华为群英传之蔡佳：十年华为仗打完了，他要找到具身智能的生产函数

放弃亿元offer，先去鞋厂喷胶。 作者：吴彤 编辑：林海峰

2025年到2026年，具身智能是中国科技圈最拥挤的叙事。

资本涌入，博士下场，大厂高管批量出走。每一家新公司成立时，PPT上写的都是“通用机器人”“世界模型”“颠覆制造业”。但故事讲得越大，落地时摔得越响，绝大多数具身创业公司至今没有一笔真实订单，没有一条产线愿意为他们停机改造。

但格物通智刚刚成立两个月，创始人蔡佳在和雷峰网左林右狸频道沟通中，提到公司已经拿到了第一笔订单。

过去六年里，蔡佳的每个周一，都从凌晨五点多开始。他要赶杭州开往上海的6:19那班高铁，前一晚只能睡4个多小时；周五再坐车返回杭州。2020年，他被派去做自动驾驶，工作重心从杭州挪到上海，此后一年又一年，家里人每周只见得到他两天。

2026年上半年，这趟通勤结束了。他离开华为，开始创业。

离开前，蔡佳是20级专家、百人团队主管、华为科学家委员会委员，头衔里写着“L4自动驾驶预研负责人”和“智驾世界模型基模研发负责人”。共事近十年的上级李江挽留他，给他找过两条路：去ADS的产品线做总监，或者在杭州建一个小规模的具身智能实验室。蔡佳都没接。

2026年8月13日，格物通智在杭州滨江智造谷成立，蔡佳任CEO。第一笔订单，来自鞋厂。

“用机器人做鞋子”，这句话像是一种隐喻。

过去十年，蔡佳在华为集团级的预研部门2012实验室，做最顶级的L4自动驾驶，抬头看的是世界模型，讨论的是因果推理和泛化能力，是“机器如何理解物理世界”这样宏大而抽象的问题。

创业之后，他弯下腰，面对的是鞋面、胶枪和正负0.5毫米的精度。

一位客户对蔡佳说：“这么高大上的蔡博也愿意干这种活。”蔡佳把这句话当作最大的褒奖。自己收尾时总爱说一句：“既要仰望星空，又要双脚沾泥。”

这条轨迹很容易被讲成一个标准的故事：技术降维。这样的叙事听起来痛快，传播起来也省力，几乎每个离开大厂创业的技术人，都会被塞进这个模板里。但其实和蔡佳聊得越久，越能感到他身上理想和现实共存、且还很鲜活的气质。

他会引用陈胜的“王侯将相宁有种乎”来解释创业，也会说自己“受儒家文化影响比较深，匪气没那么重”。造反的激情和守正出奇的谦抑，长在同一个人身上。他带团队用近万张卡训练了4种架构的VLA/世界模型，是赛道里数得上的玩家，却说自己最讨厌刷榜。他评价昔日同事时直接而客观，不回避分歧，也不遮蔽欣赏；谈起任正非，语气里又满是敬意，对那位老帅的战略眼光和技术信仰，他真心吐露。

蔡佳的领英个人简介有一句话：If not me, who? If not now, when?

这篇稿子想回答两个问题：一个在体系里几乎逢战必胜的人，为什么在体系仍然需要他的时候离开；以及，他到底相信什么。

01 从大泽乡到西工大

蔡佳1988年出生在安徽宿州的大泽乡。他家离陈胜吴广起义的遗址涉故台只有两公里。

很多人不知道宿州，但知道大泽乡。讲起家乡，他会一口气背出陈胜的三句话：“王侯将相宁有种乎”“苟富贵，勿相忘”“燕雀安知鸿鹄之志哉”。

他对第一句的解读带着一点创业者的自我投射：“不像欧美贵族文化盛行、阶级分明，从陈胜吴广开始，大家都可以造反，就像现在的创业，你能创业我也能创业，没什么贵贱之分。”

2006年填志愿，蔡佳选择了西工大。

理由有两层。一层是西北工业大学做导弹、飞机、鱼雷，他“想军工报国”。另一层更朴素：感动中国人物徐本禹在西部支教的故事打动过他，他想过去西北支教，“以为西北比较穷偏，去了以后发现西安那么好”。

蔡佳的分数超重点线七八十分。那时西工大的名气还没起来，超五十分就能任选专业，他进了航天学院。西工大以航空、航天、航海“三航”见长，航天学院对他有另一重意义：6岁时妈妈问他有什么梦想，他说想到太空上去走一走、转一转。“虽然不是自己上去，但自己做的卫星、机器人上去了也是一样的。”

蔡佳的本科专业是探测制导与控制技术，学的是PID、MPC、模糊控制。大一他就决定要保研、直博。“从小学初中时就想读博士，觉得博士代表最高学历，这辈子还是要拿一个。”

本科四年，学业之余他把大量时间花在社团上。他参加国学启蒙社，去中小学教孩子们《三字经》《百家姓》，讲四书五经里的选段；他沿着渭河做保护母亲河的环保行动；他是航天科普志愿者服务队的队长，教中小学生做水火箭、讲中国航天史。杨利伟、翟志刚来西工大做科普时，接待和协办是蔡佳他们这支队伍做的。

蔡佳还创办了牧云户外俱乐部，把陕西高校里爱徒步、露营的学生组织起来，AA制，不收费，做成了陕西最大的学生户外社团。带几十号人进山，没有信号，一待好几天，带队走过鳌太线，“那里每年都死人，要规划得滴水不漏”。这件事没有钱，对一个博士生的名声也没有帮助。多年后他解释创业动机时，又提起这段经历：“纯粹是出于爱好、使命感和责任心……创业也是使命感，这种使命感对我来说很重要。”

