一场关于具身智能、AI硬件的激辩
发言人 1
大家好,欢迎来到这一期的产业观察,我是峰瑞资本的李峰。这一期的产业观察,其实它是在一个特殊的场合下录制的,我们和我们的LP也就是蚂蚁集团,包括他的投资负责人纪纲先生组织了一次闭门研讨会。其中主要包括了我们的一些被投企业,蚂蚁的一些被投企业以及双方的投资团队。
发言人 1
在这个讨论会上,我跟季总做了一场关于智能硬件,关于数据,关于如何需求驱动,所谓叫智能化的变化这些话题做了一些闭门的讨论。同时把这个整理成了今天的产业观察当中的播客内容。它主要围绕这三个方面,就是关于AI投资的周期和AI投资在不同阶段的热点。为什么会有这些周期和热点的产生?当然也包括了大家今天最关注的一些AI相关方向,背后到底缺的是算法还是缺的是数据。如果是缺的数据,以史为鉴的话,这些数据会从哪里来会从什么样的方式上获得?以及如果是跟所谓叫传感器在智能硬件上的普及化得来的话,到底新一代的智能硬件是人们从来没有过的这种消费产品类型,还是人们已经有过的消费产品的升级迭代?
发言人 1
这些话题的讨论,因为我们两个人很熟,本来也没有完全预期到这个会变成播客。大家就理解为这是两个人在一个相对封闭的活动当中进行的内部讨论,甚至内部争论。所以它代表的都是一些个人的观点。当然可能也因为录制的环境和录制的场所所限,导致不够清楚的地方。大家肯定有很多不同的意见,所以也欢迎大家来探讨评论和参与不同观点的提出。
发言人 2
今天聊可能还是以我捧哏提问为主。因为我之前跟风叔交流,每次都觉得跟风叔都学好多东西。风叔的思考是比较有系统性的对吧?然后在产业前沿也看的很多,而且大家如果听风和的播客或者跟他聊过,也能感受到他那种滔滔不绝的风格,对吧?对我来说跟峰哥聊天就像打开了一个电视机,反正你只要换频道就可以了。但是你不用跟电视机交互?那我想今天反正对我们来说很好的机会,也欢迎大家来到蚂蚁集团上海的这个方式。
发言人 2
其实我第一个问题就是想问一下工作,就是这到底这个时代的智能硬件该怎么定义?什么叫这个AI时代下的?因为智能硬件,智能马桶在我们家也摆了好多年。对我看还在用这些所谓通电的设备,或者有一点小智能的硬件已经很多年了。那这一代的智能硬件到底是怎么定义的对。
发言人 1
这特别好的问题。先感谢一下蚂蚁愿意给我们提供这么好的场所,也感谢大家愿意抽出时间。我们回到刚才那个智能硬件上的那这个问题,中国为什么走到了这一步?他有个非常有意思的比方,我在我们内部经常讲,我说你看战后日本崛起到7到80年代的时候,日本做了一件事儿。就是当时正好有一个技术区间他赶到了。就是从电子管到这个晶体管,在半导体或者在电子器件上的一些进步,正好上台阶的时候他赶上了。然后美国其实还是慢一些的,美国后来赶上的原因是因为美国限制了日本。但是我们回过头来讲,就日本在那个时候做的事儿,就是把当时他掌握的相对先进的电子技术,能改的不是电子化的产品都改成了电子化。比如说他把表先改成了机械表,上海牌手表,改成了卡西欧,改成了精工等等哈他把钢琴改成了,比如说雅马哈。我们可以举更多例子。
发言人 1
好,这里面背后有两件事儿,我们稍微简单扩展说了一下。第一个扩展说一下,是因为当时只是电子器件层面的小型化和规模化和叫能力的进一步进展,导致他能把机械的改成电子的。但是当时还没有那么多芯片传感器,所以他不能再把这些东西改成数字化。我们打一个最简单的比方,大家都能理解的就是那个时候他做了假定,放在今天就是把这个燃油车改成了新能源车。但是再往下你要说装这些什么毫米波雷达、激光雷达、视觉这个传感器,这个车上的处理器,最后能做判断,能做自动泊车,能做驾驶,就做不到了。所以他只到这儿了,电子产品,这是他的这个本事。
发言人 1
另外半句话跟今天大家做的事儿有非常大的关系了。你发现日本做的那件事儿造成了两个结果是第一件事儿就靠这类东西就卖了全球。然后他也在这件事儿上一度被诟病过产能过剩。那这个产能过剩是相对于什么呢?说说本来大家买得起钢琴的人,或者买得起上海手表的人或海鸥。那大家算一算全世界按人均GDP和收入是这些。然后你突然一下把它搞成电子化产品之后,你把产量一下弄好大,看起来你明显就已经供过于求了。
发言人 1
但是最后的结果造成的是,因为80年代的时候,那时候我中国还比较穷,对吧?我在上中学以前我们父母结婚的时候,上海牌手表都是陪嫁。那到了我上初中后半期的时候,就像我这样的家里是老师的小朋友也能带一个。我忘了我当时是五块钱还是十块钱的那个电子表了。那你要讲钢琴的普及也是这样。我这句话的反面是说,第一他用这件事儿打了全球。第二件事他一度在被说这件事儿他输出了过多的产能造成的其实结果是他把单价打下来之后,使得这个产品在每千个人或者每个家庭中的平均普及率,在十年之后比10年之前超过了极其无敌多。就是比如说我都能带上这个手表了。
发言人 1
回到你讲的问题的这个答案,就是你到今天来讲,比如说我们在两年多以前,我说尽量多投机器人。为什么要度量多头这玩意儿呢?因为它跟机器人道理是一样的,就跟当年的日本有点相似,中国赶上了一次我们有叫极其comprehensive的制造业链条,就是硬的制造业。然后中国用了大概七八年时间,尤其是最近从18年之后,就是从华为中兴之后的大概六七年时间,你又搞出来了一个所谓叫芯片传感器的产业链,当然也包括一部分的计算芯片。
