那不管是宇树的机器人还是特斯拉机器人,它都会有过热的问题。那这个这个问题该怎么解决呢?它只是他觉得,我觉得他就是一个材料的问题。
我们电机会有新的材料去做里面的导线,使得它发热和电阻的性能会更好,使得我这个系统的这种稳定性会更好。也许我会有新的一些电机的设计,使得哎我可以给这个机器人里面有一个水箱装点水,然后呢它会自己把水运到电机上面,通过类似出汗或者什么蒸发的方式给电机去做散热,提高它的工况。那这个呢都不太确定。比如我们现在其实没有很成熟的这些技术去做这个事情。
但是你可以想象,就也许哦五年啊,又是五年或者十年,十年以后我会毫不惊奇的看到一个人形机器人在室外工作的时候,他会端起水来喝,因为他需要散热,因为这个电机是有效啊,或者他还是会发热的,因为物理的规律在那里。但是呢就说他怎么散热呢?只能靠喝水。然后汽车也有冷却液,对,同样的。所以单说这个技术,就是支持机器人在室外高温环境连续作业的技术,我们现在是不具备的。
反正这个事情就可能它就限制了很多这种你现在所能够做出来的机器人系统的应用场景。然后当这个技术解决了,那我们机器人可能它的应用场景就会更扩大,对吧?所以从这个点上来说,就是我们一代一代的产品的迭代、硬件的迭代,无非就是找一个应用场景把它做起来。如果有问题,我们看能不能加入新的技术拓展它的工作范围、业务范围。
嗯,这个过程呢一定是此起彼伏,就是也许今天会有一些机械上的革新,明天会有一些硬件上的革新,后天有一些算法方面的革新,使得我们能够不断的一代一代迭代出一个功能更好、性能更稳定的产品。但是你说会不会有一个时间点啊,突然我就造出来一个机器人系统,就是比人的智能还强,然后又做这个做那个?
我个人感觉的就是它不会是一下出现的,一定是我们要在未来很长一段时间里面看到产品a、产品b、产品c,然后一点一点的它会变得更好的过程。
[00:21:20] 泰然: 其实你有一篇知乎点赞最高的文章应该是机器人学家那个学习计划,对吧?里面其实你在18年就已经建议大家不要去研究四旋翼飞行器了,就对学生来说不要去做这方面的研究了,因为你觉得已经被研究透了。但是其实一个领域从被研究透到能够做一个很极致的产品,这个gap有多大?
科研与工程 [00:21:21]
[00:21:48] 杨硕: 这个问题非常好,这个其实有两个点,两个点我想分享。就说第一个,就是我觉得我那个判断是错误的。就是那个判断呢,就是说其实我觉得在读PhD之前,我自己对于什么是工程问题、什么是科研问题,其实理解的不是特别清楚。当然那样说呢,建议大家不要去研究四旋翼,实际上是纯粹的一个工程思维啊,就是说这个东西怎么造出来啊,我们已经弄得很明白了。
但是他其实现 在从科研的角度来说,我现在理解到的是,他还是一个很好的科研平台。因为呢,这个东西就尺寸很小,可以飞的很快,又可以在空中灵活的移动,这对很多像导航、对路径规划这方面的科研来说,它是一个非常好的实现验证算法的平台。
正是因为他在工程上的很多问题解决的比较明白,所以当一个科研工作者去做研究的时候,他不需要去思考很基础的这个无人机的硬件该怎么搭、基本的底层控制算法该怎么设计的这种基础的问题。嗯,所以我这个判断是不对的,哈哈哈。或者这样讲,就是说什么是什么是工程、什么是科学,我自己其实花了很长时间才理解清楚。
嗯,后来呢,是看到那个那个就是冯卡门,就是他应该是钱学森的教授,讲了一句话,就说什么是engineering(工程)、什么是science(科学),或者说scientist(科学家)做什么、engineer(工程师)做什么。他就说呢,scientist(科学家)是解释已有的东西,然后engineer呢是创造不存在的东西。
嗯,所以嗯,像PhD的工作呢,实际上应该是解释已有的东西,或者说解释科学。这个解释在,就比如说啊,你有一个飞行器,它用方法a飞得不好,方法b飞得很好,能避障,能做得更稳定,那么你在科学上要解释啊,比如说它是用了用了神经网络的方法,为什么用神经网络方法就会更好?然后你怎么能让它变得更好啊?
中间什么因素是网络的结构,还是网络训练的方法,还是什么其他的因素会让它变得更好?呃,scientist(科学家)应该是更多是做这个部分。现在因为机器人这件事情本身整体都没有非常成熟,所以很多时候PhD的学生呢,先需要先做工程,先自己搭一个平台,然后在上面再做科研,然后去解释科学的部分。
嗯,在我自己读PhD之前的认知呢,我可能认为PhD的工作就是做工程的部分,是要创造未知的东西。我发现不是这样,PhD的工作应该是解释已知的东西。所以嗯,当然了,这中间还有一些很就是很subtle(微妙)的区别,就是说你很多时候你需要先创造一个东西出来,然后再解释其中科学道理,就是或者是在很小的时间尺度上,你得是交替进行的。
然后至于你刚刚说的另一个问题,就是一个科研的工作离实际的产品还有多少的距离,这个毫无疑问我觉得是很大的。但很大的点呢,我觉得不是技术本身,而是说这个技术当它进入到一个产品当中,它怎么去fit in(适配)。刚刚说的就是从技术实现再到量产,再到售后,再到返修,因为对于硬件产品来说,这每一块都是至关重要的啊。
技术呢可能会出现在这当中的每一块,可能还是会有一些科学在里面,但是他可能更多解决起来是一个很系统化的,必须要有返修、售后相关的人收集数据做分析。就是说起来呢,就是所有的公司一定都要做这些事情,但实际上去做的时候,就会有很多很细碎的问题需要去关注。
强化学习 [00:25:07]
[00:26:27] 泰然: 嗯,当时你选择读PhD,我理解就是可能工业界你觉得差不多技术上的问题被解决了,然后你对更复杂的系统还有研究上的热情。我记得当时有一篇文章,你着重讲了为什么去CMU没有去Berkeley,当时你觉得两个城市给你的气质不一样,两个department(学院)给你的感受也不一样。当时我记得在那篇文章里面,你还是对强化学习持比较悲观的态度。
我想知道就是现在你回看18年,当时包括过去7年整个领域强化学习到机器人的发展,你怎么看当时的选择?
