告别大疆、华为，他第三次挑战万亿赛道

“我们完全不介意失败，但我们希望快速推进，能够更加原创、自驱地产出很多解决方案和思路。”

文｜《中国企业家》记者 孔月昕

编辑｜马吉英

头图来源｜受访者

在它石智航最大的会议室里，有一块占了整整一面墙的白板。作为它石智航CEO，陈亦伦有个习惯：讨论到深处，就爱在上面写写画画推公式。

这个习惯在融资时也没有改变。公司进行天使+轮融资时，为了解答美团投资团队对技术细节的提问，陈亦伦写了整整一下午白板。

陈亦伦用一个硅谷式的词来形容自己的状态——“创业者模式”，即充满热情，马力十足，组织结构扁平。“我非常享受这个从0到1的过程。”他说。

事实上，陈亦伦本人已数次经历“从0到1”。2017年他担任大疆创新机器视觉总工程师，主导无人机视觉系统研发；后加入华为任车BU首席科学家，从零开始完成了华为第一代自动驾驶系统ADS 1.0的全栈研发；组建清华大学智能产业研究院创新中心（AIRIC），与团队深度探索机器人领域技术前沿。

陈亦伦 来源：受访者

他从小就对机器人着迷。2007年他读博期间，波士顿动力发布了一段机器狗在冰上行走的视频，他觉得“这太棒了”，当时就萌生了做机器人的念头。博士毕业后，他带着“一定要做出理想中的机器人”的信念，供职于一家著名的机电系统公司，学会了如何用电机、伺服控制与液压系统来更好地驱动机器人。但在研究算法出身的他看来，简单的程序并不足以做出理想中的机器人，当时的技术还没有为机器人时代的到来做好准备，直到2022年前后出现了一系列技术突破。

那一年，几个关键变化同时发生：GPT爆发；四足机器狗可以用神经网络控制步态；传统机器人三大模块——运动规划、运动控制、端到端算法，也都有了突破性进展。更为重要的是，陈亦伦在自动驾驶领域也亲自解锁并验证了端到端算法的成功与巨大潜力，这将成为通用机器人得以实现落地的一道最重要的曙光。“技术的进步让人看到很大的前景，但技术和创业之间天然有鸿沟。”陈亦伦说。

于是他选择回到母校清华大学任教，边教学边思考如何将前沿技术与产业发展相结合。

2024年底，带着“答案”的陈亦伦准备创业。他和百度前自动驾驶事业群负责人李震宇、华为“天才少年”丁文超等人组建团队，于2025年2月正式成立了它石智航。成立不足半年，它石智航完成2.42亿美元的天使系列融资，创下迄今为止中国具身智能领域天使轮融资纪录，投资方包括蓝驰创投、启明创投、美团、线性资本、恒旭资本、高瓴创投等。

启明创投主管合伙人周志峰表示，在接触它石智航之前，启明创投已经布局过多家具身智能与机器人领域的优质企业，并与二三十家创业团队进行过深度交流。之所以投资它石智航，主要基于两点判断。

一是团队能力的稀缺组合。在周志峰看来，它石智航团队同时集齐了三重能力：来自物理AI一线的量产工程落地经验、前沿学术的技术视野、成熟的管理与商业化能力，这种组合才能真正驾驭机器人这个万亿级大赛道的长期落地。

二是技术路线的务实选择。它石智航没有盲从VLA模型的通用路线，而是直击数据采集的核心痛点，拿出了一套低成本采集真实数据的务实全链路解决方案，而非单纯技术空想。

在周志峰看来，它石智航成立仅一年，尚处早期研发阶段，但已经在许多地方超出了投资人预期。不到一年时间里，它石智航就推出了双足和轮足两款硬件产品，发布了真人数据采集硬件方案并向全球开源部分数据集，自研了高自由度灵巧手，训练了自有的端到端世界模型，并初步跑通了针对线束制造的完整作业流程。“这样的速度远超过市场上绝大部分公司。”周志峰说。

线性资本合伙人曾颖哲回忆，在投资它石智航之前，线性资本在具身智能领域出手较为克制。在他看来，彼时技术尚未收敛，也缺乏真正让人眼前一亮的团队。他认为，在模型尚未完全收敛阶段，真正能做好的机器人，必须是软硬件一体的。此外，另一个决定性因素是工程化能力。曾颖哲判断，未来将有几十万、上百万台机器人在真实场景中运转，不断采集数据、迭代模型，再部署回端侧，这一整套闭环对工程能力的要求极高。“做过自动驾驶的人特别适合干这件事。”曾颖哲强调。

