智往未来孙浚凯：我是地平线系第一个做具身的人 | 物理AI 50人

“苏治中、张骞、刘先明、杨聪。与我搭档过的很多伙伴都成了具身一号位。” 作者：李雨晨 编辑：林海峰

2023年9月，孙浚凯从地平线离职。他是具身这波浪潮里，第一个从地平线出来创业的人——只是那时候没人知道。

当时，具身智能市场上只有银河通用和智元，星海图还没对外发声，王丛的地瓜机器人也还没从地平线剥离。孙浚凯是真正意义上第一波下场做具身智能的人。

在此之前，孙浚凯在地平线待了五年。2018年加入时，座舱团队只有十来个人。他主导了地平线第一个量产项目——长安UNI-T，定义了多模态主动人机交互的一整套功能，最终这辆车卖出了100万辆。凭着长安这个案例，地平线融了100多亿的C轮。

再往前，他是出门问问的007号员工，做了一款后装语音后视镜“问问魔镜”，大众汽车因此投了1.8亿美元成立合资公司。

过去十年，孙浚凯先后三次踏进AI变革的浪潮 —— 从语音交互智能、汽车智能，再到具身智能。三次选择，看似跨越不同赛道，背后却沿着一条连贯主线：把AI 能力边界持续向更复杂的物理世界拓展。

01 长安UNI-T：一张Excel表搞定的百万量产

左林右狸频道：你是产品经理出身，你在出门问问的时候，做了哪些印象深刻的产品？

孙浚凯：我是出门问问007号员工。做了一款语音后视镜叫“问问魔镜”，语音对标讯飞，我们拍视频同时对标响应速度、识别准确率到意图理解准确率，我们全赢。大众汽车集团因此投了1.8亿美元，成立了合资公司大众问问。

但那时候我就看到CV（计算机视觉）的趋势了。后视镜旁边有个后装的ADAS盒子，选装率百分之三四十，要1000多块钱。我跟创始人李志飞说，CV的应用前景可能比语音更广，我们应该做这个。

2017年某家媒体办了个活动，余凯去演讲，门口支了个摊，余轶南做的类似的产品就在那。

我那时候就想出来创业做AI公司，“忽悠”那帮算法工程师，说我们出来干吧。但大家没魄力，毕竟都才毕业两三年。现在回头看，曹旭东也是2016年创的业，其实创业的时间点不在于年龄，而在于能否快速切入一个赛道。

左林右狸频道：你从出门问问离开后加入了地平线，谁是你的引路人？

孙浚凯：张宏志，他是余凯在百度的同事。我们一起吃了一顿火锅。我说，我看好CV，特别想做视觉，语音短时间内做不出更好的功能了。如果有一颗自己可以定义的芯片，能做的东西太多了。张宏志说，那你来吧，你来规划智能座舱的功能，然后我就加入了地平线。

左林右狸频道：入职后，座舱团队是什么状态？

孙浚凯：我去的时候都傻眼了。那么大一家公司，我们部门就一个小办公室，坐三四个人。张宏志的座舱业务就十来个人，余轶南分管的智驾也才60个人。牛建伟的语音团队是独立的，十来个人做研发。当时我们的芯片是征程2，征程2最初是为AIOT团队的落地场景准备的。

当时我们Auto相关的业务，核心是三个高管——张玉峰、余轶南、张宏志，他们三人分管三拨团队——销售、座舱、智驾，都是副总裁级别。玉峰名义上是他们两个的老板，实际上三个人平级。

我跟牛建伟他们的“减一”，就是副总裁下面一层。我是为数不多能跨他们三个人的——座舱做完了帮玉峰做业绩，因为座舱量产也算他的营收。后来又做舱驾一体预研，要把余轶南那边的L2智驾能力整合进来。2021年我就在做这种预研型项目。

牛建伟是语音背景，理想的四音区方案是他搞的。但那个项目没用到地平线芯片，所以不能算地平线的第一个量产。地平线真正意义上的第一辆量产车永远是长安UNI-T，我和牛建伟都在这个项目里。

牛建伟比我离开的还早，2023年五六月份就离开地平线了，先去了蔚来待了两年，2025年4月左右出来创业，做最后一公里配送。

左林右狸频道：征程2的量产落地要感谢长安，你在长安项目中发挥了哪些作用？

孙浚凯：说出来你可能不信，我拿着一张Excel表，连PPT都没做。长安的办公室，一人一个凳子，连会议桌都没有。牛建伟坐一个位置，我坐一个位置，对面是长安的车型负责人。

