8 月，世界机器人大会现场，超维动力的展台前摆着一张乒乓球台，观众排着队，轮番上场，只为体验和一台人形机器人对打。这套高动态人形乒乓系统叫SMASH：从识别飞旋的来球、预测轨迹到挥拍回击，留给它的时间窗口以毫秒计。很多人对超维动力的第一印象，就来自这个乒乓球demo。
但更早在行业里引发热议的，是超维动力在今年4月举办的一场特别的发布会。整场发布会，由两台机器人以对谈的方式完成了自我介绍与这场发布。作为发布会主角，就是那两台名为KAI的超拟人机器人：本体身高173厘米、全身一百多个自由度，体表覆盖着一万八千个触觉传感点，一度领衔全球自由度最高的人形机器人。
这场发布会带给行业最大的冲击，并非是其科幻的形式，而是因为KAI极高的自由度和触觉传感配置，使它成为一台远超当下具身大脑驱动能力上限的本体。
为什么超维要发布一款上限很高但当前很难发挥其全部能力的本体？很多人无法理解。而超维动力的技术栈，远不止这台超拟人本体。过去短短一年，这家公司搭起的，是一张在具身行业里少见的全栈版图。
它自建数据链路，采集员戴上自研的数采头环KAI Halo，走进家庭、医院、酒店、零售等真实场景，累计采集超过十万小时的ego数据，覆盖二十多个场景，据超维官方表示：这套体系让数据生产的效率提升了10倍；这些数据被用于训练超维自研的具身大模型KAI World Model，模型评测的效率提升了7倍，未见场景的任务执行成功率提升了51%；超维还搭建了一层KAI Embodied AI Infra，把采集、质检、标注、训练到真机回流的环节串成闭环，供不同形态的机器人使用；另外，超维还自研了灵巧手KAI Hand，并与轻量化数采头环KAI Halo Lite一道作为独立产品对外销售。
拼出这张全栈版图的，是超维动力的创始团队。这个组合符合投资人对一家具身公司的最佳构想：华为22级高管+10万引用算法大神+硬件顶尖专家。联合创始人兼 CEO 喻杰，前华为22级自动驾驶产业高管，亲历了自动驾驶从零到百万辆以上量产的过程。第二位联合创始人罗平是香港大学计算与数据科学学院教授、副院长，也是港大多媒体实验室负责人；第三位联合创始人郑存远，是中美机器人与智能硬件领域连续创业者，知名机器人公司整机研发负责人。
在具身智能行业，路线之争大多绕不开一道选择题：一条是先做垂直场景、做专用机器人，把现金流挣出来；另一条是埋头通用智能的研发，赌一个更远的未来。两条路都有道理：前者离生存更近，后者离终局更近。
但在喻杰看来，这道题并非只能二选一，他对于“攀登珠峰、沿途下蛋”的理解，不是任性的“既要又要”，而是基于华为智驾的经历沉淀下的，一条独特的平衡之道。这条平衡之道也正是超维全栈布局和至今为止所有“出格”动作的底层逻辑，只有理解了这套平衡之道，才能真正看懂超维动力。而这也成为我们和喻杰这场对话里他讲得最多的部分。
▎以下为与喻杰的对话全文，略有删减：
创投家：行业里也有很多偏学术研究驱动的团队，论文发得很前沿，但往往在落地上不是很积极。在您眼中，从实验室走到量产、工程化落地，这一步的难点到底在哪？
喻杰：这一步的难度，不在单点技术上，而在整套工程能力上。
做机器人这件事，本质上更接近做一个手机、或者做一台智能车：它必然是“工业+实验室”的模式。光在算法上做出漂亮的突破是不够的，还必须要有量产的思维、能力，后面还要有成熟的运营运维体系。
在实验室验证原理，和把产品交到用户手里能用、耐用、成本算得过来，中间隔着工程化、供应链、质量和成本管控等一整段链条，而这个链条恰恰是我们过去在华为做量产时每天都在面对的。
我在华为亲历了自动驾驶从零到百万辆以上量产的过程，这套经验放到具身行业是用得上的。
创投家：这套经验具体是指什么？
喻杰：第一，做AI落地，光有好的算法不够，还要有快速迭代的能力。在华为，我们花了很多精力搭基础设施，让整个系统能快速迭代，这对后来做到百万辆以上的量产帮助非常大。
第二，数据能力：数据的快速回传、清洗、处理、训练，这套链路我们建得比较早，也因此很早就认识到，在早期，数据积累比算法创新更重要。
第三条是最根本的：如何兼顾两件事，一个远大的目标和到达目标之前怎么活。
华为有一段经历，给了我们很深的教训。销量还没上来的时候，研发成本巨大。那时候大家就想明白了一件事：大目标要靠造血能力撑着，业务必须自己能转起来。
