深访范浩强：旷视16岁最强高中生，具身创业没看见真正对手

测分高的喜报频传，测分低的秘不发丧。

作者丨杨诗涵

编辑丨林觉民

过去一年，“GPT时刻”成了具身智能发布会上的高频词。

有厂商宣布过，自家的机器人已经迎来了属于自己的“GPT时刻”，而且不止一次。

范浩强偏要泼冷水。

他是这个行业里少数有资格泼冷水的人。

2011年，还在读高一的他，以距满分仅一分的成绩拿下国际信息学奥林匹克竞赛（IOI）金牌。

清华信息学集训队教练唐文斌（旷视科技联合创始人兼CTO）到人大附中讲课，课间满屋子学生都在打游戏，只有他一个人对着屏幕写代码。

唐文斌把这个还没上大学的少年，招进了自己刚起步的公司。

16岁，他成了旷视的第6号员工。

此后十几年，他和搭档周而进（旷视12号员工、IOI金牌得主，现任原力灵机CTO）把过去被视作天方夜谭的人脸识别精度做到11个9，长期霸榜世界第一。

所以当他判断“这条路还很长，大家千万别过早激动”时，这句话的分量，比那些喊口号的友商重得多。

2025年3月，范浩强和唐文斌、周而进等旷视原班人马联合创立了原力灵机。

他和团队做了个真机评测榜单RoboChallenge，立了条规矩，30个任务全部测完才上榜。

结果，有人测到第29个就不交第30个。

范浩强笑称，一般还没交卷的人，嘴里喊的成功率比所有人都高。

而原力灵机7月发布的通用具身基础模型DM0.5，则在RoboDojo、RoboColiseum等最新榜单登顶。

按理说，这正该是趁热讲故事的时候，范浩强却表现得相对克制。

“具身行业没有真正的对手，唯一的敌人是残酷的物理世界。”这是他给出的判断。

以下是对话实录，AI科技评论进行了不改变原意的删改。

01

AI先抢走了人最想干的事

▎AI科技评论：先聊点轻松的。我们听说你有用空气炸锅做美食的习惯，能不能先分享一道你最近的拿手菜？

范浩强：我是比较暴力的，直接把五花肉放进空气炸锅，180度先30分钟，200度8分钟左右，之后切成块，我也不知道它叫什么，但它就可以吃了。我的厨艺也就停留在这了。炒菜我不太行，主要是把火点着这事就让我比较怕，都得用电的厨具。用电磁炉炒菜不大行，到现在我也掌握不了。

▎AI科技评论：用空气炸锅做饭和你现在做的工作有相像的地方吗？

范浩强：其实就是做Engineering（工程）。你搭一个东西让它work起来，这个时候是最快乐的。如果你还能改一改、调一调，看着它在变化、在变好，那就更快乐了。就像有个很经典的控制算法叫PID（工业界最常用的反馈控制算法），一共就仨参数，但你真的去调，可以调一辈子。

▎AI科技评论：我们注意到一个细节，高中时你的语文老师觉得你总是和大家想的不太一样。

范浩强：她特别鼓励我们写作文，甚至出了本书，把我们的作文都刊登上去了，书名好像叫"附中学生这样练笔"之类的。我记得班上有个同学写得也很好，看到老师出书之后很嫉妒，跟老师说，凭什么小强的文章入选篇数比他多一篇。后来有次教师节我回去看老师，一时兴起想看看那本书还买不买得着，发现只能在闲鱼上买到影印版了，我赶紧买了一本。看完之后怀疑人生：我还曾经写过这玩意？

▎AI科技评论：别人一般怎么夸你的文章？

范浩强：很多人夸我文章好在读得懂。哪怕很绕的话和事情，能用很简单直白的语言讲明白。

▎AI科技评论：有点白居易那个路子。

范浩强：对，哪怕很绕的话和事情，能用很简单直白的语言给讲明白，大家觉得这是我的强项。我发现文章写作里面，其实也有偏engineering、偏理工科的部分。

老师那时候教我们，作文打分叫一类文、二类文、三类文。

一类文，你就得写点不一样的、别人想不到的，我理解为"语不惊人死不休"。

二类文，就是你正常写，用今天的话语讲，就是大模型生成的。

三类文，是完全写跑题了。

老师教我，一类文和三类文是不可区分的：你规规矩矩写，就是二类文，就是大众的一员；你写得非常出格，老师看懂了就是一类文，没看懂就是三类文。这就叫情理之中、意料之外。

▎AI科技评论：这个标准后来被你用在做研究上了？

范浩强：后来做research发现也是这样。普通research就是做个实验、写写记录，你能写我也能写。真正好的研究，那个点子非常大胆，甚至荒唐，但你把对应的实验结果做出来、给别人启发了，这就是最好的。

比如去年机器人刚火起来的时候，我干了一个工作叫Real-timeVLA。

那时候大家觉得VLA（Vision-Language-Action，视觉语言动作模型，让机器人看画面、听指令、直接输出动作）跑得很慢，可能得跑几百毫秒。

有天我一拍脑袋，能不能30毫秒跑出来？所有跟我交流的人都觉得这是一篇非常典型的三类文，一个根本不可能研究出来的问题。我花了差不多一两个月，仔仔细细研究计算过程，真就在一张家用显卡上做到了。

以现在的视角看，这活GPT6可能一个小时就能干出来，但在那个时刻，它改变了很多人认知：这些模型完全能做到实时计算，我们以后可以往这个方向努力。

▎AI科技评论：聊回你高中时的想象。你那时候就在想，人工智能机器人极大发展之后，人是不是就不用干活了。现在的答案是什么？

范浩强：现在真的去着手建立一个无比强大的AI、越来越强大的机器人的过程中，突然发现这一切跟想的完全不一样。最早大家想，AI肯定先把人类不喜欢干的事干了，做饭、洗衣服、收拾屋子。结果AI上来干的第一件事是吟诗作画，它把最想干的事先干了。机器人也一样，最早想让它帮我叠被子、收拾屋子，结果发现对人来讲最简单的任务，对机器人是最难的。相反，很多人觉得很难、会自以为傲的事情，比如跑得快，机器人反而最先攻克。也许这波机器人的革命，又把大家最想干的事给抢走了，留下的还是那些我们最不想干的事，继续等待下一次科技进步才能被彻底替代。