这些细节拼在一起，是一个精力外溢、喜欢张罗事、愿意替一群人担责任，ownership很强的年轻人。蔡佳后来在华为被领导临时推上去带团队，再后来自己创业，底层的动作模式在这时已经成形。

2010年，蔡佳如愿保送直博，留在航天学院。

选方向时他犹豫过。航天学院很传统，只聚焦导弹和卫星两个方向。学了四年导弹火箭，他觉得“这个东西太宏大了，自己进去可能就是个螺丝钉”。同一年，黄攀峰刚从香港中文大学徐扬生门下读完博士回到西工大，在航天学院建了智能机器人研究中心。

蔡佳看中的是机器人的另一种可能：“没那么严肃，更加接近产品、接近民用。”他毅然决然选了黄攀峰。黄攀峰后来成为国家杰出青年基金获得者、万人计划入选者，现任航天学院院长。蔡佳是他的第一届博士生，也是第一个直博生，开山大弟子。

当时智能机器人研究中心下面有两个团队，各有一位青年教师带十几个硕博。一个团队做遥操作，2010年就参与了国家项目，在地面用六自由度力反馈手控器遥操在轨卫星。蔡佳所在的另一个团队，做在轨服务的三指操作机器人。

他们的课题来自国家863计划。863专家组里有一个专做太空在轨服务的小圈子，成员包括黄攀峰、西工大原副校长袁建平、清华的孙富春和梁斌、哈工大的刘宏等。按蔡佳的说法，中国送上天的机器人和机械臂，基本上都出自这个圈子。

黄攀峰承接的项目是空间绳系机器人：一个完整的机器人通过一根绳子与空间站相连，被释放出去，抓取非合作目标，比如失控的卫星。蔡佳在这个项目里主持视觉导航。

02 从控制到CV

但很快，蔡佳就从兴奋变成焦虑。

2010年，AlexNet还没出现。经典CV时代最强的两个工具是SIFT和SVM，一个做特征，一个做分类。蔡佳的绝望在于：“这是全世界最好的算法了，依然不work。”鲁棒性很差，在一个场景调好，换个场景就失效。

他想不出这东西在民用领域能有什么用，最多是在红外制导导弹上，用预存的地形图做图像匹配。同门多数在学院最强的控制方向，至少有份工作兜底。他做的感知在实验室里是唯一的“偏门”。

“博一博二的时候我愁得睡不着觉，天天发愁。”从2010年6月本科毕业直接进实验室，到2012年10月，他形容那两年多“很痛苦，觉得没什么出路”。

太空场景让问题更难。第一是小样本：非合作目标，比如别国卫星，照片拿不到几张，却要识别出来，还要实时找到适合抓取的部位。第二是光照：太空光照剧烈变化，能源受限，补光灯功率有限，又要全天候作业。第三是精度：爪子要抓住目标，基本要做到厘米级。

他死磕双目视觉。张正友的标定法是这个领域绕不开的工作，张正友来西工大交流时，他把对方的论文打印出来请他签了名。2010、2011年，团队就想过给机器人装激光雷达，但当时型号很少、价格昂贵，最后没搞成，还是继续死磕双目视觉。

转机来自两件事。

一是国外是2012年的AlexNet。“多亏了李飞飞、Hinton，真的是多亏了他们。”

二是国内是一个具体的工程机会：2012年中国第一艘航母入列，舰载机着舰用的光学引导系统出自国防科技大学于起峰院士团队。黄攀峰和这个团队有合作，蔡佳跟着他们学了一些CV。

这段经历有一个常被忽略的细节：黄攀峰是规划控制出身，蔡佳是他门下第一个做CV的学生，“想讨论找人都讨论不了，周边师兄弟都在搞控制、轨迹规划”。他只能到实验室外面去找能对话的人。

终于，蔡佳的学术产出在博士后四年开始集中。公开数据库可以查到，2013年他以第一作者在《航空学报》发表 基于改进 SURF 和 P-KLT 算法的特征点实时跟踪方法研究 ，解决姿态快速变化且结构简单的飞行器跟踪问题；2016年，他参与的一篇论文发表在Aerospace Science and Technology上，主题正是非合作目标的抓取位置预测，用改进的HOG特征加级联SVM先预测目标区域、再定位卫星支架。

值得注意的是，直到2016年，这些工作里用的仍然是经典方法。深度学习在学术界已经爆发，但它还没来得及完整进入一个西北航天实验室的工程体系。

蔡佳的博士论文按西工大规则免于盲审，评审专家包括西工大的两位 IEEE Fellow 李学龙和韩军伟等人。实验室第一篇SCI是蔡佳发的。他在谷歌学术上被引用较多的那篇空间绳系机器人论文，引用量接近两百次。

蔡佳对此的评价相当克制：“我觉得成果一般。”他把高引用归因于布局，而不是自己：863专家组顶层规划得好，绳系机器人当时国内基本只有他们一家在做，真正送上天的只有美国、日本和中国。

2016年博士毕业时，黄攀峰希望蔡佳留校当青年教师，把机器人的“双眼和大脑”做强。

蔡佳拒绝了。“我当时觉得发paper没意思，还是想做产品、去工业界。”

那时CV在产业里的应用场景很窄，主要就是手机拍照和视频监控，人脸识别也还没真正实用化。蔡佳记得一个日期：2014年12月16日，荣耀6 Plus发布，主打平行双摄，两颗800万像素摄像头。他做的机器人也是双目、双800万摄像头。“我看到这个就觉得，这就是我要做的东西。”

