对话松延动力姜哲源：做大脑不是一时脑热

撰文| 吴先之

编辑| 王 潘

本月，具身智能行业大事不断，光半个月时间，松延动力就对外发布了具身智能子品牌Scalabot并发了两款模型产品。

9月8日并发布了首个世界模型HERON-World Model。一周后，Scalabot发布HERON技术架构体系下的第二个模型——HERON-Context Reinforcement Action Model（CRA），其核心能力包括：记忆能力、强化学习能力、跨本体泛化能力。

当被问及为何此时才下场时，松延动力创始人、董事长姜哲源表示，具身智能存在木桶效应，目前短板已从本体转移到大脑。带有一丝终局思维，他认为低成本规模化本体是数据驱动Scaling的前提，本体+大脑闭环是数据飞轮时代的主流路径，行业终局很可能出现Winner take all。

技术路线虽未完全收敛，但对VLA+世界模型的范式有了初步共识。

此外，松延动力依靠极致的工艺与本体能力，其本体业务即将实现自负盈亏，有余力做大脑。

除了关于下场做大脑之外，具身行业近期出现不少热点事件，如有刚上市的具身公司老板，在朋友圈指出有公司用数采订单，做高收入的情况。

被问及同样的问题，姜哲源表示，松延动力到目前为止也没有接过任何一单数采项目。同时，

近日，光子星球等媒体带着一系列问题，与姜哲源进行了一次深入沟通。我们对本次沟通内容进行了编辑，但并未改变对话的原意，以下是本次沟通的主要内容：

现在做大脑正当时

Q：松延动力是什么时候决定下场做大脑的呢？为什么偏偏是今年？

A：团队是去年7月份组建，今年才形成战斗力。下场的理由很简单，有一个合适的人来了，一切就变得水到渠成。另外，今年我们有了积累，可以对外展示。

Q：这个人是谁？目前团队规模多大？

A：不能说，团队规模我看看飞书，（看手机）几十人。

Q：你是怎么说服他来这里的，是开出无法拒绝的报价吗？

A：跟我聊过的人基本上都来了团队非常年轻，加上所做的事情能吸引人才。公司绝对不会开出无法拒绝的价格，这个可以放心。

Q：下场做大脑是不是看到了技术路线收敛？

A：我没有说技术路线已经完全收敛，只是世界模型+VLA的路线相对清晰，说完全收敛还为时尚早。

Q：市面上已经几十家在做大脑了，此时下场不晚吗？

A：本体公司与大脑公司是殊途同归，都是做一部通用具身智能机器人，无非路径不同。具身智能存在“木桶效应”，能装多少水取决于那块最短板子的长度。

2022年，全世界除了波士顿动力之外没有一个人形机器本体能稳定行走，本体和运控是最短的短板。今天本体已经Ready了，这个时候下一个要补的短板是大脑。之前技术路线尚未收敛，等到技术路线相对收敛，有一定共识之后才来做。

大脑不可能脱离于本体存在，甚至数据本身也不可能。数据驱动一切，要想实现Scaling，数据需要Atscale（海量规模）与Diversity（极致多样）。所以有规模化、低成本制造能力的本体公司，会在Scaling方面有着难以比拟的优势。

Q：本体已Ready，是指及格分还是高分，或者性能已能支撑起我们构建一个优秀的大脑了？

A：我要及格分。一个本体要满足几个特点：第一不该是短时间就失效的耗材，至少得用一两年。其次，应具备完成操作的能力，包括自由度够、力矩够大、关节间隙足够小。第三是底层的运控能支撑复杂操作。

英伟达的SONIC或者BFM（行为基础模型)能支撑操作任务，就达到了及格分，剩下的80分、90分哪个更好？这个事情有不同的评价指标。答案很多，可以是更多传感器、全身皮肤触觉、可靠性更强，目前没有定论。

Q：如何看待那些已经做了两三年的大脑公司，在数据积累上的领先优势？

A：大脑公司有更厚实的现金储备，但从目前结果来看，大脑公司是整个行业的探索者，付出了很多沉没成本，能沉淀出可以产生复利的能力并不多。

Q：你觉得本体厂商避开了哪些坑？

A：大家的选择我们不作评价，我们说下我们的选择。

第一，数据上，我们选择多层互补的数据金字塔：Ego、UMI、仿真、多本体真机。

我们做过一个判断：所有主要的数据来源，都不可避免地要在多个维度之间做权衡，数据必须高度异构和多样，数据之间不存在完全的同质替代性，这是我们对Scaling方向的核心判断。

第二，模型层面，我们选择并行探索世界模型和VLA，并用强化学习把二者结合起来。

VLA和世界模型现在还有争论。HERON-World Model负责“预演未来”，HERON-CRA负责“执行动作”——让每条路线都得到足够深入的探索，而不是急着合并。但并行不等于割裂：强化学习引擎把二者结合成同一个框架。世界模型接入CRA的RL框架，为价值模型提供“这个动作做下去会怎样”的推演，帮策略判断动作好坏；真机执行产生的成功与失败经验回流，驱动下一轮迭代。机器人由此获得完整的“理解、推演、行动、纠错”闭环。