▎AI科技评论：那你自己有没有最不想干、最希望机器人干、但它现在又干不了的事？

范浩强：我每天最痛苦的事情，是去铲我家猫的猫砂。大部分时间味道很轻，但它闹肚子的时候就很臭。我曾经想研究一下机器人能不能做，最后发现这又是一个最难的问题：形状和位置很不可预测，铲的力度还很大。对机器人来讲，最难做的恰恰是我们日常生活中最习以为常的事情。

02

Deep Learning还是比特币？

▎AI科技评论：你和唐文斌的相识，那个场景在竞赛圈流传很广。课间满屋子人都在玩游戏，只有你在写代码。

范浩强：我上中学的时候，他当信息学集训队教练，来人大附中周末讲课。课间的时候，只有我一个人没有在玩游戏（笑）。

▎AI科技评论：那你在干嘛？

范浩强：写代码。其实是因为我在别人讲课的时候也玩过（大笑）。他对我印象深刻。当时我还在上中学，保送已定，他就说我们要搞个公司，做人脸识别，一个很酷的事情，你有没有兴趣过来搞搞。所以我跟文斌算认识非常久。

▎AI科技评论：你刚加入旷视时，公司的拳头产品还是一款体感游戏“乌鸦来了”（旷视团队早期作品，玩家摇晃头部操纵稻草人拦截偷食的乌鸦，曾冲进中国区苹果AppStore游戏榜前五），据说一共才挣了2万块钱？

范浩强：我刚到公司，就看到唐文斌跟公司里的主美吵架，讨论下一代游戏该做什么。据说乌鸦来了一共挣了2万块钱，大家觉得还是得搞点非游戏的、生产力的东西。也不好说，如果坚持做下去，可能这个公司挣的会比现在多，但这个世界没有如果。后面去做人脸识别、安防，我觉得也挺好。

▎AI科技评论：回顾在旷视的13年，你觉得你做的最对的一件事是什么？

范浩强：我最高光的时刻，其实是我在旷视干了一段时间之后，去外面的机构交换了一段时间。在那我学到两个技术，回到公司做了个talk，跟大家说这两个将来都大有可为，我们应该选一个赌一把。第一个东西叫神经网络，这事后来逆袭了，它现在有个新名字叫Deep Learning。我训了一个当时的人脸关键点检测器，的确比别的方法好，我觉得很有意思。第二个，我听说有个新兴的东西叫比特币，也许我们可以赌一赌。结果公司一致决定：干Deep Learning。想当年如果把所有的钱都拿去买币，我们可能就非常富有了。

▎AI科技评论：这两个选项都来自你那段外游经历。我们了解到，那段时间你还没上大学，在微软亚洲研究院，工位旁边就是马毅（著名计算机视觉学者）的办公室？

范浩强：对，我在MSRA待了一小段时间，跟着一个mentor。我就天天听马毅在办公室里训学生：你们搞什么Deep Learning，应该好好搞Sparse Coding（稀疏编码，当时视觉领域的主流方法，深度学习在当时被不少人视为歪门邪道）。我就记着，好像有个东西叫Deep Learning，听上去挺不正经的，离经叛道。

▎AI科技评论：别人越不让干，你越要研究。

范浩强：对，这个我就得仔细研究研究了，三类文变成一类文（笑）。所以每次选择技术的时候，我都是类似的想法：看看啥东西大家不搞，我搞一搞，这是我的爱好。

（注：这段对话的背景是2012年前后深度学习尚未翻身的历史窗口。当时计算机视觉的主流是手工设计特征加线性分类器，神经网络被视为过时路线，行业权威多持怀疑态度。范浩强在办公桌旁"偷听"到的这场路线之争，几年后以深度学习一统天下告终。）

▎AI科技评论：2016年你去斯坦福交换过一段时间，当时也有机会留在美国做研究？

范浩强：我和一些人也熟、关系挺好，他们劝我说美国的科研条件更好，有更多的老师能帮到自己。但当时我想了想，感觉中国这个AI建设方兴未艾，还是需要人才。并且那时候孙剑（ResNet发明者之一、时任旷视首席科学家）也回国了。孙剑跟我讲，最重要的事是树人：本质上你萃出的不是神经网络，你萃出的是一群人，他们会给这个行业带来非常大的变革。我听完觉得这个格局太大了，这件事非常正确。所以旷视时期，我们其实最自豪的是建立了一个组织叫旷视研究院，把怎么系统性做AI算法这件事，本质上把方法论和文化一直传承下来。包括现在很多公司里，前旷视的人都站在重要的岗位上。这个事情可能真的比我们训过的任何一个神经网络本身都重要。

▎AI科技评论：从树人这个出发点讲，去高校任教应该也是个不错的选择，当时考虑过吗？

范浩强：想过一段时间。我曾经尝试做理论、做数学，研究过单调布尔函数的傅里叶稀疏度与敏感度之间的渐进关系，后来发现我根本干不了数学，太痛苦了。我还是喜欢干工科，每天能够一点点有小进步的东西。数学它做得出来就做得出来，做不出来就做不出来，没有中间态。而且一旦决定做工科，说实话当老师就是条比较困难的选择，因为你需要亲身去打造一个系统，这往往只有在企业里才有机会和条件。那时候也是很多老师出来创业的高潮，所以选择反而好做了，肯定要去企业里干。