我捧着电脑给他看，说你看这个行不行。聊完他说，这张表里一二十个场景能实现吗？我说能实现，保证量产能给你实现一半。

这场合作就这么谈下来的。我脑子里是无限的创意，车厂做规划的人看到我跟看到钱似的。疲劳驾驶、注意力不集中、儿童场景、睡眠场景——这些功能都是我定义的，专利也全在我这。

比如注意力不集中功能。试想一下，你为什么会错过高速路口？不是导航没报，是它一直报，你听烦了，跟旁边人聊天就天然屏蔽了。那我判断你注意力不集中了，怎么提醒？方向盘震动、夜间氛围灯闪烁、语音助手主动喊你“哎，别聊了，赶紧出辅路”——多模态的判断，要结合方向盘转角信号、导航信号、眼球追踪等等信息，综合在一起判断。

儿童场景更简单，识别到车里有儿童，挂P档自动解锁儿童锁，挂D档自动上锁，上车自动放上次没看完的动画片，断点续播。

睡眠场景呢？识别到你睡着了，座椅自动调、音量降、音区调、车窗关、空调风量减、温度调高一点怕你着凉。

这些东西今天看好像也就那么回事，但2018年的时候，语音交互都还没做利索，GPT还不能主动跟人聊天。那个时候，我做的就是主动式的AI交互。

左林右狸频道：长安项目最后的量产效果怎么样？

孙浚凯：爆了。UNI-T上市之后，长安直接给了30万的订单。我们在台积电备料才备了10万片，预期能有这个数字就不错了。地平线拿着这个业绩融了100多亿，C轮，创造了融资神话。

而且我保持了一个到今天都觉得很难的纪录：我开着我们的车，给客户所有高层、中层去演示，全买了我们的解决方案，零失误。

第一天跟着凯哥（余凯）和玉峰去见上汽的总工程师，上汽是地平线的股东。我演示完一次，客户当场花数千万买了我们的解决方案。第二天去广汽，广汽也是股东，我们见到了冯兴亚，自上而下全部演示一遍，广汽也买了。

最刺激的是2020年底，长安的车上市半年了，我们做了一次用户调研，随机在长安APP上发了300份问卷。结果我们这套功能的满意度，高于高德地图，高于QQ音乐，高于车载语音，甚至高于车载微信——那可是张小龙的作品。

你说我做产品的自信和快感从哪来？就从这来。

左林右狸频道：这种自信的心态，给你在哪些事情上形成了比较好的加持作用？

孙浚凯：2021年，我们开了一次战略会，会议的基调是“地平线是边缘计算领导者”。100多号人，天地会加中层管理者，分了10个组讨论。我跟王丛、阿泰在一个组，都大龙的合伙人潘杨家一也跟我们坐一起。

讨论到AI的未来属于端侧还是云侧，凯哥说有没有人起来反共识一下？全场就我一个人站起来。

我认为AI的未来不属于端侧，属于云端，或者云端结合。因为我做的是座舱，我知道用户需要的AI是千人千面，不是写死规则的东西。

王丛echo了我的观点，他说我也觉得AI的未来不单单是端侧。那时候我们就关注到彼此了。阿泰对我的关注也是在那个战略会上。

当时，座舱团队300人，智驾团队400人，Auto事业部有上千人，而王丛只有一个20多人的团队。相比之下，他得到的资源很少。

王丛内心不想做AIoT，更看好机器人，想把芯片用到机器人方向，最后出货量很不错，就独立出来了。直到今天，地瓜已经成为一个百亿元估值的独角兽，一个时代造就一波不同的英雄。

（左林右狸频道近日即将推出《我知道的地瓜机器人王丛》，读者后续可以持续关注，也可以添加本文作者微信Gru1993一起交流）

每个人都有属于自己的高光时刻，每个人都被时代推着往前走，然后离开那个舞台——座舱是从边缘杀到C位的。长安UNI-T之后，2021年达到高峰期。后来座舱剥离出去成了红西瓜，智驾走到C位。现在的C位又变成机器人。