曾颖哲认为，它石智航将在2026年迎来真正的挑战——这一年要开始交付了，但他建议初创企业可以控制交付的规模，先把场景跑通。

陈亦伦认为，机器人的Scaling Law有望在2026年到来，它石智航将在2026年推进量产与商业化落地。

以下为《中国企业家》与陈亦伦的对话，有删减。

重新出发

《中国企业家》：你2022年离开华为后，去清华人工智能产业研究院教学，当时做了哪些创业前的准备？

陈亦伦：我当时做了几个技术判断和思考。

首先，我认为现在比较大规模部署的AI，一般会经过三个阶段：闯数据关；闯算法跟算力关；闯场景的交互迭代关。

AI本质是一种数据映射的压缩，它是个函数，一堆数据映射到另外一个数据，没有数据就没有AI。

大模型比较幸运，有大量的互联网数据。自动驾驶行业在2019年都缺乏数据，比较有远见的企业，比如特斯拉，在2019年开始认认真真去思考，训练一个无比强大的网络需要多少数据，数据怎么来，怎么让数据变成“活数据”，能够生生不息参与到产品迭代中，这是AI必须想清楚的问题。

来源：AI生成

机器人也是一样。2022～2025年这三年，大家都在思考机器人数据怎么来。最开始大家想用最简单的方法，像遥控人一样用外骨骼去遥控它，这是不是最好的方式，能不能达到预期，是需要思考的。

我有个不一样的思考方式。

首先是数据量。自动驾驶的数据量要10万～100万个小时——10万个小时代表着产品可以迈入到一个产品级的迭代，之前都是科研级的迭代；100万个小时是现在可以达到的最好水平，也是几家顶级公司的水平。机器人需要的数据一定是自动驾驶的10倍以上，因为任务更复杂。如果机器人需要100万～1000万小时，应该怎么获取数据？

第二是算法。主流AI的算法结构各异，只有基于正确的算法，堆砌算力才有效。机器人跟自动驾驶很像，统称为“物理世界AI”，处理的是本质物理量，比如时间、空间、存在状态、力及反馈等。设计算法时，对神经网络而言，核心是要明确神经元的位置，它更多在视网膜上、物理空间里，还是其他地方，这些都需要仔细推敲清楚。学者有学者的视角，行业有行业的判断，需要自己权衡，形成自身的认知。

第三，也是创业最核心的，要想清楚几个简单却关键的问题：想解决什么问题？用户的需求在哪？为什么要解决这个问题？这个需求有多迫切，是大问题还是小问题，在当前技术下可不可解？还要明确企业愿景：是想做成小而美的企业，还是有机会跻身主航道的企业？不同的愿景，对应不同的发展模式、节奏和组织能力，这些都需要思考。

《中国企业家》：你什么时候彻底想清楚，出来创业组建团队的？

陈亦伦：2024年下半年。

我感觉2024年下半年其实是机器人行业融资的下降点。2025年春节以后，因为有DeepSeek的发布，以及其他机器人的进展，大家对AI的信心突然涨了很多，又开始往上走。

我们选择融资的时候，不见得那么好融资。但是，我们觉得自己内心把很多事情想明白了，就可以开始去做。

《中国企业家》：第一轮融资时，遇到了很多困难吗？

陈亦伦：其实也还好。我更喜欢把融资过程当作一个分享自己愿望或梦想的过程。我会对投资人非常忠实地表达我们想做什么样的事情，这个事情我们认为应该怎么干，我们为什么觉得这样干是有可能成功的。到现在我们所有的进展、我们做的事情，都跟我第一次融资的BP一模一样，没有改过。

《中国企业家》：你们现在还拿原来的BP去融资？

陈亦伦：当然美化了一个版本。第一个BP好草率，非常丑，但里面的内容都没有变过，包括讲我们怎么样去判断数据、应用、时间点，以及哪些硬件是我们需要重视的，这些一行都没有改过。