做通用自动驾驶/Robotaxi 是大目标，但中间这段路，系统要搭好、迭代要快，还要做商业化部署，来支撑产业往前走。现在做具身，主航道永远是通用人形，同时围绕主航道做一些商业化的部署，支撑公司往前走。
这些部署不是另起炉灶，它们都从通用基座的能力里长出来，投入不需要很大，但能实实在在反哺研发。我们不会在主航道之外做过多的探索，这一点我们想得很清楚。
创投家：现在也有不少具身公司选择先做垂直场景的专用机器人，把它当作通往通用智能的第一步。您怎么看这条路线？
喻杰：我们的看法是，从垂直场景切入没有问题，但你的技术框架和数据必须是通用的，否则就只是在做一台专用机器。
这件事其实在智驾行业里其实已经演过一遍：当年有一批智驾公司选择先做港口、矿山场景，做了好几年却没有换来优势。原因也很清楚，垂直场景里的数据多样性不够，算法复杂度也不够，在那个垂直场景里怎么打拼，都很难沉淀出通用技术。
创投家：那从垂直场景里，有可能长出通用智能吗？商业化的成果，怎么才能沉淀回主线？
喻杰：我举个例子。假设一个小孩只在工厂里长大，没有见过外面的世界，那他的认知和能力就非常有限，潜力没法真正发挥出来，机器人也是一样。
所以关键不在于要不要做垂直场景，而在于底下是不是一套通用的底座：技术框架、数据管线、算法能力都得通用，垂直场景只是这套能力的一次应用。只有这样，你在场景里积累的数据、能力和工程经验，才能反过来沉淀回主线。
创投家：超维定义的通用底座，包含哪些内容？
喻杰：拆开看是三层：足够拟人的本体、大规模的人类数据，还有把数据持续变成能力的处理体系。
具身行业最大的问题，大家公认是数据。机器人还没有普及，没有产品就没有数据；没有数据，能力就差；能力差就没人用；没人用，就更不会产生数据，这是一个转不出去的循环。
破这个循环要两条腿走路，一方面把足够拟人的本体造出来，另一方面用头环这样的设备，去人的身上采数据。
为什么第一步必须是拟人的本体？因为构型越接近人，人的数据映射到机器人身上的误差就越小，你才可能更高效地从人身上学到东西。
创投家：还有些公司从中间态起步，先做小尺寸人形本体、先攒数据。这条路径您怎么看？
喻杰：我的看法比较直接：如果最终目标是要做全尺寸人形机器人，那么中间态的研发，很可能造成巨大的效率降低和资源浪费。
道理不复杂，你在小尺寸本体上采的动作数据，对后面全尺寸的研发帮助非常有限。我们自己的体会是，用非拟人的本体去跑人的数据，利用率只有百分之二三十，稍微复杂一点的动作就做不了。
就像办公室的桌子，它是按成人的尺度设计的，你造一台一米二的小人形，它连够都够不到；国外有些演示看着很流畅，但你仔细看，它操作的位置都是迁就过机体能力的。
所以我们宁愿一开始就选最难的那条路，把超拟人的本体做出来。回头看，这反而让我们迭代得更快、更省时间。
创投家：关于高拟人本体和全身触觉皮肤，这些超前设计最终服务的是什么？
喻杰：服务的是两件事：从人身上学数据，以及安全地与人协作。
自由度做到117个、体表大部分覆盖触觉皮肤、18000个触点能感知0.1N级别的轻触，这些不是炫技，核心是让机器人的构型尽量接近人。
构型越接近人，人的数据才越用得上。触觉也是同样的道理，要跟人、跟物体发生细腻的交互，没有触觉就等于闭着眼干活。我们做这些选择，都是奔着一个目标去的：让机器人能在人的环境里真正干活。
创投家：很多人会质疑全栈太费钱，真实情况是这样吗？
喻杰：这是个特别常见的误解。很多人觉得全栈就是烧钱，恰恰相反，全栈、垂直整合、把关键环节做深，本质上是为了省钱，也为了省时间。
举两个例子。灵巧手，市面上我们几乎所有的都试过，要么太贵、要么没法用，自研之后，成本只有外购的三分之一到四分之一，更关键的是它能跟上我们自己的迭代节奏。数据采集也是，自营成本大概是外购的三分之一。
我们现在看行业里有个现象：一些公司手里有一大笔钱，研发效率反而不高，为什么？就是因为过度依赖供应商。什么东西都等供应商给，自己的节奏就永远慢半拍。所以全栈真正的好处，是让关键环节长在自己身上，成本、时间、节奏都自己说了算。
创投家：哪些自研、哪些外购，你们怎么判断？
喻杰：这就回到一个边界问题：全栈不等于全都自己做。
触觉皮肤、电池这些部件，我们会用质量更高的供应商，该用外部能力的地方要用足。真正考验创始人和团队的，是这个判断本身：哪些必须自研、哪些适合外购。