多年后回看，蔡佳用一条线把自己的经历串起来：从用双目感知世界，到让机器基于感知做操作决策。太空里识别非合作目标、预测抓取位置；到华为变成地面上的检测、跟踪、建图和自动驾驶感知；再到现在创立格物通智，把感知和抓取闭环起来，做灵巧手的“大脑”。

“技术主线没有断。”

蔡佳决定去华为，如果认真追溯起来，比他正式入职早了九年。

2007年5月，他在准备大一下学期的期末考试间隙，用一台小小的MP4看完了一本电子书《走出华为》。那时华为还没有做手机，普通人对这家只做运营商生意的公司知之甚少。

他从书里读到了三样东西：任正非、孙亚芳、徐直军这些人具体是什么样子；华为的组织文化；以及华为人大概能挣多少钱。他的结论是：“大家真的为了同一个梦想聚在一起奋斗，没有虚度年华，比军工院所更有活力。”

后来蔡佳给华为新员工讲课时，常讲这个故事：我走进华为，是因为一本叫《走出华为》的书。

2014年他开始找工作（当时以为五年能博士毕业，提前把去处定了下来），他面过华为、大疆和不少研究院所。第一个认识他的华为人是宋杨，当时负责华为多媒体方向，到西安做宣讲。

那时华为里做CV的几乎只有多媒体这一个小部门，视频监控和手机拍照都归它管。宋杨聊完把蔡佳放进了短名单，此后是技术专家面试，再到杭州研究所群面。

城市是蔡佳自己挑的。北上广深、成都、南京、武汉、西安、杭州、合肥，他都看了一遍，最后选了杭州。还有一条，杭州研究所是2012实验室的大本营。

03 人脸一战，少一颗芯片也能赢

2016年6月，蔡佳以计算机视觉算法工程师的身份入职2012实验室，职级15级。

他进的部门叫多媒体实验室，挂在中央硬件工程院下面，是一个四级部门。他入职那年，它升为三级部门“媒体工程部”。同一年，任正非在内部视频大会上提出“大视频”战略，视频监控被提到主航道。那时正是平安城市、雪亮工程投入的高峰期。

入职那天，蔡佳在朋友圈发了一张照片。照片里是他自己，由无数张小人脸拼成。那是他写的程序：从在西安十年拍下的十万张照片里检测并抠出人脸，再拼成自己的肖像。

很幸运，蔡佳的主管兼导师王铭学记住了这条朋友圈。

2017年五六月份，视频监控产品线向媒体工程部求援：深圳市公安局龙岗分局要在辖区选5个点位，让国内主流厂商把人脸抓拍设备挂在同一根杆子上直接PK。背后是一笔二三十亿的平安城市订单，而PK地点就在华为总部所在的城市——深圳。

“你连深圳总部的单都拿不下，搞大视频战略就很丢人。”内部宣讲经常有人说这句话。

华为当时的视频监控只做过车牌识别，没有规划过人脸抓拍产品。王铭学挑中了蔡佳，理由之一就是那张朋友圈照片——他觉得蔡佳是部门里唯一做过人脸的人。

“有时候机会就是这么巧，也多亏我师父的信任。”

华为的起点很差。

硬件不是专用的人脸抓拍机，是拍车的，曝光和色彩都不对；算法没有现成的，不像商汤、旷视那样有积累；芯片是公司最差的一款海思芯片，只有一颗ARM CPU，别家都是CPU+GPU或CPU+DSP。甚至，别家使用的海思芯片都比自家用的性能更强，因为他们是大客户专门定制的。

对手有九家，包括海康、大华、宇视，以及旷视、云天励飞、英飞拓，还有采用商汤方案的厂商。

一个杆子9家PK

蔡佳拆了四块算法：检测、跟踪、质量评价（判断人脸是不是正对镜头）、去误。一到两个人负责一块，核心算法团队一共四个人，再加几名做数据的同事。比赛只考动态采集，不考识别：一个人无论停留多久，只抓一张最好的脸。

评判有四个指标：召回，不能漏抓；去重，一人只抓一张；优选，要抓姿态最好的那张，不能抓低头玩手机的；不能误抓，车轮等不能被当成人脸。

蔡佳用“AI三要素”复盘这一仗。算力由他的领导胡翔宇、陈敏等去协调整个中央硬件工程院的服务器；数据各家同源，龙岗分局把菜市场门口、十字路口、城中村早市的视频统一拉到局里，各家下载回去自己标注，就看谁标得好、标得多；算法则靠极致的调参和快速迭代，再加上系统级的性能优化，用他今天的话说，是“Model+Harness”的系统工程胜利。

蔡佳在龙岗分局常驻了一个月调参数。中间因为台风和两会耽误了一两个月，真正干活的时间大约三个月。期间还在内部评测中防守住了产品线的planB-使用AI四小龙的算法方案，为2012实验室团队争了一口气。

最终结果超出视频监控产品线和2012实验室领导预期，华为在技术分上以极大优势拿到了第一（总分81.69，第二名是云天励飞73.94）。蔡佳后来在内部分享时用的题目是“少一颗芯片也能赢”。他把这次胜利归结为华为最擅长的系统工程：单点不如人，就靠整个系统的优化把对手打败。

这一仗让蔡佳入职一年就拿到了华为公司个人技术最高奖--金牌个人奖。按华为的惯例，这个奖通常归比他高两级的管理者，或者18、19级专家轮流获得。“一个15级新员工拿到它，靠的是我当时的部长力挺，以及产品线总裁的认可。”蔡佳回忆。

2017年11月11日，颁奖：业务关键突破特等奖，视频工程部，蔡佳

这一仗也改变了蔡佳所在部门的位置。2017年，媒体方向升格为中央媒体技术院，与中央研究院、中央软件院、中央硬件工程院、可信院并列，成为二级部门，院长是李江。不久，诺亚方舟实验室和中央软件院里做人脸、人体检测识别的团队被合并进媒体院。