▎AI科技评论：你的室友陈立杰也是醉心于数学。

范浩强：陈立杰（范浩强室友，理论计算机学者，现已加入OpenAI）去了OpenAI，在里面也搞数学。有段时间我问他，研究咱们这些TCS（理论计算机科学）到底有什么用？

他说了一句话我记忆犹新：证这个，是为了人类智慧的光辉。

我突然想，这太有道理了。我说我们一定要证出P对NP问题（理论计算机科学核心未解之谜，也是数学界七大"千禧年大奖难题"之一，追问的是"求解"与"验证"之间的根本关系）。

这个东西可能对生产生活不会有任何帮助，但当三体人把我们灭了之后，他突然发现他灭的这个种族证过P对NP，他会崇敬我们。就跟你踩死一只蚂蚁之前看它一眼，个这么大。这种东西是能穿越千年时光、永恒下去的成就，值得陈立杰这样厉害的人去追求。

03

两三千块手搓一台机器人

▎AI科技评论：你做机器人这事，其实想干很久了？

范浩强：差不多2016、2017年，文斌就想干机器人，找的方向是物流。我算是旷视第一批跟着一起做的，做机械臂拣选之类的算法。那时候机器人远不如现在火，大家还把它理解为很传统的行业，那时候能写一个六轴机械臂的运动规划，都是很厉害的技术。

▎AI科技评论：那个时候你才二十岁出头。

范浩强：20多，我是94年生的。当时种子已经埋下了，但做了一段时间之后，我做了个大的判断：技术不成熟。大家想实现的那种非常柔性、智能化的东西，没算法，并且机器很贵。买一条进口的工业机械臂，差不多得将近20万块钱，成本很难划得来。所以做到一段时间之后，我的主要时间精力就去做别的了。到2023、2024年，其他业务相对稳定下来，我开始回头重新思考。那时候我上下游跑了很多，发现有两个事成熟了。

一个是机器人本身的零部件国产化率很高了，价格降下来了，四五公斤负载级别的机械臂，两三万就能买到。

另一个是算法，ACT、DiffusionPolicy（两篇让机器人模仿学习突飞猛进的代表性工作）这些论文在美国发表出来了。

我看完之后是那种三天三夜睡不着觉的激动：原来困惑了那么多年的问题，原来这么简单就可以做。我觉得接下来机器人一定要大发展了。还在旷视体内的时候，我就拉了一些好朋友，跟大家讲机器人大有可为，来，咱们转行干这个，一点点把事情孵化出来。

▎AI科技评论：你是软件算法出身，完全不懂机械。你的起点是去B站看了稚晖君（华为"天才少年"计划成员，后来联合创立智元机器人）的教程？

范浩强：我并不认识他，只是看了他的教程。看完之后我突然有种"我上我也行"的感觉。那个电机里虽然很多东西挺复杂，三环控制、反电动势，涉及很多概念，但我发现我大概还是能学懂一点的。所以我干的第一件事，是自己在家里搓了一台小机器人，差不多花了两三千块成本，六个自由度，能运动，也能干些简单的活。我把它扛到公司，拉给周而进看：你看，这东西几千块就能搓出来。

我说只要我们用算法能够把它控制起来，将来必将大行于天下。周而进马上自己训了个非常简单的小网络，控制它做第一种活，叫“抓狗”：把一个玩具狗从椅子上移到桌子上，就完成这么一个动作。他靠自己当时的理解写了个算法，发现it works。就一抓一放，很简单的动作。

但当你看到一个物理世界的机械，真的如你设想那样动起来之后，那种冲击力、满足感，是原来做数字世界的东西完全不可替代的。搞完之后，而进同学也认同了：机器人必将大行于天下，我们就干。后面越来越多的同学加入进来，文斌也终于有条件全职带领一家公司了，我们就让他当CEO，把公司正式启动起来。

▎AI科技评论：周而进还带来过一次“魔法之夜”？

范浩强：最早而进做预训练模型，他说我们要搞预训练，模型会有魔法。说实话大家当时也不信。但第一次，那个预训练模型在完全不做任何后训练的时候，突然成功把一个任务做出来，那个晚上所有人都在欢呼，都觉得我仿佛看到了通向未来的机器人技术的道路。

▎AI科技评论：那是一个什么任务？

范浩强：类似把一根笔从桌面拿起来，放到笔筒里，稍微有点要求。其实就很简单，但做技术你就知道，从0到0.1是最难的。再往上，很多时候就是加更多的数据、跑更大规模训练的问题了。

▎AI科技评论：另一位重要伙伴汪天才，他之前是跟着张祥雨（ResNet作者之一、旷视研究院基础科研负责人）做自动驾驶算法研究的，你怎么把他拉进团队的？

范浩强：机缘巧合。大模型那一波的过程中他也参与一些，但自己没有加入大模型的公司。当时在旷视做这些事情的条件，肯定不如单独出来搞好，他自然而然就加入进来了。并且现在他做世界模型，也取得了很好的结果。

▎AI科技评论：还有唐文斌。我们内部聊过这个细节，都觉得很有画面感：一条凌晨两点的微信。

范浩强：我跟文斌认识非常早，共事经历也很长。做物流业务的时候，我们最大的项目是优衣库上海仓，足足做了三年。他在那跟客户奋斗，我和团队也住在那个仓里面，住在一个小集装箱里调试系统。这些积累了非常深厚的战斗友谊。

当时他在旷视管物流业务，也在思考机器人到底该往哪里去。他看到具身这些技术起来之后，也是看见了这里的可能性。我就记得有一天非常莫名其妙，他突然给我发了条微信：this is a lifetime opportunity（一生难遇的良机），去实现通用机器人。我看了乐了，我说这个我都没激动，你咋这么激动？