2021年的战略会上，余轶南其实提过提过一个构想，想在扫地机上加一个机械臂去晾衣服。那时候我们觉得，一个做智驾的人，怎么能做这个？

现在来看，其实每个人都是follow自己的内心。最终能走出来创业的人，多多少少心里早就埋下了火苗，只是没到时间没有显性化。

左林右狸频道：正如你所说，当年跟你搭过班的人，现在很多都成了一号位，都站在了浪潮的最前端。

孙浚凯：对，这个圈子很小。

苏治中是黄畅在百度IDL时候的实习生，他最早是AIoT团队的，后来去余轶南团队做感知一号位，最高带300多人的算法团队。

张骞是接替苏治中的，现在张骞是地平线感知一号位，当年给我做活体检测。

刘先明，现在小鹏智驾一号位，帮我做眼球追踪和注意力不集中的算法。

杨聪，现在苏州大学当教授，帮我做疲劳检测。

所以你看，这些一起搭档过的伙伴，现在全是各公司的一号位。这个圈子就是这么开枝散叶的。

02 从地平线离开：第一个下场做具身的人

左林右狸频道：2023年，大模型热潮起来之后，你是基于什么心态决定去做具身？

孙浚凯：2013年我就听说了特斯拉，2014年立下flag要让中国的车像特斯拉一样智能化，然后用了十年在地平线把这件事做成了。

2023年，大模型的浪潮来了。我心里已经等不及了，我要follow自己的心去做新的AI了。

你现在知道的所有人，当时没有一个在做具身智能。王丛的地瓜机器人是2024年才从地平线分拆，我是真正意义上第一个做具身智能的人，只是没做PR。

后来徐光柳引荐我认识了中科院软件所的领导。光柳是地平线为数不多的技术副总裁之一，跟黄畅同属于技术平台部。离开地平线后，他去了中科院系的一家做汽车操作系统的公司当CTO，想让我去做产品负责人。

我表达了创业的意向，于是我们两人聊了很久。聊完之后，我就把OpenAI投的所有公司，加上国内以大模型为标签融到钱的100个项目全部看了一遍。教育、保险、金融、医疗、汽车、具身……最后选了具身。

那时候整个市场只有银河通用和智元，星海图好像还没被PR。当时我还想过邀请赵行。我印象中深刻的就是这两家。

左林右狸频道：当时的具身行业是什么状态？

孙浚凯：那时候的具身行业还不像今天这么热。

2023年底，王丛也给了我很多建议，隔两天我就去找他吃饭。我说丛哥我要做机器人了，你觉得怎么做比较好，找什么样的人？他说，如果你能找到一个Google系做机器人的人，那就太厉害了。

Google有个Everyday Robots项目组，跟DeepMind团队一起发布了RT系列大模型，RT-1、RT-2，孵化出了这波具身浪潮的人物。我的CTO就是从Google找到的。早期我们这个团队还是更偏前沿技术研究的，这个过程中，我们团队也做出了很多领先同行的demo。

左林右狸频道：搭建好团队后，你们是如何论证落地场景的？

孙浚凯：基本上在2025年以前，整个行业都在交学费，谁都清楚落地肯定达不到。真正的变化是在2025年下半年吧。你会发现，都在拼场景和落地了，政策也开始往实景实训上引导。

从那个时候开始，我们基于此前的技术积累和产业成熟度的判断，聚焦到了仓储物流这个场景里。

战略方向我们把落地分成了5个行业阶段：：仓储、生产、商超、家庭、养老。

养老，我们将其定位成L5难度，因为除了干活还有陪伴，而且养老对失败的容忍度极低。送错药、把老人搀起来摔了，这跟自动驾驶上路压死人是一个道理，可能整个行业都没了。我们走访了四川和北京的养老院，发现一时半会很难标准化。

家庭是我们最想做的。因为我是座舱背景，过去十年做的都是C端产品。但真正做完北上广深60组家庭的调研后，我们发现，消费者对单一功能的付费意愿就是2000块——帮我抽一张面纸2000，帮我递水2000。几十种功能加起来几万块，可当时几万块连一个机器人的本体都做不出来。

还有数据隐私问题，扫地机是2D的，你在家穿什么无所谓，但立体机器人在家里，夏天你要不要穿衣服。再加上2024年初，VLA路线都不成熟，数据、算法、本体都不成熟。

工业制造我们也否了。我们走访了钢铁、医药、汽车零配件，每个行业都不一样，同行业的理想和小米工厂，同样的本体也未必兼容。这意味着重项目交付制，没法快速规模化。而且大模型范式不擅长做精度任务，擅长泛化，工业并没有把它用到刀刃上。更关键的是，工业里积累的数据，对未来进家庭没有帮助，材质、颜色、尺寸全不一样。

商超是L3难度，半结构化环境，人来人往。但商超里非标品多——衣服要试穿跟身体交互，果蔬生鲜要看新不新鲜，机器人当时的触觉传感器成本又高，特斯拉擎天柱拿鸡蛋都是demo级别的。