“我刚进公司时媒体部门是四级部门，进去后升三级，打完人脸战役后升二级。”

蔡佳也想过这一仗是否让任正非注意到自己。答案是没有。PK打赢之后，任正非专门去龙岗分局交流过一次，知道这个项目，但不知道蔡佳。“算是擦肩而过。”好在24、25年做自动驾驶时因为技术突破揭榜全球级别难题后与任总座谈交流过两次。

2017年之后，蔡佳带团队做正式产品：

2017到2018年第一代，没有用CNN；

2018到2019年第二代，换成CNN；

2019到2020年第三代，进一步升级。

2017年11月，蔡佳正式成为视频监控感知算法TL兼PM。

这块业务也让他第一次看清了华为能力的边界。华为擅长运营商集采：部里统一评标，各省各市直接用。视频监控却是各区、各县自己采购，地方利益盘根错节，一根杆子比摄像头还贵，“华为不擅长这么玩”。在他看来，华为在大城市和省界高速这类项目上“逢战必胜”，但输在了大量的区县。

视频监控业务巅峰期大约在2021到2022年，营收约30亿，此后逐渐缩到10亿上下。

站在今天回看，蔡佳说如果是现在的自己，未必会接那个项目：比别人少一颗芯片，算法没有积累，几个月要搞定，对手是风头正盛的AI四小龙和成熟的海大宇，成功概率几乎为零。

“但不管成败其实无所谓，当时我只是个15级刚入职的新员工，败了能怎么样，又不能给我降级。如果我现在20级了再去接这个活，可能就睡不着觉了。”

04 鲶鱼：2012实验室里的L4

2019年5月，华为智能汽车解决方案BU成立。蔡佳和自动驾驶的缘分，开始了。

不过，这个缘分始于一次没谈拢的会面。

2019年9月，李江带他去见车BU的苏箐和陈亦伦。媒体院想谈的合作很具体：用自己起家的本事，红绿灯检测、目标检测跟踪，加上手机上做得最好的成像能力，把车载感知和成像这两块包下来。媒体院没有决策规划能力，只有感知。

没谈拢。

一个原因是苏箐技术和协作风格非常强势。

那一年的下半年，蔡佳被安排去做了半年工业质检，项目落地在松山湖南方工厂的手机产线上。直到2020年初，李江向徐直军汇报媒体院当年的业务计划。

按蔡佳的转述，徐直军问李江为什么不做自动驾驶。李江委婉地说，苏箐那边人已经很多了。徐直军的回答是：不管他多不多，鸡蛋不能放在同一个篮子里，你们要研究L4。

从深处讲，这个安排是“摸高”和“鲶鱼”。大家都知道2020年谈L4太早，徐直军要的是另一支队伍试试能做到什么程度，反过来给主力施压。

李江把蔡佳从工业质检抽回来，让其在中央媒体技术院下面成立了一个技术开发团队（TDT）。这是一个和部长平级的虚线组织，直接向李江汇报。蔡佳自己的人有二三十个，另外虚线管理五六十个其他部门的人：SLAM实验室和AR/VR部门做建图定位，拍照成像的人做车载成像，还有做车位检测和小样本学习的研究员。

就是这80～100人，分布在北京、深圳、杭州、上海四地。

蔡佳也是从这时开始每周一赶早班高铁去上海。

蔡佳清楚自己：纯感知背景，没做过决策规控。他的切入点因此是泊车，理由有三条：行车对规控要求太高，团队不够强；他判断自动泊车的L4会率先实现；泊车的技术栈，尤其是SLAM和感知，正好是媒体院的强项。

于是从零开始。2020年初，团队买了一辆广汽传祺，花30万元；找人改装，又花50万元。摄像头向融合感知部门借；华为自家激光雷达当时还不成熟，就花30万买了一台速腾128线主雷达，再配几个角雷达；计算平台向MDC部门借。

这辆拼出来的车也画出了当时华为内部自动驾驶的合纵地图。在蔡佳的叙述里，融合感知、MDC、车云这几个部门和苏箐都存在一些分歧：卖传感器、卖计算盒子时，客户需要看算法跑在硬件上的效果，苏箐不给算法，大家只好自己养团队搭演示。他们于是联合在一起，另起炉灶。

不过，蔡佳对苏箐的评价很立体。

“我觉得他整体上是对的。自动驾驶是这么复杂的软硬芯、强耦合系统，确实需要强力整合、掌控在自己手里。但在跨团队合作上如果能够更加开放，也许结局就不一样。

这是一个技术主管对另一个技术主管的评价，也是蔡佳自己的组织观：方向正确还不够，还要团结所有能团结的力量一起走。

05 明珠会战，三大战役

2020到2021年，蔡佳团队在这辆自有车上把自动泊车（APA）和代客泊车（AVP）做到了较高的水平。

他的领英上写着：领导团队端到端设计、开发面向商用量产的AVP软硬件系统，探索摄像头、激光雷达、毫米波雷达的前融合感知，多摄像头前融合的4D时序多任务一张网，以及影子模式数据自闭环。

这段时间留下的公开成绩是几个榜单：相机与激光雷达前融合的3D目标检测在nuScenes上排名第二（他特意注明，第一名用了额外数据）；轨迹预测拿了Argoverse和Apollo两个榜单的第一。

但只有一辆车，数据有限。“做不到量产，只能验证。”