▎AI科技评论：他平时是一个很燃的人吗？我们印象里他好像不是。

范浩强：怎么说呢，代入他的处境想。我平常还有空写写code，他可能每天就在处理客户合同、项目之类的事。对他来讲，能够参与到技术大的建设时期，的确是非常非常快乐的一个过程。

▎AI科技评论：你还有一位很早就给你埋种子的前辈，苏昊（加州大学圣地亚哥分校教授、机器人公司Hillbot创始人）。你刚到他的实验室时，他跟你讲过他对机器人的设想？

范浩强：苏昊跟我说他要干3D生成。我问他为什么干3D生成？他说我们先干3D生成，就可以干3D的对抗学习，就可以创建各种三维的仿真环境，之后就可以在里面搞强化学习，最终就可以去搞机器人了。我非常景仰苏昊，他能提前10年想到我们终将有一天真的要去干机器人，并且真的沿着这条路去做了，这是非常富有远见的想法。

04

具身要干的9，比人脸识别更多

▎AI科技评论：创立这家公司时为什么选这个赛道？当时触觉机器人也很火。

范浩强：我们开始做机器人的时候，就想哪一环是现在最瓶颈、最卡脖子的。想来想去，肯定还是模型本身。传感器其实可做的无穷无尽，我们可以做3D、做触觉、做雷达、做温度，每个都有意义，但能把它们都串在一起的最核心的东西，肯定是模型本身。

▎AI科技评论：你有一套“三个九”理论？

范浩强：我们一直有个理论，就是怎么把一个东西的准确率做到99.9%。第一个9，叫做你有数据。第二个9，叫做你有一个正确的算法，包括模型这一层。第三个9，就是你把它写对了，把执行做好。当然，现在的机器人我觉得也有新的三个9。第一个9，机器人这个物理空间上得能到那。第二个9，你的机械臂得能把那个东西拿起来，夹爪形状得对。第三个9，机器人不要趴窝，不要干一个小时之后它自己挂了。

▎AI科技评论：最后这个指的是散热？

范浩强：各种的可靠性、稳定性，以及整个软硬件系统等等这些东西。

▎AI科技评论：从POC（概念验证）到真实应用落地隔着一条鸿沟。旷视做人脸识别干到了11个9，你觉得具身要干到几个9？

范浩强：那9更多了。你想，我要部署100万台机器人，一天有24小时，每小时有3600秒，每秒要推理10次。你希望整个过程中不要出现严重事故，那这个9的数量，又会提高到一个更高的量级。

（注："几个9"是衡量系统可靠性的行话。99.99%意味着一万次里错一次，而人脸识别金融级应用的"11个9"，意味着百亿次识别才允许错一次。范浩强的意思是，具身智能要同时满足"到得了、拿得起、不趴窝"三个新维度，而机器人一旦铺到百万台规模、昼夜不休地运转，对可靠性的要求还会在人脸识别之上再加好几个量级。这也是为什么行业通行的Demo视频离真正能用之间，隔着一整条鸿沟。）

▎AI科技评论：关于数据，周而进有一个判断，数据比模型更重要。你对scaling law临界点的判断是什么？

范浩强：实践是检验真理的唯一标准，真正的知识和意识一定是从劳动中获取的。在我心中，我们该实现的具身智能，应该是通过和在世界改造世界的过程中产生新的认识。以这个标准去看，现在采的那点数据、涌现出来的那些智能，实在差得太远了。所以具身智能的数据量，还要再经历好几个量级的跃迁之后，最终才能达到它那个最完美终极的形态。当然，业界有其他部门不是这么想的。比如说在友商们的发布会里，这个具身智能GPT时刻已经实现好几回了。但在这方面，我自己可能更有耐心一些，反过来讲也可能更悲观一点：这条路还很长，大家千万别过早激动，接下来要攻克的难关还是很多的。

▎AI科技评论：有人建议你在做公司的时候，也赶紧喊一个这样的口号吗？

范浩强：还好，我们现在公司有专职人员负责喊口号了（笑）。

▎AI科技评论：那你自己对现阶段喊口号的边界在哪？

范浩强：很多事它就像考试答题一样。你说搞高考本质吗？也不本质，但是你该搞的时候就得搞。很多时候创业也有很多命题作文：你要想办法去融资，要创造一个公众的感知度，要搞好政府关系。这些事情都叫命题作文，那题来了做就是了。哪怕是这个不那么本质的事情，我们也要把它做到很优秀。但与此同时，我们还是要看穿这些表象背后真正在发生的事情，把本质的事情也得做好。

05

不敢交卷的，成功率喊得最高

▎AI科技评论：我们想聊聊RoboChallenge。这个榜单的发起，和你在行业里看到的现象，是不是有直接关系？

范浩强：对，我记得当时搞RoboChallenge（原力灵机与Hugging Face于2025年联合发起的具身智能真机评测平台，全球首个大规模具身智能真机评测基准）的时候，有个初心。那时候有一堆公司搞了个什么开源基模，结果我点开他的GitHub，上面只有个README。我看完之后说，这个我们还是得弄个东西，能够实打实地去测一测：到底搞了一年了，这行业有没有进展？想来想去就说，我们做一个真机评测，并且不能在一两个任务上测，我们得做几十个任务，做个大规模的。

▎AI科技评论：你当时要自己做，是因为觉得国内外都没有一项评测能测到真机？

范浩强：对，那时候可能最大的benchmark也就两台机器、测三四个任务。在那情况下，所有人都跟我说，真机是不scalable的，必须走仿真器才能去做。我们说，那真机不就是吃苦吗？来来来，那我们吃。所以我们解决了很多很多的问题，机器一致性、可维护性、任务调度等等，但最终做出来的结果还是很震撼的：从最早的OpenVLA到PI0再到PI0.5（Physical Intelligence公司的系列模型，该公司由前OpenAI和Google核心成员创办，被视为具身模型的行业标杆），你是能够看到一个非常清晰的、往前进展的信号的。