第三，我们选择一条“让数据飞轮真实转起来”的路线。

这个行业的胜负不在演示视频里，在真实物理世界里。飞轮的每一环我们都都掌握主动权：自研本体让数据采集低成本、规模化；数据管线从落盘、上云、标注到训练、评测全链路闭环；模型的问题在真机上暴露出来，能很快反馈到数据和训练上。

数据拐点在哪里？

Q：前期不管是世界模型还是VLA，讨论很充分了，宇树最早也因为没做大脑，所以引发过一些争议，松延动力怎么去说服资方？

A：说服是远小于选择的，有的投资人他就不看本体公司，纯看大脑，也有投资人只看本体。一家公司至少要有一个先能撑得起现金流的业务，再去谈星辰大海。纯做大模型的公司，业务收入有ARR这类指标量化。但只做大脑的具身公司没有，而且短期内很难看到回报，所以我觉得必须要先做本体。

Q：您认为具身智能要达到能力拐点，需要的数据量级大概是什么规模？

A：至少是百万小时量级，但百万小时我觉得大概率不够。

Q：百万小时主要来源是自己采集的，还是大量外采？

A：我们会有一个配比，Ego数据很通用主要依赖外部，本体数据全部用自己的。

Q：宣发信息中提到机器人从会做到会学习到越做越好，这是否是单任务的重复训练？

A：需要限定一些前置条件，泛化性指的是处理陌生场景与任务时，能以很高的成功率完成。按照这个限定，有两个欠缺的点。第一是缺数据规模与数据多样性。第二是缺On-policy Data（策略数据）。

Q：目前数据生产和采集，从你们的角度来看，是否能够充分满足需求？

A：当前行业还要分不同类型的数据，我们自己的想法是，把更多精力放到本体数据上。Ego数据的质量还有进一步提升的空间。因为质量取决于数据标注的质量和管线效率。

Q：模型公司可以买一些便宜的本体做素材，然后采集，松延的优势在哪里呢？

A：我们成本低，不一定卖得便宜，这里会有资金上的Gap。另外，关键问题不是单纯的本体，而是一套复杂的解决方案，涉及到数据怎么采、是否有专用设备、数据怎么回传、怎么标注等成体系的能力。

我认为除了本体成本外，别的部分是可复制的，只是目前我们尚未看到这种情况出现。我们非常欢迎基模公司大规模采购本体，套用一句伟人说过的话，叫功成不必在我，功成一定有我。

Q：大家都在说具身智能的下一个十年，您觉得进入到下半场后，各家比拼什么？

A：我觉得是比拼数据基建，谁能够最快获得更多高质量、多样化的规模化的数据。

Q：松延动力的世界模型看起来像一个数据输入和指令输出的通用平台，是不是意味着以后你们也会对其他厂商去开放？

A：HERON-World Model不是输入数据、输出指令的平台，是一个动作条件世界模型，给当前画面和机器人将要执行的动作，它推演出接下来世界会怎么变化。真正输出的动作的是CRA。

关于开放，把两件事分开讲。我们不打算把大脑做成平台服务，我们的精力集中在把模型做强、把自己的本体产品做好，这是松延动力本体和大脑闭环的核心。

但我们认同技术普惠，这也是Scalabot的品牌定位，所以我们会考虑以开源的方式把部分技术成果分享给行业，让科研机构、开发者、产业伙伴都能拿去做研究验证，在上面继续创新。具身智能还处于早期，大家一起把基础打牢，比每家关起门来重复造轮子更有价值。

世界模型可以作为策略评估器和数据生成器，降低真机制作成本，而且我们在多种本体、多类数据上做了训练，具备一定的通用性。

Q：有人追求数据规模，有人追求数据质量，你认为哪个更重要？

A：现阶段是质量更重要，质量包括了多样性和标注精确度。

关于卷成本：规模化落地之前，成本始终是关键变量

Q：松延动力的成本控制是靠规模吗？

A：靠工艺。有一句话说的很有道理，研发占80%，供应链与规模化只占20%，要降本，工艺要占80%以上的比重。从25000降到23000可以靠规模，但从10万降到2万一定是靠工艺。我们用了非常多的工艺，团队在帮整个行业踩坑。

我举几个点，第一整机本体全塑料，现在全行业内没人复刻。全塑料意味着本体结构成本相比金属材料会大幅降低。

全世界范围内目前找不到像松延的关节这样既可靠，成本又低的方案。我为我的结论负责。

Q：松延动力的供应链很强，但做大脑是完全不同的逻辑，怎么内部对齐？

A：做大脑跟成本是相辅相成的。举一个例子，自动驾驶有两类公司，一类是Waymo，不看单机成本，用最好的零部件，堆出自动驾驶。另一个是Tesla，用最普通的硬件、方案，把成本降到最低，以换取数据规模，数据规模能换来很强的智能。