局面在2022年打开。

苏箐离开后，卞红林和赵芊接手，向公司申请资源发起“明珠会战”。

明珠会战不是产品版本。它更像产品的前奏：比产品版本提前半年多立项排雷，成果落在次年的ADS版本里。

具体来说：

明珠会战1.0（2022年3月～2023年6月），对应ADS 2.0；领导觉得编号错位不好记，后来直接跳过了2.0，让明珠会战3.0（2023年6月～2024年6月）对应ADS 3.0，明珠会战4.0（2024年6月～2025年9月）对应ADS4.0。

在当时诸多ADS中高层看来，ADS 1.0的问题在架构：它是为特定车型定制的，几十个小模型加几十万行代码，换车型就不好用。而车BU很快要支持十几、甚至几十款车。还有一条，BEV当时刚好在学术界爆发，团队以此为契机，把感知模型该收的收了。

当然，从这里也可以看出，当时华为内部很多人对卞总的到来充满信心，跨团队协同必定更加顺畅。卞红林过去管旗舰手机硬件，和海思、2012实验室往来颇深，也知道彼此能力，能够管理协调好大规模、跨部门协同作战，做好目标牵引、激励和利益分配。

因此，明珠会战1.0里，算法主力来自ADS、诺亚和媒体院三方。蔡佳和黄青虬是感知分队里并列的两个分队长：黄青虬负责最核心的BEV，处理三维的东西；蔡佳负责PV（透视视角），收了大量二维任务。两者互为冗余，合在一起构成完整的感知，再接上王新宇负责的规控神经网络化。蔡佳还把自己前两年在泊车上的积累，包括近距高精度ViDAR、车位检测、视觉SLAM，放进了会战。其中近距高精度ViDAR技术击败了内部的4个团队后落地商用，支撑了华为自动泊车体验遥遥领先，成功揭榜智能汽车领域第一期难题“通用视觉3D感知技术（VIDAR）”获得火花奖，并作为唯一的中方员工代表在公司颁奖大会发言。

蔡佳，左图一排右起第5位

这之后，明珠会战3.0，即将开始。

2023年3月，车BU开了一场技术研讨会，赵芊、黄青虬、王新宇都在场。蔡佳在会上提议立项探索生成式端到端自动泊车（APA）技术。

他说自己的判断来自具身智能，而不是自动驾驶。同一个月，哥伦比亚大学宋舒然团队的迟宬等人公开了论文《Diffusion Policy》，把扩散模型用于机器人的动作生成，后来发表在机器人顶会RSS 2023。三个月后，端到端自动驾驶框架UniAD拿下CVPR 2023最佳论文。

蔡佳的观察是：UniAD之后，学术界做自动驾驶的人反而少了，“我们的学习和进步其实是在看具身智能的东西。”

会上并非所有人都赞同。在蔡佳的记忆里，王新宇当时认为端到端还早。“实际上他这个判断是偏保守的。”

蔡佳对这种分歧的解释很直白。端到端对规控和感知都是颠覆，但黄青虬态度积极，是因为“青虬是做AI的”；王新宇长于业务逻辑，是写规则的高手，却没怎么训练过AI模型，“革自己的命总是很难”。

明珠会战3.0时，同一个会战里并行着两条路线：

黄青虬做的是GOD网络和两段式、非生成式的端到端；

蔡佳做的是一段式、基于扩散（DP/Diffusion Policy）的生成式端到端——APA分队。

蔡佳的解释是位置决定了选择。黄青虬是N，要为当期量产版本负责，只能先拿出一个能上车的稳妥方案。蔡佳在2012实验室，考核本身就是“搞一个新的架构”。蔡佳提到，“当时我们就把Anchor-based、FEM选线这类方案视为过渡方案，让更接近量产的人去做。”

蔡佳对黄青虬的评价里有一种英雄惜英雄的情绪。“青虬做N确实很稳妥，能够让领导放心，但他更应该负责前端探索，他富有创造力，天天早上开例会、晚上开例会，陷在救火和修正bug里，第一埋没了他，第二也可能不是他自己内心真正想干的。”

不过有意思的是，据笔者和黄青虬访谈下来反而感觉，黄青虬自己并不排斥——他理解这层安排，也完全有能力接住。

话回蔡佳。到明珠会战4.0时，他这支分队的工作做到何种程度：

蔡佳团队先把生成式方法用在了端到端泊车上。技术接近成熟，但还没超过传统方案——传统APA也是他们做的，成功率已经到了90%多。端到端APA成了技术储备。

真正成功的是一段式端到端的园区场景。

华为智驾把路程分成两段：公共道路和园区，后者指进入小区、公司内部之后的那一段，有地上也有地下。两段共用明珠会战1.0里的BEV和PV主干，在后端分叉：路上走黄青虬的分支，园区走蔡佳的分支。

外界通常认为行车更难，蔡佳承认，同时也提到园区的几个特点：

行人和非机动车多，环境乱，近距离避障要求极高；交互博弈频繁，有时要停车等待，有时要倒车给前车、侧车让路。午饭时间人贴着车走，博弈做不好，车就“杵在那动都动不了”。

按他的说法，园区场景在技术上可以做到无人驾驶，2024年相关功能已经发布商用（智界S7首发），后来因为政策法规适配问题调整。

蔡佳也承认，自己在组织里的位置有限。ADS 4.0阶段，他的很多工作是供给黄青虬团队使用的。“青虬是出口，绕不开的，我没法直接交付商用版本。”

ADS内部对生成式路线最终胜出的过程，有不止一个版本。据雷峰网《左林右狸频道》梳理，一个较为清晰的功劳链是：

2025年上半年，王新宇和黄青虬这两支团队尝试了Anchor-based、FEM选线等大量方案，都不理想，后来开始尝试生成式/王新宇当时已经在技术开发部，拉上诺亚的人用100万clips做了先导试验；2025年4月前后确认路线跑通，再移交给黄青虬团队上量到千万clips。