《中国企业家》：你去融资的时候，投资人对你最好奇的问题是什么？

陈亦伦：当时我们取名叫它石智航，投资人以为我们要再搞自动驾驶。我说，不不不，不搞自动驾驶，已经搞过了，不再搞了。

“它石”源自英文TARS，暗含“他山之石”之意；TARS是知名电影《星际穿越》中的角色，“智航”指的是宇宙航行，并非自动驾驶。我们当时花了一些时间解释，我们不做自动驾驶，而是专注于机器人。具身作为新兴行业，必然要经历从发展到收敛的过程，因此高认知水平的投资人，往往会问得十分细致。我认为，核心还是要把一些基础问题想明白：要解决什么问题、这个问题的影响力有多大、用什么方法解决，以及为什么认为这种方法可行等。

《中国企业家》：你觉得这一年做的最关键的事情是什么？

陈亦伦：我们做的事情跟我们创业之前的认知完全对得上，相当于我们在2024年年底做出的关键判断，都是准确的。而且，现在不光是我们这么做，整个行业也开始这么做。

举个特别简单的例子，我们一开始就明确要用以人为本的视角，也就是Human Centric。现在引用Human Centric这个词的地方已经很多了。

除此之外，整个行业对具身智能Scaling Law的认知，也和我们当时的判断完全一致。客户跟我们说，线束场景对他们而言就像“哥德巴赫猜想”——大家都知道它难度极高、攻克后影响力巨大，但所有人都在质疑我们到底能不能做好，能不能用我们的方法做好。到今天来看，我们的进展非常顺利，整个时间线也和我们之前的判断非常吻合。

来源：AI生成

我之前一直喜欢讲“超级单品”的概念，其实有资格成为超级单品的选择项不是特别多，手机、电脑、智能汽车以及智能机器人都属于超级单品。

一般超级单品的产品形态上是一个接近于通用的硬件，可以不断赋予它各种各样的软件功能，且AI可以加速软件功能的价值变现。

对于超级单品来说，尤其发展早期，你需要三件事情都做，即一个通用硬件，加上一个非常强大的AI，和一个杀手级应用。

这三件事情一旦转起来以后，（超级单品）就会成长得很快。三个乘起来，就能变成乘法效应，如果有一件做不好归零了，就乘不起来。

《中国企业家》：现在你跟投资人交流最多的是什么？

陈亦伦：我认为行业和技术都在飞速发展。单从技术变化来看，我之前和Alex（周志峰）聊到“基点”或“指数级增长”时，我就在想：什么叫指数增长？其实有一个很直观的判断方式：你每年变化的数据，只要对比去年数据的比值持续大于1，甚至大于1.1，那就是典型的指数增长。

从这个角度看，我非常肯定，（机器人行业）每年的变化量一定大于1。从2024到2025年、2025到2026年，再到2027年，我没有看到任何技术放缓的迹象，技术只会越来越快。

在这样一个高速演进的背景下，行业会走向何方，哪些节点会成为关键，都是大家非常关心的问题。这也是我经常和投资人讨论的内容。

攻克场景

《中国企业家》：2025年12月你们直播的时候做了机器人“刺绣”的展示，当时为什么想到要这么展示？它能应用到工业领域的哪些场景？

陈亦伦：我确实发自内心想解决工业线束的问题。最早的机器人发源于汽车工业，上世纪七八十年代，连电脑、编程员都没有的情况下，ABB等机器人厂商发明了工业机械臂，解决了汽车喷涂问题，基于这个技术，解决了车身焊接、车身组装问题。

线束，就是汽车工业的第四大项，也是多年（自动化）悬而未解的原因，就是难在算法上。

这是一个制造业的基本问题，但很多人并不知道，所以我们就把我们的能力外溢到一个大家能感受到的状态——刺绣，它可以操作非常柔软的东西，它非常精准、长程、复杂，要双手配合，灵活操作，方法论都是一样的。

《中国企业家》：这项能力可以应用到哪些场景？为了让它稳定在工业场景里面工作，你们攻克了哪些难关？

陈亦伦：不管是工业还是家庭，做再复杂的任务，都需要机器人可用、稳定。从技术方案来看，这种可用性其实并不完全受限于机电能力。事实上，绝大多数机器人的机电系统已经远超人类，它能动得更快、更准，不知疲乏劳累。

决定可用性很大程度在算法上。有时候视频里机器人动得又慢又抖，是算法局限住了整体性能。所以我们从一开始的目标就很清楚：机器人得有能力干得比人好。什么叫“好”？就是干得快、干得准、干得成功率高——这三条其实是机器人领域最朴素、最经典的标准。