[00:27:08] 杨硕: 当时的选择肯定是不对的对吧?我会觉得就是就说你再读一再来一遍的话,在Berkeley然后做更直接去做强化学习方面的工作,我觉得对现在做的很多事情会更有帮助一点,对吧?现在就是说其实坦白的来讲,就是我自己对就机器学习里面很多一些细节啊,模型训练的一些细节,其实掌握的是没有那么那么深入的。
我现在再回头来看呢,就是说当然后悔希望能够早点开始研究强化学习,但是现在看呢,就是对于基于模型的东西,尤其是像MPC(模型预测控制),像一些这个传统的基于优化的方法,有一个比较深入的认识,我觉得还是非常有帮助的。然后MPC可能不会是主流,但它里面的很多思想会继续活下来,被应用在强化学习里面。这是一方面。
另一方面呢,就是我前一年前年跟那个南科大的张巍老师聊,对我启发很大。因为就张巍老师呢,我一直非常的这个敬仰啊,他呢其实就是非常传统的控制理论背景出身的一个学者。
然后在之后呢,他是在那个原来在Ohio state做教授,然后他教的课呢,就是那种非常hard-core(硬核)的这个lyapunov stability啊,然后state space model,然后啊这些就是很传统的很硬的这种数学的控制理论。但他后来到了南科大当老师,然后再后来他创办那个逐际动力。其实他很多工作呢,就都是就是很快就迁移到强化学习上面。
然后我就去有一次跟他吃饭,我就问他说,你会不会觉得自己这个过去这么多年的这个积累都给浪费掉了?他觉得不是,强化学习是一个非常model-based的东西。为什么?因为现在我们很多这个强化学习方面的进展,主要还是来自像NVIDIA(英伟达)把物理仿真做到了GPU上面。然后物理仿真实际上是一个极端model-based的方法,而且是极端基于优化的方法。
你去建立系统的这个运动学,然后做解算,然后这个过程当中呢,就涉及到很多包括是吧这个euler method,包括一些这个estimation,包括这种contact constrain的处理。然后其实这些工作呢,就是就是搞模型预测控制的人,搞机器人的人,还有搞物理仿真的人,基本上大家都是在同一个思路同一个框架上去做的。
然后到今天,你不管强化学习的算法或者说这个训练的框架怎么演进,你去仿真接触力的时候,他一定还是要把一个非常复杂的约束转换成一个这个 linear complementary constraint这样去,然后做求解。而这些东西是不会变的。而且你再怎么去优化仿真器,还是要从这些基本的物理特性去出发。
从这个角度来说,他讲他觉得就所有那些控制理论系统建模的知识都会非常好的继续应用在仿真的这个过程里面。然后人们对于模型的理解是encode的在仿真器里面。同时呢,那这个强化学习的神经网络无非就是在把仿真器里面这些人们对于物理的理解在implicitly(隐式的)里学到网络里面。所以他不觉得这是一个以前的东西就会浪费掉或者怎么样。
[00:30:59] 泰然: 你刚刚讲model-based control已经already baked in simulator,嗯,放进simulator里面了。下一代的机器人研究者和工程师,他们还需要像你18年写的工程师学习计划那样从头去学这种东西,然后去搭一个机器人了解这些细节?
因为好像现在看起来主要的瓶颈不在这些地方,主要的瓶颈是好像我们能让机器人叠一件红衣服,但不能让他叠世界上所有的衣服。下一代机器人的研究者,如果他们刚开始他们的研究生涯,你觉得现在在2025年的节点,什么是最重要的问题?最值得他们的时间去投入的问题?
Optimus [00:31:22]
[00:31:38] 杨硕: 嗯,对我觉得这个问题我觉得非常好。现在的这个时间点去上大学或者开始PhD的学生,我觉得还是需要去学习信号系统的,然后但是呢不需要像我们以前去把就是Kalman filter(卡尔曼滤波器),Kalman filter有四种推导方式,你不一定说非要都去知道,而是更多的是知道一下它跟一些非常fundamental的数学知识的连接。
比如说信号处理,它就是频域的一个叠加。现在你说什么东西最重要,我觉得更多的还是就是如果我在神经网络的这个体系里面,我怎么去关注说怎么把物体做表达?具体来讲就是说,我怎么能够从传感器的数据还有图像的数据还有等等其他机器人的这个数据里面抽象出一些低维的结构?然后这些结构呢能够帮助了机器人更好的去执行任务?这个大思路呢我觉得一直是不会变的。
[00:32:49] 泰然: 然后从23年到25年在特斯拉做了两年的Optimus的开发,算一年半吧。一年半OK。和Elon(马斯克)汇报的体验如何?
[00:33:00] 杨硕: 在Optimus的时候,他呢我觉得在工作场景下还是比较就非常professional(专业),然后会给员工非常完整的一个关注。就是开会的时候基本上都不会开小差,不会跑神,然后就是大家讲slides(幻灯片)的时候,他会非常认真的看看这个演讲者,然后非常认真地在follow这整个过程。然后一般他不会问很detail(细节)的问题。
他的风格我理解是从一线工程师那里去收集直接的技术和业务的进展,但是呢最后再从宏观的角度可能给整个项目的负责人去布置一些大方向的调整等等。所以这样呢就会使得他开会的时候其实非常有效率,基本上就一个工程师上来讲几分钟,下一个人再讲几分钟,所以他一个半小时可以听二三十个工程师去讲每个人各自那一块细的问题。
[00:34:07] 泰然: 真的会有传言中的就是汇报着汇报着就被开除了的情况吗?
[00:34:12] 杨硕: 我们这个项目没有碰到过啊。我听说有,但是我理解那可能也是很多项目他到了一个就是比较生死关头,或者说是有一些决定是比较大的东西,可能会出现这种情况。就人形机器人上,我感觉他对整件事情是有非常足的耐心的。他可能会从整个项目的角度去给项目负责人施加一些压力,但是他知道就是这整件事情里面每一个细节都是很前沿,很确定性不是那么高的。他对整件事情有很好的一个把控。
[00:34:57] 泰然: 硕哥,我想跟你聊一个关键词叫使命感。你在无论是在大疆的阶段还是在特斯拉工作的阶段,你都提到这两家公司有使命感。你觉得那种氛围是什么样的?就大疆和特斯拉有什么共同点?有什么不同的地方?
[00:35:16] 杨硕: 我觉得共同点呢,就是大疆和特斯拉呢,可能他们都在行业里面处于一个,就是我一定要做新的东西。大疆呢,就是无人机这个事,本来其实就是很新的东西。后来呢,他做这种手持相机,实际上也是相对来说比较新的东西。那特斯拉呢,也不用说,就是电动汽车这个概念是存在的,但是要把它做好、做新,做到一个就是能够改变人类未来出行方式和对整件事物看法的这样的一个程度。
我觉得Elon(马斯克)在内部呢,就是不断在说这样的一种使命感。后来做人形机器人呢,同样他就不断的讲这个。他都是在站在一个整个人类的未来的角度去思考这个问题的。所以从做产品的角度,就是一定要创造新的品类。那即使是,就是接近成熟的技术,在呈现给用户的时候,也一定要拿出全新的这种体验和使用的方式。我觉得这都是他们所追求的。
然后至于你说商业价值,可能从事后再看吧,都产生了很高的商业价值。
[00:36:41] 泰然: 所以你觉得是这种使命感促成了这种成功吗?是的,我觉得是的。硕哥,我觉得之前你有一篇文章,当时有一句话我印象是非常非常深刻。你说啊,米开朗基罗说大卫就在那个雕塑里面,他的工作只是让大卫呈现出来。然后你说,我们这一代机器人(学)家、工程师的任务,就是把真正的智能从硅和金属里面雕刻出来。你觉得现在几十年了,我们雕刻的怎么样了?