判断的依据，一是它是不是核心竞争力，二是外部有没有足够好的供给。有些环节必须自研，是因为市面上的供给满足不了要求，比如灵巧手；有些环节外购，是因为外面做得足够好、也更划算，你非要自己做，反而费钱费力。这个先期的判断非常关键，判断错了，要么成本失控，要么被供应商卡住。
创投家：具身智能落地场景有很多，你们的落地标准是什么？
喻杰：我们清楚现在的能力边界：具身还进不了对效率要求极高的场景。
我们的基因从产业而来，我们知道那里是什么要求。进了人家的生产系统，你停工超过一小时，电话就来了，两个小时，投诉就来了。酒店清洁也一样，说好四十五分钟做完，实际上三十分钟就得做完，客户还在旁边等着。
机器人现在的硬件和算法，还撑不起这种节奏。所以我们选容错率更高、允许拿时间换效率的场景，比如医疗康养。而且这些场景里有人、有桌椅，数据形态和未来的家庭场景是接近的。我们已经和北大医疗达成了深度合作，方向是把具身智能在医疗场景的落地路径一步步走实。既养活当下，也服务终局。
创投家：量产和进家庭的节奏，你们的预期是怎样的？
喻杰：节奏上，我们预计2027年达成小批量量产，2028年进一步铺开，然后逐年爬坡。
进入家庭，我判断大概在2028年，会先从有支付能力的家庭开始。中国哪怕只有1%的家庭，量就非常大了，更不用说海外市场。
这件事最关键的是谁先做出来、谁先进入市场，就像当年的 iPhone：它的用户当前不是最多的，但它最早推出来，一直能力是最强的。
当然我也很清醒，我们不会是唯一做成的公司，这不现实。但这一轮的窗口期，我们会全力去拼。
创投家：SMASH 这套乒乓系统，除了展示和赛事，还会走向哪里？
喻杰：SMASH对我们来说是能力的检验：全身协调、感知、预测、控制，要在一个高速动态的任务里对齐，它很考验系统的上限。
所以它首先是技术验证的平台。同时我们也看到了它带来的关注度和真实需求：世界机器人大会上，观众排队跟它打球，它还在世界人形机器人运动会上跟奥运冠军丁宁对打。
往下走，这种高动态、高交互的能力，在文娱、康养这些方向有真实场景，我们对它的商业化持开放态度：沿主线继续做，有机会就往前推一步。
创投家：超维沿途下蛋的策略，现在具体有哪些动作？
喻杰：第一是核心零部件，我们的灵巧手已经有订单、有真实复购。当初自研它，是因为市面上买不到合用的，做着做着，它自己就成了有竞争力的产品。
第二是数据，我们的数据首先是自用，同时头环这样的采集设备、以及数据本身，也开始产生效益。
第三是垂直场景的先期投入，比如医疗康养，它不一定马上挣多少钱，但能打磨产品、积累场景里的数据。
这三块有一个共同点：都是通用基座能力的复用，投入很小，而且每一块都在给主线供血。
创投家：行业里会拿咱们和figure、特斯拉Optimus做对比，在您看来，超维和他们像在哪？
喻杰：像的地方有三处。
一是路线的坚持，Figure 一直只做通用人形，没有去做别的形态的机器人；我们的重心也一样，从成立起专注的就是具身智能里最难、但也最大的市场。
二是全栈的方式，从本体、模型到量产，Figure 和特斯拉都握在自己手里；我们的数据、算法、本体、关键零部件也都在自己做，当然全栈是有边界的，不是什么都做。
三是采集数据的方法，都相信要从人身上学：我们大概是去年开始做头环、做第一人称的数据采集，后来 Figure 也默默开发了自己的数采系统，这说明在数采这件事上，我们和figure的判断也是一致的。
“具身智能这个行业最大的问题就是难以证伪。”喻杰在对话最后对我们表示，“自动驾驶公司的技术在半年后就要上车、试乘，技术行不行可以当场见分晓。而具身行业整体偏早期，确实不容易判断。这就造成了一个结果：前一阶段，你有一个说得过去的故事、有一个看起来有特色的团队，就可以融到钱。但最近行业的评价标准也在变化，大家务实多了，会看你真正的产出是什么，看谁真正落了地，这个趋势对认真做事的公司是好事。”
整场对话里，喻杰说得最精炼的一句话，来自他在华为学到的一课：没有弯道超车。
这句话几乎概括了他对具身行业的全部判断：故事和概念从不稀缺，最后比的还是产出，看谁真正能把东西做了出来。而超维动力的平衡之道，也正是从这句话里生长出来。（本文首发于钛媒体APP）
热门跟贴