最后，我们在场景上聚焦了仓储物流，在技术上做通用能力的布局。

但是我抽象了一层，扫地机只有移动没有机械臂，是家电；桌面机械臂只有拿放不能移动，是玩具。于是，我把扫地机和机械臂进行了组合。

我们认为，仓储物流是通向家庭的必经之路，从数据到技术都是。电商仓的东西能迁移到超市，也能迁移到家庭；中转仓的包裹数据可以直接迁移到家庭——家里的机器人不也要能拿门口的快递、拆开它吗？

我们是第一个进到头部电商仓里面采数据的公司。做了服饰抓取——衣服是柔性的，倒下来不可预测，这比搬箱子难多了，箱子是A到B固定尺寸。我们采了上千小时的数据，训完模型了，基本上能完成。

我们还拓展了医疗、汽车零部件这些客户。南京的数据采集中心也在搭，以后这些跨本体的数据可以对外售卖。

Q4我们会有一些能力释放。但我不太想跟大家卷同样的事、天天做操作演示，不本质。我们既然是一家模型公司，此前做了那么多技术积累，还是要先讲清楚模型调性是什么、追求什么品类、怎么一步步把模型做成。

左林右狸频道：基于仓储物流场景，你们推出了第一代聚焦物流场景的双臂协作机器人 Armstrong，为什么会是这样一个产品形态？能否谈谈“轮式双臂机器人”产品定义的前后过程？

孙浚凯：我们当时做Armstrong，其实不是先想好了“要做一台轮式双臂机器人”，而是倒过来推的。

第一个是商业问题。具身智能方向很大，但创业公司不能只讲终局，得先想清楚谁愿意买单，先把收入和交付跑起来。

第二个是技术成熟度。我们想做通用机器人，但家庭太开放，商超环境更复杂，制造又对精度和节拍要求很高。相对来说，仓储物流场景的落地难度和今天具身智能的技术成熟度匹配，算是我们现在能够得着、又能真正做出价值的场景。

团队在客户仓内现场合影

场景确定之后，形态就比较自然了。我们去仓库里看工人怎么干活，仓库里基本都是平面移动，所以轮式底盘最直接、效率高、稳定性好，没必要为了“像人”去做双足。所以，产品形态做成了轮式双臂，这个形态是商业化、技术、场景几条约束规则一步一步推演出来的。

左林右狸频道：在仓储物流场景里，遇到过哪些事先没有预料到的问题？你们是如何解决的？

孙浚凯：其实真进仓以后，很多认知都会被改掉。我们一开始会觉得，仓储无非就是移动、抓取、放置，把成功率做高就行。后来发现，完全不是这么回事。

你在仓里站一天就知道，最难的是现场每天都在变。

同样一个包裹，今天是纸箱，明天是软袋；纸箱上有胶带会反光，软袋一抓就变形；有时候东西被压住了，有时候只露一个角。你在实验室里把一个抓取动作做到99%，到了现场，真正出问题的往往就是剩下那 1%。

第二个是失败恢复。这个是我们进仓以后感受特别深的。机器人抓失败一次，没那么可怕。真正麻烦的是失败以后卡住了，等人来救。如果一小时叫人过来三四次，那这个机器人效率再高都没意义。

所以后来我们看一个系统，已经不太只看成功率了，我们更看：失败以后能否重新更换策略，自我总结。

还有一个问题，是可复制性，这个是寻求商业化最现实的要素。

第一个仓库跑通的时候，大家都很兴奋。但你去第二个仓马上发现：货架变了、SKU变了、节拍变了、上下游系统也变了。

如果每换一个客户，工程师都重新写规则、重新调参数，这个生意肯定做不大。

所以我们的技术路线都在围绕一个事情调整——把抓取、遮挡处理、姿态调整、失败恢复这些东西往Skill 里沉；用WAM去判断动作之后会发生什么；真实执行的结果再回来继续训练。

左林右狸频道：后续你们有哪些产品落地上的节奏和场景规划，比如每几个月落地一个仓？

孙浚凯：节奏上，我们坚持“成熟一个，复制一片”。

目前已有多家头部企业在深入推进合作，具体进展会在下半年的节点陆续释放。

团队在车企门店活动现场合影

场景上，我们会先围绕仓储物流持续做深，从仓内操作向上下游物流环节延伸，同时逐步拓展到具备相似作业特征的场景延展。

左林右狸频道：你们现阶段是要打磨好仓储场景，但最终的目标是进入家庭场景。这两个场景的迁移难度，有没有心理预期？未来的产品形态会如何演变？

孙浚凯：到了家庭场景，肯定不是把仓库里的机器人直接搬进去就能用。

家庭比物流复杂得多，物体无穷无尽，任务五花八门，人一直在环境里，安全、柔性、长尾问题，每一项都是新课题。但从行业阶段来看，今天具身智能还没到所有场景一起铺开的时候。这个阶段既要技术上够得着，也要商业上算得清账。