来源：受访者

但如果你真的拿这三个目标去牵引技术，你会发现，整个算法的设计、架构、创新点和发力点，都会完全不一样，是一环扣一环的。

第二是稳定。把一套有问题的、不稳定的系统收敛到稳定，这个过程本身才是最值钱的。这个过程就是一套方法论。如果你开发过那些非常复杂、非常大型的系统，你就知道该怎么用这套方法，让系统逐步可控，从不确定走向稳定，这是我们比较擅长的事。

《中国企业家》：2026年你们的系统会达到什么样的水平或效果？

陈亦伦：一般会有一个（跟自动驾驶部署一样）基线水平，这个基线水平要达到比较好的状态，过程中你要持续提高它的能力，简单就是小数点后面的9，每提高一个9是一个里程碑。

我们主要是在关注三件事情。即我们的解决方案机器人，能够真的解决好这个问题；这个机器人真的一天到晚在创造价值；而且创造的价值可以被用户所接受、所欣赏、所理解。

只要到达这一点，我觉得销量、供应量等是一个水到渠成的过程。

《中国企业家》：稳定交付面临的挑战有哪些？怎么避免踩坑？

陈亦伦：我们最关注的是交付能不能创造实际价值。所以我们的机器人每一秒都必须工作，这意味着既要保证机器人工作不出问题，也要保证模型本身不出问题。

对于这一代机器人，我们内部有一个明确的定义：它是一个可移动的双手。不管是用双足、轮子还是什么方式去承载它，这个定义不变。

这种形态对集群作业有很大好处。当一个机器人失效，它可以退出，另一个顶上。以前的自动化设备不一样，只要一个复杂设备的一个零件坏了，整台机器就停摆，必须专人拆装、重新标定才能恢复。

拿物流行业举例，早年用AGV小车时，整个系统的冗余程度非常高，一个小车坏了，退出，另一个小车跟上，不影响整体运行。

移动机器人的集群作业也是这种组织管理形式，能很大程度规避单体失效的影响。而且失效的数据会进入闭环，流动起来，反过来推动整个模型、算法和系统持续迭代升级。

《中国企业家》：你们的商业化计划是什么？要拿大B的订单吗？

陈亦伦：整体来说，我们针对的问题全是大商业机会，没有小商业机会，这也是我们刚开始切入点选择这个（线束）的原因。

刚开始我们选择问题时就排除了一些比较颗粒化的商业机会，有三个选择标准：第一，痛点非常痛；第二，一定要有市场空间，简单来说就是颗粒度要非常大；第三，要有门槛。

基于这三点，我们当时觉得制造业是一个比较好的切入点。我非常熟悉这个行业，也大致知道哪些需求是非常紧迫且可行的，哪些需求可以通过其他板块来解决。

来源：受访者

《中国企业家》：现在很多机器人公司更看重海外尤其是欧洲的制造业市场，你们在出海方面有什么规划？

陈亦伦：在中国，凡是能用上一代自动化设备解决的问题，基本都已经解决完了。但整个工业制造领域，劳动力依然极度短缺，这说明能用上一代技术解决的问题都解决了，需求却还在，而且巨大。这正是在呼唤下一代形态、下一代技术。因为现在的工作都是人用各种方式在干，所以类人形态一定能跑通。

这一代技术和上一代的本质区别，还是在算法。上一代自动化设备，我们开玩笑是“小火车”来替代“小汽车”，轨道、动作、空间全都是设计好的，硬件做得很复杂，软件非常简单。

而这一代机器人，思路正好反过来：让硬件尽可能标准，让软件尽可能高级——完全不同的两条路。我们已经看到，这一代的潜能，反而大得多。

我们一直很坚持从用户视角出发做产品和研发设计。我本人曾是大规模自动化设备的用户，所以很清楚：核心还是产品技术有没有竞争力。工时成本、运转效率，这些从一开始就是产品设计的关键指标。

以前确实有过一种情况——设备产生的价值和成本不匹配，为了推广，就专门找人工成本高的地方去卖。我觉得这不矛盾：你完全可以做性能优秀的产品，同时让用户把账算回来。这两件事应该一起做。