蔡佳的贡献时间要更靠前。

2024年12月，他请智驾产品线的李文广和魏万军体验了团队的园区泊车DP版本。那时他手里只有10万clips数据，“相当于过拟合了地库”，用一个地库证明新架构的上限。两人体验后认为很好，让主线赶紧做。之后，黄青虬和王新宇所在部门都发邮件向他要了代码。

站在蔡佳的视角，他有自己的遗憾——缺少资源。“我没有100万clips数据，明珠会战也没给我那么多资源。”

另一个被多方提起的名字是许春景。这位诺亚出身的AI首席在明珠会战里是首席技术专家，不带人，很早就提醒大家关注这个方向，并和蔡佳团队一起分析早期实验。蔡佳和黄青虬对他的评价一致：不争名，比较佛系，在功劳链上也占一定比重。

蔡佳对这段历史最在意的一句话，来自他离职时。他说，2026年上半年他走的时候，魏万军感谢他当年搞定DP（先导），“否则去年不会进步那么快”。蔡佳回应说，2023年3月他们就在研讨会上提议立项，可惜前期资源投入不多。魏万军告诉他，那时自己还只是一个PE，没有话语权。

功劳在大公司里很少有唯一的作者。一条路线从实验室到上车，要经过提出者、验证者、上量者、买单者，缺谁都不行。很多时候就是不断接棒，一环扣一环，今天觉得是某一个人的功劳，往回翻翻，前面还有好几棒。

06 从2012到2030

话回蔡佳。在他离开华为之前，最后一年是在2030实验室度过的。

这个故事涉及到2030实验室的成立背景：

2024年底，其主管在媒体技术院的任期到了。徐直军把他调到车BU，从零筹备2030实验室管N+2预研。

主管找到蔡佳，说他是自己下面唯一一个做自动驾驶的团队主管，希望一起过去，“一起快速打开局面”。蔡佳毫无犹豫的当场就答应了，“因为我觉得这个机会能让我们从零构建一套体系”，为此他又带了10个人作为种子。

也就是说，2030实验室起步时就只有这12个人。“为了快速扩充团队，去年一年我面试了350多位海内外优秀硕博，其中有40个天少候选人。到2026年上半年我离开时，正式员工已有几十人）、加上外包和实习生接近百人。”蔡佳提到。

这是蔡佳在华为最后一段旅程。他的头衔里多了“L4自动驾驶预研负责人”和“智驾世界模型基模研发负责人”。

蔡佳这样描述这段经历：他带团队开展了千万小时级的数据治理和近万卡规模的集群训练。从数据加载dataloader到训练框架逐层优化，用定制算子挖长尾场景、调数据配比，多路径探索AR/FM架构的上限，再经过仿真、开环和世界模型多层评测，决定是否进入实车验证。

“数据的价值，在于能否把系统的薄弱处，变成下一轮训练的着力点。”蔡佳总结。

2026年春节前，主管找蔡佳谈话，沟通下一跳的发展规划。两人共事八九年，彼此欣赏。主管给蔡佳推荐了两个岗位。

第一个是去智能驾驶产品线做产品总监。如果想在华为长期发展，这是最好的路径：做研发、去产品、再回来管研发或产品。但这意味着继续长期待在上海。“我有点受不了了，六年来每周往返的杭州-上海两地通勤，已经达到了极限。”

第二个是在杭州成立一个具身智能实验室。蔡佳对这个机会的判断是：华为短期内不会大规模布局具身智能赛道，要等创业公司完成一轮洗牌，才会砸一两千人进来。

“带团队搞搞仿真做做验证，这不是我的性格，我要干就干最核心的、能出大成果的。”还有一层更现实的考虑：在华为做具身，以后就没法出来自己干了，“肯定强竞业”。这个决定很理性。

这是蔡佳叙述里最有意思的对称：一个岗位在核心但在上海，另一个在杭州但不在核心。他想要的，华为恰恰给不了。“我自己出来干，这才是我的人生规划”。

07 “追梦去吧”

创业的念头蔡佳很早就有。刚认识妻子时，他们就聊过这件事。这次他说要离职创业，妻子的回答是：“非常理解，追梦去吧。”

今年春节前后，蔡佳开始系统了解具身行业。几家头部公司找他去做VP，看重的是他的智驾量产经验。他印象很深的是估值的变化：2025年年底这些公司也就三五十亿，年后爆发到两百亿。

蔡佳去实地看了，跟首席科学家、CTO聊，也去了宁德时代的产线看机器人怎么干活。结论是：研究上，大家基于开源的SOTA做SFT、强化学习、微调，连千卡都没用过，一百张卡就算多的；工程上，相比华为智驾产品的研发和交付，相差甚远。

要知道，蔡佳在2030年实验室的那一年里，曾用近万张卡+千万clip数据训练VLA、训练世界模型。这个经历后来成了他评价具身行业的尺子。

这是一个从大公司出来的人对创业公司的典型判断，带着规模和流程的优越感，也未必公平。但对蔡佳来说，它起到的作用很明确：“更坚定了我自己出来干的信心。”

蔡佳还给出了一个更私人的理由。

在华为自动驾驶部门的经历，让蔡佳对智能技术如何进入真实世界形成了更深的认识：从技术突破走向产业应用，需要长期跨越可靠性、工程化和交付成本的门槛。基于这段经历，他形成了一个判断：智能技术将从道路上的自主移动，进一步走向生产与服务中的复杂作业，具身智能值得长期投入。因此，他选择在产业格局仍在形成的阶段离职创业，以真实场景为起点，以工程交付为抓手，探索让每一次部署都为下一次积累能力的成长路径。