还距离真正的我们想要雕刻的那个智能的机器人,我们想要呈现出来的那个东西?
[00:37:21] 杨硕: 我觉得就这个问题,他是,就肯定。我觉得三五年内,一个就是人类尺寸的机器人,然后可以做一些有用的家务,这样的一个完整的一个方案肯定会出现。因为实际上在特斯拉内部,我们已经看到一些这样的迹象,包括基本的行走,还有就是一些,就是遥操作去叠衣服,然后自动的去捡东西,这些功能都已经演示出来了。然后它离真正的家用呢,当然还差很多步。
但是就说像你刚刚说那个比喻来讲,其实这个硬件系统,我们好像已经把金属雕出来了,一个能用的一个硬件系统。然后接下来呢,就是从模型的角度、控制的角度,那这个算法呢,还有很多需要深入研究的地方。但是具备基本的能力,看起来是很快就会具备了。然后从智能的角度来说,那你可能会期望这样的一个系统,它不仅仅能完成一件事情,而是50件事、100件事。
这个过程我觉得还是会可能会有再有一个比较长的时期,可能5年、10年。最开始三五年应该是一些比较稍微固定一点的场景。我觉得更多的还是说你要找准场景,是不是在某一个场景里面,这个解决方案足够智能,使得它有用,这个是最重要的。我觉得未来十年的一个跨度内,情况会是我们会发现越来越多的这种场景,你能够找到性价比还不错的智能方案,然后会有一部分用户愿意去买单。
然后随着时间的推移,我们能找到越来越多的这样的场景,然后越来越便宜的解决方案,越来越多的用户愿意为它买单。
人形机器人历程-产品展望 [00:39:20]
[00:39:26] 泰然: 这样的机器人一定要是人形机器人吗?
[00:39:30] 杨硕: 不一定。我觉得这对,这也是一个很好的问题。就是我觉得长期来说,不管是轮式机器人、人形机器人,还是什么其他形态的,甚至无人机,甚至是一些挂在天花板上的机械臂,这些一定会是都存在的,而且都有其应用的场景和价值。就是现在看,人形机器人,人形机器人在现在这个时间点当然是最酷的研究方向。
但是当它成熟了以后,那它一定就跟机械臂、轮子还有其他的形态的这种机械结构一样,只不过是人们的工具箱中的一种东西。嗯,我当然会相信人形机器人会是最好的一种解决方案。但是我觉得就单从进入人们的生活、帮助人们从日常工作中解放出来这样的解决方案,可能是多种多样的。甚至可能将来一个家庭里面会出现一楼厨房的区域是有一个做菜的机器人,是轮式的。
然后另外有一个机器人呢,这个整理家务,他是个人形的,因为他可能需要把一些东西从一楼收好搬到二楼去。像欧美很多家庭基本上都是这种二层楼,尤其是美国,轮式是不能上楼梯的。但是有可能呢,等这个机器人把衣服什么的搬到二楼进入洗衣间,那个洗衣间可能有一个吊在天花板上的双臂或者单臂的机器人,然后从天花板上垂下来,面前有个桌子,可以把东西放进洗衣机,然后拿出来叠好。
他不一定,甚至都不一定需要有轮子,甚至都不一定需要移动,他只要能在这个洗衣间的天花板上一个小范围移动就可以了。
[00:41:37] 泰然: 所以你觉得未来可能不是一个通用的机器人在我们的家里面,而是我们的家里面会有很多specialized robot (专用机器人),会有很多特长型的机器人,一个负责打扫,一个负责搬运,另外一个负责比如说专门拿来放洗碗机?
[00:41:54] 杨硕: 我觉得这个情况会是,嗯,他只是不同的工具。你解决问题呢,就还是要看解决问题需要的是什么,然后再去挑选合适的工具。那实际上就像就是我们整个厨房,你会有微波炉,会有洗碗机,会有各种各样的工具。现在我们家里面就算请人类的帮手,你可能也会请专门带孩子的保姆,或者说是清洁的钟点工,或者是厨师。嗯,实际上人作为一个高度智能的物种,我们其实很多时候也是在强调分工。
机器人也一定是这样的一个路线。那人形不一定是很多场景里面最好的工具,但这并不重要。重要的是从机器人公司的角度来说,有怎么能把不同的工具组合在一起,解决人们的问题。嗯,明白。
[00:42:54] 泰然: 你刚提到了一个很有趣的时间节点,你觉得5年内我们会具备初步的能力,会具备我们会能够解决这种比如说搬洗碗机、叠衣服这样的普通的task。然后你觉得再有5年,我们可以把它推进的迭代的越来越好,然后它会慢慢落地。我想我比较好奇的是,其实人类历史上有很多应用很广泛的机电系统,对,汽车、飞机其实已经几十年甚至上百年的历史了。为什么机器人这么难?
为什么过去100年机器人没有走进我们的家?而你觉得未来5到10年会和过去几十年不一样?
[00:43:32] 杨硕: 我觉得就是首先两点,就是第一个,我觉得这个,这个未来五年是你问所有的机器人学家,当大家想象未来说,都会都会说五年。我但我觉得其实会比这个更快,因为就说我自己在特斯拉内部见到这个机器人,实际上他已经具备了很多广泛的任务,可能都用不了5年,可能就是一两年的时间,他就是一个有实际应用价值的产品。
[00:44:05] 泰然: 但你觉得做出来和能卖出去,这个gap有多大?
[00:44:10] 杨硕: 这个的gap我觉得在于场景,嗯,就是嗯,比如说拿放物体这件事情,你拿一瓶饮料跟拿一个小的乐高积木,那肯定难度是不一样的。
然后如果我的应用场景是都是拿放一些比较大的物体,比如亚马逊的快递盒,或者是其他这种物流系统上的这种这种物件,那实际上像agility,它其实它已有的演示就可以演示说,这个机器人真的就是六七个小时在那里不停地搬运盒子,然后没有失败,那其实它已经非常接近一个成型的这种商业的应用了。
当然了,在那个场景里面,人们可能会争论说是不是需要用人形,我觉得嗯确实这一点上不一定你需要去用人形。但是如果我们单说抓取这个能力,实际上今年我们都已经能够看到有很多这种非常稳定的方案给做出来。
[00:45:17] 泰然: 但是其实这个比起传统机器人行业做了几十年的汽车,比如说汽车流水线,它其实也是某种比较特殊的抓取,然后把这个车架比如说放在那架好。你觉得如果我们现在嗯还是在做同样的抓取,只不过比如说从抓取汽车的零件变成了抓取亚马逊的包裹,嗯,这个听起来好像不是那么,不是那么让人觉得很很值得期待的一个事。
我们真的期待的是一个机器人,我买了,我放在家里,我说我刚吃了顿火锅,你给我把桌子收了,这个是5年10年内能够解决的吗?