再说国外。我发现一个有意思的现象，像美国这样的地方，很多企业、很多重要人物，对生产环节的机器人更看重。因为美国想让制造业回流，但社会结构和人口结构根本不支撑，这是个巨大的矛盾。他们就指望着这一波AI技术能帮上忙。

而我有一个坚定的信念：在这一代机器人面前，已经没有所谓的低端制造业了，只要技术和问题解决到位，所有制造业都可以是高端制造业。

至于东南亚，虽然很多企业在往那边布局，但为什么那么多优秀的制造业还留在中国？原因很多，比如产业链协同太好了，中国人的管理能力和工艺水平也依然领先，而且现在不光看价格，更看质量。

所以，推动机器人在制造业落地的驱动力是多元的，但核心还是高效率、高成功率、高准确率。把这三点做好，在哪都能把账算回来。

数据创新

《中国企业家》：你们还发布了数据采集的手套（设备），是怎么设计出来的？这跟其他家数据收集的方案不一样，有受到过其他人尤其是投资人的质疑吗？

陈亦伦：我们的数据手套，包括整个数据采集的方案，就放在我们第一次融资的BP上，到现在这个方案没有变过，（我们）忠实地执行完，并且还加速了。

投资人对技术问得非常之多，在2025年之前，大家非常关注数据，当时比较受关注的是遥操作或外骨骼。

我认为行业真正需要的数据需要遵循几个原则：

第一，需要有1000万个小时。第二，一定要是真实场景。

《中国企业家》：你不认同仿真数据？

陈亦伦：这是我的个人观点，因为很多时候是排除法。我有一个基本的思考逻辑，自动驾驶是具身智能的一个子集，是一个子问题。如果仿真数据的方法对自动驾驶不生效，那它对具身智能可能就不生效。因为一套方法如果子问题都解决不了，就没有办法解决一个超问题。

我在自动驾驶领域认真试过仿真数据，曾经有一个非常棒的仿真团队给我把整个上海都仿真渲染出来了。比如一条路，开始下雨了，地面开始积水了；过一阵又开始刮风、下雪了，都渲染得特别好，特别真实，但没什么用。

在真机遥操作上，我在清华的时候跟另外一位老师一起研发了一个类似于新型臂，专门帮助同学去做操作，但它的效益非常低，人一小时干十件事情，它只能干一件事情。而且你做一件事情，旁边必须有一个机器人放在这。这导致你很难采集一些真实场景。比如我现在想看别人怎么打咖啡，咖啡店员工干活干得好好的，你配一个机器人（同步）操作做咖啡；或者工厂里工人都在飞快干活，推一个机器人过来操作，整个流水线一下被打断了。整个数据量也完全受限于机器人的体量，这个机器人目前来说什么都不会干，只能采数据，那这个东西到底谁来买？科研可以，但大规模推广很难，付费就可能存在问题。

我喜欢从之前成功的AI应用（借鉴）思考，比如自动驾驶、GPT是怎么获取数据的？自动驾驶尽管一车装8个摄像头，但它本质上是行车记录仪，把开车的数据给记下来。最开始算法没有那么复杂的时候，我们还喜欢在车上装激光雷达，但本质上也是个激光雷达版本的行车记录仪。现在如果让我重做一遍自动驾驶，我连专用的前装摄像头都不要了，直接在上面挂一个真正的行车记录仪就够了，它就是记录你开车的数据，Human Centric。

大语言模型是一大堆互联网数据，都是人自己敲上去、写上去的，也是在记录你点点滴滴的文本，你的思考、生活，都是从人身上来的。

机器人的目标也一样，它希望拥有人身上的技能，为人服务，就是把人身上的数据能够全量、忠实地记录下来，通过一系列算法，转换成机器能识别的数据，我觉得是一条非常正确的路。

接下来是数据记录的问题。我们不需要记录每一个关节（比如胳膊肘）的数据，因为最终目标是把手送到位。关键在于手的姿态、手型以及接触信息，中间关节怎么动并不重要。同样，腿、腰、身体的姿态也未必那么重要。

Sense Hub在多场景进行真人数采。来源：受访者

真正重要的是眼睛和手：眼睛看到的场景，机器人必须能看见；手在创造价值，其位置、状态、触觉都需要记录。这就是我们所用的全部传感器，目标是把这套系统做得很轻。难点在于，当手被遮挡（如叠被子时）看不见怎么办？这就需要一整套技术方案来解决。