发言人 1
第三件事情,虽然今天大家都说消费降级,但多多少少你是全球第二名或接近美国,叫商品消费市场。就是这个物理产品不是服务的第二大市场。然后你的流通效率肯定是全世界最高的。比如说蚂蚁也好,阿里也好,就是大概我们的互联网的信息和购买商品的这种流转效率是最高的。所以当时我们因此给他了一个叫说法,叫内卷的市场。就说内卷在有一本管理学的书,我觉得它定义的更好一点。它叫做通过竞争达到饱和的水平和速度非常快的一个市场。就是一旦有个东西,有人有个创新,大家迅速就把这个事儿变成了在很短时间之内就把这个创新给普及掉了,它就迅速达到竞争饱和的状态。
发言人 1
当然这个大概就是今天的这个市场情况。那你把这四件事儿放一块儿,它就会产生出怎么把这四件事用起来做创新。然后另外那半句话,它的背景是说,你把这四件事儿攒齐了之后,他会逼着你做,逼着企业做非常多的不一定确定方向的创新。但是你没办法,因为你用原来的东西搞不动了,所以你只能想办法去做创新。
发言人 1
这个其实在管理学书上也有提到。但是这个就是国家的创新阶段的第一个阶段的必然结果。因为你你不知道要去哪儿。原来在模仿创新的时候,是你知道要去哪儿,你知道你要学谁,你知道你要做成什么样,你只是做成更便宜。现在的问题是有很多东西是你已经不知道你下一步要做什么,但是后边又有非常多人在卷你,所以你只好把这几件你能用到的机会重新连一遍,然后连出一条新线,可能有的对有的错。
发言人 1
这个创新的第一个阶段在国家层面它就是长这样的。就是说你就是没办法,它就是个内卷的偏内卷一点的市场。但是内卷有坏处,就是它影响研发成本投入。当然他就是个有点内卷的市场,就是个极其多零散创新的市场。然后在零散创新的结果上,就是利用了原来的产业链的结构。产业链我们把这一条纵向,一条横向,然后就变成了今天我们来讨论的这个话题。所以你放到今天为止,就是跟80年代的日本中国简单来讲最大的差别就是你有了四个要素。
发言人 1
日本当时有一个也叫快速emerging的market,就快速增长且内卷的国内市场。然后完整的产业链和制造链相对赶上了一次电子器件的升级,更快的掌握了更好的技术。这几件事的迭代变成了他那个时候把机械的改成电子的。中国只是今天把电子的还要改成数字化和智能化的,还要把原来不电子的,比如说吉他也改成电子的。然后在这个基础上一边卷里边一边卷外边,然后卷到外边去的所有人,最后都变成了全世界的第一名。这exactly跟当年日本是一样的。OK我在想刚才风。
发言人 2
叔讲的这段话,但我还想继续可能再追问一下,比如你刚才讲国内市场的这个需求的增长,包括中国产业链完整。因为它坦白说它是一个渐变的过程。它是过去20年也好,30年也好,一个积累的过程,它不是这一刻发生的。但是我们看到,比如说我们今天所谓的智能硬件的爆发,其实是这两年更突出的那为什么?比如说在这个产业链前几年已经相对完整的情况下,那为什么这个机会没出来?
发言人 2
我在想因为做投资,我们很多时候还是希望把把这个思考的框架搭一个所谓的思考。但不一定对,但是搭一个框架,这个框架里可能就包括因为我们今天从我的视角,我看到的硬件就包括所谓AI相关的硬件对吧?但是今天到底AI作为一个可能这个时代最大的一个技术变量,驱动了哪些硬件?真正AI native的硬件出现没有,我自己其实是有一点,当然我后边也可以再讲。
发言人 2
我们看到有一些所谓AI native带来新的,比如说数据增量的这个方式变化的,比如说AIP对吧?但是这里面真正有的硬件是比较少的,还有一类可能是就是适合做AI载体的对吧?比如说我今天眼镜,这个数字化的眼镜,不管它是个显示设备,还是个交互设备,还是个采集设备,但是今天它可以成为AI的载体,也会发生一些变化。
发言人 2
或者有今天说我们看到很多AI陪伴类的硬件,它也可以成为一个载体。但是这类硬件又很容易跟传统的,比如玩具对吧?它可能是放在一个大类里面。
发言人 2
然后还有一个大类,就刚才风叔说的,我觉得可能现在所谓智能硬件观察到更多的品类就是出海的消费品。但不一定完全是消费品。但是出海的硬件我觉得但这三类如果从投资的视角来看,它的估值的这个体系是完全不一样的,对吧?今天AI驱动的硬件,很多东西你今天还要教育消费者去认知这个产品,那你今天这个量肯定是很小的。但是因为大家看到potentially它可能拿到一个大的市场的增长,可能给一个高的估值。但是消费品这一端,比如说最极端的讲出海消费品可能拼的就是供应链,拼的就是你市场的营销的渠道。这些东西混在一起,我刚才讲三大类。
发言人 2
AI原生的智能硬件,加上比如说AI陪伴类的硬件,加上出海类的硬件,就这三类。我不知道从枫树的视角看是怎么把它区分开的,还是说今天只要符合你这个讲的几个要素的东西,你们都会看都会投。因为那里面其实可以排列组合出很多很多不同的东西,对吧?