▎AI科技评论：我们听说当时你们内部还有过犹豫，要不要把结果放出来？

范浩强：对，那时候最高的准确率才百分之三四十的成功率。我们说是不是放出来，这行业就融不了资了？后来想，不。还是得往开了看，相比一个没有benchmark的行业来讲，还是有个东西可刷，反而是一个更能给人带来希望的方向。

▎AI科技评论：有排名比较靠后的公司来找你们，希望不要对外公布吗？

范浩强：因为我们那个榜单有个机制：你得把30个任务都测完了，它才会上榜。所以很多时候，有些人测到第29个，他就不交第30个了。

▎AI科技评论：不交卷就不显示分。

范浩强：对。行业超过PI0.5的是一档，PI0到PI0.5之间是一档，还没超过PI0的是一档。第四档，叫做还没来交。然后一般还没来交的人，嘴里喊的那个成功率，是比所有人都高的。

▎AI科技评论：这就是我们理解中的“嘴炮王者”。那些真正头部的公司呢？

范浩强：我们特别想让那些美国公司来交，但他们也都不来交。所以你不可区分那个最牛的人和最弱的人，因为他们都不来交。

▎AI科技评论：你怎么判断当下的中美差距？

范浩强：说实话，我觉得中美之间还是有一些差距的，从训练的量以及涌现出来的智能现象来讲，还是不一样。但我相信这个时间不会再持续太久。可能在某个时刻，我们也会觉得，是我们行了，接下来就是大家去做更好的实现和扩大规模的时候了。

▎AI科技评论：现在外界对机器人行业有一个说法叫“大炼钢铁”，你怎么看？

范浩强：可能不是大炼钢铁，是铸造钢铁。现在很多公司会很提前于应用落地的节奏，去储备机器人的数量、去做出货。从一个严格的商业节奏讲，你肯定会觉得这和它本身应用的节奏是错位的，现在很多地方的机器人是闲置的。但反过来想，如果我们相信未来某一天会涌现出一个很厉害的技术，那也许就是从这些仓库里待着的机器人突然被唤醒的那一刻开始。它可能是在为下一波的爆发去汲取力量。

▎AI科技评论：但机器人在工厂里闲置太久，会生锈，还得专门维护，就像汽车一样。

范浩强：这可能是个道理。但还好，机器人你不开它，它坏得比较慢；你一直通着电，它坏得会比较快（笑）。

▎AI科技评论：你觉得具身行业现在最大的乱象，或者说大家的误解是什么？

范浩强：可能还是大家给公众许诺的、想象出来的技术状态，和实际上的技术状态之间的gap比较大。很多人动不动就说我们实现了scaling law、我们涌现了、我们泛化了，很多时候就变成了bench marketing：你说是多少，我一定要比你高一点，你别管这个指标它到底是什么意思，反正我就得比你高一点。完了之后大家就开始在这个方面去花费时间和精力。还有，你做排行榜的时候，把你不想比的人不列在上面就行了。

▎AI科技评论：这有点像以前汽车行业的说法，只要定语加得足够多，你就永远是第一。

范浩强：对。但我觉得你可以说它是乱象，我觉得这是甜蜜的烦恼。能有这些事，说明这个行业还很热。真的是说行业里只剩下很懂的人在玩了，那说明这个热点已经过去了，它能获得的资源和撬动的力量级，和现在完全不是一个量级。

（注：这段对话讲的是具身行业的"跑分文化"。就像手机厂商发布会上动辄"安兔兔跑分全球第一"，但跑分高不等于体验好，具身行业的Demo视频和自报成功率也常常与真实能力脱节：实验室里定点摆拍的任务，换个场景、换个物体就翻车。RoboChallenge的思路是把考试搬到统一的真机上，30个任务全部测完才允许交卷，用统一命题挤掉注水的自报成绩。"不交卷的人喊得最高"，说的就是这种只喊口号、不做真机验证的现象。）

06

“世界模型不本质，以后都叫宇宙模型”

▎AI科技评论：DM0.5发布之后，在RoboDojo（香港大学多媒体实验室联合加州大学伯克利分校、清华大学等全球近20所顶尖机构推出的具身智能综合评测基准）上拿到了第一，这被称作具身的全科考试。但过程好像有点波折？

范浩强：RoboDojo第一版也测了我们的模型，是他们替我们测的，那个好像排名垫底。我们就不服气，自己也去复现了一下，也和举办方交流交流，最后把成绩更新了一下，可以看到还是不错的。其中尤其是偏记忆型任务的处理比较好，因为我们在训练的一开始，就把更长时间的前面的帧的信息怎么融合，把它放在了基模里面。这样再去训练这些任务模型的时候，它自然就会有更好的能力和泛化性。

▎AI科技评论：为什么他们测的结果和你们自己测的差别这么大？我们问得直白一点：他们使坏了吗？

范浩强：我觉得因为这篇论文没有发布，毕竟现在的模型说实话还没有到开箱即用的程度，这里面还是有很多的细节需要搞对的。

▎AI科技评论：DM0.5在记忆维度上表现特别出色，分数是47分左右，领先第二名3倍多。测试内容是把积木先盖起来，交换顺序，再去猜哪个在哪个位置。这项技术对机器人走向实际落地的作用是什么？

范浩强：记忆是一个非常自然的现象。比如我去冰箱里取一个东西，打开冰箱门，取出来又把冰箱关上，冰箱的视觉特征就回到原位了，但里面的东西已经没了。如果机器人没这个能力，那我下回可能还得再打开一回，才能看里面有没有这个东西。如果我们相信具身最终实现，那它一定要把这些现象都具备了，才是一个完整的智能。