《中国企业家》：当时怎么想到用手套这种方式的？

陈亦伦：来源于几个观察。

第一，恢复手指姿态非常重要。就像戴AI眼镜用摄像头能看见手一样，图像里只能给出二维位置，空间精度不够，我们很强调空间定位。

第二，当手被遮挡时（比如拿咖啡、伸进被子叠被子），视觉质量就会下降，所以需要一套稳健可靠的多元定位方案。手上的摄像头传感器因此变得重要，它们需要承载腕带之类的装置。

第三，很多应用场景，包括工业领域本身就要求戴手套，所以这也成了一个很自然的选择。

《中国企业家》：对于你们的机器人来说，是必须要（五指）灵巧手的？

陈亦伦：对，我们是高自由度灵巧手的坚定拥护者。我们根据大量的人采数据做过定量评估：平均而言，用人的五根手指完成任务，比强制用夹子去捏，效率高出三倍。用夹子有些东西甚至夹不住，比如重一点的水瓶。五指手是充分且完备的方案，效果一定很好，我们自己也做了灵巧手。

来源：AI生成

当然，夹爪也不是完全没用。有些工业场景会用，比如处理很细的线束时，这类特殊场景我们会采夹爪的数据。但泛泛来说，灵巧手与专用工具（如夹爪）的应用比例，我判断大概是九比一。

《中国企业家》：但灵巧手现在是困扰整个行业的难题，特斯拉也解决不了，你们有没有考虑过，短期内这会给场景落地带来困难？

陈亦伦：我们倒不担心这个。我觉得灵巧手会有两条不同的上升路径。

马斯克喜欢一步到位，这是他的特点。他们的灵巧手之所以难设计，是因为要同时干两件事：第一，非常灵活，具备21个以上自由度；第二，非常强壮有力。把这两件事捏在一起，你会发现特斯拉选的是一条非常非常难的路。

如果你把这两件事分开呢？只聚焦灵巧，抓握力不用那么大，你会发现其实有很多更好的方案。我非常拥护直驱方案，它对AI算法非常友好，而且好造，还能很好利用中国之前的供应链。中国做齿轮、做电机，本来就是强项。

在这套方案里，成本只取决于一件事：电机和齿轮的供应商什么时候用自动化生产线来完成制造。现在成本高，唯一的原因就是（电机和齿轮）没上自动化，还是手工生产线。

组织管理

《中国企业家》：你现在怎么分配自己的时间精力？

陈亦伦：我的时间分配可以分为静态和动态两类。

静态时间，是企业必须持续思考、不断迭代的基本问题：我们是否还在正确的路上？节奏是否对？资源够不够支撑下去？有没有足够多优秀的人才？团队和组织能不能承载我们想做的事？这些问题我每天都会想。

动态时间，是创始人模式下的日常状态。你要非常敏锐地捕捉企业每一天、每一周最重要的几件事，这几件事是动态变化的。如果能提前预判后面会发生什么，那就更好了。然后我会亲自去推动这些最重要的事。因为从创始人模式来说，由我来推，往往是最有效、最快，大家感觉也最好的方式。

《中国企业家》：你在融资上会花多少时间？

陈亦伦：对于企业来说，资金就是打仗的粮草，不管是融资还是我们的商业收入，都是企业同等重要乃至于最重要的事情。这些事情一天到晚挂在（我）心里。

来源：受访者

《中国企业家》：你在跟团队的交流和管理上，有什么方法论？

陈亦伦：我一般会把这件事情分成两个层面来看。

我在上一家公司从0到1搭建自动驾驶团队时，一直坚持精兵策略。我非常认同特斯拉的做法，他们的自动驾驶团队从头到尾没超过200人。我认为200人左右，是高密度技术团队的一个关键规模节点。超过这个数，管理方式就要分阶段调整。

对我来说，最舒服的状态就是带着一支这个量级的优秀技术团队，像尖刀一样快速推进。在这个规模里，我能了解每个人的工作状态，也能预判他们什么时候可能需要我的帮助，这是我多年养成的习惯。