[00:45:59] 杨硕: 我觉得不是,我觉得就是他他一定是比较progressive(渐进式)的。就是可能嗯在这几年里面你逐步会发生的事情,可能是今年会有一个公司站出来说,啊我们公司的这个solution可以是,你任何掉在地上的物件他可以捡起来放到某一个具体的盒子里去,然后呢他通过一些商业上的取舍,使得哎这个事情你只用给他付1,000到2,000块钱的价钱。
嗯比如说现在很多这个扫地机器人公司,他在扫地机上装机械臂,那这个我觉得就是一个很好的方案。其实他在这个扫地机能够触及的范围内,掉在地上的东西都可以捡起来收好,这个我觉得其实已经很大的一个进步了。但扫地机本身它的形态肯定是是有限的,那么很多任务它不能够覆盖到,那这呢其实就会进一步引发人们的思考说,哦原来扫地机加胳膊我们能够解决很多问题。
那如果在这个基础上我再做一些演进,再做一些迭代,它一定能够解决更多的问题,人们也愿意为之付费。我觉得会有,就是逐渐逐渐的这些场景被发掘出来,然后人们逐渐逐渐迭代出一些更合适的硬件去解决这些问题。然后最开始可能他并不是,最开始它不是一个非常,就是听起来非常sexy(性感)的一个完整的solution(解决方案)。
嗯但是它是一样,就是说在未来五年里面这个能力是在逐步进展的,这个能力进展可能就是不仅是一家公司,他可能一代一代的产品能力都在扩展,也是整个行业内可能这个公司机器人展示了一部分的能力,那么过一阵子有另外一个公司他做了另外一个解决方案,能做相同的事情然后又有所扩展。
大家就一定是各个公司此起彼伏的去提供这样的方案,有的呢商业上会成功,有的也许不那么成功,但是一定会激励后来者。所以我觉得未来五年会有这样的一个商业上的生态。你刚才还讲到另一个问题,就是说如果去看汽车、火车、飞机这些,嗯我觉得现在我们就机器人一定是跟他们是经历了相同的过程的。
嗯因为就汽车,可能大家都觉得这个东西诞生是十九,就是一九一几年当这个福特就开始做汽车流水线,但这个并不是汽车诞生的时候,汽车诞生比这个早更多啊,可能在一八几几年,就在之前可能又有四五十年的时间,人们都是在迭代汽车这个东西本身。我觉得我们呢机器人其实是处在那样的一个时期,然后那个时期里面一定会出现大量不同的汽车的设计,不同的方案
[00:49:10] 泰然: 现在汽车还处于一八几年的汽车,哎,对,类似啊,是的,那我们看到,那如果我们想买一辆能开的车
[00:49:20] 杨硕: 是不是还得等100年?这肯定不用,因为技术在发展、在进步,就很多东西我觉得会变得更快一点,但是他一定有一个客观发展的规律,就是我们只是处在这件事情的早期。
[00:49:38] 泰然: 所以硕哥,你现在的公司的主要focus,是我们先找一个场景,我们把这个场景做好,然后整个概念的验证、卖出去、量产,所有的这个先跑通。但与此同时,另外有很多现在foundation model(基础大模型)的Robotics的公司,他们好像不是先找场景的。
对我来说,我看起来好像他们是先找技术,我们先做技术,我们先最简单的机器人,哪怕是舵机的两个机械臂,我们先把衣服叠起来,我们先怎么怎么样。这两种方式的startup(创业公司)、robotic startup,你现在会怎么想?
[00:50:14] 杨硕: 就我觉得都是,大家都是必须的,都是因为这整件事情里面需要克服的问题太多,然后看到曙光的方向也很多。实际上我觉得可以说,现在应该来讲就是说,大家看到曙光的,就是硬件上看到了曙光,然后foundation model(基础大模型)上也看到了曙光。
理想情况下,当然就是说你同一个公司一拨人可以一起去做,就像就像Tesla自己,但是这个需要的资源的投入,还有各方面的这种时间,还有人力都是非常非常大的。所以如果你能够把它分开一些,团队专门做某一部分的探索,另一个团队做另一些探索,我觉得是都是需要的。
那只是大家需要去进行一定的,从合作也好,然后再到这种资源共享也好,能够各自都能找到自己在商业上持续进行下去的一个可持续发展的方式。
[00:51:18] 泰然: 所以妙动科技的商业上可行的思路是,你们是准备打造一个产品卖给所有人,而不是卖给工业界?你们是准备ToB还是ToC?
[00:51:30] 杨硕: 对,我们是更偏向于ToC,然后去解决最开始说的那个,就是可能是就硬件量产、售后、返修,这个是我们会着重想要验证和测试的能力。然后在这之外呢,同时也关注和拓展就是在智能这方面的能力,但是可能会采用一些就是更加开放的思路和更加这种生态化的策略去做他们。
尤其是说就比如说这个VLA这个东西,大家都都在讲非常的美好,但是实际上投入资源去做它的话,它可能就投入的资源量跟做一个硬件是是相等的。然后在现在这个阶段,我认为很少有纯从财务投资角度获得资金的公司能够把两件事情一起做好。你可能最后就是两个事情都做到60%。
那也许更应该好的组织形式就是大家分成不同的公司,组成一种产业上的这种协作的方式,各自都去专门去做某一方面的东西。
[00:52:56] 泰然: 我特别想问一下,在2025年这个节点上做一家机器人的创业公司,竞争有多激烈?