至于形态，我也不觉得今天的轮式双臂就是最终答案。Armstrong只是现阶段、这个场景下比较合适的解。未来场景变了，本体也会跟着变——移动方式、末端灵巧性、整体形态肯定都会一直变化。

创业公司真正的机会，是去做大厂不愿意做、也很难长期弯下腰做的事情。

我们选择仓储就是这个逻辑。它听起来没有那么性感，但这里有真实客户、真实任务、真实付费，我们愿意在这些地方下笨功夫。

因为今天看起来最笨的东西，往往才是三年以后最难补的东西：真实场景的数据、对行业的理解、客户系统里的磨合，以及一次次失败之后沉淀下来的通用能力。如果这个飞轮能转起来，创业公司就会在不同的场景里抓住一次又一次机会。

左林右狸频道：现在有一些具身厂商想要一步到位，直接瞄准家庭场景来做，你怎么看？

孙浚凯：家庭当然是通用机器人的终局场景，但我们看一个终局，不只是看它有多大，还会反过来问：要真正走到那里，今天必须积累什么？

家庭机器人真正成熟，可能还需要三五年甚至更长。这么长的周期，一家公司不能一直靠融资等技术成熟，还得有自我造血的能力。

至于其他公司直接做家庭，我觉得完全是不同的战略选择。这个行业现在还很早，没有标准答案。

很多技术路线需要验证的过程，不能说白花钱，有些弯路不走你就不知道结果。但我对团队的要求还是两个词：务实和快速成长。

我们从一开始就没有把目标讲得特别远，因为我们对这个产业周期有自己的判断，所以基于我们现在的技术探索和落地场景，大家要脚踏实地去做。

同时，这个行业变化太快，可以不懂但要快速学习，可以交学费，但不能白交。

左林右狸频道：2026 年上半年具身赛道融资超 900 亿元、单月融资事件破 60 起。这波热度里，泡沫和真机会各占多少？什么样的公司会先死掉？

孙浚凯：当下，我们的首要任务是跑通商业化闭环——把机器人真正部署到仓储物流等快速落地的场景中去，让机器人在真实业务环境中能有可验证、可复制的商业价值。

具身这波热度比当年的智驾还要疯狂，跟新能源的百车大战有点像。一百个主机厂，疯狂造车。现在机器人不就是疯狂造机器人吗？

具身作为一个万亿级市场，热度这么高，至少说明一件事：大家对终局没有太大分歧。至于泡沫和真机会，我会觉得还是要看具身智能技术的成熟度和商业化预期的匹配速度。

你不能说今年融了钱，做所谓的技术探索，一年烧几个亿甚至几十亿，但无法形成商业化闭环，那除非你是大厂，能打富裕仗，否则你肯定会死掉。

孙浚凯是一个总能在浪潮起来之前，就已经站到浪尖上的人。

从语音交互智能到汽车智能，再到2023年第一个从地平线出来做具身智能——过去十年，他三次踏进AI变革的浪潮，每一次都比大多数人早了半步。

但他不是一个只会追浪的人。选定具身之后，他把仓储、生产、商超、家庭、养老五大行业全看了一遍，最后选了最不性感的仓储物流——因为家庭是终局，但今天技术够不着、商业算不清账；仓储是通向家庭的必经之路，从数据到技术都是。

孙浚凯是第一个进到头部电商仓里采数据的公司，采了上千小时服饰抓取。他不愿意跟大家卷操作演示，觉得“不本质”，更愿意在仓库里下笨功夫：失败恢复、跨仓复制、把能力沉到Skill里。

孙浚凯说，今天看起来最笨的东西，往往才是三年以后最难补的——真实场景的数据、对行业的理解、客户系统里的磨合，以及一次次失败之后沉淀下来的通用能力。

从出门问问到地平线再到智往未来，孙浚凯的主线从来没有变过：把AI 能力边界持续向更复杂的物理世界拓展。

流水争先，纵情向前，好男儿孙浚凯。

我们欢迎所有能为左林右狸提供新观点新角度新信息的群友，加入我们的实名制社群，与左林右狸一路同行。管理员微信号：leiphonelinli，备注公司-职位-称呼通过更快。

相关视频