发言人 1
对我先回答你的最后一个问题,然后我来问你就是我最后一个问题是我们符合这些要素的东西都看。因为我觉得他去正推出来那些交集里有什么是挺难的,这是我做投资一直痛苦的地方。就是你能正推出来应该该有什么特质,但是你正推不出来有这些特质的东西到底最后长出来是什么样,是谁,这个很难。所以就说你讲符合这些特质的,只要有57% 10以上这些特质的都投。
发言人 1
然后突你的问题,咱们先问第一个问题,因为你们投了比较多。过去的半年,我不知道大家是不是还坚持在频繁的使用deep sig。我的问题是为什么在过去的半年大家不太关注和提及大模型本身在大模型公司上的变化?这个问题有一个伴生的问题是为什么一年半以前所有人都提到的scaling law,这个是专门为大模型发明的词,叫skilling law,那也不太有人提及了。我的问题是为什么没人提及了OK?我不知道我。
发言人 2
是不是最好回答这个问题的人,但是稍微多说两句,就是我们的确是从国内大模型起来的时代,我们投了kimi投了质朴,就比较早的后来多模态模型也投了一些公司,然后一直在找应用的公司。因为理论上来说,我们当时是有一个认知,觉得大模型本身不一定是个应用,对吧?它可能更像一个升了级的搜索引擎,因为大家交互的习惯是个框,对吧?所以现在看到一个很有意思的数据,我不知道大家关注没有。
发言人 2
11期间这个open I的这个dev day,他们讲到的三个东西。第一讲讲它的数据,它现在是一个周活8亿的产品,但是用户的使用时长只有17分钟。所以17分钟相当于什么概念?可能就略比传统的搜索引擎稍长。就是今天他的这个用户的认知可能还是一个更好用的搜索引擎。对。
发言人 2
但是如果大家看了这个deal day,他发了三个东西,我自己觉得是把open I这个为底层追求AJI的这个技术这个层面之外,展示了他商业的决心。展示的是商业决心会不会变成未来大家会关注回到丰硕的问题,就是又回到谈这个大模型。因为大模型今天如果简简单单是个框,是个升级版的搜索引擎,我觉得那用户的新鲜度过去了,特别是普通的用户新鲜度过去了,的确就不会谈了。但是今天如果大家看到他发的这个所谓apps SDK,对吧?今天把所有已经做好的东西,我给你一个框架,你可以把信息反馈给我。然后第二,你今天我给你一个agent kid,就是所有没有解决的问题,你可以去开发,创业者可以解决,但是在我的框架下。
发言人 2
第三,codex, codex很多人说是写代码写程序的,但我更多的认为它是一个解决更长远问题的。就是解决不了,我是现场给你写一个,我效率很高。所以他把把所有的用户需求在他的框架里解决之后,那他做什么?我觉得他希望比如说我们展望了一下两年之后,假如说open I能通过逐步的技术进步和用户的积累,变成一个8亿日活用户,每天使用时长2小时的一个产品。那时候我觉得就不是谈不谈大模型的问题,更多的是说因为它可以解决更多的问题,把现在市场上所有的已经解决的很好的和正在解决没有解决好,和未来你可能个性化的需要发掘的问题全部都解决的时候。我觉得如果它能变成那么一个产,那用户自然而然的从消费者端会重新谈到这个,就是重新会提到大模型,但是提到的也许不是大模型本身,而是他所用的这个产品。
发言人 2
那open I拥有的是什么?是你所有我的用户入口,它拥有的是你对所有这些产品的一个共同的一个记忆。把记忆分发给这些人,假设这件事是在消费者端解决了。
发言人 2
另外一端就是为什么投资人最近也不谈这个大模型了。我觉得现在最大的问题,我的看法是大模型的竞争已经进入了一个深水区了。但剩下的人今天我们看到不管是最近发的这个OCR的版本,包括千万做的进展,包括我们蚂蚁最近发的一个万亿参数的一个产品。我觉得今天是他的进步看起来不那么在消费者端显现了,但实际上是因为进入深水区。
发言人 2
而这个智能的领先程度,就好像说今天风叔比我聪明。但是风叔到底是比我聪明一倍和葱100倍,这个已经doesn't matter了,因为他已经比我聪明了。所以我觉得今天更多人的观察是说,他已经达到了一个平均人的水平。但是到底这个水平一定要惊艳到那100倍的时候呢?100倍可能大部分人已经没有感受了。我觉得从两侧一侧是消费者的观察,一侧是投资人或者研发人的观察。大家不谈这个大模型,我自己归纳是这个原因。
发言人 1
没有得到我想要的答案。对本来我想问。
发言人 2
的你本来挖的坑是吧?
发言人 1
对我本来挖了坑。对我本来挖了坑是说大家谈的原因是因为没有更高级别的公开可用不同类别数据了。就是说你很难再沿同一条路进步,就像我们本来说我们那个skating law,你既有数据问题又有算力问题哈那我们先不考虑算力,反正英伟达还在不停的涨估值。
发言人 2
不停别愁眨眨眼睛我就主动跳进去。不用这个。
发言人 1
我一会儿讲这个没有数据的问题,跟我们今天要讨论的关系是什么。我们先把这个问题再跳开一下,比如说你们也投了,我们也投了,大家都投了非常多的狙神智能机器人,不同方向。从投资行业观察这个事件,就是在两年半以前,大家热的是大模型。在一年多以前开始,就exactly一年以前,事实上大家开始热的是具身智能机器人。这个是中国偏热一点。然后美国偏热一点的就是agent就是各种各样的数字化应用的大模型来做,当然这个非常国家属性偏好并且正确。因为美国没有制造业,所以它偏热偏软的。我们因为既有制造业又有传感器,又要搞科技又要做AI所以我们热偏硬的就我们这狙神智能机器人。当然这句话你也可以理解为,他被写到了所谓今年的那个两会报告里面去了。
发言人 1
今天反正机器人应该大家虽然仍在讨论,但是融资的新闻已经少了很多很多倍了。当然美国现在讲agent的也已经少了很多倍,比一年半以前的投资市场,我的问题也是一样的。它是分成俩。第一是为什么美国在一年半以前要热agent我们要热机器人,大家在大模型之后为什么分别各热了。第二个问题,为什么这两个现在也没有那么热了?虽然他们仍然在讨论的话语体系里边,但是显然从新融资的角度和被关注的新创业公司角度已经大数量级的下降。
发言人 2
OK听听起来又像个坑,但我尝试先跳一下,就是朝坑里跳一下。的确我们投了一些具身智能的项目,坦白说我们之前投了八个,最近可能再投两个,但我感觉也就是这个数量级了。我觉得这个泡沫比较严重,对吧?大家都能观察到,很多公司估值一年涨了五倍,但实际上没有实质进展。
发言人 1
我今天这句话很重要,我要的是这句话对OK没有观察到实际进展。
发言人 2
这是你刚才成功的朝我眨了一下眼。
发言人 1
对,没有。对,好,所以我再问一个问题。
发言人 2
这个问题其实是,但我还有一个但是但你先说吧,我待会要把这但是说出来。
发言人 1
我接下来这个问题挺有意思的,你有没有简单抽象一下。今天能被观察出有进展的这些用来演示的人形机器人的各种演示方向。不管他是干啥的,他拿出来演示说大家眼前一亮干了啥。这些演示方向和演示动作主要是在掩饰什么能力?这是第一句话。第二句话是我们原来认为他们应该有下一步的进展,今天看起来进展还没有像大家如其所愿的那么快到达。是什么阻碍了这个进展?