▎AI科技评论：理想状态下，终局的上下文记忆应该做到多少秒？DM0.5现在是60秒。

范浩强：我觉得应该比我强。我觉得机器人，算法一定会超越人的，这是非常清晰的一个趋势。

▎AI科技评论：七月还有一个配套发布的成果是世界模型DW0.5。但我们私下交流时，你跟我们说你觉得世界模型并不本质。这让我们挺意外的，所以想再追问一下：你怎么看世界模型？

范浩强：因为我们其实一直在谈的叫具身原生模型。世界模型，大家说你要能够从视频中学习、要能够预测未来，那这模型它不就该弄这个事情吗？所以我们内部说实话，并没有把VLA和世界模型做那么大的对立。只不过把它叫做DW0.5、用world model这个名字，可以显著降低和其他人的沟通成本，那我们就这么去叫它。我相信最终，生成理解一体化等等这些事情，一定是这个模型必须要有的属性。甚至我想，大家也别搞这些概念上的区别了，以后都叫宇宙模型。

▎AI科技评论：什么是宇宙模型？

范浩强：反正就是下一个模型。世界不够大，那就宇宙嘛。你硬要起名字，我觉得可以往这去想。但这就是我刚才说的，不本质。

（注：这段对话讲的是具身智能的概念之争。VLA是"看图听话出动作"的执行派，世界模型是"看视频学规律、预测未来"的认知派，两条路线的拥趸常年论战。范浩强的态度是"都不本质"：真正的具身原生模型，从训练第一天起就要为物理身体和物理世界设计，视觉、语言、动作、记忆、预测本该是一体的。起名"宇宙模型"是他式的吐槽：概念会不断换马甲，能力才是唯一硬通货。）

▎AI科技评论：苏昊的Hillbot在做仿真，你说过你们的技术路线是"山脚分开，山顶汇合"。你会担心仿真跑得比你快吗？

范浩强：我完全不担心，我甚至还希望它能跑得更快一点。我觉得这里可能存在一种对偶性：任何一个问题你能在仿真里解决，你一定能找到一个用真机数据去解决它的路径，反之亦然。这里面存在着一种可互换的关系。比如在真机里我们要谈怎么增加多样性、怎么去泛化；仿真里面大家谈怎么制备各种的资产。仿真里可重复性很好，但你想引入一些噪声比较困难；真机里就完全相反。所以大家其实都会找到互补的方法去接近那个东西。所以如果某天有谁用合成数据训出东西，在真实机器人上表现出了特别厉害的智能，我会为此感到高兴。

▎AI科技评论：你这么说我们有一些意外。我们知道原力的很多人都是旷视老员工，大家都说在搞人脸识别的时候没拿过第二，都很傲气。如果队友跑在你前面，你心里是真的会祝福他？

范浩强：对。因为最重要的是什么时候到终点。

▎AI科技评论：别人先到也是OK的？

范浩强：跑得快，很多是阶段性的。最终你要把机器人这个事情实现出来，它一定不是在论文里，不是在公关稿上，它一定是出现在千千万万机器人的实际工作场景里面。在那里边，算法可能甚至都只是其中很小一环。所以在算法角度讲，如果大家有了新的大成果，我们是非常开心和祝福这些友商的，我觉得这是整个行业一起携手共进。但是真去PK搞项目、抢客户了，那是绝不留情的。

▎AI科技评论：所以这就是你说的那句话：真正的竞争对手不是其他公司，而是物理世界。

范浩强：最终可能限制我们走多远的，一方面是铁、铝、铜这些基本物理属性，这是大自然给我们框定的限制；另一方面是我们用计算去孕育智能的过程中，它也有很多计算层面、学习原理层面的限制。这些才是真正能够决定这个行业上限的东西。在挑战这些问题的路上，所有从业者真的都是友商、都是好朋友。最终把蛋糕一起做得更大，每个人才能分到的更多。以前干视觉的时候，最早我们可能还把商汤之类的当做竞争对手，打了几年之后也就不打了，也能和平相处。到了机器人，更是都打不起来了，因为机器人的应用场景无比之多，可能现在的问题是产能不足、项目做不过来。我觉得这是让竞争能够更加良性的因素。

▎AI科技评论：原力的基模训练用了多少自采数据？你理想中自采、外购、仿真、真机之间的比例应该是怎样的？

范浩强：我们DM0.5其实早已经到万小时这个级别了。很多时候这个事情我们控制不了，因为现在想搞来高质量的数据，本身的产能是最大的瓶颈。训DM0的时候大部分是自己采集的，后面我们也有一些数据合作伙伴，能够有一定的供应，那可能就占一个相当的比例。再往更大的数量走，可能我们就得撬动更多的行业里的供应商和合作伙伴，才能一起把这件事情做好。

▎AI科技评论：你们还开源了训练框架Dexbotic，现在有多少人在用？

范浩强：挺多的，star数我印象中也很多了，得几千了。我们的star完全是自带流量，没有去买、没有去刷，就是真的有很多人去下载我们的codebase，跑了跑模型，觉得很好使。这个还是件很有正反馈的事情。

07

客户的简单，机器人的地狱

▎AI科技评论：你有一个判断让我们印象特别深刻：客户最简单的问题，可能比你们RoboChallenge里最难的问题还要难，尤其指的应该是Table30（RoboChallenge的桌面标准测试集，包含插花、叠碗、扫纸团等经典任务）。

范浩强：插花、叠碗、扫纸团，这都是经典任务。我想说的是，真实场景中的真实问题，一般会在你想都没想到的维度变难。比如我们最近接触了一个客户，他干的那件事看似很简单，但问题是，他那东西是从传送带上来的，传送带两米每秒。

然后那个人在那干得非常如鱼得水，我们现场看了，吓傻了。所以这就是我说的，最难的大考是真实世界中的真实场景，它会在一个你完全没有设想到的维度上变难。事情没想到，那还能怎么办？那就去想办法解嘛。