上一家公司自动驾驶技术进步最快的阶段，也是团队在300人以内。那时基本能把进度条推到80%、90%。这就是从0到1的节奏。

但产品化跟交付、稳定性相比，是另一套逻辑。首先要“快速把事情做对”，然后再“避免把事情做错”，两套方法不一样。

像IPD这类流程化方法论，本质上就是用来避免犯错的工具，适合在规模化阶段使用。虽然每家公司都有自己的开发流程，但我发现真正的高手，都是“取其神，不取其形”。IPD像一部法典，你只要看懂它每条规定背后的思考，就能根据当前状态，灵活调用适合的工具。

《中国企业家》：你和团队经常聊到的细节是什么？

陈亦伦：我经常干的事情，就是在白板上推公式，我会直接看某个电路板的某一个芯片，甚至是（它的）一个功率放大器的增益应该怎么调。我也会仔细看它的电机的设计，怎么样可以让它的齿槽转矩变得非常之小。因为我自己以前管过生产制造，我还会关心这个东西我们设计完以后是怎么制造出来的。

《中国企业家》：所以你会参加员工的技术讨论，甚至在他们讨论时突然出现？

陈亦伦：其实很多讨论他们都喜欢邀请我，我在很多技术人员眼里是一个非常好的技术专家，很多时候我能够非常有效地帮助他们很快推进，他们就更开心了。

我有一个动态的优先级列表，我知道在哪个时候，哪件事情上大家会面临着一些技术难的、需要攻关的地方，我会主动挑时间进去，看看能不能帮大家把这个事情往前推进一下，目前来说还不错。

《中国企业家》：你在日常管理中是鼓励型的“老板”？

陈亦伦：对，我非常明确我是鼓励型。我们经常喜欢说一句话，很多时候创新是来自于对真相的持续追求。

因为你在不断探索新东西，所以很多时候你看到的不是真相。有时候我会跟大家一起去介入到对真相的调查，看看能不能成功“破案”。“破案”的过程本身就是一件很好的事情。

其次，我经常跟我们团队说，我们的做事原则是允许失败，或者说我们完全不介意失败，但我们希望快速推进，能够更加原创、自驱地产出很多解决方案和思路。

《中国企业家》：这对于人才的要求非常高，整个行业的高端人才也是比较稀缺的，你们对骨干更倾向于自己培养还是建立相应的招聘体系？

陈亦伦：我们现在每一个员工，我都是要亲自跟他聊一聊。

人才是我们最重要的事情，我觉得对于高科技来说，人才跟组织方式是这个公司最核心的壁垒。怎么把非常优秀的人组织起来并干得很好，非常自驱地往前干，也是很有意思的一件事情。

以前我看武侠小说，说高手之间不用过招，也能认出对方是高手，这种感觉确实存在。有时候你见到一个人，就觉得他好棒，聊一聊，哪怕学科领域不同，也能感知到那股劲儿。我们对这种极端优秀的人才是非常渴求的，不管他是什么出身、什么背景。

我自己总结，这类人身上有一个共性：他们真心喜欢自己做的事，并且能持续从事情本身获得正反馈。有了这个共性，他们就会不断学习、不断推进、不断拿出更好的东西。这是我们最看重的一点。

《中国企业家》：你们怎么去找到这样的人才？

陈亦伦：顶尖人才本身就非常非常少，基本上都是可遇不可求。如何发现这样的人，可能会有一些基本的原则。

俗话说，优秀的人总喜欢联结在一起。通过一个优秀的人，我们再去找他身边他认可的人，这样发现人才的概率可能就会高很多，而且大概率彼此的认同度也会高很多。

其次，因为机器人或者具身智能是比较新的领域，我们倒不是特别介意他之前一定要有相关经历。哪怕他之前从事的是一个完全不一样的领域，但他有很好的作品，有很好的做事方式，我们就会认为他只要保持这个劲头，充满热爱，在这个领域就会获得大量的成果。

以前，我们觉得是因为召集了一批“英雄”，所以打赢了一场战争。但事实上，可能是我们召集了一批志同道合的人打赢了战争，于是这些人都变成了英雄。

《中国企业家》：你们内部会像DeepSeek一样培养年轻人？

陈亦伦：是的，DeepSeek最厉害的一点是，知道怎么把这些优秀的人聚集起来，做一件了不起的事情，而且还让他们能够持续不断跟随着整个组织一起成长。

《中国企业家》：你对于公司未来的发展预期或者规划是什么样的？

陈亦伦：我坚持要做有用的机器人，我需要这个机器人能够不断创造价值，能够帮助我做好工作。每个人有机器人加持，会变成一个超人。