发言人 2
对我我先回答第二个问题,很难想象一个行业从基础的算法到数据采集,甚至到本体的技术路线都没有收敛的情况下,就直接干到产业成熟了。我觉得这是不可能做的事儿。我不知道这是不是你想要的答案,但是我觉得今天这些问题如果不逐步解决,我觉得机器人这个产业是很难走到下一步的。
发言人 2
但是反过来说,我刚才讲的,但是的这句话是什么?就像我们对自动驾驶?可能16年15年自动驾驶创业的公司也有200个,对吧?今天也跑出来几家,但是仍然在L2加加受法规,受各种技术的影响,还没有真正占到产业的大红利。但是你说最后会不会走到自动调,一定会的。机器人也是一样,我觉得今天太多问题没有解决,这个只是阶段性的泡沫。
发言人 2
我刚才讲的那个,但是是说我一定比例ve 15年之后,这是一个一定要比电动车加自动驾驶更大的一个产业。我的vision是说,当然15年不一定准确,我是说全球所有中产家庭一定每家要有一台到两台。这件事是。
发言人 1
确定性很强的,这个毫无疑问。要不然我们不会在两年半以前跟我们同事讲叫应投尽投。
发言人 2
但是最大的问题就是这个行业的起伏和波折可能还很剧烈。我觉得就是现在也许80%的公司都会被淘汰掉。然后再回答你刚才第一个问题,就是到底在掩饰什么?我觉得主要是本体的运动能力,但是还是部分的本体运动能那今天你本体的技术路线最后解决到至少运动速率不说比人快,但是我觉得要非常接近于人的速度。我今天看到的技术路线,包括算法,包括各方面,我觉得这一步都不是几年之内能解决。
发言人 1
我可能比较悲观。没有一切就是你,如果你今天回过头来看,我们不点具体公司,就是所有出来演示的著名公司们的演示的所有内容都是纯粹运动能力。你想一想,不管他是跳舞、翻跟头、踢腿,什么踢足球、跑步、运动会,他们全是运动能力。虽然大家今天都叫人形或者叫具身,但今天大家认为进展比较好的是或者所有人演示的都只是运动能力。
发言人 1
那大家什么能力没有被演示出来呢?就是人的其他能力,就比如说我们讲叫操作能力。那大家对于怎么能解决操作能力这个问题上,在一年以前大家拼命投的时候,给予了不同的答案。有的人认为说我把大模型挪过来做个大脑就可以解决操作问题。有的人说我用更多的视觉数据,就所谓的VLA,我用更多视频里这个广泛可及的视觉数据来采集出来之后,就能导致或者部分意义上用来泛化训练上肢就这些操作问题。在这个问题上我相信是有一定能力,但是他最后你要的操作的鲁棒性和精准度,我猜可能有问题。我打一个大家都是最熟的比方,人的大脑肯定是非常复杂的,大家长到今天这个岁数上,肯定也都是有一些不同的操作技能和技巧甚至爱好的。所以说你可能是个极其忠诚的足球迷。
发言人 1
我不知道你在看了全周围人群里最多的足球比赛,了如指掌所有的边边角角、技术动作、裁判规则之后,假定你不是个足球运动员,你上场能不能达到半职业水平,我想应该肯定没戏。要这样的话,我早就是羽毛球冠军选手了,对吧?那我把这句话再重新翻译一下,就是说这个可能能帮你一点忙,但是应该不太能凭只看就能到实地上去操作。尤其它涉及到协调控制操作准确和及时,或者叫具体动作的处理问题,或者叫规划问题哈那所以回答刚才我想问的问题,这两个问题也都涉及到了数据不够。那我们再回过头来backtrack一下,我们把刚才所有问题串一下。我想的答案是这样,我们所以有大语言模型,是因为互联网文本积累这件事儿,我们积累了四十多年。这是今天用算力加数据能得加算法进步能得到的大语言模型。大家忘了大模型最早全都叫大语言模型,这是第一句话。
发言人 1
今天数据不够的原因是因为什么呢?你还想要别的数据,你想要多模态,你想要更多的视频,你想要更多的照片,你想要更多的其他的环境数据,你想要所有这些东西,但是这些东西可没有,暂时最少没有像文本互联网数据一样积累50年没有,所以大家在这儿都碰见了点数据问题。机器人也是一样,我们做能走就是纯运动能力。
发言人 1
从工业机器人开始就从在一个位置上拼命做运动控制,做这个B按什么角度砸下去,按什么角度来操作,双臂如何协同,怎么按执行规定度,加上电机的进步和控制,这些事儿我们大概也搞了三四十年。中国在2013年就是全世界工业机器人的产销第一名。从80年代日本和欧洲引进美国的机器人开始,大概也搞了三四十年。是随着电机的进步和运动控制的进步。大概我们今天加上算法的突破,就加上这个所谓强化学习,大家把运动能力搞成了挺好。
发言人 1
那你回过头来,今天我们要做操作的时候,你又回到了这个问题。你操作得要啥?就像大家讲的,你得要物理模型,你得要物理量,你得要环境数据,你得要环境建模。那今天这些数你可没有。
发言人 1
回过头来最后一个例子,我们举自动驾驶。自动驾驶在15年前那是第一轮巨大的泡沫。因为那也是人工智能泡沫,那也是AI泡沫。大家说自动驾驶一定很快就会普及。今天我们按照国标允许宣传L3,在以前只允许宣传L2。也所以国家对这个智能驾驶能宣传到什么程度做了上限规定。
发言人 1
那自动驾驶需要什么?自动驾驶需要环境数据,自动驾驶需要把整个车的状态数字化。他是什么样的驾驶状况,此刻在什么速度上,在哪条车道上,周围车辆的状况是什么?这个驾驶员的状况是什么?里边有几个人,载重多少,这些大概刚能数字化不久。然后我们在这个基础上来迭代。虽然在十年以前大家就认为应该是L4了,但是到今天我们大概能允许宣传到L3。
发言人 1
这个里边边角里边有一个原来我经常用来举例子的。我说你看自动驾驶里头分成三波一波是特别算法的人,这波人只剩了一个别了。第二波是有算法的人,之后有一波能落地嵌到车厂里的人,是第二批自动驾驶的弄潮儿。
发言人 1
我说这里边一直有一个最贴地气应用的公司,我原来老说自动驾驶的这个东西还是有一个递进的过程。要不然你限制使用环境,要不然你限制使用条件,它就不可能一下到L4。就是说如果你把环境和条件限制一下,也许KL4。如果你开放环境、开放场景,开放路况,那是不可能到L41步。
发言人 1
所以我老举一个例子,我说你看其实做最贴地气应用的公司,在自动驾驶里从第一天开始融资一直都是最后一名。但每一轮都融到了那公司叫新石器。我就说你看人家二不出溜就做个封闭园区的,送盒饭的和百货用品的。这个公司它不是最高大上,但每一轮自动驾驶的最后一波,它都融到点钱。本来我说你看这个不出溜的,每一轮也都还行。他这前两天他融了一笔42亿的钱,所以他就不再蔫不出溜了,那他就变成前排了。
发言人 1
我们简单来讲,你只能让他在很垂直的里面做一些操作,你要想让它在开放环境,今天最大的问题跟大模型的问题是一样的,他没数据了,这是我的结论。从这一轮不管是大模型,还是机器人的上肢,还是将来大家想要的更多智能化的产品。从这点到将来那一点之间差的最多的一件事儿是除了文本和图片以外的无穷多的数据,无穷维的数据。既包括环境长啥样,人是长啥样人的情绪是啥样人的,具体看起来操作是啥样,物理接触上产生了什么样的结果和数据。这些事儿今天缺的太大,所以完全没有办法跳步进行。
发言人 1
好,不要来问你了。原来我们的数据之前诞生了大语言模型和诞生了机器人的运动能力,和诞生了自动驾驶L2L3的这些数据,这些技术能力的数据。这三件不同的事儿,他们的交集是他们的数据是从哪儿来的呢?怎么产生的呢?如何积累能被用起来的呢?以至于他们诞生了大语言模型,诞生了今天的local motion,诞生了今天的自动驾驶L3。那他们这些能力原来所需要的数据是怎么积累的呢?