▎AI科技评论：帮我们拆解一下，这个两米每秒到底难在哪？

范浩强：我们现在研究的任务，那东西自己是不会动的。你慢点过去和你快点过去，位置是一样的。所以包括我们采集演示数据时候的速度，和最后机器人执行的速度可以不一样，我们可以做调速这个事。但当那个东西自己会动的时候，整个世界变了：你拍照的时候看到那个东西的位置，和你真的把手伸过去的时候，它根本不是一个位置。这个东西就违反了现在模型里大部分的这些现实和假设。

（注：这段对话解释了为什么"机器人干活"比想象中难。今天绝大多数机器人模型隐含一个假设：世界是静止的，看到的画面就等于下一刻的现实。一旦物体像传送带上的货件一样以两米每秒移动，机器人必须在伸手的瞬间"预判"物体几毫秒后的位置，相当于边看边算提前量。人类工人凭直觉轻松做到的事，恰恰击穿了当前模型的底层假设。这也是"客户的简单，机器人的地狱"的含义。）

▎AI科技评论：你们现在甚至做了一个合集，把客户这些看起来简单、实际上很难的题目收集成题集。这个题集现在有多大规模？

范浩强：我们想做一百个的，现在可能收集了二三十个。我们现在还不敢去承接大规模地挑战它，因为就像刚才说的，这里每一个里面都会蹦出某个维度，现在看上去还是个很天顶性的技术。

▎AI科技评论：收集这些问题本身也很难吗？

范浩强：对，因为这都是真实世界中的真实case，还是得需要你能够认识这个客户，并且他也要很有开放的心态，愿意让你来深入了解这个场景。

▎AI科技评论：你之前跟唐文斌有一段时间密集地跑工厂，是什么节奏？

范浩强：我基本上每月至少有几次，专门留出时间来，找找认识的客户，去看看都还有一些什么自己之前不了解的事情。当然文斌他就天天跑在外面了，他跑得比我多多了。

▎AI科技评论：从你实地探访工厂的经验来看，现在的机器人落地，更多是不是靠选对题，而不是解题？

范浩强：当然，因为人还是太厉害了。不过现在我感觉反而是越看机会越多。原来生产一个产品，可能就是几百万、上千万的复制，但现在大家的消费需求越来越多样化，很多时候大单会被砍成无数的小单。这种时候，他对柔性的要求就变高了。

▎AI科技评论：你说过，评判机器人只有一个指标：多久把钱挣回来。

范浩强：对。就是生产出来的机器人，它自己跑出去干活，赚回来的钱刚好能买下一台机器人的原料，那就再做出来一台。这件事情成立了之后，以后地球上就只剩机器人了。

▎AI科技评论：我们尽情地奴役机器人。

范浩强：可能将来是他们奴役我们，他可能会把我们当小宠物来养。你看你，脑子也不行，腿也不行，脚也不行，干活也不行，记忆力也不行，你自己就看着办（笑）。我觉得这可能就是最终的场景。

▎AI科技评论：现在你们服务的客户里，有没有已经算得过来账、可以回本的？

范浩强：其实是有一些的。我们有很多海外客户，他们在"省人"这方面，要考虑的东西就更多。比如我们现在的机器人可能卖个小几十万，人家觉得这东西很好，三年肯定回本了，没问题。这个事情我觉得算是比较容易做的部分。

▎AI科技评论：根据你的观察，技术往往发展到“刚好够用”的阶段就会停下。具身的刚好够用会是什么样？

范浩强：它不会解决掉所有的问题。去年到今年早些时候，到底哪个场景能够规模化使用机器人，大家还完全一头雾水。现在可能找到了第一个小场景，就是小件的供包，把包裹放到传送带上，这个的确有一些不得不用具身算法的理由。后面可能还会再找出下一个场景，就像当年做人脸识别，我们先找到了安防场景，又找到了商业服务的场景。真正的发展是说大家找到几个场景、产业形成一定规模之后，它也就会停在那里了。最终机器人还是没能把生活中所有的家务都替代掉。

▎AI科技评论：这个就像现在的大模型？

范浩强：对，比如GPT-6发布了，它是不是所有的活都会干了？其实并不是。只不过它比如在写代码、数学这些方面，做得无比强大。

▎AI科技评论：你觉得这一波智能浪潮如果能回答哪些是机器可以做得比人好的，哪些是机器永远不能超过人的，它的使命就算终结了。所以在你心里，硅基并不会全方位超过碳基？

范浩强：对。我觉得首先生物学超材料还是太强了，我们的肌肉、骨骼，你想用现在的材料学去做出来，差得太远了。当然，硅基的文明很可能最终会和人类完全不一样。比如我们自己有很长的寿命，我们的细胞能修复自己；但金属做出来的机器人，用了三年再造一个就行了，坏就坏了。这跟我们的生产逻辑完全不一样。就像飞机，它绝对不像鸟儿一样飞翔。我觉得最终实现一个大规模的、能够自己繁衍迭代的机器人体系，它一定和我们人类的方式从哪到哪都不一样。

08

十年等一回，那就猛猛干

▎AI科技评论：旷视在发展后期受到过来自美国方面的阻力。你觉得在具身的竞争当中，中美之间会是什么关系？

范浩强：我以前开玩笑嘛，说旷视最大的成就是获得了“特朗普认证”，说是威胁美国国家安全的重要企业。那以后机器人会不会也出现几家比较明确的中国巨头公司，技术发展值得美国把国家机器动用起来去遏制？我觉得也许会走到那一天。以现在的形势来看，可能还是会有非常激烈的竞争，因为机器人它在军事、生产力这些领域里的用处还是太大了，一定会被每个国家列为战略级的优先级去推进。说到制裁，之前我们搞视觉的时候，其实就是过了那个临界点：很多中国企业觉得，我把这个科技掌握得七七八八了，并且在很多单项领域里，真的做出了超越美国的成果。这时候对方就会从一个合作的姿态变成一个对抗的姿态。现在的话，可能OpenAI、DeepMind还是太先进了，人家还没把我们封得太死，但我相信最终crossover的点还是会出现的。