[00:53:05] 杨硕: 非常激烈。就我们现在呢,其实就是在看到从投资再到人员招聘,再到供应商,再到一些这种模型的技术,各方面都有非常非常大的竞争。在我看来呢,这是好事,因为这说明了就是比如说投资人,从投资人角度,那么他们一定是意识到这个行业是最终会有一些很成功的东西做出来。从他们以前的经验,他们也相信这件事情一定会带来价值。
然后从人才的角度,当然我们能够招来人才、培养人才,那这个对行业整体长期也是一个贡献。然后对于供应商来讲呢,如果我们真的能够找到一个商业场景,可以让人形机器人的各种零部件,然后传感器实现大规模的量产,那么我们对这个行业,也对供应商也是一个很好的促进。所以这些层面上来讲,我觉得竞争是好事,它可以帮助我们时刻保持一个就跑得很快的心态和状态。
另外呢,再有就是我觉得人形机器人这件事情一定是个很大的市场。当很多技术成熟了以后,当不管是5年还是10年以后,我们真的人们离不开能在家里面做家务的机器人以后,那世界上一定会有10-15家很大的机器人公司,就像现在的汽车市场一样。
他不会说即使是同一个尺寸的汽车,也会分轿车、跑车、商务车,那么不同的汽车公司都有自己的长处和劣势,那么消费者呢,就会在至少10家不同的汽车品牌商中间去做选择。我觉得人形机器人也会进入这样一个状态,应该是眼光要看长远一点,就是当大家一起把市场做得更大,当我们一起把技术都突破了以后,他一定是个千亿、万亿的一个规模的市场。
那个时候呢,在这个市场里面有10到15家公司是很正常,大家都会找到自己的优势和客户群。所以我觉得现在的良性竞争帮助我们更好的走到未来的那样的一个状态去。
[00:55:38] 泰然: 所以你觉得未来10年、20年,我们有可能看到一家像APPLE、NVIDIA这样体量的机器人公司诞生出来?
[00:55:48] 杨硕: 嗯,我觉得会。
[00:55:51] 泰然: 就是现在大家硬件上可能有人用QDD(半直驱电机),有人用其他的解决方案;foundation model上有人做很多VLA,做很多imitation learning,而有人有其他的方法。我有一种感受就是大家越来越趋同了,就是硬件上做的越来越像,软件的技术路线上,foundation model上也是越来越像。
你是VLA,那只可能只是一些architecture difference,一些小的细节。你会不会觉得现在的公司越来越趋同?以及你会不会觉得担心现在的公司点错了技能树?
[00:56:24] 杨硕: 嗯,对,这是个很好的问题。我的我的看法就是,就说技术的趋同一定是正常的,因为技术成熟,成熟的技术一定是能够被大规模应用的。那所以最后技术一定会成熟到一些,就是说效率最高、性价比最高、最成熟的一些方案上去。
就像你说汽车这个东西,就是发动机是前置、后置,两个马达、三个马达啊,这其实一开始可能都会有各种不同的思路,但最后人们一定会趋同到一些共同的设计思路和方法上面。然后你刚刚讲就是可能有些细节不同,对,其实确实就是,因为细节才造就了很多公司的不一样。就像你说汽车来讲的,不同的公司的汽车操控性不一样、油耗不一样、内饰不一样,它是有大量的不同的细节的。
而这些细节呢,会极大的造就公司最后的产品有极大的差异。我觉得人形机器人,或者说就是说机器人整体这件事,都是会有极大的、通过细节堆积出来极大差距的一个状态。
[00:57:44] 泰然: 但是我觉得我观察到有一个区别是,汽车行业它不需要某种技术上的突破来解决某个东西,就不管你是前置、后置,这汽车都能跑,它不管怎么样都能卖出去,只是卖的好、卖的差的区别。但现在我的感受是,机器人公司是卡在技术上,他不是卖的好、卖的坏的问题,是能不能卖出去的问题。如果你技术上没有很好的解决方案,可能这个公司就死掉了,再过几年。
所以我觉得我会有这样的担心,就是感觉大家越做越像,但如果越做越像的同时,最后这条(技能树)这个技能点又点错了,会不会这这一波浪潮会end up very badly(潦草收尾)?
[00:58:27] 杨硕: 嗯,我觉得有这个可能,但是也是几个观点,就说还是回,还是回到汽车这个例子。那实际上流水线技术就是汽车大规模应用的一个非常重要的开始。但是在福特做汽车流水线之前呢,其实像奔驰、像宝马这些,他已经也在做汽车了,然后大家一定是有各种各样不同的一些这种技术的区别。
然后但是当这个流水线它普遍了以后呢,大家也都能跟进,因为当你的一些很多技术方案确实比较类似的时候,然后去应用和借鉴其他人搞出来的新技术也是容易的。所以汽车这个行业并没有说,哎,一家公司有一些技术突破,别人公司也都死了,他不会出现这种情况啊。
然后至于你说技能树点错不点错,我觉得第一呢,就是你现在不管是VLA还是强化学习,实际上我觉得大家信息共享,还有就是代码共享、知识共享的过程都是很共享的一个状态。然后呢,如果你的生态又是一些公司专门做硬件、一些公司专门做软件,那么实际上软件的公司他可以调整的比较灵活,硬件的公司呢,只要去选择对最合适的合作的对象,然后也能够积极快速的调整。
其实其实也还好,这个更多是一个组织管理上的问题。
[01:00:17] 泰然: 刚刚其实谈到你啊,你说到做公司,其实技术上大家其实很多知识是共享的,哪怕你做出一个突破,我可能短时间内也可以学起来。嗯,我比较好奇的是,你现在在做startup,如果技术上没有太深的护城河,护城河的话,哪怕OpenAI做出来,DeepSeek一年半两年之后也可以做出来。什么是一个创业公司真正的护城河?
[01:00:45] 杨硕: 嗯,这个问题我觉得很好,因为其实现在来看,就是很多领域都呈现了这样的一个状态,就是你技术上的护城河,就是可能原来一些觉得可以藏得很、掖得很深的技术,突然就被一些新的用深度学习、用模型的方法就给就给Disrup(扰乱)了。然后这些技术呢,又都是学术界共享的,实际上它就会导致很多技术的护城河听起来就没有那么深。
所以这个我觉得就又,他就又回到了一个组织管理的问题,就是可能整个团队就要开始去抠的更多是细节。这个细节不管是模型训练的细节,还是部署的细节,还是硬件软件的一些细节,我觉得都是要去把这些细节抠好,这些细节堆积起来就会产生巨大的差异以及护城河。那实际上从这个角度来说啊,我觉得还是以大疆为例子,其实大疆自己的技术护城河在现在我看来就是,就是各种细节的一个追求。
因为大疆做出精灵以后,这都12年了,其实无人机的飞控怎么做、相机怎么调整、图传怎么做,行业内都有非常非常成熟的方案了,但是大家拼到一块就是不如大疆的产品好。我觉得这是机器人这个领域可能会出现的一个情况。那最后,那怎么能够比别人做得好?
我觉得一定是要在细节上关怀每一个技术的环节,关怀每一个员工,然后关怀产品跟人交互当中的每一个细小的点,这些呢我觉得都是非常重要的。至于你说在模型技术、在一些这种运动控制啊各方面,会不会有哪些技术说我们会建立出护城河?我觉得也是有的,不过呢也现在不能说太多,哈哈哈。对,但是我们还是能看到有一些点上是不可能别人会忽略掉,有一些点上是可能别人会忽略掉,我觉得这个
[01:03:03] 泰然: 可能只会比无人机更要求细节一点。无人机四个电机,功能非常单一,拍照、飞行,是那机器人,如果你真的想要让他做更多的事,那么多个电机,对,对这个的交互需要的细节不是一个数量级的。硕哥,你现在刚刚经历完融资,就是如果我想让你转换一下角色,你现在变成一个投资人,你会喜欢什么样的机器人startup?你会希望看到什么样的机器人startup出现?