发言人 2
我感受到了风叔的就是得把电视台再调回来,因为坦白说也好,自动驾驶也好,大模型也好,都是可以让风叔畅谈一个下午的话题。这个问题我先不回答,回到这个智能硬件这个点上,我想直接还是问你一下。因为那些事儿我觉得大家都有共识,而且都够复杂。这个自动驾驶也好,对吧?
发言人 2
具身智不用说了,太多问题没有解决。但是智能硬件看起来很多。你刚才也讲了就是产业链的优势,就是这个数字化的优势。那为什么今天如果要看这块的话,为什么要投这类的设?比如说我想举一个最简单的例子,就是我们最近在看很多所谓能产生新数据的设备。
发言人 1
这个本来是我的下一个话题,就是该怎么怎么定义新。
发言人 2
对,所以因为主持人在朝我暗示,所以我在想OK那我们要不就先跳到下一个话题OK.
发言人 1
那我来做直接就回到频道上做rap up。刚才我问的三个问题是怎么产生的?技术能力和数据。他们全都是靠要有一些普及化的新传感器到了消费者手里,使得有足够多的人帮你把它变成了数据。简单来讲,在文本上是因为有PC有键盘,尤其有鼠标这些的combination,让你把你脑子中和心里的字儿变成了互联网上的文本。当然你也可以说,因为有特斯拉这样的企业,在消费者级的车上装非常多的摄像头,高频率毫米波雷达。当然他不装激光。中国有非常多卷进来,15年之后卷进来的这些造车新势力和新能源汽车,把这些东西装在了消费者及产品上才产生出了这么多在驾驶里边的数字化,我们叫数据或者叫数字化的状态。然后大家在这个基础上才来开始做到了今天的L2。
发言人 1
最后的一个问题,我们讲就是有这么多的工业机器人的场景和产线和控制和电机的积累。在这个基础上你往前推一步是今天的local motion加上算法,是今天的这个运动能力的进步。这个答案也很简单,从今天到明天,我们想象中用大脑就能解决。但我们的历史都证明了,只用大脑不能解决。我们的常识证明了,我只看羽毛球变不成羽毛球3.5级、四级运动员。我得下去一边看、一边打、一边学、一边想、一边练、一边调整,我才变成了那样。我也缺数据,我缺的是训练数据,我不缺看电视的数据,每一场公开赛我都看。好,回过头来,今天从A点到B点之间,我们只从数据角度缺极其无穷多的消费者及带了新传感器的数据。
发言人 1
为什么会有抖音?是因为都靠苹果华为们把这个传感器普及了。为什么会有外卖?是因为都靠他们把GPS这个传感器普及了。当然为什么会有微信?是因为都靠他们把maps的麦克风阵列这种高清识别语音画质的东西普及了,你才有今天的微信,你才有今天的抖音,当然你也才有我有跟这些外卖,不管是阿里还是美团相关的。
发言人 1
我们从零点到A点中间就是这些被消费者化的传感器。因为消费者是不会为了买传感器来买传感器的,他买的是一个产品,只是这个产品凑巧装了传感器之后,他就自然的把消费者的需求转成了数据。然后这些数据足够大,在消费者级的传感器普及之后,你才有了这些可用的数据。在这个基础上做算法和算力,然后得到了最后的技术进步。
发言人 1
机器人要跟全世界交互,要跟物理世界交互,或者说我们agent也要各种各样的数据来处理各种各样的问题。今天所有这些多模态大模型想要更多不同类型的视频和照片,来解决如何生成的问题。那你中间缺的那一大类,无穷多的,比如说机器人生成俯视的航拍数据很难。因为原来俯视航拍无人机还不普及。如果它变成了真正意义上的人手一台的可飞的东西,你就可以认为这个角度各个维度的数据,各个速度的数据就很多。所以说从今天到明天,你想要的比原来想要的多太多了。在技术进步上,所以今天到明天缺了无穷无尽的带了传感器的新消费硬件来收集无穷无尽的你想要的更多维度,不是数字、不是图片、不是文本。你想无穷无尽的人的情绪、人的语言、人的状态、人的体争、环境的状况、环境的建模、人和环境互动状况的改变,无穷多的物理量,你想要无穷无尽,这样的数据最后才会到下一步变成你想要的那个科技和算法,或者模型,或者多模态模型。
发言人 2
好吧,我这抬杠的心又起来了,我觉得必须抬个杠。我觉得这个事儿可能还是因果关系要讨论一下。就好像说我们今天当年美国登月的时候,肯定不是等到所有的技术出现了一种max我们把猎鹰做好,我们先去了,可能离这个地球同步轨道,我们所有问题解决,空间站建好,我们下一步再登月。其实你看他当年登月的时候,可能就是一个竞争性的一个选择,对吧?这个苏联人先打了卫星,先发了宇宙飞船,我就定一个其实不可达到的目标,我就要去登月。登了月以后,其实带动了很多技术的发展。
发言人 2
有的时候我当然这个纯抬杠,我觉得风叔甚至不用回应。就是我觉得今天从某个视角看,如果这个我因为你背后隐含的话题是说,如果我们把很多智能硬件的产业链,从传感器也好,从用户数据的行为搜集到也好,最终会带动走向比如具身智能。假如说这是终点,完成这个肯定是一个正向的一个结果。但是也许有的时候,这个并不是一个按顺序发生的事儿。我觉得也可能就是有一些人就是直奔着,比如说你叫AGI也好,你叫世界模型也好,或者像具身智能的最终形态也好,他去做。也许反过来是说他在这个过程中带动产业足够的发展,它外溢了很多技术,导致我们今天智能硬件其实得到了一个更好的发展。
发言人 2