▎AI科技评论：为此你会兴奋得睡不着觉吗？你现在一天睡几个小时？

范浩强：很不固定，忙的时候可能也就睡5个小时，有时候甚至还不到。当然，但凡能多睡一睡补补觉的时候，我还是会好好休息的。毕竟身体是革命的第一本钱。

▎AI科技评论：你最近看的一本书是什么？

范浩强：我真的很少看书了。我最近学了学代数几何，很美妙。闲暇时候我非常喜欢看那种美的事物，因为我学过一点数学，所以那里的美，我觉得真是超越了这个地球上能存在的任何实体的东西。你看见那些几何对象、那些群，在那展开，不停地演化，一旦你能有那种感官能力，你会发现这种美真的比那些山川日月、猫猫狗狗大无数倍。但之前我没那个本事，比如代数几何里很多概念非常绕，你把那些定义搞懂，就已经竭尽全力了，所以很多时候没那个精力。但现在有AI了，我可以让它一点点教我，它不厌其烦地给我解释那些东西怎么回事。比如最近我看了看代数曲线，尤其是有理点和代数曲线理论。自从AI能给我讲懂之后，我发现这些事真的是太美妙了。这是在AI这波浪潮中，能让我切身感觉到非常快乐的一件事情。

▎AI科技评论：你对AI演进的判断，有一个阶段性节点是它能够解决黎曼猜想？

范浩强：对，我自己还在知乎上写了个小说，说这波AI可能止于黎曼猜想被证明。就像上一波AI，ResNet的登峰造极可以说是AlphaGo（2016年击败李世石的人工智能围棋程序），那个时候第一次解决了一个人类曾经以为只有人才能解决的问题。并且说实话，在AlphaGo的过程中，已经把绝大多数的基础原理都展示出来了，后面大家其实只是把这些基础原理颠过来倒过去，用在不同的地方。另外就还是那句话：知道泽塔函数的非平凡零点有什么用？对生产生活说实话就算有用，那也是非常间接的。它又是一个用来展示人类智慧的光辉、将来被三体灭了之后引发尊敬的事情。我记得当时美国搞登月的时候说过一句话：我们做它，不是因为它简单，是因为它难。每当人类开始挑战这种事情的时候，都标志着这个技术逐渐走向它最登峰造极的时刻。

▎AI科技评论：旷视当年以“75%含清华量”的组织知名，你们现在清华系占比高吗？

范浩强：现在清华学生选择太多了，我觉得机器人还是个苦行业。以后的校友们，应该关注一些更不靠谱的方向。

▎AI科技评论：现在的方向对他们来讲太靠谱了？

范浩强：对。你想，我当时刚开始干人脸识别的时候，大家都觉得这东西根本不是科学，是肯定做不出来的玩意。我刚上大一大二的时候，就有一位我很尊敬的业界人士劝我：人脸追踪都干了那么多年，你干嘛还要研究这些问题？我听了，不错，这个东西我要干下去，有劲。所以以后的清华学子们，赶紧研究点什么：怎么登陆月球？怎么去上面建基地？这种更不靠谱的事情，你上学时候开始研究，等你PhD毕业的时候，这事可能就靠谱了。我觉得这才是大家以后应该去关注的事情。当然，如果未来有更多的清北学子立身投志于这个行业，欢迎来原力灵机。但我们不能永远停留在"招了多少清华学生"来作为证明自己的方式。

▎AI科技评论：你觉得这家公司现在进展到了理想生命周期的哪个阶段？

范浩强：算是开了一个不错的头。我们现在有第一版产品了，有一个比较完整的团队，也能够把技术不断往前迭代的循环建立起来了。我觉得现在可能是一家公司最美好的时候。我之前经常开玩笑说，对做研发的人来讲，你这东西不work的时候，是日子最好的时候，因为没有客户天天在你屁股后面push着。等到后面去做商业化落地，算ROI、降本增效，这些过程肯定还会再次出现一遍，这是躲不掉的。既然现在不是那个阶段，我们就还是可以尽情地以我们对技术的判断和愿景，来作为方向的牵引。

就像这些技术浪潮，有时候真就是十年等一回。可能说实话，绝大部分的时候日子挺无聊的，每天就算算钱，研究研究怎么抢客户。真的能够看到技术爆发式的增长，并且可以参与其中，一门心思去研究技术，这是非常非常难得的罕见的时候。既然现在有这个条件和机遇，那就猛猛干。我觉得这是这个时代的好处。

09

对话中，范浩强转述他高中语文老师的那套作文标准，令我们印象深刻。创作规规矩矩写，就是二类文；写得非常出格，有伯乐欣赏就是一类文，没能被读懂就是三类文。用他自己的翻译，二类文就是“大模型生成的”。这句话放在今天几乎是一句预言：当一个时代连文章、代码、论文都可以被机器规规矩矩地批量生产时，留给人类的位置，恰恰只剩那些“出格”的事。

创新与荒唐常常只有一线之分，这套逻辑至今影响着他选路线、做研究的思维。30毫秒跑通VLA，在当时被所有人判定为三类文；高二加入一家挑战人脸识别技术天花板的创业公司，在当年看大概也是。

范浩强的表达很朴素——上学时就去研究那个"最不靠谱"的问题，怎么登月、怎么在月球建基地，等你毕业的时候，它可能就靠谱了。工具在变，十年等一回的浪潮会重复席卷，唯一不变的入场券，是保住挑战不可能的心气。

邀请当年课间一眼相中他的唐文斌出任CEO，集结周而进、汪天才等一批伙伴创立原力灵机，课间写代码的那个少年，如今和伯乐并肩下场。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。