如果你手上有一笔钱,你会投什么样的公司?
2025年机器人创业-妙动科技 [01:03:31]
[01:03:43] 杨硕: 嗯,这是个很好的问题,我觉得我个人的话可能会关注一些更长期的问题。嗯,就是说长期指的是有我们一些基础的技术,就比如说像刚刚我讲那个,这个人形机器人就喝水,然后它产生这个,这个就是一些这种蒸发的方式。所以我会更长期,就说这个在我看来,就说这是一个关键的基础技术,它可能是跟电机直接相关的。
再有就是说电机,比如说一些材料或者怎么样,会不会有什么不一样,就会我们更关心的说,在长期的尺度下,一个机器人的某一个部件,它是不是能达到人类的水平和人类的思路。所以你比如说,如果跳出来一个公司说,哎,我会有一些电机的方案实现,你说这个事情,是我会觉得比较重要的,哪怕可能他这个技术五年内不会用在某一个人形机器人上面,他这个技术长期是有价值的。
当然呢,就说从投资回报的角度,我们作为作为投资人一定会说,那你能不能中间卖一个关节电机给现在人形机器人的厂?或者说你能不能做一点小的这种已有的电机品类去做一做啊?就是商业落地的其他的项目。但是我可能更多会因为他,我长期会做一个更像人(的机器人),或者说更解决一个突破性技术点,然后去投资这家公司,允许他去在短期内有一些商业的探索。
我觉得从我的角度来讲,嗯,我觉得从我的角度来讲一定是,就是要在商业上证明自己能够做更长期的事情。因为做foundation model,就像刚刚说的,就说你一个亿投15年,可能这个事都不一定够,甚至你可能需要若干个投资人,每个人投一个亿,然后投15年。
[01:05:53] 泰然: 可能一个亿一年就烧完了啊。
[01:05:56] 杨硕: 是的呀,是的,所以你需要很多人。那么这个思路上来讲,就是如果你的公司本身自己能有一些造血的能力,肯定是重要的。这一点呢,我相信就是说现在所有的具身智能公司都在追求这件事情。嗯嗯,所以大家只是去达到这样的一个商业闭环的方向不一样,有人可能ToB,有人可能ToC。我们自己的团队呢,可能ToC的经验会更多一点,所以就走一个更ToC一点的路线。
有一点短期的计划,有一些长期的计划,再有一些更长期的计划,这样子。
[01:06:35] 泰然: 我想知道,因为硕哥你之前你的知乎各种博客上面,除了机器人的技术细节,其实你谈很多自己生活上的细节,对于人生的一些思考。我想把这个问题和机器人联系在一起,就是假如说你说的那个未来实现了,我们未来有机器人来替代我们做家务,来帮我们做劳动啊,嗯,我们有15家、20家人形机器人公司,我们可以选,我今天买a这个管卧室,那个管二楼。
如果那一天真的来了,我们该如何重新定义我们作为人类的意义和幸福?
[01:07:10] 杨硕: 就说人类历史的发展,在我看来,本身就是一个人和机器人共同发展的一个过程。因为当你把机器人的定义拉的更宽泛一点的话,就是人类制造的所有的工具、所有的机电系统啊,逐步的发展的过程。实际上你去看,单独看这件事的话,它其实也有点像一个生命进化的过程。
最开始是单细胞生物,一根棍子或者是一个石头片,然后再往后呢,人们可能把棍子和石头绑在一起做成斧头,把木头做成车轮,我把铁做成耕地用的犁。再往后呢,盖房子,再往后做出一些家用的这种工具,再往后慢慢有钟表啊,有更复杂的一些设备,打印机、打字机,然后飞机、汽车、火车呢,这些其实慢慢都是一种工具的演化,直到今天的机器人。
所以它其实是某种意义上来说,是一个生命进化的过程。然后我们人类呢,其实不是单独存在的,在没有工具之前,我们人类跟猴子是一样的。我们人类诞生了以后才有了工具,或者说有了工具才把我们跟猴子区分出来。所以说机器的进化的这样的一个历史,其实是对我们人类自身的一个定义。
就说人类,我怎么说,人类历史发展越来越好,实际上并不是说人类本身发生什么样的进化,而是人类制造出来的机器越来越好。那因此从这个角度来说啊,我们制造出来的机器人的能力和智能的提升,恰恰代表了我们人类这个种族能力和智力提升的象征。
然后在更长远的一点角度,嗯,当我们每一个人都被从很复杂琐碎的这种家务的事情里面解放出来,我们人类一定会有更多的这种生产力方面的提升,因为我们的脑子可以用来想更多的事情,我们生活会变得更好。然后我们应该会让我们生活的空间和我们造出来的机器人更智能、更聪明、更有创造力。然后两者长期一定是会同时存在的。
就也许你可能再过几千年,人类的这个肉体可能就消亡了,就是我们的这种意识转移到机器身体里面,但是人类这个种族还是会存在的。因为从现在这个角度来说,就是实际上人类的发展,就是在把自己的肉体不断的消灭的一个过程,或者说人类不断的发展,就是要把自己跟自然给切断的一个过程。所以人类的进化方向,就是变成一个机械化的一个过程。
所以这个问题讲得有点长远了,但是我给你讲一个最基本的这个,就是这个人类的这个human instinct(人类本能),就是比如说你去了一个宾馆,然后你进了一个浴缸,发现那个浴缸里面有一根头发,你会觉得啊好恶心,这是之前人留下来的东西,就是人类其实是对人类的肉体和人类肉体的排泄物是有本能的厌恶的。
但如果你进了这个宾馆,进了一个浴缸,哎,发现了有块电线,你想哦无所谓,这个可能是一个这个什么装修的东西,我把它扔掉就好了,你不觉得那是脏的。但有没有一种可能,就说你前一个租客,这个前一个酒店的住客,就是一个机器人。然后在这个场景里面,其实前一个租客是人会让你感到厌恶,但前一个租客是机器人会让你感到亲近。
所以我们人类生殖本性的一点,就是在追求对自己肉身的消灭,以及达成一个跟机器更好连接的一个过程。所以当然这是几千年以后的人类去需要去需要去思考的问题了。我觉得人类社会会发展的一个状态,因为这些问题进一步的继续去人类的去肉体化啊,使得我们都会变成一个纯机器的文明,还是他还是人类的文明?因为我们的人类的文明从一开始就是就是跟机器的文明绑定在一起的,两者是一体的。
[01:12:23] 泰然: 所以你看到的未来是人变得越来越去肉体化,对,而机器变得越来越像人。
[01:12:30] 杨硕: 对对,哈哈,对,嗯,对,因为我们这两个东西其实都是就是说本质上就是
[01:12:39] 泰然: 一个事物。嗯嗯,如果现在我要你用三个词形容机器人的未来,你会用哪三个词?或者任何关键词,你觉得会是你想象中机器人的未来?