时至今日，Tesla很快就能闯入Robotaxi，而Waymo要完成复制就变得非常困难。所以，把成本做低是数据驱动的前提。

Q：灵巧手需要咱们自己设计吗？

A：都是外采。高自由度的成本高，低自由度的不够用，是个痛点，但我们目前暂时没有做的打算。

Q：小人形今天卖得不错，能持续到明天吗？

A：回看上一波类似产品，消费级四足，今天增长已经见顶了，这说明需要解决用户的痛点，而不是Early Adopter。有一个“跨越鸿沟理论”，第一批用户一定是Early Adopter，他们和主流大众之间有一个不可跨越的鸿沟，就是满足刚需。

消费级四足增长见顶，整个市场拐头向下的时间节点，来看我们消费级小人形市场，我们认为更多要考虑的是，下一批是谁买？渗透总归会见顶，一定要跨越鸿沟进入到主流市场才有可能去真正放量。

Q：下一代产品是回答了什么呢？

A：明年。

Q：对比目前友商的产品来说，做仿生产品的价格会高很多。

A：我们做本体特别强，特别擅长降本，到时候成本肯定是要远低于行业水平，高于既有产品线。

Q：您怎么看待机器人本体一定降价的趋势？

A：可以看宇树的财报，扛起收入的主力是人形部分的G1。我认为不是降价，而是开了一些新的价格带。宇树G1降价并不多，仍然是硬通货，所以我没有看到降价，我看到更多的各种不同价格带的机器人产品。

我们发布了布米之后，可能确实会有一些公司跟进，发布类似价格带的产品。我认为他们离交付还远，这也不是价格战。

短期的口水仗与长期的行业竞争

Q：最近行业里面几家大脑彼此竞争挺激烈，比如上市的公司怼一家尚未上市的，然后另外三家吐槽自己被举报了，你怎么看？

A：我们很想组个局，把大家叫到一块好好喝杯茶，不要互相搞，这没有意义。行业发展早期，千万不要互掐。我们还是专注于自身发展，对于同行不作评价。

Q：最近的口水战聚焦到了数采订单，松延会有吗？

A：我们公司至今没有任何一笔数采订单，之前差点儿接下一个，但最后没接。一看风向不对，放弃了，我们也不缺收入。

Q：你认为数采订单一定是劣质订单吗？松延动力的收入主要来源是什么？

A：看情况。有的数采是买本体做数采，这是真实订单。但如果说买你的本体，还要你把数据买回去，这就不是真订单。我们今年的收入的大头来自于做项目，如B端产教融合和教育信息化项目。

这得益于过往的积累，今年出现了规模化的苗头。除此之外，还有商业服务场景，比较多元化。因为我们发现很多解决方案中，合作伙伴都会基于我们的机器人做更多场景的二次开发。

Q：人形机器人运动会上看到厂商差距在扩大，接下来很多公司会因此消失吗？

A：F1赛车比赛中，有见过五菱队吗？没有。有见过长城队吗？我们都没见过。蔚来早年还是Formula E（国际汽联电动方程式世界锦标赛）的创始车队之一，现在也不参赛了。

赛事活动一定是在特定历史阶段，助推行业发展。当活动所带来的技术增量、创造的商业价值，低于企业预估、算不过ROI时，就会像火箭发射一样，甩掉前一级的助推器。

所以，我不认为参赛与否与企业掉队有关。Lotus莲花汽车在各种比赛中很成功，但在商业方面不是一家非常成功的企业，后来几经辗转，先后被宝腾、吉利收购。谁还记得它曾经是个高贵的英伦贵族呢？

Q：你们的钱够用吗？如果缺钱，主要是在什么环节？

A：如果只是活着，肯定没问题，如果今天你给我的账上放100亿，我可以铺1万台机器人去采数据。可能我很快能实现L1+L2。最烧钱的是大脑，成本比本体和运控高了好几倍。

Q：如果布米利润比较低，你为什么还把布米作为一条非常重要的产品线？

A：好问题，这么几个点。第一品牌心智要靠时间积累，我分享一些实战经验。我们在电商平台上线布米时，店铺流量特别低。随着时间变化，一点点养起来了。

C端市场，品牌心智得靠时间去养，要持续种草，持续发声、持续交付、持续让用户产生UGC内容，形成人形机器人要选松延动力的认知。所以即便毛利低，甚至可能整个业务暂时亏钱，我们一定要做。

第二，布米在C端会对我们大脑研发有一定帮助。我们现在在做自研模型，内部有一个中台部门叫交互中心，去做模型微调。

Q：预估一下行业的走向，长期来看是头部赢家通吃，还是像新能源汽车一样，每隔一两年换庄？

A：Winner take all。更像美国的新能源市场，因为数据飞轮效应，当本体开卖后，回来的数据既是On policy（同策略），又是天量、强多样性的数据。我觉得家庭端肯定是Winner take all。

Q：决定头部的是技术，还是规模化，或是组织能力？

A：我认为是路线。美国其实就Tesla一家押注纯视觉端到端，让用户帮着一起采数据。其实中国有很多车企已经在做了，但可能最终谁能成为真正的头部，得看车的销售规模和数据闭环能力。机器人行业，看谁最先往家里卖，先卖爆，谁就是冒尖的公司。

微信号｜TMTweb

公众号｜光子星球

别忘了扫码关注我们！