我在想这个可能纯抬杠,我觉得并没有这个因果关系。但你想表达意思我是非常理解。就是说今天的状态,如果大家认可这个巨身智能是终点的话,那今天首先要把中间这一环补上,对吧?我理解分数是这个态度的,这个我觉得部分我是同意的。但是我觉得这个并不阻碍说一定要把这个补齐了才能奔据胜智能去。
发言人 1
它其实是一个相互的过程。刚才我在机场过来,路上还听了个神经手环。我说那硬件有什么进展?比如说硬件没进展,就是所谓电极这件事儿。那我说什么有变化,以至于meta做这件事儿,你要做这件事儿,他说那就是因为有了算法之后,我在采集的无序的电极数据和人类可能会有的有限规定动作之间能做correlation。就是能在很短的时间之内,在这个端上,在这个表带上或者在腕带上就能算出来你做的到底是这个动作还是这个动作还是这个动作。大概这是算法帮助的这是肯定的。当然这芯片也有帮助,毫无疑问。
发言人 1
但是本质上那你今天要做万代的另外一个原因,也是因为你还没有手上的动作,所以你没有办法拿手做一个控制器来解决你想要用手来做控制器替代鼠标这件事儿。你也得在这块儿先加一个新的智能设备,就是这个神经万代,你才开始收集采集产生这样的数据。然后你再往下才有说,手一挥这屏幕就动了,那回到刚才那个最后一个问题,就是怎么定义消费品的问题。就是今天我们讲了,就是既然我们先从国家和产业链的层面讲了一遍,我们从数据的层面讲了一遍,为什么中间需要这么一大堆东西?其实还有一个话题是我们从投资的周期性上来看,大家在技术投资里非常典型,就是每次都这样。包括智能驾驶也是一样的。
发言人 1
先投的都是技术变革本身,然后第二波投的叫技术最有想象力的事情。我拿今天大家熟的牵头大模型,然后接下来第二波大模型没那么热,或者已经形成了格局之后,大家投的就是大模型里最有想象力的那为什么是agent?因为大家一想,这个好啊,大模型一出来1AGI之后,agent就能替代所有人在计算机和数字设备上要做的事儿。这百分之百是个最大想象力的事儿。为什么投机器人?机器人好啊,将来所有的事儿都交给机器人了,物理世界的事儿都交给机器人,数字世界的事儿都交给agent那这俩显然是最大想象力的挑战,是他最难落地,这可以理解,这是一个硬币的两面,要不然他就没想象力了。
发言人 1
然后第三波就该轮到叫既能用上科技,又能证明需求,最好还能赚钱。就比如说大家对自动驾驶的约束是先投最牛的算法团队,再投谁跟主机厂有关系,在算法还可以的时候,最后投谁已经装到了机器上。不管是港口的车、园区的车,某些像特斯拉这样自己用的车,这都已经开始用上了,这都已经开始赚钱了。每一个技术周期的投资一定是这三轮不会中间错一轮少一轮或者多跳了一轮。所以好处即将或者正在已经就要开始轮到大家在做的这第三波了。
发言人 1
好,回到我最后一个问题,就说到底在有科技进展的时候,怎么去找它在消费端的应用。这里面最大的两个问题,对于投资人来讲,经常判断错误,我肯定也是一样的。到底是按照技术的进展找一个最deliver技术的一个产品,还是从消费者需求端找一个比今天他用的好一点的技术产品用到了一点技术,这是永远的争议话题。就是今天的AI我们到底在最AI的层面定义一个用户产品,还是在对用户需求的层面比原来他用的科技产品多一丢丢ai对,来enable和提升一下,这就是永远的话题。
发言人 2
这个其实也是我想问的话题,但是这个其实正和反都可以有答案。因为其实作为投资人更多的是关注到你是在什么阶段进入一个公司,然后什么机会退书。但是这个话题我觉得在风叔身上可能特别有意义。比如说今天因为大家都知道风叔是英sta 360很早期的投资人,对吧?那我想这个英sta 360的确是一个非常创新的公司。但是更多的表现在是说它是你后一种路线?它是把一个原来用的不太好的场景,不太好的产品把它做得更好。但是比如说反过来,在比他稍微早一点的时代,比如大疆,因为大江他是发现了一个创造了一个新的品类,对吧?当然这个可能说并不是那么准确,但是我觉得他基本上是发掘了一个新的品。
发言人 2
在这个阶段,假设我们今天回到十年前,一二年前让风叔选择假设这个机会投大疆和偷ins 360,你只能投一个,你的钱只够投一个。那你会用你刚才自己的那个选择标准说,我到底是找一个技术颠覆性的,还是找一个把产品做的好一点,又能赚钱,又能满足用户需。但是这个例子不是特别准确,但是稍微有点代表。
发言人 1
其实没问题。其实他们两个是完全一样的,就当时只是大疆再早几年而已,他们两个为什么是完全一样的?这个话你讲的还是有意义的。就是说他们本质上叫计算机和计算机算法相关,或者叫软件相关背景的人。大家赶上的事情是我要做飞控,我控做的好,我用中国的制造业产业链把一个原来军用的东西下降到半格去了。专业使用者来用好,这是大疆的事儿。在最早的时候,专业使用者也只有国外偏买得起,这是第一句话。
发言人 1
饮食的事情,他是做图像拼接这个软件技术背景的基因的人。他的第一年就只做这件事儿。发现在中国2014年的中国提供软件拼接技术,即使有第一波V2,因为那时候facebook刚买了oculus也赚不到钱。所以他把公司从南京挪到深圳,按照中国的制造业产业链,把图像拼接技术跟大疆的飞控技术是一样的。就这个飞行控制的这个能力用到了中国的产业链上,变成了一个新的我们叫全景摄像机,或者叫运动全景相机。当然由于消费能力就先去了,也是欧美的消费人群,因为有go pro教育过。然后在这个基础上,他们俩做起来的就是跟那个电子琴是很像的。