[01:12:56] 杨硕: 觉得未来可能要加一些限定词,比如说就未来100年、未来500年或者怎么样。其实像我刚刚讲的那个场景,可能就是未来2,000年,那个时候的人类的就在这个地球上行走的大部分的人类,一定都是都是机械化或者半机械化。那其实在这个长期来讲,我觉得就是共生,就是人和机器会共生,不同程度的共生,这是我觉得核心的一个问题。
[01:13:28] 泰然: 你不会担心这一点吗?因为其实现在哪怕不说机器人,很多GenAI(生成式人工智能)那边,他们做large language model、做VLM的时候,他们都会担心会有virtual(虚拟世界)的终结者,就是他take over(接管)了,就是他有自我的意识,然后不受我们的掌控。
而如果你,会不会担心如果我们给他一个身体,有一天我们真正所有的东西他有了自我意识,那一天他是人还是机器人?
[01:13:58] 杨硕: 嗯,这个我不担心,我觉得就是说,就还是刚刚那个观点,就是我,还是共生这个观点。对于我们当代的人类来说,对吧?就是你,你没有机器在身边,你是人是活不下去的。我们的食物、饮水、很多交通、衣食住行,其实都是由机器提供的。现在就某种意义上说,我们是跟机器共生了。所以你现在你说啊,我要把世界上所有的冰箱、彩电、洗衣机都砸掉,没有人会同意。
那你其实从机器的视角也是一样的,等时间再发展一段时间以后,如果有机器人、有意识的机器人说跳出来,我们说要把地上所有的人类都砸掉,机器人也是不会同意的。
未来机器社会-共生与死亡 [01:14:49]
[01:14:49] 泰然: 所以我们需要机器人给我们打扫家务。哪怕机器人再聪明,你觉得未来机器人也会是需要我们的。
[01:14:56] 杨硕: 对,就是我觉得,对一个未来机器社会,他要去长期讨论的问题是,是不是要让数字生命死亡。就是说,我觉得就是人类作为一个,就说跟机器共生的物体,就我们还会持续我们的状态、生活方式一直持续下去。但是机器呢,就会开始需要去讨论他们是不是要进入人类的生活状态方式。那这个最大的点就是,就是数字的信息和意识需不需要主动地抹去和消除。
因为一个机器人,它可以不停地复制自己的,对吧?memory(记忆)还有它的经历,它的data(数据)。他可以就是一个机器人和他的意识可以说是永生不死,他可以在世界上不同的服务器上去到处移动。那么一个机器为主的社会,将来会需要思考的是,他需不需要在这个,对这个社会里面的公民进行,就是物理意义上的死亡,包括这个对身体的破坏,和在互联网上存储的这一个机器人的意识。
Maybe是一个大的模型,就要不要把这个weight(模型权重)完全给消掉,并且禁止它拷贝。因为机器社会就会发现,我可能要想达到人类的创造力,我需要有死亡的威胁时刻在那里。否则机器人没有死亡的威胁,是达不到人类的创造力的。这是我的一个很奇妙的观点,这个很有意思。
[01:16:36] 泰然: 因为我觉得和乔布斯说过的“死亡是生命最好的发明”有点像。所以你觉得机器未来也是需要死亡?
[01:16:44] 杨硕: 对,就是因为我们人类,就说任何一个人类的行为,因为有,因为要面临死亡,所以他会极大程度上决定一个人说话、做事、生活的方式。当你不畏惧死亡以后,你的很多问题会不一样。在创造力这件事情上也一样,就是当你的生命只有几十年的时候,你会想要在你身强力壮的时候尽量多的去发明创造。如果你没有死亡的限制,这种创造力其实是没有那么强的动力的,因为总是可以明天再做。
但是我有时间限制了以后,我是没有办法总是想着明天再做的。所以这其实是,死亡其实是创造力的一个来源,对吧?然后那么死亡还带来的就是,当另外一个意识不可避免的要消亡,就是活着的人要对他进行怀念、纪念。嗯,其实这会触发人的进一步的一些创造力和情绪,对吧?
那其实机器他们一定会要讨论的是,我可能需要给任何一个机器生命设定50年或者80年的一个时间限制,到了你必须把你的意识消抹掉。但这个一定会造成极大的争议,因为正常的机器人都是永生不死的,没有人愿意主动去求死。那么机器社会怎么想要去实现这件事情,它其实会是一个很大的社会问题。
[01:18:18] 泰然: 就你刚刚说的那一幕,我都有某种同理心出来了。就是你说一个机器意识被抹去的时候,我觉得可能如果是一个large language model weights(权重)被删了,我觉得可能还好。
但如果你把它放到一个机器狗里面,放到一个机器人里面,已经陪了我很多年,其实我有很多机器人陪着我,可能这这半年是这个H1,比如说我真的会在项目结束的时候和他有某种情感上的连接,哪怕他非常笨。
[01:18:47] 杨硕: 对对对对,是是,对,就是我觉得这个是将来会普遍发生的一个事情。就像同样的,就是我很能理解你的感受。比如我离开Optimus的时候,我也确实,我很多天我非常难受,然后就觉得哦,我跟这个机器人朝夕相处,现在就要离开了,对吧?就是这样子。但是呢,就是说这可能就是一个必须的事情。因为我们人,对吧?人之间的亲人之间、朋友之间都会有不可避免的告别的过程。
那如果没有这样的一个过程,那我们人类就不再是人类了,就你可能看待很多问题都会不一样,这其实会造成问题。所以我觉得这会是很有意思的课题,但一定不是我们这一代人需要去关注的问题。但是长期来说会很有趣。
[01:19:45] 泰然: 我觉得也许,也许这个Podcast放在这很多年后,它就变成现实了。我很多年前看一部电影叫her的时候,我觉得这事不可能发生。但现在我觉得her描述的那个未来已经实现了。
[01:20:00] 杨硕: 对对对,所以说你要,你要说第二个关于机器人未来的关键词,那我觉得比较重要就是,就是死亡。那么机器人要不要死亡?人类能不能摆脱死亡?要不要摆脱死亡?可能都是不行的。于是从这样角度来说,就说人类就会始终需要存在,因为机器会不断贴近人类的生活方式,所以就是要共生,然后要共同面对死亡。这是很有意思。
机器人生 [01:20:35]
[01:20:37] 泰然: 我记得你从08年就,你进入港科大开始你的本科学习,到现在其实已经17年过去了。但这个过程中,你对机器人的热爱,我觉得不仅没有变,反而越来越强。就你对这个事的愿景越来越强。就我能感受到你里面好像有种很强的自我驱动力也好,或者那种愿景就在你心里要萌芽那种感觉。你能多给我们阐述一下,你这种那种热情是从哪里来的?