“不是敢不敢的问题，是到了这个节点，你不做这辈子都会遗憾，甚至可以说会死不瞑目！”

为了追这个梦，他甚至放弃了一家智驾公司开出的CTO offer：四年1个亿的现金+1个亿的期权。还放弃了一家当前估值200多亿的具身大脑头部公司VP offer：数百万的年薪+接近1个亿的期权。

2026年8月13日，格物通智成立，地址在杭州滨江智造谷。蔡佳说，这里是浙江乃至全国最大的具身智能集聚园区之一。

公司的愿景是“机器干活，人类生活”，使命是“以具身大模型解放生产力，激发全球创造力”。蔡佳给公司名字的解释里有他的国学底子：“格物，不是在数据集里认识世界，而是在真实世界中穷究物理之理；通智，不是完成一个任务，而是让每一次实践都成为下一次智能的起点。”

蔡佳给自己的定位是三个标签的叠加：太空操作机器人、自动驾驶量产、世界模型。“这三个标签结合在一起，全球应该没几个人同时具备。”他的对外叙事是：一个经历过自动驾驶从演示到量产的人，来重新思考具身智能如何从演示走向规模化商用。

格物通智的战略文档里有一套被称为“具身智能三论”的主张。

第一论是“智能现场生长论”：真正的具身智能不是从实验室里训练出来的，而是从客户现场长出来的。客户现场不是交付的终点，而是模型训练的起点。

第二论是“具身Scaling Law真实世界论”：预训练决定机器人的起点，真实世界学习决定机器人的终点。“具身智能真正的Scaling Law，不只在GPU，不只在参数量，也不只在实验室数据，而在真实世界。”

第三论是“具身智能的GPT-3时刻不是Demo，而是ROI”：那个时刻不是机器人突然做出一个特别炫的演示，而是某一天客户发现，用智能机器人比雇人更便宜、更稳定，而且部署成本足够低。

三论之下是一个三层飞轮：解决真实客户问题（Solve），现场自主学习（Learn），把项目经验变成通用能力（Generalize）。

最终沉淀下来的不是“我们会做某道工序”，而是3D感知、轨迹生成、接触操作、在线纠偏、成败判断、自主恢复这些可以迁移的能力。最终形成正向循环：现场越多，数据越多，模型越强，部署越快，ROI 越高，进而能拓展更多现场。

蔡佳对竞争的定义也改写了。“不和头部公司比谁更早做出大模型，而是比谁更早找到智能的生产函数。”要证明的不是benchmark比别人高5%，而是一个机器人进入客户现场后，成功率能不能从60%到80%、95%、99%，而且这个过程越来越快、越来越便宜，并能迁移到下一个客户、下一个任务、下一个本体。

仔细看，这套方法论几乎是华为智驾的翻版。影子模式、数据闭环、长尾挖掘、多层评测再上车，在这里变成了人工接管、失败样本、异常恢复、验证后再部署。他自己也这么说：用智驾的方式做具身，商业化路径对标智驾从L2到L3到L4的渐进。

格物通智对外的技术主张叫“物理反演世界模型”：

从“看得见的动作”中推断接触、受力等隐含的物理信息，用于大规模预训练，再用真实的力觉、触觉反馈校准。配套的是面向物理操作的PSI（物理自进化）闭环：物理反演、规划执行、真实反馈、评估学习、验证部署。

公司的口号是“物理反演让动作有依据，PSI让经验有复利”，以及“让机器人的工龄，变成能力”。

蔡佳对VLA（视觉-语言-动作模型）的批评是从建模范式出发的：输入是数百万维，输出的动作只有几十维，“你要拿这几十维去监督那几百万维的学习，整个建模范式是有问题的”。世界模型则“边想象边规划”，动作和它带来的画面变化统一建模，把因果放了进去。

他的完整逻辑是：VLA适合固定工序，不需要考虑泛化，成本低；世界模型在泛化上潜力更大，是中期的事；具身的终局不一定是世界模型，它只是终局的一个组件。“最关键的是让它转起来，让整个飞轮转起来。”

这段坦白和他的工业路线是一致的。他先攻Y轴，用最便宜的工具拿下精度；讲给资本听的，是X轴的故事。这很像他在华为习得的时间分层：N解决当下，N+2讲给未来。只是现在，两层都压在他一个人身上。

蔡佳的核心判断是两个轴。X轴是泛化，Y轴是精度和成功率。

“现在我的判断是泛化比精度更难，因为泛化缺数据。”大语言模型的数据来自互联网，具身智能没有这个前提，拿不到海量、多样的数据。所以他先放弃X轴，去攻Y轴：在单一场景里把成功率做上去，形成ROI，让数据飞轮转起来，再纵向做深、横向扩展。

蔡佳把泛化的终局理解为“组合泛化”。做A项目积累A技术，做B项目积累A加B，做C积累A加B加C；到D和E，可能不需要新东西，用前面的组合就行。“我觉得三年以后有望实现很多新场景基本上零成本的泛化。”他比较认可高继扬的一个观点：具身智能可能不会有“GPT时刻”，因为具身智能的落地将从工业场景开始，一个场景一个场景地逐步解锁。

蔡佳的时间表很具体：一年内在某些工序上正式商用，在产线上盈利、自我回血；三年内选定几个场景找到PMF，让客户真正买单和复购。

08 第一笔订单

格物通智的第一笔订单来自制鞋。

蔡佳开始时犹豫要不要对外披露这个场景：“你如果找到一个好的点，很多公司就会过来抄。”但他还是说了。他把这个场景概括为“两柔一高”。

第一个“柔”是鞋子本身有柔性，不是刚性物体，传统工业机器人搞不定。第二个“柔”是柔性生产：小批量、多批次，一个款式可能每月上新，每款只做五千双、一万双，为每款定制专机不划算。“一高”是高精度，顶级品牌要求正负0.5毫米。