发言人 1
你想原来在中国80年代、90年代的时候,什么人家里才能让孩子学钢琴?我的天,那你简直是无穷凤毛麟角。你有了电子琴,可能一个中产家庭就可以在90年代让家里的孩子学电子琴或者叫钢琴了。
发言人 1
他们俩做的事儿是类似的,就是说用中国的产业链能力加上那个时候的软件能力,把一个原来高级级别的消费品往下降了半格。然后随着中国能力再强和消费市场再大,赚钱的正循环建立之后,他们就又往下降了半格去了半professional然后今天他们就又往下降半格去了半大众消费品级别大概就是这样。回到你刚才你问我的问题,他们本质上是一样的,就是你用这个产业链能力,把一个原来不可能到消费级的产品往下降了半个。当然那个时候的消费者叫professional,但是今天他们再降两次格之后就变成了纯消费品了。
发言人 2
但我还是非常想问一下这个问题,因为我对眼镜最近很好奇,对吧?眼镜可不是原来一个professional才能带的东西,它原来是个每个人都带的设备。但是它这个设备的功能是比较单一的,让大家看得更清楚。但是今天有人在这个眼镜上朝着头发在做对吧?有人把它作为一个显示设备,让它更沉浸式的看,或者有是辅助显示单彩的提示一些数字,然后有一些,但是因为这个设备带上也够舒服,也轻薄。电池什么。
发言人 2
但是今天不管是算力、续航各方面问题没有解决。那就不可能把所有的功能,就是说采集也好,显示也好,交互也好,不可能都放在里面。这类的产品是一个原来有的产品是往上叠加的那还有另外我刚才已经提到了东西,他走了另外一条路,今天妥协了。我今天不能在这个人最好的第一视角上采集设备,那我就变成一个挂在前的。我可以视角差一点,画质差一点,但是我把续航的问题解决了,我把最初的采集需求解决了。因为为什么我对采集这件事儿,就我稍微多说一句为什么很感兴趣。
发言人 2
我们在内部讨论讲了一个叫三个八小时。这三个八小时就是说你晚上睡觉8个小时产生大量数据但没法交互。但是以前的另外8个小时是你的swing time。这个swing time不管是跟这个设备还是跟PC反正就占满了。今天AI在里面,我经常同事说我说今天如果AI想做一个更好的打车软件或者更好的外卖软件,其实机会很小。它虽然上一代不是AI驱动的,但是它实际上通过算法已经把这个事儿解决的很完美了。
发言人 2
还有8个小时,比如咱俩这个对话的过程中,其实这个设备那儿放着设备采集。但传统这是非常高难度的。但会不会有一种personal的设备今天有了像pro的这种产品,谈话就可以很轻松的就记录下来了。或者有没有一个影像的设备,我把跟风叔谈话的全部过程我采集下来。而且我分析你的表情,你现在在吃你的小手指代表什么呢?你在思考?那可能我这个连接了我一个耳机,那它可能就提示我说风叔现在在思考你下一个问题,一定要怎么怎么问他,就要不然心花怒放或者他永远也答不出来,对吧?
发言人 2
那当然我那天跟他们讲的时候,我说下一个东西就叫人生作弊器,什么意思呢?比如说面试的时候,我今天假如有个设备,我看到面试官的表情,我知道我下一个问题怎么回答。那我在想这类设备会不会成为下一代的采集加交互设备的一个主流。所以但是最终的大boss应该是眼镜,但是今天可能因为续航各方面就是这块儿你怎么看?我们特别感兴趣这块儿,因为绝对是个增量。
发言人 1
对,这个其实在不同场合我们讲过一次,还做了半期播客,我们就简单来讲,我同意我没好好听。
发言人 2
不好意思。
发言人 1
没没有我我同意眼镜肯定是最终的一类大设备,这是我同意的。就是最终我们今天回过头来讲,我们其实讲的刚才前面的1个小时里面有一个非常重要的话是说你如何让消费者不是买个传感器,而是买个产品。就消费者不会为了买传感器来买一个产品,他一定是为了买个产品来解决需求的。所以说你不要从数据层面定义需求,你可以从需求层面定义产品得到数据。这句话听起来很拗口,就是你不能说因为我们缺这些数据,比如说我们缺跟环境交互的数据,缺物理量数据,我就定义一个采集设备说,这个玩意儿一旦普及了,这些物理量数据不就我拿到最多我全卖给机器人公司,我赚老了钱了。
发言人 1
这是你的想法,消费者绝对不会干这个事儿的,消费者只是说你给了我一个好的产品,我举一个另外大家都熟的例子,大家说我要做下一个iphone这个时代的引领者,我要做乔布斯,我要自己定义一个消费者级产品,像当年的苹果和之后的苹果手机一样。但是苹果手机前面先有了ipod,在ipod和苹果之间还有了黑莓和胖,来让消费者尝试把手机做智能化联网,联网之后干点事儿。在这几件事儿之后才有了苹果手机。苹果手机也要到第三代,你才开始认为它是个好手机。然后在ipod前面还有中国教育的MP3。
发言人 1
所以你先戴个耳机,拿个小设备听音乐,这个习惯先得养成,然后才有了个更好的设备ipod。那你当然你认为在palm和黑莓之前还有摔不坏的诺基亚,就是说这些事儿很难跳步。你说你要在没有胖,没有ipad,没有黑莓之前做了个苹果手机。即使你是乔布斯,且不说传感器那个时候work work芯片work work,我觉得基本上消费者也很难直接被跳过来教育买这件事。所以说眼镜最终是个结果,最终它是个iphone。但是今天是不是就已经到了卖iphone的时候?这是大家各自。
发言人 2
自己会投中间态的产品吗?