[01:21:11] 杨硕: 我觉得就跟刚刚,刚刚说的这个观点很有关系吧。就是,就当我想明白这个问题的时候,就是说,人类历史并不存在,存在的是机器发展的历史。然后,所以我们就是这个,这个过程当中的很多普通人,就是人类的很多普通人,嗯,大家都是一个身不由己的过程。就说你身不由己的要去给大语言模型提供数据,对吧?嗯,然后身不由己的就要去帮助一些机械的进步。
那我觉得我就是这个趋势当中一个身不由己的人,就是去帮助机器人成长。我会觉得这个事情是一定会发生的。可能,就我有种使命感,就是说,我是在帮助这样的一个过程发生。那么对于机器人来说,那现在这个时间节点,就是他一个成长的最开始。对于我们人类来说呢,可能是一个时间节点开始,就要思考怎么去跟机器人共生。
那我所处的位置呢,可能是刚好我是人类里面比较懂机器人的,就是我能够帮助机器人成长,然后同时帮助我的人类朋友们去更好的理解怎么去跟机器人共生。然后同时呢,又能让我未来10年20年的工作帮助到未来的机器人怎么学会跟人类共生。我觉得这是我的一个使命。当然,这个使命落实在细节之处呢,就涉及到你是开一家公司,还是做一些科学研究,还是怎么样。
我觉得这些都是能够帮助到在眼下未来两三年。可能从妙动科技这家公司的出发呢,当然,就是当你考虑了这么多问题,还要先去想一想前几千年人类的历史,后几千年人类历史,回到当下,你还是不可避免的需要去考虑。那么一步一步从商业的角度,我怎么能够当自己去做一个机器人的时候需要什么?怎么能获得商业的成功?怎么去做下一步的事情?怎么我所做的这一切东西都可以帮助到未来那样一个
[01:23:49] 泰然: 未来的一个发展。刚刚我们聊了一些强化学习,聊一些MPC(模型预测控制),但其实有一个概念是value function(价值函数)、reward function(奖励函数)、cost function(代价函数)。你人生的reward function(奖励函数)是什么?
[01:24:01] 杨硕: 人生的reward function?哇,这也是一个非常好的问题。我觉得不同阶段不一样吧。但就是,你像在大疆,可能就是说,哎,我要做一个很好的机器人,或者做一个很好的这种产品东西出来。可能读PhD的时候,当然就变成说,我要做一些不错的这种科研的工作。后来有了孩子了以后,你会发现,可能孩子还有家人的幸福啊,又是比较重要的。
所以我觉得我现阶段的人生的reward function呢,就是说,第一个就是把家人孩子照顾好。然后在这个基础之上,通过妙动能把刚刚讲的这些,不管是机器人产品的探索,还是更长期的去探讨人和机器人共生的这个问题,都能够做好。可能就这两件事情。因为你人到了一定年纪,实际上你可能一辈子,或者说同一时间,或者同一个时间段,就只能做好那么两三件事。
那所以其实现在在我看来,就是,就是孩子的幸福,家人的幸福,然后再有就是把这个公司的产品能够做好。这两件事。
[01:25:23] 泰然: 好,我没有更多的问题了。你最后还有什么想留在这个Podcast作为一个时间胶囊
[01:25:29] 杨硕: 我们以后回看的吗?挺有意思。我其实我觉得可以问一下,就是说,就我觉得咱们两个算是一代人,但是也不算完全是这个一代人啊,可能这个还是有比较大这个年龄的差别。其实我非常想了解的一个问题,就是说,就是可能一代人一代人会有不同的一些看法,对于这种学术啊、工作啊各方面。
就是像我们这一代人呢,可能就会觉得,啊,我这个,这个使命感啊,一定要做点什么重要的、有价值的一些事情。但是可能回到比如像你们再年轻一代的这种科学家,然后工程师来讲啊,你会觉得你更多的是看重做事情本身的乐趣,还是说我看中我做这个事情能够对吧,就像刚刚讲的,带来一些使命感或者改变?那这个东西我理解也是因人而异的。
不过呢,就是说从研究的角度来说,你怎么,你怎么评价你的驱动力和研究选择的方向?以及你想,比如说你听完我的这个Podcast,你觉得你能跟你同龄的这些同学、学生、工程师讲,你觉得什么东西对你最重要的启发最大?
启发 [01:25:31]
[01:26:59] 泰然: 第一个问题是乐趣还是使命感?我觉得对我来说是使命感。因为我觉得我的乐趣是从使命感中催生出来的。来举例子吧,就是当时做humanoid teleoperation(人形机器人遥操作)的时候,因为我那个时候我觉得大家都刚开始有humanoid,然后我就用RL来做个teleoperation。一是我觉得这事有意思,二是我觉得这事很重要。
我觉得我现在我自己在选择课题做项目的时候,我觉得我认为它很重要,变得非常非常关键。就是我如果一个课题我没有办法说服自己说这个是重要的问题,5年之后10年之后还会有人来看我的这个论文。如果没有办法说服自己这一点的话,我就很难再从中找到乐趣和很强的motivation(动力)去做它。
[01:27:54] 杨硕: 刚刚的第二个问题是什么?第二个问题就是说,你、你觉得你从我们的对话当中啊,获得什么启发?你觉得什么是最重要的?
[01:28:03] 泰然: 嗯,有点像家庭作业的读后感啊。我觉得其实我从昨天晚上准备这个Podcast,然后包括今天聊完,我觉得最重要的启发是要一直在自己一个坚持的事情上深耕。因为我从昨天你的第一篇知乎,应该是14年还是16年放在知乎上了,很多年了。
嗯,所以我从那个上面我能看到,其实我昨天把你整个知乎翻遍了,但是我的感受是,第一篇和最后一篇你好像没有变过,就整个读下来还是就我没有感觉文字背后的人有很大的变化。
就你对整个社会科技的愿景是从来没有动摇过,然后你对自己想做的事,可能以前是在学校,后来在公司,后来读PhD,然后做的东西机器人也不一样,但我觉得自己想做robotics,把这个东西搞work,然后这事从来没有变过啊。我觉得这个对我来说,是因为我觉得可能现在我们2025年我们觉得很重要的方向、很重要的技能树,十年之后可能全部都被颠覆了。
但我觉得真正重要的是我们愿意去解决这个问题,我们觉得Robotics重要。然后我觉得这颗心啊,不会被颠覆。只要我们觉得这个问题重要,我觉得希望有生之年我们可以真的造出那样的机器人。嗯,是啊,行,谢谢。好,那我们今天就到这。谢谢硕哥。好,谢谢。