谈到鞋厂，蔡佳的语气会变。

他说，全世界99.5%的鞋子生产仍靠人工。喷胶之后把鞋面和鞋底压合，全世界每一双鞋都是人干的，“这一步没有机器能搞定”。胶水有毒。他去工厂看，干活的都是三四十岁以上的人，有的五六十岁。老板们抱怨招工难，年轻人宁可跑网约车、送外卖、送快递、做直播。

“拿着胶枪绕一圈，往复，每10秒钟搞一次，这活你能干几天？我干一天就疯了。”

“10秒一个节拍，循环往复一个接一个，这不是把人当机器用吗？凭什么他们要受这些苦。”

笔者问过他一个问题：切入制鞋工业，这是从技术维度选择的场景，还是社会维度选择的场景？科技为什么总是先替代最底层的人，而不是更容易赚钱的那些人？

蔡佳的回答很快，也很理性。他先反驳前提：AI并不只替代底层，编程智能体正在替代白领。然后把宏观问题交给政府，把微观问题交给市场：“没有哪个公司是做公益的，做公益就别开公司。”他的逻辑是，如果一份活人愿意干，机器人的不可替代性就很弱；他只做“人不愿意干的活”。

这是一个自洽的回答，但可能不是全部的答案。那些五六十岁的工人并不是“不愿意干”，他们可能是没有更好的选择。蔡佳没有回避这个张力，他只是站在了他选定的一边。

他自己更喜欢用另一句话来结束这个话题：“既要仰望星空，又要双脚沾泥。”

访谈快结束时，笔者问了蔡佳最后一个问题：从制导控制、太空机器人，到视频监控、自动驾驶，再到具身智能，你一直在研究的是什么？

他的答案不是一个技术名词。

“其实我一直研究的，是怎么把技术做成可用的产品。技术只是工具，我抓的第一性原理是怎么让用户用得更好。至于今天用VLA、明天用World Model；今天用CNN、明天用Transformer，这些属于工具。”

蔡佳见客户时问的第一句话是：“你想要什么？你这边指标要求是什么？多快、多精准、价格多少？”

如果把蔡佳的选择放在一起看，可以看到一种稳定的偏好：他喜欢动作和结果之间距离很短的事。

本科时，他喜欢CV胜过PID，因为“写代码立马就能有反馈”。读博时，他选机器人而不是导弹，因为可以“作为一个完整的产品系统来研发落地”。在华为，他的成名之战是一场三个月见分晓的PK。他拒绝留校，是因为发paper的反馈太慢、太虚；他拒绝杭州的具身实验室，是因为那里的事“领导不紧要”。

创业后，蔡佳形容那种快感时用了“操盘”这个词：小到办公室怎么装修，大到合同分几个点、拿谁的钱。“我不喜欢被别人操纵，这是很大的不同。”

格物通智的全部方法论，说到底也是一个短回路的迭代进化：把现场的一次失败、一次人工接管，尽快变成下一轮训练的信号。那个在博士实验室里孤独调参、“想讨论找人都讨论不了”的年轻人，最终把自己的偏好变成了一家公司的战略。

蔡佳对华为的情感是复杂的。

他会谈论华为的内耗、考核导向和中层的螺丝钉化。但他用华为的核心价值观作为格物通智的前两句：以客户为中心，以奋斗者为本。他用华为“攀登珠峰的同时要沿途下蛋”的说法解释自己的商业路径。他用华为的系统工程解释自己为什么要做本体。

“大家入职华为，或多或少都是因任总而来。”他说自己一辈子敬佩任正非。他记得任正非说过，华为也可能死掉，可能是明天，也可能是后天；“明天不一定比今天难，但今天一定比昨天难”。

创业让蔡佳重新理解了这些话。“我在华为里待着的时候觉得华为已经很牛了，自己出来创业以后才发现，当老板要想发工资、要想方向、要想活下去，才知道华为能扛成这样有多可怕。”

蔡佳给创业列了三个难处：要对每一分钱负责；要同时做十几个角色；要在有限的窗口期里证明自己能跑通。然后他说，这些难恰恰是意义所在。

“这不是交学费，这是把我这辈子攒的东西全部押上去，要么成，要么不成。”

一位客户对蔡佳说：“你这么高大上的蔡博也愿意干这种活。”

蔡佳把这句话当作“对自己最大的褒奖”。

这句话里的“这种活”，是喷胶、压合、对准正负0.5毫米。它和太空里的卫星、上百万辆智驾汽车、近万张卡的集群相比，是一个很小的世界。但在蔡佳的叙事里，它们是同一件事：让机器看见、决定、动手，然后在一个真实的地方被检验。

他6岁时说想去太空走一走。他后来的解释是，自己做的机器人上去了也是一样的。三十多年后，他要把机器人送进鞋厂。这看起来是一次下沉，在他自己看来却是同一个梦想的另一种形式：人不必亲自去，机器去就行。

格物通智对外最常用的一句话是：让机器人的工龄，变成能力。

这句话也可以用来描述蔡佳自己。西工大十年，华为十年。从对着一组SIFT特征失眠，到用一颗CPU打赢九家对手，到在一个地库里证明扩散模型的上限。现在他要证明的是，这段工龄可以转化为另一种能力——不是在一个巨大的体系里打胜仗，而是从零开始建立一个体系。

蔡佳自己给出的时间是一年商用，三年回血。到那时，关于他的故事会有一个更确定的结局。

在那之前，蔡佳的领英简介还是那一句话：

If not me, who? If not now, when?

本文作者吴彤，微信号: lI__O0o

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