发言人 1
简单来讲是这样几句话。要不然你取到多维度的人体数据或多维度的环境数据。要不然你用视觉渠道多场景、多状态、多情绪数据。一边是从传感器来的,一边是从镜头来的这是两个matrix。其次是最好能容忍端上有芯片。因为这样的话你端云可以结合起来做算力,就是做将来我要讲的最后一件事儿。当然端上也有芯片的挑战,就是有功耗、有尺寸、有体积、有成本问题。其次他能在这几件事情或者两三件因素齐备的情况下,能从数字化迭代到智能化,这句话很重要。
发言人 1
回到刚才问题,因为你取的是新数据,所以没有设备能一上来就AI native,尽量不是一上来就AI native。但是他一上来先去利用需求做成数字化,就刚才那几个matrix加一下就变成了数字化。什么叫数字化?就是我跟特斯拉一样,我先把这些传感器想办法给你装下去,装完了之后我把你开车的习惯、开车的状态、开车的路线、平时走的路况和周围的环境全部都做成了数字化。我在这一步达到了一定程度之上,我在用端上和端云结合的方式来给你做智能化。
发言人 1
什么是智能化?就让这件事再往下变成个性化,不是在第一步AI个性化,这个是做不到的。因为你是新维度、新环境、新需求、新场景。我认为这是个故事,这是个投资人容易买的故事,不是消费者愿意的故事和感受的故事。所以他是先做数字化。
发言人 1
当然数字化的交集,因为你最后deliver个性化的时候,它有时延的问题,有场景的问题,有带宽的问题,有connectivity的问题等等这些问题。所以最好你做的东西在里边,你能放宽心片下去,那大概这就是matrix。你在这些交集里边不用着急迭代,就跟我们讲我们那个陪伴玩具一样。你不要着急迭代,你先把消费者的需求做好。你今天大家才争到几千万像素的拍照的摄像头。原来我们在用的所有诺基亚、摩托罗拉手机,全部都是有后置摄像头的。
发言人 1
没有人没有后置摄像头,只是在那个时候你绝对不用后置摄像头来拍任何东西。我这话应该说的也是客观的那为什么?当然因为低像素,因为带宽不能传,因为拍下来的看不清楚等等等等,你也找不到更多用法。那你到了iphone之后,不管它是200万像素还是300万像素,你让大家先把摄像头用起来,这件事儿你就很牛逼。你用起来之后,用户形成了习惯。你说当然他没有做智能化,你说我做个云,让你把相片都存云上,这样你就离不开我。道理是一样的,就是你要说一上来我就要做一个极限摄像头,那可能有点挑战。
发言人 2
对,完全同意。
发言人 1
但是proud我觉得是可以的。所以当时我跟我们同事讨论的时候,我说,OpenAI要找立讯精密做硬件,他迟早会做个proud,因为它的数据量不够了。这个玩意儿它最大的好处是拿无数多的文本数据是文本数据。因为它是语音转过来的,所以对它来讲,无数带场景带context的文本数据是非常。好的,他想要的数据。所以我猜最终他一定会定义一个极其便宜的plot,以至于说他可以硬件不要钱,只要数据。
发言人 2
我最后反正都谈成这样了,对吧?确保我们下次聊的时候有话题,我还是要稍微抬一下杠。原来比如说我们作为睡眠,睡眠是一个非常主观的东西,你睡好没睡好,但是今天这个主观的东西被量化了。但对但是这个量化的东西准确吗?其实很不准确。你今天有的时候看到他给你打一个80分,你觉得你睡得一塌糊涂。但是心情上的安慰是很好的,因为我从来没到过80分,我觉得最高到78。但是他有的时候我觉得数据还可以,但是他给我一个很低的肯定是算法的问题。
发言人 2
但是今天其实是一个数据显象化的过程,就是导致说原来没有被采集的数据,今天通过一些形式的挖掘。产生了一些价值。不管是感情上的主观的价值,还是真的你会调理你的睡眠,它产生了一些价值。
发言人 2
然后我是在之前听了一个播客,然后跟我们同事说去看这样的设备。就是有一个在西雅图的一个硬件的玩家,他开始也是带insta的那个ultra go,但是决定续航有问题。所以那哥们儿动手能力很强,就手搓了一个单片机带摄像头的。他就给他设计的模式,其实跟lucky做的很像。后来他们这两个团队也交流过,就是确保比如说一分钟间隔一分钟拍张照片,三分钟拍一个15秒的视频,大家可以去听那播客。他因为是一个solo的工作环境,他把他的i wash设成一个24小时on的录音的状态。所以他就在三天之内,这两个设备配套采集了二百多季的数据。然后他就丢给了可能大概几个月前的gym ni的whatever大模型。
发言人 2
当然很多正常的分析,我觉得都没有问题,但是他说最surprise他的是大模型,跟他说说你应该有颈椎眼。因为我看到你在很多情况下坐姿是有问题的,就是他自己都没有完全意识到我这个问题,但的确带给他痛苦了。所以我想表达的意思就是说,不管从睡眠的那个例子角度也好,这个例子也好。
发言人 2
其实今天我们在没有采集到这些数据的时候,我们其实是不理解这些数据到底能带来什么价值。因为我们看到的Green time,这些every single minute都是我们控制的。所以我们觉得我们这个数据怎么用,是不是更好的采集了,都没有问题。
发言人 2
但是我觉得今天为什么?我对这个事儿,当然不是说一定要投某个公司,或者一定这个里我非常认可风叔刚才讲的,就是这个东一定是渐进的对吧?这个一定是逐步的满足用户需求。但我总觉得这块儿好像是个没有被开发的矿,就像1958年挖这个白云恶博的时候都觉得是个铁矿,但现在觉得白云鄂博是个稀土矿,对吧?只是很多数据很多东西我没有发现它的价值。今天我在想这个人最终反正embodied对吧?
发言人 2
那到底是不是AI没关系的。Ebit了之后,就是刚才风叔讲的过程中产生大量的数据。我们今天要把这些数据,可能以后你每一秒的数据都是有价值的。这个就是我最后抬的这个杠。好啊,行,那我们就谢谢。
更多推荐
所有评论(0)